一种基于深度学习的交通标志识别算法

在无人驾驶和驾驶辅助领域,交通标志识别是非常重要的.现实道路中,许多交通标志目标较小且存在相互遮挡的问题,导致标志很难被准确检测.为了解决这一问题,文章利用深度学习网络YOLO v3模型实现对交通标志进行检测.首先,利用数据增强用不同的方式模拟现实天气条件对清华-腾讯交通标志集进行数据集增强,得到更为真实、丰富的标志数...     

适用于一票制公交大数据的系统化处理方法及应用 ——以银川市为例

为分析公交乘客出行特征,利用公交IC卡数据、公交GPS数据、车载机数据和单程站点关系表,通过各类数据关联融合,提出适用于一票制公交大数据的系统化处理方法。基于Oracle搭建分析数据库,采用Python语言编写代码,构建了乘客上车站点推断算法、基于出行链的乘客下车站点推断算法、基于概率的乘客下车站点推断算法和乘客换乘站点识别算法4种站点推断算法。基于此,运用银川公交大数据进行客流集散点识别、客流走廊识别,得到公交站点上下客流量分布情况、公交线路客流量分布情况、公交站点的换乘客流量分布情况。研究结果表明,一票制公交大数据系统化处理方法在分析公交乘客出行特征方面具有一定的应用价值。     

公路隧道智能监控管理信息化设计

以公路隧道提质升级行动为背景,分析了隧道机电设施在实际运营维护中存在的问题,提出了隧道智能监控管理运营一体化设计新思路.在此基础上,将单个隧道机电设施运营维护管理拓展至隧道群或路段,从运营单位角度进行集中管理,实现隧道集群的运营监控管理一体化.隧道管养平台信息化设计充分融合了云计算、人工智能、大数据、互联网+、物联网等...     

基于多维数据的高速公路服务水平实时判别方法

随着高速公路的不断发展,交通信息逐渐呈现多元化,而将这些信息进行整合并对高速公路服务水平进行实时判别,对于后期的交通控制管理及实时高效提供道路信息至关重要.本文考虑了时间、天气、出行日期等多因素的影响,选用车速、密度作为高速公路服务水平评价指标,结合最小二乘支持向量机与聚类分析相关算法,提出了一种基于多维数据的高速公路服务水平实时判别模型,以实现对高速公路服务水平的参数预测及实时判别.选用河北省237 360组训练样本数据和6 048组预测样本数据验证了该模型的有效性.结果显示,该模型获得了较高的判别精度和较好的预测效果,是一种有效的高速公路服务水平实时判别方法.     

未来城市交通技术发展与创新 ——“交通7+1论坛”第五十二次会议

随着移动互联网、大数据和人工智能等技术发展,城市交通系统中涌现出“共享交通”“需求响应式出行服务”“无人驾驶”“城市交通大脑”等新兴的交通工具、服务模式和管理手段,未来交通系统将面临创新发展的机遇,并对传统交通行业带来巨大挑战.本次论坛以“未来城市交通技术发展与创新”为主题,分析了预约交通系统的发展前景,探讨了超级交通仿真系统的相关核心技术,分析了无人驾驶的发展、挑战及仿真技术,说明了大数据和人工智能技术在城市智慧发展中的作用与运用要点.     

基于AFC和POI数据的轨道交通车站客流影响因素挖掘

精细化研究轨道交通车站客流影响因素对于建立轨道交通与土地利用长效互动机制,发挥轨道交通支撑和引领城市发展作用,指导轨道新线开通和周边用地开发等具有重要意义。以南京为例,首先获取轨道交通运营客流AFC数据和网络爬取的POI数据;然后考虑四种类型轨道交通车站客流特征,挖掘用地特征、公共交通接驳特征、车站属性三类因素;最后利用结构方程模型分析城市轨道交通规划建设与城市用地开发之间的作用机制。实证结果表明,基于POI获取的住户数、商业设施数、文化设施数、公共汽车线路数等数据对工作日轨道交通进站客流有突出贡献。     

基于矩阵分析和D-S证据理论的时空数据融合及目标识别

在矩阵分析和D-S证据理论的基础上,给出一种时空数据融合的方法,并将它应用于飞机特征识别的数据融合中.实验结果证明了基于融合后的识别结果较单传感器的识别结果好,验证了这一方法的正确性和有效性.