-
公开(公告)号：CN108830401B
公开(公告)日：2021-07-09
申请号：CN201810418436.0
申请日：2018-05-04
Applicant: 东南大学
Abstract: 本发明公开了一种基于元胞传输模型的动态拥堵收费最优费率计算方法，本发明提出的基于元胞传输模型的动态拥堵收费最优费率计算方法相比于已有的算法，更加公平有效，得出的最优费率使整个路网的时间消耗最小；本发明中采用的基于路径的元胞传输模型与原始的元胞传输模型相比，拥有无需计算元胞等待时间等优点，使得计算更加简便高效，当本发明应用在较大的城市区域中时，可以大幅节省整个路网系统的总出行时间。
-
公开(公告)号：CN108171973B
公开(公告)日：2020-09-18
申请号：CN201711446450.3
申请日：2017-12-27
Applicant: 东南大学
IPC: G08G1/01
Abstract: 本发明公开了一种基于手机网格数据的交通出行模式识别方法，通过手机网格数据构建手机用户出行序列，获取序列的时间特征、距离特征与速度特征；基于惩罚因子清洗所获取的手机用户出行序列数据，去除“噪声”数据；根据获得的清洗后的手机用户出行序列，基于速度聚类方法划分手机用户子出行序列；根据获得的子出行序列，生成手机用户出行链，获取出行链的时间特征、距离特征与速度特征；识别手机用户各出行链多模式交通出行模式；基于已识别的手机用户出行链多模式交通出行模式比例，识别用户全日出行时段主要交通出行模式。本发明能够基于非集计层面获取用户个体的交通出行模式，用于降低模型复杂度与提升预测准确性。
-
公开(公告)号：CN108171974B
公开(公告)日：2020-02-18
申请号：CN201711446477.2
申请日：2017-12-27
Applicant: 东南大学
IPC: G08G1/01
Abstract: 本发明公开了一种基于手机三角定位数据的交通出行模式判别方法，通过手机三角定位数据构建手机用户出行链；基于惩罚因子清洗所获取的手机用户出行链数据，去除“噪声”数据，重构手机用户全天出行链；基于重构的手机用户全天出行链，进行时间维度细粒度划分，形成若干个子出行时段，分别计算各子出行时段的总出行距离与直线出行距离，并以此获取各子出行时段的非直线系数；识别手机用户子出行时段多模式交通出行模式；基于已识别的手机用户子出行时段多模式交通出行模式比例，识别全日出行时段主要交通出行模式。本发明能够基于非集计层面获取用户个体的交通出行模式，用于降低模型复杂度并提高预测准确性。
-
公开(公告)号：CN108171973A
公开(公告)日：2018-06-15
申请号：CN201711446450.3
申请日：2017-12-27
Applicant: 东南大学
IPC: G08G1/01
CPC classification number: G08G1/012
Abstract: 本发明公开了一种基于手机网格数据的交通出行模式识别方法，通过手机网格数据构建手机用户出行序列，获取序列的时间特征、距离特征与速度特征；基于惩罚因子清洗所获取的手机用户出行序列数据，去除“噪声”数据；根据获得的清洗后的手机用户出行序列，基于速度聚类方法划分手机用户子出行序列；根据获得的子出行序列，生成手机用户出行链，获取出行链的时间特征、距离特征与速度特征；识别手机用户各出行链多模式交通出行模式；基于已识别的手机用户出行链多模式交通出行模式比例，识别用户全日出行时段主要交通出行模式。本发明能够基于非集计层面获取用户个体的交通出行模式，用于降低模型复杂度与提升预测准确性。
-
公开(公告)号：CN118035923A
公开(公告)日：2024-05-14
申请号：CN202410410650.7
申请日：2024-04-08
Applicant: 东南大学 , 国网江西省电力有限公司电力科学研究院 , 国网电力科学研究院有限公司
IPC: G06F18/2433 , G06V10/764 , G06V10/82 , G06F18/23213 , G06N3/0464 , G06N3/084
Abstract: 本发明公开一种电网录波异常信号识别方法，包括1、使用相位自适应调整以保持电网录波原始信号的相对相位关系；2、使用K均值聚类算法对相位调整后的数据进行识别分类；3、使用格拉姆角场进行图像编码；4、构建电网录波样本图像数据集；5、基于ResNet18分类模型建立电网录波数据图像分类框架；6、将训练集输入到图像分类框架进行训练，并使用验证集进行评估，待收敛后得到训练好的图像分类框架；7、将测试集输入到图像分类框架进行评估，获取分类结果。本发明通过结合相位自适应调整和格拉姆角场，有效处理了录波数据的相位偏移问题，实现健康录波数据从一维空间向二维空间的特征映射，在处理复杂的电力系统环境下的异常信号时，显示出其优越性。
-
Patent Agency Ranking
公开(公告)号：CN108615360B
公开(公告)日：2022-02-11
申请号：CN201810431068.3
申请日：2018-05-08
Applicant: 东南大学
Abstract: 本发明公开了一种基于神经网络的交通需求逐日演变预测方法，根据需求预测区域内各小区之间的手机信令数据，构建某时间段内交通出行的生成吸引OD矩阵，利用机器学习中深度学习的方法，建立循环神经网络模型和特征级融合神经网络模型，从而预测该区域逐日演变的动态交通需求量，并且充分考虑了时间和空间的内在关联性。本发明提出循环神经网络模型和特征级融合神经网络模型，对于短期动态交通需求预测有着很高的灵活性及准确度。
-
公开(公告)号：CN108830401A
公开(公告)日：2018-11-16
申请号：CN201810418436.0
申请日：2018-05-04
Applicant: 东南大学
Abstract: 本发明公开了一种基于元胞传输模型的动态拥堵收费最优费率计算方法，本发明提出的基于元胞传输模型的动态拥堵收费最优费率计算方法相比于已有的算法，更加公平有效，得出的最优费率使整个路网的时间消耗最小；本发明中采用的基于路径的元胞传输模型与原始的元胞传输模型相比，拥有无需计算元胞等待时间等优点，使得计算更加简便高效，当本发明应用在较大的城市区域中时，可以大幅节省整个路网系统的总出行时间。
-
公开(公告)号：CN108615360A
公开(公告)日：2018-10-02
申请号：CN201810431068.3
申请日：2018-05-08
Applicant: 东南大学
Abstract: 本发明公开了一种基于神经网络的交通需求逐日演变预测方法，根据需求预测区域内各小区之间的手机信令数据，构建某时间段内交通出行的生成吸引OD矩阵，利用机器学习中深度学习的方法，建立循环神经网络模型和特征级融合神经网络模型，从而预测该区域逐日演变的动态交通需求量，并且充分考虑了时间和空间的内在关联性。本发明提出循环神经网络模型和特征级融合神经网络模型，对于短期动态交通需求预测有着很高的灵活性及准确度。
-
公开(公告)号：CN108171974A
公开(公告)日：2018-06-15
申请号：CN201711446477.2
申请日：2017-12-27
Applicant: 东南大学
IPC: G08G1/01
Abstract: 本发明公开了一种基于手机三角定位数据的交通出行模式判别方法，通过手机三角定位数据构建手机用户出行链；基于惩罚因子清洗所获取的手机用户出行链数据，去除“噪声”数据，重构手机用户全天出行链；基于重构的手机用户全天出行链，进行时间维度细粒度划分，形成若干个子出行时段，分别计算各子出行时段的总出行距离与直线出行距离，并以此获取各子出行时段的非直线系数；识别手机用户子出行时段多模式交通出行模式；基于已识别的手机用户子出行时段多模式交通出行模式比例，识别全日出行时段主要交通出行模式。本发明能够基于非集计层面获取用户个体的交通出行模式，用于降低模型复杂度并提高预测准确性。
-
公开(公告)号：CN118035923B
公开(公告)日：2024-07-09
申请号：CN202410410650.7
申请日：2024-04-08
Applicant: 东南大学 , 国网江西省电力有限公司电力科学研究院 , 国网电力科学研究院有限公司
IPC: G06F18/2433 , G06V10/764 , G06V10/82 , G06F18/23213 , G06N3/0464 , G06N3/084
Abstract: 本发明公开一种电网录波异常信号识别方法，包括1、使用相位自适应调整以保持电网录波原始信号的相对相位关系；2、使用K均值聚类算法对相位调整后的数据进行识别分类；3、使用格拉姆角场进行图像编码；4、构建电网录波样本图像数据集；5、基于ResNet18分类模型建立电网录波数据图像分类框架；6、将训练集输入到图像分类框架进行训练，并使用验证集进行评估，待收敛后得到训练好的图像分类框架；7、将测试集输入到图像分类框架进行评估，获取分类结果。本发明通过结合相位自适应调整和格拉姆角场，有效处理了录波数据的相位偏移问题，实现健康录波数据从一维空间向二维空间的特征映射，在处理复杂的电力系统环境下的异常信号时，显示出其优越性。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.019 seconds)
