-
公开(公告)号：CN115809378A
公开(公告)日：2023-03-17
申请号：CN202211623619.9
申请日：2022-12-16
Applicant: 东南大学
IPC: G06F16/9537 , G06F16/906
Abstract: 本发明基于手机信令数据对居民就医出行行为进行识别，从医疗设施的均衡可达性出发，设计医疗设施短缺区识别及布局优化方法。依靠带有标签的手机信令数据识别就医出行人群，分析就医人群及其出行相关特征，在此基础上结合多源数据对现有医疗设施进行多交通方式的可达性测度。通过识别医疗短缺区、确定候选医疗设施点，结合最小化阻抗模型和最小设施点模型为医疗公共服务设施布局优化提供决策依据。该方法可以为相关部门实现医疗服务设施布局均衡性评价与优化研究提供新思路和新方法，为城市民众享受均等的基本医疗服务提供技术支撑。
-
公开(公告)号：CN113763707B
公开(公告)日：2022-08-16
申请号：CN202110953889.5
申请日：2021-08-19
Applicant: 东南大学
Abstract: 本发明公开了一种基于号牌数据的路段溢流和车道阻挡状态辨识方法，该方法根据检测器采集到的车辆身份标识数据，包括时间戳、车牌信息、信号交叉口名称、进口方向、进口车道等信息，获取交通流的到达‑驶离信息；在此基础上，通过卡尔曼滤波模型对交通流的累计到达曲线进行重构；以路段车道上的滞留车辆数和上游交叉口驶离车辆的车头时距为辨识参数，构建路段溢流状态辨识模型；在路段未发生溢流状态下，采用动态时间弯曲法对无车道阻挡状态下的预期累计驶离曲线和实际采集的驶离曲线相似度进行比较，通过时间序列分段法比较左转和相邻直行车道的累计驶离曲线偏移距离，对渠化段车道阻挡状态进行辨识。
-
公开(公告)号：CN114639240A
公开(公告)日：2022-06-17
申请号：CN202210186268.3
申请日：2022-02-28
Applicant: 东南大学
IPC: G08G1/01
Abstract: 本发明公开了一种基于先进先出规则异常侦测的车辆有效行程时间提取方法，步骤为：1、获取路网路口卡口式电子警察检测到的号牌数据，进行上下游号牌匹配；2、筛选出完整通过路段的号牌数据；3、按照车流到达下游交叉口次序，提取车辆通过上游交叉口时的时间戳序列；4、利用车辆先进先出规则，筛检时间戳序列中的异常值，并重新生成符合先进先出规则的时间戳序列；5、将号牌数据与新生成的时间戳序列匹配，计算序列中包含车辆的行程时间值，得到车辆有效路段行程时间。本发明提升了车辆行程时间预处理的科学性和准确性。
-
公开(公告)号：CN108171361B
公开(公告)日：2021-11-12
申请号：CN201711308503.5
申请日：2017-12-11
Applicant: 东南大学
Abstract: 本发明公开了考虑交通冲突指标分布问题的交通仿真模型标定方法，同时考虑效率指标和安全指标，选择合适的交叉口效率指标作为交通仿真建模第一轮标定目标以及第二轮标定目标的约束条件，选择合适的交叉口安全指标作为交通仿真建模第二轮标定目标；通过计算仿真指标的标准差以及选择合适的置信区间对建立的仿真模型的最小所需仿真次数进行估计，有效减少参数校正的仿真试验次数；使用ANOVA检验或相关性检验，筛选出显著影响效率指标和安全指标的仿真参数；建立多约束的标定优化问题，提出使用遗传算法对模型参数进行标定的具体策略和流程；提出适应度参数选取方案；提出模型约束条件选择方案；通过对于交通冲突参数分布进行模型标定。
-
公开(公告)号：CN113569977A
公开(公告)日：2021-10-29
申请号：CN202110896262.0
申请日：2021-08-05
Applicant: 东南大学
Abstract: 本发明公开了一种基于手机信令数据的出行目的识别方法，将信令数据进行地图匹配后，从停留点的识别出发，基于ST‑DBSCAN时空密度聚类算法并结合启发式算法进行停留点识别。依靠具有标签的用户手机信令数据挖掘时空聚类算法的参数，同时考虑了出行者的速度特征，提高了停留点识别的精细度。通过特征提取获得用户出行的轨迹时空特征、个人属性和交通设施建成环境特性，将特征抽象为节点。通过基于约束的贝叶斯网络结构学习算法获取有向弧，初步完成贝叶斯网络建模，以出行目的和通勤特性为演绎推理对象，通过基于规则启发式的建模方法完善贝叶斯网络概率模型。进行出行目的识别时，通过用户的手机信令数据获取出行特征，即可得到出行者出行目的概率结果。
-
Patent Agency Ranking
公开(公告)号：CN112634620A
公开(公告)日：2021-04-09
申请号：CN202011546643.8
申请日：2020-12-24
Applicant: 东南大学
Abstract: 本发明公开了基于Encoder‑Decoder深度神经网络的路网动态交通分配方法，依托于车辆轨迹数据，采用LSTM神经网络模型构建Encoder‑Decoder模型，输入为路网交通多时段车流OD，输出为道路断面流量以及交叉口进口道转向流量，构建模型过程引入Attention机制，进行动态交通分配，得到路网交通需求与实际道路流量之间的非线性映射关系。本发明得到的分配模型结果精度较高，解决了传统方法存在的精度低、实时性差等弊端，为解决交通关键技术问题提供有力支撑。
-
公开(公告)号：CN108109379B
公开(公告)日：2020-06-16
申请号：CN201810078115.0
申请日：2018-01-26
Applicant: 东南大学
Abstract: 本发明公开了一种高速公路出口匝道区域安全评价方法，根据采集到的交通冲突数据对于交通冲突的类型进行分析，使用驾驶模拟器建立高速公路匝道区域的交通冲突场景，采集到驾驶者的反应时间和紧急制动减速度数据，并进一步建立驾驶者在不同场景下的反应时间和紧急制动减速度概率密度分布；针对每一个仿真冲突，可以根据其具体场景推演出相应事故发生概率；对于一个特定的换道冲突，可以根据实际发生时的状况进行场景归类，再用相应场景的事故概率计算方法求得其事故概率；将冲突的事故概率进行累计，可以获得观测时段内的事故预测数，或通过转换，获得特定时间内的事故预测数。
-
公开(公告)号：CN106856049B
公开(公告)日：2020-04-24
申请号：CN201710052088.5
申请日：2017-01-20
Applicant: 东南大学
Abstract: 本发明公开了一种基于卡口号牌识别数据的关键交叉口需求集聚分析方法，根据路网内各交叉口的过车号牌识别检测记录，分析短时间隔内在关键交叉口存在过车记录的车辆在驶入该交叉口前的行驶轨迹，进而对关键交叉口交通需求聚集模式进行分析。本发明方法基于车辆号牌的识别与匹配追溯车辆在路网的行驶轨迹，通过大量轨迹数据的短时空间聚合分析路网内关键交叉口的交通需求的汇集方式，从海量历史数据中提取交通流运行模式，为交通信号控制、交通诱导等道路交通管控措施的实施提供可靠的数据支撑和依据。
-
公开(公告)号：CN107731007A
公开(公告)日：2018-02-23
申请号：CN201711137576.2
申请日：2017-11-16
Applicant: 东南大学
IPC: G08G1/16
Abstract: 本发明公开了一种基于交通冲突随机过程演化的交叉口事故预测方法，通过采集驾驶者反应时间数据和不同车辆的最大刹车能力，分别得到驾驶者反应时间的概率密度函数和车辆的最大减速度概率密度函数，采用概率性算法，使用蒙特卡洛方法对于每一个冲突可能造成的严重事故的概率进行推演，针对每一个冲突，重复进行该随机过程，将其中的所有严重事故的概率进行相加，并归一化，最终可以得到该冲突导致严重事故的概率，且本发明引入了Delta-V速率变化，可以直接计算出严重事故概率，区别于以往只考虑某一方避让的情况，本发明考虑冲突中双方的减速行为进行判断。
-
公开(公告)号：CN105139668B
公开(公告)日：2017-12-01
申请号：CN201510448450.1
申请日：2015-07-27
Applicant: 东南大学
IPC: G08G1/08
Abstract: 本发明公开了一种基于路段速度区间的城市干线双向绿波控制优化方法，通过历史车辆行驶速度数据，量化行驶速度的波动区间，实现了车速不均匀情况下的协调相位绿时和相位差参数的优化。本发明充分考虑路段速度随机波动性和非协调相位通行需求的基础上，提出了以相邻交叉口之间的绿波带宽最大化为目标的干线双向协调控制优化方法，并进行重叠度检验以防止可能出现的绿波带断层的现象。克服了传统的采用平均车速假设，忽略车速不均匀性的弊端，可有效的提升干线交通流的运行效率，良好的实用性特点确保了实际应用的可操作性，对于城市道路交通信号控制优化系统建设，提升城市交通管控水平具有积极的意义。
-
-
-
-
-
-
-
-
-
Search Results
100
records
(took 0.026 seconds)
