-
公开(公告)号：CN113064931B
公开(公告)日：2022-09-09
申请号：CN202110200387.5
申请日：2021-02-23
申请人： 北京航空航天大学 , 吉林省高速公路管理局
IPC分类号： G06F16/2458 , G06K9/62 , G06N3/04 , G08G1/01
摘要： 本专利公开了一种基于Skip‑Gram模型的城市路网重点通道识别方法，包括以下步骤：步骤一：获取浮动车数据并预处理；步骤二：得到轨迹数据序列；骤三：城际高速路网中路段向量的训练和获取；步骤四：城际高速路网中轨迹向量的训练和获取；步骤五：城际高速路网重点通道生成。本方法可以利用易获取的浮动车数据，找到城际高速路网中重要的通道，从而便于城市交通管理者从城际高速路网全网的角度出发，结合实际重要的公路通道，采取相应的措施解决道路拥堵等问题，提高城市路网的运行效率。
-
公开(公告)号：CN113065684A
公开(公告)日：2021-07-02
申请号：CN202110200510.3
申请日：2021-02-23
申请人： 北京航空航天大学 , 吉林省高速公路管理局
摘要： 本专利公开了一种基于VAE和深度学习组合模型的高速公路旅行时间预测方法，包括：步骤一、对高速公路收费数据进行预处理，剔除缺失、异常数据，并将处理过后的数据整理为旅行时间序列数据；步骤二、对旅行时间数据进行平稳化处理；步骤三、利用循环神经网络LSTM对旅行时间数据进行训练，并对旅行时间进行预测。本发明利用VAE算法编码解码的过程，依据数据的条件分布对数据进行提取，在不影响数据时序特征的前提下，对数据进行平稳化处理。其次组合深度学习的循环神经网络，能够很好的处理长时序数据，提高预测的精度。
-
公开(公告)号：CN113096378B
公开(公告)日：2022-09-30
申请号：CN202110200383.7
申请日：2021-02-23
申请人： 北京航空航天大学 , 吉林省高速公路管理局
摘要： 本专利公开了一种基于深度集合经验模态分解的高速公路OD预测方法，所述方法包括：步骤一、提取高速公路OD序列；步骤二：基于集合经验模态分解的时间特征提取；步骤三：基于GRU网络的OD序列预测。本发明提出的预测方法组合了集合经验模态分解模型和深度学习网络，一方面模型能够将非平稳非线性数据转为平稳线性数据，对预测模型挖掘时序关系起到极大的辅助作用，增加模型预测精度；另一方面可以降低模型复杂度，提高模型的计算效率。
-
公开(公告)号：CN113554875A
公开(公告)日：2021-10-26
申请号：CN202110867989.6
申请日：2021-07-29
申请人： 北京航空航天大学 , 吉林省高速公路管理局
摘要： 本专利涉及一种基于边缘计算的高速公路异质交通流可变限速控制方法，包括：基于多目标优化，利用阈值法对平均延误和平均排队长度指标进行标准化处理，并设置为可变限速控制方法的奖励函数；部署由RSU和可变限速控制代理集成边缘计算节点,提取高速公路异质交通流信息，作为EDQN算法的状态空间；使用卷积神经网络对异质交通流的状态空间进行特征降维；将CNN网络输出的结果导入到全连接层，执行动作并输出当前时间步的Q值；在Priorized replay Buffer存储样本，利用KL散度作为训练样本的优先级进行排序，从而最小化损失函数，有效提高可变限速控制效果；步骤六、判断贪婪算法是否收敛。本发明考虑了基于多目标优化的奖励函数，提高整体交通效率并减少瓶颈拥堵。
-
公开(公告)号：CN113096378A
公开(公告)日：2021-07-09
申请号：CN202110200383.7
申请日：2021-02-23
申请人： 北京航空航天大学 , 吉林省高速公路管理局
摘要： 本专利公开了一种基于深度集合经验模态分解的高速公路OD预测方法，所述方法包括：步骤一、提取高速公路OD序列；步骤二：基于集合经验模态分解的时间特征提取；步骤三：基于GRU网络的OD序列预测。本发明提出的预测方法组合了集合经验模态分解模型和深度学习网络，一方面模型能够将非平稳非线性数据转为平稳线性数据，对预测模型挖掘时序关系起到极大的辅助作用，增加模型预测精度；另一方面可以降低模型复杂度，提高模型的计算效率。
-
公开(公告)号：CN113554875B
公开(公告)日：2023-01-13
申请号：CN202110867989.6
申请日：2021-07-29
申请人： 北京航空航天大学(CN) , 吉林省高速公路管理局(CN)
摘要： 本专利涉及一种基于边缘计算的高速公路异质交通流可变限速控制方法，包括：基于多目标优化，利用阈值法对平均延误和平均排队长度指标进行标准化处理，并设置为可变限速控制方法的奖励函数；部署由RSU和可变限速控制代理集成边缘计算节点,提取高速公路异质交通流信息，作为EDQN算法的状态空间；使用卷积神经网络对异质交通流的状态空间进行特征降维；将CNN网络输出的结果导入到全连接层，执行动作并输出当前时间步的Q值；在Priorized replay Buffer存储样本，利用KL散度作为训练样本的优先级进行排序，从而最小化损失函数，有效提高可变限速控制效果；步骤六、判断贪婪算法是否收敛。本发明考虑了基于多目标优化的奖励函数，提高整体交通效率并减少瓶颈拥堵。
-
公开(公告)号：CN113064931A
公开(公告)日：2021-07-02
申请号：CN202110200387.5
申请日：2021-02-23
申请人： 北京航空航天大学 , 吉林省高速公路管理局
IPC分类号： G06F16/2458 , G06K9/62 , G06N3/04 , G08G1/01
摘要： 本专利公开了一种基于Skip‑Gram模型的城市路网重点通道识别方法，包括以下步骤：步骤一：获取浮动车数据并预处理；步骤二：得到轨迹数据序列；骤三：城际高速路网中路段向量的训练和获取；步骤四：城际高速路网中轨迹向量的训练和获取；步骤五：城际高速路网重点通道生成。本方法可以利用易获取的浮动车数据，找到城际高速路网中重要的通道，从而便于城市交通管理者从城际高速路网全网的角度出发，结合实际重要的公路通道，采取相应的措施解决道路拥堵等问题，提高城市路网的运行效率。
-
公开(公告)号：CN113066282B
公开(公告)日：2022-05-27
申请号：CN202110214367.3
申请日：2021-02-26
IPC分类号： G08G1/01
摘要： 本发明公开了一种面向混行环境下车辆跟驰耦合关系建模方法及系统，用于解析智能网联车与人工驾驶车辆之间的交互运动耦合关系。技术方案是基于不同车辆类型特点，考虑了人工驾驶车辆驾驶人对车辆信息的感知误差，构建一种考虑驾驶人感知误差的人工驾驶车辆跟驰模型，以及考虑了智能网联车辆可接受多前后车辆信息，构建了一种考虑多前后车信息反馈的智能网联车辆跟驰模型，比较分析在智能网联车辆处于低渗透率情况下，混行车流的演化情况，此方法可广泛应用于车路协同技术、智能交通管控等领域。
-
公开(公告)号：CN113219962A
公开(公告)日：2021-08-06
申请号：CN202110214278.9
申请日：2021-02-26
IPC分类号： G05D1/02
摘要： 本发明公开了一种面向混行队列跟驰安全的控制方法、系统及存储介质，涉及一种智能网联车辆局部队列最优化控制方法。技术方案是分别构建一种非网联车辆车辆跟驰模型和一种考虑多前车加速度信息反馈的智能网联车辆跟驰模型，比较分析在有无考虑局部队列控制策略情况下混行车辆追尾碰撞的概率变化，此方法可广泛应用于车车协同安全控制技术等领域。
-
公开(公告)号：CN113219962B
公开(公告)日：2023-02-28
申请号：CN202110214278.9
申请日：2021-02-26
IPC分类号： G05D1/02
摘要： 本发明公开了一种面向混行队列跟驰安全的控制方法、系统及存储介质，涉及一种智能网联车辆局部队列最优化控制方法。技术方案是分别构建一种非网联车辆车辆跟驰模型和一种考虑多前车加速度信息反馈的智能网联车辆跟驰模型，比较分析在有无考虑局部队列控制策略情况下混行车辆追尾碰撞的概率变化，此方法可广泛应用于车车协同安全控制技术等领域。
-
-
-
-
-
-
-
-
-
搜索结果
332 条记录 (耗时 0.071 秒)
