-
公开(公告)号：CN113674546B
公开(公告)日：2022-06-21
申请号：CN202110959045.1
申请日：2021-08-20
申请人： 东南大学 , 浙江数智交院科技股份有限公司
IPC分类号： G08G1/0967 , G08G1/0968 , G08G1/0965 , G08G1/16 , H04L67/12 , G06F30/20
摘要： 本发明公开了一种基于sumo仿真的V2X环境下的高速公路管控方法，该方法包括如下步骤：步骤1：构建仿真所需的路网，具体操作包括在开源地图软件OpenStreetMap上导入已有的真实路网或在sumo内置的netedit路网编辑器中自行编辑路网；步骤2：构建V2X的车辆仿真环境以及管控微观层面的车辆辅助控制；步骤3：在步骤1和步骤2搭建的环境的基础上结合可变限速、匝道控制、车道车种控制、可变车道的宏观管控手段对高速公路进行总的系统管控。本发明结合高速公路的基础设施建设原有的多种宏观管控手段，可以实现整个高速公路的系统管控。
-
公开(公告)号：CN113674546A
公开(公告)日：2021-11-19
申请号：CN202110959045.1
申请日：2021-08-20
申请人： 东南大学 , 浙江数智交院科技股份有限公司
IPC分类号： G08G1/0967 , G08G1/0968 , G08G1/0965 , G08G1/16 , H04L29/08 , G06F30/20
摘要： 本发明公开了一种基于sumo仿真的V2X环境下的高速公路管控方法，该方法包括如下步骤：步骤1：构建仿真所需的路网，具体操作包括在开源地图软件OpenStreetMap上导入已有的真实路网或在sumo内置的netedit路网编辑器中自行编辑路网；步骤2：构建V2X的车辆仿真环境以及管控微观层面的车辆辅助控制；步骤3：在步骤1和步骤2搭建的环境的基础上结合可变限速、匝道控制、车道车种控制、可变车道的宏观管控手段对高速公路进行总的系统管控。本发明结合高速公路的基础设施建设原有的多种宏观管控手段，可以实现整个高速公路的系统管控。
-
公开(公告)号：CN113656979B
公开(公告)日：2024-05-14
申请号：CN202110985510.9
申请日：2021-08-26
申请人： 浙江数智交院科技股份有限公司
IPC分类号： G06F30/20 , G06F16/29 , G06F16/22 , G06F16/23 , G06F16/245
摘要： 本申请提供一种路网数据生成方法、装置、电子设备及存储介质，涉及交通仿真技术领域。该方法包括：基于获取的地图数据，提取目标道路的目标道路地图；根据目标道路地图生成对应的初始路网数据；获取目标道路的车道数据；根据车道数据对初始路网数据进行更新，得到目标路网数据。本申请通过对地图中需要进行路网文件搭建的道路进行提取，能够根据提取的目标道路生成对应的路网数据，并根据目标道路的车道数据对路网数据进行更新，以对原有的路网数据进行优化，获取优化后的目标路网数据，为交通仿真提供特定道路中包含多种车道级别功能的路网数据，有效地提高了路网数据的准确性、针对性和有效性，提高了交通仿真的效率。
-
公开(公告)号：CN113689699A
公开(公告)日：2021-11-23
申请号：CN202110978860.2
申请日：2021-08-25
申请人： 浙江数智交院科技股份有限公司
摘要： 本申请公开了一种交通流的预测方法、装置、电子设备及存储介质，能够解决现有技术中单独预测平均速度或者流量时准确性较低的问题。交通流的预测方法包括：获取待预测的目标地点第一历史交通流数据；将第一历史交通流数据输入到预先训练的交通流预测模型中，输出目标地点在待预测日期的目标平均速度以及目标流量，交通流预测模型中的速度预测子网络用于提取第一历史交通流数据中速度特征；流量预测子网络用于提取第一历史交通流数据中流量特征；融合子网络用于将速度特征与流量特征进行融合，获得融合交通特征，速度预测子网络基于融合交通特征所述目标平均速度，流量预测子网络基于融合交通特征确定目标流量。
-
公开(公告)号：CN113689699B
公开(公告)日：2023-04-18
申请号：CN202110978860.2
申请日：2021-08-25
申请人： 浙江数智交院科技股份有限公司
摘要： 本申请公开了一种交通流的预测方法、装置、电子设备及存储介质，能够解决现有技术中单独预测平均速度或者流量时准确性较低的问题。交通流的预测方法包括：获取待预测的目标地点第一历史交通流数据；将第一历史交通流数据输入到预先训练的交通流预测模型中，输出目标地点在待预测日期的目标平均速度以及目标流量，交通流预测模型中的速度预测子网络用于提取第一历史交通流数据中速度特征；流量预测子网络用于提取第一历史交通流数据中流量特征；融合子网络用于将速度特征与流量特征进行融合，获得融合交通特征，速度预测子网络基于融合交通特征所述目标平均速度，流量预测子网络基于融合交通特征确定目标流量。
-
公开(公告)号：CN113656979A
公开(公告)日：2021-11-16
申请号：CN202110985510.9
申请日：2021-08-26
申请人： 浙江数智交院科技股份有限公司
IPC分类号： G06F30/20 , G06F16/29 , G06F16/22 , G06F16/23 , G06F16/245
摘要： 本申请提供一种路网数据生成方法、装置、电子设备及存储介质，涉及交通仿真技术领域。该方法包括：基于获取的地图数据，提取目标道路的目标道路地图；根据目标道路地图生成对应的初始路网数据；获取目标道路的车道数据；根据车道数据对初始路网数据进行更新，得到目标路网数据。本申请通过对地图中需要进行路网文件搭建的道路进行提取，能够根据提取的目标道路生成对应的路网数据，并根据目标道路的车道数据对路网数据进行更新，以对原有的路网数据进行优化，获取优化后的目标路网数据，为交通仿真提供特定道路中包含多种车道级别功能的路网数据，有效地提高了路网数据的准确性、针对性和有效性，提高了交通仿真的效率。
-
公开(公告)号：CN112632374B
公开(公告)日：2024-04-05
申请号：CN202011502864.5
申请日：2020-12-18
申请人： 东南大学
IPC分类号： G06F16/9535 , G06F16/9537 , G06Q50/40
摘要： 本发明公开了一种考虑定制公交的居民出行方式选择分析方法，属于交通经济学，交通管理与控制领域，包括：(1)出行方式选择集确定；(2)出行方式选择影响因素分析：确定居民出行方式选择的影响因素，影响因素分为三类，即居民个人属性，出行行为属性和出行方案属性；(3)数据收集及预处理：收集居民个人属性数据、出行行为属性数据、出行方案属性数据，并对收集得到的数据进行筛选处理；(4)建立考虑定制公交的出行方式选择模型，使用极大似然估计法对数据进行拟合，得到不同出行方式的效用模型。本发明可以有效模拟交通方式划分过程，得到不同出行方式分担率，并为定制公交的投入使用及后续发展提供重要的基础。
-
公开(公告)号：CN113160560B
公开(公告)日：2022-06-17
申请号：CN202110331960.6
申请日：2021-03-29
申请人： 东南大学
摘要： 本发明公开了一种基于巢式‑交叉巢式的多模式换乘矩阵测算方法，该方法包括：分析换乘中心服务的多模式交通模式及换乘关系，明确出行者的备选出行链集合及待测算的多模式换乘矩阵；结合巢式Logit(Nested Logit,NL)模型和交叉巢式Logit(Cross Nested Logit,CNL)模型考虑多模式交通模式各模式间的相似性和多模式城市道路网的重合度，通过交通方式划分(Mode Split,MS)和交通分配(Traffic Assignment,TA)结合的方法，构建最优化模型；利用Evans算法求解得到换乘矩阵测算结果。与现有技术相比，本发明对于辅助换乘中心规划建设过程中的资源配置有重要作用。
-
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
申请人： 东南大学
摘要： 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：CN113096429A
公开(公告)日：2021-07-09
申请号：CN202110257720.6
申请日：2021-03-09
申请人： 东南大学
IPC分类号： G08G1/123
摘要： 本发明涉及一种基于公交调度站点和车辆服务范围的弹性公交线路生成方法，利用路网中的调度站点信息生成调度点对，依据车辆服务范围将各公交站点分配给合适的调度点对；需求响应阶段，根据分配结果确定每位乘客的出行方向，与乘客出行方向相同的线路将尝试和其匹配；匹配过程中采用节点插入算法检查方案的可行性并选取余度最大的线路作为最优方案，无法从既有线路中生成可行方案时为乘客开设新线；本发明完全按照乘客需求规划弹性公交线路，不再依赖预定线路或站点，能够充分展现弹性公交灵活性，提高乘客吸引力和市场竞争力。
-
-
-
-
-
-
-
-
-
搜索结果
110 条记录 (耗时 0.085 秒)
