-
公开(公告)号：CN116150639A
公开(公告)日：2023-05-23
申请号：CN202310130501.0
申请日：2023-02-17
申请人： 东南大学
IPC分类号： G06F18/23 , G06F18/22 , G06F18/213 , G06N3/08 , G06F17/10 , G06Q50/30 , G06N3/0464 , G08G1/09 , G08G1/065 , G08G1/01
摘要： 本发明公开了一种基于行为趋向聚类和特征映射的多智能体可变限速控制方法，有如下步骤：设计同时考虑效率和安全的智能体奖励函数，再设计出整条公路的全局奖励函数；采集连续多瓶颈路段的交通流数据；采用结合参数再梯度化的多智能体深度强化学习算法对可变限速控制智能体训练；设计能够持久记忆和信息交换的神经网络计算交通流运行趋向，再用高斯混合模型进行趋向聚类并对智能体分组；对同组内的源智能体与共享智能体间进行横向特征映射，加快学习过程；同组内的智能体同步更新神经网络直至收敛；最后对道路限速控制。结果表明，提出的可变限速控制方法具有协调性能好，收敛速度快，有效地提升了道路通行效率、改善了交通安全。
-
公开(公告)号：CN114463390A
公开(公告)日：2022-05-10
申请号：CN202210027047.1
申请日：2022-01-11
申请人： 东南大学
摘要： 本发明公开了耦合车队跟驰强化的多孪生对抗网络跨相机车辆追踪方法，包括：训练目标检测神经网络和图像标准化对抗网络，分别用于提取目标位置和图像标准化；上述网络多重孪生用于多线程多监控视频同步处理；提取车辆轨迹，获取车辆队列跟驰运动特征与各车辆形态特征；划分车辆跟驰状态，构建动态车队特征提取模型；融合车辆运动、交通状态传播及摄像机空间分布，建立车辆时空预测迭代式；融合动态车队模型与队内车辆形态分布特征，实现多监控下车队群体跨相机匹配；并对动态车队内个体依次追踪编号，完成车辆跨相机追踪。对抗网络排除了背景与视角干扰，跟驰特性与动态车队模型为重识别增加稳定时空约束，极大提升了重识别效果。
-
公开(公告)号：CN116150639B
公开(公告)日：2023-12-19
申请号：CN202310130501.0
申请日：2023-02-17
申请人： 东南大学
IPC分类号： G06F18/23 , G06F18/22 , G06F18/213 , G06N3/08 , G06F17/10 , G06Q50/30 , G06N3/0464 , G08G1/09 , G08G1/065 , G08G1/01
摘要： 本发明公开了一种基于行为趋向聚类和特征映射的多智能体可变限速控制方法，有如下步骤：设计同时考虑效率和安全的智能体奖励函数，再设计出整条公路的全局奖励函数；采集连续多瓶颈路段的交通流数据；采用结合参数再梯度化的多智能体深度强化学习算法对可变限速控制智能体训练；设计能够持久记忆和信息交换的神经网络计算交通流运行趋向，再用高斯混合模型进行趋向聚类并对智能体分组；对同组内的源智能体与共享智能体间进行横向特征映射，加快学习过程；同组内的智能体同步更新神经网络直至收敛；最后对道路限速控制。结果表明，提出的可变限速控制方法具有协调性能好，收敛速度快，有效地提升了道路通行效率、改善了交通安全。
-
-
搜索结果
3 条记录 (耗时 0.019 秒)
