一种基于生成对抗网络混合采样技术的事故严重程度建模方法

    公开(公告)号:CN118313117A

    公开(公告)日:2024-07-09

    申请号:CN202410363730.1

    申请日:2024-03-28

    Applicant: 东南大学

    Abstract: 本发明涉及一种基于生成对抗网络混合采样技术的事故严重程度建模方法,考虑了交通事故数据的不平衡性,提高了事故严重程度模型预测的准确性和模型的拟合度。具体如下:首先,预先处理原始数据,并从中筛选模型变量;其次,利用基于随机欠采样和条件表格生成对抗网络的混合重采样技术处理不平衡数据,得到平衡的事故数据;接着,利用敏感性分析,确定混合重采样的采样比例;最后,基于二元逻辑回归建立事故严重程度模型,使用最优采样比例下得到的平衡事故数据,通过最大似然估计求解模型参数。与现有技术相比,本发明旨在准确识别与交通事故相关的风险因素,为交通安全管理提供指导,保证交通安全运行。

    基于时空维度动态停车收费策略的停车管理系统及方法

    公开(公告)号:CN105303882B

    公开(公告)日:2017-11-10

    申请号:CN201510783985.4

    申请日:2015-11-16

    Applicant: 东南大学

    Inventor: 李志斌 蒲自源

    Abstract: 本发明公开了一种基于时空维度动态停车收费策略的停车管理系统与方法,采用先进的多元智能停车检测系统判断各停车位是否被占用,基于核心算法分析停车需求对价格的敏感度,同时基于基本概率模型和大数据分析与挖掘技术预测停车需求,在手机终端发布停车信息及用户建议,同时在智能停车收费设施上进行线上或线下收费,基于实测数据滚动更新收费算法及策略。本发明提出的智能停车管理系统融合了动态停车收费技术,能够根据停车占有率优化调节收费价格,且通过先进的大数据分析挖掘技术与云平台进行整合,采用价格杠杆对停车需求进行时间和空间维度的调节,从而充分发挥停车设施的功效,有效改善城市停车问题。

    带有引流机制的电动汽车充电站MARL动态定价方法

    公开(公告)号:CN118799003A

    公开(公告)日:2024-10-18

    申请号:CN202410777828.1

    申请日:2024-06-17

    Applicant: 东南大学

    Abstract: 本发明公开了一种带有引流机制的电动汽车充电站MARL动态定价方法。具体而言,本发明将充电站视为智能体,并构建了一个协作的多智能体强化学习(MARL)系统,旨在优化充电站的定价策略,实现充电网络长期收益和用户福利最大化。在设计用户偏好函数时,本发明充分考虑了充电站的拥堵等级,将其作为用户决策过程中的重要因素之一。为了更准确地预测每个充电站的拥堵等级,本发明采用了基于长短期记忆(LSTM)神经网络的车流量预测模型。此外,还引入了一种引流机制,根据充电网络中各个充电站的拥堵等级预测,将未得到服务的用户引导至拥堵程度较低的充电站,旨在优化用户流量的分配,以确保充电站之间资源的高效利用。

Patent Agency Ranking