-
公开(公告)号：CN107909815A
公开(公告)日：2018-04-13
申请号：CN201711284413.7
申请日：2017-12-07
Applicant: 浙江工业大学
CPC classification number: G08G1/0116 , G08G1/0125 , G08G1/0137 , G08G1/052
Abstract: 一种基于自适应卡尔曼滤波的车辆速度预测方法，包括以下步骤：1)在RFID射频识别系统中，通过射频信号自动识别高速行驶的车辆并获取相关数据，实现在路面时的数据采集；2)针对采集的相关信息，利用自适应卡尔曼滤波算法对高速移动的小车进行速度预测，利用状态空间模型将速度公式转化为状态方程和观测方程，再利用卡尔曼滤波算法对高速移动的小车速度进行预测，卡尔曼滤波分为两部分来进行速度更新：时间更新和测量更新。本发明提供了一种提高汽车的操纵稳定性和主动安全性、降低交通事故发生率的基于自适应卡尔曼滤波的车辆速度预测方法。
-
公开(公告)号：CN109118787B
公开(公告)日：2020-08-04
申请号：CN201810947321.0
申请日：2018-08-20
Applicant: 浙江工业大学
Abstract: 一种基于量化自适应卡尔曼滤波的车辆速度预测方法，包括以下步骤：首先，在智能网联交通系统中，通过DSRC技术自动识别行驶的车辆并获取相关数据，实现车载系统与路边单元的信息交互；接着，针对采集的相关信息，首先通过量化公式对路边单元与车载系统的方位角进行量化，其次通过自回归滑动平均法对加速度进行预测，最后利用深度神经网络进行速度预测；最后，将处理好的信息通过光缆传送给其他3个路边单元，以便于下一次与车载系统的信息交互。本发明提供了一种在智能网联交通系统下基于深度神经网络的车辆速度预测方法。
-
公开(公告)号：CN108169507B
公开(公告)日：2020-02-21
申请号：CN201711286551.9
申请日：2017-12-07
Applicant: 浙江工业大学
IPC: G01P3/64
Abstract: 一种基于RFID系统多项式估计高速移动车辆速度的方法，所述速度预测方法包括如下步骤：1)数据的获取，车辆A将其状态信息记录在每个经过的标签中，并且车辆B通过读取标签获得车辆A的状态信息并将其自己的状态信息记录在下一个车辆中，其中，车辆A为前车，车辆B为后车；2)速度估计，当后车B通过读取标签的信息并获得前车A的几个连续的状态信息之后，车辆B开始估计车辆A的速度状态。由前车A的历史速度的多项式的公式，确定的系数，其中，的系数可利用加权最小二乘法多项式拟合的偏差平方和M(a1,a2,a3)最小化解得。本发明提供了一种基于RFID系统多项式估计高速移动车辆速度以实现提高驾驶安全的方法。
-
公开(公告)号：CN109275121A
公开(公告)日：2019-01-25
申请号：CN201810946889.0
申请日：2018-08-20
Applicant: 浙江工业大学
Abstract: 一种基于自适应扩展卡尔曼滤波的车辆轨迹跟踪方法，包括以下步骤：首先，在智能网联交通系统中，通过DSRC技术自动识别行驶的车辆并获取相关数据，实现车载系统与路边单元的信息交互；接着，针对采集的相关信息，首先通过量化公式对路边单元与车载系统的方位差进行量化，其次通过自回归滑动平均法对加速度进行预测，最后利用自适应扩展卡尔曼滤波进行轨迹预测；最后，将处理好的信息广播给路边单元，以便于下一次与车载系统的信息交互。本发明提供了一种基于自适应扩展卡尔曼滤波的车辆轨迹跟踪方法。
-
公开(公告)号：CN109272745A
公开(公告)日：2019-01-25
申请号：CN201810947323.X
申请日：2018-08-20
Applicant: 浙江工业大学
Abstract: 一种基于深度神经网络的车辆轨迹预测方法，包括以下步骤：首先，在智能网联交通系统中，通过DSRC技术自动识别行驶的车辆并获取相关数据，实现车载系统与路边单元的信息交互；其次，针对采集的相关信息，首先通过量化公式对路边单元与车载系统的方位角进行量化，其次通过自回归滑动平均法对加速度进行预测，最后利用深度神经网络进行轨迹预测；最后，将处理好的信息通过光缆传送给另外3个路边单元，以便于下一次与车载系统的信息交互。本发明提供了一种在智能网联交通系统下基于深度神经网络的车辆轨迹预测方法。
-
Patent Agency Ranking
公开(公告)号：CN109195207A
公开(公告)日：2019-01-11
申请号：CN201810795675.8
申请日：2018-07-19
Applicant: 浙江工业大学
Abstract: 一种基于深度强化学习的集能型无线中继网络吞吐量最大化方法，包括以下步骤：1)集能型无线中继网络中通过可再生能量优化管理实现最大吞吐量，其中，优化问题描述为一个多变量优化问题；2)将问题P1分解为两部分优化：功率子优化和时隙子优化，即通过强化学习算法优化变量pi和来得到最优的ri。本发明提供一种在集能型无线中继网络中通过联合时间调度和功率分配实现以最大吞吐量最大化系统效益的方法。
-
公开(公告)号：CN109089307A
公开(公告)日：2018-12-25
申请号：CN201810795672.4
申请日：2018-07-19
Applicant: 浙江工业大学
Abstract: 一种基于异步优势行动者评论家算法的集能型无线中继网络吞吐量最大化方法，包括以下步骤：1)集能型无线中继网络中通过可再生能量优化管理实现最大吞吐量，其中，优化问题描述为一个多变量优化问题；2)将问题P1分解为两部分优化：功率子优化和时隙子优化，即通过异步优势行动者评论家算法优化变量pi和 来得到最优的ri。本发明提供一种在集能型无线中继网络中通过联合时间调度和功率分配实现以最大吞吐量最大化系统效益的方法。
-
公开(公告)号：CN109104734B
公开(公告)日：2021-10-15
申请号：CN201810795748.3
申请日：2018-07-19
Applicant: 浙江工业大学
Abstract: 一种基于深度确定性策略梯度的集能型无线中继网络吞吐量最大化方法，包括以下步骤：1)集能型无线中继网络中通过可再生能量优化管理实现最大吞吐量，其中，优化问题描述为一个多变量优化问题；2)将问题P1分解为两部分优化：功率子优化和时隙子优化，即深度确定性策略梯度方法优化变量pi和来得到最优的ri。本发明提供一种在集能型无线中继网络中通过联合时间调度和功率分配实现以最大吞吐量最大化系统效益的方法。
-
公开(公告)号：CN109784558B
公开(公告)日：2021-05-18
申请号：CN201910025110.6
申请日：2019-01-11
Applicant: 浙江工业大学
Abstract: 一种基于蚁群算法的电动汽车充电调度优化方法，包括如下步骤：1)当电动汽车处于电量值较低时，用户先向服务器发送充电请求，服务器收到请求后会先收集电动汽车电池的剩余能量、空调状态、电动汽车的当前位置及周边充电站分布情况，同时要参考周围道路拥堵情况；2)将道路网格化，电动汽车充电调度问题可以描述成优化问题；3)针对这个问题模型，我们采用蚁群算法为电动汽车选择合适的目标充电站以及到达目标充电站的最优行驶路径；4)只要服务器和电动汽车处于连接状态，服务器会将目标充电站和到达目标充电站最优路径的信息发送给用户。本发明提高电动汽车的充电效率，给用户提供更加智能的充电路径规划方案。
-
公开(公告)号：CN109195207B
公开(公告)日：2021-05-18
申请号：CN201810795675.8
申请日：2018-07-19
Applicant: 浙江工业大学
Abstract: 一种基于深度强化学习的集能型无线中继网络吞吐量最大化方法，包括以下步骤：1)集能型无线中继网络中通过可再生能量优化管理实现最大吞吐量，其中，优化问题描述为一个多变量优化问题；2)将问题P1分解为两部分优化：功率子优化和时隙子优化，即通过强化学习算法优化变量pi和来得到最优的ri。本发明提供一种在集能型无线中继网络中通过联合时间调度和功率分配实现以最大吞吐量最大化系统效益的方法。
-
-
-
-
-
-
-
-
-
Search Results
37
records
(took 0.019 seconds)
