一种有轨电车路口信号优先控制系统

    公开(公告)号:CN106960583A

    公开(公告)日:2017-07-18

    申请号:CN201710361268.1

    申请日:2017-05-19

    IPC分类号: G08G1/08 B61L29/28

    CPC分类号: G08G1/08 B61L29/28

    摘要: 本发明涉及有轨电车控制领域,特别是一种有轨电车路口信号优先控制系统,包括流量检测装置、接近位置检测装置、路口优先控制器、无线局域网设备、有轨电车、信号灯、监控中心和中心服务器。本发明通过位置和车流量检测装置检测有轨电车到达路口的情况和此路口的交通状况,使得有轨电车路口信号优先,实现有轨电车在路口的优先通行同时,能够兼顾社会车流量的饱和程度,避免了车流高峰期时为有轨电车信号优先造成严重的拥堵和延误,提高有轨电车的运营效益和路口的服务水平。

    基于车‑车通信的有轨电车运行控制系统及方法

    公开(公告)号:CN107139970A

    公开(公告)日:2017-09-08

    申请号:CN201710358919.1

    申请日:2017-05-19

    IPC分类号: B61L15/00 B61L27/00

    摘要: 本发明涉及一种基于车‑车通信的有轨电车运行控制系统及方法,包括监控中心服务器、道岔控制器、道口控制器、电子标签及设置于有轨电车的车载设备,所述车载设备包括电子标签读卡器、车载计算机及测速装置,车载计算机通过通信网络分别与监控中心服务器、道岔控制器、道口控制器通信,监控中心服务器用于车载计算机、道岔控制器、道口控制器的登录身份确认及相互之间的信息转发。运行控制系统根据这些整备数据控制有轨电车行车,并通过与追踪队列中的有轨电车无线通信获取前车位置和速度,进而车载控制系统再根据道岔、道口和车站的位置计算移动授权完成列车安全运行控制。

    应用于有轨电车运行控制系统的车载控制方法及系统

    公开(公告)号:CN107128337A

    公开(公告)日:2017-09-05

    申请号:CN201710358916.8

    申请日:2017-05-19

    IPC分类号: B61L23/14 B61L25/02

    CPC分类号: B61L23/14 B61L25/021

    摘要: 本发明涉及一种应用于有轨电车运行控制系统的车载控制系统及方法,该方法包括步骤:接收监控中心服务器发送的有轨电车运行计划整备数据,配置本车运行计划的控制信息;向道岔控制器发送接近消息以及道岔转换标志信息,或向道口控制器发送接近消息;根据本车运行计划的控制信息、接收到的道岔控制器的反馈信息或道口控制器的反馈信息,控制本车是否继续行进及行进速度。通过在道口或道岔前循问当前道岔、道口状态,若道口空闲则允许优先通过道口,若道岔锁闭则允许通过道岔,与传统按照固定计划行车的方式相比,提高了列出运行控制的灵活性及运行效率,避免了列出运行堵塞或资源浪费。

    基于联邦学习的多粒度事件预警动态知识图谱嵌入模型构造方法

    公开(公告)号:CN115062159B

    公开(公告)日:2024-05-24

    申请号:CN202210666541.2

    申请日:2022-06-13

    摘要: 本发明公开了一种基于联邦学习的多粒度动态知识图谱嵌入模型构造方法,包括步骤:客户端对多粒度动态知识图谱嵌入模型进行本地训练;多个完成本地多轮训练多粒度动态知识图谱嵌入模型的客户端,将模型的卷积核集合和权重向量上传到服务器,服务器按照平均聚合规则(或者多粒度聚合规则)更新卷积核集合和权重向量,之后下传到每个客户端;重复执行上述步骤多轮后,得到全局多粒度动态知识图谱嵌入模型。本发明关注不同时间粒度的信息与事实三元组的关联性,提高了动态知识图谱嵌入模型中事实三元组表征的准确性。联邦学习使用多粒度聚合规则时,提高了动态知识图谱嵌入模型的通信效率,降低了冗余信息。

    一种基于多时间粒度的知识动态演化的城市地铁流量预测方法

    公开(公告)号:CN114117064B

    公开(公告)日:2023-05-26

    申请号:CN202111337540.5

    申请日:2021-11-09

    IPC分类号: G06F16/36 G06N3/0464

    摘要: 本发明公开了一种基于多时间粒度的知识动态演化方法及应用。知识动态演化方法,首先将构建知识库中的知识四元组,然后将每个知识四元组向量化并拆分为三元组对应向量和时间向量,接着利用卷积网络对三元组对应向量进行初始化表征,并对时间向量进行粒度统一;然后将粒度统一的时间向量嵌入到三元组对应的表征向量中,并将其输入到三元组表征方法中进行表征;最后进行知识四元组挖掘,结合所有实体表征信息和周期性的历史实体表征信息来构建回归模型,预测未来多个时间步的实体,实现知识四元组的动态演化。基于多时间粒度的知识动态演化方法,融合多个时间粒度的知识进行表征,可以提高模型的表征能力,更好地预测未来时刻的实体。