原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
第32卷第8期电子设计工程2024年4月
Vol.32No.8ElectronicDesignEngineeringApr.2024
面向CIM和动态交通分析的多源异构数据融合技术
研究
王志成，张玉一，巴天星，常燕燕
（沈阳市规划设计研究院有限公司，辽宁沈阳110004）
摘要：针对当前智慧交通系统仅能对少量指标进行分析的问题，文中基于CIM三维实时交通数据
以及多源数据系统提出了一种动态城市交通分析算法。该算法由多尺度DCNN和Bi-LSTM模型
组成，其中多尺度DCNN模型可以对CIM三维交通数据进行训练，从而获得实时的交通特征信息。
同时由于加入了残差网络，使得模型具有更好的全局视野特征。通过Bi-LSTM对与交通相关的多
源数据进行训练，以得到数据的时序特征，由Softmax网络对多源数据特征实现融合并获得最终结
果。实验测试结果表明，所提算法的图像识别性能与多源数据分类性能在对比算法中均为最优，
且识别准确率可达87%，证明其具备良好的实时交通状态识别能力。
关键词：多源数据；深度卷积神经网络；长短时记忆神经网络；残差网络；动态交通分析；CIM系统
中图分类号：TP391；TN929.5文献标识码：A文章编号：1674-6236（2024）08-0068-05
DOI：10.14022/j.issn1674-6236.2024.08.015
Researchonmulti⁃sourceheterogeneousdatafusiontechnologyforCIMand
dynamictrafficanalysis
WANGZhicheng，ZHANGYuyi，BATianxing，CHANGYanyan
（ShenyangPlanningDesignInstitute，Shenyang110004，China）
Abstract:Aimingatthedefectthatthecurrentintelligenttransportationsystemcanonlyanalyzeafew
indicators，thispaperproposesadynamicurbantrafficanalysisalgorithmbasedonCIM3Dreal⁃time
trafficdataandmulti⁃sourcedatasystem.ThealgorithmiscomposedofDCNNandBiLSTMmodels.
DCNNmodelcantrainCIMthree⁃dimensionaltrafficdatatoobtainreal⁃timetrafficfeatureinformation.
Atthesametime，becauseoftheresidualnetwork，themodelhasbetterglobalviewcharacteristics.Bi⁃
LSTMisusedtotrainmulti⁃sourcedatarelatedtotraffictoobtainthetimeseriescharacteristicsofdata，
andthenSoftmaxnetworkisusedtofusemulti⁃sourcedatacharacteristicstoobtainthefinalresult.The
experimentalresultsshowthattheimagerecognitionperformanceandmulti⁃sourcedataclassification
performanceoftheproposedalgorithmareboththebestinthecomparisonalgorithm，andtheaccuracy
rateca
文档评论（0）