许榕
- 作品数：11 被引量：35H指数：3
- 供职机构：南京大学更多>>
- 发文基金：国家自然科学基金国家科技重大专项江苏省自然科学基金更多>>
- 相关领域：交通运输工程自动化与计算机技术更多>>
- 基于空间聚类的交通流预测模型被引量：8
- 2015年
- 交通流预测对于路径诱导、路网管控有着重要的作用.目前预测数据源未充分挖掘调用已有的沿路视频资源,而需特地另埋设专用地感线圈;在考虑上下游空间关系时,往往将关系并不密切的点也包含进来.为此,分析了路口交通流上下游关系,解析了BP神经网络模型机理及局限,提出了基于空间聚类的短时交通流预测Cluster-NN模型,选取了遥控视频摄像数据作为预测模型的输入,对区域内交通流进行了聚类分析预测.实验结果表明,短时交通流预测值优于神经网络模型6.5%以上.
- 许榕缪李囡施静静陈启美
- 关键词：交通流预测聚类PTZ摄像机神经网络
- 基于多断面视觉传感聚类分析的交通流状态判别方法
- 基于多断面视觉传感聚类分析的交通流状态判别方法，通过道路边设置的PTZ视频摄像机获取交通流数据，根据获得的交通流数据，采用聚类分析的方法判断高速公路道路交通流状态。本发明利用易于获取的交通流数据：速度和流量，结合上下游交...
- 许榕蒋士正吴聪缪李囡王双阮雅端陈启美
- 文献传递
- 移动网络视觉雾霾检测系统
- 移动网络视觉雾霾检测系统，包括移动终端检测点和雾霾数据分析系统，其中移动终端检测点包含图像采集模块、交互式标定模块、摄像机成像坐标转换模块、能见度检测模块、移动终端GPRS通信模块。移动Internet是将移动互联网与雾...
- 阮雅端李昀峰周东许榕缪李囡陈林凯陈启美
- 文献传递
- 断面-路网交通流预测与态势评估研究及应用
- 路网交通流预测与路网态势评估对提升路网通行能力和管理效率起重要作用，然而经典预测模型尚存在单纯依靠路段离散的断面信息，未予充分调用路网多断面的空间关联信息，也存在态势评估方法依赖指标过于单一等不足。论文依托省科技厅《公路...
- 许榕
- 关键词：路网交通流神经网络
- 文献传递
- 移动网络视觉雾霾检测系统
- 移动网络视觉雾霾检测系统，包括移动终端检测点和雾霾数据分析系统，其中移动终端检测点包含图像采集模块、交互式标定模块、摄像机成像坐标转换模块、能见度检测模块、移动终端GPRS通信模块。移动Internet是将移动互联网与雾...
- 阮雅端李昀峰周东许榕缪李囡陈林凯陈启美
- 基于多断面视觉传感聚类分析的交通流状态判别方法
- 基于多断面视觉传感聚类分析的交通流状态判别方法，通过道路边设置的PTZ视频摄像机获取交通流数据，根据获得的交通流数据，采用聚类分析的方法判断高速公路道路交通流状态。本发明利用易于获取的交通流数据：速度和流量，结合上下游交...
- 阮雅端许榕蒋士正吴聪缪李囡王双赵文娟贲圣兰陈启美
- 文献传递
- 二维局部非负矩阵分解的路网态势算法
- 2015年
- 针对路网态势评测算法存在限于断面、依赖单一指标等的不足,在解析测量指标和测量断面的相关性及局部非负矩阵分解(LNMF)算法的基础上,提出了二维局部非负矩阵分解2DLNMF算法,通过选择合适参数对路网数据进行降维处理,提取路网特征数据,从而实现路网态势评测.仿真结果表明,使用2D-LNMF算法路网态势评测结果更加准确,而在线评测准确性达到95.69%.
- 许榕吴聪蒋士正陈启美
- 关键词：聚类特征提取
- 基于路网空间关系约束Lasso的短时交通流预测方法
- 基于路网空间关系约束Lasso的短时交通流预测方法，通过最小绝对收缩和选择算子Lasso实现路网约束，对路网短时交通流进行预测，分为路网分析、模型训练和实时预测三个部分。本发明提出了基于路网空间关系约束Lasso的短时交...
- 蒋士正阮雅端许榕吴聪陈湘军廖娟陈启美
- 文献传递
- 基于变量选择-神经网络模型的复杂路网短时交通流预测被引量：13
- 2015年
- 针对传统交通流预测模型正在由单断面历史数据处理向多断面、多时刻历史数据处理转变,但在考虑各断面间的影响时,多变的交通状况往往会使预测模型复杂化的问题,引入一种多元线性回归最小绝对收缩和选择算子方法(Lasso),并利用其优秀的变量选择能力,在复杂路网多断面中选出相关性较高的断面;结合神经网络(NN)的非线性特性,提出了Lasso-NN组合模型.结果表明:Lasso-NN模型在路网交叉口对未来15min交通流数据预测的误差率低于9.2%;在非交叉口的误差率低于6.7%,总体优于各自单独使用得出的结果.
- 蒋士正许榕陈启美
- 关键词：短时交通流预测神经网络
- 自适应粒子群神经网络交通流预测模型被引量：16
- 2015年
- 针对传统神经网络预测模型预测结果准确性低且存在大量无效迭代的问题，提出了自适应权重粒子群神经网络交通流预测（PSOA-NN）模型。首先根据待预测点的上下游观测点数目和历史数据，随机初始化若干组模型参数并计算每组参数对应粒子的适应度；然后采用改进的 sigmoid 函数替代原有模型中的固定惯性权重，并根据其中适应度变好的粒子更新粒子速度和位置，一直迭代到粒子适应度小于预设值为止；最后将满足条件粒子对应的模型参数应用到神经网络模型，根据实时交通流数据预测出15 min后的数据。仿真表明，使用 PSOA-NN 模型，可使得在同等预测误差范围内收敛速度提升 0.6～1.7 倍。
- 许榕周东蒋士正陈启美
- 关键词：交通流粒子群优化神经网络
