-
公开(公告)号：CN112652167A
公开(公告)日：2021-04-13
申请号：CN202011472425.4
申请日：2020-12-15
Applicant: 东北大学
Abstract: 一种基于多图卷积神经网络的交通速度预测方法，按以下步骤依次进行：1、获取传感器在交通路网中的部署位置，并匹配到真实的交通路网当中；2、将每个传感器位置视为一个节点，计算任意两个节点之间的距离，与设定的阈值做比较，构建交通结构图，用邻接矩阵表示；3、获取传感器对应的路段的交通速度时间序列数据；4、根据速度时间序列数据计算不同路段的交通速度相似性，得到相应的相似性分数，与设定的阈值做比较，构建交通相似性图，用邻接矩阵表示；5、将交通速度时间序列数据、及上述两个邻接矩阵输入到多图卷积神经网络中进行训练，得到未来每个传感器上交通速度的预测结果。
-
公开(公告)号：CN112418563B
公开(公告)日：2024-02-02
申请号：CN202011472412.7
申请日：2020-12-15
Applicant: 东北大学
IPC: G06Q10/047 , G06F18/2323 , G06F18/214 , G06F18/2453
Abstract: 一种基于图聚类及迭代局部搜索的行程规划方法，属于行程规划领域，本发明方法在旅行行程规划任务前进行了图聚类，通过图聚类方法将所有景点的位置信息、以及相似度信息构建图，融合了每个节点的位置以及相似度信息，降低迭代局部搜索算法的复杂度和计算时间，并且相比于普通k‑means聚类算法图聚类更能够使得聚类效果更优，提高了行程规划的准确性。通过迭代局部搜索算法，当遇到高POI点在POI点稀疏图的簇中时，可以避免困在该簇的情况发生，这样可以实现行程规划功能，提高了行程规划的鲁棒性以及准确性。
-
公开(公告)号：CN112652167B
公开(公告)日：2022-03-25
申请号：CN202011472425.4
申请日：2020-12-15
Applicant: 东北大学
Abstract: 一种基于多图卷积神经网络的交通速度预测方法，按以下步骤依次进行：1、获取传感器在交通路网中的部署位置，并匹配到真实的交通路网当中；2、将每个传感器位置视为一个节点，计算任意两个节点之间的距离，与设定的阈值做比较，构建交通结构图，用邻接矩阵表示；3、获取传感器对应的路段的交通速度时间序列数据；4、根据速度时间序列数据计算不同路段的交通速度相似性，得到相应的相似性分数，与设定的阈值做比较，构建交通相似性图，用邻接矩阵表示；5、将交通速度时间序列数据、及上述两个邻接矩阵输入到多图卷积神经网络中进行训练，得到未来每个传感器上交通速度的预测结果。
-
公开(公告)号：CN112418563A
公开(公告)日：2021-02-26
申请号：CN202011472412.7
申请日：2020-12-15
Applicant: 东北大学
Abstract: 一种基于图聚类及迭代局部搜索的行程规划方法，属于行程规划领域，本发明方法在旅行行程规划任务前进行了图聚类，通过图聚类方法将所有景点的位置信息、以及相似度信息构建图，融合了每个节点的位置以及相似度信息，降低迭代局部搜索算法的复杂度和计算时间，并且相比于普通k‑means聚类算法图聚类更能够使得聚类效果更优，提高了行程规划的准确性。通过迭代局部搜索算法，当遇到高POI点在POI点稀疏图的簇中时，可以避免困在该簇的情况发生，这样可以实现行程规划功能，提高了行程规划的鲁棒性以及准确性。
-
-
-
Search Results
4
records
(took 0.015 seconds)
