公开(公告)号：CN117116048A

公开(公告)日：2023-11-24

申请号：CN202311088919.6

申请日：2023-08-28

Applicant: 河南大学

Inventor： 周毅 ,  刘奕含 ,  宁念文 ,  吕怡宁 ,  石华光 ,  张延宇

IPC: G08G1/01 ,  G06F18/213 ,  G06F18/15 ,  G06F18/214 ,  G06F18/25 ,  G06N3/045 ,  G06N3/042 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/08 ,  G06Q10/04 ,  G06Q50/26

Abstract: 本发明提出了一种基于知识表示模型和图神经网络的知识驱动交通预测方法，步骤为：对采集到的交通数据进行预处理，根据传感器节点的位置构建交通路网拓扑图；将交通路网拓扑图中知识图谱中的实体和关系转换为低维向量，通过门控特征融合模块根据外部因素的重要性自适应且动态地将外部因素与交通特征进行融合并更新；将更新后的交通特征和邻接矩阵输入图卷积GCN；通过时空联合捕捉模块的扩张因果卷积对时间级与空间级上的交通特征联合捕捉生成预测速度；根据损失函数训练交通预测模型，进行测试得到预测的交通速度。本发明根据外部因素的重要性，自适应地对交通特征进行融合并动态更新，从而更好地反映交通特征的变化，提高了预测模型的准确性。

公开(公告)号：CN117095546A

公开(公告)日：2023-11-21

申请号：CN202311053702.1

申请日：2023-08-21

Applicant: 河南大学

Inventor： 周毅 ,  吕怡宁 ,  宁念文 ,  刘奕含 ,  石华光 ,  张延宇

IPC: G08G1/081 ,  G06F30/27 ,  G06N3/0499 ,  G06N3/042 ,  G06N3/084 ,  G06N3/092 ,  G06Q10/0639

Abstract: 本发明提出了一种基于图变换网络的多路口交通信号控制方法，S1：构建交通路网环境，并构建道路网络图；S2：读取道路网络图信息，建立车辆状态集合，获取各个路口观测的原始数据；S3：对原始数据进行初始化编码，得到路口当前的状态信息；S4：将路口当前的状态信息输入图变换网络层中，利用图变换网络层捕捉道路网络图的空间相关性，更新路口状态信息并输出；S5：将更新后的路口状态信息输入到深度强化学习模型中优化的深度Q网络中，确定最优的信号控制策略，得到交通信号控制模型；S6：将训练完毕的交通信号控制模型进行测试，并选取评估指标评估交通信号控制模型的性能。本发明实现路口交通信号的自适应控制，能够实时高效响应动态交通场景。