辅导文章

论文辅导 | 基于时空Transformer 网络的隧道交通运行风险 动态辨识方法_深度学习

模型描述

为了及时发现、评估与应对高速公路隧道交通风险隐患,确保隧道运行安全通畅,构建了基于时空Transformer网络的隧道运行风险状态动态辨识方法。以隧道交通流全域检测数据与关键断面集计数据为输入,通过空间CNN卷积与时序LSTM 对隧道车流不同运行状态的时空分布特征进行无监督提取;利用大样本训练Transformer 网络层
参数,以捕获隧道交通运行状态在高维风险特征空间的分布与差异,实现隧道交通状态的风险划分与评估。采用真实隧道交通检测数据下验证了本文方法有效性,对隧道运行风险评估精度约为96%。

论文辅导 | 基于时空Transformer 网络的隧道交通运行风险 动态辨识方法_数据_02

预测效果

论文辅导 | 基于时空Transformer 网络的隧道交通运行风险 动态辨识方法_时空Transformer_03