-
公开(公告)号：CN110443311B
公开(公告)日：2022-10-04
申请号：CN201910726647.5
申请日：2019-08-07
Applicant: 长安大学
IPC: G06K9/62
Abstract: 一种基于形状因素调整的交通轨迹聚类相似性计算方法，采集多辆出租车轨迹数据，并进行预处理；基于出行轨迹时间，将预处理后的轨迹数据集划分为不同集合，得到多个基于时间段的轨迹数据集；对基于时间段的轨迹数据集进行计算，得到点—段距离，并优化点—段距离；再计算段—段距离；最后计算相似性。本发明的方法更加适用于对复杂的城市路网中的轨迹进行相似度计算，有优良的通用性，在轨迹聚类领域有重要的应用价值。
-
公开(公告)号：CN112565445A
公开(公告)日：2021-03-26
申请号：CN202011468507.1
申请日：2020-12-14
Applicant: 长安大学
IPC: H04L29/08
Abstract: 本发明公开了一种面向车载命名数据网络的数据缓存替换策略。首先，构建一个命名数据网络架构的车与车，车与RSU通信的车联网系统；车辆节点以一定的时间窗口向RSU发送位置、速度、时间信息；RSU负责统计当前路段的车辆数量，计算当前路段所有车辆节点的平均速度和车流密度。接着，车辆节点检测CS中生命周期即将耗尽的数据包，当检测到某个数据包的生命周期消耗过半，检测其数据包的新鲜度、重要性、需求量及原因，每项检测都会做出相应决策是否延长生命周期。随后，车辆节点向RSU请求当前路段的车流密度，与获取最佳车流密度比较，计算延长概率作出决策。本发明内容需求量及原因阈值和路段的阻塞密度算法公式都是动态变化的，并不断接近真实值。
-
公开(公告)号：CN112037506A
公开(公告)日：2020-12-04
申请号：CN202010742540.2
申请日：2020-07-29
Applicant: 长安大学
Abstract: 本发明公开了一种车辆轨迹预测模型构建方法、车辆轨迹预测方法及系统。所公开的方案包括采用嵌入向量表示城市区域中的路段信息，分别对车辆的轨迹信息和目的地信息进行编码，以便能够将数目众多的道路信息送入深度神经网络中，然后分别将轨迹信息和目的地信息的嵌入表达送入长短期记忆网络生成包含所有已知轨迹信息的长向量，利用多任务学习中的参数软共享方式将历史轨迹信息与目的地信息进行融合，通过全连接层进行解析与特征提取，进行轨迹预测。本发明采用多任务学习的方式，充分利用了已知轨迹信息与目的地信息，能有效提升轨迹预测的准确性。
-
公开(公告)号：CN110443311A
公开(公告)日：2019-11-12
申请号：CN201910726647.5
申请日：2019-08-07
Applicant: 长安大学
IPC: G06K9/62
Abstract: 一种基于形状因素调整的交通轨迹聚类相似性计算方法，采集多辆出租车轨迹数据，并进行预处理；基于出行轨迹时间，将预处理后的轨迹数据集划分为不同集合，得到多个基于时间段的轨迹数据集；对基于时间段的轨迹数据集进行计算，得到点—段距离，并优化点—段距离；再计算段—段距离；最后计算相似性。本发明的方法更加适用于对复杂的城市路网中的轨迹进行相似度计算，有优良的通用性，在轨迹聚类领域有重要的应用价值。
-
公开(公告)号：CN108877224B
公开(公告)日：2019-05-14
申请号：CN201810788337.1
申请日：2018-07-18
Applicant: 长安大学
Abstract: 本发明公开了一种可进行置信区间估计的短时交通流预测方法，在进行在线短时交通流预测时，不仅可以获得短时交通流的预测值，而且能够同时获得上述预测值的方差估计值，并利用该方差的估计值可以进一步获得短时交通流预测值的置信区间，从而实现对短时交通流预测的不确定性进行定量分析。本发明的方法适用于交通流预测，在智能交通系统中有重要的应用价值。
-
Patent Agency Ranking
公开(公告)号：CN108680174A
公开(公告)日：2018-10-19
申请号：CN201810443850.7
申请日：2018-05-10
Applicant: 长安大学
IPC: G01C21/30
Abstract: 一种基于机器学习方法改进地图匹配异常点的方法，获取一辆或多辆出租车匹配后的投影坐标点数据作为样本数据，然后从中筛选出匹配正常与异常的投影点；对于每个匹配异常的投影坐标点，从匹配正确的数据集中筛选出异常点的候选数据集；计算每个异常点与异常点的候选数据集中的投影点之间的时间相似度和空间相似度，得到时空相似度集合，进而根据时间相似度和空间相似度计算时空相似度的均值；比较时空相似度与时空相似度的均值的大小，获取时空相似度大于时空相似度均值的个数，并将满足条件的数据作为最终的候选数据集；在最终的候选数据集中，利用knn算法计算得到改进后的投影坐标点。本发明具有计算量较低，准确率更高的优点。
-
公开(公告)号：CN107491483A
公开(公告)日：2017-12-19
申请号：CN201710571050.9
申请日：2017-07-13
Applicant: 长安大学
CPC classification number: G06F17/3087 , G06F17/30867 , G06F17/30961 , G06F17/30979 , G06Q10/04 , G06Q50/26
Abstract: 本发明提出一种在车主的行驶路径基础上，选择匹配的潜在共乘群体的方法，利用字典树来处理基于矩阵处理的预测模型存在的空间复杂度高的问题，利用逃逸机制合理的处理了零频率问题；本此基础上合理的融入关联规则，增强了位置间的联系，缩小了候选位置集合的数量，提高了算法运行效率，更进一步提高了位置预测的精确度。提出的在车主最优行驶路线的基础上进行乘客选择，既重视了车主的意愿，又满足了乘客的要求。
-
公开(公告)号：CN106910337A
公开(公告)日：2017-06-30
申请号：CN201710039355.5
申请日：2017-01-19
Applicant: 长安大学
CPC classification number: G08G1/0125 , G06N3/061
Abstract: 本发明提出一种基于萤火虫算法与RBF神经网络的交通流预测方法，包括：对样本的数据进行归一化化处理，使输入数据与输出数据处于同一数量级；初始化萤火虫算法参数，利用随机方法初始化萤火虫种群，并对种群中每个个体进行编码；利用萤火虫算法训练RBF神经网络，得到种群最优个体；对种群最优个体进行解码，得到训练好的RBF神经网络；利用训练好的RBF神经网络对交通流数据样本进行预测。与传统的交通流预测方法相比，本发明充分发挥萤火虫优化算法在RBF神经网络训练中的优势，使RBF网络具有更准确的预测能力、更快的训练效率以及更好的泛化能力。本发明属于交通运输信息工程技术领域，可用于智能交通系统中道路交通流的预测。
-
公开(公告)号：CN106412912A
公开(公告)日：2017-02-15
申请号：CN201610460535.6
申请日：2016-06-22
Applicant: 长安大学
Abstract: 本发明一种面向车联网的节点信任评估方法包括，步骤1，在面向车联网中，计算发送节点i对目标节点j的直接可信程度；步骤2，计算目标节点j的间接信任度；步骤3，计算目标节点j的全局信任度；依据已获得的对目标节点j的直接信任度和间接信任度，采用C-F模型对目标节点j的可信程度进行全面评估，获取其全局信任度。本发明所述方法基于不确定性理论，采用C-F模型分别对车联网中车辆节点的直接信任度和推荐信任度进行计算，提高了节点信任度评估的准确性；同时为了避免摒弃恶意或自私节点的不客观反馈产生的推荐信任度失真问题，采用模糊C-means算法对推荐信任度信息进行过滤，有效提高了节点信任度评估的准确率。
-
公开(公告)号：CN101929943A
公开(公告)日：2010-12-29
申请号：CN201010248521.0
申请日：2010-08-09
Applicant: 长安大学
Abstract: 本发明公开的一种用于集料级配检测的数字化成像采集系统，由集料抽样装置、图像获取装置、光处理优化装置和通信及存储设备组成。集料抽样装置包括分料板、距离调节杆和角度调节杆；图像获取装置包括红外线激光器、线阵相机和图像采集卡；光处理优化装置包括滤光装置和漫反射涂料层；通信及存储设备包括数据线和计算机。用于集料级配检测的数字化成像的采集方法：设置集料抽样装置；设置图像获取装置；设置通信及存储设备；对抽样集料进行图像采集；图像的传输和保存。本发明通过设置分料板实现对集料流的采样采集，解决了以往必须对集料下落流进行全部图像采集的问题，克服了采集到的图像质量差、颗粒难分离、处理数据量大的缺陷。
-
-
-
-
-
-
-
-
-
Search Results
43
records
(took 0.02 seconds)
