-
公开(公告)号：CN117877261A
公开(公告)日：2024-04-12
申请号：CN202410067169.2
申请日：2024-01-17
申请人： 山东高速基础设施建设有限公司 , 东南大学
摘要： 本发明公开了基于改进强健随机森林的交通异常数据异常检测方法，包括如下步骤：S1、数据输入；S2、模型搭建；S3、数据处理；S4、异常分数计算；S5、阈值确定；S6、异常检测；S7、应用；S8、模型评估和优化；S9、优化总体方案。本发明通过自适应地为每颗树分配权重，充分考虑树的性能，从而提高整体模型的准确性和鲁棒性。通过引入对异常值的鲁棒性增强机制和自适应的参数优化策略，算法能够更好地适应不同的交通场景和数据分布，提高了算法的泛化性能。
-
公开(公告)号：CN117473729A
公开(公告)日：2024-01-30
申请号：CN202311399166.0
申请日：2023-10-26
申请人： 山东高速基础设施建设有限公司 , 东南大学
IPC分类号： G06F30/20 , G06N7/01 , G06F111/08
摘要： 发明公开了一种面向离散交通网络设计的仿真优化方法，包括如下步骤:S1、迭代地将仿真计算资源，分成多次分配给各个备选方案，在每轮迭代中，先使用现有的排序和选择方法智能地将计算资源分配给每个备选方案；S2、在每轮迭代中，使用贝叶斯筛选过程，筛选出可能成为最佳选择的备选方案，去除不可能成为最佳选择的备选方案；S3、在每轮迭代中，使用自适应方案确定下一轮迭代的计算预算资源。本发明引入了一种新的优化框架来解决基于仿真的离散交通网络设计问题，即混合排序和选择方法。
-
公开(公告)号：CN117542191A
公开(公告)日：2024-02-09
申请号：CN202311398805.1
申请日：2023-10-26
申请人： 山东高速集团有限公司 , 山东高速基础设施建设有限公司 , 东南大学
摘要： 本发明公开了一种可解释的交通流预测堆叠方法，包括如下步骤：S1、收集交通流量预测相关时空特征及数据预处理；S2、搭建堆叠模型、调试与检验；S3、通过一致性聚类思想评估各个时空特征对预测结果的影响。本发明在提升预测结果的准确度的同时，保证了预测结果的可解释性；提供了一个旨在增强预测精度和模型可解释性的新框架，从而帮助交通专业人员和利益相关者做出更明智的决策。
-
公开(公告)号：CN112632374B
公开(公告)日：2024-04-05
申请号：CN202011502864.5
申请日：2020-12-18
申请人： 东南大学
IPC分类号： G06F16/9535 , G06F16/9537 , G06Q50/40
摘要： 本发明公开了一种考虑定制公交的居民出行方式选择分析方法，属于交通经济学，交通管理与控制领域，包括：(1)出行方式选择集确定；(2)出行方式选择影响因素分析：确定居民出行方式选择的影响因素，影响因素分为三类，即居民个人属性，出行行为属性和出行方案属性；(3)数据收集及预处理：收集居民个人属性数据、出行行为属性数据、出行方案属性数据，并对收集得到的数据进行筛选处理；(4)建立考虑定制公交的出行方式选择模型，使用极大似然估计法对数据进行拟合，得到不同出行方式的效用模型。本发明可以有效模拟交通方式划分过程，得到不同出行方式分担率，并为定制公交的投入使用及后续发展提供重要的基础。
-
公开(公告)号：CN113674546B
公开(公告)日：2022-06-21
申请号：CN202110959045.1
申请日：2021-08-20
申请人： 东南大学 , 浙江数智交院科技股份有限公司
IPC分类号： G08G1/0967 , G08G1/0968 , G08G1/0965 , G08G1/16 , H04L67/12 , G06F30/20
摘要： 本发明公开了一种基于sumo仿真的V2X环境下的高速公路管控方法，该方法包括如下步骤：步骤1：构建仿真所需的路网，具体操作包括在开源地图软件OpenStreetMap上导入已有的真实路网或在sumo内置的netedit路网编辑器中自行编辑路网；步骤2：构建V2X的车辆仿真环境以及管控微观层面的车辆辅助控制；步骤3：在步骤1和步骤2搭建的环境的基础上结合可变限速、匝道控制、车道车种控制、可变车道的宏观管控手段对高速公路进行总的系统管控。本发明结合高速公路的基础设施建设原有的多种宏观管控手段，可以实现整个高速公路的系统管控。
-
公开(公告)号：CN113160560B
公开(公告)日：2022-06-17
申请号：CN202110331960.6
申请日：2021-03-29
申请人： 东南大学
摘要： 本发明公开了一种基于巢式‑交叉巢式的多模式换乘矩阵测算方法，该方法包括：分析换乘中心服务的多模式交通模式及换乘关系，明确出行者的备选出行链集合及待测算的多模式换乘矩阵；结合巢式Logit(Nested Logit,NL)模型和交叉巢式Logit(Cross Nested Logit,CNL)模型考虑多模式交通模式各模式间的相似性和多模式城市道路网的重合度，通过交通方式划分(Mode Split,MS)和交通分配(Traffic Assignment,TA)结合的方法，构建最优化模型；利用Evans算法求解得到换乘矩阵测算结果。与现有技术相比，本发明对于辅助换乘中心规划建设过程中的资源配置有重要作用。
-
公开(公告)号：CN108615360B
公开(公告)日：2022-02-11
申请号：CN201810431068.3
申请日：2018-05-08
申请人： 东南大学
摘要： 本发明公开了一种基于神经网络的交通需求逐日演变预测方法，根据需求预测区域内各小区之间的手机信令数据，构建某时间段内交通出行的生成吸引OD矩阵，利用机器学习中深度学习的方法，建立循环神经网络模型和特征级融合神经网络模型，从而预测该区域逐日演变的动态交通需求量，并且充分考虑了时间和空间的内在关联性。本发明提出循环神经网络模型和特征级融合神经网络模型，对于短期动态交通需求预测有着很高的灵活性及准确度。
-
公开(公告)号：CN113096429A
公开(公告)日：2021-07-09
申请号：CN202110257720.6
申请日：2021-03-09
申请人： 东南大学
IPC分类号： G08G1/123
摘要： 本发明涉及一种基于公交调度站点和车辆服务范围的弹性公交线路生成方法，利用路网中的调度站点信息生成调度点对，依据车辆服务范围将各公交站点分配给合适的调度点对；需求响应阶段，根据分配结果确定每位乘客的出行方向，与乘客出行方向相同的线路将尝试和其匹配；匹配过程中采用节点插入算法检查方案的可行性并选取余度最大的线路作为最优方案，无法从既有线路中生成可行方案时为乘客开设新线；本发明完全按照乘客需求规划弹性公交线路，不再依赖预定线路或站点，能够充分展现弹性公交灵活性，提高乘客吸引力和市场竞争力。
-
公开(公告)号：CN112488574A
公开(公告)日：2021-03-12
申请号：CN202011485169.2
申请日：2020-12-16
申请人： 东南大学
摘要： 本发明公开了一种基于时空特征提取的出行需求预测方法，包括以下步骤：采集非集计出行数据并对其进行预处理；构造出行需求网格图；构造基于时空特征提取的出行需求预测模型；构造局部出行需求网格图的时间序列，将局部出行需求网格图的时间序列构造为空间特征训练样本集Ds，构造时间特征训练样本集DT；提取时空特征；构造预测训练样本集DP，使用预测训练样本集训练预测模块；将训练完成的空间特征提取模块、时间特征提取模块和预测模块加以拼接，得到端到端的预测模型，并将其作为最终的基于时空特征提取的出行需求预测模型。本发明提高出行需求的预测精度。
-
公开(公告)号：CN112488422A
公开(公告)日：2021-03-12
申请号：CN202011485155.0
申请日：2020-12-16
申请人： 东南大学
摘要： 本发明公开了一种基于多任务学习的多模式出行需求预测方法，涉及交通需求预测技术领域，具体如下：采集多种交通方式的非集计出行数据，对非集计出行数据进行预处理；构造出行需求网格图；构造局部出行需求网格图的时间序列，构造多任务学习样本集，将局部出行需求网格图的时间序列构造为多任务学习样本集；构造基于多任务学习的出行需求预测模型；使用上述中的多任务学习样本集，训练所述基于多任务学习的出行需求预测模型，得到训练好的出行需求预测模型；利用训练好的出行需求预测模型即能进行多模式的出行需求预测。本发明融合多种出行需求预测任务，提高出行需求的预测精度。
-
-
-
-
-
-
-
-
-
搜索结果
106 条记录 (耗时 0.054 秒)
