干道交通状态识别及演变机理研究

• 作者: 唐聚 张媛媛 彭博 蔡晓禹 谢济铭
• 来源期刊: 公路与汽运
• 学科: 交通运输
• 关键词: 公路交通 干线道路 交通状态识别 交通状态预测 深度学习 视频检测 精细化管控
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 交通规划与管理
• 页码范围: 36-41
• 页数: 6页
• 分类号: U491.2
• 字数: 5607字
• 语种: 中文
• DOI: 10.3969/j.issn.1671-2668.2020.02.008

摘要

为减少城市交通拥挤、避免交通瘫痪、保障出行安全,在综合分析交通信息采集技术、交通状态识别、交通状态演变研究现状的基础上,对干道交通状态识别及演变机理进行分析,建立适用于精细化交通管控的城市道路交通状态识别及预测框架,主要包括基于深度学习结合视频跟踪算法提取交通参数、基于路段单元运用堆叠式稀疏自编码结合 K-均值聚类对车道和路段交通状态进行精准判别、基于 LSTM循环神经网络与 3D-CNN 卷积神经网络对交通状态进行预测;最后提出干道交通状态识别与预测面临的挑战和研究方向.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	蔡晓禹	重庆交通大学交通运输学院	35	126	6.0	10.0
3	彭博	重庆交通大学交通运输学院	24	45	4.0	6.0
7	张媛媛	重庆交通大学交通运输学院	9	5	1.0	1.0
8	唐聚	重庆交通大学交通运输学院	7	4	1.0	1.0
9	谢济铭	重庆交通大学交通运输学院	6	4	1.0	1.0