基于动态时间调整的时空图卷积路网交通流量预测

为深入挖掘交通流数据的复杂时空特征并建立其依赖关系,提高交通流参数的预测精度, 本文提出一种新的交通流量预测模型——基于注意力机制和残差网络的时空关系图卷积网络 (TSARGCN)。TSARGCN对输入数据进行切片,实现多分支建模,挖掘数据的时间周期性特征; 引入残差网络保证网络中信息传递的完整性;利用DTW (Dynamic Time Warping)算法计算路网 中节点之间交通流量序列在时间维度的相似程度大小,提出时间图的概念,结合路网结构中各节 点的邻近关系,提出时空关系图的概念;基于时空关系图,在每个分支结合注意力机制分别进行图卷积和时间维度卷积,捕获交通流的时空特征及其依赖关系,实现对路网交通流量数据时空关系的建模。经过在公开数据集PEMSD4上进行实验,结果表明：TSARGCN在交通流量预测中的平均绝对误差 (MAE) 达 到 19.24,均方根误差 (RMSE) 达到 27.09,比 ARIMA(Autoregressive Integrated Moving Average model),Conv-LSTM(Convolution Long short-term memory)及 ASTGCN (Attention based Spatial-temporal Graph Convolutional Network)等知名交通流量预测算法具有更高的预测精度。     

智能网联公交信号优先技术决策前评价

针对智能网联公交信号优先控制策略尚未完善的问题,提出两种智能网联公交信号优先技术决策前评价方法.方法一基于车均延误计算模型和人均延误计算公式,提出利用优先前后人均总延误差值进行决策前评价.方法二基于优先前后交叉口人均延误影响因素分析,构建包括优先效益、优先效果、非优先相位影响3个方面共7个指标的智能网联公交优先技术决策前评价指标体系,利用层次分析法(AHP)和熵值法相结合的方法进行指标赋权.对长沙市的两条公交客流走廊(金星路和银杉路)共20个交叉口进行分析,总结评价结果并提出决策建议.     

融合卡尔曼滤波的高速公路状态估计误差界限分析

为分析高速公路交通流检测数据质量,本文构建平方流量误差界(Squared Flow Error Bound, SFEB)和扩展卡尔曼滤波(Extended Kalman Filter, EKF)的决策级融合模型SFEB-EKF,在检测器空间覆盖不足情况下,计算检测路段和无检测器路段的交通状态估计误差界限。与SFEB 算法相比,融合模型利用EKF交通状态估计模型估计全路段交通状态,基于得到的估计样本计算全路段交通状态估计误差下界。同时,采用最近邻法(Nearest Neighbor Method, NNM)计算全路段交通状态估计误差上界。应用开源高速公路数据集测试模型,结果表明,与需要输入真实样本的SFEB算法相比,融合模型SFEB-EKF在缺少真实样本情况下,能取得相似的结果且误差保持 在5%以内,不同检测器覆盖率实验下模型表现出良好的稳定性。本文模型通过给出无检测器路段交通状态估计界限,为高速公路交通检测器布设方案提供参考。     

基于广义时空图卷积网络的交通群体运动态势预测

针对当前高速公路与城市快速路交通拥堵现象愈发严重,为交通管理与控制造成巨大困难的问题,提出了一种基于广义时空图卷积网络(GSTGCN)的交通速度预测模型;基于交通数据自身具有的复杂时空特性,定义了广义交通数据图结构,同时构建了广义图的邻接关系;基于图卷积网络基础理论,采用切比雪夫近似与一阶近似简化了图卷积操作的计算成本,建立了广义图卷积算子;结合广义图卷积模块、标准卷积模块与线性全连接层,提出了用于提取复杂交通数据时间、空间特征的GSTGCN模型;利用美国威斯康星州密尔沃基市快速路网上架设的38个检测器,在21个工作日以每5 min为单位记录了车辆速度、流量和占有率数据,测试了GSTGCN模型在该数据集上的短期交通速度预测精度与训练效率。分析结果表明:相较于传统自回归求和滑动平均(ARIMA)模型、长短时记忆(LSTM)模型以及近期的STGCN模型,GSTGCN模型在交通速度的均方根误差、平均绝对误差和平均绝对百分比误差指标上分别降低了22.79%、22.97%和16.73%;此外,GSTGCN模型的训练时长比STGCN模型和LSTM模型分别降低了5.17%和75.71%。可见,GSTGCN模型能够有效处理复杂交通时空数据结构,准确预测交通速度,并为交通管控提供交通群体的运动态势信息。      

智能网联汽车封闭道路测试执行方法概述

智能网联汽车封闭道路测试作为推动智能网联汽车快速发展的重要一环,其执行方法将为智能网联汽车产品研发和验证提供重要参考和依据.文章基于汽车传统ADAS测试执行方法,首先从测试场景、测试环境、测试车辆控制和测试结果响应方面分析了智能网联汽车测试与ADAS测试的异同;其次,依托ADAS测试框架体系,结合智能网联汽车测试特性,...     

船舶智能感知车间的网络构建及系统应用

针对船舶制造现场缺乏实时感知系统、船舶制造车间未构建数据传输至工位的通信系统等问题,应用网络构建技术和信息采集与传输技术,构建船舶智能感知车间网络,实现船舶制造车间内部的“人、机、料”互联,达到数据采集的多源异构性和实时性,提高设备综合利用率和船厂管理水平。     

深圳市蓝泰源电子科技有限公司产品介绍

深圳市蓝泰源电子科技有限公司成立于2002年，是一家专业从事智能公交系统的科研开发、生产制造、工程服务及市场营销为一体的高新技术企业，已成为专业的城市交通数字化整体方案的品牌提供商与服务商，被邀请成为智能公交国家标准的制定者．被评为深圳市软件企业、获得了国家高新技术企业等多项认定并顺利通过了ISO9001质量管理体系认证。一、GPS智能调度系统蓝泰源GPS智能调度系统由1个智能调度管理中心，若干个调度站点，若干个车载终端组成。     

智慧交通与智慧物流

智慧交通和智慧物流是智慧城市建设的重要内容.智慧交通技术的创新和发展，促进了智能交通升级.解决大规模数据计算问题是物流智能化的基础.本次论坛以“智慧交通和智慧物流”为主题，介绍了安全驾驶统一集理论、实践及成果，探讨了新一代信息技术对智能交通发展与创新的推动作用，介绍了无人驾驶技术的总体框架、发展与应用，探讨了智慧物流所面临的大规模数据计算问题及解决方案.     

聚焦绿色科技 海拉展示创新照明及电子技术

全球知名的汽车零部件供应商海拉日前在广汽乘用车公司举办了技术交流展示会。此次活动海拉携众多先进产品与技术亮相,聚焦节能减排及驾驶安全与舒适,着重展示了其能源管理系统、驾驶辅助系统、车身控制器、无钥匙进入启动系统、大灯清洗系统、各类传感器与执行器、继电器以及汽车照明技术。此外,海拉也在现场举办了4     

多种缺失模式下交通数据组合近似填补方法

随着智能交通系统中采集和应用的基础数据规模不断扩大，数据缺失问题的重要性也日益凸显。针对交通数据中常出现的数据随机缺失和连续缺失问题，本文提出基于鲸鱼优化算法优化最小二乘支持向量机的组合近似填补方法(Combined Approximate Filling, CAF)。考虑缺失数据整体变化趋势的同时，参考数据的波动特征，根据多重填补思想对缺失值分别使用单变量填补和多变量填补，然后引入图片识别中自适应阈值分割法对不同时段下的差异值进行动态划分处理，最后利用不同时段的动态差异度阈值将单变量填补和多变量填补的结果进行结合，完成缺失值的高精度近似填补。为验证填补方法的性能，利用云南省玉溪市大量实车轨迹处理数据设计多组实验。实验结果表明，在小样本数据中，CAF填补方法能够适应多种场合的填补工作，该方法总体优于其他方法，在不同缺失率下均表现良好，尤其是随机缺失填补，最大RMSE为0.365。实验还证明了该方法在不同缺失类型和不同数据离散度下数据填补效果相比于其他方法优势更加明显。