公开(公告)号：CN116072270A

公开(公告)日：2023-05-05

申请号：CN202211253236.7

申请日：2022-10-13

Applicant: 南京航空航天大学

Inventor： 薛善良 ,  陈琪玮 ,  毛青青 ,  祁龙

IPC: G16H40/20 ,  G16H50/80 ,  G06F18/22

Abstract: 一种基于网格离群检测技术的方舱医院床位动态分配方法，其特征是它主要包含以下步骤：1.根据方舱医院的床位布局建立二维坐标系；2.将坐标系网格化，划分为独立分布单元；3.对网格化的单元利用基于连通性的离群检测算法(COF)检测其离群程度；4.将新进入的病员安排至离群程度最大的单元；5.有多个离群程度最大的单元时，计算单元与排风口的欧氏距离，选择距离排风口最近的单元；6.根据各单元实时床位安排情况进行迭代优化计算，实现动态分配。本发明利用COF离群检测算法选择隔离程度最大的方舱单元；同时考虑单元与排风口的欧氏距离，降低交叉传染的可能性。

公开(公告)号：CN114943434B

公开(公告)日：2024-07-02

申请号：CN202210527473.1

申请日：2022-05-16

Applicant: 南京航空航天大学

Inventor： 薛善良 ,  毛青青 ,  彭振峰 ,  张惠 ,  方丹枫

IPC: G06Q10/0631 ,  G06Q10/083

Abstract: 一种基于LOF离群的液态危化品装卸鹤位动态分配方法，以提升液态危化品装卸作业安全性，以特征是它包括以下步骤：1.为危化品装卸区建立坐标系；2.通过LOF离群算法评估作业鹤位的间隔程度；3.使用欧拉距离计算同等间隔的各鹤位与出口距离，以保障紧急状况快速撤离；4.根据鹤位实时作业进行迭代优化计算，实现鹤位动态分配。本发明基于LOF离群算法对装卸区鹤位间安全距离进行评估，使用欧拉距离计算紧急撤离距离，从这两方面提升液态危化品装卸作业安全性。

公开(公告)号：CN117854311A

公开(公告)日：2024-04-09

申请号：CN202410026496.3

申请日：2024-01-08

Applicant: 南京航空航天大学

Inventor： 毛青青 ,  薛善良 ,  方丹枫 ,  葛珈辰

IPC: G08G1/14 ,  G06F18/2433 ,  G06F18/214 ,  G08G1/01

Abstract: 一种基于LOF与欧氏距离的停车位动态分配方法，其特征是它主要包括以下步骤：1.根据停车场的布局建立二维坐标系，将坐标系网格化，划分为独立分布单元；2.通过使用LOF计算网格化后空车位的离群程度；3.再计算停车位与出入口之间的欧氏距离；4.采用模糊量化法对得到的2个指标进行无量纲化处理；5.将2个结果加权计算后生成最终的综合评价指标，根据综合评价得分结果选取当前轮次得分最高的空车位最为最终分配结果；6.根据实时车位安排情况进行迭代优化计算，实现停车位动态分配。本发明能够提高停车系统的运行效率，缓解停车位的供需矛盾，降低车辆的反复寻泊进而减少城市路网中的无效交通量。

公开(公告)号：CN114943434A

公开(公告)日：2022-08-26

申请号：CN202210527473.1

申请日：2022-05-16

Applicant: 南京航空航天大学

Inventor： 薛善良 ,  毛青青 ,  彭振峰 ,  张惠 ,  方丹枫

IPC: G06Q10/06 ,  G06Q10/08

Abstract: 一种基于LOF离群的液态危化品装卸鹤位动态分配方法，以提升液态危化品装卸作业安全性，以特征是它包括以下步骤：1.为危化品装卸区建立坐标系；2.通过LOF离群算法评估作业鹤位的间隔程度；3.使用欧拉距离计算同等间隔的各鹤位与出口距离，以保障紧急状况快速撤离；4.根据鹤位实时作业进行迭代优化计算，实现鹤位动态分配。本发明基于LOF离群算法对装卸区鹤位间安全距离进行评估，使用欧拉距离计算紧急撤离距离，从这两方面提升液态危化品装卸作业安全性。

公开(公告)号：CN113468815A

公开(公告)日：2021-10-01

申请号：CN202110782484.X

申请日：2021-07-12

Applicant: 南京航空航天大学

Inventor： 彭振峰 ,  薛善良 ,  毛青青

IPC: G06F30/27 ,  G06F30/28 ,  G06N3/04 ,  G06N3/08 ,  G06F113/08 ,  G06F119/08 ,  G06F119/14

Abstract: 一种基于高斯扩散模型和深度神经网络的液态危化品挥发浓度估算方法，其特征是首先在待测区域内构建液态危化品挥发物的高斯扩散模型；使用伯努利公式计算泄漏源强，再通过相变公式将液相源强转变为气相源强；然后，通过传感器阵列数值调整高斯扩散模型的参数；最后使用深度神经网络对模型估值进行数值修正，得到待估区域内各位点的挥发物气体浓度预测值。本发明通过使用高斯扩散模型来预估气体扩散规律，再利用深度神经网络和少量传感器的实时数据来修正高斯扩散模型的估算结果，提高了高斯扩散模型在待估区域内各点估算的准确度，从而帮助液态危化品加工企业或石化企业更准确的判断液态危化品的挥发情况，加强安全风险的识别能力，防范安全事故的发生。