<wbr id="a7gzs"></wbr>
    <wbr id="a7gzs"></wbr>
  1. 
    

      收藏本站
      《江蘇大學》 2019年
      收藏 | 手機打開
      二維碼
      手機客戶端打開本文

      基于注意力卷積神經網絡與深度森林的交通安全狀態預測方法研究

      王博宸  
      【摘要】:隨著城市化和公共交通系統的快速發展,交通事故成為人類社會面臨的一大難題。城市交通事故風險預測對交通管理和公共安全具有重要意義,并且非常具有挑戰性,因為它受到諸如區域間交通、事件和天氣等諸多復雜因素的影響。為了解決高負荷帶來的交通問題,智能交通系統(Intelligent transportation system,ITS)被提了出來,而復雜道路場景的交通安全狀態預測是ITS所期望的核心功能之一。因此,基于交通流數據對道路交通安全狀態進行預測的研究有著非常重要的研究價值和現實意義。本文的主要工作如下:(1)介紹了當前常用的一些交通安全狀態量化、交通流預測與交通安全風險預測方法,并對相關技術的發展進行了總結。(2)針對人工構造特征造成的特征表達不夠有效,以及獨立方法之間特征關聯性差的問題,提出了一種基于多任務長短期記憶網絡(Long Short-Term Memory,LSTM)的聚類算法。該算法使用LSTM模型來提取交通流數據中的風險特征,在實現對高維時序數據降維的同時能夠有效學習到符合數據空間分布的低維特征。在聚類過程中,采用了基于Student-T分布的度量方法與Kullback-Leibler散度損失,將聚類過程嵌入到深度學習模型中。為了使多任務學習模型有效收斂,提出了一種多階段梯度更新策略,針對不同任務進行分步更新,通過聯合學習來使得模型能夠對共享特征進行微調。實驗結果表明,相比其他聚類方法,提出的聚類方法在性能上有著明顯的提升,本文提出的算法提高了潛在特征的有效性與模型的魯棒性,能有效的對危險交通狀態進行劃分。(3)針對使用復數LSTM模型來提取時序特征過于消耗時間,以及道路中不同時空位置對預測任務有著不同影響的問題,提出了一種基于注意力卷積神經網絡的區域交通流預測模型。該算法使用常規卷積單元來提取空間特征,時空門限卷積單元來提取時間特征,同時使用了多種Attention模塊來增強不同時空位置的交通數據特征的有效性。在交通安全狀態識別方面,提出了多尺度深度森林的方法,相比原始算法的多粒度掃描能夠更加有效的處理時序數據。實驗結果表明,提出的方法相比其他方法在預測效果上有著明顯的提升。
      【學位授予單位】:江蘇大學
      【學位級別】:碩士
      【學位授予年份】:2019
      【分類號】:TP391.41;TP183;U492.8

      手機知網App
      【參考文獻】
      中國期刊全文數據庫 前7條
      1 胡功宏;林雨;高建平;;高速公路交通流實時安全性評價[J];安全與環境學報;2015年01期
      2 孫劍;孫杰;;城市快速路實時交通流運行安全主動風險評估[J];同濟大學學報(自然科學版);2014年06期
      3 李志斌;劉攀;金茂菁;徐鋮鋮;;高速公路常發擁堵路段追尾事故風險實時預測[J];吉林大學學報(工學版);2013年06期
      4 孫亞;錢洪波;葉亮;;數據挖掘算法在交通狀態量化及識別的應用[J];計算機應用;2008年03期
      5 秦小虎;劉利;張穎;;一種基于貝葉斯網絡模型的交通事故預測方法[J];計算機仿真;2005年11期
      6 成衛,李江;模糊聚類法在基于交通沖突技術的交叉口安全評價中的應用[J];交通運輸系統工程與信息;2004年02期
      7 林震,楊浩;基于車速的交通事故貝葉斯預測[J];中國安全科學學報;2003年02期
      【共引文獻】
      中國期刊全文數據庫 前10條
      1 李敏;劉晨;譙志;;云中心海量交通數據預處理技術概述與應用實例[J];公路交通技術;2015年05期
      2 周建民;孫昆;劉波;李鵬;徐清瑤;;基于陣列探頭的超聲缺陷檢測仿真及其定位[J];華東交通大學學報;2015年05期
      3 戰兵;韓銳;;基于隱馬爾可夫的恐怖事件預測模型[J];解放軍理工大學學報(自然科學版);2015年04期
      4 呂成;張子揚;任翔;李紹軍;;基于貝葉斯理論與Vine Copula的化工過程異常事件數的預測[J];華東理工大學學報(自然科學版);2015年02期
      5 卜賓賓;蔣艷;;基于蝙蝠算法的貝葉斯網絡結構學習研究[J];計算機仿真;2015年02期
      6 賈豐源;孫杰;孫劍;;快速路交通流運行安全關鍵參數識別與評估[J];同濟大學學報(自然科學版);2015年02期
      7 陳雪梅;田賡;苗一松;;面向智能駕駛行為的機器學習[J];道路交通與安全;2014年06期
      8 朱順應;吳俁;王紅;陳菲菲;;軌道交通乘客滿意度不確定性預測與分析[J];重慶交通大學學報(自然科學版);2015年06期
      9 Guohua Liang;Fengjing Wang;Wei Wang;Xiaoduan Sun;Wugong Wang;;Assessment of freeway work zone safety with improved cellular automata model[J];Journal of Traffic and Transportation Engineering(English Edition);2014年04期
      10 趙玲;許宏科;程鴻亮;;基于最優加權組合模型的道路交通事故預測[J];計算機工程與應用;2013年24期
      【二級參考文獻】
      中國期刊全文數據庫 前10條
      1 徐鋮鋮;劉攀;王煒;李志斌;;惡劣天氣下高速公路實時事故風險預測模型[J];吉林大學學報(工學版);2013年01期
      2 徐鋮鋮;劉攀;王煒;蔣璇;;基于判別分析的高速公路交通安全實時評價指標[J];東南大學學報(自然科學版);2012年03期
      3 溫惠英;羅鈞;李俊輝;;基于PNN的山區高速公路路段安全狀態評價[J];華南理工大學學報(自然科學版);2011年08期
      4 蔣銳;郭忠印;;基于動態歸類技術的交通流實時運營風險評價[J];同濟大學學報(自然科學版);2011年01期
      5 陶建斌;舒寧;沈照慶;;基于高斯混合模型的遙感影像連續型樸素貝葉斯網絡分類器[J];遙感信息;2010年02期
      6 蔣銳;郭忠印;孔令旗;;高密度交通流狀態下行車安全性分析[J];交通信息與安全;2009年04期
      7 林震,楊浩;基于車速的交通事故貝葉斯預測[J];中國安全科學學報;2003年02期
      8 林士敏,田鳳占,陸玉昌;貝葉斯網絡的建造及其在數據采掘中的應用[J];清華大學學報(自然科學版);2001年01期
      9 李彬,劉安;交通異常貝葉斯動態檢測方法[J];中國公路學報;1999年03期
      10 王曉青,石紹先,丁香;Bayes判別分析法與地震短臨預測[J];地震;1999年01期
      【相似文獻】
      中國期刊全文數據庫 前10條
      1 胡悅;;金融市場中的神經網絡拐點預測法[J];金融經濟;2017年18期
      2 遲惠生;陳珂;;1995年世界神經網絡大會述評[J];國際學術動態;1996年01期
      3 吳立可;;脈沖神經網絡和行為識別[J];通訊世界;2018年12期
      4 林嘉應;鄭柏倫;劉捷;;基于卷積神經網絡的船舶分類模型[J];信息技術與信息化;2019年02期
      5 俞頌華;;卷積神經網絡的發展與應用綜述[J];信息通信;2019年02期
      6 韓真;凱文·哈特尼特;;為神經網絡的通用理論建造基石[J];世界科學;2019年04期
      7 鮑偉強;陳娟;熊濤;;基于進化神經網絡的短期電力負荷預測研究[J];電工技術;2019年11期
      8 陳曉燕;;淺析簡單神經網絡的發展及簡單模型[J];數字技術與應用;2019年05期
      9 王麗華;楊秀萍;王皓;高崢翔;;智能雙輪平衡車的設計研究[J];數字技術與應用;2018年04期
      10 張庭略;;基于硬件的神經網絡加速[J];通訊世界;2018年08期
      中國重要會議論文全文數據庫 前10條
      1 孫軍田;張喆;;基于神經網絡數據挖掘技術確定災害等級的滅火救援出動力量模型研究[A];2016中國消防協會科學技術年會論文集[C];2016年
      2 許進;保錚;;神經網絡與圖論[A];1999年中國神經網絡與信號處理學術會議論文集[C];1999年
      3 唐墨;王科俊;;自發展神經網絡的混沌特性研究[A];2009年中國智能自動化會議論文集(第七分冊)[南京理工大學學報(增刊)][C];2009年
      4 張廣遠;萬強;曹海源;田方濤;;基于遺傳算法優化神經網絡的故障診斷方法研究[A];第十二屆全國設備故障診斷學術會議論文集[C];2010年
      5 李濤;費樹岷;;具有變時滯Cohen-Grossberg神經網絡的指數穩定性準則[A];第二十六屆中國控制會議論文集[C];2007年
      6 汪靈枝;秦發金;;具有變時滯和脈沖的離散Cohen-Grossberg神經網絡的周期解[A];中國自動化學會控制理論專業委員會D卷[C];2011年
      7 韓正之;林家駿;;用神經網絡求解非線性相容方程[A];1993年控制理論及其應用年會論文集[C];1993年
      8 林家駿;王贊基;;求解不可微優化問題的連續極大熵神經網絡[A];1998年中國智能自動化學術會議論文集(上冊)[C];1998年
      9 姜德宏;徐德民;任章;;基于神經網絡的自校正控制器[A];1993中國控制與決策學術年會論文集[C];1993年
      10 竇永豐;貝超;;模糊與神經網絡結合方式及在控制中的應用[A];1997年中國控制會議論文集[C];1997年
      中國重要報紙全文數據庫 前10條
      1 張允碩 姜正義 甄海鋒 河南理工大學;基于神經網絡的自適應PID控制的智能衣架[N];科學導報;2019年
      2 湖北日報全媒記者 張愛虎 通訊員 徐向軍 實習生 于藍;一群“90后”率先建成鐵路“神經網絡”[N];湖北日報;2019年
      3 記者 劉霞;憶阻器制成神經網絡更高效[N];科技日報;2017年
      4 整理 本報記者 諸玲珍 顧鴻儒;微軟神經網絡切割法可使加速作用超線性[N];中國電子報;2018年
      5 ;神經網絡小史[N];電子報;2018年
      6 張敏;人機大戰,到底誰會贏?[N];北京日報;2017年
      7 ;人工智能將取得大面積突破[N];中國企業報;2017年
      8 本報記者 龔丹韻;人機大戰:人類還有優勢嗎[N];解放日報;2017年
      9 ;人類正迎來云端機器人時代[N];中國企業報;2017年
      10 張斌;誰還需要“同傳”[N];文匯報;2017年
      中國博士學位論文全文數據庫 前10條
      1 龐浩;基于深度卷積神經網絡的醫學影像診斷關鍵技術研究[D];北京郵電大學;2019年
      2 李嘉;基于卷積神經網絡的心律失常自動分類關鍵技術研究[D];吉林大學;2019年
      3 王娜;地質大數據功能分析及其分類算法研究[D];吉林大學;2019年
      4 劉梅;網絡系統的穩定和同步行為研究[D];新疆大學;2017年
      5 靳然;基于神經網絡和支持向量機的麥蚜發生動態預測研究[D];山西農業大學;2017年
      6 李驍;基于深度卷積神經網絡MSCT對小腎腫瘤病理分型的預測研究[D];中國人民解放軍海軍軍醫大學;2018年
      7 李若霞;基于憶阻的神經網絡的動力學分析及應用[D];東南大學;2017年
      8 項延德;基于卷積神經網絡的心電信號檢測和分類研究[D];浙江大學;2018年
      9 李一鳴;結合知識和神經網絡的文本表示方法的研究[D];浙江大學;2018年
      10 李揚;面向圖像目標識別和檢測的深度神經網絡關鍵技術研究[D];北京郵電大學;2018年
      中國碩士學位論文全文數據庫 前10條
      1 張丹丹;基于改進卷積神經網絡的玻璃缺陷識別方法研究[D];中北大學;2019年
      2 李博;噴涂生產監測數據的存儲及特征分析[D];內蒙古大學;2019年
      3 高帥;基于機器學習的空氣質量評價與預測[D];中北大學;2019年
      4 周彬;面向卡口監控的安全帶圖像檢測的應用與研究[D];武漢科技大學;2018年
      5 王海艦;基于一維卷積神經網絡的供水管道泄漏檢測算法的研究[D];內蒙古大學;2019年
      6 蔡月月;基于深度學習的棉花異性纖維分類研究[D];武漢科技大學;2019年
      7 陳玉玲;基于深度語義特征的評論文本情感分析研究[D];武漢科技大學;2019年
      8 王元杰;基于神經網絡的NAO機器人手寫數字識別[D];中北大學;2019年
      9 王曉芳;基于多層卷積神經網絡的服裝圖像分類與檢索[D];內蒙古大學;2019年
      10 張麗娜;基于RBF神經網絡的水質預測模型研究[D];河北工程大學;2019年
      中國知網廣告投放
       快捷付款方式  訂購知網充值卡  訂購熱線  幫助中心
      • 400-819-9993
      • 010-62791813
      • 010-62985026


      福利黄片