1. 研究目的与意义（文献综述）
当前，随着城市人口不断增多，交通拥塞问题在一定程度上影响了城市的整体发展。交通拥塞不仅影响了人们日常出行及工作，增加了驾驶人员烦躁、易怒的情绪，影响了城市的整体面貌；而且也极大地浪费了燃料资源，进一步增加了我国环境污染程度，也在一定程度上致使全球气候变暖的情况日益严重。所以，城市交通拥塞问题亟待缓解或得到解决。
而与此同时，城市的数字化、信息化和智能化建设也在不断深入。所谓的信息化是指系统可以完成数据的自动采集、处理分析，传输分发，自动与半自动智能化决策功能；由此看来，信息化作为智能化的基础，而智能化又能进一步优化信息化[1][2]。从信息化实现的过程，我们可以看到在城市智能化建设中，采集数据信息成为了必不可少的一个环节。在这个数据信息爆炸的时代，可以用做分析的数据多种多样，如地理信息、交通信息、移动信号信息等等；而交通信息作为能够较直观反映交通情况的数据信息，为缓解或解决城市交通拥塞问题提供了新思路，即用分析交通数据信息实现城市交通的智能化管理。
利用交通信息分析得到的行程时间在实现城市智能化管理中扮演着十分重要的角色。所谓的行程时间是指车辆或人从一个起始端到一个目的端所花费的时间；可以是在某一路段上，也可以是由多个路段组合成的一条路径上。就目前而言，行程时间被广泛应用于出行规划、车辆派遣及交通监测等方面。现下常用的导航软件百度、高德等，利用预测的行程时间，结合当前交通情况，为出行者提供了合理出行规划和出行时间预测；而像滴滴等车辆派遣软件也同样借助行程时间便利车辆载人出行。所以行程时间的研究及应用可以极大地提升出行者的便利性、增加交通运作效率、优化交通管理，从而整体上改善城市交通拥塞问题，优化我们的生存空间。
2. 研究的基本内容与方案
由于目前行程时间预测存在着以下问题：一是数据稀疏问题，二是多个路段行程时间相加导致数据的不准确性，三是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。所以，本文提出了一种基于张量分解实现整个北京市任一查询路径行程时间快速且准确预测的方法。
该方法分为两个部分：一是用张量分解准确恢复缺失路段的行程时间，二是基于轨迹频繁模式完成查询路径内子路径的最优连接。由于城市范围内并不是所有路段都被轨迹覆盖过，所以路段行程时间数据具有稀疏性；在张量分解部分，基于不同司机在不同时间段经过不同路段的行程时间构建三维张量模型，该模型包含当前时间段和对应历史时间段的行程时间数据；为了使分解得到的结果更加准确，引入了路段地理特征信息矩阵和粗粒相关性的时间特征信息矩阵；将两矩阵联合张量一起分解进一步增加分解的准确性。在最优连接部分，先是采集来的历史轨迹数据建立频繁轨迹模式的后缀树以加速查询路径的最优连接选择过程，然后需要对当前时间段内的轨迹数据构建索引结构以便行程时间的快速查找；同时需要引入一目标函数权衡子路径长度及其能提供的支持度之间的关系。最终完成查询路径行程时间快速并准确的预测。下图就是张量分解部分的具体模型。
3. 研究计划与安排
第1－3周：查阅相关文献资料，明确研究内容，了解研究所需理论基础。确定方案，完成开题报告。
第4－5周：熟悉掌握基本理论，完成英文资料的翻译，熟悉开发环境。
第6－9周：编程实现各算法，并进行仿真调试。
4. 参考文献（12篇以上）
[1] 承继成.信息化城市与智能化城镇-数字城市[j].地球信息科学,2000(03):5-7.
[2] 张育雄.数字化浪潮下城市治理:从精细化向智能化变迁[j].电信网技术,2018(03):9-11.
课题毕业论文、开题报告、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。
