-
公开(公告)号：CN117454103A
公开(公告)日：2024-01-26
申请号：CN202311425133.9
申请日：2023-10-31
Applicant: 东南大学
IPC: G06F18/15 , G06F18/2132 , G06F18/2134 , G06F18/27 , G06F18/20 , G06Q50/26 , G08G1/01 , G06F123/02
Abstract: 本发明公开了一种有限观测条件下全路段交通流量估计方法，构建几何矩阵分解模型实现，所述方法包括：将需要估计的时空交通流量矩阵分解为时空维度上的两个低秩因子矩阵；利用路段间交通速度的空间相关系数建立路段间交通流量的先验空间约束；基于ARIMA模型学习交通速度变化时间相关性，根据时间相关系数建立路段间交通流量的先验空间约束；通过ADMM算法迭代计算矩阵参数，填补有限观测条件下交通流量的缺失数据。本发明的方法将固定检测器采集的部分交通流量数据和浮动车数据结合到几何矩阵分解模型中，对全路段交通流量矩阵进行估计，对于研究信息匮乏的交通环境下路网信息感知技术提供了方法论。
-
Patent Agency Ranking
公开(公告)号：CN117422341A
公开(公告)日：2024-01-19
申请号：CN202311439930.2
申请日：2023-11-01
Applicant: 东南大学
IPC: G06Q10/0639 , G06Q50/40 , G06N3/042 , G06N3/0464
Abstract: 本发明提供了一种面向大规模路网交通运行状态的多维度评价方法，包括：设计交通运行状态多维度评价指标体系；构建多图卷积模块和多头注意力模块；设计交通运行状态评价模型；路网多维度评价模型构建，进行对大规模路网的多尺度评价。本发明将大规模路网划分为关键节点、典型路段和全局路网三个尺度，利用安全、效率等多个维度的数据构建多维度评价指标体系，最后构建路网多维度评价模型实现交通运行状态的自主评价与预测，为交通管理部门和出行者提供科学的决策依据，有利于缓解交通拥堵现象、提高路网交通运行效率。
-
公开(公告)号：CN117576895A
公开(公告)日：2024-02-20
申请号：CN202311439931.7
申请日：2023-11-01
Applicant: 东南大学
IPC: G08G1/01 , G06N3/042 , G06N3/0464 , G06N3/045 , G06N3/096 , G06N3/0475
Abstract: 本发明提供了一种有限观测条件下的路网交通状态预测方法，包括：确定数据时空编码方法和数据掩码矩阵；建立动态图卷积神经网络模块和多头注意力模块；建立生成式网络框架对缺失数据进行补全；构建多任务学习网络模型预测交通状态。本发明通过生成式神经网络捕捉路网交通状态的数据分布并补全交通数据，在一定程度上提高了有限观测条件下路网交通状态的预测精度，进而可为交通系统管理者提供更为科学准确的参考，有利于缓解交通拥堵现象、提高路网交通运行效率、减少经济损失和降低碳排放量。
-
公开(公告)号：CN117523829A
公开(公告)日：2024-02-06
申请号：CN202311380355.3
申请日：2023-10-24
Applicant: 东南大学
Abstract: 本发明公开一种基于交通流预测的路网动态交通分配方法。该方法将动态交通分配问题包含若干个等长的需求时段，各时段均基于MSA算法迭代求解满足动态用户均衡准则的路径流每次迭代时，首先基于交通流预测模型TP将当前路径流f(k)加载至模型获取预测值，从而求得新的道路阻抗；然后，基于新的道路阻抗计算时变最短路径，采用全有全无分配得到备选路径流ρ(k)；最后，基于公式更新路径流；重复上述迭代过程直至算法收敛达到动态用户均衡；该方法实行较为简单，对于道路通行容量具有更好的灵敏性，更符合实际的需求。
-
公开(公告)号：CN117523831A
公开(公告)日：2024-02-06
申请号：CN202311425135.8
申请日：2023-10-31
Applicant: 东南大学
IPC: G08G1/01 , G06N3/042 , G06N3/0464 , G06N3/0442 , G06N3/045 , G06N3/084
Abstract: 本发明公开了一种基于多子图注意力的异常事件下交通状态预测方法，通过构建多源信息融合的异常事件子图注意力网络实现，具体包括：根据通道中出现频率较高的交通事件类型组建异常事件集；利用路段上的浮动车数据和异常事件集构建路段级子图注意力模块；利用固定检测器采集的交通数据和异常事件集构建交叉点级子图注意力模块；将编码后的结果输入到图神经网络模型中，分别学习空间和时间相关性；基于实时的交通观测数据和异常事件数据进行短时交通状态预测。本发明的方法通过融合多源信息，对通道中发生异常事件后的交通状态变化情况进行推演预测，对于研究路网交通状态监测技术、提升公路交通运输安全与应急保障能力提供了方法论。
-
公开(公告)号：CN117312782A
公开(公告)日：2023-12-29
申请号：CN202311380352.X
申请日：2023-10-24
Applicant: 东南大学
Abstract: 本发明提供一种基于生成对抗网络的缺失交通状态数据填补方法，首先构建检测路网的邻接表，使用node2vec图嵌入算法对邻接表中的节点进行带有偏重的随机游走，得到邻接道路交通状态矩阵。对邻接道路交通状态数据矩阵采用最大最小标准化算法进行数据归一化，构建生成对抗网络模型，并确定生成器与判别器的模型结构。对生成对抗网络中的生成器与判别器的损失函数进行定义，使用滑动窗口法，对邻接道路交通状态数据进行选择，将其作为生成对抗网络模型的输入，通过对抗训练最小化生成数据与真实数据分布之间的差异，生成缺失路段的道路交通状态。本发明方法很好地结合了交通数据的特点，提高了数据填补的效率，相较于传统方法有更好的泛化性能。
-
-
-
-
-
Search Results
6
records
(took 0.014 seconds)
