原文传递
城市交通拥堵快速识别和智能疏导技术的研究
| 论文题名： | 城市交通拥堵快速识别和智能疏导技术的研究 |
| 关键词： | 城市交通拥堵;快速识别;智能疏导 |
| 摘要： | 伴随着社会经济的快速稳定发展，社会的发展越来越好，而且人们的生活水平也越来越高。私家车数量巨幅增长导致城市道路交通拥堵的频繁发生，解决交通拥堵不仅仅是中国面临的问题，这已经成为全世界的公共难题。本论文通过对比分析国内外交通拥堵识别及疏导领域的研究现状，进行了以下几方面的研究工作： （1）以静态交通图片为对象，依托AlexNet网络模型算法来探究剖析交通拥堵识别策略。首先参照本文构建的交通图像数据集对AlexNet模型进行训练，并多次改进网络模型的结构以及学习率、卷积核大小等参数尝试识别效果。对模型的识别结果进行分析，有针对性的调整了输入图像的形式，最终到了基于卷积神经网络拥堵识别模型AlexNet-h。模型的拥堵识别准确率达到了91.64%，单个样本的平均识别时间为0.03s，完成论文依托项目90%识别准确率的指标以及快速拥堵识别的目标。 （2）在路径规划算法中，对蚁群算法进行改进。在蚁群算法中引入了拥堵系数，从信息素初始化和信息素更新两方面对蚁群算法做出了改善，使其适用于拥堵环境下的路径规划。并设计实验模拟路网完成了改进算法的验证工作，证实了改进的有效性。 （3）设计并搭建了系统用于城市交通拥堵的识别。以本文基于卷积神经网络得到的拥堵识别模型AlexNet-h为核心算法，设计了一个面向驾车出行人员及交通管理人员两类人群的交通平台。该系统能展示所在城市的实时交通情况及历史交通情况，给驾车出行人员和交通管理人员提供道路拥堵信息。 |
| 作者： | 戎宇杰 |
| 专业： | 软件工程 |
| 导师： | 张学 |
| 授予学位： | 硕士 |
| 授予学位单位： | 电子科技大学 |
| 学位年度： | 2023 |
检索历史
应用推荐
