-
公开(公告)号：CN118298628A
公开(公告)日：2024-07-05
申请号：CN202410375283.1
申请日：2024-03-29
Applicant: 北京邮电大学
Abstract: 本发明公开了一种多模态一体化交通异常事件检测方法，属于智能交通技术领域。本发明方法包括：获取道路的历史轨迹数据、车道信息，以及边缘设备的视频数据和雷达数据；分别由视频数据和雷达数据获取道路交通流参数指标数据集，并校验数据源的准确性，通过聚类进行当前道路拥堵状态判断；由视频数据识别和跟踪目标，检测疑似静止的目标，对疑似静止目标构建异常拓扑图，进行事故检测；优选交通流指标进行突变事故检测；由雷达数据构建轨迹热力图进行事故检测；综合上述事故检测结果输出当前道路的异常信息。本发明实现对交通拥堵、事故的可靠检测，提高了交通事件的检出率，降低了误警率，能对大数据量实时处理，满足系统的实时性和准确性要求。
-
公开(公告)号：CN114327935A
公开(公告)日：2022-04-12
申请号：CN202111495732.9
申请日：2021-12-09
Applicant: 北京邮电大学 , 中国电子科技集团公司第五十四研究所
Abstract: 本发明提出了一种通信敏感的多智能体协同方法，应用于车联网通信技术领域。本发明方法包括：智能体利用信息过滤模块，将局部观测的消息编码为隐状态向量，即压缩过滤后的消息，在发送消息前，利用共享介质访问控制模块对消息评分，由边缘计算节点根据评分对消息价值排序，向具有topK消息价值的智能体发送确认信息，智能体收到确定后发送消息；边缘计算节点接收所有消息，利用消息蒸馏模块提取有效信息，汇总分发给各智能体；在汇总智能体消息的过程中，利用基于图信息瓶颈的图卷积汇总方式，保留智能体拓扑结构信息，并对汇总消息进行蒸馏。本发明减少了冗余和无效信息在智能体间的传输，节约了通信资源，提高多智能体的决策能力和协同效率。
-
公开(公告)号：CN114283607A
公开(公告)日：2022-04-05
申请号：CN202111563958.8
申请日：2021-12-20
Applicant: 北京邮电大学
IPC: G08G1/0968 , G08G1/0967 , G08G1/01 , H04W4/44 , H04W4/46 , G06Q10/04 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于群智学习的多车协同规划方法，属于多车路协同决策技术领域。本发明中，利用边缘服务器减轻了车辆计算能力与通信能力的要求；利用演化博弈来建模路由规划中车辆之间不断博弈的过程，当博弈状态形成一个稳定局面时，每辆车得到自身利益最大化的路由决策；在每辆车上部署路口通行驾驶决策模块，将车辆看成一个独立决策的个体，利用深度强化学习强大的策略学习能力建模多车在路口的协同驾驶行为；在路侧边缘计算部署交通态势预测模块，利用多车路的通信能力来扩大车辆有限视野下对交通态势的感知。本发明优化了道路资源的不同方面，优化了路口的时空利用，优化了路口周围道路资源的时空利用，增大路口的吞吐量。
-
公开(公告)号：CN114169241A
公开(公告)日：2022-03-11
申请号：CN202111495731.4
申请日：2021-12-09
Applicant: 北京邮电大学
Abstract: 本发明公开了一种端到端的多目标识别、追踪与预测方法，属于车联网、智能汽车技术领域。本发明方法包括：建立端到端的多目标识别、追踪和预测模型，包括目标检测器、目标追踪模块和轨迹预测模块；目标检测模块使用基于中心点的多目标检测器；目标追踪模块采用基于图卷积神经网络对多目标追踪；轨迹预测模块基于图网络对多目标进行运动轨迹预测，包括轨迹目的点的预测，智能体间信息传递，生成未来轨迹；本发明将端到端的多目标识别、追踪和预测模型作为一个整体，采用联合训练框架进行同时训练。本发明三个模块同时训练、相互促进，进一步提高了最终的轨迹预测精度，可以更优对多目标轨迹预测，预测轨迹更加合理。
-
公开(公告)号：CN112153220B
公开(公告)日：2021-08-27
申请号：CN202010872161.5
申请日：2020-08-26
Applicant: 北京邮电大学
IPC: H04M3/22 , H04L12/58 , H04W12/128
Abstract: 本发明公开了一种基于社交评价动态更新的通信行为识别方法，属于网络欺诈识别、深度学习和通信社交技术领域。首先对目标用户A向用户B呼出的全量通话话单中统计通信指标，得到用户间量化的通信满意度。根据通信满意度结合历史亲密度，对当前周期的用户A和用户B之间亲密度进行迭代更新。同时将用户A以及每个交互用户各自对应的个体特征向量，以及与每个交互用户更新后的亲密度建立通信社交网络，计算每个交互用户对用户A的局部信任度，结合用户A与每个交互用户的亲密度向量，得到用户A的局部推荐信任度。最后对用户A的置信度进行更新，判断更新后的用户A是否为疑似诈骗用户，重复上述方法，统计出疑似诈骗用户名单。本发明为用户构建了一个安全的通话环境。
-
Patent Agency Ranking
公开(公告)号：CN120047914A
公开(公告)日：2025-05-27
申请号：CN202510218615.X
申请日：2025-02-26
Applicant: 北京邮电大学
IPC: G06V20/56 , G06V20/70 , G06V10/52 , G06V10/62 , G06V10/80 , G06V10/82 , G06V10/25 , G06V10/96 , G06N3/045 , G06N3/0464
Abstract: 本发明提供了一种面向智能协同感知的实例级语义精简交互方法，用于自动驾驶技术领域。本发明方法在应用场景的各智能体上均设置感知模型、解耦模块、融合模块和检测模块；各智能体采集的传感器数据通过感知模型转化为物体级掩码和中期特征，解耦模块将中期特征解耦为私有特征和公有特征两部分，智能体仅将自身的私有特征使用物体级掩码处理后再传输出去；智能体通过融合模块将自身历史特征、自身的公有特征和私有特征、以及协作智能体的物体级私有特征融合，将融合特征输入检测模块进行目标检测。本发明实现实例级的特征交互，降低通讯资源开销，扩大智能体的感受视野，还利用时序数据增强融合效果，实现复杂场景下的高效特征融合。
-
公开(公告)号：CN119583588A
公开(公告)日：2025-03-07
申请号：CN202411622699.5
申请日：2024-11-14
Applicant: 北京邮电大学
Abstract: 本发明是一种支持车路群体协同的智能机器互操作系统，属于智能车辆网技术领域。本发明系统通过中间件即插即用的方式附着于车载和路侧智能平台上，包括协同适配子系统、协同控制子系统和资源编排子系统；协同适配子系统提供不同语义转换的数据接口，为任务构建逻辑步骤，融合不同平台的协同数据；协同控制子系统发现协同对象，构建通信拓扑结构，并协商构建协同过程中的通信时序以及协同内容；资源编排子系统实时感知协同对象的通算资源，进行计算资源分配，将任务卸载到目标计算节点，协同多个平台完成协同任务。本发明系统解决了不同语义的数据异构问题，支持动态适配协同过程，智能优化通信资源和计算资源的利用，并保障车路群体协同质量。
-
公开(公告)号：CN118075708A
公开(公告)日：2024-05-24
申请号：CN202410177381.4
申请日：2024-02-08
Applicant: 北京邮电大学
Abstract: 本发明公开了一种基于点云体素化的通信感知一体化调度方法，用于车路协同感知领域。本发明方法包括：在每个时隙，智能车辆观测雷达点云数据，通过本地轻量级目标检测网络识别周围的交通主体，并通过UU接口将观测的雷达点云数据分布、车辆位置、识别结果上传给基站，基站转发给边缘计算节点，边缘计算节点基于接收的数据获取各智能车辆需要传输雷达点云数据的盲区，确定当前交通场景中的通信链路，基于设计的优化目标和约束条件求取通信资源分配方案，基站下发相应的调度指令给智能车辆，智能车辆根据调度指令，通过PC5接口与其他车辆通信，传输所观测的雷达点云数据。本发明保证实时性，减少了通信资源浪费，提高了协同感知的效率。
-
公开(公告)号：CN114332494A
公开(公告)日：2022-04-12
申请号：CN202111582151.9
申请日：2021-12-22
Applicant: 北京邮电大学
Abstract: 本发明是一种车路协同场景下基于多源融合的三维目标检测与识别方法，涉及车联网、智能汽车技术领域。本发明中，通过不同路侧设备传感器捕获不同环境信息，提取用于三维目标检测的多模态特征后传输给路侧特征融合中心，路侧特征融合中心将获得的多路多模态特征融合为多源融合特征；智能汽车将路侧提供的多源融合特征和自身感知提取的多模态特征进行校准和融合，进一步进行目标识别和检测。本发明中，点云特征提取模块采用邻域自适应的特征提取方法，特征校准和融合模块基于元学习方法对点云特征图和图像特征图进行特征层级融合。本发明极大提升了对外界环境的感知力，减轻了车路协同的通信压力和通信延迟，提高了车辆的感知能力和目标识别准确率。
-
公开(公告)号：CN119625017A
公开(公告)日：2025-03-14
申请号：CN202411617048.7
申请日：2024-11-13
Applicant: 北京邮电大学
IPC: G06T7/246 , G06V10/762 , G06V10/74 , G06V10/82 , G06N3/042 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于时空特征融合的车辆视觉接力追踪方法，属于智能交通技术领域。本发明在获得道路上每个摄像头的多目标追踪轨迹后，执行：基于摄像头和道路的拓扑关系建立摄像头时空约束，基于摄像头时空约束进行轨迹相容性判断，过滤掉不相容的轨迹对；将目标车辆的轨迹建模成图，对相容的轨迹对基于图卷积神经网络计算相似度；基于轨迹相似度，将多摄像头轨迹关联问题进行分解，使用堆的数据结构对轨迹进行分层聚类，逐步获取各目标车辆的全局关联轨迹。本发明方法提高了轨迹关联的效率和准确性，优化了计算效率，能够应对复杂场景和多摄像头下的车辆追踪。
-
-
-
-
-
-
-
-
-
Search Results
33
records
(took 0.02 seconds)
