-
公开(公告)号：CN112101433B
公开(公告)日：2024-04-30
申请号：CN202010924261.8
申请日：2020-09-04
Applicant: 东南大学
IPC: G06V20/54 , G06V10/774 , G06V10/762 , G06V10/82 , G06N3/0464 , G08G1/065
Abstract: 本发明公开一种基于YOLO V4和DeepSORT的分车道车辆自动计数方法，包括以下步骤：收集YOLO V4训练数据集和车辆重识别数据集与数据增强，搭建YOLO V4模型并进行训练，搭建DeepSORT目标追踪模型，进行车辆的追踪并提取每辆车运行轨迹，搭建轨迹记录文件并存储每辆车的运行轨迹信息，使用DBSCAN聚类算法对轨迹数据的终点坐标进行聚类，将聚类簇与车道信息进行关联，根据轨迹数据的变化规律以及轨迹和聚类簇对应关系，实现车辆的分车道计数功能；本发明采用了YOLO V4+DeepSORT车辆检测和追踪模型，保证了车辆检测和追踪实时性的同时，精度也有了大幅度提升。
-
公开(公告)号：CN117787688A
公开(公告)日：2024-03-29
申请号：CN202311650449.8
申请日：2023-12-04
Applicant: 东南大学
IPC: G06Q10/0635 , G06Q10/04 , G06Q10/0639 , G06Q50/26 , G06Q50/40
Abstract: 本发明公开一种国省干线道路交通事故风险预测方法，属于计算、推算或计数的技术领域。该方法，首先，本发明在对数据进行预处理和时空划分的基础上，从人员、车辆、道路、环境四个角度提取交通事故风险特征；接着，构建经济指标划分交通事故类型，通过交通事故数量、事故发生率、事故危害性构建干线道路交通风险指标；然后，基于贝叶斯网络模型，通过结构学习算法初步获得交通风险预测模型结构，结合既有知识进行模型结构优化；最后，通过真实数据训练模型并对模型进行评价。该发明以交通管理部门易获取的数据作为数据源，应用可解释性强的贝叶斯网络模型，无需大量训练数据，实现了在检测设备不健全条件下的国省干线道路交通风险预测。
-
公开(公告)号：CN117389794A
公开(公告)日：2024-01-12
申请号：CN202311181621.X
申请日：2023-09-13
Applicant: 东南大学
Abstract: 本发明提出一种多视角交通数据同时恢复方法，根据数据采集位置、数据采集时间、数据视角三个维度将含缺失和噪声的多视角交通数据构建为三维张量；通过最小化单视角交通数据张量的张量截断核范数捕捉视角内交通数据时空依赖性，通过最小化多视角子空间张量的张量截断核范数和最小化每个视角的重构误差矩阵的L2,1范数捕捉视角间交通数据内在一致性；构建多视角交通数据同时恢复模型，构建模型的增广拉格朗日函数；采用交叉方向乘子法框架将模型的多变量优化问题转化为单变量子优化问题，依次迭代更新每个变量直至收敛，获得恢复后的多视角交通数据张量。本发明能够实现恢复过程中的视角间的互补性，提升模型对参数选择的鲁棒性。
-
公开(公告)号：CN116665439A
公开(公告)日：2023-08-29
申请号：CN202310486336.2
申请日：2023-04-28
Applicant: 东南大学
Abstract: 本发明公开了一种基于车辆号牌识别数据的城市路网车流OD不确定性估计方法，包括：获取车辆号牌识别数据，重构车辆轨迹，并按照Time‑of‑Day的时间维度提取路网样本车流OD、样本路径流量、样本路段流量和实际路段流量；基于贝叶斯计算图框架构建得到车流OD不确定性估计框架；分别设计历史车流OD、实时车流OD的不确定性估计流程，基于车流OD不确定性估计框架，设置损失函数，采用Adam方法进行训练求解，得到实时车流OD和历史车流OD的不确定性估计结果。本发明能够提高车流OD估计的鲁棒性和准确性，对提升交通管理系统的响应能力和服务水平具有重要意义。
-
公开(公告)号：CN114419541A
公开(公告)日：2022-04-29
申请号：CN202111626944.6
申请日：2021-12-28
Applicant: 东南大学
IPC: G06V20/52 , G06V10/762 , G06V10/774 , G06V10/82 , G06N3/04 , G06N3/08 , G08G1/01
Abstract: 本发明公开了一种基于一到多对抗网络的全天候车辆检测方法。考虑了黑夜场景因光源分布以及光照强度差异导致黑夜场景非单一的特点，利用灰度直方分布以及聚类算法，实现黑夜场景自然光和背景光的光照强度的分级；提出该一到多对抗网络的目的在于将一张白天图片按照设定的自然光与背景光强度转换为不同光照环境下的黑夜图片，并利用携带标签信息的白天图片与合成的黑夜图片共同训练车辆检测模型，有效缓解了现有全天候车辆检测技术方法因带标签信息的黑夜图片稀少或者合成黑夜图片的多样性不足而导致其在不同光照的黑夜环境下泛化能力不足的问题。
-
Patent Agency Ranking
公开(公告)号：CN113763707A
公开(公告)日：2021-12-07
申请号：CN202110953889.5
申请日：2021-08-19
Applicant: 东南大学
Abstract: 本发明公开了一种基于号牌数据的路段溢流和车道阻挡状态辨识方法，该方法根据检测器采集到的车辆身份标识数据，包括时间戳、车牌信息、信号交叉口名称、进口方向、进口车道等信息，获取交通流的到达‑驶离信息；在此基础上，通过卡尔曼滤波模型对交通流的累计到达曲线进行重构；以路段车道上的滞留车辆数和上游交叉口驶离车辆的车头时距为辨识参数，构建路段溢流状态辨识模型；在路段未发生溢流状态下，采用动态时间弯曲法对无车道阻挡状态下的预期累计驶离曲线和实际采集的驶离曲线相似度进行比较，通过时间序列分段法比较左转和相邻直行车道的累计驶离曲线偏移距离，对渠化段车道阻挡状态进行辨识。
-
公开(公告)号：CN112101433A
公开(公告)日：2020-12-18
申请号：CN202010924261.8
申请日：2020-09-04
Applicant: 东南大学
Abstract: 本发明公开一种基于YOLO V4和DeepSORT的分车道车辆自动计数方法，包括以下步骤：收集YOLO V4训练数据集和车辆重识别数据集与数据增强，搭建YOLO V4模型并进行训练，搭建DeepSORT目标追踪模型，进行车辆的追踪并提取每辆车运行轨迹，搭建轨迹记录文件并存储每辆车的运行轨迹信息，使用DBSCAN聚类算法对轨迹数据的终点坐标进行聚类，将聚类簇与车道信息进行关联，根据轨迹数据的变化规律以及轨迹和聚类簇对应关系，实现车辆的分车道计数功能；本发明采用了YOLO V4+DeepSORT车辆检测和追踪模型，保证了车辆检测和追踪实时性的同时，精度也有了大幅度提升。
-
公开(公告)号：CN106504527B
公开(公告)日：2018-12-28
申请号：CN201610911968.9
申请日：2016-10-19
Applicant: 东南大学
IPC: G08G1/01
Abstract: 本发明公开了一种信号交叉口直左冲突及其影响分析方法，获取布设于信号交叉口进口道的智能卡口检测数据，以卡口设备车辆抓拍断面为过车检测断面，根据左转车道以及对向直行车道的过车检测数据，生成左转车道以及对向直行车道在检测断面的过车信号图；生成直行车道过车间隔离散序列，根据幅值特性分析直行车辆的通行特性，同时结合左转与直行的过车信号图对直左相位信号放行阶段左转抢行进行判别；对直左冲突影响严重程度进行评价。该方法通过识别左转方向车辆的抢行行为，进而分析左转抢行对对向直行车辆的通行效率的影响，对交叉口的车辆通行秩序以及通行效率进行评估。
-
公开(公告)号：CN106297333B
公开(公告)日：2018-09-18
申请号：CN201610958861.X
申请日：2016-10-28
Applicant: 东南大学
IPC: G08G1/081
Abstract: 本发明公开了一种基于交叉口过车记录的干线绿波评估方法，依托交叉口进口道安装的智能卡口检测设备获取干线绿波控制方向的过车检测数据；基于原始的过车检测数据生成干线交叉口在协同控制方向的过车信号图；基于过车信号图的特性分析以及车牌号码匹配情况，对分析时段内的干线绿波带实际的车辆通行状况初步分析；根据过车信号图以及设计绿波带内的车辆通行状况对干线绿波利用率进行分析与评估。本发明以智能卡口作为交通数据源，无需额外安装交通检测设备，以卡口过车记录为基础生成干线各交叉口在协同控制方向的过车信号图，分析各交叉口的车辆通行特性，在此基础上进行干线绿波利用率的分析，评估绿波控制的应用效果。
-
公开(公告)号：CN108171361A
公开(公告)日：2018-06-15
申请号：CN201711308503.5
申请日：2017-12-11
Applicant: 东南大学
Abstract: 本发明公开了考虑交通冲突指标分布问题的交通仿真模型标定方法，同时考虑效率指标和安全指标，选择合适的交叉口效率指标作为交通仿真建模第一轮标定目标以及第二轮标定目标的约束条件，选择合适的交叉口安全指标作为交通仿真建模第二轮标定目标；通过计算仿真指标的标准差以及选择合适的置信区间对建立的仿真模型的最小所需仿真次数进行估计，有效减少参数校正的仿真试验次数；使用ANOVA检验或相关性检验，筛选出显著影响效率指标和安全指标的仿真参数；建立多约束的标定优化问题，提出使用遗传算法对模型参数进行标定的具体策略和流程；提出适应度参数选取方案；提出模型约束条件选择方案；通过对于交通冲突参数分布进行模型标定。
-
-
-
-
-
-
-
-
-
Search Results
100
records
(took 0.025 seconds)
