公开(公告)号：CN105760549B

公开(公告)日：2019-01-18

申请号：CN201610166201.8

申请日：2016-03-22

Applicant: 南京邮电大学

Inventor： 王宇虹 ,  陈志 ,  岳文静 ,  龚凯 ,  杨天明 ,  卜杰 ,  陈雨诗 ,  田思明

IPC: G06F16/9537

Abstract: 本发明公开一种基于属性图模型的近邻查询方法，该方法将顶点集查询问题定义成属性图模型，从全局角度求解属性图中的top‑k具有最小直径的顶点集，通过渐进式搜索和最少优先算法等策略获取可行解空间。本发明方法能够形成解决全局情况下属性图中的top‑k最小直径顶点集方案，使属性图中的最小顶点集求解问题在解决过程在时间和空间复杂度上得到优化，并避免早熟收敛。

公开(公告)号：CN105654729A

公开(公告)日：2016-06-08

申请号：CN201610183090.1

申请日：2016-03-28

Applicant: 南京邮电大学

Inventor： 陈志 ,  林海涛 ,  岳文静 ,  龚凯 ,  杨天明 ,  黄诚博

IPC: G08G1/01 ,  G06N3/04 ,  G06N3/08 ,  G06Q10/04 ,  G06Q50/30

CPC classification number: G08G1/0125 ,  G06N3/0454 ,  G06N3/08 ,  G06Q10/04 ,  G06Q50/30

Abstract: 本发明给出一种基于卷积神经网络的短时交通流量预测方法，该方法首先根据预测路段的上下游路段条数以及预测使用的历史流量数据个数，确定输入矩阵的格式；然后根据输入矩阵的格式，确定卷积神经网络预测模型的结构，并使用预测路段及其上下游路段的历史流量数据完成模型的训练；最后使用训练好的模型进行预测。该方法利用具有强大特征学习能力的卷积神经网络来准确预测短时交通流量，将预测路段及其上下游路段的流量一同考虑，不仅使输入数据扩展到二维，以满足卷积神经网络的输入格式，同时也提供了与预测路段相关联路段的信息，使预测模型学习到更多流量特征，从而提升预测精度。