导读:本文包含了道路交通网络论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:网络,道路,神经网络,道路交通,交通,内涝,通流。
道路交通网络论文文献综述
祁博[1]（2019）在《我市道路交通网络规划设计工作》一文中研究指出本报讯（记者 祁博）10月10日，市长张建慧主持召开专题会议，听取我市道路交通网络规划设计工作情况汇报，强调要科学做好规划编制工作，突出规划的整体性和系统性，为我市道路建设和经济发展发挥好基础作用。市领导倪玉民、王金启参加会议。张建慧指出，经济发(本文来源于《商丘日报》期刊2019-10-11）
[2]（2019）在《交通运输部部长李小鹏主持召开部务会强调：扎实推进综合督查 加强网络平台道路货运经营管理》一文中研究指出2019年8月21日,交通运输部部长李小鹏主持召开部务会,传达学习中央有关会议精神,听取关于2019年交通运输工作综合督查情况汇报,审议《关于扎实推进现代化专业救捞体系建设的意见》、《交通扶贫项目和资金监督管理办法》、《网络平台道路货物运输经营管理暂行办法》等。会议指出,开展交通运输工作综合督查是交通运输部增强"四个意识"、坚定"四个自信"、做到"两个维护",落实习近平总书记关于狠抓落实做好督查工作重要论述精神,力戒形式主义、官僚主义的重要举措。要进一步提高思想认识,按照"不忘初心、牢记使命"主题(本文来源于《交通企业管理》期刊2019年05期）
王小凡,朱永强[3]（2019）在《基于灰色BP神经网络模型的道路交通事故预测》一文中研究指出预防道路交通事故是道路交通安全的重要环节,通过对未来交通事故发生次数的准确预测,能够为交通管理和规划工作提供重要依据.本文以2006年至2016年山东省交通事故发生次数为样本,分别使用灰色GM(1,1)模型和灰色BP神经组合模型进行预测并对比数据,结果表明,灰色BP神经网络模型预测精度更高,预测结果相对误差为4.45%,符合实际情况,证明该模型合理可靠,能为道路安全的管理提供依据.(本文来源于《白城师范学院学报》期刊2019年06期）
王斯健,李志鹏[4]（2019）在《基于深层神经网络的道路交通标志检测识别方法研究》一文中研究指出交通标志在道路交通运行中扮演着不可或缺的角色。随着智能交通的不断发展,道路交通标志的自动检测识别日益受到研究者的关注。在实际交通环境下,由于运动模糊、天气条件、光线干扰及拍摄视角等因素,给图像中交通标志自动识别带来了困难。针对这一问题,该文提出了基于深层神经网络的快速交通标志识别的方法,实现了常见道路交通标志的检测识别,并通过实验进行测试,结果表明,该方法在图像中交通标志的检测率和识别率方面都达到了较好的效果。(本文来源于《科技资讯》期刊2019年17期）
邢雪[5]（2019）在《城市道路交通网络动态特征分析关键技术研究》一文中研究指出随着智慧城市的建设发展,大量交通相关的数据不断产生,逐步从数据维度描述着城市交通的变化。结合先进的分析技术剖析这些交通数据,可以从中获取交通状态趋势和规律模式。由现阶段的发展来看,交通数据的分析技术可有效地提高智能交通系统的服务水平。因此,如何透过交通数据认知和分析城市交通网络动态特征,已经成为现代智能交通领域的重要课题。实际城市道路交通网络的数据由每个路段及交叉口产生的交通检测数据组成,从整体上看,数据信息的变化体现着整个路网各个组成元素间交通状态的相互牵制;从局部上看,数据信息的变化体现着路网组成元素上交通状态的时变规律。每个交通数据都是交通网络信息的基本元素,均具有时间和空间的属性。因此,本文以交通数据模型为出发点,从数据模型中提取不同数据对象进行交通特征层面的技术分析,应用集成学习、复杂网络和深度学习理论解决城市交通网络动态特征分析的关键问题。主要研究内容如下:(1)城市交通网络动态特征分析技术框架本研究的核心是城市道路交通网络,根据检测数据的空间特性确定城市交通网络结构模型。在考虑交通数据时空属性的基础上,提出基于网络结构和时序关系的交通数据张量描述。根据数据模型中提取的不同对象(包括数据元素、纤维和张量)进行交通特征层面的技术分层,包括离散交通数据预处理层、时序交通数据分析层和时空交通数据预测层,从而确定了城市交通网络动态特征分析的技术框架。(2)基于多检测源的离散交通数据预处理离散交通数据预处理层主要针对交通数据张量的元素数据,为实现固定检测器采集数据的预处理,提出了基于优化随机森林的多源检测数据校验方法和基于滤波估计的多源检测数据融合方法。为识别交通检测数据中的离群数据,加强训练集采样中相应样本的感知权重,引入决策树关联机制优化随机森林,实现针对多源检测数据的校验。选取多组实际示范区检测数据进行模型验证,并与同类方法进行对比分析。结合实际交通数据的多源性,利用多检测源数据联合估计的方法获取融合交通数据。采用校验筛查后的实例数据验证融合模型,验证表明预处理方法可为后续时序分析提供可靠的交通数据。(3)基于复杂网络的路段时序交通数据特征分析时序交通数据分析层主要针对交通数据张量提取的纤维数据,为实现交通时序数据的状态特征分析,应用相空间重构方法和可视图方法解析交通流动力学特性的信息空间。通过构建相空间重构的交通流时间序列网络,获取对应网络结构的模块化、平均聚类系数和度分布等结构特征。分析不同参量的实例交通流时间序列网络表明网络的度分布具有高斯分布特征,平均聚类系数具有衰减特征,且结构模块化较高。考虑交通流时间序列具有交通状态差异性,提出分解不同状态下的交通流时间序列构建复杂网络的方法。利用CLARA算法对交通状态进行划分,并采用多参量矩阵迭加的方式获取交通流时间序列的网络邻接矩阵。分析实例交通流时间序列的网络结构在不同状态下的模式,挖掘交通状态变化与时间序列网络结构的可视化关系。(4)基于深度学习的网络时空交通拥堵态势预测时空交通数据预测层主要针对时空交通数据张量,为实现交通网络时空拥堵态势预测,提出基于GRU-CNN的时空交通拥堵状态预测方法。考虑到交通数据的时间属性和空间属性,对交通数据叁阶张量从时间域角度提取管纤维,利用GRU对其进行交通网络的交通流参量预测;然后,从空间结构角度将多源时空交通数据叁阶张量压缩为交通数据图像,利用CNN的图像特征提取技术对其进行拥堵特征提取和识别。选取实际城市交通网络数据进行模型验证,采用实际已分类数据集训练交通流多步预测模型和交通拥堵状态识别模型,验证结果表明模型可有效保证预测的精度,并可利用预测值对网络态势进行有效识别。(本文来源于《吉林大学》期刊2019-06-01）
张意斌[6]（2019）在《城市道路交通网络牵制控制方法研究》一文中研究指出随着经济的发展,机动车已经成为人们日常生活中不可缺少的重要物品,家家户户喜迎汽车的到来,然而汽车销量的飙升虽然带动了经济的发展,但是随着汽车总量的不断扩大,道路上的空间却开始显得不足。为了应对这种道路空间的供需不平衡,许多交通学者在交通管理和控制方面做出了突出贡献,有效的提升了交通效率,然而,随着城市路网的不断扩大,城市道路之间的联系愈加复杂,城市交通问题需要从“面”上给予更多关注。交通网络的耦合关系呈现出了复杂网络的特征,应用复杂网络的理论来研究城市道路交通网络即成为了学者探索的一个方向。在研究交通拥堵中,稳定交通网络的交通状态,抑制交通拥堵的扩散显得极为重要。本文在学习参考现有研究成果的基础上,应用复杂网络牵制控制理论研究了城市道路交通网络的信号控制,主要研究内容和成果如下:首先对复杂网络牵制控制、城市道路网络控制做了比较全面的总结,并对复杂网络牵制控制理论和城市道路网络控制的基本知识、理论模型和算法研究进行了归纳介绍,为本文之后的研究夯实理论基础。其次,选用流量和介数作为灰色关联度的评价指标体系,应用灰色关联度算法将流量和介数关联评价,得到这两者的关联度,将关联度作为下文迭代资源分配的关键参数代入计算,结合城市道路网络和节点属性值,分配节点资源,节点资源分配值最大的为关键节点。建立仿真路网,进行实验验证,结果表明,综合指标体系下的迭代资源分配算法能够有效的找出城市道路交通网络的关键节点。为下文牵制控制策略中控制节点的选取提供理论依据。最后,把城市道路网络路段间的耦合关系抽象为复杂网络,考虑将路段的流量牵制控制在期望平衡值附近,提出了一种以关键交叉口为牵制控制目标的牵制控制策略。即建立以路段为单元建立离散时间耦合网络的状态方程,构造控制器,并探讨控制器与关键交叉口绿灯时间的关系。根据牵制控制稳定性定理,对受控系统的稳定收敛性进行了分析论证,给出了城市道路交通网络牵制控制的稳定性条件。结果表明了满足该稳定条件时,该牵制控制策略即可将城市道路交通网络控制在稳定状态。使用Vissim仿真模拟无控制条件下城市道路交通网络的运行情况,对比牵制控制方法进行分析。分析结果表明,城市道路交通网络的各路段流量在牵制控制策略下更加接近稳定时的期望值。(本文来源于《吉林大学》期刊2019-06-01）
张军良[7]（2019）在《基于深度卷积网络的道路交通场景感知》一文中研究指出自动驾驶作为我国新一代人工智能发展规划的重要部分,也是世界各国大力发展的重要领域。然而当前自动驾驶感知技术在全天况、开放环境中存在泛化能力与精度不足问题,因此构建具有强泛化能力、高精度性能的自动驾驶感知模型具有重要意义。本文基于深度卷积网络理论,结合图像视频数据和激光雷达捕获数据,开展了交通场景中的车道线检测及道路分割研究,具体研究内容如下:研究了一种基于图像数据的道路分割算法。针对图片中道路与背景区域面积不均衡导致算法收敛慢的问题,本文对模型损失函数进行权重优化。针对视觉数据的道路分割中易产生空洞、漏检及边沿误检问题,本文基于空洞卷积残差网络的特征提取模块,引入多级高低层特征融合、空洞金字塔池化,实现模型的特征强化,并在数据输入上扩充图像深度谱,最终建立了一个端到端的道路分割模型。在自建及KITTI数据集上实验证明,其有效提高了模型的收敛速度和精度。研究了一种基于视觉的车道线检测算法。针对车道线狭长特性易导致车道线断裂问题,本文构建基于空洞卷积的特征提取框架,后端融合类马尔科夫随机的空间卷积网络,有效挖掘了远距离像素点的关联特征,最终减小了车道线分类误差。研究了基于LiDAR数据的道路提取算法。针对LiDAR数据缺少道路区域标注问题,本文利用传感器的空间关系,建立了视觉数据标签对点云数据的标注。并针对道路边沿误检问题,设计了一个融合点云法向量及反射强度等多样特征的点云分割网络。实验证明,其有效提高了模型的收敛速度和最终精度。最后,提出了融合两种数据的道路分割网络。在该网络基础上,为充分挖掘信息,进一步引入了视觉和点云特征提取模型,并融合了两种数据特征,建立了端到端道路分割模型。在KITTI数据集上实验证明,融合模型鲁棒性及测试精度高于单数据道路分割算法。(本文来源于《电子科技大学》期刊2019-05-10）
李夙,黄永萍[8]（2019）在《基于慢行交通的长沙市老城区道路交通网络优化》一文中研究指出老城区路网基于慢行交通设置,往往是慢行交通规划的热点,但依据缺乏,优化艰难。本文运用常规交通网络分析、空间句法和路径结构分析,将长沙市老城区与知名慢行交通中心城区进行对比,得出长沙市老城区道路交通网络存在交叉口X形率偏低、空间可达性较差、可识别性较差和路网连接度偏低等问题。基此,对长沙市老城区道路交通网络给出相应的优化建议。(本文来源于《中外建筑》期刊2019年04期）
舒士畅[9]（2019）在《内涝灾害下城市道路交通网络易损性测度模型的研究》一文中研究指出城市道路交通网络的畅通运行是城市健康发展、居民正常生活的重要保障,但日益频繁的内涝灾害对城市道路交通网络造成了严重的影响。如何降低城市道路交通网络的易损性,成为了广大学者研究和讨论的热点。本文结合广大学者对易损性的定义及道路交通网络的特点研究,对内涝灾害下城市道路交通网络的易损性进行了深层次的定义,并选定叁个影响其易损性的核心因素,它们分别为暴露性、重要性、敏感性,基于叁大因素对内涝灾害下城市道路交通网络易损性测度模型进行构建,根据城市中各内涝易发区域道路交通网络的易损性数值,确定它们的不同易损程度并对其成因进行分析。本文将以武汉市为例,首先筛选出武汉市主城区的内涝易发区域,并通过高德地图对内涝灾害易发区域晚高峰期间道路交通状况进行实时观测;其次将对武汉市道路交通网络的暴露性、重要性、敏感性进行定量分析并设置各指标的评价等级标准,再运用层次分析法及物元可拓模型对武汉市内涝易发区域道路交通网络易损程度进行量化;最后针对各内涝灾害易发区域道路交通网络不同的易损程度,结合所处道路交通网络的结构特点、人员密集度、环境特征、交通管制强度等对导致道路交通网络易损的原因进行分析,希望能够推动未来城市道路交通网络的规范化管理。本文通过对内涝灾害下城市道路交通网络易损性测度模型的构建,实现对城市道路交通网络不同易损程度的有效识别,在应对内涝灾害对城市道路交通网络的影响方面为有针对性的采取相应措施提供依据和参考;同时,在有效识别城市道路交通网络易损区域的基础上,对易损区域道路交通网络的特点进行深入研究,对交通规划者确定内涝灾害下道路交通网络易损的主要因素具有借鉴意义,最终为推动前瞻性的城市道路交通规划做出一定的贡献。(本文来源于《东北林业大学》期刊2019-04-01）
狄岚,何锐波,梁久祯[10]（2019）在《基于可能性聚类和卷积神经网络的道路交通标识识别算法》一文中研究指出为解决图像采集中噪声和复杂背景对图片的影响以及深度神经网络的高耗时问题,基于可能性聚类算法与卷积神经网络,提出一种道路交通标识识别算法.该方法运用了图像分割技术,并结合卷积神经网络模型对道路交通标识进行更准确的识别.首先,通过色彩增强、图像分割、特征提取、数据增强和归一化等批量预处理操作,形成一个完整的数据集;然后,结合Squeeze-and-Excitation思想和残差网络结构,充分训练出MRESE(My Residual-Squeeze and Excitation)卷积神经网络模型;最后,将优化的网络模型用于道路交通标志的识别.实验结果表明,该方法使训练时间缩短了5%左右,识别精度可达99.02%.(本文来源于《南京大学学报(自然科学)》期刊2019年02期）
道路交通网络论文开题报告
（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：
2019年8月21日,交通运输部部长李小鹏主持召开部务会,传达学习中央有关会议精神,听取关于2019年交通运输工作综合督查情况汇报,审议《关于扎实推进现代化专业救捞体系建设的意见》、《交通扶贫项目和资金监督管理办法》、《网络平台道路货物运输经营管理暂行办法》等。会议指出,开展交通运输工作综合督查是交通运输部增强"四个意识"、坚定"四个自信"、做到"两个维护",落实习近平总书记关于狠抓落实做好督查工作重要论述精神,力戒形式主义、官僚主义的重要举措。要进一步提高思想认识,按照"不忘初心、牢记使命"主题
（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。
道路交通网络论文参考文献
[1].祁博.我市道路交通网络规划设计工作[N].商丘日报.2019
[2]..交通运输部部长李小鹏主持召开部务会强调：扎实推进综合督查加强网络平台道路货运经营管理[J].交通企业管理.2019
[3].王小凡,朱永强.基于灰色BP神经网络模型的道路交通事故预测[J].白城师范学院学报.2019
[4].王斯健,李志鹏.基于深层神经网络的道路交通标志检测识别方法研究[J].科技资讯.2019
[5].邢雪.城市道路交通网络动态特征分析关键技术研究[D].吉林大学.2019
[6].张意斌.城市道路交通网络牵制控制方法研究[D].吉林大学.2019
[7].张军良.基于深度卷积网络的道路交通场景感知[D].电子科技大学.2019
[8].李夙,黄永萍.基于慢行交通的长沙市老城区道路交通网络优化[J].中外建筑.2019
[9].舒士畅.内涝灾害下城市道路交通网络易损性测度模型的研究[D].东北林业大学.2019
[10].狄岚,何锐波,梁久祯.基于可能性聚类和卷积神经网络的道路交通标识识别算法[J].南京大学学报(自然科学).2019
论文知识图
