一、选题背景和意义：
随着经济的不断发展，城市规模不断扩大，汽车保有量持续上涨，城市交通面临的压力越来越大，交通拥堵、交通安全等问题亟待解决。交通是城市的重要组成部分，交通问题如果无法得到解决，会导致出行效率降低、交通事故频发、能源消耗及污染增加等多种问题，会影响整个社会和经济的发展。
智能交通系统作为解决城市交通问题的重要手段，它的发展受到了广泛的关注，而为了能够更好地实现其功能，及时准确的OD预测是必不可少的，预测的结果有助于改善交通管理和控制，实时调整交通信号，安排应急调度，以及优化区域联动控制，从而提高居民的出行效率，保证交通系统的运行效率，提高道路的交通服务水平，还有利于保证交通安全、降低油耗和减少污染。
OD预测需要以调查得到的历史数据为基础。传统的调查方法存在人力物力耗费大、耗时长、采样有限以及数据处理量大等许多问题。而鉴于手机信令数据具有数据量大且容易获得、数据没有明显的倾向性、数据客观真实且具有较强的时空持续性等优点，利用手机信令数据进行居民出行的调查是一种较为有效的方法。其具体原理是，手机在移动或通信时会与附近的基站进行通信，基站会记录通信手机的编号、通信时间等多项数据，对位置及时间等信息进行处理可以得到用户出行的起讫点以及出行的具体时间，从而得到交通小区之间的交通量等数据。
二、课题关键问题及难点：
对已有的OD数据进行数据清洗，将具有明显错误的数据，如小区编号不存在、不符合物理意义的数据，进行合理的处理，如作为脏数据将其删除。
编写代码整理清洗过的OD数据，将OD数据根据交通小区的编号进行整理和排序，便于后续的计算和处理。
利用机器学习算法建立预测模型，实现OD的预测功能，对整理过的数据进行分析，能够完成对所需单位时间周期内OD的预测。
利用已有的数据集进行实验验证，将预测结果与实际数据进行对比，测试和评估算法的有效性、准确性等性能。
三、文献综述（或调研报告）：
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。
