公开(公告)号：CN119849726A

公开(公告)日：2025-04-18

申请号：CN202510323985.X

申请日：2025-03-19

Applicant: 烟台哈尔滨工程大学研究院

Inventor： 杨翰琨 ,  鲁帅 ,  滕帅平 ,  陈一 ,  李冬雪

IPC: G06Q10/047 ,  G06F18/25 ,  G06F30/27 ,  G08G1/01 ,  G06N3/0442 ,  G06N3/086 ,  G06N3/09 ,  G06N3/084 ,  G06F111/06

Abstract: 本发明公开了一种多通道网络的隐函数驱动的多目标路径规划优化方法，属于算法优化技术领域，包括获取交通数据并进行预处理；从时域维度和频域维度对交通数据中的车流密度信号进行特征提取；构建三通道网络模型并训练；进行目标函数设计；采用遗传算法搜索最优解。本发明采用上述的一种多通道网络的隐函数驱动的多目标路径规划优化方法，通过三个并行处理通道同时处理不同类型的数据，并通过融合层进行整合输出，精准地反映交通系统的复杂性和动态变化，提高路径规划的适应性和精度，显著提升系统对不同数据类型的处理能力和综合表达能力；通过隐函数的方式处理复杂的非线性关系，并嵌入到优化算法的目标函数中，有效提高路径规划的精准度。

公开(公告)号：CN119811095A

公开(公告)日：2025-04-11

申请号：CN202510299901.3

申请日：2025-03-14

Applicant: 烟台哈尔滨工程大学研究院

Inventor： 杨翰琨 ,  赵宇轩 ,  胡锦贺 ,  徐国庆 ,  李冬雪

IPC: G08G1/01 ,  G06F18/214 ,  G06F18/25

Abstract: 本发明公开了一种融合趋势与季节性的交通流量预测方法，包括步骤：1）构建基于序列到序列构架的预测网络模型，包含趋势预测子模型和融合预测子模型；2）利用往年数据和当年缺少目标特殊时期的数据，通过趋势预测子模型计算参考特殊时期的趋势因素序列与季节性因素序列，训练融合预测子模型；3）通过趋势预测子模型计算目标特殊时期的趋势因素序列与季节性因素序列，输入训练后的融合预测子模型，得到目标特殊时期的交通流量预测数据。本发明能够在仅具备单年度历史观测数据的条件下，有效融合趋势与季节性因素，提升预测的准确性与稳健性。

公开(公告)号：CN119337941B

公开(公告)日：2025-04-25

申请号：CN202411884710.5

申请日：2024-12-20

Applicant: 烟台哈尔滨工程大学研究院

Inventor： 杨翰琨 ,  鲁帅 ,  高成龙 ,  李圣涵 ,  李冬雪

IPC: G06N3/0464 ,  G06N3/084 ,  G06F18/213 ,  G06F18/214 ,  G06F18/2415

Abstract: 本发明公开了一种基于空间特征反馈的多层级卷积神经网络DOA估计方法，首先计算接收到的信号的协方差矩阵，然后将协方差矩阵分解为实部和虚部两个通道输入到多层DOA估计模型中，得到最终的到达角度估计值；所述多层DOA估计模型包括依次设置的L个分类层，其中第一个分类层中为粗分类模块，其它分类层中各有一个精细分类模块；包含所述精细分类模块的分类层的数量由估计分辨率决定。本发明通过逐层细化DOA估计范围的方式来提高分辨率、满足估计要求，避免了过细划分而导致的高复杂度问题，降低了计算成本，同时还具有逼近能力强、收敛速度快等优点。

公开(公告)号：CN119337941A

公开(公告)日：2025-01-21

申请号：CN202411884710.5

申请日：2024-12-20

Applicant: 烟台哈尔滨工程大学研究院

Inventor： 杨翰琨 ,  鲁帅 ,  高成龙 ,  李圣涵 ,  李冬雪

IPC: G06N3/0464 ,  G06N3/084 ,  G06F18/213 ,  G06F18/214 ,  G06F18/2415

Abstract: 本发明公开了一种基于空间特征反馈的多层级卷积神经网络DOA估计方法，首先计算接收到的信号的协方差矩阵，然后将协方差矩阵分解为实部和虚部两个通道输入到多层DOA估计模型中，得到最终的到达角度估计值；所述多层DOA估计模型包括依次设置的L个分类层，其中第一个分类层中为粗分类模块，其它分类层中各有一个精细分类模块；包含所述精细分类模块的分类层的数量由估计分辨率决定。本发明通过逐层细化DOA估计范围的方式来提高分辨率、满足估计要求，避免了过细划分而导致的高复杂度问题，降低了计算成本，同时还具有逼近能力强、收敛速度快等优点。