-
公开(公告)号：CN119694112A
公开(公告)日：2025-03-25
申请号：CN202411779704.3
申请日：2024-12-05
Applicant: 东南大学
Abstract: 本发明公开了一种网联环境下未观测车辆的速度推断与轨迹重构方法，该方法包括：获取混合交通流中智能网联车辆以及被观测到的人工驾驶车辆的轨迹数据，并将这些记录按照时间顺序排列。搜索智能网联车辆速度变化的拐点，估计冲击波速度。分别计算拥堵扰动和自由流扰动对空间中任意一点速度的影响大小，并推断全时空坐标点的速度值。基于观测到的人工驾驶车辆轨迹数据，划分前序未观测车辆的位置区间，生成未观测车辆的候选位置。建立全时空车辆轨迹重构模型，推断每一时间断面未观测车辆最优位置，重构得到未观测车辆的轨迹序列。本发明所设计的方法提升了速度和位置推测的准确性，为提升城市交通感知与管控能力具有重要实用价值。
-
公开(公告)号：CN119811068A
公开(公告)日：2025-04-11
申请号：CN202411722159.4
申请日：2024-11-28
Applicant: 东南大学
IPC: G08G1/01 , G06N3/0442 , G06Q10/047
Abstract: 本发明公开了一种适应混合交通流多场景下的车辆轨迹重构方法，步骤如下：S1、采集周围人工驾驶车辆位置，速度等信息。S2、根据相邻浮动车类型把重构场景划分为全感知场景、半感知场景和常规交通流场景，考虑浮动车的渗透率生成研究场景数据。S3、采用滑动窗口技术生成时间序列。S4、常规交通流场景下，在不同浮动车渗透率下采用智能驾驶人模型IDM重构车辆。S5、半感知场景下，采用融合模型IDM‑LSTM进行重构有片段化观测的车辆轨迹，存在大量轨迹信息缺失的车辆采用IDM模型进行轨迹重构。S6、全感知场景下，能够获取所有车辆的片段化观测轨迹，引入权重模块对IDM模型与长短期记忆神经网络融合，重构缺失的车辆轨迹。
-
Patent Agency Ranking
公开(公告)号：CN117912245B
公开(公告)日：2024-09-27
申请号：CN202410046345.4
申请日：2024-01-12
Applicant: 东南大学
IPC: G08G1/01
Abstract: 本发明公开了一种基于极大似然估计的AVI检测器流量分配方法，包括基于时空棱镜划定候选目的地集的搜索范围；在候选目的地集基础上，使用有偏随机游走算法生成连接各目的地的候选路径集；通过求解似然函数最优化模型，推断不同候选目的地集的匹配概率；基于极大似然估计进行检测器流量分配；本发明将路径流视为检测器流的分配结果而不是OD流，并基于这一新的视角，将UE假设和先验OD矩阵替换为时间一致性假设和检测器对之间的观测交通流，从而得到更真实的结果。
-
公开(公告)号：CN119810783A
公开(公告)日：2025-04-11
申请号：CN202411925701.6
申请日：2024-12-25
Applicant: 东南大学
IPC: G06V20/56 , G06V20/40 , G06V10/764 , G06V10/77 , G06V10/762 , G06F17/16 , G06F17/18
Abstract: 本发明提供一种交通危险驾驶场景智能识别与分类方法及系统，交通危险驾驶场景智能识别与分类方法包括：提取交通事故视频中与预设各事故特征对应的各事故特征值；将各事故特征值分别转化为数值形式；利用分类主成分分析进行降维；利用肘部法和K‑means聚类方法，获得最佳聚类数目和聚类结果，并依据聚类结果将交通事故视频划分为多个不同的类别；利用统计分析，确定各个类别的主要特征及各类别对应的危险驾驶类别。该方法能智能化地识别交通危险驾驶场景的不同类型，更好地进行驾驶员风险感知培训和辅助自动驾驶系统场景识别和决策。
-
公开(公告)号：CN119811111A
公开(公告)日：2025-04-11
申请号：CN202510197821.7
申请日：2025-02-21
Applicant: 东南大学
IPC: G08G1/083 , G06Q10/047
Abstract: 本发明涉及交通信号控制技术领域，公开了一种面向多关键路径的干道可变带宽协调绿波方法及系统，该方法包括如下步骤：获取实时的干道道路结构数据、交叉口信号配时参数和关键路径信息；将采集的数据输入预先构建好的干道绿波优化模型中，求解干道绿波优化模型，输出优化后的信号控制参数，根据所述优化后的信号控制参数来协调绿波；所述干道绿波优化模型包括目标函数和约束条件；以最大化关键路径的绿波带宽的加权和为目标，得到干道绿波优化模型的目标函数。本发明能够应用于城市干道场景，为多条关键路径提供绿波带，且绿波带宽在不同路段是可以灵活变化，提高城市干道车流通行效率。
-
公开(公告)号：CN119863922A
公开(公告)日：2025-04-22
申请号：CN202411786653.7
申请日：2024-12-06
Applicant: 东南大学
IPC: G08G1/01 , G08G1/123 , G06N3/0442
Abstract: 本发明公开了一种考虑物理约束的车辆轨迹重构方法，包括步骤：S1、基于上游固定检测器和下游虚拟检测器的观测记录，构建车辆轨迹数据集。S2、将每辆车的轨迹数据处理成时间序列数据。S3、引入超车行为作为物理约束条件，通过时间消耗曲线估计车辆的超车点信息，得到目标车辆的超车行为约束条件；S4、引入基于激波理论的速度时空分布图作为物理信息表征目标车辆所在交通流的运行状态，得到目标车辆的速度时空分布约束条件。S5、基于跟驰模型和GRU模型构建并训练得到融合模型，并采用两个约束条件对重构轨迹进行校正。S6、对校正之后的车辆轨迹进行平滑处理。本发明能精准把控交通流状态，对于细化交通状态评价具有重要的应用价值。
-
公开(公告)号：CN117912245A
公开(公告)日：2024-04-19
申请号：CN202410046345.4
申请日：2024-01-12
Applicant: 东南大学
IPC: G08G1/01
Abstract: 本发明公开了一种基于极大似然估计的AVI检测器流量分配方法，包括基于时空棱镜划定候选目的地集的搜索范围；在候选目的地集基础上，使用有偏随机游走算法生成连接各目的地的候选路径集；通过求解似然函数最优化模型，推断不同候选目的地集的匹配概率；基于极大似然估计进行检测器流量分配；本发明将路径流视为检测器流的分配结果而不是OD流，并基于这一新的视角，将UE假设和先验OD矩阵替换为时间一致性假设和检测器对之间的观测交通流，从而得到更真实的结果。
-
-
-
-
-
-
Search Results
7
records
(took 0.021 seconds)
