检索结果-南通市图书馆

中文科技期刊数据库（引文版）工程技术 2024年第9期 0172-0175页

作者：许涵济宁市鸿翔公路勘察设计研究院有限公司山东济宁250000

随着城市化的快速发展,交通安全问题日益凸显。智能交通系统的实施为解决这一问题提供了新的思路和技术支持。本研究基于实际车流量数据,通过构建优化模型,探索智能交通安全设施的最佳布局方案。研究采集并分析了多种车流量数据,利用统... 详细信息

随着城市化的快速发展,交通安全问题日益凸显。智能交通系统的实施为解决这一问题提供了新的思路和技术支持。本研究基于实际车流量数据,通过构建优化模型,探索智能交通安全设施的最佳布局方案。研究采集并分析了多种车流量数据,利用统计和机器学习方法提取数据特征,评估现有交通安全设施的布局效果,并识别其中的不足。在此基础上,构建了一种新的布局优化模型,并通过案例研究验证了模型的有效性。结果表明,优化后的布局能够显著提高交通安全性,减少交通事故发生。

关键词：车流量数据智能交通安全设施布局优化模型

来源：

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

交通车流量数据的数据库存储及应用

引用

贵州大学学报（自然科学版） 2009年第5期26卷 74-77页

作者：王翔邵靖王大庆贵州大学计算机科学与信息学院贵州贵阳550025

分析传统交通车流量数据管理的不足,对交通车流量数据进行建模,通过数据库方式实现数据的存储,并利用数据库中的数据由程序自动生成交通车流量流向图、柱状图和饼状图等图表,提升数据的管理水平,保证数据的一致性,促进数据的共享,方便... 详细信息

分析传统交通车流量数据管理的不足,对交通车流量数据进行建模,通过数据库方式实现数据的存储,并利用数据库中的数据由程序自动生成交通车流量流向图、柱状图和饼状图等图表,提升数据的管理水平,保证数据的一致性,促进数据的共享,方便用户的访问。

关键词：车流量数据数据建模关系数据库

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

面向车流量的自监督模型研究与设计

面向车流量的自监督模型研究与设计

引用

作者：耿运鑫北京邮电大学

学位级别：硕士

当前高速发展的城市化进程给城市交通提出了艰巨的挑战。智能交通系统(Intelligent Transportation System,ITS)因其促进系统有效性和决策制定方面的潜力成为了解决城市交通诸多挑战中最热门的一个研究领域。然而,作为ITS研究基础的车... 详细信息

当前高速发展的城市化进程给城市交通提出了艰巨的挑战。智能交通系统(Intelligent Transportation System,ITS)因其促进系统有效性和决策制定方面的潜力成为了解决城市交通诸多挑战中最热门的一个研究领域。然而,作为ITS研究基础的车流量数据不仅具有非平稳和空时相关等特性,还会受不同因素影响呈现出不同的特征,利用常规的深度学习方法对其进行建模一方面需要大量有标注的数据来训练模型参数;另一方面.针对ITS不同应用需要设计并训练独立的深度学习模型,很难通过一个具有普适性的模型支撑所有的下游任务。因此,本文研究如何高效利用海量车流量数据,考虑其中隐含的时间与空间相关性,构建与下游任务无关的车流量预训练模型.为具体的下游任务提供一个仅仅通过少量样本和小规模微调训练即可满足任务准确率需求的自举模型.实现对各类ITS应用的有效支撑。具体而言,本文的主要研究内容如下:(1)基于时间片的车流量自监督模型研究与设计本部分针对车流量数据提出了一种基于时间片的自监督网络(Patch-based Self-Supervised Network,PSSN),利用由道路传感器实时采集到的大量未经标注的车流量数据,以一种任务无关的方式加以训练,得到一个充分学习到有关车流量数据内在特征的预训练模型。PSSN首先将车流量数据分割成由若干时间点组成的子序列级别的时间片,然后模型通过完成精心设计的前置任务来学习车流量数据间的潜在联系。该前置任务即是强迫预训练模型预测随机加噪位置的时间片,使得PSSN能够获得车流量数据内在的高维语义信息,进而得到基于时间片的全局嵌入表征。最后,通过将预训练模型中的输出层替换为未经训练的不同下游任务输出层,PSSN能够仅仅利用少量任务相关的数据完成一系列不同的ITS应用。实验结果表明·与其他算法、模型相比,PSSN通过时间序列切割和大规模无标签数据预训练,均能使得在不同下游任务中的性能表现得到显著提高。(2)基于自监督学习的空时车流量预测算法研究本部分针对具有空时依赖的车流量数据提出了一种基于时间片的空时自监督网络(Spatial-Temporal Patch-based Self-Supervised Network,ST-PSSN),用于车流量预测任务。在ITS场景下使用的车流量数据除了具有时间维度上的相关性之外,往往还存在空间上的依赖关系。同时当前车流量预测模型由于其复杂度的限制,只能利用短期的历史数据,使得预测结果并不十分精准。因此本部分提出的ST-PSSN在PSSN时间序列切割的基础上,除了考虑节点间的空间依赖外,还利用长期历史数据做自监督预训练。特别的,其主体结构——面向车流量数据的空时Transformer(Traffic Flow Spatial-Temporal Transformer,TF-STFormer)——不仅能在多个时间步间建模双向超长距离时间依赖,还能利用图卷积神经网络捕捉静态空间依赖、利用自注意力机制捕捉动态空间依赖。ST-PSSN预训练模型能够学习到关于车流量数据的时间片级别的超长空时内在表征,进而产生稳健可靠的时间片级的数据表征。在后续的微调预测阶段,仅需要预训练模型输出的隐藏层表征和短期历史车流量数据、并使用简单的多层感知机结构作为输出层即可对未来车流量做出精准的预测,实验结果表明ST-PSSN的预测性能显著优于其他经典的基准模型。

关键词：车流量数据时间序列切割自监督学习

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

探索建立高速公路交通流态势感知体系

引用

交通企业管理 2023年第2期38卷 64-66页

作者：万星广东省路桥建设发展有限公司

伴随着我国经济的高速发展,城市规模不断扩大,城市人口和机动车数量逐年上升,高速公路拥堵问题越来越严重,导致高速公路通行效率下降,而且恶劣的气象条件也影响了行车安全,加大了高速公路的管理难度。典型事件包括服务区节假日期间拥堵... 详细信息

伴随着我国经济的高速发展,城市规模不断扩大,城市人口和机动车数量逐年上升,高速公路拥堵问题越来越严重,导致高速公路通行效率下降,而且恶劣的气象条件也影响了行车安全,加大了高速公路的管理难度。典型事件包括服务区节假日期间拥堵导致车流倒灌主线、收费站车道拥堵、道路施工导致行车缓慢、交通事故导致通行中断、特殊天气事故频发以及高速公路运维期间的安全管控等。面对以上问题,保安全、保畅通的管控仍缺乏有效的综合治理手段。

关键词：高速公路交通态势感知交通流车流感知车流量数据

来源：

维普期刊数据库博看期刊

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于物联网技术的智能交通灯控制系统

引用

物联网技术 2018年第3期8卷 88-89,92页

作者：冀嘉澍中国人民大学附属中学北京100000

智能交通灯控制系统采用远程控制中心、无线控制终端、交通灯和交通灯辅助装置,利用远程控制中心计算出上一周期内工作日和非工作日每个相同时间段中,分别通过一个交通灯组的四个交通灯的直行信号灯和左转信号灯的总车流量数据和总车速... 详细信息

智能交通灯控制系统采用远程控制中心、无线控制终端、交通灯和交通灯辅助装置,利用远程控制中心计算出上一周期内工作日和非工作日每个相同时间段中,分别通过一个交通灯组的四个交通灯的直行信号灯和左转信号灯的总车流量数据和总车速数据,根据交通灯运行模式和时间控制算法进行计算,得出下一周期内每个时间段四个交通灯的运行模式,以及每个直行信号灯和左转信号灯的绿灯通行时长,根据十字路口各个方向的车流量和车速动态调整交通灯的运行模式和绿灯通行时间,从而实现对交通的智能控制,保证交通路口安全畅通。

关键词：物联网智能交通交通灯无线控制终端车流量数据车速数据

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：