-
公开(公告)号：CN104575034A
公开(公告)日：2015-04-29
申请号：CN201510025259.6
申请日：2015-01-19
Applicant: 浙江大学
IPC: G08G1/08
CPC classification number: G08G1/083
Abstract: 本发明提供了一种基于卡口数据的单点交叉口信号配时参数优化方法。现有城市交叉口信号控制大多基于设置在停车线后的环形线圈检测器的断面数据，检测器损坏严重且无法获取行程时间、延误等交通流评价参数用于交通控制。本发明的基本思想是利用卡口式电子警察系统获取的车辆车牌识别数据，通过上下游车辆车牌匹配得到所有相位车流从上游交叉口到达本交叉口的行程时间及延误，通过相位饱和度优化得到信号周期，通过不同相位的延误变化情况优化得到各个相位的有效绿灯时间。本发明提供了一种利用现有电子警察数据进行交叉口信号配时的方法，能够减少交叉口检测器布设的投资，有效提升交叉口交通控制的效率。
-
公开(公告)号：CN104574968A
公开(公告)日：2015-04-29
申请号：CN201510025306.7
申请日：2015-01-19
Applicant: 浙江大学
IPC: G08G1/01
CPC classification number: G08G1/0133
Abstract: 本发明提供了一种临界交通状态参数的确定方法。现有城市道路临界交通状态参数的计算和设置大多依据人工经验，缺乏对不同道路状况和交通构成的考虑。本发明的基本思想是利用某路段获取的车道基本交通流参数，计算得到该路段在不同交通状态下的交通状态参数（速度和时间占有率值），建立交通状态参数的高斯混合模型，通过模型参数估计得到畅通状态和拥堵状态下的高斯模型参数，通过畅通状态和拥堵状态下的高斯模型累积概率密度函数计算得到临界交通状态值，并采用临界交通状态参数值进行该路段的交通状态判别。本发明弥补了原有人工经验设置参数的不足，有助于全面提升道路交通状态判别的准确性与针对性，提升交通管控水平的科学性。
-
公开(公告)号：CN102855757B
公开(公告)日：2014-05-21
申请号：CN201210054342.2
申请日：2012-03-05
Applicant: 浙江大学
Abstract: 本发明公开了一种基于排队检测器信息瓶颈状态识别方法。本发明以排队检测器的检测信息为基础，以超出阈值的滚动时间占有率连续出现的个数为判别指标，对路段交通状态进行实时判别，认为当排队长度大于或等于排队检测器与停车线的距离时，检测器位置处的状态为瓶颈状态。本发明以滚动时间占有率作为瓶颈状态的判别指标，提高了瓶颈状态识别的实时性。
-
公开(公告)号：CN103198658A
公开(公告)日：2013-07-10
申请号：CN201310097388.7
申请日：2013-03-25
Applicant: 浙江大学
IPC: G08G1/01
Abstract: 本发明提供了一种城市道路交通状态不均衡度检测方法。现有城市道路交通状态检测判别技术大多针对交通拥挤程度的判别，而忽视了整个路网交通状态的不平衡性。本发明的基本思想是用路网下各个路段和交叉口的交通状态指标构造交通状态均衡系数，继而确定道路交通状态不均衡度，包括选择并计算路网下各个路段和交叉口交通状态指标、定义道路交通状态均衡系数、计算路段/交叉口以及路网交通状态均衡系数，并根据均衡系数额划分等级确定交叉口不均衡度。本发明弥补了原始交通状态判别方法技术的不足，有助于全面检测和评价城市道路交通运行状况，深入挖掘潜在道路资源，为均衡分配道路资源，诱导交通流合理运行提供数据支撑与决策依据。
-
公开(公告)号：CN118606420A
公开(公告)日：2024-09-06
申请号：CN202410590909.0
申请日：2024-05-13
Applicant: 浙江大学中原研究院
IPC: G06F16/29 , G06F18/20 , G06F123/02
Abstract: 本发明公开了一种考虑采集频率不均匀性的轨迹高效核平滑算法，涉及大数据分析相关技术领域，包括以下步骤：c1、计算相邻轨迹点的时间间隔；c2、计算轨迹点的辐射权重和自权重；c3、计算轨迹点的权重矩阵；c4、计算平滑后的轨迹点位置。本发明提出了考虑采集频率不均匀性的的轨迹高效核平滑算法，在不经过预先线性插值操作的前提下实现与之同等的平滑效果，通过自权重考虑不均匀的采集频率对权重的影响，将辐射权重与自权重相乘作为窗口内各个点的权重，全过程使用矩阵运算，可以并行计算，本发明的算法减少了对计算资源的需求，能够在大规模数据集上实现快速处理，将有助于推动地图匹配、交通行为分析、位置服务等领域的发展。
-
Patent Agency Ranking
公开(公告)号：CN115512543B
公开(公告)日：2023-11-28
申请号：CN202211152406.2
申请日：2022-09-21
Applicant: 浙江大学
IPC: G08G1/01 , G08G1/017 , G08G1/0968 , G06V20/62 , G06F16/215 , G06N20/00
Abstract: 本发明提供一种基于深度逆向强化学习的车辆路径链重构方法，涉及智慧交通领域。首先对车牌识别数据进行预处理，并提取出路段行程时间，利用基于辅助信息的张量补全算法对路段行程时间补全，从而分离出完整路径链和缺失路径链。然后利用深度逆向强化学习，对路网中完整出行路径链进行挖掘，以非线性回报函数的形式拟合出潜藏的路径选择特性，指导智能体自主重构缺失路径链。本发明克服了现有算法决策依据主观性大的缺陷，在少量的示例数据下就能达到稳定性强、准确度高的重构效果，为交通需求结构分析和交通拥堵疏导等重点交通问题提供数据支撑。
-
公开(公告)号：CN116681323A
公开(公告)日：2023-09-01
申请号：CN202310433156.8
申请日：2023-04-20
Applicant: 浙江大学
IPC: G06Q10/0639 , G06F16/29 , G06F16/2458 , G06Q50/26 , G06Q50/30
Abstract: 本发明公开了基于个人出行链的碳排放计算方法、电子设备、介质，所述方法包括：将个人单次出行的出行链划分出行方式及其能源类型；根据划分的出行方式及其能源类型和对应的能耗，利用能源生命周期法计算基础碳排放因子；将城市区域划分为若干个网格；根据历史交通数据，计算各网格对应的车速‑坡度时空分布；根据网格对应的道路建设信息，计算碳排放修正因子；根据每段行程途径的网格和时间，基于车速‑坡度时空分布和碳排放修正因子计算个人出行链中各段碳排放，并将各段碳排放求和计算个人出行链碳排放。
-
公开(公告)号：CN114528766A
公开(公告)日：2022-05-24
申请号：CN202210156023.6
申请日：2022-02-21
Applicant: 浙江大学
IPC: G06F30/27 , G06N3/04 , G06N3/08 , G06F111/02
Abstract: 本发明公开了一种基于强化学习的多智能混合式协同优化方法。包括如下步骤：设置基于DQN的局部智能体，所述局部智能体为任一应用场景中单独对节点子问题进行决策的智能体；设置基于DQN的中心智能体，所述中心智能体为从全局层面对所述局部智能体进行策略调整的一个智能体；所述局部智能体通过优化局部节点实现分布控制；所述中心智能体通过评估局部智能体决策行为的优劣实现集中控制；每个局部智能体更新节点强化学习模型；中心智能体更新全局强化学习模型。通过实施本发明，能够在最大化全局回报的同时保留局部智能体独立决策的能力，降低了算法复杂度。
-
公开(公告)号：CN112200705A
公开(公告)日：2021-01-08
申请号：CN202010948416.1
申请日：2020-09-10
Applicant: 浙江大学
Abstract: 本发明公开了一种基于张量分解的城市组团识别方法。该方法的核心思想是通过借助手机信令、自动车牌识别数据、出行调查等方式获取的居民出行OD分布，基于张量分解方法，获取城市空间组团模式的因子矩阵，通过因子矩阵分析城市组团结构。本发明提出的一种基于张量分解的城市组团识别方法包括：结合交通小区对居民出行OD数据预处理；构建居民出行OD张量；基于张量分解算法对出行OD张量进行分解，得到因子矩阵；对因子矩阵归一化处理，计算得到城市组团概率分布。相比传统的定性描述方法，本方法的结果以概率形式定量化识别出城市各组团分布以及每个交通小区从属组团的概率。
-
公开(公告)号：CN108629970B
公开(公告)日：2020-01-10
申请号：CN201810378155.7
申请日：2018-04-25
Applicant: 浙江大学
Abstract: 本发明公开了一种基于蒙特卡罗树搜索的交叉口信号参数优化方法，该方法能够对城市道路网络的交叉口的信号配时进行实时优化，该方法具体为：首先定义备选相位集合、每个备选相位的性能函数，然后持续的对优化时间窗口内的信号参数进行搜索。每次搜索包含：(1)相位的采样；(2)交通流的模拟；(3)更新性能函数。经过若干次的搜索，依据更新完毕的性能函数，求得每个备选相位的最佳性能及对应的相位持续时间，最后挑选所有相位最佳性能中的最佳者及对应的相位时长，作为下一个相位方案。本发明的方法对交通流模型要求不高，通用性强，且能够灵活的选择相位方案，无需对相位和相序进行预先设定。
-
-
-
-
-
-
-
-
-
Search Results
113
records
(took 0.036 seconds)
