检索结果-南通市图书馆

一种顾及道路交通流量语义信息的路网选取方法

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

武汉大学学报（信息科学版） 2020年第9期45卷 1438-1447页

作者：邓敏陈雪莹唐建波刘慧敏何晋强中南大学地球科学与信息物理学院湖南长沙410083

交通流量是反映城市道路重要性以及城市道路在交通运输中发挥现实作用的重要指标。结合人类出行轨迹数据和路网数据,在充分考虑道路的几何特征(即长度、拓扑连接、分布密度、接近中心性和中介中心性)、属性特征(即道路等级)的基础上,进... 详细信息

交通流量是反映城市道路重要性以及城市道路在交通运输中发挥现实作用的重要指标。结合人类出行轨迹数据和路网数据,在充分考虑道路的几何特征(即长度、拓扑连接、分布密度、接近中心性和中介中心性)、属性特征(即道路等级)的基础上,进一步考虑道路长周期的周平均交通量这一衡量道路重要性的语义特征指标,提出了一种顾及道路交通流量语义信息的路网选取方法。首先,根据格式塔准则的连续性和方向一致性构建道路选取的基元——stroke单元;在此基础上,统计这些stroke单元的几何特征、属性特征指标,并结合移动轨迹数据计算各stroke单元的周平均日交通量作为道路选取的语义特征指标。然后,探测不同特征指标的熵值变化以确定不同道路选取指标的权重,并定义道路重要性评价的综合指标,对城市路网进行综合选取。最后,采用武汉市路网数据和出租车轨迹数据对该方法进行验证。实验表明,该方法能够保持原始路网的连通性和整体路网骨架,同时选取结果能够刻画出发挥重要职能的路段,反映人们的出行规律特征。此外,该方法可以发现道路网中设计等级较高但是实际中使用率却很低的路段,可为道路网的评价与规划等应用提供参考。

关键词：路网选取轨迹数据道路重要性评价语义信息交通流量

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

融合知识蒸馏的交通流量预测算法研究

融合知识蒸馏的交通流量预测算法研究

作者：王飞云南大学

学位级别：硕士

随着中国城市化建设的加快,居民汽车拥有量的迅速增加,使得道路拥堵状况愈演愈烈。交通流量预测在缓解城市交通拥堵问题上发挥了作用。现有的交通流量预测模型大多都是基于深度学习的,而深度学习模型结构复杂,同时训练成本也较高,无法... 详细信息

随着中国城市化建设的加快,居民汽车拥有量的迅速增加,使得道路拥堵状况愈演愈烈。交通流量预测在缓解城市交通拥堵问题上发挥了作用。现有的交通流量预测模型大多都是基于深度学习的,而深度学习模型结构复杂,同时训练成本也较高,无法较好的部署到小设备或用户上。为了能够减少深度学习模型的训练成本,知识蒸馏方法成为了研究热点。本文分析了交通流数据的时空特性,为了能够有效捕获交通流的时间和空间的依赖性,提出了基于改进图波网的交通流量预测模型。同时,本文将知识蒸馏在其它领域上的方法引入交通流量预测任务中,将基于改进图波网的交通流量预测模型作为教师模型,提出了融合知识蒸馏的教师-学生模型,将融合线性分量的动态注意网络模型作为另一个教师,提出了双教师-学生模型,从而尝试解决深度学习模型训练成本大的问题。本课题的研究内容如下:(1)针对时空数据的时间依赖关系,提出了一种三重时间卷积网络。通过将三个时间卷积网络进行有效融合,加强了数据中时间依赖性的捕获。(2)在模型中集成了线性分量。将自回归模型作为线性分量和三重时间卷积网络、图卷积网络的输出相加,以达到线性和非线性的结合,提升了模型的精度。(3)首次将知识蒸馏方法引入到交通流量预测领域。使用了经典的知识蒸馏方式,构建了单教师-学生模型和双教师-学生模型,由教师通过模拟引导学生模型训练,在精度偏差较小的情况下减少时间成本。(4)将方法在两个公开的交通数据集上进行验证,实验结果表明,基于改进图波网的交通预测模型效果优于大部分的对比模型,同时知识蒸馏方法的第一次尝试也取得了较好的效果。

关键词：时空特性模型压缩知识蒸馏交通流量

江苏省县域单元旅游发展与交通流量相互关系研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

地域研究与开发 2020年第5期39卷 82-87页

作者：徐菁靳诚南京晓庄学院旅游与社会管理学院南京211171 南京师范大学地理科学学院南京210023 江苏省地理信息资源开发与利用协同创新中心南京210023

以江苏省为例,利用高速公路联网收费的精细化数据,在深入分析县域尺度交通流量和区域旅游发展格局特征的基础上,探讨两者之间的相互关系。结果表明:江苏省国内游客空间分布呈现出明显的不均衡性,苏南地区国内游客较多,是旅游发展的热点... 详细信息

以江苏省为例,利用高速公路联网收费的精细化数据,在深入分析县域尺度交通流量和区域旅游发展格局特征的基础上,探讨两者之间的相互关系。结果表明:江苏省国内游客空间分布呈现出明显的不均衡性,苏南地区国内游客较多,是旅游发展的热点区域,而低值簇主要分布在苏北地区,旅游资源开发不够充分。流量值较高的交通流主要存在于苏南县域之间,苏南地区设区市市区是重要的放射中心,县域交通流量呈现出明显的南高北低格局,苏南的苏州、无锡地区是交通流量的热点区域。将交通流量和旅游发展的转化关系划分为5种类型:转化超前、转化轻微超前、转化协调、转化轻微滞后和转化滞后。南京市区、扬州市区为转化超前型单元,苏州市区、南通市区、江阴、靖江、泰兴为转化滞后型,江苏大部分县域为转化协调型。

关键词：旅游发展交通流量相互关系高速公路县域单元江苏省

改进鲸鱼优化支持向量机的交通流量模糊粒化预测

在线全文

学校读者我要写书评

暂无评论

计算机应用 2021年第10期41卷 2919-2927页

作者：童林官铮六盘水师范学院物理与电气工程学院贵州六盘水553004 云南大学信息学院昆明650500

针对支持向量机(SVM)在交通流量预测中存在波动性且预测精度低的问题,提出了采用模糊信息粒化(FIG)和改进鲸鱼优化算法(IWOA)的SVM模型来预测交通流量的变化趋势和动态区间。首先,对数据处理采用FIG方法进行处理,从而得到交通流量变化... 详细信息

针对支持向量机(SVM)在交通流量预测中存在波动性且预测精度低的问题,提出了采用模糊信息粒化(FIG)和改进鲸鱼优化算法(IWOA)的SVM模型来预测交通流量的变化趋势和动态区间。首先,对数据处理采用FIG方法进行处理,从而得到交通流量变化区间的上界(Up)、下界(Low)和趋势值(R);其次,在鲸鱼优化算法(WOA)的种群初始化中采用动态对立学习来增加种群多样性,并引入了非线性收敛因子和自适应权重来增强算法的全局搜索及局部寻优能力,然后建立了IWOA模型,并分析了IWOA的复杂度;最后,以预测交通流量的均方误差(MSE)为目标函数,在IWOA迭代过程中不断优化SVM的超参数,建立了基于FIG-IWOA-SVM的交通流量区间预测模型。在国内和国外交通流量数据集上进行测试的结果表明,在国外交通流量预测上,与基于遗传算法优化的支持向量机(GASVM)、基于粒子群优化算法优化的支持向量机(PSO-SVM)和基于鲸鱼优化算法的支持向量机(WOA-SVM)相比,IWOA-SVM模型的平均绝对误差(MAE)分别降低了89.5%、81.5%和1.5%;而FIG-IWOA-SVM模型在交通流量动态区间和趋势预测上与FIG-GA-SVM、FIG-PSO-SVM和FIG-WOA-SVM等模型相比预测精度更高且预测范围更平稳。实验结果表明,在不增加算法复杂度的前提下,FIG-IWOA-SVM模型能够合理地预测交通流量的变化趋势和变化区间,为后续的交通规划和流量控制提供依据。

关键词：模糊信息粒化鲸鱼优化算法支持向量机交通流量区间预测

在线全文

学校读者我要写书评

暂无评论

基于多源数据的时空交通流量预测方法研究

基于多源数据的时空交通流量预测方法研究

作者：蔡世杰武汉理工大学

学位级别：硕士

随着城市化进程的推进,大规模的汽车保有量与城市路网结构之间的矛盾日益凸显,如何高效缓解城市道路的交通拥堵状况逐渐成为城市交通管理中的一大挑战。若能根据车辆行驶轨迹数据和各类交通传感器数据实现未来特定时段的道路交通流量预... 详细信息

随着城市化进程的推进,大规模的汽车保有量与城市路网结构之间的矛盾日益凸显,如何高效缓解城市道路的交通拥堵状况逐渐成为城市交通管理中的一大挑战。若能根据车辆行驶轨迹数据和各类交通传感器数据实现未来特定时段的道路交通流量预测,便可以根据预测结果适时实施交通管制,提前疏导拥挤道路的部分车辆实现拥挤道路的车辆提前分流,从而提高道路通行效率。城市交通流量中蕴含着丰富的空间流动特性和强烈的时间相关性,如何充分挖掘包括时、空在内的各种隐含相关性进而提高交通流量的预测精度一直是交通流量预测中的难点,针对现有研究中相关特征挖掘不充分、预测精度不理想的问题,提出了基于多源数据和时空预测的城市交通流量预测方法。首先,在数据预处理及分析中,针对两个交通数据集各提出了一套完整的预处理方案,主要包括地图坐标转换、异常值处理、流量转换和卡尔曼数据平滑降噪,实现了道路交通卡口过车数据与出租车轨迹数据的流量转换;通过对预处理后的两个交通流量数据、天气数据、地理兴趣点的相关分析,探索了多种外部因素对城市交通流量的影响。其次,在多源特征表征方法分析中,针对时间属性特征表征不完善的问题,提出了基于Time2vec的嵌入神经网络层,加强了模型的时间周期性学习能力;针对天气属性特征表征不完善的问题,提出了基于体感温度和基于K-means天气聚类的天气特征表征方法;针对地理兴趣点属性特征表征不完善的问题,提出了基于最近邻算法和基于网格编码的地理兴趣点特征表征方法。再次,在基于多特征融合的交通流量时空预测模型中,为了解决外部相关特征提取不充分的问题,设计了基于时间、天气和地理兴趣点的外部特征融合模型;为了提高模型的空间相关性学习能力,设计了基于图表示算法的空间邻接特征提取模型和基于历史轨迹的真实空间权重提取模型;为了提高模型的时间相关性学习能力,设计了基于近邻周期建模和日周期建模的双基线多层时间卷积神经网络模型,并融合了多头注意力结构以改善模型对长时间序列的学习能力。最后,在两个真实交通数据集上验证了提出的多特征自注意力神经网络时空组合模型,实验结果表明该模型的预测效果优于对照实验的现有模型,对中长期交通流量预测的精度提升更为显著,可为智慧交通的建设提供理论依据。

关键词：交通流量多源数据图表示学习时间卷积网络时空预测

基于CNN-BiLSTM-AM模型的交通流量预测

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

计算机技术与发展 2023年第2期33卷 32-37,43页

作者：孙加新惠飞张凯望冯耀张师源长安大学信息工程学院陕西西安710064

交通流量的准确预测可以为交通管理部门及个人提供更加可靠的宏观道路状况信息,为城市建设、道路规划、交通管制等问题的研究提供重要的参考。针对现有模型存在的预测准确度不理想、对特征感知能力不强等问题,结合卷积神经网络(CNN)的... 详细信息

交通流量的准确预测可以为交通管理部门及个人提供更加可靠的宏观道路状况信息,为城市建设、道路规划、交通管制等问题的研究提供重要的参考。针对现有模型存在的预测准确度不理想、对特征感知能力不强等问题,结合卷积神经网络(CNN)的特征提取能力,双向长短记忆网络(BiLSTM)对于时序数据的连续性、周期性的挖掘能力以及注意力机制(Attention Mechanism,AM)对于关键信息的捕获能力,提出了一种融合多特征的CNN-BiLSTM-AM组合模型,旨在提升模型在交通流量预测准确度上的表现。采用美国明尼苏达州I-94号公路每小时西行交通流量数据进行预测实验,实验结果表明CNN-BiLSTM-AM模型具备准确预测交通流量的能力,与其他基准网络模型相比,各项误差指标均有明显下降,其中MSE降至0.00264,RMSE降至0.05135,MAE降至0.02372,判定系数R 2达到0.97001,模型预测结果与真实值拟合度较高。整体模型具有准确度高、稳定性好等优势。

关键词：交通流量深度学习卷积神经网络双向长短时记忆网络注意力机制

在线全文

学校读者我要写书评

暂无评论

船舶航道交通流量预测系统构建研究

舰船科学技术 2019年第2期41卷 37-39页

作者：刘洋山东交通学院山东威海264209

船舶航道交通流量日益增加,给船舶航道管理带来挑战,为了提高船舶航道交通流量预测准确性,得到好的管理船舶航道,构建一种船舶航道交通流量预测系统。首先研究船舶航道交通流量预测系统的现状,描述船舶航道交通流量预测系统的工作原理,... 详细信息

船舶航道交通流量日益增加,给船舶航道管理带来挑战,为了提高船舶航道交通流量预测准确性,得到好的管理船舶航道,构建一种船舶航道交通流量预测系统。首先研究船舶航道交通流量预测系统的现状,描述船舶航道交通流量预测系统的工作原理,然后通过对船舶航道交通流量历史数据进行学习,构建船舶航道交通流量预测模型,并将该模型嵌入到船舶航道交通流量预测系统中,最后进行了船舶航道交通流量仿真预测测试,该系统的船舶航道交通流量预测精度不仅可以满足船舶航道交通管理的实际要求,而且船舶航道交通流量预测性能要优于其他系统,表明本文系统是一种可靠、精度高的船舶航道交通流量预测系统。

关键词：船舶航道管理交通流量预测系统预测结果

在线全文

学校读者我要写书评

暂无评论

基于图神经网络的交通流量预测方法研究

基于图神经网络的交通流量预测方法研究

作者：曹芮旭重庆邮电大学

学位级别：硕士

随着城市人口和车辆数量的逐年增加,交通治理和规划越来越引起重视,合理的交通规划、公共交通布局可以减少城市拥堵,降低交通安全隐患。为了优化城市交通管理效率和提升市民出行体验,基于网格的城市交通流量预测方法被广泛应用于智能交... 详细信息

随着城市人口和车辆数量的逐年增加,交通治理和规划越来越引起重视,合理的交通规划、公共交通布局可以减少城市拥堵,降低交通安全隐患。为了优化城市交通管理效率和提升市民出行体验,基于网格的城市交通流量预测方法被广泛应用于智能交通系统(Intelligent Transportation System,ITS)中。然而,现有的预测工作面临着许多问题,由于交通流量变化的随机性、在时间和空间关联上的高度非线性以及周期性,精确的预测非常具有挑战性。以往的研究通常将城市划分为大小相同的区域并编码为热力图,对于复杂地形的城市,热力图包含了较多的无效数据,具体表现为某些区域在任意时刻的数据都为零,例如河流、湖泊、山地等区域。无效数据会影响模型对空间关联的获取效果,为了削减这种负面效果,本文将基于网格的交通流量数据编码为图,并提出了一种基于多图神经网络的模型来解决单步交通流预测问题。本文首先通过区域间的欧氏距离和皮尔森相关性系数构建两个K-近邻图,再通过图注意力网络和切比雪夫图卷积构成的空间模块分别获取两个图内的空间关联,最后本文使用LSTM对所有区域的时间关联分别进行获取并且使用自注意力机制和全连接层得到预测结果。此外,在上述工作的基础上,为了提高交通流量预测的效率,本文提出了一种多步交通流量预测模型。在单步交通流量预测任务中,下一步的预测结果取决于之前若干个时间片的数据,如果采用迭代的方法进行多步预测,那么前序时间步的预测误差会传播到后序时间步的预测结果中。为了解决这个问题,本文重点从周期性上对多步交通流量预测时间关联进行建模,从长期、中期和近期三个时间范围构建模型的输入,并且通过注意力机制判断不同周期的数据对各目标时间步交通流量的影响程度,最后本文基于seq2seq模型完成了多步交通流量预测。最后,本文根据重庆市主城区出租车的GPS数据,构建了Taxi CQ数据集并在Taxi CQ和Bike NYC两个数据集上对单步预测和多步预测两个交通流量预测模型进行了评估。实验结果表明,本文提出的预测模型相比其他对比模型都具有较高的预测精度。

关键词：交通流量深度学习图神经网络注意力机制

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于多延时动力系统的交通流量建模

控制与决策 2011年第6期26卷 940-944页

作者：狄岚梁久祯江南大学数字媒体学院江苏无锡214122 江南大学物联网工程学院江苏无锡214122

为了改善多车道、路况可变、流量可变的复杂交通环境中关于道路交通流量的问题,采用多时段延时动力系统思想,建立了基于动力系统的道路交通流量新模型.该模型可以描述前后多时间段对道路交通流量的相互影响.仿真数据结果表明,新模型能... 详细信息

为了改善多车道、路况可变、流量可变的复杂交通环境中关于道路交通流量的问题,采用多时段延时动力系统思想,建立了基于动力系统的道路交通流量新模型.该模型可以描述前后多时间段对道路交通流量的相互影响.仿真数据结果表明,新模型能够模拟真实的交通流量变化,同时对于控制交通流量以及分析交通系统的特点是有效的.

关键词：交通流量多延时动力系统多车道路况仿真