-
公开(公告)号：CN106530687B
公开(公告)日：2019-04-12
申请号：CN201610893842.3
申请日：2016-10-13
Applicant: 北京交通大学
IPC: G08G1/01
Abstract: 本发明提供了一种基于时空属性的交通网络节点重要度测算方法，首先以道路交通路网的单元路段为节点，以组成构件上传感器采集的检测数据组成时间序列，基于时间序列的相关性对路网进行建模；随后，考虑节点之间的空间关系，对节点重要性进行测算，包括获取交通网络的邻接矩阵和转移矩阵；构造距离矩阵和概率矩阵，并标准化概率矩阵，构造Google矩阵G；用幂法求解矩阵G的主特征向量，即得到各节点重要度。本发明在模型建立和重要度测算时考虑了路网的时空属性，能更好地表征实际网络，测算结果也更符合实际情况。
-
公开(公告)号：CN105046946B
公开(公告)日：2017-07-14
申请号：CN201410809498.6
申请日：2014-12-23
Applicant: 北京交通大学
Abstract: 本发明提供一种基于复合传感器的交通流参数检测方法。该方法包括通过检测车辆到达离开的时间，实现车流统计，同时实现车速及车长的估计；基于车轴、车长、车速的信息，对车辆进行I级车型分类；在I级车型分类结果的基础上，对波形特征进行提取，实现II级车型分类。本发明仅仅利用单个地磁传感器，实现了交通流参数复合检测，尤其是对车型进行分级识别，减少了特征计算量，提高了检测效率，为智能交通系统、交通规划等提供了基础数据。
-
公开(公告)号：CN106530687A
公开(公告)日：2017-03-22
申请号：CN201610893842.3
申请日：2016-10-13
Applicant: 北京交通大学
IPC: G08G1/01
CPC classification number: G08G1/0125 , G08G1/0137
Abstract: 本发明提供了一种基于时空属性的交通网络节点重要度测算方法，首先以道路交通路网的单元路段为节点，以组成构件上传感器采集的检测数据组成时间序列，基于时间序列的相关性对路网进行建模；随后，考虑节点之间的空间关系，对节点重要性进行测算，包括获取交通网络的邻接矩阵和转移矩阵；构造距离矩阵和概率矩阵，并标准化概率矩阵，构造Google矩阵G；用幂法求解矩阵G的主特征向量，即得到各节点重要度。本发明在模型建立和重要度测算时考虑了路网的时空属性，能更好地表征实际网络，测算结果也更符合实际情况。
-
公开(公告)号：CN105046946A
公开(公告)日：2015-11-11
申请号：CN201410809498.6
申请日：2014-12-23
Applicant: 北京交通大学
Abstract: 本发明提供一种基于复合传感器的交通流参数检测方法。该方法包括通过检测车辆到达离开的时间，实现车流统计，同时实现车速及车长的估计；基于车轴、车长、车速的信息，对车辆进行I级车型分类；在I级车型分类结果的基础上，对波形特征进行提取，实现II级车型分类。本发明仅仅利用单个地磁传感器，实现了交通流参数复合检测，尤其是对车型进行分级识别，减少了特征计算量，提高了检测效率，为智能交通系统、交通规划等提供了基础数据。
-
-
-
Search Results
4
records
(took 0.013 seconds)
