您当前的位置：
首页 >
文章列表页 >
稀疏数据下的交通状态估计自适应卷积网络
交通运输工程·土木工程 | 更新时间：2025-11-14
上一篇|下一篇

    • 稀疏数据下的交通状态估计自适应卷积网络

    • Adaptive convolutional network for traffic state estimation under sparse data

    • “在交通状态估计领域，专家建立了编码-解码的交通自适应卷积网络，提升了CNN的交通特征分析精度，为深度学习估计交通状态提供有力支撑。”
    • 田婧 ，马社强 ，宋现敏 ，赵丹 ，陈发城
    • 吉林大学学报（工学版） 2025年55卷第8期 页码：2579-2587
    • 作者机构：

      1.中国人民公安大学 交通管理学院，北京 100038

      2.吉林大学 交通学院，长春 130022

    • 作者简介：

      田婧（1995-），女，讲师，博士. 研究方向：智能交通态势感知. E-mail： jingt202310@163.com

      马社强（1973-），男，副教授，博士. 研究方向：道路交通安全. E-mail： masheqiang@163.com

    • 基金信息：
      国家重点研发计划项目(2023YFB4302702);中央高校基本科研业务费(2024JKF02ZK13)

    • DOI： 10.13229/j.cnki.jdxbgxb.20231247     

      中图分类号：

    移动端阅览

  •  
  •  

  • AI导读

  • HTML全文

  • 图( 8 ) 表( 1 )

  • 参考文献

  • 出版信息

  • 数据统计

24

浏览量

176

下载量

0

CSCD

文章被引用时，请邮件提醒。
提交
工具集
  • BibTeX下载
  • Endnote下载
  • RefMan 下载
  • NoteExpress下载
  • NoteFirst下载

相关文章

基于深度学习的无线传感器网络流量异常检测
基于改进机器学习的人体运动姿态精准估计
单全球导航卫星系统信号下基于自监督双向长短时记忆网络的车辆速度估计方法
基于预处理层增强和注意力机制的空域图像隐写分析
基于RBVS和CBCNN的风机叶片故障检测和分类方法

相关作者

刘洲洲
金聪
蒋光毅
贾楠
刘超
张杨梅
张翔
孙婷婷

相关机构

西安航空学院 电子工程学院
西安航空学院 计算机学院
中国科学技术大学 信息科学技术学院
西北政法大学 体育部
兰州交通大学 电子与信息工程学院