毕业设计（论文）中期报告题目：基于深度学习的短时交通流预测技术研究与实现业生号指导教师日期哈尔滨工业大学教务处制目录1．论文工作是否按开题报告预定的内容及进度安排进行 32．已完成的研究工作及成果 32.1 数据处理 32.1.1 数据描述 32.1.2 交通流量问题定义 32.1.3 数据预处理 42.2 模型构建 42.2.1 数据扩展 42.2.2 交通流量预测模型 52.3 实验结果 83．后期拟完成的研究工作及进度安排 94．存在的问题与困难 95．论文按时完成的可能性 91■论文工作是否按开题报告预定的内容及进度安排进行开题报告中预定了如下研究内容：针对交通流数据具有的时间临近性、空间邻近性、周期性等特点，使用深度学习方法提取数据特征，对此地区下一时刻的交通流量进行预测，使用 MAE、RMSE、R2评测模型的准确性，研究内容分为三部分：(1)将交通数据转化为时空矩阵，并完成标准化、归一化(2)使用自编码网络提取数据特征，与原数据融合实现数据扩展(3)构建深度学习模型，提取数据时间临近性、空间邻近性、周期性特征预定进度如表1-1 所示：表 1-1 预定进度安排2019 年 11 月底-2019 年 12 月底完成前期调研工作，了解 LSTM、SAE、CNN等神经网络特性2019 年 12 月底-2020 年 1 月底将交通数据转化为时空矩阵，完成数据预处理2020 年 1 月底-2020 年 3 月底元成初始模型构建，提取数据特征2020 年 3 月底-2020 年 4 月底结合实验结果，对模型进行参数调优2020 年 4 月底-2020 年 5 月底撰写毕业论文，准备结题答辩目前毕业设计已按照开题报告预定的进度完成了数据预处理，数据扩展与预测模型的初始构建，总体达到了开题时预定的期望。2■已完成的研究工作及成果2.1 数据处理2.1.1 数据描述本研究使用的数据集来源于美国加利福尼亚运输部的性能测量系统(PeMS)数据库，该数据集记录了城市附近高速公路的 33 个站点自 2017 年 1 月 1 日至 2017 年 7 月 15 日的交通流量数据，数据的采样时间间隔为 5 分钟，数据包含时刻与该时刻对应的车流量等信息,如图 2-1 所示：[5MinutesFlow(Veh/#LanePoints%Observed01/01/201700:00350.060.001/01/201700:05394.060.001/01/201700103E3.O60001/01/201700:15360.060.0图2-1训练集数据示例实验的训练集包括 33539 条数据，验证集包括 10000 条数据，测试集包括 10885 条数据2.1.2 交通流量问题定义设当前时刻 t,地点 p 在当前时刻的...
