基于生成对抗网络的交通流参数实时估计模型

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。     

基于高速公路通行大数据的跨区域货运分析建模技术

为分析跨省跨区域货运情况,帮助行业管理部门更好地制定发展策略,用数据诠释有关政策的实施效果,基于高速公路通行大数据对跨区域货运分析建模技术进行研究.首先,根据高速公路通行数据的特点,设计了数据预处理流程,提出并实现了车辆轨迹追踪模型.然后,针对货车数据中货运量、货运周转量等关键指标,建立了高速公路主要指标统计模型对缺失数据进行补全,最大限度提高数据的契合度和准确度,生成各省高速公路货运信息以及省与省之间的货运交互信息.最后,将模型应用在宏观管理决策、运输量统计分析、车辆安全监管等方面,动态反映了各省之间高速公路货运交互规律,可为各级交通运输管理部门掌握高速公路货运情况、制定行业发展政策提供支撑.