-
公开(公告)号：CN115035708A
公开(公告)日：2022-09-09
申请号：CN202210235753.5
申请日：2022-03-10
Applicant: 南京信息职业技术学院
Abstract: 本发明公开了一种交通拥堵预判系统及方法，系统包括：数据处理模块，用于读取交通流数据、数据清洗、数据编码，筛选变量特征，变量特征分为训练样本集、验证样本集；模型构建训练模块，用于构建代价敏感神经网络模型，变量特征为输入，定义加权交叉熵损失函数为每批次样本数量的第i个样本数据第k维的真实样本标签与神经网络输出的乘积求总和后平均的值再与权重的乘积，k为类别数；样本真实标签为顺畅状态时的权重等于顺畅权重，顺畅权重为每批拥堵样本数与真实标签每批样本总数的比；样本真实标签为拥堵状态时的权重等于拥堵权重，拥堵权重为每批顺畅样本数与真实标签每批样本总数的比，预测评估模块，用于输出交通流处于拥堵状态的概率。
-
公开(公告)号：CN114845120A
公开(公告)日：2022-08-02
申请号：CN202210257042.8
申请日：2022-03-16
Applicant: 南京信息职业技术学院
Abstract: 本发明公开了一种车机与道路交通交互的视频传输方法及装置，所述方法应用于发送端，包括：获取原始图像，识别并分解原始图像为三部分的因子，使得原始图像成为前景因子、背景因子和车辆形态因子的组合；将所述前景因子、背景因子和车辆形态因子分别通过一个编码网络将输入图像编码成嵌入特征，再将各个嵌入特征发送到接收端，其中，接收端利用解码器生成重构图像，本发明对比现有的传输方案，该方案可以避免语音信号的不全面表达，更富有立体感，降低时延，同时可以根据车辆本身获取需要的信息，降低冗余信息的获取；对比传统的视频传输方案，采用全新的拆解重构生成方案，降低了传输带宽以及存储设备的要求。
-
公开(公告)号：CN114707732A
公开(公告)日：2022-07-05
申请号：CN202210373053.2
申请日：2022-04-11
Applicant: 南京信息职业技术学院
Abstract: 本发明公开了一种基于长短时记忆的交通拥堵预测方法及装置，所述方法包括提取城市道路数据流信息的特征数据；将所述特征数据输入至预构建且训练好的LSTM长短时记忆模型中，获取预测结果；其中，所述LSTM长短时记忆模型的构建和训练方法包括：结合城市道路交通数据流的特点和LSTM长短时记忆的工作方式，构建LSTM长短时记忆模型；通过提取的城市道路数据流信息的特征数据，选定其中的标签数据集，选定相关数据集对LSTM长短时记忆模型进行训练；本发明可以节约道路交通控制的人工成本，并缩短交通拥堵信息反馈时间，且具有较高的准确度。
-
Patent Agency Ranking
公开(公告)号：CN114566146A
公开(公告)日：2022-05-31
申请号：CN202210123370.9
申请日：2022-02-09
Applicant: 南京信息职业技术学院
Abstract: 本发明公开了一种基于深度学习的无人驾驶语音识别方法及装置，所述方法包括：获取开源的中文语音数据集，提取语音数据集的语音序列；将得到的语音序列输入到深度卷积神经网络模型中，输出语音序列的特征向量；将深度卷积神经网络模型输出的特征向量输入到全连接层中进行降维，再输入到连接时序分类模块；通过连接时序分类模块得到全连接层输出的后验概率，依据后验概率得到语音数据库中匹配的语句；本发明采用双路卷积神经网络，将MFCC提取到的语音特征分两路分别输入到深度卷积神经网络模型中，既能够在深度方向提取网络重要特征，也能在宽度方向通过不同的卷积核提取重要特征，加强模型的非线性化程度，使网络模型具有更优越的拟合性能。
-
公开(公告)号：CN114742220A
公开(公告)日：2022-07-12
申请号：CN202210281386.2
申请日：2022-03-22
Applicant: 南京信息职业技术学院
Abstract: 本发明公开了一种基于BP神经网络的城市交通拥堵情况预测方法及装置，所述方法包括如下步骤：对小波变换滤波后的数据使用主成分分析法进行特征筛选，降维来确定关键影响因素；以单隐含层构建BP神经网络模型，设计隐含层、输出层和激活函数，进行网络初始化；之后进行模型训练以及模型的验证；本发明在大数据手段的支撑下针对交通拥堵借助BP神经网络对城市交通拥堵等级进行预测，可有效预测城市交通的拥堵等级，预测结果能为交通拥堵问题的治理提供一定的指导。
-
公开(公告)号：CN115115099A
公开(公告)日：2022-09-27
申请号：CN202210677611.4
申请日：2022-06-15
Applicant: 南京信息职业技术学院
Abstract: 本公开提供了一种交通状态预测方法、装置、电子设备及存储介质，包括获取描述目标道路的第一时间的特征数据，输入预先训练的预测模型，确定目标道路的第二时间的交通状态，第二时间为所述第一时间加上一段时间后得到；根据目标道路的第一时间的交通状态和第二时间的交通状态，确定状态转移矩阵；使用马尔可夫链对目标道路的第一时间的交通状态和状态转移矩阵进行预测，确定目标道路第二时间以及从第二时间开始的每间隔一段时间的交通状态，直至该交通状态相较于第一时间的交通状态发生转移时停止。
-
公开(公告)号：CN115018113A
公开(公告)日：2022-09-06
申请号：CN202210335542.9
申请日：2022-03-31
Applicant: 南京信息职业技术学院
Abstract: 本发明公开了一种基于深度学习模型和Cox生存模型的交通拥堵预测方法，步骤如下：S1、对输入的城市交通拥堵影响因素特征进行清洗；S2、对S1清洗后的特征进行编码；S3、对S2编码后的特征进行特征筛选；S4、将S3筛选出来的特征输入到神经网络模型中进行训练建模；S5、将深度学习预测的概率值作为一种新的特征和LASSO筛选出的特征输入到Cox模型，预测出不同时间间隔期交通拥堵的状态。本发明采用深度学习进行建模预测道路交通拥堵概率，采用了Cox生存分析算法与LASSO算法相结合的方式挖掘数据之中的隐含联系，能够准确预测出不同时间间隔的交通拥堵状况，方便居民的出行。
-
公开(公告)号：CN114792397A
公开(公告)日：2022-07-26
申请号：CN202210438486.1
申请日：2022-04-25
Applicant: 南京信息职业技术学院
Abstract: 本发明公开了文字识别领域的一种SAR影像城市道路提取方法、系统以及存储介质，包括：采集城市SAR影像并进行预处理获取城市图像；通过预训练的IEDSR模型提高所述城市图像的分辨率，获得监测图像；将监测图像输入至预训练的SVM监督模型提取城市道路；所述IEDSR模型的训练过程，包括：获取城市历史SAR影像并进行预处理构建训练数据集；将通道注意力块融入增强型残差网络，并在增强型残差网络末端添加亚像素卷积构建IEDSR模型；通过训练数据集训练IEDSR模型；本发明通过预训练的IEDSR模型提高所述城市图像的分辨率获得监测图像，保证SVM监督模型提取城市道路的准确率。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.069 seconds)
