-
公开(公告)号:CN114826949B
公开(公告)日:2023-06-09
申请号:CN202210499844.X
申请日:2022-05-04
Applicant: 北京邮电大学
IPC: H04L41/147 , H04L41/14 , H04L43/08
Abstract: 本发明公开了一种通信网络状况预测方法,属于信息技术领域;具体包括:实时获取通信网络各节点状况,并划分为短期数据,长期数据与典型数据;将短期通信状况数据输入到预先训练的自注意力神经网络中,得到通信网络节点间影响特征,并经全连接自编码器得到通信网络节点间影响特征向量;将典型数据输入到预先训练的卷积自编码器中,得到通信网络状况观测特征向量;将两个向量连接,并聚类获得每一类节点的类别特征向量。最后,结合长期历史数据以及各节点的类别特征向量输入到图递归神经网络中,得到未来时刻通信网络状况预测值;本发明有效避免不同类型数据对模型性能的干扰,提高模型预测准确性。
-
公开(公告)号:CN112541638B
公开(公告)日:2022-07-12
申请号:CN202011519013.1
申请日:2020-12-21
Applicant: 北京邮电大学
Abstract: 本发明实施例提供的一种网联车车辆行程时间估计方法,应用于信息技术领域,将路网的静态信息和路网的动态信息输入到预先训练的图卷积神经网络中,根据路网中各路线的空间特征更新道路动态特征向量与静态特征的向量后,将更新后的动态特征向量输入到预先训练的循环神经网络中,得到路网中各路线的时间特征,再次更新动态特征向量;将路网中各路线中两次更新后的动态特征向量和路网中各路线的一次更新后的静态特征向量输入到基于图神经网络的注意力机制网络中,得到并根据路网中各路线的轨迹影响力得分和路网结构,抽取目标路线对应的路网子图;通过将子图转化为子图向量,然后计算得到目标路线预测行程时间,可以提高行程时间的计算的准确性。
-
公开(公告)号:CN112541638A
公开(公告)日:2021-03-23
申请号:CN202011519013.1
申请日:2020-12-21
Applicant: 北京邮电大学
Abstract: 本发明实施例提供的一种网联车车辆行程时间估计方法,应用于信息技术领域,将路网的静态信息和路网的动态信息输入到预先训练的图卷积神经网络中,根据路网中各路线的空间特征更新道路动态特征向量与静态特征的向量后,将更新后的动态特征向量输入到预先训练的循环神经网络中,得到路网中各路线的时间特征,再次更新动态特征向量;将路网中各路线中两次更新后的动态特征向量和路网中各路线的一次更新后的静态特征向量输入到基于图神经网络的注意力机制网络中,得到并根据路网中各路线的轨迹影响力得分和路网结构,抽取目标路线对应的路网子图;通过将子图转化为子图向量,然后计算得到目标路线预测行程时间,可以提高行程时间的计算的准确性。
-
公开(公告)号:CN114781902A
公开(公告)日:2022-07-22
申请号:CN202210492491.0
申请日:2022-04-29
Applicant: 北京邮电大学
Abstract: 本发明公开了一种网联车系统的调度方法,属于智慧交通领域;具体为:首先、针对当前时刻,实时获取待调度区域及相邻区域的服务方和服务对象的数量,作为供需信息;然后,将供需信息输入至训练好的神经网络中,输出每个区域所有定价因子的价值估计值;并利用ε‑greedy策略,为各区域选择各自的唯一定价因子;最后,将各区域的服务对象数量和唯一定价因子输入至调节函数,计算各区域中接受定价的服务对象数量,随机选择等数量的服务方进行服务;同时,将各区域没有接受定价的剩余服务方,输入至已学习的网络流调度模型,输出对各服务方的调度策略并执行;本发明考虑了调度成本,空驶时间,时空定价以及供需平衡等多方面的约束,实现服务方收益最大化。
-
公开(公告)号:CN115841229A
公开(公告)日:2023-03-24
申请号:CN202211542739.6
申请日:2022-12-02
Applicant: 北京邮电大学
IPC: G06Q10/0631 , G06Q50/30
Abstract: 本发明公开了一种网联车系统的智能调度方法,属于智慧交通领域;具体包括:首先,获取真实的道路网络信息,构建交通网络图;基于分区模型把交通网络图划分为多个不相交的区域;然后,获取实时的车辆密度信息,将其输入至神经网络中,输出每对相邻区域的预估行驶时间,进一步计算每个区域到达相邻区域及其自身的权重;获取各个区域服务范围内的实时供需信息,将其输入至匹配模型,输出车辆与乘客匹配的结果并执行;将各区域剩余的供需信息和权重信息输入强化学习调度模型中,输出车辆的调度策略并执行;本发明考虑了实时区域间行驶时间,以提高调度模型在真实环境中的应用性能,包括车辆服务水平及其收益。
-
公开(公告)号:CN114826949A
公开(公告)日:2022-07-29
申请号:CN202210499844.X
申请日:2022-05-04
Applicant: 北京邮电大学
IPC: H04L41/147 , H04L41/14 , H04L43/08
Abstract: 本发明公开了一种通信网络状况预测方法,属于信息技术领域;具体包括:实时获取通信网络各节点状况,并划分为短期数据,长期数据与典型数据;将短期通信状况数据输入到预先训练的自注意力神经网络中,得到通信网络节点间影响特征,并经全连接自编码器得到通信网络节点间影响特征向量;将典型数据输入到预先训练的卷积自编码器中,得到通信网络状况观测特征向量;将两个向量连接,并聚类获得每一类节点的类别特征向量。最后,结合长期历史数据以及各节点的类别特征向量输入到图递归神经网络中,得到未来时刻通信网络状况预测值;本发明有效避免不同类型数据对模型性能的干扰,提高模型预测准确性。
-
公开(公告)号:CN114781902B
公开(公告)日:2024-12-31
申请号:CN202210492491.0
申请日:2022-04-29
Applicant: 北京邮电大学
IPC: G06Q10/0631 , G06Q30/0283 , G06Q50/40 , H04L67/12
Abstract: 本发明公开了一种网联车系统的调度方法,属于智慧交通领域;具体为:首先、针对当前时刻,实时获取待调度区域及相邻区域的服务方和服务对象的数量,作为供需信息;然后,将供需信息输入至训练好的神经网络中,输出每个区域所有定价因子的价值估计值;并利用ε‑greedy策略,为各区域选择各自的唯一定价因子;最后,将各区域的服务对象数量和唯一定价因子输入至调节函数,计算各区域中接受定价的服务对象数量,随机选择等数量的服务方进行服务;同时,将各区域没有接受定价的剩余服务方,输入至已学习的网络流调度模型,输出对各服务方的调度策略并执行;本发明考虑了调度成本,空驶时间,时空定价以及供需平衡等多方面的约束,实现服务方收益最大化。
-
-
-
-
-
-