基于区块多源时空数据的道路网密度预测模型

被引：3

作者：

黄士琛

邵春福

王晟由

机构：

[1] 北京交通大学交通运输学院

来源：

北京交通大学学报 | 2021年 / 45卷 / 05期

关键词：

智能交通; 道路网密度预测; 深度学习; 用地覆盖; 多源数据融合;

D O I：

暂无

中图分类号：

U495 [电子计算机在公路运输和公路工程中的应用];

学科分类号：

0838 ;

摘要：

城市化进程与人口增速的不协调导致了城市蔓延现象,为科学合理地统筹引导道路建设,缓解城市蔓延引发的交通拥堵和环境污染,需要对建成区的道路网指标进行精细化管理.以道路网密度为例,考虑道路建设进度和政策实施惯性,构建基于深度学习的区块化时空数据预测模型BiConvlstm2DNet,与之对应地构造基于区块的多源数据融合流程,并以某市为例进行实验.将该市时序的土地覆盖、人口和道路网拓扑结构融合为时空多源数据集,而后在数据集上将本模型同其他经典预测模型进行参数标定和对比.研究结果表明,BiConvlstm2DNet在该数据集上得到的准确率为91.5%,较支持向量回归和随机森林回归等模型的准确率平均提升了8.0%,是一种分区块预测建成区道路网指标的可靠模型.

引用

页码：93 / 100

页数：8

共 9 条

[1] 基于卷积神经网络的机票低价预测
林友芳
蒋鹏
郭晟楠
武志昊
[J]. 北京交通大学学报, 2019, (05) : 1 - 9
[2] 基于时空LSTM的OD客运需求预测
林友芳
尹康
党毅
郭晟楠
万怀宇
[J]. 北京交通大学学报, 2019, (01) : 114 - 121
[3] 基于深度时空卷积网络的民航需求预测
林友芳
康友隐
万怀宇
吴丽娜
张宇翔
[J]. 北京交通大学学报, 2018, 42 (02) : 1 - 8
[4] Traffic Signal Timing via Deep Reinforcement Learning[J]. Li Li,Yisheng Lv,Fei-Yue Wang.IEEE/CAA Journal of Automatica Sinica. 2016(03)
[5] Dynamic monitoring of land-use/land-cover change and urban expansion in Shenzhen using Landsat imagery from 1988 to 2015[J] . Dou,Chen.International Journal of Remote Sensing . 2017 (19)
[6] Batch Normalization: Accelerating Deep Network Training by Reducing Internal Covariate Shift[J] . Sergey Ioffe,Christian Szegedy.CoRR . 2015
[7] OpenStreetMap: User-Generated Street Maps[J] . Mordechai (Muki) Haklay,Patrick Weber.IEEE Pervasive Computing . 2008 (4)
[8] Urban growth pattern modeling: a case study of Wuhan city, PR China[J] . Jianquan Cheng,Ian Masser.Landscape and Urban Planning . 2003 (4)
[9] Bidirectional convolutional LSTM for the detection of violence in videos .2 HANSON A,PNVR K,KRISHNAGOPAL S,et al. Proceedings of the European Conference on Computer Vision . 2018

← 1 →