-
公开(公告)号：CN110503032B
公开(公告)日：2021-08-31
申请号：CN201910775022.8
申请日：2019-08-21
Applicant: 中南大学
Abstract: 本发明提供了一种基于监控摄像头轨迹数据的个体重要场所探测方法，包括：步骤1，根据个体监控摄像头轨迹数据所记录的摄像头时间序列和地理位置信息，提取出能代表个体停留一段时间的地理区域，并将该地理区域抽象为个体的停留点；步骤2，根据个体的停留点的地理位置进行空间聚类，将停留点抽象为停留区域，并计算停留区域的特征值；步骤3，基于停留区域的特征值计算停留区域对应的马氏距离，对停留区域对应的马氏距离进行异常值判断，并将判断为异常值的停留区域作为个体的重要场所；步骤4，按照个体在不同重要场所活动的时间段特点，对个体的每个重要场所进行分类。本发明提供的个体重要场所探测方法能提高个体重要场所探测的精度。
-
公开(公告)号：CN110175715B
公开(公告)日：2021-08-31
申请号：CN201910440261.8
申请日：2019-05-24
Applicant: 中南大学
Abstract: 本发明公开了一种基于场景依赖的非法游行路径动态预测的方法，包括以下步骤：步骤101：获得城市路网数据、POI数据及警局数据，并对数据进行预处理操作；步骤102：根据所述城市路网数据构建道路网无向图；步骤103：将POI(不包含警察局)和警察局约束到路网上；步骤104：计算不同类别POI(不包含警察局)、路段和警察局对非法游行的影响力；步骤105：采用均值化方法对各指标数据进行无量纲处理；步骤106：对不同路段进行路段权重计算，并根据所计算的所述路段权重构建道路网络无向图G的弧段权重矩阵；步骤107：对游行终点已知的路径进行动态预测；步骤108：对游行终点未知的路径进行动态预测；步骤109：实时对游行的路径进行动态更新。
-
Patent Agency Ranking
公开(公告)号：CN112002012B
公开(公告)日：2022-07-08
申请号：CN202010871200.X
申请日：2020-08-26
Applicant: 中南大学
IPC: G06T17/20
Abstract: 本发明公开了一种城市区域的可视性分析方法，包括获取待分析区域的DEM数据；对待分析区域内的建筑物轮廓数据进行修正；采用视线扫描法对待分析区域内目标点的视域进行分析；计算待分析区域内目标点处的各个建筑物的视域值；计算得到待分析区域内目标点的视域值并完成目标点的可视性分析。本发明采用DEM数据和建筑物轮廓数据进行可视性分析和可视域计算，顾及了矢量数据的精细特点和规则格网高程数据的细粒度对可视分析结果的影响；因此本发明方法能够对城市区域的可视性进行分析，而且分析过程简单快捷、精度较高且可靠性高。
-
公开(公告)号：CN110175715A
公开(公告)日：2019-08-27
申请号：CN201910440261.8
申请日：2019-05-24
Applicant: 中南大学
Abstract: 本发明公开了一种基于场景依赖的非法游行路径动态预测的方法，包括以下步骤：步骤101：获得城市路网数据、POI数据及警局数据，并对数据进行预处理操作；步骤102：根据所述城市路网数据构建道路网无向图；步骤103：将POI(不包含警察局)和警察局约束到路网上；步骤104：计算不同类别POI(不包含警察局)、路段和警察局对非法游行的影响力；步骤105：采用均值化方法对各指标数据进行无量纲处理；步骤106：对不同路段进行路段权重计算，并根据所计算的所述路段权重构建道路网络无向图G的弧段权重矩阵；步骤107：对游行终点已知的路径进行动态预测；步骤108：对游行终点未知的路径进行动态预测；步骤109：实时对游行的路径进行动态更新。
-
公开(公告)号：CN112002012A
公开(公告)日：2020-11-27
申请号：CN202010871200.X
申请日：2020-08-26
Applicant: 中南大学
IPC: G06T17/20
Abstract: 本发明公开了一种城市区域的可视性分析方法，包括获取待分析区域的DEM数据；对待分析区域内的建筑物轮廓数据进行修正；采用视线扫描法对待分析区域内目标点的视域进行分析；计算待分析区域内目标点处的各个建筑物的视域值；计算得到待分析区域内目标点的视域值并完成目标点的可视性分析。本发明采用DEM数据和建筑物轮廓数据进行可视性分析和可视域计算，顾及了矢量数据的精细特点和规则格网高程数据的细粒度对可视分析结果的影响；因此本发明方法能够对城市区域的可视性进行分析，而且分析过程简单快捷、精度较高且可靠性高。
-
公开(公告)号：CN110503032A
公开(公告)日：2019-11-26
申请号：CN201910775022.8
申请日：2019-08-21
Applicant: 中南大学
Abstract: 本发明提供了一种基于监控摄像头轨迹数据的个体重要场所探测方法，包括：步骤1，根据个体监控摄像头轨迹数据所记录的摄像头时间序列和地理位置信息，提取出能代表个体停留一段时间的地理区域，并将该地理区域抽象为个体的停留点；步骤2，根据个体的停留点的地理位置进行空间聚类，将停留点抽象为停留区域，并计算停留区域的特征值；步骤3，基于停留区域的特征值计算停留区域对应的马氏距离，对停留区域对应的马氏距离进行异常值判断，并将判断为异常值的停留区域作为个体的重要场所；步骤4，按照个体在不同重要场所活动的时间段特点，对个体的每个重要场所进行分类。本发明提供的个体重要场所探测方法能提高个体重要场所探测的精度。
-
公开(公告)号：CN109376969A
公开(公告)日：2019-02-22
申请号：CN201811536641.3
申请日：2018-12-14
Applicant: 中南大学
CPC classification number: G06Q10/04 , G06K9/6256 , G06N3/0454 , G06Q50/26
Abstract: 本发明公开了一种基于深度学习的城市人口精细化分布的动态预测方法，包括：1、在研究所需尺度下，将研究区域进行网格化处理，构建样本集，并划分相应的训练集和测试集；2、构建城市人口分布预测模型，根据历史数据对所述预测模型进行训练；3、将前j个时刻城市人口分布状态数据作为输入变量输入到步骤2中已训练好的模型中，预测得到未来某一时刻的城市人口分布状态；该预测模型能够对城市格网划分的各区域进行同时预测；卷积长短期记忆网络通过卷积结构提取空间特征，通过长短期记忆网络结构获取时间特征，算法底层把卷积神经网络与长短期记忆网络相结合，学习人口分布变化的高维度时空特征，有效融合时间维度空间维度，从而提高预测精度。
-
-
-
-
-
-
Search Results
7
records
(took 0.013 seconds)
