-
公开(公告)号：CN110827543A
公开(公告)日：2020-02-21
申请号：CN201911092768.5
申请日：2019-11-11
Applicant: 重庆邮电大学
Abstract: 本发明属于短时智能交通控制领域，具体涉及一种基于深度学习和时空数据融合的短时交通流控制方法，该方法包括：获取数据源；分析路口历史数据的时间和空间关联性；根据预测卡口与其相关路口的历史数据分别建立时间维度GRU模型及空间维度CNN回归模型；将时间维度GRU模型和空间维度CNN回归模型的输出结果进行融合，得到自适应时空数据融合模型；统计自适应时空数据融合模型的预测结果，并将预测结果发送给交通部门；本发明在时空层面上，分析复杂路网中道路交通流的时空依赖性，利用网络表示学习对交通数据进行筛选，并将筛选后的数据用于模型的输入，提高了路口车流量预测结果的精确性。
-
公开(公告)号：CN110827544B
公开(公告)日：2022-09-02
申请号：CN201911092839.1
申请日：2019-11-11
Applicant: 重庆邮电大学
Abstract: 本发明涉及短时交通流控制领域，具体涉及一种基于图卷积循环神经网络的短时交通流控制方法；该方法包括：获取数据源；构建图结构交通流量序列；根据图结构交通流量序列在时间维的多级别性构建时空图卷积循环网络的近期组件模型，时空图卷积循环网络日周期组件模型以及时空图卷积循环网络周周期组件模型；融合3个模型的结果，得到短时交通流量预测模型；根据这个模型得到预测结果；统计预测数据，将统计的结果发送给交通部门，控制该路网各卡口车流量；本发明利用时空图卷积循环神经网络同时建模交通流近期、日周期和周周期依赖性，建立基于多组件数据融合的时空图卷积循环神经网络的短时流量预测模型，从而达到精准的预测结果。
-
公开(公告)号：CN110827543B
公开(公告)日：2022-02-18
申请号：CN201911092768.5
申请日：2019-11-11
Applicant: 重庆邮电大学
Abstract: 本发明属于短时智能交通控制领域，具体涉及一种基于深度学习和时空数据融合的短时交通流控制方法，该方法包括：获取数据源；分析路口历史数据的时间和空间关联性；根据预测卡口与其相关路口的历史数据分别建立时间维度GRU模型及空间维度CNN回归模型；将时间维度GRU模型和空间维度CNN回归模型的输出结果进行融合，得到自适应时空数据融合模型；统计自适应时空数据融合模型的预测结果，并将预测结果发送给交通部门；本发明在时空层面上，分析复杂路网中道路交通流的时空依赖性，利用网络表示学习对交通数据进行筛选，并将筛选后的数据用于模型的输入，提高了路口车流量预测结果的精确性。
-
Patent Agency Ranking
公开(公告)号：CN110851450B
公开(公告)日：2023-07-18
申请号：CN201911098391.4
申请日：2019-11-12
Applicant: 重庆邮电大学
IPC: G06F16/22 , G06F16/29 , G06F16/2458 , G06F9/50 , G08G1/017
Abstract: 本发明涉及智能交通技术领域，具体涉及一种基于增量计算的伴随车即时发现方法，包括：获取交通摄像头记录中的交通车辆数据，生成数据集；从数据集中提取相关属性，生成过车事务数据集；获取过车事务数据集，构建动态频繁树；根据动态频繁树，采用自底向上的方法遍历动态频繁树，进行频繁项映射存储，生成动态频繁项集；利用时间衰减模型，通过加权时间权重对动态频繁项集进行过滤，挖掘近期的伴随车组。本发明的方法增加哈希表以减少树的构建时间，同时增加数据批次散列表作为DF‑tree的减枝依据以释放过期数据占用的内存，引入时间衰减模型，实现基于大规模过车数据的伴随车即时发现。
-
公开(公告)号：CN110807556B
公开(公告)日：2022-05-31
申请号：CN201911068520.5
申请日：2019-11-05
Applicant: 重庆邮电大学
IPC: G06Q10/04 , G06F16/9536 , G06N3/04
Abstract: 本发明属于用户行为预测领域，涉及对微博谣言或/和辟谣话题传播趋势的预测方法及装置；方法包括获取参与微博谣言话题或/和辟谣话题的数据源信息，提取相关属性；使用多元线性回归算法构造影响力函数；构建出转发谣言信息和转发辟谣信息的博弈策略，建立出谣言与辟谣互影响力模型，计算出谣言与辟谣的互影响力；基于表示学习的方法将用户节点映射到像素空间，构建当前时刻的用户转发图像，利用卷积神经网络预测下一时刻的用户转发图像；将互影响力与下一时刻用户转发图像相融合，建立出逻辑回归预测模型，预测用户在下一时刻是否参与谣言话题或/和辟谣话题；本发明能够有效地预测出微博谣言话题和辟谣话题的传播趋势，有利于舆情的控制和处理。
-
公开(公告)号：CN110851450A
公开(公告)日：2020-02-28
申请号：CN201911098391.4
申请日：2019-11-12
Applicant: 重庆邮电大学
IPC: G06F16/22 , G06F16/29 , G06F16/2458 , G06F9/50 , G08G1/017
Abstract: 本发明涉及智能交通技术领域，具体涉及一种基于增量计算的伴随车即时发现方法，包括：获取交通摄像头记录中的交通车辆数据，生成数据集；从数据集中提取相关属性，生成过车事务数据集；获取过车事务数据集，构建动态频繁树；根据动态频繁树，采用自底向上的方法遍历动态频繁树，进行频繁项映射存储，生成动态频繁项集；利用时间衰减模型，通过加权时间权重对动态频繁项集进行过滤，挖掘近期的伴随车组。本发明的方法增加哈希表以减少树的构建时间，同时增加数据批次散列表作为DF-tree的减枝依据以释放过期数据占用的内存，引入时间衰减模型，实现基于大规模过车数据的伴随车即时发现。
-
公开(公告)号：CN110827544A
公开(公告)日：2020-02-21
申请号：CN201911092839.1
申请日：2019-11-11
Applicant: 重庆邮电大学
Abstract: 本发明涉及短时交通流控制领域，具体涉及一种基于图卷积循环神经网络的短时交通流控制方法；该方法包括：获取数据源；构建图结构交通流量序列；根据图结构交通流量序列在时间维的多级别性构建时空图卷积循环网络的近期组件模型，时空图卷积循环网络日周期组件模型以及时空图卷积循环网络周周期组件模型；融合3个模型的结果，得到短时交通流量预测模型；根据这个模型得到预测结果；统计预测数据，将统计的结果发送给交通部门，控制该路网各卡口车流量；本发明利用时空图卷积循环神经网络同时建模交通流近期、日周期和周周期依赖性，建立基于多组件数据融合的时空图卷积循环神经网络的短时流量预测模型，从而达到精准的预测结果。
-
公开(公告)号：CN110807556A
公开(公告)日：2020-02-18
申请号：CN201911068520.5
申请日：2019-11-05
Applicant: 重庆邮电大学
IPC: G06Q10/04 , G06F16/9536 , G06N3/04
Abstract: 本发明属于用户行为预测领域，涉及对微博谣言或/和辟谣话题传播趋势的预测方法及装置；方法包括获取参与微博谣言话题或/和辟谣话题的数据源信息，提取相关属性；使用多元线性回归算法构造影响力函数；构建出转发谣言信息和转发辟谣信息的博弈策略，建立出谣言与辟谣互影响力模型，计算出谣言与辟谣的互影响力；基于表示学习的方法将用户节点映射到像素空间，构建当前时刻的用户转发图像，利用卷积神经网络预测下一时刻的用户转发图像；将互影响力与下一时刻用户转发图像相融合，建立出逻辑回归预测模型，预测用户在下一时刻是否参与谣言话题或/和辟谣话题；本发明能够有效地预测出微博谣言话题和辟谣话题的传播趋势，有利于舆情的控制和处理。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.019 seconds)
