基于动态时空超图表示学习的城市峰时需求预测方法及系统

    公开(公告)号:CN118014135B

    公开(公告)日:2024-12-06

    申请号:CN202410153926.8

    申请日:2024-02-02

    Abstract: 本发明的基于动态时空超图表示学习的城市峰时需求预测方法,所述方法包括如下步骤:S1、搜集和清洗城市峰时OD需求预测数据;S2、构建时空动态加权超图;S3、构建城市峰时OD需求预测模型,完成城市峰时需求预测。本发明通过多维度的数据融合和特征化处理,实现了对城市交通流时空特性的深层次表征。与现有技术相比,本发明在捕捉和表示复杂时空依赖关系方面表现出更高的精确度。

    一种面向单向OD绿波路径信号的自主协调和优化方法及系统

    公开(公告)号:CN119541232A

    公开(公告)日:2025-02-28

    申请号:CN202411649032.4

    申请日:2024-11-19

    Abstract: 本发明的一种面向单向OD绿波路径信号的自主协调和优化方法,包括如下步骤:步骤一、计算OD绿波路径单点信号初始周期;步骤二、进行OD绿波路径单点信号的自适应预配时;步骤三、协调与优化OD绿波路径信号。相比于需要人工干预的传统方法,本发明实现了信号协调与优化的全自主过程,显著提高了绿波带优化的效率和准确性,减少了人为因素导致的误差和延误。

    一种城市动态绿波带自主规划方法

    公开(公告)号:CN119132058A

    公开(公告)日:2024-12-13

    申请号:CN202411404228.7

    申请日:2024-10-10

    Abstract: 本发明的城市动态绿波带自主规划方法,包括步骤1、进行数据的准备和预处理;步骤2、对动态直连基础绿波路径进行计算;步骤3、对动态补充基础绿波路径进行计算;步骤4、延伸两种动态基础绿波路径,得到城市动态绿波带自主规划结果。本发明通过整合实时或预测的交通数据,使得规划过程自动规避封闭路段、事故点、施工区域和拥堵路段。这一功能确保了本发明在各种复杂和突发交通状况下的持续有效性,从而维持路网的整体通行能力,避免因封闭路段失效而引发绿波带失效,甚至造成交通混乱。

    面向通勤需求的城市路网动态交通分区方法及系统

    公开(公告)号:CN118015831B

    公开(公告)日:2024-12-13

    申请号:CN202410153903.7

    申请日:2024-02-02

    Abstract: 本发明的面向通勤需求的城市路网动态交通分区方法,所述方法包括如下步骤:S1、准备数据并对其预处理;S2、基于社区探测算法对通勤POI聚类;S3、基于社区探测算法对城市路网动态交通分区。本发明仅在交通管理的路网上进行交通分区划分,有效地简化了交通分区的内容。这种简化使得交通分区更加集中于城市交通管理的核心部分,即城市路网,从而提高了交通分区的效率和实用性。

    面向通勤需求的城市路网动态交通分区方法及系统

    公开(公告)号:CN118015831A

    公开(公告)日:2024-05-10

    申请号:CN202410153903.7

    申请日:2024-02-02

    Abstract: 本发明的面向通勤需求的城市路网动态交通分区方法,所述方法包括如下步骤:S1、准备数据并对其预处理;S2、基于社区探测算法对通勤POI聚类;S3、基于社区探测算法对城市路网动态交通分区。本发明仅在交通管理的路网上进行交通分区划分,有效地简化了交通分区的内容。这种简化使得交通分区更加集中于城市交通管理的核心部分,即城市路网,从而提高了交通分区的效率和实用性。

    基于动态时空超图表示学习的城市峰时需求预测方法及系统

    公开(公告)号:CN118014135A

    公开(公告)日:2024-05-10

    申请号:CN202410153926.8

    申请日:2024-02-02

    Abstract: 本发明的基于动态时空超图表示学习的城市峰时需求预测方法,所述方法包括如下步骤:S1、搜集和清洗城市峰时OD需求预测数据;S2、构建时空动态加权超图;S3、构建城市峰时OD需求预测模型,完成城市峰时需求预测。本发明通过多维度的数据融合和特征化处理,实现了对城市交通流时空特性的深层次表征。与现有技术相比,本发明在捕捉和表示复杂时空依赖关系方面表现出更高的精确度。

Patent Agency Ranking