多源数据融合城市拥堵路段多模式出行诱导方法及设备

    公开(公告)号:CN114566041A

    公开(公告)日:2022-05-31

    申请号:CN202210102688.9

    申请日:2022-01-27

    Applicant: 苏州大学

    Abstract: 本发明涉及一种多源数据融合城市拥堵路段多模式出行诱导方法,包括基于多源数据确定拟诱导分流路段与需求交通量;基于确定的拟诱导分流路段与需求交通量确定可诱导分流交通量;根据可诱导分流交通量确定多模式诱导分流方案;确定每种模式诱导分流方案的奖励值及发放条件。通过多源数据融合的方法结合高德路况数据、自动车牌识别数据、公交刷卡数据及停车场数据,对城市快速路的拥堵路段进行识别并聚类,对拟诱导对象车辆提供了差异化诱导分流方案的标准,可促进城市快速路和城市道路的供需动态平衡,在缩短个人出行时间成本的同时显著缓解了城市道路高峰期拥堵的问题。

    多源数据融合城市拥堵路段多模式出行诱导方法及设备

    公开(公告)号:CN114566041B

    公开(公告)日:2022-12-06

    申请号:CN202210102688.9

    申请日:2022-01-27

    Applicant: 苏州大学

    Abstract: 本发明涉及一种多源数据融合城市拥堵路段多模式出行诱导方法,包括基于多源数据确定拟诱导分流路段与需求交通量;基于确定的拟诱导分流路段与需求交通量确定可诱导分流交通量;根据可诱导分流交通量确定多模式诱导分流方案;确定每种模式诱导分流方案的奖励值及发放条件。通过多源数据融合的方法结合高德路况数据、自动车牌识别数据、公交刷卡数据及停车场数据,对城市快速路的拥堵路段进行识别并聚类,对拟诱导对象车辆提供了差异化诱导分流方案的标准,可促进城市快速路和城市道路的供需动态平衡,在缩短个人出行时间成本的同时显著缓解了城市道路高峰期拥堵的问题。

    基于GAT-CS-LSTM的车辆多模态驾驶行为轨迹预测系统及方法

    公开(公告)号:CN117523821A

    公开(公告)日:2024-02-06

    申请号:CN202311300912.6

    申请日:2023-10-09

    Applicant: 苏州大学

    Abstract: 本发明提供一种基于GAT‑CS‑LSTM的车辆多模态驾驶行为轨迹预测系统及方法,涉及智能交通系统技术领域,该系统包括基础数据处理与车辆历史特征编码模块,相对状态与交互特征提取模块,预测车辆驾驶行为与生成预测车辆未来轨迹模块。本发明准确预测其他车辆的轨迹对于避免事故、合理规划路径和做出安全决策至关重要。轨迹预测系统可以帮助自动驾驶系统预测周围车辆的行为,从而更好地融入交通流并做出适应性的驾驶决策。

Patent Agency Ranking