-
公开(公告)号：CN118522150B
公开(公告)日：2025-03-25
申请号：CN202410679242.1
申请日：2024-05-29
Applicant: 交通运输部公路科学研究所 , 北京工商大学
IPC: G08G1/01 , G06Q10/04 , G06Q50/40 , G06N3/08 , G06F18/214
Abstract: 本申请涉及一种行人交通行为预测方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。所述方法包括：基于交通场景影像，确定样本行人对应的交通场景信息和干扰源识别结果；干扰源识别结果包括干扰源类型和干扰源动力学信息；基于行人动态数据、干扰源动力学信息、以及行人心理数据，确定样本行人的交通行为评价结果；基于各样本行人的行人静态数据和交通行为评价结果、以及各样本行人对应的交通场景信息和干扰源识别结果，构建目标训练集；基于目标训练集，训练目标神经网络，得到行人交通行为预测模型；行人交通行为预测模型用于进行行人交通行为预测。采用本方法能够实现行人交通行为的准确预测。
-
Patent Agency Ranking
公开(公告)号：CN101803711A
公开(公告)日：2010-08-18
申请号：CN201010172007.3
申请日：2010-05-14
Applicant: 北京工商大学
Abstract: 本发明公开了一种水溶性膳食纤维的制备方法。该方法，包括下述步骤：1)预处理：预处理：将沙棘粕粉碎过20-50目筛后悬浮于水中，调节pH值为4.5-5.5，在70-80℃搅拌处理1-2小时后离心取沉淀，并将所得沉淀按原溶液体积重悬浮于水中。2)酶处理：将经过步骤1)预处理后的沉淀重悬液调节pH值为4.5-5.5，加入Vis纤维素酶，50-60℃搅拌酶解90-150分钟。3)纯化：将步骤2)得到的酶解液离心，取上清液，浓缩，加入4倍体积的95％乙醇，4℃冰箱放置4-6小时，离心，弃上清液，烘干沉淀，得到水溶性膳食纤维粉末。本发明操作方法简单，生产成本低，制备的产物具有较高的纯度和产率。
-
公开(公告)号：CN118520334A
公开(公告)日：2024-08-20
申请号：CN202410699238.1
申请日：2024-05-31
Applicant: 交通运输部公路科学研究所 , 北京工商大学
IPC: G06F18/24 , G06F18/213 , G06F18/23213 , G06T7/20 , G06V40/20 , G06V20/40 , G06V40/10
Abstract: 本申请涉及一种行人过街运动模式分类方法、装置、计算机设备、存储介质和计算机程序产品，其中，方法包括：获取行人过街的运动数据；对运动数据进行速度和位移量分析，得到行人过街数据样本；根据行人过街数据样本提取行人过街运动模式的特征变量，并将每位行人的过街运动模式特征变量分别组合，得到行人样本集合；基于预设聚类中心个数，采用K‑means算法对行人样本集合进行聚类，得到不同行人所属的过街模式类别。整个过程中，对行人过街运动数据进行分析与处理，确定行人过街运动模式特征变量，再基于K‑means算法以及行人过街运动模式特征变量进行聚类分析，能够得到准确的行人过街运动模式分类结果。
-
公开(公告)号：CN109003601A
公开(公告)日：2018-12-14
申请号：CN201811011859.7
申请日：2018-08-31
Applicant: 北京工商大学
IPC: G10L15/00 , G10L15/02 , G10L15/06 , G10L15/16 , G10L15/187
Abstract: 本发明公开了一种针对低资源土家语的跨语言端到端语音识别方法，包括：土家语语料预处理；构建跨语言的土家语语料库；建立中文国际音标和民族国际音标的统一编码字典；建立跨语言的端到端土家语语音识别模型；利用连接时序分类模型并在编码字典的作用下解码得到识别结果。本发明借助大语种语料充足的优势，结合迁移学习的思想，构造泛化性更强的识别模型，能够提高土家语语音识别的准确率。
-
公开(公告)号：CN118520334B
公开(公告)日：2025-03-04
申请号：CN202410699238.1
申请日：2024-05-31
Applicant: 交通运输部公路科学研究所 , 北京工商大学
IPC: G06F18/24 , G06F18/213 , G06F18/23213 , G06T7/20 , G06V40/20 , G06V20/40 , G06V40/10
Abstract: 本申请涉及一种行人过街运动模式分类方法、装置、计算机设备、存储介质和计算机程序产品，其中，方法包括：获取行人过街的运动数据；对运动数据进行速度和位移量分析，得到行人过街数据样本；根据行人过街数据样本提取行人过街运动模式的特征变量，并将每位行人的过街运动模式特征变量分别组合，得到行人样本集合；基于预设聚类中心个数，采用K‑means算法对行人样本集合进行聚类，得到不同行人所属的过街模式类别。整个过程中，对行人过街运动数据进行分析与处理，确定行人过街运动模式特征变量，再基于K‑means算法以及行人过街运动模式特征变量进行聚类分析，能够得到准确的行人过街运动模式分类结果。
-
公开(公告)号：CN118522150A
公开(公告)日：2024-08-20
申请号：CN202410679242.1
申请日：2024-05-29
Applicant: 交通运输部公路科学研究所 , 北京工商大学
IPC: G08G1/01 , G06Q10/04 , G06Q50/40 , G06N3/08 , G06F18/214
Abstract: 本申请涉及一种行人交通行为预测方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。所述方法包括：基于交通场景影像，确定样本行人对应的交通场景信息和干扰源识别结果；干扰源识别结果包括干扰源类型和干扰源动力学信息；基于行人动态数据、干扰源动力学信息、以及行人心理数据，确定样本行人的交通行为评价结果；基于各样本行人的行人静态数据和交通行为评价结果、以及各样本行人对应的交通场景信息和干扰源识别结果，构建目标训练集；基于目标训练集，训练目标神经网络，得到行人交通行为预测模型；行人交通行为预测模型用于进行行人交通行为预测。采用本方法能够实现行人交通行为的准确预测。
-
-
-
-
-
Search Results
6
records
(took 0.021 seconds)
