-
公开(公告)号:CN112085949A
公开(公告)日:2020-12-15
申请号:CN202010811702.3
申请日:2020-08-13
申请人: 浙江工业大学
IPC分类号: G08G1/01
摘要: 本发明涉及一种基于交通运行状况异常的路网脆弱性识别,分析与应对方法,本发明基于交通路网时序特征数据,构建交通运行状况异常区域,并依据服务能力和损失积累等指标,对路网脆弱性环节的识别与分析,并实现依据实际情况进行应对机制的目的。本发明利用交通网络时序特征数据来构建异常区域,并依据异常区域中路网对象的量化指标变化对脆弱区域进行分析与识别,降低交通治理时人为主观性的缺点及提高路网脆弱性的分析准确性,并提供主动应对措施,为交通治理提供重要的数据支持。
-
公开(公告)号:CN110570651B
公开(公告)日:2020-10-30
申请号:CN201910633233.8
申请日:2019-07-15
摘要: 一种基于深度学习的路网交通态势预测方法,包括以下步骤:S1、获取多源交通数据和路网静态配置信息,构建交通流参数模型;所述的多源交通数,包括互联网路段速度数据、检测器流量数据和信号机控制方案数据;所述的路网静态配置信息包括路网空间地理位置信息、路口编号、路段等级、路段长度、路段编号、车道编号和车道功能;S2、分析路网拥堵相关性,构建基本预测组团;S3、构造基于双阶段注意力机制的深度学习交通态势预测模型;S4、构建交通态势预测系统。本发明预测精度和可移植性较好。
-
公开(公告)号:CN110570651A
公开(公告)日:2019-12-13
申请号:CN201910633233.8
申请日:2019-07-15
摘要: 一种基于深度学习的路网交通态势预测方法,包括以下步骤:S1、获取多源交通数据和路网静态配置信息,构建交通流参数模型;所述的多源交通数,包括互联网路段速度数据、检测器流量数据和信号机控制方案数据;所述的路网静态配置信息包括路网空间地理位置信息、路口编号、路段等级、路段长度、路段编号、车道编号和车道功能;S2、分析路网拥堵相关性,构建基本预测组团;S3、构造基于双阶段注意力机制的深度学习交通态势预测模型;S4、构建交通态势预测系统。本发明预测精度和可移植性较好。
-
公开(公告)号:CN110491146B
公开(公告)日:2020-08-21
申请号:CN201910772945.8
申请日:2019-08-21
IPC分类号: G08G1/08 , G06Q10/06 , G06Q50/26 , G06F16/215 , G06F16/2458 , G06F16/29 , G06F17/18 , G06N3/04 , G06N3/08
摘要: 一种基于深度学习的交通信号控制方案实时推荐方法包括:基于采集到的交通状态数据,预处理交通数据,包括清洗错误数据、修正异常数据和修复缺失数据;构建时间序列的训练数据集模型,基于CNN‑DA‑RNN架构的深度学习的方法,训练路口的交通信号控制方案实时推荐模型,推荐下一时刻交通信号控制方案,实现问题路口信号控制方案实时推荐功能。本发明减少优化路口的时间,提高了人员的工作效率,且推荐的方案实时反馈,增加了推荐方案的可靠性和可复制性。
-
公开(公告)号:CN110610607B
公开(公告)日:2020-12-25
申请号:CN201910680179.2
申请日:2019-07-26
摘要: 基于流量的SCATS控制方案运行周期自动诊断方法,所述方法包括以下步骤:1)获取交叉口有效的历史多日SCATS交通参数与控制方案数据,按照一定时间间隔划分,得到时间间隔内所有历史流量与最大、最小控制方案周期数据;2)判断交叉口的历史控制方案运行周期是否自适应;3)对于周期自适应的交叉口,计算流量与周期的映射函数,找到流量特定流量分位值,分别映射到最大周期与最小周期,构建类激活函数用于将波动的流量映射到周期。4)对于周期无法自适应的交叉口,给出周期异常锁定的判断结果;对于周期自适应的交叉口,计算当前时间流量,得到周期理论值,根据理论值对实际周期合理性进行诊断。本发明还包括实施本发明方法的系统。
-
公开(公告)号:CN110610607A
公开(公告)日:2019-12-24
申请号:CN201910680179.2
申请日:2019-07-26
摘要: 基于流量的SCATS控制方案运行周期自动诊断方法,所述方法包括以下步骤:1)获取交叉口有效的历史多日SCATS交通参数与控制方案数据,按照一定时间间隔划分,得到时间间隔内所有历史流量与最大、最小控制方案周期数据;2)判断交叉口的历史控制方案运行周期是否自适应;3)对于周期自适应的交叉口,计算流量与周期的映射函数,找到流量特定流量分位值,分别映射到最大周期与最小周期,构建类激活函数用于将波动的流量映射到周期。4)对于周期无法自适应的交叉口,给出周期异常锁定的判断结果;对于周期自适应的交叉口,计算当前时间流量,得到周期理论值,根据理论值对实际周期合理性进行诊断。本发明还包括实施本发明方法的系统。
-
公开(公告)号:CN110491146A
公开(公告)日:2019-11-22
申请号:CN201910772945.8
申请日:2019-08-21
IPC分类号: G08G1/08 , G06Q10/06 , G06Q50/26 , G06F16/215 , G06F16/2458 , G06F16/29 , G06F17/18 , G06N3/04 , G06N3/08
摘要: 一种基于深度学习的交通信号控制方案实时推荐方法包括:基于采集到的交通状态数据,预处理交通数据,包括清洗错误数据、修正异常数据和修复缺失数据;构建时间序列的训练数据集模型,基于CNN-DA-RNN架构的深度学习的方法,训练路口的交通信号控制方案实时推荐模型,推荐下一时刻交通信号控制方案,实现问题路口信号控制方案实时推荐功能。本发明减少优化路口的时间,提高了人员的工作效率,且推荐的方案实时反馈,增加了推荐方案的可靠性和可复制性。
-
公开(公告)号:CN112085949B
公开(公告)日:2023-06-27
申请号:CN202010811702.3
申请日:2020-08-13
申请人: 浙江工业大学
IPC分类号: G08G1/01
摘要: 本发明涉及一种基于交通运行状况异常的路网脆弱性识别,分析与应对方法,本发明基于交通路网时序特征数据,构建交通运行状况异常区域,并依据服务能力和损失积累等指标,对路网脆弱性环节的识别与分析,并实现依据实际情况进行应对机制的目的。本发明利用交通网络时序特征数据来构建异常区域,并依据异常区域中路网对象的量化指标变化对脆弱区域进行分析与识别,降低交通治理时人为主观性的缺点及提高路网脆弱性的分析准确性,并提供主动应对措施,为交通治理提供重要的数据支持。
-
-
-
-
-
-
-