“魏臣臣”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果17个，建议您升级VIP下载更多相关专利

[发明专利]一种基于融合特征的GraphSAGE交通路网数据预测的方法-CN202011129295.4有效
发明人：徐东伟;商学天;魏臣臣;林臻谦;丁加丽;彭航 -专利权人：浙江工业大学
申请日： 2020-10-21 - 公布日： 2022-10-28 - 主分类号： G08G1/01 文献下载
摘要：一种基于融合特征的GraphSAGE交通路网数据预测的方法，首先对路网历史交通流数据进行相关性系数计算，构建路网相关性矩阵，并根据路网节点之间的相关性大小重新定义节点之间的连通状态，得到基于时间相关性的拓补路网；然后利用GraphSAGE分别对原始交通路网与重构后的拓补路网进行路网特征信息提取，并融合两个不同路网提取的路网时空特征信息，对路网未来的交通状态进行预测。本发明融合两个不同路网提取的路网时空特征信息，对路网未来的交通状态进行预测，提高了对交通路网状态数据预测的精度。
一种基于融合特征 graphsage 交通路网数据预测方法

[发明专利]基于知识图谱和Conv1D-LSTM-D的道路交通拥堵传播预测方法-CN202011107018.3有效
发明人：徐东伟;丁加丽;周磊;李汶轩;林臻谦;魏臣臣;戴宏伟 -专利权人：浙江工业大学
申请日： 2020-10-16 - 公布日： 2022-05-03 - 主分类号： G08G1/01 文献下载
摘要：一种基于知识图谱和Conv1D‑LSTM‑D的道路交通拥堵传播预测方法，包括以下步骤：1)针对数据集中各个车道的交通流数据，基于宏观基本图的原理用函数拟合车道的流量‑密度散点图，得到各个车道的临界交通流状态阈值；2)定义时间知识图谱的四元组集合，根据地理位置信息、交通流数据集和各个车道的临界交通流状态阈值，构建交通拥堵传播时间知识图谱；3)基于时间知识图谱和Conv1D‑LSTM‑D实现道路交通拥堵传播预测。本发明基于知识图谱对道路交通流数据之间的复杂关系进行充分挖掘和规范表达，并基于Conv1D‑LSTM‑D实现了道路交通拥堵的传播预测，提高了道路交通拥堵预测的准确性。
基于知识图谱 conv1d lstm 道路交通拥堵传播预测方法

[发明专利]基于重构交通网络的图聚合机制的道路交通流预测方法-CN202110242725.1有效
发明人：徐东伟;周磊;魏臣臣;戴宏伟;林臻谦 -专利权人：浙江工业大学
申请日： 2021-03-05 - 公布日： 2022-03-01 - 主分类号： G08G1/01 文献下载
摘要：一种基于重构交通网络的图聚合机制的道路交通流预测方法，包括以下步骤：(1)针对各车道的交通流量数据，根据原始道路邻接矩阵获得车道连接关系，获取有连接的车道的时间相关性，并按照相关性降序排序获得各车道的高阶邻域，基于各车道的高阶邻域重构车道间的邻接关系，实现道路网络重构；(2)获取时间序列上的重构道路交通网络，通过GraphSAGE获得聚合的路网空间特征序列并将其作为LSTM模型的输入，经LSTM提取聚合后的路网空间特征中的时序特征，输出未来时刻的交通流量预测结果，实现道路交通流量预测。本发明提升了模型实现长期流量预测的稳定性和准确性，实现了短时和长时的交通流量预测。
基于交通网络聚合机制道路通流预测方法

[发明专利]一种基于RGCN的交通流预测方法-CN202010461193.6有效
发明人：徐东伟;戴宏伟;魏臣臣;彭鹏;王永东 -专利权人：浙江工业大学
申请日： 2020-05-27 - 公布日： 2021-12-17 - 主分类号： G08G1/01 文献下载
摘要：一种基于RGCN的交通流预测方法，包括以下步骤：步骤1)基于时间序列相似性的准则，对每个道路选出与之相似的道路，构建道路交通网络；步骤2)获取道路交通流数据，对数据进行预处理，构建道路交通流状态矩阵数据集；步骤3)将道路交通网络和道路交通状态矩阵作为基于高斯分布的图卷积层的输入，进而提取道路交通网络的节点特征；步骤4)将基于高斯分布的图卷积层采样后的特征作为回归预测层输入，计算当前输入对应的预测结果；定义模型损失函数，根据损失函数数值利用反向传播算法不断优化模型参数；获取实时交通流数据作为模型输入，实现实时道路交通流的预测。本发明提高了图卷积网络的鲁棒性，从而提高了交通流预测的准确性。
一种基于 rgcn 通流预测方法

[发明专利]一种基于时序交通网络图的交通运行状态分类方法-CN202010283867.8有效
发明人：徐东伟;林臻谦;魏臣臣;王永东;彭鹏;朱钟华;戴宏伟;周磊;宣琦 -专利权人：浙江工业大学
申请日： 2020-04-13 - 公布日： 2021-12-17 - 主分类号： G08G1/01 文献下载
摘要：一种基于时序交通网络图的交通运行状态分类方法，首先对交通流数据进行预处理并利用LPVG(有限穿越可视图复杂网络)完成时序交通网路图的构建；然后对每个交通网络图提取特征；接着将时序交通网络图信息转化为特征向量vector；最后根据保存了时序交通网络图的vector结合交通运行状态进行分类，计算预测出的交通运行状态的准确性。本发明利用了保存时序交通网络图特征为向量的方法，充分地提取出了时序交通流量特征对于交通运行状态的影响，从而有效提高了交通运行状态分类的精度。
一种基于时序交通网络图运行状态分类方法

[发明专利]一种基于生成对抗网络实现路网交通数据修复的方法-CN202010952198.9有效
发明人：徐东伟;余泽锋;魏臣臣;林臻谦;周磊;丁加丽 -专利权人：浙江工业大学
申请日： 2020-09-11 - 公布日： 2021-12-17 - 主分类号： G08G1/01 文献下载
摘要：一种基于生成对抗网络实现路网交通数据修复的方法，通过获取路网中各个检测器的历史时间序列数据，利用图自编码器(GAE)对缺失数据提取道路交通状态数据时空特征，经过生成对抗网络(GAN)，根据缺失交通状态数据的时空特征生成完整交通状态数据的时空特征，其中生成器内部结构采用长短期记忆神经网络(LSTM)，判别器内部结构采用全连接神经网络，最后再经过图自编码器的解码，实现交通状态数据的修复。本发明有效提高交通数据修复的准确性。
一种基于生成对抗网络实现路网交通数据修复方法

[发明专利]一种基于DTW-RGCN的路网交通数据修复的方法-CN202010452770.5有效
发明人：徐东伟;余泽锋;魏臣臣;宣琦 -专利权人：浙江工业大学
申请日： 2020-05-26 - 公布日： 2021-10-29 - 主分类号： G08G1/01 文献下载
摘要：一种基于DTW‑RGCN的路网交通数据修复的方法，包括以下步骤：1)基于道路历史数据相似性重构道路交通网络；2)对道路交通数据流进行预处理并构建交通流状态矩阵数据集；3)基于道路交通网络和道路交通流状态矩阵，使用基于高斯分布的图卷积网络提取特征：将道路交通网络和道路交通状态矩阵作为基于高斯分布的图卷积层的输入，提取道路交通网络的节点特征；4)基于高斯分布的图卷积网络实现交通流数据修复：将DTW处理后的含有数据缺失的交通路网数据作为RGCN的输入，定义模型损失函数，经过反向传播不断优化模型的参数，实现对交通路网缺失数据的修复。本发明有效提高了交通流数据修复的鲁棒性与准确性。
一种基于 dtw rgcn 路网交通数据修复方法

[发明专利]一种基于GraphSAGE-GAN的交通路网数据修复方法-CN202010945175.5有效
发明人：徐东伟;魏臣臣;丁加丽;周磊;林臻谦;金燕 -专利权人：浙江工业大学
申请日： 2020-09-10 - 公布日： 2021-10-29 - 主分类号： G08G1/01 文献下载
摘要：一种基于GraphSAGE‑GAN的交通路网数据修复方法，首先根据路网中检测器的历史数据计算路网检测器之间的相关性，得到路网相关性矩阵，然后根据得到的路网相关性矩阵构建基于时间相关性的路网结构。其次，利用GraphSAGE提取构建路网结构的潜在时空特征，最后将提取的时空特征作为生成对抗网络中生成器的输入，使其通过生成对抗网络的对抗训练，生成器能够根据经GraphSAGE提取的时空特征生成完整的的路网交通状态信息，从而实现路网交通状态数据的修复。本发明可以深度挖掘路网交通状态检测器之间的空间特征，有效提高路网交通状态修复的精度。
一种基于 graphsage gan 交通路网数据修复方法

[发明专利]一种基于DVGAE-GAN的交通路网数据修复方法-CN202110238868.5在审
发明人：徐东伟;彭航;魏臣臣;商学天;周磊;戴宏伟 -专利权人：浙江工业大学
申请日： 2021-03-04 - 公布日： 2021-06-25 - 主分类号： G06K9/62 文献下载
摘要：一种基于DVGAE‑GAN的交通路网数据修复方法，根据道路检测器分布构建路网邻接矩阵，获取交通路网数据，利用图变分自编码器(VGAE)提取实际获得的具有缺失路网数据的潜在时空特征，其中图变分自编码器采用降噪自编码器(DAE)架构，即对路网缺失数据进行编码操作，并解码生成原始路网数据。最后将降噪图变分自编码器提取的路网潜在时空特征经过生成对抗网络的对抗训练生成原始路网数据，其中GAN的生成器结构LSTM，因此GAN可以更好的根据时空特征生成完整的原始交通流数据，从而实现道路交通状态数据的修复。本发明有效提高交通路网状态数据修复的精度。
一种基于 dvgae gan 交通路网数据修复方法

[发明专利]基于空域图卷积神经网络的SCATS系统道路交通流预测方法-CN201911298731.8有效
发明人：徐东伟;周磊;林臻谦;魏臣臣;戴宏伟;彭鹏;朱钟华 -专利权人：浙江工业大学
申请日： 2019-12-17 - 公布日： 2021-04-06 - 主分类号： G08G1/01 文献下载
摘要：一种基于空域图卷积神经网络的SCATS系统道路交通流预测方法，首先将车道作为节点，根据交通邻接矩阵得到具有相互连接的节点，将有连接节点的相关性从高到低进行排序，然后找到每个目标节点的邻域节点，将目标节点及其邻域节点的交通流状态数据构建高阶邻域交通状态矩阵作为CNN的输入，最后得到被预测车道的交通流状态预测结果。本发明充分挖掘了交通流状态时间和空间的相关性，既提高了准确性也增强了随机结果的抗干扰性。
基于空域图卷神经网络 scats 系统道路通流预测方法

[发明专利]基于GERNN的单交叉口多车道交通流量预测方法-CN201910339787.7有效
发明人：徐东伟;戴宏伟;彭鹏;王永东;魏臣臣;朱钟华;宣琦 -专利权人：浙江工业大学
申请日： 2019-04-25 - 公布日： 2021-02-26 - 主分类号： G08G1/01 文献下载
摘要：一种基于GERNN的单交叉口多车道交通流量预测方法，首先是对道路交通网络的构建；其次基于道路交通网络构建节点映射矩阵；然后基于节点映射矩阵构建GERNN模型的道路交通输入矩阵；接着基于GERNN模型的道路交通输入矩阵构建单交叉口多车道交通流预测模型；最后验证单交叉口多车道交通流预测模型。本发明解决了现有交通流数据高维、稀疏的时空特征的缺点，将网络中的节点投影到一个低维、稠密的空间中进行运算，从而有效提高了交通流预测的精度。
基于 gernn 交叉口车道交通流量预测方法

[发明专利]一种基于SAE-GAN-SAD的路网交通数据修复方法-CN201911074617.7有效
发明人：徐东伟;魏臣臣;林臻谦;戴宏伟;彭鹏;周磊 -专利权人：浙江工业大学
申请日： 2019-11-06 - 公布日： 2020-12-01 - 主分类号： G08G1/01 文献下载
摘要：一种基于SAE‑GAN‑SAD的路网交通数据修复方法，包括以下步骤：1)获取路网交通数据，构建堆栈自编码器并对道路交通数据进行特征提取；2)确定生成器与判别器的结构，共同构建成生成对抗网络模型，将提取的道路交通状态时空特征作为生成器的输入，分别定义生成器与判别器的损失函数，使生成器与判别器同时进行对抗训练，实现根据缺失数据时空特征生成完整数据时空特征；3)获取经生成对抗网络对抗训练完成后生成的交通状态数据时空特征，利用堆栈自解码器解码出修复后的交通状态数据，实现道路交通状态数据修复。本发明依据已知交通数据采用SAE‑GAN‑SAD模型对缺失数据进行实时修复，可以有效提高交通状态数据修复的精度。
一种基于 sae gan sad 路网交通数据修复方法

[发明专利]一种基于GE-GAN的交通状态虚拟检测器的生成方法-CN201910952268.8有效
发明人：徐东伟;魏臣臣;戴宏伟;彭鹏;宣琦;周磊;林臻谦 -专利权人：浙江工业大学
申请日： 2019-10-09 - 公布日： 2020-10-30 - 主分类号： G08G1/01 文献下载
摘要：一种基于GE‑GAN的交通状态虚拟检测器的生成方法，包括以下步骤：1)根据检测器的位置与邻接关系构建道路检测器网络，利用图嵌入算法中的DeepWalk将检测器网络嵌入到低维表示向量，得到邻接道路交通状态矩阵；2)获取邻接道路交通状态数据矩阵，采用最大最小标准化算法对邻接道路交通状态矩阵进行数据归一化，分别确定生成器与判别器的模型结构，实现生成对抗网络模型构建；3)定义生成对抗网络的生成器与判别器的损失函数，将滑动窗口下的邻接道路交通状态数据作为生成对抗网络模型的输入，通过对抗训练最小化生成数据与真实数据分布之间的差异，生成虚拟检测器的道路交通状态。本发明有效降低道路交通状态检测器维护的成本。
一种基于 ge gan 交通状态虚拟检测器生成方法

[发明专利]基于带有金字塔池化与多尺度鉴别器的Cycle-GAN的图像去雾方法-CN201910715042.6在审
发明人：徐东伟;朱钟华;魏臣臣;戴宏伟;彭鹏;王永东;宣琦 -专利权人：浙江工业大学
申请日： 2019-08-05 - 公布日： 2019-12-13 - 主分类号： G06T5/00 文献下载
摘要：一种基于带有金字塔池化与多尺度鉴别器的Cycle‑GAN的图像去雾方法，包括以下步骤：1)生成器由残差网络、金字塔池化网络以及卷积操作构成，且每次卷积结果都需要经过正则化激活运算；2)构建多尺度鉴别器；3)构建Cycle‑GAN；4)提取去雾模型并验证模型效果：从训练好的Cycle‑GAN中提取生成器G作为去雾模型，并用测试集中的有雾图像进行测试。本发明避免了人工设计特征，而且本发明中的多尺度输入、多尺度鉴别器和金字塔池化网络能够更好的保留图像细节特征。
多尺度鉴别器池化金字塔生成器构建卷积去雾测试模型效果人工设计图像去雾图像细节网络正则化残差运算验证并用激活图像保留

[发明专利]一种基于特征提取的Bi-LSTM预测道路交通状态的方法-CN201910593469.3在审
发明人：徐东伟;魏臣臣;彭鹏;金燕;宣琦;戴宏伟;朱钟华 -专利权人：浙江工业大学
申请日： 2019-07-03 - 公布日： 2019-11-29 - 主分类号： G06Q10/04 文献下载
摘要：一种基于特征提取的Bi‑LSTM预测道路交通状态的方法，首先采用多个自编码器堆叠而成的堆叠自编码器(SAE)对道路状态数据的特征进行提取，然后将提取到的道路交通状态时空特征作为双向长短期时间记忆网络(Bi‑LSTM)模型的输入，完成基于特征提取的Bi‑LSTM网络模型的构建。本发明对道路交通状态矩阵进行特征提取后作为Bi‑LSTM模型的输入，可以有效提高道路交通状态的预测精度。
道路交通状态特征提取编码器堆叠矩阵道路状态时间记忆时空特征网络模型预测构建网络

1
2
下一页»
尾页
共 17 条