-
公开(公告)号：CN114970944B
公开(公告)日：2024-06-18
申请号：CN202210318631.2
申请日：2022-03-29
Applicant: 武汉大学
IPC: G06Q10/04 , G06Q10/0631 , G06Q50/47 , G06N3/006 , G06N3/045 , G06N3/092 , G06N7/01 , G06F16/9537
Abstract: 本发明提出了一种基于多智能体强化学习的订单匹配和车辆重定位方法。本发明通过网约车平台获取多条订单数据和多个网约车司机的历史轨迹点数据；对该数据进行时空划分预处理；根据预处理后的数据构建司机初始分布向量和订单分布变化记录矩阵；构建订单匹配和车辆重定位马尔科夫决策过程；构建订单匹配模型和车辆重定位模型；交替训练订单匹配模型和车辆重定位模型；按照设定次数重复上述步骤，直到模型稳定，得到最终模型。本发明将两个任务建模在同一个马尔科夫决策过程中同时优化两个任务；本发明可以一对一的车辆调度并通过共享权重减少计算量；本发明对城市级别大规模车辆和订单之间的长期时空依赖关系进行建模，缓解网约车供需不平衡。
-
公开(公告)号：CN112488025B
公开(公告)日：2022-06-14
申请号：CN202011451412.9
申请日：2020-12-10
Applicant: 武汉大学 , 广东南方数码科技股份有限公司
IPC: G06V20/10 , G06V10/26 , G06V10/80 , G06V10/774 , G06V10/764 , G06V10/44 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于多模态特征融合的双时相遥感影像语义变化检测方法，包括以下几个步骤：步骤A：对多时相遥感影像数据集进行数据增强的预处理；步骤B：构建基于多模态特征融合的卷积神经网络模型，利用数据集训练卷积神经网络，获得训练模型；步骤C：利用训练模型对数据集进行数据清理；步骤D：利用清理后的数据重新训练模型，并对测试数据进行测试得到预测结果；步骤E：变化检测预测结果后处理。本发明提供的基于多模态特征融合的双时相遥感影像语义变化检测方法，可以在检测出变化区域的同时检测出区域变化前后的类别，应用范围更广泛，同时满足端到端处理，不需要人工进行其他处理，便于工程应用。
-
公开(公告)号：CN112488025A
公开(公告)日：2021-03-12
申请号：CN202011451412.9
申请日：2020-12-10
Applicant: 武汉大学 , 广东南方数码科技股份有限公司
Abstract: 本发明公开了一种基于多模态特征融合的双时相遥感影像语义变化检测方法，包括以下几个步骤：步骤A：对多时相遥感影像数据集进行数据增强的预处理；步骤B：构建基于多模态特征融合的卷积神经网络模型，利用数据集训练卷积神经网络，获得训练模型；步骤C：利用训练模型对数据集进行数据清理；步骤D：利用清理后的数据重新训练模型，并对测试数据进行测试得到预测结果；步骤E：变化检测预测结果后处理。本发明提供的基于多模态特征融合的双时相遥感影像语义变化检测方法，可以在检测出变化区域的同时检测出区域变化前后的类别，应用范围更广泛，同时满足端到端处理，不需要人工进行其他处理，便于工程应用。
-
公开(公告)号：CN114970944A
公开(公告)日：2022-08-30
申请号：CN202210318631.2
申请日：2022-03-29
Applicant: 武汉大学
Abstract: 本发明提出了一种基于多智能体强化学习的订单匹配和车辆重定位方法。本发明通过网约车平台获取多条订单数据和多个网约车司机的历史轨迹点数据；对该数据进行时空划分预处理；根据预处理后的数据构建司机初始分布向量和订单分布变化记录矩阵；构建订单匹配和车辆重定位马尔科夫决策过程；构建订单匹配模型和车辆重定位模型；交替训练订单匹配模型和车辆重定位模型；按照设定次数重复上述步骤，直到模型稳定，得到最终模型。本发明将两个任务建模在同一个马尔科夫决策过程中同时优化两个任务；本发明可以一对一的车辆调度并通过共享权重减少计算量；本发明对城市级别大规模车辆和订单之间的长期时空依赖关系进行建模，缓解网约车供需不平衡。
-
-
-
Search Results
4
records
(took 0.018 seconds)
