-
公开(公告)号：CN109360445A
公开(公告)日：2019-02-19
申请号：CN201810744579.0
申请日：2018-07-09
Applicant: 重庆大学
Abstract: 本发明涉及交通安全技术领域，具体公开了一种基于横向与纵向运动学特征分布的高速换道风险检测方法，包括如下主要步骤：求出横向加速度最大值，作为车辆基于横向运动学特征分布的驾驶判据；求出车辆基于纵向运动学特征分布的驾驶判据；求出综合驾驶判据；计算出实时最小安全距离；计算横向风险指标；计算纵向风险指标；实施风险检测并获取结果。本发明基于高速换道过程，制定能够表征驾驶人个性化特征的个性化驾驶判别方法和换道风险评价方法，为换道辅助的优化提供参考，从而加快车辆智能化进程，降低交通事故发生的概率及其引发的人员伤亡和财产损失。
-
公开(公告)号：CN108791301A
公开(公告)日：2018-11-13
申请号：CN201810550220.X
申请日：2018-05-31
Applicant: 重庆大学
Abstract: 本发明公开了一种基于驾驶员特性的智能汽车驾驶过程横向动态控制方法，该方法包括以下步骤：步骤1.建立二自由度的车辆动力学模型作为参考模型；步骤2.构建反应驾驶员操作特性的驾驶员模型；步骤3.构建预瞄环节；步骤4.根据参考模型、驾驶员模型、预瞄环节构建闭环控制系统；步骤5.用零阶保持器，对所构建的闭环控制系统离散化；步骤6.建立最小二乘辨识函数；步骤7.以最小化车辆自身位置的损失函数为目标，根据延迟时间和惯性时间确定预瞄时间，通过预瞄时间确定的预瞄距离；再迭代算出延迟时间和惯性时间，以达到动态确定各个参数的目的。本发明提出一种基于驾驶员特性的智能汽车驾驶过程横向动态控制方法，既保证模型在路径跟随时的一致性，同时又提高了乘坐舒适性。
-
公开(公告)号：CN108682152A
公开(公告)日：2018-10-19
申请号：CN201810548297.3
申请日：2018-05-31
Applicant: 重庆大学
CPC classification number: G08G1/0129 , G08G1/123
Abstract: 本发明涉及交通数据处理技术领域，公开了一种基于前车数据的公交车异常数据修复方法，该方法包括以下步骤：1)实时监测公交车运行数据异常问题，若没有发生数据异常情况则转到步骤7)，否则执行步骤2)；2)提取数据异常公交车的前车数据，计算各前车与数据异常公交车的灰色关联度；3)基于前车速度估计数据异常时刻的公交车速度值；4)获取数据异常公交车所在路段该时段的历史速度；5)对公交车异常数据中的速度信息进行修复；6)对公交车异常数据中的位置信息进行修复；7)将公交车运行数据存储到数据库中。本发明能对公交车速度、位置信息出现错误或丢失时进行有效处理，以降低公交车异常数据产生的影响，进而为公众提供更加可靠的公交服务信息。
-
公开(公告)号：CN108597227A
公开(公告)日：2018-09-28
申请号：CN201810529466.9
申请日：2018-05-29
Applicant: 重庆大学
Abstract: 本发明属于交通数据分析技术领域，公开了一种高速公路收费站下道交通流量预测方法，包括如下步骤：提取影响两收费站间流量转移关系的特征，将特征进行处理，利用数学语言进行表示；对提取并处理后的特征进行分析聚类；计算不同时间窗下的上道收费站和下道收费站之间的OD分流比例；确定目标收费站与其相关收费站的OD分流比例的最优时间窗；计算最优时间窗下上道收费站和下道收费站之间的OD分流比例；通过历史数据学习获得的特征与OD分流比例的关系；提取与目标收费站相关的各个收费站上道信息的特征参数，根据所获得的关系，获取各收费站与目标收费站间的OD分流比例；根据上道收费站的上道流量预测下道收费站的下道流量；获得下道收费站的下道流量；本发明算法稳定性好、预测精度高。
-
公开(公告)号：CN106097717B
公开(公告)日：2018-09-11
申请号：CN201610706954.3
申请日：2016-08-23
Applicant: 重庆大学
IPC: G08G1/01
Abstract: 本发明公开了一种基于两类浮动车数据融合的信号交叉口平均通行时间估计方法，首先获取公交车和出租车的原始GPS数据；提取所有进入目标信号交叉口区域的浮动车的行车轨迹数据，并进行转向特征标识及构建GPS数据集；进行车型特征标识及构建公交车和出租车通行时间数据集；提取交叉口各转向上的公交车和出租车通行时间数据；计算平均通行时间；本发明提供的估计信号交叉口区域平均通行时间的方法；在利用GPS数据分析城市路段通行时间时，综合考虑了大型车和小型车的GPS数据，既能满足实时性应用需求，又具有较高精度的信号交叉口平均通行时间估计方法，从而提高信号交叉口的服务水平。能更真实地反映路段的平均通行时间。
-
Patent Agency Ranking
公开(公告)号：CN105023433B
公开(公告)日：2018-04-20
申请号：CN201510375348.3
申请日：2015-07-01
Applicant: 重庆大学
IPC: G08G1/01
Abstract: 一种高速公路交通异常事件影响范围预估方法，适用于高速公路主线路段上异常事件影响范围的预估。首先，建立路段Van Aerde交通流模型；其次，设定目标函数和极小误差阈值，预估事件持续时间和排队最长时的时间；再者，确定多因素下的事发点通行能力、基于车检器数据预测各时间间隔内事发点上游流量，并获取对应的密度；利用交通波理论计算消散波波速、对应时刻的集结波波速及影响长度；判断当前估计的排队位置与上下游匝道、车检器的位置关系；最后，判断目标函数的求解结果，确定排队最长时的时间和事件影响范围。本发明方法基于Van Aerde模型建立，并考虑交通流变化和多种因素对波速的影响，能更好地反映实际交通流特性，适用性更强，能提高预估的准确性。
-
公开(公告)号：CN107491420A
公开(公告)日：2017-12-19
申请号：CN201710545766.1
申请日：2017-07-06
Applicant: 重庆大学
Abstract: 本发明公开了一种McMaster事件检测算法的一种自动寻参方法，包括以下步骤：S1在获取大量交通数据的前提下，对流量和占有率分别进行统计分析，确定交通流量和占有率的分布模型；S2采用最大似然会计法估计流量、占有率分布模型的参数；S3计算分位数确定流量-占有率转折点的大致区间；S4搜索转折区间内最佳转折点。本发明通过一种能够自动获取McMaster参数的方法，降低参数选取时候的人为依赖，对于提升McMaster算法的准确性和在不同路段下的可移植性有着重要的作用。
-
公开(公告)号：CN107403205A
公开(公告)日：2017-11-28
申请号：CN201710545717.8
申请日：2017-07-06
Applicant: 重庆大学
IPC: G06K17/00
Abstract: 本发明公开了一种基于随机森林的RFID仓库货包平面定位方法，包括：得到货包定位的原始数据；提取定位所需数据；提取每个货包返回信号的时间、RSSI、读取到货物的次数、RSSI变化率、读取货物的时间长度、RSSI方差6个参数；进行堆垛划分，并统计其中一个完整堆垛的各个货包的位置，货包的位置和6个参数作为训练样本集；以训练样本集中货包的位置作为输出，6个参数作为输入对随机森林进行训练，得到每个货包的平面位置。本发明采用车载移动式RFID对整个仓库的货物进行扫描，在移动式RFID条件下不同位置的货物返回信号在时间、RSSI、读取到货物的次数、RSSI变化率、读取货物的时间长度、RSSI方差上存在着差异，根据这几个特征利用随机森林方法进行分类，得到仓库中货物的位置。
-
公开(公告)号：CN107293120A
公开(公告)日：2017-10-24
申请号：CN201710607981.X
申请日：2017-07-24
Applicant: 重庆大学
CPC classification number: G08G1/0129 , G06N3/126
Abstract: 本发明公开了一种基于遗传算法的交通事件检测算法的参数自整定方法，包括一：完成阈值参数的离线整定；二：配置系统信息；三：捕获系统时间t；四：读取数据库中的交通流数据；步骤五：得到每个检测周期的检测结果；六：实时存储检测结果和对应的交通流数据；七：获取当前算法阈值，估算对应时间窗内的交通事件检测性能效果并存储；八：引入遗忘因子λ，计算当前的算法性能指标；九：判断当前算法的检测性能是否满足性能要求，如果满足则不更新California算法参数，如果不满足则返回步骤二更新信息。本发明针对California算法阈值标定困难、标定不合理等问题，本发明提出的参数自整定方法能够提高California算法的可移植性和自适应性，提升交通事件检测的整体效果。
-
公开(公告)号：CN107117178A
公开(公告)日：2017-09-01
申请号：CN201710369680.8
申请日：2017-05-23
Applicant: 重庆大学
IPC: B60W40/13
CPC classification number: B60W40/13 , B60W2050/0043
Abstract: 本发明公开了一种考虑换挡和道路坡度因素的车辆质量估计方法，包括如下步骤：步骤1：采集数据：步骤11：利用数据采集装置采集车辆行驶状态数据；步骤12：结合车辆固有参数与车辆行驶状态数据，计算得到模型所需参数；步骤2：基于已获得的车辆行驶状态数据，建立车辆纵向动力学模型；步骤3：建立考虑换挡因素的车辆质量估计模型；步骤4：建立传动系机械效率估计模型，并与步骤3提出的考虑换挡因素的车辆质量估计模型共同构成同时考虑换挡和道路坡度因素的车辆质量估计模型；步骤5：确定车辆质量实时估计系统的使用条件；步骤6：将采集到的车辆行驶状态数据和相关模型参数输入车辆质量实时估计系统，估计实时车辆质量。
-
-
-
-
-
-
-
-
-
Search Results
455
records
(took 0.025 seconds)
