-
公开(公告)号：CN116704796A
公开(公告)日：2023-09-05
申请号：CN202310338203.0
申请日：2023-03-31
Applicant: 同济大学
IPC: G08G1/0962 , G08G1/01
Abstract: 本发明涉及一种智能网联汽车低碳绿色车速引导方法，在智能网联车辆和普通车辆混合交通流场景下，收集车路协同应用数据处理得到车辆的当前车速、距离停止线的距离、车辆所在的进口道和车道、相位配时信息、当前灯色及剩余时长等参数，在不调整交通信号灯的前提下，计算智能网联汽车的速度，将车速引导信息发布给智能网联车辆，实现车辆在交叉口不停车、少停车、渐变速、低油耗和低排放，控制智能网联车辆来调整整体交通流的运行状况。与现有技术相比，本发明针对交叉口全局引导，考虑多目标，降低排放同时优化交通效率；且本发明可解决混合流环境下的车速引导，算法计算速度快；同时本发明可推广性强，算法所需参数较少，无需参数校正，可推广应用其他信号控制交叉口。
-
Patent Agency Ranking
公开(公告)号：CN116704796B
公开(公告)日：2025-01-24
申请号：CN202310338203.0
申请日：2023-03-31
Applicant: 同济大学
IPC: G08G1/0962 , G08G1/01
Abstract: 本发明涉及一种智能网联汽车低碳绿色车速引导方法，在智能网联车辆和普通车辆混合交通流场景下，收集车路协同应用数据处理得到车辆的当前车速、距离停止线的距离、车辆所在的进口道和车道、相位配时信息、当前灯色及剩余时长等参数，在不调整交通信号灯的前提下，计算智能网联汽车的速度，将车速引导信息发布给智能网联车辆，实现车辆在交叉口不停车、少停车、渐变速、低油耗和低排放，控制智能网联车辆来调整整体交通流的运行状况。与现有技术相比，本发明针对交叉口全局引导，考虑多目标，降低排放同时优化交通效率；且本发明可解决混合流环境下的车速引导，算法计算速度快；同时本发明可推广性强，算法所需参数较少，无需参数校正，可推广应用其他信号控制交叉口。
-
公开(公告)号：CN109410529A
公开(公告)日：2019-03-01
申请号：CN201811268209.0
申请日：2018-10-29
Applicant: 同济大学
Abstract: 本发明涉及一种便携式车用生命体安全监视装置及监视方法，其中装置包括：姿态传感器，用于检测车辆运动状态；活体检测模块，用于检测车内是否存在生命体；一氧化碳浓度传感器，用于检测车内一氧化碳浓度；温湿度传感器，用于检测车内的温湿度；电源模块，用于供电；报警模块，用于报警；处理器，分别与姿态传感器、活体检测模块、一氧化碳浓度传感器、温湿度传感器、报警模块和电源模块连接，用于控制各部分工作。与现有技术相比，本发明独立于车辆，可拆卸地安装于车辆上，安装方便，市场接受度高。
-
公开(公告)号：CN119783915B
公开(公告)日：2025-05-13
申请号：CN202510272065.X
申请日：2025-03-10
Applicant: 同济大学
IPC: G06Q10/04 , G06Q10/0631 , G06Q50/47 , G06F18/213
Abstract: 本发明涉及一种基于端到端预测的网约车辆调度优化方法、设备及存储介质，方法步骤包括：根据子区域和时间片划分，构建基于历史供需特征和时空特征的供需预测模型，得到各子区域每个时间片的网约车发单数和司机数；以各子区域和时间片的发单数与初始司机数为未知参数，最大化平台总交易额为优化目标构建车辆调度优化模型，输出车辆调度方案；并采用以决策遗憾值最小为目标的损失函数，根据最优解违反约束的程度设置惩罚项，利用零阶估计对损失函数关于预测参数的梯度进行估计，返回预测模型实现端到端训练。与现有技术相比，本发明通过将预测模型的训练与调度的决策目标进行耦合，实现了预测模型和优化模型的端到端建模，提高调度决策收益。
-
公开(公告)号：CN119783915A
公开(公告)日：2025-04-08
申请号：CN202510272065.X
申请日：2025-03-10
Applicant: 同济大学
IPC: G06Q10/04 , G06Q10/0631 , G06Q50/47 , G06F18/213
Abstract: 本发明涉及一种基于端到端预测的网约车辆调度优化方法、设备及存储介质，方法步骤包括：根据子区域和时间片划分，构建基于历史供需特征和时空特征的供需预测模型，得到各子区域每个时间片的网约车发单数和司机数；以各子区域和时间片的发单数与初始司机数为未知参数，最大化平台总交易额为优化目标构建车辆调度优化模型，输出车辆调度方案；并采用以决策遗憾值最小为目标的损失函数，根据最优解违反约束的程度设置惩罚项，利用零阶估计对损失函数关于预测参数的梯度进行估计，返回预测模型实现端到端训练。与现有技术相比，本发明通过将预测模型的训练与调度的决策目标进行耦合，实现了预测模型和优化模型的端到端建模，提高调度决策收益。
-
公开(公告)号：CN110781758A
公开(公告)日：2020-02-11
申请号：CN201910934442.6
申请日：2019-09-29
Applicant: 同济大学
Abstract: 本发明涉及一种受电弓结构异常动态视频监测方法及装置，其中方法包括：步骤S1：获取训练集监控视频，提取受电弓图片，识别出受电弓和受电弓支架，并根据识别出的受电弓和受电弓支架标记各受电弓图片；步骤S2：将标记好的受电弓图片作为训练集数据，建立并训练SSD目标检测模型；步骤S3：采集受电弓监控视频，并基于采集的受电弓监控视频提取受电弓图片，并将得到的受电弓图片输入训练好的SSD目标检测模型得到检测结果。与现有技术相比，本发明提高了检测的泛化性和稳定性。
-
-
-
-
-
Search Results
6
records
(took 0.016 seconds)
