-
公开(公告)号：CN115240441B
公开(公告)日：2023-04-25
申请号：CN202210913589.9
申请日：2022-08-01
Applicant: 东南大学
Abstract: 本发明公开了一种信号控制人行横道中间安全岛上人数估计方法，具体为：根据路侧行人排队需求确定路侧平均每行排队人数，根据交通流理论确定路侧行人排队消散时间及排队行人到达安全岛的达到率；确定中间安全岛排队需求与平均每行排队人数；计算中间安全岛行人排队消散时间；分别确定安全岛双向行人流入数量函数与流出数量函数；计算中间安全岛上行人人数。本发明信号控制人行横道中间安全岛上人数估计方法，考虑行人在路侧和安全岛等待过街时间内排队队列形成与消散规律，更加准确的对中间安全岛上流入和流出人数进行估计，准确估计安全岛上不同时刻内人数，有利于更加精准的满足行人站立的安全岛设施设计与基于行人站立安全的信号控制优化。
-
公开(公告)号：CN115130612A
公开(公告)日：2022-09-30
申请号：CN202210876936.5
申请日：2022-07-25
Applicant: 东南大学
Abstract: 本发明公开了基于深度学习和多维度融合数据的车辆跟驰行为预测方法，包括以下步骤：根据微观交通流轨迹数据，提取驾驶者感知区域内其他车辆的非结构化数据；基于信息熵理论采用DIM模型对非结构化数据进行编码；将编码后非结构化数据和结构化数据进行融合；将融合之后的数据输入至深度学习模型，进行微观跟驰行为预测，输出跟驰车辆在下一时段的行驶距离。本发明提出一种同时考虑非结构化特征和结构化特征的跟驰行为预测方法，该预测方法在单步预测和多步预测任务中均有优异的性能表现；本发明方法理论性和可操作性强，通过将非结构化数据与结构化数据相融合，使得车辆对于周围环境的感知更加全面、准确。
-
公开(公告)号：CN115081550A
公开(公告)日：2022-09-20
申请号：CN202210884305.8
申请日：2022-07-25
Applicant: 东南大学
Abstract: 本发明公开了基于驾驶者特性的数据驱动车辆跟驰行为预测方法，包括以下步骤：分别获取两车速度随时间变化的突变点，根据速度突变点估计当前车辆的瞬时反应延迟；根据当前车辆多维时间序列的内在特征进行驾驶行为划分，对划分后的驾驶行为进行聚类，分别计算每种驾驶模式的占比；以门控循环单元GRU作为预测模型，预测模型的输入包括与当前车辆跟驰行为有关的多维时间序列，以及当前驾驶者的行为特征，预测目标为当前车辆下一时段的前进距离；多维时间序列的长度由瞬时反应延迟决定。本发明同时将驾驶者反应延迟和驾驶风格纳入跟驰模型中，基于实际数据挖掘反应延迟和驾驶模式，对不同的驾驶者进行差异化建模，更准确地估计驾驶者的跟驰行为。
-
公开(公告)号：CN113204734A
公开(公告)日：2021-08-03
申请号：CN202110350726.8
申请日：2021-03-31
Applicant: 东南大学
Abstract: 本发明公开了一种基于排队论的过饱和状态下交通系统多尺度供需关系的系统建模方法，通过引入动力系统方程来描述具有虚拟队列演化过程的确定性队列模型，并基于多项式函数近似逼近的到达率，解析地推导出了交通系统性能的各种评价指标，比如，虚拟队列长度、平均延迟、物理队列长度和时变路段通行时间等，讨论了过饱和因子的不同取值范围的适用性情况，通过采集多源数据对该系统模型中的关键参数进行了校准，验证了该系统建模方法的有效性。本发明可以被用于联合优化需求管理政策和基础设施建设工作，针对不同规模的复杂且过饱和的动态排队系统，决策者可以应用本发明系统地制定需求侧和供给侧的拥堵缓解策略。
-
公开(公告)号：CN115240427B
公开(公告)日：2023-06-20
申请号：CN202210892264.7
申请日：2022-07-27
Applicant: 东南大学
Abstract: 本发明公开了一种信号控制人行横道安全岛上行人排队需求估计方法，具体为：确定路侧行人每行平均排队人数；确定路侧行人排队过程的队列形成波波速和消散波波速；形成波波速和消散波波速确定路侧行人排队消散时长；确定路侧排队行人与非排队行人到达安全岛时至最近绿灯亮起时长；计算路侧行人到达安全岛排队过街需求。本发明考虑行人在路侧非绿灯(红灯和绿闪)时间内排队队列形成与消散过程，精准区分路侧排队和非排队行人到达安全岛的时间区间，更加准确的对信号控制人行横道中间安全岛上行人排队等待需求进行估计，有利于更加精准需求响应的安全岛设计优化与人行横道动态信号控制设计优化。
-
Patent Agency Ranking
公开(公告)号：CN115240427A
公开(公告)日：2022-10-25
申请号：CN202210892264.7
申请日：2022-07-27
Applicant: 东南大学
Abstract: 本发明公开了一种信号控制人行横道安全岛上行人排队需求估计方法，具体为：确定路侧行人每行平均排队人数；确定路侧行人排队过程的队列形成波波速和消散波波速；形成波波速和消散波波速确定路侧行人排队消散时长；确定路侧排队行人与非排队行人到达安全岛时至最近绿灯亮起时长；计算路侧行人到达安全岛排队过街需求。本发明考虑行人在路侧非绿灯(红灯和绿闪)时间内排队队列形成与消散过程，精准区分路侧排队和非排队行人到达安全岛的时间区间，更加准确的对信号控制人行横道中间安全岛上行人排队等待需求进行估计，有利于更加精准需求响应的安全岛设计优化与人行横道动态信号控制设计优化。
-
公开(公告)号：CN108615360B
公开(公告)日：2022-02-11
申请号：CN201810431068.3
申请日：2018-05-08
Applicant: 东南大学
Abstract: 本发明公开了一种基于神经网络的交通需求逐日演变预测方法，根据需求预测区域内各小区之间的手机信令数据，构建某时间段内交通出行的生成吸引OD矩阵，利用机器学习中深度学习的方法，建立循环神经网络模型和特征级融合神经网络模型，从而预测该区域逐日演变的动态交通需求量，并且充分考虑了时间和空间的内在关联性。本发明提出循环神经网络模型和特征级融合神经网络模型，对于短期动态交通需求预测有着很高的灵活性及准确度。
-
公开(公告)号：CN108830401A
公开(公告)日：2018-11-16
申请号：CN201810418436.0
申请日：2018-05-04
Applicant: 东南大学
Abstract: 本发明公开了一种基于元胞传输模型的动态拥堵收费最优费率计算方法，本发明提出的基于元胞传输模型的动态拥堵收费最优费率计算方法相比于已有的算法，更加公平有效，得出的最优费率使整个路网的时间消耗最小；本发明中采用的基于路径的元胞传输模型与原始的元胞传输模型相比，拥有无需计算元胞等待时间等优点，使得计算更加简便高效，当本发明应用在较大的城市区域中时，可以大幅节省整个路网系统的总出行时间。
-
公开(公告)号：CN108615360A
公开(公告)日：2018-10-02
申请号：CN201810431068.3
申请日：2018-05-08
Applicant: 东南大学
Abstract: 本发明公开了一种基于神经网络的交通需求逐日演变预测方法，根据需求预测区域内各小区之间的手机信令数据，构建某时间段内交通出行的生成吸引OD矩阵，利用机器学习中深度学习的方法，建立循环神经网络模型和特征级融合神经网络模型，从而预测该区域逐日演变的动态交通需求量，并且充分考虑了时间和空间的内在关联性。本发明提出循环神经网络模型和特征级融合神经网络模型，对于短期动态交通需求预测有着很高的灵活性及准确度。
-
公开(公告)号：CN107230350A
公开(公告)日：2017-10-03
申请号：CN201710496982.1
申请日：2017-06-23
Applicant: 东南大学
IPC: G08G1/01
Abstract: 本发明公开了一种基于卡口与手机流量话单数据的城市交通量获取方法，包括以下步骤：获取研究路网关键位置经纬度坐标，采用线性插值方法以所需精度对路网坐标进行填充；提取研究路网范围内存在卡口的路段，选定经纬度落在上述路段指定精度范围内的手机流量话单数据；获取聚合后的存在卡口的路段的手机流量话单数据特征；对研究路网范围内的卡口数据按指定时间间隔进行交通量的聚合；通过选取预测模型，获取研究路网内未设置卡口路段的交通量。本发明基于多源数据融合思想，结合手机流量话单数据与卡口数据，通过互补消除了手机流量话单数据精度较差、卡口点位布设少造成数据量不足的缺陷，并填补了手机流量话单数据在城市路网应用上的空白。
-
-
-
-
-
-
-
-
-
Search Results
18
records
(took 0.017 seconds)
