-
公开(公告)号：CN118262519B
公开(公告)日：2025-02-14
申请号：CN202410354348.4
申请日：2024-03-27
Applicant: 东南大学
Abstract: 一种基于强化学习的分层式区域协调信号控制方法，本发明涉及智能交通技术领域，所述控制方法包含以下步骤：确定路口终端的收集和计算周期，路口终端通过摄像头收集t1时刻距离路口X米的车辆数据和信号状态l，并计算得到车道的混合状态slane和路口的混合状态sintersection，其中车辆数据包括车辆位置xi和车辆速度vi，本发明的优点在于：通过摄像头收集的单车级数据进行合理的状态表示作为路口端决策的依据，调高了决策的科学性。通过区域层使用GCN预测全局交通状态，向区域端发生目标，进一步丰富路口决策信息内容。
-
公开(公告)号：CN118262519A
公开(公告)日：2024-06-28
申请号：CN202410354348.4
申请日：2024-03-27
Applicant: 东南大学
Abstract: 一种基于强化学习的分层式区域协调信号控制方法，本发明涉及智能交通技术领域，所述控制方法包含以下步骤：确定路口终端的收集和计算周期，路口终端通过摄像头收集t1时刻距离路口X米的车辆数据和信号状态l，并计算得到车道的混合状态slane和路口的混合状态sintersection，其中车辆数据包括车辆位置xi和车辆速度vi，本发明的优点在于：通过摄像头收集的单车级数据进行合理的状态表示作为路口端决策的依据，调高了决策的科学性。通过区域层使用GCN预测全局交通状态，向区域端发生目标，进一步丰富路口决策信息内容。
-
公开(公告)号：CN117993547A
公开(公告)日：2024-05-07
申请号：CN202410050456.2
申请日：2024-01-12
Applicant: 东南大学
Abstract: 本发明公开了一种可快速训练的大规模路网交通状态预测方法，包括：获取路网交通状态数据集并进行预处理，将预处理后的数据集划分为训练集、验证集和测试集；构建两层图神经网络模型，对两层图神经网络模型进行预训练，得到预训练好的模型；根据彩票假设理论对预训练好的模型进行剪枝，得到两层图神经网络剪枝模型；利用训练集和验证集对两层图神经网络剪枝模型进行训练，得到训练好的剪枝模型；利用训练好的剪枝模型对测试集进行测试，得到路网交通状态预测结果。本发明通过对GNN网络结构进行剪枝，提升了网络的运算效率，节省了交通状态信息的预测时间，为交通状态预测提供一种新的优化方式，更快更好地辅助交通运营部门实现交通事件预测及分析。
-
-
Search Results
3
records
(took 0.018 seconds)
