深圳公路交通数据集，可以用来机器学习预测交通数据流量

采用均方根算法，测量交流电电压有效值

ST-GDN——图神经网络预测交通流量代码

交通灯检测 使用 OpenCV 和 Python 检测交通信号

这是一个非常小的块，用于跟踪交流波的峰值。 该模块对于检测交流电网中的电压骤降非常有效。 只需将求解器设置为 50e-6 的固定采样，以匹配块内的设置。 您可以使用自己的采样时间。

流量预测 拟议的概念证明，用于解决智​​能城市的交通拥堵和预测问题。 二手-LSTM（用于将来的预测）+ CNN（用于检测流量密度）+实时推文将所有这三种方法结合起来以产生流量拥塞因子（TCF），并在将来的任何时候使用Google API提出基于此的路由建议。 内容 - 公用文件夹- 截至9月18日的TCF数据 LSTM预计到9月18日的时间 src文件夹-React应用程序 实用程序文件- tweets_realtime.py-删除有关流量的地理位置标记的tweets tempserver-临时服务器，将所有从抓取中获得的推文排队，并充当React应用程序的API。 屏幕截图 注意：代码清理仍在进行中，该项目是为黑客马拉松而设计的

NYC_Traffic_Safety_Project 我整理并整理了我所做的第一个项目的代码（与同学们组成一个团队，归功于陈书效，赖小亚，罗旭丹，钟敏喜和李嘉颖）。 此仓库包含纽约市地图和事故的原始数据，还包括用于进行预处理并将其输入到CNN模型中的Python代码。 背景 在城市中，交通事故正成为越来越普遍的伤害和死亡原因。 根据NYC Open Data的数据，仅在纽约，2018年过去几天每天平均发生622起交通事故。 因此，预测未来事故的能力（例如，地点，时间或方式）不仅对公共安全利益相关者（例如，警察，自治企业）而且对运输管理人员和个人旅行者都非常有用。 许多学者对交通事故的原因进行了大量研究，但很少关注道路设计。 但是，在许多情况下，每年都会设计出令人难以置信的十字路口，导致事故发生。 我们做了什么 我们训练了一个卷积神经网络（CNN），使用十字路口的卫星图像作为特征，附近交通

行业分类-电子政务-一种快速检测交联聚乙烯电缆绝缘质量性能的方法.zip

应用手机GPS数据预测交通流速度.pdf

行业分类-互联网-一种预测交叉互联式单芯四回路高压电缆护套环流的方法.zip