摘要
本发明公开了一种基于无人机和车辆行驶状态的交通拥堵预测方法,属于交通拥堵预测技术领域。解决了现有技术中传统的交通拥堵预测方法难以实现覆盖广泛区域的、实时性较高的交通拥堵预测的问题;本发明采集道路行驶的各类车辆图像生成图像矩阵,构建数据集,将数据集输入到建立的三种模型中进行训练,得到融合后的损失函数,根据交并比优化方法,对三种模型进行训练,将训练完成的基础模型作为最终模型,通过筛选最优模型的准确率,得到最终的最优模型,输出车辆行驶状态及类型;结合采集的早晚高峰车流量统计信息,进行交通拥堵预测,得到预测的易拥堵路段结果。本发明实现了较为全面的交通拥堵预测,可以应用于预测交通状况。
技术关键词
车辆行驶状态
全局平均池化
交通拥堵预测方法
批量
尺寸
路段
训练深度学习模型
图像
上采样
神经网络单元
特种车辆
输出特征
节点
误差反向传播
特征金字塔
车流量统计
乘用车
矩阵