基于多模态嵌入模型的人类交通行为流特征分析方法

发布时间:2017-09-11 16:44:52阅读数:267

概述

大数据背景下,通过大规模人类行为数据,采用数理方法刻画人的出行决策、路径规划和交通流量的网络分布,揭示城市交通流的自组织演变规律显得尤为重要。本项目拟从人类行为流的视角,通过“特征表达”→“多模态数据融合”→“宏观交通演化分析”对交通现象开展研究,首先利用城市大数据学习获得具有内在稳定结构的人类行为特征向量,进而采用这种行为特征向量表达城市空间中复杂的交通行为流,实现对交通行为流深层特征与机制的研究。其中,针对交通行为流表达,提出基于上下文的嵌入学习模型,构建城市空间人类行为流特征模式分析方法;针对数据采样的有偏性、时空分布不均,提出基于嵌入学习的多模态交通行为数据融合方法;针对微观人类行为流特征到宏观交通流运行规律的演化机理,提出基于长短记忆模型的人类交通行为流演化学习方法。本项目研究将有助于揭示网络交通流宏观性质与微观局部的相互作用涌现机理,为交通流精准预测和交通高效管控提供理论依据。

详述