期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到81篇文章
< 1 2 … 5 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
应用STGCN时空建模的地震波阻抗反演方法
1
作者 王泽峰 赵海波 +3 位作者 杨懋新 王团 许辉群 毛伟建 《石油地球物理勘探》 北大核心 2025年第1期43-53,共11页
现今,深度学习地震波阻抗反演方法通常是通过低维度的时序建模,忽略了空间构造拓扑结构信息,导致反演精度较低。针对此问题,提出了一种基于STGCN(时空图卷积神经网络)时空建模的地震波阻抗反演方法。该方法考虑到地震数据的空间构造拓... 现今,深度学习地震波阻抗反演方法通常是通过低维度的时序建模,忽略了空间构造拓扑结构信息,导致反演精度较低。针对此问题,提出了一种基于STGCN(时空图卷积神经网络)时空建模的地震波阻抗反演方法。该方法考虑到地震数据的空间构造拓扑结构及互相关性,使用马氏距离对地震数据进行空间邻近度的加权处理建立邻接矩阵;进一步通过切比雪夫多项式扩大空间感受野的同时减少参数量,高效地提取地震数据的空间构造特征,同时利用门控循环单元捕获其时序相关性;最后构建时空图卷积单元实现基于STGCN的地震数据与波阻抗在时间和空间两个维度的映射。模型测试及实际资料反演结果表明,该方法在提高反演精度的同时对噪声具有一定的适应性,并可以很好的体现地层的横向变化。 展开更多
关键词 地震波阻抗反演 深度学习 时空建模 时空图卷积神经网络
在线阅读 下载PDF
基于改进STGCN与N-BEATS的风功率超短期预测
2
作者 程旭初 刘景霞 康荣凯 《现代电子技术》 北大核心 2025年第8期115-121,共7页
精准的风功率预测对电网调度具有重大意义,针对现有预测方法中数据特征提取不充分、输入序列过长时产生梯度消失和预测精度低的问题,提出一种基于改进时空图卷积(STGCN)与神经基扩展分析(N-BEATS)模型的组合预测模型,该方法通过充分提... 精准的风功率预测对电网调度具有重大意义,针对现有预测方法中数据特征提取不充分、输入序列过长时产生梯度消失和预测精度低的问题,提出一种基于改进时空图卷积(STGCN)与神经基扩展分析(N-BEATS)模型的组合预测模型,该方法通过充分提取数据时空特征来提高预测精度。首先,利用STGCN对多元输入序列进行深度特征提取,充分挖掘风机SCADA数据中的时空潜在关系;同时,为了进一步提高预测精度,通过构建序列分解模块与多分辨率卷积对STGCN模型进行改进,使其能够更好地适应风电数据的复杂特性;然后,神经基扩展分析(N-BEATS)新型神经网络对STGCN提取的时空信息数据进行时序关系分析,得到最终预测结果;最后,以内蒙古某风场SCADA数据为例,通过多模型对比实验与自身消融实验验证了所提组合模型策略的有效性以及对STGCN的改进效果。实验结果表明,所设计模型在预测精度上取得了显著的提升,为风电功率预测领域的研究提供了新的思路和方法。 展开更多
关键词 超短期风功率预测 时空图卷积 神经基扩展分析 序列分解 深度特征提取 图卷积网络
在线阅读 下载PDF
一种改进STGCN的深地时空域地震子波提取方法
3
作者 戴永寿 孙家钊 +3 位作者 李泓浩 颜廷尚 孙伟峰 左琳 《石油物探》 CSCD 北大核心 2024年第6期1111-1125,1137,共16页
地震子波的准确提取可有效提高全波形反演和偏移成像等方法的准确性,对储层预测和油气分析具有重要意义。由于深层能量衰减和复杂地质构造,地震子波不仅具有时变特性,同时也具有不可忽略的空变特性。而传统时变子波提取方法仅通过单道... 地震子波的准确提取可有效提高全波形反演和偏移成像等方法的准确性,对储层预测和油气分析具有重要意义。由于深层能量衰减和复杂地质构造,地震子波不仅具有时变特性,同时也具有不可忽略的空变特性。而传统时变子波提取方法仅通过单道地震记录提取时变子波,忽略了多道地震记录之间子波的空间变化。同时,传统时空域子波提取方法,如经验模态分解(EMD)方法,对测井资料等先验信息依赖程度较高,实际应用范围受限。深度学习为时空域子波提取提供了新的思路,针对以上问题,提出了一种改进时空图卷积神经网络(STGCN)的时空域子波提取方法。首先,根据目标区地震数据分布特征与非平稳性质,建立以非平稳地震剖面为输入,时空域子波为标签的合成训练数据,再利用传统EMD时变子波提取方法逐道提取目标区子波,有针对性地构建以目标区地震剖面为输入,目标区时空域子波为标签的实际训练数据。最后,利用两种训练数据对改进后的STGCN进行训练,使其能够融合提取的子波时空特征,从而实现目标区时空域子波的有效提取。合成数据和实际地震数据的处理结果表明,该方法对于深地时空域子波的提取有效且准确,相较于传统方法更具优越性,具有较好的实际应用价值。 展开更多
关键词 深度学习 时空域子波提取 时空图卷积神经网络 时空特征
在线阅读 下载PDF
基于STGCN算法的视频图像人体动作轮廓动态识别 被引量：1
4
作者 张宗 石林 《现代电子技术》 北大核心 2024年第18期144-148,共5页
人体动作轮廓在视频中的呈现具有多样性和连续性。人体动作不仅涉及到时间上的变化,还包括空间上的位置关系,受其姿势、速度、方向等影响。人体动作时空信息之间的关联难以充分捕捉,导致动作轮廓识别精度较低。为此,引入时空图卷积网络(... 人体动作轮廓在视频中的呈现具有多样性和连续性。人体动作不仅涉及到时间上的变化,还包括空间上的位置关系,受其姿势、速度、方向等影响。人体动作时空信息之间的关联难以充分捕捉,导致动作轮廓识别精度较低。为此,引入时空图卷积网络(STGCN)算法,提出一种视频图像人体动作轮廓动态识别方法。文中采用OpenPose模型从视频图像中提取描述关节点位置的置信图和描述人体关节间连接情况的二维矢量场,构建人体动作骨架图。结合视频帧时间序列组建人体动作骨架时空图,将其作为STGCN模型的输入,通过时空图卷积操作充分捕捉人体动作的时空特征后,采用Softmax层获取动态识别到的视频图像人体动作轮廓;并在STGCN模型中引入两种注意力模块,强化网络特征提取能力,提高动作轮廓识别精度。实验结果表明,所提方法可以有效实现视频图像人体动作轮廓的动态识别,引入的两种注意力模块对STGCN模型进行改进,可提升其动作轮廓识别效果。 展开更多
关键词 时空图卷积网络算法 视频图像 人体动作轮廓 动态识别 注意力机制 骨架图 人体关节点
在线阅读 下载PDF
基于通道注意力机制增强DGNN的外骨骼机器人步态相位预测 被引量：1
5
作者 颜建军 许赢家 +2 位作者 林越 金理 江金林 《华东理工大学学报(自然科学版)》 北大核心 2025年第1期110-118,共9页
利用一种基于通道注意力机制增强的有向图神经网络(Channel Attention Enhanced Directed Graph Neural Network,CA-DGNN)的外骨骼机器人步态相位预测方法,提高了步态相位预测的准确性和可靠性。首先,研制了人体下肢姿态信息采集装置,... 利用一种基于通道注意力机制增强的有向图神经网络(Channel Attention Enhanced Directed Graph Neural Network,CA-DGNN)的外骨骼机器人步态相位预测方法,提高了步态相位预测的准确性和可靠性。首先,研制了人体下肢姿态信息采集装置,采集人体下肢的行走步态数据并构建人体下肢的骨架模型;之后,建立了基于CA-DGNN步态相位的预测模型,提取人体步态相位的运动特征,并基于当前时刻数据预测未来时刻的步态相位;最后,探讨了滑动窗口大小对算法性能的影响。本文提高了外骨骼机器人步态相位预测的准确性和鲁棒性,为此方向研究提供了一种新的思路和方法。 展开更多
关键词 步态相位预测 惯性传感器 骨架 时空图卷积网络 通道注意力机制
在线阅读 下载PDF
利用混合深度学习算法的时空风速预测
6
作者 贵向泉 孟攀龙 +2 位作者 孙林花 秦三杰 刘靖红 《太阳能学报》 北大核心 2025年第3期668-678,共11页
风速预测的准确性始终不理想,为解决风速复杂的时空相关性和非线性问题,提出一种新颖的混合深度学习模型。首先,采用二次分解法将输入序列分解为具有不同频率振动模式的模态分量(IMF);使用图卷积神经网络(GCN)和双向长短期记忆网络(BiLS... 风速预测的准确性始终不理想,为解决风速复杂的时空相关性和非线性问题,提出一种新颖的混合深度学习模型。首先,采用二次分解法将输入序列分解为具有不同频率振动模式的模态分量(IMF);使用图卷积神经网络(GCN)和双向长短期记忆网络(BiLSTM)来预测高频分量;使用自适应图时空Transformer网络(ASTTN)来预测低频分量,以充分考虑输入序列的时空相关性。最后将高频分量和低频分量合并叠加,得到最终的预测结果。将该模型应用于甘肃省某风电场进行风速预测,实验结果表明,所提出混合深度学习模型能有效提高风速预测的准确性。 展开更多
关键词 风速 预测 深度学习 图卷积神经网络 双向长短期记忆网络 自适应图时空Transformer
在线阅读 下载PDF
基于3DCNN的陆上风机基础竖向位移预测研究
7
作者 李仁杰 张伟 +3 位作者 卢向星 刘中华 魏焕卫 谭芳 《力学与实践》 2025年第1期98-106,共9页
为准确预测风机基础的沉降,避免风机基础不均匀沉降过大导致风机结构变形,影响安全及寿命,依托某陆上风机基础加固项目,构建了一种基于三维卷积神经网络(three-dimensional convolutional neural network,3DCNN)的风机基础竖向位移预测... 为准确预测风机基础的沉降,避免风机基础不均匀沉降过大导致风机结构变形,影响安全及寿命,依托某陆上风机基础加固项目,构建了一种基于三维卷积神经网络(three-dimensional convolutional neural network,3DCNN)的风机基础竖向位移预测模型,对不同位置测点的竖向位移监测数据进行时空重构,并通过时空矩阵将监测数据导入三维卷积核学习数据间的时空特征。对比当下热门的神经网络模型,可以发现3DCNN模型在沉降预测方面具有更高的预测精度,其泛化性和稳定性也更优越。 展开更多
关键词 卷积神经网络 陆上风机 基础竖向位移 时空特征
在线阅读 下载PDF
利用可选择多尺度图卷积网络的骨架行为识别
8
作者 曹毅 李杰 +2 位作者 叶培涛 王彦雯 吕贤海 《电子与信息学报》 北大核心 2025年第3期839-849,共11页
针对目前骨架行为识别方法忽视骨架关节点多尺度依赖关系和无法合理利用卷积核进行时间建模的问题,该文提出了一种可选择多尺度图卷积网络(SMS-GCN)的行为识别模型。首先,介绍了人体骨架图的构建原理和通道拓扑细化图卷积网络的结构;其... 针对目前骨架行为识别方法忽视骨架关节点多尺度依赖关系和无法合理利用卷积核进行时间建模的问题,该文提出了一种可选择多尺度图卷积网络(SMS-GCN)的行为识别模型。首先,介绍了人体骨架图的构建原理和通道拓扑细化图卷积网络的结构;其次,构建成对关节邻接矩阵和多关节邻接矩阵以生成多尺度通道拓扑细化邻接矩阵,并引入图卷积网络,进一步提出多尺度图卷积(MS-GC)模块,以期实现对骨架关节点的多尺度依赖关系的建模;然后,基于多尺度时序卷积和可选择大核网络,提出可选择多尺度时序卷积(SMS-TC)模块,以期实现对有用的时间上下文特征的充分提取,同时结合MS-GC和SMS-TC模块,进而提出可选择多尺度图卷积网络模型并在多支流数据输入下进行训练;最后,在NTU-RGB+D和NTU-RGB+D 120数据集上进行大量实验,实验结果表明,该模型能够捕获更多的关节特征和学习有用的时间信息,具有优异的准确率和泛化能力。 展开更多
关键词 骨架行为识别 图卷积网络 多尺度通道拓扑细化邻接矩阵 可选择多尺度时序卷积 可选择多尺度图卷积网络
在线阅读 下载PDF
基于骨架识别的城轨车站监控视频乘客行为特征辨识研究
9
作者 管洋 贾利民 +1 位作者 陶思涵 豆飞 《都市快轨交通》 北大核心 2025年第1期106-111,共6页
城市轨道交通领域传统监控分析方法对视频监控图像(如摔倒、晕倒和打斗等异常行为识别)漏识率高、参数调整复杂,且难以高效地应用于现实城轨车站监控场景,针对此问题,采用基于骨架模式识别的人体姿态特征辨识框架,引入基于人体骨架的姿... 城市轨道交通领域传统监控分析方法对视频监控图像(如摔倒、晕倒和打斗等异常行为识别)漏识率高、参数调整复杂,且难以高效地应用于现实城轨车站监控场景,针对此问题,采用基于骨架模式识别的人体姿态特征辨识框架,引入基于人体骨架的姿态估计技术,采用Alpha Pose模型对乘客姿态进行精确估计,并结合时空图卷积网络(spatial temporal graph convolutional networks,ST-GCN)模型的方法,实现对城轨车站监控场景中异常行为的辨识。在COCO数据集和MPII数据集上分别达到了72.3 mAP和82.1 mAP的效果,相比较于Open Pose模型提升高达17%,验证了模型的有效性和实用性。结果表明,本文所提出的方法不仅提高了乘客行为的识别速度,同时具备对复杂场景的适应能力,为城轨安全监控提供一种新的技术方案。 展开更多
关键词 轨道交通 骨架识别 模式识别 城轨车站安全 乘客行为特征辨识 ST-GCN
在线阅读 下载PDF
基于动态时空图网络的交通流量预测模型
10
作者 何宇豪 郑皎凌 《微电子学与计算机》 2025年第1期55-64,共10页
传统的交通流量预测模型使用静态邻接矩阵进行时空建模,忽略了路网节点间潜在的空间依赖关系以及交通流量数据所呈现出的周期相似性。为此,提出一种基于多头注意力机制的动态时空图网络模型ADSTGN。首先,将交通流量数据处理成三通道周... 传统的交通流量预测模型使用静态邻接矩阵进行时空建模,忽略了路网节点间潜在的空间依赖关系以及交通流量数据所呈现出的周期相似性。为此,提出一种基于多头注意力机制的动态时空图网络模型ADSTGN。首先,将交通流量数据处理成三通道周期性时间序列,并对序列数据经过时间位置编码建模时间特征确保序列顺序性。其次,在空间维度方面提出一种动态图生成器模块。该模块利用相似性空间特征与距离特征表示静态路网结构信息,并结合自适应邻接矩阵实时捕捉路网节点之间隐藏的空间依赖。最后,在时间维度方面提出了对多头注意力机制运用一维卷积整合局部上下文的办法,充分捕获三通道周期数据下的时间相关性,并过滤历史冗余信息。在4个高速公路公开数据集(PEMS03、PEMS04、PEMS07和PEMS08)上进行了实验。结果表明:相比现有的基线模型,ADSTGN模型具有更优的性能指标。证明了该模型在交通流量预测中的有效性。 展开更多
关键词 交通流量预测 动态时空图网络 动态图生成器 注意力机制
在线阅读 下载PDF
基于时空交互图注意力网络的多模态车辆轨迹预测模型
11
作者 李庆 韩楠 +6 位作者 李任杰 杨博渊 相东升 张杉彬 王家伟 吴绍伟 黄晨 《无线电工程》 2025年第2期254-263,共10页
在自动驾驶领域,交通参与者的轨迹预测是一个重要而具有挑战性的问题,充分捕捉轨迹数据中复杂的时空特征对于准确预测轨迹至关重要。为解决时空特征提取不足和多模态车辆轨迹预测问题,提出一种基于时空特征交互的多模态车辆轨迹预测模... 在自动驾驶领域,交通参与者的轨迹预测是一个重要而具有挑战性的问题,充分捕捉轨迹数据中复杂的时空特征对于准确预测轨迹至关重要。为解决时空特征提取不足和多模态车辆轨迹预测问题,提出一种基于时空特征交互的多模态车辆轨迹预测模型——STGA。采用基于动态图神经网络和基于融合注意力的时空Transformer网络捕获目标区域内车辆的空间交互特征和时间依赖性;设计特征融合的门控单元,实现对时空特征的有效融合,利用解码器生成目标区域未来车辆轨迹的概率分布;在公开数据集上对该模型进行了评估,并与基准模型进行了比较。实验结果表明,所提方法相比其他基准方法具有更好的性能,相较于最先进的基准方法,平均位移误差(Average Displacement Error,ADE)降低了32.03%,最终位移误差(Final Displacement Error,FDE)降低了14%。 展开更多
关键词 车辆运动预测 时空交互 图注意力网络 自动驾驶 深度学习
在线阅读 下载PDF
基于双图卷积机制的数字孪生交通流预测
12
作者 胡春华 曾萼岚 荣辉桂 《电子学报》 北大核心 2025年第1期141-150,共10页
城市数字化程度提升产生了大量数据,通过对交通流数据和天气数据的整合分析,能有效缓解各种天气状况下产生的城市交通拥堵.而现有交通流预测算法,未能充分考虑交通流中潜在的空间关系,且忽略了天气等外部因素造成的预测误差,极大地影响... 城市数字化程度提升产生了大量数据,通过对交通流数据和天气数据的整合分析,能有效缓解各种天气状况下产生的城市交通拥堵.而现有交通流预测算法,未能充分考虑交通流中潜在的空间关系,且忽略了天气等外部因素造成的预测误差,极大地影响了预测的准确性.针对上述问题,本文提出了基于双图卷积机制的数字孪生交通流预测方法(Two-graph Convolution Mechanism-based Digital Twin Flow Prediction,TCM-DTFP).该算法将交通流数据与天气特征相结合,构建了融合交通流特征与天气特征的增广矩阵,提出基于TCN(Temporal Convolutional Networks)的双图卷积机制,算法综合考虑了交通中时间相关性、空间相关性与区域流量间的动态相互作用对交通流的影响,同时避免了复杂天气状况对交通流预测的影响,提高了算法的鲁棒性.最后基于TaxiBJ和PeMSD4真实数据集进行的大量实验表明了本文方法的有效性. 展开更多
关键词 交通数字孪生体 时空相关性 时间卷积网络 双图卷积机制 交通流预测
在线阅读 下载PDF
联合图卷积和聚类的红外无人机集群多目标跟踪算法
13
作者 李琦 席建祥 +2 位作者 杨小冈 卢瑞涛 谢学立 《电光与控制》 北大核心 2025年第3期15-20,共6页
针对红外无人机集群多目标跟踪场景中个体间外观特征稀少,且同质化严重、集群内个体相互遮挡、平台晃动等挑战问题,提出了一种基于图卷积神经网络(GCN)与聚类算法的融合跟踪算法。首先,引入自注意力特征掩码以增强GCN对轨迹聚合的效果;... 针对红外无人机集群多目标跟踪场景中个体间外观特征稀少,且同质化严重、集群内个体相互遮挡、平台晃动等挑战问题,提出了一种基于图卷积神经网络(GCN)与聚类算法的融合跟踪算法。首先,引入自注意力特征掩码以增强GCN对轨迹聚合的效果;其次,结合交并比(IoU)和可能性C均值聚类,以增强对运动特征的提取和集群内相邻目标的区分能力;最后,采用轨迹连接模型和高斯平滑插值算法对跟踪结果进行进一步优化。所提算法融合了短时轨迹聚合和长时轨迹匹配的能力,仅利用运动信息和交互信息就能实现红外无人机集群多目标跟踪。在红外无人机集群多目标跟踪数据集上进行实验,结果表明:与其他先进跟踪算法相比,所提跟踪算法具有更高的性能指标,MOTA与IDF1分别达到84.9%与80.2%;在目标相互遮挡、平台晃动等复杂场景下也具有优越的跟踪效果。 展开更多
关键词 无人机集群 红外目标跟踪 图卷积神经网络 时空联合约束 轨迹片段聚合
在线阅读 下载PDF
基于层次时空注意力图卷积的交通速度预测方法 被引量：1
14
作者 周晓燕 曹威 徐超 《广西科技大学学报》 CAS 2024年第4期92-99,107,共9页
针对交通速度预测方法主要考虑实际交通路网而忽略人群活动热点区域的影响问题,提出一种层次时空图卷积网络模型(hierarchical spatio-temporal graph convolutional network,H-STGCN)。首先,通过计算路段节点之间的距离构建路网结构图... 针对交通速度预测方法主要考虑实际交通路网而忽略人群活动热点区域的影响问题,提出一种层次时空图卷积网络模型(hierarchical spatio-temporal graph convolutional network,H-STGCN)。首先,通过计算路段节点之间的距离构建路网结构图,并使用聚类算法得到热点区域的聚类图;其次,利用图卷积网络层和时空注意力机制层来提取交通速度数据的时空特征;最后,引入过往邻近时间段、昨天相同时间段及上周同一时间段3个时间分量的交通速度数据分别进行训练,以挖掘交通速度在相同时间段的规律。实验结果表明,模型在预测时长为30、60和120 min时,相比于经典的时空图卷积模型,平均绝对误差分别降低了6.9%、13.6%和14.6%,实现了更准确的预测,能更好地服务于智能交通系统。 展开更多
关键词 交通速度预测 图卷积 注意力机制 时空特征 智能交通系统
在线阅读 下载PDF
基于自适应时序解耦和气象因素动态影响评估的超短期太阳辐照度预测
15
作者 臧海祥 黄海洋 +3 位作者 程礼临 张越 孙国强 卫志农 《太阳能学报》 EI CAS CSCD 北大核心 2024年第11期411-417,共7页
针对太阳辐射序列具有波动性以及受气象因素影响而导致太阳辐照度预测精度降低的问题,提出一种基于滑动窗口变分模态分解(SWVMD)、自适应图卷积网络(AGCN)和四核时间卷积神经网络(QTCN)的超短期太阳辐照度预测模型。首先利用SWVMD对历... 针对太阳辐射序列具有波动性以及受气象因素影响而导致太阳辐照度预测精度降低的问题,提出一种基于滑动窗口变分模态分解(SWVMD)、自适应图卷积网络(AGCN)和四核时间卷积神经网络(QTCN)的超短期太阳辐照度预测模型。首先利用SWVMD对历史辐射序列进行解耦,实时挖掘不同特征尺度的模态分量,然后将数据集重构为图数据,进而利用AGCN动态评估气象因素的影响程度,最后采用QTCN提取融合后特征序列的多尺度时序特征,实现对未来30 min太阳辐照度的预测。实验结果表明,与LSTM、TCN模型和CNN-Bi-LSTM模型相比,所提出的预测模型能有效提升预测精度。 展开更多
关键词 太阳辐照度 深度学习 变分模态分解 图卷积神经网络 时间卷积神经网络
在线阅读 下载PDF
基于周边车辆轨迹预测的智能汽车路径规划
16
作者 黄晨 贾丁鹏 +1 位作者 孙晓强 许庆 《汽车安全与节能学报》 CAS CSCD 北大核心 2024年第5期753-762,共10页
为提高智能汽车在动态行车环境下的行驶安全和通行效率,研究了基于周边车辆轨迹预测的路径规划方法,并进行了仿真。提出了一种基于时空图卷积网络(STGCN)的周边车辆轨迹预测方法,通过STGCN对车辆历史轨迹进行编码,提取交通图的时空特征... 为提高智能汽车在动态行车环境下的行驶安全和通行效率,研究了基于周边车辆轨迹预测的路径规划方法,并进行了仿真。提出了一种基于时空图卷积网络(STGCN)的周边车辆轨迹预测方法,通过STGCN对车辆历史轨迹进行编码,提取交通图的时空特征,并结合长短时记忆网络实现周边车辆的轨迹预测。在此基础上,提出了一种基于改进人工势场(APF)的路径规划方法;建立了基于APF的行车危险评价模块;利用Frenet坐标描述驾驶危险度,通过目标障碍物和道路边界的势能分布及梯度下降法完成路径规划。结果表明:本算法的短时预测精度提高了3%,长时预测精度提高了1%;所得路径曲线的前轮转角不超过0.12 rad,曲率不超过0.1;因此,在确保有效避撞的前提下,保证了车辆行驶的舒适性和高效性。 展开更多
关键词 智能汽车 路径规划 轨迹预测 时空图卷积网络(stgcn) 人工势场(APF)
在线阅读 下载PDF
基于聚类和深度学习的车联网轨迹隐私保护机制
17
作者 申自浩 唐雨雨 +2 位作者 王辉 刘沛骞 刘琨 《浙江大学学报（工学版）》 EI CAS CSCD 北大核心 2024年第1期20-28,共9页
针对车联网轨迹发布中用户面临的隐私泄露问题,提出基于聚类和深度学习的轨迹隐私保护机制(PPCDL).考虑轨迹中的时间因素,通过时间戳将轨迹空间划分为多个区域,获取区域中的轨迹分布点.对每个区域进行改进稳定隶属度多峰值聚类,根据区... 针对车联网轨迹发布中用户面临的隐私泄露问题,提出基于聚类和深度学习的轨迹隐私保护机制(PPCDL).考虑轨迹中的时间因素,通过时间戳将轨迹空间划分为多个区域,获取区域中的轨迹分布点.对每个区域进行改进稳定隶属度多峰值聚类,根据区域轨迹密度进行隐私预算矩阵的预分配.利用时间图卷积网络模型提取轨迹数据的时空特征,对隐私预算预分配矩阵进行训练和预测.根据预测结果添加相应的拉普拉斯噪声,在轨迹数据发布前进行扰动.理论分析和实验结果表明,PPCDL相较于对比机制,时间开销更少,能够更精确地预测隐私预算.利用PPCDL可以合理地在轨迹数据中添加拉普拉斯噪声,有效地提高了轨迹数据的可用性. 展开更多
关键词 隐私保护 密度峰值聚类 轨迹隐私 时间图卷积网络 隐私预算
在线阅读 下载PDF
考虑出行成本不确定性的路网交通疏散策略
18
作者 温惠英 邱映寒 赵胜 《哈尔滨工业大学学报》 EI CAS CSCD 北大核心 2024年第3期19-28,共10页
为提高应急管理水平,考虑突发事件影响下的交通出行成本不确定性,对城市交通疏散问题进行研究。首先,根据交通疏散问题的时空特性创建时空耦合网络图,并且结合行程时间成本和冲突风险成本,提出了城市交通路网出行成本的量化方法。进一... 为提高应急管理水平,考虑突发事件影响下的交通出行成本不确定性,对城市交通疏散问题进行研究。首先,根据交通疏散问题的时空特性创建时空耦合网络图,并且结合行程时间成本和冲突风险成本,提出了城市交通路网出行成本的量化方法。进一步考虑路段资源权重上限的影响,通过增加边际约束,构建基于预算不确定集的先验疏散策略的鲁棒优化模型,以最小化路网疏散过程的总交通出行成本。然后运用模型重构技术,将搭建的鲁棒模型转化为混合整数线性规划模型,并设计改进的拉格朗日松弛方法进行解耦求解。最后以SiouxFalls网络进行算例分析,数值结果表明,随着不确定集和模型规模的增大,行程时间成本和冲突风险成本的增速分别提高约29.13%和236.46%,模型预算参数控制在一定的区间,能够较好地权衡解的鲁棒性与最优性。通过南京部分区域路网案例测试验证所述方法在更大规模网络算例的适用性,研究结果表明:相比于传统拉格朗日松弛方法,所提出的改良方法可以在较少的迭代次数内得到高质量的可行解。研究结果可以为应急指挥部门制定可靠的交通疏散策略提供思路。 展开更多
关键词 交通网络疏散 时空网络图 出行成本不确定性 鲁棒优化 改进拉格朗日松弛方法
在线阅读 下载PDF
基于GRU的密集连接时空图注意力网络的城市交通预测
19
作者 郭海锋 许宏伟 周子盛 《高技术通讯》 CAS 北大核心 2024年第5期463-474,共12页
城市道路拓扑结构的复杂性、交通流量的实时变化以及多元的外部环境等因素给交通预测带来了极大的困难。现有方法对交通路网的时空特征挖掘性不足,缺乏对外部因素的考虑,为此本文提出了一种基于门控循环单元(GRU)的时空图注意力密集连... 城市道路拓扑结构的复杂性、交通流量的实时变化以及多元的外部环境等因素给交通预测带来了极大的困难。现有方法对交通路网的时空特征挖掘性不足,缺乏对外部因素的考虑,为此本文提出了一种基于门控循环单元(GRU)的时空图注意力密集连接网络,通过门控循环单元来捕获路网数据的动态规律,并以图注意力密集连接网络来提取路网复杂的空间结构特征,建立城市交通网络对时空的依赖关系。针对外部客观因素,采用独热编码的方式对城市各路段发生的交通事件进行数据建模,增强交通网络的信息属性。以杭州申花路及周围共309个路段为例,对所提出模型的预测能力和可行性进行验证。实验结果表明,模型预测精度最高达到了81.64%,与传统数学模型和主流的神经网络模型对比,预测精度较ARIMA提高了35.42%,较图注意力网络(GAT)和GRU神经网络分别提高了17.45%和3.02%。实验证明该方法可以适应复杂的交通流进行长期的交通预测任务,同时也能增强交通管理能力,减少交通拥堵成本。 展开更多
关键词 交通预测 时空特征 神经网络 门控循环单元(GRU) 密集连接 图注意力网络(GAT)
在线阅读 下载PDF
基于时空注意力机制的网约车出行需求预测模型
20
作者 王宁 马洪恩 《汽车工程学报》 2024年第5期898-910,共13页
解决网约车运营中的乘客出行需求预测问题,以降低车辆空载率、减少乘客等待时间。在考虑乘客出行需求的动态时空依赖性的基础上,提出一种基于空间数据可视化和格兰杰因果检验的乘客出行需求空间依赖性分析方法,并结合卷积神经网络和注... 解决网约车运营中的乘客出行需求预测问题,以降低车辆空载率、减少乘客等待时间。在考虑乘客出行需求的动态时空依赖性的基础上,提出一种基于空间数据可视化和格兰杰因果检验的乘客出行需求空间依赖性分析方法,并结合卷积神经网络和注意力机制,建立了一种基于注意力机制的时空图卷积神经网络模型来预测乘客出行需求。实例研究表明,本模型能有效捕获乘客出行需求时空依赖性的动态特征,提升模型的预测性能,具有较高的准确性和实用性。 展开更多
关键词 出行需求预测 注意力机制 时空依赖性 时空图卷积神经网络
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 … 5 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部