-
公开(公告)号：CN115631622B
公开(公告)日：2024-11-26
申请号：CN202211153883.0
申请日：2022-09-21
Applicant: 清华大学
IPC: G08G1/01 , G06N3/08 , G06N3/0464 , G06N3/049
Abstract: 本发明涉及城市计算领域，提供一种交通状态预测方法、装置、电子设备及存储介质，方法包括：接收历史时段内的第一交通状态数据；基于第一交通状态数据分别进行时空相关性提取和时域变化提取，并基于时空相关性提取的结果和时域变化提取的结果，确定未来时段内的第二交通状态数据。由于可以基于第一交通状态数据分别进行时空相关性提取和时域变化提取，能够获取第一交通状态数据中隐藏的非线性特征和时空关联性特征，使得输出数据可靠性更高，提高了交通状态预测结果的精度，解决了现有的交通状态预测方法预测结果精度低的问题。
-
公开(公告)号：CN113762595B
公开(公告)日：2022-11-15
申请号：CN202110845562.6
申请日：2021-07-26
Applicant: 清华大学
Abstract: 本发明提供一种通行时间预测模型训练方法、通行时间预测方法及设备，该训练方法包括：构建路口和路段特征及轨迹特征；获取路段特征向量及路口特征向量；将对应于各个预设时间步长的路口特征矩阵、路段特征矩阵、路口邻接矩阵及路段邻接矩阵按照时序顺序输入到路口和路段时空特征提取网络；将输出的更新后的单个预设时间步长对应的路口特征矩阵和路段特征矩阵、历史轨迹中路口和路段组成的序列输入到通行时间预测模型，输出未来预设步长时间内出发的路线的目标通行时间的预测结果进行训练。本发明提供的通行时间预测模型训练方法、通行时间预测方法及设备，通过联合建模路口和路段的特征，训练通行时间预测模型，提升通行时间预测的准确度。
-
公开(公告)号：CN113762595A
公开(公告)日：2021-12-07
申请号：CN202110845562.6
申请日：2021-07-26
Applicant: 清华大学
Abstract: 本发明提供一种通行时间预测模型训练方法、通行时间预测方法及设备，该训练方法包括：构建路口和路段特征及轨迹特征；获取路段特征向量及路口特征向量；将对应于各个预设时间步长的路口特征矩阵、路段特征矩阵、路口邻接矩阵及路段邻接矩阵按照时序顺序输入到路口和路段时空特征提取网络；将输出的更新后的单个预设时间步长对应的路口特征矩阵和路段特征矩阵、历史轨迹中路口和路段组成的序列输入到通行时间预测模型，输出未来预设步长时间内出发的路线的目标通行时间的预测结果进行训练。本发明提供的通行时间预测模型训练方法、通行时间预测方法及设备，通过联合建模路口和路段的特征，训练通行时间预测模型，提升通行时间预测的准确度。
-
公开(公告)号：CN110365591B
公开(公告)日：2021-11-19
申请号：CN201810313392.5
申请日：2018-04-09
IPC: H04L12/747 , H04L12/861 , H04L12/863
Abstract: 本发明实施例公开了一种数据包处理方法、装置及设备，其中，所述方法包括：若接收到第一数据包，则确定所述第一缓存区中用于存储所述第一数据包的第一缓存队列；若所述第一缓存队列的状态为无效状态，则将所述第一数据包缓存于所述第二缓存区，所述第一数据包的数据量小于所述第二缓存区的容量，所述第一缓存队列的状态是在所述第一缓存区的当前数据量达到所述第一缓存区的容量时设置为无效状态的；若所述第二缓存区的数据量达到所述第二缓存区的容量，则将所述第二缓存区的所有数据包发送至控制面设备，可以降低转发面设备与控制面设备之间的链路开销。
-
公开(公告)号：CN117912247A
公开(公告)日：2024-04-19
申请号：CN202410077436.4
申请日：2024-01-18
Applicant: 清华大学
IPC: G08G1/01 , G06F18/2113 , G06F18/213 , G06F18/214 , G06N3/0442 , G06N3/0455 , G06N3/08
Abstract: 本发明提供一种交通拥堵时间预测方法及装置，涉及人工智能技术领域。所述方法包括：基于编码器对历史交通数据和路网拓扑进行处理，得到交通状态表征；基于解码器对所述交通状态表征、拥堵事件起始时间和由所述辅助神经ODE计算得到的动态空间相关性进行处理，得到交通拥堵时间预测结果；对所述交通拥堵时间预测结果进行优化，得到交通拥堵时间预测优化结果。所述装置执行上述方法。本发明实施例提供的交通拥堵时间预测方法及装置，能够准确预测交通拥堵时间。
-
Patent Agency Ranking
公开(公告)号：CN115909715A
公开(公告)日：2023-04-04
申请号：CN202211153882.6
申请日：2022-09-21
Applicant: 清华大学
IPC: G08G1/01 , G06F18/23 , G06F18/241
Abstract: 本发明提供一种拥堵原因的识别方法、装置、电子设备及存储介质，方法包括：基于Y个交通拥堵事件，提取各交通拥堵事件的特征向量，Y为大于1的整数；将各交通拥堵事件的特征向量中无原因标签的第一特征向量输入至聚类模型，获得聚类模型输出的第一特征向量对应的目标拥堵原因；基于第二特征向量对应的已知拥堵原因和第一特征向量对应的目标拥堵原因，识别当前交通拥堵事件对应的拥堵原因。相较于现有技术依赖人力识别交通拥堵的原因，本发明实施例降低了交通拥堵原因的识别成本，提高了交通拥堵原因的识别效率。
-
公开(公告)号：CN110505073A
公开(公告)日：2019-11-26
申请号：CN201810470173.8
申请日：2018-05-16
Abstract: 一种移动边缘计算方法及装置，用以解决现有技术中用户设备在移动切换时，资源浪费的问题。移动边缘计算MEC管理网元接收目标无线接入网RAN控制面发送的MEC虚拟化资源的请求，其中，所述目标RAN控制面属于用户设备切换后的目标RAN，所述MEC虚拟化资源的请求中包括所述用户设备的MEC计算资源需求；所述MEC管理网元根据所述MEC虚拟化资源的请求在MEC服务器上为所述用户设备创建新的虚拟机VM，所述新的VM为所述用户设备切换后在所述目标RAN侧使用的VM；所述MEC管理网元向所述目标RAN控制面发送所述新的VM的第一信息，其中，所述第一信息包括所述新的VM的ID。
-
公开(公告)号：CN109995836A
公开(公告)日：2019-07-09
申请号：CN201711498942.7
申请日：2017-12-29
Abstract: 本申请提供一种缓存决策方法及装置。该方法包括：策略控制功能PCF接收至少一个本地分析功能LAF发送的第一缓存信息，第一缓存信息包括基站标识、被访问次数最大的前N1个应用信息的标识和N1个应用信息的标识对应的内容，N1为正整数，PCF根据第一缓存信息和本地缓存的容量，确定本地缓存内容。从而可有效提升缓存的命中率，大大减少传输带宽和数据传输开销，提高用户使用网络的体验。
-
公开(公告)号：CN118486161A
公开(公告)日：2024-08-13
申请号：CN202410478247.8
申请日：2024-04-19
Applicant: 清华大学
IPC: G08G1/01 , G06N3/0464 , G06N3/049
Abstract: 本发明提供一种交通拥堵预测方法和装置，包括：获取历史交通信息；将所述历史交通信息输入至预先训练的交通拥堵预测模型，得到目标时间范围内的交通拥堵预测结果；其中，所述交通拥堵预测模型是基于物理信息神经网络利用历史交通信息和预先设定的损失函数进行训练得到的。本发明采用深度神经网络从历史交通信息提取微观历史数据以及宏观物理先验知识，在微观历史数据以及宏观物理先验知识的基础上，基于物理信息神经网络使用宏观物理方程的残差作为损失函数引导神经网络学习最好的参数进行训练，得到的交通拥堵预测模型稳定性更好、建模还原更高。
-
公开(公告)号：CN115909715B
公开(公告)日：2024-08-06
申请号：CN202211153882.6
申请日：2022-09-21
Applicant: 清华大学
IPC: G08G1/01 , G06F18/23 , G06F18/241
Abstract: 本发明提供一种拥堵原因的识别方法、装置、电子设备及存储介质，方法包括：基于Y个交通拥堵事件，提取各交通拥堵事件的特征向量，Y为大于1的整数；将各交通拥堵事件的特征向量中无原因标签的第一特征向量输入至聚类模型，获得聚类模型输出的第一特征向量对应的目标拥堵原因；基于第二特征向量对应的已知拥堵原因和第一特征向量对应的目标拥堵原因，识别当前交通拥堵事件对应的拥堵原因。相较于现有技术依赖人力识别交通拥堵的原因，本发明实施例降低了交通拥堵原因的识别成本，提高了交通拥堵原因的识别效率。
-
-
-
-
-
-
-
-
-
Search Results
24
records
(took 0.021 seconds)
