高速公路服务区服务质量动态评估方法、系统及设备

    公开(公告)号:CN110070718B

    公开(公告)日:2020-09-22

    申请号:CN201910360900.X

    申请日:2019-04-30

    Abstract: 本公开公开了高速公路服务区服务质量动态评估方法、系统及设备,包括:采集高速公路服务区路段交通量数据和高速公路服务区地理位置数据;基于WiFi接入点AP连接数据,得到高速公路服务区功能区域动态使用数据和高速公路服务区人群活动数据;根据高速公路服务区路段交通量数据,计算服务区路段交通量指标值;根据高速公路服务区地理位置数据,计算服务区地理位置优势指标值;根据高速公路服务区功能区域动态使用数据,计算服务区功能完备指标值;根据高速公路服务区人群活动数据,计算服务区人群活动指标值;设置各个评估指标的权重;根据各个评估指标值以及权重,得到高速公路服务区服务质量动态评估结果。

    基于移动终端数据的高速公路服务区的布局方法及系统

    公开(公告)号:CN110096804A

    公开(公告)日:2019-08-06

    申请号:CN201910361223.3

    申请日:2019-04-30

    Abstract: 本公开公开了基于移动终端数据的高速公路服务区的布局方法及系统,采用多元线性回归模型,依据既有服务区B的理想面积、既有服务区B最近邻高速公路的车流量、既有服务区B最近邻高速公路的人流量、既有服务区B的地理优势度、既有服务区B的邻接既有服务区C实际面积和既有服务区C每个功能区域的功能完善度,建立服务区理想面积预测模型;将待建服务区A最近邻高速公路的车流量、待建服务区A最近邻高速公路的人流量、待建服务区A的地理优势度、既有服务区B的实际面积和既有服务区B每个功能区域的功能完善度,输入到服务区理想面积预测模型中,输出待建服务区A的理想面积。

    基于路网匹配测量高速公路车辆行驶速度的方法及系统

    公开(公告)号:CN108492564A

    公开(公告)日:2018-09-04

    申请号:CN201810349105.6

    申请日:2018-04-18

    Abstract: 本发明提供一种基于路网匹配测量高速公路车辆行驶速度的方法及系统。方法包括:S1,基于隐马尔可夫模型,根据用户的移动轨迹,获取用户所乘坐车辆的行驶道路;S2,将移动轨迹中的每一个定位点映射至行驶道路中的对应路段,生成对应的映射定位点,将所有路段中的映射定位点以时间顺序顺次连接,组成车辆的行驶轨迹;S3,根据行驶轨迹,获取车辆的行驶速度。本发明根据用户的移动轨迹,计算被定位手机所在车辆在高速公路上的行驶速度,以便全程且实时地监测车辆的行驶速度。既能为出行车辆提供准确的路况信息,而且抗干扰能力强,还能对超速驾驶行为进行警告和遏制,更有利于提高整个路网的风险预测、预警和预防能力。

    一种基于张量分解的数据缺失下交通流量预测方法及系统

    公开(公告)号:CN118571010A

    公开(公告)日:2024-08-30

    申请号:CN202410654557.0

    申请日:2024-05-24

    Abstract: 本发明公开了一种基于张量分解的数据缺失下交通流量预测方法及系统,属于智能交通技术领域,获取交通路网的空间邻接矩阵和包含缺失值的交通流量输入至预先训练好的张量图卷积网络模型进行预测,包括:根据所述空间邻接矩阵和包含缺失值的交通流量构建时间邻接矩阵;将包含缺失值的交通流量转化为张量并进行张量分解,分解得到特征张量;将所述空间邻接矩阵、时间邻接矩阵和特征张量输入至图卷积层中,输出预测特征;将所述预测特征进行线性转换,输出模型预测结果,得到预测的交通流量。将Tucker分解与图卷积神经网络结合构建交通流量预测模型,在数据缺失情况下,使得模型可以更准确地预测交通流量。

    基于Wi-Fi数据的高速服务区人群密度估计系统

    公开(公告)号:CN110545558B

    公开(公告)日:2023-03-28

    申请号:CN201910844144.8

    申请日:2019-09-06

    Abstract: 本公开提供了一种基于Wi‑Fi数据的高速服务区人群密度估计系统,包括数据采集装置,其被配置为采集各个服务区的地理位置相关信息及Wi‑Fi数据;利用回归模型估计出服务区人数;回归模型的自变量为各个服务区各个小时区间内连接Wi‑Fi人数,因变量为对应服务区人数;自变量的斜率为连接意愿的倒数,连接意愿由各个服务区的环境特征、功能定位特征、天特征和小时特征与相应学习参数相乘构成;环境特征和功能定位特征分别从相应服务区的Wi‑Fi数据和地理位置相关信息中提取;天特征和小时特征均为预设分段函数;根据估计出的服务区人数以及用户进入服务区的连接AP顺序,预测用户的行为偏好,进而估计出服务区中各功能区的人数,最后得到服务区的人群密度。

    基于Wi-Fi数据的高速服务区人群密度估计系统

    公开(公告)号:CN110545558A

    公开(公告)日:2019-12-06

    申请号:CN201910844144.8

    申请日:2019-09-06

    Abstract: 本公开提供了一种基于Wi-Fi数据的高速服务区人群密度估计系统,包括数据采集装置,其被配置为采集各个服务区的地理位置相关信息及Wi-Fi数据;利用回归模型估计出服务区人数;回归模型的自变量为各个服务区各个小时区间内连接Wi-Fi人数,因变量为对应服务区人数;自变量的斜率为连接意愿的倒数,连接意愿由各个服务区的环境特征、功能定位特征、天特征和小时特征与相应学习参数相乘构成;环境特征和功能定位特征分别从相应服务区的Wi-Fi数据和地理位置相关信息中提取;天特征和小时特征均为预设分段函数;根据估计出的服务区人数以及用户进入服务区的连接AP顺序,预测用户的行为偏好,进而估计出服务区中各功能区的人数,最后得到服务区的人群密度。

Patent Agency Ranking