-
公开(公告)号：CN108877224A
公开(公告)日：2018-11-23
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。
-
公开(公告)号：CN106021883B
公开(公告)日：2017-04-12
申请号：CN201610313006.3
申请日：2016-05-11
Applicant: 长安大学
IPC: G06F19/00
Abstract: 一种利用Petri网技术提高独居老年人用药健康的方法，通过运用Petri网建模人类行为与环境之间的制约关系，计算在当前环境下成功提醒老年人实施用药行为的概率，进而自动调整提醒的执行时间。本发明通过运用Petri网建模人类行为与环境之间的约束与影响关系，计算在当前环境下成功提醒老年人实施用药行为的概率，进而自动调整提醒的执行时间。本发明所采用的技术将人类感官作为建模指标，具有可操作性，保证老年人的安全用药。
-
公开(公告)号：CN116822898A
公开(公告)日：2023-09-29
申请号：CN202310860203.7
申请日：2023-07-13
Applicant: 长安大学
IPC: G06Q10/0631 , G06Q50/06 , G06N7/01 , G06N3/092
Abstract: 本发明提供一种基于深度强化学习的电动汽车车队调度方法和系统，包括：在电动汽车车队调度的约束条件下，确定调度的优化目标为最小化时间成本和最大化电动汽车接单数；基于电动汽车车队调度的优化目标，构建有限离散时隙的马尔可夫决策过程；通过深度Q网络求解得到有限离散时隙的马尔可夫决策过程中的最优动作价值函数，根据最优动作价值函数对应的最优动作，得到充电决策；所述最优动作为充电或不充电；针对有限离散时隙的马尔可夫决策过程，构建订单的派遣问题，对派遣问题进行求解，得到订单分配决策。本发明通过深度强化学习动态地协调每个时间步的电动汽车车队的充电与接单，为电动汽车选择合适的时机进行充电。
-
公开(公告)号：CN115983597A
公开(公告)日：2023-04-18
申请号：CN202310057115.3
申请日：2023-01-15
Applicant: 长安大学
IPC: G06Q10/0631 , G06Q50/30 , G06F21/62 , G06F18/214
Abstract: 本发明提供一种基于边缘计算的本地隐私保护出行匹配方法，包括：步骤一：出行调度平台训练得到时空表示模型并分发给用户的边缘设备；所述用户包括司机和乘客；步骤二：用户的边缘设备根据时空表示模型对用户的出行基本信息进行向量表示，并将得到的向量带入用户本地的自动编码器进行多轮训练得到出行特征向量，从多轮训练结果中随机选择一个出行特征向量发送给出行调度平台；步骤三：出行调度平台根据出行特征向量的相关性进行司机和乘客的匹配，并将匹配结果发送给乘客和司机的边缘设备；步骤四：司机和乘客的边缘设备根据匹配结果建立点对点通信，完成后续出行服务。本发明解决了既要保护用户隐私信息，又要保证出行服务质量的技术问题。
-
公开(公告)号：CN113380025B
公开(公告)日：2022-08-30
申请号：CN202110590338.7
申请日：2021-05-28
Applicant: 长安大学
Abstract: 本发明公开了一种车辆出行量预测的模型构建方法及预测方法和系统。所公开方案构建路段出行量OD次数关系图，路段出行量局部关系图、路段出行量全局关系图共同作为空间特征，进行路段车辆出行量预测，并且也考虑外部因素影响，同时采用GCN和TCN混合的深度预测模型进行模型构建与未来出行量的预测。所公开方案提升了车辆出行量预测的准确度，可用于区域内规模车辆出行量的预测。
-
Patent Agency Ranking
公开(公告)号：CN109979194B
公开(公告)日：2020-07-10
申请号：CN201910171316.X
申请日：2019-03-07
Applicant: 长安大学
Abstract: 本发明属于行为识别领域，具体涉及一种基于马尔可夫链的重型车辆坡道爬行行为识别方法。本发明以大规模重型商用车的GNSS行驶数据为数据源，通过时空特征提取与模式学习建立车辆行为模型，来辨识和预测重型商用车的坡道爬行行为。首先对数据进行时间分段，提取同一地理位置下车辆速度为零的时间连续样本，运用卡尔曼滤波优化样本数据精度，进一步提升样本质量。然后采用Markov Chain Monte Carlo模型构造车辆高度差的特征分布，并使用Metropolis Hastings算法进行参数估计，确定重型商用车的爬行行为特征。最后，建立基于逻辑回归的车辆行为模型HVMove。达到有效地辨识重型商用车的坡道行驶状态，以及准确地预测其坡道行驶状态的目的。
-
公开(公告)号：CN111047179A
公开(公告)日：2020-04-21
申请号：CN201911244779.0
申请日：2019-12-06
Applicant: 长安大学
IPC: G06Q10/06 , G06Q10/08 , G06F16/2458
Abstract: 一种基于频繁模式挖掘的车辆运输效率分析方法，通过智能加载传感器获得车辆数据，对车辆数据进行预处理，得到完整的车辆数据；对完整的车辆数据进行计算，得到车辆属性信息；对车辆属性信息进行大数据感知，得到属性数据；采用频繁模式挖掘算法确定各属性数据之间的相关性度量值，通过计算两者之间的提升度，得到各个因素之间的相关性，确定影响油耗的最大因素，分析出对车辆运输效率影响的相关性因素，以降低车辆的燃油消耗为目的，进而提高车辆的运输效率。相较于现有技术,本发明能更精准地分析出影响车辆燃油消耗的主要因素，有效的得出影响车辆运输效率的相关性因素，通过降低车辆的燃油消耗，来提高车辆的运输效率。
-
公开(公告)号：CN110232067A
公开(公告)日：2019-09-13
申请号：CN201910498153.6
申请日：2019-06-10
Applicant: 长安大学
IPC: G06F16/22 , G06F16/2458 , G06F16/248 , G06F16/29 , G06Q50/30
Abstract: 一种基于BHR-Tree索引的共乘群体发现方法，对采集到的GPS数据进行预处理，形成停留点轨迹；针对停留点轨迹，定义Buddy，Buddy表示伙伴，并对Buddy建立索引；再对每个时隙下的Buddy建立二次索引；在建立二次索引的基础上，通过位置检索发现相似出行者。本发明通过两层索引结构，可以加快出行者轨迹的检索。对建立的Buddy索引可进行快速维护更新，同时对HR-Tree的叶子节点更新机制进行改进，可以降低HR-Tree的空间使用率，最后可以通过进行时空查询可以快速发现可共乘的出行者。本发明在群体发现的效率和准确率上具有更大的优势。
-
公开(公告)号：CN110163439A
公开(公告)日：2019-08-23
申请号：CN201910438439.5
申请日：2019-05-24
Applicant: 长安大学
Abstract: 一种基于注意力机制的城市规模出租车轨迹预测方法，包括以下步骤：步骤一、采集GPS数据，对GPS数据采集过程中出现的噪声进行数据清理；步骤二、对清洗后的GPS数据进行地图匹配，获取模型所需的实验数据；步骤三、模型训练；在编码器的编码端采用LSTM网络，在解码端将编码向量C作为解码端的LSTM网络，并对编码器隐藏层向量施加注意力机制，每次把上一时刻的预测值作为当前时刻的输入值并送入解码器当中。本发明采用嵌入向量表示城市区域中的路段信息，使用编码器对出租车的轨迹进行编码，通过含有注意力机制的解码器对轨迹进行预测，充分挖掘轨迹序列中的相关性，能有效提升轨迹预测的准确性。
-
公开(公告)号：CN110081890A
公开(公告)日：2019-08-02
申请号：CN201910438446.5
申请日：2019-05-24
Applicant: 长安大学
IPC: G01C21/30
Abstract: 一种结合深度网络的动态K最近邻地图匹配方法，包括：步骤一、采集GPS数据，对GPS数据采集过程中出现的噪声进行数据清洗；步骤二、地图匹配获取实验数据中的距离误差和方向误差；步骤三、对多层感知机的输入数据进行归一化，将归一化的经纬度作为多层感知机模型的输入，训练多层感知机模型获取动态k值；步骤四、每个测试数据根据训练得到的k值与欧几里得距离进行结合，使用k最近邻域算法获得测试数据的预测距离误差和预测方向误差，继而得到相应测试点的投影点；步骤五、根据测试数据的经度、纬度以及预测距离误差和预测方向误差得出测试数据的投影点。本发明能够改善k最近邻算法存在的全局单一k值情况，获取到最佳误差值。
-
-
-
-
-
-
-
-
-
Search Results
59
records
(took 0.032 seconds)
