-
Patent Agency Ranking
公开(公告)号：CN112464546B
公开(公告)日：2024-03-19
申请号：CN202011465742.3
申请日：2020-12-14
Applicant: 上海交通大学设计研究总院有限公司
IPC: G06F30/25 , G06F30/27 , G06Q10/0635 , G06Q10/0639
Abstract: 本发明公开了一种基于动态数据分析的公共空间行人流运动风险判别方法，解决了目前风险判断缺乏有效性和实时性的问题，其技术方案要点通过获取目标场景的摄像角度画幅信息和相关参数信息，提取行人流实时动态数据；利用行人流实时动态数据计算获取行人流风险指标；根据行人流风险指标建立行人流风险分层模型；根据行人流风险指标计算获取行人流运动风险偏向；根据行人流风险指标建立目标场景深度学习训练模型，并结合行人流风险分层模型预测目标场景的行人运动状态；根据行人运动状态计算获取存在的风险定位结果，本发明的一种基于动态数据分析的公共空间行人流运动风险判别方法，能实时进行行人流状态和风险水平的评估，时效性高，有效性高。
-
公开(公告)号：CN112464546A
公开(公告)日：2021-03-09
申请号：CN202011465742.3
申请日：2020-12-14
Applicant: 上海交通大学设计研究总院有限公司
Abstract: 本发明公开了一种基于动态数据分析的公共空间行人流运动风险判别方法，解决了目前风险判断缺乏有效性和实时性的问题，其技术方案要点通过获取目标场景的摄像角度画幅信息和相关参数信息，提取行人流实时动态数据；利用行人流实时动态数据计算获取行人流风险指标；根据行人流风险指标建立行人流风险分层模型；根据行人流风险指标计算获取行人流运动风险偏向；根据行人流风险指标建立目标场景深度学习训练模型，并结合行人流风险分层模型预测目标场景的行人运动状态；根据行人运动状态计算获取存在的风险定位结果，本发明的一种基于动态数据分析的公共空间行人流运动风险判别方法，能实时进行行人流状态和风险水平的评估，时效性高，有效性高。
-
公开(公告)号：CN112365079B
公开(公告)日：2024-09-13
申请号：CN202011319507.5
申请日：2020-11-23
Applicant: 上海交通大学设计研究总院有限公司
IPC: G06Q10/047 , G06Q10/0639 , G06Q10/067 , G06Q50/14
Abstract: 本发明公开了一种基于量化模型的旅游景区导向系统评价方法，解决了目前进去导向系统优化难度大、资源浪费严重的问题，其技术方案要点是将标识牌分为三种类型，对不同类型的标识牌分为对应内容和分布两个衡量层次；对不同类型标识牌的内容所对应的内容模型采用层次分析法及专家调查法进行评价计算；对不同类型标识牌的布局所对应的布局模型采用布局衡量指标进行拓扑指标运算；对计算结果进行整合；设定导向系统总体服务水平的分级与边界；得到导向系统总体服务水平及园区待改进具体因素，本发明的一种基于量化模型的旅游景区导向系统评价方法，可了解具体服务水平，帮助管理人员科学规划设计和改进提高旅游景区导向系统，提高旅游景区服务水平。
-
公开(公告)号：CN112365079A
公开(公告)日：2021-02-12
申请号：CN202011319507.5
申请日：2020-11-23
Applicant: 上海交通大学设计研究总院有限公司
Abstract: 本发明公开了一种基于量化模型的旅游景区导向系统评价方法，解决了目前进去导向系统优化难度大、资源浪费严重的问题，其技术方案要点是将标识牌分为三种类型，对不同类型的标识牌分为对应内容和分布两个衡量层次；对不同类型标识牌的内容所对应的内容模型采用层次分析法及专家调查法进行评价计算；对不同类型标识牌的布局所对应的布局模型采用布局衡量指标进行拓扑指标运算；对计算结果进行整合；设定导向系统总体服务水平的分级与边界；得到导向系统总体服务水平及园区待改进具体因素，本发明的一种基于量化模型的旅游景区导向系统评价方法，可了解具体服务水平，帮助管理人员科学规划设计和改进提高旅游景区导向系统，提高旅游景区服务水平。
-
公开(公告)号：CN119399730A
公开(公告)日：2025-02-07
申请号：CN202411428020.9
申请日：2024-10-14
Applicant: 上海交通大学设计研究总院有限公司
IPC: G06V20/58 , G06V10/44 , G06V10/80 , G06V10/82 , G06V10/778 , G06V10/771 , G06N3/045 , G06N3/0464 , G06N3/0495 , G06N3/0455
Abstract: 本发明涉及智能交通技术领域，具体公开了融合机理与图像深层特征的低能见度行驶风险识别方法，构建多维度能见度机理特征指标体系，基于车载图像数据提取边缘特征、深度特征和介质传输系数特征的指标值；搭建卷积神经网络模型，通过微调大型数据集上的预训练模型引入跨域知识，获取车载图像的能见度深层特征；建立融合机理特征与深层特征的低能见度行驶风险辨识模型，利用自注意力机制自适应分配不同场景下的特征重要度；设置焦点损失函数，赋予低能见度难辨识样本更大的损失权重，再通过随机梯度下降算法更新模型参数，得到低能见度行驶风险辨识模型。
-
-
-
-
Search Results
5
records
(took 0.037 seconds)
