-
公开(公告)号：CN116978225B
公开(公告)日：2024-08-20
申请号：CN202310959077.0
申请日：2023-08-01
申请人： 合肥工业大学
IPC分类号： G08G1/01 , G08B21/02 , B60W40/09 , B60W50/14 , G06Q10/0635 , G06Q10/0639 , G06Q50/40
摘要： 本发明公开了一种快速路合流区危险驾驶行为的风险等级判别方法，包括：1、采集快速路合流区车辆轨迹数据；2、建立各危险驾驶行为度量指标和阈值；3、求解危险驾驶行为权重和特征值，确定车辆危险驾驶行为程度；4、根据危险程度判断驾驶人综合危险驾驶行为的风险等级，并给出适当控制措施；5、根据快速路合流区行车变化，循环上述步骤。本发明可以有效地识别城市快速路合流区车辆的危险驾驶行为，通过分析危险驾驶行为严重程度判断车辆危险风险等级，精准定位高风险驾驶人并实时给出控制措施，降低城市快速路合流区车辆危险驾驶行为风险，减少路段事故的发生率，使车辆可以更安全、更平稳通过城市快速路合流区，从而提高路段交通安全性。
-
公开(公告)号：CN115206115B
公开(公告)日：2023-05-02
申请号：CN202210835206.0
申请日：2022-07-15
申请人： 合肥工业大学
摘要： 本发明公开了一种智能网联环境下基于多源数据边缘计算的路网拥堵区管控方法，包括：1、建立路网交通流数据库，2、多源数据上传，3、边缘计算中心对数据进行预处理，4、数据中心判断有无拥堵区域，5、制定拥堵区域管控措施，6、实施管控。本发明能有效利用多源交通数据及网联自动驾驶车辆自身优势，准确识别城市路网中实时变化的拥堵区域，从而对临近拥堵区域边界的驶入拥堵区方向的车流实施控制，以更高效的解决城市路网拥堵区域的管控问题。
-
公开(公告)号：CN115206088B
公开(公告)日：2023-05-02
申请号：CN202210630558.2
申请日：2022-06-06
申请人： 合肥工业大学
IPC分类号： G08G1/01
摘要： 本发明公开了一种考虑动态交通流的城市快速路交通事故风险量化评估方法，包括如下步骤：1：交通数据采集与处理；2：建立二元Logit回归模型；3：对所述二元Logit模型进行回归分析；4：对所述二元Logit回归模型进行参数估计；5：计算所述二元Logit回归模型的相对优势比；6：构建交通事故风险量化表征模型；7：对交通事故风险进行实时量化评估。本发明克服了现有技术中快速路交通事故风险难以实时量化的问题，并能提高城市快速路交通事故风险精准化管控水平，降低交通事故率。
-
公开(公告)号：CN115050181B
公开(公告)日：2023-05-02
申请号：CN202210630580.7
申请日：2022-06-06
申请人： 合肥工业大学
IPC分类号： G08G1/01
摘要： 本发明公开了一种交叉口交通事故与交通违法的空间热点及其影响因素辨识方法，包括1：获取交叉口的交通事故数据与交通违法数据；2：对交通事故数据与交通违法数据进行空间关联；3：分析交通事故与交通违法的全局空间特征；4：分析交通事故与交通违法的局部空间特征；5：判定交通事故与交通违法空间热点随时间演化模式；6：判定某交叉口是否是交通事故与交通违法重叠热点；7：若某交叉口为重叠热点，则执行步骤8，否则返回执行步骤3对其他交叉口进行处理；8：辨识重叠热点的交通事故与交通违法频次影响因素。本发明可为交通管理人员进行科学化执法提供决策依据，对降低交叉口违法频次与事故率具有重要意义。
-
公开(公告)号：CN117475630A
公开(公告)日：2024-01-30
申请号：CN202311479463.6
申请日：2023-11-08
申请人： 合肥工业大学
IPC分类号： G08G1/01 , G06Q10/0639 , G06F16/2458 , G06F16/29 , G06Q50/26 , G06Q50/40 , G08G1/048
摘要： 本发明公开了一种量化城市建成环境对交通拥堵影响程度的时空计算方法，包括：1、确定研究区域，将研究区域划分为多个大小相同的网格，并以网格作为研究单元；2、通过电子地图获取每个网格内的交通态势数据和建成环境数据；3、计算每个网格内每小时的交通拥堵指数；4、建立拥堵指数的空间和时间的局部模型；5、通过算法计算每个时刻和网格内对交通拥堵影响最大的建成环境。本发明通过研究每个网格内交通拥堵与建成环境的关系，确定对交通拥堵影响严重的建成环境，能够为交通管理者提供详细的时空拥堵分布信息，从而能制定更精准的交通规划和交通需求管理政策。
-
公开(公告)号：CN116978225A
公开(公告)日：2023-10-31
申请号：CN202310959077.0
申请日：2023-08-01
申请人： 合肥工业大学
IPC分类号： G08G1/01 , G08B21/02 , B60W40/09 , B60W50/14 , G06Q10/0635 , G06Q10/0639 , G06Q50/26
摘要： 本发明公开了一种快速路合流区危险驾驶行为的风险等级判别方法，包括：1、采集快速路合流区车辆轨迹数据；2、建立各危险驾驶行为度量指标和阈值；3、求解危险驾驶行为权重和特征值，确定车辆危险驾驶行为程度；4、根据危险程度判断驾驶人综合危险驾驶行为的风险等级，并给出适当控制措施；5、根据快速路合流区行车变化，循环上述步骤。本发明可以有效地识别城市快速路合流区车辆的危险驾驶行为，通过分析危险驾驶行为严重程度判断车辆危险风险等级，精准定位高风险驾驶人并实时给出控制措施，降低城市快速路合流区车辆危险驾驶行为风险，减少路段事故的发生率，使车辆可以更安全、更平稳通过城市快速路合流区，从而提高路段交通安全性。
-
公开(公告)号：CN116013083B
公开(公告)日：2024-03-12
申请号：CN202310032347.3
申请日：2023-01-10
申请人： 合肥工业大学
IPC分类号： G08G1/01 , G08G1/0968 , G08G1/0969
摘要： 本发明公开了一种基于电子地图数据的路网常发性交通状态识别方法，包括：1、通过ArcGIS确定研究区域并将研究区域划分成多个大小相等的网格；2、通过电子地图获得每个网格在不同时间段下的交通态势数据；3、计算所有时段下每个网格的交通状态的数量；4、计算所有时段下每个网格交通状态的比例；5、交通状态的比例与对应的阈值比较，确定网格的常发性交通状态。本发明将路网细分成一个个大小相同的网格，确定每个网格内常发性的交通状态，可以为管理者可以制定精度更高的交通规划和交通需求管理策略，以缓解城市交通拥堵的问题；城市的旅行者和通勤者可以提前绕道，选择更加通畅的路线，从而能提高通行效率。
-
公开(公告)号：CN115394083B
公开(公告)日：2023-06-06
申请号：CN202211039892.7
申请日：2022-08-29
申请人： 合肥工业大学
IPC分类号： G08G1/01 , G08G1/065 , G06N3/045 , G06N3/0442 , G06N3/0464 , G06N3/084
摘要： 本发明公开了一种基于深度学习的高速公路交通拥堵预测方法，包括：1、获取车辆轨迹数据，包括：轨迹点编号、时间、速度、用户编号、经纬度等；2、初步删除无用信息；3、依据现实情况删除不符合实际情况的数据；4、根据经纬度删除选定范围以外的数据；5、路段匹配；6、从原始车辆轨迹数据中提取交通流参数；7、计算高速公路实际拥堵指数和拥堵阈值；8、模型进行预测。本发明利用基于通过原始的轨迹数据提取交通流参数，获得更加全面和准确的数据，然后构建Cov1D&LSTM‑Attention深度学习模型来预测短时交通流，其预测精度更高，能更好的把控高速公路交通运行状况，更有利于实时优化整个城市的高速公路运行状态。
-
公开(公告)号：CN115394083A
公开(公告)日：2022-11-25
申请号：CN202211039892.7
申请日：2022-08-29
申请人： 合肥工业大学
摘要： 本发明公开了一种基于深度学习的高速公路交通拥堵预测方法，包括：1、获取车辆轨迹数据，包括：轨迹点编号、时间、速度、用户编号、经纬度等；2、初步删除无用信息；3、依据现实情况删除不符合实际情况的数据；4、根据经纬度删除选定范围以外的数据；5、路段匹配；6、从原始车辆轨迹数据中提取交通流参数；7、计算高速公路实际拥堵指数和拥堵阈值；8、模型进行预测。本发明利用基于通过原始的轨迹数据提取交通流参数，获得更加全面和准确的数据，然后构建Cov1D&LSTM‑Attention深度学习模型来预测短时交通流，其预测精度更高，能更好的把控高速公路交通运行状况，更有利于实时优化整个城市的高速公路运行状态。
-
公开(公告)号：CN115206115A
公开(公告)日：2022-10-18
申请号：CN202210835206.0
申请日：2022-07-15
申请人： 合肥工业大学
摘要： 本发明公开了一种智能网联环境下基于多源数据边缘计算的路网拥堵区管控方法，包括：1、建立路网交通流数据库，2、多源数据上传，3、边缘计算中心对数据进行预处理，4、数据中心判断有无拥堵区域，5、制定拥堵区域管控措施，6、实施管控。本发明能有效利用多源交通数据及网联自动驾驶车辆自身优势，准确识别城市路网中实时变化的拥堵区域，从而对临近拥堵区域边界的驶入拥堵区方向的车流实施控制，以更高效的解决城市路网拥堵区域的管控问题。
-
-
-
-
-
-
-
-
-
搜索结果
17 条记录 (耗时 0.026 秒)
