-
公开(公告)号：CN112562337A
公开(公告)日：2021-03-26
申请号：CN202011455350.9
申请日：2020-12-10
Applicant: 之江实验室
Abstract: 本发明公开一种基于深度学习的高速公路实时交通事故风险评估方法，该方法首先使用ETC门架、高速互通、收费站的基础信息，为高速公路划分路段，并建立路段间的上下游关联关系；并分别计算各路段的车流量、车流速度与车流密度，获取道路信息、气象信息和事故信息，并将其转换为独热编码，然后对事故发生点的上下游路段对应的四类信息进行数据融合、数据重采样和标准化；再根据获取的数据，区分其中的时序特征和非时序特征，构建并训练深度学习模型；最后根据训练好的深度学习模型，对高速公路各路段发生交通事故的风险水平进行实时评估，计算获得事故风险水平指标。本发明可及时准确地对高速公路交通事故风险水平进行评估。
-
公开(公告)号：CN111508240B
公开(公告)日：2020-09-22
申请号：CN202010603955.1
申请日：2020-06-29
Applicant: 之江实验室
Abstract: 本发明公开了一种基于混合特征挖掘的交通流量预测方法，在该方法中，在交通流量数据的基础上引入混合特征数据，具体包括时间特征数据和交通态势特征数据，根据交通流量预测目标从混合特征中挖掘出相应的重要性高且特征之间差异大、相互独立的特征，而剔除相关性低、冗余重复的特征，将挖掘出的特征结合交通流量数据作为模型输入，构建交通流量预测模型，通过模型实现交通流量预测。在实现丰富特征引入的同时，构建了复杂度更低、解释性更强的预测模型，显著提升了模型的预测精准度。
-
公开(公告)号：CN111508094A
公开(公告)日：2020-08-07
申请号：CN202010612426.8
申请日：2020-06-30
Applicant: 之江实验室
Abstract: 本发明公开一种基于ETC门架与卡口通行数据的高速公路拥堵发现方法，其包括如下步骤：获取ETC门架与卡口的所在道路编号、方向、设备桩号与设备编号信息；使用ETC门架与卡口的基础信息，以ETC门架与卡口为节点，建立节点之间通行关系的有向图；获取ETC门架与卡口的车辆通行数据，包括门架或者卡口的编号、经过车辆的车牌与车辆经过的时间；计算每个车辆通过有向图中每条边的行程时间，然后根据该边对应路段的长度获得每个车辆通过该路段的速度；根据车辆通过路段的速度，计算路段拥堵指数，发现高速公路拥堵路段。本发明可及时准确地发现高速公路路网拥堵情况，有效提升高速公路运营效率。
-
公开(公告)号：CN112562337B
公开(公告)日：2022-05-13
申请号：CN202011455350.9
申请日：2020-12-10
Applicant: 之江实验室
Abstract: 本发明公开一种基于深度学习的高速公路实时交通事故风险评估方法，该方法首先使用ETC门架、高速互通、收费站的基础信息，为高速公路划分路段，并建立路段间的上下游关联关系；并分别计算各路段的车流量、车流速度与车流密度，获取道路信息、气象信息和事故信息，并将其转换为独热编码；然后对事故发生点的上下游路段对应的四类信息进行数据融合、数据重采样和标准化；再根据获取的数据，区分其中的时序特征和非时序特征，构建并训练深度学习模型；最后根据训练好的深度学习模型，对高速公路各路段发生交通事故的风险水平进行实时评估，计算获得事故风险水平指标。本发明可及时准确地对高速公路交通事故风险水平进行评估。
-
公开(公告)号：CN111598069B
公开(公告)日：2020-11-06
申请号：CN202010729116.4
申请日：2020-07-27
Applicant: 之江实验室
Abstract: 本发明公开了一种基于深度学习的高速公路车辆换道区域分析方法，该方法通过先对道路的车道和车道线进行结构化建模；同时对高速公路高清监控视频中车辆的外边框进行检测；根据每帧图像中车辆的检测结果，对视频中车辆轨迹进行跟踪；再将车辆轨迹与道路结构化数据相结合，根据车辆所经过的车道区域对车辆换道进行识别，根据车辆框与车道线相交位置对车辆换道位置进行检测；最后对不同时间段内所经过车辆的换道位置进行聚类分析，得出不同时间段的高速公路车辆换道热点区域。本发明步骤简明，结果精确，运用高速公路中摄像头数据，对车辆换道行为进行检测，对换道区域进行分析，为高速公路的精细化交通管理和车道设计提供有力的支撑。
-
Patent Agency Ranking
公开(公告)号：CN111445015B
公开(公告)日：2020-10-13
申请号：CN202010542068.8
申请日：2020-06-15
Applicant: 之江实验室
Abstract: 本发明提供了一种智能网联环境下非网联车辆位置估计方法，属于智能网联交通车辆位置感知技术领域，包括以下步骤：（1）获取高速公路上非网联‑网联跟驰车对中网联车辆在T时间段内的交通流数据；其中，非网联车为被跟驰车辆，网联车为跟驰车辆；所述交通流数据包括速度、加速度数据以及车辆编号；（2）对网联车辆的速度和加速度数据进行预处理；（3）基于BP神经网络利用网联车辆的速度和加速度数据估计非网联车辆的速度；（4）基于标定好的跟驰模型求解非网联车辆的位置。本发明利用智能网联车辆数据估计被网联车辆跟驰的非网联车辆位置，对高速公路非网联车辆位置数据感知具有重要意义，为提升高速公路主动管理水平提供了有力的技术支撑。
-
公开(公告)号：CN111508094B
公开(公告)日：2020-09-22
申请号：CN202010612426.8
申请日：2020-06-30
Applicant: 之江实验室
Abstract: 本发明公开一种基于ETC门架与卡口通行数据的高速公路拥堵发现方法，其包括如下步骤：获取ETC门架与卡口的所在道路编号、方向、设备桩号与设备编号信息；使用ETC门架与卡口的基础信息，以ETC门架与卡口为节点，建立节点之间通行关系的有向图；获取ETC门架与卡口的车辆通行数据，包括门架或者卡口的编号、经过车辆的车牌与车辆经过的时间；计算每个车辆通过有向图中每条边的行程时间，然后根据该边对应路段的长度获得每个车辆通过该路段的速度；根据车辆通过路段的速度，计算路段拥堵指数，发现高速公路拥堵路段。本发明可及时准确地发现高速公路路网拥堵情况，有效提升高速公路运营效率。
-
公开(公告)号：CN111598069A
公开(公告)日：2020-08-28
申请号：CN202010729116.4
申请日：2020-07-27
Applicant: 之江实验室
Abstract: 本发明公开了一种基于深度学习的高速公路车辆换道区域分析方法，该方法通过先对道路的车道和车道线进行结构化建模；同时对高速公路高清监控视频中车辆的外边框进行检测；根据每帧图像中车辆的检测结果，对视频中车辆轨迹进行跟踪；再将车辆轨迹与道路结构化数据相结合，根据车辆所经过的车道区域对车辆换道进行识别，根据车辆框与车道线相交位置对车辆换道位置进行检测；最后对不同时间段内所经过车辆的换道位置进行聚类分析，得出不同时间段的高速公路车辆换道热点区域。本发明步骤简明，结果精确，运用高速公路中摄像头数据，对车辆换道行为进行检测，对换道区域进行分析，为高速公路的精细化交通管理和车道设计提供有力的支撑。
-
公开(公告)号：CN111508240A
公开(公告)日：2020-08-07
申请号：CN202010603955.1
申请日：2020-06-29
Applicant: 之江实验室
Abstract: 本发明公开了一种基于混合特征挖掘的交通流量预测方法，在该方法中，在交通流量数据的基础上引入混合特征数据，具体包括时间特征数据和交通态势特征数据，根据交通流量预测目标从混合特征中挖掘出相应的重要性高且特征之间差异大、相互独立的特征，而剔除相关性低、冗余重复的特征，将挖掘出的特征结合交通流量数据作为模型输入，构建交通流量预测模型，通过模型实现交通流量预测。在实现丰富特征引入的同时，构建了复杂度更低、解释性更强的预测模型，显著提升了模型的预测精准度。
-
公开(公告)号：CN111445015A
公开(公告)日：2020-07-24
申请号：CN202010542068.8
申请日：2020-06-15
Applicant: 之江实验室
Abstract: 本发明提供了一种智能网联环境下非网联车辆位置估计方法，属于智能网联交通车辆位置感知技术领域，包括以下步骤：（1）获取高速公路上非网联-网联跟驰车对中网联车辆在T时间段内的交通流数据；其中，非网联车为被跟驰车辆，网联车为跟驰车辆；所述交通流数据包括速度、加速度数据以及车辆编号；（2）对网联车辆的速度和加速度数据进行预处理；（3）基于BP神经网络利用网联车辆的速度和加速度数据估计非网联车辆的速度；（4）基于标定好的跟驰模型求解非网联车辆的位置。本发明利用智能网联车辆数据估计被网联车辆跟驰的非网联车辆位置，对高速公路非网联车辆位置数据感知具有重要意义，为提升高速公路主动管理水平提供了有力的技术支撑。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.026 seconds)
