-
Patent Agency Ranking
公开(公告)号：CN115512548A
公开(公告)日：2022-12-23
申请号：CN202211463075.4
申请日：2022-11-22
Applicant: 南京大学
Abstract: 本发明公开了一种路侧检测单元布设与道路交通稀疏感知方法及系统，为现代城市交通感知系统提出了低成本的解决方案。首先，使用交通流仿真软件建模出一个配备道路传感器的复杂城市路网系统，根据仿真的运行结果，得到仿真中所有车辆的行驶数据以及交通检测器的监测数据；其次，移除城市路网中的一部分交通检测器，利用稀疏感知方法在现有检测器的基础上恢复出被移除部分的检测器交通数据；最后，将恢复出来的交通检测器数据作为虚拟检测器替代原路网中被移除的真实检测器，得到完整的路网交通检测器数据。本发明能够利用稀疏路侧检测器还原出城市路网中所有检测器的数据，实现低成本的路侧检测器布设方案，且具有较高的估算精度。
-
公开(公告)号：CN115662142B
公开(公告)日：2023-04-07
申请号：CN202211452507.1
申请日：2022-11-21
Applicant: 南京大学
IPC: G08G1/01 , G08G1/0968 , G08G1/0969 , G06N3/049 , G06N3/08
Abstract: 本发明公开了一种基于车联网稀疏信息的深度学习交通状态估计方法及系统，为路网交通状态估计提供了一个低成本的解决方案。本发明在采集车辆行驶信息的稀疏数据集之后，根据几何约束将车辆匹配到路段，得出各路段的平均速度作为其交通状态估计值；再通过TGASA模型恢复出交通路网的实时交通状态，以修正交通状态估计值的不准确性和不稳定性。相比于基于路侧电子眼检测交通状态的方法，本发明能够在车辆数据有限的情况下，使用稀疏的移动感知数据对全部路网实现路段级的交通状态实时监测，具有更低成本，更广覆盖的优点。所提TGASA模型能捕捉交通数据在时空上的协同相关性以提高自身的鲁棒性，适用于动态变化的图结构，具有泛化学习能力。
-
公开(公告)号：CN115512548B
公开(公告)日：2023-04-07
申请号：CN202211463075.4
申请日：2022-11-22
Applicant: 南京大学
IPC: G08G1/01 , G06F30/18 , G06F30/27 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了一种路侧检测单元布设与道路交通稀疏感知方法及系统，为现代城市交通感知系统提出了低成本的解决方案。首先，使用交通流仿真软件建模出一个配备道路传感器的复杂城市路网系统，根据仿真的运行结果，得到仿真中所有车辆的行驶数据以及交通检测器的监测数据；其次，移除城市路网中的一部分交通检测器，利用稀疏感知方法在现有检测器的基础上恢复出被移除部分的检测器交通数据；最后，将恢复出来的交通检测器数据作为虚拟检测器替代原路网中被移除的真实检测器，得到完整的路网交通检测器数据。本发明能够利用稀疏路侧检测器还原出城市路网中所有检测器的数据，实现低成本的路侧检测器布设方案，且具有较高的估算精度。
-
公开(公告)号：CN115915065A
公开(公告)日：2023-04-04
申请号：CN202211562213.4
申请日：2022-12-07
Applicant: 南京大学
Abstract: 本发明公开了一种超可靠低时延的蜂窝车联网下行多连接传输方法与系统，为网联自动驾驶车辆提供了一种可靠的下行传输方案。本发明中有多个基站服务于具有多连接能力的多个用户，URLLC业务数据包使用不同的子载波在多条链路上同时独立地传输；本发明提出了一种多智能体深度强化学习算法来实现多连接性URLLC的实时功率分配，在服务于同一个URLLC用户的多个链路之间共享信息，并选择合适的传输功率，使各链路在保证可靠性的同时尽量减少小区间干扰和能耗。本发明利用多连接技术使得URLLC的实时可靠性在不依赖包重传的情况下大大增强。相比于传统算法，本发明提出的多智能体深度强化学习算法能够实时完成功率分配并适配动态用户，在保证可靠性的同时节约传输能量。
-
公开(公告)号：CN115662142A
公开(公告)日：2023-01-31
申请号：CN202211452507.1
申请日：2022-11-21
Applicant: 南京大学
IPC: G08G1/01 , G08G1/0968 , G08G1/0969 , G06N3/049 , G06N3/08
Abstract: 本发明公开了一种基于车联网稀疏信息的深度学习交通状态估计方法及系统，为路网交通状态估计提供了一个低成本的解决方案。本发明在采集车辆行驶信息的稀疏数据集之后，根据几何约束将车辆匹配到路段，得出各路段的平均速度作为其交通状态估计值；再通过TGASA模型恢复出交通路网的实时交通状态，以修正交通状态估计值的不准确性和不稳定性。相比于基于路侧电子眼检测交通状态的方法，本发明能够在车辆数据有限的情况下，使用稀疏的移动感知数据对全部路网实现路段级的交通状态实时监测，具有更低成本，更广覆盖的优点。所提TGASA模型能捕捉交通数据在时空上的协同相关性以提高自身的鲁棒性，适用于动态变化的图结构，具有泛化学习能力。
-
-
-
-
Search Results
5
records
(took 0.011 seconds)
