-
公开(公告)号：CN108830401B
公开(公告)日：2021-07-09
申请号：CN201810418436.0
申请日：2018-05-04
申请人： 东南大学
摘要： 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：CN108615095A
公开(公告)日：2018-10-02
申请号：CN201810431069.8
申请日：2018-05-08
申请人： 东南大学
摘要： 本发明公开了一种基于随机逐日动态分配的拥堵收费鲁棒最优费率确定方法，根据机动车在拥堵收费区域内的行驶距离，建立了基于距离的分段线性收费函数一般表达式；考虑到交通网络长期处于不平衡状态的特点，提出了基于随机逐日动态分配理论的最小化最大后悔模型，该模型充分考虑了规划期内每一天的路网性能，本质上是一种鲁棒最优费率设定模型；提出了一种两阶段人工蜂群算法，该算法在第一阶段求解得到每日最小预期总出行成本，并在第二阶段以之作为输入条件，求解并得到鲁棒最优收费费率。本发明解决了单一定价收费方法在公平和效率方面的缺陷，充分考虑了交通网络随机逐日动态演化过程和规划期内每一天的路网性能，具有较强的适用性。
-
公开(公告)号：CN105427394B
公开(公告)日：2017-11-03
申请号：CN201510883352.0
申请日：2015-12-03
申请人： 东南大学
摘要： 本发明公开了一种基于试错法和机动车流量的拥堵收费最优费率确定方法，只需要收费区域每个入口路段的车流量数据，即可调节获得最优收费费率。针对最优收费方案，本发明使用一套严格的数学证明来建立费率调节的“试错法”，以保证该方法可以收敛到最优的收费费率，包括：(1)利用基于非对称路段旅行时间方程的随机用户平衡理论来评估每一个可用的拥堵收费模式；(2)建立了一个单调、连续的变量不等式模型来进行网络平衡流量的预测；(3)利用求解变量不等式模型的投影算法，来确定调节的步长，和每一步的收费费率值。
-
公开(公告)号：CN105930914A
公开(公告)日：2016-09-07
申请号：CN201610201777.3
申请日：2016-04-01
申请人： 东南大学
CPC分类号： G06Q10/047 , G06N3/126 , G06Q30/0284
摘要： 本发明公开了一种基于起讫点距离的城市公交最优收费结构的收费确定方法，并提出一系列相应的评估模型和最优收费结构计算算法，包括：(1)对现有的城市公交票制模式进行了详细的总结和分析，并指出个票价结构的优缺点和适用范围，在此基础上，提出并分析了考虑起讫点间欧氏距离的基于距离的票价结构；(2)在评价模型中，利用博弈理论描述政府、企业和乘客间三方博弈的过程，构建了上层模型为企业最大收益，下层模型为弹性需求下的Logit客流分配模型；(3)采用遗传算法对该模型进行了求解，模型和算法均通过小型公交网络进行了验证分析。
-
公开(公告)号：CN115240427B
公开(公告)日：2023-06-20
申请号：CN202210892264.7
申请日：2022-07-27
申请人： 东南大学
摘要： 本发明公开了一种信号控制人行横道安全岛上行人排队需求估计方法，具体为：确定路侧行人每行平均排队人数；确定路侧行人排队过程的队列形成波波速和消散波波速；形成波波速和消散波波速确定路侧行人排队消散时长；确定路侧排队行人与非排队行人到达安全岛时至最近绿灯亮起时长；计算路侧行人到达安全岛排队过街需求。本发明考虑行人在路侧非绿灯(红灯和绿闪)时间内排队队列形成与消散过程，精准区分路侧排队和非排队行人到达安全岛的时间区间，更加准确的对信号控制人行横道中间安全岛上行人排队等待需求进行估计，有利于更加精准需求响应的安全岛设计优化与人行横道动态信号控制设计优化。
-
公开(公告)号：CN115240427A
公开(公告)日：2022-10-25
申请号：CN202210892264.7
申请日：2022-07-27
申请人： 东南大学
摘要： 本发明公开了一种信号控制人行横道安全岛上行人排队需求估计方法，具体为：确定路侧行人每行平均排队人数；确定路侧行人排队过程的队列形成波波速和消散波波速；形成波波速和消散波波速确定路侧行人排队消散时长；确定路侧排队行人与非排队行人到达安全岛时至最近绿灯亮起时长；计算路侧行人到达安全岛排队过街需求。本发明考虑行人在路侧非绿灯(红灯和绿闪)时间内排队队列形成与消散过程，精准区分路侧排队和非排队行人到达安全岛的时间区间，更加准确的对信号控制人行横道中间安全岛上行人排队等待需求进行估计，有利于更加精准需求响应的安全岛设计优化与人行横道动态信号控制设计优化。
-
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
申请人： 东南大学
摘要： 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：CN108830401A
公开(公告)日：2018-11-16
申请号：CN201810418436.0
申请日：2018-05-04
申请人： 东南大学
摘要： 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
申请人： 东南大学
摘要： 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：CN107230350A
公开(公告)日：2017-10-03
申请号：CN201710496982.1
申请日：2017-06-23
申请人： 东南大学
IPC分类号： G08G1/01
摘要： 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。
-
-
-
-
-
-
-
-
-
搜索结果
17 条记录 (耗时 0.021 秒)
