-
公开(公告)号：CN118197049A
公开(公告)日：2024-06-14
申请号：CN202410316165.3
申请日：2024-03-19
Applicant: 东南大学
Abstract: 本发明公开了一种预算约束下的交通检测器布局优化及路径流估计方法，包括：根据路径时间消耗分布曲线计算得到路网中所有路径的时间消耗；建立有限检测器数量预算约束下的道路交通检测器布局优化模型；求解道路交通检测器布局优化模型，得到检测器布局方案；基于检测器布局方案，建立改进的路径流量估计模型；结合检测器的观测数据，求解改进的路径流量估计模型，完成路径流量估计。本发明能够在有限的检测器预算约束下，实现使用更少的检测器完成路径数量的最大化观测，并在此基础上改进了传统的路径流量估计模型，将计算得到的可观测路段数据纳入传统的流量估计模型，实现有限观测条件下的全局网络路径流量估计。
-
Patent Agency Ranking
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
Applicant: 东南大学
IPC: G06F18/23 , G06F18/22 , G06F18/213 , G06N3/08 , G06F17/10 , G06Q50/30 , G06N3/0464 , G08G1/09 , G08G1/065 , G08G1/01
Abstract: 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：CN118197049B
公开(公告)日：2024-10-29
申请号：CN202410316165.3
申请日：2024-03-19
Applicant: 东南大学
Abstract: 本发明公开了一种预算约束下的交通检测器布局优化及路径流估计方法，包括：根据路径时间消耗分布曲线计算得到路网中所有路径的时间消耗；建立有限检测器数量预算约束下的道路交通检测器布局优化模型；求解道路交通检测器布局优化模型，得到检测器布局方案；基于检测器布局方案，建立改进的路径流量估计模型；结合检测器的观测数据，求解改进的路径流量估计模型，完成路径流量估计。本发明能够在有限的检测器预算约束下，实现使用更少的检测器完成路径数量的最大化观测，并在此基础上改进了传统的路径流量估计模型，将计算得到的可观测路段数据纳入传统的流量估计模型，实现有限观测条件下的全局网络路径流量估计。
-
公开(公告)号：CN116189464B
公开(公告)日：2023-09-12
申请号：CN202310130498.2
申请日：2023-02-17
Applicant: 东南大学
Abstract: 本发明公开了一种基于精细化回报机制的交叉熵强化学习可变限速控制方法，首先获得连续多瓶颈路段高速公路的交通流信息#imgabs0#；再设计同时考虑安全和效率的孤立瓶颈路段的综合回报值函数；接着设计附加修正函数对综合回报值精细化处理；再计算各个瓶颈的基于历史交通流和道路线型设计的重要性系数，得到各个瓶颈回报值的组成重要性系数并计算出高速公路全局回报值；然后采用交叉熵强化学习算法训练神经网络模型直至收敛；神经网络计算得到各瓶颈路段的最优协同控制值，对各个控制区进行限速控制生成新的交通流状态。本发明提出的可变限速控制方法能够获得最优的协调控制动作，能够有效地降低系统的总通行时间，改善道路安全性能。
-
公开(公告)号：CN116189464A
公开(公告)日：2023-05-30
申请号：CN202310130498.2
申请日：2023-02-17
Applicant: 东南大学
Abstract: 本发明公开了一种基于精细化回报机制的交叉熵强化学习可变限速控制方法，首先获得连续多瓶颈路段高速公路的交通流信息；再设计同时考虑安全和效率的孤立瓶颈路段的综合回报值函数；接着设计附加修正函数对综合回报值精细化处理；再计算各个瓶颈的基于历史交通流和道路线型设计的重要性系数，得到各个瓶颈回报值的组成重要性系数并计算出高速公路全局回报值；然后采用交叉熵强化学习算法训练神经网络模型直至收敛；神经网络计算得到各瓶颈路段的最优协同控制值，对各个控制区进行限速控制生成新的交通流状态。本发明提出的可变限速控制方法能够获得最优的协调控制动作，能够有效地降低系统的总通行时间，改善道路安全性能。
-
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
Applicant: 东南大学
IPC: G06F18/23 , G06F18/22 , G06F18/213 , G06N3/08 , G06F17/10 , G06Q50/30 , G06N3/0464 , G08G1/09 , G08G1/065 , G08G1/01
Abstract: 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。
-
-
-
-
-
Search Results
6
records
(took 0.015 seconds)
