-
公开(公告)号：CN117034581A
公开(公告)日：2023-11-10
申请号：CN202310928665.8
申请日：2023-07-27
Applicant: 山东高速集团有限公司 , 北京工业大学
IPC: G06F30/20 , G06F30/18 , G06Q50/30 , G06F111/04
Abstract: 本发明公开了一种考虑多因素的高速公路传感设备选型的需求与感知耦合方法，涉及智慧高速传感设备布设领域，该模型考虑包括基于交通状态信息感知集合、各布设节点对感知测量的需求、高速公路交通运营管理单位对关键节点精度需求、高速公路交通运营管理单位对关键节点布设方式的需求等来确定要选用的传感器，同时，根据高速公路交通运营管理者考虑其他方面需求，亦可继续增加约束条件以求解最优选型，本模型方法可用于设计传感设备与传感网络的最优时空布局，实现全网或特定需求路段的最优布设方案，有效提高设备利用率、降低布设成本，同时提高路网交通运行状态监测、管理的准确性和可靠性。
-
公开(公告)号：CN113743204A
公开(公告)日：2021-12-03
申请号：CN202110860317.2
申请日：2021-07-29
Applicant: 北京工业大学 , 山东高速集团有限公司
Abstract: 本发明涉及一种基于感知需求的高速公路传感设备选型及优化布局方法。本发明针对智慧高速公路背景下的交通信息检测需求，研究检测设备选型及优化布设的方法，为设计人员进行传感网布设提供决策支持，提高设计合理性、节约布设成本，实现智慧高速公路道路运行状态的精准全息感知。该方法主要分为传感器选型和传感设备优化布局两个环节，其中传感器选型是将满足高速公路管理单位对感知参数需求、感知参数精度、可靠性等需要的传感设备组合选择出来；传感设备优化布局则将选择出来的传感设备布设到关键路段上，并对布设间距进行参数优化，最终计算符合条件的感知设备最佳布设间距及最低成本，节约资源的同时，实现高速公路交通状态的全息感知。
-
公开(公告)号：CN115374903A
公开(公告)日：2022-11-22
申请号：CN202210693861.7
申请日：2022-06-19
Applicant: 山东高速集团有限公司 , 北京工业大学
Abstract: 本发明公开了一种基于高速公路传感网布设的长期路面监测数据增强方法，采用计算机技术对高速公路传感网获取的原始监测数据进行数据补全和数据平滑；基于时序对抗生成网络对预处理监测数据进行深度数据增强，学习监测数据内部的关键信息，从而合成更多的高质量模拟数据使得时序数据样本物理特征和时间动态相对更加明显，提高模型的预测精度和泛化能力，减少过拟合；最后，基于深度学习模型时序卷积神经网络和序列到序列模型对合成的监测大数据集进行训练，将训练权重迁移至该模型中得到预训练模型，实现基于原始数据集的道路基层应变预测。此外，本发明能够进行精确的道路基层应变分析为后续的道路养护工作奠定基础。
-
公开(公告)号：CN113743204B
公开(公告)日：2024-04-19
申请号：CN202110860317.2
申请日：2021-07-29
Applicant: 北京工业大学 , 山东高速集团有限公司
IPC: G06F30/18 , G06F30/27 , G06F18/23213 , G01D21/02
Abstract: 本发明涉及一种基于感知需求的高速公路传感设备选型及优化布局方法。本发明针对智慧高速公路背景下的交通信息检测需求，研究检测设备选型及优化布设的方法，为设计人员进行传感网布设提供决策支持，提高设计合理性、节约布设成本，实现智慧高速公路道路运行状态的精准全息感知。该方法主要分为传感器选型和传感设备优化布局两个环节，其中传感器选型是将满足高速公路管理单位对感知参数需求、感知参数精度、可靠性等需要的传感设备组合选择出来；传感设备优化布局则将选择出来的传感设备布设到关键路段上，并对布设间距进行参数优化，最终计算符合条件的感知设备最佳布设间距及最低成本，节约资源的同时，实现高速公路交通状态的全息感知。
-
公开(公告)号：CN116108679B
公开(公告)日：2024-12-24
申请号：CN202310139834.X
申请日：2023-02-15
Applicant: 北京工业大学
IPC: G06Q10/0631 , G08G1/01 , G06Q10/047 , G06Q50/43 , G06F17/18
Abstract: 本发明公开了一种合乘出行交通流量分配方法和系统，包括：根据交通网络中出行者可供选择的出行方式，通过引入虚拟路段和虚拟节点将原始交通网络构造为三层结构的拓展网络；计算拓展网络中与路段相关的出行费用，包括出行时间费用、燃料费用、不方便成本、合乘乘客支付给合乘司机的费用、合乘司机的收入，得到不同出行方式的路段出行成本；依据用户均衡原则建立合乘出行交通流量分配模型，计算得到交通网络中各路段不同出行方式的交通流量。本发明的优点是：解决了合乘出行交通系统中存在的出行路径选择和出行方式选择问题，获得交通网络中各路段不同出行方式的交通流量，节约计算时间并减少对计算机内存的占用，解决了无法避免乘客换乘的弊端。
-
Patent Agency Ranking
公开(公告)号：CN116246452B
公开(公告)日：2024-12-13
申请号：CN202310243214.0
申请日：2023-03-14
Applicant: 北京工业大学
IPC: G08G1/00 , G08G1/01 , G08G1/0967 , G08G1/0968
Abstract: 本发明提供一种网联自动驾驶车辆专用道规划方案合理性分析方法，包括：考虑前后车辆类型和CAV车辆编队特性划分不同的跟驰模式，根据不同跟驰模式下对应混合交通流中的不同车头时距；建立宏观概率模型计算混行条件下车辆平均车头时距以及相应的道路通行能力；基于对混行场景下道路通行能力的研究，推导适用于混合交通流的路段阻抗函数；假设在设置专用道后，CAV出行者的车道选择遵循用户均衡条件得到选择专用道的CAV出行者比例；通过比较设置CAV专用道路段前后总出行成本得到专用道规划方案合理性判断条件。本发明提出了针对未设置专用道路段判断专用道规划方案合理性的条件。
-
公开(公告)号：CN113688561B
公开(公告)日：2024-06-25
申请号：CN202110809745.2
申请日：2021-07-17
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于神经网络的高速公路施工区最优预警距离确定方法，对混合交通流下高速公路施工区交通参数进行预处理；设置车辆模型并输入交通流参数；建立效率、安全、能耗综合评价模型；基于神经网络进行迭代训练得到模型权重；对不同输入交通流进行评价指标预测；确定最佳预警距离。本专利构建了预警模型，利用贝叶斯神经网络进行预测，考虑不同流量、装配率和预警距离条件下车辆在高速公路施工区，研究车辆最佳预警距离。本专利对高速公路施工条件下安全驾驶和道路预警提供一定参考，并提供施工条件下车辆预警最佳距离预测方法。
-
公开(公告)号：CN114611622B
公开(公告)日：2024-06-04
申请号：CN202210267171.5
申请日：2022-03-17
Applicant: 北京工业大学
IPC: G06F18/2431 , G06F18/214 , G06Q50/26 , H04W4/021
Abstract: 本发明公开了一种利用手机数据识别跨城通勤人群的方法，分为三部分，过程如下：一是获取已知用户类型的手机数据，每个数据集标记道路类型标签，对手机数据进行预处理，提取用户出行OD，筛选出有跨城出行行为的用户，获取数据集中相关用户出行指标，作为数据模型样本；二是构建决策树模型。利用k折交叉验证对决策树进行训练，通过比较每次的模型指标评分，确定最终人群类别识别模型；三是获取未知用户类型的手机数据，对手机数据进行预处理，提取用户出行相关指标，将该出行相关指标输入上一步得到的识别模型中，输出相应的用户类型标签，即识别出用户类型。
-
公开(公告)号：CN113312693B
公开(公告)日：2024-04-12
申请号：CN202110567204.3
申请日：2021-05-25
Applicant: 北京工业大学
Abstract: 一种T型通道混合行人分流仿真方法属于交通仿真技术领域。它包括以下步骤：步骤一：建立基于元胞自动机的行人仿真模型；步骤二：设计分流通道；设计分流通道，使得每类行人拥有独立的分流通道。步骤三：计算行人偏向强度，以用来表征分流通道的作用；步骤四：将行人偏向强度加入基于元胞自动机的行人仿真模型，得到行人在各个方向上的实际行走概率。本发明设计行人分流通道，并提出采用偏向强度表征分流通道的作用，将偏向强度加入基于元胞自动机的行人仿真模型中，能够较好的仿真T型通道混合行人分流过程。
-
公开(公告)号：CN114219778B
公开(公告)日：2024-04-02
申请号：CN202111482780.4
申请日：2021-12-07
Applicant: 北京工业大学
IPC: G06T7/00 , G06T5/50 , G06N3/0464 , G06N3/0475 , G06N3/045 , G06N3/094
Abstract: 本发明公开了一种基于WGAN‑GP数据生成与泊松融合的数据深度增强方法，WGAN‑GP是具有梯度惩罚的生成对抗网络，是一种基于博弈思想的生成模型，该生成模型包含两个网络，分别为生成网络G和判别网络D。新的训练数据是通过将WGAN‑GP生成的路面病害图像插入到无病害的道路图像中合成的。插入图像时，要保证尽可能真实地插入图像，避免边缘突出，导致目标检测模型只学习物体的边缘特征而不是病害特征量。本发明利用WGAN‑GP数据生成技术与泊松融合技术对数据进行深度增强，相比传统数据增强方法，将生成图片带入路面病害检测模型的训练集中，提供足够的数据量使得检测模型去学习到可能的分布，提高了路面病害智能检测的精度。
-
-
-
-
-
-
-
-
-
Search Results
202
records
(took 0.065 seconds)
