-
公开(公告)号：CN111105156B
公开(公告)日：2023-12-26
申请号：CN201911313799.9
申请日：2019-12-19
Applicant: 南通大学
IPC: G06Q10/0639 , G06Q10/0635 , G08G1/01
Abstract: 本发明公开一种基于证据推理的公路路侧安全风险评价方法，相较其他评价方法，可以在没有历史交通事故数据的情况下，克服路侧安全风险评价中存在的主观性和不确定性问题，实现在不确定信息条件下对公路路侧安全风险的有效评价，为新建道路和改造道路提供安防设施的设置依据。本发明方法简单易操作，评价获取的公路路侧安全风险水平，可作为公路安防设计的依据，优化安防工程资金使用，节约工程成本。
-
公开(公告)号：CN109902971B
公开(公告)日：2023-05-23
申请号：CN201910231268.9
申请日：2019-03-26
Applicant: 南通大学
IPC: G06Q10/0635 , G06Q10/0639 , G06Q50/26
Abstract: 本发明公开了一种公路路侧安全风险评价与分级方法。确定了公路路侧安全风险影响因素，包括路侧特征风险因素和路段属性风险因素，其中路侧特征风险因素包含：路侧离散障碍物、路侧连续障碍物和道路接入口；路段属性风险因素包含：道路设计一致性和路段交通量。然后，构建了公路路侧安全风险指数模型，定义了路侧连续障碍物、路侧离散障碍物、道路接入口的风险基础值与相应的风险程度系数，以及道路设计一致性系数和路段交通量系数。最后提出了公路路侧安全风险分级方法和标准。
-
公开(公告)号：CN115147038A
公开(公告)日：2022-10-04
申请号：CN202210259866.9
申请日：2022-03-16
Applicant: 南通大学
Abstract: 本发明提供了一种基于区块链技术的公共交通物流配送方法，属于公共交通物流配送技术领域。解决了小件货物市域运输的成本控制和快递无效配送问题，并且通过采取“站对站”的电子商务物流模式在满足客户个性化需求的前提下，提高公共交通资源的利用率。其技术方案为：包括以下用户取件板块和物流配送板块两个步骤。本发明的有益效果为：本发明减少用户单一取快递的出行目的，利用现有的公共交通系统覆盖范围广、准时高效、绿色环保等优势，从物流配送、普通乘客两个角度来解读公共交通参与城市配送的过程，通过实现公共交通系统与物流系统的合作，提高物流配送效率，降低物流配送成本，减少城区由快递造成的交通拥堵。
-
公开(公告)号：CN113327417B
公开(公告)日：2022-06-10
申请号：CN202110592357.3
申请日：2021-05-28
Applicant: 南通大学
Abstract: 本发明公开了一种基于3D动态时空残差卷积关联网络的交通流预测方法，包括以下步骤：采集城市道路的交通流数据，对原始数据进行预处理；根据城市道路的经纬度将数据转化为欧几里得结构交通栅格数据，对栅格数据进行标准化处理，并将其划分成训练集和测试集；构建基于3D动态时空残差卷积关联网络，该网络由时空关联提取组件、动态空间特征提取组件和动态时间特征提取组件组成；训练基于3D动态时空残差卷积关联网络，用训练好的模型预测城市道路下一时刻的交通流。本发明在对城市道路交通流进行时空关联分析的基础上，同时对城市道路交通流的动态空间和时间特征进行提取，提高对城市道路交通流的时空特征的动态捕获，从而提高城市交通流的预测精度。
-
公开(公告)号：CN111754776A
公开(公告)日：2020-10-09
申请号：CN202010645948.8
申请日：2020-07-07
Applicant: 南通大学
Abstract: 本发明提出的一种基于加权分数阶灰色模型的交通流预测方法，包括以下步骤：用加权分数阶累加算子对交通流数据进行处理，得到累加生成序列；根据累加生成序列建立加权分数阶灰色预测模型；运用加权分数阶灰色预测模型对交通流数据进行预测。本发明中，加权分数阶灰色预测模型不需要大量的数据作为预测基础，减少了计算冗杂性、降低了计算难度、提高了预测速度，保证本方法对交通流的实时预测能力和效果。
-
Patent Agency Ranking
公开(公告)号：CN109523783A
公开(公告)日：2019-03-26
申请号：CN201811207961.4
申请日：2018-10-17
Applicant: 南通大学
Abstract: 本发明公开了一种拥堵状况下各车道平均排队车辆数的确定方法：S1、基于待测交叉路口的信号相位获取目标车道的红灯时长ri，并采集待测交叉路口在拥堵状况下目标车道的车辆到达率λi；S2、计算目标车道上最后一辆试验车辆在绿灯亮起时不能通过的期望E(Q)；S3、计算目标车道上最后一辆试验车辆在绿灯亮起时能通过的概率Pi(s∈A)；S4、计算目标车道上最后一辆试验车辆在绿灯亮起时不能通过的概率Pi(s∈Q)；S5、根据上述参数计算出目标车道排队车辆数的期望E(Ni)。本发明能够对超出检测器范围的信号交口口处的交通状况进行采集和分析，从而精确地计算出待检测区域内每一条车道上车辆的排队数量和排队长度，为缓解交通压力提供稳定有效地数据基础。
-
公开(公告)号：CN115880895A
公开(公告)日：2023-03-31
申请号：CN202211328753.6
申请日：2022-10-27
Applicant: 南通大学
IPC: G08G1/01
Abstract: 本发明公开了基于用户偏好的出行路径和出行时间的出行方案优化方法，包括：步骤S1，获取用户的起点、终点、出发时间段和期望到达时刻；步骤S2，预测用户偏好车速；步骤S3，根据用户输入的起点和终点，获得备选路径集；步骤S4，根据出发时间段和期望到达时刻，并基于预测的用户偏好车速和备选路径集，确定最优出行方案。本发明不仅符合道路的客观实际，也更加符合用户个性化需求，达到优化效果。
-
公开(公告)号：CN112907971B
公开(公告)日：2022-06-10
申请号：CN202110166301.1
申请日：2021-02-04
Applicant: 南通大学
Abstract: 本发明公开了一种基于遗传算法优化时空残差模型的城市路网短时交通流预测方法，包括：采集车辆经纬度信息，获得按时间排序的车辆原始数据集；将城市路网按照经纬度转化为交通栅格网络，并把预处理后的经纬度数据映射到交通栅格网络中，生成交通栅格数据；对交通栅格数据进行标准化处理，并拆分成训练数据集和测试数据集；构造基于遗传算法优化时空残差模型的城市路网短时交通流预测模型；使用训练集训练城市路网短时交通流预测模型，并使用测试集对模型进行预测准确性验证。本发明在时空残差模型中引入遗传算法对时空残差模型训练的步长进行动态优化，提高模型对预测目标值的捕获能力，提高了模型的实用性和预测精度。
-
公开(公告)号：CN109920248B
公开(公告)日：2021-09-17
申请号：CN201910162263.5
申请日：2019-03-05
Applicant: 南通大学
Abstract: 本发明公开了一种基于GRU神经网络的公交到站时间预测方法，所述方法包括：由数据库导出历史数据至CSV格式文件，获取原始数据，利用HBase分布式数据库和Spark内存处理技术对所述原始数据进行分析处理去除原始数据的混杂性、复杂性和系数性；基于单一属性和多因子角度采用特征相关性研究法处理分析处理后的所述原始数据，得到标准时间序列类型数据；利用Lasso方法对标准时间序列类型数据进行变量选择，剔除标准时间序列类型数据中关联性弱的特征向量；基于GRU神经网络构建公交的到站预测模型，输入已剔除关联性弱特征向量的标准时间序列类型数据至到站预测模型，实现对公交到站的时间预测操作；本发明可有效提升对公交到站时间预测的准确性。
-
公开(公告)号：CN112966853A
公开(公告)日：2021-06-15
申请号：CN202110155146.3
申请日：2021-02-04
Applicant: 南通大学
IPC: G06Q10/04 , G06Q50/30 , G06N3/08 , G06N3/04 , G06F16/2458
Abstract: 本发明公开了一种基于时空残差混合模型的城市路网短时交通流预测方法，包括：采集车辆当前经纬度数据并存放至大数据集群数据库中，对原始数据进行数据预处理；将城市路网按照经纬度划分成交通栅格网络，将车辆经纬度数据映射到交通栅格网络中，生成交通栅格数据；将交通栅格数据进行标准化处理，并构建训练集和测试集；构造基于时空残差混合模型的城市路网短时交通流预测模型；训练构建的基于时空残差混合模型的城市路网短时交通流预测模型预测下一时刻的交通栅格数据。本发明在对路网进行时空分析下，引入残差混合模型，提高对路网车流量时间和空间的捕获能力，从而降低了时空残差混合模型预测交通流时的相对误差，提高了预测精度。
-
-
-
-
-
-
-
-
-
Search Results
46
records
(took 0.02 seconds)
