-
公开(公告)号：CN115017720B
公开(公告)日：2024-12-27
申请号：CN202210711903.5
申请日：2022-06-22
Applicant: 东南大学
IPC: G06Q10/067 , G06F30/27 , G06Q10/04 , G06Q50/40 , G06F16/9537 , G06N7/01 , G06F111/10 , G06F111/08
Abstract: 本发明公开了一种基于巢式动态离散选择的出行活动链生成方法，包括步骤：S1，定义动态离散选择模型的参数，构建出行者的全天出行活动链模型；S2，定义状态转移矩阵，将连续阶段的状态‑选择对之间建立联系；S3，以理性出行者和效用最大化决策准则为前提，推导出每个阶段出行者的期望效用函数；S4，定义扰动项的分布，得到具有闭合形式的巢式动态离散选择模型；S5，根据选择特征，定义即时效用函数，并计算选项特定效用函数；(6)对步骤(5)中各种即时效用函数的参数进行估计，并进行出行活动链的生成。本发明通过引入基于巢式选择模型的扰动项分布，刻画出出行方式的选择相关性，能更好地预测出行者的完整出行活动链。
-
公开(公告)号：CN115935820A
公开(公告)日：2023-04-07
申请号：CN202211597956.5
申请日：2022-12-12
Applicant: 东南大学
IPC: G06F30/27 , G06F17/15 , G06F119/02
Abstract: 本发明公开了一种基于改进型C‑SPSA的大规模路网交通分配模型参数优化方法，方法包括：获取路段的属性以及OD的属性；按照路段车道数分类路段广义出行费用函数参数，使用K‑means聚类方法挑选指定数量个特征差异最大的簇分类路径选择模型参数；根据手机信令数据挖掘大规模路网下的旅客出行行为，估计不同簇的路径选择模型参数；获取训练集，训练机器学习模型代替交通分配模型；使用改进型的聚类同时扰动随机逼近算法(C‑SPSA)拟合得到新的参数组合，保证交通分配的精度。
-
公开(公告)号：CN114398530A
公开(公告)日：2022-04-26
申请号：CN202111623992.X
申请日：2021-12-28
Applicant: 东南大学
IPC: G06F16/909 , G06F16/901 , G06Q10/04
Abstract: 本申请涉及一种实时预测驾驶员用车行为模式变化的方法。该方法包括：实时获取驾驶者的个人出行的历史数据并进行预处理，历史数据为驾驶者在以前的出行中车辆的使用时间以及出行的空间位置；将历史数据规整后，将出行地图划分为网格并对网格中每一个格子给予索引作为空间数据，将时间序列数据按日划分，每日统计个人车辆使用时间并以此作为时间数据，获得统计的时间序列数据；将时间序列数据输入到预先构建的广义似然比模型中，对当前周期的车辆使用模式进行分析，获得驾驶员当前周期内的车辆使用模式变化信息。以概率分布形式推断，考虑了时间依赖性以及个人属性的异质性的多个个体的私家车使用行为，有效地提升个人用车行为模式推断的精确率。
-
公开(公告)号：CN112990573A
公开(公告)日：2021-06-18
申请号：CN202110270914.X
申请日：2021-03-12
Applicant: 东南大学
IPC: G06Q10/04 , G06F16/9537
Abstract: 本发明公开了一种基于非对称离散选择模型的路径选择方法，考虑了路径选择建模中选择概率随效用函数不均匀变化的现象。非对称离散选择模型包括互补双对数模型、Scobit模型和非均匀Logit模型等均具有闭合形式的选择概率函数。在进行路径选择建模时，根据出行者选择集内路径确定非对称离散选择模型的表达式，采用极大似然法进行模型估计，最终根据所得参数值大小和显著性，分析出行者对路径属性的感知与偏好。经GPS轨迹数据的检验，非对称模型的拟合效果优于传统的Logit模型，验证了该路径选择方法的有效性。本发明能更好地描述实际出行行为，解释了路径选择建模中的类别不平衡现象，在优化道路资源分配方面具有积极意义。
-
公开(公告)号：CN114399090B
公开(公告)日：2024-11-22
申请号：CN202111615033.3
申请日：2021-12-27
Applicant: 东南大学
IPC: G06F30/20 , G06F16/906 , G06F16/909 , G06F18/2431 , G06F18/2415 , G06Q50/40 , G06F18/20
Abstract: 本发明公开了一种基于Nested Logit模型的全天多模式出行链的选择建模方法，该方法包括旅客全天出行数据采集、旅客家庭身份信息获取、全天出行链分类、出行方式选择集制约值设置、旅客选择出行方式影响因素判定和全天出行链生成的六大步骤。本发明通过采集旅客一天完整出行数据及个人社会经济属性，分析个人全天出行特征，对旅客全天出行链选择偏好进行离散选择建模分析，以隐式选择集生成方法，降低选择集数量过大对个人选择误差影响，并将该选择集生成模式嵌入传统Nested Logit模型，得到不同旅客一天所有出行方式选择时的影响因素，通过计算出的出行链选择模型，进行个性化的出行方案推荐。
-
Patent Agency Ranking
公开(公告)号：CN114398530B
公开(公告)日：2024-08-23
申请号：CN202111623992.X
申请日：2021-12-28
Applicant: 东南大学
IPC: G06F16/909 , G06F16/901 , G06Q10/04
Abstract: 本申请涉及一种实时预测驾驶员用车行为模式变化的方法。该方法包括：实时获取驾驶者的个人出行的历史数据并进行预处理，历史数据为驾驶者在以前的出行中车辆的使用时间以及出行的空间位置；将历史数据规整后，将出行地图划分为网格并对网格中每一个格子给予索引作为空间数据，将时间序列数据按日划分，每日统计个人车辆使用时间并以此作为时间数据，获得统计的时间序列数据；将时间序列数据输入到预先构建的广义似然比模型中，对当前周期的车辆使用模式进行分析，获得驾驶员当前周期内的车辆使用模式变化信息。以概率分布形式推断，考虑了时间依赖性以及个人属性的异质性的多个个体的私家车使用行为，有效地提升个人用车行为模式推断的精确率。
-
公开(公告)号：CN116186621A
公开(公告)日：2023-05-30
申请号：CN202310170758.9
申请日：2023-02-27
Applicant: 东南大学
IPC: G06F18/2415 , G06F16/35 , G06F18/23
Abstract: 本发明公开了基于LDA主题建模的居民代表性活动模式识别方法及系统，用来解决名义序列无法用聚类算法衡量相似度的问题。通过语义转换，将居民问卷调查数据转化为离散化活动序列，计算困惑度来确定最佳主题数，并采用LDA主题分布模型得到居民活动模式的潜在主题组成及其分布。将得到的活动主题分布作为新的聚类单元，运用CURE算法来进一步提取居民代表性活动模式。本发明能够从大量复杂无规则出行链信息中挖掘提取其潜在的主题，并得到有明显规律的活动模式。居民活动模式识别的结果可作为个体分类依据，用于后续建立考虑异质性的ABM模型、探讨影响活动模式因素的离散选择建模等，能够为出行行为精细化建模提供重要支撑。
-
公开(公告)号：CN113628455B
公开(公告)日：2022-08-05
申请号：CN202110724407.9
申请日：2021-06-29
Applicant: 东南大学
Abstract: 本申请涉及一种车联网环境下考虑车内人数的交叉口信号优化控制方法。该方法包括：通过在车联网环境下，根据当前交叉口的上游交叉口的车辆离去信息，基于训练好的长短时记忆神经网络模型实时预测当前交叉口的预计到达车辆数；根据当前交叉口的预计到达车辆数进行分析，确定当前交叉口未来时刻的排队车辆数；根据当前交叉口的未来时刻的排队车辆数，构建以当前交叉口的滞留人数为核心因素的信号优化模型；采用粒子群算法对信号优化模型进行分析，获得当前交叉口所有相位的最优绿灯持续时间；根据当前交叉口所有相位的最优绿灯持续时间，对当前交叉口的交叉口信号进行滚动优化控制，提高交叉口的通行效率，缓解道路交通压力。
-
公开(公告)号：CN113656746B
公开(公告)日：2022-06-17
申请号：CN202110823723.1
申请日：2021-07-21
Applicant: 东南大学
Abstract: 本发明公开了一种动态结构下考虑群体异质性的出行方式链选择方法，包括：(1)计算先验概率；(2)计算期望效用方程，确定选项特定的价值函数和条件选择概率函数；(3)计算似然函数；(4)计算后验概率，更新条件选择概率；(5)计算效用参数和类型参数；(6)利用期望最大算法迭代优化先验概率、后验概率和组合似然函数，达到同时获得效用参数和类型参数；(7)对步骤(6)效用参数和类型参数进行参数估计。本发明利用EM算法与条件选择概率算子结合的方法，估计动态离散选择模型中的两类参数；通过马尔科夫链的结构建模前后选择之间相关性，采用有限混合分布假设将群体的选择异质性分类，从而更好地预测出行者全天出行链选择的模式。
-
公开(公告)号：CN113628455A
公开(公告)日：2021-11-09
申请号：CN202110724407.9
申请日：2021-06-29
Applicant: 东南大学
Abstract: 本申请涉及一种车联网环境下考虑车内人数的交叉口信号优化控制方法。该方法包括：通过在车联网环境下，根据当前交叉口的上游交叉口的车辆离去信息，基于训练好的长短时记忆神经网络模型实时预测当前交叉口的预计到达车辆数；根据当前交叉口的预计到达车辆数进行分析，确定当前交叉口未来时刻的排队车辆数；根据当前交叉口的未来时刻的排队车辆数，构建以当前交叉口的滞留人数为核心因素的信号优化模型；采用粒子群算法对信号优化模型进行分析，获得当前交叉口所有相位的最优绿灯持续时间；根据当前交叉口所有相位的最优绿灯持续时间，对当前交叉口的交叉口信号进行滚动优化控制，提高交叉口的通行效率，缓解道路交通压力。
-
-
-
-
-
-
-
-
-
Search Results
21
records
(took 0.021 seconds)
