-
公开(公告)号:CN115376308B
公开(公告)日:2024-06-04
申请号:CN202210589772.8
申请日:2022-05-26
Applicant: 南京工程学院
IPC: G08G1/01 , G08G1/052 , G08G1/065 , G06N3/0442 , G06N3/0464 , G06N3/0475 , G06N3/094 , G06Q10/047 , G06Q50/40
Abstract: 本发明公开了一种汽车行驶时间的预测方法,通过建立基于LSTM‑GAN模型来预测未来时间段内不同道路上的交通速度,根据预测的交通速度,将道路分成速度不同的路段,以及不同的路段的速度对应的时间段,根据不同路段的速度以及对应的时间段从而计算出汽车到达目的地需要的总行驶时间;模型包括生成器与鉴别器;生成器捕获交通流数据的时空特性输出初预测的交通速度数据至鉴别器;鉴别器同时输入对应的实际的交通流数据用以学习两者潜在交通流数据的特征向量,最后利用特征向量构建分类模型,并且判断输入的初预测的交通流数据的真假,并且输出判断为真的初预测的交通流数据作为预测的交通流数据。本发明能够提高预测精度。
-
公开(公告)号:CN115204452A
公开(公告)日:2022-10-18
申请号:CN202210588589.6
申请日:2022-05-26
Applicant: 南京工程学院
Abstract: 本发明公开了一种电动出租车充换电模式的决策方法,包括对交通路网、充换电站以及电动出租车进行耦合,得到电动出租车在充电和换电两种模式下的总成本模型;根据电动出租车的订单起终点位置,建立电动出租车的预期运营收入模型;预期运营收入模型中通过能量成本和收入损失体现电动出租车到站的行驶时间和获取能量的时间段,通过能量成本和运营收入体现换电模式下节省的充电时间;以电动出租车收益最大化为目标,建立电动出租车充换电模式的决策模型,根据决策模型电动出租车能够选择行驶路径以及在充换电站的能量获取模式,本发明通过多方耦合模型对路径选择和充换电模式选择做出决策,帮助电动出租车获得最大收益。
-
公开(公告)号:CN116841190A
公开(公告)日:2023-10-03
申请号:CN202210300637.7
申请日:2022-03-24
Applicant: 南京工程学院
IPC: G05B13/04
Abstract: 本发明公开了一种基于双层Q学习的多并联储能变流器自适应功率控制方法,首先,该方法根据储能站的储能系统效率模型,简化了功率分配系数选取,从而避免重复动作;然后根据功率最优分配特点提出一种双层Q学习算法,将外部动作空间设置为n+1种功率分配模式,得到各功率分配模式的工作区间。内层利用Actor神经网络得到自适应功率分配模式下的最优动作策略;最后,在仿真场景下,将通过预学习的Q学习控制器与现有的功率控制方法相比,该自适应功率控制方法在静态和动态效率优化方面都取得了较好的效果。
-
公开(公告)号:CN115376308A
公开(公告)日:2022-11-22
申请号:CN202210589772.8
申请日:2022-05-26
Applicant: 南京工程学院
Abstract: 本发明公开了一种汽车行驶时间的预测方法,通过建立基于LSTM‑GAN模型来预测未来时间段内不同道路上的交通速度,根据预测的交通速度,将道路分成速度不同的路段,以及不同的路段的速度对应的时间段,根据不同路段的速度以及对应的时间段从而计算出汽车到达目的地需要的总行驶时间;模型包括生成器与鉴别器;生成器捕获交通流数据的时空特性输出初预测的交通速度数据至鉴别器;鉴别器同时输入对应的实际的交通流数据用以学习两者潜在交通流数据的特征向量,最后利用特征向量构建分类模型,并且判断输入的初预测的交通流数据的真假,并且输出判断为真的初预测的交通流数据作为预测的交通流数据。本发明能够提高预测精度。
-
-
-