公开(公告)号：CN114819617B

公开(公告)日：2025-03-11

申请号：CN202210431112.7

申请日：2022-04-22

Applicant: 北京邮电大学

Inventor： 左兴权 ,  刘英卓 ,  黄海 ,  艾冠群

IPC: G06Q10/0631 ,  G06Q50/40 ,  G06N3/092

Abstract: 本发明公开了一种基于强化学习的公交车辆排班方法，属于公交车辆排班领域，具体为：首先、将某条公交线路的车辆排班问题建模为马尔可夫决策过程，其中包括状态，动作、奖励三个要素。将发车时刻表中每个时刻点作为一个决策点，利用强化学习智能体选取当前可用车辆从该时刻点发出，从而覆盖该时刻点。构建公交车辆排班的仿真环境，通过智能体与仿真环境的交互，利用强化学习算法获得智能体的最优策略。然后，利用智能体对发车时刻表中每个时刻点按时间顺序逐点决策，由此得到公交车排班方案。本发明提供了一种公交车辆的在线调度方法，在发生交通拥堵，交通事故等不确定事件的情况下，能保证全部覆盖发车时刻表，且所用车辆数目少。

公开(公告)号：CN117808652A

公开(公告)日：2024-04-02

申请号：CN202410005930.X

申请日：2024-01-03

Applicant: 北京邮电大学

Inventor： 左兴权 ,  张云龙 ,  黄海 ,  王飞扬 ,  吴炳林 ,  艾冠群

IPC: G06Q50/40 ,  G06Q10/047 ,  G06Q10/0631 ,  G06N3/006 ,  G06N3/092

Abstract: 本发明公开了一种基于多智能体路径规划的公交车辆排班方法，属于公交车辆排班领域。本发明方法包括：设计公交车辆排班问题的序列决策过程，将公交车辆排班问题映射为多智能体路径规划问题；将车辆作为智能体，设计可选行程和竞争车辆的概念，进行马尔可夫决策过程建模，设计状态空间、动作空间和奖励函数；结合参数共享的思想，使用基于策略的强化学习算法完成车辆智能体与仿真环境的交互，停止迭代后，各车辆智能体按照发车时刻逐步决策，生成完整公交车排班策略。本发明方法使车辆能基于重点关注的环境信息进行实时决策，能同时解决离线和在线的调度问题，有效降低排班方案所带来的车辆使用成本，能适用于更大规模的场景中。

公开(公告)号：CN114819617A

公开(公告)日：2022-07-29

申请号：CN202210431112.7

申请日：2022-04-22

Applicant: 北京邮电大学

Inventor： 左兴权 ,  刘英卓 ,  黄海 ,  艾冠群

IPC: G06Q10/06 ,  G06Q50/30

Abstract: 本发明公开了一种基于强化学习的公交车辆排班方法，属于公交车辆排班领域，具体为：首先、将某条公交线路的车辆排班问题建模为马尔可夫决策过程，其中包括状态，动作、奖励三个要素。将发车时刻表中每个时刻点作为一个决策点，利用强化学习智能体选取当前可用车辆从该时刻点发出，从而覆盖该时刻点。构建公交车辆排班的仿真环境，通过智能体与仿真环境的交互，利用强化学习算法获得智能体的最优策略。然后，利用智能体对发车时刻表中每个时刻点按时间顺序逐点决策，由此得到公交车排班方案。本发明提供了一种公交车辆的在线调度方法，在发生交通拥堵，交通事故等不确定事件的情况下，能保证全部覆盖发车时刻表，且所用车辆数目少。

公开(公告)号：CN109886348A

公开(公告)日：2019-06-14

申请号：CN201910153794.8

申请日：2019-03-01

Applicant: 北京邮电大学

Inventor： 贾庆轩 ,  陈春旭 ,  高欣 ,  艾冠群 ,  井潇

IPC: G06K9/62

Abstract: 本发明实施例提出了一种基于杠杆原理度量中心偏移的异常检测方法，包括：使用Min-Max归一化方法处理训练数据集，对处理后的训练数据集按比例随机抽样得到子集，并将子集的均值向量作为支点中心；在训练数据集中使用Min-Max归一化方法处理测试点，将处理后的测试点复制一定数目加入子集，计算扩增后子集的均值向量，得到新支点中心；计算扩增前后支点中心的欧氏距离，作为测试点的异常得分；对子集中每条数据的异常得分进行多项式函数拟合，将函数梯度位于黄金分割处的异常得分作为数据正、异常阈值，并结合子集的偏度对后续测试点正、异常进行标定。本发明实施例提供的技术方案，可以有效解决异常检测方法计算复杂度高及参数调优难度大等问题。