-
Patent Agency Ranking
公开(公告)号：CN113327421B
公开(公告)日：2022-03-25
申请号：CN202110626426.8
申请日：2021-06-04
Applicant: 河北省交通规划设计研究院有限公司
Abstract: 本发明提供了一种基于V2X路网控制方法及系统，其方法包括：基于V2X路网控制技术获取实时交通状态感知数据，同时，基于交通仿真获取交通流运行状态预测数据；形成交通管控模型策略；基于交通管控模型策略对道路交通实施及时模拟和短期预测；根据所述模拟结果以及所述预测结果生成实时优化协同控制方案；根据实时交通感知数据对实时优化协同控制方案形成反馈，并根据反馈结果获取各道路断面最优交通运行状态以及智能网联车辆行为的优化模式；根据各道路断面最优交通运行状态以及智能网联车辆行为的优化模式实现对V2X路网控制。实现车辆行驶间行为协同和优化，达到提升交通流运行效率和交通安全的目的。
-
公开(公告)号：CN115293255B
公开(公告)日：2023-05-05
申请号：CN202210921237.8
申请日：2022-08-02
Applicant: 河北雄安荣乌高速公路有限公司 , 河北省交通规划设计研究院有限公司 , 东南大学
Inventor： 李春杰 , 杨祥 , 杨阳 , 靳进钊 , 焦彦利 , 徐铖铖 , 王庆远 , 侯建华 , 韩明敏 , 马弘毅 , 崔葳 , 潘显豪 , 朱军霞 , 郑启康 , 刘攀 , 侯晓青 , 王亚世 , 韩瑞东 , 胡书睿 , 李志斌
IPC: G06F18/2415 , G06F18/214 , G08G1/01
Abstract: 本发明实施例公开了一种高速公路交通事故风险模型构建及风险判别方法。其中，构建方法包括：获取目标路段在目标时段内的交通事故数据和周期性交通流数据；利用训练样本集对交通事故概率模型进行训练；根据所述目标路段上实际可实施的主动安全干预最大频率，确定基于所述多个时间区间的第一概率阈值；根据所述多个时间区间的总数，以及所述训练样本集的样本总数，对所述第一概率阈值进行修正，得到基于所述训练样本集的第二概率阈值；利用所述测试样本集对所述交通事故风险模型进行精度验证，对不满足精度条件的模型进行改进，直到满足所述精度条件。本实施例实现了实际工程应用中的主动安全干预措施和训练样本集的结合。
-
公开(公告)号：CN115456036A
公开(公告)日：2022-12-09
申请号：CN202110649348.3
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 , 李春杰 , 赵建东 , 邱文利 , 焦彦利 , 许忠印 , 付增辉 , 权恒友 , 陈溱 , 韩明敏 , 王亚世 , 余智鑫 , 戴维森 , 董立强 , 陈蕾 , 党永强 , 蔡建辉 , 王斌 , 陈攀 , 张博 , 丁鹏飞 , 李海冬 , 张少波 , 吴国宾 , 戎翠 , 张垚 , 陈攀峰 , 张晨阳
Abstract: 本发明涉及一种基于北斗数据的营运车辆异常驾驶行为识别方法及系统，属于智能交通技术领域，解决了现有技术中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北斗数据，将原始北斗数据进行清洗并统一时间间隔，得到速度时间序列数据；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；将待识别的速度时间序列数据输入训练后的符号化多通道卷积神经网络模型，得到异常驾驶行为的识别结果。
-
公开(公告)号：CN115456036B
公开(公告)日：2023-06-23
申请号：CN202110649348.3
申请日：2021-06-08
Applicant: 河北雄安京德高速公路有限公司 , 河北省交通规划设计研究院有限公司 , 北京交通大学
Inventor： 王志斌 , 邱文利 , 许忠印 , 权恒友 , 李春杰 , 赵建东 , 董立强 , 陈攀 , 张博 , 李海冬 , 张少波 , 焦彦利 , 张垚 , 陈攀峰 , 张晨阳 , 付增辉 , 韩明敏 , 王亚世 , 陈溱 , 余智鑫 , 戴维森 , 陈蕾 , 党永强 , 蔡建辉 , 王斌 , 丁鹏飞 , 吴国宾 , 戎翠
IPC: G06F18/2433 , G06F18/241 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明涉及一种基于北斗数据的营运车辆异常驾驶行为识别方法及系统，属于智能交通技术领域，解决了现有技术中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北斗数据，将原始北斗数据进行清洗并统一时间间隔，得到速度时间序列数据；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；将待识别的速度时间序列数据输入训练后的符号化多通道卷积神经网络模型，得到异常驾驶行为的识别结果。
-
公开(公告)号：CN115293255A
公开(公告)日：2022-11-04
申请号：CN202210921237.8
申请日：2022-08-02
Applicant: 河北雄安荣乌高速公路有限公司 , 河北省交通规划设计研究院有限公司 , 东南大学
Inventor： 李春杰 , 杨祥 , 杨阳 , 靳进钊 , 焦彦利 , 徐铖铖 , 王庆远 , 侯建华 , 韩明敏 , 马弘毅 , 崔葳 , 潘显豪 , 朱军霞 , 郑启康 , 刘攀 , 侯晓青 , 王亚世 , 韩瑞东 , 胡书睿 , 李志斌
Abstract: 本发明实施例公开了一种高速公路交通事故风险模型构建及风险判别方法。其中，构建方法包括：获取目标路段在目标时段内的交通事故数据和周期性交通流数据；利用训练样本集对交通事故概率模型进行训练；根据所述目标路段上实际可实施的主动安全干预最大频率，确定基于所述多个时间区间的第一概率阈值；根据所述多个时间区间的总数，以及所述训练样本集的样本总数，对所述第一概率阈值进行修正，得到基于所述训练样本集的第二概率阈值；利用所述测试样本集对所述交通事故风险模型进行精度验证，对不满足精度条件的模型进行改进，直到满足所述精度条件。本实施例实现了实际工程应用中的主动安全干预措施和训练样本集的结合。
-
-
-
-
Search Results
5
records
(took 0.035 seconds)
