-
公开(公告)号：CN108447265A
公开(公告)日：2018-08-24
申请号：CN201810487177.7
申请日：2018-05-21
Applicant: 东南大学
IPC: G08G1/01
Abstract: 本发明公开了一种基于TOPSIS法的公路交通事故黑点路段鉴别方法，包含如下步骤：1、将所要研究的公路按长度等分为n个路段单元；2、采集若干年的公路交通事故数据，统计每个路段单元的事故总量、事故总死亡人数、事故总重伤人数、事故总轻伤人数、由交通事故引发的总封道时间等数据；3、计算各路段单元的交通事故当量伤亡总人数；4、将各路段单元的交通事故总量、交通事故当量伤亡总人数、由交通事故引发的总封道时间等指标作为公路交通安全性评价指标体系，运用TOPSIS法计算各路段交通安全性排序指标；5、将交通安全性排序指标小于安全阈值的路段单元鉴别为事故黑点路段。该方法综合考虑多种交通事故指标，且操作简单，可移植性强，易于推广应用。
-
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。
-
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。
-
公开(公告)号：CN108682149A
公开(公告)日：2018-10-19
申请号：CN201810487299.6
申请日：2018-05-21
Applicant: 东南大学
Abstract: 本发明公开了一种基于二项Logistic回归的公路事故黑点路段线形致因分析方法，包括如下步骤：1、将所要研究的公路按长度等分为n个路段单元；2、分析每个路段单元的安全性，将安全性低的路段判定为黑点路段；3、将每个黑点路段单元发生的交通事故按照事故类型划分为K类，并将各类事故在路段单元的发生数转化为二分类变量；4、选取Z种线形指标描述每个黑点路段单元的线形特征；5、运用二项Logistic回归模型分析事故黑点路段各线形指标对不同类型事故发生的影响。该方法可以确定公路线形特征对各类事故的影响。有助于公路交通安全管理部门发现事故黑点路段本身的线形问题，对未来公路设计施工有一定的指导意义。
-
公开(公告)号：CN104091440A
公开(公告)日：2014-10-08
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。
-
Patent Agency Ranking
公开(公告)号：CN108665093B
公开(公告)日：2021-07-27
申请号：CN201810353740.1
申请日：2018-04-19
Applicant: 东南大学
Abstract: 本发明公开了一种基于深度学习的高速公路交通事故严重度预测方法，包括如下步骤：1、收集L个交通事故发生时的道路条件、驾驶员情况、车辆情况等M个变量因素，构成样本集；记录每个交通事故的严重度值rl；2、对收集到的L个事故样本的变量因素进行降维和归一化；3、建立深度学习神经网络，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。
-
公开(公告)号：CN108682149B
公开(公告)日：2021-01-05
申请号：CN201810487299.6
申请日：2018-05-21
Applicant: 东南大学
Abstract: 本发明公开了一种基于二项Logistic回归的公路事故黑点路段线形致因分析方法，包括如下步骤：1、将所要研究的公路按长度等分为n个路段单元；2、分析每个路段单元的安全性，将安全性低的路段判定为黑点路段；3、将每个黑点路段单元发生的交通事故按照事故类型划分为K类，并将各类事故在路段单元的发生数转化为二分类变量；4、选取Z种线形指标描述每个黑点路段单元的线形特征；5、运用二项Logistic回归模型分析事故黑点路段各线形指标对不同类型事故发生的影响。该方法可以确定公路线形特征对各类事故的影响。有助于公路交通安全管理部门发现事故黑点路段本身的线形问题，对未来公路设计施工有一定的指导意义。
-
公开(公告)号：CN103778299B
公开(公告)日：2017-07-28
申请号：CN201410045592.9
申请日：2014-02-08
Applicant: 东南大学
IPC: G06F17/50
Abstract: 本发明公开了一种基于动态交通流的长直公路周边区域噪声预测方法，其方法是通过精确定义车辆在公路路段的微观运行轨迹，建立车辆源排放模型，同时构建噪声传播模型，得到完整的一套噪声预测方法，本方法包括如下步骤：（1）将预测地点的动态交通流仿真车型分类，建立动态交通流仿真模型；（2）确定不同车型的参考辐射声级，同时考虑交通组成，距离衰减，声屏障插入损失计算噪声预测声级，并考虑路面粗糙度、坡度和路边地面类型对其修正。本发明方法在充分吸收其他学科相关研究思想的基础上，突破传统噪声预测方法的局限性，能够准确预报敏感区域的噪声声级。
-
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：CN108665093A
公开(公告)日：2018-10-16
申请号：CN201810353740.1
申请日：2018-04-19
Applicant: 东南大学
Abstract: 本发明公开了一种基于深度学习的高速公路交通事故严重度预测方法，包括如下步骤：1、收集L个交通事故发生时的道路条件、驾驶员情况、车辆情况等M个变量因素，构成样本集；记录每个交通事故的严重度值rl；2、对收集到的L个事故样本的变量因素进行降维和归一化；3、建立深度学习神经网络，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
13
records
(took 0.022 seconds)
