导读:本文包含了停车预测论文开题报告文献综述及选题提纲参考文献，主要关键词:交通工程,停车需求预测,机动车保有量,灰色-指数组合预测方法
停车预测论文文献综述
刘怡,常玉林,张鹏[1]（2019）在《交通结构优化下的城市停车需求预测研究》一文中研究指出停车需求预测是解决城市"停车难"的基础。基于机动车保有量建立了城市的停车需求预测模型,分别运用传统的数学分析方法和交通结构优化方法建立机动车保有量预测模型。数学分析模型是以灰色模型与平滑指数模型的组合预测得到未来年机动车保有量;交通结构优化模型是以城市交通效率最大和环境影响最小为目标函数,得到机动车在城市交通系统的分担率。最后以金坛市为例,对中心城区规划年的停车需求进行预测,结果表明:交通结构优化模型与传统的数学分析方法相比,得到的机动车保有量减少了0. 2万辆,城市停车需求为14. 2万个,结果更为准确,数据的依据性更强。(本文来源于《重庆理工大学学报(自然科学)》期刊2019年11期）
董洁霜,倪敏[2]（2019）在《基于SPSS软件的停车需求预测——以启东市为例》一文中研究指出近年来,随着经济快速发展,人民生活需求日益提升,汽车进入了千家万户,城市中各大商场、医院、机关大楼、主要街道车满为患,停车位不足的现象极为严重,汽车保有量的大幅度增加势必对土地、能源和环境带来巨大压力,而静态交通的发展远远落后于机动车发展速度。"停车难"问题不仅成为备受广大市民关注的难点之一,也成为影响投资环境、制约城市社会经济发展的问题,束缚城市核心功能强化、城市景观和品味提升。(本文来源于《物流科技》期刊2019年10期）
刘菲,郝风杰,郝敬全,周永利,辛国茂[3]（2019）在《基于优化LSTM模型的停车泊位预测算法》一文中研究指出针对道路停车泊位数预测准确性不高、预测误差较大的问题,提出一种基于循环神经网络LSTM模型的停车泊位预测算法,研究从历史停车数据中挖掘知识并预测不同时段内的停车泊位数。首先,建立一种优化的基于LSTM和双向LSTM网络的LSTM模型,通过双向LSTM网络对上一层的LSTM网络预测后的时间序列再进一步进行学习训练,以有效克服预测误差大的缺点;其次,结合正向LSTM和逆向LSTM具有的捕获数据时序性和长程依赖性的优势,进一步提高预测结果的精确度。利用不同实测道路停车场的数据对所提算法的有效性进行验证,结果表明,在同等条件下,所提算法的准确度和效率均优于LSTM模型算法,预测精度和训练速度均有较大提高。(本文来源于《计算机应用》期刊2019年S1期）
张琳,李银霞[4]（2019）在《基于交通量的城市停车需求预测模型研究》一文中研究指出近年来随着城市发展速度的加快,机动车保有量快速增长,大部分城市的停车问题日益突出,目前我国城市急需解决的一个重要问题就是车辆的停放问题。如果城市停车设施跟不上城市的快速发展,车辆乱停乱放现象将会日益加重,城市道路交通的正常通行将会受到严重影响,不仅会妨碍居民的日常出行需求,而且会进一步影响整个城市的运行效率和城市的形象。基于此,文章先比较现有停车需求预测模型的特点,再提出改进后的预测模型,最后以邯郸市为例验证改进后模型的可行性。(本文来源于《工程技术研究》期刊2019年13期）
黄科,蒋贤才,李亚辉[5]（2019）在《基于泊位共享的城市综合体停车需求预测模型——以哈尔滨市为例》一文中研究指出针对当前停车配建忽略不同类别建筑物的停车需求特征差异,致使停车供需失衡的问题,基于哈尔滨市停车调查数据,建立基于多影响因素的停车需求预测模型。(本文来源于《中国标准化》期刊2019年12期）
樊俊凯[6]（2019）在《基于人工智能的剩余停车位数量预测方法研究》一文中研究指出在目前,许多停车辅助工具,例如智能手机中的APP能够实时的显示停车场内的停车空位,然而随着停车场内车辆的进入和离开,停车场内的剩余停车空位数也会随之改变,所以实时获取的停车信息就会失效,所以人们更愿意了解在未来某个时间点的停车场内的剩余停车空位信息,而不是实时的信息。精确的预测停车空位可用性有助于规划人们的行程,有助于提升停车设施的利用率。在本文中,基于果蝇优化的支持向量回归提出了一种预测停车场的停车空位数的新模型。在提出的模型中,支持向量回归(Support Vector Regression,SVR)的参数被初始化为果蝇群体,并且果蝇优化算法(Fruit fly Optimisation Algorithm,FOA)被用于搜寻SVR的最优参数,我们针对不同的场景下进行有效的实验,指预测不同容量的停车场在不同时间段后的剩余停车空位可用信息,为了验证提出的果蝇优化的支持向量机(Support Vector Regression with Fruit fly Optimisation Algorithm,FOA-SVR)模型的有效性,叁种常用的预测模型,指反向传播神经网络模型(Backpropagation Neural Network,BPNN)、极限学习机模型(Extreme Learning Machine,ELM)和小波神经网络模型(Wavelet Neural Network,WNN)被用作对比模型。实验结果表明,提出的FOA-SVR在所有的预测场景下有着较高的预测精度和稳定性。此外,本文还提出一种迭代多步预测的长短期记忆神经网络(Long ShortTerm Memory Recurrent Neural Network,LSTM-NN)被用于预测剩余停车泊位,模型中的参数通过网格搜索方法来优化。此外,还采用了另外常用的回归算法模型作为LSTM-NN模型的对比模型,分别是门循环单元神经网络(Gated Recurrent Units Neural Network,GRU-NN),栈式自编码器(Stacked Autoencoder,SAE),SVR,BPNN和K近邻(K-Nearest Neighbor,KNN)。这些对比模型的关键参数同样的也是被网格搜索优化。我们通过在二个不同类型的停车场数据集上进行有效的实验来验证模型在短期预测和长期预测上的表现,实验结果表明,我们所提出的多步迭代预测的LSTM-NN表现更优于其他预测模型,特别是在车流量较大的商业类型停车场数据上表现更为突出。(本文来源于《温州大学》期刊2019-05-23）
李书明,嵇炳翰,张鸿,崔东泽[7]（2019）在《基于CBR—模糊综合评判的空中停车率预测研究》一文中研究指出为了解决航空发动机设计初期用以预测空中停车率(IFSD)的可靠性信息不足且信息大多具有模糊性的难题,结合发动机自身的特点,利用模糊数学的方法构建空中停车率的预测模型。通过模糊综合评判法,充分利用相似机型的历史数据,将空中停车率的影响因素与评价集合相结合建立评判矩阵,并采用层次分析法(AHP)对因素权重进行赋值,对其指标做出综合评判。同时,考虑到性能参数上的相似程度对于预测的影响,加入基于实例推理技术(CBR)的相似度量,对两者权重进行合理分配得到最终的预测值。最后将模型应用到实际分析中,结果表明预测模型在早期设计阶段具有良好的实用价值。(本文来源于《航空维修与工程》期刊2019年05期）
陈群,梁祖利[8]（2019）在《景区旅客停车需求预测——以张家界武陵源景区为例》一文中研究指出为解决景区停车问题,以张家界武陵源景区的停车需求预测为例,对景区的停车需求预测方法进行了探讨。通过增长率法、二次指数平滑法、多元线性回归分析法叁种方法组合预测,得到未来目标年的高峰日游客量和日均游客量。基于此,根据现状数据及未来的发展规划,预测景区各入口的游客量,得到景区各入口处所需的停车泊位数。根据游客游览时间,预测城区留宿人数所占比例,从而得到城区宾馆、旅店所需的停车泊位;并调查晚上城区娱乐点游览人数比例,从而得到其所需的停车泊位数。张家界武陵源景区停车需求预测的实践表明,该方法具有较好的适应性,可为今后类似景区的停车需求预测和相关规范的制定提供一定的借鉴。(本文来源于《交通运输研究》期刊2019年01期）
付佳伟,刘灿齐[9]（2019）在《基于用地区位的停车需求预测研究》一文中研究指出停车规划的关键一步是停车需求预测,现行的停车需求预测主要是以用地功能为核心的预测模型,但该类模型考虑的影响因素比较单一,且有适用范围窄、预测精度不高等问题存在,并不能准确的进行停车需求预测。通过实际调研发现,用地区位条件与停车需求之间的关系比较密切。区位条件主要包括地理位置、交通状况、社会经济条件,重点分析叁个因素内部因子的影响,建立区位条件和叁个因素之间的关系模型。通过引进区位优势到停车需求预测模型,以达到对停车生成率模型进行改进的效果。最后将该模型运用到实际停车规划项目,验证了该预测模型的可操作性和实用性。(本文来源于《综合运输》期刊2019年04期）
吕克敌[10]（2019）在《基于集成学习与进化算法的停车位预测算法研究》一文中研究指出随着我国综合国力日新月异,祖国建设的各个方面都取得了令人骄傲的进步,单汽车保有量方面,每年呈现飞速增长趋势。统计至2018年底,我国的机动车保有量达3.27亿辆,其中汽车保有量为2.4亿辆[1],可喜的同时伴随而至的交通问题同样有增无已。其中停车难的问题,则更为棘手。停车场作为配套服务发展速度缓慢,越发展越失衡造成了恶性循环。以现有技术发展解决此类问题,我们可以从虚拟与现实两个角度去看。现实角度加大停车场建设,但城市建设问题所牵扯的因素很多,问题虽在但从总体看解决的优先级并不高。所以从虚拟方面解决,对现有各停车场空余车位进行实时有效的预测,为驾驶员出行提供参考,在现有条件下依靠信息的共享缓解以上问题。本文研究的停车场空余车位的预测问题本质来说是时间序列预测问题研究的一种实际应用。根据预测需求可分为短期与多步两种预测方式,前者通过现有数据集预测未来某时间点停车场空余车位数,应用较多的方法为指数平滑法及其衍生算法。后者是根据历史数据集预测未来一段时间空余停车位数量。神经网络相关算法是解决此类问题较为常用的方法。本文分析了现今空余停车位预测的短时与多步预测方法,通过对其原理与应用等不同层面的分析,从中发现方法与某些规律性较强领域存在明显的不足,由此提出了两种改进算法。改进的算法由于模型的优势进而摆脱了预测需求上短时与多步的束缚,兼附更好的兼容性,并且在精准度与鲁棒性上较传统形式有着明显提高。针对目前停车位预测算法准确率低、可拓展性差等问题,本文首先提出了一种基于集成学习算法与GRU结构的RNN组合的算法。首先,借助对数据集的训练挑选出最优的集成学习的基学习器组合形式;然后将停车位数据分割为不同的步长输入到组合模型中,对模型进行训练;最后将最佳结构与传统网络进行对比。实验结果表明,该算法提高了预测准确率与鲁棒性,有效防止过拟合与局部最小化,有效的解决统一预测模型在多场景的实现问题。为了进一步优化算法模型,提高算法在预测方面的准确度与可拓展性。本章提出了基于粒子群算法与遗传算法的RNN泊车位预测算法。该算法分别对模型和模型参数这两点进行了优化。首先,为了避免stacking算法在实际应用中的问题,对集成学习算法部分进行了优化,使用集成学习算法中的随机森林算法与梯度提升算法组合框架,并对回归器的数目设置一个搜索空间进行优化。神经网络方面,对RNN的隐含层设置隐含层层数搜索空间,神经元搜索空间、网络类型搜索空间、Batch-size搜索空间,利用遗传算法在信息共享能力上的优势,通过遗传算法来优化预测模型的神经网络结构。最后,利用粒子群算法计算方便、速度快的特点对模型的多种参数进行最优解搜索。最后得到优化的预测模型。(本文来源于《吉林大学》期刊2019-04-01）
停车预测论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
近年来,随着经济快速发展,人民生活需求日益提升,汽车进入了千家万户,城市中各大商场、医院、机关大楼、主要街道车满为患,停车位不足的现象极为严重,汽车保有量的大幅度增加势必对土地、能源和环境带来巨大压力,而静态交通的发展远远落后于机动车发展速度。"停车难"问题不仅成为备受广大市民关注的难点之一,也成为影响投资环境、制约城市社会经济发展的问题,束缚城市核心功能强化、城市景观和品味提升。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
停车预测论文参考文献
[1].刘怡,常玉林,张鹏.交通结构优化下的城市停车需求预测研究[J].重庆理工大学学报(自然科学).2019
[2].董洁霜,倪敏.基于SPSS软件的停车需求预测——以启东市为例[J].物流科技.2019
[3].刘菲,郝风杰,郝敬全,周永利,辛国茂.基于优化LSTM模型的停车泊位预测算法[J].计算机应用.2019
[4].张琳,李银霞.基于交通量的城市停车需求预测模型研究[J].工程技术研究.2019
[5].黄科,蒋贤才,李亚辉.基于泊位共享的城市综合体停车需求预测模型——以哈尔滨市为例[J].中国标准化.2019
[6].樊俊凯.基于人工智能的剩余停车位数量预测方法研究[D].温州大学.2019
[7].李书明,嵇炳翰,张鸿,崔东泽.基于CBR—模糊综合评判的空中停车率预测研究[J].航空维修与工程.2019
[8].陈群,梁祖利.景区旅客停车需求预测——以张家界武陵源景区为例[J].交通运输研究.2019
[9].付佳伟,刘灿齐.基于用地区位的停车需求预测研究[J].综合运输.2019
[10].吕克敌.基于集成学习与进化算法的停车位预测算法研究[D].吉林大学.2019
标签：交通工程; 停车需求预测; 机动车保有量; 灰色-指数组合预测方法;