基于Faster-RCNN调节绿灯通行时间的方法

    公开(公告)号:CN111540203A

    公开(公告)日:2020-08-14

    申请号:CN202010361892.3

    申请日:2020-04-30

    Abstract: 本发明涉及一种基于Faster-RCNN调节绿灯通行时间的方法,步骤如下:(1)构建等待车辆识别模型;首先进行特征提取得到特征图,然后提取候选区域得到带有大小不一候选框的特征图,接着映射得到小特征图,最后对小特征图进行全连接操作得到带识别框的车辆情况监控图;(2)训练等待车辆识别模型;首先建立训练集,然后训练特征提取网络,接着共享Fast-RCNN网络和RPN网络参数,最后进行模型剪枝;(3)采集交通路口视频中红灯倒数20~40s时的车辆情况监控图,并将其输入到等待车辆识别模型中,由其输出带识别框的车辆情况监控图,通过统计识别框的数量统计等待车辆数量,根据等待车辆数量调节绿灯通行时间。本发明的模型结构简单,方法耗时较短,能够实现自适应性配时。

    一种基于AE-LSTM-BO车流量预测的导航参考方法

    公开(公告)号:CN111553535B

    公开(公告)日:2022-07-29

    申请号:CN202010371999.6

    申请日:2020-05-06

    Abstract: 本发明涉及一种基于AE‑LSTM‑BO车流量预测的导航参考方法,首先构建和训练自编码器‑长短时记忆网络模型,然后将当前路口历史数据和周围路口历史数据输入到自编码器‑长短时记忆网络模型中,由其输出未来一定时间段内当前路口的车流量,最后将所预测的车流量结果发布在导航app上,让导航app或司机能够根据不同颜色展示的交通流量参考道路的拥堵性,以此合理规划出行,选择导航路线;模型构建时先进行降维周围路口历史数据,再进行LSTM网络预测;模型训练时首先获取历史数据,然后进行自编码器的训练,接着进行LSTM网络的训练,最后进行贝叶斯优化调整超参数。本发明显著提高了交通流预测的准确性,能够提供更加合理的导航参考。

    基于Faster-RCNN调节绿灯通行时间的方法

    公开(公告)号:CN111540203B

    公开(公告)日:2021-09-17

    申请号:CN202010361892.3

    申请日:2020-04-30

    Abstract: 本发明涉及一种基于Faster‑RCNN调节绿灯通行时间的方法,步骤如下:(1)构建等待车辆识别模型;首先进行特征提取得到特征图,然后提取候选区域得到带有大小不一候选框的特征图,接着映射得到小特征图,最后对小特征图进行全连接操作得到带识别框的车辆情况监控图;(2)训练等待车辆识别模型;首先建立训练集,然后训练特征提取网络,接着共享Fast‑RCNN网络和RPN网络参数,最后进行模型剪枝;(3)采集交通路口视频中红灯倒数20~40s时的车辆情况监控图,并将其输入到等待车辆识别模型中,由其输出带识别框的车辆情况监控图,通过统计识别框的数量统计等待车辆数量,根据等待车辆数量调节绿灯通行时间。本发明的模型结构简单,方法耗时较短,能够实现自适应性配时。

    一种基于AE-LSTM-BO车流量预测的导航参考方法

    公开(公告)号:CN111553535A

    公开(公告)日:2020-08-18

    申请号:CN202010371999.6

    申请日:2020-05-06

    Abstract: 本发明涉及一种基于AE-LSTM-BO车流量预测的导航参考方法,首先构建和训练自编码器-长短时记忆网络模型,然后将当前路口历史数据和周围路口历史数据输入到自编码器-长短时记忆网络模型中,由其输出未来一定时间段内当前路口的车流量,最后将所预测的车流量结果发布在导航app上,让导航app或司机能够根据不同颜色展示的交通流量参考道路的拥堵性,以此合理规划出行,选择导航路线;模型构建时先进行降维周围路口历史数据,再进行LSTM网络预测;模型训练时首先获取历史数据,然后进行自编码器的训练,接着进行LSTM网络的训练,最后进行贝叶斯优化调整超参数。本发明显著提高了交通流预测的准确性,能够提供更加合理的导航参考。

Patent Agency Ranking