-
公开(公告)号：CN118504780A
公开(公告)日：2024-08-16
申请号：CN202410947057.6
申请日：2024-07-16
Applicant: 吉林大学
IPC: G06Q10/04 , G06N3/126 , G06Q10/0631 , G06Q30/0201 , G06Q50/43
Abstract: 本发明属于交通控制系统领域，具体涉及一种基于改进GAVNS的多任务众包共享汽车空车迁移优化方法，包括以下步骤：步骤A：获取迁移信息；步骤B：设计众包任务服务定价策略；步骤C：构建多任务众包共享汽车空车迁移模型；步骤D：使用辐射式搜索算法获取初始解；步骤E：使用改进的GAVNS算法求解调度策略；步骤F：绘制迁移路线并下达指令；本发明的优点：通过构建基于多任务众包的共享汽车空车迁移模型，以适应区域调度员密度的变化特性，再通过增加基于改进的GAVNS的求解方法，大大缩短了求解时间，满足了实时计算的要求。
-
公开(公告)号：CN117150634B
公开(公告)日：2024-01-23
申请号：CN202311412945.X
申请日：2023-10-30
Applicant: 吉林大学
Abstract: 本发明涉及一种融合交通和生态要素的生态绿道点线面规划方法，包括：步骤1：复合型生态源地的提取，利用MSPA方法和ArcGIS软件中的叠加分析工具，提取生态型绿道依托的生态源地；步骤2：融合交通要素与生态要素构建阻力面，并增加交通要素的阻力面的构建；步骤3：生成复合型廊道，进行绿道选线优化；步骤S4：融合ArcGIS与电路理论的绿点优化，生成生态节点和生态夹点区维持景观生态功能的稳定性；步骤5：绿道控制区绿面的优化策略制定，得到研究区域的最终绿面优化区域。本发明的优点是：改善城市生态环境并保持物种多样性的同时，实现提高网络路径两侧蓝绿空间的可接触性和暴露量。同
-
公开(公告)号：CN116362523A
公开(公告)日：2023-06-30
申请号：CN202310639210.4
申请日：2023-06-01
Applicant: 吉林大学
IPC: G06Q10/0631 , G06Q10/04 , G06Q10/0639 , G06Q50/06
Abstract: 本发明属于交通控制系统技术领域，涉及一种考虑温度适应性的换电站选址与运营协同优化方法，包括：获取电动汽车历史轨迹信息和区域历史温度信息，提取历史出行链和行程，并温度信息匹配。基于出行链和行程时空变量，挖掘出行特征模型。基于行程时空变量和温度信息，建立电动汽车能耗模型。结合电动汽车出行特征和能耗模型，对预期规模的电动汽车的出行与换电行为进行仿真，获得不同季节情景下的换电需求时空分布。基于不同季节情景下的换电需求时空分布，构建两阶段选址与运营策略协同优化模型。采用整数L‑shaped算法对模型进行求解。本发明的优点是：实现了换电需求快速增长和换电基础设施供给梯度扩充之间的平衡。
-
公开(公告)号：CN109583797A
公开(公告)日：2019-04-05
申请号：CN201910077139.9
申请日：2019-01-28
Applicant: 吉林大学
Abstract: 本发明公开了一种面向停车生成率获取的商业综合体的模糊聚类方法，涉及停车规划与管理领域，具体涉及一种通过将典型城市商业综合体进行分类。本发明通过将商业综合体内各类功能用地的建筑规模、商业综合体内建筑功能类型、周围第一圈主干道合围范围内道路饱和度、公交可达性、停车供给能力、停车收费六项指标进行聚类分析，将具有相似停车生成率的商业综合体准确分类，以便于实现对具有相似停车生成特性的商业综合体停车生成率的获取，以及城市商业综合体停车场配建标准的制定和建筑规模的规划。
-
公开(公告)号：CN105355047B
公开(公告)日：2017-06-06
申请号：CN201510736033.7
申请日：2015-11-03
Applicant: 吉林大学 , 山东高速股份有限公司
IPC: G08G1/01
Abstract: 本发明公开了一种多交通检测源动态时间粒度的数据融合处理方法，属于城市交通数据分析技术领域，其包括通过检测数据采集时间间隔提取时间基数；对检测数据加载空间信息并范化处理交通数据的数据结构；评价检测源的数据相关度、设备数据精度和环境影响度得到检测源信任度系数；通过检测区域移动终端内位置签到数据动态变化更新获取时间粒度应用需求；按照应用需求和检测源信任度对多检测源进行交通参数融合。本发明利用基础传感器获取的交通数据结合移动终端位置签到数据对城市交通数据处理与大数据发展的趋势相契合，根据时间粒度变化动态融合数据能有效提高速率，具有获取运算快捷、减少存储冗余的优点。
-
Patent Agency Ranking
公开(公告)号：CN106652460A
公开(公告)日：2017-05-10
申请号：CN201710134402.4
申请日：2017-03-08
Applicant: 吉林大学 , 山东高速股份有限公司
IPC: G08G1/01
CPC classification number: G08G1/0129 , G08G1/0133
Abstract: 本发明公开了一种高速公路交通状态判别方法及系统。该发明根据高速公路交通流运行状态的历史参数数据及预设分类数量，采用模糊聚类算法建立交通流参数模糊聚类中心模型；根据该中心模型，确定预设分类数量的交通状态聚类中心；根据实时参数数据和该聚类中心，利用最小距离分类法获得距离实时参数数据最小的交通状态聚类中心；根据该聚类中心，确定实时参数数据所属的交通状态聚类为距离实时参数数据最小的交通状态聚类中心所在的交通状态聚类。提高了采用高速公路交通流运行状态参数数据进行高速公路交通状态判别的可靠性，也改善了交通状态获取的环节，从信息获取环节最大程度的为道路管理者和使用者提供最佳的交通管控措施和出行计划。
-
公开(公告)号：CN105355047A
公开(公告)日：2016-02-24
申请号：CN201510736033.7
申请日：2015-11-03
Applicant: 吉林大学 , 山东高速股份有限公司
IPC: G08G1/01
Abstract: 本发明公开了一种多交通检测源动态时间粒度的数据融合处理方法，属于城市交通数据分析技术领域，其包括通过检测数据采集时间间隔提取时间基数；对检测数据加载空间信息并范化处理交通数据的数据结构；评价检测源的数据相关度、设备数据精度和环境影响度得到检测源信任度系数；通过检测区域移动终端内位置签到数据动态变化更新获取时间粒度应用需求；按照应用需求和检测源信任度对多检测源进行交通参数融合。本发明利用基础传感器获取的交通数据结合移动终端位置签到数据对城市交通数据处理与大数据发展的趋势相契合，根据时间粒度变化动态融合数据能有效提高速率，具有获取运算快捷、减少存储冗余的优点。
-
公开(公告)号：CN104731970A
公开(公告)日：2015-06-24
申请号：CN201510166823.6
申请日：2015-04-09
Applicant: 吉林大学 , 山东高速股份有限公司
IPC: G06F17/30
Abstract: 本发明公开了一种高速公路多源异构数据的数据质量评价与控制方法，首先构建时空数据统一感知数据格式；识别原始数据延时并进行时间点修正；接下来进行完整性程度评判，识别出同时间段上空间缺失数据并标记，包括检测器未检测到的数据以及不完整的数据；之后对数据记录根据交通特性进行准确性评判，识别出错误数据并标记；然后评判数据参数是否符合一致性；再利用时空相关性的对数据质量标志位为0的进行多维数据修复；最后更新数据库；本发明的优点是充分利用多源信息资源，从准确性、一致性、完整性、实时性四个方面确保交通数据的质量，并结合高速公路实际利用时空相关性对多维数据修复，为后续交通信息融合奠定基础。
-
公开(公告)号：CN118690786A
公开(公告)日：2024-09-24
申请号：CN202411165362.6
申请日：2024-08-23
Applicant: 吉林大学
IPC: G06N3/045 , G06N3/0499 , G06N3/0442 , G06N3/084 , G06N3/092 , G06N3/10 , B60W50/00 , B60W60/00
Abstract: 本发明属于道路车辆控制领域，涉及一种基于深度强化学习的网联车辆协同控制方法，该方法以专家数据集作为模仿学习的样本数据，通过行为克隆算法生成行为决策网络Φ，用于异策略强化学习中的行为策略；构建actor‑critic框架，每个智能体对应一个策略网络和一个价值网络，通过循环神经网络改进价值网络和策略网络，在价值网络中添加注意力机制；之后对价值网络和策略网络进行训练，采用确定性策略梯度原理更新策略网络，TD算法更新价值网络。训练完成后，策略网络即为控制网络，通过V2X通信部署到车端，车端通过感知获取所需信息，输入控制网络得到控制措施，完成网联车辆的协同控制，该方法可实现车流总体控制目标和网联车辆单智能体约束，更符合现实条件。
-
公开(公告)号：CN118427287B
公开(公告)日：2024-08-27
申请号：CN202410883187.8
申请日：2024-07-03
Applicant: 吉林大学
IPC: G06F16/29 , G06N3/042 , G06N3/0455 , G06N3/0464 , G06N3/084 , G06N5/04 , G06Q50/26 , G06F16/901
Abstract: 本发明属于绿道选线技术领域，涉及一种基于图神经网络的绿道选线方法，包括以下步骤：步骤一：点的选择与提取；步骤二：基于点的选取，构建图神经网络所需节点矩阵；步骤三：构建两层GCN网络，实现对于绿道的精确求解；本发明的优点是：通过利用传统的阻力因子所具有的多种数据，结合行人对于自然景观、游憩的喜好等行人的主观因素，利用图神经网络模型实现对于绿道的选择，充分运用该模型在大规模数据集上进行训练后，能够学习到复杂的地理特征、地形和环境条件以及行人活动和景观密度，实现提供高精度的绿道选线预测。实现对于绿道的精确选择。
-
-
-
-
-
-
-
-
-
Search Results
36
records
(took 0.025 seconds)
