1.本周主线任务是观看关于道路交通流量预测以及道路交通异常诊断方向论文。交通流量预测方面大部分运用ARIMA模型、小波变化、马尔可夫链以及K-近邻非参数、基于LSTM和基于K-means聚类下的BP神经网络等方法。异常诊断方向目前多为第一步通过视觉信息进行处理，进行帧间差，对图像进行预处理判断是否为关键帧再进行判断及预测（直接利用速度数据进行异常诊断的资源较为缺少）。
2.专利.怎么说呢，第一版没开好头，现在推翻重构ing.
3.为师兄做了一些简单的论文工作。
1.本周主线任务是观看关于道路交通流量预测以及道路交通异常诊断方向论文。交通流量预测方面大部分运用ARIMA模型、小波变化、马尔可夫链以及K-近邻非参数、基于LSTM和基于K-means聚类下的BP神经网络等方法。异常诊断方向目前多为第一步通过视觉信息进行处理，进行帧间差，对图像进行预处理判断是否为关键帧再进行判断及预测（直接利用速度数据进行异常诊断的资源较为缺少）。
2.专利.怎么说呢，第一版没开好头，现在推翻重构ing.
3.为师兄做了一些简单的论文工作。
道路预测是一方面，目前发现异常具有更高优先级，可以先从异常发现角度做。下周向我系统汇报一下。