-
公开(公告)号：CN115565367A
公开(公告)日：2023-01-03
申请号：CN202211065893.9
申请日：2022-09-01
Applicant: 桂林电子科技大学
Abstract: 本发明涉及智能交通技术领域，具体涉及一种基于稀疏车牌识别数据的缺失路径恢复方法，通过获取的车牌识别数据提取出每辆车的出行轨迹和出行时间，对出行轨迹的异常值进行数据清洗，保证研究范围内数据的真实有效；提取出行轨迹和出行时间训练机器学习模型，得到满足历史轨迹数据下模型的最优解；用所得最优解计算交叉口点位间的转移概率，将转移概率的负对数作为研究范围内点位间的权重；针对车牌识别数据的缺失路径，采用K则最短路径算法计算出候选路径集，再基于优劣解距离法按照途经交叉口数目、行程距离、车辆转弯次数、轨迹偏好程度四个指标对候选路径集进行得分排序，获得评价结果，将最高得分路径作为缺失路径的完整出行链。
-
公开(公告)号：CN119475713A
公开(公告)日：2025-02-18
申请号：CN202411504524.4
申请日：2024-10-26
Applicant: 桂林电子科技大学
Abstract: 本发明公开一种基于改进核密度估计的山区道路交通事故高风险点时空演变分析方法，本发明在传统核密度估计公式的基础上，结合高斯核函数与带宽参数，构建了考虑事故严重度的核密度估计模型，用于鉴别事故高风险区域；然后通过Getis‑Ord Gi*热点分析法，量化事故空间分布规律及集聚效应；在此基础上，利用热点聚类和栅格化分析山区事故高风险区域的时空演变规律。本发明能够深入分析山区道路事故高风险路段的异质性特征，揭示交通事故在时间和空间上的分布特征及动态变化规律，为制定差异化的山区道路事故防控策略提供决策依据。
-
公开(公告)号：CN117831288A
公开(公告)日：2024-04-05
申请号：CN202410011629.X
申请日：2024-01-04
Applicant: 桂林电子科技大学
Inventor： 赵红专 , 吴泽健 , 王可怡 , 张培成 , 潘佳雯 , 李文勇 , 常亮 , 王涛 , 周旦 , 何水龙 , 付建胜 , 徐奇 , 程瑞 , 陈倩 , 李润润 , 韦宇欣 , 陆韵晓 , 朱君娴 , 刘永磊
Abstract: 本发明涉及智能交通技术领域，具体涉及一种考虑斜坡因素的混合车流格子跟驰系统的仿真方法，该方法引入了混合车流渗透率、道路的坡度和摩擦系数，以及引入了通信车辆数和流量差效应优化网联商用车跟驰行为，在V2X环境下，通过对格子跟驰系统线性化处理，得到密度的演化方程，并对密度的演化方程做稳定性分析，得到格子跟驰系统的稳定性条件，再对格子跟驰系统做非线性分析，并利用设定好的稳定性条件，推导出描述稳定临界点附近微扰动的偏微分方程，从而得到格子跟驰系统的共存曲线，能够精确刻画斜坡环境下的混合车流跟驰行为，最后对格子跟驰系统的仿真结果进行分析，证明能够有效缓解交通拥堵，提高交通流稳定性。
-
公开(公告)号：CN115273017A
公开(公告)日：2022-11-01
申请号：CN202210472638.X
申请日：2022-04-29
Applicant: 桂林电子科技大学
Abstract: 本发明公开一种基于Yolov5交通标志检测识别模型训练方法及系统，该方法对获取的交通标志数据集进行Yolov5交通标志检测识别模型训练、迭代处理，最后获得识别模型的训练序列。优点：在保证目标检测速度和不大幅增加模型参数量的基础上提升模型对交通标志牌检测的准确率。
-
公开(公告)号：CN113821913A
公开(公告)日：2021-12-21
申请号：CN202110993738.2
申请日：2021-08-27
Applicant: 桂林电子科技大学
IPC: G06F30/20 , G06F17/16 , G06F119/02
Abstract: 本发明公开一种基于事故点高斯辐射的道路潜在风险评估方法及系统，通过将道路线网栅格化为多个方形区块，基于线网密度、区块间可达性和事故点风险映射特性，计算所有事故点在道路网所有区块的高斯风险辐射力分布和高斯辐射风险分布，从而评估道路网交通潜在风险分布情况。该方法的提出考虑了事故点所反映的道路网风险的连续性，避免了传统方法对道路网风险离散性估计的弊端，也避免了传统方法难以发现道路潜在风险的不足。该方法的提出将进一步为道路交通风险评估方案提供可靠的理论依据，有利于交通管理相关部门发现道路潜在风险区域，从而指导相关部门对道路网结构、交通组织调度等方面的优化与管理。
-
Patent Agency Ranking
公开(公告)号：CN119398480A
公开(公告)日：2025-02-07
申请号：CN202410900004.9
申请日：2024-07-05
Applicant: 桂林电子科技大学
IPC: G06Q10/0635 , G06Q50/26 , G06F18/214 , G06N3/0464 , G06N3/08
Abstract: 本发明公开一种基于2D‑CNN深度学习模型的交通事故风险评估方法、设备及介质，本发明所搭建的基于2D‑CNN深度学习的交通事故风险评估模型经过训练后，确定最优的模型参数，能够对交通事故风险进行更为科学及其准确评估，其可通过卷积层自动挖掘交通事故深层特征，可增加卷积神经网络的计算深度；通过在模型中添加批量归一化(Batch Normalization,BN)层对数据分布进行正则化，可减小数据分布偏移带来的影响；由池化层进行二次降维，同时引入丢弃层(Dropout)，可提高模型的泛化能力；最后通过Softmax函数确定事故风险评估等级，最终输出直观的交通事故风险等级的概率分布结果。
-
公开(公告)号：CN115909768B
公开(公告)日：2024-07-16
申请号：CN202211349527.6
申请日：2022-10-31
Applicant: 桂林电子科技大学
Abstract: 本发明公开一种智能网联混合交通流交叉口信号协同优化方法及系统，该方法包括对交通状态信息进行高精度采集；基于初始信息控制的智能车轨迹进行优化；基于优化后的所述智能车轨迹的信号控制进行优化。这样，避免了混合交通模式下，智能车渗透率较低，存在大量的智能车跟驰人工驾驶车辆及仅仅控制智能车单车，未考虑多车跟驰状态，优化作用将有限的缺点。同时，通过采用了轨迹与信号协同优化的方式，进一步提升交叉口的运行效率，保障了数据来源更精确、微观，并且控制策略更合理、有效。
-
公开(公告)号：CN116663267A
公开(公告)日：2023-08-29
申请号：CN202310558947.3
申请日：2023-05-17
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于汽车乘员损伤分析的城市行道树设置方法，将ASI作为乘员伤害风险指标，在不同驶出速度和边坡坡度条件下，利用PC‑crash仿真软件开展小型客车与不同直径行道树反复碰撞试验，获取能够使得ASI值最小的行道树直径建议值；通过驶出速度、边坡坡度与行道树直径建议值和最小ASI值之间的关系，构建了行道树直径建议值模型及相对应的最小ASI值模型；以最小ASI值≤1为标准，通过进一步调整行道树直径进行反复碰撞试验，给出了对应不同驶出速度和边坡坡度的行道树直径和间距；可供今后进行路侧树木优化设计提供指导和参考。
-
公开(公告)号：CN113821913B
公开(公告)日：2023-05-16
申请号：CN202110993738.2
申请日：2021-08-27
Applicant: 桂林电子科技大学
IPC: G06F30/20 , G06F17/16 , G06F119/02
Abstract: 本发明公开一种基于事故点高斯辐射的道路潜在风险评估方法及系统，通过将道路线网栅格化为多个方形区块，基于线网密度、区块间可达性和事故点风险映射特性，计算所有事故点在道路网所有区块的高斯风险辐射力分布和高斯辐射风险分布，从而评估道路网交通潜在风险分布情况。该方法的提出考虑了事故点所反映的道路网风险的连续性，避免了传统方法对道路网风险离散性估计的弊端，也避免了传统方法难以发现道路潜在风险的不足。该方法的提出将进一步为道路交通风险评估方案提供可靠的理论依据，有利于交通管理相关部门发现道路潜在风险区域，从而指导相关部门对道路网结构、交通组织调度等方面的优化与管理。
-
公开(公告)号：CN119600841A
公开(公告)日：2025-03-11
申请号：CN202411795413.3
申请日：2024-12-09
Applicant: 桂林电子科技大学
IPC: G08G1/16 , G08G1/01 , G08B31/00 , G08B29/18 , G06F30/20 , G06N3/0475 , G06N3/045 , G06N3/094 , G06N3/082 , G06N3/0442
Abstract: 本发明公开一种V2X环境下无信控交叉口机动车‑行人碰撞风险多融合预警方法,本发明聚焦于无信号交叉口场景下车辆与行人之间的潜碰撞预警问题，引入多融合预警，增强对行人轨迹的预测效能和鲁棒性，从而在无信号交叉口环境中显著提升检测与预警的准确性：本发明融合了蒙特卡洛算法、Social GAN、Attention机制和椭圆缓冲域的多维度预警框架，显著提高了潜在碰撞的检测能力。针对行人运动轨迹的不确定性，采用Multi‑HeadAttention机制对Social GAN模型进行优化，强化时序预测能力，并解决梯度部分消失问题，使得行人轨迹预测更为精准。并为解决预警算法复杂度和精确度之间的平衡问题，利用动态调整缓冲区域的K值，实现算法功能的双重性，降低了计算冗余，确保了碰撞点的精确识别。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.032 seconds)
