专利名称
主分类
A 农业
B 作业;运输
C 化学;冶金
D 纺织;造纸
E 固定建筑物
F 机械工程、照明、加热
G 物理
H 电学
专利下载VIP
公布日期
2023-10-24 公布专利
2023-10-20 公布专利
2023-10-17 公布专利
2023-10-13 公布专利
2023-10-10 公布专利
2023-10-03 公布专利
2023-09-29 公布专利
2023-09-26 公布专利
2023-09-22 公布专利
2023-09-19 公布专利
更多 »
专利权人
国家电网公司
华为技术有限公司
浙江大学
中兴通讯股份有限公司
三星电子株式会社
中国石油化工股份有限公司
清华大学
鸿海精密工业股份有限公司
松下电器产业株式会社
上海交通大学
更多 »
钻瓜专利网为您找到相关结果4241826个,建议您升级VIP下载更多相关专利
  • [发明专利]一种高速公路交通指数数值确定方法-CN201611164728.3有效
  • 郑元;冉斌;曲栩;张健;何赏璐 - 东南大学
  • 2016-12-16 - 2019-04-30 - G08G1/01
  • 本发明公开了一种高速公路交通指数数值确定方法,包括如下步骤:采集高速公路交通数据并构建历史数据库;构建高速公路交通流基本图;通过聚类运算将高速公路交通状态划分为不同等级,并将交通状态划分等级与交通指数等级一一转化;通过聚类运算对同一交通指数等级内不同交通指数数值进行划分;计算同一交通指数等级内交通指数数值划分的交通密度临界阈值;将实时数据点划分到具体的高速公路交通状态交通指数等级,并根据交通密度确定具体的交通指数数值本发明实现了高速公路的交通指数具体数值的计算,支撑交通指数体系构建及在高速公路上的实践应用。
  • 一种高速公路交通指数数值确定方法
  • [发明专利]基于时间敏感特征的交通特征获取方法、预测方法及系统-CN201711176304.3有效
  • 金海;余辰;肖柏昀 - 华中科技大学
  • 2017-11-22 - 2020-12-08 - G08G1/01
  • 本发明公开了一种基于时间敏感特征的交通特征获取方法、预测方法及系统。该交通特征获取方法对原始GPS轨迹数据进行预处理,将偏移的经纬度坐标通过地图匹配的方式匹配到道路上,再利用其统计城市区域内的各项交通参数。根据特定时刻的预测要求针对性的筛选历史数据获得历史关键时间点的交通参数。基于这些交通参数,衡量所有历史关键时间点上的不同区域之间交通状态的空间相关性,即以空间相关指数等级作为区域内交通状态的动态时间敏感特征。考虑到各个区域之间交通状态的相互影响,同时依据历史交通数据,使得获得的交通特征更准确,所描述的特征具有一定的可解释性,能够有效指导关于交通状态的后期预测。
  • 基于时间敏感特征交通获取方法预测系统
  • [发明专利]一种基于双状态划分的高速公路路段通行时间预测方法-CN202211412404.2在审
  • 张伟斌;查华竹;张帅;甘露 - 南京理工大学
  • 2022-11-11 - 2023-03-21 - G08G1/01
  • 本发明公开了一种基于双状态划分的高速公路路段通行时间预测方法,包括:确定高速公路路段和门架间的上下游关系;获取高速公路历史数据;将历史数据处理为交通流量及平均通行时间序列;确定与时段对应的路段交通状态;划分车辆行驶速度状态;利用历史车辆的路段交通状态、车辆行驶速度状态及上游路段平均行驶速度,对下游路段通行时间建模并训练;实时采集目标车辆数据,提取特征输入通行时间预测模型,得到预测结果。本发明对高速公路交通数据进行了多源数据融合与时空特征分析,将宏观层面的路段交通状态和微观层面的具体车辆行驶状态相结合,运用贝叶斯模型,实现了以车辆为单位的高速公路通行时间精确预测。
  • 一种基于状态划分高速公路路段通行时间预测方法
  • [发明专利]一种基于EMD-GAN神经网络结构的交通流预测方法-CN202110570867.0有效
  • 徐东伟;侯嘉烨 - 浙江工业大学
  • 2021-05-25 - 2022-12-20 - G08G1/01
  • 一种基于EMD‑GAN神经网络结构的交通流预测方法,包括以下步骤:(1)对道路交通数据进行预处理并构建道路交通状态矩阵数据集;(2)获取同一路段不同时刻内的交通状态,提取交通数据的空间特征;(3)将EMD分解输出的交通流时间特征作为LSTM神经网络输入,进一步提取道路交通数据中时间特征;(4)使用时空特征数据实现道路交通流预测。本发明提供了一种基于EMD‑GAN神经网络结构的交通流预测方法,利用EMD方法分解获取道路交通数据获取不同尺度(频率)的时间特征,再将EMD分解得到的特征和原始数据送入LSTM和GAN网络,相较于原先直接拿初始数据去进行预测,提高了交通流短期预测的准确性。
  • 一种基于emdgan神经网络结构通流预测方法
  • [发明专利]一种基于Conv1D-LSTM神经网络结构的交通流预测方法-CN201810510008.0有效
  • 徐东伟;彭鹏;王永东;高禾;刘毅;宣琦 - 浙江工业大学
  • 2018-05-24 - 2020-10-30 - G08G1/01
  • 一种基于Conv1D‑LSTM神经网络结构的交通流预测方法,包括以下步骤:1)对道路交通数据进行预处理并构建道路交通状态矩阵数据集;2)获取同一时刻内不同路段的交通状态,提取交通数据的空间特征;3)基于包含空间特征的交通数据提取数据时间特征:将一维卷积网络输出的交通流空间特征作为LSTM神经网络输入,进一步提取道路交通数据中时间特征;4)将道路交通流时空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。本发明提高了交通流短期预测的准确性。
  • 一种基于conv1dlstm神经网络结构通流预测方法

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

400-8765-105周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top