-
公开(公告)号：CN112863245B
公开(公告)日：2022-07-05
申请号：CN201911195156.9
申请日：2019-11-28
Applicant: 南京理工大学
Abstract: 本发明公开了一种基于深度神经网络的换道过程轨迹预测方法获取换道车辆和跟驰车辆运行参数和车辆轨迹；建立HMM换道决策模型，进行驾驶员换道决策阶段的训练；建立换道执行模型，进行驾驶员换道执行阶段的训练；对采集到的车辆实时数据，运用训练好的HMM模型判断驾驶员是否处于换道状态；如果识别出车辆状态为换道状态，用训练好的深度神经网络进行换道车辆轨迹预测。本发明提高了车辆换道轨迹的预测精度，有利于分析碰撞危险，提高行车安全性。
-
公开(公告)号：CN110909909A
公开(公告)日：2020-03-24
申请号：CN201910829117.3
申请日：2019-09-03
Applicant: 南京理工大学
Abstract: 本发明提出了一种基于深度学习和多层时空特征图的短时交通流预测方法，获取需要进行交通流预测的路段的历史交通数据；将所有交通数据按空间位置关系、时间先后顺序、数据类别构建成若干个维数为M×N×C的多层时空特征图；最后将多层时空特征图作为样本训练深度卷积神经网络，获得短时交通流预测模型，进行交通流预测。通过本发明充分挖掘了历史交通数据潜在关联及其时空相关性，利用数据的冗余性更好地提高短时交通流预测的准确性和可靠性。
-
Patent Agency Ranking
公开(公告)号：CN110796876A
公开(公告)日：2020-02-14
申请号：CN201911007613.7
申请日：2019-10-22
Applicant: 南京理工大学
Abstract: 本发明公开了一种基于卡尔曼滤波的路段车辆总数估计方法，具体为：根据固定检测器数据和智能网联车数据获取每个时间间隔内驶入和驶离路段的车辆数，每个时间间隔内从上游交叉口驶入路段智能网联数量和当前在路段上的智能网联车数量；根据驶入路段的智能网联车数量和驶入路段的车辆总数计算智能网联比例；根据智能网联比例设计卡尔曼滤波估计器；对卡尔曼滤波估计器进行求解，获取当前路段上车辆的总数。本发明充分发挥了智能网联车数据的准确性和实时性，并融合了多元数据，提高了路段车辆总数估计的准确性。
-
公开(公告)号：CN113538935B
公开(公告)日：2022-11-04
申请号：CN202110518915.1
申请日：2021-05-12
Applicant: 南京理工大学
Abstract: 本发明公开了一种无专用路权环境下公交准点率优化感应式控制方法。首先获取无专用路权道路上车辆信息，分析公交车运行状态，预测公交车到达下游站点的行程时间，然后根据行程时间判断公交车正晚点状态，确定相位初始控制时间，随后计算相位初始控制时间下延误效益差，最后根据最终控制时间，实施公交优先控制方法，优化公交车准点到达情况。本发明适用于社会车辆与公交车辆共享相位与道路资源的无专用路权环境，基于高精度、大范围感应设备实时检测公交车状态，实现秒级信号优先控制。
-
公开(公告)号：CN113538935A
公开(公告)日：2021-10-22
申请号：CN202110518915.1
申请日：2021-05-12
Applicant: 南京理工大学
Abstract: 本发明公开了一种无专用路权环境下公交准点率优化感应式控制方法。首先获取无专用路权道路上车辆信息，分析公交车运行状态，预测公交车到达下游站点的行程时间，然后根据行程时间判断公交车正晚点状态，确定相位初始控制时间，随后计算相位初始控制时间下延误效益差，最后根据最终控制时间，实施公交优先控制方法，优化公交车准点到达情况。本发明适用于社会车辆与公交车辆共享相位与道路资源的无专用路权环境，基于高精度、大范围感应设备实时检测公交车状态，实现秒级信号优先控制。
-
公开(公告)号：CN112863245A
公开(公告)日：2021-05-28
申请号：CN201911195156.9
申请日：2019-11-28
Applicant: 南京理工大学
Abstract: 本发明公开了一种基于深度神经网络的换道过程轨迹预测方法获取换道车辆和跟驰车辆运行参数和车辆轨迹；建立HMM换道决策模型，进行驾驶员换道决策阶段的训练；建立换道执行模型，进行驾驶员换道执行阶段的训练；对采集到的车辆实时数据，运用训练好的HMM模型判断驾驶员是否处于换道状态；如果识别出车辆状态为换道状态，用训练好的深度神经网络进行换道车辆轨迹预测。本发明提高了车辆换道轨迹的预测精度，有利于分析碰撞危险，提高行车安全性。
-
公开(公告)号：CN110717886A
公开(公告)日：2020-01-21
申请号：CN201910829118.8
申请日：2019-09-03
Applicant: 南京理工大学
Abstract: 本发明提出了一种复杂环境下基于机器视觉的路面坑塘检测方法，首先利用进行了像素级标注的交通监控图像训练语义分割模型；其次，对交通监控视频进行背景建模获得交通监控背景图像，利用语义分割模型对背景图像进行分割，提取图像中的道路；随后，对提取的道路进行二值化，分割出路面上颜色较深且面积较大的区域，并采用支持向量机对这些区域进行分类，获得路面坑塘候选区域；最后，输出存在被语义分割模型划分为路面坑塘子区域的候选区域。通过本发明有效减少了复杂背景对检测任务的干扰，提高了算法的鲁棒性，并提高了检测精度。
-
-
-
-
-
-
Search Results
7
records
(took 0.058 seconds)
