-
公开(公告)号：CN112633722B
公开(公告)日：2024-01-12
申请号：CN202011590216.X
申请日：2020-12-29
Applicant: 交通运输部公路科学研究所
IPC: G06Q10/0635 , G06V20/56 , G06V10/26 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/084 , G06N3/09 , G06N20/00
Abstract: 明能提高道路安全风险评估的可靠性以及效率。本发明提供一种车载道路安全风险评估系统及方法，该系统包括：信息采集模块，用于采集车载设备在行驶过程中道路的视频信息、点云信息以及经纬度信息；风险评估模块，用于根据所述视频信息识别道路安全风险目标以及风险场景，并根据所述点云信息识别道路的护栏高度以及护栏类型，进而根据所述护栏高度、护栏类型以及场景评估护栏风险，以及基于所述道路安全风险目标、所述护栏高度评估护栏风险以及经纬度信息生成所述视频信息中每帧视频图像的坐标点的风险因素特征编码信息；风险决策模块，
-
公开(公告)号：CN111784017B
公开(公告)日：2023-10-17
申请号：CN201910265174.3
申请日：2019-04-03
Applicant: 交通运输部公路科学研究所
Abstract: 本发明公开了一种基于路况因素回归分析的公路交通事故数量预测方法，通过机器的方式、基于公路各个路段的交通事故的历史数据，确定事故发生概率在时间和空间上的密度函数与公路路况参数之间的关系，建立事故预测模型，进而预测特定时间范围和空间范围内可能发生的事故数量。通过本发明的公路交通事故预测方法，能够全面地考虑公路的路况因素，对事故发生概率在时间和空间上的密度函数进行有效的估计，从而能够客观有效地对特定时间范围和空间范围内可能发生的事故的数量进行预测。
-
公开(公告)号：CN111310607B
公开(公告)日：2021-01-01
申请号：CN202010073871.1
申请日：2020-01-22
Applicant: 交通运输部公路科学研究所
Abstract: 本发明提供一种基于计算机视觉和人工智能的公路安全风险识别方法及系统，该方法包括：提取公路图像信息的图像特征，识别公路图像中的包含预设安全隐患目标的目标区域及所述目标区域中的目标类别、公路图像中路段的场景信息以及公路图像中的第一安全风险信息；调取各路段的特征信息；对相应公路图像进行信息融合，得到融合后的每一公路图像及公路视频序列的知识表示；识别所述公路视频序列的第二安全风险信息；根据所述公路视频序列的知识表示、第一安全风险信息以及第二安全风险信息，基于预先训练好的第二决策模型，识别所述公路视频序列最终的安全风险信息。本发明能提高公路安全风险识别效率、准确率以及可靠性。
-
公开(公告)号：CN111539660A
公开(公告)日：2020-08-14
申请号：CN202010649076.2
申请日：2020-07-08
Applicant: 北京交跃通达检测科技有限公司 , 福建省高速公路建设总指挥部 , 交通运输部公路科学研究所
Abstract: 本申请实施例提供一种基于移动气象测量的信息处理方法及装置，所述方法包括：获取在目标区域范围中多个位置点采集的多组气象表征参量，其中，一个所述位置点与一组所述气象表征参量对应；根据一组所述气象表征参量确定与所述一组所述气象表征参量对应的位置点所在的子区域的安全状况；其中，所述多个位置点和所述子区域均位于所述目标区域范围内。本申请实施例的技术方案用于根据气象测量值来提高目标区域（例如隧道）等场合安全状况测量。
-
公开(公告)号：CN109671274A
公开(公告)日：2019-04-23
申请号：CN201910066257.X
申请日：2019-01-24
Applicant: 交通运输部公路科学研究所
Abstract: 本发明公开了一种公路风险自动评估方法，通过采集公路的路况参数，并将路况参数变换为计算机可识别的数据形式，利用多层融合深度网络对数据进行分析，建立反映路况参数与公路安全风险等级之间关系的深度神经网络模型，通过该深度神经网络模型对未知风险等级的公路进行安全风险的评估。通过本发明的公路风险自动评估方法，能够通过统计学习的手段分析和融合多种公路环境参数，有效提取公路风险等级与路况参数之间的关系，进而自动进行公路风险的等级评估。
-
Patent Agency Ranking
公开(公告)号：CN105096586B
公开(公告)日：2018-06-05
申请号：CN201410204184.3
申请日：2014-05-15
Applicant: 交通运输部公路科学研究所 , 北京中交华安科技有限公司
IPC: G08G1/00
Abstract: 本发明是一种基于交通流特征参数的平原区高速公路事故预测方法，可用来根据特定路段的交通流特征参数信息对该路段上的交通事故数进行预测。实践证明，该方法可以较好的预测平原区高速公路路段的事故发生数的均值，对交通事故的预防以及交通管理和调度具有重要的指导意义。
-
公开(公告)号：CN117593890A
公开(公告)日：2024-02-23
申请号：CN202410072619.7
申请日：2024-01-18
Applicant: 交通运输部公路科学研究所
IPC: G08G1/01 , G08G1/16 , G01N21/88 , G06T7/00 , G06N3/0464 , G06N3/09 , G06T3/40 , G06T7/70 , G06V10/764 , G06V10/766 , G06V10/80
Abstract: 本申请实施例提供一种道路遗撒物体的检测方法、装置、电子设备及存储介质，该方法包括：获取待识别图像；对待识别图像进行解析，通过预先训练的候选框提取模型，确定与待识别图像对应的目标物体的候选特征图；根据目标物体的候选特征图和预先训练的检测模型，确定目标物体的类别和位置信息，根据目标物体和预先存储的遗散物分类模型，确定目标物体是否为分布外的遗散物，本申请实施例通过训练检测模型、候选框提取模型并结合遗散物分类模型，对待识别图像进行识别，能够更准确地检测道路上的遗撒物，并判断该遗撒物是否为分布外的遗撒物，且确定遗撒物的类别和位置信息，提高了检测结果的精确度。
-
公开(公告)号：CN115631438A
公开(公告)日：2023-01-20
申请号：CN202210784535.7
申请日：2022-07-05
Applicant: 港珠澳大桥管理局 , 交通运输部公路科学研究所
Abstract: 本申请涉及一种道钉状态识别方法、装置、计算机设备、存储介质和计算机程序产品。所述方法包括：从道路视频帧中，提取得到关键帧；所述关键帧用于表示道钉的变化差异；将所述关键帧输入至预先训练的道钉检测模型中，得到所述关键帧中道钉的道钉类型和道钉位置信息；将所述关键帧中道钉的道钉图像，输入至与所述道钉类型相匹配的道钉图像重构模型中，得到所述道钉图像对应的重构图像；所述道钉图像基于所述道钉位置信息对所述关键帧进行裁剪得到；根据所述道钉图像与所述重构图像之间的差值，得到所述道钉图像对应的道钉的状态信息。采用本方法能够提高对道钉状态的识别效率。
-
公开(公告)号：CN111784017A
公开(公告)日：2020-10-16
申请号：CN201910265174.3
申请日：2019-04-03
Applicant: 交通运输部公路科学研究所
Abstract: 本发明公开了一种基于路况因素回归分析的公路交通事故数量预测方法，通过机器的方式、基于公路各个路段的交通事故的历史数据，确定事故发生概率在时间和空间上的密度函数与公路路况参数之间的关系，建立事故预测模型，进而预测特定时间范围和空间范围内可能发生的事故数量。通过本发明的公路交通事故预测方法，能够全面地考虑公路的路况因素，对事故发生概率在时间和空间上的密度函数进行有效的估计，从而能够客观有效地对特定时间范围和空间范围内可能发生的事故的数量进行预测。
-
公开(公告)号：CN111310607A
公开(公告)日：2020-06-19
申请号：CN202010073871.1
申请日：2020-01-22
Applicant: 交通运输部公路科学研究所
Abstract: 本发明提供一种基于计算机视觉和人工智能的公路安全风险识别方法及系统，该方法包括：提取公路图像信息的图像特征，识别公路图像中的包含预设安全隐患目标的目标区域及所述目标区域中的目标类别、公路图像中路段的场景信息以及公路图像中的第一安全风险信息；调取各路段的特征信息；对相应公路图像进行信息融合，得到融合后的每一公路图像及公路视频序列的知识表示；识别所述公路视频序列的第二安全风险信息；根据所述公路视频序列的知识表示、第一安全风险信息以及第二安全风险信息，基于预先训练好的第二决策模型，识别所述公路视频序列最终的安全风险信息。本发明能提高公路安全风险识别效率、准确率以及可靠性。
-
-
-
-
-
-
-
-
-
Search Results
20
records
(took 0.047 seconds)
