-
公开(公告)号：CN116958952B
公开(公告)日：2024-04-30
申请号：CN202310845871.2
申请日：2023-07-11
Applicant: 重庆大学 , 重庆首讯科技股份有限公司
IPC: G06V20/62 , G06N3/0464 , G06N3/08 , G06V10/82 , G06V10/774
Abstract: 本发明公开了一种适用于高速公路监控视频下的车牌目标检测方法，包括以下步骤：采用注意力机制改进SSD的检测分支，将高层特征图通过注意力模块得到的特征掩码与浅层特征图进行逐元素点乘；采用叠加的方式融合各层特征图，然后结合车牌特点，设计适用于高速公路场景下的注意力特征金字塔；在自建的数据集上训练车牌目标检测模型；用训练完毕的模型检测高速公路场景下的车牌目标，获取车牌目标的位置和大小。本发明适用于高速公路监控视频下的车牌目标检测方法，多尺度目标检测性能好，定位精度高，可直接应用于高速公路监控视频下的车牌目标检测。
-
公开(公告)号：CN117831285A
公开(公告)日：2024-04-05
申请号：CN202311854469.7
申请日：2023-12-29
Applicant: 重庆大学 , 重庆首讯科技股份有限公司
IPC: G08G1/01
Abstract: 本发明提出了一种基于MPC的高速公路异常事件下的上游动态分流方法，通过ETC数据、车辆轨迹数据和路段属性，使模型能够更好地理解和捕获预测路段的交通状况。本发明针对高速公路异常事件下的交通诱导分流研究较少，已有研究没有考虑上游多路段流量对异常事故路段的协同影响，无法形成上游多路段协调动态分流控制方案，提出建立高速METANET宏观交通流模型，设计MPC控制上游分流量方案，对交通状态的实时监测与预测，同时作为输入反馈回MPC控制器，形成动态的上游分流方案，并能在必要时动态调整分流量，保障整体交通系统的高效运行。本发明可以为交通管理人员组织应急交通提供支撑，提高高速公路通行能力和服务水平。
-
公开(公告)号：CN112633162B
公开(公告)日：2024-03-22
申请号：CN202011533497.5
申请日：2020-12-22
Applicant: 重庆大学
IPC: G06V20/52 , G06V40/10 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464
Abstract: 本发明公开了适于高速公路外场遮挡条件下的行人快速检测及跟踪方法，包括以下步骤：步骤一：对高速公路监控视频图像进行数据重建、增强；步骤二：快速获取高级语义、更为突出且大感受野的特征，主要包括以下三个部分；步骤三：构建适用于小尺度目标检测的FPEM特征融合增强结构，主要包括以下两个部分：步骤四：构建并行DeepParts部件检测器+基于概率密度函数的置信图分布；步骤五：损失函数的设计；步骤六：轨迹跟踪预测，状态更新。本发明能有效降低因目标遮挡、目标缩小、目标丢失、目标相似、目标变换等因素造成的行人目标检测错误的情况，提高跟踪精度的同时满足实时性的要求。
-
公开(公告)号：CN117454734A
公开(公告)日：2024-01-26
申请号：CN202210847828.5
申请日：2022-07-19
Applicant: 重庆大学 , 重庆首讯科技股份有限公司
IPC: G06F30/27 , G06F17/18 , G08G1/01 , G06F119/02
Abstract: 本发明提供了一种考虑多因素影响的车检器数据修复性能分析方法，属于智能交通信息技术领域。本发明具体包括以下步骤：基于VISSIM交通仿真软件搭建高速公路路网模型，利用高速公路路网模型生成高速公路多源数据；将所述高速公路交通流参数的真实值通过修复得到高速公路交通流参数的修复值；基于BP神经网络结构构建车检器数据修复性能分析模型，通过所述高速公路多源数据和高速公路交通流参数的修复值对所述车检器数据修复性能分析模型进行训练；通过训练后的车检器数据修复性能分析模型对车检器数据修复性能进行定量分析。本发明能够使车检器数据修复性能达到理想水平，对交通管理者布设高速公路多源检测设备具有指导意义，进而提高交通数据的可靠性。
-
公开(公告)号：CN117236017A
公开(公告)日：2023-12-15
申请号：CN202311199238.7
申请日：2023-09-18
Applicant: 重庆大学
IPC: G06F30/20 , B60W50/00 , H04W4/46 , G06F119/14
Abstract: 本发明公开了一种隧道入口区域网联人驾车协同行驶建模方法，包括以下步骤：S1.确定隧道入口区域车辆间的社会力模型；S2.建立隧道入口区域人工势场模型；S3.基于步骤S1的社会力模型和步骤S2的人工势场模型，建立隧道入口区域车辆的动力学模型；S4.基于步骤S3建立的车辆动力学模型，添加网联协同项；S5.基于步骤S4添加有网联协同项的车辆动力学模型，再次添加隧道入口对驾驶员的负面影响，最终建立隧道入口区域网联人驾车协同行驶模型。本发明一种隧道入口区域网联人驾车协同行驶建模方法，可同时考虑车辆间的作用和隧道内外限速落差带来的影响，本发明还考虑了车车通信，为将来在V2V环境下改善隧道入口区域的交通提供了理论指导。
-
Patent Agency Ranking
公开(公告)号：CN117198062A
公开(公告)日：2023-12-08
申请号：CN202311199395.8
申请日：2023-09-18
Applicant: 重庆大学
Abstract: 本发明公开了一种基于雷视融合数据的大长隧道车辆引导方法，考虑了慢行车在实际交通道路中对车辆运行的影响，对车辆轨迹信息进行分析找出其中多辆慢行车，并根据慢行车历史轨迹数据预测双车道行程时间，通过比较隧道内双车道的行程时间，并通过隧道入口可变信息板显示，引导车辆换道以及车速引导。本发明方法简单易行、具有良好的实时性和适应性，可提高车道利用率，提升道路通行效率。
-
公开(公告)号：CN116958952A
公开(公告)日：2023-10-27
申请号：CN202310845871.2
申请日：2023-07-11
Applicant: 重庆大学 , 重庆首讯科技股份有限公司
IPC: G06V20/62 , G06N3/0464 , G06N3/08 , G06V10/82 , G06V10/774
Abstract: 本发明公开了一种适用于高速公路监控视频下的车牌目标检测方法，包括以下步骤：采用注意力机制改进SSD的检测分支，将高层特征图通过注意力模块得到的特征掩码与浅层特征图进行逐元素点乘；采用叠加的方式融合各层特征图，然后结合车牌特点，设计适用于高速公路场景下的注意力特征金字塔；在自建的数据集上训练车牌目标检测模型；用训练完毕的模型检测高速公路场景下的车牌目标，获取车牌目标的位置和大小。本发明适用于高速公路监控视频下的车牌目标检测方法，多尺度目标检测性能好，定位精度高，可直接应用于高速公路监控视频下的车牌目标检测。
-
公开(公告)号：CN116955453A
公开(公告)日：2023-10-27
申请号：CN202310884840.8
申请日：2023-07-19
Applicant: 重庆大学
IPC: G06F16/2458 , G06F16/29 , G06F17/16 , G06F17/18 , G06N3/0464 , G06N3/048 , G06N3/08 , G06Q50/30 , G08G1/01 , G08G1/017
Abstract: 本发明公开了一种基于行程时间特性的重点监测车辆判别方法，包括以下步骤：采集高速公路ETC数据，对通过两两相邻ETC门架的行车数据进行时空匹配；根据ETC时空匹配数据，计算通过两两相邻ETC门架的所有车辆的行程时间；提取多种典型路段的单车行程时间数据，设置行程时间阈值，筛选出有效行程时间记录，构建山区高速公路行程时间数据集；基于KDE‑FPCA进行车辆行程时间分布估计；基于CNN‑AM‑BiLSTM进行路段行程时间短时预测；基于行程时间分布及路段平均行程时间特点设计构建重点监测车辆特征数据集；设计构建重点监测车辆判别模型。本发明可适用于基于ETC数据的山区高速公路重点监测车辆判别，成本低、计算速率快。
-
公开(公告)号：CN111767644B
公开(公告)日：2023-10-17
申请号：CN202010506485.7
申请日：2020-06-05
Applicant: 重庆大学
Abstract: 本发明公开了考虑单隧道限速影响高速公路路段实际通行能力估计方法，包括：基于预测路段的道路实际数据，建立道路仿真模型；基于时空消耗理论，获取预测路段的道路实际通行能力，建立估计模型；将不同的交通流量大小作为输入量，获取根据所述道路仿真模型得到的预测路段的通行能力与根据所述估计模型得到的预测路段的通行能力的偏差；根据偏差，修正估计模型，得到预测路段的实际通行能力。本发明主要考虑高速公路中存在隧道与外场在道路属性上不同的介质对于道路实际通行能力的影响，通过仿真的方式分析其实际的通行能力，基于时空消耗理论建立了针对隧道的高速公路基本路段的实际通行能力估计模型，为缓解交通拥堵问题的缓解提供一定理论依据。
-
公开(公告)号：CN111767944B
公开(公告)日：2023-08-15
申请号：CN202010462591.X
申请日：2020-05-27
Applicant: 重庆大学
IPC: G06V10/82 , G06V10/80 , G06V10/52 , G06V10/764 , G06V10/766 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/084
Abstract: 本发明公开了一种基于深度学习的适用于多尺度目标检测的单阶段检测器设计方法，本发明一方面从语义信息、细节信息和感受野三个角度来构建各级特征信息均衡且充足的特征金字塔；另一方面，为了提升检测器对极端尺度目标的召回率，本发明摒弃手工设置Anchor尺寸和长宽比参数，利用网络自己学习出Anchor所需的尺寸和分布。本发明从特征金字塔和Anchor设置的角度重新设计单阶段检测器，从而提升单阶段检测器在多尺度目标上的检测精度同时兼顾检测速度。
-
-
-
-
-
-
-
-
-
Search Results
462
records
(took 0.077 seconds)
