-
公开(公告)号：CN117745039A
公开(公告)日：2024-03-22
申请号：CN202410182996.6
申请日：2024-02-19
Applicant: 中国科学院自动化研究所
IPC: G06Q10/0631 , G06Q10/047 , G06Q10/0835 , G06Q50/02
Abstract: 本发明涉及矿卡卸载技术领域，公开了一种多个无人矿卡排土场协同卸载的调度方法及系统，所述方法包括：在卸载区构建栅格地图；所述栅格地图覆盖入场路线、出场路线、排土线、入口和出口；获取矿卡在栅格地图中的拓扑关系；将所有排土位分成交替穿插的两组，每组的间隔分别设置有x个排土位；根据排土场矿卡实时作业情况，对在排土场入口附近排队的矿卡按照分配规则来分配排土位；分配规则为将两组排土位中的一组组内依次分配矿卡后，再选取另一组进行组内依次分配矿卡；预测可能相撞的矿卡，提前进行调度。本发明对矿车排土场调度场景存在多车在同一个空间内协同工作，通过对多个矿卡在同一个排土场协同作业冲突的考虑，提高了调度的效率。
-
公开(公告)号：CN116777046A
公开(公告)日：2023-09-19
申请号：CN202310532272.5
申请日：2023-05-11
Applicant: 中国科学院自动化研究所
IPC: G06Q10/04 , G06F18/24 , G06F18/214 , G08G1/01
Abstract: 本发明提供一种交通预训练模型构建和交通预测方法、装置及电子设备，其中方法包括：获取真实交通数据；基于合成模型，应用真实交通数据进行数据合成，得到合成交通数据；合成模型是以联合生成器、判别器和估计器训练得到，生成器基于第一交通数据合成第二交通数据，判别器用于判别第二交通数据的有效性，估计器基于第二交通数据进行交通任务预测；基于合成交通数据，对初始预训练模型进行训练，得到交通预训练模型。本发明提供的交通预训练模型构建和交通预测方法、装置及电子设备，可以有效解决现有技术中交通数据存在的数据质量差、数据规模小等问题，提高交通预训练模型的通用性。
-
公开(公告)号：CN112861925B
公开(公告)日：2023-04-07
申请号：CN202110062310.6
申请日：2021-01-18
Applicant: 中国科学院自动化研究所
IPC: G06F18/23 , G06N3/0442 , G06N3/049 , G06N3/048 , G06Q10/0631 , G06Q10/04 , G06Q50/30
Abstract: 本发明涉及一种基于深度学习网络的多区域车辆需求预测方法及系统，所述车辆需求预测方法包括：获取多个待测区域的不同时段内的车辆需求的观测数据及天气环境历史数据；根据多个待测区域的车辆需求的观测数据，将各待测区域划分为多个簇；基于LSTM及全连接网络，根据各簇内不同时段内的车辆需求的观测数据及对应的天气环境历史数据，确定簇预测网络；基于LSTM及全连接网络，根据各待测区域的不同时段内的车辆需求的观测数据及对应的天气环境历史数据，确定全局预测网络；根据簇预测网络及全局预测网络，确定深度学习网络。本发明能够兼顾全局特性和区域特性，可预测下一时段内所有待测区域的车辆需求的终级预测数据，提高车辆需求预测的准确度。
-
公开(公告)号：CN115294784A
公开(公告)日：2022-11-04
申请号：CN202210709165.0
申请日：2022-06-21
Applicant: 中国科学院自动化研究所
Abstract: 本发明提供一种多路口交通信号灯控制方法、装置、电子设备及存储介质，采用的本地共享模型在训练时并不需要其他路口的训练样本，而是以联邦强化学习算法，借助于初始本地私有模型以及中央处理器智能体中与初始本地共享模型结构相同的初始全局模型进行集中‑分布式协同训练得到，可以保证各路口的时序交通状态信息观测样本的隐私性，即使不共享的情况下也可以得到准确的本地共享模型，避免了数据孤岛问题的出现。而且，由于采用基于联邦强化学习算法的集中‑分布式协同训练的方式，可以避免出现现有技术中对强化学习智能体训练时探索空间会呈现指数级增长的问题出现，可以实现最优化全局道路网络的交通状况。
-
公开(公告)号：CN115204448A
公开(公告)日：2022-10-18
申请号：CN202210576200.6
申请日：2022-05-24
Applicant: 中国科学院自动化研究所
Abstract: 本发明提供一种基于时空同步图聚合的交通流量预测方法与装置，其中方法包括：获取待预测区域中各站点的第一历史交通流量；将所述各站点的第一历史交通流量输入至交通流量预测模型，得到所述交通流量预测模型输出的所述各站点的预测交通流量；所述交通流量预测模型基于所述各站点的第二历史交通流量训练得到；所述交通流量预测模型用于基于所述各站点的第一历史交通流量提取所述各站点对应的时空特征，并基于所述各站点对应的时空特征进行交通流量预测；所述时空特征由所述交通流量预测模型中的时空同步图聚合模块同步提取得到。本发明提供的方法与装置，优化了建模流程，同时极大地提升了交通流量的预测性能，实现了端到端的交通流量预测。
-
Patent Agency Ranking
公开(公告)号：CN113525462A
公开(公告)日：2021-10-22
申请号：CN202110904084.1
申请日：2021-08-06
Applicant: 中国科学院自动化研究所 , 中国铁道科学研究院集团有限公司通信信号研究所 , 北京交通大学
IPC: B61L27/00
Abstract: 本发明提供一种延误情况下的时刻表调整方法、装置和电子设备，其中方法包括：获取当前车站的各个待调整列车的时刻信息，以及所述当前车站的基础设施信息；将所述当前车站的各个待调整列车的时刻信息和基础设施信息输入至发车动作规划模型，得到所述发车动作规划模型输出的发车动作序列；所述发车动作规划模型是以各车站的总延误时间最短为目标，强化学习得到的；基于所述发车动作序列，调整所述当前车站的时刻表，减少了突发情况下列车运行紊乱和大面积延迟到站的状况，缩短了所有列车的各车站的总延误时间；实现了在复杂情况下列车时刻表调整效果的提升。
-
公开(公告)号：CN112257918A
公开(公告)日：2021-01-22
申请号：CN202011119621.3
申请日：2020-10-19
Applicant: 中国科学院自动化研究所
Abstract: 本发明属于智能交通领域，具体涉及了一种基于内嵌注意力机制的循环神经网络的交通流量预测方法，旨在解决现有技术无法在保持相同或提升预测精度和预测效果的同时，减少模型训练参数、缩短模型训练耗时的问题。本发明包括：获取各检测站点的历史交通流量数据；将数据处理成以τ为时间间隔的连续等时长的数据集；将数据集按照各检测站点的的空间分布排列成交通流量数据矩阵；将交通流量数据矩阵分割为样本数据集；利用内嵌注意力机制的循环神经网络模型提取数据集之间的时空特征；采用单层全连接网络预测得到下一时刻的交通流量预测结果。本发明在保证预测准确度的同时，极大缩小了模型的训练参数量、节约了计算资源、缩短了训练耗时。
-
公开(公告)号：CN111611085A
公开(公告)日：2020-09-01
申请号：CN202010469336.8
申请日：2020-05-28
Applicant: 中国科学院自动化研究所
IPC: G06F9/50
Abstract: 本发明属于云边协同、混合增强智能领域，具体涉及一种基于云边协同的人机混合增强智能方法、系统、装置，旨在解决边缘侧的计算及存储资源不足，导致高复杂度的智能算法难以部署，低复杂度的智能算法精度有限的的问题。本系统包括：设置于云端的算法库、设置于边缘端的输入模块、算法选择模块、决策模块；算法库，用于储存算法文件；输入模块，用于获取输入信息；算法选择模块，配置为获取边缘设备的性能评价指标，并通过预设的算法选取规则从算法库中选取相应的算法；决策模块，配置为获取目标决策结果。本发明降低了高复杂度的智能算法的部署难度，提高了低复杂度的智能算法的精度。
-
公开(公告)号：CN104091081B
公开(公告)日：2017-04-19
申请号：CN201410336212.7
申请日：2014-07-15
Applicant: 中国科学院自动化研究所
Abstract: 本发明公开一种交通数据弥补方法，该方法包括以下步骤：步骤S1：按照设定的交通数据缺失率对完整交通数据集进行随机缺失处理，获得缺失处理后的完整交通数据集；步骤S2：对缺失处理后的完整交通数据集和完整交通数据集进行归一化处理，得到归一化后的交通数据；步骤S3：对基于降噪堆式自动编码器深层网络结构的交通数据弥补模型进行训练，构建出弥补模型；步骤S4：调用弥补模型对输入的含缺失数据的不完整的交通数据进行弥补，得到弥补后的交通数据值。本发明将缺失数据和观测数据视为整体，以数据恢复的角度弥补交通数据，深度挖掘交通数据之间的结构关联，一次补全缺失数据，效率高，鲁棒性好。
-
公开(公告)号：CN103646187B
公开(公告)日：2017-02-08
申请号：CN201310741928.0
申请日：2013-12-27
Applicant: 中国科学院自动化研究所 , 东莞中国科学院云计算产业技术创新与育成中心
Abstract: 本发明公开了一种统计周期内车辆出行路线及OD矩阵获取方法，该方法包括以下步骤：划分某路网区域中的交通小区及道路；在每段路或合并路段后的出口或入口处放置车辆检测设备，以检测行驶车辆的唯一标识；在统计周期内，利用车辆检测设备不间断地采集道路上行驶的车辆的信息，并将其存储到后台数据库中；提取每辆车在该统计周期内的时间和位置数据，获取该车辆在该统计周期内的路径信息并进行存储；根据所述路径信息获取该车辆的初始地和目的地所处的交通小区，综合考虑所有车辆的起讫点，从而得到统计周期内的OD矩阵。本发明以车辆标识为依据，通过各种数据挖掘与融合方法和先进的计算机实时处理技术，动态地获取和更新车辆出行路线及OD矩阵。
-
-
-
-
-
-
-
-
-
Search Results
130
records
(took 0.049 seconds)
