一种城市的有效路径集搜索方法

    公开(公告)号:CN113065073A

    公开(公告)日:2021-07-02

    申请号:CN202110281475.2

    申请日:2021-03-16

    Applicant: 东南大学

    Abstract: 本申请涉及一种城市的有效路径集搜索方法。该方法包括:获取目标分配区域内所有节点的节点信息、所有路段的路段信息及所有OD点对的OD点对信息;根据所有节点的所述节点信息和所有路段的所述路段信息,构建电子道路地图网络;根据所述电子道路地图网络,构建对偶的电子道路地图网络;根据所有OD点对的所述OD点对信息及所述对偶的电子道路地图网络进行有效路径集的搜索,获得所述目标分配区域内的有效路径集,能够面向城市大规模网络实现有效路径集的快速搜索,基于确定有效路段,进一步确定有效路径,避免了有效路径集搜索中可能出现的组合爆炸情况,最终实现有效路径的筛选,加速了有效路径集的搜索。

    基于奇异谱分析和回声状态网络的短时交通流预测方法

    公开(公告)号:CN112614346A

    公开(公告)日:2021-04-06

    申请号:CN202011493512.8

    申请日:2020-12-17

    Applicant: 东南大学

    Abstract: 本发明公开了一种基于奇异谱分析和回声状态网络的短时交通流预测方法,具体包括如下步骤:首先,设置一定的时间间隔,收集得到反应交通状态信息随时间变化的交通流时间序列;利用奇异谱分析(SSA)将原始交通流时间序列分解为趋势、周期和残差3个成分;其次,利用回声状态网络(ESN)对这3个成分分别建模、训练并预测,使用粒子群优化(PSO)优化模型的超参数;最后,对3个成分的预测结果相加作为最终预测结果。该方法能够用于分析交通流量的变化特征,并有效提高短时交通流预测结果的精确度。

    结构化网构软件系统中任务执行的资源缓存方法

    公开(公告)号:CN101719083B

    公开(公告)日:2013-02-27

    申请号:CN200910263289.5

    申请日:2009-12-18

    Applicant: 东南大学

    Abstract: 本发明公布了一种结构化网构软件系统中任务执行的资源缓存方法,本发明每当一个软件Agent执行一次任务,Agent调用所需的资源,并且采用以下方法对调用的资源进行缓存:在调用的资源中,如果调用的是原始资源,那么就产生一个该资源的副本,该资源副本向调用的Agent移动一步;如果调用的是资源副本,那么就直接将该副本向这个Agent移动一步。因此,当以后该Agent执行任务需要调用该资源时,就会比调用原始资源更能节省时间,故而提高任务执行的效率。本发明方法避免了Agent每次执行任务时都需要直接访问资源造成的时间浪费,提高了系统的性能和效率。

    结构化网构软件系统中任务执行的资源缓存方法

    公开(公告)号:CN101719083A

    公开(公告)日:2010-06-02

    申请号:CN200910263289.5

    申请日:2009-12-18

    Applicant: 东南大学

    Abstract: 本发明公布了一种结构化网构软件系统中任务执行的资源缓存方法,本发明每当一个软件Agent执行一次任务,Agent调用所需的资源,并且采用以下方法对调用的资源进行缓存:在调用的资源中,如果调用的是原始资源,那么就产生一个该资源的副本,该资源副本向调用的Agent移动一步;如果调用的是资源副本,那么就直接将该副本向这个Agent移动一步。因此,当以后该Agent执行任务需要调用该资源时,就会比调用原始资源更能节省时间,故而提高任务执行的效率。本发明方法避免了Agent每次执行任务时都需要直接访问资源造成的时间浪费,提高了系统的性能和效率。

    一种基于时间序列分解的短时交通流预测方法

    公开(公告)号:CN111161538B

    公开(公告)日:2021-07-02

    申请号:CN202010008741.X

    申请日:2020-01-06

    Applicant: 东南大学

    Inventor: 王炜 周伟 华雪东

    Abstract: 本发明公开了一种基于时间序列分解的短时交通流预测方法,它通过时间序列分解方法将交通流序列分解为趋势、周期和残差3个成分,再建立合适的模型对这3个成分单独训练并预测,最后将预测结果相加,作为最终的预测结果,它包括以下6个步骤:(1)采集所要预测道路断面的交通流数据;(2)将交通流序列分解为趋势、周期和残差3个成分;(3)对趋势成分和残差成分建立合适的预测模型,(4)将新观测的交通流数据动态分解;(5)对动态分解的3个成分单独预测;(6)将3个预测结果相加,作为最终的预测结果。该方法能够有效提高短时交通流预测结果的精确度。

    基于ARIMA和LSTM混合神经网络的短交通流预测方法

    公开(公告)号:CN112529299A

    公开(公告)日:2021-03-19

    申请号:CN202011460307.1

    申请日:2020-12-11

    Applicant: 东南大学

    Abstract: 本发明公开了一种基于ARIMA和LSTM混合神经网络的短交通流预测方法,分别采集初始时段至t时段的原始交通流数据,确定ARIMA模型中差分阶数d,自回归阶数p和移动回归阶数q,得到标定参数的ARIMA(p,d,q)模型,使用初始时段至t时段的原始交通流序列训练ARIMA(p,d,q)模型,得到t时段的初步预测流数据从训练后的ARIMA(p,d,q)模型中提取AR(p)部分数据和MA(q)部分数据,以t时段的初步预测流数据AR(p)部分数据和MA(q)部分数据作为输入,以t时段的交通流数据真实值作为输出训练ARIMA‑LSTM混合神经网络模型,得到预测模型,获取预测时段的预测输入数据,将预测输入数据输入所述预测模型,得到预测时段的预测交通流数据,所得到的预测交通流数据准确性高。

    一种润滑油添加剂及其制备方法

    公开(公告)号:CN108277057B

    公开(公告)日:2021-03-09

    申请号:CN201810051410.7

    申请日:2018-01-19

    Applicant: 东南大学

    Abstract: 本发明公开了一种纳米润滑油添加剂,原料成分包括纳米四氧化三铁‑二硫化钼(Fe3O4@MoS2)复合物和液态石蜡,在将原料成分混合的过程中,将纳米Fe3O4@MoS2与液态石蜡在超声波环境下,混合均匀;其中,纳米Fe3O4@MoS2的量以质量百分比计为0.02‑1.1%,其中纳米Fe3O4@MoS2制备包括两个过程:采用溶剂法制备Fe3O4纳米颗粒,粒径大小为40‑60nm;采用水热法制备Fe3O4@MoS2纳米复合物,粒径大小为400‑600nm,在润滑油使用的过程中,该添加剂可以提高润滑油抗磨减磨的性能;在润滑油失效、丢弃到自然中后,该添加剂可以作为废润滑油的催化剂,有良好的光降解作用。

    一种交通流时间序列分解方法

    公开(公告)号:CN111179595A

    公开(公告)日:2020-05-19

    申请号:CN202010008745.8

    申请日:2020-01-06

    Applicant: 东南大学

    Abstract: 本发明公开了一种交通流时间序列分解方法,它包括以下步骤:(1)采集所需要分析道路断面的交通流历史数据;(2)将历史交通流序列分解为趋势、周期和残差3个成分;(3)将新观测的交通流序列分解为趋势、周期和残差3个成分。该方法充分考虑了交通流序列的周期性,可以剥离出随机噪声的影响,提取交通流周期波动以及趋势变化的规律。该方法适用于具有周期性的交通流状态序列,分解结果可用于交通状态分析、检测与预测,辅助智能交通系统的研究。

    一种润滑油添加剂及其制备方法

    公开(公告)号:CN108277057A

    公开(公告)日:2018-07-13

    申请号:CN201810051410.7

    申请日:2018-01-19

    Applicant: 东南大学

    Abstract: 本发明公开了一种纳米润滑油添加剂,原料成分包括纳米四氧化三铁-二硫化钼(Fe3O4@MoS2)复合物和液态石蜡,在将原料成分混合的过程中,将纳米Fe3O4@MoS2与液态石蜡在超声波环境下,混合均匀;其中,纳米Fe3O4@MoS2的量以质量百分比计为0.02-1.1%,其中纳米Fe3O4@MoS2制备包括两个过程:采用溶剂法制备Fe3O4纳米颗粒,粒径大小为40-60nm;采用水热法制备Fe3O4@MoS2纳米复合物,粒径大小为400-600nm,在润滑油使用的过程中,该添加剂可以提高润滑油抗磨减磨的性能;在润滑油失效、丢弃到自然中后,该添加剂可以作为废润滑油的催化剂,有良好的光降解作用。

Patent Agency Ranking