-
公开(公告)号：CN110222884B
公开(公告)日：2021-02-26
申请号：CN201910434660.3
申请日：2019-05-23
Applicant: 北京交通大学
Abstract: 本发明提供了一种基于POI数据和客流量的车站可达性评估方法，包括：当前时间段内，基于POI数据计算车站的一定范围内的POI到对应车站的乘客走行时间；计算车站与其他车站之间的通行时间；根据乘客走行时间和通行时间，基于POI数据采用改进的机会模型对车站进行可达性计算；根据所述的可达性计算结果，识别出不同类型的车站。本方法可以弥补传统可达性测量中的不足，提高了识别精度。
-
公开(公告)号：CN109949098B
公开(公告)日：2020-12-08
申请号：CN201910219622.6
申请日：2019-03-22
Applicant: 山西省交通规划勘察设计院有限公司 , 北京交通大学
Abstract: 本发明涉及一种高速公路收费站车道数的计算方法，所述方法包括以下步骤：统计分析收费站每种车型采用不同收费方式的服务时间，根据服务时间分析，建立多元收费方式服务时间计算模型；建立基于VISSIM平台的收费站车辆通行与服务仿真模型，获取收费站实际车道数需求；根据收费站需求车道数和服务时间，利用排队理论计算修正设计小时交通量；将修正设计小时交通量和实际设计小时交通量做回归拟合，得到交通量换算模型；选取典型收费站进行车道数计算验证。本发明提出的收费站车道数计算方法，为交通部门新建和改造收费站设计收费站车道数提供支持。
-
公开(公告)号：CN109272157A
公开(公告)日：2019-01-25
申请号：CN201811061310.9
申请日：2018-09-12
Applicant: 中交信息技术国家工程实验室有限公司 , 北京交通大学
Abstract: 本发明涉及一种基于门控神经网络GRU的高速公路交通流参数预测方法及系统，所述方法包括以下步骤：根据采集数据的高速路线信息和路段收费站经纬度信息初筛选研究路段数据；接着针对异常数据的表现形式进行异常数据清洗，然后以一定的时间周期计算得到速度时间序列，接着对时间序列数据缺失情况进行缺失数据填充；将填充后速度时间序列数据分为训练数据和测试数据，并利用训练数据训练得到交通流预测模型，最后利用预测得到的数据与测试数据进行误差分析。本发明利用GRU长时间记忆数据特征的优势，可以得到更高的预测精度，且预测模型参数相对较少，具有良好的可移植性，可以为交通管理部门交通诱导以及交通事故管理调度提供技术支撑。
-
公开(公告)号：CN105424655B
公开(公告)日：2018-01-30
申请号：CN201510741206.4
申请日：2015-11-04
Applicant: 北京交通大学
Abstract: 本发明公开一种基于视频图像的能见度检测方法，包括步骤：S1、获取待检测区域的视频图像的暗通道图像；S2、估测视频图像的大气光照值；S3、计算视频图像的估算大气透射率，并计算视频图像的估算能见度；S4、采用区域生长法识别暗通道图像中的天空区域与非天空区域；S5、选取视频图像的天空区域和非天空区域透射率修正系数；S6、根据视频图像的天空区域和非天空区域透射率修正系数计算视频图像的大气透射率，并根据视频图像的大气透射率计算视频图像的能见度。本发明结合数字摄像法和透射法的优点，结构简单，不需要重新搭建硬件设施，可应用于各种环境的能见度实时检测，特别是高速公路能见度的实时检测。
-
公开(公告)号：CN105424655A
公开(公告)日：2016-03-23
申请号：CN201510741206.4
申请日：2015-11-04
Applicant: 北京交通大学
CPC classification number: G01N21/59 , G06T7/0004 , G06T2207/10016
Abstract: 本发明公开一种基于视频图像的能见度检测方法，包括步骤：S1、获取待检测区域的视频图像的暗通道图像；S2、估测视频图像的大气光照值；S3、计算视频图像的估算大气透射率，并计算视频图像的估算能见度；S4、采用区域生长法识别暗通道图像中的天空区域与非天空区域；S5、选取视频图像的天空区域和非天空区域透射率修正系数；S6、根据视频图像的天空区域和非天空区域透射率修正系数计算视频图像的大气透射率，并根据视频图像的大气透射率计算视频图像的能见度。本发明结合数字摄像法和透射法的优点，结构简单，不需要重新搭建硬件设施，可应用于各种环境的能见度实时检测，特别是高速公路能见度的实时检测。
-
Patent Agency Ranking
公开(公告)号：CN117935551B
公开(公告)日：2024-12-31
申请号：CN202410098879.1
申请日：2024-01-24
Applicant: 北京交通大学
Abstract: 本发明提供了一种车辆车轴识别与轮胎温度检测方法。该方法包括：将车辆检测装置安装在高速公路路侧，利用车辆检测装置获取往来车辆的视频图像以及轮胎温度信息，根据所述视频图像获取车辆的车轴信息和车牌信息，将获取的车轴信息、车牌信息和轮胎温度信息进行融合，得到融合后的车辆信息；将融合后的车辆信息输入到轮胎温度安全阈值判别模型，轮胎温度安全阈值判别模型输出轮胎温度的安全状态，若轮胎温度安全状态异常，则进行报警。本发明方法可对车辆轮胎温度实现精准识别，并结合车型、天气等信息判定轮胎温度安全状态，及时排查轮胎温度异常车辆并进行预警，可有效防范因轮胎温度异常引起的交通事故，保障道路使用者生命财产安全。
-
公开(公告)号：CN116229733B
公开(公告)日：2024-11-15
申请号：CN202310211221.2
申请日：2023-03-07
Applicant: 北京交通大学
Abstract: 本发明提供了一种考虑乘客出行选择的时间表优化方法。该方法包括：构建包括在车时间、等待时间、步行时间和出行费用参数的乘客出行广义费用函数，对乘客在多模式交通方式中的出行选择行为进行刻画；以乘客广义费用函数为输入，构建乘客出行方式的离散选择模型，利用离散选择模型得到各路径的客流数据；基于各路径的客流数据构建多目标混合规划模型；采用基于多目标非支配排序进化算法对多目标混合规划模型迭代求解，得到非支配的最优解集，通过多准则决策方法根据运营者决策偏好，得到最满足乘客需求的时间表优化结果。本发明方法解决了城市间交通服务频率较低且多方式频率不一导致的多种交通方式协同性欠缺、乘客出行效率低问题。
-
公开(公告)号：CN115527076A
公开(公告)日：2022-12-27
申请号：CN202110640515.8
申请日：2021-06-08
Applicant: 河北省交通规划设计研究院有限公司 , 河北雄安京德高速公路有限公司 , 北京交通大学
Inventor： 王志斌 , 雷伟 , 赵建东 , 邱文利 , 李春杰 , 许忠印 , 权恒友 , 侯晓青 , 余智鑫 , 赵清杰 , 解振龙 , 张凯丽 , 陈溱 , 冯雷 , 杨海峰 , 相宏伟 , 高新文 , 刘鹏祥 , 陈大豹 , 张莹 , 王斌 , 王洪涛 , 王京力 , 王波 , 刘栋 , 郝文世
IPC: G06V10/774 , G06V10/82 , G06V20/54 , G06N3/04
Abstract: 本发明涉及一种营运车辆异常驾驶行为识别模型的构建方法及系统，属于智能交通技术领域，解决了现有技术中构建的识别模型难以对营运车辆的异常驾驶行为进行准确且可靠识别的问题。方法包括：采集营运车辆的原始数据，将原始数据进行清洗；将清洗后的原始数据统一时间间隔，得到速度时间序列数据，并为所述速度时间序列数据添加类别标签，得到样本数据，其中，所述类别标签包括正常驾驶行为、超速驾驶行为、紧急停车行为、临时停车行为或低速行驶行为；构建符号化多通道卷积神经网络模型，并基于所述样本数据对所述符号化多通道卷积神经网络模型进行训练，得到最优符号化多通道卷积神经网络模型。
-
公开(公告)号：CN115359659A
公开(公告)日：2022-11-18
申请号：CN202210998472.5
申请日：2022-08-19
Applicant: 山西省交通新技术发展有限公司 , 北京交通大学
Abstract: 本发明提供了一种车道开闭配置方法和系统，包括，构建输入数据集；所述输入数据集至少包括交通流结果；基于所述输入数据集，得到交通流预测结果；所述交通流预测结果至少包括车型信息；基于所述交通流预测结果，得到关键指标；所述关键指标至少包括所述车型信息和收费方式信息；基于所述关键指标，得到配置参数；基于所述配置参数，得到车道开闭配置方案；以确保收费站的合理运营，减少车道资源分配不均衡的现象，提升广大出行者的出行体验。
-
公开(公告)号：CN114662559A
公开(公告)日：2022-06-24
申请号：CN202210143225.7
申请日：2022-02-16
Applicant: 山西省交通新技术发展有限公司 , 北京交通大学
Inventor： 刘文辉 , 赵建东 , 付文彪 , 刘伟 , 张金亮 , 冯永飞 , 贺晓宇 , 罗二娟 , 朱江 , 罗凯 , 王雪鹏 , 贾志龙 , 和兆建 , 李琳 , 张宇 , 巩跃龙 , 王程宏 , 张泽乾
IPC: G06K9/62
Abstract: 本发明公开了一种基于SVM模型的污水处理系统的健康状态判断方法，包括以下步骤：首先，构建原始特征数据集，根据各个子设备工作时产生的运行数据特点构建数据集，为整个系统中的各个子设备和系统所处环境特征参数构建其自身的单层SVM健康状态判断模型，并且得到各自的健康状态；然后，将各个子设备和系统所处环境特征参数的健康状态进行汇总训练，再训练得出一个单层SVM模型，最终得出整个系统的健康状态判断模型；最后，将待判断的全系统数据输入训练后的双层SVM模型，得到全系统的健康状态判断结果。SVM模型较决策树模型而言不易造成模型过拟合，同时由于各个子设备和整个系统的特征量较多，SVM可以更好的处理高维特征。
-
-
-
-
-
-
-
-
-
Search Results
30
records
(took 0.029 seconds)
