【技术实现步骤摘要】
本专利技术涉及智能交通领域，特别是一种基于深度学习的交通态势分析系统。
技术介绍
1、随着我国经济社会不断发展，道路通车里程数和机动车保有量持续增加，当下随着大数据的发展，针对各类交通场景构建的交通大数据的数据库已经初步完善，从实际情况分析来看，日常生活中，固定时间段的交通拥堵(早晚高峰)以及道路交通事故发生数也呈现增加的趋势，目前我国交通安全形势仍旧十分严峻。
2、传统的交通态势分析系统主要依赖于固定的传感器网络进行数据采集和处理，存在着数据覆盖不全、更新速度慢、实时性不足等问题。这直接导致过往的交通流预测实时性不足、准确性低。同时，缺乏支持仿真与模拟的态势分析系统，这导致系统的可视化与交互性差，缺乏对道路管控的支持，无法满足对突发事件的快速响应需求。
技术实现思路
1、本专利技术的目的在于克服现有技术中所存在的实时性不足，准确率低下以及无法进行决策仿真的问题，提供一种基于深度学习的交通态势分析系统。
2、为了实现上述专利技术目的，本专利技术提供了以下技术方案：<...
【技术保护点】
1.一种基于深度学习的交通态势分析系统，其特征在于，包括实时数据采集模块、数据存储模块、态势分析模块、仿真模块以及显示模块；
2.根据权利要求1所述的一种基于深度学习的交通态势分析系统，其特征在于，所述仿真模块包括仿真模型以及仿真平台；
3.根据权利要求2所述的一种基于深度学习的交通态势分析系统，其特征在于，所述宏观模型是将交通流视为连续介质，通过流量守恒方程进行定义；进一步的，所述流量守恒方程的表达式为：
4.根据权利要求2所述的一种基于深度学习的交通态势分析系统，其特征在于，所述仿真平台包括以下工作步骤：
5.根据权...
【技术特征摘要】
1.一种基于深度学习的交通态势分析系统，其特征在于，包括实时数据采集模块、数据存储模块、态势分析模块、仿真模块以及显示模块；
2.根据权利要求1所述的一种基于深度学习的交通态势分析系统，其特征在于，所述仿真模块包括仿真模型以及仿真平台；
3.根据权利要求2所述的一种基于深度学习的交通态势分析系统，其特征在于，所述宏观模型是将交通流视为连续介质，通过流量守恒方程进行定义；进一步的，所述流量守恒方程的表达式为：
4.根据权利要求2所述的一种基于深度学习的交通态势分析系统，其特征在于，所述仿真平台包括以下工作步骤：
5.根据权利要求2所述的一种基于深度学习的交通态势分析系统，其特征在于，所述仿真平台还包括缺失轨迹重构方法，包括以下步骤：
<...【专利技术属性】
技术研发人员：黄丹阳，李晓春，易术，熊一洁，罗易智，罗超，
申请(专利权)人：四川智能交通系统管理有限责任公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。