一、课题论文的主要内容(含主要技术参数)
1 主要内容:
城市交通是城市的动脉系统,是城市的重要基础设施。然而,近年来,西安市的城市交
通在迅猛发展的同时也带来日益严重的"城市病"——交通拥堵,它已经成为西安国民经济进
一步发展的瓶颈问题之一。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,交通领域已经迎来了大数据时代。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。