-
公开(公告)号：CN115238963A
公开(公告)日：2022-10-25
申请号：CN202210723890.3
申请日：2022-06-23
Applicant: 中国科学院自动化研究所
Abstract: 本发明提供一种交通预测方法、装置、电子设备及存储介质，其中方法包括：确定历史交通数据和历史交通数据的缺失位置矩阵；将历史交通数据和缺失位置矩阵输入至预测补全模型中，得到预测补全模型输出的预测结果；预测补全模型在初始模型中数据补全模块的权重参数的基础上，应用样本数据、样本缺失数据、样本数据期望值和样本缺失位置矩阵，对初始模型进行训练得到的；初始模型中数据补全模块的权重参数是基于样本数据、样本缺失数据和样本缺失位置矩阵预训练得到的，本发明提供的方法实现了预测模型中的预测模块和数据补全模块之间的信息交互，完成了端到端的预测，在提高即时性的同时，提高了预测结果的准确性。
-
公开(公告)号：CN113525462B
公开(公告)日：2022-06-28
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
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：CN111508230B
公开(公告)日：2021-08-20
申请号：CN202010297850.8
申请日：2020-04-16
Applicant: 中国科学院自动化研究所
Abstract: 本发明属于智能交通系统领域，具体涉及一种基于深度学习的分时段交通流趋势预测方法、系统、装置，旨在解决现有预测交通流的方法预测精度较低、稳定性较差的问题。本系统方法包括：获取待预测的交通观测点t时刻之前的历史交通流数据及对应的采样时间；对历史交通流数据标准化，并进行一阶差分；提取差分后数据的特征，并对其对应的采样时间进行编码，将编码后的采样时间与提取的特征进行拼接；基于拼接后的特征，通过第二模型得到t时刻相对于t‑1时刻交通流的变化量，并结合t‑1时刻的交通流数据，得到待预测交通观测点t时刻的交通流数据的预测结果；将预测结果进行反标准化，得到t时刻交通流的预测值。本发明提高了预测的稳定性和精度。
-
公开(公告)号：CN110428615B
公开(公告)日：2021-06-22
申请号：CN201910629489.1
申请日：2019-07-12
Applicant: 中国科学院自动化研究所
Abstract: 本发明属于城市交通控制领域，具体涉及了一种基于深度强化学习单路口交通信号控制方法、系统、装置，旨在解决复杂交通状况的交通信号控制效果不好的问题。本发明方法包括：建立微观交通仿真环境并定义参数，设定评判网络、交通信号生成网络；基于当前阶段以及前一阶段数据计算评判网络的训练误差并更新网络参数；基于更新后的评判网络、当前阶段以及前一阶段数据，计算更新后的评判网络训练误差，并更新评判网络、交通信号生成网络参数；采用训练好的交通信号生成网络获取交叉口信号灯下一相位时长。本发明减少了事先了解路口车流量信息的调研工作，并能够随路口车流量需求改变而及时做出调整，大大提高了复杂交通状况的交通信号控制的效果。
-
公开(公告)号：CN112183748A
公开(公告)日：2021-01-05
申请号：CN202011065618.8
申请日：2020-09-30
Applicant: 中国科学院自动化研究所
Abstract: 本发明涉及深度学习技术领域，具体涉及一种基于稀疏卷积神经网络的模型压缩方法、系统及相关设备，旨在减轻模型对资源的占用。本发明的压缩方法包括：对模型进行稀疏正则化训练得到待压缩模型；根据待压缩模型各卷积层与BN层的参数，计算各滤波器的重要性评分；根据重要性评分以及预设的剪枝率设定重要性阈值；将重要性评分低于重要性阈值的滤波器，以及该滤波器对应的BN层参数一并剪除，获得剪枝后的模型。还可以对剪枝后的模型进行微调，以保证模型精度不低于预设的精度。本发明在不影响模型性能的前提下，实现了对模型参数量与计算量的大幅压缩，可以很好地减轻模型对资源的占用问题，使得深度学习模型能在资源受限的边缘计算设备上运行。
-
Patent Agency Ranking
公开(公告)号：CN111508230A
公开(公告)日：2020-08-07
申请号：CN202010297850.8
申请日：2020-04-16
Applicant: 中国科学院自动化研究所
Abstract: 本发明属于智能交通系统领域，具体涉及一种基于深度学习的分时段交通流趋势预测方法、系统、装置，旨在解决现有预测交通流的方法预测精度较低、稳定性较差的问题。本系统方法包括：获取待预测的交通观测点t时刻之前的历史交通流数据及对应的采样时间；对历史交通流数据标准化，并进行一阶差分；提取差分后数据的特征，并对其对应的采样时间进行编码，将编码后的采样时间与提取的特征进行拼接；基于拼接后的特征，通过第二模型得到t时刻相对于t-1时刻交通流的变化量，并结合t-1时刻的交通流数据，得到待预测交通观测点t时刻的交通流数据的预测结果；将预测结果进行反标准化，得到t时刻交通流的预测值。本发明提高了预测的稳定性和精度。
-
公开(公告)号：CN110021177A
公开(公告)日：2019-07-16
申请号：CN201910372658.8
申请日：2019-05-06
Applicant: 中国科学院自动化研究所
Abstract: 本发明属于智能交通系统领域，特别涉及一种启发式随机搜索交通信号灯配时优化方法，旨在为了解决现有交通信号灯配时优化方法复杂度高、优化时长较长的问题，本发明在待优化路段配时方案构成的相位时长向量的基础上分别叠加2N个探索噪声并得到2N个性能指标，通过最优的性能指标的选取及其对应的探索噪声的取反操作，得到N个性能指标，并基于此通过使用预设的调整算法调整相位时长向量，基于调整后的相位时长向量重复执行上述步骤直至达到预设的迭代终止条件，将最后一次迭代得到的相位时长向量作为优化输出。本发明能够在有限的计算资源的情况下，在可接受的时间范围内对交通路口信号灯配时方案进行优化，鲁棒性好，可实施性强。
-
公开(公告)号：CN109087528A
公开(公告)日：2018-12-25
申请号：CN201811032151.X
申请日：2018-09-05
Applicant: 中国科学院自动化研究所
Abstract: 本发明属于城市交通技术领域，旨在解决现有网约车因缺乏有效的停车诱导方法，而导致网约车在接送乘客过程中产生很多无效里程的问题。为此，本发明提供了一种网约车停车诱导方法、平台及系统，该方法包括：获取网约车的停车诱导请求信息；获取当前时刻之前各个区域的网约车需求量和当前时刻之前各个区域的网约车空闲量；根据当前时刻之前各个区域的网约车需求量和当前时刻之前各个区域的网约车空闲量计算当前时刻之后预设时段内各个区域的网约车供需比例；将当前时刻之后预设时段内各个区域的网约车供需比例传输给网约车以供网约车选择停车区域。能够使网约车在接单后及时地接到乘客，减少了无效里程，进而提高了网约车的工作效率。
-
公开(公告)号：CN104112366B
公开(公告)日：2017-02-22
申请号：CN201410360312.3
申请日：2014-07-25
Applicant: 中国科学院自动化研究所
IPC: G08G1/07
Abstract: 本发明公开了一种基于隐语义模型的交通信号优化方法，该方法利用隐语义模型在推荐系统中处理不确定性因素的优势，将交通状态类比为用户，将配时方案类比为物品，将交通指标(如延时)类比为评分。该方法包括：预处理数据；将交通状态和配时方案映射到隐语义空间；训练交通状态对配时方案的评分预测模型；预测评分并选择最佳配时方案；实际应用配时方案并反馈交通信息。本发明方法简单易行，能处理传统控制策略不能很好处理、但实际存在且影响较大的不确定性因素，无需精确对难以准确量化的不确定性因素建模，所以具有很好的普适性和较少约束，可作为传统策略的补充和优化。
-
公开(公告)号：CN105138765A
公开(公告)日：2015-12-09
申请号：CN201510518249.6
申请日：2015-08-21
Applicant: 中国科学院自动化研究所
IPC: G06F17/50
Abstract: 本发明提供的一种基于Docker的人工交通系统大规模计算实验方法，包括：获取Docker基础镜像；将人工交通系统计算实验引擎封装在所述Docker基础镜像中得到所述人工交通系统计算实验引擎的镜像；利用计算实验设计器设计计算实验，并存储到数据服务中；从所述数据服务中获取所述计算实验，并进行部署和管理。本发明可以利用PaaS平台运行人工交通系统的计算实验，并在大规模进行实验时，显著减少实验时间和降低成本。
-
-
-
-
-
-
-
-
-
Search Results
130
records
(took 0.046 seconds)
