-
公开(公告)号：CN114611814B
公开(公告)日：2024-06-07
申请号：CN202210277813.X
申请日：2022-03-21
Applicant: 中南大学
Abstract: 本公开实施例中提供了一种聚合多尺度时空相似信息的城市交通流预测方法，属于数据处理技术领域，具体包括：获取路网数据及其对应的交通流速度数据；根据路网数据和交通流速度数据构建拓扑邻接图、二阶相似图和交通模式相似图；对交通流速度数据对应的时间段进行编码，得到绝对时间位置编码；将交通流速度数据、拓扑邻接图、二阶相似图、交通模式相似图和绝对时间位置编码输入聚合多尺度时空相似信息的交通流预测模型，得到预测交通流速度；根据预测交通流速度和交通流速度数据，迭代训练交通流预测模型中的可学习参数，直到误差满足预设条件，得到目标预测模型。通过本公开的方案，提高了预测效率、预测精度和适应性，实现更好的预测效果。
-
公开(公告)号：CN114971093A
公开(公告)日：2022-08-30
申请号：CN202210915226.9
申请日：2022-08-01
Applicant: 中南大学
Abstract: 本公开实施例中提供了一种城市道路交通流属性预测方法、系统、设备及介质，属于数据处理技术领域，具体包括：采集城市路网数据、车辆GPS数据和路段的交通流数据；通过马尔可夫链的方式进行空间依赖性的建模；改造传统谱图卷积结构，使其在以为边权重的带权有向图上学习与拟合交通流的空间依赖性特征；通过构建交通流关键帧序列进行时间依赖性的建模；构建一个包含隐藏层、聚合层与输出层的交通流属性预测模型；更新交通流属性预测模型中的可学习参数直至交通流属性预测模型在验证集中具有最低的预测误差；将步骤7中更新的交通流属性预测模型对目标场景中的交通流属性进行预测。通过本公开的方案，提高了预测精准度和鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN115599779B
公开(公告)日：2023-04-07
申请号：CN202211496560.1
申请日：2022-11-28
Applicant: 中南大学
IPC: G06F16/215 , G06F16/29 , G06N3/042 , G06N3/0464 , G06N3/08 , G08G1/01
Abstract: 本发明提供了一种城市道路交通缺失数据插值方法及相关设备，包括：获取目标城市的路网数据以及与路网数据对应的历史交通流数据；根据路网数据中道路间的空间拓扑邻近性构建空间拓扑邻近图，得到第一权重矩阵；根据路网数据中道路间的环境属性相似性构建环境属性相似图，得到第二权重矩阵；对历史交通流数据进行数据增强；对多图卷积插值模型进行迭代训练，得到已训练完成的多图卷积插值模型；将第一权重矩阵、第二权重矩阵以及当前的交通流数据输入至已训练完成的多图卷积插值模型，对当前的交通流数据进行插值处理，得到目标交通流数据插值结果；解决了现有技术在时空异质的缺失模式下模型适应能力较差，无法提供可靠插值结果的问题。
-
公开(公告)号：CN115599779A
公开(公告)日：2023-01-13
申请号：CN202211496560.1
申请日：2022-11-28
Applicant: 中南大学(CN)
IPC: G06F16/215 , G06F16/29 , G06N3/04 , G06N3/08 , G08G1/01
Abstract: 本发明提供了一种城市道路交通缺失数据插值方法及相关设备，包括：获取目标城市的路网数据以及与路网数据对应的历史交通流数据；根据路网数据中道路间的空间拓扑邻近性构建空间拓扑邻近图，得到第一权重矩阵；根据路网数据中道路间的环境属性相似性构建环境属性相似图，得到第二权重矩阵；对历史交通流数据进行数据增强；对多图卷积插值模型进行迭代训练，得到已训练完成的多图卷积插值模型；将第一权重矩阵、第二权重矩阵以及当前的交通流数据输入至已训练完成的多图卷积插值模型，对当前的交通流数据进行插值处理，得到目标交通流数据插值结果；解决了现有技术在时空异质的缺失模式下模型适应能力较差，无法提供可靠插值结果的问题。
-
公开(公告)号：CN114971093B
公开(公告)日：2022-11-25
申请号：CN202210915226.9
申请日：2022-08-01
Applicant: 中南大学
Abstract: 本公开实施例中提供了一种城市道路交通流属性预测方法、系统、设备及介质，属于数据处理技术领域，具体包括：采集城市路网数据、车辆GPS数据和路段的交通流数据；通过马尔可夫链的方式进行空间依赖性的建模；改造传统谱图卷积结构，使其在以为边权重的带权有向图上学习与拟合交通流的空间依赖性特征；通过构建交通流关键帧序列进行时间依赖性的建模；构建一个包含隐藏层、聚合层与输出层的交通流属性预测模型；更新交通流属性预测模型中的可学习参数直至交通流属性预测模型在验证集中具有最低的预测误差；将步骤7中更新的交通流属性预测模型对目标场景中的交通流属性进行预测。通过本公开的方案，提高了预测精准度和鲁棒性。
-
公开(公告)号：CN119255288A
公开(公告)日：2025-01-03
申请号：CN202411477174.7
申请日：2024-10-22
Applicant: 中南大学
Abstract: 本申请涉及通信技术领域，提供了一种基于流量预测的基站休眠方法，该方法包括：对历史网络流量数据进行特征提取，得到流量特征向量，并基于流量特征向量计算空间单元之间的时序相似度；基于时序相似度构建时空依赖图；根据空间环境数据获取目标区域的静态环境特征和动态环境特征，并基于静态环境特征和动态环境特征计算模型参数；基于时空依赖图和模型参数，利用流量预测模型对目标区域进行流量预测，得到所有空间单元的预测网络流量；根据预测网络流量构建用于描述目标区域的所有基站状态的优化目标函数，并对优化目标函数进行最小化求解，得到目标区域的基站休眠控制方案。本申请的方法能够提高对基站进行休眠控制的准确性。
-
公开(公告)号：CN114611814A
公开(公告)日：2022-06-10
申请号：CN202210277813.X
申请日：2022-03-21
Applicant: 中南大学
Abstract: 本公开实施例中提供了一种聚合多尺度时空相似信息的城市交通流预测方法，属于数据处理技术领域，具体包括：获取路网数据及其对应的交通流速度数据；根据路网数据和交通流速度数据构建拓扑邻接图、二阶相似图和交通模式相似图；对交通流速度数据对应的时间段进行编码，得到绝对时间位置编码；将交通流速度数据、拓扑邻接图、二阶相似图、交通模式相似图和绝对时间位置编码输入聚合多尺度时空相似信息的交通流预测模型，得到预测交通流速度；根据预测交通流速度和交通流速度数据，迭代训练交通流预测模型中的可学习参数，直到误差满足预设条件，得到目标预测模型。通过本公开的方案，提高了预测效率、预测精度和适应性，实现更好的预测效果。
-
-
-
-
-
-
Search Results
7
records
(took 0.02 seconds)
