-
公开(公告)号:CN111653084A
公开(公告)日:2020-09-11
申请号:CN201910682400.8
申请日:2019-07-26
Abstract: 本发明公开了一种基于时空特征选择和卡尔曼滤波的短时交通流预测方法。该方法将相邻交叉口的不同时滞的时间序列作为模型的输入特征,避免了传统模型不能充分考虑交通流时间序列间的时空相关性的缺点。首先对原始SCATS数据进行流量聚合;然后通过对预测断面及其相邻区域内的断面组应用多维标度法,找出与预测断面相关性较高的一些断面;再对由这些断面的不同时滞形成的时空特征进行特征选择,确定出最佳输入特征;最后通过考虑时空相关性的卡尔曼滤波模型得出预测结果。该模型在对城市交叉口进行短时流量预测时能获得较高的预测精度,具有很好的鲁棒性。
-
公开(公告)号:CN109377761A
公开(公告)日:2019-02-22
申请号:CN201811501212.2
申请日:2018-12-10
Applicant: 南京理工大学
Abstract: 在本文中提出了一种基于马尔可夫链模型的交通因子网络构建方法。该方法将捕获的速度,流量数据作为系统因子,通过高阶多元马尔可夫链建交通因子网络来模拟交通网络中固有的复杂空间和时间关系。通过在模型构建中应用交通领域知识,考虑交通数据之间的内在联系,对交通因子数值进行聚类分析。通过基于EM算法的高斯混合分布模型对历史数据的反向学习,对大量的交通流参数数据进行聚类分析,不同的交通参数聚类对应了实际交通系统中的不同交通状态,即环境影响因子等级。在此基础上通过高阶多元构建了交通因子状态网络,从而可以实现更为精准的数据预测和校正。
-
公开(公告)号:CN108877223A
公开(公告)日:2018-11-23
申请号:CN201810772451.5
申请日:2018-07-13
Applicant: 南京理工大学
Abstract: 本发明公开了一种基于时空相关性的短时交通流预测方法。该方法步骤为:选定需要进行交通流预测的路段以及该路段中的断点,获取所选路段中所有断点的短时交通流量历史数据,并确定短时交通流预测的预测时段,验证预测断点的历史交通流量数据是否具有周期性;利用归一化方法对交通流数据进行归一化处理后,将数据集划分为训练数据集和测试数据集;利用SARIMA模型对测试数据集进行预测分析,得到初始预测结果;将该预测结果作为一项输入特征,带入随机森林模型,得到最终的预测结果;将测试数据集与最终的预测数据进行比较,并分析误差。本发明方法将流量数据分解成带有明显趋势的周期性部分和随机波动部分加以分析,提高了交通流量数据的预测精度。
-
公开(公告)号:CN119758286A
公开(公告)日:2025-04-04
申请号:CN202510005114.3
申请日:2025-01-02
Applicant: 南京理工大学
Abstract: 本发明公开了一种基于车载传感器系统的室内环境动态目标检测方法,采集激光雷达数据和毫米波雷达数据;使用DBSCAN算法对预处理后的激光雷达数据进行预聚类,依据各个方向点云分布方差均值更新欧氏距离计算公式,使用更新后欧式距离计算公式对预处理后的激光雷达数据进行改进的DBSCAN聚类,得到激光雷达目标最终聚类簇集合;构建扩展卡尔曼滤波跟踪器对激光雷达目标的位置进行跟踪,计算目标的位移、速度和运动方向信息;从毫米波雷达数据中提取出多普勒速度以及方位角信息,计算多普勒速度在车辆运动方向的映射,计算车辆运动方向速度值分布曲线,寻找分布曲线峰值处速度值为车辆自运动速度;计算目标绝对运动速度,判断是否为运动目标。本发明可以减少算法开销,保证检测实时性。
-
公开(公告)号:CN114764645B
公开(公告)日:2025-04-01
申请号:CN202011605150.7
申请日:2020-12-30
Applicant: 南京理工大学
IPC: G06Q10/04 , G06Q10/0639 , G06Q50/40 , G06F30/20 , G06F18/23213
Abstract: 本发明公开了一种基于时空状态的交叉口通行时段的深度划分方法及系统。首先通过基于Fisher最优分割的有序聚类算法对时段宏观上进行一次划分,而后为了补偿因为数据波动性导致的分割点在饱和度较低的时段密集的问题,对宏观上时段划分范围较大的时段进行深度划分,并通过k‑means算法得到流量在空间上的状态临界点,对位于同一状态的分段点进行合并。经过上述三步操作,可以得到对时段的划分情况以及每个时段对应的流量状态,针对不同流量状态,配置相应的配时方案。通过Vissim仿真和实地测试验证,该时段划分方法比固定配时在高峰期的排队长度以及平峰的空放情况上均有较大改善。
-
公开(公告)号:CN118247977B
公开(公告)日:2025-02-14
申请号:CN202410237022.3
申请日:2024-03-01
Applicant: 南京理工大学
Abstract: 本发明提供了一种基于图注意力和值分解强化学习的区域交通信号控制方法,通过收集道路车流量信息建立路网仿真模型和图模型,充分利用路网车流量信息的空间特征和时序特征,采用了多头图注意力网络和门控循环单元进行特征提取,融合得到的时空特征作为输入传递给D3QN网络计算当前最优相位,训练过程中使用多智能体共享参数条件下的值分解网络来混合路网所有智能体的状态动作价值,实现全局角度的训练。本发明够增强智能体对路网特征的感知能力,有效利用路网的时间空间信息,从整体上提高对区域交通的控制效果,提高路网交通运行效率。
-
公开(公告)号:CN118483719A
公开(公告)日:2024-08-13
申请号:CN202410625628.4
申请日:2024-05-20
Applicant: 南京理工大学 , 无锡联坤科技有限公司
IPC: G01S17/931 , G01S17/36 , G01S7/48
Abstract: 本发明公开了一种基于激光雷达的矿井环境下自动驾驶定位的快速回环检测方法。该方法将激光雷达的点云首先进行区域限制,进行直通滤波,之后在俯瞰图的视角下进行空间的网格划分,再在每个网格中进行点云高度累积,超过一定阈值的点云进行保留;其次,将处理后的点云根据环形和扇形的分区进行点云平均高度的记录,保存成为二维的矩阵,形成单帧激光雷达的描述子,再利用每个环形区域的编码值构建kd树实现快速检索,将候选帧与当前帧的描述子进行相似度计算,得到最佳匹配完成回环检测。本方法利用障碍物的点云特征进行回环检测,本发明解决了现有的激光雷达回环检测方法面对矿井场景下出现大量假阳性的问题,可以实现在具有隧道顶部和坡度变化大的场景下有效准确的回环检测。本方法可以无缝接入ros系统,利用numba加速以后能够实时处理点云数据,具有较高的潜在的商业价值。
-
公开(公告)号:CN116052451B
公开(公告)日:2024-04-05
申请号:CN202310038066.9
申请日:2023-01-10
Applicant: 南京理工大学
IPC: G08G1/083
Abstract: 本发明提出一种井字形交叉口信号配时方法及系统,对井字形交叉口的相位进行设计,并确定相位通行规则;进行信号总周期划分;在短周期内,将车流进行划分,根据不同车流在井字形交叉口产生的总延误,建立井字形交叉口短周期内车流的加权平均延误模型,进行短周期内车流加权平均延误计算;以加权平均延误最小为目标,构建短周期的优化模型,利用智能优化算法求解最优短周期时间,进行各车流通行所需的绿灯时间的计算,并根据约束条件对绿灯时间调整;进行通行绿灯时间合并,重新计算短周期时间;进行信号总周期合并,实现井字形交叉口信号配时。本发明可有效在减小车辆通过井字形交叉口的延误,避免滞留的车辆发生溢流。
-
公开(公告)号:CN116347385A
公开(公告)日:2023-06-27
申请号:CN202211737809.3
申请日:2022-12-31
Applicant: 南京理工大学
Abstract: 本发明公开了一种面向车路协同的通信感知及边缘计算一体化系统,包括感知及边缘计算单元、路侧通信单元、智能车载终端以及云平台,其中感知及边缘计算单元由毫米波雷达、摄像头和边缘计算模块组成;路侧通信单元由控制模块、通信模块和定位模块组成;智能车载终端获取附近交通目标的类别、距离信息,结合自身交通状态判断是否需要进行刹车避险或者继续行驶操作;云平台收集路侧单元上传的路况信息进行分析处理,将已接入驾驶车辆与交通目标信息打印至云端地图,通过流量、车速、位置进行综合判断,实现宏观交通调控。本发明具有结构简单、方便部署、协同性强、适用于各类场景、易于扩展等优点,在不同场景中能够准确获取交通目标信息,提高道路交通安全性。
-
公开(公告)号:CN114708743B
公开(公告)日:2023-04-21
申请号:CN202210264278.4
申请日:2022-03-17
Applicant: 南京理工大学
Abstract: 本发明提出了一种基于尾车驶离模型的干线周期分配方法及系统,根据交叉口车道流量数据转换成相位流量数据,根据相位流量数据进行交叉口单点配时、交叉口各相位流量区间确定;确定干线控制公共周期;分析交叉口排队车辆的尾车驶离特性,建立相位流量与相位所需绿灯时长之间的模型,即尾车驶离模型,计算各相位流量区间上下限所对应的绿灯时长;遵循“保证非绿波相位的通行能力的基础上尽量为绿波相位提供较高的服务水平”的原则,控制干线周期时间的分配。本发明可根据相位流量区间得到某一周期下各相位所需要的绿灯时长区间,并且在满足非绿波相位通行能力的同时,又能对绿波相位有较好地优化效果。
-
-
-
-
-
-
-
-
-