-
公开(公告)号：CN112634620B
公开(公告)日：2021-11-30
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：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：CN116665439B
公开(公告)日：2024-05-07
申请号：CN202310486336.2
申请日：2023-04-28
Applicant: 东南大学
Abstract: 本发明公开了一种基于车辆号牌识别数据的城市路网车流OD不确定性估计方法，包括：获取车辆号牌识别数据，重构车辆轨迹，并按照Time‑of‑Day的时间维度提取路网样本车流OD、样本路径流量、样本路段流量和实际路段流量；基于贝叶斯计算图框架构建得到车流OD不确定性估计框架；分别设计历史车流OD、实时车流OD的不确定性估计流程，基于车流OD不确定性估计框架，设置损失函数，采用Adam方法进行训练求解，得到实时车流OD和历史车流OD的不确定性估计结果。本发明能够提高车流OD估计的鲁棒性和准确性，对提升交通管理系统的响应能力和服务水平具有重要意义。
-
公开(公告)号：CN116665439A
公开(公告)日：2023-08-29
申请号：CN202310486336.2
申请日：2023-04-28
Applicant: 东南大学
Abstract: 本发明公开了一种基于车辆号牌识别数据的城市路网车流OD不确定性估计方法，包括：获取车辆号牌识别数据，重构车辆轨迹，并按照Time‑of‑Day的时间维度提取路网样本车流OD、样本路径流量、样本路段流量和实际路段流量；基于贝叶斯计算图框架构建得到车流OD不确定性估计框架；分别设计历史车流OD、实时车流OD的不确定性估计流程，基于车流OD不确定性估计框架，设置损失函数，采用Adam方法进行训练求解，得到实时车流OD和历史车流OD的不确定性估计结果。本发明能够提高车流OD估计的鲁棒性和准确性，对提升交通管理系统的响应能力和服务水平具有重要意义。
-
-
-
Search Results
4
records
(took 0.011 seconds)
