CN114512003A - 一种交通控制方法、装置及控制设备 - Google Patents
一种交通控制方法、装置及控制设备 Download PDFInfo
- Publication number
- CN114512003A CN114512003A CN202210407352.3A CN202210407352A CN114512003A CN 114512003 A CN114512003 A CN 114512003A CN 202210407352 A CN202210407352 A CN 202210407352A CN 114512003 A CN114512003 A CN 114512003A
- Authority
- CN
- China
- Prior art keywords
- traffic
- model
- real
- disturbance
- scene
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
- G08G1/0145—Measuring and analyzing of parameters relative to traffic conditions for specific applications for active traffic flow control
Landscapes
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供了一种交通控制方法、装置及控制设备，所述交通控制方法包括：基于数字孪生技术，构建交通模型；获取现实交通场景中的交通数据，进行所述交通模型与所述现实交通场景之间的数据同步；对所述现实交通场景进行扰动控制，获得扰动后的所述交通数据；根据扰动后的所述交通数据，对所述交通模型的模型参数进行修正，获得目标交通模型；利用所述目标交通模型，控制所述现实交通场景中的设备控制器，所述设备控制器用于控制所述现实交通场景中目标对象的通行。解决了现有技术中求解交通模型的方式实时性较差，难以准确地进行交通控制的问题。
Description
技术领域
本发明涉及交通领域，特别涉及一种交通控制方法、装置及控制设备。
背景技术
数字孪生技术自诞生起，就引起了很大关注，目前各行各业已逐步开始应用这项技术。
在交通行业里，交通数字孪生技术已较多地应用于进行交通现状分析、交通仿真等方面的工作，但尚未实现使用交通数字孪生技术主动构建交通模型。所谓主动构建模型，是指通过交通数字孪生，对现实世界交通状况进行扰动，然后观测扰动后的现实世界交通状况，再通过数据计算，从而获得交通模型参数的方法。
现有技术中，大多通过道路上的信息采集器被动地采集道路上的信息，再通过计算得到交通模型参数，以求解交通模型。然而，由于在道路上的信息采集器数量和位置均十分有限，导致这种被动式的计算方法并不能完全求解某些交通模型参数。此外，由于交通情况较复杂，仅通过被动采集道路上的信息来计算交通模型参数，实时性很差，难以准确地进行交通控制。
发明内容
本发明实施例提供一种交通控制方法、装置及控制设备，用以解决现有技术中求解交通模型的方式实时性较差，难以准确地进行交通控制的问题。
为了解决上述技术问题，本发明采用如下技术方案：
依据本发明的一个方面，提供了一种交通控制方法，包括：
基于数字孪生技术，构建交通模型；
获取现实交通场景中的交通数据，进行所述交通模型与所述现实交通场景之间的数据同步；
对所述现实交通场景进行扰动控制，获得扰动后的所述交通数据；
根据扰动后的所述交通数据，对所述交通模型的模型参数进行修正，获得目标交通模型；
利用所述目标交通模型，控制所述现实交通场景中的设备控制器，所述设备控制器用于控制所述现实交通场景中目标对象的通行。
可选地，所述对所述现实交通场景进行扰动控制，获得扰动后的所述交通数据，包括：
生成扰动参数，所述扰动参数包括以下至少一项：信号灯长度和信号灯相位；
根据所述扰动参数，生成所述设备控制器的控制参数；
利用所述控制参数，对现实交通场景中的所述设备控制器进行控制，获得扰动后的所述交通数据。
可选地，所述生成扰动参数，包括以下至少一项：
随机生成所述扰动参数；
根据上一次扰动控制所采用的所述扰动参数，生成新的所述扰动参数。
可选地，所述交通数据包括：入口比例、出口比例、车辆速度和车流量；
其中，所述根据扰动后的所述交通数据，对所述交通模型的模型参数进行修正，获得目标交通模型，包括：
根据扰动后的所述交通数据，进行模型参数求解，获得所述交通模型的所述模型参数；
根据扰动后的所述交通数据中的所述车流量，确定是否需要对所述现实交通场景进行扰动控制；
在确定需要对所述现实交通场景进行扰动控制的情况下，执行所述对所述现实交通场景进行扰动控制，获得扰动后的所述交通数据的步骤。
可选地，所述对所述现实交通场景进行扰动控制，包括以下至少一项：
所述车流量与所述交通模型输出的孪生车流量不相同的情况下，确定需要对所述现实交通场景进行扰动控制；
所述车流量与所述孪生车流量相同的情况下，确定不需要对所述现实交通场景进行扰动控制。
依据本发明的另一个方面，提供了一种交通控制装置，包括：
模型构建模块，用于基于数字孪生技术，构建交通模型；
数据同步模块，用于获取现实交通场景中的交通数据，进行所述交通模型与所述现实交通场景之间的数据同步；
扰动控制模块，用于对所述现实交通场景进行扰动控制，获得扰动后的所述交通数据；
模型更新模块，用于根据扰动后的所述交通数据，对所述交通模型的模型参数进行修正，获得目标交通模型；
交通控制模块，用于利用所述目标交通模型，控制所述现实交通场景中的设备控制器，所述设备控制器用于控制所述现实交通场景中目标对象的通行。
依据本发明的另一个方面，提供了一种控制设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序；所述处理器执行所述程序时实现如上所述的交通控制方法。
依据本发明的另一个方面，提供了一种可读存储介质，其上存储有程序或指令，所述程序或指令被处理器执行时实现如上所述的交通控制方法中的步骤。
本发明的有益效果是：
上述方案，通过数字孪生技术构建了交通模型，进一步通过对现实交通场景进行扰动，根据扰动后的交通数据对交通模型的参数进行修正，能够高效、快速地获得目标模型，该目标模型能够同步模拟现实交通场景中的真实运行情况，从而实现对现实交通场景进行实时、准确、有效地控制。
附图说明
图1表示本发明实施例提供的交通模型对应的一道路
的示意图；
图2表示本发明实施例提供的道路n在t p 、t p+1 时刻分别对应的车流量的来源示意图；
图3表示本发明实施例提供的道路n在t p 、t p+1 时刻分别对应的车流量的去向示意图；
图4表示本发明实施例提供的交通控制方法的流程图之一；
图5表示本发明实施例提供的交通控制方法的示意图；
图6表示本发明实施例提供的交通控制方法的流程图之二；
图7表示本发明实施例提供的交通控制装置的结构图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图及具体实施例对本发明进行详细描述。
如图1至图3所示，下面对交通模型举例如下（其他各种类型的交通模型的处理方法类似）：
如图1所示，道路
连接着上游道路i1、i2、……、in i ，并连接着下游道路o1、 o2、……、on o 。
在t p 时刻，如图2所示，上游道路的流量分别为y i1 (t p )、y i2 (t p )、……、 
，如图3所示，下游道路的流量分别为y o1 (t p )、y o2 (t p )、……、 
，假设道路n上的流量为x n (t p )，则有如下关系：
其中，β il (t p )表示t p 时刻的来源比例，其中，
=1,2,3…
；α o1 (t p )表示t p 时刻的去向比例，其中，
=1,2,3…n o 。
而构建交通模型的任务是求解去向比例α o1 (t p ) 、α o2 (t p ) 、……、 
，以及来源比例β i1 (t p ) 、β i2 (t p ) 、… …、
。
需要指出的是，当t p+1 时刻和t p 时刻相差较远时，α o1 、α o2 、… …、
，和β i1 、β i2 、… …、
会发生变化，需要重新求解。
本发明针对现有技术中求解交通模型的方式实时性较差，难以准确地进行交通控制的问题，提供一种交通控制方法、装置及控制设备。
如图4所示，本发明其中一实施例提供一种交通控制方法，包括：
步骤401，基于数字孪生技术，构建交通模型。
该步骤中，可以通过获取现实交通场景中的交通数据，将这些交通数据用来构建交通模型，其中，构建交通模型时可以采用数字孪生技术。具体的，如图5所示，比如可以通过在交通基础设施上的信息采集器（例如摄像头或雷达传感器等路侧设备），把物理世界（即现实交通场景）的交通数据采集起来，进而传输至数字孪生世界中，进而根据收集到的交通数据在数字孪生世界中重构现状，也就是在数字孪生中把物理世界重构出来，形成交通模型。
步骤402，获取现实交通场景中的交通数据，进行所述交通模型与所述现实交通场景之间的数据同步。
需要说明的是，本发明实施例可以通过路侧设备（例如摄像头或雷达传感器等）从物理世界中采集交通数据，从而用于交通模型的运行，实现交通模型与现实交通场景的数据同步。
步骤403，对所述现实交通场景进行扰动控制，获得扰动后的所述交通数据。
该步骤中，扰动控制可以是改变信号灯长度或改变信号灯相位等控制手段，进而影响现实交通场景中的交通状况，比如影响车流量等交通数据。
步骤404，根据扰动后的所述交通数据，对所述交通模型的模型参数进行修正，获得目标交通模型。
这里，模型参数是交通模型内部的配置变量，例如上述举例中的β il (t p )、α o1 (t p )。需要说明的是，模型参数可以根据交通数据不断调整，以使得交通模型的运行更接近现实交通场景的运行情况。
步骤405，利用所述目标交通模型，控制所述现实交通场景中的设备控制器，所述设备控制器用于控制所述现实交通场景中目标对象的通行。
这里，目标对象可以是车辆或者行人等。
需要说明的是，通过上述步骤，可以实现现实交通场景（也即现实交通世界）和数字孪生世界（即目标交通模型）的同步，因此，可以通过控制目标交通模型，同步生成控制现实交通场景中的所述设备控制器（如信号灯设备）的控制参数，进而影响现实交通场景的运行。
该实施例中，通过数字孪生技术构建了交通模型，进一步通过对现实交通场景进行扰动，根据扰动后的交通数据对交通模型的参数进行修正，能够高效、快速地获得目标模型，该目标模型能够同步模拟现实交通场景中的真实运行情况，从而实现对现实交通场景进行实时、准确、有效地控制。
作为本发明一可选实施例，步骤403具体可以包括以下步骤：
步骤4031，生成扰动参数，所述扰动参数包括以下至少一项：信号灯长度和信号灯相位；其中，生成扰动参数的方式包括以下至少一项：
方式一，随机生成所述扰动参数；
方式二，根据上一次扰动控制所采用的所述扰动参数，生成新的所述扰动参数。
例如，第一次生产扰动参数时，可以采用方式一，而第二次以及后续再需要生成扰动参数时，则可以根据最近一次所采用的扰动参数进行一定程度的调整，生成新的扰动参数，这样可以更有针对性地生成扰动参数，加快修正模型参数的速度。
步骤4032，根据所述扰动参数，生成所述设备控制器的控制参数。
该步骤中，可以根据扰动参数，生成设备控制器的具体控制参数。例如，设备控制器为信号灯设备时，在生成信号灯设备的控制参数的过程中，可以根据扰动参数结合交通灯控制逻辑来生成控制参数。
步骤4033，利用所述控制参数，对现实交通场景中的所述设备控制器进行控制，获得扰动后的所述交通数据。
该实施例中，可以通过不同的方式生成扰动参数，用于对现实交通场景进行扰动，从而获得扰动后的交通数据，进而使得交通模型根据这些扰动后的交通数据调整自身的模型参数，使得交通模型的运行情况更接近现实世界的交通状况。
可选地，所述交通数据包括：入口比例、出口比例、车辆速度和车流量等等。其中，入口比例可以理解为驶入某路段的某一单一行驶方向的交通流量占该路段中总驶入交通流量的比例，出口比例可以理解为驶离某路段的某一单一行驶方向的交通流量占该路段总驶离交通流量的比例。
其中，步骤404具体可以包括以下步骤：
步骤4041，根据扰动后的所述交通数据，进行模型参数求解，获得所述交通模型的所述模型参数；
需要说明的是，本发明实施例中，可以根据扰动后的交通数据重构现状，也就是根据扰动后的交通数据，进行主动式模型参数计算，实现模型参数的主动构建。相比现有技术中被动式的交通模型参数构建方法，本发明实施例可以更加高效、快速、完整地构建出交通模型的模型参数。
步骤4042，根据扰动后的所述交通数据中的所述车流量，确定是否需要对所述现实交通场景进行扰动控制。
该步骤中，可以根据扰动后的现实交通场景中的交通数据，来评估是否需要进行下一次的扰动控制。需要说明的是，对现实交通场景进行扰动控制，是为了观测现实世界（即现实交通场景）的车流量受到扰动后变化，从而使得交通模型根据这种变化来调整自身的模型参数，进而使得交通模型的运行情况更接近现实世界的交通状况。
其中，可选地，所述步骤4042包括以下至少一项：
（1）所述车流量与所述交通模型输出的孪生车流量不相同的情况下，确定需要对所述现实交通场景进行扰动控制；
（2）所述车流量与所述孪生车流量相同的情况下，确定不需要对所述现实交通场景进行扰动控制。
步骤4043，在确定需要对所述现实交通场景进行扰动控制的情况下，执行所述对所述现实交通场景进行扰动控制，获得扰动后的所述交通数据的步骤。
该实施例中，在确定需要对所述现实交通场景进行扰动控制的情况下，可以继续对现实交通场景进行扰动控制，进而修正交通模型的模型参数；而在确定不需要对所述现实交通场景进行扰动控制的情况下，则可以认为完成了对交通模型的模型参数的修正，得到了目标交通模型，进一步可以利用该目标交通模型，对现实交通场景中的所述设备控制器进行控制。
如图6所示，对本发明实施例的交通控制方法的流程说明如下：
S601：从物理世界采集交通数据；
S602：根据收集到的交通数据在数字孪生世界中重构现状，建立交通模型；
S603：根据上一次生成的扰动参数和当前重构的现状，对模型参数进行计算；
S604：评估是否需要下一步模型参数计算，即评估是否需要对现实世界进行下一次的扰动控制；
S605：是，则执行S606；否，则执行S609；
S606：生成扰动参数；
S607：生成控制参数；
S608：对控制参数进行分发，以便对现实世界进行控制；
S609：结束。
本发明实施例中，通过数字孪生技术构建的交通模型，能够实现现实世界交通状况在数字孪生世界中的完整再现，进一步通过对现实交通场景进行扰动，根据扰动后的交通数据能够对交通模型的参数进行修正，从而高效、快速地获得目标模型，这样，该目标模型能够同步模拟现实交通场景中的真实运行情况，从而实现对现实交通场景进行实时、准确、有效地控制。
如图7所示，本发明实施例还提供一种交通控制装置，包括：
模型构建模块710，用于基于数字孪生技术，构建交通模型；
数据同步模块720，用于获取现实交通场景中的交通数据，进行所述交通模型与所述现实交通场景之间的数据同步；
扰动控制模块730，用于对所述现实交通场景进行扰动控制，获得扰动后的所述交通数据；
模型更新模块740，用于根据扰动后的所述交通数据，对所述交通模型的模型参数进行修正，获得目标交通模型；
交通控制模块770，用于利用所述目标交通模型，控制所述现实交通场景中的设备控制器。
该实施例中，通过数字孪生技术构建了交通模型，进一步通过对现实交通场景进行扰动，根据扰动后的交通数据对交通模型的参数进行修正，能够高效、快速地获得目标模型，该目标模型能够同步模拟现实交通场景中的真实运行情况，从而实现对现实交通场景进行实时、准确、有效地控制。
可选地，所述扰动控制模块730包括：
第一生成单元，用于生成扰动参数，所述扰动参数包括以下至少一项：信号灯长度和信号灯相位；
第二生成单元，用于根据所述扰动参数，生成所述设备控制器的控制参数；
第一控制单元，用于利用所述控制参数，对现实交通场景中的所述设备控制器进行控制，获得扰动后的所述交通数据。
可选地，所述第一生成单元包括：
第一生成子单元，用于随机生成所述扰动参数；
第二生成子单元，用于根据上一次扰动控制所采用的所述扰动参数，生成新的所述扰动参数。
可选地，所述交通数据包括：入口比例、出口比例、车辆速度和车流量；其中，所述模型更新模块740包括：
第一求解单元，用于根据扰动后的所述交通数据，进行模型参数求解，获得所述交通模型的所述模型参数；
第二控制单元，用于根据扰动后的所述交通数据中的所述车流量，确定是否需要对所述现实交通场景进行扰动控制；
第三控制单元，用于在确定需要对所述现实交通场景进行扰动控制的情况下，执行所述对所述现实交通场景进行扰动控制，获得扰动后的所述交通数据的步骤。
可选地，所述第二控制单元包括：
第一确定子单元，用于所述车流量与所述交通模型输出的孪生车流量不相同的情况下，确定需要对所述现实交通场景进行扰动控制；
第二确定子单元，用于所述车流量与所述孪生车流量相同的情况下，确定不需要对所述现实交通场景进行扰动控制。
本发明实施例中，通过数字孪生技术构建的交通模型，能够实现现实世界交通状况在数字孪生世界中的完整再现，进一步通过对现实交通场景进行扰动，根据扰动后的交通数据能够对交通模型的参数进行修正，从而高效、快速地获得目标模型，这样，该目标模型能够同步模拟现实交通场景中的真实运行情况，从而实现对现实交通场景进行实时、准确、有效地控制。
本发明实施例还提供一种控制设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序；所述处理器执行所述程序时实现如上所述的交通控制方法。
本发明实施例还提供一种可读存储介质，其上存储有程序或指令，所述程序或指令被处理器执行时实现如上所述的交通控制方法中的步骤。
以上所述的是本发明的优选实施方式，应当指出对于本技术领域的普通人员来说，在不脱离本发明所述的原理前提下还可以作出若干改进和润饰，这些改进和润饰也在本发明的保护范围内。
Claims (8)
1.一种交通控制方法，其特征在于，包括：
基于数字孪生技术，构建交通模型；
获取现实交通场景中的交通数据，进行所述交通模型与所述现实交通场景之间的数据同步；
对所述现实交通场景进行扰动控制，获得扰动后的所述交通数据；
根据扰动后的所述交通数据，对所述交通模型的模型参数进行修正，获得目标交通模型；
利用所述目标交通模型，控制所述现实交通场景中的设备控制器，所述设备控制器用于控制所述现实交通场景中目标对象的通行。
2.根据权利要求1所述的交通控制方法，其特征在于，所述对所述现实交通场景进行扰动控制，获得扰动后的所述交通数据，包括：
生成扰动参数，所述扰动参数包括以下至少一项：信号灯长度和信号灯相位；
根据所述扰动参数，生成所述设备控制器的控制参数；
利用所述控制参数，对现实交通场景中的所述设备控制器进行控制，获得扰动后的所述交通数据。
3.根据权利要求2所述的交通控制方法，其特征在于，所述生成扰动参数，包括以下至少一项：
随机生成所述扰动参数；
根据上一次扰动控制所采用的所述扰动参数，生成新的所述扰动参数。
4.根据权利要求1所述的交通控制方法，其特征在于，所述交通数据包括：入口比例、出口比例、车辆速度和车流量；
其中，所述根据扰动后的所述交通数据，对所述交通模型的模型参数进行修正，获得目标交通模型，包括：
根据扰动后的所述交通数据，进行模型参数求解，获得所述交通模型的所述模型参数；
根据扰动后的所述交通数据中的所述车流量，确定是否需要对所述现实交通场景进行扰动控制；
在确定需要对所述现实交通场景进行扰动控制的情况下，执行所述对所述现实交通场景进行扰动控制，获得扰动后的所述交通数据的步骤。
5.根据权利要求4所述的交通控制方法，其特征在于，所述对所述现实交通场景进行扰动控制，包括以下至少一项：
所述车流量与所述交通模型输出的孪生车流量不相同的情况下，确定需要对所述现实交通场景进行扰动控制；
所述车流量与所述孪生车流量相同的情况下，确定不需要对所述现实交通场景进行扰动控制。
6.一种交通控制装置，其特征在于，包括：
模型构建模块，用于基于数字孪生技术，构建交通模型；
数据同步模块，用于获取现实交通场景中的交通数据，进行所述交通模型与所述现实交通场景之间的数据同步；
扰动控制模块，用于对所述现实交通场景进行扰动控制，获得扰动后的所述交通数据；
模型更新模块，用于根据扰动后的所述交通数据，对所述交通模型的模型参数进行修正，获得目标交通模型；
交通控制模块，用于利用所述目标交通模型，控制所述现实交通场景中的设备控制器，所述设备控制器用于控制所述现实交通场景中目标对象的通行。
7.一种控制设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序；其特征在于，所述处理器执行所述程序时实现如权利要求1至5任一项所述的交通控制方法。
8.一种可读存储介质，其上存储有程序或指令，其特征在于，所述程序或指令被处理器执行时实现如权利要求1至5任一项所述的交通控制方法中的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210407352.3A CN114512003B (zh) | 2022-04-19 | 2022-04-19 | 一种交通控制方法、装置及控制设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210407352.3A CN114512003B (zh) | 2022-04-19 | 2022-04-19 | 一种交通控制方法、装置及控制设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114512003A true CN114512003A (zh) | 2022-05-17 |
| CN114512003B CN114512003B (zh) | 2022-06-24 |
Family
ID=81555510
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210407352.3A Active CN114512003B (zh) | 2022-04-19 | 2022-04-19 | 一种交通控制方法、装置及控制设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114512003B (zh) |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20190372826A1 (en) * | 2018-06-01 | 2019-12-05 | David M. Sherr | Software-defined network resource provisioning architecture |
| CN110609531A (zh) * | 2019-09-27 | 2019-12-24 | 北京航空航天大学 | 一种基于数字孪生的车间调度方法 |
| CN112037543A (zh) * | 2020-09-14 | 2020-12-04 | 中德（珠海）人工智能研究院有限公司 | 基于三维建模的城市交通灯控制方法、装置、设备和介质 |
| CN112419762A (zh) * | 2020-08-12 | 2021-02-26 | 华东师范大学 | 基于物联网平台的强化学习智能交通信号灯控制方法及系统 |
| CN112507573A (zh) * | 2021-02-09 | 2021-03-16 | 东北大学 | 一种基于数字孪生的热连轧轧制过程监控预警方法 |
| CN112801175A (zh) * | 2020-10-16 | 2021-05-14 | 江苏量动信息科技有限公司 | 基于数字孪生的交通分析模型修正方法及装置 |
| CN112883640A (zh) * | 2021-02-04 | 2021-06-01 | 西南交通大学 | 数字孪生车站系统、基于该系统的作业调度方法及应用 |
| CN113110328A (zh) * | 2021-04-14 | 2021-07-13 | 大连亚明汽车部件股份有限公司 | 一种基于数字孪生技术的生产过程全周期智慧车间系统及解决方法 |
| US20210233406A1 (en) * | 2020-01-29 | 2021-07-29 | Toyota Motor Engineering & Manufacturing North America, Inc. | Pedestrian navigation based on vehicular collaborative computing |
| CN113837451A (zh) * | 2021-09-06 | 2021-12-24 | 中控智网(北京)能源技术有限公司 | 油气管道的数字孪生体构建方法、装置、设备及存储介质 |
-
2022
- 2022-04-19 CN CN202210407352.3A patent/CN114512003B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20190372826A1 (en) * | 2018-06-01 | 2019-12-05 | David M. Sherr | Software-defined network resource provisioning architecture |
| CN110609531A (zh) * | 2019-09-27 | 2019-12-24 | 北京航空航天大学 | 一种基于数字孪生的车间调度方法 |
| US20210233406A1 (en) * | 2020-01-29 | 2021-07-29 | Toyota Motor Engineering & Manufacturing North America, Inc. | Pedestrian navigation based on vehicular collaborative computing |
| CN112419762A (zh) * | 2020-08-12 | 2021-02-26 | 华东师范大学 | 基于物联网平台的强化学习智能交通信号灯控制方法及系统 |
| CN112037543A (zh) * | 2020-09-14 | 2020-12-04 | 中德（珠海）人工智能研究院有限公司 | 基于三维建模的城市交通灯控制方法、装置、设备和介质 |
| CN112801175A (zh) * | 2020-10-16 | 2021-05-14 | 江苏量动信息科技有限公司 | 基于数字孪生的交通分析模型修正方法及装置 |
| CN112883640A (zh) * | 2021-02-04 | 2021-06-01 | 西南交通大学 | 数字孪生车站系统、基于该系统的作业调度方法及应用 |
| CN112507573A (zh) * | 2021-02-09 | 2021-03-16 | 东北大学 | 一种基于数字孪生的热连轧轧制过程监控预警方法 |
| CN113110328A (zh) * | 2021-04-14 | 2021-07-13 | 大连亚明汽车部件股份有限公司 | 一种基于数字孪生技术的生产过程全周期智慧车间系统及解决方法 |
| CN113837451A (zh) * | 2021-09-06 | 2021-12-24 | 中控智网(北京)能源技术有限公司 | 油气管道的数字孪生体构建方法、装置、设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114512003B (zh) | 2022-06-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Chu et al. | Multi-agent deep reinforcement learning for large-scale traffic signal control | |
| WO2022121510A1 (zh) | 基于随机策略梯度的交通信号控制方法、系统及电子设备 | |
| CN110646009B (zh) | 一种基于dqn的车辆自动驾驶路径规划的方法及装置 | |
| US11942191B2 (en) | Compound property prediction method and apparatus, computer device, and readable storage medium | |
| CN109299781A (zh) | 基于动量和剪枝的分布式深度学习系统 | |
| CN108986166A (zh) | 一种基于半监督学习的单目视觉里程预测方法及里程计 | |
| CN113094875B (zh) | 一种城市快速路交织区微观交通仿真系统标定方法及装置 | |
| CN106709933B (zh) | 一种基于非监督学习的运动估计方法 | |
| CN113780624B (zh) | 一种基于博弈均衡理论的城市路网信号协调控制方法 | |
| CN109299656B (zh) | 一种车载视觉系统场景视深确定方法 | |
| CN111784818B (zh) | 生成三维人体模型的方法、装置及计算机可读存储介质 | |
| CN108520325A (zh) | 一种基于多变环境下加速退化数据的集成寿命预测方法 | |
| CN116386336B (zh) | 基于卡口车牌数据的路网交通流量鲁棒计算方法及系统 | |
| CN112639878A (zh) | 无监督深度预测神经网络 | |
| CN114512003B (zh) | 一种交通控制方法、装置及控制设备 | |
| CN111930795B (zh) | 一种分布式模型搜索方法及系统 | |
| CN116453541B (zh) | 一种声源强度预测方法、装置、电子设备及存储介质 | |
| Kehrer et al. | Framework for interactive testing and development of highly automated driving functions | |
| CN113901724A (zh) | 一种数字孪生设备校正方法和系统 | |
| CN117601904B (zh) | 车辆行驶轨迹的规划方法、装置、车辆及存储介质 | |
| Wasicek et al. | System simulation from operational data | |
| CN116932518A (zh) | 定位点质量评估方法、装置、设备及计算机可读存储介质 | |
| CN115809542A (zh) | 一种引导线闭环仿真验证方法及系统 | |
| Săftescu et al. | Learning to Correct 3D Reconstructions from Multiple Views | |
| KR20240043354A (ko) | 디지털 트윈 서비스 구현을 위한 하이브리드 모델링 및 소프트웨어 프레임워크 방법 및 시스템 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |