文献综述
文 献 综 述先进的智能交通系统离不开基础交通数据的处理，目前智能交通领域存在多种数据采集处理方式，同时也为ITS提供了多维的交通数据，如何让这些数据有效地应用于ITS已经成为目前研究的热点。
交通流预测也是交通数据处理的一种方式，准确的交通预测信息可以为交通管理者提供有力的交通决策依据，同时也可以让驾驶员选择更为畅通的道路出行，进而避免或缓解交通拥堵的状况。
在交通流预测方面，目前主要有基于线性统计理论的预测模型和基于智能理论的预测模型等。
近年来，深度学习作为一种新的机器学习方法开始受到研究人员和商业人士的广泛关注。
深度学习是一种包含多个隐藏层的多层感知器，通过学习一种深层的非线性网络结构来实现复杂的计算，从而更好地还原交通系统的状态，进一步达到交通流预测的目的。
伴随IPv6、无线通信技术和传感技术的发展，智能交通逐渐融合了短程无线通信技术、微电子传感技术、嵌入式传感网络等技术。
智能交通物联网将智能交通的基本理念与物联网技术产业相结合，给智能交通带来了一次全新的升级，但这也随之带来了巨大的交通数据量，仅在广州一地，每日新增的城市交通运营数据记录数据超过12亿条，每天产生的数据量为150G～300GB。
传统的方法根本无法解决如此庞大的数据量，通过深度学习进行交通大数据分析、预测已成为必然趋势。
1.研究背景及现状随着城市化进程的加快以及交通数据的爆炸式增长，智慧交通的重要性日益显著，而交通预测则是智慧交通发展的基石。
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
以上是毕业论文文献综述，课题毕业论文、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。
