基于注意力-长短期记忆模型的偶发性交通流异常检测

2023-07-13 10:32:32郑大庆林陈威王昺杰
同济大学学报(自然科学版) 2023年6期
关键词:检测模型

郑大庆,林陈威,王昺杰

(1.上海财经大学 信息管理与工程学院,上海 200433;2.复旦大学 经济学院,上海 200433)

随着我国经济和社会的不断发展,大型和超大型城市不断涌现,与之相伴相生的“大城市病”也越来越严重。“交通拥挤”作为大城市病的重要“症状”之一,受到广泛关注[1],尤其是一些偶发性的交通异常,由于其不确定性,给城市交通安全与运行效率带来严重影响,甚至造成财产和生命损失,如2014 年的上海外滩踩踏事件。在资源有限和空间约束的条件下,发展智慧城市,利用信息技术解决城市管理中的难题成为一个现实可行的思路。在智慧交通领域,交通流异常检测非常重要,它是进行智慧交通管理的前提,而随着手机、GPS等可移动设备的广泛应用,基于大数据开展的交通流异常检测成为新的趋势[2-4]。

交通异常检测是交通运输工程领域的一个重要分支,在大数据时代,城市管理者希望将交通监控设备、车载GPS 设备等采集的交通数据与现有算法相结合,对道路状况进行分析预测,从而达到智慧交通管理的目的。目前交通异常检测的难点主要有:①模型运行效率与检测结果的准确性之间的权衡。随着深度学习的发展,为了追求更高的检测准确性,许多复杂的深层模型被提出,希望通过增加模型复杂性来提高准确性,结果导致模型的运行时间增加,不利于实际投入使用,但若为追求高效运行,使用简单的模型又会影响检测的准确性。因此需要在模型运行效率与检测结果的准确性之间进行合理的权衡。……

登录APP查看全文

猜你喜欢
检测模型
一半模型
重尾非线性自回归模型自加权M-估计的渐近分布
3D打印中的模型分割与打包
小波变换在PCB缺陷检测中的应用
FLUKA几何模型到CAD几何模型转换方法初步研究
一个相似模型的应用