-
公开(公告)号：CN111126680A
公开(公告)日：2020-05-08
申请号：CN201911266936.8
申请日：2019-12-11
Applicant: 浙江大学
Abstract: 本发明公开了一种基于时间卷积神经网络的道路断面交通流量预测方法，包括以下步骤：对采集的历史交通流量数据按指定时间间隔进行合并，并进行归一化处理，将归一化的交通流数据划分为训练数据集、验证数据集和测试数据集；建立基于时间卷积神经网络的的交通流量预测方法，利用训练数据集训练时间卷积神经网络预测模型，利用验证数据集筛选出最优的预测模型，在测试集上利用时间卷积神经网络模型进行交通流量预测；对比预测数据和实际数据，进行误差分析。本发明基于时间卷积神经网络结构，考虑交通流的时空相关性，训练时间短、预测精度高。
-
公开(公告)号：CN108777066A
公开(公告)日：2018-11-09
申请号：CN201810577515.6
申请日：2018-06-05
Applicant: 浙江大学
Abstract: 本发明公开了一种基于混合线性模型的非机动车道服务水平评价方法，适用于有物理隔离的非机动车道，属于交通规划领域。非机动车道服务水平是用来度量非机动车道提供给骑行者骑行服务好坏的一个指标。该方法包括：采集路段非机动车交通流参数；拍摄路段交通流运行状态视频；将非机动车道服务水平分为N个等级，收集处理不同骑行者对视频片段的评分得到不同交通状态的对应的评分；通过显著性分析进行筛选，选择显著相关的交通流参数作为评价指标；建立混合线性模型得到不同宽度下的非机动车道服务水平评价模型。本发明考虑了不同宽度非机动车道上的交通流运行状态的差异，可以更好地反映不同状态下骑行者感受与交通流参数间的关系。
-
公开(公告)号：CN108776650A
公开(公告)日：2018-11-09
申请号：CN201810570404.2
申请日：2018-06-05
Applicant: 浙江大学
Abstract: 本发明公开了一种基于混合高斯模型的非机动车道服务水平评价方法，适用于有物理隔离的非机动车道，属于交通规划技术领域。非机动车道服务水平是用来度量非机动车道提供给骑行者骑行服务好坏的一个指标。由于和机动车相比，非机动车骑行者能更直观地感受外界环境。因此骑行者感受是服务水平定级的重要依据。由于人的感受有很大的波动性，软分类的方法与实际情况更加贴合。本发明的基本思路是通过建立混合高斯模型判定某个交通流运行状态对应服务水平等级的概率，从而建立服务水平评价体系。本发明利用混合高斯模型软分类的特性，使得评价结果与骑行者的感受更为贴近，为有物理隔离的非机动车道的规划、建设与管理提供理论支持。
-
-
Search Results
3
records
(took 0.019 seconds)
