交通标志检测 这是论文的代码 ， ， 本文通过结合多种特征提取器（Resnet V1 50， Resnet V1 101，Inception V2，Inception Resnet V2，Mobilenet V1和Darknet-19）。 我们旨在探索这些对象检测模型的特性，这些对象通过转移学习进行了修改，并特别适合于交通标志检测问题领域。 特别是，在Microsoft COCO数据集上进行了预训练的各种公开可用的对象检测模型在数据集上进行了微调。 这些模型的评估和比较包括关键指标，例如平均平均精度（mAP），内存分配，运行时间，浮点运算次数，模型参数数量以及交通标志图像尺寸的影响。 我们提供： 几种。 。 测试代码以。 说明。 说明。 创建GTSDB TFRecords的脚本。 如果您发现此代码对您的研究有用，请引用： "Evaluation of deep ne

Combined Image- and World-Space Tracking in Traffic Scenes.pdf

使用Tensorflow识别交通标志 这是一个由多部分组成的教程，用于使用Tensorflow构建交通标志识别模型。 这是一个正在进行的工作。 包括第1部分。 第2部分和第3部分正在开发中。

《交通大数据理论与方法》 目录 背景 随着信息通讯技术的不断发展，各行各业都产生了海量的数据，与此同时，一门新的学科应运而生—— 数据挖掘。数据挖掘是从大量数据（包括文本数据）中挖掘出隐含的、先前未知的、对决策有潜在价值的信 息、知识和关联关系，并基于这些信息和相应规则建立可用于决策支持与优化分析的模型，提供可支持预测 性决策的方法和工具。此外，数据挖掘还可帮助企业和科研团体发现业务与学科中的新趋势，揭示已知的 事实，预测未知的结果，因此“数据挖掘”已成为其保持竞争力的必要手段。 在大数据发展的背景下，交通领域的各类大数据同样以惊人的速度产生，并被应用于各种各样的应用 场景。例如，基于手机信令数据分析城市人口分布及交通出行分布特征，从而为交通规划的进一步决策提 供量化依据；利用网约车数据分析城市路网流量，进而优化信号配时方案，提升交通控制方案的效率；利用 线圈、视频、浮动车等多源数据，实现

2019 Gartner Market Guide for Network Traffic Analysis

PRTG全称为Paessler Router Traffic Grapher，是一款功能强大的免费且可以通过路由器等设备上的SNMP协议取得流量资讯并产生图形报表的软件，可以为我们产生企业内部网络包括服务器，路由器，交换机，员工计算机等多种设备的网络流量图形化报表.此文档测试可用

道路交通matlab代码交通宏模拟器 这是一个MatLab软件包，可用于创建和模拟宏观动力学描述的道路网络对象。 该代码完全来自于博士期间开发的遗留代码。 作者的； 所有技术细节都可以在博士学位中查到。 论文可用。 这项工作的可重复性 这是一个重要的功能，可悲的是在已发表的作品中经常被忽略。 使用此存储库时，除了检查上述论文以获取更深入的了解之外，我们还提供了两个完全可复制的示例（带有图像生成），以简化对代码的理解。 因此，在可reproducible example的文件夹reproducible example您将找到 一种可运行的脚本，用于模拟一个道路网，以及有关如何设置实验的说明， 一种可运行的脚本，用于模拟两个不同的网络，一个具有优化的交通信号灯，另一个没有。 该脚本会产生几个数字，以便比较系统的性能。 关于控制器 上述博士有关“大型交通网络的控制”的工作。 换句话说，我们的目标不仅是模拟动态网络，还旨在设计算法来改善行为，例如通过减少拥塞来实现。 已开发的控制器存储在子文件夹controllers 要求 MatLab的任何最新版本都可以使用 一些好的数值求解器：大多数算法基

TI IWR1642雷达串口数据解析C++代码。 本文毕设一部分，有C++基础的可以借鉴。只提供一个CPP文件

Chapter I: Adaptation and Congestion in a Multi-Agent System to Analyse Empirical Traffic Problems Chapter II: A Multi-Agent Modeling Approach to Simulate Dynamic Activity-Travel Patterns Chapter III: MATSim-T: Architecture and Simulation Times Chapter IV: TRASS: A Multi-Purpose Agent-Based Simulation Framework for Complex Traffic Simulation Applications Chapter V: Applying Situated Agents to Microscopic Traffic Modelling Chapter VI: Fundamentals of Pedestrian and Evacuation Dynamics Chapter VII:“Social Potential” Models for Modeling Traffic and Transportation Chapter VIII: Towards Simulating Cognitive Agents in Public Transport Systems Chapter IX：An Unmanaged Intersection Protocol and ImprovedIntersection Safety for Autonomous Vehicles Chapter X：Valuation-Aware Traffic Control: The Notion and the Issues Chapter XI：Learning Agents for Collaborative Driving Chapter XII：Traffic Congestion Management as a Learning Agent Coordination Problem Chapter XIII：Exploring the Potential of Multiagent Learning for Autonomous Intersection Control Chapter XIV：New Approach to Smooth Traffic Flow with Route Information Sharing Multiagent Learning on Traffic：Lights Control: Effects of Using Shared Information Chapter XVI：The Merit of Agents in Freight Transport Chapter XVII Analyzing Transactions Costs in Transport Corridors Using Multi Agent-Based Simulation Chapter XVIII：A Multi-Agent Simulation of Collaborative Air Traffic Flow Management

城流 CityFlow 是一种用于大规模城市交通场景的多智能体强化学习环境。 检查这些功能！ 一种微观交通模拟器，可模拟每辆车的行为，提供最高级别的交通演变细节。 支持灵活定义路网和交通流 为强化学习提供友好的python接口 快速地！ 精心设计的数据结构和多线程仿真算法。 能够模拟城市范围内的交通。 请参阅与 SUMO 的性能比较。 具有不同线程数（1、2、4、8）和 SUMO 的 CityFlow 之间的性能比较。 从小型 1x1 网格路网到城市级 30x30 路网。 当您需要通过 python API 与模拟器交互时，速度会更快。 截屏 使用 CityFlow 的特色研究和项目 链接 WWW 2019 演示文稿 主页 文档和快速入门 码头工人 [1] 相扑首页 [2] 天让智能首页