-
公开(公告)号：CN105513380B
公开(公告)日：2018-07-31
申请号：CN201511009719.2
申请日：2015-12-29
申请人： 中国科学院自动化研究所
摘要： 本发明公开了种用于交叉路口交通信号控制的EADP控制器离线训练方法和系统以及EADP控制器在线控制方法和系统。其中,该方法包括:根据得到的系统状态和构建好的各子ADP控制器的Action网络和Critic网络,确定回报函数、系统控制参数和性能指标;并根据性能指标和回报函数交替地训练各子ADP控制器的Critic网络以及根据性能指标和系统控制参数交替地训练各子ADP控制器的Action网络,以更新Critic网络的权值和Action网络的权值;确定在训练达到训练目标时,记录各子ADP控制器的Action网络的权值和Critic网络的权值。通过本发明实施例解决了传统ADP控制器稳定性难以保证的技术问题,进而实现了对交通信号的自适应控制。
-
公开(公告)号：CN106096767A
公开(公告)日：2016-11-09
申请号：CN201610395939.1
申请日：2016-06-07
申请人： 中国科学院自动化研究所
CPC分类号： G06Q10/047 , G06N3/04
摘要： 本发明公开一种基于LSTM的路段行程时间预测方法，其特征在于，该方法包括预测模型生成和未来时段的行程时间的预测两部分；预测模型生成包括：步骤A1，对指定路段的历史行程时间数据进行数据归一化处理；步骤A2，利用归一化处理后的历史行程时间数据训练LSTM递归神经网络获得预测模型；未来时段的行程时间的预测包括：步骤B1，将当前行程时间数据采用步骤A1同样的方法进行数据归一化处理，然后输入预测模型进行未来时段的行程时间的预测，对预测结果进行反归一化处理得到未来时段的行程时间。能够挖掘行程时间数据的短时关联模式和长时关联模式，根据当前状态自动调整历史信息对当前预测的贡献，预测精度高、鲁棒性好。
-
公开(公告)号：CN105513380A
公开(公告)日：2016-04-20
申请号：CN201511009719.2
申请日：2015-12-29
申请人： 中国科学院自动化研究所
CPC分类号： G08G1/08 , G08G1/0125
摘要： 本发明公开了一种用于交叉路口交通信号控制的EADP控制器离线训练方法和系统以及EADP控制器在线控制方法和系统。其中，该方法包括：根据得到的系统状态和构建好的各子ADP控制器的Action网络和Critic网络，确定回报函数、系统控制参数和性能指标；并根据性能指标和回报函数交替地训练各子ADP控制器的Critic网络以及根据性能指标和系统控制参数交替地训练各子ADP控制器的Action网络，以更新Critic网络的权值和Action网络的权值；确定在训练达到训练目标时，记录各子ADP控制器的Action网络的权值和Critic网络的权值。通过本发明实施例解决了传统ADP控制器稳定性难以保证的技术问题，进而实现了对交通信号的自适应控制。
-
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：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。
-
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。
-
-
-
-
-
-
-
-
搜索结果
9 条记录 (耗时 0.031 秒)
