《表2 交通流参数检测结果》
提示：宽带有限、当前游客访问压缩模式
本算法基于二值时空图进行实时性的交通参数检测，包括车辆分类以及统计车流量（Q）、车头时距（THW）、车道时间占有率（Rt）、车辆平均速度（Vt），结果汇总如表2所示。
| 图表编号 | XD00155921800 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.08.01 |
| 作者 | 高珍、黄钰琳、郑绛宇、王雪松 |
| 绘制单位 | 同济大学软件学院、同济大学软件学院、印第安纳大学与普渡大学印第安纳波利斯联合分校、同济大学道路与交通工程教育部重点实验室 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 基于私人交通的回归模型参数估计结果》2020.10.01
- 《表1 VH检测实验结果：智能网联车辆混行交通流中灯语意图识别模型研究》2020.10.01
- 《表2 数据集参数：基于深度学习的交通标志检测系统仿真》2020.09.15
- 《表1 实验对比结果：基于深度学习的交通标志检测》2021.01.01
- 《表1 地下轨道交通站台集中空调冷却水检测结果》2021.03.15
- 《表2 各项目相关性结果：地下轨道交通站台集中空调冷却水污染物检测分析》2021.03.15
- 《表2 识别实验结果数据：基于CNN算法的交通标志检测与识别》2020.06.25
- 《表1 检测实验结果数据：基于CNN算法的交通标志检测与识别》2020.06.25
- 《表7 嵌入式平台参数表：基于NVIDIA Jetson TX2的实时交通信号灯检测算法》2020.07.10
- 《表8 各类交通信号灯检测结果》2020.07.10
- 《表5 基本参数设置：基于NVIDIA Jetson TX2的实时交通信号灯检测算法》2020.07.10
- 《表2 论文结果对比：改进Faster-RCNN的交通标志检测》2020.04.25
- 《表1 车辆数统计准确率：基于车辆方波脉冲时序图的交通流参数实时检测算法》2020.08.01
- 《表1 检测结果对比：基于红外与可见光图像融合的交通标志检测》2020.02.01
- 《表1 城市轨道交通综合检测列车主要技术参数》2020.02.10
- 《表2 检测结果：用于交通标志检测的窗口大小聚类残差SSD模型》2019.10.25
- 《表2 水质检测结果：轨道交通工程施工污水净化与回收技术》2019.10.01
- 《表2 异常检测结果对比：基于二元特征的断面交通数据异常检测与修正》2019.09.30
- 《表2 矿粉检测结果：湿热地区重载交通条件下旧水泥混凝土路面加铺沥青路面的技术研究》2019.03.30
- 《表1 仿真交通异常点KS检测结果表》2018.03.25