基于深度学习的智能交通预测系统研究与实现开题报告

全文总字数：2914字

1. 研究目的与意义（文献综述）

1．目的及意义（含国内外的研究现状分析）

1.1研究背景和意义

近年来，随着我国国民生活水平的日益增高，机动车拥有量呈现着显著的上升趋势。据公安部交通局数据显示，截至2019年6月，全国机动车保有量达3.4亿辆，其中汽车2.5亿辆。中国人对待车的态度也从一种成功的象征向日常代步工具的方向转变。与此同时，道路拥堵，环境污染，能源消耗及交通事故等一系列难题也在不断发生，如何减少甚至避免因为道路交通安全问题带给人们的不便与隐患成为了研究人员的重要问题。而当今时代，人工智能，深度学习等计算机技术为人民的生活提供了诸多便利，将深度学习等人工智能技术运用到生产生活的各个领域已经实现了可以解决一些传统方法无法解决的难题。由此推之，如果运用机器学习技术，能够实现智能交通状况预测对道路安全以及通行质量的保障有着十分重大的意义。

2. 研究的基本内容与方案

2．研究（设计）的基本内容、目标、拟采用的技术方案及年施

2.1基本内容

首先对数据集进行筛选和采集，然后通过构建一个结构较为简单的卷积神经网络模型，通过该空间模型的图像处理获得图像中的元素关系，从而识别当时的交通特征。其次要构建一个基于lstm网络的模型，通过该时间模型对数据中长期依赖关系进行建模，提取数据特征。再次，通过对模型的训练，结合现实场景中可能会出现的状况，设计出一套较为科学的交通态势预测算法。最后通过真实场景数据，检验系统的有效性。

3. 研究计划与安排

3．进度安排

(1)2020/1/13—2020/2/28：确定选题，查阅文献，外文翻译和撰写开题报告；(2)2020/3/1—2020/4/30：系统架构、程序设计与开发、系统测试与完善；(3)2020/5/1—2020/5/25：撰写及修改毕业论文；(4)2020/5/26—2020/6/5：准备答辩。

4. 参考文献（12篇以上）

[1]冉祥栋 基于深度学习的交通时间预测模型与方法研究2019.6.6

[2]王天明 符天 卷积深度人工神经网络在城市交通流量预测中的应用 2019.10.18

[3]尹杨 基于深度学习的路网短时交通流分析与预测研究 2019.6.1