-
公开(公告)号：CN120009876A
公开(公告)日：2025-05-16
申请号：CN202510094587.5
申请日：2025-01-21
Abstract: 本发明涉及一种多源数据融合的全域车辆轨迹检测方法，属于交通检测技术领域。本发明通过融合例如毫米波雷达获得的三维坐标信息和例如视觉传感器获得的二维坐标信息，将二者映射和转换至同一空间坐标系，并基于标准时间进行时间轴对齐，生成时空同步数据帧，计算欧氏距离生成目标关联矩阵，通过矩阵确定坐标匹配关系，并融合数据生成目标轨迹检测数据集；利用该数据集训练车辆轨迹检测模型，利用训练好的模型进行轨迹点检测。本发明将两种传感器的优势互补，解决单一传感器在复杂交通场景中漏检和误检的问题，确保不同传感器数据在空间上的一致性，提高车辆轨迹点检测的空间精度，可实现高精度、多场景适应的车辆轨迹检测。
-
公开(公告)号：CN110417621B
公开(公告)日：2021-01-12
申请号：CN201910677912.5
申请日：2019-07-25
Applicant: 长安大学
Abstract: 一种轻量级嵌入式系统异常运行状态检测方法，包括：获取正常状态下节点任务执行序列；统计所有任务的一步转移频数Mij，选择得到高频次任务转移组合的集合M；建立假设检验的方法；设定任务窗口值w和u检验统计的样本数量n0，计算所有窗口w内每组高频次任务转移的均值μ0；设定期望的异常检测置信概率α，根据α查询标准正态分布函数表得到计算异常值l；根据l与异常判别式对应的异常检测代码一并插装到应用源代码相应位置，从而检测应用运行是否出现异常。本发明能够有效检测到在程序执行过程中出现的异常行为，准确定位异常序列。
-
公开(公告)号：CN110969142A
公开(公告)日：2020-04-07
申请号：CN201911311455.4
申请日：2019-12-18
Applicant: 长安大学
Abstract: 本发明公开了一种基于网联车辆自然驾驶数据的异常驾驶场景提取方法，包括：步骤一、对网联车辆自然驾驶数据集进行数据清洗，填补缺失数据，计算出横向加速度；步骤二、将速度划分为若干区间，对速度区间内的纵向加速度和步骤一得到的横向加速度进行异常加速度提取，根据某段行程的异常加速度点数量，判断是否属于极端驾驶事件；步骤三、利用找出的极端驾驶事件数据采用k-means聚类算法进行聚类；步骤四、将聚类结果通过经纬度定位在google earth中得到驾驶场景并统计驾驶参数。本发明能够比较准确的得到异常驾驶场景以及相应情况下的驾驶参数，可以为智能车路系统的设计和测试提供依据。
-
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。
-
公开(公告)号：CN110427320B
公开(公告)日：2022-10-11
申请号：CN201910672958.8
申请日：2019-07-24
Applicant: 长安大学
IPC: G06F11/36
Abstract: 一种轻量级嵌入式程序控制流异常定位检测方法，包括：步骤1、插装：将程序中含有函数调用的条件测试语句开始处作为插装切入点，插入追踪点监视变量，动态监控程序执行过程中追踪点监视变量后函数的调用情况；步骤2、数据收集及预处理：收集追踪点监视变量的执行序列数据并对序列数据进行预处理；步骤3、神经网络模型：将处理后的追踪点序列数据放入神经网络模型中训练，模型训练完成后用于检测异常追踪点序列；步骤4、建立假设检验方法：检测系统状态是否发生变化；步骤5：将异常报告给开发人员，进行异常诊断；本发明是一种低开销的控制流追踪方法适合资源受限系统，而且提供语句级的诊断信息。
-
Patent Agency Ranking
公开(公告)号：CN109816971B
公开(公告)日：2021-07-23
申请号：CN201910181888.6
申请日：2019-03-11
Applicant: 长安大学
Abstract: 一种基于多源数据融合的危险品运输车辆预防跟踪系统及方法，跟踪系统包括车载终端模块、路侧节点装置、边缘数据处理模块、网络传输模块、远程监控系统以及数据存储模块；车载终端模块通过网络传输模块向远程监控系统上传危险品运输车辆的位置信息，边缘数据处理模块能够作为某一区域的边缘节点实现数据的处理及存储。本发明通过路侧节点采集多源数据，通过边缘数据处理模块进行处理，本发明具有很强的抗外界干扰能力，跟踪系统的设备简单，成本较低，解决了卫星定位系统在特殊地形无信号、信号差、数据误差大等问题。有助于在交通管理部门的平台上实时展示危险品运输车辆的位置和身份等信息。
-
公开(公告)号：CN110969142B
公开(公告)日：2023-09-05
申请号：CN201911311455.4
申请日：2019-12-18
Applicant: 长安大学
IPC: G06V20/56 , G06V10/40 , G06V10/762 , G08G1/01
Abstract: 本发明公开了一种基于网联车辆自然驾驶数据的异常驾驶场景提取方法，包括：步骤一、对网联车辆自然驾驶数据集进行数据清洗，填补缺失数据，计算出横向加速度；步骤二、将速度划分为若干区间，对速度区间内的纵向加速度和步骤一得到的横向加速度进行异常加速度提取，根据某段行程的异常加速度点数量，判断是否属于极端驾驶事件；步骤三、利用找出的极端驾驶事件数据采用k‑means聚类算法进行聚类；步骤四、将聚类结果通过经纬度定位在google earth中得到驾驶场景并统计驾驶参数。本发明能够比较准确的得到异常驾驶场景以及相应情况下的驾驶参数，可以为智能车路系统的设计和测试提供依据。
-
公开(公告)号：CN110427320A
公开(公告)日：2019-11-08
申请号：CN201910672958.8
申请日：2019-07-24
Applicant: 长安大学
IPC: G06F11/36
Abstract: 一种轻量级嵌入式程序控制流异常定位检测方法，包括：步骤1、插装：将程序中含有函数调用的条件测试语句开始处作为插装切入点，插入追踪点监视变量，动态监控程序执行过程中追踪点监视变量后函数的调用情况；步骤2、数据收集及预处理：收集追踪点监视变量的执行序列数据并对序列数据进行预处理；步骤3、神经网络模型：将处理后的追踪点序列数据放入神经网络模型中训练，模型训练完成后用于检测异常追踪点序列；步骤4、建立假设检验方法：检测系统状态是否发生变化；步骤5：将异常报告给开发人员，进行异常诊断；本发明是一种低开销的控制流追踪方法适合资源受限系统，而且提供语句级的诊断信息。
-
公开(公告)号：CN110417621A
公开(公告)日：2019-11-05
申请号：CN201910677912.5
申请日：2019-07-25
Applicant: 长安大学
Abstract: 一种轻量级嵌入式系统异常运行状态检测方法，包括：获取正常状态下节点任务执行序列；统计所有任务的一步转移频数Mij，选择得到高频次任务转移组合的集合M；建立假设检验的方法；设定任务窗口值w和u检验统计的样本数量n，计算所有窗口w内每组高频次任务转移的均值μ0；设定期望的异常检测置信概率α，根据α查询标准正态分布函数表得到 计算异常值l；根据l与异常判别式对应的异常检测代码一并插装到应用源代码相应位置，从而检测应用运行是否出现异常。本发明能够有效检测到在程序执行过程中出现的异常行为，准确定位异常序列。
-
公开(公告)号：CN109816971A
公开(公告)日：2019-05-28
申请号：CN201910181888.6
申请日：2019-03-11
Applicant: 长安大学
Abstract: 一种基于多源数据融合的危险品运输车辆预防跟踪系统及方法，跟踪系统包括车载终端模块、路侧节点装置、边缘数据处理模块、网络传输模块、远程监控系统以及数据存储模块；车载终端模块通过网络传输模块向远程监控系统上传危险品运输车辆的位置信息，边缘数据处理模块能够作为某一区域的边缘节点实现数据的处理及存储。本发明通过路侧节点采集多源数据，通过边缘数据处理模块进行处理，本发明具有很强的抗外界干扰能力，跟踪系统的设备简单，成本较低，解决了卫星定位系统在特殊地形无信号、信号差、数据误差大等问题。有助于在交通管理部门的平台上实时展示危险品运输车辆的位置和身份等信息。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.018 seconds)
