公开(公告)号：CN119516763A

公开(公告)日：2025-02-25

申请号：CN202411322343.X

申请日：2024-09-23

Applicant: 重庆大学

Inventor： 曾令秋 ,  钟李 ,  韩庆文 ,  宋新月 ,  叶蕾 ,  戚凌峰

IPC: G08G1/01 ,  G08G1/042 ,  G08G1/04

Abstract: 本发明属于智能交通技术领域，具体公开了一种面向规模化直播测试的交通流轨迹对齐方法及系统，该方法包括步骤：HV实时上传场景信息并形成轨迹数据，同时通过激光雷达拍摄区域交通流信息，得到区域交通流轨迹数据集；使用网络预测模型，预测区域交通流信息所包含车辆的未来位置信息，补齐区域交通流轨迹数据集；对比HV的轨迹数据和激光雷达采集的区域交通流轨迹数据集，识别区域交通流轨迹数据集中的HV轨迹；匹配HV实时上传的轨迹与激光雷达采集的HV轨迹，获取轨迹数据时间差，确定区域交通流所包含车辆的未来直播位置信息，满足直播测试需求。采用本技术方案，获取HV实时轨迹与激光雷达采集轨迹数据的时间差，满足直播测试需求。

公开(公告)号：CN114021856A

公开(公告)日：2022-02-08

申请号：CN202111464351.4

申请日：2021-12-03

Applicant: 重庆大学

Inventor： 曾令秋 ,  周鑫宇 ,  韩庆文 ,  戚凌峰 ,  叶蕾 ,  金家炫

IPC: G06Q10/04 ,  G06Q10/06 ,  G06N3/08 ,  G06N3/04 ,  G06K9/62

Abstract: 本发明提出了一种道路风险预测方法及系统，该方法为：划分研究路段，获得研究路段的时不变特征；实时获得研究路段的时变数据，从中提取出时变特征；搭建SDARNN网络模型：在LSTM模型的输入阶段引入注意力机制，将所述时变特征通过输入注意力机制得到注意力加权后的时变特征，在LSTM模型的编码器的隐藏层引用注意力机制处理加权后的时变特征，将其映射成上下文向量；在LSTM模型的解码器阶段输入上下文向量并融合时不变特征，再经过解码器得到输出序列，输出下个时隙研究路段的危险度。本方法提出融合时不变特征的双阶段注意力机制的循环神经网络模型SDARNN，提高了道路风险预测的准确性。