-
公开(公告)号：CN118822243A
公开(公告)日：2024-10-22
申请号：CN202410596507.1
申请日：2024-05-14
Applicant: 北京交通大学
IPC: G06Q10/0635 , G06Q50/26 , G06Q50/40 , G06F18/25 , G06F18/22 , G06F18/2431 , G06V20/52 , G06V20/40
Abstract: 本发明提供了一种多源多点协同的城市轨道交通路网客流安全状态感知方法。该方法包括：将自动售检票系统AFC数据、列车运行计划数据和实际列车运行数据进行时空融合，得到融合数据；综合融合数据、路网结构、天气信息、预估车站和列车大客流信息，识别路网重点客流群体；对于路网重点客流群体，叠加视频监测数据，构建客流群体精细画像，设置客流群体的初始安全因子；根据客流群体精细画像、AFC数据和配流与视频基础指标数据协同识别重点客流群体的安全状态。本发明方法为城市轨道交通路网客流安全状态感知提供共性支撑，为科学运营组织提供技术条件，提升路网运营服务水平。
-
公开(公告)号：CN111507235B
公开(公告)日：2024-05-28
申请号：CN202010285277.9
申请日：2020-04-13
Applicant: 北京交通大学
IPC: G06V20/40 , G06V20/52 , G06V10/30 , G06V10/82 , G06N3/0464
Abstract: 本发明提供了一种基于视频的铁路周界异物入侵检测方法，用以解决克服铁路周界异物入侵检测方法消耗资源大、准确率不高的问题。所述铁路周界异物入侵检测方法，获取当前铁路周界监控视频图像并提取第N帧，采用KNN算法检测第N帧中的异物目标数n，并对满足预定条件的第i帧采用铁路场景YOLOv3模椟检测异物目标数m，再对m、n进行比较，输出检测目标数G＝m＝n或G＝α×m+β×n。本发明入侵异物检测方法消耗的计算机资源小，检测漏报率低、准确率高，提高了识别的精确性；同时，在与YOLOv3算法检测准确率相同的前提下，降低了计算机内存使用情况，更具有可应用性。
-
公开(公告)号：CN114889678B
公开(公告)日：2023-08-11
申请号：CN202210169756.3
申请日：2022-02-23
Applicant: 北京交通大学
IPC: G06Q10/0635 , B61L23/00
Abstract: 本发明提供了一种基于动态贝叶斯的铁路站车线安全协同预警方法。该方法包括：获取历史事故数据并分析“危险源‑隐患‑事故”之间的因果关系，构建各子系统下的风险评价指标体系；构建贝叶斯网络模型，计算各子系统中各类故障及事故的发生概率；构建N‑K模型，计算各子系统间的各指标因素的风险耦合值；计算系统中各指标因素间的风险耦合系数；基于风险耦合系数选择更新贝叶斯网络中的节点概率，重新计算后续节点的发生概率；基于贝叶斯网络的输出结果计算各子系统的风险系数；评价站车线各子系统的安全状态。本发明能够实现在考虑风险耦合的情况下对车站、列车、线路各子系统进行风险评价及预警，从而有效地提升整个铁路运营系统的应急服务能力。
-
Patent Agency Ranking
公开(公告)号：CN111582068B
公开(公告)日：2023-07-07
申请号：CN202010322202.3
申请日：2020-04-22
Applicant: 北京交通大学
IPC: G06V40/16 , G06V10/762
Abstract: 本发明提供了一种人员口罩佩戴状态检测方法。该方法包括：利用一定数量的佩戴口罩和不佩戴口罩的人脸图像构建口罩佩戴训练数据集，使用口罩佩戴训练数据集训练SSD目标检测算法，得到口罩佩戴检测模型；利用一定数量的监测区域场景的图像构建监测区域场景的口罩佩戴训练数据集，利用口罩佩戴训练数据集训练所述口罩佩戴检测模型，得到适用于监测区域场景的训练好的口罩佩戴检测模型；将待检测的监测区域场景的图像输入训练好的口罩佩戴检测模型，输出图像中的人员口罩佩戴状态检测结果。本发明优化SSD网络的检测框长宽比和学习率，并使用迁移学习的手段优化口罩检测模型，结合Haar级联分类器，人员口罩佩戴状态的检测准确率可达到98.2％。
-
公开(公告)号：CN115392557A
公开(公告)日：2022-11-25
申请号：CN202211005344.2
申请日：2022-08-22
Applicant: 北京交通大学
Abstract: 本发明提供一种基于视频与AFC数据融合的车站客流状态监测方法及系统，属于轨道交通运营管理技术领域，基于AFC数据，预测车站内进口客流数据；基于预测的车站内进口客流数据，融合车站的空间结构数据，得到站内各关键区域的基于AFC数据的客流数据；利用基于YOLOv4的客流目标检测方法，结合车站内监控视频数据，获取各关键区域的基于监控视频的客流量数据；采用证据推理方法，将基于AFC数据的客流数据及基于监控视频的客流量数据进行数据融合，得到各关键区域的短时客流预测值。本发明将视频和AFC数据相融合，得到各关键区域的短时客流预测值，提高了关键区域客流量预测的准确性，实现了车站内客流信息的准确感知，对判断短时的客流拥堵风险提供了可靠依据。
-
公开(公告)号：CN111507235A
公开(公告)日：2020-08-07
申请号：CN202010285277.9
申请日：2020-04-13
Applicant: 北京交通大学
Abstract: 本发明提供了一种基于视频的铁路周界异物入侵检测方法，用以解决克服铁路周界异物入侵检测方法消耗资源大、准确率不高的问题。所述铁路周界异物入侵检测方法，获取当前铁路周界监控视频图像并提取第N帧，采用KNN算法检测第N帧中的异物目标数n，并对满足预定条件的第i帧采用铁路场景YOLOv3模椟检测异物目标数m，再对m、n进行比较，输出检测目标数G＝m＝n或G＝α×m+β×n。本发明入侵异物检测方法消耗的计算机资源小，检测漏报率低、准确率高，提高了识别的精确性；同时，在与YOLOv3算法检测准确率相同的前提下，降低了计算机内存使用情况，更具有可应用性。
-
公开(公告)号：CN111160125A
公开(公告)日：2020-05-15
申请号：CN201911267535.4
申请日：2019-12-11
Applicant: 北京交通大学
Abstract: 本发明提供了一种基于铁路监控的铁路异物入侵检测方法。该方法包括：利用已知的铁路场景下的监控视频的包含异物入侵的原始图像训练YOLOv3，得到训练完成的模型权重，获取待监测的铁路场景下的监控视频，从监控视频中提取一系列的待监测的原始图像，通过现有的高斯混合模型对待监测的原始图像进行处理，输出的二值图像依次使用形态学处理、阈值自适应和非极大值抑制算法处理，获取包含异物入侵的图像区域；将包含异物入侵的图像区域输入YOLOv3中，该YOLOv3根据训练完成的模型权重输出相应的原始图像中的异物类型和异物定位位置信息。本发明降低了高斯混合算法带来的误报率，提高了YOLOv3算法在远距离目标或和小目标上的检测效果，可以有效地监测出铁路异物入侵。
-
公开(公告)号：CN104217297B
公开(公告)日：2017-04-26
申请号：CN201410469673.1
申请日：2014-09-16
Applicant: 北京交通大学
CPC classification number: Y02P90/84
Abstract: 本发明提供一种轨道交通车站动态安全风险评价方法，首先确定轨道交通车站动态安全风险评价动态指标体系，然后根据车站设备实时采集的数据计算各项动态指标值，最后基于区间二型模糊数和TOPSIS结合的新方法对轨道交通车站运营安全风险进行动态评价，更为精确地掌握轨道交通车站运营实时的安全状态，为相关管理人员的决策提供技术支持，对于提高决策质量具有非常重要的实际意义。
-
-
-
-
-
-
-
Search Results
38
records
(took 0.03 seconds)
