-
公开(公告)号：CN113094368B
公开(公告)日：2022-08-05
申请号：CN202110392024.6
申请日：2021-04-13
Applicant: 成都信息工程大学 , 汉网云联成都科技有限公司
Inventor： 乔少杰 , 杨国平 , 宋海权 , 韩楠 , 李勇 , 闵圣捷 , 王伟业 , 孙科 , 袁犁 , 张浩东 , 范勇强 , 甘戈 , 冉先进 , 魏军林 , 余华 , 元昌安 , 黄发良 , 覃晓 , 郑皎凌 , 张永清
IPC: G06F16/22 , G06F16/2455 , G06F16/2457 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种提升缓存访问命中率的系统及方法，通过设置DDQN模型，提升了缓存区的访问命中率，能够更好地利用缓存区，提高了查询效率。本发明提供的DDQN模型能够学习经验，可以将若干个查询放入查询集合存储表并调度，且从历史执行的查询中获得更多的经验，改进调度策略。本发明能够有效地捕捉缓存区状态以及数据访问模式，更好地利用了缓存区并改进其查询的决策安排；DDQN模型能够适应从未执行过的查询，查询调度策略能够快速适应新的查询模板，从而产生显著的效果以及提升资源共享效率。
-
公开(公告)号：CN111429000B
公开(公告)日：2021-05-28
申请号：CN202010208141.8
申请日：2020-03-23
Applicant: 成都信息工程大学 , 成都申达森科技有限公司
Abstract: 本发明公开了一种基于站点聚类的共享单车取还站点推荐方法及系统，该方法包括构建单车转移网络并计算站点活跃度，对共享单车系统内站点进行二级聚类，利用多特征LSTM网络对单车需求量进行预测，向用户推荐共享单车取还站点。本发明根据历史行程记录和站点分布数据，构建出单车转移网络，得到每个站点的活跃度，综合考虑站点位置和单车使用模式，对站点进行二级聚类，并分析天气和时间因素对聚簇内单车需求量的影响，选取关键特征构建三维向量，使用多特征LSTM网络预测不同时间段聚簇内单车需求，能够显著提高单车需求量预测准确性，实现向用户合理推荐共享单车取还站点，进而提高用户的出行效率。
-
公开(公告)号：CN111859584A
公开(公告)日：2020-10-30
申请号：CN202010604795.2
申请日：2020-06-29
Applicant: 成都信息工程大学
Abstract: 本发明公开了一种三维城市路网程序化建模方法，涉及三维交通路网仿真技术领域，本发明方法解决了现有交通仿真系统中路网建模存在人工建模工作量大、可视化效果不佳的问题；能正确计算出道路UV映射，并且不会出现纹理倾斜的情况，道路表达更加真实、效果更好；利用曲线控制点生成路段mesh顶点，操作简便；通过设定最小偏转角的方法，去除了直线段中部多余的型值点，在保持曲线形状基本不变的前提下，大幅减少了冗余型值点，并且适用于任一曲线算法生成的均匀点集；只需要获取基础控制点，就能自动生成道路模型，适用于大规模道路模型自动生成。
-
公开(公告)号：CN119901302A
公开(公告)日：2025-04-29
申请号：CN202411618747.3
申请日：2024-11-13
Applicant: 成都信息工程大学
IPC: G01C21/32 , G06N3/042 , G06N3/0464 , G06N3/045 , G06F18/23
Abstract: 本发明公开了基于交通路网权重学习的城市机动车多样化轨迹生成方法，包括：S1、在网络层生成交通路网的路网权重图；S2、基于路网权重图，根据车辆的起终点执行A*搜索算法，输出车辆重构轨迹；S3、根据车辆重构轨迹与对应真实轨迹的损失反向训练网络层中的图神经网络GCN和图注意力网络GAT，进而输出具有连通车辆轨迹的路网权重图；S4、将路网权重图输入至VAE模型中，依次通过编码、分区采样及解码处理，重构获得多个路网权重图，对其执行A*搜索算法，生成多样化车辆轨迹。本发明提供的车辆轨迹生成方法在交通管理过程中，不仅提供了必要的数据支持和决策依据，还为城市交通的未来发展奠定了坚实的基础。
-
公开(公告)号：CN116524737A
公开(公告)日：2023-08-01
申请号：CN202310459323.6
申请日：2023-04-25
Applicant: 成都信息工程大学 , 香港中文大学(深圳)
Abstract: 本发明公开了一种基于因果影响的红绿灯群协作结构探索和优化控制方法，包括初始化；将红绿灯i的原始观察转换成f(oi)；基于转换的f(oi)和行为策略模型πi进行决策，得到红绿灯动作ai，红绿灯局部回报ri和下一步的观察f(f(oi))；基于(f(oi)，红绿灯动作ai，红绿灯局部回报ri，f(f(oi)))进行红绿灯i的学习；将其它红绿灯的观察放入全局观察序列集合Ui中；计算一个时间段中红绿灯i与其它红绿灯之间的因果影响关系模型Gi；将追加到红绿灯i的因果影响图样本集合Ωi中；筛选得到红绿灯i的最优因果影响图样本Gi*；清空红绿灯i的全局观察序列集合Ui。本发明通过即时的信息交互，让红绿灯对其他红绿灯可能产生的影响有预见作用，能够提前采取适当决策舒缓区域交通拥堵。
-
Patent Agency Ranking
公开(公告)号：CN113053122A
公开(公告)日：2021-06-29
申请号：CN202110305552.3
申请日：2021-03-23
Applicant: 成都信息工程大学 , 四川易方智慧科技有限公司
Abstract: 本发明公开了基于加权多智能体分组逆向强化学习算法——WeightedMultiagent Group Inverse Reinforcement Learning(WMGIRL)对可变交通管控方案下区域车流量分布进行预测的方法，包括：S1、对待预测区域进行城市路网建模，并采集该区域内的行车轨迹数据；S2、基于待预测区域对应的城市路网和行车轨迹数据，通过基于加权(Weighted)的最大熵逆强化学习方法提取待预测区域内的流量特征；S3、基于提取出的流量特征和当前交通管控方案下的城市路网，采用基于多智能体分组(Multiagent Group)的正向强化学习方法对其进行处理，获得待预测区域的车流量分布预测结果。
-
公开(公告)号：CN112949933A
公开(公告)日：2021-06-11
申请号：CN202110305534.5
申请日：2021-03-23
Applicant: 成都信息工程大学 , 四川易方智慧科技有限公司
Abstract: 本发明公开了一种基于多智能体强化学习的交通组织方案优化方法，改进了MADDPG中的Actor网络，基于生灭过程改进了Critic网络中的经验库，使用早高峰最大车流设作为智能体回报指标，使用轨迹数据训练最大熵逆强化学习模型作为多智能体的回报机制，基于此设计出强化学习的回报函数；本发明方法实现了对当前城市交通组织方案进行优化，通过对当前交通数据进行分析，找出导致交通拥堵的原因，本方法能够很好的适应和快速找出最优方案，为交警专家提供了交通辅导意见，并为智慧城市打下基础。
-
公开(公告)号：CN111460332B
公开(公告)日：2020-10-30
申请号：CN202010336442.9
申请日：2020-04-26
Applicant: 成都信息工程大学 , 成都申达森科技有限公司
Inventor： 乔少杰 , 韩楠 , 罗佳 , 陈亮 , 肖月强 , 元昌安 , 范勇强 , 冉先进 , 彭京 , 甘戈 , 孙科 , 宋学江 , 覃晓 , 李斌勇 , 许源平 , 郑皎凌 , 张吉烈 , 张永清
IPC: G06F16/9537 , G06F16/9536 , G06F17/18 , G06Q50/00
Abstract: 本发明公开了一种基于用户生活轨迹的社会关系评估方法，具体为：采集若干用户的生活轨迹，将其分为训练集和测试集，并计算训练集中两两用户之间的轨迹相似度；根据训练集中用户关系构建地理位置因子图中的节点；分别构建基本特征因子函数、二元相似度因子函数和三元相似度因子函数；并根据因子函数构建地理位置因子图的全局概率分布模型；对全局概率分布模型进行训练，根据全局概率分布模型并通过最大和积传播算法对测试集中未知标签进行预测，得到社会关系评估结果。本发明提出了使用用户的轨迹相似度来表示用户位置信息间的关联，借助用户的位置关联预测用户之间的社会关系，使用户间社会关系的预测和识别更加精准。
-
公开(公告)号：CN111582469A
公开(公告)日：2020-08-25
申请号：CN202010211670.3
申请日：2020-03-23
Applicant: 成都信息工程大学
Abstract: 本发明属于人工智能技术领域，公开了一种多智能体协作信息处理方法、系统、存储介质、智能终端，每个agent在环境中每采取下一步行为在环境中留下自己的信息微量，当其它agent到达环境中状态时会先搜索周围的信息微量，把信息微量加入到神经网络中进行训练；分组模型找到多智能体之间更好的合作策略，分组模型使用多智能体之间的分组关系，预测出多智能体在下一时刻的最优分组；在每次经过G模型训练一回合结束时，把每个agent的损失函数公式看作适应度，统计每一回合智能体轨迹的损失值均值，汇总每一回合所有agent轨迹的损失值。本发明提高了多智能体的团队学习效率，实现多智能体能够团队协作更好的完成任务。
-
公开(公告)号：CN110969260A
公开(公告)日：2020-04-07
申请号：CN201911007816.6
申请日：2019-10-22
Applicant: 成都信息工程大学 , 泸州市城投智慧科技发展有限责任公司
Inventor： 乔少杰 , 刘定祥 , 孙科 , 韩楠 , 魏军林 , 张永清 , 许源平 , 彭珍妮 , 王伟 , 元昌安 , 冉先进 , 范勇强 , 彭京 , 周凯 , 黄萍 , 郑皎凌 , 何晓曦 , 李斌勇 , 覃晓 , 张吉烈
Abstract: 本发明涉及机器学习技术领域，提供了一种不平衡数据过采样方法，基于三角形重心特点，包括：S1、获取样本集，并对所述样本集进行正负样本划分，得到正样本集和负样本集；S2、获取正样本集坐标点位信息，根据所述正样本集坐标点位信息生成均值中心点；S3、识别所述正样本集中每一正样本到均值中心点的马氏距离，按马氏距离大小对所述正样本进行排序得到正样本序列；S4、根据所述正样本序列对正样本集进行分组生成正样本组，识别所述正样本组的重心，将所述重心位置标记为新正样本；S5、将所述新正样本并入至正样本集得到新正样本集，重复步骤S2-S4，得到与负样本数量相平衡的正样本数量；通过上述方法，本发明解决了机器学习中的过拟合现象。
-
-
-
-
-
-
-
-
-
Search Results
30
records
(took 0.027 seconds)
