-
公开(公告)号：CN114446048A
公开(公告)日：2022-05-06
申请号：CN202111636605.6
申请日：2021-12-29
Applicant: 东南大学
IPC: G08G1/01 , G06F16/215 , G06F16/2457 , G06F16/29 , G06F16/9537
Abstract: 本发明公开了基于手机信令数据的轨道交通出行者全出行链分析方法，包括：提取轨道交通出行者的手机信令数据信息，识别出行者的出行轨迹段、途经站点及起终站点数据；基于轨道交通线网拓扑结构，根据出行者每一趟次的出行轨迹段和途经站点，对出行者每一趟次的换乘站点进行识别，得到出行者真实的出行轨迹及换乘站点序列；识别得到出行者每一趟次的来源地和去向地并进行验证；根据出行者每一趟次的来源地和去向地对出行者对应趟次的出行轨迹进行分段，识别得到出行者的接驳方式，由此得到出行者的全出行链分析结果。本发明实现轨道出行者的全出行链分析，对研究轨道系统的运行现状，从而根据现状需求，进行线网规划与调整具有重要的意义。
-
公开(公告)号：CN113344052A
公开(公告)日：2021-09-03
申请号：CN202110591189.6
申请日：2021-05-28
Applicant: 东南大学
Abstract: 本发明公开了基于泰森多边形和K均值聚类的时空频繁模式挖掘方法，包括：在研究区域构建泰森多边形，利用希尔伯特分形曲线对泰森多边形内每一个多边形进行编号；获取研究区域内每个移动对象的位置信息，对数据集内对应的经纬度坐标转换到泰森多边形所在的坐标系；将移动对象的出行轨迹由时空立方体中的曲线转换成新时空空间中的点；利用K‑Means聚类对新时空空间中的点进行聚类；取聚类后每一类空间特征值表示该类频繁模式，将聚类后的结果还原到三维空间。本发明利用泰森多边形对研究区域进行描述，避免稀疏地方发生数据冗余的问题，对移动行为发生密集的地方给出更精确描述；为研究群体出行需求、出行推荐、交通规划及管理提高重要参考价值。
-
公开(公告)号：CN110599760B
公开(公告)日：2021-08-10
申请号：CN201910986075.4
申请日：2019-10-17
Applicant: 东南大学
Abstract: 本发明公开了一种多模式交通网络下的出行行为模拟方法，通过构建多模式超级交通网络，在基础网络中添加虚拟节点和虚拟路段，将单层交通网络拓展为相互连接的公交层、网约车层、地铁层、共享单车层和换乘层网络，将单一的地理位置节点拓展为包含出行时间、出行模式和出行状态的复合节点，将复杂的多模式交通网络转化为单一出行模式网络的集合，能有效提高最短路搜索和流量分配算法的效率。基于随出行时段变化而变化的网络交通流量，可识别半日出行时段内的交通出行模式分布变化情况，本发明可用于集计层面获取用户出行模式选择的分布情况，以供共享交通企业和管理部门更合理地分配交通资源，提升资源利用率。
-
公开(公告)号：CN107194128B
公开(公告)日：2020-05-05
申请号：CN201710530004.4
申请日：2017-06-30
Applicant: 东南大学
IPC: G06F30/18
Abstract: 本发明公开了一种基于中心辐射型网络框架的多模式公共交通网络设计方法，在新建的地铁网络系统下，以中心辐射型网络为框架对城市普通公交网络进行重新设计，构建多模式交通运输系统。主要包括：(1)运用聚类方法对乘客需求点进行聚类，为地铁站和公交站台选定枢纽中心站。(2)基于新建成的地铁网络，提出多模式交通网络设计，包括采用启发式路线生成法进行主干公交线路的设计，运用旅行商问题进行接驳公交线路的设计。(3)建立双层规划模型问题来描述线路发车频率优化的决策过程，并利用人工蜂群算法进行求解。
-
公开(公告)号：CN118172936B
公开(公告)日：2024-07-23
申请号：CN202410585308.0
申请日：2024-05-13
IPC: G08G1/01 , G06N3/0455 , G06N3/049 , G06N3/08
Abstract: 本发明涉及交通管理控制与交通安全技术领域，公开了一种基于车道级交通参数的异常交通事件智能检测方法及系统，该方法包括车道级交通参数获取、交通参数变化模型构建、异常交通事件判别、异常交通事件细分种类与判别标准构建以及异常交通事件检测与结果文件保存。本发明的有益效果为：本发明能够更加准确地判断是否发生了异常交通事件以及异常交通事件的具体类别，在交通管理控制与交通安全领域具有实际工程价值。
-
Patent Agency Ranking
公开(公告)号：CN118155293A
公开(公告)日：2024-06-07
申请号：CN202410567563.2
申请日：2024-05-09
Applicant: 东南大学 , 公安部交通管理科学研究所
Abstract: 本发明公开了一种基于小目标追踪的行人过街危险行为判别方法及系统，方法包括：步骤1、在指定过街区域利用摄像机采集俯视视角下的视频流；步骤2、逐帧读取采集得到的视频图像，对图像进行逐帧目标检测，提取行人目标与其他交通参与者目标轨迹；步骤3、利用步骤2中得到的行人轨迹，对时间一阶差分得到行人瞬时速度，对瞬时速度曲线进行时间一阶差分得到加速度变化曲线，利用功率谱密度计算行人行走步频；步骤4、计算行人与其他交通参与者冲突指标；步骤5、通过步骤3计算得出的行人过街步态参数和步骤4计算得出的行人与其他交通参与者的冲突指标，判别行人行为是否为危险过街行为。本发明的方法能够提升行人危险过街行为的判别精度。
-
公开(公告)号：CN114446048B
公开(公告)日：2023-12-05
申请号：CN202111636605.6
申请日：2021-12-29
Applicant: 东南大学
IPC: G08G1/01 , G06F16/215 , G06F16/2457 , G06F16/29 , G06F16/9537
Abstract: 本发明公开了基于手机信令数据的轨道交通出行者全出行链分析方法，包括：提取轨道交通出行者的手机信令数据信息，识别出行者的出行轨迹段、途经站点及起终站点数据；基于轨道交通线网拓扑结构，根据出行者每一趟次的出行轨迹段和途经站点，对出行者每一趟次的换乘站点进行识别，得到出行者真实的出行轨迹及换乘站点序列；识别得到出行者每一趟次的来源地和去向地并进行验证；根据出行者每一趟次的来源地和去向地对出行者对应趟次的出行轨迹进行分段，识别得到出行者的接驳方式，由此得到出行者的全出行链分析结果。本发明实现轨道出行者的全出行链分析，对研究轨道系统的运行现状，从而根据现状需求，进行线网规划与调整具有重要的意义。
-
公开(公告)号：CN115130612A
公开(公告)日：2022-09-30
申请号：CN202210876936.5
申请日：2022-07-25
Applicant: 东南大学
Abstract: 本发明公开了基于深度学习和多维度融合数据的车辆跟驰行为预测方法，包括以下步骤：根据微观交通流轨迹数据，提取驾驶者感知区域内其他车辆的非结构化数据；基于信息熵理论采用DIM模型对非结构化数据进行编码；将编码后非结构化数据和结构化数据进行融合；将融合之后的数据输入至深度学习模型，进行微观跟驰行为预测，输出跟驰车辆在下一时段的行驶距离。本发明提出一种同时考虑非结构化特征和结构化特征的跟驰行为预测方法，该预测方法在单步预测和多步预测任务中均有优异的性能表现；本发明方法理论性和可操作性强，通过将非结构化数据与结构化数据相融合，使得车辆对于周围环境的感知更加全面、准确。
-
公开(公告)号：CN115081550A
公开(公告)日：2022-09-20
申请号：CN202210884305.8
申请日：2022-07-25
Applicant: 东南大学
Abstract: 本发明公开了基于驾驶者特性的数据驱动车辆跟驰行为预测方法，包括以下步骤：分别获取两车速度随时间变化的突变点，根据速度突变点估计当前车辆的瞬时反应延迟；根据当前车辆多维时间序列的内在特征进行驾驶行为划分，对划分后的驾驶行为进行聚类，分别计算每种驾驶模式的占比；以门控循环单元GRU作为预测模型，预测模型的输入包括与当前车辆跟驰行为有关的多维时间序列，以及当前驾驶者的行为特征，预测目标为当前车辆下一时段的前进距离；多维时间序列的长度由瞬时反应延迟决定。本发明同时将驾驶者反应延迟和驾驶风格纳入跟驰模型中，基于实际数据挖掘反应延迟和驾驶模式，对不同的驾驶者进行差异化建模，更准确地估计驾驶者的跟驰行为。
-
公开(公告)号：CN113204734A
公开(公告)日：2021-08-03
申请号：CN202110350726.8
申请日：2021-03-31
Applicant: 东南大学
Abstract: 本发明公开了一种基于排队论的过饱和状态下交通系统多尺度供需关系的系统建模方法，通过引入动力系统方程来描述具有虚拟队列演化过程的确定性队列模型，并基于多项式函数近似逼近的到达率，解析地推导出了交通系统性能的各种评价指标，比如，虚拟队列长度、平均延迟、物理队列长度和时变路段通行时间等，讨论了过饱和因子的不同取值范围的适用性情况，通过采集多源数据对该系统模型中的关键参数进行了校准，验证了该系统建模方法的有效性。本发明可以被用于联合优化需求管理政策和基础设施建设工作，针对不同规模的复杂且过饱和的动态排队系统，决策者可以应用本发明系统地制定需求侧和供给侧的拥堵缓解策略。
-
-
-
-
-
-
-
-
-
Search Results
31
records
(took 0.026 seconds)
