-
公开(公告)号：CN119940858A
公开(公告)日：2025-05-06
申请号：CN202510107245.2
申请日：2025-01-23
Applicant: 南通大学
IPC: G06Q10/0631 , G06Q10/04 , G06Q10/083 , G06N3/126 , G06N5/01
Abstract: 本发明公开了一种考虑环境污染和运输效能的集装箱班轮运输调度控制方法，涉及航运中船舶部署控制技术领域，包括以下步骤：采集船舶公司服务的每条航线上的入港集装箱数量、需要出港的集装箱数量、每种类型的船舶数量、每种类型船舶在运营时产生的船舶损耗以及污染排放量；基于船舶公司服务的航线数量以及每条航线需要服务的港口，构建同质船舶的集装箱班轮运输部署与调度控制模型一VDS1；本发明中的运输调度控制方法能够使得船舶公司合理分配每一艘船舶，最大化利用船舶容量和港口资源，能够在不同港口之间实现高效的船舶调度，显著提升航运效率，减少航运时间，并降低对环境污染物的排放量。
-
公开(公告)号：CN119398175A
公开(公告)日：2025-02-07
申请号：CN202411539118.1
申请日：2024-10-31
Applicant: 南通大学
IPC: G06N5/04 , G06F18/2337 , G06F18/2413 , G06F18/2431 , G06V20/58
Abstract: 本发明提供一种基于因果推理的小目标状态描述方法，涉及自动驾驶车辆的小目标检测技术领域，所述方法包含以下步骤：构建原子知识节点来表示小目标和周围目标的行为特征；基于长序列采样数据将小目标和周边目标的历史数据约束为一个行为集；使用基于KNN(K‑Nearest Neighbor)的分类器将分散在BEV(Bird’s Eye View)空间中的行为编码为事件；通过对行为进行模糊聚合构建推理图并基于概率推理将BEV感知序列映射到特定的可视化状态；对模型进行评估与优化。本申请结合了因果推理和小目标检测算法，利用因果推理产生的概率判断小目标实际的状态，使得车辆能够在小目标被遮挡的情况下仍能有效检测，从而保证了自动驾驶的安全性。
-
公开(公告)号：CN119152449A
公开(公告)日：2024-12-17
申请号：CN202411098343.6
申请日：2024-08-09
Applicant: 南通大学
IPC: G06V20/54 , G06V20/40 , G06V10/82 , G06V10/764 , G06V10/762 , G06T7/80 , G06N3/0464 , G06N3/0442 , G06N3/084
Abstract: 本发明公开了一种密集异质交通环境下道路用户轨迹与行为预测方法，包括：对视频图像序列帧中的各道路用户进行基于深度卷积神经网络的目标检测与识别，将识别结果作为道路用户类别约束；将检测与识别到的道路用户的轨迹坐标及时间戳信息作为道路用户历史轨迹信息；预测得到时间戳t之后tf时段内每秒目标道路用户交通图谱序列，一方面经过谱聚类后以正则化损失函数的形式作为图谱正则化约束，用来修正半监督管道预测输出的道路目标用户的未来轨迹坐标，另一方面经过一个全连接网络后再进入一个逻辑回归函数网络，输出道路用户的行为预测类型。本发明能够在密集异质交通环境下对道路用户轨迹和行为进行精准预测。
-
公开(公告)号：CN118823402A
公开(公告)日：2024-10-22
申请号：CN202410824670.9
申请日：2024-06-25
Applicant: 南通大学
Abstract: 本发明公开了一种面向无人机的毫米波雷达点云与图像融合决策聚类方法，所述方法包括：对相机和毫米波雷达进行联合标定；使用毫米波雷达获取目标农作物点云数据，将点云数据合并为聚合帧点云并排除背景噪声点；对经过背景噪声点排除的点云数据进行聚类；对聚类完成的点云数据使用基于目标作物的目标ID特征进行优化；使用视觉传感器获取目标作物的图像数据，并使用训练好的YOLOv7网络对图像中的目标作物进行检测；计算得到目标作物边界框的中心坐标，并将中心坐标投影到雷达坐标上获取目标作物的高程信息，完成图像和毫米波雷达点云的决策融合。本发明可以根据作物的生长特征自适应调整无人机农药喷洒的方式。
-
公开(公告)号：CN118665534A
公开(公告)日：2024-09-20
申请号：CN202410856940.4
申请日：2024-06-28
Applicant: 南通大学
IPC: B60W60/00
Abstract: 本发明涉及自动驾驶人机交互技术领域，具体为一种自动驾驶车辆车外人机交互的自适应抑制方法及系统，通过感知层、决策层和执行层，使得不同层级之间可以实时交换信息和命令，确保整个系统的协同工作，实现内部通信和数据交换，从自动驾驶系统的感知层、决策层、执行层进行信息融合，感知自动驾驶车辆和其他道路使用者的实时状态和信息需求，通过对特定场景信息库的储存信息，以及环境映射器和轨迹预测器的数据进行对比计算，经过分析，当决策层判断到周围环境与特定场景信息库中的任一场景相符时，则做出需要抑制eHMI显示的决策，通过合理抑制和组合显示方法，减少非必要eHMI的冗余显示，实现自动驾驶车辆eHMI的自适应抑制。
-
Patent Agency Ranking
公开(公告)号：CN118571017A
公开(公告)日：2024-08-30
申请号：CN202410790009.0
申请日：2024-06-19
Applicant: 南通大学
IPC: G08G1/01 , G06N3/045 , G06N3/0442 , G06N3/042 , G06N3/0464 , G06N3/049 , G06N3/048
Abstract: 本发明公开一种基于交互自适应时空图卷积网络的交通流预测方法，包括以下步骤：采集路网信息得到原始数据，并归一化；构造种基于交互自适应时空图卷积网络，网络结构由节点相关度估计器模块、时间残差学习器模块和门控图卷积融合模块组成；节点相关度估计器模块利用线性变换后的矩阵点积和多头自注意力机制学习节点之间的动态时空相关性；时间残差学习器模块学习交通数据中的长序列信息，利用门控图卷积融合模块有效学习交通数据中的空间信息。本发明通过引入线性点积和多头自注意力机制来增强数据中潜在的动态时空相关性，利用时间残差学习器模块和门控图卷积融合实现交通流动态多图时空特征的提取，实现交通流预测精度的进一步提高。
-
公开(公告)号：CN118487685A
公开(公告)日：2024-08-13
申请号：CN202410581824.6
申请日：2024-05-11
Applicant: 南通大学
IPC: H04B17/309 , H04B17/336 , H04B7/0413
Abstract: 本发明公开了一种改进基于Neumann级数展开的MIMO信号检测算法的方法，该方法包括：构建大规模MIMO系统模型；将MMSE加权矩阵分解为一个严格对角矩阵和一个空心矩阵，根据线性迭代的思想，将发送信号矢量表达式转换成线性方程式的迭代解法形式，并给出迭代收敛条件；计算展开阶数为2时的MMSE加权矩阵的Neumann级数展开式，求得迭代方程的初始值，将其设定为初始矢量值代入迭代方程求解。采用本发明的方法，能够以较少的迭代次数逼近MMSE检测算法的性能曲线。
-
公开(公告)号：CN113408781B
公开(公告)日：2024-08-06
申请号：CN202110480861.4
申请日：2021-04-30
Applicant: 南通大学
IPC: G06Q10/04 , G06Q50/26 , G06F18/214 , G06N3/0442 , G06N3/084 , G08G1/01 , G08G1/065
Abstract: 本发明公开了一种基于Encoder‑Decoder的长时交通流预测方法，步骤如下：计算各路段交通流与目标路段交通流的皮尔逊相关系数，选取相关性最高的路段数据作为输入参数，然后将交通流数据进行标准化处理，并按比例将标准化处理后的数据集划分为训练集、验证集和测试集；接着构建基于Encoder‑Decoder的长时交通流预测模型，并使用训练集训练基于Encoder‑Decoder的长时交通流预测模型，以训练过程中验证集表现最优的模型参数作为最终的模型参数，最后通过测试集的数据预测目标路段后一天的交通流数据来验证模型的实际效果。本发明使用GRU作为Encoder部分的基本单元，将LSTM作为Decoder部分的基本单元，同时引入soft attention机制对编码向量C的数值进行动态调整，从而提高了Encoder‑Decoder模型的长期记忆能力，有较好的预测精度。
-
公开(公告)号：CN113917545B
公开(公告)日：2024-06-21
申请号：CN202111151891.7
申请日：2021-09-29
Applicant: 南通大学
IPC: G01V3/10
Abstract: 本发明提供了一种室内模拟瞬变电磁空间问题的方法及装置，属于土木工程物探技术领域。其技术方案为：室内模拟瞬变电磁空间问题的装置，包括箱体、盐水溶液、高阻填充体、发射与接收线圈、发射机、接收机和控制器，该方法为：通过室内模型试验的方法，获取三种理想状态条件下瞬变电磁空间响应信号，以及一般条件下瞬变电磁空间响应信号，同时获取线圈不同位置条件下瞬变电磁空间响应信号，获取瞬变电磁空间修正系数或函数。本发明的有益效果为：本发明实现对瞬变电磁空间的修正及后续的响应信号的快速反演。
-
公开(公告)号：CN118033586A
公开(公告)日：2024-05-14
申请号：CN202410224543.5
申请日：2024-02-29
Applicant: 南通大学
IPC: G01S7/41 , G06V20/58 , G06V20/56 , G06V10/764 , G06V10/774 , G06V10/82 , G06V10/44 , G06N3/045 , G06N3/0464
Abstract: 本发明公开了一种基于深度卷积模型的雷达距离多普勒图像目标识别方法，其具体步骤包括：利用毫米波雷达采集道路目标数据；对数据进行2D‑FFT处理，得到距离多普勒图；设计动目标显示算法对距离多普勒图中的杂波信号进行抑制；引入注意力机制，将其嵌入到Mask R‑CNN模型中，并实现了多层次的注意力机制；训练所设计的深度卷积神经网络模型；将待检测的距离多普勒图像输入经过训练的深度卷积神经网络模型中，有效实现对目标特征的精准选择与提取，获得待测距离多普勒图像的目标类别判定。通过引入多层次的注意力机制，该模型能够更加准确地捕捉距离多普勒图像中的关键特征，从而显著提高了目标检测的精度和鲁棒性。
-
-
-
-
-
-
-
-
-
Search Results
314
records
(took 0.05 seconds)
