公开(公告)号：CN116153069B

公开(公告)日：2024-01-30

申请号：CN202310091773.4

申请日：2023-02-09

Applicant: 东南大学

Inventor： 丁璠 ,  李金羽 ,  谭华春 ,  彭剑坤 ,  韩雨 ,  杨阳

IPC: G08G1/01 ,  G06N3/0499 ,  G06N3/084 ,  G06F17/18

Abstract: 本发明公开了一种交通流模型与数据融合驱动的交通状态估计方法及装置，该方法包括：获取高速公路研究区域内观测点处的交通状态数据，并进行预处理；构建基于数据特征进行交通状态估计的深度神经网络模型；构建神经网络编码宏观交通流守恒模型，将深度神经网络模型与其级联，进行联合训练；基于训练完成的深度神经网络模型，完成交通状态估计。将数据优势和模型优势结合起来，将宏观交通流模型作为数据驱动模型的正则约束，优化其梯度下降过程，并最终执行细粒度速度估计。

公开(公告)号：CN116153069A

公开(公告)日：2023-05-23

申请号：CN202310091773.4

申请日：2023-02-09

Applicant: 东南大学

Inventor： 李金羽 ,  丁璠 ,  谭华春 ,  彭剑坤 ,  韩雨 ,  杨阳

IPC: G08G1/01 ,  G06N3/0499 ,  G06N3/084 ,  G06F17/18

Abstract: 本发明公开了一种交通流模型与数据融合驱动的交通状态估计方法及装置，该方法包括：获取高速公路研究区域内观测点处的交通状态数据，并进行预处理；构建基于数据特征进行交通状态估计的深度神经网络模型；构建神经网络编码宏观交通流守恒模型，将深度神经网络模型与其级联，进行联合训练；基于训练完成的深度神经网络模型，完成交通状态估计。将数据优势和模型优势结合起来，将宏观交通流模型作为数据驱动模型的正则约束，优化其梯度下降过程，并最终执行细粒度速度估计。