钱超
- 作品数：39 被引量：164H指数：7
- 供职机构：长安大学更多>>
- 发文基金：国家自然科学基金中央高校基本科研业务费专项资金陕西省自然科学基金更多>>
- 相关领域：交通运输工程自动化与计算机技术建筑科学经济管理更多>>
- 联合车速–队列感知的路边单元分组调度随机优化
- 2019年
- 路边单元(RSU)是车联网中为其无线覆盖范围内过往车辆提供信息服务的基础设施,路边单元间的分组传输可通过移动车辆"存储–载带–转发"的方式进行,其传输过程中分组的端到端时延由源RSU缓存中的排队时延与车辆载带过程的传播时延两部分组成.为使RSU间分组传输过程中平均端到端时延最小化,本文提出一种联合车速–队列感知的路边单元分组调度随机优化方法,该方法根据源RSU缓存队列长度和经过源RSU覆盖范围的车辆速度状态作分组调度决策.通过马尔科夫决策(MDP)框架对分组传输过程中的平均排队时延和平均传播时延进行分析,建立一个非线性平均端到端时延最小化问题并求解.仿真结果表明,所提出的RSU分组调度随机优化方法可以显著降低RSU间分组传输过程中的平均端到端时延,并提高系统中分组传输的吞吐量.
- 代亮张亚楠钱超孟芸黄鹤
- 关键词：车联网分组调度
- 基于深度学习的短时交通量预测研究综述被引量：13
- 2019年
- 短时交通量预测是智能交通领域的研究热点,对交通控制与管理具有重要的意义。传统的交通量预测方法难以准确地描述交通量数据内部的本质特征,而深度学习通过其深层结构,能够学习到交通量数据内部复杂的多因素耦合结构,进而对交通量做出更精准的预测,这也使得深度学习成为当前短时交通量预测领域的研究热点。文中首先介绍了传统交通量预测方法和深度学习的研究现状;然后按照生成型和判别型深度结构对现有基于深度学习的短时交通量预测方法进行分类,并总结了深度学习在短时交通量预测研究领域的主要方法,对其性能进行了对比研究;最后对深度学习在短时交通量预测领域存在的问题和发展趋势进行了探讨。
- 代亮梅洋钱超孟芸吕金明
- 关键词：短时交通量预测
- 一种基于随机森林的隧道运营状态感知模型的建立方法
- 一种基于随机森林的隧道运营状态感知模型的建立方法，随机抽取ntree个新的自助样本集并构建ntree棵决策树，在决策树的每个节点随机选取mtry个特征，从中选出一个特征进行分支生长，得到随机森林泛化误差的无偏估计，计算程...
- 陈建勋钱超罗彦斌张馨予李伟吉祥
- 海上遇险救生自组网手持终端
- 本发明公开了一种海上遇险救生自组网手持终端，包括低频无线通信模块和支持GPS定位功能的卫星通信模块，在人员遇险落水后，低频无线通信模块被触发而自动开启，并与其他落水人员的手持终端共同建立起海上遇险救生自组网；所述的自组网...
- 代亮张亚楠陈婷钱超
- 基于随机森林的公路隧道运营缺失数据插补方法被引量：11
- 2016年
- 对隧道内环境、交通状态等各类运营数据的实时、完整获取并深入挖掘,是提高应急处置能力、实现运营安全预警的基础.提出一种基于随机森林的缺失数据插补方法,根据缺失特征对缺失数据集进行分割;建立随机森林回归模型进行迭代插补并确定迭代终止条件;以标准均方根误差最小确定了随机森林中决策树的数量和分裂节点随机抽取变量数的最优组合.对公路隧道运营缺失数据集插补结果表明:本方法插补精度高、鲁棒性好,与KNN、SVD、MICE和PPCA等插补方法相比,标准均方根误差降低25%以上;利用并行运算大幅度提高了插补效率,弥补了插补速度慢的缺陷,保证了插补的有效性和时效性.
- 钱超陈建勋罗彦斌代亮
- 关键词：公路运输公路隧道运营管理
- 一种双向双车道普通公路隧道远光灯联动照明装置及方法
- 本发明属于汽车主动安全技术领域，公开了一种双向双车道普通公路隧道远光灯联动照明装置及方法，包括动态远光灯识别系统、延时性隧道照明调整系统和无线通信模块。通过动态远光灯识别系统计算隧道内各采样点车辆的速度、平均车速和车流量...
- 杜凯朱从瑞李乐天宋京妮陈丹闫茂德刘维宇肖剑钱超王畅
- 高速公路ETC客户细分方法研究
- 应用大数据技术，提出一种基于车辆通行特征的ETC 客户细分方法。构建了ETC 客户细分指标体系并利用ETC 收费数据提取了最近消费间隔、年通行频次和年消费金额等细分指标;为克服大数据聚类的失效问题，结合CLARA 算法完...
- 钱超杨孟
- 关键词：高速公路大数据ETC客户细分星级评定
- 公路隧道环境感知系统的设计与实现被引量：5
- 2021年
- 为准确获取隧道环境信息、综合评判隧道空气质量,设计并开发了一套基于物联网和云计算的公路隧道环境感知系统。将有害气体、温度气压、能见度和风速风向等高精度传感器在隧道内集成部署,利用STM32微处理器实现环境信息的实时监测,应用4G移动通信网络进行数据的远程传输,最终实现隧道环境监测数据的云端存储与实时查看。与各专用检测设备相比,本系统CO、NO_(2)、能见度和风速采集数据平均绝对百分比误差分别为3.36%、1.73%、5.43%和2.06%。实测结果表明,本系统集成度高、布设简便、运行稳定,弥补了便携式隧道监测设备采集内容单一、数据精度不足和传统固定式隧道监测设施结构复杂、布设分散的技术缺陷。系统的长期在线运行,可为解析隧道内空气质量在交通影响下的变化规律、动态调节通风设施运行提供实测数据支撑。
- 钱超邓木生李虎雄陈建勋陈建勋
- 关键词：公路隧道环境感知空气质量通风控制云计算
- 基于MapReduce的多元线性回归预测模型被引量：17
- 2014年
- 针对传统的多元线性回归预测方法处理时间长且受内存限制的特点,对时序样本数据设计了基于MapReduce的并行多元线性回归预测模型。模型由三组MapReduce过程组成,分别求解由历史数据所构成叉积矩阵的特征向量和标准正交特征向量,用来预测未来参数的特征值和特征向量矩阵和未来时刻回归参数的估计量。设计并实现了实验来验证提出的并行多元线性回归预测模型的有效性。实验结果表明,基于MapReduce的多元线性回归预测模型具有较好的加速比和可扩展性,适合于大规模时序数据的分析和预测。
- 代亮许宏科陈婷钱超梁殿鹏
- 关键词：MAPREDUCE多元线性回归加速比可扩展性
- 基于对称残差U型网络的路网交通流量数据修复被引量：4
- 2020年
- 针对路网交通数据采集过程中,采集设备稀缺或故障等原因造成路网交通流量数据缺失问题,提出基于对称残差U型网络(Residual U-Net,RU-Net)模型的大规模路网交通流量数据修复方法.通过将路网交通流量数据网格化和时序通道化操作,构成可供卷积操作的张量数据格式;利用RU-Net编码解码能力,对交通流量数据进行编码;在解码过程中保持失真度较小,使模型学习到交通流量数据内部多因素耦合特性.通过残差学习使交通流量数据编码后的信噪比提升,压缩率降低,提升模型修复精度.实验结果表明,RU-Net模型能够利用交通流量特性学习历史和非故障采集点数据与待修复数据的映射关系,在不同数据缺失率,不同缺失模式下,高效地完成对大规模路网交通流量数据的修复.
- 代亮梅洋李曙光钱超汪贵平
- 关键词：智能交通
