-
公开(公告)号：CN112037506A
公开(公告)日：2020-12-04
申请号：CN202010742540.2
申请日：2020-07-29
Applicant: 长安大学
Abstract: 本发明公开了一种车辆轨迹预测模型构建方法、车辆轨迹预测方法及系统。所公开的方案包括采用嵌入向量表示城市区域中的路段信息，分别对车辆的轨迹信息和目的地信息进行编码，以便能够将数目众多的道路信息送入深度神经网络中，然后分别将轨迹信息和目的地信息的嵌入表达送入长短期记忆网络生成包含所有已知轨迹信息的长向量，利用多任务学习中的参数软共享方式将历史轨迹信息与目的地信息进行融合，通过全连接层进行解析与特征提取，进行轨迹预测。本发明采用多任务学习的方式，充分利用了已知轨迹信息与目的地信息，能有效提升轨迹预测的准确性。
-
公开(公告)号：CN118777552A
公开(公告)日：2024-10-15
申请号：CN202410778398.5
申请日：2024-06-17
Applicant: 长安大学
IPC: G01N33/18
Abstract: 本发明公开了定量解析湖水DIC变化过程的方法，具体按照以下步骤实施：步骤1、采集湖水并进行水化学分析，测定水环境指标；步骤2、根据质量守恒定律建立湖水DIC收支方程；步骤3、建立Ca2+化学平衡式，计算t和t+Δt时刻湖水由化学作用导致的DIC变化量；步骤4、通过计算呼吸耗氧量和总初级生产力，估算t和t+Δt时刻湖水由生物作用导致的DIC变化量；步骤5、由湖水DIC收支方程、化学作用导致的DIC变化量、生物作用导致的DIC变化量，计算t和t+Δt时刻湖水由物理作用导致的DIC变化量。本发明通过建立DIC收支方程，解析湖水DIC转化机理，实现了对湖水DIC变化的化学过程、生物过程、物理过程的定量解析。
-
公开(公告)号：CN117741078A
公开(公告)日：2024-03-22
申请号：CN202311672381.3
申请日：2023-12-07
Applicant: 长安大学
IPC: G01N33/18 , G16C20/10 , G06F18/2135
Abstract: 本发明公开了用于解析混合作用下浅层湖泊湖水盐分变化关键过程的实验方法，具体为通过获取湖泊水的数据进行实验，选定实验过程中某时间段湖泊水盐分中主要离子浓度和氢氧稳定同位素值，分析提出基于水循环的湖水盐分优化调控方案；通过智能化实验装置的方式实现混合作用下浅层湖泊湖水盐分变化关键过程的解析，解决了现有技术中长时间的动态观测中取样过程需要耗费大量人力的问题。
-
公开(公告)号：CN113380025B
公开(公告)日：2022-08-30
申请号：CN202110590338.7
申请日：2021-05-28
Applicant: 长安大学
Abstract: 本发明公开了一种车辆出行量预测的模型构建方法及预测方法和系统。所公开方案构建路段出行量OD次数关系图，路段出行量局部关系图、路段出行量全局关系图共同作为空间特征，进行路段车辆出行量预测，并且也考虑外部因素影响，同时采用GCN和TCN混合的深度预测模型进行模型构建与未来出行量的预测。所公开方案提升了车辆出行量预测的准确度，可用于区域内规模车辆出行量的预测。
-
公开(公告)号：CN111653088B
公开(公告)日：2022-02-01
申请号：CN202010317209.6
申请日：2020-04-21
Applicant: 长安大学
Abstract: 本发明公开了一种车辆出行量预测模型构建方法及预测方法和系统。所公开的模型构建方法是基于GCN和LSTM设计了深度神经网络Multi‑task GCN‑LSTM用于车辆出行量预测，网络包含三个模块，分别用于提取空间相关性、提取时间相关性和特征融合。所公开的预测方法和系统是基于本发明所构建的模型进行车辆出行量预测。本发明在构建模型时考虑了路段局部关系和路段全局关系，并将车辆到达量预测作为相关任务，使用了多任务学习方法，以避免网络过拟合，并且有效降低了车辆出行量预测误差。
-
Patent Agency Ranking
公开(公告)号：CN110081890A
公开(公告)日：2019-08-02
申请号：CN201910438446.5
申请日：2019-05-24
Applicant: 长安大学
IPC: G01C21/30
Abstract: 一种结合深度网络的动态K最近邻地图匹配方法，包括：步骤一、采集GPS数据，对GPS数据采集过程中出现的噪声进行数据清洗；步骤二、地图匹配获取实验数据中的距离误差和方向误差；步骤三、对多层感知机的输入数据进行归一化，将归一化的经纬度作为多层感知机模型的输入，训练多层感知机模型获取动态k值；步骤四、每个测试数据根据训练得到的k值与欧几里得距离进行结合，使用k最近邻域算法获得测试数据的预测距离误差和预测方向误差，继而得到相应测试点的投影点；步骤五、根据测试数据的经度、纬度以及预测距离误差和预测方向误差得出测试数据的投影点。本发明能够改善k最近邻算法存在的全局单一k值情况，获取到最佳误差值。
-
公开(公告)号：CN105426936B
公开(公告)日：2018-02-02
申请号：CN201510741874.7
申请日：2015-11-04
Applicant: 长安大学
Abstract: 一种应对人为电磁屏蔽的多义性路径射频识别系统及交互通信方法，包括多个RSU，对称重货车发放有源双向复合通行卡；根据RSU接收到有源双向复合通行卡发射的ID信息后，发射RSU应答信号，若有源双向复合通行卡未处于外屏蔽状态则接收到RSU应答信号后，再向RSU发射应答信号表示已接收到RSU路径信息；RSU若未收到有源双向复合通行卡第二次发射的应答信号，则表示有源双向复合通行卡处于外屏蔽状态；RSU收到复合通行卡第二次发射的应答信号，则表示有源双向复合通行卡处于未屏蔽状态。本发明可以在复合通行卡处于电磁屏蔽状态下，触发RSU记录复合通行卡的信息，从而实现判定是否是人为故意电磁屏蔽通行卡。
-
公开(公告)号：CN106914897A
公开(公告)日：2017-07-04
申请号：CN201710207954.3
申请日：2017-03-31
Applicant: 长安大学
Abstract: 本发明属于机械手运动学求解领域，公开了一种基于RBF神经网络的机械手运动学逆解方法，包括：获取机械手运动样本对；设置RBF神经网络的样本输入和期望输出，RBF神经网络的样本输入为机械手末端执行器的位姿，RBF神经网络的期望输出为机械手关节角度；根据RBF神经网络的样本输入和期望输出，采用正交最小二乘方法确定RBF神经网络的网络参数，得到满足误差要求的RBF神经网络的网络参数；获取机械手末端执行器的实际位姿，将实际位姿输入到满足误差要求的RBF神经网络的输入层，满足误差要求的RBF神经网络的输出层输出机械手关节角度，从而完成机械手运动学逆解；能够提高机械手轨迹规划和实时控制精度。
-
公开(公告)号：CN113380025A
公开(公告)日：2021-09-10
申请号：CN202110590338.7
申请日：2021-05-28
Applicant: 长安大学
Abstract: 本发明公开了一种车辆出行量预测的模型构建方法及预测方法和系统。所公开方案构建路段出行量OD次数关系图，路段出行量局部关系图、路段出行量全局关系图共同作为空间特征，进行路段车辆出行量预测，并且也考虑外部因素影响，同时采用GCN和TCN混合的深度预测模型进行模型构建与未来出行量的预测。所公开方案提升了车辆出行量预测的准确度，可用于区域内规模车辆出行量的预测。
-
公开(公告)号：CN111653088A
公开(公告)日：2020-09-11
申请号：CN202010317209.6
申请日：2020-04-21
Applicant: 长安大学
Abstract: 本发明公开了一种车辆出行量预测模型构建方法及预测方法和系统。所公开的模型构建方法是基于GCN和LSTM设计了深度神经网络Multi-task GCN-LSTM用于车辆出行量预测，网络包含三个模块，分别用于提取空间相关性、提取时间相关性和特征融合。所公开的预测方法和系统是基于本发明所构建的模型进行车辆出行量预测。本发明在构建模型时考虑了路段局部关系和路段全局关系，并将车辆到达量预测作为相关任务，使用了多任务学习方法，以避免网络过拟合，并且有效降低了车辆出行量预测误差。
-
-
-
-
-
-
-
-
-
Search Results
24
records
(took 0.044 seconds)
