-
公开(公告)号：CN118247948A
公开(公告)日：2024-06-25
申请号：CN202410222294.6
申请日：2024-02-28
Applicant: 扬州大学
Abstract: 本发明涉及一种基于交叉口综合通行效率的自动驾驶与人工驾驶通行方法，在一个通行周期内，该方案首先利用路侧单元采集交叉口各个进口方向交通流的交通量、速度、车辆类型、左转车辆数、排队构型和渗透率等数据。然后，计算各个进口车流人均延误、到达停止线通行时间、停止线到冲突点通行时间、当量交通量，选取人均延误、通行时间和交通量3个指标，依次得到基于每个指标最优的交叉口各进口交通流通行顺序。最后，给各指标下的最优通行顺序赋值，采用基于DEA交叉效率评价的通行顺序优化模型，计算综合通行效率，确定交叉口各进口交通流的通行顺序。对于交叉口自动驾驶汽车与人工驾驶汽车混行条件下的通行效率的提高有重要意义。
-
公开(公告)号：CN116153125A
公开(公告)日：2023-05-23
申请号：CN202310155733.1
申请日：2023-02-23
Applicant: 扬州大学
IPC: G08G1/123 , G06Q10/04 , G06Q50/26 , G06Q50/30 , G06N3/08 , G06N3/0455 , G06N3/0442
Abstract: 本发明公开了一种基于IDA‑RNN模型的空间维度公交到达时间预测方法，利用IDA‑RNN模型在双重注意力递归神经网络的空间维度下进行对公交到达时间预测，利用时间域中空间变化特征的影响，同时考虑公交运行前后车跟驰关系制定了空间域中的预测问题，从空间维度对公交到达时间进行准确、可靠的预测，为实现智能主动公交管控提供重要技术支撑，依据公交到达时间预测结果，交通管理者和组织者可据此制定完善交通运营与管理措施以提升公交系统运行效率，科学安排出行计划，从而有效增强城市公交的吸引力，减轻城市道路交通压力，提高居民出行体验，提升公交出行分担率。
-
公开(公告)号：CN110060476B
公开(公告)日：2021-04-27
申请号：CN201910310508.4
申请日：2019-04-17
Applicant: 扬州大学
Abstract: 一种基于速度离散风险系数的高速公路大车控制方法，涉及交通安全控制技术领域。本发明在实时检测数据的基础上，确定T1‑T2时段内安全风险临界状态下的大车比例值，进而明确当前大车比例所处的安全风险状态，以期通过利用升降杆和VMS板警示装置对进口匝道的大车进行控制和警示，可降低车流离散程度，保证车流平稳运行，减少交通事故，因此具有较好的市场前景。本发明对于明确安全风险临界状态下的大车比例值、降低车流离散程度、提高交通安全均具有重要的意义。
-
公开(公告)号：CN108734953A
公开(公告)日：2018-11-02
申请号：CN201810519627.6
申请日：2018-05-28
Applicant: 扬州大学
Abstract: 一种城市道路交叉口倒计时作用下预警诱导系统，利用中央控制器实时接收当前绿灯倒计时时刻t，预设停车线处的坐标和车辆之间的限距值，经中央控制器将倒计时任意时刻下不同位置车辆距离停车线的位移、相邻两机动车的车距、行驶速度、车牌号上传到VMS板中的数据分析器中，数据分析器、中央控制器中的数据信息随时间、车辆运行的变化进行实时动态更替。数据分析器对数据识别后对头车及后车进行分析判断，根据分析判断结果利用诱导警示系统对车辆进行诱导警示，驾驶分析信息显示在VMS板上，当车距低于限距时，车载警报器发出语音警示。本发明对于降低驾驶选择犹豫，减少交通冲突，降低追尾事故，保证驾驶安全具有重要的意义。
-
公开(公告)号：CN104916132A
公开(公告)日：2015-09-16
申请号：CN201510246667.4
申请日：2015-05-14
Applicant: 扬州大学
IPC: G08G1/01
Abstract: 一种确定交叉口交通流行驶轨迹的方法，涉及交通工程中混合交通流交通冲突领域。通过视图软件获得某一交通个体的图像坐标，通过图像坐标与实际坐标的转换公式即可求得某一交通个体在任意时刻的实际坐标。转换公式中有8个未知矩阵转换系数，通过在交叉口标定4个图像坐标和实际坐标已知的点，将标定点的图像坐标与实际坐标带入转换公式就可求得矩阵转换系数。在8个转换系数确定的基础上，将待求的某一交通个体的所有时刻的实际坐标求出，并将坐标系描绘出来即为该交通个体的行驶轨迹。本发明对于交叉口交通冲突的量化、交通事故黑点的预测以及交通安全的提高均具有重要的意义。
-
Patent Agency Ranking
公开(公告)号：CN117854293A
公开(公告)日：2024-04-09
申请号：CN202410035705.0
申请日：2024-01-09
Applicant: 扬州大学
Abstract: 本发明公开了基于稀疏自注意力网络的城市车流OD流量提取方法，在研究路网中分别在各交叉路口安装车辆自动号牌检测器，对自动车辆号牌识别系统提取的车辆轨迹数据进行综合预处理，基于稀疏自注意力神经网络建立能够有效表征和捕捉路网车辆出行规律的车辆轨迹重构模型，通过所构建的基于稀疏自注意力网络的车辆轨迹重构模型对不完整车辆出行轨迹链进行补全，得到完整车辆出行轨迹链，在此基础上通过聚合所有完整车辆出行轨迹链获得路径流量，最后通过设计路径流量扩样策略，估计获得路网最终的车流OD流量。
-
公开(公告)号：CN110060476A
公开(公告)日：2019-07-26
申请号：CN201910310508.4
申请日：2019-04-17
Applicant: 扬州大学
Abstract: 一种基于速度离散风险系数的高速公路大车控制方法，涉及交通安全控制技术领域。本发明在实时检测数据的基础上，确定T1-T2时段内安全风险临界状态下的大车比例值，进而明确当前大车比例所处的安全风险状态，以期通过利用升降杆和VMS板警示装置对进口匝道的大车进行控制和警示，可降低车流离散程度，保证车流平稳运行，减少交通事故，因此具有较好的市场前景。本发明对于明确安全风险临界状态下的大车比例值、降低车流离散程度、提高交通安全均具有重要的意义。
-
公开(公告)号：CN119889033A
公开(公告)日：2025-04-25
申请号：CN202510016195.7
申请日：2025-01-06
Applicant: 扬州大学
IPC: G08G1/01 , G06F18/23 , G06F18/22 , G06F123/02
Abstract: 本发明提供一种基于时间序列聚类的道路交通状态在线辨识方法，该方法通过获取目标时段内目标道路走廊内安装的各个交通检测站点采集的历史交通流状态参数时间序列数据，对所采集的数据进行预处理后基于动态时间规整和FCM聚类算法，挖掘高解析度的交通流状态参数时间序列数据中隐含的全局与局部交通状态演化特征和交通流状态参数时间序列之间的相似性，提取得到历史交通状态模式，在此基础上结合实时获取的交通流状态参数时间序列以及基于动态规划的在线交通状态平滑算法，实现可靠的在线交通状态辨识。本发明有效提升了交通状态识别的稳定性，显著降低了人工参与度和人力成本，为智慧交通决策提供了新的技术支持选择。
-
公开(公告)号：CN118116214B
公开(公告)日：2024-08-13
申请号：CN202410161110.X
申请日：2024-02-05
Applicant: 扬州大学
IPC: G08G1/07 , G08G1/087 , G08G1/16 , G08G1/0967
Abstract: 本发明涉及一种基于交叉口穿越风险度的自动驾驶车辆安全通行优化方法，该方法以完全自动驾驶环境下交叉口进口道不同方向冲突车队中的车辆可以利用优先车队中的车辆间隙穿插通行为前提条件，基于文中提出的穿越风险度指标(Crossing Risk Degree，以下简记为CRD)来确定交叉口进口道各方向冲突车队的穿行次序。CRD定义为优先车队中的车辆和冲突车队中的车辆发生碰撞产生的能量损失与优先车队和冲突车队的冲突概率的乘积，CRD值越大表示穿行风险越高。本发明通过比较CRD值的大小合理制定进口道不同方向冲突车队的放行顺序，以保证交叉口车辆高效穿行的同时，使车辆间的冲突风险降低，事故损失最小化，达到在完全自动驾驶环境下提高交叉口安全性与高效性的目的。
-
公开(公告)号：CN118116214A
公开(公告)日：2024-05-31
申请号：CN202410161110.X
申请日：2024-02-05
Applicant: 扬州大学
IPC: G08G1/07 , G08G1/087 , G08G1/16 , G08G1/0967
Abstract: 本发明涉及一种基于交叉口穿越风险度的自动驾驶车辆安全通行优化方法，该方法以完全自动驾驶环境下交叉口进口道不同方向冲突车队中的车辆可以利用优先车队中的车辆间隙穿插通行为前提条件，基于文中提出的穿越风险度指标(Crossing Risk Degree，以下简记为CRD)来确定交叉口进口道各方向冲突车队的穿行次序。CRD定义为优先车队中的车辆和冲突车队中的车辆发生碰撞产生的能量损失与优先车队和冲突车队的冲突概率的乘积，CRD值越大表示穿行风险越高。本发明通过比较CRD值的大小合理制定进口道不同方向冲突车队的放行顺序，以保证交叉口车辆高效穿行的同时，使车辆间的冲突风险降低，事故损失最小化，达到在完全自动驾驶环境下提高交叉口安全性与高效性的目的。
-
-
-
-
-
-
-
-
-
Search Results
18
records
(took 0.023 seconds)
