公开(公告)号：CN117935542A

公开(公告)日：2024-04-26

申请号：CN202311854752.X

申请日：2023-12-29

Applicant: 重庆大学 ,  重庆首讯科技股份有限公司

Inventor： 孙棣华 ,  赵敏 ,  刘海生 ,  廖思琪 ,  张强 ,  王世森 ,  王璟婷

IPC: G08G1/01 ,  G06N20/00

Abstract: 本发明公开了一种考虑交通事件信息的高速公路拥堵消散时间预测方法，通过利用检测到的异常事件详细信息数据来进行决策树模型学习，进而构建出可用于预测事件持续时间的决策树模型；同时利用事件上报信息构建出通行能力估计模型；在此基础上构建出基于模糊交通波模型的拥堵消散时间预测模型，综合上述两部分的输出和模糊交通波模型，最后得出事件情况下的拥堵消散时间预测模型。本发明方法可以有效克服现有拥堵消散时间预测方法预测时对异常事件具体情况的考虑不充分的局限性，同时利用模糊交通波模型可以充分考虑到利用传统交通波模型时未充分考虑车辆排队过程中的速度分布差异性，进而实现对拥堵消散时间更高的预测精度和泛化能力。

公开(公告)号：CN117012031A

公开(公告)日：2023-11-07

申请号：CN202311111417.0

申请日：2023-08-31

Applicant: 重庆大学 ,  重庆首讯科技股份有限公司

Inventor： 孙棣华 ,  赵敏 ,  任玲 ,  赵文竹 ,  刘海生 ,  陈星州 ,  李扬扬 ,  汪浩

IPC: G08G1/01 ,  G08G1/048 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于深度元学习的高速公路拥堵消散时间预测方法，包括以下步骤：采集拥堵路段的车辆轨迹数据以及上下游的ETC数据，提取车辆与交通流特征，收集路段异常事件信息整理形成数据集；使用CNN从数据集中捕获交通流的空间特征，使用GRU从数据集中捕获交通流的时间特征；构建拥堵消散时间预测模型；针对不同类型的异常事件，拥堵消散时间预测模型采用MAML方法进行分任务学习，从而得到不同异常事件类型下的拥堵消散时间预测结果。本发明方法能够有效克服现有拥堵消散时间预测方法在应对异常事件时存在的局限性，实现更高的预测精度和适应性。

公开(公告)号：CN117012039A

公开(公告)日：2023-11-07

申请号：CN202311111518.8

申请日：2023-08-31

Applicant: 重庆大学 ,  重庆首讯科技股份有限公司

Inventor： 孙棣华 ,  赵敏 ,  赵文竹 ,  刘海生 ,  任玲 ,  王世森 ,  王璟婷 ,  陈星州

IPC: G08G1/052 ,  G08G1/01 ,  G06N3/045 ,  G06N3/08

Abstract: 本发明公开了一种基于多源数据融合的高速公路车道级速度预测方法，包括以下步骤：划分车道，利用GRG计算不同车道之间的相互影响度；使用Attention机制计算目标车道不同时间的注意力权重；基于注意力权重和不同车道之间的相互影响度，建立改进模型GRGA；基于改进模型GRGA，建立GRU_LSTM融合深度学习模型；根据GRU_LSTM融合深度学习模型，实时预测高速公路任一车道特定时间段内的平均行驶速度。本发明一种基于多源数据融合的高速公路车道级速度预测方法预测速度块、精准高，能够为交通管制人员进行交通诱导提供参考依据。