首页 > TAG信息列表 > 道路交通

使用机器学习的道路交通预测(GRU 模型)

使用机器学习的道路交通预测(GRU 模型) 动机或想法 — 这个博客的全部和唯一目的是解决我们现在面临的普遍问题,即堵车。我试图创建一个简单的机器学习应用程序来解决这个问题。 由于我必须在我的 GSoC 阶段选择一个业务垂直领域——我选择 smart 作为我的垂直领域,并试图解决这个垂

《GB14887-2011》PDF下载

《GB14887-2011 道路交通信号灯》PDF下载 《GB14887-2011》简介 本标准规定了道路交通信号灯的术语和定义、分类与型号编制规则、要求、试验方法、检验规则、铭牌和标志、包装、运输和贮存等; 本标准适用于在道路上使用的信号灯。   《GB14887-2011》截图   《GB14887-2011

道路交通车路协同信息服务通用技术要求

道路交通车路协同信息服务通用技术要求 1 范围2 术语与定义2.1 车路协同 cooperative vehicle infrastructure system2.2 车联网 internet of vehicles2.3 [智能] 网联汽车 Intelligent Connected Vehicle 3 总体架构4 功能要求4.1 总体要求4.1.1 数据交互4.1.2 安

R语言ARIMA,SARIMA预测道路交通流量时间序列:季节性、周期性

原文链接:http://tecdat.cn/?p=20434   本文从实践角度讨论了季节性单位根。我们考虑一些时间序列 ,例如道路上的交通流量, > plot(T,X,type="l") > reg=lm(X~T) > abline(reg,col="red")   如果存在趋势,我们应该将其删除,然后处理残差  > Y=residuals(reg) > acf(Y,lag=36,lwd

智慧交通首个|海信SC6101道路交通信号机通过Acheron安全认证

近日,青岛海信网络科技股份有限公司旗下SC6101道路交通信号控制机顺利通过国家互联网应急中心的Acheron安全测试,成为国内智慧城市领域首个取得Acheron认证证书的道路交通信号控制机,标志着该产品已到达相关国际和国内网络信息安全标准要求。证书查询链接:www.ics-cert.org.cn关于SC610

R语言ARIMA,SARIMA预测道路交通流量时间序列:季节性、周期性

原文链接:http://tecdat.cn/?p=20434   本文从实践角度讨论了季节性单位根。我们考虑一些时间序列 ,例如道路上的交通流量,       > plot(T,X,type="l")   > reg=lm(X~T)   > abline(reg,col="red")   如果存在趋势,我们应该将其删除,然后处理残差    >

《交通运输部关于促进道路交通自动驾驶技术发展和应用的指导意见》

原文 索引号:000019713O11/2020-01657 文号:交科技发〔2020〕124号 公开日期:2020年12月30日 主题词:道路交通;自动驾驶技术;智能汽车创新发 机构分类:科技司主题分类:政策性文件行业分类:其他 为促进道路交通自动驾驶技术发展和应用,推动《智能汽车创新发展战略》深入实施,提出以下意