-
公开(公告)号：CN106815686A
公开(公告)日：2017-06-09
申请号：CN201710052109.3
申请日：2017-01-21
Applicant: 吉林大学 , 山东高速股份有限公司
CPC classification number: G06Q10/06315 , G06Q50/265
Abstract: 本发明公开一种应急资源调度方法，该方法首先获取事故发生地的初始时刻物资需求量Q0，根据所述初始时刻物资需求量Q0确定事故最早结束时间T，然后获取n个应急救援点的救援信息，根据n个所述应急救援点的所述救援信息和所述事故最早结束时间T确定n个所述应急救援点的能力费用比，最后根据n个所述应急救援点的能力费用比确定n个所述应急救援点提供的物资供给量。本发明综合考虑事故结束时间最早、应急救援费用最少2个因素确定一种应急资源调度方法，克服了传统应急资源调度方法不能实现应急资源最优调度的问题。
-
公开(公告)号：CN104778837A
公开(公告)日：2015-07-15
申请号：CN201510175476.3
申请日：2015-04-14
Applicant: 吉林大学 , 山东高速股份有限公司
IPC: G08G1/01
CPC classification number: G08G1/0137
Abstract: 本发明公开了一种道路交通运行态势多时间尺度预测方法，根据高速公路交通流运行的时空特性，通过对不同时间尺度下高速公路交通参数特征的分析，运用指数平滑算法、加权平均算法、卡尔曼滤波法分别对不同时间尺度下的高速公路道路交通运行态势进行预测，构建高速公路道路交通运行态势评价指标体系及多时间尺度高速公路交通流运行态势预测技术，进而实现高速公路运行管理从经验主导向科学主导的转变，被动管理向主动管理的初步转变，能够有效的提升道路交通运行态势预测系统运行效率、降低系统运行成本，可显著提升道路交通指挥和管理协调程度，最大限度为道路交通管理者和使用者的交通管控措施改善和出行计划规划提供最佳决策。
-
公开(公告)号：CN104766483A
公开(公告)日：2015-07-08
申请号：CN201510166789.2
申请日：2015-04-09
Applicant: 吉林大学 , 山东高速股份有限公司
IPC: G08G1/07
CPC classification number: G08G1/07
Abstract: 本发明公开了一种基于云计算的交通控制诱导协调系统及方法，以云平台架构为基础，包括：交通信息采集模块、交通信息处理模块、交通状态判别模块、交通信号控制优化模块、交通诱导方案生成模块和显示模块；本发明在云计算平台的基础上，实现交通控制与诱导的有效协调，快速准确地发布交通控制与诱导信息。
-
公开(公告)号：CN118690929A
公开(公告)日：2024-09-24
申请号：CN202411188461.6
申请日：2024-08-28
Applicant: 吉林大学
IPC: G06Q10/04 , G06Q10/0637 , G06Q50/06 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/084
Abstract: 本发明属于换电需求预测领域，涉及一种基于深度学习的换电站换电需求预测方法，以下步骤：步骤A：获取换电站的历史换电数据，获取天气数据、节假日数据；步骤B：对换电站的历史换电数据、天气数据、节假日数据进行预处理；步骤C：基于深度学习TCN‑BiGRU‑Attention的换电需求预测模型；步骤D：模型训练与验证；步骤E：模型有效性分析；步骤F：模型预测与应用；本发明的优点：具有高预测精度和强泛化能力，并能融合多种影响因素的换电需求预测模型，能够为电动汽车换电站的运营提供更准确和高效的决策支持。
-
公开(公告)号：CN116362523B
公开(公告)日：2023-09-26
申请号：CN202310639210.4
申请日：2023-06-01
Applicant: 吉林大学
IPC: G06Q10/0631 , G06Q10/04 , G06Q10/0639 , G06Q50/06
Abstract: 本发明属于交通控制系统技术领域，涉及一种考虑温度适应性的换电站选址与运营协同优化方法，包括：获取电动汽车历史轨迹信息和区域历史温度信息，提取历史出行链和行程，并温度信息匹配。基于出行链和行程时空变量，挖掘出行特征模型。基于行程时空变量和温度信息，建立电动汽车能耗模型。结合电动汽车出行特征和能耗模型，对预期规模的电动汽车的出行与换电行为进行仿真，获得不同季节情景下的换电需求时空分布。基于不同季节情景下的换电需求时空分布，构建两阶段选址与运营策略协同优化模型。采用整数L‑shaped算法对模型进行求解。本发明的优点是：实现了换电需求快速增长和换电基础设施供给梯度扩充之间的平衡。
-
Patent Agency Ranking
公开(公告)号：CN116363905A
公开(公告)日：2023-06-30
申请号：CN202310565970.5
申请日：2023-05-19
Applicant: 吉林大学
IPC: G08G1/16 , B60W30/18 , B60W30/095
Abstract: 本发明属于交通控制系统领域，具体提供一种异质交通流合流区换道时机判别及主动安全控制方法，包括以下步骤：获取道路上车辆的运行信息及驾驶员信息；构建安全场模型；构建基于安全势场的最小换道距离模型；构建基于安全势场的行车安全指标；合流区上游早期的自由换道；合流区加速车道的强制换道与合作换道。本发明结合现有合流区等重点场景交通冲突矛盾复杂、换道合并策略单一、行车安全指标缺乏等问题，综合道路环境和车辆运动状态因素，以安全势能及势能变化率等标量测度换道目标位置风险，构建了以行车安全指数换道安全评价指标为核心的多车组合换道控制策略，以此判断安全换道时机。
-
公开(公告)号：CN106910018A
公开(公告)日：2017-06-30
申请号：CN201710099427.5
申请日：2017-02-23
Applicant: 吉林大学 , 山东高速股份有限公司
IPC: G06Q10/06
CPC classification number: G06Q10/06315
Abstract: 本发明公开了一种救援资源调度方法及系统，该方法和系统通过获取在不灾难下不同高速公路事故发生的概率，建立救援资源配置模型；并通过救援资源配置模型，确定每个救援帮助点的位置以及每个救援帮助点配置的救援物资，避免因救援帮助点布置不合理以及救援物资短缺，耽误救援时间；通过事故发生位置和救援资源配置模型，确定救援车最佳出发位置和救援所需物资，减少救援时间，即采用本发明提供的方法和系统，有效地提高高速公路救援效率，提升我国高速公路救援服务能力。
-
公开(公告)号：CN104794895A
公开(公告)日：2015-07-22
申请号：CN201510166765.7
申请日：2015-04-09
Applicant: 吉林大学 , 山东高速股份有限公司
IPC: G08G1/01
Abstract: 本发明公开了一种面向高速公路的多源交通信息融合方法，通过有检测器路段交通信息的融合，获取更加全面准确的交通信息；通过有检测器路段数据和历史数据相融合，预测无检测器路段的交通信息，从而获得整个路段的交通信息；包括以下步骤：高速公路路段单元划分、交通信息数据预处理、单元内多源交通信息融合、单元间的交通信息融合；将多种方式采集的交通信息进行有效融合，不但可以增加信息的种类、扩大数据采集范围，而且还能够有效提高信息获取的性价比、准确度和可靠度，避免单个信息源失效而导致的判断和决策错误。
-
公开(公告)号：CN118690786A
公开(公告)日：2024-09-24
申请号：CN202411165362.6
申请日：2024-08-23
Applicant: 吉林大学
IPC: G06N3/045 , G06N3/0499 , G06N3/0442 , G06N3/084 , G06N3/092 , G06N3/10 , B60W50/00 , B60W60/00
Abstract: 本发明属于道路车辆控制领域，涉及一种基于深度强化学习的网联车辆协同控制方法，该方法以专家数据集作为模仿学习的样本数据，通过行为克隆算法生成行为决策网络Φ，用于异策略强化学习中的行为策略；构建actor‑critic框架，每个智能体对应一个策略网络和一个价值网络，通过循环神经网络改进价值网络和策略网络，在价值网络中添加注意力机制；之后对价值网络和策略网络进行训练，采用确定性策略梯度原理更新策略网络，TD算法更新价值网络。训练完成后，策略网络即为控制网络，通过V2X通信部署到车端，车端通过感知获取所需信息，输入控制网络得到控制措施，完成网联车辆的协同控制，该方法可实现车流总体控制目标和网联车辆单智能体约束，更符合现实条件。
-
公开(公告)号：CN118427287B
公开(公告)日：2024-08-27
申请号：CN202410883187.8
申请日：2024-07-03
Applicant: 吉林大学
IPC: G06F16/29 , G06N3/042 , G06N3/0455 , G06N3/0464 , G06N3/084 , G06N5/04 , G06Q50/26 , G06F16/901
Abstract: 本发明属于绿道选线技术领域，涉及一种基于图神经网络的绿道选线方法，包括以下步骤：步骤一：点的选择与提取；步骤二：基于点的选取，构建图神经网络所需节点矩阵；步骤三：构建两层GCN网络，实现对于绿道的精确求解；本发明的优点是：通过利用传统的阻力因子所具有的多种数据，结合行人对于自然景观、游憩的喜好等行人的主观因素，利用图神经网络模型实现对于绿道的选择，充分运用该模型在大规模数据集上进行训练后，能够学习到复杂的地理特征、地形和环境条件以及行人活动和景观密度，实现提供高精度的绿道选线预测。实现对于绿道的精确选择。
-
-
-
-
-
-
-
-
-
Search Results
36
records
(took 0.019 seconds)
