-
公开(公告)号：CN115420299A
公开(公告)日：2022-12-02
申请号：CN202211071242.0
申请日：2022-09-01
Applicant: 中南大学
Abstract: 本发明公开了一种基于GPS轨迹和图神经网络的出行时间预测方法，包括获取GPS序列并排序；计算最开始的若干个节点的特征数据；计算GPS序列中每个节点的前若干个节点的特征数据；合并特征数据与节点自身的特征数据得到更新后的节点特征并排序，构建粗‑细粒度二部图；将粗‑细粒度二部图进行图神经网络聚合得到更新的粗‑细粒度二部图；再次进行图神经网络聚合得到每个节点两跳内邻居节点的特征；采用循环神经网络学习特征数据得到局部路径的时间预测结果；对局部路径的时间预测结果加权求和得到最终的全局路径的出行时间预测结果。本发明不仅实现了出行时间预测，而且可靠性高、准确性好，适用范围广。
-
Patent Agency Ranking
公开(公告)号：CN109872070A
公开(公告)日：2019-06-11
申请号：CN201910132418.0
申请日：2019-02-22
Applicant: 中南大学
Abstract: 本发明公开了一种基于团划分的静态充电桩部署方法，包括针对SEB和SCP建立网络模型；将若干个SEB分布图划分为相对密集区域和相对稀疏区域，确定若干个SEB分布图中的相对密集区域的交集区域为SCP充电范围；构建满足能够覆盖所有目标区域内所有SEB的最少SCP数量优化函数；解决优化函数问题得到SCP的初步部署位置；对SCP的初步部署位置进行优化得到最终的SCP的部署位置。本发明通过构建优化模型、对优化模型进行求解并进行优化的过程，确定了静态充电桩的部署位置，因此本发明方法能够更好的适用于动态变化的SEB分布情况，能够尽可能的最小化SCP部署数量，而且本发明方法的可靠性高，SCP部署的效果较好。
-
公开(公告)号：CN114969532B
公开(公告)日：2025-02-07
申请号：CN202210622315.4
申请日：2022-06-01
Applicant: 中南大学
IPC: G06F16/9535 , G06F16/9537 , G06N3/042 , G06N3/045 , G06N3/0464 , G06N3/084 , G01C21/34 , G01C21/20 , G06N3/048
Abstract: 本发明公开了一种基于异质图神经网络的多模态交通推荐方法，包括获取历史出行数据并处理得到训练数据集；构建起点‑目的地多二部图嵌入方案；构建异质交通图；设计带有残差网络的分层注意力机制；构建多模态交通推荐初始模型并训练得到基于异质图神经网络的多模态交通推荐模型；采用基于异质图神经网络的多模态交通推荐模型进行实时的多模态交通推荐。本发明方法能够显式捕获实体之间的关联并从多种视角以分层次的方式捕获不同实体之间的潜在联系，同时解决模型无法区分节点特征的问题，能够有效提升多模态交通推荐问题的准确性，推荐准确率高且可靠性好。
-
公开(公告)号：CN115420299B
公开(公告)日：2024-07-26
申请号：CN202211071242.0
申请日：2022-09-01
Applicant: 中南大学
Abstract: 本发明公开了一种基于GPS轨迹和图神经网络的出行时间预测方法，包括获取GPS序列并排序；计算最开始的若干个节点的特征数据；计算GPS序列中每个节点的前若干个节点的特征数据；合并特征数据与节点自身的特征数据得到更新后的节点特征并排序，构建粗‑细粒度二部图；将粗‑细粒度二部图进行图神经网络聚合得到更新的粗‑细粒度二部图；再次进行图神经网络聚合得到每个节点两跳内邻居节点的特征；采用循环神经网络学习特征数据得到局部路径的时间预测结果；对局部路径的时间预测结果加权求和得到最终的全局路径的出行时间预测结果。本发明不仅实现了出行时间预测，而且可靠性高、准确性好，适用范围广。
-
公开(公告)号：CN109872070B
公开(公告)日：2023-04-07
申请号：CN201910132418.0
申请日：2019-02-22
Applicant: 中南大学
IPC: G06Q10/0631 , G06F18/23213
Abstract: 本发明公开了一种基于团划分的静态充电桩部署方法，包括针对SEB和SCP建立网络模型；将若干个SEB分布图划分为相对密集区域和相对稀疏区域，确定若干个SEB分布图中的相对密集区域的交集区域为SCP充电范围；构建满足能够覆盖所有目标区域内所有SEB的最少SCP数量优化函数；解决优化函数问题得到SCP的初步部署位置；对SCP的初步部署位置进行优化得到最终的SCP的部署位置。本发明通过构建优化模型、对优化模型进行求解并进行优化的过程，确定了静态充电桩的部署位置，因此本发明方法能够更好的适用于动态变化的SEB分布情况，能够尽可能的最小化SCP部署数量，而且本发明方法的可靠性高，SCP部署的效果较好。
-
公开(公告)号：CN114969532A
公开(公告)日：2022-08-30
申请号：CN202210622315.4
申请日：2022-06-01
Applicant: 中南大学
IPC: G06F16/9535 , G06F16/9537 , G06N3/04 , G06N3/08 , G01C21/34 , G01C21/20
Abstract: 本发明公开了一种基于异质图神经网络的多模态交通推荐方法，包括获取历史出行数据并处理得到训练数据集；构建起点‑目的地多二部图嵌入方案；构建异质交通图；设计带有残差网络的分层注意力机制；构建多模态交通推荐初始模型并训练得到基于异质图神经网络的多模态交通推荐模型；采用基于异质图神经网络的多模态交通推荐模型进行实时的多模态交通推荐。本发明方法能够显式捕获实体之间的关联并从多种视角以分层次的方式捕获不同实体之间的潜在联系，同时解决模型无法区分节点特征的问题，能够有效提升多模态交通推荐问题的准确性，推荐准确率高且可靠性好。
-
-
-
-
-
Search Results
6
records
(took 0.014 seconds)
