-
公开(公告)号：CN119541229B
公开(公告)日：2025-05-09
申请号：CN202510085663.6
申请日：2025-01-20
Applicant: 南京信息工程大学
Abstract: 本发明提供一种高地协同自动控制方法及系统，其中，方法包括以下步骤：响应于接收拥堵排查信号，控制无人机飞行至高速路段进行图像采集；对所述高速采集图像进行图像识别，并确定位于所述高速采集图像中的高速区域以及匝道区域；对所述高速区域进行区域划分，得到分别指示匝道前路段、匝道后路段的第一路段区域以及第二路段区域，获取分别对应匝道前路段、匝道后路段的第一拥堵系数以及第二拥堵系数，并基于第一拥堵系数以及第二拥堵系数确定与所述匝道路段对应的流量属性；响应于流量属性为拥堵属性，获取与所述匝道路段距离最近的车辆灯控设备，并控制所述车辆灯控设备执行对应车辆通行的灯控操作。本发明至少提高交通管理效率。
-
公开(公告)号：CN119580485A
公开(公告)日：2025-03-07
申请号：CN202411687009.4
申请日：2024-11-22
Applicant: 南京信息工程大学
IPC: G08G1/01
Abstract: 本发明提供了一种融合图卷积神经网络和强化学习的高地协同控制方法，通过控制城市道路交通信号灯、高速公路匝道信号机和可变限速单元，缓解高速公路交通拥堵并提升城市交通通行效率，借助信号灯与限速单元控制道路行驶车辆，达到全局路网中的车流调度优化；整体结构采用分布式协同控制框架，由决策智能体控制，根据实时交通情况自主决策与调整，从而增强系统的自适应性和鲁棒性，有效避免了传统集中式控制带来的数据计算量大、处理难、控制策略滞后等缺陷；构建图卷积神经网络模型以聚合周边决策智能体的特征信息，并动态分配控制权重，增强了信息共享能力，防止因缺乏对周边环境的全面感知而导致的次优决策，从而提高整体系统的协同效率。
-
公开(公告)号：CN117746654A
公开(公告)日：2024-03-22
申请号：CN202311792494.7
申请日：2023-12-25
Applicant: 南京信息工程大学
IPC: G08G1/082 , G08G1/01 , G06N3/0499 , G06N3/084 , G06N3/092
Abstract: 本发明提出了一种基于多智能体深度强化学习的公交优先交通信号协同控制方法，旨在优化城市交通流并提高公交车辆的通行效率。该方法包括以下步骤：首先，通过城市交通监控系统实时收集交通状态数据，包括车辆流量、交通拥堵程度和交通信号灯状态等信息。然后，将这些数据输入到预先训练好的深度Q网络模型中。该模型使用历史交通状态数据训练，能够预测不同交通信号灯控制策略对公交车辆通行效率的影响。根据模型预测的结果，系统自动调整交通信号灯的控制策略，优先保障公交车辆的畅通和准点到站。在此基础上，模型还能够根据实时数据不断学习和调整，以适应交通状况的变化。
-
公开(公告)号：CN119541229A
公开(公告)日：2025-02-28
申请号：CN202510085663.6
申请日：2025-01-20
Applicant: 南京信息工程大学
Abstract: 本发明提供一种高地协同自动控制方法及系统，其中，方法包括以下步骤：响应于接收拥堵排查信号，控制无人机飞行至高速路段进行图像采集；对所述高速采集图像进行图像识别，并确定位于所述高速采集图像中的高速区域以及匝道区域；对所述高速区域进行区域划分，得到分别指示匝道前路段、匝道后路段的第一路段区域以及第二路段区域，获取分别对应匝道前路段、匝道后路段的第一拥堵系数以及第二拥堵系数，并基于第一拥堵系数以及第二拥堵系数确定与所述匝道路段对应的流量属性；响应于流量属性为拥堵属性，获取与所述匝道路段距离最近的车辆灯控设备，并控制所述车辆灯控设备执行对应车辆通行的灯控操作。本发明至少提高交通管理效率。
-
-
-
Search Results
4
records
(took 0.024 seconds)
