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

    • 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。”
    • 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： U491

    • 收稿：2023-11-13，

      纸质出版：2025-08-01

    移动端阅览

  • 田婧,马社强,宋现敏等.稀疏数据下的交通状态估计自适应卷积网络[J].吉林大学学报（工学版）,2025,55(08):2579-2587. DOI： 10.13229/j.cnki.jdxbgxb.20231247.

    TIAN Jing,MA She-qiang,SONG Xian-min,et al.Adaptive convolutional network for traffic state estimation under sparse data[J].Journal of Jilin University(Engineering and Technology Edition),2025,55(08):2579-2587. DOI： 10.13229/j.cnki.jdxbgxb.20231247.

  •  
  •  

0

浏览量

6

下载量

0

CSCD

文章被引用时，请邮件提醒。
提交
工具集
下载
参考文献导出
分享
收藏
添加至我的专辑

相关文章

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
基于混合智能的学习状态实时采集与动态分析方法
基于变分模态提取及轻量级网络的滚动轴承故障诊断

相关作者

赵丹
陈发城
罗维薇
刘长龙
雷琴
周求湛
牟岩
武慧南

相关机构

兰州交通大学 电子与信息工程学院
吉林大学 计算机科学与技术学院
华锐风电科技（江苏）有限公司
吉林大学 通信工程学院
东北石油大学 计算机与信息技术学院
0