-
公开(公告)号：CN108765954A
公开(公告)日：2018-11-06
申请号：CN201810605328.4
申请日：2018-06-13
Applicant: 上海应用技术大学
CPC classification number: G08G1/0112 , G06K9/6223 , G08G1/012 , G08G1/0125
Abstract: 本发明公开了一种基于SNN密度ST‑OPTICS改进聚类算法的道路交通安全状况监测方法，包括以下步骤：S1，采集选定道路上的车辆及手机定位数据；S2，对数据进行预处理，并入库；S3，通过关键定位信息进行地图匹配；S4，计算SNN密度相似度图，根据相似度图预估选定道路上行驶的车辆数；S5，通过ST‑OPTICS聚类算法对车辆及手机定位数据点进行聚类分析，输出簇排序；S6，将乘客对象度量值作为支持度，将符合的车辆信息存入数据库；S7，获取满足最小支持度的数据集来进行定位分析。本发明使用智能手机定位数据、基站定位数据及车载GPS技术建立检测模型，对选定道路交通安全状况进行智能检测。
-
公开(公告)号：CN108734129A
公开(公告)日：2018-11-02
申请号：CN201810489570.X
申请日：2018-05-21
Applicant: 上海应用技术大学
Abstract: 本发明提供了一种手机及车辆定位分析方法及系统，通过先获取GPS定位数据和基站定位数据，对采集的数据进行数据预处理操作生成可行性数据集存入数据库，通过数据库可行性数据的经纬度进行地图匹配，之后再次扫描数据库，将车辆GPS及手机定位轨迹数据点通过优化的ST-DBSCAN聚类算法进行分类，计算出各个簇的关键对象度量值，将关键对象度量作为定位分析模型的支持度，根据HOV车道实际规定符合车辆车载人数作为其最小支持度，检测符合在HOV车道行驶车辆，将符合的车辆信息存入对应的数据库，为交通部门道路检测执法提供科学依据。本发明解决了传统应用红外热成像技术识别车辆实载乘员数，依托视频监控设备对违规驶入HOV车道车辆的自动抓拍从而进行监测执法。
-
公开(公告)号：CN107145609A
公开(公告)日：2017-09-08
申请号：CN201710443636.7
申请日：2017-06-13
Applicant: 上海应用技术大学
CPC classification number: G06F17/30539 , G06F17/30327 , G06F2216/03 , G06Q50/265
Abstract: 本发明公开了一种基于FP‑Growth算法的隧道交通事故关联规则算法，其针对隧道交通事故数据的特点，提出了基于权重改进的FP‑Growth算法，对事务以及项赋予权重，从而能够有效地挖掘出隐藏的，更有意义的关联规则。并且利用改进后的FP‑Growth算法建立关联规则挖掘模型，通过挖掘采集的数据，找出导致隧道交通事故的频繁因素组合，分析结果找出隧道交通事故关联规则。
-
公开(公告)号：CN119477968A
公开(公告)日：2025-02-18
申请号：CN202411548641.0
申请日：2024-11-01
Applicant: 上海应用技术大学
IPC: G06T7/207 , G06T7/246 , G06V10/82 , G06V10/80 , G06N3/042 , G06N3/0499 , G06N3/048 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了一种面向复杂交通场景下的车辆轨迹预测方法和系统，包括以下步骤：步骤S1，获取目标车辆以及所在交通场景中周围车辆的历史轨迹信息，并利用分层图神经网络提取预测目标和周围车辆历史轨迹信息中的轨迹时序特征；步骤S2，获取目标车辆所在交通场景中的环境信息，利用分层图神经网络和注意力特征融合模块提取目标车辆周围全局和局部环境信息中的环境多尺度特征；步骤S3，利用多头注意力块对车辆轨迹时序特征和环境特征进行交互融合得到场景与车辆之间的交互特征；步骤S4，对场景和车辆的融合特征进行解码输出预测目标的多模态未来轨迹。本发明在提升模型的预测精确度且复杂度不增加的同时，可以保证模型能够适应复杂多变的交通环境。
-
公开(公告)号：CN118196573A
公开(公告)日：2024-06-14
申请号：CN202410219132.7
申请日：2024-02-28
Applicant: 上海应用技术大学
IPC: G06V10/80 , G06V10/82 , G06V10/764 , G06N3/0464 , G06V10/774
Abstract: 本发明属于计算机视觉领域，本发明所述方法包括，采用了卷积神经网络作为基础架构，以提取图像中的特征。通过大量的车辆图像数据进行训练，网络学习到了车辆的抽象表示，从而能够更准确地检测不同类型的车辆，包括轿车、卡车等。基于深度学习的车辆检测方法在智能车辆领域具有广阔的应用前景，本文所提出的方法在构建过程中充分考虑了实际应用的需求，克服了传统方法检测精度低的问题，达到了高效、准确、稳健的检测效果。
-
Patent Agency Ranking
公开(公告)号：CN113191496B
公开(公告)日：2024-02-02
申请号：CN202110533290.6
申请日：2021-05-17
Applicant: 上海应用技术大学
IPC: G06F18/214 , G06N3/0499 , G06N3/08 , C10G45/02
Abstract: 本发明提供了一种汽油辛烷值损失预测及优化方法，该方法首先根据工艺要求与操作经验，总结出原始数据变量的操作范围，采用最大最小的限幅方法剔除一部分不在此范围的样本；然后对只有部分时间点的位点，如果其残缺数据较多，无法补充，则将此类位点删除；最后对部分数据为空值的位点，空值处出用其前后两个小时数据的平均值代替。采用全连接高深度神经网络作为预测模型，全连接神经网络的预测准确性高，并且能够充分逼近复杂的非线性关系。实验结果显示，该模型取得了较好的优化效果。
-
公开(公告)号：CN116467932A
公开(公告)日：2023-07-21
申请号：CN202310259370.6
申请日：2023-03-16
Applicant: 上海应用技术大学 , 中国空气动力研究与发展中心超高速空气动力研究所
Abstract: 本发明涉及一种烧蚀条件下天线罩几何外形变化的预测方法及系统，其中方法包括：收集天线罩几何外形变化原始数据；通过主成分分析技术，对原始数据进行降维；建立长短期记忆网络模型；基于降维后的数据，训练并优化长短期记忆网络模型，得到最优模型；对用于预测的数据进行变换处理，并输入最优模型，得到天线罩几何外形变化的预测结果；对预测结果进行还原变换，得到天线罩几何外形数据。与现有技术相比，本发明克服了常用的自回归差分移动平均模型需要建很多模型的缺点，也避免了常用的神经网络模型由于输入输出变量多带来的困难，可方便地实现对烧蚀天线罩的几何外形变化进行预测。
-
公开(公告)号：CN115056779A
公开(公告)日：2022-09-16
申请号：CN202210566333.5
申请日：2022-05-23
Applicant: 上海应用技术大学
Abstract: 本发明提供了一种自动超车方法，包括根据实际数据，搭建至少两辆虚拟的车辆、虚拟环境以及虚拟道路，并对虚拟车辆、虚拟环境和虚拟道路的参数进行定义；将虚拟化的车辆、环境以及道路建立动画连接，并建立对应的控制系统；根据虚拟化车辆之间的距离分别确定相邻两辆虚拟化车在安全距离内的加速度仿真图形，根据仿真图形的结果来控制相邻两辆车的加速度；根据相邻两辆车的加速度和相邻辆车的距离对相邻行驶路径进行规划。本发明首先通过加速度仿真图形去控制车辆的加速度，根据加速度去规划行驶路径，即根据加速度去计算，在达到设定的距离之后，去根据规划的行驶路径进行超车，从而实现自动超车，安全性和舒适性高，且未来具有极高的市场价值。
-
公开(公告)号：CN114670818A
公开(公告)日：2022-06-28
申请号：CN202210268912.1
申请日：2022-03-18
Applicant: 上海应用技术大学
Abstract: 本发明公开了一种一种基于ArUco码定位实现故障车识别避让方法，包括以下步骤：通过车载摄像头捕捉路况图像，在目标车辆开启危险报警指示灯的情况下，获取目标车辆的ArUco码；提取所述ArUco码的信息，基于所述ArUco码的信息进行分析并根据预设规则生成预执行动作；执行所述预执行动作。基于ArUco码定位，将故障车辆启动危险报警指示灯的同时，基于当前所在位置及内置预设的世界坐标系建立坐标信息；基于所述坐标信息及车辆参数信息生成ArUco码。当前车辆捕捉到所述ArUco码即可获取故障车辆的坐标信息及车辆参数信息，从而通过处理模块进行分析，建立ArUco码分布地图；基于ArUco码分布地图测算与目标车辆的距离。从而提高测算和避让的准确性和可靠性。
-
公开(公告)号：CN108765954B
公开(公告)日：2022-05-24
申请号：CN201810605328.4
申请日：2018-06-13
Applicant: 上海应用技术大学
IPC: G08G1/01 , G06V20/54 , G06V20/40 , G06V10/762 , G06K9/62
Abstract: 本发明公开了一种基于SNN密度ST‑OPTICS改进聚类算法的道路交通安全状况监测方法，包括以下步骤：S1，采集选定道路上的车辆及手机定位数据；S2，对数据进行预处理，并入库；S3，通过关键定位信息进行地图匹配；S4，计算SNN密度相似度图，根据相似度图预估选定道路上行驶的车辆数；S5，通过ST‑OPTICS聚类算法对车辆及手机定位数据点进行聚类分析，输出簇排序；S6，将乘客对象度量值作为支持度，将符合的车辆信息存入数据库；S7，获取满足最小支持度的数据集来进行定位分析。本发明使用智能手机定位数据、基站定位数据及车载GPS技术建立检测模型，对选定道路交通安全状况进行智能检测。
-
-
-
-
-
-
-
-
-
Search Results
74
records
(took 0.021 seconds)
