“冯汝怡”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5个，建议您升级VIP下载更多相关专利

[发明专利]基于精细化回报机制的交叉熵强化学习可变限速控制方法-CN202310130498.2有效
发明人：郑思;李志斌;冯汝怡;黎萌;王顺超;王秉通 -专利权人：东南大学
申请日： 2023-02-17 - 公布日： 2023-09-12 - 主分类号： G08G1/09 文献下载
摘要：本发明公开了一种基于精细化回报机制的交叉熵强化学习可变限速控制方法，首先获得连续多瓶颈路段高速公路的交通流信息#imgabs0#；再设计同时考虑安全和效率的孤立瓶颈路段的综合回报值函数；接着设计附加修正函数对综合回报值精细化处理；再计算各个瓶颈的基于历史交通流和道路线型设计的重要性系数，得到各个瓶颈回报值的组成重要性系数并计算出高速公路全局回报值；然后采用交叉熵强化学习算法训练神经网络模型直至收敛；神经网络计算得到各瓶颈路段的最优协同控制值，对各个控制区进行限速控制生成新的交通流状态。本发明提出的可变限速控制方法能够获得最优的协调控制动作，能够有效地降低系统的总通行时间，改善道路安全性能。
基于精细回报机制交叉强化学习可变限速控制方法

[发明专利]基于行为趋向聚类和特征映射的多智能体可变限速控制方法-CN202310130501.0在审
发明人：郑思;李志斌;黎萌;冯汝怡;王顺超;杨逸飞 -专利权人：东南大学
申请日： 2023-02-17 - 公布日： 2023-05-23 - 主分类号： G06F18/23 文献下载
摘要：本发明公开了一种基于行为趋向聚类和特征映射的多智能体可变限速控制方法，有如下步骤：设计同时考虑效率和安全的智能体奖励函数，再设计出整条公路的全局奖励函数；采集连续多瓶颈路段的交通流数据；采用结合参数再梯度化的多智能体深度强化学习算法对可变限速控制智能体训练；设计能够持久记忆和信息交换的神经网络计算交通流运行趋向，再用高斯混合模型进行趋向聚类并对智能体分组；对同组内的源智能体与共享智能体间进行横向特征映射，加快学习过程；同组内的智能体同步更新神经网络直至收敛；最后对道路限速控制。结果表明，提出的可变限速控制方法具有协调性能好，收敛速度快，有效地提升了道路通行效率、改善了交通安全。
基于行为趋向特征映射智能可变限速控制方法

[发明专利]耦合车队跟驰强化的多孪生对抗网络跨相机车辆追踪方法-CN202210027047.1在审
发明人：李志斌;冯汝怡;郑思;邱开来;杨逸飞 -专利权人：东南大学
申请日： 2022-01-11 - 公布日： 2022-05-10 - 主分类号： G06T7/292 文献下载
摘要：本发明公开了耦合车队跟驰强化的多孪生对抗网络跨相机车辆追踪方法，包括：训练目标检测神经网络和图像标准化对抗网络，分别用于提取目标位置和图像标准化；上述网络多重孪生用于多线程多监控视频同步处理；提取车辆轨迹，获取车辆队列跟驰运动特征与各车辆形态特征；划分车辆跟驰状态，构建动态车队特征提取模型；融合车辆运动、交通状态传播及摄像机空间分布，建立车辆时空预测迭代式；融合动态车队模型与队内车辆形态分布特征，实现多监控下车队群体跨相机匹配；并对动态车队内个体依次追踪编号，完成车辆跨相机追踪。对抗网络排除了背景与视角干扰，跟驰特性与动态车队模型为重识别增加稳定时空约束，极大提升了重识别效果。
耦合车队强化孪生对抗网络相机车辆追踪方法

[发明专利]一种基于深度学习的无人机航拍视频轨迹高精度提取方法-CN201911004765.1有效
发明人： 冯汝怡;李志斌;范昌彦 -专利权人：东南大学
申请日： 2019-10-22 - 公布日： 2022-05-10 - 主分类号： G06V10/774 文献下载
摘要：本发明公开了一种基于深度学习的无人机航拍视频车辆轨迹高精度提取方法，有如下步骤：首先利用神经网络和深度学习算法对所需提取目标的特征进行训练，同时训练YOLOv3和R‑CNN模型；采用YOLOv3和R‑CNN融合的方式进行目标检测，其中YOLOv3负责快速检测，R‑CNN负责局部复检校核，这样融合了YOLOv3的迅速和RCNN的位置准确性，使得算法鲁棒性得到保证；接下来利用单一车辆的速度位移关系，构建简单时间序列模型，对坐标关联算法进行轨迹提取；轨迹重构算法利用车辆行驶轨迹的位置连续、速度连续、加速度连续特性，对初步轨迹进行拼接、去噪、平滑等一系列处理；最后对轨迹进行整理提取速度、加速度、车头时距、车头间距、间隙等一系列交通流参数。由于深度学习针对特征进行提取，故目标在不同环境下算法的适应性同样很好，并且同类目标训练权重具有可移植性，使得轨迹提取的鲁棒性得到了较好的保证，而鲁棒丰富的高精度轨迹对当前交通流研究具有很大的意义。
一种基于深度学习无人机航拍视频轨迹高精度提取方法

[发明专利]一种基于LSTM神经网络的有效停车时空资源预测方法-CN201910809828.4有效
发明人：万千;彭国庆;李志斌;郑钰;刘华磊;马剑;谢振友;冯汝怡 -专利权人：桂林电子科技大学
申请日： 2019-08-29 - 公布日： 2021-04-13 - 主分类号： G08G1/01 文献下载
摘要：本发明公开了一种基于LSTM神经网络的有效停车时空资源预测方法，首先，根据不同日子特性条件下的历史数据，采用LSTM神经网络建立停车时长预测模型，对未来某一时段内进场车辆的停车时长进行预估，得到预估消耗的停车资源；其次，建立下一时段内有效停车时空资源预测模型，通过综合当前统计时段内，进出场车辆与不出场车辆的时空利用数据信息，结合前一时段有效停车时空资源量，计算出下一时段的有效停车时空资源量。本发明方法提出两个模型以从时空资源的角度去呈现和计算停车场资源，模型鲁棒性好，预测结果精确度较高，对未来停车场实现高度共享和智慧化的停车预约服务与停车资源调度分配奠定了理论基础。
一种基于 lstm 神经网络有效停车时空资源预测方法

1
共 5 条