-
公开(公告)号：CN108010320B
公开(公告)日：2020-06-16
申请号：CN201711396989.2
申请日：2017-12-21
Applicant: 北京工业大学
IPC: G08G1/01
Abstract: 本发明公开了一种基于自适应时空约束低秩算法的路网交通数据的补全方法，其能够使得补全的数据的精准度在数据丢失率较大时大幅提高，尤其对不同时空丢失模式下的交通数据修复具有很好的应用效果。该方法包括步骤：(1)构造路网交通数据的时空数据矩阵；(2)对时空数据矩阵进行因子矩阵分解，引入无约束低秩修复方法；(3)加入交通数据的时序变化特性和空间相似特性作为时空约束项，更精确的对缺失点进行补全。
-
公开(公告)号：CN102842109B
公开(公告)日：2016-12-21
申请号：CN201210316999.1
申请日：2012-08-30
Applicant: 北京工业大学
IPC: G06F19/00
Abstract: 停车场服务水平量化分级的评价方法属于交通规划领域。停车场服务水平是用来度量停车设施提供给用户停车服务质量好坏的一个指标，它反映了停车设施在不同区域满足停车需求，以及给用户提供的停车环境（停车快捷、方便、价格合理）等方面的服务质量。该发明应用动态综合评价方法，选取了高峰停放指数、平均泊位利用率、停车成本因子和停车所需时间作为停车场服务水平的评价因素，建立了停车场服务水平的评价标准，将停车场服务水平划分出了4级服务水平。实践证明，该方法能够充分利用评价指标反应停车场服务水平，结果与实际相符合，用于评价现状停车场的服务水平以及为规划停车场提供一定的依据。
-
公开(公告)号：CN107992449B
公开(公告)日：2021-04-30
申请号：CN201711270712.5
申请日：2017-12-05
Applicant: 北京工业大学
Abstract: 本发明公开一种基于低秩表示的地铁异常流量检测方法，其能够准确检测出异常的流量数据继而对异常继续聚类分析。该方法包括步骤：(1)获取站点进出流量数据矩阵；(2)构建时序变化的异常检测低秩模型；(3)基于聚类方法进行异常聚类分析分组。
-
-
-
Patent Agency Ranking
公开(公告)号：CN102842109A
公开(公告)日：2012-12-26
申请号：CN201210316999.1
申请日：2012-08-30
Applicant: 北京工业大学
IPC: G06Q90/00
Abstract: 停车场服务水平量化分级的评价方法属于交通规划领域。停车场服务水平是用来度量停车设施提供给用户停车服务质量好坏的一个指标，它反映了停车设施在不同区域满足停车需求，以及给用户提供的停车环境（停车快捷、方便、价格合理）等方面的服务质量。该发明应用动态综合评价方法，选取了高峰停放指数、平均泊位利用率、停车成本因子和停车所需时间作为停车场服务水平的评价因素，建立了停车场服务水平的评价标准，将停车场服务水平划分出了4级服务水平。实践证明，该方法能够充分利用评价指标反应停车场服务水平，结果与实际相符合，用于评价现状停车场的服务水平以及为规划停车场提供一定的依据。
-
公开(公告)号：CN110188427B
公开(公告)日：2023-10-27
申请号：CN201910415935.9
申请日：2019-05-19
Applicant: 北京工业大学
IPC: G06F30/20
Abstract: 本发明公开了一种基于非负低秩动态模式分解的交通数据填充方法，从道路上的交通探测器中得到的交通数据，将其处理成m列的数据快照矩阵的形式，然后分成两个具有m‑1列的数据快照矩阵来分别代表原始数据的前m‑1列和后m‑1列。然后考虑矩阵填充中的映射算子，并考虑到交通数据的非负性，得到交通数据的填充模型，最后通过该方法提出的模型进行交通数据的填充修复。此方法能够不仅能够直接处理从交通探测器得到的交通数据所形成的数据快照矩阵，还能够处理有缺失的交通数据并进行填充。与一些传统的交通数据矩阵填充方法相比，本发明考虑到了交通数据会出现局部丢失的问题，提升交通数据的填充修复能力，证明该方法的有效性以及实用性。
-
公开(公告)号：CN109584557B
公开(公告)日：2021-02-26
申请号：CN201811536443.7
申请日：2018-12-14
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于动态分解模式和矩阵填充的交通流预测方法，本方法从设置在道路上的各种交通探测器中得到的交通数据，将其处理成m‑1列的数据快照矩阵的形式，然后分成两个快照矩阵来分别代表原始数据的前m列和后m列。之后利用低秩矩阵填充中的映射算子方法生成对应于每一个数据快照矩阵的映射矩阵P，然后将映射矩阵与对应的数据快照矩阵进行点乘操作，最后通过基于动态模式分解方法的模型进行交通预测得到待估计的交通量。在动态模式分解进行交通流预测的模型基础上，考虑了由于外界天气或交通设备自身会发生失灵等问题，会造成交通数据发生丢失的问题。
-
公开(公告)号：CN108010320A
公开(公告)日：2018-05-08
申请号：CN201711396989.2
申请日：2017-12-21
Applicant: 北京工业大学
IPC: G08G1/01
Abstract: 本发明公开了一种基于自适应时空约束低秩算法的路网交通数据的补全方法，其能够使得补全的数据的精准度在数据丢失率较大时大幅提高，尤其对不同时空丢失模式下的交通数据修复具有很好的应用效果。该方法包括步骤：(1)构造路网交通数据的时空数据矩阵；(2)对时空数据矩阵进行因子矩阵分解，引入无约束低秩修复方法；(3)加入交通数据的时序变化特性和空间相似特性作为时空约束项，更精确的对缺失点进行补全。
-
公开(公告)号：CN110188427A
公开(公告)日：2019-08-30
申请号：CN201910415935.9
申请日：2019-05-19
Applicant: 北京工业大学
IPC: G06F17/50
Abstract: 本发明公开了一种基于非负低秩动态模式分解的交通数据填充方法，从道路上的交通探测器中得到的交通数据，将其处理成m列的数据快照矩阵的形式，然后分成两个具有m-1列的数据快照矩阵来分别代表原始数据的前m-1列和后m-1列。然后考虑矩阵填充中的映射算子，并考虑到交通数据的非负性，得到交通数据的填充模型，最后通过该方法提出的模型进行交通数据的填充修复。此方法能够不仅能够直接处理从交通探测器得到的交通数据所形成的数据快照矩阵，还能够处理有缺失的交通数据并进行填充。与一些传统的交通数据矩阵填充方法相比，本发明考虑到了交通数据会出现局部丢失的问题，提升交通数据的填充修复能力，证明该方法的有效性以及实用性。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.028 seconds)
