-
-
公开(公告)号:CN117150624A
公开(公告)日:2023-12-01
申请号:CN202311182407.6
申请日:2023-09-13
Applicant: 之江实验室
IPC: G06F30/13 , G06F30/20 , G06V20/62 , G06Q10/047 , G06Q50/26 , G06Q50/30 , G06F119/12
Abstract: 本说明书公开了一种大规模微观交通仿真方法及装置,将路网拓扑数据与车牌识别数据融合,得到目标区域内的全样本机动车出行起讫点对。基于动态交通分配算法对各起讫点对进行轨迹补全得到各起讫点对之间的轨迹。建立交通仿真模型,并基于车牌识别数据对仿真模型进行标定得到交通仿真模型的目标参数,从而得到标定后的交通仿真模型,以便执行交通仿真任务。可见,基于车牌识别数据和路网拓扑数据这两种容易获取的数据和路径补全算法及仿真标定算法构建交通仿真模型,提高了微观交通仿真模型的构建效率,并且标定后的交通仿真模型接近路网的真实交通运行状态,可以简单、高效地实现大规模微观交通仿真。
-
公开(公告)号:CN116702948A
公开(公告)日:2023-09-05
申请号:CN202310491582.7
申请日:2023-05-04
Applicant: 之江实验室科技控股有限公司
Abstract: 本发明实施例公开了一种半独立路权轨道交通旅行时间估计方法、装置及存储介质,所述方法包括:获取城市轨道交通系统的列车特征参数、线路特征参数、系统运营参数、交叉口特征参数;根据所述列车特征参数和线路特征参数确定列车在各个区间的运行时分及总运行时分;根据所述系统运营参数确定列车总停站时间;根据所述列车特征参数、线路特征参数、系统运营参数、交叉口特征参数确定列车在各个交叉口的平均延误时间以及总延误时间;根据所述总运行时分、列车总停站时间以及列车在各个交叉口总延误时间确定城市轨道交通总旅行时间。
-
公开(公告)号:CN119296329A
公开(公告)日:2025-01-10
申请号:CN202411820730.6
申请日:2024-12-11
Applicant: 之江实验室
Abstract: 本发明公开一种基于太空计算的城市交通时空资源优化方法及装置,首先设计太空星座,以获取指定区域的城市卫星遥感图像;并实现天感天算,得到设定时间间隔内指定区域的实时交通流信息;使用交通仿真工具构建信号控制交叉路口,得到仿真交通流信息;并基于仿真交通流信息分别构建训练数据集,使用深度Q网络算法训练基于强化学习的车道配置智能体和信号配时智能体;最后用训练后的车道配置智能体定期评估车道配置的状态,并决定是否需要调整车道方向;由训练后的信号配时智能体实时监控交通流参数,并调整信号配时参数以优化交通流。本发明能够实现交通时空资源的优化配置。
-
公开(公告)号:CN114038216B
公开(公告)日:2022-12-23
申请号:CN202111171374.6
申请日:2021-10-08
Applicant: 之江实验室
Abstract: 本发明公开了一种基于路网划分和边界流量控制的信号灯管控方法,本方法先采用基于最大协同度的路网划分方法将城市全域交通路网划分为子路网簇,并将子路网的每个路口视为一个智能体,设计基于深度神经网络的多智能体强化学习方法,通过子网内智能体执行动作过程中与周围交通环境不断交互来学习生成子路网内信号灯最优协同控制策略。同时通过标定子路网宏观基本图模型,对子路网边界路段及路口进行流量控制,进一步优化子路网交通运行状态和通行效率。本发明相对于传统的交通信号灯控制方法,从全局角度对全域路网进行划分,通过对子路网内多信号灯的协同控制和子网边界的流量控制,实现城市信号灯的高效管控,对缓解城市交通拥堵具有重大意义。
-
公开(公告)号:CN113257005A
公开(公告)日:2021-08-13
申请号:CN202110708750.4
申请日:2021-06-25
Applicant: 之江实验室
Abstract: 本发明公开了一种基于关联度量的车流量统计方法,该方法基于高速道路路侧监控视频,采用视觉分析方法,统计通过虚拟断面的车流量。本发明引入基于深度学习的车辆检测方法,在连续视频帧中对运动车辆外框进行准确贴合的检测,通过提出一种融合前后视频帧中运动车辆的位置重叠度和基于车辆检测框子区域的特征向量的特征匹配度这两个度量因子的关联度量,分析运动车辆在前后帧的关联关系,从而实现对经过虚拟断面车辆的持续稳定跟踪,减少由于车辆换道、互相遮挡造成的统计结果不准的问题。本发明提出了一种基于关联度量的车流量统计方法,有效统计出通过高速道路虚拟断面的车流量,为高速道路路网管理和交通精准管控提供可靠依据。
-
公开(公告)号:CN112562337A
公开(公告)日:2021-03-26
申请号:CN202011455350.9
申请日:2020-12-10
Applicant: 之江实验室
Abstract: 本发明公开一种基于深度学习的高速公路实时交通事故风险评估方法,该方法首先使用ETC门架、高速互通、收费站的基础信息,为高速公路划分路段,并建立路段间的上下游关联关系;并分别计算各路段的车流量、车流速度与车流密度,获取道路信息、气象信息和事故信息,并将其转换为独热编码,然后对事故发生点的上下游路段对应的四类信息进行数据融合、数据重采样和标准化;再根据获取的数据,区分其中的时序特征和非时序特征,构建并训练深度学习模型;最后根据训练好的深度学习模型,对高速公路各路段发生交通事故的风险水平进行实时评估,计算获得事故风险水平指标。本发明可及时准确地对高速公路交通事故风险水平进行评估。
-
-
-
-
-
-