-
公开(公告)号:CN117556186A
公开(公告)日:2024-02-13
申请号:CN202311483614.5
申请日:2023-11-08
Applicant: 东南大学
Abstract: 本发明公开了一种多源数据驱动的城市公交出行需求模式估计方法,首先对收集得到的手机信令数据、居民调查数据、公交GPS数据与公交IC卡数据进行预处理,提取居民出行产生至分布于公交线路站点过程的样本出行数据;然后根据城市公交线网实际网络结构,将公交出行需求模式估计计算图划分为出行生成、公交出行分布、公交方案选择、线路站点客流分配四个层级,设置计算图框架各层级出行行为参数;再将不同阶段出行变量映射到相应的出行样本数据,通过各出行阶段与信息源之间的连接实现数据交叉验证与融合,利用反向传播算法进行模型求解,直至满足误差收敛规则;最后,输出模型估计得到的城市公交出行需求模式,为城市公交系统规划与管理提供决策支撑。
-
公开(公告)号:CN117473741A
公开(公告)日:2024-01-30
申请号:CN202311425411.0
申请日:2023-10-31
Applicant: 东南大学
IPC: G06F30/20 , G06F18/25 , G06Q50/40 , G06F111/04
Abstract: 本发明涉及一种全样本高分辨率车辆轨迹鲁棒重构方法、设备、介质,重构方法包括:获取线圈检测器数据和网联车数据,并通过基于交通阻塞流和自由流特征改进的自适应平滑方法,估计时空速度矩阵;选取需要重构轨迹的非网联车,分别依据其上游和下游已知轨迹,通过IDM模型生成候选轨迹;对已生成候选轨迹的非网联车,以生成的时空速度矩阵为约束,计算候选轨迹的权重,用加权法融合候选轨迹,重构所述非网联车的高分辨率车辆轨迹;对每辆非网联车依次重复候选轨迹生成和融合的过程。与现有技术相比,本发明提高了重构精度和鲁棒性;准确估计了车辆在阻塞流和自由流不同场景下的轨迹信息,通过简易的参数调节即可接近最优重构结果。
-
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:CN114141008B
公开(公告)日:2023-05-12
申请号:CN202111269287.4
申请日:2021-10-29
Applicant: 东南大学
Abstract: 本发明公开了一种基于手机信令数据的共享公共交通服务区域选取方法,具体包括:1)基于通信运营商处获取的手机用户信令数据特征,运用数据挖掘算法获取居民完整出行特征数据;2)通过提取连续多个工作日的手机用户信息,对其在特定时段周期性出现的基站进行职住地判别和通勤行为识别;3)通过计算工作日不同时段基站活跃度,结合基站富含的地理位置信息和交通信息,利用改进的DBSCAN方法对基站进行标定和分类,划分交通小区;4)根据各交通小区人口密度,交通小区OD对间出行量、质心距离、现有公交线网供给情况、道路条件,利用定性定量综合分析的方式选取共享公共交通服务区域。
-
公开(公告)号:CN116070033A
公开(公告)日:2023-05-05
申请号:CN202310091813.5
申请日:2023-02-09
Applicant: 东南大学
IPC: G06F16/9536 , G06F16/9537 , G06Q50/00 , G06F17/18
Abstract: 本发明公开了基于手机信令数据的新型共享公共交通转移需求估计方法,首先通过信令数据提取用户出行链信息,利用地图匹配算法重构手机用户出行轨迹,建立职住地判别规则,识别手机用户通勤出行需求;之后构建用户出行方式识别模型,获得现状各出行方式的通勤出行需求;通过用户出行特性问卷调查获取用户出行选择行为信息以及选取新型共享公共交通通勤意愿信息,构建新型共享公共交通出行转移意愿结构方程模型,获得各出行方式向新型共享公共交通转移的显著性个体感知影响因素;再分别构建各出行方式向新型共享公共交通转移的有序Logit模型,获得各方式通勤出行向新型共享公共交通潜在转移概率。本发明利用手机信令数据,以更细的颗粒度研究城市居民出行行为及特性,建立的模型更合理地估计新型共享公共交通需求。
-
公开(公告)号:CN114996544A
公开(公告)日:2022-09-02
申请号:CN202210448342.4
申请日:2022-04-26
Applicant: 东南大学
IPC: G06F16/909 , G06F16/906 , G06F16/29 , G01C21/30 , G06K9/62
Abstract: 本发明公开了一种基于手机信令数据和Mix‑Markov模型的出行路径提取方法。首先对手机信令数据进行“降噪”预处理,结合基于时空信息的DBSCAN聚类算法,确定有效轨迹点;然后根据隐马尔可夫模型分析待匹配点与候选点之间的空间关系,建立发射概率向量与转移概率矩阵;最后根据维特比算法获取最优路径,即得到地图匹配结果,完成手机用户的出行路径提取。本发明在进行用户轨迹数据地图匹配时,仅需要输入用户的轨迹数据获取用户出行路径,计算速度快,匹配结果准确,为用户出行特征的分析提供了充分的研究数据。
-
公开(公告)号:CN114141008A
公开(公告)日:2022-03-04
申请号:CN202111269287.4
申请日:2021-10-29
Applicant: 东南大学
Abstract: 本发明公开了一种基于手机信令数据的新型共享公共交通服务区域选取方法,具体包括:1)基于通信运营商处获取的手机用户信令数据特征,运用数据挖掘算法获取居民完整出行特征数据;2)通过提取连续多个工作日的手机用户信息,对其在特定时段周期性出现的基站进行职住地判别和通勤行为识别;3)通过计算工作日不同时段基站活跃度,结合基站富含的地理位置信息和交通信息,利用改进的DBSCAN方法对基站进行标定和分类,划分交通小区;4)根据各交通小区人口密度,交通小区OD对间出行量、质心距离、现有公交线网供给情况、道路条件,利用定性定量综合分析的方式选取新型共享公共交通服务区域。
-
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:CN113326740A
公开(公告)日:2021-08-31
申请号:CN202110498728.1
申请日:2021-05-08
Applicant: 东南大学
Abstract: 本发明公开了一种改进的双流交通事故检测方法。收集事故和非事故视频数据集,以及事故相关交通拥堵图片数据集和事故无关交通拥堵图片数据集,并将视频数据集划分为训练集和测试集;提取训练集和测试集中每个视频的关键帧和光流数据;搭建双分支的事故检测模型,包含以关键帧为输入的外观特征提取网络和以光流数据为输入的运动特征提取网络;构建包含三元组损失和交叉熵损失的联合损失函数以训练事故检测模型;利用测试集中的视频数据对训练完毕后的事故检测模型进行有效性评估。本发明降低了模型的误报率和漏检率,提高了模型事故检测精度。
-
-
-
-
-
-
-
-
-