基于流形距离的高速公路短时交通流预测模型

准确的高速公路短时交通流预测是实现交通诱导和控制的重要前提和基础。为了提高预测精度,提出一种基于流形距离(MD)的K近邻-长短期记忆(K-nearest neighbor-long short-term memory,KNN-LSTM)高速公路短时交通流预测模型。该模型利用流形相似性分析高速公路交通流的时空特性,计算多站点与目标站点之间的流形距离。然后,采用改进的KNN算法筛选出空间相关站点构造交通流数据集,通过LSTM模型提取时序特征得出预测结果。实验表明,与单一预测模型相比,该方法能更好地提取交通流时空特性且预测精度更高,可为高速公路的交通管理提供必要的依据。

基于视频图像检测的高速公路车型分道行驶监测系统

为解决交通监管部门对于高速公路客货混流问题监管效率低效果差的问题,通过视频图像检测法对高速公路进行研究和应用,构建了基于机器学习和计算机视觉的视频图像检测模式,以提高视频检测的稳定性和准确率,提出了基于尺度不变特征变换(scale invariant feature transformation, SIFT)池化的车辆特征提取模型,摒除传统视频背景建模稳定性和准确率不高的缺陷,获取车辆车型特征数据和分道行驶参数,经过试点样本训练后,实验结果表明:车型识别的准确率高达95%以上,车辆分道检测的准确率达到90%左右。

高速公路国际标准集装箱车辆预约通行资料审核中的OCR技术探究与应用

江西省对国际标准集装箱运输车辆推出高速公路优惠通行政策。此项业务涉及对预约材料进行审核,目前主要采用人工处理方式,存在效率低、易出错等问题。本文根据国际标准集装箱运输车辆预约通行运营规则,分析主流OCR (Optical Character Recognition,光学字符识别)文字识别技术和各种模型算法的原理,提出引入图像智能文字识别技术来辅助核验预约材料,以提升核验准确性,减轻审核压力。

基于“互联网+”的ETC客服系统

目前,ETC在全国范围内大范围联网、应用和推广,江西ETC用户数量已突破百万,数量上的飞跃必然带来质量的提升,如何提高ETC客户服务质量和满意度是实现"量变到质变"的关键步骤,本文就"互联网+"与ETC客户服务的结合展开了相关讨论和研究。