-
公开(公告)号：CN117456719A
公开(公告)日：2024-01-26
申请号：CN202311167622.9
申请日：2023-09-11
Applicant: 东南大学
Abstract: 本发明公开了一种基于号牌识别数据的交叉口车辆累积到达曲线重构方法，包括：获取上下游交叉口的号牌数据，提取上游交叉口出口道断面处到达曲线的观测值；基于高斯过程构建到达曲线插值模型，以到达曲线的部分观测值为输入，对未匹配车辆的上游到达信息进行推断；采用最大最小倾斜方法对到达曲线插值模型中参数的分布进行简化，采用最大似然对到达曲线插值模型中的参数进行估计，重构上游交叉口断面处的到达曲线。本发明能够，能够自动捕获车辆到达的非线性和不确定性，使重构的到达曲线在实际应用中具有物理意义，为到达曲线的精准重构提供了可靠方案。
-
公开(公告)号：CN116721551A
公开(公告)日：2023-09-08
申请号：CN202310488494.1
申请日：2023-05-04
Applicant: 东南大学
Abstract: 本发明公开了基于号牌识别数据的车道级到达曲线历史和实时重构方法，包括：利用号牌识别数据以及上下游的信号配时数据，获得上下游交叉口累计驶离车辆数；通过车辆号牌匹配，获得在目标断面的车道级部分车辆到达观测数据；采用历史数据训练贝叶斯神经网络，将训练后的贝叶斯神经网络作为到达曲线学习模型；以实时或历史上游交叉口累计驶离车辆数为输入，利用到达曲线学习模型预测得到目标断面的实时或历史到达车辆数，进而重构车道级实时到达曲线或历史到达曲线。本发明通过学习的方式自动捕捉历史数据中隐含的车辆到达模式，能够较好地描述各车道非线性的车辆到达过程，提高了到达曲线重构的精度。
-
公开(公告)号：CN115100875B
公开(公告)日：2023-05-16
申请号：CN202210630060.6
申请日：2022-06-06
Applicant: 东南大学
IPC: G08G1/052 , G08G1/01 , G06F18/20 , G06F18/23213
Abstract: 本发明公开了一种基于网联车轨迹数据的绿波行进车速不确定性量化方法，包括：将网联车轨迹点与实际道路路段进行地图匹配，计算网联车轨迹点到下游交叉口的距离；对车辆运行状态进行划分；将轨迹点汇聚到相应的路段元胞内；获得多条不同时间间隔内的路段元胞绿波行进车速序列；利用隐马尔科夫模型对元胞绿波行进车速进行联合分布建模，输入多条不同时间间隔内的元胞绿波行进车速序列进行训练，确定元胞绿波行进车速联合分布；获取若干组路段元胞绿波行进车速样本，计算空间平均值得到路段绿波行进车速样本，确定路段绿波行进车速分布。本发明实现了绿波行进车速的不确定性量化，为支撑鲁棒信号协调控制提供了现实可靠依据。
-
公开(公告)号：CN110070734B
公开(公告)日：2022-01-28
申请号：CN201910397787.2
申请日：2019-05-14
Applicant: 东南大学
Abstract: 本发明提供一种基于高斯混合模型的信号交叉口饱和车头时距估计方法。主要解决的技术问题是：利用车辆号牌数据，基于高斯混合模型，提出一种完全数据驱动的信号交叉口饱和车头时距估计方法。根据采集的信号交叉口号牌数据，分车道提取车头时距，用高斯混合模型对车头时距进行分类，得到两种状态下车头时距的高斯分布模型。根据信号交叉口的实际情况，该模型可看成是饱和状态和非饱和状态下车头时距高斯分布的组合，则两种分布中均值较小的分布可看作是饱和车头时距的高斯分布，其均值即为饱和车头时距。
-
公开(公告)号：CN109448370B
公开(公告)日：2021-09-28
申请号：CN201811268992.0
申请日：2018-10-29
Applicant: 东南大学
IPC: G08G1/01 , G08G1/081 , G06F16/901
Abstract: 本发明公开了一种基于车辆轨迹数据的交通控制子区划分方法，包括如下步骤：对某区域交叉口编号，获取卡口数据、路段长度数据以及该区域路网底图；汇聚卡口数据，将单个车辆的出行链划分成轨迹数据，并剔除无效轨迹；基于最短路原则对缺失的车辆轨迹进行修补；计算一定时段内各交叉口对之间的双向流量，形成交叉口对流量矩阵；以交叉口为节点、交叉口对之间的双向流量作为节点连线的关联度建立全联通的有向网络图，利用随机漫步地图算法对网络图进行初始划分；同类交叉口连通性检验，对现实路网划分非联通部分进行修正；划分结束，将划分结果投射到现实路网上。本发明能够更加充分挖掘交通流的中信息，从全局的角度分析交通网络中的结构。
-
Patent Agency Ranking
公开(公告)号：CN110322704B
公开(公告)日：2021-05-04
申请号：CN201910514435.0
申请日：2019-06-14
Applicant: 东南大学
Abstract: 本发明公开了一种基于号牌识别和GPS数据的排队长度实时估计方法，包括如下步骤：S1：通过车辆在路段中的停车位置和与停车位置相关的特征参数，建立二级随机森林回归模型；S2：对二级随机森林回归模型进行训练和测试，确定最终的随机森林回归模型；S3：将实际排队车辆中所有车辆的号牌信息，作为最终随机森林回归模型的输入，通过最终随机森林回归模型的输出，确定出实际路段中车辆排队的长度。本发明利用GPS轨迹数据提供的车辆停车位置和上下游号牌匹配数据提供对应停车位置相关的特征参数，建立随机森林回归模型，将从号牌数据中提取出的特征作为随机森林回归模型的输入，从而可以预测待测车辆的停车位置，得到具体的实时排队长度。
-
公开(公告)号：CN111932915A
公开(公告)日：2020-11-13
申请号：CN202010493319.8
申请日：2020-06-03
Applicant: 东南大学
Abstract: 本发明提供一种基于到达时间步进式预测的公交右转合乘信号优先方法，包括以下步骤：S1、公交到达数估计步骤，基于卡尔曼滤波模型步进式预测公交到达交叉口停车线的时间，并估计特定时间内到达交叉口的公交车辆数；S2、专用相位判定步骤，基于公交车辆到达估计结果判别公交相位是否需要并确定公交相位的长度；S3、信号方案生成步骤，当下一个周期被判别为需要公交相位插入时，一个专用公交相位被插入到原有信号方案之前，生成新的方案。随后，新生成的方案被下发至信号控制器执行。本发明的方法适用于信号控制中心下发指令而不依赖于前端，避免了因信号控制器API接口不同而造成的兼容性问题，实用性更强。
-
公开(公告)号：CN110322704A
公开(公告)日：2019-10-11
申请号：CN201910514435.0
申请日：2019-06-14
Applicant: 东南大学
Abstract: 本发明公开了一种基于号牌识别和GPS数据的排队长度实时估计方法，包括如下步骤：S1：通过车辆在路段中的停车位置和与停车位置相关的特征参数，建立二级随机森林回归模型；S2：对二级随机森林回归模型进行训练和测试，确定最终的随机森林回归模型；S3：将实际排队车辆中所有车辆的号牌信息，作为最终随机森林回归模型的输入，通过最终随机森林回归模型的输出，确定出实际路段中车辆排队的长度。本发明利用GPS轨迹数据提供的车辆停车位置和上下游号牌匹配数据提供对应停车位置相关的特征参数，建立随机森林回归模型，将从号牌数据中提取出的特征作为随机森林回归模型的输入，从而可以预测待测车辆的停车位置，得到具体的实时排队长度。
-
公开(公告)号：CN110070734A
公开(公告)日：2019-07-30
申请号：CN201910397787.2
申请日：2019-05-14
Applicant: 东南大学
Abstract: 本发明提供一种基于高斯混合模型的信号交叉口饱和车头时距估计方法。主要解决的技术问题是：利用车辆号牌数据，基于高斯混合模型，提出一种完全数据驱动的信号交叉口饱和车头时距估计方法。根据采集的信号交叉口号牌数据，分车道提取车头时距，用高斯混合模型对车头时距进行分类，得到两种状态下车头时距的高斯分布模型。根据信号交叉口的实际情况，该模型可看成是饱和状态和非饱和状态下车头时距高斯分布的组合，则两种分布中均值较小的分布可看作是饱和车头时距的高斯分布，其均值即为饱和车头时距。
-
公开(公告)号：CN109448370A
公开(公告)日：2019-03-08
申请号：CN201811268992.0
申请日：2018-10-29
Applicant: 东南大学
IPC: G08G1/01 , G08G1/081 , G06F16/901
Abstract: 本发明公开了一种基于车辆轨迹数据的交通控制子区划分方法，包括如下步骤：对某区域交叉口编号，获取卡口数据、路段长度数据以及该区域路网底图；汇聚卡口数据，将单个车辆的出行链划分成轨迹数据，并剔除无效轨迹；基于最短路原则对缺失的车辆轨迹进行修补；计算一定时段内各交叉口对之间的双向流量，形成交叉口对流量矩阵；以交叉口为节点、交叉口对之间的双向流量作为节点连线的关联度建立全联通的有向网络图，利用随机漫步地图算法对网络图进行初始划分；同类交叉口连通性检验，对现实路网划分非联通部分进行修正；划分结束，将划分结果投射到现实路网上。本发明能够更加充分挖掘交通流的中信息，从全局的角度分析交通网络中的结构。
-
-
-
-
-
-
-
-
-
Search Results
105
records
(took 0.01 seconds)
