我们的目的是提升路径规划精度与交通大数据挖掘研究。方法是以SimGAN模型为基础模型,使用框架TensorFlow,通过Python语言实现分析建模,分析并生成仿真交通大数据,利用DenseNet和ShuffleNet网络拟合数据。我们基于真实数据和仿真数据进行实验,实验能有效提高路径规划的精度。在算法参数的预设与调整需要人工参与,数据集的规模和种类有局限,实验需要结合丰富的场景。SimGAN模型在交通大数据路径规划方面有着无限的可能,需要结合实际需求应用到具体的分析场景。
科研之友
微信
新浪微博
Facebook
分享链接
