-
公开(公告)号：CN113204734B
公开(公告)日：2024-04-09
申请号：CN202110350726.8
申请日：2021-03-31
申请人： 东南大学
IPC分类号： G06F17/11 , G06Q10/04 , G06Q10/0639 , G06Q50/40
摘要： 本发明公开了一种基于排队论的过饱和状态下交通系统多尺度供需关系的系统建模方法，通过引入动力系统方程来描述具有虚拟队列演化过程的确定性队列模型，并基于多项式函数近似逼近的到达率，解析地推导出了交通系统性能的各种评价指标，比如，虚拟队列长度、平均延迟、物理队列长度和时变路段通行时间等，讨论了过饱和因子的不同取值范围的适用性情况，通过采集多源数据对该系统模型中的关键参数进行了校准，验证了该系统建模方法的有效性。本发明可以被用于联合优化需求管理政策和基础设施建设工作，针对不同规模的复杂且过饱和的动态排队系统，决策者可以应用本发明系统地制定需求侧和供给侧的拥堵缓解策略。
-
公开(公告)号：CN115240441A
公开(公告)日：2022-10-25
申请号：CN202210913589.9
申请日：2022-08-01
申请人： 东南大学
摘要： 本发明公开了一种信号控制人行横道中间安全岛上人数估计方法，具体为：根据路侧行人排队需求确定路侧平均每行排队人数，根据交通流理论确定路侧行人排队消散时间及排队行人到达安全岛的达到率；确定中间安全岛排队需求与平均每行排队人数；计算中间安全岛行人排队消散时间；分别确定安全岛双向行人流入数量函数与流出数量函数；计算中间安全岛上行人人数。本发明信号控制人行横道中间安全岛上人数估计方法，考虑行人在路侧和安全岛等待过街时间内排队队列形成与消散规律，更加准确的对中间安全岛上流入和流出人数进行估计，准确估计安全岛上不同时刻内人数，有利于更加精准的满足行人站立的安全岛设施设计与基于行人站立安全的信号控制优化。
-
公开(公告)号：CN105427394A
公开(公告)日：2016-03-23
申请号：CN201510883352.0
申请日：2015-12-03
申请人： 东南大学
摘要： 本发明公开了一种基于试错法和机动车流量的拥堵收费最优费率确定方法，只需要收费区域每个入口路段的车流量数据，即可调节获得最优收费费率。针对最优收费方案，本发明使用一套严格的数学证明来建立费率调节的“试错法”，以保证该方法可以收敛到最优的收费费率，包括：(1)利用基于非对称路段旅行时间方程的随机用户平衡理论来评估每一个可用的拥堵收费模式；(2)建立了一个单调、连续的变量不等式模型来进行网络平衡流量的预测；(3)利用求解变量不等式模型的投影算法，来确定调节的步长，和每一步的收费费率值。
-
公开(公告)号：CN115240441B
公开(公告)日：2023-04-25
申请号：CN202210913589.9
申请日：2022-08-01
申请人： 东南大学
摘要： 本发明公开了一种信号控制人行横道中间安全岛上人数估计方法，具体为：根据路侧行人排队需求确定路侧平均每行排队人数，根据交通流理论确定路侧行人排队消散时间及排队行人到达安全岛的达到率；确定中间安全岛排队需求与平均每行排队人数；计算中间安全岛行人排队消散时间；分别确定安全岛双向行人流入数量函数与流出数量函数；计算中间安全岛上行人人数。本发明信号控制人行横道中间安全岛上人数估计方法，考虑行人在路侧和安全岛等待过街时间内排队队列形成与消散规律，更加准确的对中间安全岛上流入和流出人数进行估计，准确估计安全岛上不同时刻内人数，有利于更加精准的满足行人站立的安全岛设施设计与基于行人站立安全的信号控制优化。
-
公开(公告)号：CN115130612A
公开(公告)日：2022-09-30
申请号：CN202210876936.5
申请日：2022-07-25
申请人： 东南大学
摘要： 本发明公开了基于深度学习和多维度融合数据的车辆跟驰行为预测方法，包括以下步骤：根据微观交通流轨迹数据，提取驾驶者感知区域内其他车辆的非结构化数据；基于信息熵理论采用DIM模型对非结构化数据进行编码；将编码后非结构化数据和结构化数据进行融合；将融合之后的数据输入至深度学习模型，进行微观跟驰行为预测，输出跟驰车辆在下一时段的行驶距离。本发明提出一种同时考虑非结构化特征和结构化特征的跟驰行为预测方法，该预测方法在单步预测和多步预测任务中均有优异的性能表现；本发明方法理论性和可操作性强，通过将非结构化数据与结构化数据相融合，使得车辆对于周围环境的感知更加全面、准确。
-
公开(公告)号：CN115081550A
公开(公告)日：2022-09-20
申请号：CN202210884305.8
申请日：2022-07-25
申请人： 东南大学
摘要： 本发明公开了基于驾驶者特性的数据驱动车辆跟驰行为预测方法，包括以下步骤：分别获取两车速度随时间变化的突变点，根据速度突变点估计当前车辆的瞬时反应延迟；根据当前车辆多维时间序列的内在特征进行驾驶行为划分，对划分后的驾驶行为进行聚类，分别计算每种驾驶模式的占比；以门控循环单元GRU作为预测模型，预测模型的输入包括与当前车辆跟驰行为有关的多维时间序列，以及当前驾驶者的行为特征，预测目标为当前车辆下一时段的前进距离；多维时间序列的长度由瞬时反应延迟决定。本发明同时将驾驶者反应延迟和驾驶风格纳入跟驰模型中，基于实际数据挖掘反应延迟和驾驶模式，对不同的驾驶者进行差异化建模，更准确地估计驾驶者的跟驰行为。
-
公开(公告)号：CN113204734A
公开(公告)日：2021-08-03
申请号：CN202110350726.8
申请日：2021-03-31
申请人： 东南大学
摘要： 本发明公开了一种基于排队论的过饱和状态下交通系统多尺度供需关系的系统建模方法，通过引入动力系统方程来描述具有虚拟队列演化过程的确定性队列模型，并基于多项式函数近似逼近的到达率，解析地推导出了交通系统性能的各种评价指标，比如，虚拟队列长度、平均延迟、物理队列长度和时变路段通行时间等，讨论了过饱和因子的不同取值范围的适用性情况，通过采集多源数据对该系统模型中的关键参数进行了校准，验证了该系统建模方法的有效性。本发明可以被用于联合优化需求管理政策和基础设施建设工作，针对不同规模的复杂且过饱和的动态排队系统，决策者可以应用本发明系统地制定需求侧和供给侧的拥堵缓解策略。
-
-
-
-
-
-
搜索结果
17 条记录 (耗时 0.019 秒)
