-
公开(公告)号：CN112487908A
公开(公告)日：2021-03-12
申请号：CN202011326732.1
申请日：2020-11-23
Applicant: 东南大学
Abstract: 本发明公开了一种基于车载视频的前方车辆压线行为检测和动态追踪方法，包括：利用yolo系列的深度神经网络识别算法对前方车辆进行目标检测，将车辆跟踪框与当前帧中的检测框进行关联，并与目标外观信息融合；将车辆跟踪框利用检测框代替；识别出车道线像素点并去除噪点，再将车道线分为实线与虚线；将识别出的车道线像素点拟合成车道线直线方程；在检测框下边框上选取两个位置点，并判定与车道线直线方程的关系，判定车辆是否处于压线状态；为碾压车道线的起始和结束时刻设置判定条件，且记录车辆id和检测框的位置bbox、开始时刻信息；将同一辆车的开始和结束时刻信息对比，合并输出。本发明能够对压线事件进行动态检测，提高检测精度。
-
公开(公告)号：CN112488574B
公开(公告)日：2022-11-18
申请号：CN202011485169.2
申请日：2020-12-16
Applicant: 东南大学
Abstract: 本发明公开了一种基于时空特征提取的出行需求预测方法，包括以下步骤：采集非集计出行数据并对其进行预处理；构造出行需求网格图；构造基于时空特征提取的出行需求预测模型；构造局部出行需求网格图的时间序列，将局部出行需求网格图的时间序列构造为空间特征训练样本集Ds，构造时间特征训练样本集DT；提取时空特征；构造预测训练样本集DP，使用预测训练样本集训练预测模块；将训练完成的空间特征提取模块、时间特征提取模块和预测模块加以拼接，得到端到端的预测模型，并将其作为最终的基于时空特征提取的出行需求预测模型。本发明提高出行需求的预测精度。
-
公开(公告)号：CN112488422B
公开(公告)日：2022-11-18
申请号：CN202011485155.0
申请日：2020-12-16
Applicant: 东南大学
Abstract: 本发明公开了一种基于多任务学习的多模式出行需求预测方法，涉及交通需求预测技术领域，具体如下：采集多种交通方式的非集计出行数据，对非集计出行数据进行预处理；构造出行需求网格图；构造局部出行需求网格图的时间序列，构造多任务学习样本集，将局部出行需求网格图的时间序列构造为多任务学习样本集；构造基于多任务学习的出行需求预测模型；使用上述中的多任务学习样本集，训练所述基于多任务学习的出行需求预测模型，得到训练好的出行需求预测模型；利用训练好的出行需求预测模型即能进行多模式的出行需求预测。本发明融合多种出行需求预测任务，提高出行需求的预测精度。
-
Patent Agency Ranking
公开(公告)号：CN112487908B
公开(公告)日：2022-11-18
申请号：CN202011326732.1
申请日：2020-11-23
Applicant: 东南大学
IPC: G06V20/56 , G06V10/80 , G06V10/774 , G06V10/82 , G06V10/764
Abstract: 本发明公开了一种基于车载视频的前方车辆压线行为检测和动态追踪方法，包括：利用yolo系列的深度神经网络识别算法对前方车辆进行目标检测，将车辆跟踪框与当前帧中的检测框进行关联，并与目标外观信息融合；将车辆跟踪框利用检测框代替；识别出车道线像素点并去除噪点，再将车道线分为实线与虚线；将识别出的车道线像素点拟合成车道线直线方程；在检测框下边框上选取两个位置点，并判定与车道线直线方程的关系，判定车辆是否处于压线状态；为碾压车道线的起始和结束时刻设置判定条件，且记录车辆id和检测框的位置bbox、开始时刻信息；将同一辆车的开始和结束时刻信息对比，合并输出。本发明能够对压线事件进行动态检测，提高检测精度。
-
公开(公告)号：CN106522573A
公开(公告)日：2017-03-22
申请号：CN201611024124.9
申请日：2016-11-16
Applicant: 东南大学
IPC: E04G23/02
CPC classification number: E04G23/0218 , E04G2023/0262
Abstract: 本专利设计了一种应用于预应力FRP网格张拉的夹片式锚具及其施工方法，锚具包括棱台型夹片、锚杯、连接件、螺栓以及锚条。其采用棱台型夹片和锚杯对纤维网格筋逐根进行可靠夹持，并使用螺杆和连接件将夹片式锚具逐个连接到已锚固于混凝土中的锚条，再通过千斤顶对螺杆按一定顺序进行分段张拉，进而实现对预应力FRP网格的张拉。通过锚具可以实现对FRP网格的可靠锚固，而对网格筋逐根进行锚固可以保证后期张拉时，单个网格筋张拉控制应力的可控性，为预应力FRP网格张拉工法的实现提供保障。
-
公开(公告)号：CN112488574A
公开(公告)日：2021-03-12
申请号：CN202011485169.2
申请日：2020-12-16
Applicant: 东南大学
Abstract: 本发明公开了一种基于时空特征提取的出行需求预测方法，包括以下步骤：采集非集计出行数据并对其进行预处理；构造出行需求网格图；构造基于时空特征提取的出行需求预测模型；构造局部出行需求网格图的时间序列，将局部出行需求网格图的时间序列构造为空间特征训练样本集Ds，构造时间特征训练样本集DT；提取时空特征；构造预测训练样本集DP，使用预测训练样本集训练预测模块；将训练完成的空间特征提取模块、时间特征提取模块和预测模块加以拼接，得到端到端的预测模型，并将其作为最终的基于时空特征提取的出行需求预测模型。本发明提高出行需求的预测精度。
-
公开(公告)号：CN112488422A
公开(公告)日：2021-03-12
申请号：CN202011485155.0
申请日：2020-12-16
Applicant: 东南大学
Abstract: 本发明公开了一种基于多任务学习的多模式出行需求预测方法，涉及交通需求预测技术领域，具体如下：采集多种交通方式的非集计出行数据，对非集计出行数据进行预处理；构造出行需求网格图；构造局部出行需求网格图的时间序列，构造多任务学习样本集，将局部出行需求网格图的时间序列构造为多任务学习样本集；构造基于多任务学习的出行需求预测模型；使用上述中的多任务学习样本集，训练所述基于多任务学习的出行需求预测模型，得到训练好的出行需求预测模型；利用训练好的出行需求预测模型即能进行多模式的出行需求预测。本发明融合多种出行需求预测任务，提高出行需求的预测精度。
-
公开(公告)号：CN206205481U
公开(公告)日：2017-05-31
申请号：CN201621243178.X
申请日：2016-11-16
Applicant: 东南大学
IPC: E04G23/02
Abstract: 本专利设计了一种应用于预应力FRP网格张拉的夹片式锚具，包括棱台型夹片、锚杯、连接件、螺栓以及锚条。其采用棱台型夹片和锚杯对纤维网格筋逐根进行可靠夹持，并使用螺杆和连接件将夹片式锚具逐个连接到已锚固于混凝土中的锚条，再通过千斤顶对螺杆按一定顺序进行分段张拉，进而实现对预应力FRP网格的张拉。通过锚具可以实现对FRP网格的可靠锚固，而对网格筋逐根进行锚固可以保证后期张拉时，单个网格筋张拉控制应力的可控性，为预应力FRP网格张拉工法的实现提供保障。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.017 seconds)
