本书主要介绍智能交通产业技术中的信息感知与数据分析理论及方法。在智能交通系统的建设中,信息感知是数据分析的前驱,数据分析的结果能帮助决策部门实时、高效地分析、估计和预测未来的交通动态。作者在整合团队研究人员近几年的研究工作后,撰写了本书。全书共分为七章,包括绪论、交通信息智能感知与数据融合方法、智能交通云服务与元数据交换技术、基于贝叶斯模型和时空相关性的交通流预测、基于深度学习的交通流预测、交通安全预测模型、多模式交通出行行为与排放分析。
样章试读
目录
- 目录
第1章 绪论 1
1.1 概述 1
1.2 信息感知与融合研究现状 3
1.3 交通预测研究现状 4
1.4 本书的主要工作 5
参考文献 9
第2章 交通信息智能感知与数据融合方法 12
2.1 基于单轴地磁传感器的车辆参数检测算法研究 12
2.2 基于BCM和马尔可夫模型的速度数据融合方法 24
参考文献 42
第3章 智能交通云服务与元数据交换技术 45
3.1 交通云服务架构 45
3.2 交通大数据元数据交换架构 59
参考文献 66
第4章 基于贝叶斯模型和时空相关性的交通流预测 68
4.1 基于贝叶斯多模型组合方法的轮渡码头车辆交通延误预测 68
4.2 基于时空相关性的短时交通流预测模型 86
参考文献 97
第5章 基于深度学习的交通流预测 100
5.1 基于时空分析和CNN的交通流量短时预测方法 100
5.2 混合时间序列分解分析和LSTM神经网络的短期交通流量预测 113
参考文献 121
第6章 交通安全预测模型 124
6.1 基于组合模型的交通事故严重程度预测方法 124
6.2 基于深度集成模型的事故预警方法 135
参考文献 145
第7章 多模式交通出行行为与排放分析 147
7.1 一种多模式交通环境下的排放和旅客行为分析 147
7.2 基于Car2Go共享运营数据的出行行为分析 169
参考文献 178
后记 182