Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 恭喜重庆大学孙棣华获国家专利权

恭喜重庆大学孙棣华获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网恭喜重庆大学申请的专利一种基于CP-CNN的近信号区混合车群CAV引导控制方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN115909743B

龙图腾网通过国家知识产权局官网在2025-04-01发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202211570329.2,技术领域涉及:G08G1/01;该发明授权一种基于CP-CNN的近信号区混合车群CAV引导控制方法是由孙棣华;赵敏;田雨聃设计研发完成,并于2022-12-08向国家知识产权局提交的专利申请。

一种基于CP-CNN的近信号区混合车群CAV引导控制方法在说明书摘要公布了:本发明公开了一种基于CP‑CNN的近信号区混合车群CAV引导控制方法,该方法包括获取三车道近信号区内混合异质车群的单车数据,将单车物理特征信息映射到多维特征图,构建模型数据集;基于卷积神经网络构建混合车群宏观车流预测模型,即CP‑CNN,并对模型进行训练;根据近信号区信号灯与实时交通状态,构建混合车群动态优化目标;设计混合交通近信号区下基于CP‑CNN的近信号区混合车群CAV引导控制方法;设计基于粒子群优化算法的可变限速值寻优策略。本发明针对近信号区车流变化与信号灯变化,自适应地对CAV车辆进行车速控制,实现交叉口通行瓶颈的有效控制。

本发明授权一种基于CP-CNN的近信号区混合车群CAV引导控制方法在权利要求书中公布了:1.一种基于CP-CNN的近信号区混合车群CAV引导控制方法,其特征在于,包括:步骤1:获取三车道近信号区内混合异质车群的单车数据,将单车物理特征信息映射到多维特征图,构建模型数据集;步骤2:基于卷积神经网络构建混合车群宏观车流预测模型CP-CNN,并对模型进行训练;步骤3:根据近信号区信号灯与实时交通状态,构建混合车群动态优化目标;所述步骤3包括:步骤31:计算近信号区内不同信号灯状态下引道区域最大通行容量,当信号灯为红色时,当信号灯为绿色时,最大通行容量计算公式为: 式中,为引道最大通行容量,pc、ph为CAV和HV的渗透率,且ph=1-pc,Δxcc为CAV跟驰CAV的车头时距,Δxch为CAV跟驰HV的车头时距,Δxhc为HV跟驰CAV的车头时距,Δxhh为HV跟驰HV的车头时距;步骤32:将不同信号灯情况下的引道最大通行容量,作为混合车群动态优化目标,与CP-CNN模型预测的引道车流量进行对比,如果t+τ时刻引道车流量大于t+τ时刻引道区域最大通行容量,则进行可变限速控制;步骤4:设计混合交通近信号区下基于CP-CNN的近信号区混合车群CAV引导控制方法;所述步骤4包括:步骤41:根据引道区域计算出的t+τ时刻最大通行容量与CP-CNN模型预测的引道车流量进行对比q,如果则不进行控制;步骤42:如果则对近信号区内的CAV车辆进行控制,采用积分控制器计算可变限速值: 式中,VSLt是采用CAV引导控制算法,对CAV车辆提出的速度控制值,KI为待定控制参数,根据反馈进行优化,得到最优控制速度,其优化目标为: 式中,q*t+τ为在t时刻实施CAV引导控制后,将VSLt值替换多维特征图中CAV车辆速度v,根据CP-CNN模型预测出的t+τ时刻的引道车流量;qt+τ为未进行可变限速控制下CP-CNN模型预测出的t+τ时刻的引道车流量;为根据饱和流率法计算出的t+τ时刻的引道最大通行容量;|·|为绝对值符号;步骤5:设计基于粒子群优化算法的可变限速值寻优策略;所述步骤5包括:根据所述优化目标,基于反馈思想与粒子群优化算法,对待定控制参数进行KI寻优,具体包括以下步骤:步骤51:设置粒子群优化算法中的相关参数,包括算法中使用的粒子的数量n、Archive集的存档阈值N以及划分网格数量的参数M、约束条件的设置、算法的迭代次数;步骤52:在约束条件下,随机生成均匀分布,初始化各个粒子的速度和粒子的位置;步骤53:根据适应度函数,计算各个粒子对应的适应度,并将其作为自身的局部最优解Pbest;步骤54:根据Pareto占优规则,将初始化粒子中的非劣解添加到Archive集中;步骤55:基于网格法,获得Archive集中各个粒子的密度估计值,并根据基于自适应网格的Pareto最优解搜索算法筛选粒子的全局最优解gBest;步骤56:更新各个粒子的速度和位置,生成下一代粒子群体;步骤57:根据适应度函数计算各个粒子的适应度,并更新各个粒子的局部最优解Pbest;步骤58:根据Pareto占优规则,将当前的粒子的非劣解加入到Archive集中,更新Archive集,并且判断Archive集中的粒子的数量是否达到存档阈值N,如果是,则需要Archive集进行截断处理;步骤59:返回到步骤55:更新粒子的全局最优解;步骤510:对当前的迭代次数进行判断,如果没有达到设定的最大值,则返回步骤56,如果达到最大值,则结束寻优。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人重庆大学,其通讯地址为:400044 重庆市沙坪坝区沙正街174号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

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。