-
公开(公告)号：CN115691196B
公开(公告)日：2023-10-03
申请号：CN202211282278.3
申请日：2022-10-19
Applicant: 扬州大学
Abstract: 本发明公开了一种智能网联环境下公交运行多策略融合控制方法，通过智能网联自动驾驶汽车技术获取公交站台、公交运行路段以及交叉口信号信息，构建公交运行仿真环境，基于深度强化学习构建公交运行多策略融合鲁棒控制优化模型，基于分布式近端策略优化算法训练公交运行多策略融合鲁棒控制优化模型，利用训练好的公交运行多策略融合鲁棒控制优化模型实时控制公交运行，更新公交运行环境，通过公交控制效果指标、控制鲁棒性指标和可移植性指标评估公交运行多策略融合鲁棒控制优化模型的有效性，可视化分析公交运行时的实时精准控制优势，对公交运行实时精准控制，从而减少公交串车现象发生频率。
-
公开(公告)号：CN115527366A
公开(公告)日：2022-12-27
申请号：CN202211103834.6
申请日：2022-09-09
Applicant: 扬州大学
Abstract: 本发明公开了一种大规模城市路网交通拥堵瓶颈辨识方法，包括：获取研究路网的GIS经纬度信息，将研究路网划分为大小相同的网格区块，提取分析时间周期内拥堵持续时间大于给定时长的网格区块，将提取的区块设定为候选交通拥堵瓶颈区块，确定候选交通拥堵瓶颈区块集合，构建交通拥堵传播图，根据交通拥堵传播图辨识独立拥堵区域进行分析，根据构建分析的交通拥堵传播图，对路网中主动产生拥堵最早的区块进行辨识，识别源头拥堵区块，定义源头拥堵区块集合，确定交通拥堵瓶颈区域。本发明能够基于车辆出行轨迹数据和网格划分技术对路网网格区块交通状态进行研判，精准辨识城市路网在不同时段的交通拥堵瓶颈区域。
-
公开(公告)号：CN113392880B
公开(公告)日：2021-11-23
申请号：CN202110583035.2
申请日：2021-05-27
Applicant: 扬州大学
Abstract: 本发明公开了一种基于偏差校正随机森林的交通流短时预测方法，属于道路交通信息监测领域，该预测方法首先通过特征提取技术从交通流时间序列中提取能够表征交通流特性的特征，然后通过设计数据驱动的特征选择策略来识别和遴选对于预测任务具有重要影响力的特征，最后基于偏差校正随机森林算法和遴选的重要特征构建交通流短时预测模型，对未来的交通流状态参数进行预测。
-
公开(公告)号：CN120024352A
公开(公告)日：2025-05-23
申请号：CN202510175746.4
申请日：2025-02-18
Applicant: 扬州大学
Abstract: 本发明公开了一种基于深度强化学习的完全自动驾驶交叉口远引掉头路径优化方法，通过远引掉头设置，结合交叉口的实时交通流数据，利用深度强化学习算法训练自动驾驶车辆选择合适的掉头路径；包括步骤：S1，以每辆车作为一个智能体，以选择最优的远引掉头路径为目标，构建基于深度强化学习的智能体模型；在每个时间步中，以每辆车目前所在掉头口的排队车辆数和上一个动作作为时间步t的状态S(t)，以车辆选择保持当前掉头路径或选择下一个掉头路径为时间步t的动作A(t)，以所选择掉头路径上的排队车辆数的负数为时间步t的奖励R(t)；S2，对智能体参数进行初始化；S3，训练完成保存智能体模型。本发明能有效减少交叉口排队现象，提升交叉口的整体运行效率。
-
公开(公告)号：CN115291508B
公开(公告)日：2023-08-29
申请号：CN202210681154.6
申请日：2022-06-16
Applicant: 扬州大学
IPC: G05B13/04
Abstract: 本发明公开了一种基于分布式深度强化学习的动态公交控制系统及方法，包括历史和实时数据收集模块，用于收集研究路网内部的公交历史数据，公交系统设计模块，根据历史数据参数设计公交系统，根据公交系统收集交通信息实时数据，搭建真实DRL环境模块，用于根据公交系统提供的历史和实时数据对真实DRL公交控制的训练环境进行搭建，构建DRL模型模块，用于根据搭建的DRL训练环境，构建DRL模型，包括DRL的状态、动作、策略和奖励，训练DRL模型模块，用于对DRL模型进行不断训练，学习最优策略，本申请旨在显著减少计划时间和车头时距的偏差，防止偏差向下游累积，避免公交串车现象发生。
-
Patent Agency Ranking
公开(公告)号：CN115527366B
公开(公告)日：2023-07-25
申请号：CN202211103834.6
申请日：2022-09-09
Applicant: 扬州大学
Abstract: 本发明公开了一种大规模城市路网交通拥堵瓶颈辨识方法，包括：获取研究路网的GIS经纬度信息，将研究路网划分为大小相同的网格区块，提取分析时间周期内拥堵持续时间大于给定时长的网格区块，将提取的区块设定为候选交通拥堵瓶颈区块，确定候选交通拥堵瓶颈区块集合，构建交通拥堵传播图，根据交通拥堵传播图辨识独立拥堵区域进行分析，根据构建分析的交通拥堵传播图，对路网中主动产生拥堵最早的区块进行辨识，识别源头拥堵区块，定义源头拥堵区块集合，确定交通拥堵瓶颈区域。本发明能够基于车辆出行轨迹数据和网格划分技术对路网网格区块交通状态进行研判，精准辨识城市路网在不同时段的交通拥堵瓶颈区域。
-
公开(公告)号：CN116153125A
公开(公告)日：2023-05-23
申请号：CN202310155733.1
申请日：2023-02-23
Applicant: 扬州大学
IPC: G08G1/123 , G06Q10/04 , G06Q50/26 , G06Q50/30 , G06N3/08 , G06N3/0455 , G06N3/0442
Abstract: 本发明公开了一种基于IDA‑RNN模型的空间维度公交到达时间预测方法，利用IDA‑RNN模型在双重注意力递归神经网络的空间维度下进行对公交到达时间预测，利用时间域中空间变化特征的影响，同时考虑公交运行前后车跟驰关系制定了空间域中的预测问题，从空间维度对公交到达时间进行准确、可靠的预测，为实现智能主动公交管控提供重要技术支撑，依据公交到达时间预测结果，交通管理者和组织者可据此制定完善交通运营与管理措施以提升公交系统运行效率，科学安排出行计划，从而有效增强城市公交的吸引力，减轻城市道路交通压力，提高居民出行体验，提升公交出行分担率。
-
公开(公告)号：CN115291508A
公开(公告)日：2022-11-04
申请号：CN202210681154.6
申请日：2022-06-16
Applicant: 扬州大学
IPC: G05B13/04
Abstract: 本发明公开了一种基于分布式深度强化学习的动态公交控制系统及方法，包括历史和实时数据收集模块，用于收集研究路网内部的公交历史数据，公交系统设计模块，根据历史数据参数设计公交系统，根据公交系统收集交通信息实时数据，搭建真实DRL环境模块，用于根据公交系统提供的历史和实时数据对真实DRL公交控制的训练环境进行搭建，构建DRL模型模块，用于根据搭建的DRL训练环境，构建DRL模型，包括DRL的状态、动作、策略和奖励，训练DRL模型模块，用于对DRL模型进行不断训练，学习最优策略，本申请旨在显著减少计划时间和车头时距的偏差，防止偏差向下游累积，避免公交串车现象发生。
-
公开(公告)号：CN114049765A
公开(公告)日：2022-02-15
申请号：CN202111296123.0
申请日：2021-11-03
Applicant: 扬州大学
Abstract: 本发明公开了基于自动车辆号牌识别数据的城市路网车流OD估计方法，对选定路网区域内的车辆号牌监测数据进行研究和分析，对车辆号牌数据进行精度处理，按照时空间隔对车辆号牌数据进行出行链划分，对存在轨迹缺失的出行轨迹全部进行重构，获取路网区域内重构后出行轨迹的OD流量。相较于传统基于人工调查的方法，本发明通过自动化方式提取完整车辆出行轨迹信息，在此基础上估计出路网动态OD流量，显著降低了人工工作量，有效提高了OD估计结果的真实性和可靠性。相较于基于路段流量反推OD流量的经典方法，本发明能够大幅降低建模和求解的复杂度，具备更好的可实施性。
-
公开(公告)号：CN111640304B
公开(公告)日：2021-01-08
申请号：CN202010498564.8
申请日：2020-06-04
Applicant: 扬州大学
Abstract: 本发明涉及一种面向连续流交通设施的交通拥堵传播特征自动化量化提取方法。所提出的方法以路线为分析对象，首先根据收集的交通流状态参数构建交通时空轮廓图，利用k‑means算法对历史交通流平均速度数据进行聚类，并根据聚类的边界速度来自动确定划分拥堵和非拥堵交通状态的阈值；然后，利用图连通性聚类算法识别交通时空轮廓图中独立的（时空非连续的）时空拥堵区域；之后，根据每一块独立时空拥堵区域对应的时空范围，结合时空范围内的交通流状态参数，从交通时空轮廓图中分析和提取交通拥堵传播相关的各类特征指标，实现对连续流交通设施的交通拥堵瓶颈和交通拥堵传播特征的快速自动辨识和量化提取。
-
-
-
-
-
-
-
-
-
Search Results
28
records
(took 0.022 seconds)
