-
公开(公告)号：CN117334043B
公开(公告)日：2025-01-14
申请号：CN202311273726.8
申请日：2023-09-28
Applicant: 同济大学
IPC: G08G1/01 , G06Q10/0639 , G08G1/052
Abstract: 本发明涉及智能交通领域，提出了基于神经注意受控微分方程的城市交通路网韧性评估方法，包含三个步骤：步骤1：基于原始交通速度数据进行功能性指标预测；步骤2：基于原始交通速度数据进行结构性指标计算；步骤3：融合功能及结构指标构建综合评价指标体系，并结合多指标韧性评估算法实现城市交通路网韧性评估。本发明继承了神经受控微分方程训练时高效的内存利用率、处理缺失观测值的鲁棒性，又展示了处理长时间突变抖动信号的特殊优势，对时序数据趋势特征尤为敏感，能够胜任于建模动态长时间交通速度数据预测。此外，所设计的综合韧性评价指标体系及多指标韧性评估算法能够实现城市交通路网韧性的精准评估。
-
公开(公告)号：CN114043476B
公开(公告)日：2023-03-31
申请号：CN202111301771.0
申请日：2021-11-04
Applicant: 同济大学
IPC: B25J9/16
Abstract: 本发明涉及一种拒止环境下基于粒子群算法的群体机器人控制方法，包括：步骤1、建立拒止环境下的攻防对抗场景，并初始化粒子群算法的参数；步骤2、进攻机器人通过传感器探测周围环境信息，获取友方和敌方机器人的态势信息，并利用惯性导航技术实时计算敌方领土位置；步骤3、所述进攻机器人构建适应度函数；步骤4、利用粒子群算法优化适应度函数，得到进攻机器人的最优占位；步骤5、进攻机器人进行移动与攻击操作；步骤6、若任一进攻机器人进入敌方领土，则任务完成；否则判断是否达到最大运行时间，若是，则任务失败；否则转到步骤2进行下一时间片的迭代。与现有技术相比，本发明避免了全局定位，控制无需预训练，解决了维数灾难的问题。
-
公开(公告)号：CN112529190A
公开(公告)日：2021-03-19
申请号：CN202011497670.0
申请日：2020-12-17
Applicant: 同济大学
Abstract: 本发明涉及一种基于学习自动机随机点定位算法的多模态优化系统，包括初始化模块、参数选择模块、环境反馈模块、多模态随机点定位优化模块和输出模块，初始化模块初始化系统参数，参数选择模块对参数搜索空间中的每个参数子区间进行参数的迭代选择，参数经过优化后得到反馈输入环境反馈模块，得到环境反馈，输入多模态随机点定位优化模块得到当前所有最优参数的估计值，当多模态随机点定位优化模块中的迭代次数达到预设的最大迭代次数时，多模态随机点定位优化模块将得到的所有最优参数输入到输出模块，输出模块输出所有最优参数对应的最优参数集。与现有技术相比，本发明具有同时找到所有全局最优参数、提升随机点定位方法的适用范围等优点。
-
公开(公告)号：CN105160879B
公开(公告)日：2017-10-31
申请号：CN201510552467.1
申请日：2015-09-01
Applicant: 同济大学
IPC: G08G1/01
Abstract: 一种基于道路拓扑结构的车辆信息无线采集方法，在该方法中，将路网分为路段和连接点以及由路段和连接点组成的连接区域。以道路拓扑为基础，本方法为行驶在道路上的车辆划分临时所属区域。对于在同一时段属于同一区域的具有无线通信能力的车辆，本方法在其中选择发起者(sponsor)和追随者(follower)。发起者为区域车辆中最优位置的车辆，是该区域内车辆数据的收集节点，而追随者作为数据的发送节点。以发起者和追随者为信息提供的主体，本方法以高效率完成无线自组织车辆网络的数据收集。
-
公开(公告)号：CN105006148B
公开(公告)日：2017-10-31
申请号：CN201510393555.1
申请日：2015-07-06
Applicant: 同济大学
IPC: G08G1/01
Abstract: 本发明提供一种路口转向车辆数目估计方法与系统。转向车辆数目估计方法为：部分路口安装线圈(loop detector)，根据不同的车道功能以探测转向的车辆数目，进行历史数据收集与记录，因此可以根据即将进入道路的车辆的数目来估计将要进行转弯的车辆的数目；对于没有安装线圈的路段，利用探测车辆(probe vehicle)的GPS数据统计采样车辆数目，并根据路口之间的相似性，从有线圈的路口的转向车辆数目推算出没有线圈的路口的转向车辆数目。上述方法可以有效地节省道路基础设施成本，同时可以高精度地估计路口转向车辆数目。本发明的系统依据上述方法进行设计，包含线圈数据收集模块、探测车辆数据收集模块和车辆数目预测模块，该系统容易实施、维护，可行性强。
-
Patent Agency Ranking
公开(公告)号：CN119621568A
公开(公告)日：2025-03-14
申请号：CN202411717812.8
申请日：2024-11-27
Applicant: 同济大学
IPC: G06F11/3668 , G06N20/00
Abstract: 本发明属于EOL下线测试程序自动生成领域，具体涉及一种基于强化学习的车辆域控制器EOL测试程序生成方法。包括以下步骤：S1：从原理图中获取的元器件原始数据，将原始电路及元器件连接属性进行数据处理，组合成最小电路组合数据；S2：在步骤S1得到的二维向量数据集上构建一个最优EOL下线测试用例选择模型；S3：基于S2模型，利用Q‑Learning算法生成当前优先级最高的EOL测试程序；S4：根据评判标准来选择出最优的测试用例。本发明方法解决了测试结果施加奖励方法的缺陷是检测失效率低，难以收敛；测试反馈时间长的问题。
-
公开(公告)号：CN119268719A
公开(公告)日：2025-01-07
申请号：CN202411387648.9
申请日：2024-10-06
Applicant: 同济大学
IPC: G01C21/34
Abstract: 本发明提出了一种局部通讯环境下基于分组与合并机制的群体机器人覆盖路径规划方法，将待覆盖地图划分为多个子区域并将机器人分组，每组分配一个特定的子区域进行覆盖，以实现初步的任务分配。同一组内的机器人保持局部连续通信共享信息，共同覆盖其分配的子区域。该方法考虑到局部通信范围对组内协作的限制，组的大小随着通信范围的变大而增加。此外，还设计了一种合并机制来实现组间协作，已完成覆盖的组前往其他未完成覆盖的子区域与其他组合并以协同覆盖。本发明所提出的基于分组与合并机制的群体机器人覆盖路径规划方法，能够在只有局部通信的未知环境下提升群体机器人的协同效率，高效的完成覆盖任务。
-
公开(公告)号：CN115905779A
公开(公告)日：2023-04-04
申请号：CN202211253795.8
申请日：2022-10-13
Applicant: 同济大学
IPC: G06F17/13 , G06F18/10 , G06F18/2131 , G06N3/0464 , G06N3/049 , G06N3/048 , G06N3/08 , G08G1/065
Abstract: 本发明基于神经小波粗糙微分方程的时空数据预测方法，包括4个步骤：小波分解获得多频交通数据，签名变换计算路径签名，神经受控微分方程的构建，神经受控微分方程的求解和输出映射，涉及常微分动力系统建模领域与粗糙路径理论。本发明继承了神经受控微分方程训练高效内存利用率、处理缺失观测值的鲁棒性，又展示了处理长时间突变抖动信号的特殊优势，对时序数据趋势特征尤为敏感，能够胜任于建模动态长时间交通流量数据预测。
-
公开(公告)号：CN112884116B
公开(公告)日：2022-09-13
申请号：CN202110151033.6
申请日：2021-02-03
Applicant: 同济大学
Abstract: 本发明提出了一种基于精英子集引导向量烟花算法的多智能体搜索方法。该方法包括以下步骤：初始化N个智能体的位置，利用烟花爆炸机制在智能体感知范围内模拟生成爆炸火花，通过路径规划方法指导智能体移动到爆炸火花和精英引导火花位置并感知其目标源信号强度；从每个智能体移动的所有位置中选择最好的位置作为该智能体的下一代移动位置。重复上述智能体搜索和移动过程，直到搜索到目标源或者达到最大迭代次数结束。将以上方法应用到气体泄漏源定位问题，智能体群按照烟花爆炸过程搜索目标源。本发明提供的这种精英子集引导向量烟花算法通过对原始引导烟花算法进行改进，极大地提高智能体的搜索能力，能够迅速有效地定位到目标源。
-
公开(公告)号：CN113033306A
公开(公告)日：2021-06-25
申请号：CN202110195696.8
申请日：2021-02-20
Applicant: 同济大学
Abstract: 本发明提供一种信号源搜索方法，包括：获取各智能体于上一搜索阶段的运动状态信息和堆结构，根据堆结构确定各智能体对应的领导者智能体，以获取各领导者智能体于上一搜索阶段的位置信息；根据各智能体于上一搜索阶段的运动状态信息，和领导者智能体于上一搜索阶段的位置信息，获取各智能体于当前搜索阶段的运动状态信息，以使各智能体运动至新位置，并于新位置处获取当前信号强度；检测各所述当前信号强度是否存在满足信号强度预设条件，如是，则根据满足信号强度条件的智能体新位置信息，确定信号源的位置信息；如否，则执行堆化更新操作，获取新的堆结构；重复以上步骤；本方法能明显提高搜索精度和搜索性能。
-
-
-
-
-
-
-
-
-
Search Results
44
records
(took 0.023 seconds)
