-
Patent Agency Ranking
公开(公告)号：CN116153125A
公开(公告)日：2023-05-23
申请号：CN202310155733.1
申请日：2023-02-23
Applicant: 扬州大学
IPC: G08G1/123 , G06Q10/04 , G06Q50/26 , G06Q50/30 , G06N3/08 , G06N3/0455 , G06N3/0442
Abstract: 本发明公开了一种基于IDA‑RNN模型的空间维度公交到达时间预测方法，利用IDA‑RNN模型在双重注意力递归神经网络的空间维度下进行对公交到达时间预测，利用时间域中空间变化特征的影响，同时考虑公交运行前后车跟驰关系制定了空间域中的预测问题，从空间维度对公交到达时间进行准确、可靠的预测，为实现智能主动公交管控提供重要技术支撑，依据公交到达时间预测结果，交通管理者和组织者可据此制定完善交通运营与管理措施以提升公交系统运行效率，科学安排出行计划，从而有效增强城市公交的吸引力，减轻城市道路交通压力，提高居民出行体验，提升公交出行分担率。
-
公开(公告)号：CN117854293B
公开(公告)日：2024-07-30
申请号：CN202410035705.0
申请日：2024-01-09
Applicant: 扬州大学
Abstract: 本发明公开了基于稀疏自注意力网络的城市车流OD流量提取方法，在研究路网中分别在各交叉路口安装车辆自动号牌检测器，对自动车辆号牌识别系统提取的车辆轨迹数据进行综合预处理，基于稀疏自注意力神经网络建立能够有效表征和捕捉路网车辆出行规律的车辆轨迹重构模型，通过所构建的基于稀疏自注意力网络的车辆轨迹重构模型对不完整车辆出行轨迹链进行补全，得到完整车辆出行轨迹链，在此基础上通过聚合所有完整车辆出行轨迹链获得路径流量，最后通过设计路径流量扩样策略，估计获得路网最终的车流OD流量。
-
公开(公告)号：CN115526382B
公开(公告)日：2023-05-23
申请号：CN202211103846.9
申请日：2022-09-09
Applicant: 扬州大学
Abstract: 本发明公开了一种路网级交通流预测模型可解释性分析方法，包括构建基于图卷积神经网络和循环神经网络的路网级交通流集成预测模型，判断模型对输入数据的关注部分或模型不同模块的权重，通过交通流空间关联矩阵和路段邻接矩阵提取空间依赖特征，从路网交通流空间关联度分析对交通流集成预测结果产生的影响，通过EEMD对交通流时间序列进行分解，利用SHAP可解释性机制，通过基于梯度加权类激活映射方法输出特征显著性热力图，对路网级交通流集成预测模型提取空间信息进行可解释性分析。本发明基于可解性技术揭示现实应用的路网级交通流预测模型的可解释性，帮助决策人员理解交通流预测模型的学习能力，进一步提高预测结果的可信度。
-
公开(公告)号：CN115526382A
公开(公告)日：2022-12-27
申请号：CN202211103846.9
申请日：2022-09-09
Applicant: 扬州大学
Abstract: 本发明公开了一种路网级交通流预测模型可解释性分析方法，包括构建基于图卷积神经网络和循环神经网络的路网级交通流集成预测模型，判断模型对输入数据的关注部分或模型不同模块的权重，通过交通流空间关联矩阵和路段邻接矩阵提取空间依赖特征，从路网交通流空间关联度分析对交通流集成预测结果产生的影响，通过EEMD对交通流时间序列进行分解，利用SHAP可解释性机制，通过基于梯度加权类激活映射方法输出特征显著性热力图，对路网级交通流集成预测模型提取空间信息进行可解释性分析。本发明基于可解性技术揭示现实应用的路网级交通流预测模型的可解释性，帮助决策人员理解交通流预测模型的学习能力，进一步提高预测结果的可信度。
-
公开(公告)号：CN117854293A
公开(公告)日：2024-04-09
申请号：CN202410035705.0
申请日：2024-01-09
Applicant: 扬州大学
Abstract: 本发明公开了基于稀疏自注意力网络的城市车流OD流量提取方法，在研究路网中分别在各交叉路口安装车辆自动号牌检测器，对自动车辆号牌识别系统提取的车辆轨迹数据进行综合预处理，基于稀疏自注意力神经网络建立能够有效表征和捕捉路网车辆出行规律的车辆轨迹重构模型，通过所构建的基于稀疏自注意力网络的车辆轨迹重构模型对不完整车辆出行轨迹链进行补全，得到完整车辆出行轨迹链，在此基础上通过聚合所有完整车辆出行轨迹链获得路径流量，最后通过设计路径流量扩样策略，估计获得路网最终的车流OD流量。
-
-
-
-
Search Results
5
records
(took 0.015 seconds)
