-
公开(公告)号：CN106971548A
公开(公告)日：2017-07-21
申请号：CN201710352326.4
申请日：2017-05-18
Applicant: 福州大学
CPC classification number: G08G1/0129 , G08G1/065
Abstract: 本发明涉及一种可优化的自适应多核支持向量机的短时交通流预测方法。组合高斯核函数和多项式核函数以构建自适应多核支持向量机（AMSVM）；利用自适应粒子群算法（APSO）对AMSVM进行参数优化；同时考虑历史数据和实时数据，提出基于AMSVM的短时交通流预测模型；输入交通流数据集，利用预测模型生成短时交通流的预测结果；根据交通流的预测结果和实际交通数据，对预测误差进行评价分析。本发明方法可改善现有支持向量机（SVM）方法仅采用单个核函数进行预测的不足，能充分适应交通流非线性和随机性的变化特征，实现对短时交通流的实时、自适应预测，同时提高预测结果的速度和精度，具有一定的理论参考和现实意义。
-
公开(公告)号：CN106971548B
公开(公告)日：2019-06-07
申请号：CN201710352326.4
申请日：2017-05-18
Applicant: 福州大学
Abstract: 本发明涉及一种可优化的自适应多核支持向量机的短时交通流预测方法。组合高斯核函数和多项式核函数以构建自适应多核支持向量机（AMSVM）；利用自适应粒子群算法（APSO）对AMSVM进行参数优化；同时考虑历史数据和实时数据，提出基于AMSVM的短时交通流预测模型；输入交通流数据集，利用预测模型生成短时交通流的预测结果；根据交通流的预测结果和实际交通数据，对预测误差进行评价分析。本发明方法可改善现有支持向量机（SVM）方法仅采用单个核函数进行预测的不足，能充分适应交通流非线性和随机性的变化特征，实现对短时交通流的实时、自适应预测，同时提高预测结果的速度和精度，具有一定的理论参考和现实意义。
-
Patent Agency Ranking
公开(公告)号：CN107203934A
公开(公告)日：2017-09-26
申请号：CN201710383949.8
申请日：2017-05-26
Applicant: 福州大学
CPC classification number: G06Q40/00 , G06Q10/101
Abstract: 本发明涉及一种群智感知不对称信息场景中的激励方法，步骤如下：对群智感知场景进行特征提取并构建为数学模型，量化定义抽象概念，进行研究分析；再利用契约理论，将群智感知转换为契约关系，在不同场景中根据代理人存在的努力不可观测情况分析道德风险问题并求解契约，即给出最优报酬、最优努力方案。本发明利用契约理论设计群智感知下的激励机制，克服了在不对称信息场景中努力不可观测的现象，由于代理人与委托人利益相冲突，代理人容易伪装信息来使自身利益增大，从而使委托人利益减小，本发明设计出最优的报酬方案，有效地激励代理人按照契约执行任务，让委托人在群智感知中获得最大收益，具有一定的参考价值和实际经济效益。
-
公开(公告)号：CN106971547A
公开(公告)日：2017-07-21
申请号：CN201710352120.1
申请日：2017-05-18
Applicant: 福州大学
CPC classification number: G08G1/0129 , G08G1/065
Abstract: 本发明涉及一种考虑时空相关性的短时交通流预测方法。考虑时间相关性对目标检测点交通流的影响，获取短时交通流的时间关联预测值；利用层次聚类方法分析研究对象交通流的空间相关性，并确定几个关键的空间关联点；考虑空间关联点的交通流对目标检测点交通流的影响，获取短时交通流的空间关联预测值；采用“熵值法”融合时间关联预测值、空间关联预测值和现有方法的预测值，生成目标检测点短时交通流的最终预测结果；根据交通流的预测结果和实际交通数据，对预测误差进行评价分析。本发明方法可克服现有方法不能充分利用时空特征的不足，同时可进一步将时空关联预测结果和现有方法的预测结果进行融合，从而有效提升短时交通流预测结果的准确性。
-
公开(公告)号：CN106971547B
公开(公告)日：2019-06-04
申请号：CN201710352120.1
申请日：2017-05-18
Applicant: 福州大学
Abstract: 本发明涉及一种考虑时空相关性的短时交通流预测方法。考虑时间相关性对目标检测点交通流的影响，获取短时交通流的时间关联预测值；利用层次聚类方法分析研究对象交通流的空间相关性，并确定几个关键的空间关联点；考虑空间关联点的交通流对目标检测点交通流的影响，获取短时交通流的空间关联预测值；采用“熵值法”融合时间关联预测值、空间关联预测值和现有方法的预测值，生成目标检测点短时交通流的最终预测结果；根据交通流的预测结果和实际交通数据，对预测误差进行评价分析。本发明方法可克服现有方法不能充分利用时空特征的不足，同时可进一步将时空关联预测结果和现有方法的预测结果进行融合，从而有效提升短时交通流预测结果的准确性。
-
公开(公告)号：CN106595680A
公开(公告)日：2017-04-26
申请号：CN201611159128.8
申请日：2016-12-15
Applicant: 福州大学
CPC classification number: G01C21/30 , G06F17/18 , G06Q10/047 , G07C5/08
Abstract: 本发明涉及一种基于隐马尔可夫模型的车辆GPS数据地图匹配方法，包括步骤：从shpefile电子地图上获取路网数据；提取原始的车辆轨迹数据，对车辆GPS数据进行预处理；选取每个GPS观测点一定距离的路段作为候选路段；基于隐马尔可夫模型，计算每个GPS点的观测概率以及相邻候选路段间的转移概率；利用维特比算法计算出最优的匹配轨迹。本发明基于隐马尔可夫模型，通过考虑GPS点的位置，速度方向，路网的拓扑以及轨迹点与路网间的关联信息，提出了新的观测概率和转移概率，进一步的提高了地图匹配的准确性。
-
公开(公告)号：CN106127662A
公开(公告)日：2016-11-16
申请号：CN201610458509.X
申请日：2016-06-23
Applicant: 福州大学
CPC classification number: G06Q50/30 , G06K9/6223
Abstract: 本发明涉及一种针对出租车轨迹数据的K‑means初始聚类中心选择方法，包括步骤：从电子地图中提取出城市交通的路网；对收集的出租车轨迹数据进行预处理，筛选出适合分析的样本数据；将出租车轨迹数据与路网进行匹配，得到出租车数据点在预设分析范围的分布图；利用图像识别技术中的斑点检测方法识别出出租车轨迹数据点的主要密集区域以作为K‑means的初始聚类中心；输出K‑means的初始聚类中心。本发明所提出的方法通过利用斑点检测方法确定K‑means的初始聚类中心的位置及个数，克服了传统K‑means方法选取K值的模糊性、主观性和初始中心随机选取的缺陷，针对海量车联网数据，加快了K‑means方法的聚类速度，很好地实现了出租车轨迹数据的聚类，具有一定的参考价值和实际经济效益。
-
-
-
-
-
-
Search Results
7
records
(took 0.015 seconds)
