公开(公告)号：CN115935796A

公开(公告)日：2023-04-07

申请号：CN202211454654.2

申请日：2022-11-21

申请人： 南通大学

发明人： 施佺 ,  余弦 ,  曹阳 ,  沈琴琴 ,  包银鑫 ,  张腾云 ,  曹晨洋

IPC分类号： G06F30/27 ,  G06F119/02

摘要： 本发明公开了一种基于时空异质的和同步的图卷积网络交通流预测方法，包括：生成时间序列的交通数据、交通节点图和邻接矩阵；利用交通数据和邻接矩阵训练图自编码器，得到交通数据的高阶表示，对交通节点进行聚类；构建时空异质的和同步的图卷积网络，该网络中对不同簇的交通节点部署不同的网络，对每一簇的交通节点构建扩张因果时空同步图，同时在每一簇中不同时间步也使用不同的时空同步图卷积模块。本发明将交通节点划分为不同类别，针对不同类别构建不同模型，体现了空间异质性，同时在每个模型中针对不同时间步部署不同的模块，以体现时间异质性，另外通过构建扩张因果时空同步图来同时捕获时间和空间相关性，进而使模型达到精确的预测精度。

公开(公告)号：CN115862072A

公开(公告)日：2023-03-28

申请号：CN202211649542.2

申请日：2022-12-21

申请人： 南通大学

发明人： 王晗 ,  刘佳丽 ,  包银鑫 ,  施佺

IPC分类号： G06V40/10 ,  G06V10/44 ,  G06V10/80 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

摘要： 本发明公开了一种面向多模态行人检测YOLO模型的跨模态上下文注意力主干网络的构建方法。该主干网络由四个部分组成：RGB、FIR分支网络(CSPDarknet)、跨模态上下文注意力模型(CCAM)、分支注意力模型(CBAM)与特征融合模型组成。跨模态上下文注意力模型CCAM利用下层RGB、FIR各通道的特征融合结果对上层RGB、FIR各通道的特征做空间上的权重优化，实现相邻不同尺度特征之间的上下文跨模态互补。采用本发明方法，可有效优化现有RGB‑FIR多模态YOLO模型的主干网络在各尺度上输出的RGB‑FIR融合特征，增强多模态YOLO在光照不足环境下行人检测的准确性和鲁棒性。

公开(公告)号：CN113283367A

公开(公告)日：2021-08-20

申请号：CN202110635319.1

申请日：2021-06-08

申请人： 南通大学

发明人： 王晗 ,  刘佳丽 ,  包银鑫 ,  施佺

IPC分类号： G06K9/00 ,  G06K9/32 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

摘要： 本发明公开了一种低能见度环境地下车库视觉盲区安全检测方法，包括以下步骤：通过盲区方向的双目摄像机和毫米波雷达，获取多模态观测数据；构建“可见光‑远红外图像跨模态目标检测模型”，在低能见度环境下进行高精度移动目标检测；建立“图像‑雷达数据融合模型”，将视觉与雷达信号的检测结果在时间和空间上进行融合，实现移动目标的测速与跟踪；设计“嵌入式控制器”，根据目标检测结果，通过地面的发光地砖与墙面的LED显示屏对驾驶员进行“立体式”预警。本发明充分融合了视觉传感器和毫米波雷达的感知优势，能够在低能见度环境下获取稳定、准确的目标检测结果。同时，对潜在的交通事故提供有效地立体式预警信号。

公开(公告)号：CN110459056A

公开(公告)日：2019-11-15

申请号：CN201910793450.3

申请日：2019-08-26

申请人： 南通大学

发明人： 施佺 ,  包银鑫 ,  张宇 ,  曹阳 ,  周晨璨

IPC分类号： G08G1/01 ,  G08G1/123 ,  G06N3/04

摘要： 本发明的基于LSTM神经网络的公交到站时间预测方法，所述方法包括如下步骤：步骤1）从城市公交数据库将包含有公交车定位数据、刷卡数据的历史数据集导入至Hadoop大数据集群下的HBase数据库，通过Spark内存计算框架对存入的数据集进行数据预处理；步骤2）对处理后的数据进行数据标准化处理；步骤3）通过最小绝对收缩和选择算法对标准化后的数据特征进行判断和特征筛选；步骤4）基于LSTM神经网络构建公交车的到站时间预测模型，将已经筛选好关键特征的标准化数据输入，实现对公交到站时间的预测。有益效果：具有对公交原始数据进行筛选和选择的操作过程，通过对公交到站数据的筛选和选择，本发明方法可有效提高对公交到站时间预测的准确率。

公开(公告)号：CN114511154B

公开(公告)日：2024-06-14

申请号：CN202210160677.6

申请日：2022-02-22

申请人： 南通大学

发明人： 施佺 ,  包银鑫 ,  沈琴琴 ,  施振佺 ,  戴俊明 ,  曹阳

IPC分类号： G06Q10/04 ,  G06N3/084 ,  G06N3/042 ,  G06F18/211 ,  G08G1/01

摘要： 本发明公开了一种基于时空复杂图卷积网络的交通流预测方法，包括：采集高速公路上所安置传感器的交通流数据，进行数据预处理以降低复杂度和冗余度；根据传感器的位置及交通流数据生成道路图及其特征矩阵；根据不同传感器的位置、数据关联和天气数据，分别构建距离矩阵，数据关联矩阵和舒适度矩阵，将三种矩阵融合得到新的节点关系矩阵；构建时空复杂图卷积网络，该网络由空间特征提取组件和时间特征提取组件组成；训练时空复杂图卷积网络，并用训练好的模型预测下一时刻的交通流。本发明在对道路交通流进行时空特征提取前，建立三种关系矩阵来提取不同节点之间的关系，提高了对道路不同节点的关联特征提取能力，进而提高道路交通流的预测精度。

公开(公告)号：CN117973605A

公开(公告)日：2024-05-03

申请号：CN202410098740.7

申请日：2024-01-23

申请人： 南通大学

发明人： 施佺 ,  包银鑫 ,  曹晨阳 ,  沈琴琴 ,  余弦 ,  曹阳

IPC分类号： G06Q10/04 ,  G08G1/01 ,  G06Q50/40 ,  G06F16/29 ,  G06F18/213 ,  G06N3/045 ,  G06N3/042 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/08

摘要： 本发明公开一种基于扩散时空残差多图卷积网络的交通流预测方法，包括：采集交通流量数据并预处理，得到无噪声交通流量数据，将有噪声和无噪声交通流量数据拆分为训练集和测试集；构建去噪扩散时空残差多图卷积网络，包括去噪扩散模块和时空残差多图卷积模块，去噪扩散模块用于获取有噪声交通流量数据中的原始特征，时空残差多图卷积模块用于增强无噪声交通流量数据的时空特征并输出预测值；训练去噪扩散时空残差多图卷积网络，利用训练好的网络进行交通流预测。本发明通过对引入去噪扩散模块来避免经过预处理的无噪声交通流量数据丢失原始特征，并利用时空残差多图卷积模块增强对无噪声交通流量数据的时空特征提取，有利于提高交通流的预测性能。

公开(公告)号：CN117238135A

公开(公告)日：2023-12-15

申请号：CN202311234284.6

申请日：2023-09-22

申请人： 南通大学

发明人： 施佺 ,  张腾云 ,  沈琴琴 ,  黄聪 ,  曹阳 ,  包银鑫

IPC分类号： G08G1/01 ,  G06N3/045 ,  G06N3/0464

摘要： 本发明公开的一种基于多时序卷积门控图神经网络的交通流预测方法及系统，主要包括以下步骤：首先将交通流数据划分为邻近序列和周期序列；然后设计图卷积门控网络(GGCN)以捕获邻近序列的短期时空特征，并通过多时序卷积网络(MTCN)提取周期序列的长期时间特征来增强短期时空特征；此外，设计基于独热编码的外部特征提取模块以提高模型外部环境感知能力；最后，设计基于注意力机制的融合输出模块得到预测值。通过某市区的交通流数据集进行验证，多时序卷积门控图神经网络(MTCGGN)的预测性能优于现有基于时空特征挖掘的图卷积网络，相比属性增强时空图卷积网络(AST‑GCN)、时间图卷积网络(T‑GCN)和扩散卷积循环神经网络(DCRNN)，MTCGGN的均方根误差分别降低2.485％、4.958％和10.889％。

公开(公告)号：CN114913689A

公开(公告)日：2022-08-16

申请号：CN202210616802.X

申请日：2022-06-01

申请人： 南通大学

发明人： 施佺 ,  包银鑫 ,  曹晨阳 ,  何星鸿 ,  刁志鹏 ,  鲁子琦 ,  沈琴琴 ,  曹志超

IPC分类号： G08G1/01 ,  G06N3/04 ,  G06N3/08

摘要： 本发明公开一种基于先验知识时变图卷积网络的交通流预测方法，步骤如下：收集交通流数据，传输至交通大数据集群。对采集的数据进行预处理；生成交通图和特征矩阵，按照记录时间生成时间序列，将其划分为训练集和测试集；生成稳定特征矩阵和动态特征矩阵，利用编码器‑解码器结合自注意力机制将两种矩阵融合为先验知识图矩阵；构建先验知识时变图卷积网络，该网络由动态空间特征提取组件和动态长期时间特征提取组件组成；用训练集训练先验知识时变图卷积网络，并用测试集测试模型的预测精度。本发明通过构建编码器‑解码器结合自注意力机制有效提取传感器多层次的稳定和动态节点特征，提高了传感器节点之间的动态关联特性，实现模型精度的提升。

公开(公告)号：CN112907971B

公开(公告)日：2022-06-10

申请号：CN202110166301.1

申请日：2021-02-04

申请人： 南通大学

发明人： 施佺 ,  包银鑫 ,  曹阳 ,  施振佺 ,  邵叶秦 ,  曹志超 ,  朱森来

IPC分类号： G08G1/01 ,  G08G1/065 ,  G06N3/04 ,  G06N3/08 ,  G06N3/12

摘要： 本发明公开了一种基于遗传算法优化时空残差模型的城市路网短时交通流预测方法，包括：采集车辆经纬度信息，获得按时间排序的车辆原始数据集；将城市路网按照经纬度转化为交通栅格网络，并把预处理后的经纬度数据映射到交通栅格网络中，生成交通栅格数据；对交通栅格数据进行标准化处理，并拆分成训练数据集和测试数据集；构造基于遗传算法优化时空残差模型的城市路网短时交通流预测模型；使用训练集训练城市路网短时交通流预测模型，并使用测试集对模型进行预测准确性验证。本发明在时空残差模型中引入遗传算法对时空残差模型训练的步长进行动态优化，提高模型对预测目标值的捕获能力，提高了模型的实用性和预测精度。

公开(公告)号：CN112966853A

公开(公告)日：2021-06-15

申请号：CN202110155146.3

申请日：2021-02-04

申请人： 南通大学

发明人： 施佺 ,  包银鑫 ,  曹阳 ,  施振佺 ,  邵叶秦 ,  曹志超 ,  朱森来

IPC分类号： G06Q10/04 ,  G06Q50/30 ,  G06N3/08 ,  G06N3/04 ,  G06F16/2458

摘要： 本发明公开了一种基于时空残差混合模型的城市路网短时交通流预测方法，包括：采集车辆当前经纬度数据并存放至大数据集群数据库中，对原始数据进行数据预处理；将城市路网按照经纬度划分成交通栅格网络，将车辆经纬度数据映射到交通栅格网络中，生成交通栅格数据；将交通栅格数据进行标准化处理，并构建训练集和测试集；构造基于时空残差混合模型的城市路网短时交通流预测模型；训练构建的基于时空残差混合模型的城市路网短时交通流预测模型预测下一时刻的交通栅格数据。本发明在对路网进行时空分析下，引入残差混合模型，提高对路网车流量时间和空间的捕获能力，从而降低了时空残差混合模型预测交通流时的相对误差，提高了预测精度。