公开(公告)号：CN116504058A

公开(公告)日：2023-07-28

申请号：CN202310419748.4

申请日：2023-04-19

Applicant: 东南大学

Inventor： 丁璠 ,  李琴 ,  谭华春 ,  孙悉斌 ,  陈晓轩 ,  伍元凯 ,  叶林辉

IPC: G08G1/01 ,  G06F17/10

Abstract: 本发明公开了基于动态张量填充的高速公路短时行程时间预测方法、系统、电子设备、存储介质，包括:1、对从数据库上收集时间平均速度采用分段恒速轨迹处理，转化为空间平均速度。2、根据空间平均速度对各个路段的行程时间进行估计，将估计所得的行程时间数据作为已知的历史数据，构建张量模型。3、基于估计所得的行程时间数据和待预测的行程时间数据构建动态张量模型，待预测的行程时间数据标记为丢失数据。4、基于最小化迹范数的张量填充算法构建动态张量填充模型，实现动态填充，对待预测行程时间数据预测。本发明对高速公路行程时间进行实时预测，为出行人员提供路径选择依据，为交通管理者提供实施道路管理措施和制定交通规则的依据。

公开(公告)号：CN112158189A

公开(公告)日：2021-01-01

申请号：CN202011060544.9

申请日：2020-09-30

Applicant: 东南大学

Inventor： 彭剑坤 ,  王勇 ,  南斯睿 ,  谭华春 ,  伍元凯 ,  丁璠

IPC: B60W10/06 ,  B60W10/08 ,  B60W10/26 ,  B60W20/15 ,  B60W50/00 ,  G06N3/08

Abstract: 本发明公开了一种基于机器视觉和深度学习的混合动力汽车能量管理方法，属于混合动力汽车能量管理领域，方法主要包括：基于卷积神经网络（CNN）的目标检测方法，从车载摄像机中提取可用的视觉信息，进一步建立基于摄像机和CNN的视觉处理模块；利用DRL算法，建立基于DRL的混合动力汽车能量管理方法；进一步利用深度确定性策略梯度（DDPG）算法，构建DDPG控制器；将视觉处模块和基于DRL的能量管理方法相结合，通过DDPG控制器，建立基于机器视觉和深度强化学习的混合动力汽车能量管理方法，实现在线实时控制车辆的功率分配。本发明所提出的方法能够共用自动驾驶汽车的视觉感知传感器，保证能量管理策略的实时性，进一步提高车辆的燃油经济性。

公开(公告)号：CN110222041A

公开(公告)日：2019-09-10

申请号：CN201910433784.X

申请日：2019-05-23

Applicant: 东南大学

Inventor： 谭华春 ,  伍元凯 ,  李琴 ,  冯建帅 ,  陈晓轩

IPC: G06F16/215 ,  G06F17/10

Abstract: 本发明涉及一种基于张量恢复的交通数据清洗方法，包括：验证所述交通数据的低秩特性；在所述交通数据具有低秩特性的情况下，创建用于张量恢复的第一目标函数，所述第一目标函数包括低秩部分和稀疏部分，所述低秩部分和所述稀疏部分分别表示所述交通数据中的真实数据和污染数据；将所述第一目标函数转换成第二目标函数，所述第二目标函数中描述的是NP问题；将所述第二目标函数转换成第三目标函数；将所述第三目标函数转换成分段拉格朗日函数；对所述分段拉格朗日函数求解，分离所述低秩部分和所述稀疏部分。本发明通过基于张量恢复的交通数据清洗，提供了更可靠的可用交通数据，便于出行者和交通管理人员制定更加正确的出行和管理策略。

公开(公告)号：CN113051667B

公开(公告)日：2024-02-02

申请号：CN202110333743.0

申请日：2021-03-29

Applicant: 东南大学

Inventor： 彭剑坤 ,  连仁宗 ,  范毅 ,  张思雨 ,  谭华春 ,  伍元凯

IPC: G06F30/15 ,  G06F30/27 ,  G06N3/048 ,  G06N3/084 ,  G06N3/096 ,  G06F119/14

Abstract: 本发明涉及一种混合动力汽车能量管理策略的加速学习方法，主要应用于基于深度强化学习的能量管理策略开发。通过不同混合动力汽车的驾驶工况信息，基于深度神经网络结构创建Actor网络和Critic网络，使用DDPG算法对源域的驾驶工况数据进行训练，以获得迁移学习所需要的内部表征；用获得的来自源域的内部表征初始化用来训练目标域的Actor网络和Critic网络，随机初始化训练目标域的Actor、Critic网络中的其他参数，并用少量的驾驶工况数据微调目标域的内部表征；目标域混合动力汽车执行训练完成的能量管理策略。本法发明具有共性的原则利用起来，节省了重新训练参数的时间，缩短了目标域混合动力汽车能量管理策略的训练周期，也有利于提高混合动力汽车的燃油经济性。

公开(公告)号：CN110688605A

公开(公告)日：2020-01-14

申请号：CN201910432452.X

申请日：2019-05-23

Applicant: 东南大学

Inventor： 谭春华 ,  伍元凯 ,  陈晓轩 ,  叶林辉 ,  李琴

IPC: G06F17/10 ,  G06F16/215

Abstract: 本发明提供了一种基于柯西（Cauthy）分布张量分解的数据重建方法，包括：利用Cauthy分布建立受噪声污染的待重建数据的噪声张量模型；基于所述张量模型建立低秩张量的第一优化函数，所述低秩张量在所述噪声张量模型中表示真实数据；通过张量分解将所述第一优化函数优化为第二优化函数；求解所述第二优化函数，得出所述低秩张量。该算法采用Cauthy分布模拟数据中的实际噪声，与普通方法相比，更为鲁棒，且能在污染数据及丢失数据同时存在的情况下计算张量分解，进而对不可靠高维数据进行修补。本发明可广泛被应用图像重建、交通数据重建以及视频前景提取等。