道路建管养运一体化智能决策方法、系统及可存储介质

    公开(公告)号:CN115860493A

    公开(公告)日:2023-03-28

    申请号:CN202211593023.9

    申请日:2022-12-13

    Applicant: 同济大学

    Abstract: 本发明公开了一种道路建管养运一体化智能决策方法、系统及可存储介质,涉及道路养护领域。包括:利用遥感以及传感器采集道路建设、管理、养护、运营各个环节中的道路数据,并利用所述道路数据建立道路数据库;将道路数据库中的数据分为样本数据和测试数据,将所述样本数据输入到BP神经网络中,对BP神经网络进行训练;当BP神经网络训练的权重达到预设权重阈值后,利用测试数据对BP神经网络进行测试,测试结果达到预设结果阈值后,得到道路全寿命周期分析模型;利用所述道路全寿命周期分析模型对待检测道路的数据进行分析,并做出道路养护决策。通过本方法能够较为准确地发现影响路面使用性能存在的潜在风险,并及时快速的做出养护决策。

    一种沥青路面性能预测模型自适应回归方法及系统

    公开(公告)号:CN119939532A

    公开(公告)日:2025-05-06

    申请号:CN202510011522.X

    申请日:2025-01-04

    Applicant: 同济大学

    Abstract: 本发明公开了一种沥青路面性能预测模型自适应回归方法及系统,涉及路面养护管理技术领域,包括:对路面性能检测数据进行分类;确定路面性能指标的预测模型基本形式;对预测模型基本形式进行参数值区间设置;获取连续衰变的检测数据切片,并根据预测模型形式计算相对路龄;对于若干组包含不同参数组合的预测方程形式,进行网格搜索,使用最小二乘法得到最优的回归参数,进行预测模型自适应回归。本发明简化了传统路龄修正的复杂性,回归全过程都实现了自动计算,从而提高了计算效率;预测效果准,采用不同的回归模型形式分别对五项常用的路面性能指标进行预测,能够精准反映路面性能的变化趋势;适用于不同交通荷载、不同路面结构的路段。

    一种基于梯度余弦相似性和差分隐私的通信高效联邦学习方法

    公开(公告)号:CN119089980A

    公开(公告)日:2024-12-06

    申请号:CN202411138937.5

    申请日:2024-08-19

    Applicant: 同济大学

    Abstract: 本发明涉及分布式机器学习技术和隐私计算技术,提出了一种基于梯度余弦相似性和差分隐私的通信高效联邦学习方法。本发明方法在每个用户端定义了一个局部累积梯度用于反映用户本地的数据分布,并在上传给服务器的过程中引入差分隐私技术为用户提供隐私保护;在服务器端定义了一个伪全局梯度,用于指示最新的全局模型更新方向从而反映全局的数据分布。基于上述两个实时更新的梯度之间的余弦相似性,采用一种自适应加权聚合策略用于加速联邦模型的收敛,提高联邦训练的通信效率。

Patent Agency Ranking