-
公开(公告)号：CN106650057A
公开(公告)日：2017-05-10
申请号：CN201611114477.8
申请日：2016-12-07
Applicant: 东南大学
Abstract: 本发明公开了一种基于车辆侧翻侧滑虚拟试验的公路平曲线半径设计方案安全性评价方法，包括如下步骤：明确对目标路段进行评价所采用的控制函数使用adams/car构建驾驶员‑重型货车‑目标路段虚拟试验仿真平台；根据虚拟试验仿真平台，获取重型车辆目标路段上以设计速度v运行时的动力学指标，计算LTAr与LTRr的值；根据计算得到的LTAr与LTRr值，判断其是否符合控制函数F(r)的要求。本发明能够获得更加精确的车辆经过曲线时的运动状态，快速定量计算得到评价结果；能够应用于各个阶段的公路，应用广泛；对于设计、在建阶段的公路平曲线采用该方法能够摆脱对道路现实运行数据的依赖。
-
公开(公告)号：CN106228499A
公开(公告)日：2016-12-14
申请号：CN201610529822.8
申请日：2016-07-06
Applicant: 东南大学
IPC: G06Q50/30
CPC classification number: G06Q50/30
Abstract: 本发明公开了一种基于人-车-路-货多风险源的货运安全评价模型，包括以下步骤：构建货运安全感知系统，获取驾驶人、车辆、道路(环境)和货物信息；采用事故致因理论分析货运车辆事故致因因素，定义人、车、路和货四类风险源的属性集，并采用事故树分析方法对属性集进行分析和筛选；根据筛选后的属性集，采用层次分析法构建货运安全风险指标体系，并确定驾驶人、车辆、路(环境)和货物信息各因素对于事故发生的权重；依据建立的货运风险综合评价指标体系及各评价指标权重，采用模糊评价理论构建货运安全风险评价模型。本发明可为公路货物运输安全工作提供智能化预警的技术支撑。
-
公开(公告)号：CN105976612A
公开(公告)日：2016-09-28
申请号：CN201610268210.8
申请日：2016-04-27
Applicant: 东南大学
CPC classification number: G08G1/0133 , G06K9/00771 , G06K9/6256
Abstract: 本发明公开了一种基于鲁棒混合高斯模型的城市交通场景中车辆检测方法，包括以下步骤：1)实时采集城市交通场景视频，快速得到较为理想的城市交通场景背景模型；2)引入图像计数器，图像前景检测计数器，背景置信度图像计数器，图像更新标志，图像各点像素所处的交通状态并设置相应的初始值；3)图像的像素点当前场景的交通状态的判定；4)背景模型的每个像素点置信度是否更新的判定；5)每个像素点背景模型更新判定；6)背景更新时，根据当前场景所处的交通状态，用自适应的学习率来更新背景模型；7)城市交通场景前景检测。本发明用于实现车辆计数，车型分类，车辆跟踪以及交通参数的获取，从而实现对卡口视频数据的智能化管理。
-
公开(公告)号：CN105930812A
公开(公告)日：2016-09-07
申请号：CN201610268208.0
申请日：2016-04-27
Applicant: 东南大学
CPC classification number: G06K9/00825 , G06K9/00711 , G06K9/46 , G06K9/54 , G06K9/6267 , G06K2209/23
Abstract: 本发明公开了一种基于融合特征稀疏编码模型的车辆品牌类型识别方法，包括以下步骤：1)车辆前脸区域的定位提取及车辆前脸图像的预处理；2)提取车辆前脸特征并构建融合特征；3)构建基于融合特征的稀疏编码模型；4)构建非负性约束稀疏编码模型；5)采用重构误差最小法进行车辆品牌类型识别。本发明有效地提取车辆前脸的特征来实现对不同车辆品牌的分类，用于自动提取拍摄到的交通卡口视频中车辆品牌信息并进行分类，实现对卡口视频数据的智能化管理。
-
公开(公告)号：CN105320942A
公开(公告)日：2016-02-10
申请号：CN201510686194.X
申请日：2015-10-21
Applicant: 东南大学
IPC: G06K9/00
CPC classification number: G06K9/00798
Abstract: 本发明公开了一种基于联合检测器的路面破损检测方法，包括以下步骤：1)采用灰度约束消除路面图像的标线信息；2)采用亮度高程模型消除路面图像的阴影区域；3)采用小波阈值法对路面图像进行预处理，以消除路面图像中的噪声；4)采用邻域灰度差分法、局部灰度最小分析法和分块标记法构建路面破损联合检测器，对预处理后的路面图像进行破损检测；5)采用目标连通域定位路面图像的破损区域。本发明用于提高路面破损的检测效率，为公路管理工作特别是路面养护中提供高效、智能化的管理依据。
-
Patent Agency Ranking
公开(公告)号：CN101847270B
公开(公告)日：2013-07-03
申请号：CN201010173580.6
申请日：2010-05-14
Applicant: 东南大学
Abstract: 本发明涉及以改善车辆动力学性能为目标的虚拟样机、MATLAB控制系统联合仿真。本发明所要解决的技术问题是针对上述现有技术的不足，提供一套耦合虚拟样机、MATLAB的四轴重型货车悬架系统改进天棚控制模拟技术，改善车辆的道路友好性、平顺性。本发明基于ADAMS/View平台构建四轴重型货车虚拟样机模型和各等级双轮辙多点随机激励路面模型；依据现代控制理论，提出一种改进天棚控制算法，采用ADAMS、Matlab/Simulink联合仿真的方法实现悬架系统阻尼的半主动、主动改进天棚控制。本发明的重要创新在于实现了四轴重型货车悬架系统的ADAMS/MATLAB联合仿真，设计的改进天棚控制算法适用于悬架系统的半主动、主动控制，能有效改善四轴重型货车的道路友好性、平顺性，并具有较强的鲁棒性。
-
公开(公告)号：CN102332042A
公开(公告)日：2012-01-25
申请号：CN201110267930.X
申请日：2011-09-13
Applicant: 东南大学
IPC: G06F17/50
Abstract: 本发明涉及一种石英挠性加速度计启动模型的建模方法，属于运载工具导航及控制研究领域。本方法对石英挠性加速度计启动过程进行数据采样，利用Daubechies小波对采样的石英挠性加速度计启动过程数据进行去噪处理得到时序数据，提取时序数据的指数趋势项和线性趋势项，对提取趋势项后的时序数据进行标准化处理，根据时序数据的自相关函数和偏自相关函数特性确定时间序列模型的类别并采用合适的模型进行建模，估计时序数据模型的参数，建立基于时间序列分析的石英挠性加速度计启动模型。本发明提出了一种基于时间序列分析的石英挠性加速度计启动模型的建模方法，帮助研究人员更加深入地分析加速计启动过程。
-
公开(公告)号：CN115964483B
公开(公告)日：2024-04-05
申请号：CN202210857806.7
申请日：2022-07-20
Applicant: 东南大学
IPC: G06F16/35 , G06F18/2431 , G06N3/0455 , G06N3/084 , G06N20/00 , G06Q50/26
Abstract: 本发明公开了一种基于神经网络的高速公路养护大数据分类决策方法，包括：研究分析了高速公路养护系统中的大数据分析技术；基于机器学习高速公路养护数据处理方法，采用NLP词袋模型对高速公路中文本类的数据进行规格化处理，通过对文本类数据进行词频统计之后得到词频特征，将其词袋化之后转化成数值形式，采用自编码器模型对数据进行降维处理；采用人工标签将养护建议分为三类，构建了用于高速公路养护大数据分类决策的梯度提升决策树分类模型，将对分类决策的影响因素从传统仅考虑路面使用性能增加到同时考虑路面使用性能、车道数两种基础数据以及历史养护数据。本发明对路面养护数据进行处理和分类决策，对高速公路养护决策系统提供技术支持。
-
公开(公告)号：CN117078718A
公开(公告)日：2023-11-17
申请号：CN202311020638.7
申请日：2023-08-14
Applicant: 东南大学
Abstract: 本发明公开了基于DeepSORT的高速公路场景中多目标车辆跟踪方法，包括：首先，构建用于评估高速公路场景中多目标车辆跟踪模型的性能的数据集；其次，构建用于高速公路场景中车辆检测的Faster‑RCNN‑VDHS模型、YOLOV5s‑VDHS模型；再次，运动预测与状态估计，通过统计目标对象在之前帧的运动行为和参数来建模估计目标将在未来帧可能到达的位置；然后，构建用于车辆重识别的DNFM‑RDS模型、ResNet50‑VRHS模型、DenseNet121‑VRHS模型和ShuffleNetV2‑VRHS模型，用于提取目标检测框的运动特征和表观特征，并根据特征之间的相似度构建代价矩阵；最后，进行目标车辆关联匹配。本发明的有益效果在于：能够有效的对高速公路场景下的多目标车辆进行跟踪，提高高速公路系统监控的效率，从而促进智慧高速系统的发展。
-
公开(公告)号：CN116994229A
公开(公告)日：2023-11-03
申请号：CN202310739481.7
申请日：2023-06-20
Applicant: 东南大学
IPC: G06V20/59 , G06V10/82 , G06V10/80 , G06N3/0464
Abstract: 本发明提出了一种基于卷积神经网络融合模型的货车驾驶员姿态行为识别方法，包括：构建货车驾驶员姿态行为标准图像数据集；构建用于货车驾驶员姿态行为感知识别的四个模型，并通过对比实验得出RetinaNet‑DPBR的性能最优；使用RetinaNet‑DPBR对标准图像数据集进行驾驶姿态行为区域裁剪与提取；构建基于卷积神经网络的货车驾驶员姿态行为识别模型VGG16‑DPBR，获取一维特征向量FV；构建基于卷积神经网络的货车驾驶员姿态行为识别模型Xception‑DPBR，获取一维特征向量FX；构建基于卷积神经网络的货车驾驶员姿态行为识别模型MobileNetV2‑DPBR，获取一维特征向量FM；将特征向量FV、FX、FM融合，构建卷积神经网络融合模型FCNN‑DPBR，可以更精准地识别货车驾驶员姿态行为，对驾驶员在驾驶途中的安全性提供一定的技术保障。
-
-
-
-
-
-
-
-
-
Search Results
117
records
(took 0.02 seconds)
