《深度学习驱动的智慧交通数据挖掘预测技术规范》编制说明

编制说明2023年2月2《深度学习驱动的智慧交通数据挖掘预测技术规范》编制说明(一)任务来源我国经过改革开放后几十年的快速发展，各大城市的规模逐渐扩大，城市交通也由变化相对稳定转变为高速变化和高度复杂的态势。科学技术的发展和经济的进步使得城市中的交通量在不断增长，不停有新的交通方式和交通工具涌现出来，在加速城市化进程的同时，也给城市交通的管理带来了严峻的挑战。无论是私人交通、公共交通还是专业运输，都存在着诸多矛盾和问题：如道路容量严重不足，道路建设和规划跟不上城市的发展导致道路容量的不足将会带来巨大的人力物力和财力的损失；汽车增长速度过快，人民持有财富增长和载具价格的亲民化使得更多的车辆形势在容量有限的城市路使得公共交通的需求降低，网约车自行车等运输效率提升的同时又给交通状况带来了更多的负载压力。随着互移动互联网、传感器技术、定位技术、数据存储与物理算力的发展，收集出行的交通数据，并且利用这些数据使用深度学习技术开发新的更高效、准确、稳定的智慧交通预测方案成为了各国完。为了促进智慧交通的发展，各国近几年来也纷纷制定和发布了各种政策行动领域中就包括了制定现代、清洁、高效、可持续和可发展的交通措施。2驾驶公交车上路行驶。作为新兴发展中国家，我国先后制定和发布了一系列布《交通运输领域新型基础设施建设行动方案(2021-2025年)》来打造一批输体系发展规划》来推动既有设施数字化改造和加强新建设施与感知网络同通领域科技创新规划》推动智慧交通与智慧城市协同发展，大力发展智慧交通。交通预测是智慧交通行业的核心技术，可以为智慧交通中的城市路线规3划、交通管理和智能出行推荐等重要应用提供准确可靠的城市、路网和个人级别的状态判别和态势预测，实现更精准更智能的下游服务给人、车、路。在我国已有庞大广泛的交通路网、持续增长的交通载具和日益增长的人民出行需求的背景下，由智能手机，穿戴式设备，移动载具，基建设施和环境监测系统等先进多样的传感器采集到的交通大数据对于智慧交通犹如蕴含巨大价值的宝藏。而如何利用交通大数据给人，车，路带赋予更多的智慧，还没因此，迫切需要一套完整规范的智慧交通数据挖掘预测标准来带领和推进智慧交通相关企业更加高效、充分和规范的挖掘交通大数据来服务于各类智慧“制造业产品生命周期价值21YFB1714400)。(二)起草单位春理工大学、中国第一汽车、重庆大学、浪潮集团有限公司、深圳市骏嘉科技发展有限沌数字化实验室科技有限公司、省卡思特科技有限公司、吉林深圳)有限公司、碳猎研发中心(深圳)有限公司、深圳安视信息技术有限公司、苏州奇盈半导体科技有限司。本文件主要起草人：宋轩、尹渡、张博渊、邓捷文、邓锦亮、张凌(三)主要工作过程1.起草阶段议讨论和制定了详细的预研研和分析，查阅了大量和智慧交通了众多相关资料进行评估和分析，就智慧交通的相关技术研究进行调和建议。关专家CI22319。立项后，标准撰写小组召和详细内容的讨论和分析，明确了准的整体撰写计划。在标准起草过了深入的调研和分析，并组织多次改进，形成标准草案。42.征求意见阶段关专家就标准内容进行意见咨询，在收集并汇总专家建议后，标准编制小组充分吸收了合理的建议，并对标准内容的进行进一步的修改，形成征求意见意见。3.审查阶段4.报批阶段二、标准编制原则和确定标准主要内容的依据(一)标准的编写原则则:用国数据挖掘预测的具有关键共性的技术要素。掘预测的优化和改进指出明确的方向。科学性、先进性和可操作性。。致。。(二)提出本标准的依据数据挖掘预测技术规范，包考现今主流通用交通预测平台的最各环节存在的数据采样预处理难、点，本标准将目前深度学习的通用行了结合，使得本标准里的相关技现对智能交通行业的数据采样预处范。(三)制定本标准的基础的客预测项目，该项目引入深度学习了一套基于人工智能和数据科学同场景的算法构件以推进智慧交专利。本工作组的成员包含了来通公司的一线专家。因此，本工级过程中面临的痛点和需求有着深入5学习技术上已经积累了丰厚的科研经验并取密切接触检测相关项目中实现了控方法、密切接触者确定方法等目组申请了多个与智慧交通、数来一直从事人工智能和大数据领域的学究，积累了大量的理论和应用基础。基于水平期刊和会议上发表论文超过100篇，发表在JCRCCFA篇。在像IMWUT等多个国际著名学术期刊和论研究工作的基础上，落地了多个重大传市应急管理的实际应用系统。在过去十年区块链等领域的国内一流产学研团队，包含了来自南方科技大学、北京大学、员，以及来自中国一汽、华技术骨干。因此，本工作组度融合发展过程中有着深厚学已建成国际一流的超算中心，其超算设备包Gbps网络，实现了高性能计算+大数据+深度万亿次每秒。此外，南方科技大学平台、人工智能基础研究平台，这些开展创造非常有利的条件。(四)实验内容数据挖掘预测方法。慧交通场景。法模型的性能测试评估指标。(五)实际应用效果。三、主要试验或验证的分析、综述报告，技术经济论证，预期的经济效6果(一)主要试验或验证的分析效性和据处理与挖掘预测平台进行验证分KerasPytorch，使用numpy和pandas等数各类深度学习技术等进行建模对交全的性能测试工具对平台功能和性慧交通业中智慧交通场景预测的精。(二)预期的经济效果据挖掘预测技术,预期能够状态和需求预测，降低数据采样、预处理和挖掘预测的效率，促(三)真实性验证。。五、与现行的法律、法规和强制性国家标准的关系GBT部分：标准化文件定，在编制过程中着重考虑了科学性、适用GBT295-2017信息技术大数据术语TZG