排序方式: 共有2条查询结果,搜索用时 0 毫秒
1
1.
在智能交通系统中,准确地预测交通流量对优化交通管理和提高城市整体流动性起着至关重要的作用。随着深度学习技术的广泛应用,人们对交通流时空特征提取展开了深入的研究。本文提出了一种基于图卷积网络和Transformer的交通流预测算法,利用深度学习算法的强大功能来捕获交通动态数据中固有的复杂的时空模式。首先,通过时空图卷积网络提取空间特征;其次,通过Transformer动态地提取全局时间依赖关系;最后,为了验证该算法的性能,我们在真实交通数据集上进行了大量实验,结果表明该算法的预测准确性优于对比模型。 相似文献
2.
李宪国 《铁路通信信号工程技术》2019,(7)
简析场间设置渡线道岔和渡线道岔处存在场间联系进路的车站,在计算机联锁系统中渡线道岔的控制方案及渡线处场间联系进路的办理、取消和解锁过程。 相似文献
1