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1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：
基于卷积自适应平滑网络的高速公路交通状态估计方法
1
作者 刘婧 陆良 +1 位作者 郑芳芳 刘晓波 《中国公路学报》 EI CAS CSCD 北大核心 2024年第11期275-288,共14页
针对连续流场景的交通状态估计问题,提出了一种基于卷积神经网络的改进自适应平滑方法。该方法能够利用稀疏的固定断面观测数据,重构完整的交通状态。与传统的自适应平滑方法相比,所提出的方法不依赖于经验选择交通状态的传播特征,而是... 针对连续流场景的交通状态估计问题,提出了一种基于卷积神经网络的改进自适应平滑方法。该方法能够利用稀疏的固定断面观测数据,重构完整的交通状态。与传统的自适应平滑方法相比,所提出的方法不依赖于经验选择交通状态的传播特征,而是针对交通状态的传播特性,设计了3种各向异性卷积核,分别对应于交通波的前向传播、反向传播和双向传播特征,有效提取自由流和拥堵流状态的特征。基于交通流稳态基本关系和冲击波理论,进一步提出交通基本图(Fundamental Diagram, FD)权重算子,用于自适应加权不同的交通特征,优化交通状态的重构效果。不同于传统自适应平滑方法采用Sigmoid函数确定加权权重,所提出的算子在加权过程中明确包含了交通流波动的物理意义,并能直观反映交通流的一阶连续流特性。通过对高速公路真实轨迹数据集的验证,结果显示在所提出的深度学习估计框架下,各向异性卷积核能够在确保估计精度的同时,减少约1/3的待训练参数量,并使估计结果更符合交通流的物理特征。同时,所提方法能显著降低整体平均绝对误差(MAE)和平均相对百分比误差(MAPE),与传统自适应平滑方法相比,分别降低了22.3%和31.35%。特别是在拥堵状态下,所提方法能进一步减少估计误差,MAE和MAPE分别降低了31.1%和37.58%。此外,所提方法对微小交通扰动的敏感性较低,且随着估计点与观测断面距离的增加,误差增长速度更慢。在不同观测断面间距下的性能对比显示,所提方法在任意断面间距下均展现出最低的估计误差,并且随着断面间距的增加,误差增长速度最慢。这些结果从多个角度证明了所提方法的有效性和优越性。 展开更多
关键词 交通工程 交通状态估计 卷积神经网络 自适应平滑方法 各向异性卷积核 交通波
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