基于BF-SVR-GRU的短时交通流预测方法

短时交通流预测是智能交通管理的重要依据。为了提高短时交通流预测的精度,从交通流内在的稳态特征和动态特征着手,提出一种基于巴特沃兹滤波(Butterworth filter,BF),结合支持向量回归(support vector regression,SVR)算法和门控循环单元(gated recurrent unit,GRU)模型的预测方法,即BF-SVR-GRU模型。该方法先对交通流标准化处理,以加快后续模型计算的速度。通过设置适当阈值,利用巴特沃兹滤波将交通流信息分解为稳态分量和动态分量:稳态分量反映交通流总体变化趋势,动态分量反映突发因素(如交通事故、天气影响等)对交通流的影响。利用门控循环单元对稳态分量进行训练与预测,克服门控循环单元在预测变化剧烈的序列精度较低的问题;支持向量回归对非线性序列预测存在适应性较好、低泛化误差等优点,利用支持向量回归对动态序列进行训练与预测。最后,将稳态分量与动态分量的预测结果整合得到最终预测结果。采用某市不同的两个路口的数据集进行相关实验,结果表明,BF-SVR-GRU预测方法具有较好的预测精度,可为智能交通规划与管理提供有效的建议。

妈祖宫庙三维全景地理信息平台设计

以地图学、空间信息技术、人文地理学为理论基础,基于三维全景技术、网络地理信息系统等技术,实现妈祖宫庙的三维信息可视化管理。采集高分辨率图像序列以及经纬度信息,经消除图像噪点及光照差异后进行拼接与投影得到最终全景影像数据,建立三维全景影像数据库与空间数据库;然后根据全景影像像素坐标与地理坐标之间的映射关系,实现三维全景影像与空间数据的无缝集成,设计妈祖宫庙三维全景地理信息平台。该平台可实现妈祖宫庙空间查询与分析,以全方位场景漫游的形式直观呈现宫庙及其周围环境纹理信息,为妈祖宫庙信息化管理与旅游服务提供有效支持。