-
公开(公告)号：CN118351493A
公开(公告)日：2024-07-16
申请号：CN202410340940.9
申请日：2024-03-25
Applicant: 重庆大学 , 重庆首讯科技股份有限公司
IPC: G06V20/54 , G06V10/25 , G06V10/40 , G06V10/764 , G06V10/766 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/09 , G08G1/01
Abstract: 本发明公开了一种适于高速公路监控场景的多尺度车辆目标检测方法，属于智能交通领域。本发明车辆目标检测方法，以ConvNeXt V2网络为基础对YOLOv8骨干网络进行改进，并向ConvNeXt V2网络中引入SPD‑Conv模块和SA‑Conv模块，用于强化模型的多尺度特征表达能力；其次，采用特征金字塔网络HS‑FPN对骨干网络提取到的特征图进行融合增强，以应对车辆目标的多尺度检测；最后，采用分类任务和回归任务相互解耦的检测头对增强的多尺度特征图进行分类与回归，最终得到车辆目标的检测结果。本发明能够有效提高高速公路监控场景的多尺度车辆目标特征提取的精确度，更好地应对场景中目标尺度变化大、干扰因素多等状况，可在保证检测效率的同时提升检测精度。
-
公开(公告)号：CN117831285A
公开(公告)日：2024-04-05
申请号：CN202311854469.7
申请日：2023-12-29
Applicant: 重庆大学 , 重庆首讯科技股份有限公司
IPC: G08G1/01
Abstract: 本发明提出了一种基于MPC的高速公路异常事件下的上游动态分流方法，通过ETC数据、车辆轨迹数据和路段属性，使模型能够更好地理解和捕获预测路段的交通状况。本发明针对高速公路异常事件下的交通诱导分流研究较少，已有研究没有考虑上游多路段流量对异常事故路段的协同影响，无法形成上游多路段协调动态分流控制方案，提出建立高速METANET宏观交通流模型，设计MPC控制上游分流量方案，对交通状态的实时监测与预测，同时作为输入反馈回MPC控制器，形成动态的上游分流方案，并能在必要时动态调整分流量，保障整体交通系统的高效运行。本发明可以为交通管理人员组织应急交通提供支撑，提高高速公路通行能力和服务水平。
-
公开(公告)号：CN111767644B
公开(公告)日：2023-10-17
申请号：CN202010506485.7
申请日：2020-06-05
Applicant: 重庆大学
Abstract: 本发明公开了考虑单隧道限速影响高速公路路段实际通行能力估计方法，包括：基于预测路段的道路实际数据，建立道路仿真模型；基于时空消耗理论，获取预测路段的道路实际通行能力，建立估计模型；将不同的交通流量大小作为输入量，获取根据所述道路仿真模型得到的预测路段的通行能力与根据所述估计模型得到的预测路段的通行能力的偏差；根据偏差，修正估计模型，得到预测路段的实际通行能力。本发明主要考虑高速公路中存在隧道与外场在道路属性上不同的介质对于道路实际通行能力的影响，通过仿真的方式分析其实际的通行能力，基于时空消耗理论建立了针对隧道的高速公路基本路段的实际通行能力估计模型，为缓解交通拥堵问题的缓解提供一定理论依据。
-
公开(公告)号：CN115440029B
公开(公告)日：2023-08-08
申请号：CN202210908725.5
申请日：2022-07-29
Applicant: 重庆大学 , 重庆首讯科技股份有限公司
IPC: G08G1/01
Abstract: 本发明公开了一种考虑检测设备分布的车检器数据修复方法，属于电力电子技术领域。该方法包括：采集高速公路沿线布设的多源检测设备监测获得的交通流数据，进行完整性分析；基于Kendall相关系数，对多源检测设备监测获得的交通流数据进行一致性检验；根据完整性分析和一致性检验结果，确定不同检测设备分布下的车检器数据修复模型的输入输出关系，从而构建车检器数据修复模型的训练集和测试集；基于支持向量回归算法构建车检器数据修复模型，然后在训练集中，完成车检器数据修复模型的训练与模型参数的求解，之后在测试集中完成车检器数据修复模型的测试。本发明方法适应性强，能充分利用高速公路的多源数据，有效修复车检器中缺失数据或异常数据。
-
公开(公告)号：CN115440029A
公开(公告)日：2022-12-06
申请号：CN202210908725.5
申请日：2022-07-29
Applicant: 重庆大学 , 重庆首讯科技股份有限公司
IPC: G08G1/01
Abstract: 本发明公开了一种考虑检测设备分布的车检器数据修复方法，属于电力电子技术领域。该方法包括：采集高速公路沿线布设的多源检测设备监测获得的交通流数据，进行完整性分析；基于Kendall相关系数，对多源检测设备监测获得的交通流数据进行一致性检验；根据完整性分析和一致性检验结果，确定不同检测设备分布下的车检器数据修复模型的输入输出关系，从而构建车检器数据修复模型的训练集和测试集；基于支持向量回归算法构建车检器数据修复模型，然后在训练集中，完成车检器数据修复模型的训练与模型参数的求解，之后在测试集中完成车检器数据修复模型的测试。本发明方法适应性强，能充分利用高速公路的多源数据，有效修复车检器中缺失数据或异常数据。
-
Patent Agency Ranking
公开(公告)号：CN117274920A
公开(公告)日：2023-12-22
申请号：CN202310851333.4
申请日：2023-07-12
Applicant: 重庆大学 , 重庆首讯科技股份有限公司
IPC: G06V20/54 , G06V20/40 , G06V10/72 , G06V10/762 , G06V10/774 , G06V10/776 , G06V10/80 , G06V10/82
Abstract: 本发明公开了一种适用于高速公路监控摄像头的车辆目标检测方法，包括以下步骤：获取高速公路监控视频车辆目标检测数据集；骨干网络的搭建；目标检测子网络的搭建；数据增强策略的设计；基于SSD算法的高速公路监控视频车辆目标检测网络的训练。本发明适用于高速公路监控摄像头的车辆目标检测方法，特征提取能力强、小目标车辆检测精度高、定位性能好，可直接应用于高速公路场景下的车辆目标检测。
-
公开(公告)号：CN117012031A
公开(公告)日：2023-11-07
申请号：CN202311111417.0
申请日：2023-08-31
Applicant: 重庆大学 , 重庆首讯科技股份有限公司
IPC: G08G1/01 , G08G1/048 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于深度元学习的高速公路拥堵消散时间预测方法，包括以下步骤：采集拥堵路段的车辆轨迹数据以及上下游的ETC数据，提取车辆与交通流特征，收集路段异常事件信息整理形成数据集；使用CNN从数据集中捕获交通流的空间特征，使用GRU从数据集中捕获交通流的时间特征；构建拥堵消散时间预测模型；针对不同类型的异常事件，拥堵消散时间预测模型采用MAML方法进行分任务学习，从而得到不同异常事件类型下的拥堵消散时间预测结果。本发明方法能够有效克服现有拥堵消散时间预测方法在应对异常事件时存在的局限性，实现更高的预测精度和适应性。
-
公开(公告)号：CN111767644A
公开(公告)日：2020-10-13
申请号：CN202010506485.7
申请日：2020-06-05
Applicant: 重庆大学
Abstract: 本发明公开了考虑单隧道限速影响高速公路路段实际通行能力估计方法，包括：基于预测路段的道路实际数据，建立道路仿真模型；基于时空消耗理论，获取预测路段的道路实际通行能力，建立估计模型；将不同的交通流量大小作为输入量，获取根据所述道路仿真模型得到的预测路段的通行能力与根据所述估计模型得到的预测路段的通行能力的偏差；根据偏差，修正估计模型，得到预测路段的实际通行能力。本发明主要考虑高速公路中存在隧道与外场在道路属性上不同的介质对于道路实际通行能力的影响，通过仿真的方式分析其实际的通行能力，基于时空消耗理论建立了针对隧道的高速公路基本路段的实际通行能力估计模型，为缓解交通拥堵问题的缓解提供一定理论依据。
-
公开(公告)号：CN111724592A
公开(公告)日：2020-09-29
申请号：CN202010537175.1
申请日：2020-06-12
Applicant: 重庆大学
Abstract: 本发明公开了一种基于收费数据与卡口数据的高速公路交通拥堵检测方法，本发明考虑了综合利用收费数据和卡口数据来预测交通拥堵，数据来源具有多样性，利用卡口数据对收费数据进行补充，能够很好的解决相邻互通收费站间数据较少的问题，预测更加准确；采用高斯混合聚类算法分析道路运行状态，考虑周全，能全面模拟、分析道路的不同交通形态，科学性、全面性更高。
-
公开(公告)号：CN117012039A
公开(公告)日：2023-11-07
申请号：CN202311111518.8
申请日：2023-08-31
Applicant: 重庆大学 , 重庆首讯科技股份有限公司
Abstract: 本发明公开了一种基于多源数据融合的高速公路车道级速度预测方法，包括以下步骤：划分车道，利用GRG计算不同车道之间的相互影响度；使用Attention机制计算目标车道不同时间的注意力权重；基于注意力权重和不同车道之间的相互影响度，建立改进模型GRGA；基于改进模型GRGA，建立GRU_LSTM融合深度学习模型；根据GRU_LSTM融合深度学习模型，实时预测高速公路任一车道特定时间段内的平均行驶速度。本发明一种基于多源数据融合的高速公路车道级速度预测方法预测速度块、精准高，能够为交通管制人员进行交通诱导提供参考依据。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.017 seconds)
