公开(公告)号：CN118015832A

公开(公告)日：2024-05-10

申请号：CN202410155340.5

申请日：2024-02-04

Applicant: 哈尔滨工业大学

Inventor： 慈玉生 ,  高雪溢 ,  李浩文

IPC: G08G1/01 ,  G08G1/065 ,  G08G1/048 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/08 ,  G06Q10/04

Abstract: 本发明公开了一种不利天气条件下的交通量预测方法，包括：基于原始交通量数据和原始天气数据，构建三维数据集；基于所述三维数据集对预设神经网络模型进行训练，获取不利天气条件下的交通量预测模型；其中，所述预设神经网络模型包括：卷积神经网络模块用于提取交通量数据的空间特征，并学习交通量数据与各天气因素数据之间的相关性特征；双向长短时记忆神经网络模块用于获取交通量数据的时间特征；注意力机制模块用于捕捉前两个模块输出特征的时‑空不均匀性，使模型在训练过程中更加关注有益于预测精度的关键特征；利用所述交通量预测模型，进行不利天气条件下交通量的预测。本发明在不利天气条件下具有更优的预测精度。

公开(公告)号：CN114067597A

公开(公告)日：2022-02-18

申请号：CN202111360293.0

申请日：2021-11-17

Applicant: 哈尔滨工业大学

Inventor： 慈玉生 ,  吴丽娜 ,  李浩文 ,  吴海龙

IPC: G08G1/123 ,  G06N3/08

Abstract: 本发明公开一种基于强化学习的不同合乘意愿下出租车调度方法，包括以下步骤：通过历史数据预测下一时段车辆需求数，得到预测数据，基于所述预测数据对车辆进行提前调度，得到提前调度的车辆数据；基于强化学习的方法采用区域栅格化构建车辆调度模型；基于提前调度的车辆数据和客户的意愿信息，构建乘客合乘模型；通过所述车辆调度模型和所述乘客合乘模型，得到车辆调度结果。该方案提出了基于强化学习方法的，考虑不同合乘意愿的出租车调度策略，解决了传统出租车调度方法中存在的调度滞后性问题，引入出租车预测部分进行提前调度，采用强化学习的方法提高了模型的精度。

公开(公告)号：CN114067597B

公开(公告)日：2023-01-31

申请号：CN202111360293.0

申请日：2021-11-17

Applicant: 哈尔滨工业大学

Inventor： 慈玉生 ,  吴丽娜 ,  李浩文 ,  吴海龙

IPC: G08G1/123 ,  G06N3/08

Abstract: 本发明公开一种基于强化学习的不同合乘意愿下出租车调度方法，包括以下步骤：通过历史数据预测下一时段车辆需求数，得到预测数据，基于所述预测数据对车辆进行提前调度，得到提前调度的车辆数据；基于强化学习的方法采用区域栅格化构建车辆调度模型；基于提前调度的车辆数据和客户的意愿信息，构建乘客合乘模型；通过所述车辆调度模型和所述乘客合乘模型，得到车辆调度结果。该方案提出了基于强化学习方法的，考虑不同合乘意愿的出租车调度策略，解决了传统出租车调度方法中存在的调度滞后性问题，引入出租车预测部分进行提前调度，采用强化学习的方法提高了模型的精度。