期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于改进GRU模型的高速公路短时交通量预测
被引量：
2
1
作者
温惠英
元
昱
青
赵胜
《广西大学学报（自然科学版）》
CAS
北大核心
2023年第2期459-468,共10页
为了提高短时交通流的预测精度,采用灰狼算法(grey wolf optimizer,GWO)优化门控循环单元(gate recurrent unit,GRU)神经网络参数,构建基于超参数自适应寻优的高速公路短时交通流量预测模型,提取交通流的时变特征,准确预测短时交通流量...
为了提高短时交通流的预测精度,采用灰狼算法(grey wolf optimizer,GWO)优化门控循环单元(gate recurrent unit,GRU)神经网络参数,构建基于超参数自适应寻优的高速公路短时交通流量预测模型,提取交通流的时变特征,准确预测短时交通流量。选取高速公路出口匝道交通数据作为实验数据输入,基于TensorFlow为后端的Keras完成GWO-GRU模型框架的搭建,并与支持向量回归算法(support vector regression,SVR)、K近邻算法(k-nearest neighbor,KNN)、长短期记忆神经网络(long-short term memory,LSTM)、门控循环单元(GRU)模型进行对比分析。实验结果表明,在3种不同时间间隔的高速公路匝道交通数据集的预测中,改进后的GRU模型具有较好的预测性能,其平均绝对误差(mean absolute error,MAE)比次优模型分别减小了9.22%、8.54%、8.03%。
展开更多
关键词
高速公路
短时交通量预测
灰狼算法
超参数自适应优化
门控循环单元神经网络
下载PDF
职称材料
考虑道路负载均衡的码头多AGV无冲突路径规划
2
作者
温惠英
元
昱
青
林译峰
《华南理工大学学报（自然科学版）》
EI
CAS
CSCD
北大核心
2023年第10期1-10,共10页
随着集装箱运输需求的日益增长以及新型信息技术的广泛应用,集装箱码头作业自动化成为国内外港口发展的主要趋势。集装箱码头作业自动化可有效提高码头的作业效率和安全性,降低码头对人力资源的需求和运营成本。水平运输系统是集装箱码...
随着集装箱运输需求的日益增长以及新型信息技术的广泛应用,集装箱码头作业自动化成为国内外港口发展的主要趋势。集装箱码头作业自动化可有效提高码头的作业效率和安全性,降低码头对人力资源的需求和运营成本。水平运输系统是集装箱码头装卸系统的重要组成部分,同时也是实现集装箱在码头前沿与堆场之间运转的重要纽带,其运行的稳定性和调度的合理性将直接影响码头自动化装卸系统的运行效率。自动导引车(AGV)是自动化集装箱码头常用的水平运输设备,承担着从前沿岸桥到后方堆场的集装箱运输任务。在实际作业过程中,多辆AGV同时运作难免会发生冲突和拥堵。基于此,文中采用基于冲突搜索的双层算法(CBS算法)解决码头多AGV协同作业产生的冲突问题,上层算法搜索AGV间的冲突,下层算法采用A*算法对AGV进行路径规划,并在A*算法中引入负载因子,使得规划路径避开拥堵点,实现码头道路的负载均衡。对于码头多任务点连续作业场景下的多车路径规划,基于CBS算法采用一种滑动时间窗冲突解决方法(STWCR)以提升运算效率。通过仿真实验验证了文中所提算法能够有效解决码头多AGV路径规划的冲突问题,同时均衡路网负载,缓解道路局部拥堵现象,提高道路资源的利用率。研究成果为自动化集装箱码头水平运输系统优化提供了参考。
展开更多
关键词
自动化集装箱码头
路径规划
冲突规避
道路负载均衡
A*算法
下载PDF
职称材料
题名
基于改进GRU模型的高速公路短时交通量预测
被引量：
2
1
作者
温惠英
元
昱
青
赵胜
机构
华南理工大学土木与交通学院
出处
《广西大学学报（自然科学版）》
CAS
北大核心
2023年第2期459-468,共10页
基金
国家自然科学基金项目(52172345)
文摘
为了提高短时交通流的预测精度,采用灰狼算法(grey wolf optimizer,GWO)优化门控循环单元(gate recurrent unit,GRU)神经网络参数,构建基于超参数自适应寻优的高速公路短时交通流量预测模型,提取交通流的时变特征,准确预测短时交通流量。选取高速公路出口匝道交通数据作为实验数据输入,基于TensorFlow为后端的Keras完成GWO-GRU模型框架的搭建,并与支持向量回归算法(support vector regression,SVR)、K近邻算法(k-nearest neighbor,KNN)、长短期记忆神经网络(long-short term memory,LSTM)、门控循环单元(GRU)模型进行对比分析。实验结果表明,在3种不同时间间隔的高速公路匝道交通数据集的预测中,改进后的GRU模型具有较好的预测性能,其平均绝对误差(mean absolute error,MAE)比次优模型分别减小了9.22%、8.54%、8.03%。
关键词
高速公路
短时交通量预测
灰狼算法
超参数自适应优化
门控循环单元神经网络
Keywords
highway
short-term traffic flow prediction
grey wolf optimizer(GWO)
hyperparameter adaptive optimization
gate recurrent unit network(GRU)
分类号
U491.31 [交通运输工程—交通运输规划与管理]
下载PDF
职称材料
题名
考虑道路负载均衡的码头多AGV无冲突路径规划
2
作者
温惠英
元
昱
青
林译峰
机构
华南理工大学土木与交通学院
出处
《华南理工大学学报（自然科学版）》
EI
CAS
CSCD
北大核心
2023年第10期1-10,共10页
基金
广东省自然科学基金资助项目(2023A1515011322)。
文摘
随着集装箱运输需求的日益增长以及新型信息技术的广泛应用,集装箱码头作业自动化成为国内外港口发展的主要趋势。集装箱码头作业自动化可有效提高码头的作业效率和安全性,降低码头对人力资源的需求和运营成本。水平运输系统是集装箱码头装卸系统的重要组成部分,同时也是实现集装箱在码头前沿与堆场之间运转的重要纽带,其运行的稳定性和调度的合理性将直接影响码头自动化装卸系统的运行效率。自动导引车(AGV)是自动化集装箱码头常用的水平运输设备,承担着从前沿岸桥到后方堆场的集装箱运输任务。在实际作业过程中,多辆AGV同时运作难免会发生冲突和拥堵。基于此,文中采用基于冲突搜索的双层算法(CBS算法)解决码头多AGV协同作业产生的冲突问题,上层算法搜索AGV间的冲突,下层算法采用A*算法对AGV进行路径规划,并在A*算法中引入负载因子,使得规划路径避开拥堵点,实现码头道路的负载均衡。对于码头多任务点连续作业场景下的多车路径规划,基于CBS算法采用一种滑动时间窗冲突解决方法(STWCR)以提升运算效率。通过仿真实验验证了文中所提算法能够有效解决码头多AGV路径规划的冲突问题,同时均衡路网负载,缓解道路局部拥堵现象,提高道路资源的利用率。研究成果为自动化集装箱码头水平运输系统优化提供了参考。
关键词
自动化集装箱码头
路径规划
冲突规避
道路负载均衡
A*算法
Keywords
automated container terminal
path planning
conflict avoidance
road load balancing
A*algorithm
分类号
U691 [交通运输工程—港口、海岸及近海工程]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于改进GRU模型的高速公路短时交通量预测
温惠英
元
昱
青
赵胜
《广西大学学报（自然科学版）》
CAS
北大核心
2023
2
下载PDF
职称材料
2
考虑道路负载均衡的码头多AGV无冲突路径规划
温惠英
元
昱
青
林译峰
《华南理工大学学报（自然科学版）》
EI
CAS
CSCD
北大核心
2023
0
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
