-
公开(公告)号：CN119559605B
公开(公告)日：2025-04-29
申请号：CN202510080711.2
申请日：2025-01-20
Applicant: 杭州电子科技大学
IPC: G06V20/56 , G06V10/44 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开基于可学习线锚和KAN网络检测头的车道线检测方法。首先利用主干图像特征提取模型对输入的车道线图像进行多阶段的特征提取。在前几个阶段，专注于线锚的学习与调整，利用预定义的线锚对主干图像特征提取模型输出的特征图进行线锚池化，并利用基于KAN网络的检测头，生成车道线的初步预测结果，并调整线锚位置，用于对下一阶段的特征图进行线锚池化，并将前序阶段的池化结果作为全局信息进行融合。重复多次后，利用调整后的线锚，对最后一个阶段的特征图进行线锚池化，输出最终的车道线预测结果。并且在模型的训练过程中，提出分段交并比作为损失计算的一部分，更有效地监督模型学习。该方法能够提升车道线检测的速度与精度。
-
公开(公告)号：CN119169809A
公开(公告)日：2024-12-20
申请号：CN202411182775.5
申请日：2024-08-27
Applicant: 杭州电子科技大学
IPC: G08G1/01
Abstract: 本发明公开了一种考虑多时空粒度的城市区域交通流量预测方法，该方法首先获取交通流量数据集、区域数据集、天气数据集和兴趣点POI数据集。其次对交通流量数据集中数据进行预处理，并构建属性特征和三个时间粒度下的流量子张量。然后对于每个区域，构建区域关联图，包括距离图和语义图。最后构建时空网络块，基于距离图和语义图，结合属性特征和三个时间粒度下的流量子张量，通过时空网络块，得到时间粒度下的时空表示，融合各时间粒度下的时空表示预测流量，并进行反向训练。本发明更好地捕获多模态的空间关联关系，提升城市区域交通流量预测的准确率。
-
公开(公告)号：CN116798265A
公开(公告)日：2023-09-22
申请号：CN202310638514.9
申请日：2023-06-01
Applicant: 杭州电子科技大学 , 杭州市公共交通集团有限公司
Abstract: 本发明公开了一种考虑营运偏好的公交停车分配方法及装置，首先获取公交站数据集、停车场数据集、公交车信息数据集和公交车出入场数据集；其次获取公交站和停车场之间的距离数据集；然后构建考虑营运偏好的停车分配模型；基于一组车辆将被分配给一组停车场，且每辆车将最多被分配到一个停车场，每个停车场停放的车辆数小于等于其容量，构建停车分配模型目标函数；再构建车辆和停车场偏好列表，并在满足偏好列表的同时计算目标函数，以最小化所有车辆的总停车成本，得到考虑营运偏好的停车分配结果；最后设计多个可视化视图进行展示。
-
公开(公告)号：CN110991713A
公开(公告)日：2020-04-10
申请号：CN201911148344.6
申请日：2019-11-21
Applicant: 杭州电子科技大学
Abstract: 本发明公开了基于多图卷积和GRU的不规则区域流量预测方法，包括如下步骤：步骤一，将地域划分为N个不相连的不规则区域；步骤二，对历史轨迹数据进行时空简化，计算得到所有区域在每个时间步下的进入量和流出量；步骤三，建立区域间的多个关联图，构造相应的邻接矩阵，表示不规则区域间多样化的空间关联；步骤四，基于区域间的所述关联图设计多图卷积神经网络，融合区域间多样化的空间关联特征，得到多图卷积融合的结果；步骤五，基于多图卷积融合结果，采用GRU神经网络来捕获时间关联；步骤六，选择合适的损失函数，训练得到预测模型，通过所述预测模型预测得到每个区域的所述进入量和所述流出量。
-
公开(公告)号：CN109254984A
公开(公告)日：2019-01-22
申请号：CN201811205749.4
申请日：2018-10-16
Applicant: 杭州电子科技大学
IPC: G06F16/2458 , G06F16/248
Abstract: 本发明公开了一种基于OD数据感知城市动态结构演化规律的可视分析方法，包括如下步骤：步骤1：收集OD数据，并存储在数据库中；步骤2：对位置进行聚类，对轨迹按位置聚类和小时聚合；步骤3：按小时构建位置聚类网络序列，表征每小时内各个聚类间的流量关系；步骤4：基于位置聚类网络序列，定义LDA模型，训练得到主题模型，并对主题基于重要程度排序；步骤5：设计主题-时间视图，可视化不同主题在每个位置网络中的概率分布，展示不同主题随着时间的演化特征；步骤6：设计边关联视图，直观展示重要区域的空间分布和它们之间的流量关系；步骤7：设计边流量时间分布视图，展示边关联视图中每条弧线在不同时间步下出现的概率。
-
Patent Agency Ranking
公开(公告)号：CN114548283A
公开(公告)日：2022-05-27
申请号：CN202210169086.5
申请日：2022-02-23
Applicant: 杭州电子科技大学
Abstract: 本发明属于信息技术领域，公开了一种基于时空聚类和POI属性分析的公共自行车网络分类方法，包括如下步骤：1：获取公共自行车数据集和POI数据集，并对数据进行预处理；2：对自行车站点进行空间聚类，统计站点聚类周围的POI特征信息；3：基于站点聚类间的流量关联，构建公共自行车网络；4：构建公共自行车网络的特征矩阵，对公共自行车网络进行时域聚类；5：基于时空聚类结果和POI特征信息设计可视化工具，展示公共自行车网络的时空特征和访问目的。本方法能够使相关人员掌握人们在不同时间下采用公共自行车出行的空间分布特征及出行目的，辅助他们进行公共自行车系统优化和城市人流出行管理。
-
公开(公告)号：CN113139024A
公开(公告)日：2021-07-20
申请号：CN202110504970.5
申请日：2021-05-10
Applicant: 杭州电子科技大学
Abstract: 本发明属于信息技术领域，公开了一种面向MADDPG多智能体强化学习模型的可视分析方法，包括如下步骤：步骤1：选取一款合作类游戏作为MADDPG模型的运行环境，并定义相关的参数集合；步骤2：训练MADDPG模型，保存并计算重要的中间数据；步骤3：设计标签板，标识智能体和地标；步骤4：设计统计视图；步骤5：设计评论家行为视图，用于评估模型学习得到的评论家的性能；步骤6：设计交互视图。本发明提出了一种新的可视分析方法，能支持交互式地分析合作类环境中MADDPG模型的工作流程和内部原理。该发明设计了多个协同的视图，从不同角度揭示MADDPG模型的内部执行机制。
-
公开(公告)号：CN110119482B
公开(公告)日：2021-04-06
申请号：CN201910395683.8
申请日：2019-05-13
Applicant: 杭州电子科技大学
IPC: G06F16/9537 , G06F16/29 , G06F16/22 , G06F16/2458 , G06Q50/26 , G07C5/08 , G07C5/00
Abstract: 本发明公开了基于POI和多源移动数据集的人群出行模式可视分析方法，属于信息技术领域。包括1：获取出租车数据集、公共自行车数据集，POI数据集，并对数据进行预处理；2：划分时间段，将城市分割为区域，根据时间和区域划分结果，对数据进行聚合；3：对于出租车和公共自行车数据分别构建三维张量；4：采用非负张量分解方法分解三维张量，自动计算得到潜在的出行特征；5：基于张量分解结果，设计全局视图，包括时间图和热力图；6：设计区域视图，包含POI‑mobility图、流量图和区域POI分布图；7：设计位置视图，包括位置POI占比图和位置POI分布图。通过本发明了解土地使用用途、掌握城市活动规律，有助于城市规划。
-
公开(公告)号：CN108280550B
公开(公告)日：2020-06-09
申请号：CN201810092381.9
申请日：2018-01-30
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种新的比较公共自行车站点社区划分的可视分析方法，通过设计多个可视化视图展现社区划分后站点的地理分布、区域间的借还关联，支持可视化比较不同社区划分算法结果的共性和差异；为了更清晰地展示划分后站点的地理分布情况，提出了一种颜色赋值策略，对于不同算法得到的社区划分结果，尽可能地将位于相似地理区域下的站点保持颜色一致；设计基于圆形包含的社区划分比较图，有助于比较站点在不同方法下究竟被划分到了哪个社区中。该发明能够直观地展示不同社区划分算法作用于公共自行车网络上的结果差异，有助于理解算法的内在划分机制，帮助交通管理人员掌握公共自行车系统的运营情况，为车辆调度、系统管理提供辅助决策。
-
公开(公告)号：CN110781933A
公开(公告)日：2020-02-11
申请号：CN201910973555.7
申请日：2019-10-14
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种用于理解图卷积神经网络的可视分析方法，包括如下步骤：步骤一，将输入的图结构数据集划分为训练集、验证集和测试集；步骤二，定义参数集合，包括隐藏层数集合和隐藏神经元数集合；步骤三，基于定义好的所述参数集合，训练得到一系列的图卷积神经网络模型；步骤四，设计隐藏层分析视图，展示隐藏层参数对分类准确率的影响；步骤五，设计损失和准确率视图，展示所述模型迭代训练过程中损失和分类准确率的变化；步骤六，采用GraphTSNE可视化方法计算图中节点的位置，设计图布局视图，呈现在不同训练步数下所述节点的预测情况和两个训练步数间所述节点预测情况的差异。
-
-
-
-
-
-
-
-
-
Search Results
27
records
(took 0.022 seconds)
