导读:本文包含了交通模式识别论文开题报告文献综述及选题提纲参考文献，主要关键词:城市交通,轻量级梯度提升机,GPS轨迹,特征提取
交通模式识别论文文献综述
王璞,刘洋,黄智仁[1]（2019）在《一种轻量级梯度提升机的交通模式识别》一文中研究指出为研究居民出行轨迹的不同交通方式,基于已知出行交通方式的GPS轨迹信息,构建基于轻量级梯度提升机(LightGBM)的分类模型,对居民出行GPS轨迹进行交通方式分类.首先提取轨迹的各种基础特征,并进一步结合公交网络地理信息引入Fréchet距离进行特征提取,之后对特征进行归一化处理并基于决策树模型对特征进行筛选,最后对筛选后的特征进行模型训练与预测,并通过五折交叉验证方式获取了稳定的预测结果.结果表明:公交网络地理特征能够对模型预测精度进行有效提高,提出的GPS轨迹交通方式识别方法可达90%左右的精确度,优于各种机器学习分类模型.(本文来源于《哈尔滨工业大学学报》期刊2019年09期）
[2]（2019）在《刘康博士团队在城市道路交通交互模式识别方法取得进展》一文中研究指出中国科学院深圳先进技术研究院高性能计算技术研究中心博士后刘康与中国科学院地理科学与资源研究所陆锋研究员团队、美国威斯康辛-麦迪逊大学高松助理教授合作的研究在城市道路交通交互模式识别方法取得进展。相应成果为"Liu K,Gao S,Lu F.Identifying spatial interaction patterns of vehicle movements on urban road networks by topic modelling[J],Computers,Environment and Urban Systems,2019,74:50-61(基于主题模型的城市道路交通空间交互模式(本文来源于《集成技术》期刊2019年05期）
汪旭东,孙伟翔,许孝卓,封海潮[3]（2019）在《直驱多轿厢电梯群控系统的客流交通模式识别》一文中研究指出在直驱多轿厢电梯运行中,乘客客流交通模式是影响电梯系统运行性能的一个重要因素。为了提高系统的服务标准,制定合理的群控调度策略,实现系统的优化调度,设计了基于目的层预约的直驱多轿厢电梯群控系统。在乘客客流交通信息提前预知的情况下,利用模糊逻辑控制,通过建立隶属度函数、模糊规则等步骤对多轿厢电梯系统的客流交通模式进行识别。最后,通过应用实例将模糊控制与BP神经网络算法进行对比,结果表明,在试验样本有限的条件下,基于目的层预约的直驱多轿厢电梯群控系统中采用模糊逻辑控制可以更加方便、准确地识别不同的客流交通类型,这为系统进一步的优化调度奠定了基础。(本文来源于《河南理工大学学报(自然科学版)》期刊2019年01期）
熊苏生[4]（2018）在《基于改进LightGBM的交通模式识别算法》一文中研究指出针对交通模式识别中非步行交通模式识别精度低的问题,提出一种改进后的Light GBM算法结合移动端的交通模式分类方法。该方法首先对数据集进行了滤波处理,选取了叁轴加速度计、陀螺仪和磁力计这3种传感器数据的时域和频域特征作为模式识别特征量,然后通过采用Filter相关性度量CFS算法对特征进行打分排序,选择最优特征集,最后识别过程采用分层识别算法和基于居民出行规则与一阶隐马尔科夫链改进的K-lightGBM识别算法对交通模式进行识别,同时采用部分传统算法进行对比实验。实验结果表明,该方法不仅能识别多种交通模式,而且对居民的交通模式识别的平均准确率较高,达到了94%。(本文来源于《计算机与现代化》期刊2018年10期）
王昊,刘高军,段建勇,薛媛媛,冯卓楠[5]（2019）在《基于特征自学习的交通模式识别研究》一文中研究指出针对目前交通模式识别以人工设计特征为主,特征设计主观性强、区分度不高的问题,本文依据深度学习理论,建立了基于卷积神经网络的特征自动学习模型。该模型利用卷积神经网络自动学习深度特征,然后与人工特征共同用于交通模式识别。模型基于微软Geo Life数据,针对不同特征组合与分类方法设计实验,实验结果表明模型能学习到高区分度深度特征、有效提高交通模式识别准确率。(本文来源于《哈尔滨工程大学学报》期刊2019年02期）
秦艳君[6]（2018）在《基于多源传感器交通模式识别》一文中研究指出近年来,情景识别是研究热点。识别用户出行模式在情境识别中有重要应用。目前大多数交通模式识别系统大都采用GPS(Global Positioning System,全球定位系统)、GIS(Geographic Information System,地理信息系统)、加速度传感器、或者两辆融合的方式实现。但是这些方法存在精度低、功耗高和鲁棒性差等问题。针对这些问题,本文提出基于贝叶斯投票分传感器和基于深度学习的方法,对机动车辆等交通工具的模式识别问题进行了研究,主要工作如下:第一,利用目前智能手机上搭载的各种传感器获取原始数据集。为了更好地提取原始数据集中交通模式识别相关的特征集,本文采用预处理的方式进行处理。针对不同传感器类型,分别从统计、时域、频域等方面提取、挖掘和分析特征。第二,为了满足目前的低功耗、设备异构性强的需求,本文提出了一种基于贝叶斯投票分传感器算法。该算法创新地使用了分传感器的方式,利用手机上搭载的低功耗传感器(加速度传感器、陀螺仪、地磁、基站和气压传感器)采集数据,提取相关特征,使用Adaboost分类器对不同传感器提取的特征分别进行分类,从而识别不同的交通工具。由于各个分类器存在误判的情况,在决策层采用了贝叶斯投票的方式,为不同的传感器设置不同的权重,根据投票结果得到最终的判定结果。仿真实验结果表明,所提出的算法显着地提高了识别准确率,准确率为91.5%以上。第叁,为实现高精度交通模式识别的需求,本文提出了一种基于深度学习的交通模式识别算法。深度学习在现在模式识别领域的应用非常广泛,特别是在图像处理方面。然而,在处理非图像数据方面却应用的很少。针对这种情况,本文创新地使用深度学习算法处理传感器的非图像类数据。基于目前比较成熟的Keras架构,分别为不同的传感器设计了不同的网络结构,这样就可以有效的实现不同传感器的识别功能,并采用投票的方式获得最终的判定结果。仿真结果显示,该方法具有较高的识别精度,准确率为94.18%以上。(本文来源于《中北大学》期刊2018-04-11）
杨祯山,岳文姣[7]（2018）在《基于FCM聚类模糊神经网络的电梯交通模式识别》一文中研究指出电梯交通模式识别是有效实施电梯群控策略的前提。针对电梯交通的时变、非线性及不确定性的特点,提出一种基于FCM(Fuzzy C-means)聚类模糊神经网络的电梯交通模式识别方法。该方法将模糊逻辑技术用于神经网络计算和学习,通过FCM对原始交通需求的聚类,实现输入空间的模糊划分,确定网络隶属函数的参数初始值及聚类中心并获取模糊规则,提高神经网络学习能力,使隶属函数加权系数根据不同的交通模式改变。利用神经网络完成并行模糊推理,实现电梯交通模式的识别。仿真试验表明了该方法的有效性。(本文来源于《系统仿真学报》期刊2018年04期）
赵悦[8]（2017）在《多轿厢群控电梯交通模式识别与调度》一文中研究指出随着建筑高层化和智能化的发展,多轿厢电梯已成为垂直交通领域研究的前沿问题。多轿厢电梯通过在各个电梯井道内安装多个电梯轿厢,改进了传统电梯的不足,提高了电梯的运行效率,并在一定程度上减少了建筑成本及电梯能耗。本文针对多轿厢电梯控制系统的调度问题,分析了垂直交通领域中各类多轿厢电梯的调度策略、控制算法,提出了基于核主成分分析与支持向量机的混合核交通流数据识别算法,以及一种机器视觉与动态分区结合的多轿厢电梯调度方法。本论文的主要研究内容如下:(1)分析国内外多轿厢电梯的发展趋势及需要解决的问题,提出了基于混合核的交通流数据识别和基于机器视觉和区域限制的多轿厢电梯调度方法的研究方案。(2)探讨了多轿厢电梯系统与传统电梯系统组成的区别,叙述了双轿厢电梯系统、循环式多轿厢电梯系统、单井道多轿厢电梯系统、分支循环式多轿厢电梯系统和立体循环式多轿厢电梯系统的特点。(3)研究了多轿厢电梯系统六种交通模式的特点,即空闲交通模式、上行高峰交通模式、下行高峰交通模式、四路层间交通模式、两路层间交通模式和随机层间交通模式各自交通模式的客流特点,并分析了多轿厢电梯系统的特性及各个性能指标。(4)分析了多目标优化数学模型,确定了乘客平均候梯时间、平均乘梯时间、电梯能源消耗及轿厢内乘客拥挤度为优化指标,利用加权法对四个指标进行加权,并建立多轿厢电梯控制系统的综合评价函数。(5)以实际电梯的交通流数据为例,运用KPCA对数据进行预处理,通过预处理分析可将多轿厢电梯系统六种交通模式中的四路层间交通模式忽略,将处理后的交通流数据输入所训练的SVM模型进行交通模式辨别。为了证明算法的可行性,以单井道多轿厢电梯为对象,分别在算法数据处理、可行性和通用性方面对所提方法进行了验证,实验结果表明所提方法具有较高的识别准确率。(6)针对多轿厢电梯调度问题,提出了基于FastR-CNN的动态分区法,运用Fast R-CNN模型检测厅前和轿厢内人数,根据检测结果和各轿厢的运载效率进行合理派梯,并根据派梯结果重新划分轿厢的运行区域,实现合理调度。通过实验仿真,验证了该方法的有效性,可以提高多轿厢电梯的运行效率和灵活性。(本文来源于《沈阳建筑大学》期刊2017-11-01）
李少雄[9]（2017）在《面向智能终端的交通模式识别技术研究与实现》一文中研究指出近年来,随着智能终端的高度普及以及移动互联网的快速发展,基于智能终端的情景感知已成为移动技术领域的研究热点,移动应用向以人为中心的情景感知应用发展已成必然趋势。利用智能终端内嵌的传感设备,可感知用户的实时位置和姿态。在众多基于智能终端的情景感知研究中,对于用户交通方式的识别是核心研究之一。交通模式的识别对于城市交通规划、绿色出行的推广以及个性化推送服务都有很大的意义。当前交通模式的识别所使用的技术一般基于GPS、加速度传感器、GSM或者WiFi,但现存方法普遍存在的问题是能耗过大、适应性和稳定性不足,或者由于分类的特征不够全面而导致的准确率较低。另外,交通方式的识别种类的数量也是现存方法面临的一个挑战。尤其是对机动车的区分,由于机动车行驶过程中路况的不确定性、司机驾驶习惯的差异性等等导致对机动车之间的区分难以得到理想的效果。本论文使用智能手机内置的加速度传感器、气压传感器、陀螺仪以及磁传感器,通过细粒度地分析传感数据,提取出能够全面体现不同交通方式之间差异性的特征。之后分别使用KNN算法构建步行分类器、使用AdaBoost算法构建静止分类器、使用随机森林算法构建机动车分类器、铁轨机动车分类器和非铁轨机动车分类器,并由五种子分类器组合为最终的层次分类器,进而完成用户交通方式的识别。实验结果表明,该方法得到的精确度相比当前主流的基于GPS的识别方法占据一定的优势,而且相比GPS的识别方法,该方法能够避免相对过大的功耗,因而能够更好的服务于现实的应用之中。此外,通过对车辆行驶过程中加减速行为、停车行为、以及拐弯行为的观测,提取出更多有效的特征属性。相比现存的基于传感设备的方法,该方法显着提高了对机动车类别识别的精确度,解决了交通方式识别中一个非常有挑战性的难题。(本文来源于《北京邮电大学》期刊2017-03-15）
丛玮[10]（2016）在《空中交通多尺度行为模式识别方法研究》一文中研究指出随着航空运输业的飞速发展,空管系统运行任务日益繁重,交通运行模式日益复杂,人员保障压力日益增大。如何满足发展需求,提升空管系统运行效能已经成为当前业内的热点问题。虽然国际民航组织等机构已经明确地提出了改善效能的规划目标和措施,但对空管系统内多样化的行为特征尚未开展体系化的研究,缺乏统一认识。为了清楚辨识空管系统并客观判定系统运行的瓶颈问题,有必要首先对反映空中交通系统本质状态的多重行为进行全面剖析,科学挖掘各类行为的分布模式和演变规律,有助于针对当前不足准确地制定规划方案,全面提升系统运行效能。本文在借鉴国外先进研究成果的基础上,立足于空中交通系统中涌现出的多尺度行为,从机场交通行为、扇区交通行为、管制员行为、交通行为和管制员行为的关联四大视角着手,分别建立了不同行为的识别方法,主要研究内容和成果如下:(1)从内在属性和关联特征两种视角,探索了机场交通行为的多重特性。首先利用混沌特性分析方法对161个机场交通行为的特性进行了解析,发现了48个主要繁忙机场的流量、进场流量、离场流量、延误架次、进场延误架次和离场延误架次等6种交通行为均具有混沌特性,对于所有机场,出现混沌现象最多的是流量交通行为。然后针对机场交通行为(流量和延误架次)之间的关联特征展开了具体分析,通过谱聚类方法将交通行为关联性较高的机场划为一类,借鉴自组织理论从时空维度对比剖析了聚类结果中各类机场交通行为关联性的分布特征。分析结果表明各类机场几乎都具备自组织临界特征,而所有机场构成的交通行为关联网络也存在自组织临界特性。(2)基于多维指标体系,识别了扇区交通行为的内在属性和分布模式。建立了量化反映扇区交通行为的指标体系,指标体系包含密度类、动态类和冲突类叁类,用于解释不同维度的空中交通状态。利用混沌特性分析方法对扇区交通行为进行了检测,发现所有扇区样本的航空器数量、平均管制里程、平均管制时间、平均速度、水平最小间隔、垂直最小间隔等6个基础交通行为均存在混沌特性,这与机场交通行为的结论相似,说明两类交通行为均具有混沌属性。构建了两种扇区交通行为聚类分析方法:1、利用主成分分析法实现了对同类指标表达内涵的精炼,分别用密度类、动态类和冲突类叁类指标的主成分对15个扇区样本的交通行为进行了聚类分析;2、统计不同指标的时间序列,针对时间序列的高维属性,构建了基于DTW的K-medoids聚类算法,识别了15个扇区样本在各个具体交通行为下多样化的分布模式。实例分析表明,基于主成分的聚类方法可以较好地识别多个扇区样本在某一类交通指标综合内涵下的分布模式,而基于时间序列的聚类方法可以识别多个扇区在单个交通特征下的分布模式,最终为交通行为多样化分析需求提供有效手段和依据。(3)基于通信行为和眼动行为,挖掘了管制员的行为规律。在通信行为方面,利用去趋势波动分析法检验通信行为的长程相关性,采用最大似然估计法,评估管制员通信行为间隔时间的分布模型。利用历史数据分析可知,通信间隔时间在整体(地区)和个体层面均存在长程相关性,扇区类型对相关性没有明显影响;通信间隔时间符合幂律分布特征,扇区类型对分布特征没有影响。在眼动行为方面,以扫视行为和注视行为作为分析对象,选取不同级别管制员参与仿真实验,利用统计方法对比兴趣区域数量、注视持续时间和扫视速度的变化规律;评估眼动指标的分布模型。分析结果表明,基于注视行为可以将管制员分为叁类:二级管制员、叁—五级管制员和见习管制员;基于扫视行为,可以将管制员分为两类:有执照管制员和见习管制员。注视持续时间和扫视速度符合幂律分布特征。经验丰富的管制员视觉信息检索效率更高,注意力分配更合理。(4)采用相关性分析方法,研究了交通行为和管制员行为的关联特征。在交通行为和管制员行为的研究基础上,分别选取定量表征两大类行为的指标,建立“眼动—交通”和“通信—交通”指标组合,首先选择皮尔森相关系数和斯皮尔曼相关系数,定量分析指标组合线性相关性和单调相关性的分布规律;然后使用转移熵分析方法,以“眼动—交通”组合为例,分析了两种行为的信息交互模式。仿真数据分析结果表明,眼动行为与交通行为主要呈单调相关(包含线性相关),与眼动行为相关频率较高的是动态类、密度类指标,通信行为与交通行为(具体体现为密度类指标)主要呈线性相关;眼动行为与交通行为存在双向信息传递,但眼动行为向交通行为传递信息的指标组合更多,整体转移信息更大;管制员个体或管制级别对相关系数或转移熵分布没有显着影响。最后,总结了本论文的主要研究成果,并对后续研究方向进行展望。(本文来源于《南京航空航天大学》期刊2016-12-01）
交通模式识别论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
中国科学院深圳先进技术研究院高性能计算技术研究中心博士后刘康与中国科学院地理科学与资源研究所陆锋研究员团队、美国威斯康辛-麦迪逊大学高松助理教授合作的研究在城市道路交通交互模式识别方法取得进展。相应成果为"Liu K,Gao S,Lu F.Identifying spatial interaction patterns of vehicle movements on urban road networks by topic modelling[J],Computers,Environment and Urban Systems,2019,74:50-61(基于主题模型的城市道路交通空间交互模式
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
交通模式识别论文参考文献
[1].王璞,刘洋,黄智仁.一种轻量级梯度提升机的交通模式识别[J].哈尔滨工业大学学报.2019
[2]..刘康博士团队在城市道路交通交互模式识别方法取得进展[J].集成技术.2019
[3].汪旭东,孙伟翔,许孝卓,封海潮.直驱多轿厢电梯群控系统的客流交通模式识别[J].河南理工大学学报(自然科学版).2019
[4].熊苏生.基于改进LightGBM的交通模式识别算法[J].计算机与现代化.2018
[5].王昊,刘高军,段建勇,薛媛媛,冯卓楠.基于特征自学习的交通模式识别研究[J].哈尔滨工程大学学报.2019
[6].秦艳君.基于多源传感器交通模式识别[D].中北大学.2018
[7].杨祯山,岳文姣.基于FCM聚类模糊神经网络的电梯交通模式识别[J].系统仿真学报.2018
[8].赵悦.多轿厢群控电梯交通模式识别与调度[D].沈阳建筑大学.2017
[9].李少雄.面向智能终端的交通模式识别技术研究与实现[D].北京邮电大学.2017
[10].丛玮.空中交通多尺度行为模式识别方法研究[D].南京航空航天大学.2016