基于张量分解的路径行程时间预测研究与实现任务书

 2021-12-30 08:12

全文总字数:1746字

1. 毕业设计(论文)主要内容:

在许多应用流量监控和路由系统的领域里,路径行程时间预测扮演着十分重要的角色。而目前,路径行程时间预测的研究还存在一些不足之处;如,数据稀疏问题,多分段路径行程时间相加导致数据的不准确性,无法很好确保查询相应路径行程时间的可扩展性、有效性及效率。

张量分解是基于张量低秩近似完成的;将路段本身特征信息和路段行程时间在时间上的相关性考虑进去,张量分解能够很好地利用不同司机在不同时间段经过不同路段所需要的行程时间补足无法采集到的数据;再加上对路段行程时间和路段特征的权衡得出的最优路段选择,能够使合成的路径行程时间更加准确。

论文以张量分解为基础,对路径行程时间预测进行求解。实现张量分解和最优路段选择,给出问题求解结果。

2. 毕业设计(论文)主要任务及要求

(1)查阅相关文献资料15篇以上(其中近5年外文文献不少于3篇)。

(2)完成开题报告及任务书。

(3)研究张量分解工作原理,选择一门编程语言实现基于张量分解算法的路径行程时间预测,给出问题求解结果。

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

3. 毕业设计(论文)完成任务的计划与安排

第1周—第3周搜集资料,撰写开题报告;

第4周—第5周论文开题;

第6周—第12周撰写论文初稿;

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

4. 主要参考文献

[1] Shao Wei,Chen Ling. License platerecognition data-based traffic volume estimation using collaborative tensordecomposition[J]. IEEE Transactions on Intelligent Transportation Systems.2018, 19(11): 3439-3448.

[2] C. De Fabritiis, R. Ragona, G. Valenti.2008. Traffic estimation and prediction based on real time floating car data[C].In Proc. of IEEE ITSC 2008.

[3] Ghosal, Soumya Suvra. Travel timeprediction of taxis using tensor factorization[C]. ACM India Joint 6th ACM iKDDInternational Conference on Data Science and 24th International Conference onManagement of Data. 2018. 314-317.

剩余内容已隐藏,您需要先支付 10元 才能查看该篇文章全部内容!立即支付

以上是毕业论文任务书,课题毕业论文、开题报告、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。