-
公开(公告)号：CN117576930A
公开(公告)日：2024-02-20
申请号：CN202311493147.4
申请日：2023-11-09
Applicant: 华南理工大学 , 人工智能与数字经济广东省实验室(广州)
Abstract: 本发明公开了一种面向协调车流组的绿波控制类型选取方法，包括以下步骤：1)根据实际协调需求确定上游交叉口Ii与下游交叉口Ij间的目标协调车流fO(i→j)；2)基于下游交叉口Ij的车道设置及相位相序情况确定协调车流组FM(i→j)；3)基于上下游交叉口协调相位时长及上游交叉口Ii相位相序情况更新协调车流组FM(i→j)；4)计算协调车流组FM(i→j)的密度集聚程度并确定目标协调车流fO(i→j)的最佳绿波控制类型。根据不同流向车流的协调需求，考虑合用车道及相位相序的影响，给出目标协调车流的选取及协调车流组的更新法则，通过计算在上下游交叉口间距和流量影响下协调车流组的密度集聚程度，选取目标协调车流的最佳绿波协调控制类型。
-
公开(公告)号：CN115980735A
公开(公告)日：2023-04-18
申请号：CN202211501661.3
申请日：2022-11-28
Applicant: 华南理工大学 , 人工智能与数字经济广东省实验室(广州)
IPC: G01S13/58 , G06F18/2321
Abstract: 本发明公开了一种基于毫米波雷达点云的车道线识别方法，主要包括毫米波雷达交通目标信息解析、交通目标有效行驶轨迹提取、车道线聚类和车道线拟合四个阶段：毫米波雷达交通目标信息解析主要是将获取到的原始点云处理成所需要的数据格式；交通目标有效行驶轨迹提取主要是在大量轨迹中抽取特征方向的轨迹，能够避免大量原始轨迹参与计算，提高计算效率；根据DBSCAN密度聚类算法进行交通目标轨迹整体聚类，将属于同一个车道线的轨迹分为一类，求取该类的平均轨迹；最后将平均轨迹进行曲线拟合，将相邻的两条车道中心线取平分线即可得到车道线。
-
公开(公告)号：CN117540154A
公开(公告)日：2024-02-09
申请号：CN202311263479.3
申请日：2023-09-27
Applicant: 华南理工大学 , 人工智能与数字经济广东省实验室(广州)
Abstract: 本发明公开了一种基于集成学习的微观路段降雨量插值方法。所述方法通过组合多个弱学习器构建和训练具有强稳健性的集成插值模型，解决了现有技术中仅采用单一插值方法导致插值结果不准确、不全面的问题，实现时空插值计算，进而提高微观路段降雨量估算的精度。本发明保证了弱学习器的多样性，综合了不同模型的优点，减小了插值偏差，提高了插值精度，有效避免了单一模型导致的插值结果准确性差、稳定性不高的问题。
-
公开(公告)号：CN116128126A
公开(公告)日：2023-05-16
申请号：CN202310048186.7
申请日：2023-01-31
Applicant: 华南理工大学 , 人工智能与数字经济广东省实验室(广州)
IPC: G06Q10/04 , G06Q10/0631 , G06Q50/26 , G08G1/07 , G08G1/081
Abstract: 本发明公开了一种协调路径链绿波带宽多轮优化方法，该方法包括：确定各协调路径链所经过交叉口的协调相位及其绿灯起止时刻点；根据各协调路径链包含的协调路径数量，确定各协调路径链的绿波带宽优化最大轮数及各轮协调路径集，确定控制区域的绿波带宽优化最大轮数；针对各轮协调路径集，计算各轮次各交叉口相位差的上移容许量、下移容许量，确定交叉口相位差调整对象及调整量；输出各交叉口的相位差调整量最终结果。本发明通过综合分析各信号交叉口相位差的上移容许量与下移容许量，在保证全程绿波带宽不变的基础上，提出了一种对各级协调路径链绿波带宽进行多轮优化的方法，可以同时优化控制区域内的多条协调路径链。
-
公开(公告)号：CN117576930B
公开(公告)日：2025-04-08
申请号：CN202311493147.4
申请日：2023-11-09
Applicant: 华南理工大学 , 人工智能与数字经济广东省实验室(广州)
Abstract: 本发明公开了一种面向协调车流组的绿波控制类型选取方法，包括以下步骤：1)根据实际协调需求确定上游交叉口Ii与下游交叉口Ij间的目标协调车流fO(i→j)；2)基于下游交叉口Ij的车道设置及相位相序情况确定协调车流组FM(i→j)；3)基于上下游交叉口协调相位时长及上游交叉口Ii相位相序情况更新协调车流组FM(i→j)；4)计算协调车流组FM(i→j)的密度集聚程度并确定目标协调车流fO(i→j)的最佳绿波控制类型。根据不同流向车流的协调需求，考虑合用车道及相位相序的影响，给出目标协调车流的选取及协调车流组的更新法则，通过计算在上下游交叉口间距和流量影响下协调车流组的密度集聚程度，选取目标协调车流的最佳绿波协调控制类型。
-
Patent Agency Ranking
公开(公告)号：CN117593882B
公开(公告)日：2025-04-01
申请号：CN202311515983.8
申请日：2023-11-14
Applicant: 华南理工大学
Abstract: 本发明公开了一种面向路网交通生态成本量化的车辆微观运动学模型构建方法，步骤如下：1)路段车辆微观运动表征体系；2)相邻交叉口间路段进行空间资源的功能片段划分；3)不同功能片段内车辆间跟驰行为建模；4)交织换道区车辆间横向换道行为建模；5)车辆路口行驶决策建模；6)路段交通生态成本秒级计算，计算车辆运行过程中的秒级瞬时工况参数作为参数输入计算路网交通生态成本。本发明不仅较好的解决了交通控制和管理领域以生态为导向的优化方法目标函数不可认知、不可计算的难题，还提出了一套基于操作序贯链的微观交通流延误、排放和能耗的高精准、高可靠度计量方法，量化了路网中车辆的驾驶动作反馈响应等微观行为。
-
公开(公告)号：CN119723913A
公开(公告)日：2025-03-28
申请号：CN202411413292.1
申请日：2024-10-11
Applicant: 华南理工大学
IPC: G08G1/081
Abstract: 本发明公开了一种基于抽样轨迹数据的绿波协调清空时间计算方法，包括以下步骤：1)对于从上游交叉口Ii到下游交叉口Ij的协调路径P(i→j)，分类定义与其相关的各流向车流fS(i→j)，检测抽样车辆n在下游交叉口Ij的停车状态S(n,j)和停车时刻TS(n,j)，计算其实际通过时刻TP(n,j)和理想通过时刻TE(n,j)，结合抽样车辆轨迹计算到达车辆数；2)构建各流向车流fS(i→j)的到达似然函数，估计各流向车流fS(i→j)的到达流率λS(i→j)；3)计算全部非目标协调车流最大清空时间#imgabs0#4)根据上下游交叉口协调相位绿灯时长与最大清空时间#imgabs1#确定目标协调车辆在下游交叉口Ij的通过情况，计算目标协调车流fO(i→j)或目标协调更新车流fH(i→j)的清空时间tC(i→j)。本发明可以有效计算目标协调车辆的清空时间。
-
公开(公告)号：CN117593882A
公开(公告)日：2024-02-23
申请号：CN202311515983.8
申请日：2023-11-14
Applicant: 华南理工大学
Abstract: 本发明公开了一种面向路网交通生态成本量化的车辆微观运动学模型构建方法，步骤如下：1)路段车辆微观运动表征体系；2)相邻交叉口间路段进行空间资源的功能片段划分；3)不同功能片段内车辆间跟驰行为建模；4)交织换道区车辆间横向换道行为建模；5)车辆路口行驶决策建模；6)路段交通生态成本秒级计算，计算车辆运行过程中的秒级瞬时工况参数作为参数输入计算路网交通生态成本。本发明不仅较好的解决了交通控制和管理领域以生态为导向的优化方法目标函数不可认知、不可计算的难题，还提出了一套基于操作序贯链的微观交通流延误、排放和能耗的高精准、高可靠度计量方法，量化了路网中车辆的驾驶动作反馈响应等微观行为。
-
公开(公告)号：CN109375168B
公开(公告)日：2023-06-16
申请号：CN201811368103.8
申请日：2018-11-16
Applicant: 华南理工大学
Abstract: 本发明提供了一种基于RSSI的低速移动车辆定位方法，包括取每组4个AP节点围成区域作为定位子网格，记录各AP节点的ID、坐标位置、计算实际距离；对信号衰减模型中的参数进行实时修正，得到修正后的RSSI测距模型；接收AP回传的信息，根据ID判断数据集中AP节点的数量和坐标位置，利用测距模型计算出移动车辆与AP节点的距离；利用AP节点与移动车辆的距离合理设计加权因子，建立融合定位算法；依据接收到AP节点的数量，选择相应的加权无线定位方法，得出移动车辆的定位坐标；本发明方法具有较强的鲁棒性，有效克服回传RSSI值不稳定的问题，能适应复杂道路环境的变化，相较于传统三点加权质心定位有更高的定位精度。
-
公开(公告)号：CN116245672A
公开(公告)日：2023-06-09
申请号：CN202310270118.5
申请日：2023-03-20
Applicant: 华南理工大学 , 广州运星科技有限公司
IPC: G06Q50/00 , G06F40/289 , G06F18/214 , G06F40/216 , G06N3/08 , G06N3/045
Abstract: 本发明公开了一种基于社交媒体平台数据的交通事件信息重构方法，通过从社交媒体平台上爬取交通事件数据并构建数据集；对爬取到的文本进行预处理与标注后，将数据集划分为训练集、验证集和测试集；提取预处理后的文本中的关键词，并计算关键词的权重；搭建实体识别模型，将训练集和验证集中的文本序列，以及提取到的具有权重的关键词作为实体识别模型的输入，对实体识别模型进行参数调节；对参数调节后的实体识别模型进行交叉验证，输出对测试集的实体识别结果；对实体识别结果进行实体规范化，得到对应的交通事件重构信息。通过在文本序列的基础上引入关键词的特征，增强了模型对实体边界的敏感度，提高了模型对交通事件的信息重构的准确性。
-
-
-
-
-
-
-
-
-
Search Results
68
records
(took 0.046 seconds)
