-
公开(公告)号：CN118171950A
公开(公告)日：2024-06-11
申请号：CN202410283474.5
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 , G06Q50/26 , G06F18/27
Abstract: 本发明公开了一种高速公路施工安全韧性量化指标体系的建立评价方法，包括：1、安全生产要素筛选提取：筛选对高速公路施工安全影响大的安全生产要素，保留高相关性要素；2、安全韧性量化指标体系建立，形成以桥梁‑隧道‑路基‑共性为结构的基础扣分制安全评价指标体系；3、安全韧性计算与评价：利用各指标权重、扣分值和附加值计算安全韧性总分，并依据安全韧性评价的各项指标得分情况，回溯高速公路施工项目安全韧性较低的场景，进行针对性安全评价。安全韧性量化指标体系旨在衡量高速公路施工在面对各种风险和挑战时的能力和适应性，依据韧性附加措施进行合理加分，对建设项目的安全评价更加科学可靠，提高安全韧性保障意识。
-
公开(公告)号：CN116030645B
公开(公告)日：2023-11-28
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
-
公开(公告)号：CN116484244A
公开(公告)日：2023-07-25
申请号：CN202211719286.X
申请日：2022-12-30
Applicant: 东南大学
IPC: G06F18/23213 , G06F18/2135 , G06F18/231 , G06F18/2321 , G06F18/21 , G06N5/01
Abstract: 本发明公开了一种基于聚类模型的自动驾驶事故发生机制分析方法，包括如下步骤：获取自动驾驶历年事故，对多源数据联合进行预处理和特征工程编码，建立自动驾驶事故挖掘与分析数据集；找出导致自动驾驶事故的主要影响因素；筛选特征变量用于建立多维聚类模型；对自动驾驶事故特征集进行聚类，根据轮廓系数等评价指标比较聚类模型；比较不同聚类模型输出结果并导出最优集群，归纳总结自动驾驶事故发生模式。本发明可以了解影响自动驾驶碰撞事故的主要因素，使用多聚类模型挖掘事故数据有利于探究涉及自动驾驶车辆的事故发生机制，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：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。
-
Patent Agency Ranking
公开(公告)号：CN115830872B
公开(公告)日：2023-09-01
申请号：CN202211663826.7
申请日：2022-12-23
Applicant: 东南大学
IPC: G08G1/01 , G06Q10/0631 , G06Q50/26
Abstract: 本发明公开了一种判断事故发生对自行车使用弹性影响的方法，通过采集事故样本信息，并根据事故发生的时间划分时间单元，根据事故发生地点划分合理的缓冲区域，采集缓冲区内自行车站点信息，统计各时间单元内各自行车站点的自行车使用量，并进一步统计缓冲区的自行车使用量；根据缓冲区影响因素，结合缓冲区的自行车使用量，构建自行车使用量弹性模型；应用自行车使用量弹性模型，根据影响系数判断个变化量对自行车使用的影响。通过计算单位时间缓冲区内的自行车使用量变化分析事故发生基于各影响因素对自行车使用弹性的影响。该方法可以更好的指导交通管理部门在交通事故发生时如何有效率进行自行车调度。
-
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：CN116030627A
公开(公告)日：2023-04-28
申请号：CN202211742626.0
申请日：2022-12-31
Applicant: 东南大学
Abstract: 本发明公开了一种融合预测交通风险变量的道路交通事故分析方法，分别采集研究区域内历史道路交通流量以及人口经济数据构建交通风险变量预测模型，分别获取未来年一定时间段内的交通风险变量即机动车交通流量；然后基于预测的交通风险变量以及区域的安全影响因素构建安全评价模型，应用安全评价模型，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，特别是针对交通风险变量的预测模型能够更好的解决相关数据缺失的局限性。
-
公开(公告)号：CN115830872A
公开(公告)日：2023-03-21
申请号：CN202211663826.7
申请日：2022-12-23
Applicant: 东南大学
IPC: G08G1/01 , G06Q10/0631 , G06Q50/26
Abstract: 本发明公开了一种判断事故发生对自行车使用弹性影响的方法，通过采集事故样本信息，并根据事故发生的时间划分时间单元，根据事故发生地点划分合理的缓冲区域，采集缓冲区内自行车站点信息，统计各时间单元内各自行车站点的自行车使用量，并进一步统计缓冲区的自行车使用量；根据缓冲区影响因素，结合缓冲区的自行车使用量，构建自行车使用量弹性模型；应用自行车使用量弹性模型，根据影响系数判断个变化量对自行车使用的影响。通过计算单位时间缓冲区内的自行车使用量变化分析事故发生基于各影响因素对自行车使用弹性的影响。该方法可以更好的指导交通管理部门在交通事故发生时如何有效率进行自行车调度。
-
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。
-
-
-
-
-
-
-
-
-
Search Results
26
records
(took 0.019 seconds)
