| 论文名称 | 多模组深度学习模型应用于城市道路车流速率预测 |
| 年别 | 111 |
| 学位 | 硕士 |
| 学校系所 | 国立交通大学 运输与物流管理学系 |
| 作者 | 杨子贤 |
| 指导教授 | 王晋元 |
| 论文摘要 | 用路人穿梭于城市都会区中,适当的交通管理措施与路径规划是避免交通壅塞与节省旅行时间的有效措施。要做到精确的管理与规划首要目标是能对交通状态能做预 测。 本研究利用高雄市交通局提供之车辆侦测器资料进行研究,提出多模组的深度学习预测模型。本研究提出之预测模型包含多个预测模组,模型在预测时除考量历史交通外,亦将不同时空环境背景纳入考量。研究中以集群分析法区别不同环境下的交通状态,再分别对不同环境交通状态训练对应的预测模组,使模型预测时能根据时空环境差异以有 适当的参数组合去捕捉重要的时空间特征,以及校估各特征间对应关系,以求准确将特征转换为预测结果。 经实证研究结果显示,本研究提出之多模组预测模型,预测未来六小时内各时间段车流速率,可较未考虑时空环境状态的单一模组 预测模型有效的提升预测准确度。 |
| 附件下载 | (电子档于116-01-28后开放下载) |
| 张贴日 | 2022/12/12 |
| Hashtags |
查看次数:
6