基于深度学习的智能交通管理模式研究

发布时间：2024-12-29 23:48

　　情报分析是以目标为驱动,通过情报技术手段获得信息和知识的过程,是情报工作的重要组成部分。随着互联网的发展,数据资源不断丰富,传统的情报分析方法已不能对多源、多维度、大体量数据的潜在价值充分挖掘与利用,随着人工智能的发展,以深度学习与大数据为基础的情报分析方法越来越广泛,深度学习与大数据技术在信息采集、存贮、分析乃至决策为情报服务工作提供全流程技术支持。本文以交通流预测为例,通过交通流预测说明深度学习技术在情报分析工作中发挥的重要作用。为减缓城市交通拥堵现状,建立高效、科学、准确的交通流预测系统,本文提出LSTM-GCN交通流预测模型,将长短时记忆网络(Long Short term memory,LSTM)与图卷积神经网络(Graph Convolutional Network,GCN)相结合获取交通流时空特征信息,其中LSTM网络用于获取历史交通流数据的时序特征,获得的特征作为GCN网络的节点特征,道路路网结构的非欧几里得图数据的特征作为图卷积神经网络的边的特征,二者结合输入图卷积神经网络预测交通流;然后,对交通流原始数据及图结构原始数据进行预处理,将处理后的非结构化数据输入模型中学习...

【文章页数】：75 页

【学位级别】：硕士

【部分图文】：

图2.1“情报周期”模型图

2相关理论概述112相关理论概述2.1情报分析概述2.1.1情报分析概念情报分析是情报工作中的重要组成部分，情报分析是以目标为驱动，通过情报技术手段对数据进行分析从而获得新的信息和知识，再对获得的知识进行归纳、关联、演绎、推理、集成的一系列操作后，形成新的、更有价值的情报产品的过....

图2.2“情报流程”结构图

重庆大学硕士学位论文12期”的六个阶段。处于情报核心的仍旧是用户任务与目标，“情报流程”六个阶段如图2.2。图2.2“情报流程”结构图Fig.2.2Structurediagramof"intelligenceprocess"2.1.3情报分析方法情报分析方法是实现情报服务与应用....

图2.3卷积神经网络基本结构

2相关理论概述17接。卷积神经网络的相邻层之间采取的是部分连接的方式，局部感知特征数据，权值共享网络结构降低了网络模型的复杂，减少了参数的数量。神经网络基本结构如图2.3所示：图2.3卷积神经网络基本结构Fig.2.3Basicstructureofconvolutionalne....

图2.4卷积层的具体操作Fig.2.4Thespecificoperationoftheconvolutionlayer

2相关理论概述17接。卷积神经网络的相邻层之间采取的是部分连接的方式，局部感知特征数据，权值共享网络结构降低了网络模型的复杂，减少了参数的数量。神经网络基本结构如图2.3所示：图2.3卷积神经网络基本结构Fig.2.3Basicstructureofconvolutionalne....

本文编号：4021468