-
公开(公告)号:CN118470685A
公开(公告)日:2024-08-09
申请号:CN202410618416.3
申请日:2024-05-17
Applicant: 武汉中交交通工程有限责任公司
IPC: G06V20/58 , G06V10/82 , G06V10/764 , G06V10/80 , G06N3/0464 , G06N3/08 , G06N3/0455
Abstract: 本发明属于交通安全检测领域,公开了一种基于多尺度注意力的交通标志检测识别方法及系统,方法包括以下步骤:步骤1,构建基于多尺度注意力的交通标志实时检测识别网络;步骤2,构建交通该标志图像数据集;步骤3,利用步骤2的交通标志图像数据集对基于多尺度注意力的交通标志实时检测网络进行训练;步骤4,利用训练好的基于多尺度注意力的交通标志实时检测网络进行实时交通标志检测测试。本发明通过深度学习方法实现了对交通标志检测与识别,并且具有较高的准确性,运算速度快,提高了道路驾驶的安全性。
-
公开(公告)号:CN110778351B
公开(公告)日:2021-12-31
申请号:CN201911183045.6
申请日:2019-11-27
Applicant: 武汉中交交通工程有限责任公司
Abstract: 本发明公开了一种城市地下互通隧道组合通风排烟方法,在隧道内设置纵向排烟系统和重点排烟系统,重点排烟系统由匝道内的排烟道和排烟口组成。通过本发明的排烟方式及布置形式,包括排烟口的尺寸,不同火灾位置时排烟阀的开启,主线及支线射流风机的开关,有效组织烟气流动,集中排烟,减少烟气层下降对人员疏散的影响。本发明可应用于城市地下互通隧道的防排烟设计,将纵向排烟和重点排烟结合组织火灾烟气流动,给出了纵向排烟段与重点排烟段的最佳距离范围,不同火灾位置情况下各匝道段的风流分配情况,可为今后地下互通防排烟系统设计提供一定的参考。充分利用纵向排烟和重点排烟的优点,有效组织烟气流动,保护人员在火灾场景下的疏散安全。
-
公开(公告)号:CN114550023A
公开(公告)日:2022-05-27
申请号:CN202111675958.7
申请日:2021-12-31
Applicant: 武汉中交交通工程有限责任公司
IPC: G06V20/40 , G06V20/54 , G06V10/25 , G06V10/774 , G06V10/764 , G06V10/80 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种交通目标静态信息提取装置,包括:图像采集模块,用于采集交通场景内的交通目标的视频图像;静态信息提取模块,用于将所述视频图像的关键帧输入至已经训练好的检测网络中,得到交通目标的多个静态信息;其中,所述检测网络包括:特征提取单元,用于对所述关键帧进行特征提取,得到若干ROI区域;组合单元,用于将所述若干ROI区域进行组合,得到组合特征;多分支预测单元,用于将对所述组合特征进行分析处理得到所述交通目标的多个静态信息;存储模块,用于存储所述静态信息。本发明能够获取丰富的交通目标静态信息,完成从车辆属性的各个层次描述交通目标的任务。
-
公开(公告)号:CN110778351A
公开(公告)日:2020-02-11
申请号:CN201911183045.6
申请日:2019-11-27
Applicant: 武汉中交交通工程有限责任公司
Abstract: 本发明公开了一种城市地下互通隧道组合通风排烟方法,在隧道内设置纵向排烟系统和重点排烟系统,重点排烟系统由匝道内的排烟道和排烟口组成。通过本发明的排烟方式及布置形式,包括排烟口的尺寸,不同火灾位置时排烟阀的开启,主线及支线射流风机的开关,有效组织烟气流动,集中排烟,减少烟气层下降对人员疏散的影响。本发明可应用于城市地下互通隧道的防排烟设计,将纵向排烟和重点排烟结合组织火灾烟气流动,给出了纵向排烟段与重点排烟段的最佳距离范围,不同火灾位置情况下各匝道段的风流分配情况,可为今后地下互通防排烟系统设计提供一定的参考。充分利用纵向排烟和重点排烟的优点,有效组织烟气流动,保护人员在火灾场景下的疏散安全。
-
公开(公告)号:CN118411825A
公开(公告)日:2024-07-30
申请号:CN202410618415.9
申请日:2024-05-17
Applicant: 武汉中交交通工程有限责任公司
IPC: G08G1/01 , G06N3/045 , G06N3/08 , G06F18/214
Abstract: 本发明属于交通流量预测技术领域,公开了一种交通流预测方法、系统、存储介质、计算机设备及终端,将交通流量数据作为输入,经过特征增强机制,增强了时空数据在特征通道和时间维度上的信息交互;增强后的数据将被传入下采样图卷积网络中,实现了对时间序列数据的多分辨率分析,扩大感受野其中;在下采样卷积网络中嵌入了动态图卷积网络,利用生成的动态图结构,模拟节点之间随时间生成的动态关联,更好的捕捉隐藏的空间相关性;经过下采样动态图卷积网络处理后的数据被分别传入多头注意力网络和扩散图卷积网络,用来进一步提取全局时间特征和空间特征;最后将上述模块提取到的结果输入到输出层,最后输出预测值。
-
-
-
-