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

    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

    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。

    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

    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

    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。

    一种基于车联网环境下的驾驶员个性化纵向避险行为预测方法

    公开(公告)号:CN118349802A

    公开(公告)日:2024-07-16

    申请号:CN202410526754.4

    申请日:2024-04-29

    Abstract: 本发明涉及驾驶行为预测技术领域,尤其是涉及一种基于车联网环境下的驾驶员个性化纵向避险行为预测方法,包括以下步骤:获取自然驾驶数据集,并进行预处理;计算冲突判别指标用以识别全部冲突事件,提取每起冲突事件设定时间内的驾驶数据,并整理成交通冲突事件数据集;选择驾驶员减速程度和刹车时长作为驾驶员在冲突时避险行为的度量指标,并将所述度量指标作为因变量;选取避险行为影响因素,将其作为自变量;根据所述自变量训练得到回归预测模型,确定需要保留的自变量;向所述回归预测模型中输入待识别的自变量,输出得到预测的因变量。与现有技术相比,本发明刻画出了个体异质性,能够提升驾驶员对辅助系统的主观信任度和驾驶体验。

    一种基于轨迹数据的干线交叉口协调控制方法

    公开(公告)号:CN110175692B

    公开(公告)日:2023-05-02

    申请号:CN201910304256.4

    申请日:2019-04-16

    Applicant: 同济大学

    Inventor: 马万经 黄望月

    Abstract: 本发明涉及一种基于轨迹数据的干线交叉口协调控制方法,该方法采集干线交叉口车辆运行数据,分析获得车辆轨迹与相位差之间的关系,考虑交叉口排队影响因素,建立以协调车流总延误最小为目标的相位差优化模型,获得最优相位差方案,根据该最优相位差方案实现干线交叉口协调控制。与现有技术相比,本发明使用轨迹数据建立干线协调相位差优化模型,避免了固定检测数据在交通信号控制优化中存在的精度低、空间覆盖不足等问题,并进一步考虑了交叉口原始排队情况对协调效益的影响,更符合整条干线车流的实际运行情况,相比传统方法能够有效降低干线协调车流延误,提升干线协调效益。

    一种快速路拥堵风险分级实时预测方法

    公开(公告)号:CN113327418B

    公开(公告)日:2022-10-25

    申请号:CN202110600439.8

    申请日:2021-05-31

    Applicant: 同济大学

    Abstract: 本发明涉及一种快速路拥堵风险分级实时预测方法,包括以下步骤:1)根据目标快速路的道路几何数据划分目标快速路的路段单元;2)根据各路段单元的交通流历史数据获取目标路段的自由流速度;3)计算道路交通指数,并据此划分各路段单元的拥堵等级;4)根据拥堵等级、道路几何数据、交通流数据和天气数据进行变量筛选后构建拥堵风险实时预测模型,并进行拥堵风险概率预测;5)根据拥堵风险概率预测结果判断是否需要采取交通管控措施,若是则采取相应管控措施,实现动态调节,否则返回步骤4)。与现有技术相比,本发明将拥堵程度分级,并充分考虑了各拥堵等级之间的序列性关系,具有准确度高、可解释性佳、可用性强等优点。

    一种智能网联环境下的安全致因影响范围获取方法

    公开(公告)号:CN115083146A

    公开(公告)日:2022-09-20

    申请号:CN202210455990.2

    申请日:2022-04-27

    Applicant: 同济大学

    Abstract: 本发明涉及一种智能网联环境下的安全致因影响范围获取方法,该方法包括以下步骤:步骤1:将少量车辆轨迹数据基于道路交通指数划分为不同的交通状态;步骤2:基于少数轨迹数据获取影响交通安全的冲突风险和安全致因;步骤3:基于冲突风险和安全致因的时空数据构建时空参数表;步骤4:计算一定时空区间各个时空窗下的安全致因与目标时空窗冲突风险的皮尔逊相关系数,将计算的皮尔逊相关系数进行显著性检验分析,以验证皮尔逊相关系数的显著性;步骤5:基于步骤4的分析结果提取安全致因的时空影响范围。与现有技术相比,本发明具有避免固定时空范围方法中忽略安全致因异质性的问题以及能够更精确地分析冲突影响的机理等优点。

    一种面向纯网联环境的单点交叉口车辆控制方法

    公开(公告)号:CN113593225B

    公开(公告)日:2022-09-06

    申请号:CN202110825811.5

    申请日:2021-07-21

    Applicant: 同济大学

    Abstract: 本发明涉及一种面向纯网联环境的单点交叉口车辆控制方法,具体包括以下步骤:S1、采集网联自动驾驶车辆在交叉口控制区域内的物理状态信息;S2、确定车辆端的加速度策略以及车道策略的选择范围;S3、建立个体车辆的收益;S4、建立车辆群体的联盟特征函数;S5、基于合作博弈理论建立交叉口网联自动驾驶车辆协同驾驶模型;S6、计算得到车辆群体的最优行驶策略组合,并发送至对应的车辆端;S7、车辆端根据接收到的最优行驶策略发送控制指令调整驾驶行为。与现有技术相比,本发明具有有效提高车辆群体在安全性、效率和舒适性方面的综合收益,切实为网联自动驾驶车辆通过交叉口过程提供决策性建议等优点。

    一种基于储备通行能力的热点片区交通组织控制协同方法

    公开(公告)号:CN113781768A

    公开(公告)日:2021-12-10

    申请号:CN202110908433.7

    申请日:2021-08-09

    Applicant: 同济大学

    Abstract: 本发明涉及一种基于储备通行能力的热点片区交通组织控制协同方法,包括以下步骤:1)采集热点片区道路网络基础交通数据,构建热点片区路网描述性集合;2)基于热点片区路网运行效益最大化,建立交通组织控制协同优化模型,实现对路段及交叉口各车道方向、功能和信号配时的协同优化;3)采用启发式算法求解交通组织控制协同优化模型,生成针对性的热点片区交通组织控制组合优化方案。与现有技术相比,本发明具有采用双层协同优化模型协同优化、提高整体运行效率、时空资源充分挖掘和有效利用等优点。

    一种混合交通流环境下自动驾驶专用道交叉口控制方法

    公开(公告)号:CN113593226A

    公开(公告)日:2021-11-02

    申请号:CN202110830537.0

    申请日:2021-07-22

    Applicant: 同济大学

    Abstract: 本发明涉及一种混合交通流环境下自动驾驶专用道交叉口控制方法,混合交通流包括网联自动驾驶车辆和普通车,控制方法具体包括以下步骤:S1、在交叉口的每个进道口中增设网联自动驾驶车的网联车专用通道;S2、将增加网联车专用通道后的交叉口信息输入交叉口优化模型,对交叉口控制信息进行协同优化,输出交叉口控制优化信息;S3、实时采集普通车和网联自动驾驶车的到达信息,根据到达信息,通过滚动时域优化方法对交叉口优化模型进行模型优化,转至步骤S2。与现有技术相比,本发明具有在保证交叉口安全的同时,有效提升交叉口通行效率,并且求解方法简单迅速等优点。

Patent Agency Ranking