-
公开(公告)号：CN110545558B
公开(公告)日：2023-03-28
申请号：CN201910844144.8
申请日：2019-09-06
Applicant: 山东省交通规划设计院集团有限公司 , 清华大学
Abstract: 本公开提供了一种基于Wi‑Fi数据的高速服务区人群密度估计系统，包括数据采集装置，其被配置为采集各个服务区的地理位置相关信息及Wi‑Fi数据；利用回归模型估计出服务区人数；回归模型的自变量为各个服务区各个小时区间内连接Wi‑Fi人数，因变量为对应服务区人数；自变量的斜率为连接意愿的倒数，连接意愿由各个服务区的环境特征、功能定位特征、天特征和小时特征与相应学习参数相乘构成；环境特征和功能定位特征分别从相应服务区的Wi‑Fi数据和地理位置相关信息中提取；天特征和小时特征均为预设分段函数；根据估计出的服务区人数以及用户进入服务区的连接AP顺序，预测用户的行为偏好，进而估计出服务区中各功能区的人数，最后得到服务区的人群密度。
-
公开(公告)号：CN103248603B
公开(公告)日：2016-12-28
申请号：CN201310195576.3
申请日：2013-05-23
Abstract: 本发明提出一种基于畸变星座估计与解调的PA非线性影响消除方法，包括以下步骤：接收具有相同调制方式的辅助序列和数据负载，并建立该调制方式下辅助序列的基带模型，其中，基带模型由标准星座点和PA响应函数构建；根据基带模型建立畸变星座点的畸变幅度集合和附加相位集合；根据辅助序列对畸变星座点的畸变幅度集合和附加相位集合进行求解；根据畸变星座点的畸变幅度集合、附加相位集合以及标准星座点相位得到畸变星座；以及根据求解得到的畸变星座对数据负载的调制信号进行解调。根据本发明实施例的方法，通过基带数字信号处理简化了发射端射频器件的设计难度，同时接收端也只需较低的复杂度及成本。
-
公开(公告)号：CN103067065B
公开(公告)日：2015-04-15
申请号：CN201210558423.6
申请日：2012-12-20
IPC: H04B7/06
Abstract: 本发明公开了基于双层圆形天线阵的60GHz波束赋形方法和系统，波束赋形方法包括码本设计和训练步骤，通过进行Quasi-omni码本设计得到所有Quasi-omni模式，一一配对得到最佳Quasi-omni对；在最佳Quasi-omni对范围内进行Sector码本设计和相应的训练步骤得到最佳Sector对；在最佳Sector对范围内进行Sector码本设计和相应的训练步骤得到最佳Beam对，使得三种模式均产生对应的码本，在实现天线方向图中波束大小一致、分布均匀、指向明确的同时，达到短时间内搜索到准确度高、增益高、增益损耗小的天线波束的目的，且圆形天线阵码本关于相移错误的鲁棒性更强、系统更稳定。
-
公开(公告)号：CN104125052A
公开(公告)日：2014-10-29
申请号：CN201410357684.0
申请日：2014-07-24
IPC: H04L7/00
Abstract: 本发明公开了一种并行定时同步系统及方法，其中系统包括：根据采样时钟源对接收信号进行过采样的采样模块；将过采样信号转换为并行信号的串并转换模块；对并行信号进行匹配滤波的并行匹配滤波器；对滤波后并行信号和独特字进行滑动相关以提取定时误差信息的相关器；根据定时误差信息进行下采样和插值的下采样控制及插值模块；输出同步码元和同步码元的有效信号的FIFO模块。该系统将并行信号和独特字进行滑动相关并提取定时误差信息，从而根据定时误差信息进行下采样和插值，实现输出同步码元和同步码元的有效信号，调试方便，节省成本，实现简单，且在低信噪比条件下也能完成捕获和保持定时同步状态。
-
公开(公告)号：CN115719107B
公开(公告)日：2025-03-11
申请号：CN202211358559.2
申请日：2022-11-01
Applicant: 清华大学
Abstract: 本发明提供一种人流轨迹模拟方法及装置。该方法包括：获取待分析的视频数据，基于所述视频数据提取出目标时间段内行人的初始轨迹运动状态数据以及对象特征数据；基于所述初始轨迹运动状态数据、对象特征数据和预设的轨迹模拟模型，获得所述轨迹模拟模型生成下一时间段对应的模拟轨迹运动状态数据；其中，所述轨迹模拟模型是基于预设的异构的门控信息传递网络以及样本数据建模训练得到的神经网络模型；基于所述模拟轨迹运动状态数据，输出相应的模拟人流轨迹数据。本发明提供的人流轨迹模拟方法，能够准确、有效的模拟得到人流轨迹数据，有效提高了人流轨迹模拟的效率和鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN115796331B
公开(公告)日：2025-01-24
申请号：CN202211358465.5
申请日：2022-11-01
Applicant: 清华大学
Abstract: 本发明提供一种基于多模态城市知识图谱的城市资源预测方法及系统。该方法包括：获取多源城市时空数据，基于多源城市时空数据进行本体抽象，确定对应城市基本要素的本体集合；基于多源城市时空数据和本体集合进行实体匹配，确定与本体对应的实体对象集合；基于多源城市时空数据和本体集合进行关系构建，确定本体之间的关联关系集合；基于实体对象集合、关联关系集合和多源城市时空数据进行知识融合，获得相应的多模态城市知识图谱。本发明提供的方法，能够基于多源城市时空数据快速匹配融合到城市知识图谱结构中，并确定城市时空数据的语义关系，有效提高了基于多模态城市知识图谱的城市资源预测分析效率和精确度。
-
公开(公告)号：CN113610552B
公开(公告)日：2024-07-19
申请号：CN202110713356.X
申请日：2021-06-25
Applicant: 清华大学
IPC: G06Q30/0202 , G06Q30/0201 , G06N3/045 , G06N3/042 , G06N3/0464 , G06N3/084 , G06N3/0985 , G06N5/045
Abstract: 本发明提供一种用户流失预测方法及装置。该方法包括：获取待预测用户的关联关系数据、历史交互数据及个人目标数据；将关联关系数据、历史交互数据及个人目标数据输入到用户流失预测模型中，得到用户流失预测模型输出的未来目标时间段对应的用户流失预测结果；用户流失预测模型是基于样本用户数据、样本用户数据对应的用户流失预测结果及标签用户流失数据训练得到的；用户流失预测模型包含用于提取用户自身流失倾向表征向量的残差深度交叉网络子模型、用于提取用户社交影响表征向量的图神经网络子模型及用于生成反事实数据的反事实数据预测子模型。采用本发明方法，基于反事实推理建模架构引入用户间相互关系因素，提高了用户流失预测的准确度。
-
公开(公告)号：CN113379494B
公开(公告)日：2024-05-31
申请号：CN202110648210.1
申请日：2021-06-10
Applicant: 清华大学
IPC: G06Q30/0601 , G06Q50/00 , G06F16/9535 , G06F16/958 , G06N3/0464 , G06N3/042 , G06N3/08
Abstract: 本发明提供一种基于异质社交关系的商品推荐方法、装置和电子设备，包括：确定待推荐商品的用户；将用户输入推荐模型，输出所有商品的推荐度；推荐模型是基于样本用户、对应的购买商品标签以及存在社交关系的用户标签进行训练得到的，所述推荐模型训练时的网络结构包括异质社交关系表示超图卷积网络、商品向量表示超图卷积网络、关系向量表示超图卷积网络、用户嵌入表示超图卷积网络和商品用户推荐度计算网络，异质社交关系表示超图卷积网络用于将输入的样本用户结合样本用户存在社交关系的用户标签组成的两用户一商品超边三元组采用向量进行表示；基于推荐度，确定为所述用户推荐的商品。本发明提供的方法提高了商品推荐的有效性。
-
公开(公告)号：CN110196891B
公开(公告)日：2024-03-15
申请号：CN201811361868.9
申请日：2018-11-15
Applicant: 腾讯大地通途(北京)科技有限公司 , 腾讯科技(深圳)有限公司 , 清华大学
IPC: G06F16/29
Abstract: 本发明公开了一种街区类型的确定方法、装置、存储介质及电子装置。其中，该方法包括：在客户端上获取到第一请求，其中，第一请求用于请求获取目标街区的类型；响应第一请求获取目标街区的类型，其中，目标街区的类型根据街区之间已产生的帐号轨迹数据产生，帐号轨迹数据包括：具有关联关系的帐号、帐号产生的运动轨迹、运动轨迹经过的街区和运动轨迹产生的时间，街区包括目标街区；在客户端上显示目标街区的类型。本发明解决了相关技术对街区类型进行识别的准确性较低的技术问题。
-
公开(公告)号：CN113658718B
公开(公告)日：2024-02-27
申请号：CN202110961659.3
申请日：2021-08-20
Applicant: 清华大学
Abstract: 本发明提供一种个体疫情防控方法及系统，该方法包括：获取目标城市中用户终端个体在预设时间间隔内预设时段的状态信息和地区访问历史记录信息；将状态信息和地区访问历史记录信息输入到训练好的疫情防控模型，获取目标城市中每个用户终端个体的疫情干预动作；其中，训练好的疫情防控模型是根据样本状态信息、样本地区访问历史记录信息和样本干预动作，对图神经网络和强化学习模型进行训练得到的；根据疫情干预动作，获取用户终端个体的疫情干预策略，以对用户终端个体进行干预。本发明通过图神经网络获取用户终端个体间的接触联系，通过强化学习模型获取最优疫情防控策略，提高了疫情防控成效。
-
-
-
-
-
-
-
-
-
Search Results
245
records
(took 0.066 seconds)
