公开(公告)号：CN112634620B

公开(公告)日：2021-11-30

申请号：CN202011546643.8

申请日：2020-12-24

Applicant: 东南大学

Inventor： 夏井新 ,  成岷 ,  王寅朴 ,  安成川 ,  陆振波 ,  郝一行

IPC: G08G1/01 ,  G08G1/065 ,  G06Q10/04 ,  G06Q50/30 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了基于Encoder‑Decoder深度神经网络的路网动态交通分配方法，依托于车辆轨迹数据，采用LSTM神经网络模型构建Encoder‑Decoder模型，输入为路网交通多时段车流OD，输出为道路断面流量以及交叉口进口道转向流量，构建模型过程引入Attention机制，进行动态交通分配，得到路网交通需求与实际道路流量之间的非线性映射关系。本发明得到的分配模型结果精度较高，解决了传统方法存在的精度低、实时性差等弊端，为解决交通关键技术问题提供有力支撑。

公开(公告)号：CN112634620A

公开(公告)日：2021-04-09

申请号：CN202011546643.8

申请日：2020-12-24

Applicant: 东南大学

Inventor： 夏井新 ,  成岷 ,  王寅朴 ,  安成川 ,  陆振波 ,  郝一行

IPC: G08G1/01 ,  G08G1/065 ,  G06Q10/04 ,  G06Q50/30 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了基于Encoder‑Decoder深度神经网络的路网动态交通分配方法，依托于车辆轨迹数据，采用LSTM神经网络模型构建Encoder‑Decoder模型，输入为路网交通多时段车流OD，输出为道路断面流量以及交叉口进口道转向流量，构建模型过程引入Attention机制，进行动态交通分配，得到路网交通需求与实际道路流量之间的非线性映射关系。本发明得到的分配模型结果精度较高，解决了传统方法存在的精度低、实时性差等弊端，为解决交通关键技术问题提供有力支撑。

公开(公告)号：CN111882886A

公开(公告)日：2020-11-03

申请号：CN202010316650.2

申请日：2020-04-21

Applicant: 东南大学

Inventor： 夏井新 ,  郝一行 ,  刘伟 ,  柯四平 ,  王寅朴

IPC: G08G1/065 ,  G08G1/01

Abstract: 本发明提供了一种基于MFD的交通门限控制子区承载力估计方法，该方法包括如下步骤：S1构建基于车辆出行轨迹的门限控制子区MFD；S2门限控制子区MFD主曲线分析：利用H-S主曲线算法对MFD进行初步拟合并计算原始MFD在主曲线上的投影，即主曲线的质心点，为后续利用函数对MFD进行拟合减少干扰；S3门限控制子区MFD函数拟合与承载力估计：利用多种函数对门限控制子区MFD进行拟合，建立区域累积车辆数和区域车辆出行完成流量的定量关系。本发明的方法为区域门限控制提供较为准确的路网临界状态信息。