-
公开(公告)号：CN109451462B
公开(公告)日：2020-11-03
申请号：CN201811367528.7
申请日：2018-11-16
Applicant: 湖南大学
Abstract: 本发明公开了一种基于半马尔科夫链的车载网络频谱资源分配方法，其提出一种基于激励机制频谱复用策略，以鼓励宏用户与车辆用户共享可用频谱资源。其中路边单元配备有认知设备，可以感知到周围环境中未被使用的空闲频段，并针对宏用户和车辆用户之间动态频谱接入策略，建立了半马尔科夫链模型，同时利用数值迭代算法求解最优策略。本发明所述方法可以更加充分利用空闲的频谱资源，同时使得系统长期收益回报最大。
-
公开(公告)号：CN109451462A
公开(公告)日：2019-03-08
申请号：CN201811367528.7
申请日：2018-11-16
Applicant: 湖南大学
Abstract: 本发明公开了一种基于半马尔科夫链的车载网络频谱资源分配方法，其提出一种基于激励机制频谱复用策略，以鼓励宏用户与车辆用户共享可用频谱资源。其中路边单元配备有认知设备，可以感知到周围环境中未被使用的空闲频段，并针对宏用户和车辆用户之间动态频谱接入策略，建立了半马尔科夫链模型，同时利用数值迭代算法求解最优策略。本发明所述方法可以更加充分利用空闲的频谱资源，同时使得系统长期收益回报最大。
-
公开(公告)号：CN105761488A
公开(公告)日：2016-07-13
申请号：CN201610190046.3
申请日：2016-03-30
Applicant: 湖南大学
IPC: G08G1/01
Abstract: 本发明公开了一种基于融合的实时极限学习机短时交通流预测方法，针对短时非平稳交通流场景中的预测技术，基于短时交通流实时性、准确性、可靠性三大特征和融合的实时极限学习机来预测短时交通流。本发明提出的短时交通流预测方法，基于简化的单隐层前馈神经网络结构，能够在交通流峰值期快速的训练历史数据并能增量地更新到达的数据，在保证一定预测精度的同时节省学习时间。此外，采用融合机制保证了短时交通流预测的稳定性和鲁棒性。在数据缺失和波动剧烈时期进行重构，训练阶段时耗短，且预测结果的均方根误差、标准误差百分比均在置信区域内。
-
公开(公告)号：CN113780665A
公开(公告)日：2021-12-10
申请号：CN202111079680.7
申请日：2021-09-15
Applicant: 湖南大学
IPC: G06Q10/04 , G06Q50/30 , G06F16/9537 , G06N3/04
Abstract: 本发明公开了一种基于增强循环神经网络的私家车停留位置预测方法和系统，方法包括：首先，对私家车原始GPS轨迹数据中的停留点进行检测，并且提取出车辆在每个停留点的上下文信息包括停留时间、停留地点、停留时长和停留次数信息；然后，基于停留点的上下文信息，构建两个利用注意力机制增强的循环神经网络分别从停留点上下文信息中学习私家车用户的出行规律和偏好；最后，将深度神经网络习得的出行规律特征和出行偏好特征进行融合，并输入到全连接神经网络对私家车停留位置进行预测。本发明方法利用增强循环神经网络充分挖掘私家车轨迹数据中所蕴含的用户出行规律和偏好，实现对私家车停留位置的预测，且具有较高的准确率。
-
公开(公告)号：CN112598165A
公开(公告)日：2021-04-02
申请号：CN202011452777.3
申请日：2020-12-11
Applicant: 湖南大学
Abstract: 本发明公开了一种城市功能区转移流量预测方法及装置，其方法为：首先，采集城市中私家车的GPS和OBD数据，从中提取私家车的停留点数据，根据经纬度信息为所有停留点数据匹配POI语义标签；然后，根据停留点数据统计每个时间片段内位于各功能区的转移流量，并构建功能区域之间的流量转移矩阵，进而构建训练样本和预测样本；最后，使用训练样本对预设的转移流量预测模型进行训练，训练后即可用于对预测样本在目标时间段的车辆转移流量进行预测。本发明的预测模型捕获了训练样本的时间相关性和时空相关性，预测功能区之间的转移流量，且预测准确率高。
-
Patent Agency Ranking
公开(公告)号：CN112529284A
公开(公告)日：2021-03-19
申请号：CN202011423226.4
申请日：2020-12-08
Applicant: 湖南大学
Abstract: 本发明公开了一种基于神经网络的私家车停留时间预测方法、设备及介质，其中方法包括：获取私家车的历史行程数据进行预处理，构建训练集；所述训练集中各样本包括停留点的经纬度、熄火时间和停留时间；以训练集中各样本的停留点经纬度和熄火时间为输入，以对应的停留时间为输出，对构建的深度学习模型进行训练，得到停留时间预测模型；其中，构建的深度学习模型从输入至输出依次包括编码器、异常处理模块和解码器，所述异常处理模块包括神经算术逻辑单元；采集停留时间待预测所对应行程的停留点经纬度和熄火时间，将其输入至训练好的停留时间预测模型，输出即为预测得到的停留时间。本发明可以降低私家车停留时间预测方法的复杂度和工作量。
-
公开(公告)号：CN113762338B
公开(公告)日：2023-08-25
申请号：CN202110868311.X
申请日：2021-07-30
Applicant: 湖南大学
IPC: G08G1/01 , G06Q10/04 , G06Q50/30 , G06N3/045 , G06N3/044 , G06N3/042 , G06N3/0464 , G06F18/213 , G06F18/25 , G06F18/214
Abstract: 本发明公开了一种基于多重图注意力机制的交通流预测方法、设备及介质，方法为：获取训练样本；构建由若干交通流预测子模型构成的交通流预测生成组合模型GC‑GE和由编码器、注意力机制及全连接层构成的交通流预测优化模型GA‑OP；GC‑GE使用每个预测子模型进行初始预测；GA‑OP通过对历史交通流、初始预测交通流、交通流外部因素进行编码，利用注意力机制获取三者间的两两交互关系，并将这些张量拼接到全连接层上进行评分以对整个模型进行训练；最后根据评分确定GC‑GE中各子模型的权重，以此获得最终的预测交通流。本发明不仅考虑了交通流的时空相关性，还考虑交通流外部因素的影响，保证了预测结果的有效性。
-
公开(公告)号：CN114878576A
公开(公告)日：2022-08-09
申请号：CN202210383239.6
申请日：2022-04-13
Applicant: 云南武易高速公路有限公司 , 同济大学 , 云南楚姚高速公路有限公司 , 湖南大学 , 重庆交通大学
Abstract: 本发明的一种公路隧道病害集成检测车，其通过设置前检测部和后检测部，使得该检测车能够通过剪叉机构实现在隧道内的行进，而且由于在前检测部和后检测部上均设置了不相互重叠的检测组件，使得本检测车的检测更加全面，同时，检测组件由于设置了软笔头和硬笔头从而使得该检测组件能够同时检测出裂缝和凸起并且做出不同的记录，更进一步的，在检测出裂缝后还可以通过浆液修补组件进行裂缝修补，进一步提高了设备的智能化，同时，在检测车上设置了扫描仪结构，将纸质的记录纸转换为可远程发送和电脑操作的数据格式，进一步提高了检测车的智能性。
-
公开(公告)号：CN110488842B
公开(公告)日：2020-11-03
申请号：CN201910832754.6
申请日：2019-09-04
Applicant: 湖南大学
IPC: G05D1/02
Abstract: 本发明公开了一种基于双向内核岭回归的车辆轨迹预测方法，包括：步骤1，获取车辆行驶过程中在信号中断时间段之前的第一行驶姿态信息时间序列和之后的第二行驶姿态信息时间序列，并分别采用滑动窗口从中获取有关行驶姿态信息的前向训练数据和后向训练数据；步骤2，利用前向训练数据和后向训练数据，分别训练两个核岭回归模型，得到轨迹前向预测模型和轨迹后向预测模型；步骤3，使用轨迹前向预测模型和轨迹后向预测模型，分别从前向和后向对中断时间段内的行驶姿态信息进行滚动预测，得到前向预测序列和后向预测序列，最后整合得到中断时间段内的行驶姿态信息时间序列。本发明方法对车辆轨迹预测具有更好的精确度和鲁棒性。
-
公开(公告)号：CN111027644A
公开(公告)日：2020-04-17
申请号：CN201911371262.8
申请日：2019-12-26
Applicant: 湖南大学
Abstract: 本申请涉及一种出行模式分类方法、装置、计算机设备和存储介质。一个实施例中的方法包括：获取目标车辆的轨迹信息；基于轨迹信息分别进行聚类处理，得到时空语义序列信息、时间序列信息和空间序列信息；分别对时空语义序列信息、时间序列信息和空间序列信息进行序列模式挖掘，获得序列模式的支持度；根据序列模式的支持度以及预设的出行模式分类规则，确定目标车辆的出行模式。通过从时空语义、时间和空间三个维度对车辆的轨迹信息进行处理，从而实现用户出行模式的分类，可以有效提高出行模式的预测精度。
-
-
-
-
-
-
-
-
-
Search Results
25
records
(took 0.021 seconds)
