面向CIM和动态交通分析的多源异构数据融合技术研究

• 全文链接
• 请求原文

作   者：

王志成;  张玉一;  巴天星;  常燕燕; 

作者机构：

沈阳市规划设计研究院有限公司; 

关键词：

长短时记忆神经网络;  深度卷积神经网络;  多源数据;  CIM系统;  残差网络;  动态交通分析; 

期刊名称：

电子设计工程

i s s n：

1674-6236

年卷期：

2024 年 32 卷 008 期

页   码：

68-72

摘   要：

针对当前智慧交通系统仅能对少量指标进行分析的问题,文中基于CIM三维实时交通数据以及多源数据系统提出了一种动态城市交通分析算法.该算法由多尺度DCNN和Bi-LSTM模型组成,其中多尺度DCNN模型可以对CIM三维交通数据进行训练,从而获得实时的交通特征信息.同时由于加入了残差网络,使得模型具有更好的全局视野特征.通过Bi-LSTM对与交通相关的多源数据进行训练,以得到数据的时序特征,由Softmax网络对多源数据特征实现融合并获得最终结果.实验测试结果表明,所提算法的图像识别性能与多源数据分类性能在对比算法中均为最优,且识别准确率可达87%,证明其具备良好的实时交通状态识别能力.