公开(公告)号：CN114613144B

公开(公告)日：2024-04-30

申请号：CN202210359994.0

申请日：2022-04-07

Applicant: 重庆大学

Inventor： 孙棣华 ,  赵敏 ,  李保辉

IPC: G08G1/01

Abstract: 本发明提供了一种基于Embedding‑CNN的混合车群运动演化规律的刻画方法，属于智能交通信息技术领域。本方法包括以下步骤：首先，选定监测路段，通过监测路段路侧或车载传感器，截取t时刻监测路段混合异质车群的单车数据；再将步骤1)截取的单车数据进行预处理，获得Embedding‑CNN模型数据集；然后，构建Embedding‑CNN模型，并根据步骤2)获得的Embedding‑CNN模型数据集对Embedding‑CNN模型进行训练；最后，在测试集上对Embedding‑CNN模型的准确性进行验证。本方法从单个车辆行为出发，探究网联自动车的渗透率和空间分布与混合车群运动演化之间的关系等问题，建立基于Embedding‑CNN的深度学习模型实现对混合车群运动演化规律的精准刻画，为掌握网联环境下新型混合交通的运行状态提供依据。

公开(公告)号：CN115331420B

公开(公告)日：2023-11-14

申请号：CN202210875777.7

申请日：2022-07-25

Applicant: 重庆大学

Inventor： 孙棣华 ,  赵敏 ,  李保辉 ,  田雨聃

IPC: G08G1/00 ,  G08G1/01 ,  G08G1/065 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种混合交通条件下的移动瓶颈控制方法，其包括步骤：1)获取不同交通状态下混合车群的单车数据，构建模型数据集；2)构建混合车群的宏观演化模型，并对模型进行训练；3)设计基于车道的混合车群优化调控策略；4)根据移动瓶颈处的实时交通状态，构建混合车群动态优化目标；5)设计移动瓶颈上游多群体控制方案；6)根据步骤4)构建的混合车群动态优化目标设计混合车群的控制算法以对混合车群进行控制。本发明提出的混合交通条件下的移动瓶颈控制方法，不受交通检测设备的布设的空间限制，能够针对移动瓶颈的移动性进行有效的控制，具有可使用范围广、使用成本更低等优点。

公开(公告)号：CN115331420A

公开(公告)日：2022-11-11

申请号：CN202210875777.7

申请日：2022-07-25

Applicant: 重庆大学

Inventor： 孙棣华 ,  赵敏 ,  李保辉 ,  田雨聃

IPC: G08G1/00 ,  G08G1/01 ,  G08G1/065 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种混合交通条件下的移动瓶颈控制方法，其包括步骤：1)获取不同交通状态下混合车群的单车数据，构建模型数据集；2)构建混合车群的宏观演化模型，并对模型进行训练；3)设计基于车道的混合车群优化调控策略；4)根据移动瓶颈处的实时交通状态，构建混合车群动态优化目标；5)设计移动瓶颈上游多群体控制方案；6)根据步骤4)构建的混合车群动态优化目标设计混合车群的控制算法以对混合车群进行控制。本发明提出的混合交通条件下的移动瓶颈控制方法，不受交通检测设备的布设的空间限制，能够针对移动瓶颈的移动性进行有效的控制，具有可使用范围广、使用成本更低等优点。

公开(公告)号：CN114613144A

公开(公告)日：2022-06-10

申请号：CN202210359994.0

申请日：2022-04-07

Applicant: 重庆大学

Inventor： 孙棣华 ,  赵敏 ,  李保辉

IPC: G08G1/01

Abstract: 本发明提供了一种基于Embedding‑CNN的混合车群运动演化规律的刻画方法，属于智能交通信息技术领域。本方法包括以下步骤：首先，选定监测路段，通过监测路段路侧或车载传感器，截取t时刻监测路段混合异质车群的单车数据；再将步骤1)截取的单车数据进行预处理，获得Embedding‑CNN模型数据集；然后，构建Embedding‑CNN模型，并根据步骤2)获得的Embedding‑CNN模型数据集对Embedding‑CNN模型进行训练；最后，在测试集上对Embedding‑CNN模型的准确性进行验证。本方法从单个车辆行为出发，探究网联自动车的渗透率和空间分布与混合车群运动演化之间的关系等问题，建立基于Embedding‑CNN的深度学习模型实现对混合车群运动演化规律的精准刻画，为掌握网联环境下新型混合交通的运行状态提供依据。