CN117371302B 一种数据驱动的交通仿真方法、系统及存储介质 （上海人工智能创新中心）_第1页
CN117371302B 一种数据驱动的交通仿真方法、系统及存储介质 （上海人工智能创新中心）_第2页
CN117371302B 一种数据驱动的交通仿真方法、系统及存储介质 （上海人工智能创新中心）_第3页
CN117371302B 一种数据驱动的交通仿真方法、系统及存储介质 （上海人工智能创新中心）_第4页
CN117371302B 一种数据驱动的交通仿真方法、系统及存储介质 （上海人工智能创新中心）_第5页
已阅读5页，还剩17页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

2定义动态异质图结构，将多源交通数据转换为交通图结构，基于交通图结构，使用动态图学习算法对交通模式进行学习，所述动态图学习算法基于HGT实现，假定节点v的输入特征为历史时刻的节点特征,练过程中学习的参数，用于在将聚合特征向量传递3,4现真实地捕捉交通状态的时空变化性和复杂性成为一项5息利用交互生成模块预测边的生成概率，通过生成边来表示交通参与者之间的互动关系，点聚合信息到目标节点，通过使用多头注意力机制和消息传递机制更新向量io),并基于ool预测目标节点输出：之间的关系；θ是需要在训练过程中学习的参数，用于在将聚合特征向量otol传递到激活函数A_Linearφ(v)并添加在前一层的特征向量H(l_1)[v]之前，对H(l)[v]进行变换；6以提供交通系统多个层次的拓扑结构，从而使交通规划者能够更好地了解整个交通系统，7前车流量为20辆/分钟的沥青车道。这些特征提供了关于该车道物理属性和当前使用状况8确定，包括车道与道路的关系(lane_phy/to_road)、车辆与其所在车道的关系(veh_phy/与交通信号控制器之间的关系(veh_phy/to_tlc)、交通信号控制器与车道之间的关系(tlc_phy/to_lane)以及车辆之间的前后关系(veh_phy/behind_veh和veh_phy/ahead_[0064]图2展示了分层交通图结构的拓扑结构，包括从车辆级别呈现单个车辆的动态特的模式和关联，实现了对交通系统演变的预测。这种方法的关键在于引入了动态交通图9[0071]为了模拟复杂的交通行为和关系，本实施例使用HeterogeneousGraph头注意力机制和消息传递机制更新向量并基于预测目标活函数A_Linearφ(v)并添加在前一层的特征向量H(l_1)[v]之前，对H(l)[v]进行变换；[0087](4)智能交通系统开发：智能交通系统需要快速地响应不同的交通场景和抽象级生成更加真实的交通模式，帮助决策者更准确地制定交通政策和做出决策。此外，TransWorldNG还可以应用到包括出行服务和自动驾驶汽车等新算机软件产品存储在一个存储介质中，

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论