-
公开(公告)号：CN117037491A
公开(公告)日：2023-11-10
申请号：CN202311023827.X
申请日：2023-08-15
Applicant: 长安大学
IPC: G08G1/01 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种基于时空特征的动态图卷积交通流预测方法，采用由时空嵌入模块、时空特征融合模块、加权融合层和外部因素模块组成的STF‑SDAM‑DGCN模型，首先对历史交通流数据进行周期划分后与时空嵌入模块学习到的时空嵌入信息融合作为时空特征融合模块的输入数据，同时使用注意力机制、非对称卷积以及Zero‑Softmax函数构建稀疏有向邻接矩阵；将数据输入时空特征融合模块中，同时与外部因素模块中的外部影响因素融合后得到融合外部因素的历史交通流时空特征数据；数据随后传入加权融合层，时空嵌入模块将预测的未来时间步信息也传入该层，依据编码器得到的历史交通流特征生成未来交通流表示，并将其作为解码器输入，通过解码器进行预测，经过全连接层得到最终的未来交通流预测结果。
-
公开(公告)号：CN116863561A
公开(公告)日：2023-10-10
申请号：CN202310664213.3
申请日：2023-06-06
Applicant: 长安大学
IPC: G07C5/08 , G06F18/214 , G06N3/0442 , G06N3/08
Abstract: 本申请涉及一种基于数据驱动模态表征与区域注意力的多模轨迹预测方法，该方法将衡量车辆交互用强度的标准重新定义为目标车辆的意图，并构造了IRA模块来将注意力分配到位于不同区域的周围车辆，注意力矩阵用于加权聚合不同区域的交互，可以在更大范围内对非局部交互进行建模，而不会引入与周围无关车辆产生的噪声；构造了DIM模块，DIM模块综合考虑了同一机动类型轨迹的模态共性和个性，并以数据驱动的方式进一步学习了轨迹的个性化高维模态表征，从而指导模型输出更准确合理的多模态轨迹。
-
公开(公告)号：CN115730637A
公开(公告)日：2023-03-03
申请号：CN202211490477.3
申请日：2022-11-25
Applicant: 长安大学
IPC: G06N3/0455 , G06N3/0499 , G06N3/08
Abstract: 本申请涉及多模态车辆轨迹预测模型训练方法、装置及轨迹预测方法，模型训练方法包括将车辆运动轨迹训练数据划分为多个类别；对每个类别的训练数据基于解码器模块进行权重迭代剪枝，得到每个类别对应的掩码矩阵；基于每个类别的训练数据、每个类别对应的掩码矩阵对编码器模块和解码器模块进行训练，得到训练后的多模态车辆轨迹预测模型，能够输出与多个类别对应的多个轨迹预测结果。本申请的多模态车辆轨迹预测模型训练方法，采用基于数据驱动的方式，充分考虑不同驾驶操作意图，结合车辆的历史运动轨迹状态信息和不同驾驶操作意图的特征，进行多模态车辆轨迹预测模型的训练，生成的车辆轨迹预测模型能够输出多个合理的预测轨迹。
-
公开(公告)号：CN109582993B
公开(公告)日：2022-11-25
申请号：CN201810637452.9
申请日：2018-06-20
Applicant: 长安大学
IPC: G06F30/27 , G06T17/00 , G06N3/04 , G06N3/08 , G06F111/04
Abstract: 本发明公开了城市交通场景图像理解与多视角群智优化方法，利用道路布局随机变量的交叉口行车路径先验建模与基于FCN学习网络的路面语义先验建模方法，提高交叉口行车路线与路面的认知精度与整个场景语义理解程度；融合认知驱动的先验模型与数据驱动的二维‑三维空间变换的候选框语义特征，结合深度神经网络，实现复杂交通场景三维目标检测与识别；协同考虑车辆位置姿态与行驶轨迹先验模型，对复杂道路环境如交叉口交通场景，对三维场景流进行估计与描述，全面表征场景中交通参与者的姿态与运动趋势；针对城市复杂交叉口路段环境，通过多视角群智优化实现交通场景的全息理解，本发明有效且易实现的交通环境理解，为智能车的自主控制提供决策依据。
-
公开(公告)号：CN109583508A
公开(公告)日：2019-04-05
申请号：CN201811504239.7
申请日：2018-12-10
Applicant: 长安大学
Abstract: 一种基于深度学习的车辆异常加减速行为识别方法，包括以下步骤：步骤一、对车辆运行过程中车载终端采集到的状态参数和车载雷达数据进行预处理；步骤二、对筛选出的数据进行异常加减速点统计分析，挖掘出异于寻常的加速度点；步骤三、将车辆的每个行程按照采集数据的时间进行排序，将数据组成一个完整时间序列，并根据时间将行程分为片段，然后进行异常加减速行为的提取；步骤四、建立异常加减速行为识别数据集；步骤五、搭建长短期记忆网络；步骤六、将车辆行驶过程中的各项参数放入训练之后的长短期记忆网络中进行验证，判断车辆在行驶过程中是否有异常加减速行为。本发明能够降低对数据采集设备的要求，并且显著地提高识别精度。
-
Patent Agency Ranking
公开(公告)号：CN109582993A
公开(公告)日：2019-04-05
申请号：CN201810637452.9
申请日：2018-06-20
Applicant: 长安大学
Abstract: 本发明公开了城市交通场景图像理解与多视角群智优化方法，利用道路布局随机变量的交叉口行车路径先验建模与基于FCN学习网络的路面语义先验建模方法，提高交叉口行车路线与路面的认知精度与整个场景语义理解程度；融合认知驱动的先验模型与数据驱动的二维-三维空间变换的候选框语义特征，结合深度神经网络，实现复杂交通场景三维目标检测与识别；协同考虑车辆位置姿态与行驶轨迹先验模型，对复杂道路环境如交叉口交通场景，对三维场景流进行估计与描述，全面表征场景中交通参与者的姿态与运动趋势；针对城市复杂交叉口路段环境，通过多视角群智优化实现交通场景的全息理解，本发明有效且易实现的交通环境理解，为智能车的自主控制提供决策依据。
-
-
公开(公告)号：CN103499350B
公开(公告)日：2016-01-27
申请号：CN201310455813.5
申请日：2013-09-28
Applicant: 长安大学
IPC: G01C21/24
Abstract: 本发明公开了一种GPS盲区下融合多源信息的车辆高精度定位方法及装置，该方法捷联矩阵算法根据陀螺仪输出的角速率信息、加速度计输出的加速度信息计算得出INS车辆位置信息与通过路面匹配技术得到的定位信息，采用卡尔曼滤波算法进行融合从而输出最终融合定位信息。由于INS定位算法具有累积误差，该方法在道路旁边设置锚节点重新校正车辆位置信息。通过该方法可得到稳定、可靠、高精度的车辆高精度位置信息，适用于楼宇密集的城市道路、山区、隧道等无GPS信号环境。
-
公开(公告)号：CN212847147U
公开(公告)日：2021-03-30
申请号：CN202022138439.4
申请日：2020-09-25
Applicant: 长安大学
Abstract: 本实用新型公开了一种警示信号协同的行人感知路侧系统，属于交通路口安全警示技术领域。视频监测设备对人行道通行路口进行实时图像采集，并将采集得到的图像信息传输给主控单元；主控单元对接收到的图像信息进行处理，当检测到有行人进入人行道时，主控单元控制警示信号单元闪烁，警示车辆人行道上正有行人通过并做出礼让，避免因人车抢道或驾驶员视野出现盲区无法及时发现行人而引发交通事故，协同人车通行。本实用新型系统能够有效保障行人的优先通行权，提高人车冲突点的协同通行效率；利用交通语言建立“车让人”的交通理念，发展文明交通。
-
公开(公告)号：CN204401421U
公开(公告)日：2015-06-17
申请号：CN201420849711.1
申请日：2014-12-27
Applicant: 长安大学
IPC: E01C23/01
Abstract: 本实用新型公开了一种错台模拟设备，包括支撑底座和两块并列设置的用于形成错台的空心钢板，每个空心钢板的四个角隅均连接一个伸缩杆，且伸缩杆的顶部均通过万向球铰支座与空心钢板连接，支撑底座上设有两个凹槽，每个伸缩杆的底部均通过固定支座固定在支撑底座上的凹槽内，每个凹槽内并排固定四个伸缩杆，且两个凹槽内的伸缩杆对称设置。本实用新型可以模拟出水泥混凝土路面的各种错台形式，为实验室对错台分析具有较大帮助。
-
-
-
-
-
-
-
-
-
Search Results
44
records
(took 0.032 seconds)
