一种基于Transformer的路径选择集生成方法

    公开(公告)号:CN118446389A

    公开(公告)日:2024-08-06

    申请号:CN202410386466.3

    申请日:2024-04-01

    Applicant: 东南大学

    Abstract: 本发明公开了一种基于Transformer的路径选择集生成方法,包括了步骤1、构建Transformer模型;步骤2、构建标签数据集;步骤3、训练Transformer模型;步骤4、确定参照路径;步骤5、可能路径推断;步骤6、生成路径选择集。本发明在传统Transformer框架的基础上,融入动态掩码规则,这种掩码可能让模型更好地通过路径学习路段之间地关联性。具体就是通过获取的真实观测的GPS数据,将数据匹配到路网路段上,依据动态掩码掩盖真实数据中的部分路段信息,模型会依据确实信息和真实观测数据对比分析。通过学习,模型可以获取区域路网地拓扑关系,依据生成地概率分布推断路径,生成的路径可以还原历史数据中观测到的路径的同时也能生成潜在的可能路径。这种路径生成方式减少了不合理路径的干扰(比如:绕路、循环路径),有利于为路径选择建模提供更为合理的路径选择集。

    一种车联网环境下考虑需求流向的交叉口信号滚动优化方法

    公开(公告)号:CN118298646B

    公开(公告)日:2025-02-07

    申请号:CN202410426510.9

    申请日:2024-04-10

    Applicant: 东南大学

    Abstract: 本发明公开了一种车联网环境下考虑需求流向的交叉口信号滚动优化方法,包括车辆路径最短路及转向预测模型、路口排队长度估计模型、动态信号配时方案优化模型三大关键步骤。本发明方法通过在车联网环境下采集进口到上游车辆OD信息及车辆运行状态信息,推断车辆在本交叉口的流向属性,进而准确估计下游车辆的到达状况,最终构建混合整数规划模型为路口信号灯动态推荐最佳信号配时方案,提高城市道路交通运行效率,降低出行延误水平。

    一种面向信号控制的Yolov8目标检测方法

    公开(公告)号:CN118429908A

    公开(公告)日:2024-08-02

    申请号:CN202410406641.0

    申请日:2024-04-07

    Applicant: 东南大学

    Abstract: 本发明公开了一种面向信号控制的Yolov8目标检测方法,包括步骤如下:S1,获取各进口道车辆图像数据集;同时进行数据增强操作扩充数据集,再将扩充后数据集划分为训练集与验证集;S2,构建基于Yolov8的车辆检测模型,在Neck层中加入轻量级跨尺度特征融合模块CCFM,将原始的解耦检测头替换为动态检测头;S3,由车辆检测模型识别道路车辆后,在调取视频的代码中加入检测线设置,采集车辆到达数量信息;S4,基于车辆到达流量数据,构建信号控制模型,通过优化求解器对目标函数进行求解,最终获取最佳信号配时方案。本发明能准确研判交叉口车辆到达流量实施信号优化,减少交叉口延误,提高通行效率。

    一种车联网环境下考虑需求流向的交叉口信号滚动优化方法

    公开(公告)号:CN118298646A

    公开(公告)日:2024-07-05

    申请号:CN202410426510.9

    申请日:2024-04-10

    Applicant: 东南大学

    Abstract: 本发明公开了一种车联网环境下考虑需求流向的交叉口信号滚动优化方法,包括车辆路径最短路及转向预测模型、路口排队长度估计模型、动态信号配时方案优化模型三大关键步骤。本发明方法通过在车联网环境下采集进口到上游车辆OD信息及车辆运行状态信息,推断车辆在本交叉口的流向属性,进而准确估计下游车辆的到达状况,最终构建混合整数规划模型为路口信号灯动态推荐最佳信号配时方案,提高城市道路交通运行效率,降低出行延误水平。

Patent Agency Ranking