-
公开(公告)号：CN116307580A
公开(公告)日：2023-06-23
申请号：CN202310264969.9
申请日：2023-03-17
Applicant: 清华大学
IPC: G06Q10/0631 , G06Q10/047 , G06Q50/30
Abstract: 本发明提供了一种运力调度方法、装置、电子设备及存储介质。其中，方法包括：获取第一信息；所述第一信息表征园区内车辆的状态；针对至少一个站点中每个站点，获取对应的第二信息；所述第二信息至少包含站点内乘客相关信息；基于所述第二信息，确定对应的第三信息；所述第三信息表征不同目标站点的乘客分布情况；确定第四信息；所述第四信息表征确定车辆行驶路径时所使用的约束条件，所述第四信息至少包含园区内车辆相关信息和车辆的交通规划信息；基于所述第三信息和所述第四信息，利用调度模型，确定所述站点至少一个车辆中每个车辆的行驶路径。本发明提供的方案，能够提高运力调度结果的合理性，从而提高车辆运送乘客的效率和车辆利用率。
-
公开(公告)号：CN108364484B
公开(公告)日：2021-03-30
申请号：CN201810153796.2
申请日：2018-02-22
Applicant: 清华大学
IPC: G08G1/08
Abstract: 本发明涉及一种基于序贯博弈的单交叉口信号配时方法，其特征在于包括以下步骤：1)建立表征单交叉口各相位信号配时时间的无穷期序贯博弈模型，并确定该模型的收益函数和贴现因子；2)通过车路协同系统获取单交叉口当前周期各相位的收益函数计算参数以及上一周期各个相位的排队长度，用于序贯模型博弈计算；3)将单交叉口各相位作为无穷期序贯博弈模型的参与者进行序贯博弈，根据得到的序贯博弈均衡解以及单交叉口的周期时长，计算得到单交叉口各个相位在当前周期下分配得到的通行时间。本发明可以广泛应用于单交叉口信号配时领域中。
-
公开(公告)号：CN112270840A
公开(公告)日：2021-01-26
申请号：CN202011145584.3
申请日：2020-10-23
Applicant: 清华大学
IPC: G08G1/0967 , G08G1/16
Abstract: 本发明公开了一种车路协同环境下基于单车运动特征的信息可信辨识方法，结合车路协同环境下单车运动特征分析以及单车信息交互逻辑，从物理边界和运动状态两个维度构建单车信息交互可信辨识模型，采用可信辨识模型检测自车及系统产生的交互信息是否合法，对于合法的交互信息，终端直接使用，对于不合法异常交互信息，终端执行异常信息上报并启动应急模式；本发明能够有效解决因人为伪造、恶意篡改、设备异常等情况产生的不符合交通业务特征的数据和信息对车路协同环境下的交通系统所带来的安全问题，实现对现有车路协同环境下交通系统信息交互安全性与可靠性的提升。
-
公开(公告)号：CN110060475A
公开(公告)日：2019-07-26
申请号：CN201910307621.7
申请日：2019-04-17
Applicant: 清华大学
Abstract: 本发明涉及一种基于深度强化学习的多交叉口信号灯协同控制方法，其包括以下步骤：1)根据多交叉口交通网络的实际情况，建立能够反映该交通网络原始交通状态的多通道张量；2)根据得到的多交叉口交通网络的多通道张量，建立多交叉口协同控制神经网络模型；3)采用模仿学习和强化学习相结合的方法，对建立的多交叉口协同控制神经网络模型进行训练，得到训练好的多交叉口协同控制神经网络模型；4)将当前多交叉口的相位信息输入训练好的多交叉口协同控制神经网络模型，得到当前多交叉口信号灯的协同控制输出结果。本发明可以广泛应用于多交叉口信号灯协同控制领域。
-
公开(公告)号：CN116009516B
公开(公告)日：2024-09-24
申请号：CN202310063836.5
申请日：2023-01-12
Applicant: 清华大学
IPC: G05B23/02
Abstract: 本文公开一种实现自适应加速测试的方法及装置，包括：根据第i‑1次及之前的自适应加速测试的测试结果，确定第i次自适应加速测试的重要性采样函数；根据确定的第i次自适应加速测试的重要性采样函数，采样确定第i次自适应测试的测试场景Xi；在采样确定的第i次自适应测试的测试场景Xi中对自动驾驶汽车进行自适应加速测试，获得测试结果；根据获得的测试结果，确定测试场景Xi的自适应加速测试的测试指标；根据确定的测试指标判断出测试结果收敛时，将确定的测试指标确定为测试评估结果。本发明实施例通过多重重要性采样函数的确定，加速了测试场景生成，提高了自动驾驶汽车测试评估的效率。
-
Patent Agency Ranking
公开(公告)号：CN116089196A
公开(公告)日：2023-05-09
申请号：CN202310148827.6
申请日：2023-02-14
Applicant: 清华大学
Abstract: 一种智能性水平分析评估方法及装置、计算机可读存储介质，包括：确定评价指标的级数以及每级评价指标包含的下一级评价指标；根据最末级评价指标生成参考数列与比较数列，根据参考数列与比较数列生成倒数第二级评价指标的评分矩阵；从倒数第二级评价指标开始，依次用每一级评价指标的权重向量与同一级评价指标的评分矩阵相乘，得到每一级评价指标的综合评价，将同一级评价指标的综合评价进行拼接，形成同一级评价指标的上一级评价指标的评分矩阵，直到得到第一级评价指标的评分矩阵；用第一级评价指标的权重向量与第一级评价指标的评分矩阵相乘，得到第一级评价指标的综合评价，根据第一级评价指标的综合评价确定参评智能体的智能性水平。
-
公开(公告)号：CN113792920A
公开(公告)日：2021-12-14
申请号：CN202111026993.6
申请日：2021-09-02
Applicant: 清华大学 , 上海清鹤科技股份有限公司
Abstract: 本申请公开了一种面向单诊室的医院就诊顺序优化方法及装置，实现了基于医院历史大数据对患者排队顺序的动态调整，一方面，在计算排队优先值时对患者等待时长进行归一化处理，另一方面，以患者平均等待时长最短为目的对就诊顺序模型进行优化从而得到最优权重参数，使得本申请实施例提供的实现就诊排队的方法解决了部分患者等待时间过长的问题，并达到了缩短全部患者平均等待时长的效果，从而更好地优化了就诊排队顺序，进一步提升了就诊体验。
-
公开(公告)号：CN110060475B
公开(公告)日：2021-01-05
申请号：CN201910307621.7
申请日：2019-04-17
Applicant: 清华大学
Abstract: 本发明涉及一种基于深度强化学习的多交叉口信号灯协同控制方法，其包括以下步骤：1)根据多交叉口交通网络的实际情况，建立能够反映该交通网络原始交通状态的多通道张量；2)根据得到的多交叉口交通网络的多通道张量，建立多交叉口协同控制神经网络模型；3)采用模仿学习和强化学习相结合的方法，对建立的多交叉口协同控制神经网络模型进行训练，得到训练好的多交叉口协同控制神经网络模型；4)将当前多交叉口的相位信息输入训练好的多交叉口协同控制神经网络模型，得到当前多交叉口信号灯的协同控制输出结果。本发明可以广泛应用于多交叉口信号灯协同控制领域。
-
公开(公告)号：CN111260950A
公开(公告)日：2020-06-09
申请号：CN202010051158.7
申请日：2020-01-17
Applicant: 清华大学
IPC: G08G1/0968
Abstract: 本申请实施例提供一种基于轨迹预测的轨迹跟踪方法、介质和车载设备，所述方法包括：当需要获取所述车辆在采样时刻tp+1的定位信息时，获取N个历史定位信息和参考路径信息序列，其中，所述N个历史定位信息为所述车辆在采样时刻tp+1之前的N个采样时刻的定位信息，所述参考路径信息序列为待跟踪的预定轨迹上的轨迹点的坐标序列，N为大于1的正整数，p+1为大于N的正整数；基于所述N个历史定位信息和参考路径信息序列，预测所述车辆在采样时刻tp+1的定位信息。如此，能够在需要获取车辆的定位信息时，精确预测出车辆的定位信息，从而，能够提高轨迹跟踪控制的精确度。
-
公开(公告)号：CN105046957B
公开(公告)日：2017-06-30
申请号：CN201510382446.X
申请日：2015-07-02
Applicant: 清华大学
Abstract: 本发明公开了属于安全性评价技术领域的一种用于事故分析与安全评价的平衡采样方法，具体选择某种事故类型，采集相关数据，导入处理系统进行预处理，建立事故分析与安全评价数据集；建立分析模型，进行参数估计及收敛性判断，包括平衡采样事故样本、计数模型求解、重采样参数估计、收敛性判断；最后输出模型结果，针对显著因素分析提出改进建议。本发明涉及交通事故等偶发事件的预测及评价；采用平衡采样方法能够有效解决采用非平衡数据集的零膨胀问题；保障参数估计结果的稳定性与有效性，提高模型精度，减小参数估计误差，挖掘更多与事故发生相关的显著因素，有效指导实践应用。
-
-
-
-
-
-
-
-
-
Search Results
25
records
(took 0.018 seconds)
