基于深度学习的分时段交通流趋势预测方法、系统、装置

    公开(公告)号:CN111508230B

    公开(公告)日:2021-08-20

    申请号:CN202010297850.8

    申请日:2020-04-16

    摘要: 本发明属于智能交通系统领域,具体涉及一种基于深度学习的分时段交通流趋势预测方法、系统、装置,旨在解决现有预测交通流的方法预测精度较低、稳定性较差的问题。本系统方法包括:获取待预测的交通观测点t时刻之前的历史交通流数据及对应的采样时间;对历史交通流数据标准化,并进行一阶差分;提取差分后数据的特征,并对其对应的采样时间进行编码,将编码后的采样时间与提取的特征进行拼接;基于拼接后的特征,通过第二模型得到t时刻相对于t‑1时刻交通流的变化量,并结合t‑1时刻的交通流数据,得到待预测交通观测点t时刻的交通流数据的预测结果;将预测结果进行反标准化,得到t时刻交通流的预测值。本发明提高了预测的稳定性和精度。

    基于深度学习的分时段交通流趋势预测方法、系统、装置

    公开(公告)号:CN111508230A

    公开(公告)日:2020-08-07

    申请号:CN202010297850.8

    申请日:2020-04-16

    摘要: 本发明属于智能交通系统领域,具体涉及一种基于深度学习的分时段交通流趋势预测方法、系统、装置,旨在解决现有预测交通流的方法预测精度较低、稳定性较差的问题。本系统方法包括:获取待预测的交通观测点t时刻之前的历史交通流数据及对应的采样时间;对历史交通流数据标准化,并进行一阶差分;提取差分后数据的特征,并对其对应的采样时间进行编码,将编码后的采样时间与提取的特征进行拼接;基于拼接后的特征,通过第二模型得到t时刻相对于t-1时刻交通流的变化量,并结合t-1时刻的交通流数据,得到待预测交通观测点t时刻的交通流数据的预测结果;将预测结果进行反标准化,得到t时刻交通流的预测值。本发明提高了预测的稳定性和精度。

    基于3D打印的医疗模型及其制作方法

    公开(公告)号:CN109345932A

    公开(公告)日:2019-02-15

    申请号:CN201810996106.X

    申请日:2018-08-29

    IPC分类号: G09B23/28

    摘要: 本发明涉及医疗模型领域,具体涉及一种基于3D打印的医疗模型及其制作方法,目的在于提供术前模拟训练的模型。本发明的制作方法包括以下步骤:构建目标骨骼的三维数字模型;从中提取预设个数的目标骨骼的子模型;对每个目标骨骼的子模型进行孔洞修复;构建目标软组织/器官模具的三维数字模型;根据修复后的目标骨骼的子模型和模具的三维数字模型进行3D打印,得到目标骨骼的实物模型和目标软组织/器官的模具;基于3D打印得到的模具,制作目标软组织/器官的实物模型;将目标骨骼的实物模型与目标软组织/器官的实物模型进行组合,得到医疗模型。本发明制作的模型仿真度高,可以对医务人员进行术前的有效模拟训练,提高了手术成功率。

    网约车停车诱导方法、平台及系统

    公开(公告)号:CN109087528A

    公开(公告)日:2018-12-25

    申请号:CN201811032151.X

    申请日:2018-09-05

    IPC分类号: G08G1/14 G08G1/01

    摘要: 本发明属于城市交通技术领域,旨在解决现有网约车因缺乏有效的停车诱导方法,而导致网约车在接送乘客过程中产生很多无效里程的问题。为此,本发明提供了一种网约车停车诱导方法、平台及系统,该方法包括:获取网约车的停车诱导请求信息;获取当前时刻之前各个区域的网约车需求量和当前时刻之前各个区域的网约车空闲量;根据当前时刻之前各个区域的网约车需求量和当前时刻之前各个区域的网约车空闲量计算当前时刻之后预设时段内各个区域的网约车供需比例;将当前时刻之后预设时段内各个区域的网约车供需比例传输给网约车以供网约车选择停车区域。能够使网约车在接单后及时地接到乘客,减少了无效里程,进而提高了网约车的工作效率。