《基於多任務學習的高速路網交通流動態演變與預測研究》是依託北京大學，由謝昆青擔任負責人的面上項目。
基本介紹
- 中文名：基於多任務學習的高速路網交通流動態演變與預測研究
- 項目負責人：謝昆青
- 項目類別：面上項目
- 依託單位：北京大學
項目摘要,結題摘要,
項目摘要
針對目前我國高速公路快速成網的現狀，從網路角度分析省級高速路網交通流的時空演變規律。基於車輛進出(收費)數據和路段線圈數據，採用多任務學習範式，深入分析和線上挖掘高速路網實時交通流數據，構建適用於高速路網交通流分析的多任務特徵學習模型，擴展多任務學習方法的時空動態性；研究常態及非常態交通流關聯模式和動態演變過程，利用關聯關係變化構建交通事件識別模型，探究高速路網交通關聯演變機理；研究多任務並行學習方法和任務分組策略，實現高效準確的路網交通流實時預測；研究多任務關聯補償機制，提高預測模型在數據延遲或缺失情況下的魯棒性和實用性；研發麵向高速公路管理需求的原型系統，可視化展示交通流演變過程。課題將從理論層次上系統理解網路條件下高速公路各組成部分之間的聯繫和影響，通過對交通流演變規律的系統闡釋和交通流變化的準確預測，為科學有效的高速公路運營監控、綜合管理、應急處置和信息服務提供基礎理論和模型支持。
結題摘要
本項目針對目前我國高速公路快速成網的現狀，從網路角度分析省級高速路網交通流的時空演變規律，並且針對其演變規律對路網中交通流在特定時刻狀態信息進行學習與預測。項目組與地方交通管理部門合作，獲得了基於車輛進出路網(收費)節點的數據和路段線圈數據，採用多任務學習範式，深入分析和線上挖掘高速路網實時交通流數據，構建適用於高速路網交通流分析的多任務特徵學習模型，擴展多任務學習方法的時空動態性。本項目研究常態及非常態交通流關聯模式和動態演變過程，利用關聯關係變化構建交通事件識別模型，探究高速路網交通關聯演變機理，研究多任務並行學習方法和任務分組策略，實現高效準確的路網交通流實時預測，研究多任務關聯補償機制，提高預測模型在數據延遲或缺失情況下的魯棒性和實用性，研發麵向高速公路管理需求的原型系統，可視化展示交通流演變過程。項目從理論層次上系統理解網路條件下高速公路各組成部分之間的聯繫和影響，通過對交通流演變規律的系統闡釋和交通流變化的準確預測，為科學有效的高速公路運營監控、綜合管理、應急處置和信息服務提供基礎理論和模型支持。本項目共發表了16篇學術論文，研究成果中的常態及非常態交通流關聯模式作為核心技術作為北京市交通規劃局的交通大數據分析平台，服務於北京市日常交通管理。
