-
公开(公告)号：CN104091440B
公开(公告)日：2016-03-02
申请号：CN201410311801.X
申请日：2014-07-02
Applicant: 东南大学
Abstract: 本发明公开了一种基于道路等级和车辆类型的城市交通拥堵额外成本估算方法，包括收集与城市交通拥堵相关的主要宏微观数据；构建城市交通拥堵额外成本模型：拥堵额外时间成本、拥堵额外燃油成本和拥堵额外环境污染成本；三部分成本都是在道路等级分类和车型分类的基础上算得，进而估算城市交通拥堵额外成本值。本发明通过宏观定性分析和微观定量分析的方式，全面把握影响交通系统运行的关键因素，表现出科学性、全面性、通用性、可操作性强等特征，对全面了解城市交通拥堵状况和拥堵治理策略研究具有重要的现实意义。
-
公开(公告)号：CN103823382A
公开(公告)日：2014-05-28
申请号：CN201410069573.X
申请日：2014-02-27
Applicant: 浙江省科威工程咨询有限公司 , 浙江省交通规划设计研究院 , 东南大学 , 浙江交工路桥建设有限公司
Abstract: 本发明公开了一种基于车型和车速的换道轨迹优化及可视化实现方法，包括如下步骤：（1）调用ADAMS软件中四种车型的整车模型，具体包括如下步骤：（1-1）获取整车结构参数；（1-2）获取车辆动力学特性；（2）分析现有换道轨迹模型的跟踪误差，提取适合不同车型车速的换道轨迹模型；（3）基于安全性和舒适性，优化换道轨迹，具体包括如下步骤：（3-1）基于换道轨迹约束条件构建驾驶控制DCD文件，（3-2）创建驾驶员控制模型、双车道三维道路模型，构建驾驶员-道路-车辆仿真系统，仿真后得到的即为最优换道轨迹。本发明可实时动态的观测车辆的换道行为，有助于优化智能车辆换道系统，提高驾驶人的舒适性，确保道路行车安全。
-
公开(公告)号：CN119169802A
公开(公告)日：2024-12-20
申请号：CN202410790834.0
申请日：2024-06-19
Applicant: 东南大学
IPC: G08G1/01 , G06N3/126 , G06N3/006 , G06Q10/047
Abstract: 本发明提出了一种考虑出行者从众效应的路径交通流诱导方法。通过选定若干路径作为诱导路径，并向部分出行者提供路径补贴信息，吸引该部分出行者选择诱导路径出行，在从众效应的影响下引导其余出行者选择诱导路径。为此，本发明构建了双层规划模型作为交通流调控模型，其上层模型以最小化系统总出行时间成本和路径补贴成本为目标函数，下层模型为给定诱导路径下考虑从众效应的动态演化模型。通过遗传算法求解，实例分析显示：该模型可以有效降低整个网络的系统总出行时间成本，在一定程度上缓解交通拥堵。同时，从众效应的存在可以在降低路网系统总出行时间成本的同时减少补贴成本，进一步提升基于路径补贴的交通流调控策略的作用效果。
-
公开(公告)号：CN116401620A
公开(公告)日：2023-07-07
申请号：CN202310333102.4
申请日：2023-03-30
Applicant: 东南大学
IPC: G06F18/25 , G06F18/24 , G06F18/213 , G06F18/22 , G06F18/214 , G06F18/23213
Abstract: 本发明公开了一种基于城市街景图像的驾驶人压力负荷实时评估方法，包括：构建包含U个样本的数据集；利用心率变异性指标确定样本的压力等级；随后提取样本视频数据中的街景图像元素特征变量和动力学参数特征变量，并组成样本特征向量；采用相关性分析和随机森林重要度分析的方法，对样本特征向量进行降维，对具有强相关性的特征变量进行转化或剔除处理；以压力等级为标签，与样本特征向量组成特征‑标签矩阵，并用于训练包含m种机器学习分类器的融合模型，将性能最好的融合模型用于驾驶人压力负荷的实时评估。本发明具有较高的评估精度，同时实时评估过程对驾驶人的驾驶体验几乎没有任何影响，确保了推广应用的可行性。
-
公开(公告)号：CN111832446B
公开(公告)日：2022-11-08
申请号：CN202010608561.5
申请日：2020-06-30
Applicant: 东南大学
Abstract: 本发明公开了一种基于双视角视频数据的驾驶员姿态识别方法，包括如下步骤：使用双视角摄像头采集驾驶员驾驶视频数据；基于Python‑OpenCV库将视频数据转化为图片数据；将驾驶动作进行分解，提取视线偏移状态量V、持续性状态量C和短暂性状态量T，并形成标签化的双视角图像数据集；构建小型卷积神经网络识别视线偏移量V；构建多输出轻型卷积神经网络识别短暂型状态量C和持续型状态量T；构建联合识别网络，实现驾驶姿态识别；分析驾驶状态在时间轴上的排列，实现驾驶动作的识别。本发明采用双视角数据集，弥补了单视角数据信息损失的固有缺陷；通过构建模型识别驾驶姿态，并基于驾驶状态在时间轴上的排列，识别驾驶动作，模型实时性和精度均很好。
-
Patent Agency Ranking
公开(公告)号：CN109977786B
公开(公告)日：2021-02-09
申请号：CN201910156046.5
申请日：2019-03-01
Applicant: 东南大学
Abstract: 本发明公开了一种基于视频及肤色区域距离的驾驶员姿态检测方法，该方法通过提取多个样本视频中采样图像的肤色区域，计算肤色区域的质心坐标，将质心坐标转换为特征距离来表征每张图像的特征值，采用聚类算法将一段视频对应的多幅图像的特征值融合为一个特征值；构建BP神经网络，将融合后的特征值和对应的驾驶姿态类别作为训练样本输入BP神经网络，训练得到驾驶员姿态检测模型；在检测时，采集待检测的驾驶员驾驶时的视频，对待检测视频按照上述步骤中的方法计算特征值，计算结果作为驾驶员姿态检测模型的输入，输出为待检测视频的驾驶姿态类别。该方法可以有效提高驾驶人姿态的检测率并实现对驾驶员驾驶行为的识别分类，最终实现对营运驾驶过程的实时预警。
-
公开(公告)号：CN111832446A
公开(公告)日：2020-10-27
申请号：CN202010608561.5
申请日：2020-06-30
Applicant: 东南大学
Abstract: 本发明公开了一种基于双视角视频数据的驾驶员姿态识别方法，包括如下步骤：使用双视角摄像头采集驾驶员驾驶视频数据；基于Python-OpenCV库将视频数据转化为图片数据；将驾驶动作进行分解，提取视线偏移状态量V、持续性状态量C和短暂性状态量T，并形成标签化的双视角图像数据集；构建小型卷积神经网络识别视线偏移量V；构建多输出轻型卷积神经网络识别短暂型状态量C和持续型状态量T；构建联合识别网络，实现驾驶姿态识别；分析驾驶状态在时间轴上的排列，实现驾驶动作的识别。本发明采用双视角数据集，弥补了单视角数据信息损失的固有缺陷；通过构建模型识别驾驶姿态，并基于驾驶状态在时间轴上的排列，识别驾驶动作，模型实时性和精度均很好。
-
公开(公告)号：CN111783633A
公开(公告)日：2020-10-16
申请号：CN202010611056.6
申请日：2020-06-30
Applicant: 东南大学
Abstract: 本发明公开了一种驾驶员姿态安全性定量评价模型的构建方法，包括如下步骤：首先以驾驶员真实驾驶视频为数据集，对定量评价指标及评价姿态的原始数据进行相关性分析和标准化处理，然后使用模糊层次分析法和最小二乘法确定各定量评价指标权重值，最后计算驾驶姿态安全性评价得分，完成驾驶员姿态安全性定量评价模型的构建。本发明设计简单，易于计算；以驾驶员真实驾驶视频为数据集，充分结合驾驶姿态特点确定定量评价指标，表现出科学性、全面性、通用性、可操作性强等特征，对于保障营运车辆驾驶员人身安全、促进行车规范化安全化具有重要的现实意义。
-
公开(公告)号：CN110298482A
公开(公告)日：2019-10-01
申请号：CN201910434530.X
申请日：2019-05-23
Applicant: 东南大学
Abstract: 本发明公开了一种正逆向相结合的快递包装规格设计方法，包括：将本机构的货车按照车厢尺寸分类；选择上一年度行驶总里程数最多的2类货车作为主力车型；约束集装单元各边长度；确定集装单元长、宽、高，以此为基准分别进行n1、n2、n3、n4等分，并排列组合，形成备选规格组合；确定包装规格类别数目I；统计上一年度订单的货品体积，将体积范围划分为I个子区间，每个子区间包含的订单数相等；选取每个子区间内货品长度最大值、宽度最大值和高度最大值，作为该子区间的标定尺寸；从备选规格组合中选择能够容纳各子区间的标定尺寸，其体积最小的包装规格作为快递包装规格设计。该方法兼顾了运输条件和货品适配，解决了因快递包裹尺寸零散导致的装运效率低下问题。
-
公开(公告)号：CN107230388B
公开(公告)日：2019-07-30
申请号：CN201710545991.5
申请日：2017-07-06
Applicant: 东南大学
IPC: G08G1/16
Abstract: 本发明公开了一种基于换道行为的主线收费站ETC指示标志设置安全距离计算方法，包括如下步骤：1、计算驾驶员开始对ETC指示标志的内容进行读取的位置到驾驶员开始准备实施换道、减速等行动的位置之间的距离L1；2、计算驾驶员开始对ETC指示标志的内容进行读取的位置到ETC指示标志所在位置之间的距离L2；3、计算驾驶员开始准备实施换道、减速等行动的位置到驾驶员完成换道、减速等行动准备通过闸机的位置之间的距离L3；4、计算ETC指示标志前置距离L4，L4＝L1+L3‑L2；5、计算具体ETC收费车道布置方案对应的ETC指示标志设置安全距离f(N,n)max。该方法提供了一种针对ETC与MTC共存的主线收费站ETC指示标志设置安全距离计算方法。
-
-
-
-
-
-
-
-
-
Search Results
102
records
(took 0.034 seconds)
