【摘 要】
：
随着人们生活水平的提高,机动车成为人们日常出行的常用交通工具。与此同时,汽车的数量在逐年增加,而道路建设无法承担机动车数量快速增长带来的交通压力,城市道路拥堵成为社会热议的民生问题,不可避免地导致空气污染以及日常通勤时间的延长,人民幸福指数大幅下降。建立高效、智能的交通系统是解决当前问题的有效途径,其中精确的交通流预测可为智能交通灯控制和车辆路径规划等智能交通系统核心功能提供数据支撑。复杂路网下交
论文部分内容阅读
随着人们生活水平的提高,机动车成为人们日常出行的常用交通工具。与此同时,汽车的数量在逐年增加,而道路建设无法承担机动车数量快速增长带来的交通压力,城市道路拥堵成为社会热议的民生问题,不可避免地导致空气污染以及日常通勤时间的延长,人民幸福指数大幅下降。建立高效、智能的交通系统是解决当前问题的有效途径,其中精确的交通流预测可为智能交通灯控制和车辆路径规划等智能交通系统核心功能提供数据支撑。复杂路网下交通流呈现复杂时空特性,同时传感数据获取了海量交通数据,传统交通流预测方法在处理海量数据、捕获交通流时空特性方面能力不足。本文分析分多视图聚类、图卷积网络（Graph Convolutional Network,GCN）、长短期记忆网络（Long Short-Term Memory,LSTM）、序列到序列神经网络（Sequence-to-Sequence,Seq2Seq）、Informer等模型优势基于子图选择与时空特性分析研究交通流预测深度学习模型,旨在提高复杂交通路网下交通流预测精度。主要研究工作如下:（1）针对包含大量传感器的城市路网短时交通流预测问题,提出了基于时间可达性子图选择的GCN-LSTM时空交通流预测模型。首先,针对不同预测时间尺度,设计时间可达性子图选择算法动态重构了有效子图拓扑结构,缩小原始图的大小、剔除交通流冗余信息,提高计算效率;之后,提出了GCN-LSTM交通流预测模块捕获交通流时空特性,其中利用GCN提取交通流的空间特征,利用LSTM提取交通流的时间特征;最后,通过在PEMS-BAY数据集上与5个基线方法在5、15和30分钟预测时长进行对比实验,结果表明所提出模型在利用较少信息的基础上,可有效捕获短时交通流时空特性、提高预测精度。（2）基于多视图聚类子图选择提出了GCN-Seq2Seq时空交通流预测模型,在量化传感器节点之间关联度的基础上提高中长时预测的能力。首先,利用多视图聚类理论量化交通节点间的关联度,基于此设计了动态图重构算法来减少不相关的时空交通节点、重构图拓扑结构;利用GCN和Seq2Seq构建深度学习模型捕获交通流时空关联特性,其中利用GCN提取交通流的空间关联特征,利用带有注意力机制的Seq2Seq模型有效提取交通流的时间关联特征;最后,通过将两个真实交通数据集与八种交通预测基线方法在15、30和60分钟预测间隔进行实验对比,结果验证了所提出模型在交通节点关联度分析、中长时交通流预测方面的有效性。（3）针对多时长预测问题,基于多视图聚类子图选择提出多时空特征融合网络交通流预测模型。首先,构建动态图重构算法剔除原始交通网络无关节点,缩减图结构规模;引入了对于长时间序列预测具有较好效果的Informer模型,将GCN-LSTM时空交通流预测模型、GCN-Seq2Seq时空交通流预测模型与Informer模型相融合,利用GCN-LSTM模块以及GCN-Seq2Seq模块对短时和中长时预测的优点提取交通流的时空特征,利用Informer长时预测的能力对长时预测做特征增强,利用三个子模块对交通流进行联合预测;最后,选用济南城市路网数据集,与其他6种交通流预测方法在15、30和60分钟预测间隔进行对比,实验结果表明所提出模型在不同时长交通流预测时,均可精确预测路网交通流量。
其他文献
零工经济繁荣和平台壮大的背后潜藏着零工经济从业者劳动权益无法得到有效保障的问题。随着零工经济从业者群体的逐渐壮大,由此引发的社会问题增多,保障其劳动权益的呼声也越来越高。但是,劳动关系认定标准的模糊,劳动关系二分法的局限性以及算法的规训等使得这一问题错综复杂,不是从某一方面采取措施就能解决。因此,为保障零工经济从业者的劳动权益,可以通过以下方式,构建一整套分层次的制度体系。首先,重塑劳动关系认定标
我国进入改革开放以来,人民的生活水平日益提高,随之而来的是我国老龄化程度的日益严峻。据第七次全国人口普查数据显示,我国的空巢老人、独居老人数量呈迅猛上涨趋势。尤其是传统家庭结构受到冲击后,长期的独居生活使老人们在社会融入、人际交往等方面存在缺失,这些缺少社会支持的老人即便在生活条件上殷实,但难免会出现自我效能感降低、社会支持网薄弱、活动范围有限的窘境,进而导致孤独感、失落感等负性情绪无法得到慰藉。
随着时代的发展,对气液两相流的研究引起了广大学者的重视。类似水煤浆汽化炉冷却室、气浮机等设备中形成的气液两相流流动中,气泡穿过底层颗粒物后脱离上升运动的过程也是值得研究的。气泡在不同工况中的形状大小、运动轨迹、运动速度会直接影响设备的工作效率和能源的利用率。在气泡研究中,气泡图像是重要的手段,其中分离技术又尤为的重要,并且是研究不同工况下气泡穿过液池中上升运动的行为特性的基础。现有的图像分离技术大
在当前能源紧缺的大环境下,由于化石燃料对环境的污染加剧,研发一种高效率的清洁能源的需求日益增大。在清洁燃料电池中,由于Pt表面瞬时吸附H*的自由能变化值几乎为零,Pt催化剂是当前最理想的催化材料。但由于Pt在地球上含量稀少、价格昂贵,因此,构建一种低Pt或无Pt的过渡基高效燃料电池催化剂是前研究的大势所趋。本文基于以上几点,开发了过渡金属基氮掺杂复合材料,并探究了其性能及内在机理。具体研究如下:（
由于现如今汽车保有量急速增长而引起的道路拥挤和安全事故等交通问题日益严重,引发了巨大的人员伤亡和经济损失。驾驶员的判定失误、决策失误等人为因素是引发“幽灵堵车”和一系列交通事故的主要原因。自动驾驶的出现减少了因驾驶员原因而造成交通堵塞等交通事故的发生。在自动驾驶的初级阶段,协同自适应巡航控制（Cooperative Adaptive Cruise Control,CACC）是最先实现并能部署于实际
卷积神经网络因其独有特性被广泛应用到各个行业,伴随着对卷积神经网络模型精度的追求,网络模型也在往更深层次与更复杂的架构下发展,这就要求部署平台要有与之匹配的硬件条件和资源开销,这也对后续模型部署带来更大的挑战。过去搭载神经网络的通用处理平台都是通过大量的浮点运算单元在加速卷积训练时具有较好的效果,但是与之而来的是高功耗、昂贵的硬件资源开销,同时也带来无法在嵌入式等资源开销受限的平台部署等问题。FP
非平衡学习是针对数据集中各类样本数量不平衡分布的情况下进行分类的一种学习方法。传统的机器学习技术在很多应用中取得了重大的成功,但对于非平衡的数据,由于不同类样本分布不平衡,导致传统机器学习方法在这类问题中失效。当前针对非平衡学习问题主要有三个层面的解决方案:数据层面方法,代价敏感方法,集成学习方法。数据层面的方法由于其易于部署且独立于分类器的优点,受到了广泛的重视与深入的研究。然而当前主流的数据层
随着工业生产、医疗、教育等不同领域的智能化发展,流程对象数据逐渐涌现,这些数据由存在前后影响关系的多个环节生成,并且由不同的采集设备源源不断的传输到存储空间中。这些数据往往随着时间变化且无规则的无限增长,存在数据维度高而知识密度低,数据价值随时间增长而降低等特点。无限的数据增长不但会增加存储设备的存储压力和设备成本,也增加了数据分析的困难性,冗余和过期的数据会降低数据分析结果的实用性和有效性,因此
睡眠分期是诊断睡眠相关疾病的一项基础性工作,能够客观反映睡眠质量。但由睡眠技师人工判读睡眠阶段枯燥、费时,且标记结果具有一定的主观性,容易误判。近年来,我国儿童睡眠问题愈加显著,睡眠不足和睡眠相关疾病严重危害着儿童的身心健康。然而,我国睡眠医学发展较晚,相关医疗资源严重稀缺,亟需一种可靠的儿童自动睡眠分期方法,辅助医生进行儿童睡眠相关疾病的诊疗。目前,睡眠分期的研究大多使用单通道脑电信号,少量使用
随着社会经济和科技的进步，建筑行业不仅有了更大的发展空间，传统建筑技术也得到了进一步改进，绿色施工技术逐渐成为目前建筑行业应用的主要手段。该技术在环保、节能等方面有很大优势，可以促进建筑企业的持续稳定发展。文章就绿色施工技术及其自身的意义进行了简要阐述，并结合实例进行了深入分析和探讨，以供参考。