《深度学习驱动的智慧交通数据挖掘预测技术规范》征求意见稿.pdf

ICS35.240.99

CCSL73

团体标准

T/CIXXXX—XXXX

深度学习驱动的智慧交通数据挖掘预测技

术规范

Deeplearningdrivendataminingandpredictivetechnologyspecificationfor

intelligenttraffic

（征求意见稿）

在提交反馈意见时，请将您知道的相关专利连同支持性文件一并附上。

XXXX-XX-XX发布XXXX-XX-XX实施

中国国际科技促进会  发布

T/CIXXXX—XXXX

前言

本文件按照GB/T1.1—2020《标准化工作导则第1部分：标准化文件的结构和起草规则》的规定

起草。

请注意本文件的某些内容可能涉及专利。本文件的发布机构不承担识别专利的责任。

本文件由南方科技大学提出。

本文件由中国国际科技促进会归口。

本文件起草单位：南方科技大学、长春理工大学、中国第一汽车集团有限公司、北京大学、华为技

术有限公司、重庆大学、浪潮集团有限公司、同济大学、中国检验认证集团深圳有限公司、深圳市骏嘉

科技发展有限公司、深圳市铠硕达科技有限公司、深圳浑沌数字化实验室科技有限公司、深圳树米网络

科技有限公司、汕头大学、吉林省卡思特科技有限公司、吉林省中云数讯股份有限公司、超智研发中心

（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

技有限公司、维旭长电科技（深圳）有限公司。

本文件主要起草人：宋轩、尹渡、张博渊、邓捷文、邓锦亮、张凌宇、贾云健、张昕、宋小

龙、刘妍、周时莹、李长龙、孙宗姚、王中一、谢奕、高亮、陈欣、陈瑶、袁飞。

II

T/CIXXXX—XXXX

深度学习驱动的智慧交通数据挖掘预测技术规范

1范围

本文件确立了深度学习驱动下的智慧交通数据挖掘预测技术规范，规定了数据采样、预处理、挖掘

算法、智慧交通应用以及数据挖掘预测性能评估指标的要求。

本文件适用于基于深度学习的智慧交通数据挖掘预测技术规范。

2规范性引用文件

下列文件中的内容通过文中的规范性引用而构成本文件必不可少的条款。其中，注日期的引用文件，

仅该日期对应的版本适用于本文件；不注日期的引用文件，其最新版本（包括所有的修改单）适用于本

文件。

GB/T35295-2017信息技术大数据术语

T/ZGCSC004-2022城市时空预测智能模型的数据要求

3术语和定义

GB/T35295-2017、T/ZGCSC004-2022界定的以及下列术语和定义适用于本文件。

邻接矩阵adjacentmatrix

用以表示交通图数据中不同节点的空间相关性权重的二维正方形矩阵。

欧式euclidean

符合现实物理世界定义的距离评判标准。

膨胀卷积dilatedconvolution

具有存在间隙的内核的卷积，为时间卷积网络的重要组成部分。

损失函数lossfunction

算法模型输出和观测结果之间的概率分布差异。

道格拉斯-普克算法过拟合douglas-peucker