检索结果-内蒙古大学图书馆

中国公路学报 2025年第1期38卷 281-293页

作者：王庞伟何昕泽张龙董航瑞王力张名芳北方工业大学城市道路交通智能控制技术北京市重点实验室北京车网科技发展有限公司

交通状态补全方法能够为交通管理系统提供完备的全息交通路网信息，为制定城市信控策略，动态均衡交通流提供数据支持。基于智能网联技术实时获取多源交通数据优势，提出一种基于图卷积神经网络的实时交通状态补全方法。首先，构建了一... 详细信息

交通状态补全方法能够为交通管理系统提供完备的全息交通路网信息，为制定城市信控策略，动态均衡交通流提供数据支持。基于智能网联技术实时获取多源交通数据优势，提出一种基于图卷积神经网络的实时交通状态补全方法。首先，构建了一种“端-边-云”信息交互架构的全息交通感知系统，可实现多源交通数据的特征级融合；其次，根据路网拓扑关系构建路网无向图模型，应用异常数据辨识与插补方法对原始数据进行修正构成有效数据集，并根据实际路网时空关系确定补全网络隐藏层权重；然后，通过图卷积交叉口临近关系与交通状态，将原始数据映射至空间维度，从而完成交叉口特征的空间聚类，同时由门控循环单元在时间序列上游走记忆，提取数据时间维度特征，完成状态数据补全计算；最后，在北京市高级别自动驾驶示范区选取典型智能网联交叉口群，对该方法进行实地测试。研究结果表明：长时序数据下，方法有效补全结果与真实值误差不高于10.64%,综合性能较长短期记忆神经网络等现有方法的均方根误差降低17.2%。该补全方法为未来智能网联环境下交通全息感知技术应用提供了理论基础和实现方案。

关键词：交通工程交通数据补全图卷积神经网络长短期记忆神经网络边缘计算智能网联交通

来源：评论

学校读者我要写书评

暂无评论

基于HighD数据集的高速公路小客车换道风险分析

引用

深圳大学学报(理工版) 2025年第1期42卷 94-104页

作者：刘通杨波杨雪琦刘唐志刘星良吴攀重庆交通大学交通运输学院重庆400074 北方工业大学城市道路交通智能控制技术北京市重点实验室北京100144 中国城市规划设计研究院西部分院重庆401120

为探究高速公路小客车微观换道行为特性及换道风险,基于HighD数据集提取自车换道轨迹及周围车辆行驶数据,分析目标车道存在前、后车时的自车换道行为规律.以高速公路小客车换道冲突特性为基础,提取换道风险表征指标,建立基于停车距离系... 详细信息

为探究高速公路小客车微观换道行为特性及换道风险,基于HighD数据集提取自车换道轨迹及周围车辆行驶数据,分析目标车道存在前、后车时的自车换道行为规律.以高速公路小客车换道冲突特性为基础,提取换道风险表征指标,建立基于停车距离系数的事故风险率和基于速度差的事故严重度模型,使用故障树分析法计算换道风险指数,对换道安全性进行评价,并基于k-means聚类算法将换道风险划分为4个等级;建立基于梯度提升决策树框架的换道风险预测模型,使用不同特征组合对小客车驾驶员换道风险进行预测及验证.结果表明,选取速度-加速度混合特征的换道风险预测模型预测效果最佳.研究结论可为理解高速公路小客车换道行为特性、驾驶行为模式识别以及驾驶辅助系统参数设置提供参考.

关键词：交通工程换道轨迹换道风险故障树分析 k-means聚类梯度提升决策树

来源：评论

学校读者我要写书评

暂无评论

基于半监督哈希算法的交叉口交通状态识别

引用

交通运输系统工程与信息 2020年第1期20卷 75-82页

作者：张立立王力赵琦张玲玉北方工业大学城市道路交通智能控制技术北京重点实验室

准确辨识交叉口交通状态是实施有效交通控制策略的前提.传统交通状态识别方法是利用占有率、排队等统计数据设计指标实现状态识别,存在只能从单一角度刻画交叉口交通需求的问题.对此,提出基于半监督哈希算法的交叉口交通状态识别方法.... 详细信息

准确辨识交叉口交通状态是实施有效交通控制策略的前提.传统交通状态识别方法是利用占有率、排队等统计数据设计指标实现状态识别,存在只能从单一角度刻画交叉口交通需求的问题.对此,提出基于半监督哈希算法的交叉口交通状态识别方法.从原始数据丰富特征入手,构建交叉口有效检测区域的图像化模型;将交叉口交通状态识别转化为图像搜索问题,利用监督哈希算法实现基于部分标签信息的图像搜索,进而得到交叉口的交通状态;最后,利用仿真对该方法进行了验证.结果表明,所提方法在识别精度和速度上具有可行性和有效性.

关键词：智能交通交通状态识别交叉口图像化半监督哈希

来源：评论

学校读者我要写书评

暂无评论

基于宏观基本图的路网多子区状态一致协同控制

引用

交通运输系统工程与信息 2019年第3期19卷 81-87,102页

作者：王力李敏何忠贺张玲玉李正熙北方工业大学城市道路交通智能控制技术北京重点实验室

针对基于宏观基本图(MFD)的路网多子区协同控制未考虑各子区拥堵状态差异性及均衡性的问题,本文提出以多子区状态可达一致为目标的子区边界状态反馈控制设计方法.首先,基于路网MFD模型建立路网多子区协同模型;进一步,基于部分变量稳定... 详细信息

针对基于宏观基本图(MFD)的路网多子区协同控制未考虑各子区拥堵状态差异性及均衡性的问题,本文提出以多子区状态可达一致为目标的子区边界状态反馈控制设计方法.首先,基于路网MFD模型建立路网多子区协同模型;进一步,基于部分变量稳定性理论,设计多子区状态可达一致的边界状态反馈控制律.在此基础上,考虑子区拥堵状态的差异性,设计了子区间的协同控制策略,快速缓解子区拥堵状态;同时,提出子区边界输入流的分配优化策略.最后,以潍坊市实际路网为背景建立仿真模型.实验结果表明,本文方法可实现子区交通流分布的均衡性,快速缓解子区拥堵状态,较大幅度地提升路网运行效率.

关键词：智能交通路网协同控制部分变量稳定性边界控制一致性

来源：评论

学校读者我要写书评

暂无评论

基于大边距度量学习的车辆再识别方法

引用

浙江大学学报（工学版） 2021年第5期55卷 948-956页

作者：张师林马思明顾子谦北方工业大学城市道路交通智能控制技术北京市重点实验室北京100144

在目前的车辆再识别方法中,车辆在拍摄过程中的多视角会导致特征嵌入空间中决策边界附近样本较难区分.针对该问题,提出通过最大化边界距离提升车辆再识别准确率.在特征表示阶段,设计了大边界损失度量函数,可以有效处理相似车辆的混淆问... 详细信息

在目前的车辆再识别方法中,车辆在拍摄过程中的多视角会导致特征嵌入空间中决策边界附近样本较难区分.针对该问题,提出通过最大化边界距离提升车辆再识别准确率.在特征表示阶段,设计了大边界损失度量函数,可以有效处理相似车辆的混淆问题;采用入侵叛逃采样策略,可以在训练样本中找出更容易混淆的难样本以更有针对性地训练网络,并加快网络的训练速度.在车辆检索阶段,提出基于核函数的重排序方法,可以提高车辆再识别的准确率.在3个公共数据集上的实验结果显示,车辆再识别的准确率得到提高,同时训练和推理效率得到改善.理论分析和实验表明,大边距度量学习通过挖掘决策边界的难样本,可以有效解决车辆再识别中的多视角问题.

关键词：车辆再识别特征嵌入度量学习损失函数采样策略核函数

来源：评论

学校读者我要写书评

暂无评论

基于LSTM神经网络的降雨天旅行时间预测研究

引用

交通运输系统工程与信息 2020年第1期20卷 137-144页

作者：王志建李达标崔夏北方工业大学北京市城市道路交通智能控制技术重点实验室

降雨给城市道路行程时间的计算和预测带来了许多不确定因素.以出租车GPS数据为研究对象,在考虑降雨数据的基础上,设计一个基于非最小路段的行程时间计算方法,建立基于LSTM(Long Short-Term Memory)循环神经网络的行程时间预测模型进行... 详细信息

降雨给城市道路行程时间的计算和预测带来了许多不确定因素.以出租车GPS数据为研究对象,在考虑降雨数据的基础上,设计一个基于非最小路段的行程时间计算方法,建立基于LSTM(Long Short-Term Memory)循环神经网络的行程时间预测模型进行算法验证.最后,以北京市中关村西区出租车行驶的10 d的GPS数据进行方法验证.结果表明,加入降雨特征预测的结果比未加入降雨特征拥有更高的准确率.并与应用较为广泛的BP神经网络和SVM进行对比分析,发现在满足数据精度的前提下,本文应用的算法和预测模型有较高的训练速度和预测可靠性.

关键词：智能交通旅行时间 LSTM神经网络浮动车降雨量

来源：评论

学校读者我要写书评

暂无评论

基于Optima的实时在线交通流预测方法研究

引用

交通运输系统工程与信息 2017年第2期17卷 119-125页

作者：李颖宏潘佳琪北方工业大学城市道路交通智能控制技术北京市重点实验室北京100144

目前城市道路交通流预测主要是基于物理模型、数理统计特性并融合部分智能预测算法来实现的,而对于一些影响预测效果的重要交通因素,诸如FIFO原则、交通信号控制方案等在现有的预测方法因无法很好地引入和描述而忽略.本文提出了一种基于... 详细信息

目前城市道路交通流预测主要是基于物理模型、数理统计特性并融合部分智能预测算法来实现的,而对于一些影响预测效果的重要交通因素,诸如FIFO原则、交通信号控制方案等在现有的预测方法因无法很好地引入和描述而忽略.本文提出了一种基于Optima系统实现的实时在线交通预测方法,通过建立路网模型、需求模型及初始OD矩阵获取路网实时状况,并通过构建关联数据库实现实时路网模型信息、交通信号控制信息的有效对接,依据TRE算法预测路段进出口的累积流量并结合模型分配值、历史数据实现实时在线交通预测.以北京市望京区域为例进行仿真验证,通过误差分析,获得了较为理想的预测效果,验证了该预测方案的有效性.

关键词：智能交通交通流预测交通波 Optima系统实时在线

来源：评论

学校读者我要写书评

暂无评论

融合多尺度信息的弱监督语义分割及优化

引用

通信学报 2019年第1期40卷 163-171页

作者：熊昌镇智慧北方工业大学城市道路交通智能控制技术北京市重点实验室北京100144

为提高弱监督语义分割算法精度,提出一种融合多尺度特征的分割及优化算法。首先,基于迁移学习算法构建多尺度特征模型,类别预测时引入新分类器,减少因预测目标类信息错误导致分割失败的情况;其次,将多尺度模型与原迁移学习模型进行加权... 详细信息

为提高弱监督语义分割算法精度,提出一种融合多尺度特征的分割及优化算法。首先,基于迁移学习算法构建多尺度特征模型,类别预测时引入新分类器,减少因预测目标类信息错误导致分割失败的情况;其次,将多尺度模型与原迁移学习模型进行加权集成,增强模型泛化性能;最后,结合预测类可信度调整分割图中相应类像素的可信度,规避假正例分割区域。在VOC2012验证集上的平均交并比为58.8%,测试集上的平均交并比为57.5%,同比原迁移学习模型分别提升12.9%和12.3%,也优于其他以类标作为监督信息的语义分割算法。

关键词：深度学习弱监督学习模型融合多尺度特征模型优化

来源：评论

学校读者我要写书评

暂无评论

基于能量模型的行人与车辆再识别方法

引用

浙江大学学报（工学版） 2022年第7期56卷 1416-1424页

作者：张师林郭红南刘轩北方工业大学城市道路交通智能控制技术北京市重点实验室北京100144

为了解决行人再识别以及车辆再识别算法中网络训练过程对计算资源的消耗过大且准确率较低的问题,提出基于能量模型的目标分类和度量学习方法.利用样本特征空间中同类样本的低能量分布特性,设计对比能量损失函数,形式上表达为训练样本在... 详细信息

为了解决行人再识别以及车辆再识别算法中网络训练过程对计算资源的消耗过大且准确率较低的问题,提出基于能量模型的目标分类和度量学习方法.利用样本特征空间中同类样本的低能量分布特性,设计对比能量损失函数,形式上表达为训练样本在真实目标类别上的损失函数响应和非目标类别上的响应之差,可以更准确地增大目标响应,抑制非目标响应,提高了分类准确率,使得同类样本特征更聚集、异类样本特征更远离.在多个行人再识别和车辆再识别数据集上的测试结果显示,相对于Soft-max和Triplet混合损失函数,利用能量模型可以提升网络训练效率,提高目标再识别准确率.

关键词：车辆再识别能量模型行人再识别损失函数三元组损失

来源：评论

学校读者我要写书评

暂无评论

基于动态规划算法的多带宽干线相位差优化

引用

交通运输系统工程与信息 2016年第3期16卷 45-52页

作者：何忠贺张星愿李颖宏北方工业大学城市道路交通智能控制技术北京市重点实验室北京100144

传统干线相位差控制或以车辆延误最小,或以绿波带宽最大为控制目标,未建立两者间的解析关系.为此,根据图解法与基于车辆到达率及驶离率的排队分析,本文建立了车辆延误与绿波带宽间的线性解析关系;提出以子绿波带内通过车辆数最大为控制... 详细信息

传统干线相位差控制或以车辆延误最小,或以绿波带宽最大为控制目标,未建立两者间的解析关系.为此,根据图解法与基于车辆到达率及驶离率的排队分析,本文建立了车辆延误与绿波带宽间的线性解析关系;提出以子绿波带内通过车辆数最大为控制目标,采用几何函数来完成绿波带宽分配,并利用动态规划方法求解,实现绿波带宽最大而延误最小的目标.最后,选取北京市通州区怡乐中路进行试验,与数解法相比,虽然本文方法所得绿波带宽不一定最大,但绿波带宽及正反带宽的分配能更准确地反映道路车流量的变化,使得车辆排队延误和绿波带宽同时得到控制.

关键词：城市交通相位差绿波带干线动态规划

来源：评论

学校读者我要写书评

暂无评论

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

请选择保存的检索档案：

请选择收藏分类：

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

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

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：