-
公开(公告)号：CN111768635A
公开(公告)日：2020-10-13
申请号：CN202010257048.6
申请日：2020-04-02
Applicant: 东南大学
Abstract: 本发明公开了一种基于耦合鲁棒性张量分解的偶发性交通拥堵检测方法，所述方法首先采集各种交通变量数据；然后根据各类交通数据的特点，将其构建成同尺寸和同阶数的张量模型；然后对丢失的数据进行填充预处理；然后构建贝叶斯鲁棒性张量分解模型，提出自适应秩的贝叶斯鲁棒性张量分解模型，并从概率角度描述不同种类交通数据的共有的稀疏分布，从而构建多种交通数据的耦合鲁棒性分解模型；最后设计求解方法，实现高精度快速偶发性交通拥堵检测。
-
公开(公告)号：CN111274525A
公开(公告)日：2020-06-12
申请号：CN202010061279.X
申请日：2020-01-19
Applicant: 东南大学
Abstract: 本发明公开了一种基于多线性增广拉格朗日乘子法的张量数据恢复方法，包括：根据受污染的高维数据的结构和多模式特性构建张量模型；根据张量模型构建包括低秩项和稀疏项且具有约束条件的第一目标函数；将第一目标函数转换成不包括松弛项且具有不同约束条件的第二目标函数，第二目标函数包括分别涉及低秩项和稀疏项的第一项和第二项；对第二目标函数进行优化然后利用多线性增广拉格朗日乘子法去约束得到第三目标函数；求解第三目标函数得到真实数据和污染数据。本发明通过对目标函数进行转换加之改变其约束条件并采用多线性增广拉格朗日乘子法去约束，提高了张量恢复精度并降低了计算复杂度。
-
公开(公告)号：CN110111578A
公开(公告)日：2019-08-09
申请号：CN201910444421.6
申请日：2019-05-25
Applicant: 东南大学
IPC: G08G1/01
Abstract: 本发明提供了一种基于张量恢复的偶发性交通拥堵检测方法。该方法包括以下步骤：获得行程时间数据；根据所述行程时间数据构建张量模型；根据所述张量模型构建张量恢复模型；以及利用所述张量恢复模型将所述张量分解成低秩部分和稀疏部分；将述低秩部分标识为正常的行程时间分布；将稀疏部分标识为偶发性交通拥堵造成的行程时间异常值分布。本发明利用行程时间数据进行拥堵检测和识别，并采用高维张量模型来表征行程时间，能够充分利用行程时间的多模式特性。通过构建张量恢复模型，不仅检测出偶发性拥堵，还能够提取出非偶发性拥堵时的行程时间分布状况。
-
公开(公告)号：CN118262519B
公开(公告)日：2025-02-14
申请号：CN202410354348.4
申请日：2024-03-27
Applicant: 东南大学
Abstract: 一种基于强化学习的分层式区域协调信号控制方法，本发明涉及智能交通技术领域，所述控制方法包含以下步骤：确定路口终端的收集和计算周期，路口终端通过摄像头收集t1时刻距离路口X米的车辆数据和信号状态l，并计算得到车道的混合状态slane和路口的混合状态sintersection，其中车辆数据包括车辆位置xi和车辆速度vi，本发明的优点在于：通过摄像头收集的单车级数据进行合理的状态表示作为路口端决策的依据，调高了决策的科学性。通过区域层使用GCN预测全局交通状态，向区域端发生目标，进一步丰富路口决策信息内容。
-
公开(公告)号：CN116504058B
公开(公告)日：2024-08-23
申请号：CN202310419748.4
申请日：2023-04-19
Applicant: 东南大学
Abstract: 本发明公开了基于动态张量填充的高速公路短时行程时间预测方法、系统、电子设备、存储介质，包括:1、对从数据库上收集时间平均速度采用分段恒速轨迹处理，转化为空间平均速度。2、根据空间平均速度对各个路段的行程时间进行估计，将估计所得的行程时间数据作为已知的历史数据，构建张量模型。3、基于估计所得的行程时间数据和待预测的行程时间数据构建动态张量模型，待预测的行程时间数据标记为丢失数据。4、基于最小化迹范数的张量填充算法构建动态张量填充模型，实现动态填充，对待预测行程时间数据预测。本发明对高速公路行程时间进行实时预测，为出行人员提供路径选择依据，为交通管理者提供实施道路管理措施和制定交通规则的依据。
-
Patent Agency Ranking
公开(公告)号：CN118262519A
公开(公告)日：2024-06-28
申请号：CN202410354348.4
申请日：2024-03-27
Applicant: 东南大学
Abstract: 一种基于强化学习的分层式区域协调信号控制方法，本发明涉及智能交通技术领域，所述控制方法包含以下步骤：确定路口终端的收集和计算周期，路口终端通过摄像头收集t1时刻距离路口X米的车辆数据和信号状态l，并计算得到车道的混合状态slane和路口的混合状态sintersection，其中车辆数据包括车辆位置xi和车辆速度vi，本发明的优点在于：通过摄像头收集的单车级数据进行合理的状态表示作为路口端决策的依据，调高了决策的科学性。通过区域层使用GCN预测全局交通状态，向区域端发生目标，进一步丰富路口决策信息内容。
-
公开(公告)号：CN116504058A
公开(公告)日：2023-07-28
申请号：CN202310419748.4
申请日：2023-04-19
Applicant: 东南大学
Abstract: 本发明公开了基于动态张量填充的高速公路短时行程时间预测方法、系统、电子设备、存储介质，包括:1、对从数据库上收集时间平均速度采用分段恒速轨迹处理，转化为空间平均速度。2、根据空间平均速度对各个路段的行程时间进行估计，将估计所得的行程时间数据作为已知的历史数据，构建张量模型。3、基于估计所得的行程时间数据和待预测的行程时间数据构建动态张量模型，待预测的行程时间数据标记为丢失数据。4、基于最小化迹范数的张量填充算法构建动态张量填充模型，实现动态填充，对待预测行程时间数据预测。本发明对高速公路行程时间进行实时预测，为出行人员提供路径选择依据，为交通管理者提供实施道路管理措施和制定交通规则的依据。
-
公开(公告)号：CN116461391A
公开(公告)日：2023-07-21
申请号：CN202310661463.1
申请日：2023-06-06
Applicant: 东南大学
Abstract: 本发明公开了一种燃料电池混动汽车能量管理方法，主要步骤包括构建仿真环境、构建训练工况和验证工况；搭建Actor、Critic网络及其目标网络；训练能量管理策略，获得可继承的网络参数；加载网络参数至整车控制器，实现在线应用。本方法采用了Beta策略来改进标准SAC算法来提高优化性能；经过多次仿真实验，确定了合适的权重系数，并强调了健康约束，以降低驾驶成本，延长燃料电池混动汽车（FCHEV）的使用寿命；实现了与动态规划（DP）基准非常接近的性能，并且在不同驾驶循环中的仿真结果表明了良好的适应性。
-
公开(公告)号：CN115018929A
公开(公告)日：2022-09-06
申请号：CN202210612481.6
申请日：2022-05-31
Applicant: 东南大学
Abstract: 本发明公开了一种面向摄像头与毫米波雷达融合感知的多传感器时空协同标定方法，首先对毫米波雷达进行空间标定，确定其所处的世界坐标；然后确定路侧摄像头的内外参数，根据坐标系连续变换的传递性，确定毫米波雷达坐标系与像素坐标系间的转换关系。采用脉冲信号对局域网内的传感器时间进行校正，同时根据数据置信度指标，基于简单线性插值与贝叶斯神经网络的方法对等效数据帧进行预测。该方法将像素坐标与图像坐标非规则排列时的情况考虑在内，极大地提高了目标位置在不同坐标系下的转换精度；同时根据数据需求不同，引入了等效数据帧的可靠度，完备了不同精度要求下的标定流程，为高速公路的精细化管控提供了决策依据。
-
公开(公告)号：CN112158189A
公开(公告)日：2021-01-01
申请号：CN202011060544.9
申请日：2020-09-30
Applicant: 东南大学
Abstract: 本发明公开了一种基于机器视觉和深度学习的混合动力汽车能量管理方法，属于混合动力汽车能量管理领域，方法主要包括：基于卷积神经网络（CNN）的目标检测方法，从车载摄像机中提取可用的视觉信息，进一步建立基于摄像机和CNN的视觉处理模块；利用DRL算法，建立基于DRL的混合动力汽车能量管理方法；进一步利用深度确定性策略梯度（DDPG）算法，构建DDPG控制器；将视觉处模块和基于DRL的能量管理方法相结合，通过DDPG控制器，建立基于机器视觉和深度强化学习的混合动力汽车能量管理方法，实现在线实时控制车辆的功率分配。本发明所提出的方法能够共用自动驾驶汽车的视觉感知传感器，保证能量管理策略的实时性，进一步提高车辆的燃油经济性。
-
-
-
-
-
-
-
-
-
Search Results
40
records
(took 0.026 seconds)
