一种考虑大型车的高速公路异常事件排队长度预测方法

    公开(公告)号:CN114783193A

    公开(公告)日:2022-07-22

    申请号:CN202210319641.8

    申请日:2022-03-29

    IPC分类号: G08G1/065 G08G1/01 G08G1/017

    摘要: 本发明提供了一种考虑大型车的高速公路异常事件排队长度预测方法,属于交通数据分析及处理领域。本发明包括以下步骤:首先,在高速公路观测路段出现异常事件并有大型车混入的情况下,根据不同驾驶员对大型车的不同敏感程度以及大型车的混入率,改进观测路段动态空间占有率;然后,引入交通密度概念及Greenshields线性关系模型,分析观测路段的交通参数;然后,引入交通波波速,分析观测路段的交通波传播过程,构建交通波模型;最后,预测有大型车混入的高速公路出现异常事件的影响时间及影响范围。本发明能够准确的预测有大型车混入且发生异常事件情况下的排队长度变化趋势和交通演化趋势,为交通管制人员进行交通诱导提供参考依据,提高高速公路服务水平。

    一种基于高速公路通行数据的通勤车辆识别方法

    公开(公告)号:CN115440040B

    公开(公告)日:2023-09-22

    申请号:CN202211069755.8

    申请日:2022-09-02

    IPC分类号: G08G1/01

    摘要: 本发明公开了一种基于高速公路通行数据的通勤车辆识别方法,首先利用通勤车辆应该具备的出行特征,剔除了出行次数过少或过多的车辆,减少了不必要的计算。之后利用通勤车辆行程的规律性,得到车辆的规律行程,并基于规律行程进行通勤者判别,本发明的方法相较于单纯基于特征的通勤者判别方法,不仅能够识别出通勤者,还能得出车辆的通勤行程,为后续进一步的研究奠定了基础。

    一种车辆检测与跟踪方法及装置
    3.
    发明公开

    公开(公告)号:CN114897933A

    公开(公告)日:2022-08-12

    申请号:CN202210393312.8

    申请日:2022-04-15

    摘要: 本发明公开了一种车辆检测与跟踪方法,包括:对监控视频进行提取,得到当前帧图像、当前帧的前一帧图像、前一帧图像的热图;分别对所述当前帧图像、所述前一帧图像、所述前一帧图像的热图进行特征提取,并对提取的特征进行融合,得到融合特征图;将所述融合特征图输入到预先训练好的目标检测跟踪模型,以实现对车辆的检测与跟踪。本发明提出的一种适于高速公路外场环境特性的车辆目标跟踪方法,能够有效降低因目标遮挡、目标丢失、目标相似、目标变换等因素造成的车辆目标跟踪漂移和跟踪丢失,提高跟踪精度的同时满足实时性要求。

    一种基于MPC的高速公路异常事件下的上游动态分流方法

    公开(公告)号:CN117831285A

    公开(公告)日:2024-04-05

    申请号:CN202311854469.7

    申请日:2023-12-29

    IPC分类号: G08G1/01

    摘要: 本发明提出了一种基于MPC的高速公路异常事件下的上游动态分流方法,通过ETC数据、车辆轨迹数据和路段属性,使模型能够更好地理解和捕获预测路段的交通状况。本发明针对高速公路异常事件下的交通诱导分流研究较少,已有研究没有考虑上游多路段流量对异常事故路段的协同影响,无法形成上游多路段协调动态分流控制方案,提出建立高速METANET宏观交通流模型,设计MPC控制上游分流量方案,对交通状态的实时监测与预测,同时作为输入反馈回MPC控制器,形成动态的上游分流方案,并能在必要时动态调整分流量,保障整体交通系统的高效运行。本发明可以为交通管理人员组织应急交通提供支撑,提高高速公路通行能力和服务水平。

    一种考虑多因素影响的车检器数据修复性能分析方法

    公开(公告)号:CN117454734A

    公开(公告)日:2024-01-26

    申请号:CN202210847828.5

    申请日:2022-07-19

    摘要: 本发明提供了一种考虑多因素影响的车检器数据修复性能分析方法,属于智能交通信息技术领域。本发明具体包括以下步骤:基于VISSIM交通仿真软件搭建高速公路路网模型,利用高速公路路网模型生成高速公路多源数据;将所述高速公路交通流参数的真实值通过修复得到高速公路交通流参数的修复值;基于BP神经网络结构构建车检器数据修复性能分析模型,通过所述高速公路多源数据和高速公路交通流参数的修复值对所述车检器数据修复性能分析模型进行训练;通过训练后的车检器数据修复性能分析模型对车检器数据修复性能进行定量分析。本发明能够使车检器数据修复性能达到理想水平,对交通管理者布设高速公路多源检测设备具有指导意义,进而提高交通数据的可靠性。

    基于行程时间修正的高速公路异常事件发生时间估计方法

    公开(公告)号:CN111724590A

    公开(公告)日:2020-09-29

    申请号:CN202010495068.7

    申请日:2020-06-03

    IPC分类号: G08G1/01 G08G1/065 G06K9/62

    摘要: 本发明公开了基于行程时间修正的高速公路异常事件发生时间估计方法,S1:提取异常事件发生路段的车辆占有率数据,并进行平滑处理;S2:利用FCM算法检测异常事件的发生时间;S3:基于收费数据和卡口数据,获取相邻收费站之间的平均行程时间;S4:根据上、下游车间器的数据,判断异常事件发生地点;S5:提取异常事件从事故发生点波及到下游车检器的位置所需的时间;S6:修正所述异常事件的发生时间。本发明对路段的行程时间进行估计,将得到的路段行程时间通过一系列的计算得到事件发生波及到上下游检测器的时间,然后得到事件检测时间,最后由两个时间便可以完成对事件真实发生时间的估计,达到了可以快速地估计出事件发生的时间的目的。

    一种基于概率分布模型的稀疏轨迹空间重构方法及系统

    公开(公告)号:CN116775782A

    公开(公告)日:2023-09-19

    申请号:CN202310578385.9

    申请日:2023-05-22

    摘要: 本发明涉及一种基于概率分布模型的稀疏轨迹空间重构方法及系统,属于自动车辆识别轨迹的空间重构技术领域。该方法包括以下步骤:S1、通过GPS轨迹数据构建轨迹网络,轨迹网络中包含了车辆在城市道路中行驶时所有可能经过的道路;S2、当车辆在轨迹网络中行驶时,使用贝叶斯分类器计算车辆走各路径的概率,并选取概率最大的路径作为车辆的轨迹;S3、利用整体模型对测试集进行轨迹重构,并根据预测结果和实际数据,对预测误差进行评价分析。本发明能够在减少数据依赖的情况下更加准确地重构车辆的空间轨迹,相对于现有方法具有更高的效率和更高的准确率,具有较广的应用前景。

    一种基于ST-LDA的车辆时空出行模式挖掘方法及系统

    公开(公告)号:CN116595145A

    公开(公告)日:2023-08-15

    申请号:CN202310580256.3

    申请日:2023-05-22

    摘要: 本发明涉及一种基于ST‑LDA的车辆时空出行模式挖掘方法,属于智能交通技术领域。该方法包括以下步骤:S1、数据准备:提取车辆的高速公路行程集,将其转换为行程语料库;S2、构建ST‑LDA模型:ST‑LDA模型包括两个部分:出行模式与时空特征之间的多项式分布,从语义化的特征级别增加模型的可解释性;车辆个体与出行模式之间的多项式分布,很好体现了车辆个体的多样化出行行为;S3、模型训练:将得到的行程单词作为输入训练ST‑LDA模型,并使用折叠吉布斯采样方法对模型中的隐变量进行求解,得到出行模式识别结果。本发明的技术方案体现了个体出行行为的多样性,不仅从时间和空间两个维度上对车辆的出行规律进行挖掘,还增加了模型的可解释性,具有广阔的应用前景。

    一种基于高速公路通行数据的通勤车辆识别方法

    公开(公告)号:CN115440040A

    公开(公告)日:2022-12-06

    申请号:CN202211069755.8

    申请日:2022-09-02

    IPC分类号: G08G1/01

    摘要: 本发明公开了一种基于高速公路通行数据的通勤车辆识别方法,首先利用通勤车辆应该具备的出行特征,剔除了出行次数过少或过多的车辆,减少了不必要的计算。之后利用通勤车辆行程的规律性,得到车辆的规律行程,并基于规律行程进行通勤者判别,本发明的方法相较于单纯基于特征的通勤者判别方法,不仅能够识别出通勤者,还能得出车辆的通勤行程,为后续进一步的研究奠定了基础。