-
公开(公告)号：CN117291780A
公开(公告)日：2023-12-26
申请号：CN202311244200.7
申请日：2023-09-25
Applicant: 中南大学 , 禾麦科技开发(深圳)有限公司
Abstract: 本发明公开了一种周期自适应图卷积循环网络交通流预测方法，通过预训练模型的多个不同周期子模块获得的周期序列表征来学习交通流的周期特性，并利用自适应图卷积模块挖掘交通流之间的空间相关性，最后通过周期捕获来进行交通流预测，能大大提高交通流的预测精度。
-
公开(公告)号：CN117037269A
公开(公告)日：2023-11-10
申请号：CN202310959020.0
申请日：2023-08-01
Applicant: 中南大学 , 禾麦科技开发(深圳)有限公司
IPC: G06V40/20 , G06V20/40 , G06V20/52 , G06V10/25 , G06V10/62 , G06V10/82 , G06V10/94 , G06T7/246 , G06T7/269
Abstract: 本发明公开了一种轻量级政务大厅中人员异常行为监测方法，包括：S1、在边缘服务器中创建人员异常行为有效数据集和危险区域范围信息集；S2、采集预设区域范围的视频流发送至边缘计算服务器；S3、边缘计算服务器将接收到的视频流进行逐帧分解得到图像，将图像进行尺寸调整后输入目标检测模型，得到每个预测框的位置坐标、类别信息和置信度值；S4、进行目标跟踪；将每个预测框的位置坐标进行处理得到归一化位置坐标；对置信度值满足预设阈值的预测框的边界框进行非极大值抑制处理；S5、模型输出预测目标及目标行为结果，与人员异常行为有效数据集和危险区域范围信息集进行对比分析，输出监测结果。本发明还公开了用于本发明方法的系统。
-
公开(公告)号：CN113160585B
公开(公告)日：2022-09-06
申请号：CN202110312268.9
申请日：2021-03-24
Applicant: 中南大学 , 禾麦科技开发(深圳)有限公司
Abstract: 本发明公开了交通灯配时优化方法、系统及存储介质，通过将路口的历史车辆数据输入交通灯配时优化模型中，得到历史车辆数据对应的初步调控动作；计算并根据交通灯各个相位对应方向的车道压力确定历史车辆数据对应的辅助调控动作；再根据初步调控动作和辅助调控动作确定历史车辆数据对应的最优调控动作，使用最优调控动作对历史车辆数据进行标记，使用标记后的历史车辆数据对交通灯配时优化模型进行再次训练，获取交通灯各个相位对应方向的实时车辆数据，将实时车辆数据输入再次训练好的交通灯配时优化模型中，得到交通灯实时最优控制动作。通过路口的车道压力对交通灯配时优化模型进行辅助训练，使得该模型制定动作能有效缓解路口拥堵车道压力。
-
公开(公告)号：CN113011699A
公开(公告)日：2021-06-22
申请号：CN202110129667.1
申请日：2021-01-29
Applicant: 中南大学 , 禾麦科技开发(深圳)有限公司
Abstract: 本发明公开了基于关键交叉口识别的交通网络动态子区划分方法及系统，通过获取并根据交通网络中各个交叉口的全局特性指标、局部特性指标以及实时交通特性指标识别交通网络的实时关键交叉口；根据实时关键交叉口对交通网络进行初步划分，得到交通网络的初步子区；构建细分目标函数，以各个初步子区的交通效益及网络划分指标全局最优为目标，使用所述细分目标函数分别对各个初步子区进一步细分，得到所述交通网络的实时动态子区，本发明在划分子区时引入了交通网络中各个交叉口的全局特性指标、局部特性指标以及实时交通特性指标识别交通网络的实时关键交叉口，能解决以关键交叉口为核心的子区内的交通拥堵问题。
-
公开(公告)号：CN113160585A
公开(公告)日：2021-07-23
申请号：CN202110312268.9
申请日：2021-03-24
Applicant: 中南大学 , 禾麦科技开发(深圳)有限公司
Abstract: 本发明公开了交通灯配时优化方法、系统及存储介质，通过将路口的历史车辆数据输入交通灯配时优化模型中，得到历史车辆数据对应的初步调控动作；计算并根据交通灯各个相位对应方向的车道压力确定历史车辆数据对应的辅助调控动作；再根据初步调控动作和辅助调控动作确定历史车辆数据对应的最优调控动作，使用最优调控动作对历史车辆数据进行标记，使用标记后的历史车辆数据对交通灯配时优化模型进行再次训练，获取交通灯各个相位对应方向的实时车辆数据，将实时车辆数据输入再次训练好的交通灯配时优化模型中，得到交通灯实时最优控制动作。通过路口的车道压力对交通灯配时优化模型进行辅助训练，使得该模型制定动作能有效缓解路口拥堵车道压力。
-
Patent Agency Ranking
公开(公告)号：CN113223305A
公开(公告)日：2021-08-06
申请号：CN202110324649.9
申请日：2021-03-26
Applicant: 中南大学 , 禾麦科技开发(深圳)有限公司
Abstract: 本发明公开了基于强化学习的多路口交通灯控制方法、系统及存储介质，通过构建并训练以MADDPG为框架，以多路口交通灯系统控制的多个路口的车流数据作为输入状态，以输入状态对应的信号灯的时序调控动作为输出动作，以t时刻的历史输入状态、历史输入状态对应的历史输出动作、历史输出动作对应的奖赏值、t+1时刻的历史输入状态以及t时刻的历史输入状态对应的历史输出动作平均值作为训练样本的多智能体强化模型，并基于多智能体强化模型获取多路口交通灯系统的最优控制动作，相比现有技术，该方法在训练时将智能体之间的相互影响简化为动作平均值，极大地简化了智能体数量带来的模型空间的增大，能有效缩短解算时间。
-
公开(公告)号：CN113011699B
公开(公告)日：2024-06-28
申请号：CN202110129667.1
申请日：2021-01-29
Applicant: 中南大学 , 禾麦科技开发(深圳)有限公司
IPC: G06Q10/0637 , G06Q50/26 , G06N3/006
Abstract: 本发明公开了基于关键交叉口识别的交通网络动态子区划分方法及系统，通过获取并根据交通网络中各个交叉口的全局特性指标、局部特性指标以及实时交通特性指标识别交通网络的实时关键交叉口；根据实时关键交叉口对交通网络进行初步划分，得到交通网络的初步子区；构建细分目标函数，以各个初步子区的交通效益及网络划分指标全局最优为目标，使用所述细分目标函数分别对各个初步子区进一步细分，得到所述交通网络的实时动态子区，本发明在划分子区时引入了交通网络中各个交叉口的全局特性指标、局部特性指标以及实时交通特性指标识别交通网络的实时关键交叉口，能解决以关键交叉口为核心的子区内的交通拥堵问题。
-
公开(公告)号：CN113223305B
公开(公告)日：2022-09-06
申请号：CN202110324649.9
申请日：2021-03-26
Applicant: 中南大学 , 禾麦科技开发(深圳)有限公司
Abstract: 本发明公开了基于强化学习的多路口交通灯控制方法、系统及存储介质，通过构建并训练以MADDPG为框架，以多路口交通灯系统控制的多个路口的车流数据作为输入状态，以输入状态对应的信号灯的时序调控动作为输出动作，以t时刻的历史输入状态、历史输入状态对应的历史输出动作、历史输出动作对应的奖赏值、t+1时刻的历史输入状态以及t时刻的历史输入状态对应的历史输出动作平均值作为训练样本的多智能体强化模型，并基于多智能体强化模型获取多路口交通灯系统的最优控制动作，相比现有技术，该方法在训练时将智能体之间的相互影响简化为动作平均值，极大地简化了智能体数量带来的模型空间的增大，能有效缩短解算时间。
-
公开(公告)号：CN113393679B
公开(公告)日：2022-09-06
申请号：CN202110646987.4
申请日：2021-06-10
Applicant: 中南大学
Abstract: 本发明公开了基于交通路口车流识别与统计的区域交通诱导方法及系统，通过获取目标区域的交通道路线图，根据目标区域内各个路口对目标区域的交通影响大小确定目标区域的关键路口集，获取关键路口集中各个关键路口的监控视频数据流，识别并统计各个关键路口各个相位的车流数据；对于任意关键路口O：将关键路口O的各个车道的车流数据分别与其对应的车流阈值进行比较，当判断出关键路口O的任意车道的车流数据大于与其对应的车流阈值时，以缓解关键路口O的车流拥堵为目标，对关键路口O的交通灯信号进行调整，通过优先调整目标区域内的对目标区域的交通影响大的关键路口的拥堵，从而快速、有效调整区域内的拥堵。
-
公开(公告)号：CN107480072B
公开(公告)日：2020-07-10
申请号：CN201710723425.9
申请日：2017-08-22
Applicant: 中南大学
IPC: G06F12/0842 , G06F12/0862
Abstract: 本发明涉及透明计算技术大数据挖掘领域，公开了一种基于关联模式的透明计算服务端缓存优化方法及系统，以减少磁盘I/O开销、提高缓存的命中率及提升透明计算服务质量。本发明方法包括：引入支持度对各批次的数据流进行筛选以构建FP‑tree；在挖掘各批次数据流的频繁模式和支持度计数信息时，如果任一条件模式基出现单一前缀路径，且路径上的节点元素的频次相等，则停止对该频次相等的各节点元素所组合的频繁模式子集的挖掘；根据各批次数据流的频繁模式和支持度计数信息创建及更新FP‑Stream结构；当将任一数据块读入缓存时，将该数据块在FP‑Stream结构模式中相关频繁模式所关联的其它频繁项所对应的数据块一并读入。
-
-
-
-
-
-
-
-
-
Search Results
145
records
(took 0.092 seconds)
