-
公开(公告)号：CN116862573A
公开(公告)日：2023-10-10
申请号：CN202311132916.8
申请日：2023-09-05
Applicant: 华侨大学
IPC: G06Q30/0202 , G06Q30/0645 , G06Q50/30 , G06F18/214 , G06N20/20
Abstract: 本发明公开了一种基于增量训练的城际网约车短期出行需求预测方法及系统，方法包括：获取城际网约车的历史订单数据集，进行处理及选取所需字段形成初步订单数据；将初步订单数据划分为N个不同的即时单数据集和N个不同的预约单数据集；根据即时单数据集构建待测时刻，构建训练模型所需的特征，并根据所有的特征构建特征数据集，将特征数据集按比例分为训练数据集和测试数据集；基于训练数据集对短期出行需求预测模型进行训练；构建在线实时增量训练模型，将待测时刻所属日期已知的出行需求数据作为新的训练样本进行增量训练；将测试数据集输入至所述短期出行需求预测模型得到预测总输出。本发明能有效提高城际网约车出行需求预测的准确性。
-
公开(公告)号：CN119207082A
公开(公告)日：2024-12-27
申请号：CN202411274498.0
申请日：2024-09-12
Applicant: 华侨大学 , 南威软件股份有限公司
IPC: G08G1/01 , G08G1/123 , G06Q50/47 , G06Q30/0202
Abstract: 本发明提供的一种城际网约车多区域短时分布位置的预测方法及装置，涉及车辆调度技术领域，本发明方法包括：根据获取的城际网约车在运营线路中两城市的道路网络数据分别划分若干子区域，并构建两城市的城际出入口；根据获取的两城市的乘客下单数据，分别构建两城市各子区域的初始车辆报班集合；然后为每辆车单独建立多任务自适应卡尔曼滤波模型；构建两个城市的真实车辆分布集合、预测可用车辆分布集合、预出城车辆集合，构建途中车辆集合后，更新两个城市的预出城车辆集合；在车辆出城后，车辆重新报班，重置对应的卡尔曼滤波模型。本发明为每辆车单独建立卡尔曼滤波模型，能更好地捕捉每辆车的特性，提高城际网约车多区域短时分布位置的准确性。
-
公开(公告)号：CN118966713B
公开(公告)日：2024-12-20
申请号：CN202411418673.9
申请日：2024-10-12
Applicant: 华侨大学 , 厦门金龙联合汽车工业有限公司
IPC: G06Q10/0631 , G06N3/042 , G06N3/044 , G06Q50/43 , G06F18/214 , G06F18/241
Abstract: 本发明提供了城际拼车OD对区域可用运力预测方法、装置、设备及介质，通过获取起讫城市的路网信息以及兴趣点数据对起讫城市进行城市划分获得空间特征，由起讫城市的历史需求特征、区域历史流入特征、区域历史可用运力特征、区域历史车辆特征、需求时间信息得到时间特征，训练数据集输入OD对区域可用运力预测模型中进行模型训练，测试数据集输入至训练好的OD对区域可用运力预测模型中获得OD对区域可用运力预测值。通过提前预测起讫城市OD对区域的可用运力，使得相关运输机构能够提前对乘客订单与可用运力匹配，降低乘客等待时间、司机空驶里程。解决在拼车服务中车辆可用运力会受到订单产生的随机性影响，造成城内可用运力分布的不确定性。
-
公开(公告)号：CN118735233B
公开(公告)日：2024-12-06
申请号：CN202411230475.X
申请日：2024-09-04
Applicant: 华侨大学 , 厦门金龙联合汽车工业有限公司
IPC: G06Q10/0631 , G06Q30/0202 , G06Q30/0204 , G06Q50/47 , G06Q30/0601 , G06N3/006 , G06N3/092
Abstract: 本发明提供的融合城内车辆重定位的城际动态拼车调度优化方法及装置，涉及车辆调度技术领域。本发明通过获取城际网约车某条运营线路上的两城市的道路网络数据后，分别划分若干区域，并实时获取各区域内的往返乘客拼车出行数据；在每个重定位调度时刻，通过深度学习算法预测出乘客出行需求量，计算出空闲车辆数、供需平衡差和盈利路径总人数，构建双层优化模型；然后构建独立的智能体，并采用多智能体图深度Q学习网络算法进行训练学习；通过遍历每个调度时刻，判断是否达到重定位间隔，若达到，则进行乘客出行需求量预测、重定位决策与动态拼车调度；若否，则直接进行动态拼车调度。本发明能提高城际拼车的总利润，有效缓解车辆供需不平衡的问题。
-
公开(公告)号：CN119007463A
公开(公告)日：2024-11-22
申请号：CN202411036564.0
申请日：2024-07-31
Applicant: 华侨大学 , 厦门金龙联合汽车工业有限公司
IPC: G08G1/07 , G08G1/08 , G08G1/01 , G06N3/092 , G06N3/0464
Abstract: 本发明提供的一种基于FR‑DDQN的单交叉口信号灯相位控制方法及系统，涉及信号灯相位控制技术领域，本发明通过获取交叉口的历史交通数据，构建仿真环境与智能体；然后构建两个结构相同、参数不同的网络；根据估计网络计算当前交叉口状态下每个动作对应的估计Q值，采用ε‑greedy策略选择动作；选择动作后计算奖励函数的奖励值存入经验回放集合；根据目标网络计算下一交叉口状态到终止状态的目标值；采用损失函数与梯度下降法更新网络参数，直到达到最大仿真次数，得到交叉口的信号灯相位控制策略。本发明不仅可以评估所选动作对环境的短期影响，也可以通过公平性奖励机制控制动作选择策略对环境的长期影响，有效提升交叉口在一段时间内的整体通行效率。
-
Patent Agency Ranking
公开(公告)号：CN118917642A
公开(公告)日：2024-11-08
申请号：CN202411412572.0
申请日：2024-10-11
Applicant: 华侨大学 , 厦门金龙联合汽车工业有限公司
IPC: G06Q10/0631 , G06Q10/02 , G06Q50/47
Abstract: 本发明提供一种融合专车服务和拼车服务的城际多趟往返车辆的静态调度方法、装置、设备和介质，涉及城际静态拼车调度技术领域。方法包含：S1、获取乘客的预约出行数据和车辆集合。S2、根据预约出行数据和车辆集合，以最大化普通拼车利润和最大化专车服务利润为优化目标，构建静态调度模型。S3、根据静态调度模型，采用顺序构造线路算法生成初始可行解。S4、根据静态调度模型，设置基于单向行程的邻域算子，以进行扰动。S5、根据静态调度模型，设置基于专车服务乘客的局部搜索算子，用以改善扰动。S6、根据静态调度模型、初始可行解、邻域算子和局部搜索算子，采用变邻域搜索算法进行求解，获取最优解。其中，最优解为静态调度规划。
-
公开(公告)号：CN118735233A
公开(公告)日：2024-10-01
申请号：CN202411230475.X
申请日：2024-09-04
Applicant: 华侨大学 , 厦门金龙联合汽车工业有限公司
IPC: G06Q10/0631 , G06Q30/0202 , G06Q30/0204 , G06Q50/47 , G06Q30/0601 , G06N3/006 , G06N3/092
Abstract: 本发明提供的融合城内车辆重定位的城际动态拼车调度优化方法及装置，涉及车辆调度技术领域。本发明通过获取城际网约车某条运营线路上的两城市的道路网络数据后，分别划分若干区域，并实时获取各区域内的往返乘客拼车出行数据；在每个重定位调度时刻，通过深度学习算法预测出乘客出行需求量，计算出空闲车辆数、供需平衡差和盈利路径总人数，构建双层优化模型；然后构建独立的智能体，并采用多智能体图深度Q学习网络算法进行训练学习；通过遍历每个调度时刻，判断是否达到重定位间隔，若达到，则进行乘客出行需求量预测、重定位决策与动态拼车调度；若否，则直接进行动态拼车调度。本发明能提高城际拼车的总利润，有效缓解车辆供需不平衡的问题。
-
公开(公告)号：CN118313272B
公开(公告)日：2024-09-27
申请号：CN202410702932.4
申请日：2024-06-03
Applicant: 华侨大学 , 蓝海(福建)信息科技有限公司
IPC: G06F30/27 , G06F30/18 , G06N3/126 , G06F111/04
Abstract: 本发明公开了一种城市道路交通流仿真参数标定方法及系统，包括如下步骤：获取仿真区域的历史车流数据和路网结构信息；构建交通流仿真标定模型的决策变量和约束条件；根据决策变量和约束条件构建仿真标定目标函数，从而建立仿真标定模型；构建交通流仿真标定模型的输入和输出；采用遗传算法对模型进行求解，得到标定后的仿真参数；选取工况下的特征结合仿真参数输入模型，输出仿真结果。本发明够针对交通流仿真的影响因素和标定目标不全面、仿真精度较差等问题，提出一种城市道路交通流仿真参数标定方法，在平均车速和平均车头间距上的标定效果优于其他对比算法，有效提高了城市道路交通流仿真的精度。
-
公开(公告)号：CN117933102B
公开(公告)日：2024-06-14
申请号：CN202410335802.1
申请日：2024-03-22
Applicant: 华侨大学 , 福建三建工程有限公司
Abstract: 本发明提供的基于MKTL的多点频域振动响应预测方法、装置、设备及介质，通过用部分辅助测点的振动响应频域数据加入不同类型的噪声后，训练一个多输入多输出的神经网络振动响应预测模型作为源域的源模型，以应对实际工况条件下噪声变化多样问题的振动响应鲁棒性预测；通过两种多频率知识迁移学习MKTL形式分别结合两种源域存储机制，采用一种迁移形式结合一种源域存储机制的多源域迁移存储机制，组成四种形式并进行融合、综合对比，得到最优BP‑NN神经网络模型，辅助目标域进行训练，达到模型迁移的目的。本发明实现了多个领域知识的综合学习，克服单源域迁移存在的信息不充分问题，增强了模型的鲁棒性，有效提高模型的预测精度和效果。
-
公开(公告)号：CN117952019A
公开(公告)日：2024-04-30
申请号：CN202410335784.7
申请日：2024-03-22
Applicant: 华侨大学 , 福建三建工程有限公司
Abstract: 本发明提供的基于SRT的多点频域振动响应预测方法、装置、设备及介质，涉及多点频域振动响应预测领域，通过获取频率序列中每个频率下的振动响应频域数据样本集，用一频率下的振动响应频域数据训练一个多输入多输出的神经网络振动响应预测模型，并将训练好的预测模型作为源域，采用MMD及方差散度方法，得到不同频率的数据差异之后，使用SRT算法，得到最佳的迁移学习顺序；根据该顺序进行模型迁移学习，将上一个训练学习得到的模型参数作为下一个目标频率网络模型权值的初值并微调，达到模型迁移的目的。本发明考虑到源域和目标域之间的差异性和相似性，解决了在迁移过程中出现辅助域与目标域相差较大而出现负迁移的现象，响应预测的精度更高且速度快。
-
-
-
-
-
-
-
-
-
Search Results
21
records
(took 0.041 seconds)
