一种城市地理空间内细粒度交通事故风险识别方法

    公开(公告)号:CN114445624A

    公开(公告)日:2022-05-06

    申请号:CN202210079806.9

    申请日:2022-01-24

    Applicant: 吉林大学

    Abstract: 本发明属于智能交通系统技术领域,涉及一种城市地理空间内细粒度交通事故风险识别方法。包括以下步骤:1、构建数据集;2、提取多尺度特征;3、计算空间注意力;4、计算通道注意力;5、构建损失函数;本发明利用高分辨率城市卫星地图的RGB图像和城市路网二值图像为基础输入,其次融合城市POI分布信息,实现城市地理空间的细粒度交通事故风险评估。本发明仅在训练阶段需要目标区域的交通事故数据作为训练标签,一旦完成模型训练之后,在应用阶段不在需要交通事故数据,因此能够容易的扩展到多个城市。这对于在实际应用中以较低的成本提高交通事故风险预测的普适性和实用性具有重要意义。

    一种路网匹配的方法及系统

    公开(公告)号:CN108955693A

    公开(公告)日:2018-12-07

    申请号:CN201810872312.X

    申请日:2018-08-02

    Applicant: 吉林大学

    Abstract: 本发明公开一种路网匹配的方法及系统。该方法包括:获取基站与覆盖区域内的路段映射关系;获取用户的手机信令数据;对手机信令数据进行清洗;确定用户的所有停留点;确定用户的多段轨迹;对用户的每段轨迹进行特征提取;采用决策树算法确定每段轨迹对应的出行方式;提取出行方式为车辆的所有轨迹,生成待匹配轨迹集合;确定待匹配轨迹集合中每段待匹配轨迹对应的相似历史轨迹;根据相似历史轨迹对待匹配轨迹进行插值,得到更新后的待匹配轨迹集合;将每段轨迹对应的基站序列转换为路段序列;对于每一段轨迹,采用隐马尔可夫模型确定匹配路段序列,得到路网匹配结果。采用本发明的方法或系统,可以提高路网匹配的覆盖范围,提高路网匹配精度。

    一种城市地理空间内细粒度交通事故风险识别方法

    公开(公告)号:CN114445624B

    公开(公告)日:2024-09-06

    申请号:CN202210079806.9

    申请日:2022-01-24

    Applicant: 吉林大学

    Abstract: 本发明属于智能交通系统技术领域,涉及一种城市地理空间内细粒度交通事故风险识别方法。包括以下步骤:1、构建数据集;2、提取多尺度特征;3、计算空间注意力;4、计算通道注意力;5、构建损失函数;本发明利用高分辨率城市卫星地图的RGB图像和城市路网二值图像为基础输入,其次融合城市POI分布信息,实现城市地理空间的细粒度交通事故风险评估。本发明仅在训练阶段需要目标区域的交通事故数据作为训练标签,一旦完成模型训练之后,在应用阶段不在需要交通事故数据,因此能够容易的扩展到多个城市。这对于在实际应用中以较低的成本提高交通事故风险预测的普适性和实用性具有重要意义。

    一种会阴部振动偶联式盆底肌群功能康复训练仪

    公开(公告)号:CN115969686A

    公开(公告)日:2023-04-18

    申请号:CN202310046963.4

    申请日:2023-01-31

    Applicant: 吉林大学

    Abstract: 本发明涉及一种会阴部振动偶联式盆底肌群功能康复训练仪,包括扁平状的主机(2),主机(2)含语音功能并且通过腰带式附件一(1)佩戴于人体的下腹部,主机(2)配有可充电电池驱动并且通过功能按键调控会阴部组件,主机(2)与会阴部组件之间通过右导线(6)和左导线(8)连接,主机(2)内置盆底肌群功能训练程序并且设有程序更新接口,主机(2)生成的音频信号可与振动同步或分别出现,主机(2)和会阴部组件可以用于站姿、坐姿、仰卧以及侧卧的体位使用,本发明通过压力传感器检测盆底肌群舒缩功能,分析压力变化和反应时间用于指标评价训练效果,增强大脑的主动调控作用,操作便捷。

    一种基于智能算法的异常数据检测方法及系统

    公开(公告)号:CN115080290A

    公开(公告)日:2022-09-20

    申请号:CN202210633151.5

    申请日:2022-06-07

    Applicant: 吉林大学

    Abstract: 本发明公开了一种基于智能算法的异常数据检测方法及系统,涉及数据检测领域,其中,所述方法包括:获取待检测样本数据集;对获取场景变化特征和数据动态特征;将其作为双值决策器的输入信息,输出异常点决策信息;利用其对获取的实时检测数据集进行异常检测,输出异常检测结果;若所述异常检测结果为检测通过时,向异常检测终端发送数据内检测指令;根据其启动所述异常检测终端对所述实时监测数据集进行异常检测,输出异常数据集。解决了现有技术中针对异常数据检测的精确度不高,进而造成异常数据检测的效果不佳的技术问题。达到了提高异常数据检测的精确度和准确性,进而提高异常数据检测的效果和质量等技术效果。

    一种路网匹配的方法及系统

    公开(公告)号:CN108955693B

    公开(公告)日:2020-06-16

    申请号:CN201810872312.X

    申请日:2018-08-02

    Applicant: 吉林大学

    Abstract: 本发明公开一种路网匹配的方法及系统。该方法包括:获取基站与覆盖区域内的路段映射关系;获取用户的手机信令数据;对手机信令数据进行清洗;确定用户的所有停留点;确定用户的多段轨迹;对用户的每段轨迹进行特征提取;采用决策树算法确定每段轨迹对应的出行方式;提取出行方式为车辆的所有轨迹,生成待匹配轨迹集合;确定待匹配轨迹集合中每段待匹配轨迹对应的相似历史轨迹;根据相似历史轨迹对待匹配轨迹进行插值,得到更新后的待匹配轨迹集合;将每段轨迹对应的基站序列转换为路段序列;对于每一段轨迹,采用隐马尔可夫模型确定匹配路段序列,得到路网匹配结果。采用本发明的方法或系统,可以提高路网匹配的覆盖范围,提高路网匹配精度。

    基于改进transformer模型的车辆驾驶意图预测方法

    公开(公告)号:CN118850104A

    公开(公告)日:2024-10-29

    申请号:CN202410815822.9

    申请日:2024-06-24

    Applicant: 吉林大学

    Abstract: 本发明提出一种基于改进transformer模型的车辆驾驶意图预测方法,具体步骤:1)进行数据集预处理;提取主车(目标车辆)和周围车辆的轨迹与行驶特征,提取道路环境信息;设置虚拟车辆保持数据一致性。2)采取固定时间长度5s提取换道样本和保持直行样本,基于不同时间长度重构样本集并划分为训练集和测试集。3)选择主车行驶信息和周车交互信息作为输入数据,构建驾驶意图预测模型,结合输入数据与预测模型对左换道、右换道、保持直行三种驾驶意图进行预测。本发明面向自动驾驶基于感知范围内的短时数据进行驾驶意图预测任务,与现有技术相比,所提方法进一步考虑了道路环境信息,采取改进的trasnformer模型深入挖掘数据特征,可准确预测车辆的驾驶意图。

    考虑周围车辆异质性的自动驾驶车辆换道风险评估方法

    公开(公告)号:CN119527350A

    公开(公告)日:2025-02-28

    申请号:CN202510072841.1

    申请日:2025-01-17

    Applicant: 吉林大学

    Abstract: 本发明适用于自动驾驶安全技术领域,提供了考虑周围车辆异质性的自动驾驶车辆换道风险评估方法,包括:自动驾驶车辆通过感知系统实时采集自身及周围环境信息,通过考虑反应时间和最大制动减速度引入车辆的异质性来计算每辆周围车辆的威胁度;划分道路空间为网格,分别针对周围车辆和车道线构建风险能量场,叠加后得到道路区域综合风险能量场;自动驾驶车辆结合自身运动状态计算在道路区域综合风险能量场中所受风险力,并与设定风险等级阈值对比,评估换道过程中的风险。本发明解决了现有风险评估方法无法应对复杂道路环境以及对周围车辆特性和运动不确定性考虑不全面的问题,实现考虑周围车辆和自动驾驶车辆特性条件下的换道风险动态预警。

Patent Agency Ranking