-
公开(公告)号：CN117076980A
公开(公告)日：2023-11-17
申请号：CN202310991835.7
申请日：2023-08-08
Applicant: 北京交通大学
IPC: G06F18/24 , A61B5/318 , A61B5/347 , A61B5/00 , G06F18/214 , G06F18/25 , G06N3/042 , G06N3/0499 , G06N3/084
Abstract: 本发明提供了一种基于功能连接与图神经网络的驾驶意图识别方法，包括：S1，采集驾驶员驾驶时的脑电信号，并对原始脑电数据进行预处理；S2，针对预处理后的脑电信号，计算其各频率波段功率谱密度，作为脑电信号频域特征；S3，基于电极空间临近性和功能连接关系构建邻接矩阵作为初始图结构；步骤S4，将S2中频域特征及S3中所得邻接矩阵输入图注意力网络进行特征聚合，提取出的特征表达输入分类器对驾驶意图进行分类并输出结果。可以实现：解决现有驾驶意图预测方法中提取脑电特征单一且分类模型表达能力较差的问题，提高驾驶意图分类的准确率的同时提高分类结果的可解释性，更好地应用于人机共融驾驶系统的驾驶状态感知和辅助决策。
-
公开(公告)号：CN112633652B
公开(公告)日：2023-09-29
申请号：CN202011474082.5
申请日：2020-12-15
Applicant: 北京交通大学
IPC: G06Q10/0635 , G06Q10/0832 , G06Q30/0601 , G06F18/23213 , G01V5/00
Abstract: 本发明提供了一种基于语义风险自适应识别的物流安检方法，包括：扫描待识别物流订单，获取物流订单的信息；根据物流订单的信息，分别获取信息对应的人员风险权重值、违禁品标志位值；采用语义风险自适应识别方法计算信息对应的物品语义风险值；根据人员风险权重值、违禁品标志位值和物品语义风险值，计算安检物流订单风险识别值；判断安检物流订单风险识别值是否大于设定的风险阈值，如果大于，则通过安检设备发出预警提示，用于通知安检人员对所述订单进一步检查；否则，不发出预警提示。本方法可以提高物流安检风险监测监控能力。
-
公开(公告)号：CN115619133A
公开(公告)日：2023-01-17
申请号：CN202211200298.1
申请日：2022-09-29
Applicant: 北京交通大学 , 首都机场集团有限公司
IPC: G06Q10/0631 , G06Q50/30 , G06N3/08 , G06N3/0442
Abstract: 本发明提供了一种考虑司机决策的空港枢纽出租车运力调配方法。该方法包括：根据空港枢纽航班客流到达情况及出租车的分担率，利用长短期记忆模型对空港出租车客流进行短期预测，得到出租车运力需求，获取空港枢纽出租车运力不足的时段并计算运力缺口；根据空港枢纽的出租车运行状况及出租车司机决策结果得出出租车的调度成功率；根据空港枢纽的出租车运力缺口，周边出租车分布数量和出租车的调度成功率，计算出要补足出租车运力缺口时空港枢纽要发送调度信息的最小调度半径。本发明方法充分调动枢纽周边的出租车运力资源，通过分析司机决策给出不同半径下的调度成功率，以此为依据确定调度规模。
-
公开(公告)号：CN116992271A
公开(公告)日：2023-11-03
申请号：CN202310961028.0
申请日：2023-08-01
Applicant: 北京交通大学
IPC: G06F18/2134 , G06F18/213 , G06F18/10 , G06F18/2131 , G06N3/0464 , G06N3/043
Abstract: 本发明提供了基于脑电数据与模糊神经网络的关键脱离场景识别方法，包括：步骤S1，设计驾驶场景，采集驾驶员的脑电数据；步骤S2，对脑电数据先作预处理用来清洗数据，之后用时频分析方法提取脑电特征；步骤S3，构建模糊卷积神经网络模型，对脑电特征作处理；步骤S4，根据脑电特征处理结果，识别实验涉及到的脱离场景。可以实现：通过借助脑电信号对驾驶场景作出识别，在自动驾驶中融入驾驶员对场景的理解和认知，预判断所面临关键脱离场景，改进自动驾驶策略缺陷，进而对自动驾驶中车辆控制系统的设计与应用具有重要借鉴作用。
-
公开(公告)号：CN116889411B
公开(公告)日：2024-12-17
申请号：CN202310901859.9
申请日：2023-07-21
Applicant: 北京交通大学
IPC: A61B5/372
Abstract: 本发明提供一种自动驾驶安全员脑电信息语义分析方法及系统，属于自动驾驶技术领域，采集驾驶行为数据与脑电数据，进行时频域分析获得脑电时频特征图；构建驾驶员与安全员的领域张量，分解为核心张量与共同的伴随矩阵输入预测模型LSTM，训练获得源预测函数；将源预测函数迁移到目标域获得目标域伪标签矩阵，构建新目标域；迁移迭代终止时的源预测函数解析安全员脑电信息语义；提取迭代终止时刻的核心张量，分析获得驾驶员与安全员的认知状态的差异。本发明能够准确地刻画用户在人工驾驶与自动驾驶两种系统中的认知状态差异，有效地进行知识迁移实现安全员的驾驶语义解析，有助于优化人车协同为自动驾驶发展，为安全员脑机交互构建提供新途径。
-
Patent Agency Ranking
公开(公告)号：CN117786393A
公开(公告)日：2024-03-29
申请号：CN202311709935.2
申请日：2023-12-13
Applicant: 北京交通大学
IPC: G06F18/2131 , G06F18/2321 , G06F18/26 , G08G1/01 , G06F123/02
Abstract: 本发明提供了一种基于类脑分析的公交时频域出行模式转换方法。该方法包括：搜集车站对应的公交刷卡数据和公交站点数据，统计车站的客流信号；搜集车站对应的公交刷卡数据和公交站点数据，统计车站的客流信号；将客流信号当作脑电信号，采用多窗谱法将客流信号由时域信号转变为频域信号，计算频域信号的功率谱密度；将客流信号的功率谱密度按照一赫兹的带宽划分为多个频带，用复合辛普森法Simps方法求出每个频带的功率谱；将每个频带的功率谱转化为频域特征，通过分析频域特征挖掘公交出行模式，根据公交出行模式分析出所述车站的客流规律。本发明方法可以有效地挖掘公交客流信号出行的内在模式，系统化捕捉公交出行底层规律。
-
公开(公告)号：CN114564110A
公开(公告)日：2022-05-31
申请号：CN202210326074.9
申请日：2022-03-30
Applicant: 北京交通大学
Abstract: 本发明提供基于脑电数据的驾驶学习能力检测方法及系统，属于技术领域，使用模拟器获取驾驶员的驾驶数据和对应的脑电数据，选择相应的驾驶行为特征进行平均化和标准化，确定每个驾驶行为的驾驶风格；引入新的适应性学习能力量化指标，得出不同驾驶员的学习风格及行为演化规律；提取脑电特征，得出驾驶员的脑活动特征；将不同驾驶学习的学习指标与脑活动特征进行pearson相关性分析，得到与学习指标最相关的脑区特征；通过得到最相关的脑区特征及其相关系数，对学习能力及风格演化特性进行检测与判定。本发明可检测驾驶员的驾驶行为和驾驶学习中的动态变化过程，有助于了解驾驶员行为驾驶特征以及认知特性的相关关系，可提高道路安全率和降低事故发生率。
-
公开(公告)号：CN120047297A
公开(公告)日：2025-05-27
申请号：CN202510202245.0
申请日：2025-02-24
Applicant: 北京交通大学
IPC: G06Q50/40 , G06F16/9537 , G06F16/29 , G06F18/22
Abstract: 本发明提供一种动态识别用地因素对公交出行需求影响的表征相似性分析方法，包括：获取公交出行数据，并对所述公交出行数据进行时空分区，以获得多个分区后出行数据；基于所述分区后出行数据构建出行RDM，并基于所述分区后出行数据中的POI数据构建功能属性RDM；根据所述出行RDM与所述功能属性RDM计算获得每一分区后出行数据对应的相关系数，并基于所述相关系数进行用地因素动态识别，以获得识别结果。本发明能够充分利用站点周边的兴趣点数据，同时兼顾各因素对公交出行需求影响的时间异质性，以达到较高的公交动态出行分布的用地影响因素识别的合理性和可靠性。
-
公开(公告)号：CN119026951A
公开(公告)日：2024-11-26
申请号：CN202411119308.8
申请日：2024-08-15
Applicant: 北京交通大学
IPC: G06Q10/0637 , G08G1/01 , G06Q50/40 , G06N3/045 , G06N3/042 , G06N3/0464 , G06N3/08
Abstract: 本发明提供了一种联合频域与空域特征的公交客流预测方法。该方法包括：采用STL方法将公交出行时域信号序列分解为：季节分量、趋势分量和残差分量；采用频域注意力机制处理季节分量得到基于频域注意力的季节分量，根据趋势分量、站点间距离图、站点POI相似性图和站点客流相似性图，利用多图卷积神经网络得到空间特征；根据基于频域注意力的季节分量和空间特征通过扩张因果卷积处理得到多尺度季节特征和多尺度趋势特征，根据多尺度季节特征和所述多尺度趋势特征对各站点未来的客流量进行预测。本发明在频域上处理公交出行时域信号序列，采用频域注意力机制对不同的公交站点赋予不同的权重，以实现有效地对公交客流进行预测。
-
公开(公告)号：CN114564110B
公开(公告)日：2023-11-07
申请号：CN202210326074.9
申请日：2022-03-30
Applicant: 北京交通大学
Abstract: 本发明提供基于脑电数据的驾驶学习能力检测方法及系统，属于技术领域，使用模拟器获取驾驶员的驾驶数据和对应的脑电数据，选择相应的驾驶行为特征进行平均化和标准化，确定每个驾驶行为的驾驶风格；引入新的适应性学习能力量化指标，得出不同驾驶员的学习风格及行为演化规律；提取脑电特征，得出驾驶员的脑活动特征；将不同驾驶学习的学习指标与脑活动特征进行pearson相关性分析，得到与学习指标最相关的脑区特征；通过得到最相关的脑区特征及其相关系数，对学习能力及风格演化特性进行检测与判定。本发明可检测驾驶员的驾驶行为和驾驶学习中的动态变化过程，有助于了解驾驶员行为驾驶特征以及认知特性的相关关系，可提高道路安全率和降低事故发生率。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.02 seconds)
