-
公开(公告)号：CN114023066B
公开(公告)日：2022-09-20
申请号：CN202111312600.8
申请日：2021-11-08
IPC: G08G1/01
Abstract: 本发明公开了一种面向自动驾驶的专用车道交通流量控制方法，包括步骤：划分面向自动驾驶的专用车道路段；计算专用车道常规路段断面车流通过能力；计算专用车道出口路段断面车流通过能力；计算专用车道进口路段断面车流通过能力；通过检测专用车道进、出口路段上游断面流量，并将其与专用车道进口、出口路段断面车流通过能力进行比较，确定专用车道各类路段交通流量的控制方法。本发明面向自动驾驶环境下道路交通出行服务，可通过专用车道有效调节道路车流运行、控制交通流量，从而有效调配道路交通资源，保证交通正常运行，缓解交通拥堵，降低车辆运行延误，提高车辆通行效率。
-
公开(公告)号：CN114493191A
公开(公告)日：2022-05-13
申请号：CN202210016003.9
申请日：2022-01-07
Applicant: 东南大学
IPC: G06Q10/06 , G06Q50/30 , G06N5/00 , G06K9/62 , G06F16/215 , G06F16/2458 , G06F16/29 , G07C5/08
Abstract: 本发明公开了一种基于网约车数据的驾驶行为建模及分析方法，具体包括：提取网约车轨迹数据和订单起讫点数据并进行预处理，得到含有速度和加速度变量的多组驾驶特征序列数据；采用基于分层狄利克雷过程‑隐半马尔科夫的改进非参数贝叶斯学习模型进行驾驶行为建模，对车辆的驾驶行为状态进行识别。构建状态空间向量对驾驶员的驾驶风格类型进行表征，并采用改进K‑means聚类算法对驾驶员进行聚类；依据驾驶行为状态识别和驾驶风格分类结果，可分析不同风格的类型驾驶员在不同交通运行状态下驾驶行为状态。本发明实现了对车辆驾驶行为状态进行识别以及对驾驶者类型划分，从而实现特定场景下不同类型驾驶员驾驶行为的分析。
-
公开(公告)号：CN114023067A
公开(公告)日：2022-02-08
申请号：CN202111312608.4
申请日：2021-11-08
Abstract: 本发明公开了一种车联网环境稳健性导向的道路行程时间预测方法，包括步骤：划分车联网环境下车辆道路运行分析路段；借助交通检测器同步检测目标车辆，采集路段的起终点车辆运行特征数据；确定路段的服务区车速影响修正系数；确定路段的进口匝道车速影响系数；确定路段的出口匝道车速影响系数；计算目标车辆在路段的平均车速，预测正常路况条件下路段行程时间；动态修正突发交通事件下目标车辆道路行程时间。本发明提供了一种车联网环境稳健性导向的道路行程时间预测方法，可为车联网环境下快速、稳健预测道路行程时间提供技术支撑，从而为道路交通出行者提供可靠的高品质出行服务。
-
公开(公告)号：CN117576897B
公开(公告)日：2024-12-03
申请号：CN202311448915.4
申请日：2023-11-02
Applicant: 东南大学
IPC: G08G1/01 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了一种基于Transformer模型的高速公路交通状态估计方法，包括：采集高速公路的交通数据并进行预处理，将历史交通数据转化为交通状态特征向量；构建基于Transformer的交通状态估计模型，利用多头自注意力机制捕获交通数据的时空特点，构建深度学习模型来学习交通数据中的隐藏模式，利用交通状态特征向量训练一个交通状态估计器；在进行状态估计时，该方法会将实时交通数据输入到Transformer模型中，获取其特征向量，并通过前述训练的交通状态估计器得到高速公路的当前交通状态参数。本发明方法不仅提高了交通状态估计的准确性，还为高速公路管理者提供了一种高效、可靠的工具，帮助他们更好地进行交通管理和调度，从而优化路网的交通流动性和整体性能。
-
公开(公告)号：CN117576897A
公开(公告)日：2024-02-20
申请号：CN202311448915.4
申请日：2023-11-02
Applicant: 东南大学
IPC: G08G1/01 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了一种基于Transformer模型的高速公路交通状态估计方法，包括：采集高速公路的交通数据并进行预处理，将历史交通数据转化为交通状态特征向量；构建基于Transformer的交通状态估计模型，利用多头自注意力机制捕获交通数据的时空特点，构建深度学习模型来学习交通数据中的隐藏模式，利用交通状态特征向量训练一个交通状态估计器；在进行状态估计时，该方法会将实时交通数据输入到Transformer模型中，获取其特征向量，并通过前述训练的交通状态估计器得到高速公路的当前交通状态参数。本发明方法不仅提高了交通状态估计的准确性，还为高速公路管理者提供了一种高效、可靠的工具，帮助他们更好地进行交通管理和调度，从而优化路网的交通流动性和整体性能。
-
Patent Agency Ranking
公开(公告)号：CN115311844A
公开(公告)日：2022-11-08
申请号：CN202210714620.6
申请日：2022-06-22
Applicant: 东南大学
Abstract: 本发明公开了一种基于自监督学习支持向量机的高速公路交通状态估计方法，包括：生成训练交通数据集；构建基于自监督学习支持向量机的交通状态分类模型，利用高速公路样本交通数据特征向量训练交通状态分类模型；求解分类器决策权值参数，获得不同交通状态及对应向量分类器决策权值参数；通过计算高速公路所测时段交通数据与交通状态分类器的间隔距离，估计高速公路所测时段的交通状态。本发明实现了对高速公路交通状态估计，从而方便高速公路管理者对高速公路交通运营进行针对性管控和评价，提升路网交通整体性能。
-
公开(公告)号：CN114299755A
公开(公告)日：2022-04-08
申请号：CN202111539448.7
申请日：2021-12-14
Applicant: 东南大学
IPC: G08G1/16
Abstract: 本发明公开了一种智能网联队列换道方法，包括：产生队列换道意图；计算目标车道车辆动态间隙；计算队列换道所需间隙；判断目标车道车辆动态间隙是否大于队列换道所需间隙，若大于则选择此间隙作为换道目标间隙；若没有则判断是否属于强制换道，若是则目标车道车辆协助实现队列协同换道；若不是，则等待下一个间隙；队列内车辆逐个开始换道，获得换道车辆与各车辆的实际距离间隙，并计算换道车辆与各车辆的安全间隙，若各实际距离间隙全部满足了计算的安全间隙，则继续进行换道，否则调整换道车辆的运动状态；待所有队列内车辆逐个实现换道，则队列换道完成。本发明可有效实现队列整体换道，为智能网联队列实现安全、稳定地换道提供支撑。
-
公开(公告)号：CN116884233B
公开(公告)日：2024-10-11
申请号：CN202310783046.4
申请日：2023-06-29
Applicant: 山东高速集团有限公司 , 东南大学
IPC: G08G1/052 , G08G1/065 , G08G1/0967
Abstract: 本申请涉及一种半开放自动驾驶车道的隧道平均车速分析方法。该方法包括：分析不可换道人工驾驶车道的人工驾驶大货车的隧道行程时间及人工驾驶小汽车的隧道行程时间，确定自动驾驶车辆间隙可供换道的人工驾驶车队数量及可供小汽车换道使用的车流量，分析小汽车换道过程降低的隧道行程时间，根据不可换道人工驾驶车道的人工驾驶大货车的隧道行程时间、人工驾驶小汽车隧道行程时间以及小汽车换道过程降低的隧道行程时间，分析可换道人工驾驶车道的大货车及小汽车的行程时间，分析自动驾驶车辆隧道行程时间，基于可换道人工驾驶车道的大货车及小汽车的行程时间和自动驾驶车辆隧道行程时间，分析隧道车辆平均行程时间，准确分析隧道车辆平均行驶速度。
-
公开(公告)号：CN118298634A
公开(公告)日：2024-07-05
申请号：CN202410462928.5
申请日：2024-04-17
Applicant: 东南大学
IPC: G08G1/01 , G06N3/0442 , G06N3/0455 , G06N3/08
Abstract: 本发明涉及交通管理系统技术领域，公开了一种基于有向图时空信息嵌入的交通流预测方法及系统，基于单向交通流的路网结构，构造有向图，加强模型对交通时空数据的空间特征提取能力；将基于有向图的静态空间信息和动态空间信息嵌入到交通流数据中，增强模型对路网空间信息的学习能力；设计了具有时间周期信息嵌入的时空注意力记忆块来捕捉数据的时空相关性。编码器阶段，根据上述的时空信息嵌入方法和时空注意力记忆块连接设计以提取交通时空数据特征；解码器阶段，使用全卷积的UniRepLKNet‑S架构生成最终的预测结果。本发明的有益效果为：能够更好的帮助交通管理部门和个体驾驶者应对复杂多变的交通环境，提高路网交通效率。
-
公开(公告)号：CN117670111A
公开(公告)日：2024-03-08
申请号：CN202311565117.X
申请日：2023-11-22
Applicant: 东南大学
IPC: G06Q10/0639 , G06Q50/40 , G06F18/2337 , G06F18/24 , G06N3/045 , G06N3/0442 , G06N3/048 , G06N3/082 , G08G1/01
Abstract: 本发明提出了一种基于评价指标改进FCM的高速路交通参数估计方法，主要改进了FCM状态划分算法。首先，通过经验模态分解对高速公路交通数据进行平稳化处理和去噪，以减少数据波动带来的误差，构建模型输入的数据矩阵。接着，从断面级和路段级尺度出发，建立多维交通状态评价指标体系，并基于此体系提出改进的FCM算法，实现交通状态的精准划分。最后，结合交通状态划分和深度学习方法，构建自适应时间序列分析预测模型，对流量和速度进行短时预测，从而获得动态的交通参数估计结果。本发明方法引入了道路物理结构，并利用改进的FCM算法对路网交通状态进行动态评价，有助于高速公路管理者提升交通管理与调度能力，优化路网的整体运行性能。
-
-
-
-
-
-
-
-
-
Search Results
31
records
(took 0.019 seconds)
