-
公开(公告)号：CN108665093B
公开(公告)日：2021-07-27
申请号：CN201810353740.1
申请日：2018-04-19
Applicant: 东南大学
Abstract: 本发明公开了一种基于深度学习的高速公路交通事故严重度预测方法，包括如下步骤：1、收集L个交通事故发生时的道路条件、驾驶员情况、车辆情况等M个变量因素，构成样本集；记录每个交通事故的严重度值rl；2、对收集到的L个事故样本的变量因素进行降维和归一化；3、建立深度学习神经网络，构建交通事故严重度预测模型；4、将降维后的待预测事故的变量因素向量x代入步骤3建立的交通事故严重度预测模型中，得到待预测事故的严重度预测结果。该方法能够精确地预测高速公路事故的严重度。
-
公开(公告)号：CN108682149B
公开(公告)日：2021-01-05
申请号：CN201810487299.6
申请日：2018-05-21
Applicant: 东南大学
Abstract: 本发明公开了一种基于二项Logistic回归的公路事故黑点路段线形致因分析方法，包括如下步骤：1、将所要研究的公路按长度等分为n个路段单元；2、分析每个路段单元的安全性，将安全性低的路段判定为黑点路段；3、将每个黑点路段单元发生的交通事故按照事故类型划分为K类，并将各类事故在路段单元的发生数转化为二分类变量；4、选取Z种线形指标描述每个黑点路段单元的线形特征；5、运用二项Logistic回归模型分析事故黑点路段各线形指标对不同类型事故发生的影响。该方法可以确定公路线形特征对各类事故的影响。有助于公路交通安全管理部门发现事故黑点路段本身的线形问题，对未来公路设计施工有一定的指导意义。
-
公开(公告)号：CN107766615A
公开(公告)日：2018-03-06
申请号：CN201710840880.7
申请日：2017-09-18
Applicant: 东南大学
IPC: G06F17/50
CPC classification number: G06F17/5009
Abstract: 本发明公开了一种基于动力学仿真的主线收费站ETC指示标志设置距离安全性评价方法，包含步骤：1、确定车辆在设置ETC指示标志的主线收费站的换道过程及换道模型，根据道路参数计算车辆在换道过程产生的沿车道方向的纵向位移L；2、确定评价ETC指示标志设置距离的控制函数；3、应用Adams/Car软件构建驾驶员-车辆-主线收费站路段虚拟试验仿真平台；4、仿真获取车辆在具有ETC指示标志的收费站路段上按指示标志换道行驶时的动力学指标；5、根据步骤4中获取的动力学指标，判断是否符合控制函数的要求。该方法建立人车路虚拟仿真试验平台，通过仿真分析评价现有ETC指示标志距收费亭的距离能否满足车辆换道过程的安全性要求。
-
公开(公告)号：CN107230388A
公开(公告)日：2017-10-03
申请号：CN201710545991.5
申请日：2017-07-06
Applicant: 东南大学
IPC: G08G1/16
CPC classification number: G08G1/167
Abstract: 本发明公开了一种基于换道行为的主线收费站ETC指示标志设置安全距离计算方法，包括如下步骤：1、计算驾驶员开始对ETC指示标志的内容进行读取的位置到驾驶员开始准备实施换道、减速等行动的位置之间的距离L1；2、计算驾驶员开始对ETC指示标志的内容进行读取的位置到ETC指示标志所在位置之间的距离L2；3、计算驾驶员开始准备实施换道、减速等行动的位置到驾驶员完成换道、减速等行动准备通过闸机的位置之间的距离L3；4、计算ETC指示标志前置距离L4，L4＝L1+L3‑L2；5、计算具体ETC收费车道布置方案对应的ETC指示标志设置安全距离f(N,n)max。该方法提供了一种针对ETC与MTC共存的主线收费站ETC指示标志设置安全距离计算方法。
-
公开(公告)号：CN106530707A
公开(公告)日：2017-03-22
申请号：CN201611114424.6
申请日：2016-12-07
Applicant: 东南大学
IPC: G08G1/01
CPC classification number: G08G1/0104
Abstract: 本发明公开了一种基于电子车牌信息的小汽车按尾号限行方法，该方法通过电子车牌信息来进行小汽车车牌尾号、小汽车和公交车出行路径信息检测，并依据出行路径信息计算道路网各路段流量与拥堵路段比例，同时通过去除不同尾号的小汽车数据来计算拥堵路段比例减少的效果，从而科学地判断并制定最有效的尾号限行方案。本发明设计简单，易于计算；基于电子车牌信息，能够非常精确地计算出按不同车牌尾号进行限行后对道路网的影响，从而使得小汽车按尾号限行方案更为合理科学，简单方便，为缓解城市交通压力奠定基础。
-
Patent Agency Ranking
公开(公告)号：CN107248290B
公开(公告)日：2019-07-12
申请号：CN201710573312.5
申请日：2017-07-14
Applicant: 东南大学
Abstract: 本发明公开了一种基于车辆视频识别的混合式主线收费站交通冲突评价方法，包括如下步骤：1、在收费站的收费广场布置摄像头，采集车辆在收费广场的行驶视频；2、对采集到的车辆行驶视频进行车辆识别和跟踪，获取每一帧图像中车辆的位置坐标；3、利用车辆的M帧图像数据，计算车辆在每一帧图像中的速度和减速度指标如果发生跟驰冲突，计算车辆跟驰模型的时间指标TTCk；如果发生变道冲突，计算车辆转向模型时间指标Tpet；5、将TTCk和Tpet进行同级化处理，统一为交通冲突评价指标STC，根据STC的值判断交通冲突的严重程度。该方法可以对收费站交通冲突的严重程度进行量化，对收费站道路安全性评价、管理运营、道路引流措施等决策有重要的应用价值。
-
公开(公告)号：CN108665093A
公开(公告)日：2018-10-16
申请号：CN201810353740.1
申请日：2018-04-19
Applicant: 东南大学
Abstract: 本发明公开了一种基于深度学习的高速公路交通事故严重度预测方法，包括如下步骤：1、收集L个交通事故发生时的道路条件、驾驶员情况、车辆情况等M个变量因素，构成样本集；记录每个交通事故的严重度值rl；2、对收集到的L个事故样本的变量因素进行降维和归一化；3、建立深度学习神经网络，构建交通事故严重度预测模型；4、将降维后的待预测事故的变量因素向量x代入步骤3建立的交通事故严重度预测模型中，得到待预测事故的严重度预测结果。该方法能够精确地预测高速公路事故的严重度。
-
公开(公告)号：CN108320083A
公开(公告)日：2018-07-24
申请号：CN201810042536.8
申请日：2018-01-17
Applicant: 东南大学
Abstract: 本发明公开了一种定性和定量指标相结合的纯电动公交车运营特性评价方法，包括如下步骤：1、以纯电动公交车运营特性为对象，构建定性与定量相结合的纯电动公交车多级运营评价指标体系，确定权重值wpq，构成每一级的权重向量；2、将评价指标归类处理，按照指标特点将其分为定量、半定性、定性三类，将半定性、定性指标量化，分别划分评价等级；3、计算各评价指标的隶属度值rij，构建每一级隶属度矩阵；4、根据每一级的权重向量和隶属度矩阵，计算待评价的纯电动公交车每一级模糊评价值；5、计算待评价的纯电动公交车综合评价值。该方法评价范围全面，评价方法易于计算分析，评价结果准确合理，具有较高的实用性。
-
公开(公告)号：CN107248290A
公开(公告)日：2017-10-13
申请号：CN201710573312.5
申请日：2017-07-14
Applicant: 东南大学
CPC classification number: G08G1/0175 , G06K9/00724 , G06Q50/26
Abstract: 本发明公开了一种基于车辆视频识别的混合式主线收费站交通冲突评价方法，包括如下步骤：1、在收费站的收费广场布置摄像头，采集车辆在收费广场的行驶视频；2、对采集到的车辆行驶视频进行车辆识别和跟踪，获取每一帧图像中车辆的位置坐标；3、利用车辆的M帧图像数据，计算车辆在每一帧图像中的速度和减速度指标如果发生跟驰冲突，计算车辆跟驰模型的时间指标TTCk；如果发生变道冲突，计算车辆转向模型时间指标Tpet；5、将TTCk和Tpet进行同级化处理，统一为交通冲突评价指标STC，根据STC的值判断交通冲突的严重程度。该方法可以对收费站交通冲突的严重程度进行量化，对收费站道路安全性评价、管理运营、道路引流措施等决策有重要的应用价值。
-
公开(公告)号：CN108710967B
公开(公告)日：2021-07-27
申请号：CN201810353803.3
申请日：2018-04-19
Applicant: 东南大学
Abstract: 本发明公开了一种基于数据融合和支持向量机的高速路交通事故严重度预测方法，包括如下步骤：1、收集m个交通事故发生时的道路条件、驾驶员情况、车辆情况等l个变量因素，构成样本集，记录每个交通事故的严重度值ri；2、对收集到的m个事故样本的变量因素进行降维和归一化；3、应用支持向量机算法构建交通事故严重度预测模型；4、将降维后的待预测事故的变量因素向量x代入步骤3建立的交通事故严重度预测模型中，得到待预测事故的严重度预测结果。该方法能够精确地预测高速公路事故的严重度。
-
-
-
-
-
-
-
-
-
Search Results
24
records
(took 0.017 seconds)
