-
公开(公告)号：CN118571020B
公开(公告)日：2024-10-25
申请号：CN202411034749.8
申请日：2024-07-31
Applicant: 创辉达设计股份有限公司
IPC: G08G1/01 , G06Q10/04 , G06Q50/40 , G06F18/2415 , G06F18/2431 , G06F18/25 , G06N3/042 , G06N3/0442 , G06N3/045 , G06N3/084 , G06N3/0985
Abstract: 本发明公开了一种基于深度学习的城市交通拥堵预测方法及系统，包括：S1：获取交通路网数据，交通路网数据包括数值型数据、道路方向、道路之间的连接关系；并对其中的数值型数据进行标准化，得到标准化后的数值型数据；S2：通过图神经网络与注意力聚合，对节点特征和边信息建模，再进行特征融合后，得到各个时刻的路网空间特征向量；S3：构建交通拥堵预测网络，对路网时间特征建模并与空间特征融合，输出拥堵程度；S4：设定交通拥堵预测网络的输入、输出以及优化目标；S5：基于自适应学习率优化算法优化交通拥堵预测网络参数；本发明解决了目前智能交通技术领域中，未全面考虑交通拥堵的时空依赖关系导致的拥堵预测准确率不足的问题。
-
公开(公告)号：CN118571020A
公开(公告)日：2024-08-30
申请号：CN202411034749.8
申请日：2024-07-31
Applicant: 创辉达设计股份有限公司
IPC: G08G1/01 , G06Q10/04 , G06Q50/40 , G06F18/2415 , G06F18/2431 , G06F18/25 , G06N3/042 , G06N3/0442 , G06N3/045 , G06N3/084 , G06N3/0985
Abstract: 本发明公开了一种基于深度学习的城市交通拥堵预测方法及系统，包括：S1：获取交通路网数据，交通路网数据包括数值型数据、道路方向、道路之间的连接关系；并对其中的数值型数据进行标准化，得到标准化后的数值型数据；S2：通过图神经网络与注意力聚合，对节点特征和边信息建模，再进行特征融合后，得到各个时刻的路网空间特征向量；S3：构建交通拥堵预测网络，对路网时间特征建模并与空间特征融合，输出拥堵程度；S4：设定交通拥堵预测网络的输入、输出以及优化目标；S5：基于自适应学习率优化算法优化交通拥堵预测网络参数；本发明解决了目前智能交通技术领域中，未全面考虑交通拥堵的时空依赖关系导致的拥堵预测准确率不足的问题。
-
公开(公告)号：CN118629232B
公开(公告)日：2024-10-29
申请号：CN202411090921.1
申请日：2024-08-09
Applicant: 创辉达设计股份有限公司
IPC: G08G1/08 , G08G1/01 , G08G1/081 , G01S13/91 , G06V10/764 , G06N3/0442 , G06N3/045 , G06N3/084 , G06N3/092 , G06V10/30 , G06V10/82
Abstract: 本发明公开了一种基于毫米波雷达的交通信号控制方法及系统，包括S1：获取各路段的原始点云数据并进行预处理，得到预处理后的点云数据；S2：对预处理后的点云数据进行目标检测和分类，并通过粒子滤波算法对检测到的车辆进行跟踪，统计得到各个路段的车流量、平均车速；S3：根据车流量和平均速度，评估各个路段的拥堵程度以及优先级；S4：构建强化学习模型，设定强化学习的状态空间、动作空间、值函数和奖励函数；S5：强化学习模型训练，自适应调整每个路口的信号灯的时长。此方案解决了传统交通信号控制方法在夜间晚高峰场景下控制效果欠佳的问题。
-
公开(公告)号：CN118629232A
公开(公告)日：2024-09-10
申请号：CN202411090921.1
申请日：2024-08-09
Applicant: 创辉达设计股份有限公司
IPC: G08G1/08 , G08G1/01 , G08G1/081 , G01S13/91 , G06V10/764 , G06N3/0442 , G06N3/045 , G06N3/084 , G06N3/092 , G06V10/30 , G06V10/82
Abstract: 本发明公开了一种基于毫米波雷达的交通信号控制方法及系统，包括S1：获取各路段的原始点云数据并进行预处理，得到预处理后的点云数据；S2：对预处理后的点云数据进行目标检测和分类，并通过粒子滤波算法对检测到的车辆进行跟踪，统计得到各个路段的车流量、平均车速；S3：根据车流量和平均速度，评估各个路段的拥堵程度以及优先级；S4：构建强化学习模型，设定强化学习的状态空间、动作空间、值函数和奖励函数；S5：强化学习模型训练，自适应调整每个路口的信号灯的时长。此方案解决了传统交通信号控制方法在夜间晚高峰场景下控制效果欠佳的问题。
-
-
-
Search Results
4
records
(took 0.028 seconds)
