-
公开(公告)号：CN107248290B
公开(公告)日：2019-07-12
申请号：CN201710573312.5
申请日：2017-07-14
Applicant: 东南大学
Abstract: 本发明公开了一种基于车辆视频识别的混合式主线收费站交通冲突评价方法，包括如下步骤：1、在收费站的收费广场布置摄像头，采集车辆在收费广场的行驶视频；2、对采集到的车辆行驶视频进行车辆识别和跟踪，获取每一帧图像中车辆的位置坐标；3、利用车辆的M帧图像数据，计算车辆在每一帧图像中的速度和减速度指标如果发生跟驰冲突，计算车辆跟驰模型的时间指标TTCk；如果发生变道冲突，计算车辆转向模型时间指标Tpet；5、将TTCk和Tpet进行同级化处理，统一为交通冲突评价指标STC，根据STC的值判断交通冲突的严重程度。该方法可以对收费站交通冲突的严重程度进行量化，对收费站道路安全性评价、管理运营、道路引流措施等决策有重要的应用价值。
-
公开(公告)号：CN108665093A
公开(公告)日：2018-10-16
申请号：CN201810353740.1
申请日：2018-04-19
Applicant: 东南大学
Abstract: 本发明公开了一种基于深度学习的高速公路交通事故严重度预测方法，包括如下步骤：1、收集L个交通事故发生时的道路条件、驾驶员情况、车辆情况等M个变量因素，构成样本集；记录每个交通事故的严重度值rl；2、对收集到的L个事故样本的变量因素进行降维和归一化；3、建立深度学习神经网络，构建交通事故严重度预测模型；4、将降维后的待预测事故的变量因素向量x代入步骤3建立的交通事故严重度预测模型中，得到待预测事故的严重度预测结果。该方法能够精确地预测高速公路事故的严重度。
-
公开(公告)号：CN107248290A
公开(公告)日：2017-10-13
申请号：CN201710573312.5
申请日：2017-07-14
Applicant: 东南大学
CPC classification number: G08G1/0175 , G06K9/00724 , G06Q50/26
Abstract: 本发明公开了一种基于车辆视频识别的混合式主线收费站交通冲突评价方法，包括如下步骤：1、在收费站的收费广场布置摄像头，采集车辆在收费广场的行驶视频；2、对采集到的车辆行驶视频进行车辆识别和跟踪，获取每一帧图像中车辆的位置坐标；3、利用车辆的M帧图像数据，计算车辆在每一帧图像中的速度和减速度指标如果发生跟驰冲突，计算车辆跟驰模型的时间指标TTCk；如果发生变道冲突，计算车辆转向模型时间指标Tpet；5、将TTCk和Tpet进行同级化处理，统一为交通冲突评价指标STC，根据STC的值判断交通冲突的严重程度。该方法可以对收费站交通冲突的严重程度进行量化，对收费站道路安全性评价、管理运营、道路引流措施等决策有重要的应用价值。
-
公开(公告)号：CN105761512A
公开(公告)日：2016-07-13
申请号：CN201610296353.X
申请日：2016-05-05
Applicant: 东南大学
IPC: G08G1/07
CPC classification number: G08G1/07
Abstract: 本发明公开了一种基于车路协同的单行道行人过街控制方法，该方法通过控制中心将车辆?信号灯?视频检测器等进行协同控制，以实现行人过街信号灯控制与车辆及时减速，从而降低单行道上的人车冲突，提高道路交通安全。本发明包括以下几个步骤：交通数据采集、控制中心收集车辆信息、判断车辆是否在影响区内、行人过街信号灯控制以及车辆安全减速等步骤。本发明方法设计简单，易于计算；通过车路协同，能够精确地实现车辆速度控制与行人过街信号灯的控制，减少单行道上的人车冲突，有效提高道路交通安全。基于车路协同的单行道行人过街控制方法在道路交通管理与控制方面具有非常实际的工程运用价值。
-
公开(公告)号：CN108765944B
公开(公告)日：2019-07-12
申请号：CN201810542832.4
申请日：2018-05-30
Applicant: 东南大学
Abstract: 基于多重路径集的最优交通流预测方法与拥挤收费方法，算法具体步骤如下：步骤0.组织交通调查，确定每个OD对之间不同类别出行者的需求量及其合理路径集合。步骤1.在零流网络上，进行流量加载，得到辅助路径流量令初始路径流量置k＝0。步骤2.计算各路径的广义路径行驶时间向量步骤3.进行流量加载，得到辅助路径流量向量步骤4.如果满足收敛指标要求，则停止迭代，将当前迭代点fk作为系统最优路径流量；否则转步骤5。步骤5.沿方向利用某种线搜索方法，计算迭代步长λk。步骤6.更新路径流量，令k＝k+1，转步骤2。本发明严格证明了该方法的有效性和实用性：即使对不同类型的出行者施加同样的收费，仍然能够达到系统最优状态。
-
Patent Agency Ranking
公开(公告)号：CN108447265A
公开(公告)日：2018-08-24
申请号：CN201810487177.7
申请日：2018-05-21
Applicant: 东南大学
IPC: G08G1/01
Abstract: 本发明公开了一种基于TOPSIS法的公路交通事故黑点路段鉴别方法，包含如下步骤：1、将所要研究的公路按长度等分为n个路段单元；2、采集若干年的公路交通事故数据，统计每个路段单元的事故总量、事故总死亡人数、事故总重伤人数、事故总轻伤人数、由交通事故引发的总封道时间等数据；3、计算各路段单元的交通事故当量伤亡总人数；4、将各路段单元的交通事故总量、交通事故当量伤亡总人数、由交通事故引发的总封道时间等指标作为公路交通安全性评价指标体系，运用TOPSIS法计算各路段交通安全性排序指标；5、将交通安全性排序指标小于安全阈值的路段单元鉴别为事故黑点路段。该方法综合考虑多种交通事故指标，且操作简单，可移植性强，易于推广应用。
-
公开(公告)号：CN106355880B
公开(公告)日：2018-08-21
申请号：CN201610881029.4
申请日：2016-10-09
Applicant: 东南大学
IPC: G08G1/01 , G08G1/0967
Abstract: 本发明公开了一种面向跟车安全的无人驾驶车辆控制参数标定方法，通过采集人工驾驶车辆轨迹数据信息，提取人工驾驶车辆前后车跟车数据集，并计算人工驾驶车辆安全指标，同时利用人工驾驶车辆数据计算无人驾驶车辆数据集，并计算无人驾驶车辆安全指标，通过人工驾驶车辆和无人驾驶车辆的安全指标来建立目标安全函数，检测无人驾驶车辆控制参数，最终确定使得目标安全函数最小的参数作为无人驾驶车辆的控制参数。本发明的有益效果为：将已有人工车辆的数据进行挖掘，结合无人驾驶车辆的安全跟车目标，保障无人驾驶车辆的安全性。
-
公开(公告)号：CN104156830A
公开(公告)日：2014-11-19
申请号：CN201410410559.1
申请日：2014-08-19
Applicant: 东南大学
Abstract: 本发明公开一种基于S曲线的小型汽车驾驶培训量预测方法，包括以下步骤：(1)采集待预测城市的历史培训量数据；(2)构建该待预测城市驾驶量预测模型，该模型包括在校大学生驾驶量预测模型、当地适龄待培训人员驾驶量预测模型和外地生源驾驶量预测模型；(3)计算得到该待预测城市未来小汽车驾驶培训总量的预测值。本发明具有较好的实时性和可靠性高、可重复、参数易修改的重要特征，完全符合中国现阶段驾驶培训市场的发展特征，对于特定城市政府部门及驾培行业的整体发展和规划具有重要意义。
-
公开(公告)号：CN108710967B
公开(公告)日：2021-07-27
申请号：CN201810353803.3
申请日：2018-04-19
Applicant: 东南大学
Abstract: 本发明公开了一种基于数据融合和支持向量机的高速路交通事故严重度预测方法，包括如下步骤：1、收集m个交通事故发生时的道路条件、驾驶员情况、车辆情况等l个变量因素，构成样本集，记录每个交通事故的严重度值ri；2、对收集到的m个事故样本的变量因素进行降维和归一化；3、应用支持向量机算法构建交通事故严重度预测模型；4、将降维后的待预测事故的变量因素向量x代入步骤3建立的交通事故严重度预测模型中，得到待预测事故的严重度预测结果。该方法能够精确地预测高速公路事故的严重度。
-
公开(公告)号：CN108647837B
公开(公告)日：2021-07-06
申请号：CN201810599890.0
申请日：2018-06-12
Applicant: 东南大学
Abstract: 本发明公开了一种考虑出行者路径选择惰性的网络交通流预测方法。该方法包括：组织交通调查，确定每个OD对之间不同类别出行者的惰性程度及其需求量；生成初始备选路径集合；求解限制主问题；更新路段行驶时间；生成新的路径；检验是否满足收敛条件；停止迭代，得到出行者惰性影响下，网络均衡交通流的预测值。本发明方法解决了出行惰性在实际交通调查中难以度量的问题，能为城市交通流量分布提供更加精确合理的预测。
-
-
-
-
-
-
-
-
-
Search Results
30
records
(took 0.019 seconds)
