综述：深度学习在交通运用

最新推荐文章于 2024-09-19 08:14:41 发布

冷帅醒

最新推荐文章于 2024-09-19 08:14:41 发布

阅读量1.4k

点赞数 1

分类专栏：论文简读

本文链接：https://blog.csdn.net/weixin_44808853/article/details/102456296

版权

3 篇文章 0 订阅

订阅专栏

Enhancing transportation systems via deep learning: A survey

1.框架
各类模型在交通的应用

第一章前言，介绍整体大情况。
第二章各类深度学习的先验知识。
第三章Visual recognition tasks in ITS ，交通标志牌的识别。数据集： GTSRB ，从机器学习到深度学习，准确率99以上。
第四章 Traffic state prediction
1. 交通流量预测（TFP）：数据集：PeMS，cnn+lstm效果最佳。
2. 交通速度预测（TSP）：最新为 ST-GCNN
3. Travel Time Prediction (TTP) ：时空模型与lstm，未发现cnn在此方面的应用。
第五章：其他任务
1. ** Traffic tensor prediction **：rnn解决起讫点之间的交通流量，时空残差网络解决功能区域之间的人群流动，(Spatial–Temporal Neural Network解决旅行时间。交通需求预测（乘客需求优化公交车与出租车调度）：多视图时空网络解决了这个问题，该网络本质上是CNN和LSTM网络的混合模型，cnn+lstm。数据集：滴滴数据。