-
公开(公告)号：CN118644055B
公开(公告)日：2024-11-12
申请号：CN202411116566.0
申请日：2024-08-15
Applicant: 厦门大学
Abstract: 本申请公开了一种基于深度强化学习的机器人任务管理系统，涉及机器人技术领域，解决了目前存在被限制为单一任务的机器人在没有任务的时候会被闲置，使得机器人利用率较低的问题。该系统包括：任务发布子系统、任务分配子系统和任务调度子系统；任务发布子系统，用于获得任务流，并发送任务流；任务分配子系统，用于为任务流中每个待执行子任务选择目标机器人，并生成每个目标机器人对应的调度信息，将每个调度信息分配至对应目标机器人的任务调度子系统；任务调度子系统，用于基于至少一个调度信息确定对应目标机器人的任务列表，以及对任务列表进行动态优化，以使目标机器人按照更新后的任务列表执行任务。
-
公开(公告)号：CN111915057B
公开(公告)日：2022-05-17
申请号：CN202010599191.3
申请日：2020-06-28
Applicant: 厦门大学
Abstract: 本发明公开了一种基于深度学习和群智感知的单车需求预测与调度方法，包括如下步骤：步骤S1：单车需求预测：建立单车需求图结构，基于历史时刻图结构节点属性值和边权重，预测未来时刻图结构节点的属性值；通过时空网络架构准确预测出未来时刻的单车需求变化趋势；步骤S2：生成单车调度任务：根据预测出的未来时刻的单车需求变化趋势，输入到单车调度任务模型生成单车调度任务，步骤S3：单车群智调度执行：根据生成的单车调度任务，输入到调度执行模型，进行调度任务分配，本发明提供的方法，可以准确地预测城际范围内的自行车骑行需求，并基于预测结果，利用群智感知技术有效地进行自行车调度，提升了自行车系统的有效利用率，节省了单车调度所需的人力物力。
-
公开(公告)号：CN111259767B
公开(公告)日：2023-04-18
申请号：CN202010031165.0
申请日：2020-01-13
Applicant: 厦门大学
IPC: G06V20/54 , G06V10/82 , G06V10/75 , G06V10/766 , G06V10/776 , G06V10/778 , G06V10/774 , G06F16/29 , G08G1/01
Abstract: 本发明公开了基于交通数据及街景数据的交通违法行为识别方法和系统。包括首先提取驾驶行为，构建驾驶行为数据库；对驾驶行为时的道路环境数据进行复原，获取对应的街景图片序列；通过目标检测算法检测其中的交通标志，判断交通标志的类型是否与驾驶行为相对应，从而判断驾驶行为是否违法。本发明通过地图匹配算法进行驾驶行为的提取，解决了直接从轨迹数据中提取转向等驾驶行为存在的各种弊端，将人工智能技术与大规模街景图片数据相结合，利用深度学习目标检测算法检测街景图片中的交通标志，为违法行为的识别提供依据；且通过将驾驶行为与街景图片相匹配，极大地减少了所需要进行检测的街景图片数量，准确识别出对应的违法驾驶行为。
-
Patent Agency Ranking
公开(公告)号：CN112016735B
公开(公告)日：2023-03-28
申请号：CN202010693026.4
申请日：2020-07-17
Applicant: 厦门大学
IPC: G06Q10/047 , G06Q50/26 , G08G1/01 , G06F18/2431 , G06F18/214
Abstract: 本发明公开一种基于交通违法热点预测的巡逻路线规划方法、系统和可读存储介质，方法具体包括如下步骤：将离散的交通违法事件匹配到道路网络，得到交通违法热点候选区域；提取交通违法热点候选区域的相关时空特征组成数据集；采用拔靴抽样法从数据集中抽取三组训练数据集，分别用三组训练数据集通过协同训练与主动学习训练三组预测模型，所述预测模型采用树集成模型；利用所述三组预测模型，对无标签交通数据进行分类，预测未来交通违法热点的分布情况；根据交通违法热点分布情况，进行交警巡逻路线的建模和优化。本发明提供的方法能够低成本、高覆盖、实时的感知预测城市中的交通违法热点并规划交警巡逻路线，帮助城市交通管理部门全面深入地掌握城市中的交通违法热点，并且高效地规划交警巡逻路线。
-
公开(公告)号：CN112016735A
公开(公告)日：2020-12-01
申请号：CN202010693026.4
申请日：2020-07-17
Applicant: 厦门大学
Abstract: 本发明公开一种基于交通违法热点预测的巡逻路线规划方法、系统和可读存储介质，方法具体包括如下步骤：将离散的交通违法事件匹配到道路网络，得到交通违法热点候选区域；提取交通违法热点候选区域的相关时空特征组成数据集；采用拔靴抽样法从数据集中抽取三组训练数据集，分别用三组训练数据集通过协同训练与主动学习训练三组预测模型，所述预测模型采用树集成模型；利用所述三组预测模型，对无标签交通数据进行分类，预测未来交通违法热点的分布情况；根据交通违法热点分布情况，进行交警巡逻路线的建模和优化。本发明提供的方法能够低成本、高覆盖、实时的感知预测城市中的交通违法热点并规划交警巡逻路线，帮助城市交通管理部门全面深入地掌握城市中的交通违法热点，并且高效地规划交警巡逻路线。
-
公开(公告)号：CN111915057A
公开(公告)日：2020-11-10
申请号：CN202010599191.3
申请日：2020-06-28
Applicant: 厦门大学
Abstract: 本发明公开了一种基于深度学习和群智感知的单车需求预测与调度方法，包括如下步骤：步骤S1：单车需求预测：建立单车需求图结构，基于历史时刻图结构节点属性值和边权重，预测未来时刻图结构节点的属性值；通过时空网络架构准确预测出未来时刻的单车需求变化趋势；步骤S2：生成单车调度任务：根据预测出的未来时刻的单车需求变化趋势，输入到单车调度任务模型生成单车调度任务，步骤S3：单车群智调度执行：根据生成的单车调度任务，输入到调度执行模型，进行调度任务分配，本发明提供的方法，可以准确地预测城际范围内的自行车骑行需求，并基于预测结果，利用群智感知技术有效地进行自行车调度，提升了自行车系统的有效利用率，节省了单车调度所需的人力物力。
-
公开(公告)号：CN118644055A
公开(公告)日：2024-09-13
申请号：CN202411116566.0
申请日：2024-08-15
Applicant: 厦门大学
Abstract: 本申请公开了一种基于深度强化学习的机器人任务管理系统，涉及机器人技术领域，解决了目前存在被限制为单一任务的机器人在没有任务的时候会被闲置，使得机器人利用率较低的问题。该系统包括：任务发布子系统、任务分配子系统和任务调度子系统；任务发布子系统，用于获得任务流，并发送任务流；任务分配子系统，用于为任务流中每个待执行子任务选择目标机器人，并生成每个目标机器人对应的调度信息，将每个调度信息分配至对应目标机器人的任务调度子系统；任务调度子系统，用于基于至少一个调度信息确定对应目标机器人的任务列表，以及对任务列表进行动态优化，以使目标机器人按照更新后的任务列表执行任务。
-
公开(公告)号：CN111259767A
公开(公告)日：2020-06-09
申请号：CN202010031165.0
申请日：2020-01-13
Applicant: 厦门大学
IPC: G06K9/00 , G06F16/535 , G06F16/583 , G06F16/587 , G06N3/04 , G06N3/08 , G06T11/20 , G08G1/01
Abstract: 本发明公开了基于交通数据及街景数据的交通违法行为识别方法和系统。包括首先提取驾驶行为，构建驾驶行为数据库；对驾驶行为时的道路环境数据进行复原，获取对应的街景图片序列；通过目标检测算法检测其中的交通标志，判断交通标志的类型是否与驾驶行为相对应，从而判断驾驶行为是否违法。本发明通过地图匹配算法进行驾驶行为的提取，解决了直接从轨迹数据中提取转向等驾驶行为存在的各种弊端，将人工智能技术与大规模街景图片数据相结合，利用深度学习目标检测算法检测街景图片中的交通标志，为违法行为的识别提供依据；且通过将驾驶行为与街景图片相匹配，极大地减少了所需要进行检测的街景图片数量，准确识别出对应的违法驾驶行为。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.019 seconds)
