-
公开(公告)号：CN111027662B
公开(公告)日：2024-01-12
申请号：CN201911085138.5
申请日：2019-11-08
申请人： 南通大学
摘要： 本发明提出了一种基于混沌量子粒子群算法优化的SD‑LSSVR短时交通流量预测方法，在优化的SD‑LSSVR模型中首先利用季节性因子预处理方法弱化原始数据序列的季节特征，其次构造优化的SD‑LSSVR模型快速得到预测结果。再次，利用混沌量子粒子群优化算法选择新模型所涉及的最优参数，以获得最佳的精度，最后采用滤波控制理论为实际的交通干道结构构建信号控制系统。最后，以某主干道为例进行了实际测试，验证了该模型的准确性和稳定性。数值结果表明，该模型不仅能有效地预测交通流量的季节变化，而且与BP神经网络模型、原最小二乘支持向量回归模型、季节ARIMA模型和灰色预测模型等几种著名的预测模型相比，具有较好的预测效果。
-
公开(公告)号：CN113327417A
公开(公告)日：2021-08-31
申请号：CN202110592357.3
申请日：2021-05-28
申请人： 南通大学
摘要： 本发明公开了一种基于3D动态时空残差卷积关联网络的交通流预测方法，包括以下步骤：采集城市道路的交通流数据，对原始数据进行预处理；根据城市道路的经纬度将数据转化为欧几里得结构交通栅格数据，对栅格数据进行标准化处理，并将其划分成训练集和测试集；构建基于3D动态时空残差卷积关联网络，该网络由时空关联提取组件、动态空间特征提取组件和动态时间特征提取组件组成；训练基于3D动态时空残差卷积关联网络，用训练好的模型预测城市道路下一时刻的交通流。本发明在对城市道路交通流进行时空关联分析的基础上，同时对城市道路交通流的动态空间和时间特征进行提取，提高对城市道路交通流的时空特征的动态捕获，从而提高城市交通流的预测精度。
-
公开(公告)号：CN108447260B
公开(公告)日：2020-05-29
申请号：CN201810297913.2
申请日：2018-03-30
申请人： 南通大学
IPC分类号： G08G1/01
摘要： 本发明公开了一种基于Fourier级数改进残差的短时交通流预测方法与系统，所述方法包括以下步骤：S1、基于历史交通流量建立初始交通流量序列，并对初始交通流量序列进行累加预处理，得到目标交通流量序列；S2、建立灰色预测模型，对目标交通流量序列进行预测处理得到目标交通流量序列的初始预测值；S3、基于初始预测值的残差利用Fourier级数对目标交通流量序列进行修正，得到最终预测值。本发明针对交通流数据具有周期性的特点，在不需要大量的数据情况下建模，适用于实时的交通流预测，能够有效地提高交通流数据的预测精度，本方法减少了计算冗杂性、降低了计算难度、提高了预测速度，保证本方法对交通流的实时预测能力和效果。
-
公开(公告)号：CN106997673B
公开(公告)日：2019-12-17
申请号：CN201710414447.7
申请日：2017-06-05
申请人： 南通大学
摘要： 本发明公开一种确定车道的交通信号灯冗余时长的方法，包括：当车道的当前红灯配时下的红灯计时到零时，自第一检测器获取通过第一检测器的最后一辆车辆自通过起的第一行驶时间，第一检测器位于车道上距离车道路口的距离为历史最大车辆排队长度的位置；自第二检测器获取通过第二检测器的最后一辆车辆自通过起的第二行驶时间，第二检测器位于车道上距离车道路口的距离为最远距离的位置；将第一行驶时间确定为待缩短的红灯冗余时间；将第二行驶时间确定为待缩短的绿灯冗余时间。本发明实施例能够确定交通信号灯所存在的冗余时间，从而能够根据确定的冗余时间来调整交通信号灯的实际配时，达到优化交通信号灯配时的目的，提升交叉路口的通行效率。
-
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
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
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
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
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：CN109920248B
公开(公告)日：2021-09-17
申请号：CN201910162263.5
申请日：2019-03-05
申请人： 南通大学
摘要： 本发明公开了一种基于GRU神经网络的公交到站时间预测方法，所述方法包括：由数据库导出历史数据至CSV格式文件，获取原始数据，利用HBase分布式数据库和Spark内存处理技术对所述原始数据进行分析处理去除原始数据的混杂性、复杂性和系数性；基于单一属性和多因子角度采用特征相关性研究法处理分析处理后的所述原始数据，得到标准时间序列类型数据；利用Lasso方法对标准时间序列类型数据进行变量选择，剔除标准时间序列类型数据中关联性弱的特征向量；基于GRU神经网络构建公交的到站预测模型，输入已剔除关联性弱特征向量的标准时间序列类型数据至到站预测模型，实现对公交到站的时间预测操作；本发明可有效提升对公交到站时间预测的准确性。
-
公开(公告)号：CN112598904A
公开(公告)日：2021-04-02
申请号：CN202011436907.4
申请日：2020-12-10
申请人： 南通大学
IPC分类号： G08G1/01
摘要： 本发明提出了一种基于线性灰色卷积模型的城市路网交通流预测方法，包括以下步骤：S1、选定待测路段并筛选出与待测路段交通流数据关联性较大的相关路段；S2、基于传统灰色多变量预测模型，建立线性灰色卷积多变量预测模型；S3、根据相关路段的交通流数据，运用线性灰色卷积多变量预测模型对待测路段交通流进行预测。本发明针对城市路网交通流的时空特性，首次提出运用线性优灰色卷积多变量预测模型对交通流进行预测，比灰色单变量模型更合理，预测精度更高，是对交通流预测模型的改进和完善。
-
-
-
-
-
-
-
-
-
搜索结果
41 条记录 (耗时 0.024 秒)
