【摘 要】
：
交通流量预测与分析是智能交通系统的关键环节,能为交通管理部门的指挥和决策提供有力支持。随着深度学习的发展与应用,基于神经网络的交通预测方法层出不穷,但现有方法存在难以捕获交通流序列的长时依赖以及预测特征单一的问题。因此,本文的研究内容是建立多源信息融合模型以预测短时交通流量,本文的主要工作如下:（1）针对时间卷积网络（Temporal Convolution Network,TCN）在短时交通流预
论文部分内容阅读
交通流量预测与分析是智能交通系统的关键环节,能为交通管理部门的指挥和决策提供有力支持。随着深度学习的发展与应用,基于神经网络的交通预测方法层出不穷,但现有方法存在难以捕获交通流序列的长时依赖以及预测特征单一的问题。因此,本文的研究内容是建立多源信息融合模型以预测短时交通流量,本文的主要工作如下:（1）针对时间卷积网络（Temporal Convolution Network,TCN）在短时交通流预测任务上难以捕获交通流序列长时依赖的问题,提出一种基于连续时间卷积网络（Continuous Temporal Convolution Network,CTCN）的短时交通流量预测模型。该模型引入连续卷积核函数替换原有的离散卷积,可以在不受扩张系数和网络深度的影响下提升网络的感受野。连续时间卷积网络的特征提取可以在底层完成,以解决卷积类网络在处理长序列数据时网络过深的问题。通过美国加利福尼亚州PeMS平台提供的数据集上对预测模型进行了验证,实验结果表明CTCN模型预测性能优于其它经典模型,相比TCN在预测未来5分钟流量上的均方误差降低了 9.3%。（2）针对传统交通流量预测方法预测特征单一的问题,提出一种基于信息融合的短时交通流量预测模型 IFCTCN（Information Fusion Continuous Temporal Convolution Network）。该模型以CTCN为基础结构,考虑了多种影响因素对道路交通流量的影响,这些因素包括交通速度、车道占用率、天气和节假日。在特征变量输入模型之前,需要对天气节假日因素进行定量转换,天气按照气象预警等级进行量化,节假日则依据法定假期的长度进行量化。通过PeMS平台提供的交通数据集和Darksky平台提供的天气数据集对模型进行了验证,实验结果表明IFCTCN模型的均方误差相比CTCN模型平均下降了 5.1%。图[23]表[17]参[64]
其他文献
随着我国能源结构改革,水电、风电、光伏等新型电力能源在加速并网,但是这些新型能源受气候、光照等不定因素影响较大,会对新型电力系统网络造成并网波动与冲击,这使得抽水蓄能电站将承担更多的调峰调频任务。目前国内抽蓄产业起步较晚,对于抽蓄机组故障诊断研究尚有不足,由于抽蓄电站运行工况多变,且故障成因复杂,如何保障抽水蓄能电站安全稳定运行,是本文致力于解决的核心问题。本文基于机器学习理论,针对抽水蓄能机组故
煤尘作为井下开采过程中不可避免的环境因素,是威胁矿工生命安全和造成经济损失的主要灾害之一。目前矿井中用于降尘的喷雾除尘等方法存在着耗水多、降尘效率低下等缺点,而泡沫除尘这一技术则可以较好的弥补上述缺点。传统的除尘泡沫是通过发泡剂之间复配制备的,虽然现在也有学者开始研究聚合物与发泡剂的复配体系,但是很少讨论此类复配体系对于除尘方面的影响。因此,本文通过理论分析与实验分析制备了一种基于低浓度聚合物的抑
随着可持续发展目标的提出,传统的高污染能源产出越来越跟不上21世纪社会发展的步伐,以太阳能光伏发电为首的新兴绿色可再生能源开始得到社会的认可。和部分发达国家相比,我国的光伏发电产业发展落后,管理经验缺乏,在实际的光伏发电项目建设中将面临各种风险。所以,迫切需求对国内一些光伏发电项目进行风险识别并对其进行光伏发电项目的风险评估。本文首先从国内外风险评估现状开始介绍,梳理了有关风险概念和光伏发电项目风
随着矿井开采技术的进步,应用110工法的的工作面越来越多,色连二矿12412工作面同样应用该工法的切顶成巷技术,该工法条件下的采空区情况较为复杂,因此切顶成巷下的采空区防火技术研究成为科研工作者的重点研究课题之一。本文以色连二矿12412工作面为研究对象,主要以理论分析、现场实测、数值模拟三种方法,进行切顶成巷下的防火研究。首先进行了煤自燃的燃烧步骤、煤自燃的影响因素以及采空区内多孔介质特性的理论
近年来,随着我国公路隧道长度和数量的增加,以及行车速度和车流量的增大,使得车辆在隧道中行驶时由于故障、相互撞击、货物自燃等原因造成的火灾事故频繁发生。依据大量事故统计表明,隧道火灾燃烧产生的大量有毒有害烟气是造成人员重大伤亡的主要原因,而长距离隧道因内部空间相对封闭、救援逃生路线单一,发生火灾后烟气对人员造成的危害更大。因此,研究长距离隧道火灾烟气蔓延规律对保证疏散和救援人员安全具有重大意义。本文
随着网络技术的发展和终端设备的普及,海量资源对存储空间需求很大,为了节省本地存储空间,越来越多的数据被外包给云服务器进行存储与共享,然而云服务器是一个半可信的实体,总会有意或者无意地窥探数据信息,数据的管理面临严峻的挑战。为了保证数据的安全,在存储前需要对数据进行加密,数据共享时也要保证数据的完整准确。现存方案仍然存在以下问题:第一,由于云服务器的计算能力和资源处理能力受限海量数据的处理与存储将降
环境污染和能源危机问题日益严重,新能源电动汽车逐渐成为我国汽车工业长期发展的战略目标。动力电池管理技术是保障电动汽车高效运行的关键,由于锂离子电池本身具有可精确测量参数有限、特性之间相互耦合和强非线性这三大特征,使得锂离子电池健康状态（state-of-health,SOH）的精确估计,成为学术研究的重点和技术突破的难点。针对锂离子电池SOH估计存在过拟合的问题,本课题先采用海鸥优化算法（seag
深度学习因其广泛的应用前景而受到众多研究人员的青睐。然而对抗样本的存在使深度神经网络的安全受到威胁。对抗样本是指将微小的不易察觉的扰动添加到原始数据中以生成输入样本,该样本将使深度神经网络产生错误分类。根据研究显示,很多应用到深度神经网络的场景都会遭受到对抗样本的攻击,例如无人驾驶、头像识别、恶意流量检测等。而这些攻击产生的结果往往是毁灭性的。因此,如何抵抗对抗样本以保护深度神经网络的安全是一个值
中国煤矿重大安全事故中有六成是因为不合理的通风系统导致的。巷道内一旦发生火灾,从工程平面图上很难看出通风系统的空间拓扑结构以及烟流的动态变化。因此,在矿井通风系统三维模型上显示火灾时期的烟流分布情况并研究火灾烟流排出路径的规划方案对于火灾救援以及救灾减灾有着重大意义。本文通过理论分析、数值模拟技术以及实验室实验对矿井火灾的烟流蔓延规律、排出路径规划以及烟流控制技术进行研究,主要研究工作如下:首先,
随着集成电路（IC）制造技术向深纳米技术时代发展,电路的集成度和性能得到了显著改善。然而,随着电路节点的临界电荷随着电路集成规模的增加而不断降低,尤其对于特殊环境下的关键应用,辐射引起的可靠性问题也变得越来越严重。即使是陆地环境中的辐射粒子也可能导致软错误。软错误包括单粒子翻转、单粒子瞬态、单粒子多节点翻转等。由于近年来先进工艺的特征尺寸急剧减小以及电荷共享效应,单粒子撞击的也可能导致多个节点同时