公开(公告)号：CN119417022A

公开(公告)日：2025-02-11

申请号：CN202411440214.0

申请日：2024-10-15

Applicant: 哈尔滨理工大学

Inventor： 赵中楠 ,  王钺 ,  谢旭

IPC: G06Q10/063 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/092 ,  G06Q50/40 ,  G06Q50/50 ,  G06F9/50

Abstract: 本发明公开了一种基于云边协同的虚拟化数字孪生交通资源调度模型，旨在进一步提升交通系统的资源运作效率。该模型在充分利用数字孪生技术特点的基础上，以虚拟化的资源方式通过云边协同架构实现资源的高效运作，以适应各种交通复杂场景的按需调度。此外，为了进一步优化调度，本发明提出基于节点重要性策略的值分布策略梯度图深度强化学习模型，通过对关键节点及关系的深度学习以及对调度需求的适应性反馈，实现数字云边综合交通资源的高效协同与调度。实验结果显示，本文所提模型在多个方面均优于当前主流的资源调度模型。

公开(公告)号：CN118227893A

公开(公告)日：2024-06-21

申请号：CN202410407057.7

申请日：2024-04-05

Applicant: 哈尔滨理工大学

Inventor： 赵中楠 ,  刘文靖 ,  谢旭

IPC: G06F16/9536 ,  G06F18/25 ,  G06N3/0442 ,  G06N3/084 ,  G06F16/35

Abstract: 本发明公开了一种基于深度技术集成的多模态网络舆情情感分析方法，本发明首先使用BERT、Facet以及COVAREP来获取每个模态的特征表示，然后通过Stacked BiLSTM进一步提取和整合每个模态内部的深度特征，进而构建多模态网络舆情图，并在所构建的图中使用GCN生成文本‑图像融合特征和文本‑音频融合特征，最后将这两种特征进行串联，并通过全连接进行分类输出。本发明对多模态网络舆情数据实现了很好的情感分析，可以帮助政府、企业和机构了解公众对特定事件、产品或品牌的情感态度，从而更加精确地制定策略和行动方案，增强组织的持续发展潜力。

公开(公告)号：CN119541195A

公开(公告)日：2025-02-28

申请号：CN202411604504.4

申请日：2024-11-12

Applicant: 哈尔滨理工大学

Inventor： 赵中楠 ,  谢旭 ,  王钺

IPC: G08G1/01 ,  G06Q10/04 ,  G06N3/0442 ,  G06N3/045

Abstract: 本发明公开了一种基于时空特征深度融合的全周期交通流量预测方法，旨在深度整合交通流的复杂时空依赖，形成复合交通态势感知，实现对交通多周期综合流量预测。首先通过时空信息综合表征，提取多时间模态的时序特征并构建具象的真实空间关系。为进一步构建融合多尺度以及多粒度综合要素的数字化城市交通流量预测方法，本发明针对短期交通流量预测提出深度融合短期时空依赖的综合交通流量预测模型，提高对瞬时流量变化的敏感性，充分建模交通流量在多功能空域节点的短期动态变化；此外，还设计了一种深度空域解构与时序特征融合的模型用于中长期交通预测，深层次提取复杂交通模式。仿真结果显示，本发明所提方法优于现有交通流量预测技术。