公开(公告)号：CN119252042A

公开(公告)日：2025-01-03

申请号：CN202411201024.3

申请日：2024-08-29

Applicant: 北京工业大学

Inventor： 栾森 ,  吴行 ,  赵晓华 ,  戴义博 ,  王月佳

IPC: G08G1/052 ,  G08G1/01 ,  G06N3/092

Abstract: 本发明公开了一种基于深度Q网络的长大下坡路段行车速度控制方法，包括如下步骤：基于长大下坡路段场景，构建与深度Q网络交互的环境模型，定义状况空间、动作空间和奖励函数；构建深度Q网络模型，并与环境模型迭代交互，得到数据集，同时计算获得预测Q值和目标Q值；基于预测Q值、目标Q值和奖励函数，构建损失函数，并使用梯度下降方式对其进行优化，实现深度Q网络模型的训练；多次迭代后，基于训练后的深度Q网络模型实现对长大下坡行车速度的控制。本发明以数据驱动为主，综合使用行驶安全性、高效性和舒适性指标表征速度控制带来的总体收益，有益于规避长大下坡路段行车过程中的不良驾驶行为，提升交通安全水平。

公开(公告)号：CN117475620A

公开(公告)日：2024-01-30

申请号：CN202311373193.0

申请日：2023-10-23

Applicant: 北京工业大学

Inventor： 栾森 ,  王月佳 ,  戴义博

IPC: G08G1/01

Abstract: 本发明公开了一种基于贝叶斯推理的交通状态演化预测方法，包括：获取路网速度数据并进行预处理，得到预处理后的数据集；设定约束条件，基于约束条件获取数据集中具有因果关系的路段对；基于不同的路段对组合形成不同的交通状态演化网络结构；基于路段对获取不同特征值的条件概率，并基于条件概率和交通状态演化网络结构构建贝叶斯推理网络；基于贝叶斯推理网络，遍历所有的交通状态演化网络结构，选择评分最高的作为最优交通状态演化网络结构。实现了交通状态演化网络结构的精确推断，进而提升路网交通状态演化综合预测能力。