-
公开(公告)号：CN110913345A
公开(公告)日：2020-03-24
申请号：CN201911119105.8
申请日：2019-11-15
Applicant: 东南大学
Abstract: 本发明公开了一种基于手机信令数据的断面客流计算方法，包括如下步骤：(1)从手机信令数据中提取原始基站轨迹序列，每一个轨迹点包含基站地理位置坐标和时间戳，利用混合降噪算法以处理轨迹的空间不确定性问题；(2)从基站层面基于最短路的思想在稀疏的轨迹数据中进行插值，对降噪后的轨迹补全以获得连续的基站轨迹；(3)基于对断面客流的定义，统计穿过断面的轨迹数量，用折减系数对估算值进行修正，得到断面客流量。本发明通过对原始轨迹数据进行降噪和补全处理，计算一定时间内通过任意形状、任意长度的断面的客流数，除了考虑起终点信息以外，利用更精确的轨迹信息来计算断面客流。
-
公开(公告)号：CN108171974B
公开(公告)日：2020-02-18
申请号：CN201711446477.2
申请日：2017-12-27
Applicant: 东南大学
IPC: G08G1/01
Abstract: 本发明公开了一种基于手机三角定位数据的交通出行模式判别方法，通过手机三角定位数据构建手机用户出行链；基于惩罚因子清洗所获取的手机用户出行链数据，去除“噪声”数据，重构手机用户全天出行链；基于重构的手机用户全天出行链，进行时间维度细粒度划分，形成若干个子出行时段，分别计算各子出行时段的总出行距离与直线出行距离，并以此获取各子出行时段的非直线系数；识别手机用户子出行时段多模式交通出行模式；基于已识别的手机用户子出行时段多模式交通出行模式比例，识别全日出行时段主要交通出行模式。本发明能够基于非集计层面获取用户个体的交通出行模式，用于降低模型复杂度并提高预测准确性。
-
公开(公告)号：CN109871876A
公开(公告)日：2019-06-11
申请号：CN201910059198.3
申请日：2019-01-22
Applicant: 东南大学
Abstract: 本发明公开了一种基于浮动车数据的高速公路路况识别与预测方法，包括如下步骤：基于原始GPS轨迹数据，进行数据预处理；基于网格划分结果的速度计算方法，利用轨迹点间的欧式距离和行驶时间计算获得的行程车速作为车辆在更新点处的瞬时速度；基于速度计算网格内的交通流参数，以空间网格和时间网格为单元，计算每个单元内的交通流参数值；基于主成分分析的交通状态参数降维，简化了数据的维数，实现了对数据中无关特征的舍弃；基于k-means的交通状态聚类分析，对不同交通状态进行识别；构建不同时间尺度的特征，建立基于长短期记忆神经网络LSTM的各交通状态量预测模型。本发明能够对高速公路交通状态进行精准识别，并对其演变趋势进行预测。
-
公开(公告)号：CN108681806A
公开(公告)日：2018-10-19
申请号：CN201810310412.3
申请日：2018-04-09
Applicant: 东南大学
CPC classification number: G06Q10/047 , G06Q10/0639 , G06Q50/26 , G06Q50/30
Abstract: 本发明公开了一种基于出行者活动的公交网络连通性评估方法，包括如下步骤：将基础交通网络拓展为ATS‑SAM网络；确定ATS‑SAM网络中各链接的阻抗；求解出行者的每日活动‑出行模式；评估公交网络连通性。本发明基于已有的ATS‑SAM网络，将基础公交网络转化为包含乘客换乘、活动等行为选择的超网络；其次，在转化后的网络中模拟出行者的每日活动和出行行为选择，并基于出行者的每日活动‑出行模式评估公交网络连通性；该方法在一定程度上考虑了出行者的活动及出行行为间的相互作用，能够充分反映定制公交等基于出行者需求设计的新型公共交通模式对出行者活动‑出行模式的影响；在连通性评估中考虑活动及出行选择的因素，从而增加了公交网络连通性评估的准确性。
-
公开(公告)号：CN108171973A
公开(公告)日：2018-06-15
申请号：CN201711446450.3
申请日：2017-12-27
Applicant: 东南大学
IPC: G08G1/01
CPC classification number: G08G1/012
Abstract: 本发明公开了一种基于手机网格数据的交通出行模式识别方法，通过手机网格数据构建手机用户出行序列，获取序列的时间特征、距离特征与速度特征；基于惩罚因子清洗所获取的手机用户出行序列数据，去除“噪声”数据；根据获得的清洗后的手机用户出行序列，基于速度聚类方法划分手机用户子出行序列；根据获得的子出行序列，生成手机用户出行链，获取出行链的时间特征、距离特征与速度特征；识别手机用户各出行链多模式交通出行模式；基于已识别的手机用户出行链多模式交通出行模式比例，识别用户全日出行时段主要交通出行模式。本发明能够基于非集计层面获取用户个体的交通出行模式，用于降低模型复杂度与提升预测准确性。
-
Patent Agency Ranking
公开(公告)号：CN108038578A
公开(公告)日：2018-05-15
申请号：CN201711472253.9
申请日：2017-12-28
Applicant: 东南大学 , 南京公共自行车有限公司
Abstract: 本发明公开了一种基于需求预测和中心辐射网络的公共自行车静态调度方法，基于现有的公共自行车站点，以中心辐射网络为框架，并通过对各个站点进行需求预测，最终确定最优的调度路径。主要包括：(1)分析影响公共自行车需求的多个因素，并以此作为预测因子运用随机森林(Random Forest，简称RF)算法预测各个站点的高峰时段借还量；(2)基于各个站点的需求预测量，提出了先生成中心点再基于中心点调度的两阶段调度策略，并建立中心点生成模型；(3)利用人工蜂群算法对中心点生成模型进行求解；(4)基于生成的中心点，建立公共自行车调度模型可得最优调度线路。
-
公开(公告)号：CN118942054A
公开(公告)日：2024-11-12
申请号：CN202410985950.8
申请日：2024-07-23
Applicant: 江西赣粤高速公路股份有限公司 , 东南大学
IPC: G06V20/54 , G06V10/40 , G06V10/80 , G06V10/774 , G06N3/042 , G06N3/0464 , G06N3/049 , G06N3/045
Abstract: 本发明公开了一种基于时空注意力机制的高速公路交通流量预测方法及系统。该方法以门架数据为基础，基于深度学习构建了高速公路交通流量预测模型MDAN。该模型主要包括：将扩散卷积与时间卷积网络进行融合，同时提取了空间特征和时间特征；从多个维度在模型中利用注意力机制，识别出不同特征、不同空间位置、不同时刻的重要程度，提高了模型的预测性能；采用了多任务学习架构，将每个门架的流量预测视为单独任务，并通过基于同方差不确定性的损失函数来平衡不同任务，共同学习以克服不同门架数据特征差别较大的问题，提高模型的泛化能力和鲁棒性。本发明融合了多种关键技术和组件，能够充分挖掘时空数据中的关键信息，实现高效准确的特征提取。
-
公开(公告)号：CN112990566B
公开(公告)日：2024-03-22
申请号：CN202110257739.0
申请日：2021-03-09
Applicant: 东南大学
IPC: G06Q10/047 , G06Q10/0631 , G06Q50/40
Abstract: 本发明涉及一种缓解轨道交通施工影响的常规公交主动改线方法，通过对轨道交通施工前后公交线路运营情况对比来评价线路是否需要改线，并根据线路在施工影响范围内的路段运行时间确定改线形式，以吸引客流量最大化为目标在考虑路网情况、改线成本和运行时间约束的前提下主动确定最终改线方案；本申请提供的主动改线方法重点关注改线方案实施前后的线路衔接性和经济可行性，保证轨道交通建设期间常规公交线路的运营服务质量，同时具备便于计算、实用性强等特点，为常规公交主动改线提供了理论依据。
-
公开(公告)号：CN112508425B
公开(公告)日：2024-03-15
申请号：CN202011471127.3
申请日：2020-12-14
Applicant: 东南大学
IPC: G06Q10/0639 , G06Q30/0201 , G06Q50/40
Abstract: 本发明公开了一种用于弹性公交系统的城市出行用户画像体系构建方法，包括以下步骤：根据城市用地分类标准对13类POI数据进行重分类；利用TF‑IDF算法计算主要POI类型，赋予公交站点功能属性。基于弹性公交出行记录数据提取弹性公交OD，关联站点功能属性信息，并提取用户公交使用指标；关联用户基本属性，构建多级用户出行指标体系。基于定量的多级用户出行指标体系，进行出行指标标签化，获得用户事实标签以及模型标签。构建多级多粒度公交用户出行标签体系，即公交用户出行画像体系。建立公交用户全方位信息，分析城市居民公交出行画像，为公共交通的规划与调度提供数据基础，从而引导城市居民公交绿色出行。
-
公开(公告)号：CN117657212A
公开(公告)日：2024-03-08
申请号：CN202311518101.3
申请日：2023-11-15
Applicant: 东南大学 , 浙江省交通投资集团有限公司智慧交通研究分公司
IPC: B60W60/00 , G06N3/084 , G06N3/092 , G06N7/01 , B60W30/18 , B60W30/095 , B60W40/10 , B60W40/105 , B60W50/00
Abstract: 本发明涉及一种基于深度强化学习的自动驾驶决策方法，包括如下步骤：S1、构造适合自动驾驶中跟驰决策和换道决策训练环境的马尔可夫决策过程；S2、通过深度Q网络和深度确定性策略梯度的聚合算法分别训练特定智能体的跟驰决策和换道决策。本发明有利于提高交通效率、增强交通安全性以及改善行驶的舒适性。
-
-
-
-
-
-
-
-
-
Search Results
113
records
(took 0.036 seconds)
