一种基于时间序列聚类的道路交通状态在线辨识方法

    公开(公告)号:CN119889033A

    公开(公告)日:2025-04-25

    申请号:CN202510016195.7

    申请日:2025-01-06

    Applicant: 扬州大学

    Abstract: 本发明提供一种基于时间序列聚类的道路交通状态在线辨识方法,该方法通过获取目标时段内目标道路走廊内安装的各个交通检测站点采集的历史交通流状态参数时间序列数据,对所采集的数据进行预处理后基于动态时间规整和FCM聚类算法,挖掘高解析度的交通流状态参数时间序列数据中隐含的全局与局部交通状态演化特征和交通流状态参数时间序列之间的相似性,提取得到历史交通状态模式,在此基础上结合实时获取的交通流状态参数时间序列以及基于动态规划的在线交通状态平滑算法,实现可靠的在线交通状态辨识。本发明有效提升了交通状态识别的稳定性,显著降低了人工参与度和人力成本,为智慧交通决策提供了新的技术支持选择。

    考虑运输效能损失构建高速铁路线路风险地图方法及系统

    公开(公告)号:CN119539466A

    公开(公告)日:2025-02-28

    申请号:CN202411358106.9

    申请日:2024-09-27

    Applicant: 扬州大学

    Abstract: 本发明涉及交通运输工程技术领域,尤其涉及考虑运输效能损失构建高速铁路线路风险地图方法及系统,构建列车运行风险事件类型判定模型,分类识别车站和区间风险事件;量化高铁线路运输效能损失,构建计算模型,基于风险事件类型判定和效能损失量化,进行风险事件概率分析,测算时空网格潜在风险影响;根据量化值绘制线路运输风险地图,分析影响因素。本发明有效提取并判定了多种车站和区间风险事件,通过创新性地提出瞬时运输损失率和线路运输损失率,科学量化了各类风险影响,提升了风险地图对风险事件严重等级和影响范围的精准把握,较现有研究更直观地掌握各级别风险影响的时空变化和分布情况。

    一种基于遗传算法的公交安全运营排班优化方法

    公开(公告)号:CN114331353A

    公开(公告)日:2022-04-12

    申请号:CN202111623569.X

    申请日:2021-12-28

    Applicant: 扬州大学

    Abstract: 本发明公开了一种基于遗传算法的公交安全运营排班优化方法,预先获取包括驾驶员人口统计学数据、驾驶员排班信息数据等基础数据集;提出基于驾驶员自身属性的安全评价方法,以驾驶员的自身属性特征作为评价指标,采用基于熵权法的TOPSIS方法对驾驶员自身属性的运营安全性进行打分评价;基于预警频率与工作时段、天气条件的关系定量分析驾驶员工作时段、天气条件安全性;根据驾驶员自身属性、工作时段、天气条件的安全性评分归一化数据,构建公交驾驶员排班调度优化模型;利用遗传算法通过交叉、变异操作获得最优的排班调度方案。本发明综合考虑了影响公交驾驶员安全驾驶的因素,展现了如何高效、合理的排班调度,提高了驾驶员个体和公交运营整体的安全性。

    一种基于树状决策机制的高速铁路行车冲突全局疏解方法

    公开(公告)号:CN116151556B

    公开(公告)日:2024-09-17

    申请号:CN202310006696.8

    申请日:2023-01-04

    Applicant: 扬州大学

    Abstract: 本发明为一种基于树状决策机制的高速铁路行车冲突全局疏解方法。为保障在突发扰动下列车运行组织安全有序,本发明以冲突检测和疏解为核心构建了全局解析算法。首先结合各类区间和车站冲突的定义构建了判别式,围绕冲突优先级和主导性设计了动态检测算法;其次考虑了不同疏解策略对全局冲突和延误分布状态的影响,设计了树状冲突检测与疏解决策机制,具体包括适用策略分析与疏解、决策枝代价比选;最后基于数据存储与关联机制设计了考虑决策树剪枝的全局疏解路径生成算法。实证研究结果表明,本发明所形成的疏解算法能够充分考虑列车运行调整策略与冲突分布状态之间的动态交互作用,有利于生成全局最优冲突疏解路径和对应的列车时刻表调整方案。

    一种考虑极端天气条件的交通可达性评估方法

    公开(公告)号:CN116386311A

    公开(公告)日:2023-07-04

    申请号:CN202211267581.6

    申请日:2022-10-17

    Applicant: 扬州大学

    Abstract: 本发明公开了一种考虑极端天气条件的交通可达性评估方法包括,进行城市道路匹配;筛选城市道路实时数据;使用局部加权回归季节趋势分解方法对筛选出的车速和行程时间进行分解;对分解后的残余数据进行广义极值学生化离差测试,识别与正常交通状况下的行程时间观测值有较大偏差的车速和行程时间观测值,确定行进时间数据集中的极端车速和行程时间观测值;收集极端天气数据集,与所述有较大偏差的车速和行程时间观测值起止时间进行全域时空叠加分析,形成新数据集;对所述新数据集使用改进的引力模型计算交通可达性。本方法可以解决未将区域面积、等级、需求地区居民对终点资源的竞争等因素纳入考虑,导致可达性的测算不够准确的问题。

    基于异常声波特征识别的货车抱闸安全预警方法及系统

    公开(公告)号:CN115200695A

    公开(公告)日:2022-10-18

    申请号:CN202210826826.8

    申请日:2022-07-14

    Applicant: 扬州大学

    Abstract: 本发明提供了基于异常声波特征识别的货车抱闸安全预警方法及系统。一方面基于声波信号特征分析,对实时采集的数据进行声波频谱处理,采用改进的模板匹配算法,结合SVM机器学习设计编写异常抱闸车辆声波识别算法,判断实时接收到的声波数据是否具备抱闸声波的特征。另一方面,综合利用JAVA开发平台、SQLServer后台数据库、MATLAB模块化编程实现车辆实时运行声波可视化、声波特征实时提取、异常报警提示、统计报表输出等有关抱闸信息的分析汇总查询,对保障货物列车运行和解编组作业安全有重要意义。本发明方案有利于及时有效发现铁路货运车辆在运输作业过程中存在的抱闸安全隐患,避免产生钢轨磨损和车辆倾覆等安全问题。

Patent Agency Ranking