-
Patent Agency Ranking
公开(公告)号：CN115620524A
公开(公告)日：2023-01-17
申请号：CN202211612325.6
申请日：2022-12-15
Applicant: 中南大学
IPC: G08G1/01 , G06Q10/04 , G06Q50/26 , G06N3/0464 , G06N3/048 , G06F18/2431
Abstract: 本发明公开了一种交通拥堵预测方法、系统、设备及存储介质，本方法通过获取多源异构数据集，获取交通事件数据、拥堵事件数据和站点流量数据；采用卷积神经网络提取拥堵事件数据、交通事件数据和待预测的交通拥堵之间的空间相关性特征；通过特征提取网络提取站点流量处理数据与拥堵的时间依赖关系特征；获取除交通事件数据、拥堵事件数据和站点流量数据之外的多种因素数据，并对多种因素数据进行多分类处理和独热编码处理，获得多种因素特征；将空间相关性特征、时间依赖关系特征和多种因素特征进行拼接，获得时空联合特征，并将时空联合特征输入至多层感知机模型中，获得待预测的交通拥堵的预测结果。本发明能够提高交通拥堵预测的精确度。
-
公开(公告)号：CN115620524B
公开(公告)日：2023-03-28
申请号：CN202211612325.6
申请日：2022-12-15
Applicant: 中南大学
IPC: G08G1/01 , G06Q10/04 , G06Q50/26 , G06N3/0464 , G06N3/048 , G06F18/2431
Abstract: 本发明公开了一种交通拥堵预测方法、系统、设备及存储介质，本方法通过获取多源异构数据集，获取交通事件数据、拥堵事件数据和站点流量数据；采用卷积神经网络提取拥堵事件数据、交通事件数据和待预测的交通拥堵之间的空间相关性特征；通过特征提取网络提取站点流量处理数据与拥堵的时间依赖关系特征；获取除交通事件数据、拥堵事件数据和站点流量数据之外的多种因素数据，并对多种因素数据进行多分类处理和独热编码处理，获得多种因素特征；将空间相关性特征、时间依赖关系特征和多种因素特征进行拼接，获得时空联合特征，并将时空联合特征输入至多层感知机模型中，获得待预测的交通拥堵的预测结果。本发明能够提高交通拥堵预测的精确度。
-
公开(公告)号：CN113821929B
公开(公告)日：2022-08-02
申请号：CN202111123349.0
申请日：2021-09-24
Applicant: 中南大学
IPC: G06F30/20 , G06Q10/04 , G06Q50/26 , G06F119/12
Abstract: 本发明公开了基于时空注意力机制的高速路网站点流量预测方法及系统，通过构建目标站点的训练样本集，构建基于时空注意力机制的站点流量预测模型，并使用训练样本集中的训练数据训练站点流量预测模型，使其学习目标站点预测时刻的流量数据与其过去一段时间内的历史流量数据之间的时间依赖关系以及目标站点预测时刻的流量数据及其关键来源站点关联时刻的流量数据之间的动态空间相关性；并基于训练所得的时间依赖关系和动态空间相关性对目标站点的流量数据进行预测。本发明能捕捉目标站点的流量数据及其关键来源站点的流量数据之间的精确的动态空间相关性，并结合站点流量的时间依赖关系进行流量预测，从而提高复杂高速路网中站点流量的预测精度。
-
公开(公告)号：CN113821929A
公开(公告)日：2021-12-21
申请号：CN202111123349.0
申请日：2021-09-24
Applicant: 中南大学
IPC: G06F30/20 , G06Q10/04 , G06Q50/26 , G06F119/12
Abstract: 本发明公开了基于时空注意力机制的高速路网站点流量预测方法及系统，通过构建目标站点的训练样本集，构建基于时空注意力机制的站点流量预测模型，并使用训练样本集中的训练数据训练站点流量预测模型，使其学习目标站点预测时刻的流量数据与其过去一段时间内的历史流量数据之间的时间依赖关系以及目标站点预测时刻的流量数据及其关键来源站点关联时刻的流量数据之间的动态空间相关性；并基于训练所得的时间依赖关系和动态空间相关性对目标站点的流量数据进行预测。本发明能捕捉目标站点的流量数据及其关键来源站点的流量数据之间的精确的动态空间相关性，并结合站点流量的时间依赖关系进行流量预测，从而提高复杂高速路网中站点流量的预测精度。
-
公开(公告)号：CN118212778A
公开(公告)日：2024-06-18
申请号：CN202410315580.7
申请日：2024-03-19
Applicant: 中南大学
IPC: G08G1/01
Abstract: 本发明涉及交通流量预测技术领域，特别是一种基于深度学习的高速路网多任务流量预测方法及系统；本发明关注进站流量和出站流量的关联以及时间特征的相似性，使用多任务学习技术将两者的共同特征表征出来，表征的共同特征作为特征融合的输入，能实现对高速路网目标站点的进站流量和出站流量的多任务协同预测，通过深度学习流量预测模型深入挖掘高速路网流量时空相关性的特点及不同外部因素对其影响的变化规律，提高了流量预测的准确性。
-
-
-
-
Search Results
5
records
(took 0.013 seconds)
