公开(公告)号：CN114267173B

公开(公告)日：2023-08-18

申请号：CN202111518366.4

申请日：2021-12-13

Applicant: 河北雄安京德高速公路有限公司

Inventor： 邱文利 ,  王志斌 ,  许忠印 ,  权恒友 ,  董立强 ,  陈攀 ,  李永梅 ,  石磊 ,  张博 ,  邱宇 ,  刘栋 ,  韩宇 ,  王宁

IPC: G08G1/01 ,  G06F18/25

Abstract: 本发明公开了高速公路时空特征的多源数据融合方法、装置及设备，获取高速公路全景交通数据；将SCATS地感线圈数据和门架系统数据均与高速公路路网进行匹配，并对高速公路路网进行双层次路网划分，得到交通区域划分数据和交通区域关联数据；根据门架系统数据和高速出入口记录数据，得到基于空间序列模型的车辆通行轨迹数据；根据高速公路沿线气象数据，得到基于时态栅格模型的气象变化数据；根据交通区域关联数据，将各子交通区域的交通通行状态数据和通行影响因素数据进行融合，得到高速公路时空特征。本发明能够融合各类多源异构的传感器数据，保留交通数据特有的时间和空间特征，构建全息交通数据为面向安全与效率的出行业务服务。

公开(公告)号：CN216486788U

公开(公告)日：2022-05-10

申请号：CN202123125789.8

申请日：2021-12-13

Applicant: 河北雄安京德高速公路有限公司

Inventor： 邱文利 ,  王志斌 ,  许忠印 ,  权恒友 ,  董立强 ,  陈攀 ,  周海成 ,  石磊 ,  张博 ,  杨海峰 ,  韩宇 ,  王宁

IPC: G08G1/01 ,  G08G1/042 ,  G08G1/048 ,  G08G1/017 ,  G08G1/09

Abstract: 本实用新型公开了一种基于多源数据的高速公路交通通行状态监测系统，包括控制模块、设置在高速公路检测路段的通信单元以及数据采集设备与数据展示设备，数据采集设备与数据展示设备包括工作人员信息终端、门架ETC监测设备、道路气象监测设备、地感线圈检测设备、门架摄像监测设备、电子标牌显示设备以及设置在车内的车载无线通信设备，控制模块与通信单元连接，通信单元分别与工作人员信息终端、门架ETC监测设备、道路气象监测设备、地感线圈检测设备、门架摄像监测设备、电子标牌显示设备以及车载无线通信设备连接。本实用新型能够为高速公路管理人员与司乘人员提供多角度、全面的高速公路交通通行状态信息。

公开(公告)号：CN215643106U

公开(公告)日：2022-01-25

申请号：CN202122244765.8

申请日：2021-09-16

Applicant: 河北雄安京德高速公路有限公司

Inventor： 齐树平 ,  王志斌 ,  邱文利 ,  许忠印 ,  权恒友 ,  石磊 ,  高新文 ,  邱宇 ,  韩宇 ,  李阳 ,  崔旭 ,  陈向伟 ,  孙乙博

IPC: G08G1/048 ,  G08G1/09 ,  G01W1/00 ,  H04N7/18 ,  H04N5/225 ,  G06V20/52 ,  G08B5/38

Abstract: 本实用新型提供一种高速公路不良气象环境视频监测提升设备，属于高速公路安全运行技术领域，该高速公路不良气象环境视频监测提升设备，包括支撑杆、托板、调节装置、预警装置单元以及与预警装置单元相连接的服务平台，所述支撑杆上端与托板之间固定安装在一起，所述调节装置包括十字安装板，所述十字安装板上开有用于与托板连接的安装孔，所述调节装置上通过螺栓固定安装有摄像机，所述摄像机内设置有预警装置单元，本实用新型只需利用已经建设好的视频监控系统，获取摄像头的视频图像数据即可实时进行能见度的识别分析，不需要额外的专业设备及安装成本。

公开(公告)号：CN114842214A

公开(公告)日：2022-08-02

申请号：CN202210535005.9

申请日：2022-05-17

Applicant: 东南大学

Inventor： 李勇鹏 ,  姜龙玉 ,  葛张样 ,  张子腾 ,  韩宇

IPC: G06V10/44 ,  G06V10/774 ,  G06V10/764 ,  G06V10/82 ,  G06V20/05 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于强化学习的声呐图像目标识别方法，包括：(1)将卷积神经网络的层选择过程建模为马尔科夫决策过程；(2)定义强化学习Agent的状态空间和动作空间；(3)使用强化学习Q‑Learn i ng算法让Agent自动构建出一系列的卷积神经网络；(4)从自动生成的卷积神经网络中选出表现较好的网络模型，调整参数并迁移到目标检测网络中，如摘要附图所示；(5)用声呐图像数据集对整个目标检测网络进行监督式训练，完成声呐图像的目标识别工作，基于强化学习的Q‑Learn i ng算法来自动化卷积神经网络的构建过程，省去了大量手工调参投入，得到性能良好的卷积神经网络，提高声呐图像识别的工作效率。

公开(公告)号：CN114842214B

公开(公告)日：2025-01-03

申请号：CN202210535005.9

申请日：2022-05-17

Applicant: 东南大学

Inventor： 李勇鹏 ,  姜龙玉 ,  葛张样 ,  张子腾 ,  韩宇

IPC: G06V10/44 ,  G06V10/774 ,  G06V10/764 ,  G06V10/82 ,  G06V20/05 ,  G06N3/047 ,  G06N3/08 ,  G06N3/0464 ,  G06N3/092 ,  G06N3/09 ,  G06N3/0985

Abstract: 本发明公开了一种基于强化学习的声呐图像目标识别方法，包括：(1)将卷积神经网络的层选择过程建模为马尔科夫决策过程；(2)定义强化学习Agent的状态空间和动作空间；(3)使用强化学习Q‑Learn i ng算法让Agent自动构建出一系列的卷积神经网络；(4)从自动生成的卷积神经网络中选出表现较好的网络模型，调整参数并迁移到目标检测网络中，如摘要附图所示；(5)用声呐图像数据集对整个目标检测网络进行监督式训练，完成声呐图像的目标识别工作，基于强化学习的Q‑Learn i ng算法来自动化卷积神经网络的构建过程，省去了大量手工调参投入，得到性能良好的卷积神经网络，提高声呐图像识别的工作效率。