TIanChi_Traffic_Competition 阿里天池智慧交通预测挑战赛 #@创建于2017-9 #@Author：lieying #@School:USTB #@E-mail: 复赛：Top7 /1716队 #---- 此算法为智慧交通预测挑战赛复赛程序 1、先运行sub_handle.py生成提交样本，然后运行link_top_process.py生成道路基本信息。 （@@@最重要的的是get_feat_XGBmodel.py这个文件用于提取特征，写了相应的函数，直接调用。） 2、先运行get_feat.py进行划分数据集 3、运行get_feat_2016_7.py和get_feat_2017_3.py进行提取2016年的七月和2017年的3月 4、然后运行main.py进行提取和去除噪点。然后送入XGBoost和lightgbm模型进行训练得到四个模型的结果，然后融合处理

强化学习以控制交通 这是我们的毕业项目“交通信号控制培训强化学习代理” 因此，我们使用强化学习来控制交通信号，并使用模拟城市交通（SUMO）来模拟交通网络，我们使用Traci [python脚本]进行强化学习和SUMO之间的通信 生成路由文件 此命令将生成包含许多汽车类型的路线，具体取决于map/4-way/Rou_File/vTypeDistributions.add.xml 该命令将生成路由文件： python randomTrips.py -n ./36-way/36-way.net.xml -r ./36-way/route/Period_3.rou.xml -e 6000 -l --validate --fringe-factor 10 --period 0.8 --trip-attributes="departLane=\"best\" departSpeed=\"rand

matlab图像去除阴影代码基于帧的交通监控应用Matlab检测 目的是从视频流中检测车辆并对其进行监视。 该代码可以与每个具有稳定功能的摄像机一起使用。 根据您的视频分辨率，您可以采用该代码。 HSV彩色平面用于去除阴影。 通过使用基本的图像处理技术，可以正确检测物体。

Traffic_Sign_detection 完成交通标志的识别分类（基于GTSBR数据），测试数据集上达到98.84%的准确率 检测部分的特征提取层包含YoloV2,yoloV2Tiny,yoloV3,MobileNet,SqueezeNet,ShuffleNet,And a Structure deSign by me:S-MobileNet 分类和检测的训练测试详情见:classify/readme.md detection/readme.md 需要weights详见： --- 2018.06.15本科毕设答辩结束，该repo不再更新（也许还会再去做一下，毕竟这个repo确实比较dirty）

NYC_Traffic_Safety_Project 我整理并整理了我所做的第一个项目的代码（与同学们组成一个团队，归功于陈书效，赖小亚，罗旭丹，钟敏喜和李嘉颖）。 此仓库包含纽约市地图和事故的原始数据，还包括用于进行预处理并将其输入到CNN模型中的Python代码。 背景 在城市中，交通事故正成为越来越普遍的伤害和死亡原因。 根据NYC Open Data的数据，仅在纽约，2018年过去几天每天平均发生622起交通事故。 因此，预测未来事故的能力（例如，地点，时间或方式）不仅对公共安全利益相关者（例如，警察，自治企业）而且对运输管理人员和个人旅行者都非常有用。 许多学者对交通事故的原因进行了大量研究，但很少关注道路设计。 但是，在许多情况下，每年都会设计出令人难以置信的十字路口，导致事故发生。 我们做了什么 我们训练了一个卷积神经网络（CNN），使用十字路口的卫星图像作为特征，附近交通

美国交通事故及其影响因素 背景与目标： 美国喜欢开车已经不是什么秘密了。 美国pysche拥有超过2.6亿辆正在运营的汽车，其根深蒂固的特点是汽车的运输。 这段恋情并非没有缺陷。 在美国，每年平均发生车祸约600万，在美国道路上造成38,000多人死亡。 尽管车辆可能是许多美国人生命中必不可少的部分，但重要的是探索这些事故背后的一些数据，并评估其在将来如何用于挽救生命。 提供有关人身伤害道路事故，车辆和所涉地点的详细统计信息。 这些统计数据是由全国各地的各个实体（例如执法机构，交通摄像头和众多的州交通运输部）汇编的。 该存储库的目的是帮助紧急服务部门识别严重事故的关键要素，并了解最需要何时何地的趋势。 数据： 该数据由2016年2月至2020年6月在美国附近连续发生的交通事故记录而成。有超过350万条记录和49个独特的初始特征。 这些功能分为“分类数据”和“数值数据”。 合并数据集

流量库 使用 Akka 用 Scala 编写的灵活流量建模库 用于模拟纵向动力学的模型 用于换道的模型 可调交通灯

Traffic Techinology International Feb 2019.pdf

Traffic Techinology International Jan 2019.pdf

It allows you to test jitter, packet loss, and out of order packets over a specified UDP port between two networks. From that data you can use an online mean opinion score (MOS) calculator to figure out the estimated voice quality. 这个工具运行在接收模式时有内存泄露问题，每秒会有4M内存占用，暂只适合短时间测试使用，给软件的负责人邮件，对方表示会关注此问题，但是近两个月此工具仍没有更新。喜欢此工具的人可以关注它的官网