一种时空知识图谱索引方法及相关设备

    公开(公告)号:CN117033541A

    公开(公告)日:2023-11-10

    申请号:CN202311299795.6

    申请日:2023-10-09

    Applicant: 中南大学

    Abstract: 本发明提供了一种时空知识图谱索引方法及相关设备,包括:获取时空节点的时空属性数据,构建3DR索引树;聚合3DR索引树中的每个节点内部包含的所有时空实体,得到超图节点,并将超图节点的二阶子图作为训练数据输入图神经网络模型进行训练,得到子图匹配模型;将获取的查询请求分解得到的查询子图和时空约束输入子图匹配模型进行计算,得到查询子图的嵌入向量以及时空范围参数;对时空属性数据进行剪枝查找每个叶子节点下的时空实体子图,并根据查询子图和子图匹配模型对每个时空实体子图进行剪枝得到时空子图嵌入向量;对比嵌入向量与时空子图嵌入向量在向量空间中的相对位置关系得到查询结果;大幅提升了时空交集查询效率。

    分布式框架下交通流动态协同分配方法

    公开(公告)号:CN112991745A

    公开(公告)日:2021-06-18

    申请号:CN202110480692.4

    申请日:2021-04-30

    Applicant: 中南大学

    Abstract: 本发明公开了一种分布式框架下交通流动态协同分配方法,以交叉路口为次级分配单位设立了多个虚拟的局部子规划中心,每个子规划中心管理与此交叉路口连接的多个路段。每个子规划中心根据特定规则在此局域内为车辆重新规划通行路径并选择下一通行路段。多个子规划中心的配流过程可以同步进行,并最终将配流结果反馈到上一层次,大幅提升了交通配流效率;同时借助于市场行为中的招投标机制向路段分配交通流,提出了面向城市路网的交通流动态协同分配方法。该方法首先在对路段阻抗分析的基础上分析并筛选拥堵路段交叉口,在每一个拥堵交叉口智能体中将拥堵路段作为招标人,将畅通路段作为投标人,采用招投标机制将车辆分配给出价最高的投标路段。

    一种基于时空序列预测的异常探测方法及相关设备

    公开(公告)号:CN118364409B

    公开(公告)日:2024-09-17

    申请号:CN202410765179.3

    申请日:2024-06-14

    Applicant: 中南大学

    Abstract: 本发明提供了一种基于时空序列预测的异常探测方法及相关设备,根据目标区域的InSAR地表形变监测数据,生成目标区域的时空序列数据;将时空序列数据输入训练后的局域加权长短期记忆网络进行当前时刻和未来时刻的时空预测,得到当前时刻的时空预测结果和未来时刻的时空预测结果;利用当前时刻的时空预测结果和未来时刻的时空预测结果计算得到当前时刻的预测误差集和未来时刻的预测误差集,并将当前时刻的预测误差集和未来时刻的预测误差集分别作为时空异常度量的分析对象,通过拉依达准则度量目标区域在当前时刻和未来时刻的时空异常,得到目标区域在当前时刻的时空异常结果以及在未来时刻的时空异常结果;提高了时空异常探测的准确度。

    一种室内POI数据的位置纠正与匹配方法及介质

    公开(公告)号:CN118245821B

    公开(公告)日:2024-08-06

    申请号:CN202410624902.6

    申请日:2024-05-20

    Applicant: 中南大学

    Abstract: 本发明提供了一种室内POI数据的位置纠正与匹配方法及介质,方法包括:基于POI形状与建筑物轮廓形状相似性的POI位置纠正;建立顾及POI与建筑物空间位置和语义属性约束的POI与建筑物关联;匹配POI与建筑物空间位置,使POI与建筑物精确匹配。本发明从POI与建筑物的空间形态分布、位置依赖与语义信息依赖的多个视角出发来解决室内POI数据的位置纠正以及其与关联建筑物之间的匹配问题,顾及了空间位置与语义属性约束的POI与建筑物匹配,充分考虑了POI与建筑物的空间分布、空间距离和语义信息,可以更准确的将POI与建筑物进行匹配,可以服务于更加准确和全面的地理信息关联查询等方面。

    一种基于时空序列预测的异常探测方法及相关设备

    公开(公告)号:CN118364409A

    公开(公告)日:2024-07-19

    申请号:CN202410765179.3

    申请日:2024-06-14

    Applicant: 中南大学

    Abstract: 本发明提供了一种基于时空序列预测的异常探测方法及相关设备,根据目标区域的InSAR地表形变监测数据,生成目标区域的时空序列数据;将时空序列数据输入训练后的局域加权长短期记忆网络进行当前时刻和未来时刻的时空预测,得到当前时刻的时空预测结果和未来时刻的时空预测结果;利用当前时刻的时空预测结果和未来时刻的时空预测结果计算得到当前时刻的预测误差集和未来时刻的预测误差集,并将当前时刻的预测误差集和未来时刻的预测误差集分别作为时空异常度量的分析对象,通过拉依达准则度量目标区域在当前时刻和未来时刻的时空异常,得到目标区域在当前时刻的时空异常结果以及在未来时刻的时空异常结果;提高了时空异常探测的准确度。

Patent Agency Ranking