-
公开(公告)号：CN118707849A
公开(公告)日：2024-09-27
申请号：CN202410738317.9
申请日：2024-06-07
Applicant: 东南大学
IPC: G05B13/04 , G06Q10/0637 , G06Q50/40 , G06F30/27 , G06N3/092
Abstract: 本发明涉及一种基于深度强化学习算法的多车道场景集成式节能驾驶策略优化方法，包括：以多车道直线高速公路为目标场景，利用不同算法分别控制主车和周围车辆的横纵向运动，建立运动学模型，并输入训练场景相关参数；从状态空间、动作空间和奖励函数三个方面，基于SAC算法设计轨迹规划与能量管理集成式节能驾驶策略；确定对协同优化性能影响最大的权重系数的合适取值，对设计策略的最优性和适应性进行检验。与现有技术相比，本发明中基于SAC算法的节能驾驶策略在与不同算法的最优性对比试验中展现了最优的性能，不仅比在线策略型深度强化学习算法更优，与同为离线型算法的DDPG和TD3相比，其综合性能也更强。
-
公开(公告)号：CN116153069B
公开(公告)日：2024-01-30
申请号：CN202310091773.4
申请日：2023-02-09
Applicant: 东南大学
IPC: G08G1/01 , G06N3/0499 , G06N3/084 , G06F17/18
Abstract: 本发明公开了一种交通流模型与数据融合驱动的交通状态估计方法及装置，该方法包括：获取高速公路研究区域内观测点处的交通状态数据，并进行预处理；构建基于数据特征进行交通状态估计的深度神经网络模型；构建神经网络编码宏观交通流守恒模型，将深度神经网络模型与其级联，进行联合训练；基于训练完成的深度神经网络模型，完成交通状态估计。将数据优势和模型优势结合起来，将宏观交通流模型作为数据驱动模型的正则约束，优化其梯度下降过程，并最终执行细粒度速度估计。
-
公开(公告)号：CN115967950A
公开(公告)日：2023-04-14
申请号：CN202310128846.2
申请日：2023-02-17
Applicant: 东南大学
IPC: H04W16/18 , H04W4/02 , H04W4/20 , G08G1/01 , G06F18/214 , G06F18/2431 , G06N3/0442 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了基于手机信令数据的特征与时序的城际出行模式辨识方法，1）建立城际出行交通网络，而后提取交通网络临近基站并为基站数据标记上路网信息，2）手机信令数据的获取和预处理，3）以基站信息为媒介关联手机信令数据和路网，构建信令数据特征表，4）基于随机森林和长短时记忆模型的混合模型，从数据特征库中提取样本数据对模型进行训练，并输出分类结果和准确率。本发明实现城际出行模式的高精度识别，在省域范围内居民跨城市细颗粒度出行模式识别和提出具有高置信度的模式识别基础上能够对已建城市间综合交通网络通勤现状进行评估，并为未来城市间综合交通网络规划和完善提供参考。
-
公开(公告)号：CN111768635B
公开(公告)日：2022-10-25
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。
-
-
Patent Agency Ranking
公开(公告)号：CN111311904A
公开(公告)日：2020-06-19
申请号：CN202010057115.X
申请日：2020-01-17
Applicant: 东南大学
Abstract: 本发明公开了一种基于浮动车数据加权张量重建的交通状态估计方法，所述方法包括：获取浮动车数据；根据所述浮动车数据构建张量模型和权重因子张量模型，所述张量模型和所述权重因子张量模型具有相同尺寸和阶数，权重因子张量的各初始赋值为1；设计引入权重因子的张量重建算法；根据各个影响浮动车数据可靠性的因素对权重因子张量进行重新赋值；根据所述重新赋值后的权重因子张量、所述浮动车数据张量模型与所述张量重建算法，获得浮动车数据和交通状态信息。本发明可以使得构建的张量重建模型更符合道路网交通状态估计的需求，从而获得更精确的道路网交通状态估计。
-
公开(公告)号：CN111310117A
公开(公告)日：2020-06-19
申请号：CN202010058620.6
申请日：2020-01-19
Applicant: 东南大学
IPC: G06F17/16
Abstract: 本发明公开了一种基于张量火车分解模型的交通大数据填充方法，该方法包括：构建包含5个交通数据维度的五维张量模型；通过L2正则约束，构建初始基于张量火车分解模型的填充模型；对所述填充模型中进行共轭梯度优化，获得每个核向量的优化后的填充模型；或对所述的填充模型，进行迹范数优化，得到最终填充模型；通过所述第一填充模型和／或第二填充模型，进行交通大数据填充。本发明提供的方法能够提高数据填充的精度，在高丢失率下能够保持填充稳定性。
-
公开(公告)号：CN117521389A
公开(公告)日：2024-02-06
申请号：CN202311545396.3
申请日：2023-11-17
Applicant: 东南大学
IPC: G06F30/20 , G01M17/007
Abstract: 本发明涉及一种基于车路协同感知仿真平台的车辆感知测试方法，构建感知仿真平台初步框架，自定义框架内通讯实现数据采集与传输；滤掉与所述车辆行驶路径无关的交通参与者后，将采集到的路面信息从不同的信息源进行融合处理，并使用深度强化学习模型进行自动驾驶车辆的训练；最终构建车辆感知评价体系对车辆感知进行评价，实现基于车路协同的感知模型训练。本发明对实现自动驾驶车辆感知模型测试优化和自动驾驶车辆模型安全性验证具有重要意义。
-
公开(公告)号：CN114241778A
公开(公告)日：2022-03-25
申请号：CN202210164445.8
申请日：2022-02-23
Applicant: 东南大学
Abstract: 高速公路网联车协同匝道汇入多目标优化控制方法和系统，首先采集控制区域车辆的状态数据，随后根据匝道汇入车辆位置决定控制开始的时间与被控车辆的选择，通过数据传输模块将信息传入交通控制模块，基于人工智能的匝道汇入多目标控制模型通过协匝道控制区域内的车辆行驶轨迹，在完成匝道汇入的同时保证道路整体交通高效、安全、节能运行。与传统方法相比，本发明极大地促进了匝道车辆的汇入，并且区别于其他方法将匝道汇入问题转化为车辆排序问题的缺陷，极大的提高了匝道汇入的效率，并且保证主线和匝道的通行效率与通行安全，减少了控制车辆的能耗损失，实现了高速系统经济效益的最大化。
-
公开(公告)号：CN114143856A
公开(公告)日：2022-03-04
申请号：CN202111420746.4
申请日：2021-11-26
Applicant: 东南大学
Abstract: 本发明提供一种高速公路5G网络资源需求预测方法，包括：首先建立各个车道的车流量检测数据集，然后按车流量对车流检测数据集进行重新归集，由相近车流量数据组成新的车流量数据集，并将车型细分为客车和货车；从新归集的车流量数据集中，截取总时间长度为T的客货车流量数据集，并获取相应时间段T内的上下行流量数据集；按时间间隔Δt对时间段T对应的数据集进行切分，基于切分后的数据集构建二元回归模型，进而根据当前客货车当前流量实现上下行通信数据需求预测。本发明能够在不同车流量条件和车流组成条件下，对高速公路的网络资源需求进行高效预测，从而更准确的为路网提供网络资源服务，在保障服务质量的基础上提高资源利用率。
-
-
-
-
-
-
-
-
-
Search Results
40
records
(took 0.024 seconds)
