基于RL的两阶段应急信号优先控制方法、设备、介质

    公开(公告)号:CN117877292B

    公开(公告)日:2024-12-10

    申请号:CN202410019464.0

    申请日:2024-01-05

    Applicant: 东南大学

    Abstract: 本发明涉及一种基于RL的两阶段应急信号优先控制方法、设备、介质,其中控制方法包括:获取基于V2I的交叉口的历史交通数据信息;基于所述历史交通数据信息离线训练DQN模型,离线训练DQN模型中奖励函数为分段函数形式,并以应急车辆是否通过交叉口作为判断条件,其中,第一阶段的奖励函数以应急车辆的优先通行权与社会车辆通行效率两部分组成,第二阶段的奖励函数仅包括社会车辆通行效率;利用训练后的DQN模型生成交叉口信号方案的控制决策。与现有技术相比,本发明基于训练好的DQN模型设计了一套控制策略,可根据V2I采集的实时交通状态为应急车辆提供信号优先权,同时降低对交叉口其他社会车辆产生的延误影响。

    一种基于事故影响因果推断的应急车辆动态路径规划方法

    公开(公告)号:CN118447701A

    公开(公告)日:2024-08-06

    申请号:CN202410356507.4

    申请日:2024-03-27

    Applicant: 东南大学

    Abstract: 本发明公开了一种基于事故影响因果推断的应急车辆动态路径规划方法,本发明收集路网交通流信息进行因果推断模型训练,并为应急车辆选择耗时最短的路线到达事故现场。通过读取路网信息,获得路网交通流数据,设置目标节点、源节点与路网中其他交叉口节点,并确定事故发生的类型,地点与时间,生成相应的事故信息作为输入;通过因果推断方法获得时空速度的影响值,并得到时变周期下更新的新的路段行程时间;通过路网权值时变特性的全局最优路径规划方法进行应急车辆最优路径选择。本发明将机器学习方法与传统因果效应模型相结合,实现应急车辆的动态路径规划,提高通行效率。

    基于视觉注意力机制和ConvLSTM网络的道路交通事故检测方法

    公开(公告)号:CN112084928B

    公开(公告)日:2024-06-21

    申请号:CN202010920823.1

    申请日:2020-09-04

    Applicant: 东南大学

    Abstract: 本发明公开了一种基于视觉注意力机制和ConvLSTM网络的道路事故检测方法,包括如下步骤:收集和划分事故图片数据集和视频数据集;搭建事故外观特征提取网络;训练事故外观特征提取网络;在训练后的事故外观特征提取模型的基础上引入事故的运动特征提取网络,完成总事故检测模型的搭建;使用视频数据训练集对总事故检测模型进行训练;通过训练后的总事故检测模型进行事故检测。本发明采用基于视觉注意力模块CBAM和图像特征提取网络ResNet‑50融合的事故外观特征提取模型,能够捕捉更局部,更具体的事故外观特征;采用了ConvLSTM网络捕捉事故运动特征,弥补了RNN和LSTM网络无法很好捕捉事故运动特征等缺陷,从而提高了事故检测精度。

    一种复杂交通环境下基于监控视频的交通参与者检测方法

    公开(公告)号:CN114694091B

    公开(公告)日:2024-06-14

    申请号:CN202210223809.5

    申请日:2022-03-09

    Applicant: 东南大学

    Inventor: 王晨 黄培 周威

    Abstract: 本发明公开了一种复杂交通环境下基于监控视频的交通参与者检测方法。考虑到复杂交通场景中因交通参与者类型丰富且遮挡情况严重而导致存在各式各样的小目标,本发明基于深度目标检测网络YOLO V5,创新地设计了超分辨率特征提取模块,以保留小目标更丰富的外观特征。为了更好地训练所提出的超分辨率特征提取模块,进一步提出了知识蒸馏训练方法,指导检测模型以较小分辨率图片为输入的性能匹配其以较大分辨率图片为输入的感知性能,既缓解了因直接利用较大分辨率为输入而带来的计算负担,也获得了匹配较大分辨率为输入时的感知性能。提出方法有效提升了复杂交通环境下交通参与者的检测精度,有望被应用到实际交通监控场景中。

    基于RL的两阶段应急信号优先控制方法、设备、介质

    公开(公告)号:CN117877292A

    公开(公告)日:2024-04-12

    申请号:CN202410019464.0

    申请日:2024-01-05

    Applicant: 东南大学

    Abstract: 本发明涉及一种基于RL的两阶段应急信号优先控制方法、设备、介质,其中控制方法包括:获取基于V2I的交叉口的历史交通数据信息;基于所述历史交通数据信息离线训练DQN模型,离线训练DQN模型中奖励函数为分段函数形式,并以应急车辆是否通过交叉口作为判断条件,其中,第一阶段的奖励函数以应急车辆的优先通行权与社会车辆通行效率两部分组成,第二阶段的奖励函数仅包括社会车辆通行效率;利用训练后的DQN模型生成交叉口信号方案的控制决策。与现有技术相比,本发明基于训练好的DQN模型设计了一套控制策略,可根据V2I采集的实时交通状态为应急车辆提供信号优先权,同时降低对交叉口其他社会车辆产生的延误影响。

    多小区协作大规模MIMO鲁棒预编码设计方法

    公开(公告)号:CN115001547B

    公开(公告)日:2024-02-23

    申请号:CN202210608181.0

    申请日:2022-05-31

    Applicant: 东南大学

    Abstract: 本发明公开了一种多小区协作大规模MIMO鲁棒预编码设计方法,包括建立基于精细化波束的后验信道模型,并据此建立逐基站功率约束的多小区协作大规模MIMO加权遍历和速率最大化问题;将该问题依次转化为逐基站功率约束的虚拟MIMO加权遍历和速率最大化问题,满足逐基站功率约束的黎曼子流形上的加权遍历和速率最大化问题,迭代求解满足逐基站功率约束的黎曼子流形上的加权遍历和速率的替代函数的最大化问题;最后,在不同基站间交替求解加权遍历和速率的替代函数的最大化问题,得到多小区协作大规模MIMO鲁棒预编码迭代设计。本发明可以抵御信道估计误差、信道老化、以及信道相关性对多小区协作大规模MIMO系统和速率性能带来的影响。

    一种面向突发事件影响的城市道路交通网络韧性评估方法

    公开(公告)号:CN116226312A

    公开(公告)日:2023-06-06

    申请号:CN202310305227.6

    申请日:2023-03-27

    Applicant: 东南大学

    Abstract: 本发明提供了一种面向突发事件影响的城市道路交通网络韧性评估方法,该方法包括:收集道路交通网络GIS数据以及车辆GPS轨迹数据;通过Space L方法构造网络拓扑结构,利用地图匹配算法实现交通状态信息与路网与拓扑信息的匹配;分别计算道路交通网络的结构韧性以及功能韧性指标,包括节点度、介数中心性、紧密中心性以及路段相对运行速度,并基于此计算网络的绝对韧性指标;计算考虑网络拓扑结构影响下路段的相对运行速度,利用渗流理论计算路网在不同连通性水平下的渗流阈值,并以渗流阈值作为网络的相对韧性指标;综合绝对韧性以及相对韧性指标,建立道路交通网络韧性评估综合指标对路网韧性进行评估。

    一种基于少量跨域数据学习的道路缺陷检测方法

    公开(公告)号:CN115965590A

    公开(公告)日:2023-04-14

    申请号:CN202211604634.9

    申请日:2022-12-13

    Applicant: 东南大学

    Abstract: 本发明公开了一种基于少量跨域数据学习的道路缺陷检测方法,涉及道路缺陷检测技术领域,为了降低检测模型对训练数据量的需求,本文基于Faster R‑CNN模型提出了适用于少样本场景下的道路缺陷检测方法,具体地,设计了一个缺陷加权分支来提取每种道路缺陷的外观特征,使得Faster R‑CNN能够基于给定的道路缺陷外观特征,快速定位图像中的道路缺陷;此外还提出了一种数据增强方法,不仅扩大了标记数据的丰富度,还缓解了应用时可能存在的跨域问题,从而有效提升了少样本情况下道路缺陷检测模型的精度,有望被实际应用到实际道路养护任务中。

    多小区协作大规模MIMO鲁棒预编码设计方法

    公开(公告)号:CN115001547A

    公开(公告)日:2022-09-02

    申请号:CN202210608181.0

    申请日:2022-05-31

    Applicant: 东南大学

    Abstract: 本发明公开了一种多小区协作大规模MIMO鲁棒预编码设计方法,包括建立基于精细化波束的后验信道模型,并据此建立逐基站功率约束的多小区协作大规模MIMO加权遍历和速率最大化问题;将该问题依次转化为逐基站功率约束的虚拟MIMO加权遍历和速率最大化问题,满足逐基站功率约束的黎曼子流形上的加权遍历和速率最大化问题,迭代求解满足逐基站功率约束的黎曼子流形上的加权遍历和速率的替代函数的最大化问题;最后,在不同基站间交替求解加权遍历和速率的替代函数的最大化问题,得到多小区协作大规模MIMO鲁棒预编码迭代设计。本发明可以抵御信道估计误差、信道老化、以及信道相关性对多小区协作大规模MIMO系统和速率性能带来的影响。

Patent Agency Ranking