城市道路交通拥堵分级方法、设计城市道路拥堵预测算法

随着交通信息采集系统的发展和完善，交通数据的规模正以指数级增长城市各类营运车辆在运行过程中积累了大量的时空交通数据，包含了丰富的交通流信息。对城市交通流进行有效的数据分析并对城市的交通运行态势进行实时的感知，不仅利于有效指导城市居民的出行规划，也对提升城市管理水平有着十分重要的作用。本课题设计所要解决的技术问题是提供一种基于gps的城市交通拥堵预测深度学习方法，基于城市出租车上的gps实时数据构建一套无监督的大规模城市网络的交通拥堵预测方法。该方法的核心在于结合递归神经网络、卷积神经网络和三维卷积神经网络等，完成城市交通拥堵的实时预测。本次课题设计主要的任务是: 利用现有西安城市交通数据（为期一周，总计700万条，指导教师提供），采用大数据分析技术进行数据清洗和处理 对城市道路交通进行网格划分，并对每个网格的交通数据进行时间维度的建模 对所有网格进行聚类分析，设计完成城市道路交通拥堵分级方法 基于城市道路数据的已有特征，设计城市道路拥堵预测算法 2. 主要技术参数 开发环境： Python 操作系统：windows操作系统； 开发语言：使用python等语言进行客户端的开发。