公开(公告)号：CN120067812A

公开(公告)日：2025-05-30

申请号：CN202510211542.1

申请日：2025-02-25

Applicant: 东南大学

Inventor： 李旭 ,  刘芳 ,  朱文凯 ,  王海涛

IPC: G06F18/241 ,  G06N3/006 ,  G06N3/0442 ,  G06F18/10 ,  G06N3/048 ,  G06N3/047 ,  G06N3/084 ,  G08G1/01

Abstract: 本发明公开了一种基于LSTM‑PSO的高动态场景IDM模型参数在线标定方法，包括：对路段部署的传感器采集的原始车辆轨迹数据进行处理，提取车辆速度、加速度、车头间距、交通流量等特征变量，筛选出符合初始条件的车辆组跟驰数据；结合交通规则等对跟驰数据进一步进行预处理，并根据交通流量、速度、加速度等特征定义场景类型；通过构建和标准化基于多场景输入的时间序列数据集，利用LSTM神经网络完成高动态场景分类模型的训练和实时场景识别；设置IDM模型待标定参数范围并初始化PSO粒子群，根据场景识别结果调整参数边界，结合PSO算法在线标定IDM模型参数(分类型)，以误差最小化为目标获得最优解；动态记录并更新不同场景的最优参数库。

公开(公告)号：CN118334413A

公开(公告)日：2024-07-12

申请号：CN202410387028.9

申请日：2024-04-01

Applicant: 东南大学

Inventor： 李旭 ,  刘增强 ,  朱文凯

IPC: G06V10/764 ,  G06V10/42 ,  G06V10/80

Abstract: 本发明公开了一种基于多尺度混合注意力模块的不良天气下目标检测方法，首先使用主干网络对输入图像进行特征提取，接着将主干网络输出的特征图送入多尺度混合注意力模块，最后送入检测头获得检测结果。其中多尺度混合注意力模块包含三个部分，轻量级多尺度特征融合模块、通道注意力模块和空间注意力模块。本发明的多尺度混合注意力模块可以捕获图像不同尺度的特征，在通道和空间维度上同时实现了注意力聚焦，并且参数量不大，十分轻量，可以增强关键特征的表示，同时抑制背景噪声和干扰，帮助模型捕捉和理解在不良天气条件下的场景细节，对提高不良天气条件下的目标检测精度有着重要意义。

公开(公告)号：CN117558124A

公开(公告)日：2024-02-13

申请号：CN202311478411.7

申请日：2023-11-07

Applicant: 东南大学

Inventor： 周晓晶 ,  朱文凯 ,  李旭

IPC: G08G1/01 ,  G08G1/042 ,  G08G1/052 ,  G08G1/065 ,  G06N3/0442 ,  G06N3/042 ,  G06Q10/04 ,  G06Q50/40

Abstract: 本发明公开了一种基于多源信息深度融合的通道运行状态推演预测方法，包括：对路段部署的地磁检测器采集的数据进行处理，生成该路段节点的路段流量、速度信息；对路段上的浮动车数据进行数据预处理；对气象、地质灾害的信息进行预处理；根据地磁检测器以及浮动车数据的特征构建动态图神经网络，捕捉交通数据的时间、空间特征；根据气象、地址灾害的信息构建知识图谱，表征通道极端环境的特征；将知识图谱进行编码，输入图神经网络模型中，对表征通道运行状态的指标进行预测。本发明通过运用多源数据融合的方法，对进藏通道的交通态势进行表征并进行推演预测，对于研究极端环境复杂灾害下交通综合应急保障技术提供了方法论。