1、隨著城市智能交通系統(tǒng)的不斷完善，城市道路上安裝了大量的檢測(cè)器設(shè)備來(lái)采集道路和車輛的信息數(shù)據(jù)，通過(guò)分析檢測(cè)器檢測(cè)到的大量數(shù)據(jù)，為從數(shù)據(jù)中發(fā)現(xiàn)交通規(guī)律，支持城市交通優(yōu)化，短時(shí)交通流分析是當(dāng)前主要研究問(wèn)題之一。卷積神經(jīng)網(wǎng)絡(luò)避免了從數(shù)據(jù)中人工提取特征的問(wèn)題，采用卷積神經(jīng)網(wǎng)絡(luò)科自動(dòng)提取交通流量的時(shí)空特征，具有較好的應(yīng)用價(jià)值?；诖吮疚牟捎镁矸e神經(jīng)網(wǎng)絡(luò)的方法對(duì)短時(shí)交通流進(jìn)行研究預(yù)測(cè)，主要內(nèi)容如下：
　　本文通過(guò)構(gòu)建卷積神經(jīng)網(wǎng)絡(luò)模型，將路網(wǎng)的交

2、通流數(shù)據(jù)轉(zhuǎn)化為交通流擁堵級(jí)別數(shù)據(jù)，實(shí)現(xiàn)基于此類數(shù)據(jù)的預(yù)測(cè)時(shí)間小于5分鐘的交通狀況預(yù)測(cè)，面對(duì)特定類型的樣本較小的情況，利用遷移學(xué)習(xí)的思路增加訓(xùn)練集的數(shù)據(jù)量和提升模型的預(yù)測(cè)性能。本文的主要工作如下：
　?。?）針對(duì)短時(shí)交通流預(yù)測(cè)問(wèn)題，提出了采用卷積神經(jīng)網(wǎng)絡(luò)解決，分析了方案中卷積神經(jīng)網(wǎng)絡(luò)中卷積核大小對(duì)模型預(yù)測(cè)準(zhǔn)確度的影響，采用秦皇島連續(xù)并且缺失值最少的15天的數(shù)據(jù)集，實(shí)現(xiàn)了1分鐘和5分鐘的流量預(yù)測(cè)。并實(shí)現(xiàn)了高峰期和全天時(shí)段數(shù)據(jù)的預(yù)測(cè)。<