-
公开(公告)号：CN119694115A
公开(公告)日：2025-03-25
申请号：CN202411796187.0
申请日：2024-12-09
Applicant: 同济大学
Abstract: 本发明涉及一种基于推荐系统的单点交叉口信号控制参数优化方法，包括以下步骤：获取待优化单点交叉口的实时交通数据，输入推荐系统，识别对应的最相似历史场景，计算效益成本比值，据此诊断需要调整的单点交叉口信号控制参数，并生成相应的优化方案；其中，所述推荐系统的构建过程具体如下：S101、获取历史交通数据，构建初始多维矩阵，所述初始多维矩阵中的元素表示在特定信号控制方案下，特定交通场景的最大车均延误值；S102、采用BiasSVD算法对所述初始多维矩阵中的未覆盖交通场景进行补全，生成密集矩阵；S103、根据所述密集矩阵构建推荐系统。与现有技术相比，本发明可以自动诊断存在问题的交叉口信号控制参数，并提供相应的修改指导。
-
公开(公告)号：CN115798192B
公开(公告)日：2025-03-21
申请号：CN202211345681.6
申请日：2022-10-31
Applicant: 同济大学
Abstract: 本发明涉及一种基于多截面电警数据的道路排队分布估计方法，包括以下步骤：步骤1)通过电警设备获取得到上、下游交叉口各流向车辆通过停车线的时间戳信息；步骤2)设置上游交叉口虚拟截面，基于电警设备所捕获的数据重构上游交叉口虚拟截面的累计车辆到达曲线，并计算下游交叉口的累计车辆离去曲线；步骤3)考虑车辆自由流行程时间的分布情况，分别针对固定行程时间场景、可变行程时间场景的假设，计算得到下游交叉口的车辆虚拟离去曲线，通过分析上游交叉口虚拟截面的累计车辆到达曲线、下游交叉口的累计车辆离去曲线、下游交叉口的车辆虚拟离去曲线之间的关系，还原路段的排队分布。与现有技术相比，本发明具有估计更为精确等优点。
-
公开(公告)号：CN117315960A
公开(公告)日：2023-12-29
申请号：CN202311262327.1
申请日：2023-09-27
Applicant: 同济大学
Abstract: 本发明涉及一种基于改进深度Q网络的信号交叉口自适应控制方法，包括以下步骤：获得交叉口环境中的过车数据，并计算实时的车辆的排队信息；基于所述排队信息定义交叉口信号控制智能体，包括动作空间、状态空间和奖励函数，其中，所述动作空间中设置最小绿灯时长约束，利用最大排队原则构建状态空间，所述奖励函数通过预测排队车辆数量进行构建；基于深度Q网络在线学习并存储所述智能体与交叉口环境的交互策略；从所述交互策略中选择智能体的最优行为策略并执行，以实现交通信号控制。与现有技术相比，本发明具有增强鲁棒性、降低车辆的平均延误，提高交叉口的通行效率等优点。
-
公开(公告)号：CN113240902B
公开(公告)日：2022-06-07
申请号：CN202110319665.9
申请日：2021-03-25
Applicant: 同济大学
IPC: G08G1/01
Abstract: 本发明涉及一种基于抽样车辆轨迹数据的信控路网路径流量估计方法，包括以下步骤：1)根据路网中的抽样车辆轨迹数据获取流向流量的先验矩阵2)根据路网中抽样的路径流量得到各路径的流量先验估计值，并构建路径流量的先验矩阵3)构建以路径流量和流向流量的误差最小化为目标的广义最小二乘模型，通过梯度搜索算法求解模型得到最优的路径流量估计值。与现有技术相比，本发明具有纯轨迹数据输入、假设条件少、适用性广等优点。
-
公开(公告)号：CN112201037B
公开(公告)日：2021-09-03
申请号：CN202011034703.8
申请日：2020-09-27
Applicant: 同济大学
Abstract: 本发明涉及一种基于抽样轨迹数据的交叉口到达率估计方法，包括以下步骤：1)获取抽样车辆轨迹数据，并将排队轨迹间的到达率预处理成到初始到达率矩阵；2)根据初始到达率矩阵，通过奇异值阈值算法对初始到达率矩阵中的空值进行填充得到填充后的到达率矩阵；3)对填充后的到达率矩阵进行修正和修补后得到最终的到达率矩阵，对每个周期的到达率向量进行累加乘以单位时间间隔的长度得到每个周期的流量。与现有技术相比，本发明具有一般性强、拓展性好、适用性广等优点。
-
Patent Agency Ranking
公开(公告)号：CN113129605A
公开(公告)日：2021-07-16
申请号：CN202110312433.0
申请日：2021-03-24
Applicant: 同济大学
Abstract: 本发明涉及一种基于电子警察数据的交叉口车道排队长度估计方法，包括以下步骤：1)对电子警察数据进行预处理，获取各车辆的绿灯期间通过停车线时刻和车头时距序列；2)假设处理后电子警察数据隶属于排队车辆和非排队车辆两个分布，建立高斯混合模型；3)采用期望最大化算法求解高斯混合模型的参数；4)依据高斯混合模型结果判别周期内各车辆是否排队，并根据最后一辆排队车辆确定车道排队长度。与现有技术相比，本发明具有无需上游电子警察、纯数据驱动、估计精度高、鲁棒性好等优点。
-
公开(公告)号：CN112201061A
公开(公告)日：2021-01-08
申请号：CN202011034716.5
申请日：2020-09-27
Applicant: 同济大学
Abstract: 本发明涉及一种基于电警卡口数据的交叉口配时方案估计方法，包括以下步骤：1)构建交叉口配时方案估计的双层规划问题模型；2)获取周期长度、相位差以及绿信比估计的约束条件；3)针对受控流向所有可能的相位组合，定义表征直行流向和左转流向绿灯时间的启亮顺序和绿灯长度关系的哑变量，获得相位结构的约束条件；4)结合周期长度、相位差、相位结构和绿信比估计的约束条件，采用最小二乘法求解交叉口配时方案估计的双层规划问题，得到最终估计的配时方案。与现有技术相比，本发明具有全参数估计、估计精度高、适用性广等优点。
-
公开(公告)号：CN112201041A
公开(公告)日：2021-01-08
申请号：CN202011057740.0
申请日：2020-09-29
Applicant: 同济大学
Abstract: 本发明涉及一种融合电警数据和抽样轨迹数据的干道路径流量估计方法，包括以下步骤：1)获取干道上的抽样轨迹数据和干道两端交叉口的电警数据，将干道路径分为三类：第一类为路径信息完全已知的车辆路径，第二类为部分信息已知的车辆路径，第三类为路径信息完全未知的车辆路径；2)估计电警漏检率和抽样轨迹数据渗透率；3)建立粒子滤波模型，从微观层面重构第二类和第三类车辆路径并得到路径流量；4)建立广义最小二乘模型，从宏观层面估计第二类和第三类车辆路径的路径流量；5)构建混合模型，对粒子滤波子模型和广义最小二乘子模型进行迭代优化，得到最优估计值。与现有技术相比，本发明具有场景要求低、有效性高、适用性广等优点。
-
公开(公告)号：CN112201036A
公开(公告)日：2021-01-08
申请号：CN202011026285.8
申请日：2020-09-25
Applicant: 同济大学
Abstract: 本发明涉及一种基于Inception‑CNN的城市快速路行程速度短时预测方法，该方法包括：训练阶段：(A1)构建历史的断面级行程速度信息时空矩阵，组建训练样本；(A2)构建Inception‑CNN深度神经网络模型，模型输入为历史时间段的断面级行程速度信息时空矩阵，模型输出为未来短时时间段的断面级行程速度信息时空矩阵；(A3)基于训练样本对模型进行训练；预测阶段：(B1)构建实时的断面级行程速度信息时空矩阵；(B2)将实时的断面级行程速度信息时空矩阵输入至训练好的模型，完成行程速度短时预测。与现有技术相比，本发明能有效学习具有不同尺度、影响范围的交通拥堵与交通事件模式，预测精度高。
-
公开(公告)号：CN109544916A
公开(公告)日：2019-03-29
申请号：CN201811331943.7
申请日：2018-11-09
Applicant: 同济大学
IPC: G08G1/01
Abstract: 本发明涉及一种基于抽样轨迹数据的路网车辆OD估计方法，包括以下步骤：1)将抽样车辆轨迹数据预处理为轨迹向量，并构建先验路段流量矩阵和路段行程时间矩阵，计算得到先验OD矩阵；2)集计抽样车辆的路径选择比例作为全路网分配矩阵，通过估计得到路段流量与路段行程时间标定各路段BPR函数；3)扩展广义最小二乘框架，将OD、路段流量与路段行程时间同时作为决策变量，以交通分配关系与BPR函数作为约束条件，通过梯度下降法对优化模型进行求解。与现有技术相比，本发明具有单源数据、估计结果可靠、动态估计、适用性好等优点。
-
-
-
-
-
-
-
-
-
Search Results
93
records
(took 0.023 seconds)
