基于马尔可夫链的重型车辆坡道爬行行为识别方法

    公开(公告)号:CN109979194B

    公开(公告)日:2020-07-10

    申请号:CN201910171316.X

    申请日:2019-03-07

    Applicant: 长安大学

    Abstract: 本发明属于行为识别领域,具体涉及一种基于马尔可夫链的重型车辆坡道爬行行为识别方法。本发明以大规模重型商用车的GNSS行驶数据为数据源,通过时空特征提取与模式学习建立车辆行为模型,来辨识和预测重型商用车的坡道爬行行为。首先对数据进行时间分段,提取同一地理位置下车辆速度为零的时间连续样本,运用卡尔曼滤波优化样本数据精度,进一步提升样本质量。然后采用Markov Chain Monte Carlo模型构造车辆高度差的特征分布,并使用Metropolis Hastings算法进行参数估计,确定重型商用车的爬行行为特征。最后,建立基于逻辑回归的车辆行为模型HVMove。达到有效地辨识重型商用车的坡道行驶状态,以及准确地预测其坡道行驶状态的目的。

    一种基于GPS的商用车疲劳驾驶检测方法

    公开(公告)号:CN108364457A

    公开(公告)日:2018-08-03

    申请号:CN201810099020.7

    申请日:2018-01-31

    Applicant: 长安大学

    Abstract: 一种基于GPS的商用车疲劳驾驶检测方法,包括以下步骤:步骤一、根据3σ规则定义停车点速度阈值,选取出停车点数据;步骤二、计算每个停车点的停车时长,判断驾驶员是否进行停车休息;步骤三、通过GPS轨迹数据计算出相邻两个停车点的时间间隔,得到车辆的行驶时长;步骤四、结合步骤二得到的停车时长以及步骤三得到的行驶时长,判断连续驾驶过程中是否超过4小时未停车休息或者停车时长少于20分钟,据此评判驾驶员是否疲劳驾驶。本发明是针对道路货运行业管理规定提出的疲劳驾驶检测方法,从行业法规角度来识别驾驶员是否存在疲劳驾驶行为,有利于驾驶行为的监管,提升车辆行驶过程中的安全性。

    一种结合出行兴趣与社交偏好的POI推荐方法

    公开(公告)号:CN109726336B

    公开(公告)日:2022-11-01

    申请号:CN201811574899.2

    申请日:2018-12-21

    Applicant: 长安大学

    Abstract: 一种结合出行兴趣与社交偏好的POI推荐方法,根据LBSN中用户历史POI数据分布学习用户出行行为,根据当前位置预测用户未来出行访问的POI;通过提取主题向量构建社交关联的兴趣相似;再构造异构出行信息网络,建立出行行为的兴趣相似;综合社交兴趣相似分析和出行行为相似分析,确定相似群体;结合预测的用户未来出行访问的POI以及用户的相似群体产生候选POI集合,通过计算兴趣度发现TOP‑N个用户最可能去的POI。在兼顾位置预测的同时利用社交兴趣和出行偏好发现用户的相似群体,利用相似群体而不是朋友用户可以全面提供更合适的兴趣点推荐给用户,并且缓解LBSN中数据稀疏的问题,从而可以更好地提高推荐效果。

    基于马尔可夫链的重型车辆坡道爬行行为识别方法

    公开(公告)号:CN109979194A

    公开(公告)日:2019-07-05

    申请号:CN201910171316.X

    申请日:2019-03-07

    Applicant: 长安大学

    Abstract: 本发明属于行为识别领域,具体涉及一种基于马尔可夫链的重型车辆坡道爬行行为识别方法。本发明以大规模重型商用车的GNSS行驶数据为数据源,通过时空特征提取与模式学习建立车辆行为模型,来辨识和预测重型商用车的坡道爬行行为。首先对数据进行时间分段,提取同一地理位置下车辆速度为零的时间连续样本,运用卡尔曼滤波优化样本数据精度,进一步提升样本质量。然后采用Markov Chain Monte Carlo模型构造车辆高度差的特征分布,并使用Metropolis Hastings算法进行参数估计,确定重型商用车的爬行行为特征。最后,建立基于逻辑回归的车辆行为模型HVMove。达到有效地辨识重型商用车的坡道行驶状态,以及准确地预测其坡道行驶状态的目的。

    一种结合出行兴趣与社交偏好的POI推荐方法

    公开(公告)号:CN109726336A

    公开(公告)日:2019-05-07

    申请号:CN201811574899.2

    申请日:2018-12-21

    Applicant: 长安大学

    Abstract: 一种结合出行兴趣与社交偏好的POI推荐方法,根据LBSN中用户历史POI数据分布学习用户出行行为,根据当前位置预测用户未来出行访问的POI;通过提取主题向量构建社交关联的兴趣相似;再构造异构出行信息网络,建立出行行为的兴趣相似;综合社交兴趣相似分析和出行行为相似分析,确定相似群体;结合预测的用户未来出行访问的POI以及用户的相似群体产生候选POI集合,通过计算兴趣度发现TOP-N个用户最可能去的POI。在兼顾位置预测的同时利用社交兴趣和出行偏好发现用户的相似群体,利用相似群体而不是朋友用户可以全面提供更合适的兴趣点推荐给用户,并且缓解LBSN中数据稀疏的问题,从而可以更好地提高推荐效果。

Patent Agency Ranking