-
公开(公告)号：CN111310340B
公开(公告)日：2022-08-16
申请号：CN202010103108.9
申请日：2020-02-19
Applicant: 中南大学
IPC: G06F30/20 , G06F16/29 , G06F16/2458 , G06Q50/26
Abstract: 本发明公开了一种基于人类移动的城市区域交互异常关系识别方法，包括如下步骤：S1，获取目的地‑居民地二分网络和人类出行轨迹数据；S2，根据所述目的地‑居民地二分网络的人口密度，POI密度，获取区域间吸引力模型；S3，根据所述区域间吸引力模型获取所述目的地‑居民地二分网络的最大人流；S4,根据所述人类出行轨迹数据计算所述目的地‑居民地二分网络的第二人流；S5，对所述目的地‑居民地二分网络的最大人流以及所述目的地‑居民地二分网络的第二人流进行相减获得人流正负网络；S6，对所述人流正负网络进行聚类获取所述异常区域。本发明基于人类出行数据，挖掘城市区域交互关系发现城市的异常关系。
-
Patent Agency Ranking
公开(公告)号：CN109409773A
公开(公告)日：2019-03-01
申请号：CN201811351029.9
申请日：2018-11-14
Applicant: 中南大学
Abstract: 本发明属于卫星遥感领域，公开了一种基于合同网机制的对地观测资源动态规划方法，采用自下而上的分布式协同规划架构和基于合同网的协同规划流程；通过多轮不完全组合分配方法对大规模并发任务进行动态分配。本发明在分析现有规划体系与资源运行方式的基础上从底层架构出发，突破自上而下固有规划模式的思维定式，结合合同网的分布式计算优势面向空天地异构资源的动态规划难题，提出一种自下而上的分布式合同网协同规划框架并给出规划流程，以充分发挥分布式资源的计算优势进而提高任务分配效率。在此基础上，通过采用组合任务分割、多任务集同步分配、多层次匹配三种策略提出面向大规模任务的多类不完全组合分配方法，能快速分配大量并发任务。
-
公开(公告)号：CN119417325B
公开(公告)日：2025-03-25
申请号：CN202510024801.X
申请日：2025-01-08
Applicant: 中国电子科技集团公司第五十四研究所 , 中南大学
IPC: G06Q10/067 , G06F16/29 , G06N3/084 , G06N3/048
Abstract: 本发明公开了耦合意图预测和环境约束的城市机动目标轨迹仿真方法，涉及多目标规划和轨迹模拟生成的交叉领域。本发明首先提取应用情景下的城市移动目标兴趣区域集合，之后提取路口节点、道路的地理环境要素以及自有属性，之后构建神经网络模型，进行深度学习训练，得到路口节点的奖励值，之后基于兴趣区域集合、各个机动目标的位置以及各个路口节点的奖励值，通过混合整数线性规划方法，计算机动目标轨迹仿真集合，完成耦合意图预测和环境约束的城市机动目标轨迹仿真。本发明克服了目前轨迹模拟方法真实性不强、情景泛化能力弱、对训练数据要求高和可解释性较低的问题，有效解决了特殊应用场景下多移动目标轨迹真实轨迹较少的问题。
-
公开(公告)号：CN109409773B
公开(公告)日：2022-04-08
申请号：CN201811351029.9
申请日：2018-11-14
Applicant: 中南大学
Abstract: 本发明属于卫星遥感领域，公开了一种基于合同网机制的对地观测资源动态规划方法，采用自下而上的分布式协同规划架构和基于合同网的协同规划流程；通过多轮不完全组合分配方法对大规模并发任务进行动态分配。本发明在分析现有规划体系与资源运行方式的基础上从底层架构出发，突破自上而下固有规划模式的思维定式，结合合同网的分布式计算优势面向空天地异构资源的动态规划难题，提出一种自下而上的分布式合同网协同规划框架并给出规划流程，以充分发挥分布式资源的计算优势进而提高任务分配效率。在此基础上，通过采用组合任务分割、多任务集同步分配、多层次匹配三种策略提出面向大规模任务的多类不完全组合分配方法，能快速分配大量并发任务。
-
公开(公告)号：CN119417325A
公开(公告)日：2025-02-11
申请号：CN202510024801.X
申请日：2025-01-08
Applicant: 中国电子科技集团公司第五十四研究所 , 中南大学
IPC: G06Q10/067 , G06F16/29 , G06N3/084 , G06N3/048
Abstract: 本发明公开了耦合意图预测和环境约束的城市机动目标轨迹仿真方法，涉及多目标规划和轨迹模拟生成的交叉领域。本发明首先提取应用情景下的城市移动目标兴趣区域集合，之后提取路口节点、道路的地理环境要素以及自有属性，之后构建神经网络模型，进行深度学习训练，得到路口节点的奖励值，之后基于兴趣区域集合、各个机动目标的位置以及各个路口节点的奖励值，通过混合整数线性规划方法，计算机动目标轨迹仿真集合，完成耦合意图预测和环境约束的城市机动目标轨迹仿真。本发明克服了目前轨迹模拟方法真实性不强、情景泛化能力弱、对训练数据要求高和可解释性较低的问题，有效解决了特殊应用场景下多移动目标轨迹真实轨迹较少的问题。
-
公开(公告)号：CN111310340A
公开(公告)日：2020-06-19
申请号：CN202010103108.9
申请日：2020-02-19
Applicant: 中南大学
IPC: G06F30/20 , G06F16/29 , G06F16/2458 , G06Q50/26
Abstract: 本发明公开了一种基于人类移动的城市区域交互异常关系识别方法，包括如下步骤：S1，获取目的地-居民地二分网络和人类出行轨迹数据；S2，根据所述目的地-居民地二分网络的人口密度，POI密度，获取区域间吸引力模型；S3，根据所述区域间吸引力模型获取所述目的地-居民地二分网络的最大人流；S4,根据所述人类出行轨迹数据计算所述目的地-居民地二分网络的第二人流；S5，对所述目的地-居民地二分网络的最大人流以及所述目的地-居民地二分网络的第二人流进行相减获得人流正负网络；S6，对所述人流正负网络进行聚类获取所述异常区域。本发明基于人类出行数据，挖掘城市区域交互关系发现城市的异常关系。
-
-
-
-
-
Search Results
6
records
(took 0.014 seconds)
