成果介绍
本发明搭建内嵌时空注意力模块的编解码神经网络,通过网络强大的自学习能力完成未来车道运行情况的预测。
成果亮点
基于时空注意力机制的地面道路车道级交通流预测方法,预处理原始交通流数据;制定车道选取策略;进行速度处理及空间编码器网络自学习;通过张量融合并进行时间解码器网络自学习获取最终预测结果。本发明通过编解码结构的时空注意力机制网络,捕获交通流深层次特征,并以并行方式高效解决长距离依赖问题。同时特定的地面车道选取策略,并经灰色关联分析法验证。能取得精细化车道级交通流预测结果,更好地服务交通管理。
团队介绍
浙江工业大学是东部沿海地区第一所省部共建高校、首批国家“高等学校创新能力提升计划”(2011计划)协同创新中心牵头高校和浙江省首批重点建设高校,坐落于中国历史文化名城、风景旅游胜地杭州。学校坚持立德树人根本任务,以拔尖创新人才为引领、高级应用型人才为主体、复合型人才为特色,大力培养德智体美劳全面发展,富有家国情怀、国际视野、创新精神和实践能力的行业精英和领军人才。
成果资料
产业化落地方案