全文总字数：5157字
1. 研究目的与意义（文献综述）
1.1. 研究背景
交通是影响着数百万人日常生活的城市脉搏。未来智慧城市最基本的问题之一是如何构建高效的交通系统。为了解决这个问题，关键因素是准确的需求预测模型。我们可以更好地预测出行需求，就可以更好地预分配资源以满足需求并避免不必要的能源消耗。
2. 研究的基本内容与方案
2.1. 研究内容
本次设计致力于设计出一个联合深度学习模型中同时考虑了空间关系和时间顺序关系，该模型分为三个视图：空间视图、时间试图、语义视图来捕获复杂的时空关系。其中，空间视图来捕获相互临近区域间的空间依赖关系；时间视图来对目标时间序列中的顺序关系进行建模；语义视图来造一个表示区域之间功能（语义）相似性的位置图。
3. 研究计划与安排
2020.01.13—2020.01.22查阅参考文献，明确选题
2020.01.23—2020.02.28进一步阅读文献，并分析和总结,确定技术路线，完成并提交开题报告
2020.03.01—2020.04.30系统架构、程序设计与开发、模型测试与完善
4. 参考文献（12篇以上）
[1] zhang j, zheng y, qi d. deepspatio-temporal residual networks for citywide crowd flows prediction [c]. thirty-firstaaai conference on artificial intelligence, 2017: 1655-1661.
[2] song x, kanasugi h, shibasaki r.deeptransport: prediction and simulation of human mobility and transportationmode at a citywide level [c]. international joint conference on artificialintelligence, 2016: 2618-2624.
[3] fan z, song x, adachi r. citymomentum:an online approach for crowd behavior prediction at a citywide level [c]. acminternational joint conference on pervasive and ubiquitous computing, 2015:559-569.
课题毕业论文、开题报告、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
