-
公开(公告)号：CN118690786A
公开(公告)日：2024-09-24
申请号：CN202411165362.6
申请日：2024-08-23
Applicant: 吉林大学
IPC: G06N3/045 , G06N3/0499 , G06N3/0442 , G06N3/084 , G06N3/092 , G06N3/10 , B60W50/00 , B60W60/00
Abstract: 本发明属于道路车辆控制领域，涉及一种基于深度强化学习的网联车辆协同控制方法，该方法以专家数据集作为模仿学习的样本数据，通过行为克隆算法生成行为决策网络Φ，用于异策略强化学习中的行为策略；构建actor‑critic框架，每个智能体对应一个策略网络和一个价值网络，通过循环神经网络改进价值网络和策略网络，在价值网络中添加注意力机制；之后对价值网络和策略网络进行训练，采用确定性策略梯度原理更新策略网络，TD算法更新价值网络。训练完成后，策略网络即为控制网络，通过V2X通信部署到车端，车端通过感知获取所需信息，输入控制网络得到控制措施，完成网联车辆的协同控制，该方法可实现车流总体控制目标和网联车辆单智能体约束，更符合现实条件。
-
公开(公告)号：CN118427287B
公开(公告)日：2024-08-27
申请号：CN202410883187.8
申请日：2024-07-03
Applicant: 吉林大学
IPC: G06F16/29 , G06N3/042 , G06N3/0455 , G06N3/0464 , G06N3/084 , G06N5/04 , G06Q50/26 , G06F16/901
Abstract: 本发明属于绿道选线技术领域，涉及一种基于图神经网络的绿道选线方法，包括以下步骤：步骤一：点的选择与提取；步骤二：基于点的选取，构建图神经网络所需节点矩阵；步骤三：构建两层GCN网络，实现对于绿道的精确求解；本发明的优点是：通过利用传统的阻力因子所具有的多种数据，结合行人对于自然景观、游憩的喜好等行人的主观因素，利用图神经网络模型实现对于绿道的选择，充分运用该模型在大规模数据集上进行训练后，能够学习到复杂的地理特征、地形和环境条件以及行人活动和景观密度，实现提供高精度的绿道选线预测。实现对于绿道的精确选择。
-
公开(公告)号：CN118690929B
公开(公告)日：2024-10-29
申请号：CN202411188461.6
申请日：2024-08-28
Applicant: 吉林大学
IPC: G06Q10/04 , G06Q10/0637 , G06Q50/06 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/084
Abstract: 本发明属于换电需求预测领域，涉及一种基于深度学习的换电站换电需求预测方法，以下步骤：步骤A：获取换电站的历史换电数据，获取天气数据、节假日数据；步骤B：对换电站的历史换电数据、天气数据、节假日数据进行预处理；步骤C：基于深度学习TCN‑BiGRU‑Attention的换电需求预测模型；步骤D：模型训练与验证；步骤E：模型有效性分析；步骤F：模型预测与应用；本发明的优点：具有高预测精度和强泛化能力，并能融合多种影响因素的换电需求预测模型，能够为电动汽车换电站的运营提供更准确和高效的决策支持。
-
公开(公告)号：CN118629219B
公开(公告)日：2024-10-29
申请号：CN202411121266.1
申请日：2024-08-15
Applicant: 吉林大学
IPC: G08G1/01
Abstract: 本发明属于交通控制系统领域，涉及一种基于安全场的车辆换道决策与轨迹规划交互耦合方法，包括：A：构建行车安全场模型;B：构建自车周围车辆短时轨迹预测模型;C：构建行车安全指标阈值模型;D：构建换道行为决策及轨迹规划集;E：轨迹规划初次筛选方法;F：最优轨迹二次筛选方法;本发明的优点：综合考量了行为决策与轨迹规划两个模块间的复杂耦合机理，以车辆短时轨迹预测为基础，从换道整个过程出发，以全局视角衡量最优决策与最优轨迹，以行车安全指标阈值初次筛选出满足安全性的轨迹集，以急动度、本车和周围车辆的期望速度等指标二次筛选出满足安全阈值下的综合衡量本车舒适性和交通流整体效率特性的换道决策与轨迹规划方案。
-
公开(公告)号：CN118690929A
公开(公告)日：2024-09-24
申请号：CN202411188461.6
申请日：2024-08-28
Applicant: 吉林大学
IPC: G06Q10/04 , G06Q10/0637 , G06Q50/06 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/084
Abstract: 本发明属于换电需求预测领域，涉及一种基于深度学习的换电站换电需求预测方法，以下步骤：步骤A：获取换电站的历史换电数据，获取天气数据、节假日数据；步骤B：对换电站的历史换电数据、天气数据、节假日数据进行预处理；步骤C：基于深度学习TCN‑BiGRU‑Attention的换电需求预测模型；步骤D：模型训练与验证；步骤E：模型有效性分析；步骤F：模型预测与应用；本发明的优点：具有高预测精度和强泛化能力，并能融合多种影响因素的换电需求预测模型，能够为电动汽车换电站的运营提供更准确和高效的决策支持。
-
Patent Agency Ranking
公开(公告)号：CN118504780B
公开(公告)日：2024-10-29
申请号：CN202410947057.6
申请日：2024-07-16
Applicant: 吉林大学
IPC: G06Q10/04 , G06N3/126 , G06Q10/0631 , G06Q30/0201 , G06Q50/43
Abstract: 本发明属于交通控制系统领域，具体涉及一种基于改进GAVNS的多任务众包共享汽车空车迁移优化方法，包括以下步骤：步骤A：获取迁移信息；步骤B：设计众包任务服务定价策略；步骤C：构建多任务众包共享汽车空车迁移模型；步骤D：使用辐射式搜索算法获取初始解；步骤E：使用改进的GAVNS算法求解调度策略；步骤F：绘制迁移路线并下达指令；本发明的优点：通过构建基于多任务众包的共享汽车空车迁移模型，以适应区域调度员密度的变化特性，再通过增加基于改进的GAVNS的求解方法，大大缩短了求解时间，满足了实时计算的要求。
-
公开(公告)号：CN118690786B
公开(公告)日：2024-10-25
申请号：CN202411165362.6
申请日：2024-08-23
Applicant: 吉林大学
IPC: G06N3/045 , G06N3/0499 , G06N3/0442 , G06N3/084 , G06N3/092 , G06N3/10 , B60W50/00 , B60W60/00
Abstract: 本发明属于道路车辆控制领域，涉及一种基于深度强化学习的网联车辆协同控制方法，该方法以专家数据集作为模仿学习的样本数据，通过行为克隆算法生成行为决策网络Φ，用于异策略强化学习中的行为策略；构建actor‑critic框架，每个智能体对应一个策略网络和一个价值网络，通过循环神经网络改进价值网络和策略网络，在价值网络中添加注意力机制；之后对价值网络和策略网络进行训练，采用确定性策略梯度原理更新策略网络，TD算法更新价值网络。训练完成后，策略网络即为控制网络，通过V2X通信部署到车端，车端通过感知获取所需信息，输入控制网络得到控制措施，完成网联车辆的协同控制，该方法可实现车流总体控制目标和网联车辆单智能体约束，更符合现实条件。
-
公开(公告)号：CN118504780A
公开(公告)日：2024-08-16
申请号：CN202410947057.6
申请日：2024-07-16
Applicant: 吉林大学
IPC: G06Q10/04 , G06N3/126 , G06Q10/0631 , G06Q30/0201 , G06Q50/43
Abstract: 本发明属于交通控制系统领域，具体涉及一种基于改进GAVNS的多任务众包共享汽车空车迁移优化方法，包括以下步骤：步骤A：获取迁移信息；步骤B：设计众包任务服务定价策略；步骤C：构建多任务众包共享汽车空车迁移模型；步骤D：使用辐射式搜索算法获取初始解；步骤E：使用改进的GAVNS算法求解调度策略；步骤F：绘制迁移路线并下达指令；本发明的优点：通过构建基于多任务众包的共享汽车空车迁移模型，以适应区域调度员密度的变化特性，再通过增加基于改进的GAVNS的求解方法，大大缩短了求解时间，满足了实时计算的要求。
-
公开(公告)号：CN118629219A
公开(公告)日：2024-09-10
申请号：CN202411121266.1
申请日：2024-08-15
Applicant: 吉林大学
IPC: G08G1/01
Abstract: 本发明属于交通控制系统领域，涉及一种基于安全场的车辆换道决策与轨迹规划交互耦合方法，包括：A：构建行车安全场模型;B：构建自车周围车辆短时轨迹预测模型;C：构建行车安全指标阈值模型;D：构建换道行为决策及轨迹规划集;E：轨迹规划初次筛选方法;F：最优轨迹二次筛选方法;本发明的优点：综合考量了行为决策与轨迹规划两个模块间的复杂耦合机理，以车辆短时轨迹预测为基础，从换道整个过程出发，以全局视角衡量最优决策与最优轨迹，以行车安全指标阈值初次筛选出满足安全性的轨迹集，以急动度、本车和周围车辆的期望速度等指标二次筛选出满足安全阈值下的综合衡量本车舒适性和交通流整体效率特性的换道决策与轨迹规划方案。
-
公开(公告)号：CN118427287A
公开(公告)日：2024-08-02
申请号：CN202410883187.8
申请日：2024-07-03
Applicant: 吉林大学
IPC: G06F16/29 , G06N3/042 , G06N3/0455 , G06N3/0464 , G06N3/084 , G06N5/04 , G06Q50/26 , G06F16/901
Abstract: 本发明属于绿道选线技术领域，涉及一种基于图神经网络的绿道选线方法，包括以下步骤：步骤一：点的选择与提取；步骤二：基于点的选取，构建图神经网络所需节点矩阵；步骤三：构建两层GCN网络，实现对于绿道的精确求解；本发明的优点是：通过利用传统的阻力因子所具有的多种数据，结合行人对于自然景观、游憩的喜好等行人的主观因素，利用图神经网络模型实现对于绿道的选择，充分运用该模型在大规模数据集上进行训练后，能够学习到复杂的地理特征、地形和环境条件以及行人活动和景观密度，实现提供高精度的绿道选线预测。实现对于绿道的精确选择。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.024 seconds)
