-
公开(公告)号:CN112560917A
公开(公告)日:2021-03-26
申请号:CN202011427506.2
申请日:2020-12-07
Applicant: 北京交通大学
Abstract: 本发明涉及一种视觉定位方法及系统。该方法包括:获取用户的行走轨迹;在所述行走轨迹中,获取多个拍摄的图片;根据每一张拍摄的图片确定相应的环境地标的几何信息;根据所述环境地标的几何信息以及所述用户的位置确定所述用户到所述环境地标的距离以及角度信息;根据所述拍摄图像、运动传感器与Wi‑Fi信号对所述环境地标进行识别,得到环境地标信息;根据所述用户到每一个环境地标的距离、角度信息以及对应的环境地标信息,基于连接时序分类网络模型确定所述用户的全局位置;本发明能够快速、准确地进行定位。
-
公开(公告)号:CN111860763A
公开(公告)日:2020-10-30
申请号:CN202010508127.X
申请日:2020-06-05
Applicant: 北京嘀嘀无限科技发展有限公司 , 北京交通大学
Abstract: 本申请提供的模型训练、参数预测方法和装置、电子设备及存储介质,涉及深度学习技术领域。在本申请中,首先,获得样本数据,其中,该样本数据至少包括目标区域中所有路段的路网关系信息和历史通行信息,且路网关系信息包括目标区域中每一路段与其它各路段之间的邻接关系信息。其次,对样本数据中的至少一种信息进行向量化处理得到训练数据。然后,基于训练数据对预先构建的神经网络模型进行训练,得到通行参数预测模型,其中,通行参数预测模型用于对目标区域中的目标路段进行预测处理,得到目标路段的通行参数。通过上述方法,可以改善现有的速度预测技术存在的预测精度较低的问题。
-
公开(公告)号:CN116523090A
公开(公告)日:2023-08-01
申请号:CN202211535833.9
申请日:2022-12-02
Applicant: 北京交通大学
IPC: G06Q10/04 , G06Q50/30 , G06N3/0442 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明提供了一种预测交通异常事件持续时间的方法。该方法包括:获取交通异常事件的空间特征和外部属性信息;将交通异常事件的空间特征和外部属性信息,以及最近一段时间内的交通速度数据作为GRU模型的输入,GRU模型输出交通异常事件的时间空间相关性:将交通异常事件的时间空间相关性输入到全连接层,学习带有注意力权重的交通异常事件的动态时空特征,构建交通异常事件持续时间预测模型,利用训练好的交通异常事件持续时间预测模型预测交通异常事件的持续时间。本发明针对复杂的路网空间拓扑关系和动态的时间依赖特性,提出了一种基于上下文感知的时空图卷积方法用于估计交通事件的持续时间,有助于感知并减小异常事件对交通路况的影响。
-
公开(公告)号:CN112581758A
公开(公告)日:2021-03-30
申请号:CN202011427849.9
申请日:2020-12-07
Applicant: 北京交通大学
Abstract: 本发明涉及一种检测道路路标的方法和系统。该检测道路路标的方法和系统,通过基于获取得到的车辆行驶在当前路段的源数据采用道路路标检测模型得到当前路段的道路路标检测结果,当车辆再次驶入当前路段时,采用预测‑回滚机制就可以对当前路段的道路路标进行预测,进而在降低标记处理复杂度的同时,提高路标检测效率。
-
-
-