公开(公告)号：CN112419711B8

公开(公告)日：2022-06-14

申请号：CN202011140333.6

申请日：2020-10-22

Applicant: 桂林电子科技大学 ,  广西华蓝工程管理有限公司 ,  华蓝设计(集团)有限公司

Inventor： 万千 ,  刘华磊 ,  彭国庆 ,  陆盛康 ,  郑钰 ,  龙朝党

IPC: G08G1/01 ,  G06Q10/04 ,  G06Q50/30

Abstract: 本发明公开了一种基于改进GMDH算法的封闭式停车场停车需求预测方法，使用GMDH算法对封闭式停车场进场车流量训练，在训练过程中针对GMDH算法建模泛化能力差的问题，结合集成学习(Ensemble Learning)的思想对GMDH算法进行改进，提高GMDH模型泛化能力，并将改进的算法应用到封闭式停车场进场停车需求预测模型的构建中。该方法减少了对历史数据的依赖、降低了数据成本，并且具有较高的预测精度，可以快速、有效地对封闭式停车场停车需求进行预测。后期可基于用户均衡理论，结合智能交通诱导系统，实现区域性的、不同特性的停车场停车资源共享与调度，对智慧城市的建设具有重大的实用价值。

公开(公告)号：CN112419711A

公开(公告)日：2021-02-26

申请号：CN202011140333.6

申请日：2020-10-22

Applicant: 桂林电子科技大学 ,  华蓝设计(集团)有限公司

Inventor： 万千 ,  刘华磊 ,  彭国庆 ,  陆盛康 ,  郑钰 ,  龙朝党

IPC: G08G1/01 ,  G06Q10/04 ,  G06Q50/30

Abstract: 本发明公开了一种基于改进GMDH算法的封闭式停车场停车需求预测方法，使用GMDH算法对封闭式停车场进场车流量训练，在训练过程中针对GMDH算法建模泛化能力差的问题，结合集成学习(Ensemble Learning)的思想对GMDH算法进行改进，提高GMDH模型泛化能力，并将改进的算法应用到封闭式停车场进场停车需求预测模型的构建中。该方法减少了对历史数据的依赖、降低了数据成本，并且具有较高的预测精度，可以快速、有效地对封闭式停车场停车需求进行预测。后期可基于用户均衡理论，结合智能交通诱导系统，实现区域性的、不同特性的停车场停车资源共享与调度，对智慧城市的建设具有重大的实用价值。

公开(公告)号：CN112215072A

公开(公告)日：2021-01-12

申请号：CN202010948880.0

申请日：2020-09-10

Applicant: 华蓝设计(集团)有限公司 ,  桂林电子科技大学

Inventor： 万千 ,  林初染 ,  彭国庆 ,  谢振友 ,  龙朝党 ,  陆盛康

IPC: G06K9/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于Nest DNN算法的交通标志动态循迹检测优化方法，包括构建资源感知调度方案的步骤，构建资源感知调度方案的步骤包括：根据公式为车载设备设置一个代价函数C，来保证派生模型mv的处理精度和处理速度；对同时运行的检测模型和识别模型进行调度方案设计，对具有最大代价的程序进行最小化优化，资源感知调度器通过约束条件被进行优化来公正分配运行资源给所有的并发应用程序，从而平衡他们的性能。本发明的优点在于：该发明克服了现有技术的缺陷，提高了车载移动端设备的资源使用效率，提升了模型运行的效率并减少了能耗，改良了车辆在行驶过程中交通标志的检测识别效果，未来在自动驾驶普及阶段可以有效提高车辆运行的安全性和规范性。

公开(公告)号：CN112419711B

公开(公告)日：2022-05-17

申请号：CN202011140333.6

申请日：2020-10-22

Applicant: 桂林电子科技大学 ,  华蓝设计(集团)有限公司

Inventor： 万千 ,  刘华磊 ,  彭国庆 ,  陆盛康 ,  郑钰 ,  龙朝党

IPC: G08G1/01 ,  G06Q10/04 ,  G06Q50/30

Abstract: 本发明公开了一种基于改进GMDH算法的封闭式停车场停车需求预测方法，使用GMDH算法对封闭式停车场进场车流量训练，在训练过程中针对GMDH算法建模泛化能力差的问题，结合集成学习(Ensemble Learning)的思想对GMDH算法进行改进，提高GMDH模型泛化能力，并将改进的算法应用到封闭式停车场进场停车需求预测模型的构建中。该方法减少了对历史数据的依赖、降低了数据成本，并且具有较高的预测精度，可以快速、有效地对封闭式停车场停车需求进行预测。后期可基于用户均衡理论，结合智能交通诱导系统，实现区域性的、不同特性的停车场停车资源共享与调度，对智慧城市的建设具有重大的实用价值。

公开(公告)号：CN112215071A

公开(公告)日：2021-01-12

申请号：CN202010948875.X

申请日：2020-09-10

Applicant: 华蓝设计(集团)有限公司 ,  桂林电子科技大学

Inventor： 万千 ,  谢振友 ,  彭国庆 ,  林初染 ,  龙朝党 ,  陆盛康

IPC: G06K9/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及异质交通流下自动驾驶车载多目标耦合识别与追踪方法，所述的识别与追踪方法包括车载嵌入式应用程序资源调度器建立步骤，包括对驾驶场景识别模型进行模型剪枝和复原处理，建立一个支撑深度学习模型应用程序动态的资源分配框架；建立深度学习模型运行资源分配调度器，通过资源调度器为并发运行的深度学习模型灵活的分配资源，输出优化的调度方案。本发明可以降低深度学习模型在移动视觉设备上的内存占用与切换能耗，提供灵活的资源分配与准确率权衡，降低处理延迟，提高自动驾驶汽车的多目标识别的效率，使得汽车自动驾驶时在车路协同的处理方面更为及时和准确，进一步提高了自动驾驶汽车的安全性和在交通领域的应用前景。