-
公开(公告)号：CN113051667B
公开(公告)日：2024-02-02
申请号：CN202110333743.0
申请日：2021-03-29
Applicant: 东南大学
Abstract: 本发明涉及一种混合动力汽车能量管理策略的加速学习方法，主要应用于基于深度强化学习的能量管理策略开发。通过不同混合动力汽车的驾驶工况信息，基于深度神经网络结构创建Actor网络和Critic网络，使用DDPG算法对源域的驾驶工况数据进行训练，以获得迁移学习所需要的内部表征；用获得的来自源域的内部表征初始化用来训练目标域的Actor网络和Critic网络，随机初始化训练目标域的Actor、Critic网络中的其他参数，并用少量的驾驶工况数据微调目标域的内部表征；目标域混合动力汽车执行训练完成的能量管理策略。本法发明具有共性的原则利用起来，节省了重新训练参数的时间，缩短了目标域混合动力汽车能量管理策略的训练周期，也有利于提高混合动力汽车的燃油经济性。
-
公开(公告)号：CN114241778A
公开(公告)日：2022-03-25
申请号：CN202210164445.8
申请日：2022-02-23
Applicant: 东南大学
Abstract: 高速公路网联车协同匝道汇入多目标优化控制方法和系统，首先采集控制区域车辆的状态数据，随后根据匝道汇入车辆位置决定控制开始的时间与被控车辆的选择，通过数据传输模块将信息传入交通控制模块，基于人工智能的匝道汇入多目标控制模型通过协匝道控制区域内的车辆行驶轨迹，在完成匝道汇入的同时保证道路整体交通高效、安全、节能运行。与传统方法相比，本发明极大地促进了匝道车辆的汇入，并且区别于其他方法将匝道汇入问题转化为车辆排序问题的缺陷，极大的提高了匝道汇入的效率，并且保证主线和匝道的通行效率与通行安全，减少了控制车辆的能耗损失，实现了高速系统经济效益的最大化。
-
公开(公告)号：CN114143856A
公开(公告)日：2022-03-04
申请号：CN202111420746.4
申请日：2021-11-26
Applicant: 东南大学
Abstract: 本发明提供一种高速公路5G网络资源需求预测方法，包括：首先建立各个车道的车流量检测数据集，然后按车流量对车流检测数据集进行重新归集，由相近车流量数据组成新的车流量数据集，并将车型细分为客车和货车；从新归集的车流量数据集中，截取总时间长度为T的客货车流量数据集，并获取相应时间段T内的上下行流量数据集；按时间间隔Δt对时间段T对应的数据集进行切分，基于切分后的数据集构建二元回归模型，进而根据当前客货车当前流量实现上下行通信数据需求预测。本发明能够在不同车流量条件和车流组成条件下，对高速公路的网络资源需求进行高效预测，从而更准确的为路网提供网络资源服务，在保障服务质量的基础上提高资源利用率。
-
公开(公告)号：CN115188204B
公开(公告)日：2023-08-15
申请号：CN202210761797.1
申请日：2022-06-29
Applicant: 东南大学
IPC: G08G1/048 , G08G1/052 , G08G1/0967 , G06F30/20
Abstract: 本发明涉及高速公路车路协同技术领域，特别涉及一种能够实现异常天气条件下对高速公路进行车道级可变限速的控制方法。本发明首先需要进行控制区域车辆信息与天气状态信息的采集，随后根据交通数据确定异常天气条件下交通流基本图关键参数，通过对异常天气条件下高速公路交通流进行建模，模拟交通流运行特征，搭建异常天气高速公路交通场景，制定可变限速控制强化学习策略，在保证高速公路整体交通安全的同时提高道路运行效率。本发明考虑了异常天气条件下高速公路车流运行，极大地提高了车流运行效率，并且保证主线车流的通行安全，实现了异常天气条件下高速公路系统经济安全效益最大化。
-
公开(公告)号：CN116153069A
公开(公告)日：2023-05-23
申请号：CN202310091773.4
申请日：2023-02-09
Applicant: 东南大学
IPC: G08G1/01 , G06N3/0499 , G06N3/084 , G06F17/18
Abstract: 本发明公开了一种交通流模型与数据融合驱动的交通状态估计方法及装置，该方法包括：获取高速公路研究区域内观测点处的交通状态数据，并进行预处理；构建基于数据特征进行交通状态估计的深度神经网络模型；构建神经网络编码宏观交通流守恒模型，将深度神经网络模型与其级联，进行联合训练；基于训练完成的深度神经网络模型，完成交通状态估计。将数据优势和模型优势结合起来，将宏观交通流模型作为数据驱动模型的正则约束，优化其梯度下降过程，并最终执行细粒度速度估计。
-
Patent Agency Ranking
公开(公告)号：CN111274525B
公开(公告)日：2023-04-07
申请号：CN202010061279.X
申请日：2020-01-19
Applicant: 东南大学
Abstract: 本发明公开了一种基于多线性增广拉格朗日乘子法的张量数据恢复方法，包括：根据受污染的高维数据的结构和多模式特性构建张量模型；根据张量模型构建包括低秩项和稀疏项且具有约束条件的第一目标函数；将第一目标函数转换成不包括松弛项且具有不同约束条件的第二目标函数，第二目标函数包括分别涉及低秩项和稀疏项的第一项和第二项；对第二目标函数进行优化然后利用多线性增广拉格朗日乘子法去约束得到第三目标函数；求解第三目标函数得到真实数据和污染数据。本发明通过对目标函数进行转换加之改变其约束条件并采用多线性增广拉格朗日乘子法去约束，提高了张量恢复精度并降低了计算复杂度。
-
公开(公告)号：CN112124299B
公开(公告)日：2021-11-02
申请号：CN202010958502.0
申请日：2020-09-14
Applicant: 东南大学
Abstract: 本发明涉及一种智能网联新能源汽车分层式能耗优化方法，其中决策规划层包括路径规划、动作规划以及轨迹规划，将前述三种规划分别与低能耗规划结合实现多目标协同优化；车辆控制层通过能量管理模块在满足决策规划层的前提下，进行整个动力总成系统的能量管管理；本发明将汽车整车能耗优化分为两层，分别为智能驾驶域的低能耗规划任务与在动力总成域的能量管理任务，从而实现智能网联新能源汽车分层式能耗优化。
-
公开(公告)号：CN112837532A
公开(公告)日：2021-05-25
申请号：CN202011621859.6
申请日：2020-12-31
Applicant: 东南大学
IPC: G08G1/01 , G08G1/0968 , G08G1/127
Abstract: 本发明提供一种新能源公交协同调度与节能驾驶系统及其控制方法，本发明在公交系统运行过程中，首先获取同一线路所有公交车GPS信息、动力电池状态与各车站等待乘客人数，根据等候乘客状态以及公交行驶状态规划公交到达下一个站点时间，公交基于当前行驶道路的交通状态以及动力电池状态对车速进行调节，然后公交能量管理系统根据需求速度加速度计算动力需求，进而计算动力源的能量分配。相对于传统公交调度，本发明考虑新能源公交动力系统动力电池衰退以及能量管理，利用速度调节将公交个体节能驾驶与整体公交系统运行效率联系起来，避免公交串车及行驶分布不均匀，同时减少频繁加减速提升动力系统能量利用效率，实现了经济效益的最大化。
-
公开(公告)号：CN112124299A
公开(公告)日：2020-12-25
申请号：CN202010958502.0
申请日：2020-09-14
Applicant: 东南大学
Abstract: 本发明涉及一种智能网联新能源汽车分层式能耗优化方法，其中决策规划层包括路径规划、动作规划以及轨迹规划，将前述三种规划分别与低能耗规划结合实现多目标系统优化；车辆控制层通过能量管理模块在满足决策规划层的前提下，进行整个动力总成系统的能量管管理；本发明将汽车整车能耗优化分为两层，分别为智能驾驶域的低能耗规划任务与在动力总成域的能量管理任务，从而实现智能网联新能源汽车分层式能耗优化。
-
公开(公告)号：CN111274525A
公开(公告)日：2020-06-12
申请号：CN202010061279.X
申请日：2020-01-19
Applicant: 东南大学
Abstract: 本发明公开了一种基于多线性增广拉格朗日乘子法的张量数据恢复方法，包括：根据受污染的高维数据的结构和多模式特性构建张量模型；根据张量模型构建包括低秩项和稀疏项且具有约束条件的第一目标函数；将第一目标函数转换成不包括松弛项且具有不同约束条件的第二目标函数，第二目标函数包括分别涉及低秩项和稀疏项的第一项和第二项；对第二目标函数进行优化然后利用多线性增广拉格朗日乘子法去约束得到第三目标函数；求解第三目标函数得到真实数据和污染数据。本发明通过对目标函数进行转换加之改变其约束条件并采用多线性增广拉格朗日乘子法去约束，提高了张量恢复精度并降低了计算复杂度。
-
-
-
-
-
-
-
-
-
Search Results
32
records
(took 0.019 seconds)
