一种闯红灯车辆的非现场执法图片智能审核方法和系统

    公开(公告)号:CN110009913A

    公开(公告)日:2019-07-12

    申请号:CN201910235474.7

    申请日:2019-03-27

    IPC分类号: G08G1/017 G06K9/00

    摘要: 本发明公开了一种闯红灯车辆的非现场执法图片智能审核方法和系统,系统包括对接模块、标注模块、图片预处理模块、深度学习模块、车辆定位模块以及违法智审模块;方法包括步骤:由接入模块接入非现场执法系统采集车辆闯红灯违法信息;由深度学习模块得到待审核目标车辆所在位置及轮廓定位标记;并由轮廓定位标记的质心坐标生成目标车辆的行驶轨迹;由车辆定位模块标记出目标车辆的停止线和边界线位置;根据目标车辆的行驶轨迹和进口道停止线之间的位置关系,判断目标车辆的行使方式和是否在行使过程中发生闯红灯违法行为;以及根据目标车辆的信号灯及其相位信息识别目标车辆闯红灯违法记录的有效性;本发明大大提高了审核的效率。

    基于排队消散时间的路口交通信号方案优化方法

    公开(公告)号:CN111429721B

    公开(公告)日:2021-11-09

    申请号:CN202010234831.0

    申请日:2020-03-27

    IPC分类号: G08G1/01 G08G1/07

    摘要: 本发明提供一种基于排队消散时间的路口交通信号方案优化方法,基于各进口道流向的绿时需求、绿灯空放时长和排队消散时间,以排队消散时间作为增减量,调整确定各进口道流向的实际绿时需求;针对待选相序方案对每一组相序方案下相位阶段绿灯时长计算,基于周期时长确定最优方案;本发明方法,对比传统绿时需求求解方案,能够对绿时需求有效调整,确保进口道流向绿时既能满足车辆通行又不存在长时间绿时空放情况,将绿时需求值达到最优;并考虑对比待选相序方案,选取最优相序和最优配时方案,大大提高了交通信号方案配置的灵活性,可为不同控制阶段选取出最优的信号控制方案。

    一种基于出行结构的城市路网诱导方案发布方法和系统

    公开(公告)号:CN109887288B

    公开(公告)日:2021-06-15

    申请号:CN201910235483.6

    申请日:2019-03-27

    摘要: 本发明公开了一种基于出行结构的城市路网诱导方案发布方法和系统,系统包括数据接入模块、需求结构分析模块、诱导路径搜索模块、诱导策略生成模块、诱导发布模块;方法首选通过数据接入模块获取指定时间段内全路网机动车卡口过车记录,并由卡口过车记录获取机动车的出行结构;随后根据出行结构构建路网拓扑结构,得到路网的OD点对集合及对应的出行路径集;然后获取出行路径集的实时交通流量数据,并基于交通流量数据生成拥堵路段集合;同时基于拥堵路段集合构建诱导路径搜索模型,并基于路网的交通运行情况和历史通行轨迹对每一OD点对生成多条诱导路径;最后根据机动车的出行确定最优诱导发布策略和次优诱导发布策略;本发明可提升路网通行效率。

    基于GM跟驰模型的高速公路行程时间估计方法

    公开(公告)号:CN109712397A

    公开(公告)日:2019-05-03

    申请号:CN201910060911.6

    申请日:2019-01-22

    IPC分类号: G08G1/01 G08G1/052 G08G1/065

    摘要: 本发明提供一种基于GM跟驰模型的高速公路行程时间估计方法,将检测器的实测数据对交通流微观模型进行标定,由虚拟车辆跟驰特性分析路段内的交通微观运动属性,进而实现行程时间的估计;该方法能够实现对路段行程时间的估计,显著提升数据颗粒度,同时能够保证在拥堵状况下的行程时间估计精度,满足当前精细化交通管控对支撑数据的要求。

    基于卡口数据的车辆出行轨迹识别方法

    公开(公告)号:CN109359690A

    公开(公告)日:2019-02-19

    申请号:CN201811227691.3

    申请日:2018-10-19

    IPC分类号: G06K9/62 G06F17/16 G06F17/14

    摘要: 本发明提供一种基于卡口数据的车辆出行轨迹识别方法,采用谱聚类方法,从卡口数据的时空特性角度实现出行链的自动拆分,从而识别出单次出行轨迹的起点、终点以及途经点位,具体为,生成车辆当日的完整出行链;建立相似矩阵S;计算邻接矩阵W与度矩阵D;构建拉普拉斯矩阵L,进一步确定特征矩阵F;采用DBSCASN聚类算法进行聚类分析,得到簇划分结果;确定轨迹点的簇划分结果,生成子轨迹;该方法兼顾车辆通行的时间与空间属性,与依据行程时间进行的轨迹划分方法相比更为全面。无需预设阈值,完全由实测数据驱动实现车辆通行轨迹识别,提高轨迹识别的准确性。该分析结果可用于车辆出行行为识别、出行特征分析、交通流OD估计等。

    基于轨迹数据的OD需求提取及其可靠性分析方法

    公开(公告)号:CN109254861A

    公开(公告)日:2019-01-22

    申请号:CN201811083740.0

    申请日:2018-09-17

    IPC分类号: G06F11/00 G06F17/18 G06Q50/30

    摘要: 本发明提供一种基于轨迹数据的OD需求提取及其可靠性分析方法,基于出租车GPS定位数据进行空间聚类分析,划分出路网级的交通小区;基于视频车牌识别设备和车载GPS定位设备,提取确定出可观测的动态OD需求;采用历史数据基于概率统计学的方法对可观测OD需求样本数据的可靠性进行分析;该种基于轨迹数据的OD需求提取及其可靠性分析方法,在对交通小区划分的基础上,根据GPS定位数据和视频号牌识别数据提取出动态OD需求,并依托概率统计学的方法对历史样本数据进行可靠性分析,从而为动态OD估计提供了准确的动态OD可观测需求数值,提高了动态OD估计的准确性,提升了估计的精准度。

    基于多源异构数据的动态车流OD估计方法

    公开(公告)号:CN109035784A

    公开(公告)日:2018-12-18

    申请号:CN201811083739.8

    申请日:2018-09-17

    IPC分类号: G08G1/01 G06Q10/06 G06Q50/30

    摘要: 本发明提供一种基于多源异构数据的动态车流OD估计方法,将视频号牌识别数据和车辆GPS数据进行整合,将路网断面流量拆分为可观测OD和不可观测OD,同时基于卡尔曼滤波对不可观测OD进行估计,进而与可观测OD整合得到动态车流OD信息;该种基于多源异构数据的动态车流OD估计方法,将号牌识别设备采集的过车数据与GPS数据相结合,提取出有效路径作为可观测OD需求,并划分为可观测部分和不可观测部分来实现路网OD估计,对比传统仅基于断面数据进行估计,该方法更能捕捉到OD变化趋势,更具准确性。

    一种基于深度学习目标检测的交通信号灯故障检测方法

    公开(公告)号:CN113129591B

    公开(公告)日:2022-07-08

    申请号:CN202110410532.2

    申请日:2021-04-13

    摘要: 本发明公开一种基于深度学习目标检测的交通信号灯故障检测方法,以信号灯路口固定部署的电子警察采集的视频流数据为检测依据,通过构建基于深度学习的轻量级网络结构实现交通信号红绿灯、倒计时牌的多类型故障动态识别,以最长为两个信号周期长度的预设时段内即可识别出红绿灯与倒计时牌的故障类型,基本覆盖常见的故障问题,能够实现实时性强、准确度高的信号灯故障检测,无需增设前端的设备,动态同步路口电子警察视频流数据并进行取样处理,以降低模型运算量为目标,构建轻量级的网络结构,为及时的信号灯设备维修提供支撑,该方法还能够应用于路口电子警察违法抓拍数据的智能审核中,有助于快速识别违法误判数据。