一种基于数字孪生的信号交叉口自适应控制方法

    公开(公告)号:CN117423244B

    公开(公告)日:2025-01-24

    申请号:CN202311379616.X

    申请日:2023-10-23

    Applicant: 同济大学

    Abstract: 本发明涉及一种基于数字孪生的信号交叉口自适应控制方法,包括以下步骤:每个周期结束前,基于改进的元胞传输模型组建信号控制交叉口的数字孪生体,在现实环境中划定相应的虚拟网格,获取各网格内的网联车状态数据;根据网联车状态数据主动校准虚拟交叉口中元胞传输模型的参数;在有限的裕度时间内,采用方案搜索算法生成多个备选信号配时方案,并评价方案的控制效果以选择最优方案;对实际交叉口实施最优控制方案后,信号交叉口自适应控制进入下一周期的虚拟交叉口更新、自校准与信号控制优化过程。与现有技术相比,本发明考虑了数字孪生模型与真实交通环境在非理想条件下的虚实同步问题,具有闭环控制、优化高效、拓展性强和适用性广等优点。

    一种基于自适应多阶图神经网络的突发扰动交通预测方法

    公开(公告)号:CN119049279A

    公开(公告)日:2024-11-29

    申请号:CN202411131512.1

    申请日:2024-08-18

    Applicant: 同济大学

    Abstract: 本发明涉及突发扰动影响下的智能交通领域,提出了一种基于自适应多阶图神经网络的突发扰动交通预测方法,包含四个步骤:步骤1:基于原始的输入交通数据生成多阶交通图;步骤2:设计多尺度时序模块用于提取多阶交通图的多尺度时间特征;步骤3:设计多阶图交叉学习模块用于捕捉多尺度时间特征的多阶空间依赖;步骤4:对多阶空间依赖进行解码,生成交通预测结果。本发明解决了当前交通预测方法在突发扰动应用场景下的三大主要问题:缺乏多尺度时间依赖建模、无法建模多阶空间依赖、及预测迟滞,通过自适应和多尺度方法,有效提升了交通预测的及时性和准确性,特别适用于突发扰动场景下的交通管理。

    基于扩散概率模型数据重建的交通韧性评估方法

    公开(公告)号:CN117765718A

    公开(公告)日:2024-03-26

    申请号:CN202311501863.2

    申请日:2023-11-13

    Applicant: 同济大学

    Abstract: 本申请属于智能交通领域,提出了基于扩散概率模型数据重建的交通韧性评估方法,包括步骤:步骤1:基于扩散概率模型对原始韧性指标数据进行重建;步骤2:协同利用原始韧性指标数据与重建数据进行韧性指标预测;步骤3:建立基于最短路径概念的、兼顾功能韧性与结构韧性的综合韧性评估算法,实现具有实时性和一定预测性的城市交通路网韧性评估。本发明可以有效判断交通系统在低概率突发事件影响下的性能,实现多粒度、全面且动态的交通韧性评估,并指导决策用以增强城市路网交通系统对突发事件的抵抗、恢复及适应能力。

    基于神经注意受控微分方程的城市交通路网韧性评估方法

    公开(公告)号:CN117334043A

    公开(公告)日:2024-01-02

    申请号:CN202311273726.8

    申请日:2023-09-28

    Applicant: 同济大学

    Abstract: 本发明涉及智能交通领域,提出了基于神经注意受控微分方程的城市交通路网韧性评估方法,包含三个步骤:步骤1:基于原始交通速度数据进行功能性指标预测;步骤2:基于原始交通速度数据进行结构性指标计算;步骤3:融合功能及结构指标构建综合评价指标体系,并结合多指标韧性评估算法实现城市交通路网韧性评估。本发明继承了神经受控微分方程训练时高效的内存利用率、处理缺失观测值的鲁棒性,又展示了处理长时间突变抖动信号的特殊优势,对时序数据趋势特征尤为敏感,能够胜任于建模动态长时间交通速度数据预测。此外,所设计的综合韧性评价指标体系及多指标韧性评估算法能够实现城市交通路网韧性的精准评估。

    一种基于融合图卷积门控神经微分方程的偶发性交通异常检测方法

    公开(公告)号:CN119152682A

    公开(公告)日:2024-12-17

    申请号:CN202411374860.1

    申请日:2024-09-29

    Applicant: 同济大学

    Abstract: 本发明属于智能交通领域,针对交通偶发性异常问题提出一种基于融合图卷积门控神经微分方程的偶发性交通异常检测方法。包括以下步骤:步骤1、基于数据集时间周期信息生成时间嵌入,节点的空间信息生成空间嵌入以及邻近的历史信息生成历史信息嵌入,拼接之后得到异质性的节点时空嵌入;等等。通过应用本发明提出的交通异常检测方法,城市交通管理部门可以更加高效地识别和应对突发交通事件,从而大幅提升城市交通系统的应变能力和适应性。本研究的成果将为未来的智能城市交通管理系统奠定坚实的基础,具有广泛的应用前景和重要的社会意义。

    一种基于路径的城市快速路走廊交通拥堵溯源方法

    公开(公告)号:CN116824851A

    公开(公告)日:2023-09-29

    申请号:CN202310780635.7

    申请日:2023-06-28

    Applicant: 同济大学

    Abstract: 本发明涉及一种基于路径的城市快速路走廊交通拥堵溯源方法,包括以下步骤:训练阶段:获取所需分析时段的各车道的行程速度和流量检测数据时间序列,构建所需分析时段的断面级行程速度和流量信息时空矩阵;基于所述断面级行程速度和流量信息时空矩阵,构建所需分析时段的路径交通状态张量;将所述路径交通状态张量输入至预先训练好的交通拥堵溯源模型,获得所需分析时段的各断面的拥堵关联性,并根据所述拥堵关联性挖掘出拥堵溯源。与现有技术相比,本发明建立完整的以路径为基本单元并考虑上下游交通状态传播规律的城市快速路走廊交通拥堵溯源方法,具有重要的现实意义。

    一种基于社区检测的大规模微观交通并行仿真方法

    公开(公告)号:CN119740388A

    公开(公告)日:2025-04-01

    申请号:CN202411903021.4

    申请日:2024-12-23

    Applicant: 同济大学

    Abstract: 本发明涉及一种基于社区检测的大规模微观交通并行仿真方法,包括以下步骤:获取已有路网数据和路由数据;根据路网数据构建第一路网拓扑图,并进行连通性检测,清除其中的不连通分量,保留最大的子图作为第二路网拓扑图;根据路由数据,结合第二路网拓扑图计算车道权重,并进行非线性放大后赋予对应的边,得到第三路网拓扑图;基于第三路网拓扑图,利用改进Leiden社区检测实现社区划分和合并,得到社区划分结果;基于社区划分结果分配并行仿真计算任务,进行大规模微观交通仿真。与现有技术相比,本发明在保证高负载均衡和最小化通信开销的同时,显著减少了仿真任务的执行时间。

    一种基于路径的城市快速路走廊交通拥堵溯源方法

    公开(公告)号:CN116824851B

    公开(公告)日:2025-02-07

    申请号:CN202310780635.7

    申请日:2023-06-28

    Applicant: 同济大学

    Abstract: 本发明涉及一种基于路径的城市快速路走廊交通拥堵溯源方法,包括以下步骤:训练阶段:获取所需分析时段的各车道的行程速度和流量检测数据时间序列,构建所需分析时段的断面级行程速度和流量信息时空矩阵;基于所述断面级行程速度和流量信息时空矩阵,构建所需分析时段的路径交通状态张量;将所述路径交通状态张量输入至预先训练好的交通拥堵溯源模型,获得所需分析时段的各断面的拥堵关联性,并根据所述拥堵关联性挖掘出拥堵溯源。与现有技术相比,本发明建立完整的以路径为基本单元并考虑上下游交通状态传播规律的城市快速路走廊交通拥堵溯源方法,具有重要的现实意义。

    一种基于改进深度Q网络的信号交叉口自适应控制方法

    公开(公告)号:CN117315960B

    公开(公告)日:2025-01-24

    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。

Patent Agency Ranking