-
公开(公告)号：CN119917937A
公开(公告)日：2025-05-02
申请号：CN202510399949.1
申请日：2025-04-01
Applicant: 吉林大学
IPC: G06F18/2415 , G06F18/214 , G06F17/18 , G06N3/082
Abstract: 本发明提供一种智能交通路径优化方法、装置、电子设备及可读存储介质。该方法包括：将真实道路网络的链接和节点属性通过嵌入矩阵转换为道路属性嵌入特征；利用关系图卷积网络和门控循环单元对这些特征进行多层次处理，提取道路网络的时空特征；基于起点‑终点对数据生成初始转移概率和候选路径集合，筛选出与观测行驶时间一致的最优路径及其估计行驶时间；估计道路段和交叉口的行驶时间分布参数及转换概率，生成优化后的候选路径集合，并更新模型参数。本发明通过结合弱监督学习和深度学习技术，利用大规模浮动车数据，捕捉道路网络的全局和局部特征，提供更精确的行驶时间估计，适用于智能交通系统和交通管理。
-
公开(公告)号：CN119831177A
公开(公告)日：2025-04-15
申请号：CN202510309289.3
申请日：2025-03-17
Applicant: 吉林大学
IPC: G06Q10/063 , G06Q10/04 , G06Q50/40 , G06N3/042 , G06N3/0464 , G06N3/0455 , G06N3/049 , G06N3/048 , G06N3/08
Abstract: 本发明提供一种船舶交通流量预测方法、装置、电子设备及可读存储介质，所述方法包括收集船舶自动识别系统AIS提供的历史船舶交通流量数据；将历史船舶交通流量数据进行时间序列化和空间维度整合处理，以构建船舶交通流量时间序列三维张量；对船舶交通流量时间序列三维张量进行特征编码，提取具有表征能力的特征；以及对具有表征能力的特征进行时间特征与空间特征的提取和融合，生成船舶交通流量的预测结果。通过本发明，通过基于时空多图卷积网络模型构建距离图、交互图和动态注意力图来描述海事交通网络中节点之间的空间相关性，优化海上交通预测与管理。
-
公开(公告)号：CN119811139A
公开(公告)日：2025-04-11
申请号：CN202510287226.2
申请日：2025-03-12
Applicant: 吉林大学
IPC: G08G3/00 , G06F16/29 , G06F18/2431 , G06F18/23
Abstract: 本发明提供一种海上交通网络构建方法、装置、电子设备及可读存储介质，所述方法包括对AIS数据进行预处理，包括指定研究范围过滤异常数据、筛选船舶AIS数据、行程分段处理和计算补全SOG值；分析轨迹集合提取静态和动态特征点，并通过聚类算法识别主要类别簇，计算凸包确定区域边界；将特征点投影到网格中进行过滤，保留重要特征点，构建流向，并最终形成完整的海上交通网络。通过本发明，通过预处理AIS数据、提取特征点、聚类分析、区域划分和流向构建，生成精确的海上交通网络，为海事管理提供决策支持。
-
Patent Agency Ranking
公开(公告)号：CN119811094A
公开(公告)日：2025-04-11
申请号：CN202510297338.6
申请日：2025-03-13
Applicant: 吉林大学
Abstract: 本发明提供一种交通状态数据插补方法、装置、电子设备及可读存储介质，所述方法包括：获取原始GPS数据，对所述原始GPS数据进行预处理以得到预处理后的车辆轨迹数据集合，并基于预处理后的所述车辆轨迹数据集合生成交通速度张量；基于所述交通速度张量，在空间和时间视角中构建考虑空间和时间因素的异构图注意力网络模型；利用所述异构图注意力网络模型，提取空间和时间视角的潜在特征，通过对所述潜在特征进行特征融合，进行缺失交通状态数据的插补；以及输出交通状态数据的插补结果，以实现对缺失数据的准确估计。通过本发明，通过融合空间和时间异构特征，能够在不同的缺失比例下对交通状态提供稳健的插补，从而更准确地预测交通状态。
-
公开(公告)号：CN119418533A
公开(公告)日：2025-02-11
申请号：CN202510006901.X
申请日：2025-01-03
Applicant: 吉林大学
IPC: G08G1/01 , G06Q10/063 , G06Q50/26 , G06F21/64 , G06N3/042 , G06N3/0464 , G06N3/045 , G06N3/0475 , G06N3/084 , G06N3/094
Abstract: 本发明提供一种交通预测方法、系统、服务器及可读存储介质，所述方法包括：从客户端收集的个体轨迹数据中提取与道路网络相关的空间特征。利用图卷积网络处理这些特征，并将其嵌入全局模型以捕获路网的空间依赖性。同时，结合时间信息，通过图卷积网络和时间注意力机制生成时空特征，更新全局模型以反映最新交通状态。客户端基于个体轨迹构建个性化模型，并通过差分隐私技术添加噪声，保护用户隐私，然后将模型参数上传至中央服务器。服务器采用联邦学习策略，对客户端上传的模型进行加权平均和聚合，生成更新的全局模型。通过本发明，利用联邦学习和图卷积网络提升行驶时间预测准确性，同时确保用户隐私和模型实时更新。
-
公开(公告)号：CN119248984A
公开(公告)日：2025-01-03
申请号：CN202411765210.X
申请日：2024-12-04
Applicant: 吉林大学
IPC: G06F16/909 , G06Q50/00 , G06N3/08
Abstract: 本发明提供一种POI推荐装置、方法、电子设备及可读存储介质，所述装置包括用户分组模块、配置模块、模型训练模块、验证集损失计算模块、用户群体权重调整模块和验证集损失判断模块；根据用户的行为特征和社交属性进行分组，为不同用户群体分配初始权重，利用深度神经网络模型和目标函数进行训练，通过验证集损失计算和用户群体权重的动态调整，通过迭代判断验证集损失，更新历史最优模型参数，直至模型收敛。通过本发明，考虑数据量对各用户群体验证损失的影响，优化群体公平性，避免单一目标函数无法平衡多群体目标的问题，实现对不同用户群体的公平推荐，提高了模型的预测准确性和推荐系统的个性化水平。
-
公开(公告)号：CN119248984B
公开(公告)日：2025-04-22
申请号：CN202411765210.X
申请日：2024-12-04
Applicant: 吉林大学
IPC: G06F16/909 , G06Q50/00 , G06N3/08
Abstract: 本发明提供一种POI推荐装置、方法、电子设备及可读存储介质，所述装置包括用户分组模块、配置模块、模型训练模块、验证集损失计算模块、用户群体权重调整模块和验证集损失判断模块；根据用户的行为特征和社交属性进行分组，为不同用户群体分配初始权重，利用深度神经网络模型和目标函数进行训练，通过验证集损失计算和用户群体权重的动态调整，通过迭代判断验证集损失，更新历史最优模型参数，直至模型收敛。通过本发明，考虑数据量对各用户群体验证损失的影响，优化群体公平性，避免单一目标函数无法平衡多群体目标的问题，实现对不同用户群体的公平推荐，提高了模型的预测准确性和推荐系统的个性化水平。
-
公开(公告)号：CN119917831A
公开(公告)日：2025-05-02
申请号：CN202510406745.6
申请日：2025-04-02
Applicant: 吉林大学
Abstract: 本发明提供了一种台风效应评估方法、装置、电子设备及可读存储介质。所述方法，包括：通过分析台风数据和地理区域协变量，捕捉未观测的时变混杂因素；利用循环神经网络和图卷积网络等机器学习技术，结合扩展的可观测数据和前一时间步的区域协变量数据，学习时变混杂因素的表示；基于当前时间步的混杂因素和可观测数据，计算条件密度以估算人类移动性指数的期望值，并绘制平均剂量‑反应曲线，评估连续天气处理水平对人类流动性的因果效应。通过本发明，实现对人类流动性影响的精确预测和因果关系的准确评估，优化了极端天气条件下人类流动性预测准确性不足和因果效应评估的问题。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.032 seconds)
