期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于生成对抗网络的交通流参数实时估计模型
被引量:
2
1
作者
姚荣涵
王荣贇
+2 位作者
张文松
叶劲松
孙锋
《交通运输系统工程与信息》
EI
CSCD
北大核心
2022年第3期158-167,共10页
为有效调控道路网时空资源,需实时估计交通流参数。若要准确估计交通流参数,应详细考虑道路网交通流时空特征。本文基于生成对抗网络,提出一种能捕捉交通流时空特征的实时估计模型,即TSTGAN模型。该模型包括生成器和判别器两部分,生成...
为有效调控道路网时空资源,需实时估计交通流参数。若要准确估计交通流参数,应详细考虑道路网交通流时空特征。本文基于生成对抗网络,提出一种能捕捉交通流时空特征的实时估计模型,即TSTGAN模型。该模型包括生成器和判别器两部分,生成器利用门控卷积神经网络捕捉交通流的动态空间特征,使用基于注意力机制的长短期记忆神经网络分析交通流的动态时间特征;采用门控卷积神经网络与长短期记忆神经网络构建判别器;通过对抗方式训练生成对抗网络的生成器与判别器,实时获得交通流参数估计值。使用中国山东省淄博市12个卡口设备和美国加州洛杉矶市23个线圈检测器获得的交通流量数据,验证TSTGAN模型的可靠性。结果表明,TSTGAN模型引入的时空模块能有效提取交通流的时空特征,所得均方根误差和平均绝对误差比现有模型分别降低2.12%~42.41%和1.66%~40.49%,证明所提TSTGAN模型可以提高交通流参数的估计精度。
展开更多
关键词
智能交通
生成对抗网络
深度学习
交通流参数
时空特征
下载PDF
职称材料
题名
基于生成对抗网络的交通流参数实时估计模型
被引量:
2
1
作者
姚荣涵
王荣贇
张文松
叶劲松
孙锋
机构
大连理工大学
交通运输部科学研究院
山东理工大学
出处
《交通运输系统工程与信息》
EI
CSCD
北大核心
2022年第3期158-167,共10页
基金
国家自然科学基金(52172314)
交通运输部科学研究院综合交通运输大数据应用技术交通运输行业重点实验室开放课题(2020B1203)。
文摘
为有效调控道路网时空资源,需实时估计交通流参数。若要准确估计交通流参数,应详细考虑道路网交通流时空特征。本文基于生成对抗网络,提出一种能捕捉交通流时空特征的实时估计模型,即TSTGAN模型。该模型包括生成器和判别器两部分,生成器利用门控卷积神经网络捕捉交通流的动态空间特征,使用基于注意力机制的长短期记忆神经网络分析交通流的动态时间特征;采用门控卷积神经网络与长短期记忆神经网络构建判别器;通过对抗方式训练生成对抗网络的生成器与判别器,实时获得交通流参数估计值。使用中国山东省淄博市12个卡口设备和美国加州洛杉矶市23个线圈检测器获得的交通流量数据,验证TSTGAN模型的可靠性。结果表明,TSTGAN模型引入的时空模块能有效提取交通流的时空特征,所得均方根误差和平均绝对误差比现有模型分别降低2.12%~42.41%和1.66%~40.49%,证明所提TSTGAN模型可以提高交通流参数的估计精度。
关键词
智能交通
生成对抗网络
深度学习
交通流参数
时空特征
Keywords
intelligent transportation
generative adversarial network
deep learning
traffic flow parameters
spatio-temporal characteristics
分类号
U491 [交通运输工程—交通运输规划与管理]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于生成对抗网络的交通流参数实时估计模型
姚荣涵
王荣贇
张文松
叶劲松
孙锋
《交通运输系统工程与信息》
EI
CSCD
北大核心
2022
2
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部