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

Applicant: 东南大学 ,  四川数字交通科技股份有限公司

Inventor： 陈垦 ,  罗懿斓 ,  李伟 ,  焦育威 ,  刘攀 ,  李志斌

IPC: G08G1/01

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。

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

Applicant: 东南大学 ,  四川数字交通科技股份有限公司

Inventor： 陈垦 ,  罗懿斓 ,  李伟 ,  焦育威 ,  刘攀 ,  李志斌

IPC: G08G1/01

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。