【摘 要】
：
城市路网短时交通流预测是实现智慧城市的关键技术,随着人工智能的发展,越来越多的深度学习算法被应用于城市道路交通状态估计和预测研究.但是深度学习因缺少对交通流演化机理的刻画导致其可解释性不强,而交通流解析模型常因预测精度问题导致其应用效果受到限制.为了取长补短,首先对路段传输模型(Link Transmission Model.LTM)进行改进,提出了可以利用真实数据实时校准仿真网络从而提高预测精度的数据驱动型路段传输模型(Data-driven Link Transmission Model,D2LTM)
【机 构】
：
浙江大学建筑工程学院,浙江杭州 310058
论文部分内容阅读
城市路网短时交通流预测是实现智慧城市的关键技术,随着人工智能的发展,越来越多的深度学习算法被应用于城市道路交通状态估计和预测研究.但是深度学习因缺少对交通流演化机理的刻画导致其可解释性不强,而交通流解析模型常因预测精度问题导致其应用效果受到限制.为了取长补短,首先对路段传输模型(Link Transmission Model.LTM)进行改进,提出了可以利用真实数据实时校准仿真网络从而提高预测精度的数据驱动型路段传输模型(Data-driven Link Transmission Model,D2LTM),并在此基础上引入时空深度张量神经网络模型(Spatial-temporal Deep Tensor Neural Networks,ST-DTNN)来捕获网络交通流数据中的时间维、空间维和深度维特征信息,形成融合路段传输模型和深度学习的城市路网短时交通流预测模型D2 LTM-STDT-NN.该混合模型一方面通过D2LTM机理模型来揭示交通流演化的基本规律,发挥其对城市路网交通流状态时空演化过程的精细刻画能力,增强混合模型机理的可解释性;另一方面利用ST-DT-NN模型强大的高维数据挖掘能力和动态特征学习能力,提高城市级路网交通流的短时预测精度.该模型还考虑了交叉口不同转向的短时预测问题,具有更细的空间粒度和时间粒度,因此也具有更大的预测难度.实测结果表明:D2LTM-STDTNN混合模型相对于基准模型预测精度更高,且具备模拟演化机理方面的优势,提升了城市路网短时交通流状态预测能力,揭示了路段间的交通流动态演化规律,可为网络交通流模拟推演和主动管控提供了技术支撑.
其他文献
为促进公路桥梁智能检测技术的发展,系统梳理了桥梁智能检测装备、智能检测方法、智能损伤识别算法、智能安全评价及养护决策的发展现状与趋势.综合分析表明:随着桥梁智能检测技术的发展,针对桥梁检测环境和构件特点,出现了包括无人机、移动机器人、环形爬升机器人、多功能检测机器人、爬索机器人、水下机器人、声呐探测装置等多种类型的智能检测装备.智能检测装备大多采用搭载的图像采集装置进行病害信息收集,其避障及抗环境干扰能力和图像采集精度是设备性能表征的关键;在智能检测方法领域,图像采集技术、激光点云扫描技术、全息摄影技术发
为了给桥梁结构的健康检测提供参考,将金属磁记忆检测技术引入到钢筋混凝土(RC)梁内部钢筋的应力检测当中,进行了钢筋混凝土T形截面梁四点弯曲加载应力自漏磁信号检测试验.利用基于金属磁记忆的三维扫描检测装置采集了试件在不同荷载下的自漏磁信号,并对不同提离高度和多条扫描路径下的磁信号进行分析,得到了钢筋混凝土T形截面梁在不同应力状态下的空间信号规律,提出了利用“法向漏磁场方均根值”来定量计算RC梁纯弯段处钢筋应力的方法.研究结果表明:在钢筋混凝土T形截面梁纯弯段内,钢筋内部应力与“法向漏磁场方均根值”呈线性关系
为了解决现有的斜拉桥索力测量方法在精度、可靠性、效率等方面仍存在的不足,首次提出了一种由实测索形直接估计索力的新方法,简称索形法.采用在斜拉索上任意截取的拉索节段构建了悬链线力学模型,基于悬链线公式,首次推导了由实测索形点集精确估计拉索张力的计算公式.地面激光扫描技术被研究用于快速捕获斜拉索索形,开发了基于扫描点云自动化精确提取拉索中心线的算法.以在建的水土嘉陵江大桥为试验对象,详细分析了三维扫描测量误差、拉索截面弯曲刚度及边界条件和拉索局部弯曲变形、拉索振动等索形偏差因素及其对索力计算精度的影响.研究结
基于传统扩展卡尔曼滤波方法(EKF)的损伤识别过程是一个典型的反问题求解,反问题的不适定性使EKF识别结果容易受噪声干扰,导致EKF算法收敛困难、识别精度下降.基于l1正则化的EKF算法在一定程度上可以缓解此问题,但其不能获得足够准确的稀疏解.为此,提出了一种改进稀疏正则化的EKF方法.该方法采用Arctangent罚函数代替l1范数以施加损伤稀疏性约束;通过伪测量技术将稀疏性约束嵌入到EKF中,获得施加约束方程后的递推解.采用3层剪切结构和悬臂梁2个试验算例验证了该方法的有效性.研究结果表明:即使在噪声
为了提高桥梁结构有限元模型修正的效率和效果,提出基于加权Kendall相关系数和序贯代理模型的有限元模型修正方法.首先,建立基于目标响应误差和待修正设计参数灵敏度的加权Kendall相关系数指标,并采用凝聚层次聚类算法,合理确定待修正设计参数的数量和位置,保证待修正设计参数对目标响应具有合适的解耦能力;其次,为解决传统一次性代理模型法在构造代理模型过程中产生的欠采样或者过采样的问题,采用基于FLOLA-Voronoi通用序贯设计策略的序贯代理模型法,提高构造代理模型过程中试验设计样本的利用率和模型修正效率