声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：11-2223/N
国际刊号：1000-0054
发布日期:
作者：刘贺子, 陈涛
单位：清华大学 工程物理系, 北京 100084
关键词：交通调查,混合非机动车,速度分布模型,视频识别
基金：陈涛,研究员,
中国非机动车出行近年来逐渐复兴并形成了复杂的混合交通流动，造成了交通运行和安全问题，因此对混合非机动车速度分布进行准确建模是重要的现实需求。该文首先介绍了利用深度神经网络进行多目标跟踪的数据采集方法，然后输入非机动车道的拍摄视频进行自动识别，高效获取实测数据；在对车速进行统计分析后，通过信息准则确定混合Gauss模型的最优组分，采用期望最大化算法求解模型参数的极大似然估计，并建立模型参数与道路运行状况和统计特征之间的联系。所使用的智能化视频识别方法提高了数据采集效率，求解参数前进行组分选择可以提高建模效率。拟合结果表明：混合Gauss模型对非机动车速度分布的描述比单分布模型更准确。在流动不受阻碍时，混合Gauss模型的结果以非机动车类型划分组分，其参数与速度均值、标准差及各类型车的比例相关；在高峰时，组分划分与根据流动状态进行分类是一致的，其中较快组分的平均速度接近车辆自由流动速度。
来源：2021年第2期
《清华大学学报(自然科学版)》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。