一种基于深度自适应学习的交通流预测方法

    公开(公告)号:CN115564016A

    公开(公告)日:2023-01-03

    申请号:CN202211032789.X

    申请日:2022-08-26

    Abstract: 本发明公开了一种基于深度自适应学习的交通流预测方法,步骤包括:对城市智能交通系统交通流数据进行样本抽取,数据处理的规则设置、预处理、归一化以及时序与数据集划分;组建深度LSTM网络,引入遗传算法GA进行深度网络的训练优化,构建深度网络超参数自适应优化的GA‑mLSTM模型;利用训练集和测试集对GA‑mLSTM模型进行训练和测试并根据测试结果进行性能评估;重复上述步骤,获得GA‑mLSTM模型的预测配置参数。该交通流预测方法构建了GA‑mLSTM模型,通过LSTM的深度网络设计保证模型泛化能力;引入遗传算法在全局空间获得最优解,加速模型收敛;通过差分运算对预测误差进行优化,提升整体交通流预测模型的准确率。

    一种室内定位方法及系统
    2.
    发明公开

    公开(公告)号:CN115014353A

    公开(公告)日:2022-09-06

    申请号:CN202210619653.2

    申请日:2022-06-02

    Abstract: 本发明公开了一种室内定位方法及系统,所述方法包括:获取加速度、角速度和地磁的原始数据,所述原始数据分别通过智能手机内置的加速度计、陀螺仪和磁力计采集得到;基于获取到的原始数据,采用预设的PDR位置估算方程进行位置估算,得到第一位置信息;所述PDR位置估算方程是基于步数值、步长值和行进方向进行位置估算的;基于获取到的原始数据,采用预设的UWB位置推算方法进行位置推算,得到第二位置信息;所述UWB位置推算系统是基于参考节点进行加权计算进行位置推算;使用卡尔曼滤波算法融合第一位置信息和第二位置信息,得到用户在室内的位置信息。本发明能够提高室内定位性能。

Patent Agency Ranking