智能交通智能交通公司实习报告.docxVIP

智能交通智能交通公司实习报告

一、摘要

2023年7月1日至2023年8月31日，我在一家智能交通公司担任算法实习生。核心工作成果包括优化了基于深度学习的交通流量预测模型，将预测准确率从82.5%提升至89.3%，并开发了一套实时交通事件检测系统，处理速度从每秒15帧提升至23帧。期间应用了Python和TensorFlow进行数据处理和模型训练，运用了迁移学习技术缩短了模型训练周期30%。通过分析历史数据，总结了数据增强对模型泛化能力提升的量化方法，可复用于类似场景中。

二、实习内容及过程

实习目的主要是想把学校学的交通流理论、机器学习知识用到实际项目里，看看智能交通系统里数据分析到底是怎么做的。

实习单位是个做车路协同系统研发的公司，主要业务是开发交通大数据分析和预测平台，客户有城市交通管理部门和大型车企。我所在的团队负责一个基于视频和雷达数据的实时交通事件检测项目，目标是自动识别交通事故、拥堵等异常情况。

实习期间，我跟着导师参与了两个核心工作。7月5号到15号，我负责处理一个来自城市A的测试数据集，包含过去半年的2000小时视频流和雷达信号。我用了OpenCV做预处理，包括帧去噪和车道线检测，然后用TensorFlow搭建了一个基于ResNet的异常检测模型。刚开始模型在测试集上漏检率特别高，尤其对夜间小刮擦这类事件识别不准。导师建议我试试多尺度特征融合，我就去网上找了几篇