-
公开(公告)号：CN110222884A
公开(公告)日：2019-09-10
申请号：CN201910434660.3
申请日：2019-05-23
Applicant: 北京交通大学
Abstract: 本发明提供了一种基于POI数据和客流量的车站可达性评估方法，包括：当前时间段内，基于POI数据计算车站的一定范围内的POI到对应车站的乘客走行时间；计算车站与其他车站之间的通行时间；根据乘客走行时间和通行时间，基于POI数据采用改进的机会模型对车站进行可达性计算；根据所述的可达性计算结果，识别出不同类型的车站。本方法可以弥补传统可达性测量中的不足，提高了识别精度。
-
公开(公告)号：CN119763348A
公开(公告)日：2025-04-04
申请号：CN202411921537.1
申请日：2024-12-25
Applicant: 北京交通大学
Abstract: 本发明提供一种车联网环境下城市混合交通流基本图模型分析方法及系统，属于城市交通管理和网联自动驾驶汽车应用技术领域，根据跟车车辆类型选择不同的跟驰模型，同时设置九种前后车辆类型不同的车头时距类型；基于马尔科夫链模型，计算城市混合交通流中每种跟车模式所对应的转移概率，推导单条车道下混合交通流的基本图模型，考虑网联自动驾驶车辆渗透率、公交车渗透率和网联自动驾驶车辆排队强度对道路通行能力的影响；考虑在随机车头时距的影响下，进行不同影响因素对混合交通流的流量稳定性的影响分析。本发明揭示了不同交通密度和车辆类型分布条件下的道路通行能力；在已有的基本图模型框架下，探讨了随机车头时距对交通流稳定性的影响。
-
公开(公告)号：CN116229733A
公开(公告)日：2023-06-06
申请号：CN202310211221.2
申请日：2023-03-07
Applicant: 北京交通大学
Abstract: 本发明提供了一种考虑乘客出行选择的时间表优化方法。该方法包括：构建包括在车时间、等待时间、步行时间和出行费用参数的乘客出行广义费用函数，对乘客在多模式交通方式中的出行选择行为进行刻画；以乘客广义费用函数为输入，构建乘客出行方式的离散选择模型，利用离散选择模型得到各路径的客流数据；基于各路径的客流数据构建多目标混合规划模型；采用基于多目标非支配排序进化算法对多目标混合规划模型迭代求解，得到非支配的最优解集，通过多准则决策方法根据运营者决策偏好，得到最满足乘客需求的时间表优化结果。本发明方法解决了城市间交通服务频率较低且多方式频率不一导致的多种交通方式协同性欠缺、乘客出行效率低问题。
-
公开(公告)号：CN115527076B
公开(公告)日：2023-05-26
申请号：CN202110640515.8
申请日：2021-06-08
Applicant: 河北雄安京德高速公路有限公司 , 河北省交通规划设计研究院有限公司 , 北京交通大学
Inventor： 王志斌 , 邱文利 , 雷伟 , 许忠印 , 权恒友 , 赵建东 , 李春杰 , 冯雷 , 杨海峰 , 高新文 , 刘鹏祥 , 张莹 , 王洪涛 , 刘栋 , 郝文世 , 侯晓青 , 赵清杰 , 余智鑫 , 解振龙 , 张凯丽 , 陈溱 , 相宏伟 , 陈大豹 , 王斌 , 王京力 , 王波
IPC: G06V10/774 , G06V10/82 , G06V20/54 , G06N3/0464
Abstract: 本发明涉及一种营运车辆异常驾驶行为识别模型的构建方法及系统，属于智能交通技术领域，解决了现有技术中构建的识别模型难以对营运车辆的异常驾驶行为进行准确且可靠识别的问题。方法包括：采集营运车辆的原始数据，将原始数据进行清洗；将清洗后的原始数据统一时间间隔，得到速度时间序列数据，并为所述速度时间序列数据添加类别标签，得到样本数据，其中，所述类别标签包括正常驾驶行为、超速驾驶行为、紧急停车行为、临时停车行为或低速行驶行为；构建符号化多通道卷积神经网络模型，并基于所述样本数据对所述符号化多通道卷积神经网络模型进行训练，得到最优符号化多通道卷积神经网络模型。
-
公开(公告)号：CN115456036A
公开(公告)日：2022-12-09
申请号：CN202110649348.3
申请日：2021-06-08
Applicant: 河北省交通规划设计研究院有限公司 , 河北雄安京德高速公路有限公司 , 北京交通大学
Inventor： 王志斌 , 李春杰 , 赵建东 , 邱文利 , 焦彦利 , 许忠印 , 付增辉 , 权恒友 , 陈溱 , 韩明敏 , 王亚世 , 余智鑫 , 戴维森 , 董立强 , 陈蕾 , 党永强 , 蔡建辉 , 王斌 , 陈攀 , 张博 , 丁鹏飞 , 李海冬 , 张少波 , 吴国宾 , 戎翠 , 张垚 , 陈攀峰 , 张晨阳
Abstract: 本发明涉及一种基于北斗数据的营运车辆异常驾驶行为识别方法及系统，属于智能交通技术领域，解决了现有技术中难以对营运车辆的异常驾驶行为进行准确且可靠识别的问题。方法包括：采集营运车辆的原始北斗数据，将原始北斗数据进行清洗并统一时间间隔，得到速度时间序列数据；为所述速度时间序列数据添加类别标签，得到样本数据，其中，所述类别标签包括正常驾驶行为、超速驾驶行为、紧急停车行为、临时停车行为或低速行驶行为；构建符号化多通道卷积神经网络模型，并基于所述样本数据对所述符号化多通道卷积神经网络模型进行训练；将待识别的速度时间序列数据输入训练后的符号化多通道卷积神经网络模型，得到异常驾驶行为的识别结果。
-
Patent Agency Ranking
公开(公告)号：CN117935551A
公开(公告)日：2024-04-26
申请号：CN202410098879.1
申请日：2024-01-24
Applicant: 北京交通大学
Abstract: 本发明提供了一种车辆车轴识别与轮胎温度检测方法。该方法包括：将车辆检测装置安装在高速公路路侧，利用车辆检测装置获取往来车辆的视频图像以及轮胎温度信息，根据所述视频图像获取车辆的车轴信息和车牌信息，将获取的车轴信息、车牌信息和轮胎温度信息进行融合，得到融合后的车辆信息；将融合后的车辆信息输入到轮胎温度安全阈值判别模型，轮胎温度安全阈值判别模型输出轮胎温度的安全状态，若轮胎温度安全状态异常，则进行报警。本发明方法可对车辆轮胎温度实现精准识别，并结合车型、天气等信息判定轮胎温度安全状态，及时排查轮胎温度异常车辆并进行预警，可有效防范因轮胎温度异常引起的交通事故，保障道路使用者生命财产安全。
-
公开(公告)号：CN115359659B
公开(公告)日：2023-06-20
申请号：CN202210998472.5
申请日：2022-08-19
Applicant: 山西省交通新技术发展有限公司 , 北京交通大学
IPC: G08G1/01 , G07B15/06 , G06N3/0442
Abstract: 本发明提供了一种车道开闭配置方法和系统，包括，构建输入数据集；所述输入数据集至少包括交通流结果；基于所述输入数据集，得到交通流预测结果；所述交通流预测结果至少包括车型信息；基于所述交通流预测结果，得到关键指标；所述关键指标至少包括所述车型信息和收费方式信息；基于所述关键指标，得到配置参数；基于所述配置参数，得到车道开闭配置方案；以确保收费站的合理运营，减少车道资源分配不均衡的现象，提升广大出行者的出行体验。
-
公开(公告)号：CN113344254A
公开(公告)日：2021-09-03
申请号：CN202110548563.4
申请日：2021-05-20
Applicant: 山西省交通新技术发展有限公司 , 北京交通大学
Abstract: 本发明涉及一种基于LSTM‑LightGBM‑KNN的高速公路服务区车流预测方法，通过整理服务区信息采集系统的车流数据，以一定的时间周期统计得到车流量时间序列数据；预处理后将车流时间序列数据归一化，分为训练数据和测试数据，然后通过网格搜索确定超参数并利用训练数据训练得到预测模型；最后将预测得到的数据与测试数据进行误差分析。本发明利用LSTM在序列建模问题上的长时记忆功能、LightGBM对时间序列数据预测的准确性，以及KNN对异常数据的敏感性低的特性，通过LSTM和LightGBM两个模型分别对车流数据进行特征提取，并将提取的特征作为KNN算法的输入，通过KNN算法进行预测。
-
公开(公告)号：CN112069969B
公开(公告)日：2023-07-25
申请号：CN202010897531.0
申请日：2020-08-31
Applicant: 河北省交通规划设计研究院有限公司 , 北京交通大学
Abstract: 本发明涉及一种高速公路监控视频跨镜车辆跟踪方法及系统，属于计算机视觉图像技术领域，解决了现有跨镜车辆跟踪方法在实际场景中实施困难较大且算法的适用性较低的问题。获取待监测高速公路多个摄像头视频文件中的帧图像，基于改进的YOLO目标检测模型对每张帧图像进行车辆检测得到包含有完整车辆矩形框的车辆检测图像；将车辆检测图像输入多目标跟踪模型得到车辆跟踪结果；根据所述车辆检测图像和车辆跟踪结果建立车辆信息数据库；基于车辆信息数据库中任一摄像头编号对应的某一车辆检测图像截取目标车辆图像，并根据车辆信息数据库匹配目标车辆图像对应的目标车辆的运动轨迹，实现跨镜跟踪，减小了跟踪方法实施的难度，提高了适用性。
-
公开(公告)号：CN115456036B
公开(公告)日：2023-06-23
申请号：CN202110649348.3
申请日：2021-06-08
Applicant: 河北雄安京德高速公路有限公司 , 河北省交通规划设计研究院有限公司 , 北京交通大学
Inventor： 王志斌 , 邱文利 , 许忠印 , 权恒友 , 李春杰 , 赵建东 , 董立强 , 陈攀 , 张博 , 李海冬 , 张少波 , 焦彦利 , 张垚 , 陈攀峰 , 张晨阳 , 付增辉 , 韩明敏 , 王亚世 , 陈溱 , 余智鑫 , 戴维森 , 陈蕾 , 党永强 , 蔡建辉 , 王斌 , 丁鹏飞 , 吴国宾 , 戎翠
IPC: G06F18/2433 , G06F18/241 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明涉及一种基于北斗数据的营运车辆异常驾驶行为识别方法及系统，属于智能交通技术领域，解决了现有技术中难以对营运车辆的异常驾驶行为进行准确且可靠识别的问题。方法包括：采集营运车辆的原始北斗数据，将原始北斗数据进行清洗并统一时间间隔，得到速度时间序列数据；为所述速度时间序列数据添加类别标签，得到样本数据，其中，所述类别标签包括正常驾驶行为、超速驾驶行为、紧急停车行为、临时停车行为或低速行驶行为；构建符号化多通道卷积神经网络模型，并基于所述样本数据对所述符号化多通道卷积神经网络模型进行训练；将待识别的速度时间序列数据输入训练后的符号化多通道卷积神经网络模型，得到异常驾驶行为的识别结果。
-
-
-
-
-
-
-
-
-
Search Results
30
records
(took 0.02 seconds)
