-
公开(公告)号：CN111402585B
公开(公告)日：2021-02-02
申请号：CN202010219735.9
申请日：2020-03-25
Applicant: 中南大学
IPC: G08G1/01
Abstract: 本发明提供了一种偶发性拥堵路径的探测方法，包括：获取研究区域内多个车辆在目标时间段内的全球定位系统GPS轨迹数据；将研究区域的路网划分为多个路径单元，并根据获取到的GPS轨迹数据，确定每个路径单元的道路方向信息；根据多个车辆在目标时间段内的GPS轨迹数据，确定每个路径单元在当前时间段内的平均速度差异；根据路网中各路径单元的拓扑关系，以及每个路径单元在当前时间段内的平均速度差异，确定出候选路径；对候选路径的显著性进行判别，并当候选路径的显著性满足预设的显著性水平时，确定候选路径为偶发性拥堵路径。本发明能在顾及道路方向的情况下完成偶发性拥堵路径的探测，提升偶发性拥堵路径探测的准确性。
-
公开(公告)号：CN110175715A
公开(公告)日：2019-08-27
申请号：CN201910440261.8
申请日：2019-05-24
Applicant: 中南大学
Abstract: 本发明公开了一种基于场景依赖的非法游行路径动态预测的方法，包括以下步骤：步骤101：获得城市路网数据、POI数据及警局数据，并对数据进行预处理操作；步骤102：根据所述城市路网数据构建道路网无向图；步骤103：将POI(不包含警察局)和警察局约束到路网上；步骤104：计算不同类别POI(不包含警察局)、路段和警察局对非法游行的影响力；步骤105：采用均值化方法对各指标数据进行无量纲处理；步骤106：对不同路段进行路段权重计算，并根据所计算的所述路段权重构建道路网络无向图G的弧段权重矩阵；步骤107：对游行终点已知的路径进行动态预测；步骤108：对游行终点未知的路径进行动态预测；步骤109：实时对游行的路径进行动态更新。
-
公开(公告)号：CN107704551B
公开(公告)日：2020-05-26
申请号：CN201710888304.X
申请日：2017-09-27
Applicant: 中南大学
Abstract: 本发明公开了一种面向公安事件的时空级联模式非参数检验方法，根据每个候选级联模式中各类公安事件的时空分布数据的时空分布特征，构建多元事件时空分布相互独立的零模型；然后将级联参与指数作为候选级联模式频繁度的度量指标，从而对其显著性进行判别。本发明方法不仅能够有效识别公安事件间具有统计意义的显著时空级联模式，且无需人为设置频繁度阈值，降低了现有方法的主观性，并进一步提高时空级联模式挖掘结果辅助解决公安事件防控问题的实用性与可靠性。
-
公开(公告)号：CN107729293B
公开(公告)日：2019-11-12
申请号：CN201710889198.7
申请日：2017-09-27
Applicant: 中南大学
Abstract: 本发明公开了一种基于多元自适应回归的地理空间异常探测方法，充分考虑了地理空间数据的相关性与异质性，针对获取的探测变量及其它地理变量进行数据预处理及回归变量的确定，以构建自适应空间邻近域，并基于自适应带宽的权函数选择和空间邻域实体专题属性变化梯度修复，构建地理加权回归模型，然后计算所有空间实体的稳健空间异常度，并组成集合，最后将异常度偏离均值一定倍数的采样点判别为空间异常。本发明不仅顾及空间相关性的自适应带宽选择和空间异质性的探测变量与其它地理变量间关系的定量表达，还增强了本发明的实用性和解释性。
-
Patent Agency Ranking
公开(公告)号：CN111402585A
公开(公告)日：2020-07-10
申请号：CN202010219735.9
申请日：2020-03-25
Applicant: 中南大学
IPC: G08G1/01
Abstract: 本发明提供了一种偶发性拥堵路径的探测方法，包括：获取研究区域内多个车辆在目标时间段内的全球定位系统GPS轨迹数据；将研究区域的路网划分为多个路径单元，并根据获取到的GPS轨迹数据，确定每个路径单元的道路方向信息；根据多个车辆在目标时间段内的GPS轨迹数据，确定每个路径单元在当前时间段内的平均速度差异；根据路网中各路径单元的拓扑关系，以及每个路径单元在当前时间段内的平均速度差异，确定出候选路径；对候选路径的显著性进行判别，并当候选路径的显著性满足预设的显著性水平时，确定候选路径为偶发性拥堵路径。本发明能在顾及道路方向的情况下完成偶发性拥堵路径的探测，提升偶发性拥堵路径探测的准确性。
-
公开(公告)号：CN109117439A
公开(公告)日：2019-01-01
申请号：CN201810771895.7
申请日：2018-07-13
Applicant: 中南大学
IPC: G06F16/904 , G06Q50/26
CPC classification number: G06Q50/265
Abstract: 本发明公开了一种顾及案发时间不确定性的公安事件时空同现模式挖掘方法，所述方法包括：确定多类公安事件数据集；根据每类公安事件所记录的可能案发时间区间，分析所述每类公安事件在单位时间内的概率分布，为所述每类公安事件案发时间构建概率表达模型；根据每类公安事件案发时间的概率分布密度函数，计算参与候选时空同现模式中公安事件实例间的时空距离，并进一步度量候选时空同现模式频繁度，以确定所述候选时空同现模式是否为时空同现模式。本发明通过为公安事件案发时间建立概率模型，充分考虑公安事件案发时间不确定性，从而提高公安事件时空同现模式挖掘方法识别结果的准确率。
-
公开(公告)号：CN107704551A
公开(公告)日：2018-02-16
申请号：CN201710888304.X
申请日：2017-09-27
Applicant: 中南大学
Abstract: 本发明公开了一种面向公安事件的时空级联模式非参数检验方法，根据每个候选级联模式中各类公安事件的时空分布数据的时空分布特征，构建多元事件时空分布相互独立的零模型；然后将级联参与指数作为候选级联模式频繁度的度量指标，从而对其显著性进行判别。本发明方法不仅能够有效识别公安事件间具有统计意义的显著时空级联模式，且无需人为设置频繁度阈值，降低了现有方法的主观性，并进一步提高时空级联模式挖掘结果辅助解决公安事件防控问题的实用性与可靠性。
-
公开(公告)号：CN110175715B
公开(公告)日：2021-08-31
申请号：CN201910440261.8
申请日：2019-05-24
Applicant: 中南大学
Abstract: 本发明公开了一种基于场景依赖的非法游行路径动态预测的方法，包括以下步骤：步骤101：获得城市路网数据、POI数据及警局数据，并对数据进行预处理操作；步骤102：根据所述城市路网数据构建道路网无向图；步骤103：将POI(不包含警察局)和警察局约束到路网上；步骤104：计算不同类别POI(不包含警察局)、路段和警察局对非法游行的影响力；步骤105：采用均值化方法对各指标数据进行无量纲处理；步骤106：对不同路段进行路段权重计算，并根据所计算的所述路段权重构建道路网络无向图G的弧段权重矩阵；步骤107：对游行终点已知的路径进行动态预测；步骤108：对游行终点未知的路径进行动态预测；步骤109：实时对游行的路径进行动态更新。
-
公开(公告)号：CN107729293A
公开(公告)日：2018-02-23
申请号：CN201710889198.7
申请日：2017-09-27
Applicant: 中南大学
Abstract: 本发明公开了一种基于多元自适应回归的地理空间异常探测方法，充分考虑了地理空间数据的相关性与异质性，针对获取的探测变量及其它地理变量进行数据预处理及回归变量的确定，以构建自适应空间邻近域，并基于自适应带宽的权函数选择和空间邻域实体专题属性变化梯度修复，构建地理加权回归模型，然后计算所有空间实体的稳健空间异常度，并组成集合，最后将异常度偏离均值一定倍数的采样点判别为空间异常。本发明不仅顾及空间相关性的自适应带宽选择和空间异质性的探测变量与其它地理变量间关系的定量表达，还增强了本发明的实用性和解释性。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.018 seconds)
