-
公开(公告)号：CN118333446A
公开(公告)日：2024-07-12
申请号：CN202410372834.9
申请日：2024-03-29
Applicant: 东南大学 , 宁波市高等级公路建设管理中心
IPC: G06Q10/0639 , G06Q50/08 , G06F18/214 , G06F18/22 , G06F18/2415 , G06N20/20
Abstract: 本发明公开了一种高速公路深基坑施工安全韧性评价方法，包括如下步骤：(1)建立评价指标体系；(2)计算数据因果关系；(4)构建多个安全韧性评估子模型；(5)计算子模型权重，并将子模型集成到最终模型中，进行安全韧性能力计算。本发明首先从韧性理论出发建立安全韧性评价指标体系，然后计算数据的因果关系，并形成多个安全韧性评估子数据集，再构建多个安全韧性评估子模型，并计算子模型权重，最后将带有权重的子模型集成到最终模型中，进行深基坑施工安全韧性能力计算，通过划分安全韧性等级输出评估结果。本发明通过使用集成学习方法对深基坑安全韧性能力进行评估，大幅提高安全评价的准确性，在高速公路施工中具有实际的应用价值。
-
公开(公告)号：CN118015567B
公开(公告)日：2024-06-11
申请号：CN202410404743.9
申请日：2024-04-07
Applicant: 东南大学
IPC: G06V20/54 , G06V20/70 , G06V20/40 , G06V10/44 , G06V10/62 , G06V10/762 , G06V10/82 , G06N3/0464
Abstract: 本发明公开了一种适用于高速公路路侧监控的车道划分方法及相关装置，本发明通过对车辆轨迹进行聚类和空间划分，获得车道空间区域，根据车道空间区域获得道路空间区域，在道路空间区域中屏蔽车道空间区域，通过边缘点识别获取车道划分结果，无需费时费力的人工标注。
-
公开(公告)号：CN116522256A
公开(公告)日：2023-08-01
申请号：CN202211740838.5
申请日：2022-12-30
Applicant: 东南大学
IPC: G06F18/2431 , G06F17/16 , G06F16/26 , G06N3/045 , G06N3/08
Abstract: 本发明公开了一种自动驾驶事故分类及严重程度预测的方法，包括如下步骤：获取自动驾驶历年事故，建立自动驾驶事故挖掘与分析数据集；通过显著性检验找出导致自动驾驶事故的主要影响因素，标注每条事故数据的簇类；建立神经网络模型利用卷积神经网络预测自动驾驶事故严重程度；向神经网络输入自动驾驶事故数据集，输出预测的事故分类标签，计算与事故严重程度的匹配率，分析自动驾驶事故发生模式。本发明可以提取影响自动驾驶碰撞事故发生率和严重程度的主要特征，利用神经网络模型可以对海量的事故数据进行准确的事故严重程度预测，有助于交通机构针对不同事故模式制定有针对性的工程对策，提高自动驾驶车辆在实际应用的安全水平。
-
公开(公告)号：CN116384793A
公开(公告)日：2023-07-04
申请号：CN202211731796.9
申请日：2022-12-30
Applicant: 东南大学
IPC: G06Q10/0639 , G06F18/23 , G06F18/27
Abstract: 本发明公开了一种消除交通事故样本异质性的道路安全分析方法及系统，涉及道路安全技术领域。具体地，首先根据事故的发生特征将事故进行聚类，分为具有不同属性特征的族群；然后基于事故的安全影响因素对不同的族群进行交通安全建模，应用安全分析模型，获得影响区域中各交通道路安全的影响因素，对区域进行安全评价。通过本发明的技术方案，提供了一种精确、全面、客观、反映影响数据具有真实性的道路安全评价方法，适用范围更广，特别是通过事故特征进行聚类能够扩大事故样本之间的异质性，更好地表征相同影响因素对不同事故族群的影响。
-
公开(公告)号：CN115794801A
公开(公告)日：2023-03-14
申请号：CN202211663796.X
申请日：2022-12-23
Applicant: 东南大学
IPC: G06F16/215 , G06F16/22 , G06F16/26
Abstract: 本发明公开一种挖掘自动驾驶事故致因链式关系的数据分析方法，通过采集自动驾驶事故数据，基于Apriori算法构建事故致因链式关联规则分析模型，对算法进行改进快速生成与事故严重程度有关的关联规则，探究网联自动驾驶车辆不同严重程度的事故成因和发生模式，分析各关键因素之间的相关关系，为安全自动驾驶提供可靠建议。此种方法能够结合严重程度有针对性地获取自动驾驶事故多种影响因素的链式关系组合，获得简洁准确的事故致因链式关系结果，了解影响自动驾驶碰撞事故发生的主要因素，有助于交通机构制定有效的政策措施和工程对策，提高道路运输系统的效率和安全服务水平。
-
Patent Agency Ranking
公开(公告)号：CN118333380A
公开(公告)日：2024-07-12
申请号：CN202410305393.0
申请日：2024-03-15
Applicant: 东南大学 , 宁波市高等级公路建设管理中心
IPC: G06Q10/0635 , G06F17/16
Abstract: 本发明公开了一种基于MCDM的高速公路边坡施工安全韧性评价方法，包括：收集近年高速公路边坡施工安全生产事故数据，分析得到高速公路边坡施工安全韧性的4R特性与边坡施工主要安全生产事故类型，以安全韧性4R特性为一级影响因子，SMEA类别为二级影响因子，施工相关参数为三级影响因子，构建得到安全韧性三级分层结构；分别确定安全韧性4R特性和SMEA类别的优先级权重；确定安全韧性4R特性的重要性排名；采用WSM法评估得到高速公路边坡施工安全韧性指数。本发明能够以更加客观、有效的方式进行边坡安全韧性评价，从而进行更加高效的安全施工管理工作，为高速公路安全生产提供理论支持。
-
公开(公告)号：CN118211867A
公开(公告)日：2024-06-18
申请号：CN202410285061.0
申请日：2024-03-13
Applicant: 东南大学 , 宁波市高等级公路建设管理中心
IPC: G06Q10/0639 , G06Q10/0635 , G06Q50/08 , G06Q50/26
Abstract: 本发明提供一种高速公路隧道施工安全韧性评价方法，属于高速公路隧道施工安全评价领域。包括如下步骤：首先建立高速公路隧道施工安全韧性评估框架，建立安全韧性评价指标体系；其次使用层次‑熵权法的组合赋权法计算各级指标的权重；然后基于准则层两个指标的联合概率密度函数，拟合施工过程中安全韧性的变化过程，建立安全韧性曲面进行安全韧性评估；最后划分四级安全韧性水平，输出安全韧性评估结果。本发明可以有效评估隧道施工过程中的安全韧性等级，提高施工过程中系统面对风险时的承受能力、恢复能力，实现风险→隐患、隐患→事故时间线的拉长，大幅提高安全韧性评价的准确性和可靠性，具有实际的工程运用价值。
-
公开(公告)号：CN118171781A
公开(公告)日：2024-06-11
申请号：CN202410585309.5
申请日：2024-05-13
Applicant: 东南大学
IPC: G06Q10/04 , G06Q10/0635 , G06Q50/26 , G06V20/40 , G06V20/54 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及交通安全管理技术领域，公开了一种基于实时轨迹预测的高速公路机动车事故智能检测方法及系统，包括如下步骤：摄像机视频流采集；机动车轨迹提取；车辆轨迹预测模型构建；机动车事故判别；交通事故检测结果文件保存。本发明的有益效果为：本发明通过正常运行状况下的车辆运行轨迹挖掘车辆运行情况，利用实时车辆轨迹与预测车辆轨迹的偏差以及事故外观特征判断事故风险作为判据，克服了数据限制的难题，提高了视频事故检测的识别精度。
-
公开(公告)号：CN115794801B
公开(公告)日：2023-08-15
申请号：CN202211663796.X
申请日：2022-12-23
Applicant: 东南大学
IPC: G06F16/215 , G06F16/22 , G06F16/26
Abstract: 本发明公开一种挖掘自动驾驶事故致因链式关系的数据分析方法，通过采集自动驾驶事故数据，基于Apriori算法构建事故致因链式关联规则分析模型，对算法进行改进快速生成与事故严重程度有关的关联规则，探究网联自动驾驶车辆不同严重程度的事故成因和发生模式，分析各关键因素之间的相关关系，为安全自动驾驶提供可靠建议。此种方法能够结合严重程度有针对性地获取自动驾驶事故多种影响因素的链式关系组合，获得简洁准确的事故致因链式关系结果，了解影响自动驾驶碰撞事故发生的主要因素，有助于交通机构制定有效的政策措施和工程对策，提高道路运输系统的效率和安全服务水平。
-
公开(公告)号：CN116030645A
公开(公告)日：2023-04-28
申请号：CN202310065921.5
申请日：2023-01-17
Applicant: 东南大学
Abstract: 本发明提出了信号交叉口混合交通流环境车辆轨迹与信号协调控制方法，所述方法包括如下步骤：(1)通过路侧单元设施收集信号交叉口区域内的车辆信息和信号信息；(2)将信号交叉口区域划分为观测区和控制区，通过车辆信息对控制区内的车辆进行动力学建模；(3)通过控制智能网联车辆将混合交通流车辆划分为智能网联车引导的车辆编队，并保持编队稳定；(4)基于当前信号状态，以最小化交通延误和交通风险为目标设置目标函数，对编队的轨迹进行求解；(5)基于深度强化学习算法，计算出当前交叉口交通状态下的最优相位。本发明可以根据信号交叉口的实时交通状态，控制混合交通流组成编队，能够快速准确地实现信号自适应优化，减少其中的计算量，能够提高混合交通流环境下信号交叉口的交通效率和安全性能。
-
-
-
-
-
-
-
-
-
Search Results
29
records
(took 0.018 seconds)
