-
公开(公告)号：CN115830375A
公开(公告)日：2023-03-21
申请号：CN202211494418.3
申请日：2022-11-25
Applicant: 中国科学院自动化研究所
IPC: G06V10/764 , G06V10/762 , G06V10/774 , G06V10/44
Abstract: 本发明提供一种点云分类方法及装置，其中方法包括：对原始点云数据进行特征提取，得到原始点云数据的局部特征；将局部特征分别输入第一处理分支与第二处理分支，得到局部特征的高频特征与低频特征；对高频特征与低频特征进行处理得到目标特征并输入分类器，得到原始点云数据的分类结果。本发明提供的点云分类方法及装置，通过在获取原始点云数据的局部特征之后，将获取的局部特征采用两个并行分支进行高频特征与低频特征的提取，并将获取的高频特征与低频特征拼接后的目标特征用于点云分类，降低了计算的复杂度。在提取低频特征时，基于向量注意力处理，可以建立点云坐标之间的长距离依赖关系，进一步降低后续分类的复杂度。
-
公开(公告)号：CN112861925A
公开(公告)日：2021-05-28
申请号：CN202110062310.6
申请日：2021-01-18
Applicant: 中国科学院自动化研究所
Abstract: 本发明涉及一种基于深度学习网络的多区域车辆需求预测方法及系统，所述车辆需求预测方法包括：获取多个待测区域的不同时段内的车辆需求的观测数据及天气环境历史数据；根据多个待测区域的车辆需求的观测数据，将各待测区域划分为多个簇；基于LSTM及全连接网络，根据各簇内不同时段内的车辆需求的观测数据及对应的天气环境历史数据，确定簇预测网络；基于LSTM及全连接网络，根据各待测区域的不同时段内的车辆需求的观测数据及对应的天气环境历史数据，确定全局预测网络；根据簇预测网络及全局预测网络，确定深度学习网络。本发明能够兼顾全局特性和区域特性，可预测下一时段内所有待测区域的车辆需求的终级预测数据，提高车辆需求预测的准确度。
-
公开(公告)号：CN110675623B
公开(公告)日：2020-12-01
申请号：CN201910842242.8
申请日：2019-09-06
Applicant: 中国科学院自动化研究所 , 东莞中国科学院云计算产业技术创新与育成中心
Abstract: 本发明属于智能交通领域，具体涉及一种基于混合深度学习的短时交通流量预测方法、系统、装置，旨在解决现有大规模交通流量预测方法精度低的问题。本系统方法包括获取待预测的各交通观测点的历史交通流量数据；所述历史交通流量数据为t时刻之前连续的等时长时间段的r个交通流量数据集合；分别将各交通流量数据集合中的历史交通流量数据合并得到对应的合并数据，并将各合并数据归一化；基于归一化后的各交通观测点的历史交通流量数据，采用混合深度学习模型获取各交通观测点t时刻归一化的预测结果；将预测结果进行反归一化，得到各交通观测点t时刻的交通流量预测值。本发明提高了大规模交通流量预测的精度。
-
公开(公告)号：CN116777046B
公开(公告)日：2025-03-21
申请号：CN202310532272.5
申请日：2023-05-11
Applicant: 中国科学院自动化研究所
IPC: G06Q10/04 , G06F18/24 , G06F18/214 , G08G1/01
Abstract: 本发明提供一种交通预训练模型构建和交通预测方法、装置及电子设备，其中方法包括：获取真实交通数据；基于合成模型，应用真实交通数据进行数据合成，得到合成交通数据；合成模型是以联合生成器、判别器和估计器训练得到，生成器基于第一交通数据合成第二交通数据，判别器用于判别第二交通数据的有效性，估计器基于第二交通数据进行交通任务预测；基于合成交通数据，对初始预训练模型进行训练，得到交通预训练模型。本发明提供的交通预训练模型构建和交通预测方法、装置及电子设备，可以有效解决现有技术中交通数据存在的数据质量差、数据规模小等问题，提高交通预训练模型的通用性。
-
公开(公告)号：CN111507258A
公开(公告)日：2020-08-07
申请号：CN202010303153.9
申请日：2020-04-17
Applicant: 中国科学院自动化研究所
Abstract: 本发明属于计算机视觉领域，具体涉及一种聚焦关键样本的基于集成学习的道路区域检测方法、系统。本发明方法包括：获取输入图像数据并预处理后得到处理后的图像数据；基于检测网络分别获取道路区域数据和道路边缘数据；对所述道路边缘数据和/或所述道路区域数据进行形态学变换，并与所述道路区域数据和/或所述道路边缘数据交集处理，获取像素级道路区域数据；其中，所述检测网络基于CNN的图像分割网络，包括用于获取道路区域的道路区域检测网络、用于获取道路边缘的道路边缘检测网络。本发明复杂度得到有效降低，具有通用性，能够部署并应用于智能车上，并且具有较好的检测准确度和鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN110517494A
公开(公告)日：2019-11-29
申请号：CN201910828960.X
申请日：2019-09-03
Applicant: 中国科学院自动化研究所
Abstract: 本发明属于智能交通领域，具体涉及一种基于集成学习的交通流预测模型、预测方法、系统、装置，旨在为了解决现有集成学习无法充分地适应复杂多变的交通流特征从而导致交通流预测的准确度的问题。本发明模型包括多个不同类别的基学习器，分别用于基于第一预设采集点的采集数据计算设定检测点的交通流预测值；时空特征学习模型用于基于二维交通流矩阵获取各基学习器的权重，二维交通流矩阵通过将第二预设采集点的采集数据归一化后按时间和空间排列获取；加权预测输出模块用于基于各基学习器输出的交通流预测值，依据时空特征学习模型得到的各基学习器的权重，获取设定检测点的最终的交通流预测值。本发明交通流预测结果具有较高的精度和鲁棒性。
-
公开(公告)号：CN115965029A
公开(公告)日：2023-04-14
申请号：CN202211740135.2
申请日：2022-12-30
Applicant: 中国科学院自动化研究所
IPC: G06F40/30 , G06F40/216 , G06N20/00
Abstract: 本发明提供一种基于生成对抗网络和语义编辑的交通流合成方法及系统，包括：建立基于生成对抗网络和语义编辑的交通流合成模型，包括：输入隐变量编辑模块、生成器模块和判别器模块；所述输入隐变量编辑模块在特定方向进行输入变量语义变换；所述生成器模块利用隐变量合成交通流数据；所述判别器模块对所述生成器模块生成的交通流数据进行评判，根据评判结果动态调整，增加相似度贴合真实交通数据流的合成交通流数据。本发明解决了现有交通数据采集需求量大、获取成本高的问题。
-
公开(公告)号：CN112766597A
公开(公告)日：2021-05-07
申请号：CN202110126791.2
申请日：2021-01-29
Applicant: 中国科学院自动化研究所 , 东莞中国科学院云计算产业技术创新与育成中心
Abstract: 本发明涉及城市公交管理技术领域，具体涉及一种公交客流预测方法及系统，旨在提升公交客流量预测的准确性。本发明的公交客流预测方法包括：通过LSTM来提取历史公交客流数据的时间特征；并利用注意力机制对不同时间步上提取到的时间特征进行赋权；使用分时图卷积方法来分析不同时段下公交线路间的空间依赖性；根据预测时段选择不同的关系矩阵，根据赋权后的时间特征，通过谱图卷积方式提取相关公交线路的时空间特征；将时空间特征与天气、节假日信息等外部环境信息进行融合，得到预测结果。本发明可以有效提升公交客流预测精度，并加快学习速率。
-
公开(公告)号：CN110517492B
公开(公告)日：2020-12-01
申请号：CN201910793353.4
申请日：2019-08-27
Applicant: 中国科学院自动化研究所
Abstract: 本发明属于智能交通系统领域，具体涉及了一种基于平行集成学习的交通路径推荐方法、系统、装置，旨在解决现有技术无法推荐最优车辆行驶路径的问题。本发明方法包括：基于交通需求信息划定可行区域并获取历史数据，根据路段划分为不同的历史数据子集；分别采用路段预测子模型获取预测结果，并获取模型最优超参数组、更新人工仿真场景、绘制可行规划区域交通拥堵地图，获取推荐行驶交通路径；其中，路段预测子模型通过平行集成学习的方法训练。本发明采用集成式模型预测未来需求并将其作为构建人工仿真场景的主要依据，同步动态更新信息，由小数据生成大数据，并从大数据中提取到小知识，有效提升道路的通行效率，缓解拥堵情况，节省出行耗时。
-
公开(公告)号：CN110675623A
公开(公告)日：2020-01-10
申请号：CN201910842242.8
申请日：2019-09-06
Applicant: 中国科学院自动化研究所 , 东莞中国科学院云计算产业技术创新与育成中心
Abstract: 本发明属于智能交通领域，具体涉及一种基于混合深度学习的短时交通流量预测方法、系统、装置，旨在解决现有大规模交通流量预测方法精度低的问题。本系统方法包括获取待预测的各交通观测点的历史交通流量数据；所述历史交通流量数据为t时刻之前连续的等时长时间段的r个交通流量数据集合；分别将各交通流量数据集合中的历史交通流量数据合并得到对应的合并数据，并将各合并数据归一化；基于归一化后的各交通观测点的历史交通流量数据，采用混合深度学习模型获取各交通观测点t时刻归一化的预测结果；将预测结果进行反归一化，得到各交通观测点t时刻的交通流量预测值。本发明提高了大规模交通流量预测的精度。
-
-
-
-
-
-
-
-
-
Search Results
23
records
(took 0.028 seconds)
