一种基于深度学习的两阶段高速公路车辆离散点轨迹重构方法与系统

    公开(公告)号:CN118351682B

    公开(公告)日:2024-12-13

    申请号:CN202410348396.2

    申请日:2024-03-26

    Abstract: 本发明公开了一种基于深度学习的两阶段高速公路车辆离散点轨迹重构方法与系统,包括对基于毫米雷达波数据进行特征提取后采用基于密度的离群值检测算法清洗异常的离散轨迹点;建立高速公路路网拓扑图,考虑基于图论的Betweenness Centrality法识别关键轨迹节点;对清洗后的毫米雷达波多源离散交通流轨迹点利用CA‑LWR方法进行全时空交通流轨迹预测;将离散轨迹点预测得到的交通流轨迹嵌入深度学习的编码器中并作为历史车辆轨迹输入到Transformer中增强目标车辆轨迹重构的精度。本发明能够提高轨迹重构的精度和实时性,有助于优化交通系统、提高交通效率,为高速公路管理者提供数据支撑,同时在自动驾驶领域能够为车辆定速巡航提供较为安全的路径。

    一种基于深度学习的两阶段高速公路车辆离散点轨迹重构方法与系统

    公开(公告)号:CN118351682A

    公开(公告)日:2024-07-16

    申请号:CN202410348396.2

    申请日:2024-03-26

    Abstract: 本发明公开了一种基于深度学习的两阶段高速公路车辆离散点轨迹重构方法与系统,包括对基于毫米雷达波数据进行特征提取后采用基于密度的离群值检测算法清洗异常的离散轨迹点;建立高速公路路网拓扑图,考虑基于图论的Betweenness Centrality法识别关键轨迹节点;对清洗后的毫米雷达波多源离散交通流轨迹点利用CA‑LWR方法进行全时空交通流轨迹预测;将离散轨迹点预测得到的交通流轨迹嵌入深度学习的编码器中并作为历史车辆轨迹输入到Transformer中增强目标车辆轨迹重构的精度。本发明能够提高轨迹重构的精度和实时性,有助于优化交通系统、提高交通效率,为高速公路管理者提供数据支撑,同时在自动驾驶领域能够为车辆定速巡航提供较为安全的路径。

    一种基于Transformer的高速公路主动管控方案生成方法

    公开(公告)号:CN118262518A

    公开(公告)日:2024-06-28

    申请号:CN202410351284.2

    申请日:2024-03-26

    Abstract: 发明提供了一种基于Transformer的高速公路主动管控方案生成方法,具体为:1、从高速公路数据中台获取全线交通状态、云控上报事件信息以及初始化全线控制设备信息;2、基于Transformer的主动管控方案生成模块生成全线控制对象的目标信息;3、基于Transformer的全线交通状态预测模块输入初始化全线交通状态及控制对象的目标信息,生成全线交通状态预测结果;4、对主动管控方案进行评价,并将具体方案上传至数据中台。本发明能实现高速公路管控方案的智能生成与实时评价。

    一种基于Transformer的高速公路主动管控方案生成方法

    公开(公告)号:CN118262518B

    公开(公告)日:2024-11-19

    申请号:CN202410351284.2

    申请日:2024-03-26

    Abstract: 发明提供了一种基于Transformer的高速公路主动管控方案生成方法,具体为:1、从高速公路数据中台获取全线交通状态、云控上报事件信息以及初始化全线控制设备信息;2、基于Transformer的主动管控方案生成模块生成全线控制对象的目标信息;3、基于Transformer的全线交通状态预测模块输入初始化全线交通状态及控制对象的目标信息,生成全线交通状态预测结果;4、对主动管控方案进行评价,并将具体方案上传至数据中台。本发明能实现高速公路管控方案的智能生成与实时评价。

    一种雷达恒虚警检测方法、装置、雷达、介质及产品

    公开(公告)号:CN118330600A

    公开(公告)日:2024-07-12

    申请号:CN202410765213.7

    申请日:2024-06-14

    Abstract: 本发明公开了一种雷达恒虚警检测方法、装置、雷达、介质及产品,方法包括:获取雷达的回波信号,并从所述回波信号中确定被检测单元和参考单元;根据所述参考单元的信号强度确定背景强度估计阈值;在当前参考单元的信号强度大于所述背景强度估计阈值的情况下,从所有小于或等于所述背景强度估计阈值的信号强度中确定背景强度估计值;根据所述背景强度估计值生成与环境中噪声和杂波相适应的自适应门限;在所述被检测单元的幅度值大于或等于所述自适应门限的情况下,确定所述被检测单元内存在目标信号。本发明能够提升CFAR检测的准确性。

    一种大规模路网在线微观交通的仿真方法及其验证方法

    公开(公告)号:CN115310278B

    公开(公告)日:2024-06-11

    申请号:CN202210900330.0

    申请日:2022-07-28

    Applicant: 东南大学

    Abstract: 本发明公开了一种大规模路网在线微观交通的仿真方法,包括如下步骤:从区域电子地图内提取指定高速公路生成仿真路网,采用地图匹配技术实现真实世界卡口与仿真路网的匹配。采用消息队列将实时卡口数据存储在服务器内,数据预处理后为实时在线仿真系统提供定制化的仿真输入。设计相应逻辑算法建立车流量载入规则,在仿真平台内生成仿真交通流量,并根据实时数据进行仿真环境内的车辆速度控制和车辆状态更新。在仿真预热结束后,通过SUMO内置Traci接口获取仿真平台实时交通流量,与真实卡口数据流量进行对比,验证实时在线系统的仿真准确性。本发明实现了车道级实时道路交通流量重构并提供一种实时仿真准确性的验证方法。

    道路交通事故严重程度与持续时间预测方法

    公开(公告)号:CN117010559A

    公开(公告)日:2023-11-07

    申请号:CN202310970832.5

    申请日:2023-08-03

    Applicant: 东南大学

    Abstract: 本发明公开了一种道路交通事故严重程度与持续时间预测方法,具体为:1、获取道路交通事故严重程度影响因素和道路交通事故持续时间的影响因素;2、建立MobileNetV2‑SENet模型;3、将获取的道路交通事故严重程度影响因素数据转换为图像数据输入至MobileNetV2‑SENet模型中,得到道路交通事故严重程度;4、构建异质集成学习模型,作为道路交通事故持续时间预测模型;5、将MobileNetV2‑SENet模型输出的道路交通事故严重程度和其他道路交通事故持续时间的影响因素输入至构建异质集成学习模型,得到道路交通事故持续时间。本发明能够较好的实现对于交通事故严重程度与持续时间的联合预测。

    基于大规模浮动车轨迹数据的区域交通事故风险分析方法

    公开(公告)号:CN116502885A

    公开(公告)日:2023-07-28

    申请号:CN202310295833.4

    申请日:2023-03-24

    Applicant: 东南大学

    Abstract: 本发明公开了一种基于大规模浮动车轨迹数据的区域交通事故风险分析方法,包括以下步骤:S1,采用断裂GPS定位融合匹配的改进Dijkstra时空轨迹重构算法,对城市大规模浮动车轨迹数据进行城市道路网络时空线路匹配;S2,采用全天候‑多时段融合的星期‑小时‑用地类型多维度标签化处理方法,最终生成浮动车全天候多维复杂的活动标签;S3,对各交通分区内全天候活动标签进行文本聚类分析,挖掘各交通分区浮动车潜在的时空活动特征;S4,构建结合浮动车的城市路网区域交通事故风险分析模型,得到交通事故风险影响因素的重要性排序。本发明计算高效,对实现城市路网的交通安全评估具有重要的现实意义。

Patent Agency Ranking