论文部分内容阅读
通过较少样本量的快速路瓶颈区数据、高速公路瓶颈区数据、轨道交通瓶颈站点数据,基于元学习方法和神经网络模型,训练得到一个通用的、精度较高的快速路瓶颈区识别模型,该模型可以实时、不间断地主动对快速路段可能会形成瓶颈区的区域和时间进行推理。经实际数据验证,元学习模型准确率为85.3%,召回率为87.1%,F1得分为86.2%。