基于影响因素分析的交通流量序列模式匹配方法

    公开(公告)号:CN108346287A

    公开(公告)日:2018-07-31

    申请号:CN201810087650.2

    申请日:2018-01-30

    Applicant: 浙江大学

    Abstract: 本发明公开了一种基于影响因素分析的交通流量序列模式匹配方法。本发明首先在对已有交通流量序列通过聚类得到结果的前提下,确定每一类当中每一条交通流量序列的属性向量。其次针对每个类,统计其每个属性中每个值的出现次数,计算其出现频率,并得到每个类的重要性系数矩阵。然后确定待匹配交通流量序列的属性向量,计算待匹配交通流量序列与每一类的相似度向量。最后由待匹配交通流量序列的相似度向量,计算每条属性的相似度与该属性可能的取值数量相乘再累加,得到待匹配交通流量序列与每一类的相似度,选取相似度最大的一类作为最终匹配结果。本发明在保证精确性的前提下,还有计算复杂度小等优点。

    基于影响因素分析的交通流量序列模式匹配方法

    公开(公告)号:CN108346287B

    公开(公告)日:2020-08-04

    申请号:CN201810087650.2

    申请日:2018-01-30

    Applicant: 浙江大学

    Abstract: 本发明公开了一种基于影响因素分析的交通流量序列模式匹配方法。本发明首先在对已有交通流量序列通过聚类得到结果的前提下,确定每一类当中每一条交通流量序列的属性向量。其次针对每个类,统计其每个属性中每个值的出现次数,计算其出现频率,并得到每个类的重要性系数矩阵。然后确定待匹配交通流量序列的属性向量,计算待匹配交通流量序列与每一类的相似度向量。最后由待匹配交通流量序列的相似度向量,计算每条属性的相似度与该属性可能的取值数量相乘再累加,得到待匹配交通流量序列与每一类的相似度,选取相似度最大的一类作为最终匹配结果。本发明在保证精确性的前提下,还有计算复杂度小等优点。

    基于样本行程时间信息的车道组最大排队长度估计方法

    公开(公告)号:CN108806282B

    公开(公告)日:2020-09-04

    申请号:CN201810558555.6

    申请日:2018-06-01

    Applicant: 浙江大学

    Abstract: 本发明公开了一种基于样本行程时间信息的车道组最大排队长度估计方法。本发明首先在周期结束后利用样本行程时间信息提取最大行程时间并计算行程时间变化率。其次利用最大行程时间估计周期内的最大排队次数。再次计算最大行程时间所对应车辆首次被阻滞周期的排队位置进而估计首次被阻滞周期的最大排队长度位置。最后利用行程时间变化率计算周期排队最远点的关系,并基于最大行程时间车辆首次被阻滞周期的排队最远点推算当前周期的排队最远点位置。本发明可以自动区别同一路段下游进口道不同车道组之间的差异性,且无需假设车辆的到达规律,弱化了传统方法的假设条件,实现了提升预测精度。

    一种新型可升降的半潜式游艇

    公开(公告)号:CN109263821A

    公开(公告)日:2019-01-25

    申请号:CN201811311935.6

    申请日:2018-11-06

    Applicant: 浙江大学

    Abstract: 本发明公开了一种新型可升降的半潜式游艇。本发明包括两个浮力舱、载客舱和控制端;所述浮力舱包括流线型外壳、压载水舱、电机、螺旋桨、升降机和蓄电池,所述流线型外壳提供浮力,所述压载水舱排出和吸入水以控制浮力舱浸水的体积,所述电机和螺旋桨用于推进游艇前进、后退和转向,所述升降机用于调整载客舱的位置(浮出、潜入),所述蓄电池用于提供推进装置、升降机、控制端等装置的电力。本发明能够实现水面上的高速平稳航行和水面下多角度的游览效果。此外,该新型可升降的半潜式游艇成本较大型观光船而言具有成本低,可拆解,易于运输和维修的优势。

    基于闯红灯自动记录系统数据的车道组交通需求预测方法

    公开(公告)号:CN108765946B

    公开(公告)日:2020-06-16

    申请号:CN201810558335.3

    申请日:2018-06-01

    Applicant: 浙江大学

    Abstract: 本发明公开了一种基于闯红灯自动记录系统数据的车道组交通需求预测方法。本发明首先通过车牌匹配获取路段行程时间;其次确定每一个周期的行程时间变化率;然后确定每一个周期所对应的虚拟周期时长;最后测算每个周期的驶离车辆数并计算车道组交通需求。本发明克服了现有基于线圈检测的两类缺陷:无法检测过饱和交通需求或无法区分不同车道组之间的差异性,为信号控制的精细化优化提供了技术基础。

    基于改进时空关联KNN算法的交通流量预测方法

    公开(公告)号:CN110211375A

    公开(公告)日:2019-09-06

    申请号:CN201910432785.2

    申请日:2019-05-23

    Applicant: 浙江大学

    Inventor: 马东方 盛博文

    Abstract: 本发明提供了一种基于改进时空关联K-Nearest Neighbor(KNN)算法的短时交通流预测方法。本发明核心思想是先构建能体现交通流量变化趋势的状态向量,进一步从历史状态向量的时间域,空间域两个维度中寻找K个与目标检测器当前时段的最接近的状态向量,解析K个状态向量的权重分配,并预测下一时刻流量值。本发明可将路口短时间的流量序列进行良好预测,为提高流量预测的智能性与科学性、提升交叉口交通流的运行效率提供技术支持,属于交通控制研究领域。

    基于多因素空间选择深度学习算法的短时交通流预测方法

    公开(公告)号:CN110188936A

    公开(公告)日:2019-08-30

    申请号:CN201910432795.6

    申请日:2019-05-23

    Applicant: 浙江大学

    Inventor: 马东方 盛博文

    Abstract: 本发明提供了一种基于多因素空间选择深度学习算法的短时交通流预测方法。该方法的核心思想是筛选历史交通流量数据,找到与目标检测器空间相似最大的其他检测器,共同构造出时空关联矩阵,同时加入影响因素数据作为网络的第二个输入共同训练的网络参数,进一步用训练好的网络预测下一时间间隔内目标检测器的车流量。本发明可将路口短时间的流量序列进行良好预测,为提高流量预测的智能性与科学性、提升交叉口交通流的运行效率提供技术支持。

    基于闯红灯自动记录系统数据的车道组交通需求预测方法

    公开(公告)号:CN108765946A

    公开(公告)日:2018-11-06

    申请号:CN201810558335.3

    申请日:2018-06-01

    Applicant: 浙江大学

    Abstract: 本发明公开了一种基于闯红灯自动记录系统数据的车道组交通需求预测方法。本发明首先通过车牌匹配获取路段行程时间;其次确定每一个周期的行程时间变化率;然后确定每一个周期所对应的虚拟周期时长;最后测算每个周期的驶离车辆数并计算车道组交通需求。本发明克服了现有基于线圈检测的两类缺陷:无法检测过饱和交通需求或无法区分不同车道组之间的差异性,为信号控制的精细化优化提供了技术基础。

    基于多因素空间选择深度学习算法的短时交通流预测方法

    公开(公告)号:CN110188936B

    公开(公告)日:2021-11-05

    申请号:CN201910432795.6

    申请日:2019-05-23

    Applicant: 浙江大学

    Inventor: 马东方 盛博文

    Abstract: 本发明提供了一种基于多因素空间选择深度学习算法的短时交通流预测方法。该方法的核心思想是筛选历史交通流量数据,找到与目标检测器空间相似最大的其他检测器,共同构造出时空关联矩阵,同时加入影响因素数据作为网络的第二个输入共同训练的网络参数,进一步用训练好的网络预测下一时间间隔内目标检测器的车流量。本发明可将路口短时间的流量序列进行良好预测,为提高流量预测的智能性与科学性、提升交叉口交通流的运行效率提供技术支持。

    基于样本行程时间信息的车道组最大排队长度估计方法

    公开(公告)号:CN108806282A

    公开(公告)日:2018-11-13

    申请号:CN201810558555.6

    申请日:2018-06-01

    Applicant: 浙江大学

    Abstract: 本发明公开了一种基于样本行程时间信息的车道组最大排队长度估计方法。本发明首先在周期结束后利用样本行程时间信息提取最大行程时间并计算行程时间变化率。其次利用最大行程时间估计周期内的最大排队次数。再次计算最大行程时间所对应车辆首次被阻滞周期的排队位置进而估计首次被阻滞周期的最大排队长度位置。最后利用行程时间变化率计算周期排队最远点的关系,并基于最大行程时间车辆首次被阻滞周期的排队最远点推算当前周期的排队最远点位置。本发明可以自动区别同一路段下游进口道不同车道组之间的差异性,且无需假设车辆的到达规律,弱化了传统方法的假设条件,实现了提升预测精度。

Patent Agency Ranking