-
公开(公告)号：CN115720151B
公开(公告)日：2025-05-06
申请号：CN202211316589.7
申请日：2022-10-26
Applicant: 长安大学
Abstract: 本发明公开了一种编队下CAV网络攻击识别与解调方法、设备及存储介质，方法包括：构建多车道编队型交通流模型PIDM，确定车辆编队内存在的通信拓扑结构；网络攻击定位、识别与警报；分阶段确定网络攻击解调方式。本发明在多车道编队情景下识别网络攻击，经过逐级的误差放缩对前车的不良影响进行消解，减少了网络攻击对车队行驶产生的不良影响。
-
公开(公告)号：CN119107802A
公开(公告)日：2024-12-10
申请号：CN202411149678.6
申请日：2024-08-21
Applicant: 长安大学
IPC: G08G1/01 , G06Q10/047 , G06Q50/40
Abstract: 本发明提供一种交通网络交通节点重要性识别方法，本发明考虑了考虑节点路径和状态扰动，具体方法为：首先建立复杂交通网络，然后计算交通复杂网络中所有交通节点的ks值，接着计算交通节点的信息熵，然后从交通网络中删除信息熵最小的交通节点，最后在当前迭代次数下，从交通节点集合中选取信息熵最大的交通节点，并将其有序地加入交通节点重要性排序集合中，直到交通网络中的所有交通节点都已经被放入重要性交通节点排序集合中为止。本发明通过综合考虑节点路径和状态扰动，实现了交通网络中关键节点更广泛和均匀的识别，从而显著提升了网络的鲁棒性和运行效率。
-
公开(公告)号：CN112700124B
公开(公告)日：2023-10-24
申请号：CN202011602569.7
申请日：2020-12-29
Applicant: 长安大学
IPC: G06Q10/0639 , G06F17/18 , G06F17/16
Abstract: 本发明公开了一种多层交通网络MRWC节点重要性排序方法、系统、电子设备及计算机可读存储介质，所述方法包括：构建获得多层交通网络；计算所述多层交通网络各连边权重，获得权重矩阵；将获得的权重矩阵进行归一化处理，获得概率矩阵M；所述多层交通网络共有N个节点，在初始时刻每个节点的重要性相同，获得起始游走矩阵v；基于获得的概率矩阵M和起始游走矩阵v，进行游走迭代，取迭代稳定后的游走矩阵作为多层交通网络各节点的重要度值；将重要度值排序比较，获得节点重要性排序的最终结果。本发明中，通过构建综合考虑层内层间关系的超邻接概率矩阵，能够使得评估结果对于多层真实网络能够更加准确高效。
-
公开(公告)号：CN114611996A
公开(公告)日：2022-06-10
申请号：CN202210325857.5
申请日：2022-03-30
Applicant: 长安大学
Abstract: 本发明公开了一种应对城际铁路中断的多模式走廊构建方法、装置及设备，获取中断线路信息和交通应急资源信息；将中断线路信息和交通应急资源信息输入多模式走廊构建模型，输出出行需求对应的多式协同运输方案和用于灾后响应的多模式载具的调度方案。其目的在于在城市群交通系统发生灾害后，面向城市群范围内核心城市的出行需求，利用受损的基础设施规划多模式交通的绕行替代路线，调度备用应急载具，构建多式协同的客流运输方案，以达到交通系统供需平衡快速恢复的目标，同时降低乘客的总体延误。
-
公开(公告)号：CN113361052A
公开(公告)日：2021-09-07
申请号：CN202110632050.1
申请日：2021-06-07
Applicant: 长安大学
Abstract: 本发明公开了一种基于耦合映象格子的可恢复异质网络级联失效方法、设备及存储介质，具体为：以交通网络的站点为网络节点，以同一条线路的前后站点间为连边，构建含权无向网络；时间步t>1，在0～t的时间步内，网络内部所有节点均处于正常状态，在t时间步时，基于可恢复的耦合映象格子模型HCML，根据HCML确定在外部扰动R作用下的网络失效结果，度量网络级联失效规模。本发明充分考虑节点恢复特征所引起的级联失效动力学过程，更全面、更准确地描述现实网络的级联行为。
-
Patent Agency Ranking
公开(公告)号：CN119129820A
公开(公告)日：2024-12-13
申请号：CN202411181545.7
申请日：2024-08-27
Applicant: 长安大学
IPC: G06Q10/04 , G06V10/764 , G06V10/774 , G06V10/776 , G06Q50/26
Abstract: 本发明提供了一种考虑级联失效和强化学习的交通关键基础设施部署方法，包括以下步骤：S1：构建道路网络结构并获取节点特征；S2：根据道路网络结构和节点特征，建立级联失效模型；S3：基于强化学习，识别级联失效模型中关键基础设施。以解决现有级联失效模型缺少对局部节点和边的深入分析且适应性差的问题。
-
公开(公告)号：CN112580176B
公开(公告)日：2024-01-30
申请号：CN202011535370.7
申请日：2020-12-23
Applicant: 长安大学
Abstract: 本发明公开了一种三层复杂交通网络模型构建方法、系统、设备及存储介质，模型构建方法：获取并处理地图中目标区域内多个目标路段对应的地图信息；搭建中间层无向加权的地铁网络；分别以各地铁站点为圆心、步行经济距离ra为半径进行覆盖，将各地铁站点覆盖范围内的所有公共自行车停放点聚合为自行车网络节点，与地铁网络节点一一对应；以自行车经济出行距离rb作为连边依据进行自行车网络节点连边。将各条公交线路抽象为公交网络节点，以两条线路之间存在直接换乘关系进行连边。本发明充分考虑各交通方式的特征与异质性，突出换乘特点，更贴近现实出行状况，更利于网络动态行为研究，使得研究结果更具现实价值。
-
公开(公告)号：CN115720151A
公开(公告)日：2023-02-28
申请号：CN202211316589.7
申请日：2022-10-26
Applicant: 长安大学
Abstract: 本发明公开了一种编队下CAV网络攻击识别与解调方法、设备及存储介质，方法包括：构建多车道编队型交通流模型PIDM，确定车辆编队内存在的通信拓扑结构；网络攻击定位、识别与警报；分阶段确定网络攻击解调方式。本发明在多车道编队情景下识别网络攻击，经过逐级的误差放缩对前车的不良影响进行消解，减少了网络攻击对车队行驶产生的不良影响。
-
公开(公告)号：CN119169819A
公开(公告)日：2024-12-20
申请号：CN202411290285.7
申请日：2024-09-14
Applicant: 长安大学
Abstract: 本发明公开了自动驾驶车辆合流区的风险预测与控制方法，包括以下步骤：S1：构建安全场模型；S2：基于S1的安全场模型，结合模型预测控制MPC获取车辆状态的预测输入序列；S3：构建车辆决策的总成本函数；S4：基于S3的总成本函数，构建车辆与周围每辆车的博弈模型，并对模型进行优化求解；S5：基于S2获取的预测控制输入序列、目标函数、S4的优化决策，获取车辆的最优控制输入序列。以解决现有方法存在的风险预测和控制策略不够全面、灵活性差、风险预测不准确、存在训练数据依赖的问题。
-
公开(公告)号：CN115691126B
公开(公告)日：2023-08-22
申请号：CN202211315847.X
申请日：2022-10-26
Applicant: 长安大学
IPC: G08G1/01 , G08G1/0968
Abstract: 本发明公开了一种基于深度优先搜索算法的交通网络冗余性测度方法，包括：基于任意地点即节点间的连接关系构建考虑出行成本的交通网络模型；根据出行者的出行线路选择条件，设定起讫点间有效路径的判定依据；采用改进的深度优先搜索算法，搜索得到能够表征整个交通网络中所有OD对间有效路径数量的邻接矩阵；基于邻接矩阵，考虑起讫点间冗余路径的数量及不同冗余路径的离散程度，建立交通网络的冗余性测度模型；利用交通网络的冗余性测度模型进行交通网络的冗余性测度。根据出行者对出行线路的要求测算起讫点间的有效路线，考虑了出行者出行过程中偏好较少换乘次数、抗拒到达重复站点及线路、期望花费较小费用和较少时间的因素，使测度更真实。
-
-
-
-
-
-
-
-
-
Search Results
24
records
(took 0.017 seconds)
