一种基于深度学习的高速公路交通需求预测方法及装置

    公开(公告)号:CN118800074B

    公开(公告)日:2024-11-15

    申请号:CN202411285553.6

    申请日:2024-09-13

    Applicant: 中南大学

    Abstract: 本发明公开了一种基于深度学习的高速公路交通需求预测方法及装置,方法包括:获取待研究的区域高速公路网的拓扑结构数据和历史交通需求数据,根据获取的数据定位区域高速公路网中的大流量路段,并识别区域高速公路网中的拥堵源O‑D对和主要拥堵源O‑D对;根据历史交通需求数据和所有主要拥堵源O‑D对,构建每个时间窗内的主要拥堵源O‑D矩阵;同时以多个不同历史时间窗内的主要拥堵源O‑D矩阵为输入,以未来时间窗内的主要拥堵源O‑D矩阵为输出,训练深度可分离卷积神经网络模型,得到高速公路交通需求预测模型,用于预测待预测时间窗内的主要拥堵源O‑D矩阵。本发明适用于高速公路交通需求预测,且预测准确。

    一种基于DEA的高速公路路面养护辅助决策方法及系统

    公开(公告)号:CN116151522A

    公开(公告)日:2023-05-23

    申请号:CN202310446039.5

    申请日:2023-04-24

    Applicant: 中南大学

    Abstract: 本发明公开了一种基于DEA的高速公路路面养护辅助决策方法及系统,方法包括:获取目标区域高速公路的历史及当前路面使用性能数据;获取历史路面维修数据提取得到目标路段;基于模糊C均值聚类模型根据历史路面使用性能数据,将目标路段聚为C个类;获取C个类的各类路段的单位面积的修补费用,根据当前路面使用性能数据计算得到PCI的短期变化值及长期变化值;根据DEA评价模型分析得到各类路段修补的技术效益、规模效益及综合效益;以路段修补的总效益最大化作为目标条件,以PCI的改善情况及修补费用投入作为约束条件,建立路面养护策略优化模型得到当前路段的养护修补策略。有效提升高速公路修补效益,降低养护成本。

    一种基于深度学习的高速公路交通需求预测方法及装置

    公开(公告)号:CN118800074A

    公开(公告)日:2024-10-18

    申请号:CN202411285553.6

    申请日:2024-09-13

    Applicant: 中南大学

    Abstract: 本发明公开了一种基于深度学习的高速公路交通需求预测方法及装置,方法包括:获取待研究的区域高速公路网的拓扑结构数据和历史交通需求数据,根据获取的数据定位区域高速公路网中的大流量路段,并识别区域高速公路网中的拥堵源O‑D对和主要拥堵源O‑D对;根据历史交通需求数据和所有主要拥堵源O‑D对,构建每个时间窗内的主要拥堵源O‑D矩阵;同时以多个不同历史时间窗内的主要拥堵源O‑D矩阵为输入,以未来时间窗内的主要拥堵源O‑D矩阵为输出,训练深度可分离卷积神经网络模型,得到高速公路交通需求预测模型,用于预测待预测时间窗内的主要拥堵源O‑D矩阵。本发明适用于高速公路交通需求预测,且预测准确。

    一种基于DEA的高速公路路面养护辅助决策方法及系统

    公开(公告)号:CN116151522B

    公开(公告)日:2023-07-14

    申请号:CN202310446039.5

    申请日:2023-04-24

    Applicant: 中南大学

    Abstract: 本发明公开了一种基于DEA的高速公路路面养护辅助决策方法及系统,方法包括:获取目标区域高速公路的历史及当前路面使用性能数据;获取历史路面维修数据提取得到目标路段;基于模糊C均值聚类模型根据历史路面使用性能数据,将目标路段聚为C个类;获取C个类的各类路段的单位面积的修补费用,根据当前路面使用性能数据计算得到PCI的短期变化值及长期变化值;根据DEA评价模型分析得到各类路段修补的技术效益、规模效益及综合效益;以路段修补的总效益最大化作为目标条件,以PCI的改善情况及修补费用投入作为约束条件,建立路面养护策略优化模型得到当前路段的养护修补策略。有效提升高速公路修补效益,降低养护成本。

Patent Agency Ranking