一种基于深度学习模型的公共交通安全管理方法及系统

    公开(公告)号:CN118968782A

    公开(公告)日:2024-11-15

    申请号:CN202410919885.9

    申请日:2024-07-10

    发明人: 罗仁胜

    摘要: 本发明涉及智能交通技术领域,尤其涉及一种基于深度学习模型的公共交通安全管理方法及系统,方法包括:步骤S1、监测车辆位置,确定车辆的移速;步骤S2、分析车辆是否符合安全标准,基于车内人数对车辆是否符合安全标准进行分析,或,监测驾驶人员的工作状态;步骤S3、根据驾驶人员当前的轮廓特征分析驾驶人员的工作状态;步骤S4、在分析驾驶人员的工作状态不合格时降低车速并发出警报指令;本发明中根据车速初步分析车辆的安全状况,并在车速较快时根据车内人数进一步分析,提高了对车辆状况的控制精度,提高了分析车辆状况的准确度,在车速过快时检测驾驶人员的工作状态,提高了对驾驶人员的工作状态的控制精度,提高了分析效率。

    一种智能交通网络动态调度方法及系统

    公开(公告)号:CN118968773A

    公开(公告)日:2024-11-15

    申请号:CN202411464864.9

    申请日:2024-10-21

    摘要: 本发明公开了一种智能交通网络动态调度方法及系统,涉及交通网络技术领域,基于流量守恒方程建立目标函数并进行最小化操作,可以有效识别公交车临时占道对非机动车流量的影响,精准计算出非机动车的流动效率L,以提高后期对车流量预测的精准度;通过对预测流量和实际流量的对比分析,系统能够智能判断当前非机动车道的拥堵状况,并快速发出调度优化指令,不仅有助于缓解交通拥堵,还能减少非机动车的延误时间。此外,结合PyTorch技术构建的调度优化模型,使得调度评估指数Dgzs的计算更加精准,为公交车的派发方案提供科学依据。根据评估指数的数值大小,系统能够智能选择相应的公交车调度策略,该过程进一步实现了交通资源的高效配置。

    一种交通信息管理方法及系统

    公开(公告)号:CN118968769A

    公开(公告)日:2024-11-15

    申请号:CN202411421794.9

    申请日:2024-10-12

    IPC分类号: G08G1/01 G08G1/052 G08G1/065

    摘要: 本发明涉及数据处理技术领域,尤其涉及一种交通信息管理方法及系统。方法包括:获取车辆速度时序序列以及对应的交通流量时序序列,在速度数据点中预设种子点个数,将车辆速度时序序列均分为多个以各种子点为中心的速度数据段;在速度数据中预设种子点的搜索范围,计算种子点与搜索范围内速度数据点的第一相似度;获取速度数据段对应的交通流量均值以及搜索范围内速度数据点对应的交通流量点,计算种子点与搜索范围内速度数据点的第二相似度;将搜索范围内第二相似度大于预设相似度阈值的速度数据点与对应的种子点进行组合,得到目标数据段并进行处理,以实现交通信息数据的管理,这样可以有效地提高交通信息数据管理的效率。

    基于LED显示地板的智能交通系统
    8.
    发明公开

    公开(公告)号:CN118918715A

    公开(公告)日:2024-11-08

    申请号:CN202410618774.4

    申请日:2024-05-17

    发明人: 梁高华

    摘要: 本发明公开了基于LED显示地板的智能交通系统,包括:激光传感模块用于采集车辆数量和车辆速度,计算路段车辆数;监测模块用于判定车辆或行人闯黄灯行为和车辆闯红灯行为,并生成信号;车辆分析模块对车辆或行人违规参数进行分析,生成车辆或行人违规警报信号;报警模块用于接收信号并生成报警;信号分析模块用于分析下一个绿灯周期的绿灯时长,生成预警灯控制信号;本发明通过发送警报至信息控制端和报警显示模块,从而便于管理者和行人进行决策;本发明可控制报警显示模块推送各种提示信息,及时调整报警显示模块的绿灯时长,从而便于路段车辆和行人更快且安全地通过路口,并及时提醒行人采取对应动作。

    混合交通流路口的多车协同决策方法、装置、介质及产品

    公开(公告)号:CN118918706A

    公开(公告)日:2024-11-08

    申请号:CN202410954591.X

    申请日:2024-07-17

    IPC分类号: G08G1/01 G08G1/052

    摘要: 本发明公开一种混合交通流路口的多车协同决策方法、装置、介质及产品,涉及多车协同决策技术领域,方法包括:构建了融合智能车之间及智能车与有人驾驶车辆交互的基于序贯博弈的动作滤波器的值分解多智能体深度强化学习模型;训练基于序贯博弈的值分解多智能体深度强化学习模型;将混合交通流中待协同决策的智能车辆的全局状态信息与当前协同决策信息输入至训练好的基于序贯博弈的值分解多智能体深度强化学习模型,确定智能车辆的下一时刻的协同决策信息。通过向值分解多智能体深度强化学习模型中增加基于序贯博弈的动作滤波器,提高了算法的样本效率及收敛速度,降低了智能网联车在混合交通流环境下路口通行碰撞风险,提高路口的交通流效率。