余萍

【摘要】     随着无线网络的大量普及，人们生活中产生大量的无线网络信令数据，找出其中的共同规律，研究人员可以借此规律来建立城市交通模型。其中，组归一化网格循环网络和卷积神经网络在构建模型中起主导作用。组归一化处理能提升模型的数据源规模和收敛速度，简化内部程序循环的计算过程，解决传统模型计算量大的问题，通过记忆单元对所需数据进行存储和更新。针对噪声数据，对数据集进行网格化和筛选，以规避噪声数据的影响。卷积神经网络具有更好的用户分类性能，提高了识别率。

【关键词】    无线网络信令    组归一化    卷积神经网络

引言：

在大力的發展无线网络的同时，城市交通网络的流量也随着增加。掌握实时、准确的交通流量对于城市管理与人们出行服务尤为重要。传统居民的出行问卷调查容易受到受访者主观意识影响，也存在支出高、回报率低、工作量大、处理时间长等问题。移动信令数据正好解决了这些问题。本文研究移动信令在城市交通模型构建中的价值。

一、移动信令的特点与价值

1.1移动信令的特点

城市的土地资源有限，城市交通堵塞问题日趋严重，而信息技术应用于交通是大势所趋的。为了改善现状，通过移动信令建立城市交通模型是最合适的方法，而移动信令采集方便、实时、覆盖范围广、目标明确。最开始采集的移动信令数据冗余，通过对移动信令数据进行数据预处理，将重复、有缺失和不符合规则的数据进行删除和修改，最后才能获得有效准确的移动信令。……