期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到8篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于3DCNN-DNN的高空视频交通状态预测 被引量：2
1
作者 彭博 唐聚 +3 位作者 蔡晓禹 谢济铭 张媛媛 王玉婷 《交通运输系统工程与信息》 EI CSCD 北大核心 2020年第3期39-46,共8页
为使用高空视频识别和预测道路交通状态,提出基于三维卷积神经网络-深度神经网络(3DCNN-DNN)的交通状态预测方法.将道路切分为D个路段,每个路段视频片段时长m s,基于典型3DCNN结构C3D识别路段视频片段交通状态;建立道路?个历史时段、D... 为使用高空视频识别和预测道路交通状态,提出基于三维卷积神经网络-深度神经网络(3DCNN-DNN)的交通状态预测方法.将道路切分为D个路段,每个路段视频片段时长m s,基于典型3DCNN结构C3D识别路段视频片段交通状态;建立道路?个历史时段、D个路段的交通状态矩阵Φ,将道路交通状态预测问题转化为以Φ为输入,有限交通状态为输出的分类问题,构建基于DNN的短时交通状态预测模型原型;建立交通视频数据集,对DNN预测模型原型的隐藏层数量、神经元数量及训练批大小进行测试优化,提出有4隐藏层,各层神经元数量为64/128/128/64,训练批大小为64的优化模型DNN*.测试结果表明:C3D视频交通态识别平均F1值为95.71%,DNN*道路交通状态预测准确率为91.18%,比DNN线性分类、KMeans、KNN、SVM和线性分类分别高6.86%、57.85%、62.26%、26.47%、43.14%;C3D能提供准确的交通状态矩阵,3DCNN-DNN可有效识别和预测道路视频交通状态. 展开更多
关键词 智能交通 交通状态预测 DNN 高空视频 3dCNN 深度学习
在线阅读 下载PDF
基于深度域适应的共享单车需求预测
2
作者 王炜航 李丽红 +1 位作者 江航 张玉琢 《公路工程》 2024年第6期158-168,共11页
高精度的共享单车出行需求预测是精细化单车系统运营的关键,但骑行数据不易获取,且传统的研究也常常忽略交通需求变化的时间动态性和空间相关性。因此提出了一种借助注意力机制的深度时空域适应网络模型解决上述问题,命名为DTSA-GCN。首... 高精度的共享单车出行需求预测是精细化单车系统运营的关键,但骑行数据不易获取,且传统的研究也常常忽略交通需求变化的时间动态性和空间相关性。因此提出了一种借助注意力机制的深度时空域适应网络模型解决上述问题,命名为DTSA-GCN。首先,使用堆叠的3D时空图卷积层学习原始序列的数据表示,编码时空依赖,将源域和目标域嵌入到共同的潜在表示空间;其次,借助深度自适应网络(Deep Adaptive Networks,DAN)的思想,使用最大均值差异(Maximum Mean Difference,MMD)作为约束,学习两个域之间的可迁移特征;然后,通过注意力机制计算不同输入特征向量的权重;最后,使用一个全连接层对数据进行输出。通过公开的CitiBike数据集和NYCTaxi数据集的测试验证,结果表明,在60 min时间粒度划分下,所提出的预测模型得到3种均方根误差分别为0.711、0.542和0.046,相较于BP神经网络、长短期记忆神经网络(LSTM)、差分回归移动平均模型(ARIMA),均方根误差平均降低了61.7%,平均绝对误差平均降低了28.7%,平均绝对百分比误差平均降低了17.0%,证明DTSA-GCN模型能够通过有限的骑行数据表现出较好的预测效果,可以用作共享单车系统需求的预测模型。能够克服小样本数据对共享单车需求预测的局限,可为城市共享单车平衡调配提供技术参考。 展开更多
关键词 城市交通 共享单车需求预测 3d时空图卷积网络 DNA思想 小样本数据
在线阅读 下载PDF
基于多级Sigmoid神经网络的城市交通场景理解 被引量：6
3
作者 谭论正 夏利民 夏胜平 《国防科技大学学报》 EI CAS CSCD 北大核心 2012年第4期132-137,共6页
交通场景的理解是交通监控、汽车安全辅助驾驶的基础。提出一种基于多级Sigmoid神经网络的城市交通环境理解方法。将5个3D结构特征与物体外观特征相结合表征城市交通环境,为了提高交通环境识别率,采用多级Sigmoid神经网络(MSNN)进行图... 交通场景的理解是交通监控、汽车安全辅助驾驶的基础。提出一种基于多级Sigmoid神经网络的城市交通环境理解方法。将5个3D结构特征与物体外观特征相结合表征城市交通环境,为了提高交通环境识别率,采用多级Sigmoid神经网络(MSNN)进行图像分割与识别。在公共测试视频数据库CamVid dataset进行实验,实验结果表明了该方法的有效性。 展开更多
关键词 空间结构特征 城市交通场景 多级Sigmoid神经网络
在线阅读 下载PDF
基于深度残差胶囊网络与注意力机制的加密流量识别方法 被引量：4
4
作者 史国振 李昆阳 +1 位作者 刘瑶 杨永健 《网络与信息安全学报》 2023年第1期32-41,共10页
随着用户安全意识的提高和加密技术的发展,加密流量已经成为网络流量中的重要部分,识别加密流量成为网络流量监管的重要部分。基于传统深度学习模型的加密流量识别方法存在效果差、模型训练时间长等问题。针对上述问题,提出了一种基于... 随着用户安全意识的提高和加密技术的发展,加密流量已经成为网络流量中的重要部分,识别加密流量成为网络流量监管的重要部分。基于传统深度学习模型的加密流量识别方法存在效果差、模型训练时间长等问题。针对上述问题,提出了一种基于深度残差胶囊网络模型(DRCN,deep residual capsule network)的加密流量识别方法。原始胶囊网络通过全连接形式堆叠导致模型耦合系数变小,无法搭建深层网络模型。针对上述问题,DRCN模型采用三维卷积算法(3DCNN)动态路由算法代替全连接动态路由算法,减少了每个胶囊层之间传递的参数,降低了运算复杂度,进而构建深层胶囊网络,提高识别的准确率和效率;引入通道注意力机制为不同的特征赋予不同的权重,减少无用特征对识别结果的影响,进一步增强模型特征提取能力;将残差网络引入胶囊网络层,搭建残差胶囊网络模块缓解了深度胶囊网络的梯度消失问题。在数据预处理方面,截取的数据包前784byte,将截取的字节转化成图像输入到DRCN模型中,该方法避免了人工特征提取,减少了加密流量识别的人工成本。在ISCXVPN2016数据集上的实验结果表明,与效果最好的BLSTM模型相比,DRCN模型的准确率提高了5.54%,模型的训练时间缩短了232s。此外,在小数据集上,DRCN模型准确率达到了94.3%。上述实验结果证明,所提出的识别方案具有较高的识别率、良好的性能和适用性。 展开更多
关键词 加密流量识别 深度胶囊网络 3d卷积算法 残差网络
在线阅读 下载PDF
基于sDNA的城市道路立体交通网络可达性研究 被引量：3
5
作者 张苗苗 张晓瑞 +1 位作者 夏敏 白大庆 《北京建筑大学学报》 2023年第3期88-96,共9页
提出基于sDNA的城市道路立体交通网络可达性测度方法,以合肥市中心城区为例,分别从可达性指标值和可达性空间特征分布2个方面对合肥市中心城区的道路平面交通网络和道路立体交通网络进行sDNA分析,从而全面研究城市道路立体交通网络的可... 提出基于sDNA的城市道路立体交通网络可达性测度方法,以合肥市中心城区为例,分别从可达性指标值和可达性空间特征分布2个方面对合肥市中心城区的道路平面交通网络和道路立体交通网络进行sDNA分析,从而全面研究城市道路立体交通网络的可达性。结果表明:建设高架道路能提高合肥市道路交通网络的可达性水平,但提高效果有限,且主要表现在部分道路可达性的提升,对城市整体道路交通网络的可达性改善并不明显;合肥市道路立体交通网络可达性在全局和局部尺度呈现出明显的中心性,可达性由城市中心向城市边缘逐步递减。可为城市交通网络规划提供借鉴和依据,同时为sDNA的推广及实践应用提供参考。 展开更多
关键词 立体交通网络 可达性 sDNA 合肥市
在线阅读 下载PDF
北京市道路旅游交通标志设置模型研究和试验 被引量：1
6
作者 唐笑 张秋菊 林燕 《测绘科学》 CSCD 北大核心 2009年第4期70-73,共4页
本文从旅游交通标志合理设置入手,分析了北京市在旅游交通标志上的现状和存在问题,对北京的景点进行了初步分类,提出了旅游交通标志设置的模型,采用地理信息系统技术,建立了北京市旅游交通标志设置模型。模型利用网络分析法和空间缓冲... 本文从旅游交通标志合理设置入手,分析了北京市在旅游交通标志上的现状和存在问题,对北京的景点进行了初步分类,提出了旅游交通标志设置的模型,采用地理信息系统技术,建立了北京市旅游交通标志设置模型。模型利用网络分析法和空间缓冲区分析法以及综合分析计算在哪些地方设置旅游交通标志最为合理。从实验结果看,本文所建立的模型能用于北京市旅游交通标志的设置地点的设计,可以为北京乃至全国的旅游交通标志设置提供参考,更方便自驾旅游和出行。 展开更多
关键词 旅游交通标志 地点设置模型 网络分析 缓冲区分析 三维虚拟现实
原文传递
基于交通路网状态感知的交通信号配时优化技术 被引量：2
7
作者 胡小光 胡晓杰 《河南科技》 2021年第16期18-21,共4页
本文提出多通道的3D卷积预测网络结合Double-DQN的配时控制策略,并将其与Deep-Q-learning、Q-learning进行对比分析,进行仿真实验。结果表明,多通道的3D卷积预测网络结合Double-DQN的控制策略明显优于Q-learning和Deep-Q-learning。
关键词 智能交通信号配时 3d卷积 深度强化学习 多通道矩阵 Double-DQN
在线阅读 下载PDF
基于时空特征的无线网络流量预测方法 被引量：1
8
作者 袁浙科 《无线通信技术》 2022年第3期24-28,34,共6页
无线网络流量分布具有空间上和时间上的特征,针对传统预测方法对流量分布空间特征的利用不足问题,提出三维卷积神经网络(3D-CNN)和长短期记忆网络(LSTM)相结合的无线网络流量预测模型。首先通过3D-CNN挖掘流量数据的局部时空关联性,并... 无线网络流量分布具有空间上和时间上的特征,针对传统预测方法对流量分布空间特征的利用不足问题,提出三维卷积神经网络(3D-CNN)和长短期记忆网络(LSTM)相结合的无线网络流量预测模型。首先通过3D-CNN挖掘流量数据的局部时空关联性,并利用空间注意力机制完善全局空间关联的提取;然后使用LSTM模型对抽象时空特征进行训练,并加入了注意力机制缓解循环神经网络的遗忘现象带来的信息损耗。运用此方法对"意大利电信大数据挑战赛"的公开数据集进行训练,其均方根误差(RMSE)和平均绝对误差(MAE)分别降至5.17和3.32,明显优于其他对比预测模型。 展开更多
关键词 无线网络 流量预测 时空特征挖掘 3d-CNN LSTM
原文传递
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部