[發(fā)明專利]基于動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)的交通燈時(shí)間決策方法在審
| 申請(qǐng)?zhí)枺?/td> | 201910142238.0 | 申請(qǐng)日: | 2019-02-26 |
| 公開(公告)號(hào): | CN110069807A | 公開(公告)日: | 2019-07-30 |
| 發(fā)明(設(shè)計(jì))人: | 陳海洋;季野彪 | 申請(qǐng)(專利權(quán))人: | 西安工程大學(xué) |
| 主分類號(hào): | G06F17/50 | 分類號(hào): | G06F17/50;G06K9/62 |
| 代理公司: | 西安弘理專利事務(wù)所 61214 | 代理人: | 涂秀清 |
| 地址: | 710048 *** | 國(guó)省代碼: | 陜西;61 |
| 權(quán)利要求書: | 查看更多 | 說(shuō)明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 交通燈 貝葉斯網(wǎng)絡(luò) 決策模型 最大似然估計(jì)法 采集 決策 動(dòng)態(tài)決策 路況信息 模糊分類 爬山算法 擁堵 緩解 交通 | ||
1.基于動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)的交通燈時(shí)間決策方法,其特征在于,包括以下步驟:
步驟1、確定影響交通燈時(shí)間的因素;
步驟2、采集影響交通燈時(shí)間的因素的數(shù)據(jù)并模糊分類;
步驟3、采用爬山算法確定決策模型;
步驟4、采用最大似然估計(jì)法對(duì)采集的數(shù)據(jù)進(jìn)行計(jì)算;
步驟5、利用決策模型進(jìn)行交通燈的動(dòng)態(tài)決策。
2.根據(jù)權(quán)利要求1所述的基于動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)的交通燈時(shí)間決策方法,其特征在于,所述步驟1中影響交通燈時(shí)間的因素包括:是否為主干路、車速、車流量和與上一路口的關(guān)聯(lián)度。
3.根據(jù)權(quán)利要求1所述的基于動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)的交通燈時(shí)間決策方法,其特征在于,所述步驟2的具體步驟為:
步驟2.1、對(duì)采集到的數(shù)據(jù)離散化處理并模糊分類;
步驟2.2、根據(jù)模糊分類的結(jié)果選擇合適的隸屬度函數(shù),最后得到模糊分類后的觀測(cè)數(shù)據(jù)。
4.根據(jù)權(quán)利要求1所述的基于動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)的交通燈時(shí)間決策方法,其特征在于,所述步驟3的具體步驟為:
步驟3.1、采用爬山算法進(jìn)行結(jié)構(gòu)學(xué)習(xí)獲得一個(gè)網(wǎng)絡(luò)結(jié)構(gòu);
步驟3.2、將所述網(wǎng)絡(luò)結(jié)構(gòu)轉(zhuǎn)化成聯(lián)接樹的形式。
5.根據(jù)權(quán)利要求1所述的基于動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)的交通燈時(shí)間決策方法,其特征在于,所述步驟4的計(jì)算方法為:對(duì)所述步驟2所得數(shù)據(jù)通過(guò)最大似然估計(jì)參數(shù)學(xué)習(xí)進(jìn)行計(jì)算,分別得到先驗(yàn)概率、條件概率和狀態(tài)轉(zhuǎn)移概率。
6.根據(jù)權(quán)利要求1所述的基于動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)的交通燈時(shí)間決策方法,其特征在于,所述步驟5的具體步驟為:
步驟5.1、利用所述步驟4確定的決策模型進(jìn)行交通燈時(shí)間的動(dòng)態(tài)決策;
步驟5.2、通過(guò)matlab進(jìn)行仿真,得出各時(shí)間段的概率分布;
步驟5.3、根據(jù)仿真結(jié)果得出每個(gè)時(shí)間段的最佳交通燈時(shí)間。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于西安工程大學(xué),未經(jīng)西安工程大學(xué)許可,擅自商用是侵權(quán)行為。如果您想購(gòu)買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請(qǐng)聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201910142238.0/1.html,轉(zhuǎn)載請(qǐng)聲明來(lái)源鉆瓜專利網(wǎng)。
- 同類專利
- 專利分類
G06F 電數(shù)字?jǐn)?shù)據(jù)處理
G06F17-00 特別適用于特定功能的數(shù)字計(jì)算設(shè)備或數(shù)據(jù)處理設(shè)備或數(shù)據(jù)處理方法
G06F17-10 .復(fù)雜數(shù)學(xué)運(yùn)算的
G06F17-20 .處理自然語(yǔ)言數(shù)據(jù)的
G06F17-30 .信息檢索;及其數(shù)據(jù)庫(kù)結(jié)構(gòu)
G06F17-40 .數(shù)據(jù)的獲取和記錄
G06F17-50 .計(jì)算機(jī)輔助設(shè)計(jì)
- 一種自主融合先驗(yàn)知識(shí)的貝葉斯網(wǎng)絡(luò)方法
- 構(gòu)建解決組合爆炸問題的級(jí)聯(lián)貝葉斯網(wǎng)絡(luò)的方法
- 一種基于貝葉斯網(wǎng)絡(luò)的網(wǎng)站缺陷預(yù)測(cè)方法及其實(shí)現(xiàn)系統(tǒng)
- 一種基于相依貝葉斯網(wǎng)絡(luò)的故障診斷技術(shù)的構(gòu)建方法
- 基于非結(jié)構(gòu)數(shù)據(jù)知識(shí)與自適應(yīng)貝葉斯網(wǎng)絡(luò)的戰(zhàn)略博弈與兵棋推演系統(tǒng)
- 基于貝葉斯網(wǎng)絡(luò)推理模型的犯罪重建方法及裝置
- 利用憶阻器本征噪聲實(shí)現(xiàn)貝葉斯神經(jīng)網(wǎng)絡(luò)的方法及裝置
- 基于面向?qū)ο筘惾~斯網(wǎng)絡(luò)的中央空調(diào)系統(tǒng)故障診斷方法
- 一種基于貝葉斯網(wǎng)絡(luò)的高鐵列車晚點(diǎn)影響因素診斷方法
- 一種基于貝葉斯神經(jīng)網(wǎng)絡(luò)權(quán)重約束的圖像分類方法
- 用于異構(gòu)模型管理的地理空間決策元模型構(gòu)建方法及系統(tǒng)
- 展示預(yù)測(cè)模型的方法、裝置及調(diào)整預(yù)測(cè)模型的方法、裝置
- 數(shù)據(jù)處理方法和裝置
- 可解釋性競(jìng)爭(zhēng)對(duì)手建模方法
- 一種股骨頸骨折臨床智能輔助決策方法及系統(tǒng)
- 決策模型構(gòu)建方法、決策方法與決策模型
- 一種決策方法、系統(tǒng)以及電子設(shè)備
- 一種車輛行駛決策模型的訓(xùn)練方法及裝置
- 一種物資推薦決策系統(tǒng)及推薦決策方法
- 一種工藝參數(shù)調(diào)節(jié)動(dòng)作決策模型的優(yōu)化方法以及裝置
- 基于小波去噪算法的最大似然估計(jì)器的小波域值去噪方法
- 一種基于經(jīng)驗(yàn)似然方法的多徑非高斯噪聲信道的估計(jì)方法
- 一種基于CP平頂法的TD-LTE小區(qū)搜索同步方法
- 一種基于β似然函數(shù)的參數(shù)估計(jì)方法
- 一種頻偏估計(jì)方法及裝置
- 一種基于最大似然估計(jì)的多終端時(shí)間同步方法
- 逆高斯紋理的海雜波幅度模型參數(shù)的最大似然估計(jì)方法
- 基于最小誤差傳播和優(yōu)化選擇的最大似然定位方法
- 一種基于概率密度估計(jì)的數(shù)據(jù)差異分析方法及系統(tǒng)
- 一種基于遺傳算法和最大似然估計(jì)確定貝葉斯網(wǎng)絡(luò)參數(shù)的方法





