-
公开(公告)号：CN111784017A
公开(公告)日：2020-10-16
申请号：CN201910265174.3
申请日：2019-04-03
Applicant: 交通运输部公路科学研究所
Abstract: 本发明公开了一种基于路况因素回归分析的公路交通事故数量预测方法，通过机器的方式、基于公路各个路段的交通事故的历史数据，确定事故发生概率在时间和空间上的密度函数与公路路况参数之间的关系，建立事故预测模型，进而预测特定时间范围和空间范围内可能发生的事故数量。通过本发明的公路交通事故预测方法，能够全面地考虑公路的路况因素，对事故发生概率在时间和空间上的密度函数进行有效的估计，从而能够客观有效地对特定时间范围和空间范围内可能发生的事故的数量进行预测。
-
Patent Agency Ranking
公开(公告)号：CN109346103A
公开(公告)日：2019-02-15
申请号：CN201811272485.4
申请日：2018-10-30
Applicant: 交通运输部公路科学研究所
Abstract: 本发明公开了一种用于公路隧道交通事件的音频检测方法，将在公路隧道内采集到的音频数据进行分帧划分，并采用二级长短期记忆网络模型来提高识别率和鲁棒性，具体为1）采用第一长短期记忆网络模型A来优化提取的音频特征，并引入注意力机制提高特征的鲁棒性；2）采用第二长短期记忆网络模型B针对优化精简后的特征进行加权，进一步优化输出结果，从而公路隧道交通事件检测实时性强、准确率高，具有良好的应用前景。
-
公开(公告)号：CN109346103B
公开(公告)日：2023-03-28
申请号：CN201811272485.4
申请日：2018-10-30
Applicant: 交通运输部公路科学研究所
Abstract: 本发明公开了一种用于公路隧道交通事件的音频检测方法，将在公路隧道内采集到的音频数据进行分帧划分，并采用二级长短期记忆网络模型来提高识别率和鲁棒性，具体为1）采用第一长短期记忆网络模型A来优化提取的音频特征，并引入注意力机制提高特征的鲁棒性；2）采用第二长短期记忆网络模型B针对优化精简后的特征进行加权，进一步优化输出结果，从而公路隧道交通事件检测实时性强、准确率高，具有良好的应用前景。
-
公开(公告)号：CN109671274B
公开(公告)日：2020-09-25
申请号：CN201910066257.X
申请日：2019-01-24
Applicant: 交通运输部公路科学研究所
Abstract: 本发明公开了一种公路风险自动评估方法，通过采集公路的路况参数，并将路况参数变换为计算机可识别的数据形式，利用多层融合深度网络对数据进行分析，建立反映路况参数与公路安全风险等级之间关系的深度神经网络模型，通过该深度神经网络模型对未知风险等级的公路进行安全风险的评估。通过本发明的公路风险自动评估方法，能够通过统计学习的手段分析和融合多种公路环境参数，有效提取公路风险等级与路况参数之间的关系，进而自动进行公路风险的等级评估。
-
公开(公告)号：CN111784017B
公开(公告)日：2023-10-17
申请号：CN201910265174.3
申请日：2019-04-03
Applicant: 交通运输部公路科学研究所
Abstract: 本发明公开了一种基于路况因素回归分析的公路交通事故数量预测方法，通过机器的方式、基于公路各个路段的交通事故的历史数据，确定事故发生概率在时间和空间上的密度函数与公路路况参数之间的关系，建立事故预测模型，进而预测特定时间范围和空间范围内可能发生的事故数量。通过本发明的公路交通事故预测方法，能够全面地考虑公路的路况因素，对事故发生概率在时间和空间上的密度函数进行有效的估计，从而能够客观有效地对特定时间范围和空间范围内可能发生的事故的数量进行预测。
-
公开(公告)号：CN109671274A
公开(公告)日：2019-04-23
申请号：CN201910066257.X
申请日：2019-01-24
Applicant: 交通运输部公路科学研究所
Abstract: 本发明公开了一种公路风险自动评估方法，通过采集公路的路况参数，并将路况参数变换为计算机可识别的数据形式，利用多层融合深度网络对数据进行分析，建立反映路况参数与公路安全风险等级之间关系的深度神经网络模型，通过该深度神经网络模型对未知风险等级的公路进行安全风险的评估。通过本发明的公路风险自动评估方法，能够通过统计学习的手段分析和融合多种公路环境参数，有效提取公路风险等级与路况参数之间的关系，进而自动进行公路风险的等级评估。
-
-
-
-
-
Search Results
6
records
(took 0.03 seconds)
