-
公开(公告)号：CN110287995A
公开(公告)日：2019-09-27
申请号：CN201910445174.1
申请日：2019-05-27
Applicant: 同济大学
Abstract: 本发明提供一种全天高架交通拥堵情况分级的多特征学习网络模型方法。在本发明中，先将全天的交通车速数据根据数据的时间属性和空间属性重新组织成为速度时空矩阵，同时保留交通数据的时空特征；再根据速度时空矩阵以及道路拥堵速度分级定义，构造拥堵时空矩阵；然后根据拥堵时空矩阵，针对道路的各个路段构建拥堵时长占比向量；最后基于速度时空矩阵，拥堵时空矩阵和拥堵时长占比向量，用三个不同的神经网络分支对数据提取特征，并进行分类。与现有技术相比，本发明针对完整的全天数据，多特征学习网络模型能够较好提取不同类型的数据特征，针对全天交通数据，进行较为有效的数据分类，能够高效率自动化的全天交通拥堵情况分级的问题。
-
公开(公告)号：CN107239730A
公开(公告)日：2017-10-10
申请号：CN201710249003.2
申请日：2017-04-17
Applicant: 同济大学
Abstract: 智能汽车能利用传感器收集道路信息，通过计算分析进行驾驶辅助，有利于保障交通安全。对交通标志进行自动识别是智能汽车的关键技术之一，然而，现有方法仍未在一个统一框架中有效对交通标志重要的颜色，轮廓及时间域信息进行联合挖掘学习。针对以上问题，本发明基于四元数的数学表示框架，提出了一种四元数深度神经网络模型方法以提高交通标志识别的鲁棒性，从而为智能汽车的辅助驾驶研究提供了更准确的模型保障。
-
公开(公告)号：CN114740840B
公开(公告)日：2024-12-17
申请号：CN202210275504.9
申请日：2022-03-21
Applicant: 同济大学
Abstract: 本发明公开了一种基于兽群觅食行为的群体机器人双环境区域覆盖方法，包括：建立区域覆盖场景，初始化算法参数；初始化其记录的待覆盖区域信息，更新待覆盖区域信息，获得候选点集合；若候选点集合不为空，则为每个候选点计算奖励函数，选择具有最大奖励的目标点为下一步目标位置并转至目标点判断步骤，若候选点集合为空则转到路径生成步骤；生成一条到距离最近的未覆盖目标点的路径，选择路径中的下一个目标点作为下一步目标位置；判断是否达到最大运行时间或已覆盖所有目标点，若是，则任务完成，否则在到达下一步目标位置后转到扫描环境步骤。本发明可同时应用于有边界环境与无边界环境的覆盖任务，突破了现有技术仅适用于单一环境的限制。
-
公开(公告)号：CN119049279A
公开(公告)日：2024-11-29
申请号：CN202411131512.1
申请日：2024-08-18
Applicant: 同济大学
Abstract: 本发明涉及突发扰动影响下的智能交通领域，提出了一种基于自适应多阶图神经网络的突发扰动交通预测方法，包含四个步骤：步骤1：基于原始的输入交通数据生成多阶交通图；步骤2：设计多尺度时序模块用于提取多阶交通图的多尺度时间特征；步骤3：设计多阶图交叉学习模块用于捕捉多尺度时间特征的多阶空间依赖；步骤4：对多阶空间依赖进行解码，生成交通预测结果。本发明解决了当前交通预测方法在突发扰动应用场景下的三大主要问题：缺乏多尺度时间依赖建模、无法建模多阶空间依赖、及预测迟滞，通过自适应和多尺度方法，有效提升了交通预测的及时性和准确性，特别适用于突发扰动场景下的交通管理。
-
公开(公告)号：CN118446074A
公开(公告)日：2024-08-06
申请号：CN202410085174.6
申请日：2024-01-20
Applicant: 同济大学
IPC: G06F30/27 , G06F30/18 , G06Q10/0639 , G06Q50/26 , G06N3/042 , G06F119/02
Abstract: 本发明涉及智能交通领域，提出了一种基于图神经网络与综合韧性计算的交通韧性评估方法。包括步骤：步骤1，基于原始交通速度数据，采用动态图神经网络模型进行功能性指标即交通速度预测；步骤2，基于原始交通速度数据，构建交通路网的空间物理拓扑结构，进行结构性指标计算；步骤3，融合功能及结构指标构建综合评价指标，并结合所设计的综合韧性评估算法实现城市交通路网韧性评估。根据在公开数据集PEMS‑BAY上的实验，与其他最新且受认可的方法相比，本发明能够更准确地进行城市交通路网的韧性评估。
-
Patent Agency Ranking
公开(公告)号：CN117765718A
公开(公告)日：2024-03-26
申请号：CN202311501863.2
申请日：2023-11-13
Applicant: 同济大学
IPC: G08G1/01
Abstract: 本申请属于智能交通领域，提出了基于扩散概率模型数据重建的交通韧性评估方法，包括步骤：步骤1：基于扩散概率模型对原始韧性指标数据进行重建；步骤2：协同利用原始韧性指标数据与重建数据进行韧性指标预测；步骤3：建立基于最短路径概念的、兼顾功能韧性与结构韧性的综合韧性评估算法，实现具有实时性和一定预测性的城市交通路网韧性评估。本发明可以有效判断交通系统在低概率突发事件影响下的性能，实现多粒度、全面且动态的交通韧性评估，并指导决策用以增强城市路网交通系统对突发事件的抵抗、恢复及适应能力。
-
公开(公告)号：CN117334043A
公开(公告)日：2024-01-02
申请号：CN202311273726.8
申请日：2023-09-28
Applicant: 同济大学
IPC: G08G1/01 , G06Q10/0639 , G08G1/052
Abstract: 本发明涉及智能交通领域，提出了基于神经注意受控微分方程的城市交通路网韧性评估方法，包含三个步骤：步骤1：基于原始交通速度数据进行功能性指标预测；步骤2：基于原始交通速度数据进行结构性指标计算；步骤3：融合功能及结构指标构建综合评价指标体系，并结合多指标韧性评估算法实现城市交通路网韧性评估。本发明继承了神经受控微分方程训练时高效的内存利用率、处理缺失观测值的鲁棒性，又展示了处理长时间突变抖动信号的特殊优势，对时序数据趋势特征尤为敏感，能够胜任于建模动态长时间交通速度数据预测。此外，所设计的综合韧性评价指标体系及多指标韧性评估算法能够实现城市交通路网韧性的精准评估。
-
-
公开(公告)号：CN116611468A
公开(公告)日：2023-08-18
申请号：CN202310404983.4
申请日：2023-04-14
Applicant: 同济大学
IPC: G06N3/006
Abstract: 本发明提出一种基于机器人间无需通讯的粒子群搜索方法，在二维或三维最优化搜索任务中，在搜索空间内分散布置有多个不具备相互通讯能力的机器人，将群体机器人视为粒子群，将各个机器人视为粒子，并将对应粒子群算法中S&W粒子替换为S&W机器人，S&W粒子集替换为S&W机器人集，进行环境建模，将机器人检测到的场源信号值作为粒子群算法的适应值指标。本发明通过对传统粒子群算法进行改进，利用了粒子的单向主动探测能力，粒子群不需要相互通讯分享适应值和位置信息，使得粒子群算法首次在无需通讯的情况下具备在最优化问题空间内的迭代搜索能力，并且将其应用到群体机器人搜索任务中，具备非常出色的搜索性能。
-
公开(公告)号：CN112966803B
公开(公告)日：2022-06-07
申请号：CN202110145980.4
申请日：2021-02-02
Applicant: 同济大学
IPC: G06N3/00 , G06Q10/04 , G06F16/9536
Abstract: 本发明提出了一种基于粒子群算法的多智能体协同目标搜索方法，该方法引入粒子群算法进行虚拟领航，使用具有一定通信与感知能力的实体智能体代替粒子群算法中的虚拟粒子实现源定位搜索。首次在粒子群算法中考虑了粒子的移动距离与搜索时间，以此建立权重代价函数，根据粒子群每代产生的目标位置，通过局部搜索策略，为智能体规划代价最小的路径。据此，多智能体系统能够在不影响目标搜索精度的前提下，大幅降低能耗、增强续航、提升搜索效率。本发明是一个具有通用性的多智能体目标搜索方法，所基于的粒子群算法可以是任意的粒子群变体。
-
-
-
-
-
-
-
-
-
Search Results
44
records
(took 0.088 seconds)
