-
公开(公告)号：CN114742362A
公开(公告)日：2022-07-12
申请号：CN202210260054.6
申请日：2022-03-16
Applicant: 东南大学
IPC: G06Q10/06 , G06Q10/08 , G06F16/2458
Abstract: 本发明公开了一种用于道路交通事故风险评估的可替代指标的提取方法，包括如下步骤：S10，将待分析道路划分为q个等长的路段单元，在每个路段单元按照时间顺序采集与行车风险存在关联性参数的序列数据集；S20，分析参数序列数据集中各参数字符对事故频次的重要度，保留重要度超过I0的字符；S30，利用保留下来的字符构建回归模型，保留回归模型中置信度不小于P0的字符并构建离散选择模型，保留置信度不小于P1的字符作为可替代指标；S40，利用可替代指标构建事故风险计算方程，对道路的风险程度进行评估。本发明的实施不受主观影响，快速、高效地从原始大规模时间序列数据中获取到目标指标，以实现不借助事故数据便可以对道路的事故风险进行评价。
-
公开(公告)号：CN113269959B
公开(公告)日：2022-04-15
申请号：CN202110442220.X
申请日：2021-04-23
Applicant: 东南大学
Abstract: 本发明公开了一种基于变尺度梯度校正的随机用户均衡交通流分配方法，本方法在既约变量空间中进行迭代，每步迭代通过生成一个校正矩阵来动态调整目标函数的梯度信息，该方法具有超线性的收敛速度，且无需计算任何逆矩阵，能够大大减少运算的复杂度；且相比梯度投影法，该方法能够提高迭代后期的收敛速度，并大大节省迭代后期的CPU时间，非常适合求解大规模无约束优化问题。通过运用基于变尺度梯度校正的随机用户均衡交通流分配方法，能够提高求解效率，节省运算时间。
-
公开(公告)号：CN113326468A
公开(公告)日：2021-08-31
申请号：CN202110479054.0
申请日：2021-04-30
Applicant: 东南大学
Abstract: 本申请涉及一种基于路径尺度修正及两阶段优化的交通流分配方法。该方法包括：通过前期阶段，在原始变量空间运用一阶Taylor展开近似目标函数的第一项，每次迭代时求解一个路径尺度型流量加载问题，最终在原始变量空间中生成一个良好的初始点，使其接近SUE最优解，由于该方法利用了路径尺度型Logit随机用户均衡模型的特殊结构，其搜索方向向量求解公式具有封闭形式解，因此不需要内部迭代，可以节省大量CPU时间，后期阶段，该方法运用二阶Taylor展开近似既约目标函数，每次迭代时求解一个既约牛顿方程，最终找到既约变量空间中的SUE最优解，由于二阶近似方法具有超线性的收敛速度，可以大大提高算法在后期的迭代效率，因此提高了运算效率。
-
公开(公告)号：CN113269959A
公开(公告)日：2021-08-17
申请号：CN202110442220.X
申请日：2021-04-23
Applicant: 东南大学
Abstract: 本发明公开了一种基于变尺度梯度校正的随机用户均衡交通流分配方法，本方法在既约变量空间中进行迭代，每步迭代通过生成一个校正矩阵来动态调整目标函数的梯度信息，该方法具有超线性的收敛速度，且无需计算任何逆矩阵，能够大大减少运算的复杂度；且相比梯度投影法，该方法能够提高迭代后期的收敛速度，并大大节省迭代后期的CPU时间，非常适合求解大规模无约束优化问题。通过运用基于变尺度梯度校正的随机用户均衡交通流分配方法，能够提高求解效率，节省运算时间。
-
公开(公告)号：CN108710967B
公开(公告)日：2021-07-27
申请号：CN201810353803.3
申请日：2018-04-19
Applicant: 东南大学
Abstract: 本发明公开了一种基于数据融合和支持向量机的高速路交通事故严重度预测方法，包括如下步骤：1、收集m个交通事故发生时的道路条件、驾驶员情况、车辆情况等l个变量因素，构成样本集，记录每个交通事故的严重度值ri；2、对收集到的m个事故样本的变量因素进行降维和归一化；3、应用支持向量机算法构建交通事故严重度预测模型；4、将降维后的待预测事故的变量因素向量x代入步骤3建立的交通事故严重度预测模型中，得到待预测事故的严重度预测结果。该方法能够精确地预测高速公路事故的严重度。
-
Patent Agency Ranking
公开(公告)号：CN108647837B
公开(公告)日：2021-07-06
申请号：CN201810599890.0
申请日：2018-06-12
Applicant: 东南大学
Abstract: 本发明公开了一种考虑出行者路径选择惰性的网络交通流预测方法。该方法包括：组织交通调查，确定每个OD对之间不同类别出行者的惰性程度及其需求量；生成初始备选路径集合；求解限制主问题；更新路段行驶时间；生成新的路径；检验是否满足收敛条件；停止迭代，得到出行者惰性影响下，网络均衡交通流的预测值。本发明方法解决了出行惰性在实际交通调查中难以度量的问题，能为城市交通流量分布提供更加精确合理的预测。
-
公开(公告)号：CN109214370B
公开(公告)日：2021-03-19
申请号：CN201811269581.3
申请日：2018-10-29
Applicant: 东南大学
Abstract: 本发明公开一种基于手臂肤色区域质心坐标的驾驶员姿态检测方法，首先采集驾驶员驾驶时的图像，提取驾驶员双手和/或双臂的质心坐标，其次将提取的坐标和驾驶员驾驶姿态类别作为训练样本，训练分类器得到驾驶员姿态检测模型；在检测时，提取待检测图像中驾驶员双手和/或双臂的质心坐标，作为驾驶员姿态检测模型的输入，进行分类识别，检测驾驶员的驾驶姿态。该方法可以快速建立和训练出驾驶员姿态检测模型，从而实现驾驶员姿态的快速检测。
-
公开(公告)号：CN111897805A
公开(公告)日：2020-11-06
申请号：CN202010588824.0
申请日：2020-06-24
Applicant: 东南大学
IPC: G06F16/215 , G06F16/2458 , G06F16/26 , G06K9/62
Abstract: 本发明公开一种基于最长公共子轨迹密度聚类的热点路径挖掘方法，基于最长公共子轨迹的思想对轨迹相似度进行度量，得到轨迹相似度矩阵，再通过给定的空间邻域范围阈值Eps和核心轨迹近邻数量阈值MinPts对轨迹进行聚类，在聚类结果的基础上查询满足核心子轨迹要求的最小特征子轨迹，并使用其集合代表热点路径，采用最小特征子轨迹的核心轨迹数量作为热点路径等级的反应。本发明提出了一种新的轨迹相似性度量方案，改进轨迹聚类以更好的进行热点路径挖掘，具有较好的可靠性和鲁棒性，通过前期数据的预处理提升计算效率，方法可工程化实现。
-
公开(公告)号：CN111369062A
公开(公告)日：2020-07-03
申请号：CN202010152866.X
申请日：2020-03-06
Applicant: 东南大学
Abstract: 本发明公开了一种用于高速公路平曲线路段事故风险识别的车辆动力学指标提取方法以及事故风险值预测方法，其中车辆动力学指标提取方法包括：1、将目标高速公路按长度等分为多个路段单元并筛选平曲线路段；2、计算各平曲线路段真实事故风险值Ri；3、采集车辆正常行驶中L类动力学响应数据，并计算其变化率xi,l(t)；构建异常数据集Yl并分级，统计xi,l(t)的异常数据分级数据 计算与Ri的相关性，选取相关度最大的异常值等级作为显著性变量；4、基于因子分析方法从显著性变量中提取车辆动力学指标，作为目标高速公路平曲线路段事故风险识别的指标。该方法考虑了车辆所受各个方向动力学响应的综合影响，具有较高的识别精度，且整个方法操作简单，可移植性强，易于推广应用。
-
公开(公告)号：CN108710967A
公开(公告)日：2018-10-26
申请号：CN201810353803.3
申请日：2018-04-19
Applicant: 东南大学
CPC classification number: G06Q10/04 , G06Q50/30 , G08G1/0125 , G08G1/0137
Abstract: 本发明公开了一种基于数据融合和支持向量机的高速路交通事故严重度预测方法，包括如下步骤：1、收集m个交通事故发生时的道路条件、驾驶员情况、车辆情况等l个变量因素，构成样本集，记录每个交通事故的严重度值ri；2、对收集到的m个事故样本的变量因素进行降维和归一化；3、应用支持向量机算法构建交通事故严重度预测模型；4、将降维后的待预测事故的变量因素向量x代入步骤3建立的交通事故严重度预测模型中，得到待预测事故的严重度预测结果。该方法能够精确地预测高速公路事故的严重度。
-
-
-
-
-
-
-
-
-
Search Results
102
records
(took 0.031 seconds)
