PEMS 数据集是由美国加利福尼亚州的交通部门联合其他伙伴机构建立的统一公开交通数据库。美国加利福尼亚州的交通部门在交通路网上大约设置了超过39000 个交通监测站,交通管理部门安装在路网上的各类传感器可以实时地收集所在高速公路上的交通状况信息,越是接近市区人口密集的地区,传感器布置的也越密集,从分布上来看,这些传感器大多被安置在靠近市区的路段上。PEMS提供了超过十年的历史交通状况数据,整合了有关加州运输公司以及其他交通机构系统的各类信息。 PemsD3 交通数据集:数据由分布在加利福尼亚州高速公路系统(CalTrans)中选择 228 个站点数据。数据集从30 秒的数据样本聚合到5 分钟的时间间隔内。时间范围在 2012 年5 月和6 月的工作日的228 个站点交通速度信息,数据包括邻接矩阵和特征矩阵。 邻接矩阵是通过分析已有时空交通数据的特性,构建一种新的具有相似交通流量模式的 矩阵,特征矩阵是每个传感器节点的时间序列特征矩阵。
2024-05-12 15:41:48 14.68MB 深度学习 数据挖掘 交通预测 交通网络
1
四、实验内容 1、采用DMA方式编写串口程序,串行口波特率设置为115200bps,数据字长8位,停止位1位,无校验。 2、采用DMA方式编写串口程序,串行口波特率设置为115200bps,数据字长8位,停止位1位,无校验。实现简易“心跳包”程序。
2024-05-10 21:13:47 14.54MB 西南交通大学 嵌入式实验
1
基于JAVA开发的物流仓库管理系统(支持自营和第三方),包含PDA端和Web端。 开发语言:JAVA。 技术架构:SpringMVC+Hibernat+Minidao(类Mybatis)+Easyui(UI库)+ Jquery + Boostrap +Ehcache + Redis + Ztree等基础架构. 1、适用范围:第三方物流仓储企业,自营仓储等。 2、技术特点:基于JAVA的WEB后台,基于ANDROID开发的PDA系统。 3、功能特点:涵盖订单管理系统(OMS),仓储管理系统(WMS),计费管理系统(BMS),现场作业系统(RF),第三方接口模块 4、接口支持:已经对接:SAP ECC,SAP HANA 数据库,用友U8,百胜E3,UAS。 5、对接自主研发ERP管理系统 6、增加进销存模块 7、增加BOM
2024-05-05 23:21:22 65.73MB java 交通物流
1
基于matlabBP神经网络交通限速标志识别系统GUI界面设计,数字图像处理知识,可以直接运行。 基于matlabBP神经网络交通限速标志识别系统GUI界面设计,数字图像处理知识,可以直接运行。 基于matlabBP神经网络交通限速标志识别系统GUI界面设计,数字图像处理知识,可以直接运行。
1
基于pytorch的LSTM时间序列预测的研究(交通流量预测)
2024-05-03 10:27:12 5.04MB pytorch pytorch lstm
1
基于元胞自动机实现交通流附python代码.zip
2024-04-29 15:24:43 6KB python
1
西安交通大学轴承数据集网盘链接 | 永久有效 西安交通大学轴承数据集网盘链接 | 永久有效 西安交通大学轴承数据集网盘链接 | 永久有效 西安交通大学轴承数据集网盘链接 | 永久有效 西安交通大学轴承数据集网盘链接 | 永久有效 西安交通大学轴承数据集网盘链接 | 永久有效 西安交通大学轴承数据集网盘链接 | 永久有效 西安交通大学轴承数据集网盘链接 | 永久有效 西安交通大学轴承数据集网盘链接 | 永久有效 西安交通大学轴承数据集网盘链接 | 永久有效 西安交通大学轴承数据集网盘链接 | 永久有效 西安交通大学轴承数据集网盘链接 | 永久有效 西安交通大学轴承数据集网盘链接 | 永久有效 西安交通大学轴承数据集网盘链接 | 永久有效 西安交通大学轴承数据集网盘链接 | 永久有效 西安交通大学轴承数据集网盘链接 | 永久有效 西安交通大学轴承数据集网盘链接 | 永久有效 西安交通大学轴承数据集网盘链接 | 永久有效 西安交通大学轴承数据集网盘链接 | 永久有效 西安交通大学轴承数据集网盘链接 | 永久有效 西安交通大学轴承数据集网盘链接 | 永久有效 西安交通大学轴承数据集网盘链接 |
2024-04-28 15:28:08 85B
1
Linux环境及简单C语言程序调试
2024-04-26 14:24:19 512KB linux 操作系统
1
数据集文件大,请私信我发送
2024-04-24 11:10:39 277.78MB 数据集
1
交通标识为道路上的行人和车辆提供着丰富的道路交通信息,为调节交通流量、疏导交通、提 高道路通行能力、预示道路状况,减少交通事故起到了至关重要的目的。如果仅仅依靠驾驶人员或 行人对交通标识做出正确反应,难免会出现意外情况,导致交通事故的产生。而随着现代控制理论、 人工智能、传感器与检测技术的高速发展,智能交通系统技术也因此得到了快速的发展,并通过此 技术来辅助车辆驾驶员和控制车辆可以大大减少交通事故的产生。 本文针对车辆的车载交通识别系统进行研究,首先介绍模拟车辆的硬件组成与控制技术,再讨 论与叙述交通标识数据采集、神经网络的图像处理模型的搭建以及车载图像处理技术。模拟系统选 用 Raspberry Pi 板作为 RC 小车控制器,深度学习框架采用 Tensorflow+Keras。系统将通过车载摄像 头感知当前道路、行人、车辆位置、交通灯和交通标识等信息,通过超声波传感器实时监测车辆行 驶的安全距离,实现被控制车辆的左右转向、行进和停车,从而模拟无人驾驶车辆能够安全、可靠 的在道路线上行驶。
2024-04-22 16:44:04 7.62MB 深度学习 tensorflow
1