-
公开(公告)号:CN116030627B
公开(公告)日:2024-04-30
申请号:CN202211742626.0
申请日:2022-12-31
Applicant: 东南大学
Abstract: 本发明公开了一种融合预测交通风险变量的道路交通事故分析方法,分别采集研究区域内历史道路交通流量以及人口经济数据构建交通风险变量预测模型,分别获取未来年一定时间段内的交通风险变量即机动车交通流量;然后基于预测的交通风险变量以及区域的安全影响因素构建安全评价模型,应用安全评价模型,获得影响区域中各交通道路安全的影响因素,对区域进行安全评价,通过本发明的技术方案,提供了一种精确、全面、客观、反映影响数据具有真实性的道路安全评价方法,适用范围更广,特别是针对交通风险变量的预测模型能够更好的解决相关数据缺失的局限性。
-
公开(公告)号:CN116127389A
公开(公告)日:2023-05-16
申请号:CN202211719473.8
申请日:2022-12-30
Applicant: 东南大学
IPC: G06F18/2431 , G06F17/16 , G06F16/26 , G06N3/045 , G06N3/08
Abstract: 本发明公开了基于SHAP的自动驾驶事故严重程度分类模型的可解释方法,包括如下步骤:获取自动驾驶历年事故,对多源数据联合进行预处理和特征工程编码,建立自动驾驶事故挖掘与分析数据集;通过Pearson相关系数矩阵查看变量相关性,划分训练集和测试集;利用贝叶斯优化原理调试超参数,得到相对优的算法超参组合;利用CatBoost算法对训练集数据进行训练,根据准确率等评价指标确定事故严重程度分类模型并输出特征重要性;将自动驾驶事故挖掘与分析数据集输入训练好的分类模型中,输出每种严重程度的预测值。本发明有助于交通机构制定有效的政策措施和工程对策,提高自动驾驶在实际应用的安全水平。
-
公开(公告)号:CN114462695B
公开(公告)日:2024-05-03
申请号:CN202210100860.7
申请日:2022-01-27
Applicant: 东南大学
IPC: G06Q10/04 , G06Q10/063 , G06Q50/40 , G06F18/24
Abstract: 本发明公开了一种基于道路安全模型的车辆安全曝光量分析方法,涉及道路交通安全技术领域,通过采集目标区域范围内各个子目标区域所对应的数据信息,基于数据信息,分别针对各个子目标区域,构建子目标区域对应的车辆安全分析模型,应用车辆安全分析模型,获得该子目标区域内各个目标车辆分别所对应的车辆安全曝光量。通过本发明的技术方案,能够考虑不同车辆安全曝光量的有效性,从而能够较为准确的评估车辆安全事故与不同安全影响因素之间的因果关系。
-
公开(公告)号:CN115794801B
公开(公告)日:2023-08-15
申请号:CN202211663796.X
申请日:2022-12-23
Applicant: 东南大学
IPC: G06F16/215 , G06F16/22 , G06F16/26
Abstract: 本发明公开一种挖掘自动驾驶事故致因链式关系的数据分析方法,通过采集自动驾驶事故数据,基于Apriori算法构建事故致因链式关联规则分析模型,对算法进行改进快速生成与事故严重程度有关的关联规则,探究网联自动驾驶车辆不同严重程度的事故成因和发生模式,分析各关键因素之间的相关关系,为安全自动驾驶提供可靠建议。此种方法能够结合严重程度有针对性地获取自动驾驶事故多种影响因素的链式关系组合,获得简洁准确的事故致因链式关系结果,了解影响自动驾驶碰撞事故发生的主要因素,有助于交通机构制定有效的政策措施和工程对策,提高道路运输系统的效率和安全服务水平。
-
公开(公告)号:CN116030645A
公开(公告)日:2023-04-28
申请号:CN202310065921.5
申请日:2023-01-17
Applicant: 东南大学
Abstract: 本发明提出了信号交叉口混合交通流环境车辆轨迹与信号协调控制方法,所述方法包括如下步骤:(1)通过路侧单元设施收集信号交叉口区域内的车辆信息和信号信息;(2)将信号交叉口区域划分为观测区和控制区,通过车辆信息对控制区内的车辆进行动力学建模;(3)通过控制智能网联车辆将混合交通流车辆划分为智能网联车引导的车辆编队,并保持编队稳定;(4)基于当前信号状态,以最小化交通延误和交通风险为目标设置目标函数,对编队的轨迹进行求解;(5)基于深度强化学习算法,计算出当前交叉口交通状态下的最优相位。本发明可以根据信号交叉口的实时交通状态,控制混合交通流组成编队,能够快速准确地实现信号自适应优化,减少其中的计算量,能够提高混合交通流环境下信号交叉口的交通效率和安全性能。
-
公开(公告)号:CN114495501A
公开(公告)日:2022-05-13
申请号:CN202210100208.5
申请日:2022-01-27
Applicant: 东南大学
Abstract: 本发明公开了一种基于组合地理自回归匹配的道路安全分析方法,涉及道路交通安全技术领域,本发明通过采集目标区域上对应各个目标道路的道路信息,各目标道路进行交通事故数量的预测并修正预测结果,利用预测结果对各个目标道路进行道路安全分析,获得各个待优化目标道路的安全优化条件,消除相同目标区域内各个目标道路之间的安全影响,对待优化目标道路进行安全优化。通过本发明的技术方案,能够有效提升交通道路的安全性。
-
公开(公告)号:CN114462695A
公开(公告)日:2022-05-10
申请号:CN202210100860.7
申请日:2022-01-27
Applicant: 东南大学
Abstract: 本发明公开了一种基于道路安全模型的车辆安全曝光量分析方法,涉及道路交通安全技术领域,通过采集目标区域范围内各个子目标区域所对应的数据信息,基于数据信息,分别针对各个子目标区域,构建子目标区域对应的车辆安全分析模型,应用车辆安全分析模型,获得该子目标区域内各个目标车辆分别所对应的车辆安全曝光量。通过本发明的技术方案,能够考虑不同车辆安全曝光量的有效性,从而能够较为准确的评估车辆安全事故与不同安全影响因素之间的因果关系。
-
公开(公告)号:CN116030645B
公开(公告)日:2023-11-28
申请号:CN202310065921.5
申请日:2023-01-17
Applicant: 东南大学
Abstract: 本发明提出了信号交叉口混合交通流环境车辆轨迹与信号协调控制方法,所述方法包括如下步骤:(1)通过路侧单元设施收集信号交叉口区域内的车辆信息和信号信息;(2)将信号交叉口区域划分为观测区和控制区,通过车辆信息对控制区内的车辆进行动力学建模;(3)通过控制智能网联车辆将混合交通流车辆划分为智能网联车引导的车辆编队,并保持编队稳定;(4)基于当前信号状态,以最小化交通延误和交通风险为目标设置目标函数,对编队的轨迹进行求解;(5)基于深度强化学习算法,计算出当前交叉口交通状态下的最优相位。本发明可以根据信号交叉口的实时交通状态,控制混合交通流组成编队,能够快速准确地实现信号自适应优化,减少其中的
-
公开(公告)号:CN116484244A
公开(公告)日:2023-07-25
申请号:CN202211719286.X
申请日:2022-12-30
Applicant: 东南大学
IPC: G06F18/23213 , G06F18/2135 , G06F18/231 , G06F18/2321 , G06F18/21 , G06N5/01
Abstract: 本发明公开了一种基于聚类模型的自动驾驶事故发生机制分析方法,包括如下步骤:获取自动驾驶历年事故,对多源数据联合进行预处理和特征工程编码,建立自动驾驶事故挖掘与分析数据集;找出导致自动驾驶事故的主要影响因素;筛选特征变量用于建立多维聚类模型;对自动驾驶事故特征集进行聚类,根据轮廓系数等评价指标比较聚类模型;比较不同聚类模型输出结果并导出最优集群,归纳总结自动驾驶事故发生模式。本发明可以了解影响自动驾驶碰撞事故的主要因素,使用多聚类模型挖掘事故数据有利于探究涉及自动驾驶车辆的事故发生机制,有助于交通机构针对不同事故模式制定有针对性的工程对策,提高自动驾驶车辆在实际应用的安全水平。
-
公开(公告)号:CN114241753A
公开(公告)日:2022-03-25
申请号:CN202111465931.5
申请日:2021-12-03
Applicant: 东南大学
Abstract: 本发明公开了一种基于多维度影响因素的道路安全评价方法及系统,涉及道路安全技术领域,基于历史交通数据以及对应的安全影响因素分别构建不同维度下的安全评价模型,并对道路安全风险曝光量进行了弹性分类,通过约束函数链接宏观与微观维度下的安全评价模型并分别判断各安全影响因素的影响机理,具体地,分别针对限定区域范围内的各个子区域,构建并获得安全评价模型,应用安全评价模型,获得影响子区域中各交通道路安全的影响因素,对子区域进行安全评价,通过本发明的技术方案,提供了一种精确、全面、客观、反映影响数据具有真实性的道路安全评价方法,适用范围更广。
-
-
-
-
-
-
-
-
-