-
公开(公告)号：CN104732014A
公开(公告)日：2015-06-24
申请号：CN201510088609.3
申请日：2015-02-26
Applicant: 北京交通大学
IPC: G06F17/50
Abstract: 本发明公开一种用于复杂场景的层次式人群仿真方法及系统，该方法包括步骤：对复杂场景进行区域划分，得到复杂场景的拓扑结构图；对复杂场景进行全局路径规划，计算包含复杂场景中场景入口、场景出口和特定感兴趣区域的全局路径；确定人群分组信息和人群中个体在复杂场景中的位置信息，在复杂场景中建立个体的势场，并根据个体的势场计算个体在复杂场景中受到的作用力；计算在人群仿真过程中个体的实时速度，利用交通流模型对在人群仿真过程中个体的实时速度进行实时修正，实现人群仿真。本发明所述技术方案改善了势场法人群仿真中的速度控制机制，解决速度变化不自然的问题，使速度的变化更加符合人群运动规律，满足了人群仿真的实际需求。
-
公开(公告)号：CN117629790A
公开(公告)日：2024-03-01
申请号：CN202311542944.7
申请日：2023-11-20
Applicant: 中国铁路设计集团有限公司 , 北京交通大学
Abstract: 本发明公开了一种基于摆锤式冲击的梁轨相对位移试验装置及方法，属于轨道工程测试与评估技术领域；包括将质量为m的摆锤自同一高度H1位置自由释放，重复锤击钢轨轨头n1次，使梁轨相对位移达到梁轨相对位移限值预设值X0，确定X0的合理性；调整摆锤的释放高度为H2，重复锤击钢轨轨头n2次，使梁轨相对位移达到限值预设值X0，验证不同摆锤冲击力下，达到相同梁轨相对位移时橡胶垫板、绝缘块相对无砟道床位移变化规律的一致性。本发明的优点是：通过摆锤锤击钢轨的方式来施加纵向力，使梁轨产生快速的相对位移；并结合绝缘块和橡胶垫板的伤损情况与相对位移情况，探究梁轨相对位移限值以及梁轨相对位移随其他试验参数变化的规律。
-
公开(公告)号：CN111539989B
公开(公告)日：2023-09-22
申请号：CN202010312961.1
申请日：2020-04-20
Applicant: 北京交通大学
IPC: G06T7/246 , G06N3/0464 , G06N3/09 , G06N3/092
Abstract: 本发明提供了一种基于优化方差下降的计算机视觉单目标跟踪方法。该方法包括：根据单目标跟踪问题设计基于非凸优化的随机方差下降梯度的深度神经网络模型，对深度神经网络模型进行监督训练，根据训练好的深度神经网络模型使用基于回归动作奖励函数的强化学习方法训练表观模型与运动模型；利用训练好的表观模型、运动模型和深度神经网络模型对当前环境下的单目标进行跟踪，得到跟踪目标的预测位置和尺度；根据当前跟踪目标的位置和目标特征进行表观模型以及运动模型更新，进行下一帧的目标跟踪，直至跟踪结束。本发明的方法不仅运算速度更快，而且具有更稳定的模型探索能力，在绝大多数复杂场景下都能够达到更鲁棒的、高质量的目标跟踪效果。
-
Patent Agency Ranking
公开(公告)号：CN111539989A
公开(公告)日：2020-08-14
申请号：CN202010312961.1
申请日：2020-04-20
Applicant: 北京交通大学
Abstract: 本发明提供了一种基于优化方差下降的计算机视觉单目标跟踪方法。该方法包括：根据单目标跟踪问题设计基于非凸优化的随机方差下降梯度的深度神经网络模型，对深度神经网络模型进行监督训练，根据训练好的深度神经网络模型使用基于回归动作奖励函数的强化学习方法训练表观模型与运动模型；利用训练好的表观模型、运动模型和深度神经网络模型对当前环境下的单目标进行跟踪，得到跟踪目标的预测位置和尺度；根据当前跟踪目标的位置和目标特征进行表观模型以及运动模型更新，进行下一帧的目标跟踪，直至跟踪结束。本发明的方法不仅运算速度更快，而且具有更稳定的模型探索能力，在绝大多数复杂场景下都能够达到更鲁棒的、高质量的目标跟踪效果。
-
公开(公告)号：CN119416692A
公开(公告)日：2025-02-11
申请号：CN202411453877.6
申请日：2024-10-17
Applicant: 北京交通大学 , 北京市地铁运营有限公司
IPC: G06F30/28 , G06F30/27 , G01D21/02 , G06F119/14
Abstract: 本申请提供了一种地铁区间隧道活塞风参数确定方法、监测系统及电子设备，该方法通过获取安装在区间隧道局部位置的多种传感器采集的活塞风参数；基于流体流动模型，根据局部位置采集的风速及风压确定区间隧道其他位置的风速及风压；将其他位置的风速及风压输入到预训练的回归模型中进行回归预测得到与风速、风压相关的其他活塞风参数。本发明通过局部安装的多种传感器采集局部的活塞风参数，并通过流体流动模型及回归模型来得到其他位置的活塞风参数，不仅能够获取区间隧道内全面的活塞风参数，且大大减少了布线、安装及后期维护的人力和时间成本，提高了效率，且降低了由于传感器的故障等带来的不稳定性，提高了活塞风参数采集的稳定性。
-
公开(公告)号：CN115620514B
公开(公告)日：2024-08-02
申请号：CN202211156320.7
申请日：2022-09-22
Applicant: 北京交通大学
Abstract: 本发明提供了一种基于自适应广义PageRank图神经网络的交通流预测方法。该方法包括：获取公共交通流量数据中的信息点POI信息，构建距离编码；将时间信息构建为时间编码，拼接距离编码和时间编码为时空编码DTE；构建基于广义PageRank的时空图神经网络模型，将历史时间序列特征H和DTE作为基于广义PageRank的时空图神经网络模型的输入数据，对基于广义PageRank的时空图神经网络模型的进行训练，将历史交通流量序列输入到训练好的基于广义PageRank的时空图神经网络模型，基于广义PageRank的时空图神经网络模型输出未来交通流量序列。本发明设计了RPTA来自适应地建模不同时间步长之间的非线性相关性，设计了距离和时间编码来合并道路网络的地理信息和时间信息，可以有效地预测道路的交通流。
-
公开(公告)号：CN115620514A
公开(公告)日：2023-01-17
申请号：CN202211156320.7
申请日：2022-09-22
Applicant: 北京交通大学
Abstract: 本发明提供了一种基于自适应广义PageRank图神经网络的交通流预测方法。该方法包括：获取公共交通流量数据中的信息点POI信息，构建距离编码；将时间信息构建为时间编码，拼接距离编码和时间编码为时空编码DTE；构建基于广义PageRank的时空图神经网络模型，将历史时间序列特征H和DTE作为基于广义PageRank的时空图神经网络模型的输入数据，对基于广义PageRank的时空图神经网络模型的进行训练，将历史交通流量序列输入到训练好的基于广义PageRank的时空图神经网络模型，基于广义PageRank的时空图神经网络模型输出未来交通流量序列。本发明设计了RPTA来自适应地建模不同时间步长之间的非线性相关性，设计了距离和时间编码来合并道路网络的地理信息和时间信息，可以有效地预测道路的交通流。
-
公开(公告)号：CN104732014B
公开(公告)日：2017-08-25
申请号：CN201510088609.3
申请日：2015-02-26
Applicant: 北京交通大学
IPC: G06F17/50
Abstract: 本发明公开一种用于复杂场景的层次式人群仿真方法及系统，该方法包括步骤：对复杂场景进行区域划分，得到复杂场景的拓扑结构图；对复杂场景进行全局路径规划，计算包含复杂场景中场景入口、场景出口和特定感兴趣区域的全局路径；确定人群分组信息和人群中个体在复杂场景中的位置信息，在复杂场景中建立个体的势场，并根据个体的势场计算个体在复杂场景中受到的作用力；计算在人群仿真过程中个体的实时速度，利用交通流模型对在人群仿真过程中个体的实时速度进行实时修正，实现人群仿真。本发明所述技术方案改善了势场法人群仿真中的速度控制机制，解决速度变化不自然的问题，使速度的变化更加符合人群运动规律，满足了人群仿真的实际需求。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.022 seconds)
