-
公开(公告)号：CN117592695A
公开(公告)日：2024-02-23
申请号：CN202311486201.2
申请日：2023-11-09
Applicant: 东南大学
IPC: G06Q10/0631 , G06Q10/047 , G06Q50/06 , G06Q50/26 , G06F30/27 , G06F119/02
Abstract: 本发明公开了一种基于增强型BP神经网络的机场加油车低碳调度方法，包括：获取机场网络拓扑信息和车辆运行状态数据，建立机场加油车低碳优化调度模型；提出基于增强型BP神经网络，将模型的多变量参数优化问题转化三个单变量子优化问题，初始化三个单变量，依次更新三个单变量，将更新的三个单变量作为增强型BP神经网络的输入，迭代优化直至满足收敛条件，获得权重向量；利用Lyapunov稳定性理论与数学推导，证明提出的增强型BP神经网络方法的稳定性和收敛性；本发明提出基于增强型BP神经网络的加油车路径调度模型，引入学习率的下界函数，避免了自适应梯度下降算法的过早收敛，提高了路径调度的预测精度。
-
公开(公告)号：CN115100847B
公开(公告)日：2023-05-26
申请号：CN202210550566.6
申请日：2022-05-18
Applicant: 东南大学
IPC: G08G1/01
Abstract: 本发明公开了面向低渗透率网联车轨迹数据的排队服务时间估计方法，该方法首先，根据车速信息判别车辆在路口的排队停车状态，识别标记排队停车车辆。然后，通过对车辆到达、驶离周期的一致性判别，识别标记过饱和车辆。接着，针对欠饱和、过饱和两种情况，将车辆停车状态进行转换，以此为输入构建基于Logistic回归的车辆排队服务时间概率模型。最后，采用拉普拉斯近似方法，基于贝叶斯先验‑后验滚动实现排队服务时间的动态估计。本发明适用于低渗透率数据环境，在网联车车辆轨迹样本有限的条件下，可以实现欠饱和、过饱和场景下的排队服务时间估计，能为基于网联车数据的信号控制优化提供支撑。
-
公开(公告)号：CN116017407A
公开(公告)日：2023-04-25
申请号：CN202211616958.4
申请日：2022-12-15
Applicant: 东南大学
Abstract: 本发明提供了一种手机信令数据驱动的居民出行方式可靠辨识方法，包括：获取手机信令原始数据并预处理；获取居民出行调查数据，并与手机信令数据匹配，获得带有出行方式标签的手机信令数据；提取居民出行特征并结合出行方式标签进行相关性分析；构建基于信息论的贝叶斯网络结构和基于概率论的贝叶斯网络结构，构建融合贝叶斯网络模型；将连续出行特征处理为有序的离散状态，完成贝叶斯网络模型节点参数学习，完成基于贝叶斯网络模型的居民出行方式可靠辨识模型构建。本发明从信息论和概率论角度分别构建贝叶斯网络，考虑到了出行方式特征之间的隐性关系，运用BIC函数进行网络评分，对出行方式的辨识具有更高的可靠度和精度。
-
公开(公告)号：CN113763707B
公开(公告)日：2022-08-16
申请号：CN202110953889.5
申请日：2021-08-19
Applicant: 东南大学
Abstract: 本发明公开了一种基于号牌数据的路段溢流和车道阻挡状态辨识方法，该方法根据检测器采集到的车辆身份标识数据，包括时间戳、车牌信息、信号交叉口名称、进口方向、进口车道等信息，获取交通流的到达‑驶离信息；在此基础上，通过卡尔曼滤波模型对交通流的累计到达曲线进行重构；以路段车道上的滞留车辆数和上游交叉口驶离车辆的车头时距为辨识参数，构建路段溢流状态辨识模型；在路段未发生溢流状态下，采用动态时间弯曲法对无车道阻挡状态下的预期累计驶离曲线和实际采集的驶离曲线相似度进行比较，通过时间序列分段法比较左转和相邻直行车道的累计驶离曲线偏移距离，对渠化段车道阻挡状态进行辨识。
-
公开(公告)号：CN114639240A
公开(公告)日：2022-06-17
申请号：CN202210186268.3
申请日：2022-02-28
Applicant: 东南大学
IPC: G08G1/01
Abstract: 本发明公开了一种基于先进先出规则异常侦测的车辆有效行程时间提取方法，步骤为：1、获取路网路口卡口式电子警察检测到的号牌数据，进行上下游号牌匹配；2、筛选出完整通过路段的号牌数据；3、按照车流到达下游交叉口次序，提取车辆通过上游交叉口时的时间戳序列；4、利用车辆先进先出规则，筛检时间戳序列中的异常值，并重新生成符合先进先出规则的时间戳序列；5、将号牌数据与新生成的时间戳序列匹配，计算序列中包含车辆的行程时间值，得到车辆有效路段行程时间。本发明提升了车辆行程时间预处理的科学性和准确性。
-
Patent Agency Ranking
公开(公告)号：CN113299080A
公开(公告)日：2021-08-24
申请号：CN202110468059.3
申请日：2021-04-28
Applicant: 东南大学
Abstract: 本发明公开了一种基于路口交通通行状态的信号实时优化方法，根据路口渠化信息和历史车流信息，确定路口信号配时参数。根据路口所有流向的交通通行状态，计算相位运行过程中每一秒的相位切换分。根据每一秒的相位切换分以及路口绿灯流向的交通通行状态，判断是否结束当前相位。根据本发明信号优化方法能够达到路口信号实时优化，最大化利用路口时空资源。
-
公开(公告)号：CN112634620A
公开(公告)日：2021-04-09
申请号：CN202011546643.8
申请日：2020-12-24
Applicant: 东南大学
Abstract: 本发明公开了基于Encoder‑Decoder深度神经网络的路网动态交通分配方法，依托于车辆轨迹数据，采用LSTM神经网络模型构建Encoder‑Decoder模型，输入为路网交通多时段车流OD，输出为道路断面流量以及交叉口进口道转向流量，构建模型过程引入Attention机制，进行动态交通分配，得到路网交通需求与实际道路流量之间的非线性映射关系。本发明得到的分配模型结果精度较高，解决了传统方法存在的精度低、实时性差等弊端，为解决交通关键技术问题提供有力支撑。
-
公开(公告)号：CN106856049B
公开(公告)日：2020-04-24
申请号：CN201710052088.5
申请日：2017-01-20
Applicant: 东南大学
Abstract: 本发明公开了一种基于卡口号牌识别数据的关键交叉口需求集聚分析方法，根据路网内各交叉口的过车号牌识别检测记录，分析短时间隔内在关键交叉口存在过车记录的车辆在驶入该交叉口前的行驶轨迹，进而对关键交叉口交通需求聚集模式进行分析。本发明方法基于车辆号牌的识别与匹配追溯车辆在路网的行驶轨迹，通过大量轨迹数据的短时空间聚合分析路网内关键交叉口的交通需求的汇集方式，从海量历史数据中提取交通流运行模式，为交通信号控制、交通诱导等道路交通管控措施的实施提供可靠的数据支撑和依据。
-
公开(公告)号：CN109191872A
公开(公告)日：2019-01-11
申请号：CN201811180897.5
申请日：2018-10-09
Applicant: 东南大学
IPC: G08G1/08
Abstract: 本发明公开了一种基于号牌数据的路口交通流特征参数提取方法，步骤为：1、获取路网内路口卡口式电子警察检测到的号牌数据，并获取卡口式电子警察设备与交叉口对照表、路段与上下游交叉口对照表；2、获得每辆被检测车辆的驶离特征参数；3、在每一条过车数据后，增加该辆车在上游交叉口的过车信息；4、计算获得每条过车数据在路段上游交叉口的车辆到达特征参数；5、分别提取被检测车辆、位于被检测车辆前后的同周期且在上游交叉口有过车记录的最近车辆的行驶特征参数；6、根据得出的车辆驶离、到达、行驶特征参数补全车辆的路段“行程时间”，得出路段的交通状态，将交通状态上传到路口信号机，进而对路口信号配时进行调整。
-
公开(公告)号：CN108665703A
公开(公告)日：2018-10-16
申请号：CN201810365989.4
申请日：2018-04-23
Applicant: 东南大学
Abstract: 本发明公开了一种基于宏观基本图的路网状态转换点判别方法，采用动态时间弯矩算法，以MFD状态点前后序列的DTW距离衡量当前状态的变化程度，通过分析序列演化模式捕捉路网状态转换点，基于局部加权回归及差分法确定最大DTW距离所处区间,然后利用布伦特法确定区间极值,完成转换点的提取，从而准确识别路网状态，制定与状态相适应的交通管控策略。
-
-
-
-
-
-
-
-
-
Search Results
105
records
(took 0.038 seconds)
