公开(公告)号：CN106709595A

公开(公告)日：2017-05-24

申请号：CN201611043666.0

申请日：2016-11-24

Applicant: 北京交通大学

Inventor： 李娟 ,  刘渤海 ,  董春娇 ,  何清廉 ,  邵春福

IPC: G06Q10/04 ,  G06Q50/30 ,  G06F17/27

Abstract: 本发明涉及基于非格式化信息的事故延误时间预测方法与系统。本发明属于自然语言处理和事故延误分析技术领域。事故延误主要以非格式化信息形式记录，数据庞大复杂，人工处理过程费时费力。本发明通过ICTCLAS系统对延误文本型原因进行分词处理，并采取LDA法进行主题提取，得到延误时间的影响因素，替代了人工对延误记录进行复杂繁琐的分析工作。其次，根据提取的影响因素，利用生存时间模型对事故延误时间进行预测。因此，通过自动化处理能节约大量人力成本和时间成本，大幅提高事故延误分析的效率和准确率。管理部门可根据事故延误时间做出预警和快速反应，从而降低事故延误造成的负面影响，提高交通系统的效率。

公开(公告)号：CN106740864B

公开(公告)日：2019-03-19

申请号：CN201710022725.4

申请日：2017-01-12

Applicant: 北京交通大学

Inventor： 李娟 ,  刘渤海 ,  刘博 ,  万志远 ,  王蔓琦 ,  邵春福

IPC: B60W40/09

Abstract: 本发明涉及交通安全领域，特别涉及基于隐式马尔可夫模型(HMM)的驾驶行为意图判断与预测方法。现有驾驶行为意图辨识与预测技术没有考虑驾驶行为的动态性和连续性，以及变道、跟车和刹车等复杂行为。本发明对从动态驾驶数据聚类分析得到的时间序列分割数据，分别训练直线方向HMM、横向HMM和速度分级模型，并将得到的辨识结果作为行为识别层观测序列，再分别离线训练对应正常/紧急刹车、正常/紧急变道、正常/危险跟车的驾驶行为多维离散HMM模型，根据模型参数和观测序列，可预测下一时间步驾驶行为。本发明考虑了驾驶行为的复杂性和连续性，能够对驾驶行为意图进行动态判断和预测，并对危险行为进行预警，可具体应用于驾驶行为评价和驾驶辅助系统。

公开(公告)号：CN106740864A

公开(公告)日：2017-05-31

申请号：CN201710022725.4

申请日：2017-01-12

Applicant: 北京交通大学

Inventor： 李娟 ,  刘渤海 ,  刘博 ,  万志远 ,  王蔓琦 ,  邵春福

IPC: B60W40/09

Abstract: 本发明涉及交通安全领域，特别涉及基于隐式马尔可夫模型(HMM)的驾驶行为意图判断与预测方法。现有驾驶行为意图辨识与预测技术没有考虑驾驶行为的动态性和连续性，以及变道、跟车和刹车等复杂行为。本发明对从动态驾驶数据聚类分析得到的时间序列分割数据，分别训练直线方向HMM、横向HMM和速度分级模型，并将得到的辨识结果作为行为识别层观测序列，再分别离线训练对应正常/紧急刹车、正常/紧急变道、正常/危险跟车的驾驶行为多维离散HMM模型，根据模型参数和观测序列，可预测下一时间步驾驶行为。本发明考虑了驾驶行为的复杂性和连续性，能够对驾驶行为意图进行动态判断和预测，并对危险行为进行预警，可具体应用于驾驶行为评价和驾驶辅助系统。