国产精品天干天干在线播放,大尺度揉捏胸床戏视频,樱花草www日本在线观看,狠狠躁夜夜躁人人爽天天天天97

Document
拖動滑塊完成拼圖
個人中心

預訂訂單
服務訂單
發布專利 發布成果 人才入駐 發布商標 發布需求

在線咨詢

聯系我們

龍圖騰公眾號
首頁 專利交易 IP管家助手 科技果 科技人才 科技服務 國際服務 商標交易 會員權益 需求市場 關于龍圖騰
 /  免費注冊
到頂部 到底部
清空 搜索
當前位置 : 首頁 > 專利喜報 > 重慶大學孫棣華獲國家專利權

重慶大學孫棣華獲國家專利權

買專利賣專利找龍圖騰,真高效! 查專利查商標用IPTOP,全免費!專利年費監控用IP管家,真方便!

龍圖騰網獲悉重慶大學申請的專利一種基于CP-CNN的近信號區混合車群CAV引導控制方法獲國家發明授權專利權,本發明授權專利權由國家知識產權局授予,授權公告號為:CN115909743B

龍圖騰網通過國家知識產權局官網在2025-04-01發布的發明授權授權公告中獲悉:該發明授權的專利申請號/專利號為:202211570329.2,技術領域涉及:G08G1/01;該發明授權一種基于CP-CNN的近信號區混合車群CAV引導控制方法是由孫棣華;趙敏;田雨聃設計研發完成,并于2022-12-08向國家知識產權局提交的專利申請。

一種基于CP-CNN的近信號區混合車群CAV引導控制方法在說明書摘要公布了:本發明公開了一種基于CP?CNN的近信號區混合車群CAV引導控制方法,該方法包括獲取三車道近信號區內混合異質車群的單車數據,將單車物理特征信息映射到多維特征圖,構建模型數據集;基于卷積神經網絡構建混合車群宏觀車流預測模型,即CP?CNN,并對模型進行訓練;根據近信號區信號燈與實時交通狀態,構建混合車群動態優化目標;設計混合交通近信號區下基于CP?CNN的近信號區混合車群CAV引導控制方法;設計基于粒子群優化算法的可變限速值尋優策略。本發明針對近信號區車流變化與信號燈變化,自適應地對CAV車輛進行車速控制,實現交叉口通行瓶頸的有效控制。

本發明授權一種基于CP-CNN的近信號區混合車群CAV引導控制方法在權利要求書中公布了:1.一種基于CP-CNN的近信號區混合車群CAV引導控制方法,其特征在于,包括:步驟1:獲取三車道近信號區內混合異質車群的單車數據,將單車物理特征信息映射到多維特征圖,構建模型數據集;步驟2:基于卷積神經網絡構建混合車群宏觀車流預測模型CP-CNN,并對模型進行訓練;步驟3:根據近信號區信號燈與實時交通狀態,構建混合車群動態優化目標;所述步驟3包括:步驟31:計算近信號區內不同信號燈狀態下引道區域最大通行容量,當信號燈為紅色時,當信號燈為綠色時,最大通行容量計算公式為: 式中,為引道最大通行容量,pc、ph為CAV和HV的滲透率,且ph=1-pc,Δxcc為CAV跟馳CAV的車頭時距,Δxch為CAV跟馳HV的車頭時距,Δxhc為HV跟馳CAV的車頭時距,Δxhh為HV跟馳HV的車頭時距;步驟32:將不同信號燈情況下的引道最大通行容量,作為混合車群動態優化目標,與CP-CNN模型預測的引道車流量進行對比,如果t+τ時刻引道車流量大于t+τ時刻引道區域最大通行容量,則進行可變限速控制;步驟4:設計混合交通近信號區下基于CP-CNN的近信號區混合車群CAV引導控制方法;所述步驟4包括:步驟41:根據引道區域計算出的t+τ時刻最大通行容量與CP-CNN模型預測的引道車流量進行對比q,如果則不進行控制;步驟42:如果則對近信號區內的CAV車輛進行控制,采用積分控制器計算可變限速值: 式中,VSLt是采用CAV引導控制算法,對CAV車輛提出的速度控制值,KI為待定控制參數,根據反饋進行優化,得到最優控制速度,其優化目標為: 式中,q*t+τ為在t時刻實施CAV引導控制后,將VSLt值替換多維特征圖中CAV車輛速度v,根據CP-CNN模型預測出的t+τ時刻的引道車流量;qt+τ為未進行可變限速控制下CP-CNN模型預測出的t+τ時刻的引道車流量;為根據飽和流率法計算出的t+τ時刻的引道最大通行容量;|·|為絕對值符號;步驟5:設計基于粒子群優化算法的可變限速值尋優策略;所述步驟5包括:根據所述優化目標,基于反饋思想與粒子群優化算法,對待定控制參數進行KI尋優,具體包括以下步驟:步驟51:設置粒子群優化算法中的相關參數,包括算法中使用的粒子的數量n、Archive集的存檔閾值N以及劃分網格數量的參數M、約束條件的設置、算法的迭代次數;步驟52:在約束條件下,隨機生成均勻分布,初始化各個粒子的速度和粒子的位置;步驟53:根據適應度函數,計算各個粒子對應的適應度,并將其作為自身的局部最優解Pbest;步驟54:根據Pareto占優規則,將初始化粒子中的非劣解添加到Archive集中;步驟55:基于網格法,獲得Archive集中各個粒子的密度估計值,并根據基于自適應網格的Pareto最優解搜索算法篩選粒子的全局最優解gBest;步驟56:更新各個粒子的速度和位置,生成下一代粒子群體;步驟57:根據適應度函數計算各個粒子的適應度,并更新各個粒子的局部最優解Pbest;步驟58:根據Pareto占優規則,將當前的粒子的非劣解加入到Archive集中,更新Archive集,并且判斷Archive集中的粒子的數量是否達到存檔閾值N,如果是,則需要Archive集進行截斷處理;步驟59:返回到步驟55:更新粒子的全局最優解;步驟510:對當前的迭代次數進行判斷,如果沒有達到設定的最大值,則返回步驟56,如果達到最大值,則結束尋優。

如需購買、轉讓、實施、許可或投資類似專利技術,可聯系本專利的申請人或專利權人重慶大學,其通訊地址為:400044 重慶市沙坪壩區沙正街174號;或者聯系龍圖騰網官方客服,聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。

免責聲明
1、本報告根據公開、合法渠道獲得相關數據和信息,力求客觀、公正,但并不保證數據的最終完整性和準確性。
2、報告中的分析和結論僅反映本公司于發布本報告當日的職業理解,僅供參考使用,不能作為本公司承擔任何法律責任的依據或者憑證。
主站蜘蛛池模板: 紫金县| 汉阴县| 南充市| 吉木萨尔县| 恩平市| 桓台县| 重庆市| 六安市| 托克托县| 双鸭山市| 大埔县| 子洲县| 盐源县| 凤山市| 互助| 嘉定区| 咸丰县| 邻水| 合水县| 大名县| 新巴尔虎左旗| 梁河县| 富蕴县| 津南区| 鄂伦春自治旗| 梨树县| 嫩江县| 漳州市| 祁门县| 松溪县| 库尔勒市| 孟村| 龙里县| 攀枝花市| 高密市| 安溪县| 金昌市| 章丘市| 德惠市| 明星| 都江堰市|