北京市优秀毕业论文—基于车辆轨迹时空数据的城市热点预测模型研究

写在前面

本科毕业设计论文开源，论文与代码地址：Github

基于车辆轨迹时空数据的城市热点预测模型研究

摘要

智能交通在近年得到了学术界和产业界的广泛重视。尤其是随着道路网的不断完善，交通车流越来越庞大，交通流预测显得越来越重要，分析并预测交通状况和交通热点分布情况是交通管控的基础，对城市交通管控有着十分重要的意义。随着车辆轨迹大数据技术、人工智能和机器学习技术的发展，基于机器学习和大数据对车辆密度进行预测已成为重要的技术趋势。

本文基于车辆轨迹大数据，利用机器学习技术对城市交通热点进行预测，主要的研究内容和创新点罗列如下：

首先，建立车流密度提取模型，利用核密度估计算法从车辆轨迹时空数据中提取车辆密度特征，并实现热点预测的可视化。本文从交通属性中车辆密度的角度去分析，相比传统的车流量和车速属性，让交通预测具有更加全局的特征信息，为交通管控增添一个新的维度与视角。

其次，提出预测滑动窗口模型，构建预测所需要的训练数据集，并使用标准的归一化方法进行处理，利用支持向量回归算法进行出租车车辆密度预测和热点预测，最后借助公认的评价指标对模型性能进行评估。为后续神经网络预测工作提供基础性参考。

再次，利用经典的神经网络——多层感知器模型对比不同层数和不同神经元个数的网络结构的性能，并使用循环神经网络中的长短期记忆模型进行预测，完成北京市出租车热点预测并达到预期效果。本文为机器学习应用于交通领域的全局和局部预测提供了新的思路，为该方向的研究提供基础性指标参考。

最后&#