申请/专利权人：西安电子科技大学

申请日：2022-03-30

公开（公告）日：2024-04-16

公开（公告）号：CN114781696B

主分类号：G06Q10/04

分类号：G06Q10/04;G06N3/0442;G06N3/0455;G06N3/08;G08G1/01

优先权：

专利状态码：有效-授权

法律状态：2024.04.16#授权;2022.08.09#实质审查的生效;2022.07.22#公开

摘要：本发明公开了一种面向城市路网的无模型事故影响范围预测方法,包括PRN域、DT域；包括如下步骤:步骤1：在PRN域，进行DT域中的路网建模、车辆跟车模型建模和交叉口信号灯建模；步骤2：通过模拟软件SUMO的可视化界面实时观察交通状况的变化；对可视化界面进行截图来获得训练Conv‑LSTM网络层结构的数据集；步骤3：通过堆叠多个Conv‑LSTM网络层结构构成编‑解码结构形成Conv‑LSTM网络，来预测城市道路网络中由事故引起的时空拥堵范围；步骤4：通过Conv‑LSTM网络同时捕捉输入图片的时空信息来预测事故的时空影响范围。本发明使用宏观路网图片进行事故时空影响范围预测，无需对驾驶行为进行严格假设，可以捕捉各种动态驾驶行为。

主权项：1.一种面向城市路网的无模型事故影响范围预测方法，其特征在于，包括物理路网域和数字孪生域；物理路网域，即为PRN域；数字孪生域，即为DT域；PRN域是真实的城市的路网；DT域创建了PRN域的虚拟副本，因此从宏观角度观察事故引起的拥堵在路网上的传播情况；包括如下步骤:步骤1：在PRN域，道路交通信息、车辆驾驶状态和交叉口信号相位信息被实时收集；然后在对原始数据进行融合和处理后，就可以进行DT域中的路网建模、车辆跟车模型建模和交叉口信号灯建模；在DT域中，DT域可以实时映射真实路网的交通运行状态，使交通管理者能够从宏观角度观察路网的交通，同时也为提出的无模型预测方法提供支持；步骤2：DT域的平台是通过模拟软件SUMO搭建的；所选择的真实路网包括交叉路口、有向道路；为了处理观察DT域得到的宏观路网图片，得到预测的事故时空影响范围；在使用模拟软件SUMO进行事故模拟时，通过模拟软件SUMO的可视化界面实时观察交通状况的变化；对可视化界面进行截图来获得训练Conv-LSTM网络层结构的数据集；步骤3：将LSTM网络层结构中的输入到状态、状态到状态的变换变为卷积计算，形成Conv-LSTM网络层结构；通过堆叠多个Conv-LSTM网络层结构构成编-解码结构形成Conv-LSTM网络，来预测城市道路网络中由事故引起的时空拥堵范围；LSTM网络层结构包括用来累积状态信息的记忆单元ct；在LSTM网络层结构中有三个控制单元，分别是“输入门”、“输出门”和“遗忘门”；记忆单元ct将被上述三个控制单元访问、写入和清除，以使LSTM网络层结构能够实现长期记忆；当LSTM网络层结构中有一个新的输入xt时，输入门it被激活，输入信息将被写入存储单元；同时，如果遗忘门ft被激活，最后一个记忆单元信息ct-1将被"遗忘"；记忆单元在时间t的输出ct是否会被传播到最终的状态向量ht，由输出门ot控制；其中，LSTM网络层结构的输入、单元输出和状态都是一维向量，LSTM网络层结构的公式如下式1所示，其中表示哈德玛乘积； 公式1中W是权重因子，b是偏置项，σ·、tanh·分别是sigmoid激活函数和tanh激活函数；步骤4：LSTM网络层结构在处理输入序列时会包含很多空间冗余信息，因此Conv-LSTM网络层结构将输入到状态以及状态到状态的转换处使用卷积结构来同时捕捉输入的时空信息，在Conv-LSTM网络层结构中，所有的输入x1,...,xt，单元输出c1,...,ct，隐藏状态h1,...,ht，以及it,ft,ot都是3维向量，两个维度是空间维度行和列；为了更好地理解，把三维向量当作空间网格上的向量；空间网格中某个存储单元的未来状态是由存储单元的本地邻居的输入和过去状态决定的；Conv-LSTM网络层结构的公式显示在下面的公式2： 公式2中表示哈德玛乘积，"*"表示卷积；步骤5：通过Conv-LSTM网络来预测事故的时空影响范围；多个Conv-LSTM网络层结构叠加形成编-解码结构，解码结构对隐藏状态张量进行扩展，得到最终的预测结果；上述预测过程用公式3来解释；因此适用于无模型预测事故时空影响范围； 公式3中表示输入向量，表示输出向量，fen表示编码，gde表示解码。

全文数据：

权利要求：

百度查询： 西安电子科技大学 一种面向城市路网的无模型事故影响范围预测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD