-
Patent Agency Ranking
公开(公告)号：CN109584581A
公开(公告)日：2019-04-05
申请号：CN201910021705.4
申请日：2019-01-10
Applicant: 浙江工业大学
Abstract: 一种基于傅里叶变换的数据驱动交叉口信号控制实际执行周期估计方法，包括以下步骤：1)从数据库中获取某个路口某个车道某一整天的过车数据2)对该车道当天一整天的过车数据进行快速傅里叶变换；3)找到频域离散幅频序列Y(f)的波峰所对应的频率；4)找出信号机实际执行周期所对应频率，转化成周期。与现有技术相比，本发明提出了基于快速傅里叶变换的交叉口信号灯周期确定方法，将时域的问题转换到频域以达到准确计算信号灯周期的目的。
-
公开(公告)号：CN109712393A
公开(公告)日：2019-05-03
申请号：CN201910021704.X
申请日：2019-01-10
Applicant: 浙江工业大学
Abstract: 一种基于高斯过程回归算法的智能交通时段划分方法，包括以下步骤：1)获取交叉口道路流量信息；2)运用高斯过程回归算法对获取的数据进行平滑处理；3)基于梯度下降算法对高斯过程回归的超参数进行优化；4)通过回归后的数据进行差分计算，得到相应的导数，即车流量的变化趋势；5)根据车流导数的不同变化特征，进行进一步的数据判别，将一日的交通状态划分成多个时段，为下一步配时方案的设计提供依据。本发明以高斯过程回归对数据进行处理，可以较好地反应实际的车流变化规律，更以导数为依据对时段进行划分，能够更加灵敏地反应车流的数据变化趋势，对路网的交通状况进行更为准确的识别，提高配时方案的有效性。
-
公开(公告)号：CN109800801B
公开(公告)日：2020-12-01
申请号：CN201910021716.2
申请日：2019-01-10
Applicant: 浙江工业大学
Abstract: 一种基于高斯回归算法的K‑Means聚类分析车道流量方法，包括以下步骤：1)获取某条交叉路口的过车流量统计数据；2)运用超参数优化的高斯回归算法进行平滑处理，得到回归后的车流函数；3)根据得到的车流函数，拟合画出平滑的流量曲线；4)设置初始最大聚类簇数，用K‑Means聚类的方法遍历各簇数值；5)利用轮廓系数法对聚类结果处理；6)通过阈值计算，合并近似簇后得到一个最佳聚类簇数值；7)以最佳聚类簇数值为新簇值，用K‑Means方法再一次聚类得到最后这一周最佳聚类效果；8)参考聚类结果给出相应的周最佳调度方案。本发明利用聚类算法把类似的流量分布的日期归为同一类，得到更加精确的流量分类结果。
-
公开(公告)号：CN109712393B
公开(公告)日：2020-08-04
申请号：CN201910021704.X
申请日：2019-01-10
Applicant: 浙江工业大学
Abstract: 一种基于高斯过程回归算法的智能交通时段划分方法，包括以下步骤：1)获取交叉口道路流量信息；2)运用高斯过程回归算法对获取的数据进行平滑处理；3)基于梯度下降算法对高斯过程回归的超参数进行优化；4)通过回归后的数据进行差分计算，得到相应的导数，即车流量的变化趋势；5)根据车流导数的不同变化特征，进行进一步的数据判别，将一日的交通状态划分成多个时段，为下一步配时方案的设计提供依据。本发明以高斯过程回归对数据进行处理，可以较好地反应实际的车流变化规律，更以导数为依据对时段进行划分，能够更加灵敏地反应车流的数据变化趋势，对路网的交通状况进行更为准确的识别，提高配时方案的有效性。
-
公开(公告)号：CN109800801A
公开(公告)日：2019-05-24
申请号：CN201910021716.2
申请日：2019-01-10
Applicant: 浙江工业大学
Abstract: 一种基于高斯回归算法的K-Means聚类分析车道流量方法，包括以下步骤：1)获取某条交叉路口的过车流量统计数据；2)运用超参数优化的高斯回归算法进行平滑处理，得到回归后的车流函数；3)根据得到的车流函数，拟合画出平滑的流量曲线；4)设置初始最大聚类簇数，用K-Means聚类的方法遍历各簇数值；5)利用轮廓系数法对聚类结果处理；6)通过阈值计算，合并近似簇后得到一个最佳聚类簇数值；7)以最佳聚类簇数值为新簇值，用K-Means方法再一次聚类得到最后这一周最佳聚类效果；8)参考聚类结果给出相应的周最佳调度方案。本发明利用聚类算法把类似的流量分布的日期归为同一类，得到更加精确的流量分类结果。
-
-
-
-
Search Results
5
records
(took 0.016 seconds)
