-
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
Applicant: 东南大学
Abstract: 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
Applicant: 东南大学
Abstract: 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
Applicant: 东南大学
IPC: G08G1/123
Abstract: 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
Applicant: 东南大学
Abstract: 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
Applicant: 东南大学
Abstract: 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。
-
Patent Agency Ranking
公开(公告)号：CN111402605A
公开(公告)日：2020-07-10
申请号：CN202010215384.4
申请日：2020-03-24
Applicant: 东南大学 , 悉地(苏州)勘察设计顾问有限公司
Abstract: 本发明公开一种基于通行能力模型优化的借对向车道左转的信号控制方法，该方法包括如下步骤：步骤1：对交叉口进行借道左转的渠化设计和信号控制方案设计；步骤2：在步骤1的基础上，借对向车道左转的车道长度Lc和预信号相位P1的信号时长的选择，建立以通行能力最大为目标的优化模型，找到使该方案下交叉口通行能力最大的借道左转车道长度Lc和P1的信号时长。本发明可以提高左转机动车通行能力，降低进口道延误，提高交叉口的整体运行效率。
-
公开(公告)号：CN108830401A
公开(公告)日：2018-11-16
申请号：CN201810418436.0
申请日：2018-05-04
Applicant: 东南大学
Abstract: 本发明公开了一种基于元胞传输模型的动态拥堵收费最优费率计算方法，本发明提出的基于元胞传输模型的动态拥堵收费最优费率计算方法相比于已有的算法，更加公平有效，得出的最优费率使整个路网的时间消耗最小；本发明中采用的基于路径的元胞传输模型与原始的元胞传输模型相比，拥有无需计算元胞等待时间等优点，使得计算更加简便高效，当本发明应用在较大的城市区域中时，可以大幅节省整个路网系统的总出行时间。
-
公开(公告)号：CN108615360A
公开(公告)日：2018-10-02
申请号：CN201810431068.3
申请日：2018-05-08
Applicant: 东南大学
Abstract: 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：CN108171974A
公开(公告)日：2018-06-15
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：CN107230350A
公开(公告)日：2017-10-03
申请号：CN201710496982.1
申请日：2017-06-23
Applicant: 东南大学
IPC: G08G1/01
Abstract: 本发明公开了一种基于卡口与手机流量话单数据的城市交通量获取方法，包括以下步骤：获取研究路网关键位置经纬度坐标，采用线性插值方法以所需精度对路网坐标进行填充；提取研究路网范围内存在卡口的路段，选定经纬度落在上述路段指定精度范围内的手机流量话单数据；获取聚合后的存在卡口的路段的手机流量话单数据特征；对研究路网范围内的卡口数据按指定时间间隔进行交通量的聚合；通过选取预测模型，获取研究路网内未设置卡口路段的交通量。本发明基于多源数据融合思想，结合手机流量话单数据与卡口数据，通过互补消除了手机流量话单数据精度较差、卡口点位布设少造成数据量不足的缺陷，并填补了手机流量话单数据在城市路网应用上的空白。
-
-
-
-
-
-
-
-
-
Search Results
113
records
(took 0.032 seconds)
