-
公开(公告)号:CN114970321B
公开(公告)日:2025-03-07
申请号:CN202210461605.5
申请日:2022-04-28
Applicant: 长安大学
IPC: G06F30/27 , G06F30/18 , G06T17/00 , G06Q10/04 , G06Q50/40 , G06N3/0442 , G06N3/0464 , G06N3/09 , G06F111/04
Abstract: 本发明公开了一种基于动态轨迹流的场景流数字孪生方法及系统,首先提出一种检测跟踪一体化多模态融合感知增强网络,在大幅度提高网络处理速度的同时,实现目标语义轨迹的精准提取与辨识;并提出一种结合道路布局与交通力耦合关系的目标轨迹预测方法,建模场景中语义的时序演变规律,实现交通运行环境中的目标轨迹预测;基于轨迹提取和语义辨识以及预测的运动轨迹,对中观层面交通态势的时序演变规律建模,获取基于真实目标动态轨迹流的场景流数字孪生。本发明能够有效实现目标语义轨迹的精准提取与辨识,同时可视化场景流数字孪生,为精准化交通管控服务提供决策支持。
-
公开(公告)号:CN115630789B
公开(公告)日:2024-08-02
申请号:CN202210783649.X
申请日:2022-07-05
IPC: G06Q10/0631 , G06Q10/0635 , G06Q50/26 , G06F16/25
Abstract: 本申请涉及一种应急设备控制方法、装置、计算机设备、存储介质和计算机程序产品。所述方法包括:获取应急事件的事件信息;所述事件信息包括事故类型和事故设备;根据所述事件信息,在设备控制知识库数据库中进行检索得到设备控制方案;所述设备控制方案包括设备种类信息和设备控制信息;基于所述设备种类信息,在设备资源库中进行检索得到各目标设备信息;对所述设备控制信息和各所述目标设备信息进行格式化处理,输出设备控制指令。采用本方法能够自动生成设备控制方案和设备控制指令,有效提高应急处置效率。
-
公开(公告)号:CN117892858A
公开(公告)日:2024-04-16
申请号:CN202311718749.5
申请日:2023-12-13
IPC: G06Q10/04 , G06Q10/0631 , G06Q10/067 , G06Q50/40
Abstract: 本申请涉及一种应急车辆调度方法、装置和计算机设备,涉及车辆调度技术领域。所述方法包括:获取资源点信息、受灾点信息和距离信息;资源点信息包含各资源点的应急储备车辆数据,受灾点信息包含各受灾点的应急需求信息,距离信息包括各资源点与各受灾点之间的距离;将应急储备车辆数据、应急需求信息和距离信息输入应急车辆调度模型,并通过优化策略确定应急车辆调度模型对应的应急车辆调度策略;应急车辆调度模型是基于受灾点应急需求优先级函数、资源点储备约束条件和受灾点需求约束条件确定的;基于应急车辆调度策略,向各受灾点调度各资源点的应急储备车辆。采用本方法能够提升应急车辆调度后的救援效率。
-
公开(公告)号:CN114881339A
公开(公告)日:2022-08-09
申请号:CN202210545736.1
申请日:2022-05-19
Applicant: 长安大学
Abstract: 本发明属于自动驾驶领域,公开了一种车辆轨迹预测方法、系统、计算机设备及存储介质,包括:提取待预测车辆及待预测车辆各相邻车辆的历史运动轨迹数据,得到待预测车辆的多维动态场景特征向量;提取待预测车辆的多维动态场景特征向量,得到待预测车辆的交通感知信息;编码待预测车辆的交通感知信息以及历史运动状态数据,得到待预测车辆的隐状态信息;根据待预测车辆的隐状态信息,得到待预测车辆的混合注意力矩阵,并通过待预测车辆的混合注意力矩阵为待预测车辆的隐状态信息分配权重,然后依次通过最大池化处理和全连接处理,得到待预测车辆的轨迹预测值,最终有效提升了车辆轨迹预测准确性。
-
公开(公告)号:CN110532946B
公开(公告)日:2022-04-26
申请号:CN201910803615.0
申请日:2019-08-28
Applicant: 长安大学
IPC: G06V20/54 , G06V10/25 , G06V10/26 , G06V10/774 , G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 一种基于卷积神经网络识别绿通车车辆轴型的方法,包括以下步骤:步骤1,获取绿通车图像;步骤2,制定绿通车图像有效性判定标准;步骤3,采用数据增强的方法增加训练样本的数量;步骤4,数据增强后,使用目标检测算法YOLOv2框架进行整轴检测;步骤5,根据车辆轴组类型和轮组类型将车辆轴型进行分类;步骤6,分别使用AlexNet、VGG‑16、ResNet‑152三种卷积神经网络在训练集上对车轴类型分类进行训练;步骤7,对需要识别的绿通车车辆轴型进行判定。本发明以实现绿通车车辆轴型准确识别为目标,将目标检测算法、非均衡数据集处理等与卷积神经网络模型相结合,使用判定标准挑选的图像可作为后续分类识别实验卷积神经网络模型的训练样本,避免训练样本水平过差问题。
-
公开(公告)号:CN110390341A
公开(公告)日:2019-10-29
申请号:CN201910683531.8
申请日:2019-07-26
Applicant: 长安大学
Abstract: 基于卷积神经网络的绿通车运载货物放射源图像识别方法,包括以下步骤:步骤1,绿通车运载货物放射源图像预处理;步骤2,输入图像样本准备;步骤3,设计绿通车运载货物放射源图像识别模型;步骤4,对绿通车运载货物放射源图像识别模型进行调优;步骤5,通过对模型的训练、验证及测试,并记录训练过程中损失函数及分类准确率的变化,损失函数能够反映模型对货物类型准确分类的能力。本发明采用基于卷积神经网络的绿通车运载货物放射源图像识别可避免查验结果对查验人员的主观依赖性,减轻一线查验人员工作强度。同时可提高检查效率,减少收费站拥堵情况的产生。
-
公开(公告)号:CN109255956A
公开(公告)日:2019-01-22
申请号:CN201811341385.2
申请日:2018-11-12
Applicant: 长安大学
Abstract: 本发明公开了一种收费站交通流量异常检测方法,对通过收费站车辆的进出高速公路的数据进行清洗、精简、排序以及流量数据分时统计;生成交通流量时间序列数据并对其进行处理,将生成的时间序列数据作为输入,下一个时间段的交通流量为输出,采用DBN模型进行预测;通过计算预测的交通流与离散化处理的实际交通流的相对误差,判断所述相对误差是否超过异常的阈值,如果所述相对误差超过阈值,则该收费站当前的交通流量出现了异常,否则,该收费站交通流量处于正常情况下;采用基于深度信念网络的收费站交通流异常判断模型,通过深度信念网络学习收费站交通流量特征,实现对交通流量的预测,解决了收费站交通流量异常判断过程中的主观随意问题。
-
公开(公告)号:CN115545389A
公开(公告)日:2022-12-30
申请号:CN202210784453.2
申请日:2022-07-05
Abstract: 本申请涉及一种应急调度方法、装置、计算机设备、存储介质和计算机程序产品。所述方法包括:获取应急事件的事件信息;所述事件信息包括事故类型和事故灾情;根据所述事件信息,在人员调度知识库数据库中进行检索得到人员调度方案;所述人员调度方案包括任务调度信息、应急人员需求信息和应急物资需求信息;基于所述应急人员需求信息和所述应急物资需求信息,在应急资源库中进行筛选并分别得到人员调度信息和物资调度信息;对所述任务调度信息、所述人员调度信息和所述物资调度信息进行格式化处理,输出人员调度指令。采用本方法能够有效提高应急处置效率。
-
公开(公告)号:CN110390341B
公开(公告)日:2022-12-06
申请号:CN201910683531.8
申请日:2019-07-26
Applicant: 长安大学
IPC: G06V10/46 , G06V10/764 , G06V10/82 , G06V10/26 , G06V10/30
Abstract: 基于卷积神经网络的绿通车运载货物放射源图像识别方法,包括以下步骤:步骤1,绿通车运载货物放射源图像预处理;步骤2,输入图像样本准备;步骤3,设计绿通车运载货物放射源图像识别模型;步骤4,对绿通车运载货物放射源图像识别模型进行调优;步骤5,通过对模型的训练、验证及测试,并记录训练过程中损失函数及分类准确率的变化,损失函数能够反映模型对货物类型准确分类的能力。本发明采用基于卷积神经网络的绿通车运载货物放射源图像识别可避免查验结果对查验人员的主观依赖性,减轻一线查验人员工作强度。同时可提高检查效率,减少收费站拥堵情况的产生。
-
公开(公告)号:CN110796859A
公开(公告)日:2020-02-14
申请号:CN201911033389.9
申请日:2019-10-28
Applicant: 长安大学
Abstract: 基于交通流的实时交通状态辨识及事故风险预警方法,包括以下步骤:步骤1,数据准备:步骤2,选取能够直观反映交通运行状态的交通流参数,其构成了交通状态空间;步骤3,在状态空间中描绘各观测数据的状态点,对安全域边界进行估计,将交通状态空间分为安全域和非安全域,不同区域代表不同的交通运行状态;步骤4,交通运行状态辨识:计算实时的交通流运行数据,在状态空间中描绘对应的状态点,根据安全域边界的划定,进而辨识实时的交通状态并输出结果。本发明立足于交通流对交通安全的影响,充分挖掘高速公路交通事故与交通流特性之间潜在的规律和特征,构建基于交通流的实时交通事故风险预警模型,为高速公路交通管理提供安全管理措施。
-
-
-
-
-
-
-
-
-