公开(公告)号：CN111291924A

公开(公告)日：2020-06-16

申请号：CN202010051123.3

申请日：2020-01-17

Applicant: 同济大学

Inventor： 臧笛 ,  方杨 ,  程久军 ,  卫志华 ,  张军旗

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

Abstract: 一种长时交通速度预测的几何代数深度神经网络模型方法，具体方法包括如下步骤：原始数据采集及数据预处理，使用速度数据，由道路上的感应线圈检测器按时间间隔采集得到，采集得到数据后，对原始速度数据进行预处理以去除异常元素；(2)生成交通速度时空矩阵，将融合了历史速度时空矩阵用几何代数编码生成多重向量时空矩阵作为几何代数深度神经网络模型的输入；(3)构建几何代数深度神经网络模型，通过几何代数深度神经网络对历史速度参数进行多维度的深入挖掘以及时空特征的提取，实现对交通速度的长时预测；(4)通过反向传播算法对网络进行预测任务的训练优化以及测试，最后得到预测结果。提高对未来全天交通速度预测的准确性。

公开(公告)号：CN105006148A

公开(公告)日：2015-10-28

申请号：CN201510393555.1

申请日：2015-07-06

Applicant: 同济大学

Inventor： 王成 ,  邵禄 ,  张军旗 ,  张真真 ,  周劼人

IPC: G08G1/01

Abstract: 本发明提供一种路口转向车辆数目估计方法与系统。转向车辆数目估计方法为：部分路口安装线圈(loop detector)，根据不同的车道功能以探测转向的车辆数目，进行历史数据收集与记录，因此可以根据即将进入道路的车辆的数目来估计将要进行转弯的车辆的数目；对于没有安装线圈的路段，利用探测车辆(probe vehicle)的GPS数据统计采样车辆数目，并根据路口之间的相似性，从有线圈的路口的转向车辆数目推算出没有线圈的路口的转向车辆数目。上述方法可以有效地节省道路基础设施成本，同时可以高精度地估计路口转向车辆数目。本发明的系统依据上述方法进行设计，包含线圈数据收集模块、探测车辆数据收集模块和车辆数目预测模块，该系统容易实施、维护，可行性强。

公开(公告)号：CN102790715A

公开(公告)日：2012-11-21

申请号：CN201110270819.6

申请日：2011-09-14

Applicant: 同济大学

Inventor： 蒋昌俊 ,  陈闳中 ,  闫春钢 ,  张亚英 ,  张军旗 ,  陆埜 ,  张栋良

IPC: H04L12/56

Abstract: 本发明公开了一种基于互联网的资源分配系统及方法，包括:用户请求代理模块，用来接受用户的自主资源请求，根据所述自主资源请求的资源类型，生成一个请求唯一标识码UUID和任务请求，并将所述任务请求写入自己相应类型的任务池中;任务池，用来存放用户的所述任务请求;任务池监听器，用来监听所述任务池，读取所述任务池中的任务请求，并执行相应类型的资源的分配的动作，将结果发送给所述用户请求代理模块，通过用户请求代理将资源的使用结果返回给用户。本发明能让“虚拟超市”用户更自主便捷的使用平台中的跨域资源，给予用户个性化选择的能力，又消除了传统代理层在资源数充足、用户并发量高的情形下的瓶颈问题。

公开(公告)号：CN119152682A

公开(公告)日：2024-12-17

申请号：CN202411374860.1

申请日：2024-09-29

Applicant: 同济大学

Inventor： 臧笛 ,  赵佳怡 ,  龙佰超 ,  崔哲 ,  朱宏 ,  张军旗 ,  程久军 ,  唐克双

IPC: G08G1/01 ,  G06N3/0464 ,  G06N3/049

Abstract: 本发明属于智能交通领域，针对交通偶发性异常问题提出一种基于融合图卷积门控神经微分方程的偶发性交通异常检测方法。包括以下步骤：步骤1、基于数据集时间周期信息生成时间嵌入，节点的空间信息生成空间嵌入以及邻近的历史信息生成历史信息嵌入，拼接之后得到异质性的节点时空嵌入；等等。通过应用本发明提出的交通异常检测方法，城市交通管理部门可以更加高效地识别和应对突发交通事件，从而大幅提升城市交通系统的应变能力和适应性。本研究的成果将为未来的智能城市交通管理系统奠定坚实的基础，具有广泛的应用前景和重要的社会意义。

公开(公告)号：CN117007047A

公开(公告)日：2023-11-07

申请号：CN202310797488.4

申请日：2023-06-30

Applicant: 同济大学

Inventor： 张军旗 ,  林宇轩 ,  王成 ,  臧笛 ,  尤鸣宇 ,  张志明 ,  刘春梅

IPC: G01C21/20 ,  G06N3/006

Abstract: 本发明涉及群体机器人多目标搜索领域，提出了一种基于虚拟目标和虚拟种群的粒子群算法多源定位方法，使用具有一定通信与感知能力的群体机器人实现多源目标搜索定位。本方法将搜索区域均等地划分为多个单元，每个单元的中心都有一个虚拟目标。仅有一组机器人遍历所有虚拟目标，并使用虚拟目标执行粒子群优化算法搜索其对应的区域，最终覆盖整个搜索空间。该领域中常用的分组方法存在难以确定分组数量的问题，且其性能会随着源目标的数量增加而下降。本发明中提出的方法，仅需要一个分组就能完成多源目标定位，因此极大的减少了所需机器人的数量，因此减少了物理开支，且该方法可以适应大面积无源场景。

公开(公告)号：CN115762183A

公开(公告)日：2023-03-07

申请号：CN202211370158.9

申请日：2022-11-03

Applicant: 同济大学

Inventor： 臧笛 ,  雷俊涛 ,  崔哲 ,  程久军 ,  张军旗

IPC: G08G1/052 ,  G08G1/01 ,  G06F18/23213 ,  G06N3/0464 ,  G06N3/084

Abstract: 基于几何代数和超图的交通速度预测方法。步骤1.输入交通速度数据进入模型；结合整个训练集的预训练K‑means聚类结果以及交通路网图构建空间特征提取模块中的超图。步骤2.构建K层时空特征提取模块。步骤3.将交通数据属于每周的哪一天，以及属于每天的哪一个时刻的周期性信息通过两层线性层进行嵌入，结合每层模块的提取到的时空特征，再通过线性层从当前输入数据的时空特征中预测未来交通速度；步骤4.使用结合了两种常用损失函数的优化损失函数，通过反向传播与梯度下降不断优化网络参数，使得损失函数最小化，最终得到最优模型。本发明在实际场景中应用能够帮助交通管理部门更好地强化交通需求管理，加强城市交通拥堵综合治理，让城市交通更加顺畅。

公开(公告)号：CN110287995B

公开(公告)日：2022-12-20

申请号：CN201910445174.1

申请日：2019-05-27

Applicant: 同济大学

Inventor： 臧笛 ,  凌嘉炜 ,  程久军 ,  卫志华 ,  张军旗

IPC: G06K9/62 ,  G06N3/04 ,  G06F17/16 ,  G06Q50/30

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：CN114740840A

公开(公告)日：2022-07-12

申请号：CN202210275504.9

申请日：2022-03-21

Applicant: 同济大学

Inventor： 张军旗 ,  祖鹏 ,  王成 ,  康琦 ,  臧笛 ,  刘春梅

IPC: G05D1/02

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：CN114386556A

公开(公告)日：2022-04-22

申请号：CN202111526695.3

申请日：2021-12-14

Applicant: 同济大学

Inventor： 张军旗 ,  吴韵哲 ,  王成 ,  臧笛 ,  康琦

IPC: G06N3/00 ,  G01S11/06

Abstract: 本发明涉及一种基于禁忌搜索和粒子群算法的目标源定位与避障方法，该方法包括：建立表征目标源信号强度的适应度函数模型，将智能体视作粒子，初始化粒子群算法参数并清空禁忌列表；依据粒子的加权平均速度判断是否更新禁忌列表，结合禁忌搜索进行移动和避障；更新适应度值和全局、局部最优位置，并执行速度和位置更新策略；重复迭代直至智能体定位到目标源或满足迭代终止条件，最终智能体定位到最优目标源。与现有技术相比，本发明解决了智能体在没有环境先验知识的条件下，陷入障碍物中无法脱离的问题。

公开(公告)号：CN112766452A

公开(公告)日：2021-05-07

申请号：CN202110008263.7

申请日：2021-01-05

Applicant: 同济大学

Inventor： 张军旗 ,  刘欢 ,  卢烨昊 ,  王成 ,  康琦 ,  臧笛 ,  刘春梅

IPC: G06N3/00 ,  G06Q10/04 ,  G06Q50/04

Abstract: 本发明涉及一种双环境粒子群优化方法，具体为：S1、获取环境适应值，建立粒子优化模型；S2、初始化粒子群算法的预设参数，并随机初始化每个粒子的粒子初始参数；S3、计算当前迭代次数，获取每个粒子所处位置的适应值并排序，根据排序结果组成精英子群；S4、计算精英子群中个体的权重，根据得到的权重计算精英子群搜索中心；S5、通过粒子群算法更新每个粒子的速度和位置；S6、检测当前迭代次数大于预设参数中的最大迭代次数，若是则将当前粒子分布作为粒子优化模型的最优解决方案进行输出，同时输出粒子优化模型的信号源位置，若否则转至S3。与现有技术相比，本发明具有无需人工干预、搜索精细、自适应抗噪能力强、高鲁棒性等优点。