基于时间点过程神经网络模型的道路交叉口拥堵预测方法

    公开(公告)号:CN116311887A

    公开(公告)日:2023-06-23

    申请号:CN202211673867.4

    申请日:2022-12-26

    Abstract: 本发明公开了一种基于时间点过程神经网络模型的道路交叉口拥堵预测方法。它包括如下步骤,首先,在空间关联建模过程中,通过将多个交叉口的空间区域拥堵变化模式融合到单个交叉口级,构建空间关联模块;其次,在双粒度时间关联建模过程中,通过时间点过程捕获拥堵事件时间粒度,并进一步与门控循环网络单元集成、构建新的神经点过程门控循环单元,通过新的神经点过程门控循环单元,分别对拥堵在不同时间粒度下建模,得到双粒度时间关联模块;最后,基于序列得到序列架构和时空关联模块建立时空点过程神经网络模型,进行参数优化,实现拥堵事件的多步预测。本发明具有针对精细化的城市交叉口车道间、信号周期内拥堵事件预测,预测精度高的优点。

    基于数字孪生技术的EFDC三维水质数据多模式推演方法

    公开(公告)号:CN116757004B

    公开(公告)日:2023-10-20

    申请号:CN202311049762.6

    申请日:2023-08-21

    Abstract: 本发明公开了一种基于数字孪生技术的EFDC三维水质数据多模式推演方法,涉及数字孪生技术领域。它包括以下步骤:步骤1,三维水质网格与分层属性提取解析;步骤2,水质网格顶点信息优化计算;步骤3,水质网格边缘矢量线提取;步骤4,水质分层数字孪生网格体构建;步骤5,不同水质分层模式下的效果控制;步骤6,水质指标演化过程时序推演仿真。本发明通过构建三维水质各分层对应的数字孪生网格体,与三维水质信息进行关联渲染,融合高精度水下地形、实景三维模型等数据,提供水质整体抬升、垂向夸张、边缘拉伸、纹理透明、分层显隐显示和控制模式,相较于传统方法可提供信息更全面、展示模式更自由可控的三维水质数字孪生展示效果。

    基于数字孪生技术的EFDC三维水质数据多模式推演方法

    公开(公告)号:CN116757004A

    公开(公告)日:2023-09-15

    申请号:CN202311049762.6

    申请日:2023-08-21

    Abstract: 本发明公开了一种基于数字孪生技术的EFDC三维水质数据多模式推演方法,涉及数字孪生技术领域。它包括以下步骤:步骤1,三维水质网格与分层属性提取解析;步骤2,水质网格顶点信息优化计算;步骤3,水质网格边缘矢量线提取;步骤4,水质分层数字孪生网格体构建;步骤5,不同水质分层模式下的效果控制;步骤6,水质指标演化过程时序推演仿真。本发明通过构建三维水质各分层对应的数字孪生网格体,与三维水质信息进行关联渲染,融合高精度水下地形、实景三维模型等数据,提供水质整体抬升、垂向夸张、边缘拉伸、纹理透明、分层显隐显示和控制模式,相较于传统方法可提供信息更全面、展示模式更自由可控的三维水质数字孪生展示效果。

Patent Agency Ranking