期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
基于个体记忆效应和距离效应的出行目的地识别
1
作者 郑思静 陈勇 +1 位作者 朱奕璋 陈喜群 《浙江大学学报(工学版)》 EI CAS CSCD 北大核心 2024年第4期708-717,共10页
通过分析个体出行轨迹数据,挖掘个体出行历史记忆特征以及个体所处位置与潜在目的地的距离特征,建立新的出行目的地识别模型.利用杭州市200个匿名个体62 880次出行数据测试所建模型的效果.对基于位置的服务(LBS)数据进行预处理,提取以... 通过分析个体出行轨迹数据,挖掘个体出行历史记忆特征以及个体所处位置与潜在目的地的距离特征,建立新的出行目的地识别模型.利用杭州市200个匿名个体62 880次出行数据测试所建模型的效果.对基于位置的服务(LBS)数据进行预处理,提取以活动为目的的分段出行数据片段,采用GeoHash网格编码方法得到网格化后的个体历史目的地集合.利用随机缺失的个体出行历史轨迹数据构建训练集和测试集,采用非线性最小二乘法对模型进行参数标定.结果表明,所建模型提升了出行目的地识别精度;对比不同模型的召回率、折扣累计收益和F1分数,所建模型优于马尔可夫模型、决策树模型以及随机森林模型;数据缺失率敏感性分析结果验证了所建模型的鲁棒性. 展开更多
关键词 智慧出行 个体出行 目的地识别 记忆效应 距离效应
在线阅读 下载PDF
基于混合近端策略优化的交叉口信号相位与配时优化方法 被引量:11
2
作者 陈喜群 朱奕璋 吕朝锋 《交通运输系统工程与信息》 EI CSCD 北大核心 2023年第1期106-113,共8页
交通信号优化控制是从供给侧缓解城市交通拥堵的重要手段,随着交通大数据技术的发展,利用深度强化学习进行信号控制成为重点研究方向。现有控制框架大多属于离散相位选择控制,相位时间通过决策间隔累积得到,可能与智能体探索更优动作相... 交通信号优化控制是从供给侧缓解城市交通拥堵的重要手段,随着交通大数据技术的发展,利用深度强化学习进行信号控制成为重点研究方向。现有控制框架大多属于离散相位选择控制,相位时间通过决策间隔累积得到,可能与智能体探索更优动作相冲突。为此,本文提出基于混合近端策略优化(Hybrid Proximal Policy Optimization,HPPO)的交叉口信号相位与配时优化方法。首先在考虑相位时间实际应用边界条件约束下,将信号控制动作定义为参数化动作;然后通过提取交通流状态信息并输入到双策略网络,自适应生成下一相位及其相位持续时间,并通过执行动作后的交通状态变化,评估获得奖励值,学习相位和相位时间之间的内在联系。搭建仿真平台,以真实交通流数据为输入对新方法进行测试与算法对比。结果表明:新方法与离散控制相比具有更低的决策频率和更优的控制效果,车辆平均行程时间和车道平均排队长度分别降低了27.65%和23.65%。 展开更多
关键词 智能交通 混合动作空间 深度强化学习 混合近端策略优化 智能体设计
在线阅读 下载PDF
电动汽车充电平台充电桩数量和价格协同优化 被引量:3
3
作者 陈喜群 钱忆薇 莫栋 《浙江大学学报(工学版)》 EI CAS CSCD 北大核心 2023年第9期1785-1793,1803,共10页
基于随机效用最大化理论,提出电动汽车充电平台用户端的用户行为决策模型.在满足车辆服务需求和充电站约束条件下,分别推导企业利润最大化和社会福利最大化目标函数下的卡罗需-库恩-塔克(KKT)条件、最优数量和最优价格,通过数值实验分... 基于随机效用最大化理论,提出电动汽车充电平台用户端的用户行为决策模型.在满足车辆服务需求和充电站约束条件下,分别推导企业利润最大化和社会福利最大化目标函数下的卡罗需-库恩-塔克(KKT)条件、最优数量和最优价格,通过数值实验分析参数敏感性.最优化结果表明,合适的充电价格和充电桩数量决定用户前往不同区域充电的意愿,充电价格和充电桩数量在多区域多时段都有最优解.模型结果表明:在空间上,价格和数量随距离增加呈现递减趋势,且递减幅度增大;在时间上,高峰期的定价高于低谷期的定价,低谷期的区域间定价差异大于高峰期的区域间定价差异.对比不同目标,社会福利最大化目标下的最优充电价格普遍低于利润最大化目标下的价格,社会福利最大化下的最优充电桩数量多于利润最大化下的充电桩数量.敏感性参数分析结果表明,电池容量、单位电池容量的充电时长、多项Logit(MNL)模型中的敏感度均与目标结果呈现负相关,与感知效用呈正相关. 展开更多
关键词 电动汽车(EV) 充电平台 用户行为决策模型 敏感性分析 协同优化
在线阅读 下载PDF
融合轨迹时序与行为修正的车辆冲突风险预测
4
作者 陈喜群 祝文琪 吕朝锋 《交通运输系统工程与信息》 2025年第4期219-229,共11页
针对高速公路车辆冲突指标的突变性,本文提出基于轨迹数据的车辆纵向冲突风险实时预测模型,提高车辆冲突预测精度。模型采用碰撞时间(Time-to-Collision, TTC)作为纵向冲突替代安全测度指标,将不连续的指标预测转换为连续的速度参数时... 针对高速公路车辆冲突指标的突变性,本文提出基于轨迹数据的车辆纵向冲突风险实时预测模型,提高车辆冲突预测精度。模型采用碰撞时间(Time-to-Collision, TTC)作为纵向冲突替代安全测度指标,将不连续的指标预测转换为连续的速度参数时序预测,通过TTC实时推演模块输出预测冲突风险;应用时序Transformer实现高精度预测,针对冲突状态下驾驶员主观行为导致的偏差,融合自适应修正模块,在当前冲突指标达到阈值时激活短期加速度拟合,通过拟合的加速度修正Transformer预测值。在实测车辆轨迹数据上验证模型有效性,结果表明:本文模型在性能指标上均优于基准模型;相比基础Transformer模型,融合了自适应偏差修正模块的自适应风险调整Transformer(Adaptive Risk Adjustment Transformer, ARATransformer)模型的均方误差(MSE)降低了48.33%,均方根误差(RMSE)降低了21.33%,平均绝对误差(MAE)降低了24.10%。此外,本文所提模型具有能够适应不同驾驶员轨迹的泛化性,为冲突预警和提高辅助驾驶情形下系统风险干预的响应水平提供了有效方法。 展开更多
关键词 智能交通 交通冲突预测 深度时间序列预测 高速公路车辆轨迹 交通安全
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部