公开(公告)号：CN114170789A

公开(公告)日：2022-03-11

申请号：CN202111222534.5

申请日：2021-10-20

Applicant: 南京理工大学

Inventor： 何赏璐 ,  罗开杰 ,  叶茂 ,  郭孝洁 ,  詹毓超 ,  朱吕恺

IPC: G08G1/01 ,  G06N3/04 ,  G06K9/62 ,  G06F30/27

Abstract: 本发明涉及一种基于时空图神经网络的智能网联车换道决策建模方法,属于智能网联汽车控制技术领域，包括步骤获取车辆轨迹与运动参数的历史数据并生成特征向量；构建关联车辆的图结构并生成与图结构对应的图数据；构建时空图神经网络模型；对时空图神经网络模型进行训练和优化；利用模型进行实际换道决策。本发明引入图注意力单元，使得在车辆进行换道决策时，能够着重关注空间上对换道决策有重大影响的周围车辆状态，降低对其他非重要车辆的关注；同时引入门控循环单元，在车辆进行换道决策时，丢弃时间上重复且非重要信息数据，根据重要信息数据进行决策，从而有效提升决策效率。

公开(公告)号：CN114170789B

公开(公告)日：2023-06-20

申请号：CN202111222534.5

申请日：2021-10-20

Applicant: 南京理工大学

Inventor： 何赏璐 ,  罗开杰 ,  叶茂 ,  郭孝洁 ,  詹毓超 ,  朱吕恺

IPC: G08G1/01 ,  G06F18/214 ,  G06N3/0464 ,  G06F30/27

Abstract: 本发明涉及一种基于时空图神经网络的智能网联车换道决策建模方法,属于智能网联汽车控制技术领域，包括步骤获取车辆轨迹与运动参数的历史数据并生成特征向量；构建关联车辆的图结构并生成与图结构对应的图数据；构建时空图神经网络模型；对时空图神经网络模型进行训练和优化；利用模型进行实际换道决策。本发明引入图注意力单元，使得在车辆进行换道决策时，能够着重关注空间上对换道决策有重大影响的周围车辆状态，降低对其他非重要车辆的关注；同时引入门控循环单元，在车辆进行换道决策时，丢弃时间上重复且非重要信息数据，根据重要信息数据进行决策，从而有效提升决策效率。

公开(公告)号：CN116843081A

公开(公告)日：2023-10-03

申请号：CN202310863732.2

申请日：2023-07-13

Applicant: 南京理工大学

Inventor： 叶茂 ,  詹毓超 ,  黄文龙 ,  黄致诚 ,  卢缤程 ,  朱吕恺

IPC: G06Q10/04 ,  G06Q10/0631 ,  G06Q50/30 ,  G06N3/126

Abstract: 本发明涉及一种面向直通运营的列车开行方案设计方法，该面向直通运营的列车开行方案设计方法统包括以下步骤：以旅客出行时间最小和列车平均荷载利用率最高为目标，满足直通区段通过能力约束、列车数量约束、列车满载率约束以及发车频率的整数约束，构建直通运营的列车开行方案优化模型；求解所述直通运营的列车开行方案优化模型，得到列车开行方案，以此满足运营商及旅客的多元化需求，提高服务水平，同时实现了运力的跨线精准投放，降低了运营成本，并带来了较大经济效益。

公开(公告)号：CN115293743A

公开(公告)日：2022-11-04

申请号：CN202210998207.7

申请日：2022-08-19

Applicant: 南京理工大学

Inventor： 叶茂 ,  武彦希 ,  芦永玖 ,  郭孝洁 ,  朱吕恺 ,  卢缤程

IPC: G06Q10/10 ,  G06Q50/30 ,  G06V10/762

Abstract: 本发明公开了一种基于FCM聚类算法的轨道交通运营时段划分方法、设备及存储介质，该划分方法首先对线路运营时间内城市轨道交通的历史数据进行采样，并以设定的时间粒度将历史数据进行划分，在获得目标数据集后计算客流分析指标，再通过筛查选出对客流高峰影响较大的客流分析指标，随即采用FCM模糊聚类算法进行聚类，将去模糊化的聚类结果作为运营时段划分的边界点，最后得到最优的运营时段划分方案，以此可以更有效的反应客流实际的变化规律，解决现有的运营时段划分方法主观性强且精度不高的问题。

公开(公告)号：CN118536661A

公开(公告)日：2024-08-23

申请号：CN202410644497.4

申请日：2024-05-23

Applicant: 南京理工大学

Inventor： 叶茂 ,  朱吕恺 ,  王天一 ,  冯启浩 ,  黄润琰 ,  孙康宁

IPC: G06Q10/04 ,  G06Q50/40 ,  G06N3/0442 ,  G06N3/045 ,  G06N3/0464 ,  G06F18/15 ,  G06F18/22

Abstract: 本发明涉及一种大型活动期间城市轨道交通站点短时客流预测方法，包括获取城市轨道交通进出站客流数据；基于轨道交通站点编号和设定的时间间隔对所述进出站客流数据进行统计，获取分时客流；对活动时间进行onehot编码获得活动编码，将客流数据与活动编码按照时间拼接并进行归一化处理获得历史数据矩阵；基于卷积神经网络、注意力机制和长短期记忆神经网络构建大型活动短时客流预测模型；利用短时客流预测模型，预测目标时段客流。本发明通过相似性度量剔除冗余数据提高模型处理效率；利用多步预测方法既提高了模型预测精度又拓宽了预测时间跨度；利用CNN‑ATTENTION‑LSTM结构对客流数据进行特征提取、特征学习以及选择性关注方面的处理，提高了预测精度。