-
公开(公告)号：CN109166309B
公开(公告)日：2021-03-19
申请号：CN201810884200.6
申请日：2018-08-06
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种面向复杂城市交通网络的缺失流量数据恢复方法，包括获取数据源、路网矩阵化、构建训练模型和数据恢复四个步骤。首先，获取数据源，包括卡口流量统计和车辆轨迹数据提取。然后，为了提取路网流量的局部空间特征，提出network2matrix路网矩阵化算法从车辆轨迹中挖掘路口关系重构路网得到路网流量图片。利用卷积神经网络进行局部卷积计算。其次，为了获取路网流量的时空特性，构建了一个包含预测子网络、恢复子网络的多模态神经网络‑交通流量递归恢复神经网络，并将恢复后的数据作为输入进行迭代训练。最后，将带有缺失数据的路网流量以时间顺序输入训练好的神经网络中恢复，得到缺失数据恢复结果。本发明提高了恢复准确率。
-
公开(公告)号：CN108564788B
公开(公告)日：2021-09-10
申请号：CN201810580649.3
申请日：2018-06-07
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于流式大数据的同行车辆发现方法，包括步骤：首先，针对卡口车流量和分支数量进行聚类，通过得到的卡口类簇对卡口进行角色标识，验证了卡口车流量的幂律性。其次，在流式数据的基础上引入Spark‑streaming时间滑动窗口，根据行车轨迹得到车辆之间的上下文环境，完成对同行语料库的创建和完善。最后提出PDGC(plate‑number dynamic graph computing)算法，基于动态语料库和卡口角色标识建立车辆之间的动态关系图，把卡口角色作为影响因子和车辆之间的图进行关联，通过实时对车辆关系图的剪边和对同行车辆之间边权重的计算得到同行车组。有效降低了数据处理的复杂度。能够实时发现同行车辆组，不仅可以用于搜索相似轨迹，也可通过计算车辆图顶点的出度和入度来挖掘到跟踪车辆。
-
公开(公告)号：CN109830102A
公开(公告)日：2019-05-31
申请号：CN201910114839.0
申请日：2019-02-14
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种面向复杂城市交通网络的短时交通流量预测方法，属于智能交通分析领域，首先，获取数据源，包括卡口流量统计和车辆轨迹数据提取。然后，为了提取路网流量的局部空间特征，提出network2image路网矩阵化算法从车辆轨迹中挖掘路口关系重构路网得到路网流量图片。利用卷积神经网络进行局部卷积计算。针对降低计算复杂度问题，采用路网图像化算法network2image算法：从轨迹数据中挖掘路网中路口的关系，将路网重构成图像，利用卷积神经网络的卷积局部计算达到提取路网局部特征、降低计算复杂度与提高泛化能力的目的。在卷积层中引入小规模递归神经网络，局部路网长时关联性。本发明有效提高了实际复杂城市路网中流量短时预测准确率。
-
公开(公告)号：CN109829114A
公开(公告)日：2019-05-31
申请号：CN201910114603.7
申请日：2019-02-14
Applicant: 重庆邮电大学
IPC: G06F16/9535 , G06Q10/04 , G06Q50/00
Abstract: 本发明请求保护一种基于用户行为的话题流行度预测系统及方法。它的具体步骤为：获取数据、转发驱动力量化、动力学模型构建三个部分。首先，通过网络爬虫抓取web中的内容获取社交网络用户数据。然后，分析影响用户转发的个人和社交转发驱动力，利用多元线性回归量化转发驱动概率。其次，考虑真实社交网站中，信息传播具有沿关注关系层级传播的特点，重构SIR模型中信息传播的规则。最后，将量化后的转发驱动力引入到SIR模型中，结合时间切片技术，刻画时间特性引起的感染率的动态变化过程，利用最小二乘法拟合模型真实参量，构建信息流行度态势变化趋势，预测信息转发数。本发明提高了话题流行度预测准确度。
-
公开(公告)号：CN110851450B
公开(公告)日：2023-07-18
申请号：CN201911098391.4
申请日：2019-11-12
Applicant: 重庆邮电大学
IPC: G06F16/22 , G06F16/29 , G06F16/2458 , G06F9/50 , G08G1/017
Abstract: 本发明涉及智能交通技术领域，具体涉及一种基于增量计算的伴随车即时发现方法，包括：获取交通摄像头记录中的交通车辆数据，生成数据集；从数据集中提取相关属性，生成过车事务数据集；获取过车事务数据集，构建动态频繁树；根据动态频繁树，采用自底向上的方法遍历动态频繁树，进行频繁项映射存储，生成动态频繁项集；利用时间衰减模型，通过加权时间权重对动态频繁项集进行过滤，挖掘近期的伴随车组。本发明的方法增加哈希表以减少树的构建时间，同时增加数据批次散列表作为DF‑tree的减枝依据以释放过期数据占用的内存，引入时间衰减模型，实现基于大规模过车数据的伴随车即时发现。
-
Patent Agency Ranking
公开(公告)号：CN109829114B
公开(公告)日：2023-05-26
申请号：CN201910114603.7
申请日：2019-02-14
Applicant: 重庆邮电大学
IPC: G06F16/9535 , G06Q10/04 , G06Q50/00
Abstract: 本发明请求保护一种基于用户行为的话题流行度预测系统及方法。它的具体步骤为：获取数据、转发驱动力量化、动力学模型构建三个部分。首先，通过网络爬虫抓取web中的内容获取社交网络用户数据。然后，分析影响用户转发的个人和社交转发驱动力，利用多元线性回归量化转发驱动概率。其次，考虑真实社交网站中，信息传播具有沿关注关系层级传播的特点，重构SIR模型中信息传播的规则。最后，将量化后的转发驱动力引入到SIR模型中，结合时间切片技术，刻画时间特性引起的感染率的动态变化过程，利用最小二乘法拟合模型真实参量，构建信息流行度态势变化趋势，预测信息转发数。本发明提高了话题流行度预测准确度。
-
公开(公告)号：CN110851450A
公开(公告)日：2020-02-28
申请号：CN201911098391.4
申请日：2019-11-12
Applicant: 重庆邮电大学
IPC: G06F16/22 , G06F16/29 , G06F16/2458 , G06F9/50 , G08G1/017
Abstract: 本发明涉及智能交通技术领域，具体涉及一种基于增量计算的伴随车即时发现方法，包括：获取交通摄像头记录中的交通车辆数据，生成数据集；从数据集中提取相关属性，生成过车事务数据集；获取过车事务数据集，构建动态频繁树；根据动态频繁树，采用自底向上的方法遍历动态频繁树，进行频繁项映射存储，生成动态频繁项集；利用时间衰减模型，通过加权时间权重对动态频繁项集进行过滤，挖掘近期的伴随车组。本发明的方法增加哈希表以减少树的构建时间，同时增加数据批次散列表作为DF-tree的减枝依据以释放过期数据占用的内存，引入时间衰减模型，实现基于大规模过车数据的伴随车即时发现。
-
公开(公告)号：CN109767622A
公开(公告)日：2019-05-17
申请号：CN201910114601.8
申请日：2019-02-14
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种面向卡口相似性划分和循环神经网络的交通流量预测方法，属于智能交通分析领域。第一，获取数据源，并做数据处理。第二，交通卡口关联性分析。根据轨迹集中交通卡口的上下文关系，使用统计概率模型构建关联空间，按照关联空间中的相对位置度量交通卡口之间的关联性；第三，按照向量空间相似性对卡口进行划分，根据交通卡口向量之间表现出的交通时空关系，使用AP聚类算法对卡口空间的卡口向量集进行无监督聚类分析，找到具有交通流量相似性的卡口组。第四，预测和分析过程，利用卡口的历史交通流量数据和具有流量相似性卡口的历史数据，建立循环神经网络预测模型,通过综合考虑时序特性和空间相关性预测卡口的交通流量。
-
公开(公告)号：CN109767622B
公开(公告)日：2021-12-17
申请号：CN201910114601.8
申请日：2019-02-14
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种面向卡口相似性划分和循环神经网络的交通流量预测方法，属于智能交通分析领域。第一，获取数据源，并做数据处理。第二，交通卡口关联性分析。根据轨迹集中交通卡口的上下文关系，使用统计概率模型构建关联空间，按照关联空间中的相对位置度量交通卡口之间的关联性；第三，按照向量空间相似性对卡口进行划分，根据交通卡口向量之间表现出的交通时空关系，使用AP聚类算法对卡口空间的卡口向量集进行无监督聚类分析，找到具有交通流量相似性的卡口组。第四，预测和分析过程，利用卡口的历史交通流量数据和具有流量相似性卡口的历史数据，建立循环神经网络预测模型,通过综合考虑时序特性和空间相关性预测卡口的交通流量。
-
公开(公告)号：CN109166309A
公开(公告)日：2019-01-08
申请号：CN201810884200.6
申请日：2018-08-06
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种面向复杂城市交通网络的缺失流量数据恢复方法，包括获取数据源、路网矩阵化、构建训练模型和数据恢复四个步骤。首先，获取数据源，包括卡口流量统计和车辆轨迹数据提取。然后，为了提取路网流量的局部空间特征，提出network2matrix路网矩阵化算法从车辆轨迹中挖掘路口关系重构路网得到路网流量图片。利用卷积神经网络进行局部卷积计算。其次，为了获取路网流量的时空特性，构建了一个包含预测子网络、恢复子网络的多模态神经网络-交通流量递归恢复神经网络，并将恢复后的数据作为输入进行迭代训练。最后，将带有缺失数据的路网流量以时间顺序输入训练好的神经网络中恢复，得到缺失数据恢复结果。本发明提高了恢复准确率。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.017 seconds)
