一种单位乘客的公交碳排放因子预测方法、设备、介质

    公开(公告)号:CN120013301A

    公开(公告)日:2025-05-16

    申请号:CN202510503412.5

    申请日:2025-04-22

    Applicant: 浙江大学

    Abstract: 本发明公开了一种单位乘客的公交碳排放因子预测方法、设备、介质,所述方法包括:构建公交站点级影响因素、公交链路级影响因素、公交线路级影响因素;将公交站点级影响因素、公交链路级影响因素、公交线路级影响因素作为输入因素,经路由机制处理,计算每一输入因素对应的路由得分,从而将每一输入因素分配至对应的专家子模型,从而预测对应的单位乘客公交碳排放量。判断公交碳排放量的关键因素和/或判断两两输入因素间的耦合作用。引入上下文敏感频率与调用均衡度以评估专家子模型的局部与全局负载情况,并通过专家扰动敏感性量化专家切换对预测输出的影响。

    一种公交专用道的碳减排效应动态估计方法、设备、介质

    公开(公告)号:CN119989017A

    公开(公告)日:2025-05-13

    申请号:CN202510483631.1

    申请日:2025-04-17

    Applicant: 浙江大学

    Inventor: 胡隽 朱兵

    Abstract: 本发明公开了一种公交专用道的碳减排效应动态估计方法、设备、介质,包括:估计公交线路行驶在公交专用道上的里程以及行驶在普通车道上的线路里程,从而划分公交线路的类型以将公交线路划分为主要行驶在公交专用道上的第一公交线路、主要行驶在普通车道上的第二公交线路;根据公交线路的类型,以公交站点级、公交链路级、公交线路级影响因素为协变量,以每一公交线路为一样本,采用动态减排效应估计模型估算公交专用道的条件减排指数和平均减排指数,以量化单位乘客碳排放因子全局和局部减排效应。结合跨城市公交数据,引入区域层级的随机效应,构建多层次动态减排效应估计模型,以揭示不同城市间公交专用道减排效应的差异性。

    多尺度共享单车碳减排量估算及其关键因素辨识方法、设备、介质

    公开(公告)号:CN118863302A

    公开(公告)日:2024-10-29

    申请号:CN202411341297.8

    申请日:2024-09-25

    Applicant: 浙江大学

    Abstract: 本发明公开了一种多尺度共享单车碳减排量估算及其关键因素辨识方法、设备、介质,包括:将待分析区域划分为若干路段及网格;基于贝叶斯公式计算共享单车替代率;根据每次出行使用每一交通方式的出行距离、共享单车替代率计算每次出行的碳减排量;计算每一路段、每一网格对应的共享单车碳减排量;将输入因素分别输入至第一、第二碳减排量预测模型,以每一网格对应的共享单车碳减排量为训练标签,从而预测高峰、平峰时段对应的共享单车碳减排量;计算每一输入因素对应的SHAP值,将前K1、K2个输入因素作为影响高峰、平峰时段的共享单车碳减排量的关键因素;对所有SHAP值进行降维和聚类,提取共享单车减排模式。

    采用宽带光源的高灵敏度振动传感系统和方法

    公开(公告)号:CN117029995A

    公开(公告)日:2023-11-10

    申请号:CN202311004170.2

    申请日:2023-08-10

    Applicant: 浙江大学

    Abstract: 本发明公开了一种采用宽带光源的高灵敏度振动传感系统和方法,宽谱光经过光纤光栅后实现光源谱宽压窄,控制相干长度使光程差在特定范围内的两束光发生干涉,可显著降低传感系统的噪声,采用外差调制解调方法,在参考路引入光纤延迟模块和声光移频器,通过控制腔长补偿光纤长度,使光纤法布里‑珀罗谐振腔中的高阶反射探测光与一阶反射参考光进行干涉实现提高灵敏度的效果。本发明利用宽带光源谱宽的优势及光纤光栅波长特性,实现了可复用、高灵敏度、低成本的宽带光源外差干涉动态信号调制与解调。

    面向混行交通流的车辆生态驾驶控制方法、电子设备

    公开(公告)号:CN116524722B

    公开(公告)日:2023-10-13

    申请号:CN202310757724.X

    申请日:2023-06-26

    Applicant: 浙江大学

    Abstract: 本发明公开了一种面向混行交通流的车辆生态驾驶控制方法、电子设备;包括:基于冲击波演化理论,计算路口集结波速度、消散波速度,得到网联自动驾驶汽车下游交叉口最远排队点位置和其形成的时刻,预测网联自动驾驶汽车通过停车线的时间和车辆状态;根据风险场模型预测人工驾驶车辆的纵向加速度,获取人工驾驶车辆的预测轨迹;构建并求解网联自动驾驶汽车最优生态参考轨迹规划模型,得到网联自动驾驶车辆的加速度曲线,获取网联自动驾驶车辆的生态参考轨迹;基于网联自动驾驶车辆前后的人工驾驶车辆的预测轨迹和风险场模型设定风险因子,基于风险因子和生态参考轨迹构建循迹目标,采用模型预测控制求解,得到网联自动驾驶车辆的控制输入。

    基于个人出行链的碳排放计算方法、电子设备、介质

    公开(公告)号:CN116681323A

    公开(公告)日:2023-09-01

    申请号:CN202310433156.8

    申请日:2023-04-20

    Applicant: 浙江大学

    Abstract: 本发明公开了基于个人出行链的碳排放计算方法、电子设备、介质,所述方法包括:将个人单次出行的出行链划分出行方式及其能源类型;根据划分的出行方式及其能源类型和对应的能耗,利用能源生命周期法计算基础碳排放因子;将城市区域划分为若干个网格;根据历史交通数据,计算各网格对应的车速‑坡度时空分布;根据网格对应的道路建设信息,计算碳排放修正因子;根据每段行程途径的网格和时间,基于车速‑坡度时空分布和碳排放修正因子计算个人出行链中各段碳排放,并将各段碳排放求和计算个人出行链碳排放。

    基于多源传感器融合的可持续道路异常检测方法与系统

    公开(公告)号:CN116597404A

    公开(公告)日:2023-08-15

    申请号:CN202310514947.3

    申请日:2023-05-06

    Applicant: 浙江大学

    Abstract: 本发明公开了一种基于多源传感器融合的可持续道路异常检测方法,包括:在道路异常检测路段内,通过客户端在车辆行驶过程中采集加速度数据、GPS、时间戳和视频数据,上传至服务器;在服务器上进行数据预处理。对预处理得到的数据按视频帧的分辨率进行分类检测:当视频帧的分辨率大于预设的分辨率阈值时,将加速度数据和视频帧数据输入至第一道路异常检测网络进行预测,得到第一单车异常路面检测结果;当视频帧的分辨率小于预设的分辨率阈值时,将加速度数据输入至第二道路异常检测网络进行预测,得到第二单车异常路面检测结果;对单车异常路面检测结果基于OPTICS算法进行多车感知结果融合,得到异常路面检测结果。

    一种基于深度学习的网约车流量预测方法

    公开(公告)号:CN112669595B

    公开(公告)日:2022-07-01

    申请号:CN202011455308.7

    申请日:2020-12-10

    Applicant: 浙江大学

    Abstract: 本发明公开了一种基于深度学习的网约车流量预测方法,属于机器学习研究领域。该方法建立了历史交通量为输入的双向长短期记忆网络模型,即以过去8‑24小时的数据作为输入,预测未来一个小时的网约车流量数据。包括(1)获取网约车运营历史数据,统计网约车流量;(2)对网约车运营数据进行流量变化分析,匹配并标记流量骤增或骤减的外部环境属性;(3)DBSCAN聚类;(4)按照信息点扩大聚类区域;(5)构建以历史交通量分布为输入的LSTM预测模型,预测未来时间段的各区域的网约车流量数据。本发明的方法提高了预测准确性,尤其是在一些特殊情况下(如极端天气、节假日、大型活动等)的预测准确性。

    一种基于深度学习的网约车流量预测方法

    公开(公告)号:CN112669595A

    公开(公告)日:2021-04-16

    申请号:CN202011455308.7

    申请日:2020-12-10

    Applicant: 浙江大学

    Abstract: 本发明公开了一种基于深度学习的网约车流量预测方法,属于机器学习研究领域。该方法建立了历史交通量为输入的双向长短期记忆网络模型,即以过去8‑24小时的数据作为输入,预测未来一个小时的网约车流量数据。包括(1)获取网约车运营历史数据,统计网约车流量;(2)对网约车运营数据进行流量变化分析,匹配并标记流量骤增或骤减的外部环境属性;(3)DBSCAN聚类;(4)按照信息点扩大聚类区域;(5)构建以历史交通量分布为输入的LSTM预测模型,预测未来时间段的各区域的网约车流量数据。本发明的方法提高了预测准确性,尤其是在一些特殊情况下(如极端天气、节假日、大型活动等)的预测准确性。

    一种基于多智能体的多目标交通路径诱导方法及系统

    公开(公告)号:CN120014831A

    公开(公告)日:2025-05-16

    申请号:CN202510217378.5

    申请日:2025-02-26

    Applicant: 浙江大学

    Abstract: 本发明属于交通管理技术领域,具体的说是一种基于多智能体的多目标交通路径诱导方法及系统,仿真模块,用于对仿真交通需求进行校准;优化控制模块,用于随着时间推移最大化整个系统的累积奖励;迭代优化模块,用于在信息交互中实现策略迭代优化;判断模块,用于通过仿真模块信息判断系统收益是否趋于稳定;输出模块,用于输出管控方案,本发明通过提供差异化的路径诱导信息,避免同质化导航信息引发的交通拥堵,实现交通流量的动态均衡,显著提升交通网络整体效率并降低车辆排放,为绿色交通的发展提供有力支持。

Patent Agency Ranking