一种基于预期收益估计的城市路网交通信号灯控制方法

    公开(公告)号:CN113506442A

    公开(公告)日:2021-10-15

    申请号:CN202111059324.9

    申请日:2021-09-10

    Abstract: 本发明公开了一种基于预期收益估计的城市路网交通信号灯控制方法,利用C‑V2X无线通信技术从车载终端获取路网中所有车辆的实时信息,从而获得当前道路实时交通状态,自适应的根据交通状态动态控制信号灯相位变换。本发明通过预估信号灯的各个相位绿灯时长内可通行车辆的及时行驶距离和未来行驶距离,并综合提出的道路优先通行指数计算出保持当前相位和执行变换相位的预期收益。通过比较保持当前相位和切换为其他相位的预期收益大小,选择最佳相位,实现在下一个信号灯周期执行最佳相位的绿灯通行时长内尽可能让更多的可通行车辆行驶的更远。本发明方法通过在每一个信号灯周期内实现最大预期收益,能明显缓解交通拥堵,提高交通参与者的出行体验。

    一种基于深度学习的高速公路车辆换道区域分析方法

    公开(公告)号:CN111598069B

    公开(公告)日:2020-11-06

    申请号:CN202010729116.4

    申请日:2020-07-27

    Abstract: 本发明公开了一种基于深度学习的高速公路车辆换道区域分析方法,该方法通过先对道路的车道和车道线进行结构化建模;同时对高速公路高清监控视频中车辆的外边框进行检测;根据每帧图像中车辆的检测结果,对视频中车辆轨迹进行跟踪;再将车辆轨迹与道路结构化数据相结合,根据车辆所经过的车道区域对车辆换道进行识别,根据车辆框与车道线相交位置对车辆换道位置进行检测;最后对不同时间段内所经过车辆的换道位置进行聚类分析,得出不同时间段的高速公路车辆换道热点区域。本发明步骤简明,结果精确,运用高速公路中摄像头数据,对车辆换道行为进行检测,对换道区域进行分析,为高速公路的精细化交通管理和车道设计提供有力的支撑。

    一种基于ETC门架与卡口通行数据的高速公路拥堵发现方法

    公开(公告)号:CN111508094B

    公开(公告)日:2020-09-22

    申请号:CN202010612426.8

    申请日:2020-06-30

    Abstract: 本发明公开一种基于ETC门架与卡口通行数据的高速公路拥堵发现方法,其包括如下步骤:获取ETC门架与卡口的所在道路编号、方向、设备桩号与设备编号信息;使用ETC门架与卡口的基础信息,以ETC门架与卡口为节点,建立节点之间通行关系的有向图;获取ETC门架与卡口的车辆通行数据,包括门架或者卡口的编号、经过车辆的车牌与车辆经过的时间;计算每个车辆通过有向图中每条边的行程时间,然后根据该边对应路段的长度获得每个车辆通过该路段的速度;根据车辆通过路段的速度,计算路段拥堵指数,发现高速公路拥堵路段。本发明可及时准确地发现高速公路路网拥堵情况,有效提升高速公路运营效率。

    一种基于深度学习的高速公路车辆换道区域分析方法

    公开(公告)号:CN111598069A

    公开(公告)日:2020-08-28

    申请号:CN202010729116.4

    申请日:2020-07-27

    Abstract: 本发明公开了一种基于深度学习的高速公路车辆换道区域分析方法,该方法通过先对道路的车道和车道线进行结构化建模;同时对高速公路高清监控视频中车辆的外边框进行检测;根据每帧图像中车辆的检测结果,对视频中车辆轨迹进行跟踪;再将车辆轨迹与道路结构化数据相结合,根据车辆所经过的车道区域对车辆换道进行识别,根据车辆框与车道线相交位置对车辆换道位置进行检测;最后对不同时间段内所经过车辆的换道位置进行聚类分析,得出不同时间段的高速公路车辆换道热点区域。本发明步骤简明,结果精确,运用高速公路中摄像头数据,对车辆换道行为进行检测,对换道区域进行分析,为高速公路的精细化交通管理和车道设计提供有力的支撑。

    一种基于混合特征挖掘的交通流量预测方法

    公开(公告)号:CN111508240A

    公开(公告)日:2020-08-07

    申请号:CN202010603955.1

    申请日:2020-06-29

    Abstract: 本发明公开了一种基于混合特征挖掘的交通流量预测方法,在该方法中,在交通流量数据的基础上引入混合特征数据,具体包括时间特征数据和交通态势特征数据,根据交通流量预测目标从混合特征中挖掘出相应的重要性高且特征之间差异大、相互独立的特征,而剔除相关性低、冗余重复的特征,将挖掘出的特征结合交通流量数据作为模型输入,构建交通流量预测模型,通过模型实现交通流量预测。在实现丰富特征引入的同时,构建了复杂度更低、解释性更强的预测模型,显著提升了模型的预测精准度。

    一种基于时序选择的目标感知方法及装置

    公开(公告)号:CN117037120A

    公开(公告)日:2023-11-10

    申请号:CN202311299185.6

    申请日:2023-10-09

    Abstract: 本发明公开了一种基于时序选择的目标感知方法及装置,基于时序选择机制,判断时序点云数据的目标掩码图中是否存在当前时刻点云数据中未检测出的目标,选择出有效的时序点云数据,并基于一个时序特征自学习网络单元,自适应的和当前点云特征互补融合,利用融合后的特征检测生成目标感知信息。本发明通过仿射变换矩阵将当前时刻和历史时序点云数据进行空间对齐,利用位置预测网络单元获取对齐后点云数据的带有目标初始位置信息的索引特征,并对高斯滤波后的索引特征采用局部最大值判断方式进一步生成目标掩码图。本发明利用有效时序特征互补,解决现有的感知方法不能连续准确检测出扫描不完整或缺失点云目标的问题,提升自动驾驶安全性能。

    一种基于语义点匹配的点云和图像同步方法及装置

    公开(公告)号:CN117011676A

    公开(公告)日:2023-11-07

    申请号:CN202310863961.4

    申请日:2023-07-14

    Abstract: 本发明公开一种基于语义点匹配的点云和图像同步方法及装置,通过将相机拍摄的连续图像输入帧插值模型,对相邻帧图像进行补帧得到插帧图像,然后对得到的图像进行图像语义分割;通过将同频的激光雷达扫描的三维点云数据输入点云语义分割模型,进行点云语义分割;最后将点云分割结果映射到图像坐标系,通过语义点匹配算法来找到与同步时刻相符合且同步性最佳的同步图像。本发明实现了点云与图像数据的毫秒级同步,缩小了数据融合的同步误差,从而提升了下游的自动驾驶车辆在复杂路况下环境感知能力,并具有广泛实用价值。

    一种基于滤波校正的网联车超速预警方法及系统

    公开(公告)号:CN114758504A

    公开(公告)日:2022-07-15

    申请号:CN202210661541.3

    申请日:2022-06-13

    Abstract: 本发明公开了一种基于滤波校正的网联车超速预警方法及系统,通过对激光雷达和摄像头感知数据中同一目标生成时间偏差进行估计,并利用估计的时间偏差分布,对点云目标位置进行滤波校正,实现多源目标映射对齐,解决由于时间偏差造成的点云和图像融合准确率低的问题。本发明通过标记出参考网联车在连续行驶过程中,分别在点云和图像数据中的中心点坐标,并利用仿射变换矩阵将参考网联车在点云中的中心点映射至图像,利用映射点和在图像中的中心点的距离差,推导出目标的生成时间偏差,并设计一种置信滤波方法重新估计网联车点云目标的最优位置,实现基于点云和图像高精度融合的车辆超速识别预警,为智能网联车安全驾驶提供技术支撑。

    一种面向边缘智能的车联网切片方法及装置

    公开(公告)号:CN114641041A

    公开(公告)日:2022-06-17

    申请号:CN202210536594.2

    申请日:2022-05-18

    Abstract: 本发明公开了一种面向边缘智能的车联网切片方法及装置,应用于部署了移动边缘计算(Mobile Edge Computing,MEC)服务器的车联网通信场景中,并将车联网服务根据服务质量(Quality of Service,QoS)需求划分为交通信息服务、感知融合服务、车载娱乐服务三种类型。综合考虑系统时延和能耗,该方法从车联网全局性能出发设计优化函数来分配通信、计算、存储资源,通过深度强化学习方法进行求解,以实现面向服务类型的网络切片部署。本发明通过对MEC辅助的车联网场景进行智能网络切片,可以根据用户业务需求,灵活、动态地进行网络资源的定制化分配,保障用户服务体验和交通效率及安全。

Patent Agency Ranking