-
公开(公告)号：CN119416983A
公开(公告)日：2025-02-11
申请号：CN202510012407.4
申请日：2025-01-03
Applicant: 杭州海康威视数字技术股份有限公司
Abstract: 本申请提供一种停车场余位预测方法、设备及停车场管理系统。在本申请一个示例中，该停车场余位预测方法包括：依据停车场的聚类参考属性，对待预测停车场进行聚类，得到k类待预测停车场；其中，k≥2；分别对各类待预测停车场进行时间段划分，得到各类待预测停车场的最优时间段划分方式；依据所述待预测停车场的历史余位数据，对各类待预测停车场各目标时间段进行余位预测模型训练，分别得到各类待预测停车场各目标时间段对应的余位预测模型。该方法可以提高停车场余位预测的准确性。
-
公开(公告)号：CN119360602A
公开(公告)日：2025-01-24
申请号：CN202411361446.7
申请日：2024-09-26
Applicant: 杭州海康威视数字技术股份有限公司
IPC: G08G1/01 , G08G1/123 , G06N3/048 , G06N3/0442
Abstract: 本申请实施例提供一种车辆轨迹重构方法和设备，涉及智能交通技术领域。包括：获取目标车辆的初始车辆轨迹、目标车辆所处区域的路网数据和信号灯态数据；将初始车辆轨迹、路网数据和信号灯态数据输入目标数据驱动重构模型，得到初始车辆轨迹对应的多个目标轨迹点；基于初始车辆轨迹和多个目标轨迹点，确定初始车辆轨迹对应的重构车辆轨迹；目标数据驱动重构模型通过如下步骤得到多个目标轨迹点：提取初始车辆轨迹中的车辆运动特征；将信号灯态数据与车辆运动特征进行数据融合，并基于融合后的数据预测目标车辆的多个轨迹点；基于路网数据对多个轨迹点坐标进行约束，得到符合路网数据的多个目标轨迹点。
-
公开(公告)号：CN119229648A
公开(公告)日：2024-12-31
申请号：CN202411348639.9
申请日：2024-09-25
Applicant: 杭州海康威视数字技术股份有限公司
IPC: G08G1/01
Abstract: 本申请提供一种仿真轨迹数据获取方法、装置及设备，该方法包括：在实际车辆的行驶过程中，获取实际车辆的实际轨迹数据；在数据采集时刻，建立实际车辆对应的仿真车辆，将固定运动参数作为目标运动参数；从仿真启动时刻开始，控制仿真车辆基于目标运动参数在交通仿真模型中行驶；在仿真车辆的行驶过程中，获取仿真车辆的仿真轨迹数据；在每个第一更新时刻，预测仿真车辆在预测时段的预测轨迹数据；基于预测时段的预测轨迹数据和预测时段的实际轨迹数据确定第一运动参数，将第一运动参数更新为仿真车辆的目标运动参数。通过本申请的技术方案，能够得到实际车辆的完整轨迹数据。
-
公开(公告)号：CN118823052A
公开(公告)日：2024-10-22
申请号：CN202310445835.7
申请日：2023-04-19
Applicant: 杭州海康威视数字技术股份有限公司
IPC: G06T7/20 , G06F18/10 , G06Q30/0283 , G06Q30/0645 , G01C21/34
Abstract: 本申请实施例提供了一种路径获得、信息生成方法、装置、设备以及存储介质，涉及智能交通技术领域，具体实现方案为：获得目标车辆的行驶路径，并检测所述行驶路径是否完整；若所述行驶路径不完整，则检测所述行驶路径的缺失路段是否存在二义性，得到检测结果；基于所述检测结果获取所述目标车辆所处道路场景中图像采集设备采集到的针对所述目标车辆的车辆图像；基于获取到的车辆图像表征的路径信息，对所述行驶路径进行路径补全，得到补全后的行驶路径。应用本申请实施例提供的方案能够提升获取行驶路径的准确性。
-
公开(公告)号：CN118734101A
公开(公告)日：2024-10-01
申请号：CN202310364775.6
申请日：2023-03-31
Applicant: 杭州海康威视数字技术股份有限公司
IPC: G06F18/231 , G06N3/0442 , G06F16/9537 , G06F16/29
Abstract: 本申请公开一种车辆位置预测方法、装置、电子设备及可读存储介质，该方法包括：获取车辆的历史位置点集合，根据车辆所在预测目标区域的粗粒度网格地图，生成粗粒度位置点集合特征；根据粗粒度位置点集合特征，对车辆进行粗粒度车辆位置预测，得到粗粒度车辆位置预测结果，其中，粗粒度车辆位置预测结果至少包括一车辆在粗粒度网格地图中所处的粗粒度预测网格；在各粗粒度预测网格中选取目标粗粒度网格，根据历史位置点集合与目标粗粒度网格之间的连通区域对应的细粒度网格地图，生成细粒度位置点集合特征；根据细粒度位置点集合特征，对车辆进行细粒度车辆位置预测，得到细粒度车辆位置预测结果。本申请解决了车辆位置预测准确度低的技术问题。
-
Patent Agency Ranking
公开(公告)号：CN118627638A
公开(公告)日：2024-09-10
申请号：CN202310229223.4
申请日：2023-03-07
Applicant: 杭州海康威视数字技术股份有限公司
IPC: G06N20/00 , G06F18/25 , G06F18/22 , G06F18/24 , G06F40/194
Abstract: 本申请实施例提供了一种事件管理方法、装置及电子设备，涉及机器学习技术领域。获取待处理事件，并在预设事件存储区中检索与待处理事件相关的各个候选事件；确定包括待处理事件和任一候选事件的每个事件对的融合相似特征；针对每个事件对，利用文本向量相似特征计算先验相似性，并将融合相似特征输入预设检测模型，得到该事件对所包括的两个事件的相似度评分；将先验相似性和相似度评分输入预设分类模型，得到用于表征该事件对所包括的两个事件是否为重复事件的检测结果；基于各个检测结果，确定关于待处理事件是否为预设事件存储区中的各个事件的非重复事件的判定结果。与相关技术相比，应用本申请实施例提供的方案，可以提高事件管理效率。
-
公开(公告)号：CN118278637A
公开(公告)日：2024-07-02
申请号：CN202211723386.X
申请日：2022-12-30
Applicant: 杭州海康威视数字技术股份有限公司
IPC: G06Q10/0631 , G06Q30/0601
Abstract: 本申请实施例提供了一种排程确定方法、装置及电子设备。方法包括：获取候选排程结果中各订单的候选排程交期和各订单的目标交期；根据目标交期和候选排程交期确定各订单的效应值，作为候选排程交期对应的效应值，其中，当目标交期小于候选排程交期时，效应值与候选排程交期负相关，当目标交期大于候选排程交期时，效应值与候选排程交期正相关；直至满足预设循环结束条件，根据各订单的效应值调整候选排程结果，得到新的候选排程结果，并返回执行根据目标交期和候选排程交期确定各订单的效应值，作为候选排程交期对应的效应值的步骤；将对应的效应值满足第一预设条件的新的候选排程结果作为各订单的目标排程结果。可以确定更合理的排程计划。
-
公开(公告)号：CN118261684A
公开(公告)日：2024-06-28
申请号：CN202211698570.3
申请日：2022-12-28
Applicant: 杭州海康威视数字技术股份有限公司
Abstract: 本申请实施例提供了一种节点标签的确定方法、装置及电子设备，涉及数据处理技术领域，该方法包括：获取待分类异质图；根据各节点的属性信息和各节点之间的连接信息，确定各节点之间的相似度信息；基于各节点之间的相似度信息，从各节点中，确定与目标节点之间的相似度信息满足指定相似条件的节点，作为目标节点对应的相似节点；基于目标节点对应的每一相似节点的属性信息，确定目标节点的节点特征；基于目标节点的节点特征，确定目标节点的节点标签。通过本方案能够提高目标节点的节点标签确定的准确度。
-
公开(公告)号：CN118171097A
公开(公告)日：2024-06-11
申请号：CN202211584906.3
申请日：2022-12-09
Applicant: 杭州海康威视数字技术股份有限公司
IPC: G06F18/214 , G08G1/07 , G08G1/081 , G08G1/01
Abstract: 本申请实施例提供了一种干线交通信号控制模型的训练方法及装置，包括：获取待控制干线的样本全局交通数据生成待控制干线的全局交通特征；利用主控智能体进行分析得到待控制干线的全局任务；利用每一工作智能体对该工作智能体对应的交叉口任务进行分析得到该工作智能体对应的交叉口的交通信号控制策略；根据待控制干线中各交叉口的交通信号控制策略确定待控制干线的观测全局交通数据；调整主控智能体及各工作智能体中至少一个智能体的参数；选取待控制干线的其他样本全局交通数据继续对干线交通信号控制模型进行训练，直至满足模型训练结束条件得到训练好的干线交通信号控制模型。本申请实现了对干线交通信号控制模型的训练。
-
公开(公告)号：CN118133883A
公开(公告)日：2024-06-04
申请号：CN202410552789.5
申请日：2024-05-06
Applicant: 杭州海康威视数字技术股份有限公司
IPC: G06N3/042 , G06N3/0464 , G06N3/048 , G06N3/08 , G06N5/022
Abstract: 本申请公开一种图采样方法、图谱预测方法及存储介质，涉及数据处理技术领域，用于从图谱中采集到具有代表性的采样点，使得基于采样点对图神经网络进行训练时得到更好的训练结果。该方法包括：对于图谱中的每一个节点，确定节点的出度值，以及节点的属性信息，出度值用于表征图谱中以节点为起点的边的数量；基于节点的出度值以及节点的属性信息，确定概率密度函数；基于概率密度函数，对图谱进行采样，得到子图，子图用于对图神经网络进行训练。
-
-
-
-
-
-
-
-
-
Search Results
172
records
(took 0.078 seconds)
