-
公开(公告)号：CN104900063B
公开(公告)日：2017-10-27
申请号：CN201510345977.1
申请日：2015-06-19
申请人： 中国科学院自动化研究所
摘要： 本发明公开一种短程行驶时间预测方法，包括以下步骤：步骤S1：利用交通数据采集装置进行数据采集并对采集的数据采用归一化方法进行预处理；步骤S2：应用预处理好的数据，训练堆叠自编码器深度网络，得到最优网络结构和对应参数，生成最优堆叠自编码器深度网络；步骤S3：调用训练好的最优堆叠自编码器深度网络预测车辆短程行驶时间。本发明能够深度挖掘输入变量之间的非线性关系和其它内在特征，预测精度高，鲁棒性好。
-
公开(公告)号：CN103903437B
公开(公告)日：2016-06-08
申请号：CN201410069384.2
申请日：2014-02-27
申请人： 中国科学院自动化研究所
摘要： 本发明公开了一种基于视频交通检测数据的机动车出行OD矩阵获取方法，该方法包括：确定OD交通小区；根据视频检测器的安装位置，将视频检测器归属到每一个OD交通小区，并建立视频检测器、视频检测点与相应OD交通小区之间的对应关系；获取研究地理区域中所有视频检测器在待获取OD矩阵的时间区间内的车辆检测数据，并依据视频检测器识别得到的车辆车牌号、通过视频检测点的时刻，获取时间区间内的每日OD矩阵；将时间区间划分为整小时段，比对车辆车牌号和经过车辆检测点的时间，获取每日小时OD矩阵；获取每日高峰小时OD矩阵。本发明方法简单，结果直观，且能够准确定量反映交通小区之间的出行交换量，能为交通规划、交通影响评价提供基础输入数据。
-
公开(公告)号：CN104900063A
公开(公告)日：2015-09-09
申请号：CN201510345977.1
申请日：2015-06-19
申请人： 中国科学院自动化研究所
CPC分类号： G08G1/0125 , G06N3/0481
摘要： 本发明公开一种短程行驶时间预测方法，包括以下步骤：步骤S1：利用交通数据采集装置进行数据采集并对采集的数据采用归一化方法进行预处理；步骤S2：应用预处理好的数据，训练堆叠自编码器深度网络，得到最优网络结构和对应参数，生成最优堆叠自编码器深度网络；步骤S3：调用训练好的最优堆叠自编码器深度网络预测车辆短程行驶时间。本发明能够深度挖掘输入变量之间的非线性关系和其它内在特征，预测精度高，鲁棒性好。
-
公开(公告)号：CN104134351A
公开(公告)日：2014-11-05
申请号：CN201410398861.X
申请日：2014-08-14
申请人： 中国科学院自动化研究所
摘要： 本发明公开了一种基于堆式自动编码器(Stacked Autoencoders)深层网络结构的短时交通流预测方法。该方法包括以下步骤：对输入的历史交通流量数据按指定时间间隔进行合并；对历史交通流量数据进行归一化处理；训练堆式自动编码器深层网络结构预测模型；调用预测模型进行预测。本发明考虑交通流的时空关系特征，深度挖掘交通流特征，预测精度高、鲁棒性好。
-
公开(公告)号：CN103903437A
公开(公告)日：2014-07-02
申请号：CN201410069384.2
申请日：2014-02-27
申请人： 中国科学院自动化研究所
摘要： 本发明公开了一种基于视频交通检测数据的机动车出行OD矩阵获取方法，该方法包括：确定OD交通小区；根据视频检测器的安装位置，将视频检测器归属到每一个OD交通小区，并建立视频检测器、视频检测点与相应OD交通小区之间的对应关系；获取研究地理区域中所有视频检测器在待获取OD矩阵的时间区间内的车辆检测数据，并依据视频检测器识别得到的车辆车牌号、通过视频检测点的时刻，获取时间区间内的每日OD矩阵；将时间区间划分为整小时段，比对车辆车牌号和经过车辆检测点的时间，获取每日小时OD矩阵；获取每日高峰小时OD矩阵。本发明方法简单，结果直观，且能够准确定量反映交通小区之间的出行交换量，能为交通规划、交通影响评价提供基础输入数据。
-
公开(公告)号：CN104463372B
公开(公告)日：2018-05-08
申请号：CN201410785365.X
申请日：2014-12-17
申请人： 中国科学院自动化研究所
IPC分类号： G06F17/00
摘要： 本发明公开一种交通疏散目的地部分随机分配比例确定方法。该方法包括：S1、获取与交通疏散相关的交通环境信息；S2、确定疏散人员目的地选择模式，所述选择模式包括随机选择目的地的选择模式和其他的选择模式；S3、选取用以描述目的地选择模式与疏散效率性能指标函数之间的数学关系式的元模型，利用步骤S1获得的与交通疏散相关的交通环境信息计算该元模型的参数；S4、对于步骤S3获得的元模型，利用无梯度信赖域算法对该元模型的参数进行仿真优化，根据优化参数后的元模型确定随机选择目的地的人员比例。本发明能快速有效确定随机选择目的地的人员比例，显著提高疏散效率。
-
公开(公告)号：CN104134351B
公开(公告)日：2016-08-03
申请号：CN201410398861.X
申请日：2014-08-14
申请人： 中国科学院自动化研究所
摘要： 本发明公开了一种基于堆式自动编码器(Stacked Autoencoders)深层网络结构的短时交通流预测方法。该方法包括以下步骤：对输入的历史交通流量数据按指定时间间隔进行合并；对历史交通流量数据进行归一化处理；训练堆式自动编码器深层网络结构预测模型；调用预测模型进行预测。本发明考虑交通流的时空关系特征，深度挖掘交通流特征，预测精度高、鲁棒性好。
-
公开(公告)号：CN104463372A
公开(公告)日：2015-03-25
申请号：CN201410785365.X
申请日：2014-12-17
申请人： 中国科学院自动化研究所
IPC分类号： G06Q10/04
CPC分类号： G06F17/5036
摘要： 本发明公开一种交通疏散目的地部分随机分配比例确定方法。该方法包括：S1、获取与交通疏散相关的交通环境信息；S2、确定疏散人员目的地选择模式，所述选择模式包括随机选择目的地的选择模式和其他的选择模式；S3、选取用以描述目的地选择模式与疏散效率性能指标函数之间的数学关系式的元模型，利用步骤S1获得的与交通疏散相关的交通环境信息计算该元模型的参数；S4、对于步骤S3获得的元模型，利用无梯度信赖域算法对该元模型的参数进行仿真优化，根据优化参数后的元模型确定随机选择目的地的人员比例。本发明能快速有效确定随机选择目的地的人员比例，显著提高疏散效率。
-
公开(公告)号：CN104091081B
公开(公告)日：2017-04-19
申请号：CN201410336212.7
申请日：2014-07-15
申请人： 中国科学院自动化研究所
摘要： 本发明公开一种交通数据弥补方法，该方法包括以下步骤：步骤S1：按照设定的交通数据缺失率对完整交通数据集进行随机缺失处理，获得缺失处理后的完整交通数据集；步骤S2：对缺失处理后的完整交通数据集和完整交通数据集进行归一化处理，得到归一化后的交通数据；步骤S3：对基于降噪堆式自动编码器深层网络结构的交通数据弥补模型进行训练，构建出弥补模型；步骤S4：调用弥补模型对输入的含缺失数据的不完整的交通数据进行弥补，得到弥补后的交通数据值。本发明将缺失数据和观测数据视为整体，以数据恢复的角度弥补交通数据，深度挖掘交通数据之间的结构关联，一次补全缺失数据，效率高，鲁棒性好。
-
公开(公告)号：CN104091081A
公开(公告)日：2014-10-08
申请号：CN201410336212.7
申请日：2014-07-15
申请人： 中国科学院自动化研究所
摘要： 本发明公开一种交通数据弥补方法，该方法包括以下步骤：步骤S1：按照设定的交通数据缺失率对完整交通数据集进行随机缺失处理，获得缺失处理后的完整交通数据集；步骤S2：对缺失处理后的完整数据集和完整交通数据集进行归一化处理，得到归一化后的交通数据；步骤S3：对基于降噪堆式自动编码器深层网络结构的交通数据弥补模型进行训练，构建出弥补模型；步骤S4：调用弥补模型对输入的含缺失数据的不完整的交通数据进行弥补，得到弥补后的交通数据值。本发明将缺失数据和观测数据视为整体，以数据恢复的角度弥补交通数据，深度挖掘交通数据之间的结构关联，一次补全缺失数据，效率高，鲁棒性好。
-
-
-
-
-
-
-
-
-
搜索结果
10 条记录 (耗时 0.03 秒)
