基于偏最小二乘法的交通事件持续时间预测方法

    公开(公告)号:CN102945601A

    公开(公告)日:2013-02-27

    申请号:CN201210495396.2

    申请日:2012-11-28

    Applicant: 东南大学

    Abstract: 本发明公开了一种基于偏最小二乘法的交通事件持续时间预测方法。首先利用偏小二乘法提取交通事件参数,建立偏小二乘回归模型;然后将所提取的交通事件参数带入所述模型获得交通事件持续时间。此外,随着交通事件的处理,定时更新模型参数,以做出实时持续时间预测。本发明克服了现在技术存在的需要大量数据、分布函数很难选择、缺少影响因素分析、预测模型是黑箱结构等缺陷,其预测精度优于现有的多种方法。本发明可用于对高速公路和城市道路交通事件持续时间的预测。

    “一路一线直行式”公交系统车站与路口协同设计与控制方法

    公开(公告)号:CN100447335C

    公开(公告)日:2008-12-31

    申请号:CN200710190059.1

    申请日:2007-11-20

    Applicant: 东南大学

    Abstract: 本发明公开了一种“一路一线直行式”公交系统车站与路口协同设计与控制方法,通过公交车站一路口的协同设计,将公交站设置在交叉口,紧靠行人过街线,一是当公交车获得通行权时,公交车将最早驶离交叉口,不受其它社会车辆的影响而增加公交车在交叉口的延误。二是公交车在交叉口利用红灯等候时间上下客,进一步缩短了公交车全程行驶时间,达到公交车出行时间最短的目的,本发明通过交通流主信号与行人过街信号的协同控制,减少乘客在交叉口的滞留时间和人数。乘客在交叉口下车后,在人行信号灯的控制下,可以通过交叉口人行斑马线进出停靠站,也有利于减少乘客违章穿越机动车道,干扰机动车正常运行,造成交通事故的隐患,保障了乘客安全。

    集成支持向量机检测高速公路交通事件的方法

    公开(公告)号:CN101271625A

    公开(公告)日:2008-09-24

    申请号:CN200810023236.1

    申请日:2008-04-03

    Applicant: 东南大学

    Abstract: 集成支持向量机检测高速公路交通事件的方法可显著提高检测系统的检测能力,并且避免了对支持向量机训练参数寻优而增加的时间开销。其方法是采用Boosting或Bagging方法训练多个支持向量机,训练支持向量机的每个实例包括检测区域上游检测站和下游检测站的交通流量、占有率、速度以及交通状态,交通状态取值1或-1,分别表示事件发生或无事件发生;使用每个支持向量机判定交通事件是否发生;而后通过多数表决或加权表决合成各个支持向量机的判定结果,根据合成结果判断高速公路检测区当前交通状态,由此检测事件的有无。

    “一路一线直行式”公交系统车站与路口协同设计与控制方法

    公开(公告)号:CN101158140A

    公开(公告)日:2008-04-09

    申请号:CN200710190059.1

    申请日:2007-11-20

    Applicant: 东南大学

    Abstract: 本发明公开了一种“一路一线直行式”公交系统车站与路口协同设计与控制方法,通过公交车站-路口的协同设计,将公交站设置在交叉口,紧靠行人过街线,一是当公交车获得通行权时,公交车将最早驶离交叉口,不受其它社会车辆的影响而增加公交车在交叉口的延误。二是公交车在交叉口利用红灯等候时间上下客,进一步缩短了公交车全程行驶时间,达到公交车出行时间最短的目的,本发明通过交通流主信号与行人过街信号的协同控制,减少乘客在交叉口的滞留时间和人数。乘客在交叉口下车后,在人行信号灯的控制下,可以通过交叉口人行斑马线进出停靠站,也有利于减少乘客违章穿越机动车道,干扰机动车正常运行,造成交通事故的隐患,保障了乘客安全。

    一种自适应的反转车道系统管控方法

    公开(公告)号:CN118397855A

    公开(公告)日:2024-07-26

    申请号:CN202410362748.X

    申请日:2024-03-28

    Applicant: 东南大学

    Abstract: 本发明公开了一种自适应的反转车道系统管控方法,包括步骤1、交通流量数据采集;步骤2、计算左转车道饱和度;步骤3、计算左转车道最大排队长度;步骤4、计算左转交通流量比;步骤5、左转车道反转:当步骤2至步骤4计算值均满足对应设定阈值时,启动左转车道反转;步骤6、主路行人过街管控,控制可变斑马线通行时机。本发明能通过视频检测,通过动态分析主路机动车流量、被交路过街行人和非机动车流量,自适应启动反转车道和过街引导装置,在减少路口相位,提高机动车通行能力的同时,避免机动车通行与行人和非机动车过街冲突,提高了反转车道设置的灵活性与适用性。

    一种过街盲道有效性测度方法

    公开(公告)号:CN113255028A

    公开(公告)日:2021-08-13

    申请号:CN202110404725.7

    申请日:2021-04-15

    Applicant: 东南大学

    Abstract: 本发明公开了一种过街盲道有效性测度方法,属于无障碍设施和交通基础设施评价分析领域。首先,获取过街盲道的基础数据;其次,构建结构方程模型,确定每类基础数据之间的层次结构,并得到各类数据中各数据的影响权重;再次,依据结构方程模型的总体拟合度评估指标判断模型是否满足适配要求;最后计算过街盲道有效性。本发明所构建有效性测度方法,能定量地描述不同因素对过街盲道有效性的影响程度,为过街盲道有效性的定量分析以及提升无障碍设施有效性政策的制定提供理论依据。

    一种爬坡车道路段的引导方法

    公开(公告)号:CN112885115A

    公开(公告)日:2021-06-01

    申请号:CN202110034125.6

    申请日:2021-01-12

    Applicant: 东南大学

    Abstract: 本发明提出了一种爬坡车道路段的引导方法,通过检测器实时检测并判断爬坡车道的爬坡段和合流过渡段上是否出现异常车辆的状况:若在合流过渡段出现异常车辆,则通过显示器指示主干道上的车辆提前采取措施为载货车汇流让行;若在爬坡车道的爬坡段出现异常车辆,则向监控指挥中心传输路段监控画面,并根据主干道上的交通路况,判断是否在路段上游对载货车采取临时性限流的措施。本发明通过自动化检测、引导的方式,能减少在爬坡车道路段上客载货车汇流时由速度差导致的冲突问题,进一步提高山区公路通行能力和安全性。此外,该方法能够高效地检测出爬坡段发生载货车事故时的情况,来及时采取相应的引导措施减小事故损失。

    一种基于高位视频分析交通冲突的信号控制装置及方法

    公开(公告)号:CN112509341A

    公开(公告)日:2021-03-16

    申请号:CN202011459167.6

    申请日:2020-12-11

    Applicant: 东南大学

    Abstract: 本发明公开了一种基于高位视频分析交通冲突的信号控制装置及方法,该装置包括高位视频采集设备、视频图像分析系统、联网联控装置及信号机信号方案数据库,所述信号机信号方案数据库用于存储各信号机执行信号控制方案的状态信息,所述高位视频采集设备用于采集路段上的交通流信息并实时传输给视频图像分析系统,所述视频图像分析系统用于处理视频图像、分析数据并识别和统计交通冲突行为,所述联网联控装置用于获取冲突路段的交通冲突信息,并结合信号机信号方案数据库,调整冲突路段上游信号方案。本发明能利用实时视频图像分析冲突路段的安全情况并调整上游信号方案,从而减少下游路段的交通冲突率,提高道路交通安全,降低发生交通事故的概率。

    一种基于封闭空间评估系统的行人仿真设备

    公开(公告)号:CN112486325A

    公开(公告)日:2021-03-12

    申请号:CN202011447308.2

    申请日:2020-12-09

    Applicant: 东南大学

    Abstract: 本发明公开了一种基于封闭空间评估系统的行人仿真设备,涉及智能交通技术领域,包括可佩戴式头显、测距环,主机箱、腿部感应装置、圆形底座和滚珠感应器,主机箱设置在圆形底座的边缘上,测距环设置在主机箱上,主机箱包括主机,主机包括评估模拟系统,评估模拟系统包括数据处理模块、路网仿真模块、虚拟现实模拟模块和数据输出模块,此设备可被广泛应用于交通行为模拟实验,平台搭建简单,易于操作。此套设备实现了行人仿真仪器与交通模拟仿真软件的一体化设计,实验人员可使用行人仿真设备在虚拟环境中自如行走,不受场地尺寸制约。此外,此套设备可为科研人员提供特定交通环境下的行人行为仿真评估,并且操作简便,不如传统交通模拟模式繁琐。

    基于自适应多任务深度学习的城市路网行程时间估计方法

    公开(公告)号:CN108417029B

    公开(公告)日:2020-11-06

    申请号:CN201810141263.2

    申请日:2018-02-11

    Applicant: 东南大学

    Inventor: 陈淑燕 唐坤 张斌

    Abstract: 本发明公开了一种基于自适应多任务深度学习的城市路网行程时间估计方法,属于智能交通技术领域。首先提取影响路段行程时间的特征,然后以降噪稀疏自编码器为元件构建由多个特征学习层组成的深度网络,逐层学习输入的特征表示;最后,使用基于概率的方法对行程时间的不确定性建模,构建多任务的回归层,由最小化模型输出与观测值之间的误差,使模型自动调整各个任务的权重。本发明克服了现有方法存在的浅层网络难以描述城市路网中复杂非线性的行程时间、需要人为调整联合学习任务权重以及只能利用具有完整任务标签的数据等缺陷,提高了行程时间估计的效率,在城市路网行程时间估计中具有重要的现实意义。

Patent Agency Ranking