-
公开(公告)号：CN118644977A
公开(公告)日：2024-09-13
申请号：CN202410671350.4
申请日：2024-05-28
Applicant: 中南大学
IPC: G08G1/01 , G06Q10/0637 , G06Q50/26 , G06N3/0442 , G06N3/0455 , G06N3/08
Abstract: 本公开实施例中提供了一种基于解耦时空神经网络的交通指标预测方法，属于数据处理技术领域，具体包括：获取路网中各路段的交通指标数据并进行预处理得到输入数据集，随后将其划分为训练集、验证集和测试集；定义交通指标预测问题和预测目标；根据交通指标预测问题和预测目标构建基于解耦时空神经网络的交通指标预测模型；使用训练集训练交通指标预测模型；设定评价指标，并使用验证集与测试集对训练得到的基于解耦框架的时空神经网络模型进行评估，当评估结果符合评价指标时，得到训练好的交通指标预测模型；将目标路网的历史交通指标数据输入训练好的交通指标预测模型，得到预测结果。通过本公开的方案，提高了预测效率和精准度。
-
公开(公告)号：CN112987052B
公开(公告)日：2021-08-10
申请号：CN202110456698.8
申请日：2021-04-27
Applicant: 中南大学
IPC: G01S19/38
Abstract: 本发明涉及智能出行技术领域，具体涉及一种基于路网路段分级的快速地图匹配方法。该方法先将路段分为简单、复杂两个等级，并求出相邻简单路段之间的候选连通路径；接着将简单路段周围的车辆轨迹点匹配到路段本身；最后基于这些匹配好的轨迹点和它们之间的候选连通路径，通过计算曲线相似度进一步匹配落在复杂路段周围的其它轨迹点。该方法避免了以往地图匹配方法中的大部分繁杂计算，且可一次性匹配多个连续点；与基于HMM的ST‑Matching匹配方法对比，准确率、尤其是效率都有明显提升。
-
公开(公告)号：CN112987052A
公开(公告)日：2021-06-18
申请号：CN202110456698.8
申请日：2021-04-27
Applicant: 中南大学
IPC: G01S19/38
Abstract: 本发明涉及智能出行技术领域，具体涉及一种基于路网路段分级的快速地图匹配方法。该方法先将路段分为简单、复杂两个等级，并求出相邻简单路段之间的候选连通路径；接着将简单路段周围的车辆轨迹点匹配到路段本身；最后基于这些匹配好的轨迹点和它们之间的候选连通路径，通过计算曲线相似度进一步匹配落在复杂路段周围的其它轨迹点。该方法避免了以往地图匹配方法中的大部分繁杂计算，且可一次性匹配多个连续点；与基于HMM的ST‑Matching匹配方法对比，准确率、尤其是效率都有明显提升。
-
Patent Agency Ranking
公开(公告)号：CN115309846B
公开(公告)日：2022-12-20
申请号：CN202211235631.2
申请日：2022-10-10
Applicant: 中南大学
IPC: G06F16/29 , G06F16/2458 , G06F16/215
Abstract: 本发明实施例中提供了一种基于平行系数的道路网结构识别方法，属于数据处理技术领域，具体包括：采集目标区域的初始道路网数据；对初始道路网数据进行预处理，得到目标道路网数据；根据目标道路网数据查找平行道路组，并计算每条道路与平行道路组的Hausdorff距离序列和平行系数序列；根据Hausdorff距离序列和平行系数序列提取多线主干道和非平行道路；对非平行道路进行结构识别，提取双向道路和复杂交叉口。通过本发明的方案，协同、综合地提取道路网中各类结构，基于道路网的拓扑连接关系等信息，精准地识别出道路网中多线主干道、复杂交叉路口和双向道路，提高了道路网结构识别的适应性、协同性和识别效率。
-
公开(公告)号：CN114495514A
公开(公告)日：2022-05-13
申请号：CN202210140895.3
申请日：2022-02-16
Applicant: 中南大学
Abstract: 本公开实施例中提供了一种多源数据协同的车辆违规掉头热点区域识别方法，属于电学技术领域，具体包括：对多条GPS轨迹数据进行清洗；利用窗口滑动算法对每条初始轨迹数据进行去除自相交操作，得到目标轨迹数据；提取掉头轨迹段，构成潜在违规掉头轨迹数据库，并保存轨迹点集合；以轨迹点集合为输入，获取对应路段内的街景图像数据；采用Yolov5深度神经网络模型识别街景图像数据，得到违规要素；进行场景解析，得到所有的违规掉头轨迹，形成违规掉头位置点集合；根据违规掉头位置点集合提取出违规掉头行为发生的热点区域。通过本公开的方案，提高了车辆违规掉头热点区域识别的检测效率、精准度和适应性。
-
公开(公告)号：CN115309846A
公开(公告)日：2022-11-08
申请号：CN202211235631.2
申请日：2022-10-10
Applicant: 中南大学
IPC: G06F16/29 , G06F16/2458 , G06F16/215
Abstract: 本发明实施例中提供了一种基于平行系数的道路网结构识别方法，属于数据处理技术领域，具体包括：采集目标区域的初始道路网数据；对初始道路网数据进行预处理，得到目标道路网数据；根据目标道路网数据查找平行道路组，并计算每条道路与平行道路组的Hausdorff距离序列和平行系数序列；根据Hausdorff距离序列和平行系数序列提取多线主干道和非平行道路；对非平行道路进行结构识别，提取双向道路和复杂交叉口。通过本发明的方案，协同、综合地提取道路网中各类结构，基于道路网的拓扑连接关系等信息，精准地识别出道路网中多线主干道、复杂交叉路口和双向道路，提高了道路网结构识别的适应性、协同性和识别效率。
-
公开(公告)号：CN107958302B
公开(公告)日：2020-09-08
申请号：CN201711146754.8
申请日：2017-11-17
Applicant: 中南大学
Abstract: 本发明涉及基于虚拟拓扑交通网络的经验路径规划方法，提出选用路段的中点为节点对传统路网进行重构，并利用出租车轨迹数据计算的任意相邻节点间平均耗时，以对虚拟网络赋权，接着利用DIJKSTRA算法规划任意两节点间的路径，完成经验路径规划模型的构建。本发明将交叉口处的耗时巧妙的隐含于相邻节点对的通行时间中，将路段的通行时间和交叉口的拖延时间合二为一，且无需考虑节点处的拖延时间，因而能够准确的估算行程的时间并以此规划最优的路径，更有利于精准导航。
-
公开(公告)号：CN107958302A
公开(公告)日：2018-04-24
申请号：CN201711146754.8
申请日：2017-11-17
Applicant: 中南大学
Abstract: 本发明涉及基于虚拟拓扑交通网络的经验路径规划方法，提出选用路段的中点为节点对传统路网进行重构，并利用出租车轨迹数据计算的任意相邻节点间平均耗时，以对虚拟网络赋权，接着利用DIJKSTRA算法规划任意两节点间的路径，完成经验路径规划模型的构建。本发明将交叉口处的耗时巧妙的隐含于相邻节点对的通行时间中，将路段的通行时间和交叉口的拖延时间合二为一，且无需考虑节点处的拖延时间，因而能够准确的估算行程的时间并以此规划最优的路径，更有利于精准导航。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.025 seconds)
