-
公开(公告)号:CN114550454A
公开(公告)日:2022-05-27
申请号:CN202210171664.9
申请日:2022-02-24
Applicant: 南京感动科技有限公司
IPC: G08G1/01
Abstract: 本发明涉及交通大数据相关技术领域,具体为基于ARIMA‑GM(1,1)融合预测模型的交通流预测方法,包括先对预测的道路交通流的数据进行提取,并将其分为横向和纵向数据进行预处理,构建出交通流数据矩阵;再对构建的交通流数据矩阵进行高维特征的提取;然后构建ARIMA‑GM(1,1)融合预测模型,并对其参数进行拟合;使用该模型对交通流数据进行预测,并对最后的结果进行检验。本发明提供了一种新基于ARIMA时间序列预测模型和GM(1,1)灰色预测模型对交通流预测的融合预测模型,解决了由于节假日等因素所带来的交通流突变导致的ARIMA模型的不准确性问题以及使用灰色模型解决了交通样本稀少等问题;该模型充分挖掘了道路交通流的时空特征,提高了长期交通流预测的准确性。
-
公开(公告)号:CN113496314A
公开(公告)日:2021-10-12
申请号:CN202111041210.1
申请日:2021-09-07
Applicant: 南京感动科技有限公司
Abstract: 本发明涉及大数据相关技术领域,具体为一种神经网络模型预测道路交通流量的方法,根据设定的时间间隔进行统计道路交通流量基础数据,并对数据进行清洗预处理;基于最短路径算法进行空间路网中相邻两个观测点间的距离计算;分析获取对道路交通流量预测有影响因素并量化处理;构建预测模型,并利用历史数据对MSTSGCN模型进行预测训练分析优化筛选;通过模型对各个观测点未来交通流量预测分析,最后通过计算机绘制显示得到交通流量预测曲线图。本发明提供了一种有效降低预测滞后性影响、预测因素考虑全面、预测快速准确且可基于历史数据训练优化的基于多变量时空同步图卷积网络模型预测道路交通流量的方法。
-
公开(公告)号:CN112153574A
公开(公告)日:2020-12-29
申请号:CN202010987499.5
申请日:2020-09-18
Applicant: 南京感动科技有限公司
Abstract: 本发明涉及一种基于浮动车辆的路侧设备时钟准确性检验方法和系统,包括检索并记录路侧设备附近的GPS记录,包括车辆GPS定位信息及时间信息;基于获取的GPS记录形成车辆经过路侧设备附近的通行轨迹记录;基于车辆每次经过路侧设备的GPS定位信息,建立拟合模型预测车辆经过该路侧设备的真实GPS时间;匹配同一辆车经过同一路侧设备的数据记录,利用事件发生时的真实GPS时间检验路侧设备的观测时间是否一致。本发明的方法和系统成本低且易于实现,具有良好的准确性与稳定性。
-
公开(公告)号:CN119066619B
公开(公告)日:2025-02-25
申请号:CN202411549455.9
申请日:2024-11-01
Applicant: 南京感动科技有限公司
IPC: G06F18/25 , G06F18/2431 , G06F18/213
Abstract: 本发明公开了一种多来源多构成空间数据的融合方法与系统,实现低空间精度业务数据与高精度地图数据的高效融合。首先,本发明设计了一套兼容原系统并面向高精地图的完备里程桩编码规则和利用高精地图数据实现的算法,满足了辅助空间定位和道路距离快速计算。其次,提出了一种处理方式将两类数据有效整合,使用特征提取和向量计算的方式,通过量化的距离分析和最短距离匹配,实现高效自动融合。最后,适配融合结果,使用抽检、循环投票等方式,进行结果质量检验,以满足生产系统对准确性的要求。本发明通过以上一系列技术手段对两类数据进行加工融合,实现业务数据和高精地图数据的关联融合,可较少的依赖人工作业并形成可靠的融合结果。
-
公开(公告)号:CN114550454B
公开(公告)日:2023-05-09
申请号:CN202210171664.9
申请日:2022-02-24
Applicant: 南京感动科技有限公司
IPC: G08G1/01
Abstract: 本发明涉及交通大数据相关技术领域,具体为基于ARIMA‑GM(1,1)融合预测模型的交通流预测方法,包括先对预测的道路交通流的数据进行提取,并将其分为横向和纵向数据进行预处理,构建出交通流数据矩阵;再对构建的交通流数据矩阵进行高维特征的提取;然后构建ARIMA‑GM(1,1)融合预测模型,并对其参数进行拟合;使用该模型对交通流数据进行预测,并对最后的结果进行检验。本发明提供了一种新基于ARIMA时间序列预测模型和GM(1,1)灰色预测模型对交通流预测的融合预测模型,解决了由于节假日等因素所带来的交通流突变导致的ARIMA模型的不准确性问题以及使用灰色模型解决了交通样本稀少等问题;该模型充分挖掘了道路交通流的时空特征,提高了长期交通流预测的准确性。
-
公开(公告)号:CN113496314B
公开(公告)日:2021-12-03
申请号:CN202111041210.1
申请日:2021-09-07
Applicant: 南京感动科技有限公司
Abstract: 本发明涉及大数据相关技术领域,具体为一种神经网络模型预测道路交通流量的方法,根据设定的时间间隔进行统计道路交通流量基础数据,并对数据进行清洗预处理;基于最短路径算法进行空间路网中相邻两个观测点间的距离计算;分析获取对道路交通流量预测有影响因素并量化处理;构建预测模型,并利用历史数据对MSTSGCN模型进行预测训练分析优化筛选;通过模型对各个观测点未来交通流量预测分析,最后通过计算机绘制显示得到交通流量预测曲线图。本发明提供了一种有效降低预测滞后性影响、预测因素考虑全面、预测快速准确且可基于历史数据训练优化的基于多变量时空同步图卷积网络模型预测道路交通流量的方法。
-
公开(公告)号:CN115438453B
公开(公告)日:2023-03-24
申请号:CN202211366350.0
申请日:2022-11-03
Applicant: 南京感动科技有限公司
IPC: G06F30/18 , G06F30/20 , G06F111/04 , G06F111/06 , G06F111/08
Abstract: 本发明涉及一种利用观测数据构建路网设施拓扑结构的方法,包括:以车辆为单位构建观测行程记录序列;基于观测行程记录序列提取涉及的设施点作为顶点,设施间拓扑关系作为候选边,并根据顶点出入流量将顶点属性划分为中间点、入口点和出口点;以拓扑中各中间节点的流入与流出净差值的总和作为模型目标函数,以最小化模型目标函数为目标,结合顶点和边的约束,建立拓扑模型;基于启发式算法求解所述拓扑模型,获得最优解。本发明利用路网路侧设备自身的观测数据实现路侧设备拓扑关系的动态构建,极大程度减少人工标注的工作,同时不依赖空间几何计算,在构建的过程中不依赖无需设备位置信息与路网地理信息数据。
-
公开(公告)号:CN115438453A
公开(公告)日:2022-12-06
申请号:CN202211366350.0
申请日:2022-11-03
Applicant: 南京感动科技有限公司
IPC: G06F30/18 , G06F30/20 , G06F111/04 , G06F111/06 , G06F111/08
Abstract: 本发明涉及一种利用观测数据构建路网设施拓扑结构的方法,包括:以车辆为单位构建观测行程记录序列;基于观测行程记录序列提取涉及的设施点作为顶点,设施间拓扑关系作为候选边,并根据顶点出入流量将顶点属性划分为中间点、入口点和出口点;以拓扑中各中间节点的流入与流出净差值的总和作为模型目标函数,以最小化模型目标函数为目标,结合顶点和边的约束,建立拓扑模型;基于启发式算法求解所述拓扑模型,获得最优解。本发明利用路网路侧设备自身的观测数据实现路侧设备拓扑关系的动态构建,极大程度减少人工标注的工作,同时不依赖空间几何计算,在构建的过程中不依赖无需设备位置信息与路网地理信息数据。
-
公开(公告)号:CN115186781A
公开(公告)日:2022-10-14
申请号:CN202211116113.9
申请日:2022-09-14
Applicant: 南京感动科技有限公司
Abstract: 本发明涉及一种多来源路侧交通观测数据的实时融合方法,对每条路侧交通观测数据,将包含的数据拼接为字符串后,计算其哈希值作为身份码,所述身份码与对应的路侧交通观测数据形成有序对的集合;基于观测数据的身份、时间、位置对不同来源的路侧交通观测数据进行精准融合和模糊融合。本发明的方法充分利用多个来源的观测数据进行融合获得观测记录;将多来源、海量、不完备的数据进行系统性整合与优化,从而在数据管理、数据分布与存储、数据生命周期管理、数据质量管控等方面提高数据治理水平。
-
公开(公告)号:CN306620511S
公开(公告)日:2021-06-18
申请号:CN202030492602.X
申请日:2020-08-26
Applicant: 南京感动科技有限公司
Abstract: 1.本外观设计产品的名称:带路径拟合图形用户界面的计算机。
2.本外观设计产品的用途:用于运行程序和信息显示。
3.本外观设计产品的设计要点:在于计算机屏幕中的图形用户界面的内容和布局。
4.最能表明设计要点的图片或照片:主视图。
5.后视图、左视图、右视图、俯视图、仰视图均为惯常设计,省略后视图、左视图、右视图、俯视图、仰视图。
6.图形用户界面的用途:用于高速公路车辆通行路径拟合管理。
7.图形用户界面的人机交互方式:通过键盘输入及鼠标点击界面上按钮执行相应操作。
-
-
-
-
-
-
-
-
-