【摘 要】
:
交通拥堵作为全世界亟待解决的重要问题之一,越来越受到国家与政府的关心与关注。智能交通系统是当今社会解决交通出行问题的又一创新方式,其将先进的科学技术应用于道路交通系统,旨在从监测、预警、诱导等多方面解决交通拥堵问题。智能交通系统中最重要的一环是交通流预测,高效、实时、准确的交通流预测能够有效缓解城市道路出行状况,一方面可以为人们日常出行提供可靠的交通诱导信息,降低高峰出行的可能;另一方面也可为政府
论文部分内容阅读
交通拥堵作为全世界亟待解决的重要问题之一,越来越受到国家与政府的关心与关注。智能交通系统是当今社会解决交通出行问题的又一创新方式,其将先进的科学技术应用于道路交通系统,旨在从监测、预警、诱导等多方面解决交通拥堵问题。智能交通系统中最重要的一环是交通流预测,高效、实时、准确的交通流预测能够有效缓解城市道路出行状况,一方面可以为人们日常出行提供可靠的交通诱导信息,降低高峰出行的可能;另一方面也可为政府等道路交通管理部门提供高可靠的决策依据,实现城市道路的优化设计。虽然现有的交通流预测方法与理论已经取得较好的结果,但是考虑到交通流是受多种因素影响的复杂时间序列,以及混合网络结构强大的特征提取能力,且将这些方面相结合的研究相对较少,因此,本文从交通流基本理论入手,对交通流预测模型展开了研究,主要工作如下:1.对交通流基本概念进行了论述,分析了交通流的基本特性,探索各特性对交通流产生的影响。对经典的交通流预测理论进行了回顾,探讨了交通流数据预处理技术存在的问题以及处理步骤。2.针对交通流受天气因素影响以及交通流数据呈现出序列数据特征,提出了基于天气加权因子与队列混合神经网络的交通流预测方法,使用相关系数法进行天气加权因子模型的构建,引入队列单元进行混合神经网络搭建。最后采用15分钟数据集进行模型的训练以及预测,预测的结果与同类别的T-LSTM、T-GRU、T-Bi-LSTM模型相比,本文提出的模型在准确率方面优于其他模型。3.针对交通流具有很强的时空特性且Bi-LSTM网络与Conv-GRU网络分别在时间与空间特征提取上的优势,提出了基于时空分析与混合深度网络的交通流预测理论。首先对交通流的周期相似性进行了定量分析,使用图论理论建立路网站点邻接矩阵。然后采用Bi-LSTM网络提取交通流时间周期性特征,使用Conv-GRU网络提取交通流空间特征。最后,对特征提取结果进行融合处理。实验结果表明:此模型时空特征提取能力优势明显,对比现有的相关模型,有效提升了预测的准确率。
其他文献
社团结构是网络的基本特征,分析社交网络中的社团结构和社团演化规律将有助于我们更好地了解社会结构的组成,对分析复杂网络的拓扑结构,了解和控制网络信息传播和网络舆情的演化具有重要作用。为了解网络个体用户传播行为和信息传播中的网络群体对社团结构的影响,发现网络信息传播和社团演化之间的关系,本文提出了一种基于传播的社交网络社团检测方法。利用社交网络本身所具有的拓扑结构和定义的网络信息传播模型以及网络用户在
应用机器视觉实现校园教室灯光智慧化是当下研究的热点,基于机器视觉的校园教室灯光主要存在如下问题:首先要获得众多校园教室灯光的状态数据,灯光无法点亮,导致教室图像获取困难;其次是在低照度情况下,摄像机难以对焦,图像中物体轮廓模糊,细节丢失,难以获得保留特征的图像数据;三是校园大教室中所处人员往往零散分布,教室灯光无法对点亮区域进行目标定位,做到有人位置开灯,空闲位置熄灯节能。针对以上问题本文主要工作
在信息来源丰富的大数据时代,机器学习技术迅猛发展,云计算以其存储量大,计算能力强等特点已经成为机器学习的理想平台,但也带来了越来越多的隐私问题。决策树模型作为广泛使用的机器学习分类模型,它可以在云端被训练和部署,从而向用户提供分类服务。然而,一方面直接把用户的查询数据发送到云端可能会泄露其隐私,同时用户得到的评估结果也可能涉及其敏感信息。另一方面,通过机器学习得到的训练模型属于模型所有者的资产,它
随着现代科学技术的进步,各种交通工具给人们的出行带来前所未有的快捷、方便。与此同时,人们对交通工具的依赖,致使交通工具的数量和使用频率急剧增加,有限的城市资源无法满足激增的交通需求,造成了严重的交通拥堵问题,阻碍了城市的进一步发展。针对上述问题,本文运用智能交通技术,基于预处理后的交通流数据进行有效的短时交通流预测,为出行者提供实时的路况信息,从而缓解交通拥堵给人们出行带来的不便。首先,为解决原始
近年来,随着自然语言处理技术的快速发展,用户情感分析已经成为这一领域重点的研究课题之一,在产品评价、产品设计、质量监控、舆情分析、信息预测等方面发挥了越来越重要的作用。基于卷积循环神经网络的深度学习方法作为一种新兴的自然语言处理技术,在机器翻译、文本分类、语言识别和文本生成等众多领域得到了广泛应用。而利用卷积循环神经网络对商品评论文本进行情感分析已经成为情感分析领域非常活跃的话题。目前,基于卷积循
人脸表情识别已经成为计算机视觉任务中一个重要的科研方向,不仅是个人情感的外在表现,更是日常生活中人与人之间情感传播与交流的重要方式。同时,自动表情识别技术的发展可以帮助计算机拥有对情绪的理解,在人机交互问题上能提供更有效的解决方法。传统的人脸表情识别方法需要分步处理,首先通过手工提取面部图像特征,然后通过选取相应的分类器进行分类,这个过程比较复杂,在真实场景中采集的图像主要受光照角度、姿态不同、有
煤粉锅炉炉膛火焰监测系统是煤粉锅炉中不可或缺的安全保护系统,是保证锅炉安全、稳定、环保和高效运行的重要配套设施。煤粉锅炉炉膛火焰监测系统有助于提高锅炉和燃料的利用率,减少有害物的产生,降低对环境的污染;同时能够提高锅炉的安全性能,实时调节炉膛内的火焰燃烧状态,防止燃烧系统不稳定导致锅炉炉膛爆炸事故和炉膛灭火故障,保障居民人身安全,减少财产损失。本文结合某热力公司供暖控制系统设计工程项目,设计一套基
现代的互联网络面对日益激增的视频流量和工业机器应用,存在着大量的拥塞崩溃、数据分组时延等问题。对网络实时性要求比较高的应用,例如工业互联网、车载无人驾驶、航空航天等,需要低时延,微秒级的抖动。传统的网络只能将端到端时延减少到几十毫秒,在这样的背景下对网络端到端时延的控制尤为重要。已成为当前关注的热点领域。时间敏感网络(TSN)是一种具有有界传输时延、低传输抖动、极低数据丢失率的高质量实时传输网络。
目标跟踪技术是计算机视觉领域的研究热点之一,广泛应用于智能监控、人机交互、智能交通、视觉导航和无人驾驶等领域。近年来,随着计算机技术的飞速发展,研究人员相继提出了许多性能优异的跟踪算法。但是,在实际的跟踪过程中,如果目标受到遮挡、形变和尺度变化等因素的影响,则通常会导致目标特征提取单一、模型训练不稳定,最后导致跟踪性能下降或跟踪失败。因此,在无监督学习的基础上,本文针对目标特征提取单一、特征表达能