|
|
|
高速公路用户出行行为预测方法研究 |
|
论文目录 |
|
致谢 | 第4-5页 | 摘要 | 第5-6页 | ABSTRACT | 第6-7页 | 1 引言 | 第11-19页 | 1.1 研究背景及意义 | 第11-12页 | 1.2 国内外研究现状 | 第12-15页 | 1.2.1 用户出行行为模式挖掘 | 第12-13页 | 1.2.2 用户出行次数预测 | 第13-14页 | 1.2.3 用户出行目的地预测 | 第14-15页 | 1.3 论文的研究内容和章节安排 | 第15-18页 | 1.3.1 研究内容 | 第15-17页 | 1.3.2 章节安排 | 第17-18页 | 1.4 本章小结 | 第18-19页 | 2 相关理论基础 | 第19-31页 | 2.1 时空序列概述以及相关理论 | 第19-21页 | 2.1.1 时空序列概述 | 第19-20页 | 2.1.2 时空数据挖掘 | 第20-21页 | 2.2 机器学习模型 | 第21-23页 | 2.2.1 回归模型 | 第21-22页 | 2.2.2 分类模型 | 第22-23页 | 2.3 深度神经网络 | 第23-28页 | 2.3.1 神经网络概述 | 第24-25页 | 2.3.2 自编码器 | 第25-26页 | 2.3.3 长短期记忆模型 | 第26-28页 | 2.4 注意力机制理论 | 第28-30页 | 2.5 本章小结 | 第30-31页 | 3 用户出行行为模式挖掘 | 第31-44页 | 3.1 总体思路概述 | 第31-32页 | 3.2 数据集处理 | 第32-34页 | 3.3 用户出行行为模式挖掘 | 第34-43页 | 3.3.1 用户表示学习 | 第36-37页 | 3.3.2 常驻地发现 | 第37-39页 | 3.3.3 位置语义建模 | 第39-42页 | 3.3.4 出行目的推断 | 第42-43页 | 3.4 本章小结 | 第43-44页 | 4 用户出行次数预测 | 第44-55页 | 4.1 问题定义 | 第44-45页 | 4.2 总体研究思路 | 第45-46页 | 4.3 STU-LSTM预测模型 | 第46-49页 | 4.3.1 时间表示模块 | 第46-47页 | 4.3.2 用户表示模块 | 第47-49页 | 4.3.3 出行表示模块 | 第49页 | 4.3.4 出行次数序列预测 | 第49页 | 4.4 实验设置与结果分析 | 第49-54页 | 4.4.1 实验数据集处理 | 第49-50页 | 4.4.2 基准对比方法 | 第50-51页 | 4.4.3 实验平台介绍及参数设置 | 第51-52页 | 4.4.4 实验评价指标 | 第52页 | 4.4.5 实验结果分析 | 第52-54页 | 4.5 本章小结 | 第54-55页 | 5 用户出行OD预测 | 第55-73页 | 5.1 问题定义 | 第55-56页 | 5.2 总体研究思路 | 第56-57页 | 5.3 STUAM预测模型 | 第57-62页 | 5.3.1 位置表示学习 | 第57-59页 | 5.3.2 时空表示模块 | 第59页 | 5.3.3 用户出行模式模块 | 第59-60页 | 5.3.4 用户出行OD序列预测 | 第60-62页 | 5.4 STUASM预测模型 | 第62-63页 | 5.4.1 候选OD表示 | 第62页 | 5.4.2 用户出行OD序列预测 | 第62-63页 | 5.5 实验设置与结果分析 | 第63-72页 | 5.5.1 实验数据集处理 | 第63页 | 5.5.2 基准对比方法 | 第63-64页 | 5.5.3 实验评价指标 | 第64-66页 | 5.5.4 实验结果分析 | 第66-72页 | 5.6 本章小结 | 第72-73页 | 6 结论与展望 | 第73-75页 | 6.1 全文总结 | 第73页 | 6.2 研究展望 | 第73-75页 | 参考文献 | 第75-80页 | 作者简历及攻读硕士/博士学位期间取得的研究成果 | 第80-82页 | 学位论文数据集 | 第82页 |
|
|
|
|
论文编号BS62830,这篇论文共82页 会员购买按0.35元/页下载,共需支付28.7元。 直接购买按0.5元/页下载,共需要支付41元 。 |
|
|
我还不是会员,注册会员!
会员下载更优惠!充值送钱! |
我只需要这篇,无需注册!
直接网上支付,方便快捷! |
|
|
|
版权申明:本目录由www.jylw.com网站制作,本站并未收录原文,如果您是作者,需要删除本篇论文目录请通过QQ或其它联系方式告知我们,我们承诺24小时内删除。 |
|
|