-
公开(公告)号：CN109871876B
公开(公告)日：2023-08-08
申请号：CN201910059198.3
申请日：2019-01-22
申请人： 东南大学
IPC分类号： G06F18/23213 , G06F18/2135 , G06N3/0442 , G08G1/01 , G08G1/052
摘要： 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：CN108495254B
公开(公告)日：2020-04-24
申请号：CN201810182037.9
申请日：2018-03-06
申请人： 东南大学
摘要： 本发明公开了一种基于信令数据的交通小区人口特征估计方法，包括如下步骤：(1)基于手机信令数据获取各手机基站服务范围内的居住用户；(2)将获取到的居住用户信息与运营商的用户信息进行匹配，得到各手机基站覆盖范围内居住用户的个人信息；(3)基于手机基站与交通小区的对应关系，将步骤(2)所获得的手机基站所对应的居住用户个人信息转化成交通小区居住用户特征信息。本发明能够利用移动网络运营商数据，在无需额外设备的情况下，获得交通规划所必需的交通小区人口特征信息。
-
公开(公告)号：CN112632374A
公开(公告)日：2021-04-09
申请号：CN202011502864.5
申请日：2020-12-18
申请人： 东南大学
IPC分类号： G06F16/9535 , G06F16/9537 , G06Q50/30
摘要： 本发明公开了一种考虑定制公交的居民出行方式选择分析方法，属于交通经济学，交通管理与控制领域，包括：(1)出行方式选择集确定；(2)出行方式选择影响因素分析：确定居民出行方式选择的影响因素，影响因素分为三类，即居民个人属性，出行行为属性和出行方案属性；(3)数据收集及预处理：收集居民个人属性数据、出行行为属性数据、出行方案属性数据，并对收集得到的数据进行筛选处理；(4)建立考虑定制公交的出行方式选择模型，使用极大似然估计法对数据进行拟合，得到不同出行方式的效用模型。本发明可以有效模拟交通方式划分过程，得到不同出行方式分担率，并为定制公交的投入使用及后续发展提供重要的基础。
-
公开(公告)号：CN108171973B
公开(公告)日：2020-09-18
申请号：CN201711446450.3
申请日：2017-12-27
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。
-
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
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
申请人： 东南大学
摘要： 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：CN108171973A
公开(公告)日：2018-06-15
申请号：CN201711446450.3
申请日：2017-12-27
申请人： 东南大学
IPC分类号： G08G1/01
CPC分类号： G08G1/012
摘要： 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。
-
公开(公告)号：CN112632374B
公开(公告)日：2024-04-05
申请号：CN202011502864.5
申请日：2020-12-18
申请人： 东南大学
IPC分类号： G06F16/9535 , G06F16/9537 , G06Q50/40
摘要： 本发明公开了一种考虑定制公交的居民出行方式选择分析方法，属于交通经济学，交通管理与控制领域，包括：(1)出行方式选择集确定；(2)出行方式选择影响因素分析：确定居民出行方式选择的影响因素，影响因素分为三类，即居民个人属性，出行行为属性和出行方案属性；(3)数据收集及预处理：收集居民个人属性数据、出行行为属性数据、出行方案属性数据，并对收集得到的数据进行筛选处理；(4)建立考虑定制公交的出行方式选择模型，使用极大似然估计法对数据进行拟合，得到不同出行方式的效用模型。本发明可以有效模拟交通方式划分过程，得到不同出行方式分担率，并为定制公交的投入使用及后续发展提供重要的基础。
-
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
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：CN109544932B
公开(公告)日：2021-03-19
申请号：CN201811551980.9
申请日：2018-12-19
申请人： 东南大学
摘要： 本发明公开了一种基于出租车GPS数据与卡口数据融合的城市路网流量估计方法，包括如下步骤：(1)出租车GPS轨迹数据映射；(2)出租车速度特征提取；(3)路网特征统计；(4)路段之间相似性分析；(5)估计模型建立；(6)流量估计模型选择；(7)建立基于支持向量机的流量估计模型。本发明能够通过部分路段的准确卡口数据监督和训练出租车GPS数据，从而获取准确城市路网交通量。
-
-
-
-
-
-
-
-
-
搜索结果
12 条记录 (耗时 0.023 秒)
