全文总字数：1796字
1. 毕业设计（论文）主要内容：
设计（论文）主要内容：交通违法是社会各界关注的热点话题之一。
本课题拟基于车辆违法驾驶行为的数据，对交通违法高发路段进行时空建模，结合机器学习相关算法，实现交通违法热点的时空预测任务。
通过本次毕业设计，锻炼一定的文献搜索与分析能力，提高对于时空数据的分析能力、算法研究创新能力以及时空数据可视化系统的开发实践能力。
2. 毕业设计（论文）主要任务及要求
完成的主要任务及要求：1.查阅15篇相关文献（不少于3篇外文文献），并每篇书写200—300字文献摘要；2.认真填写周记，完成至少1500字开题报告（“设计的目的及意义”至少800汉字；“基本内容和技术方案”至少400汉字；进度安排应尽可能详细；3.完成5000中文字以上的相关英文专业文献翻译；4.完成系统的编码与调试；5.完成10000字以上的毕业论文；6.进行论文答辩。
3. 毕业设计（论文）完成任务的计划与安排
(1) 2019/12/25~2020/1/12：查阅参考文献，明确选题；
(2) 2020/1/13~2020/3/1：进一步阅读文献进行分析总结；确定技术路线，完成并提交开题报告；
(3) 2020/3/2~2020/4/26：进行算法或系统的设计、分析、比较、实现等；
4. 主要参考文献
必读参考文献：[1] Zheng, Chuanpan, et al. "Deepstd: Mining spatio-temporal disturbances of multiple context factors for citywide traffic flow prediction." IEEE Transactions on Intelligent Transportation Systems (2019).[2] Chen, Longbiao, et al. "Deep mobile traffic forecast and complementary base station clustering for C-RAN optimization." Journal of Network and Computer Applications 121 (2018): 59-69.[3] Zhang, Chaoyun, and Paul Patras. "Long-term mobile traffic forecasting using deep spatio-temporal neural networks." Proceedings of the Eighteenth ACM International Symposium on Mobile Ad Hoc Networking and Computing. ACM, 2018.[4] Zhang, Junbo, Yu Zheng, and Dekang Qi. "Deep spatio-temporal residual networks for citywide crowd flows prediction." Thirty-First AAAI Conference on Artificial Intelligence. 2017.[5] Li, Yaguang, et al. "Diffusion convolutional recurrent neural network: Data-driven traffic forecasting." arXiv preprint arXiv:1707.01926 (2017).
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。
