一种基于深度学习的隧道交通拥堵状态识别方法

    公开(公告)号:CN119516485A

    公开(公告)日:2025-02-25

    申请号:CN202411536329.X

    申请日:2024-10-31

    Abstract: 本发明公开了一种基于深度学习的隧道交通拥堵状态识别方法,包括:识别交通监控视频中的车辆,获取车辆在图像中的坐标信息;根据已知车道线位置和车辆坐标信息,确定各车辆所在车道编号;对于每个车道,为各车道预先设置车流量统计区域进行车流量统计,计算单位时间内的平均车流量;统计各车道通行车辆与前车到达车流量统计区域的时间,计算单位时间内的平均车头时距;统计各车道通行车辆通过各车道的车流量统计区域所需时间,计算单位时间内的平均车道通行速度;分别对平均车流量、平均车头时距和平均车道通行速度赋权重系数,加权计算得到隧道交通拥堵指数,根据指数判断隧道交通拥堵状态。本发明无需人工干预,实现自动化检测识别。

    一种基于机器学习的隧道行车环境协同控制方法

    公开(公告)号:CN117807892A

    公开(公告)日:2024-04-02

    申请号:CN202410127565.X

    申请日:2024-01-29

    Abstract: 本发明涉及高速公路水下隧道运营管理技术领域,尤其涉及一种基于机器学习的隧道行车环境协同控制方法,包括以下步骤:A.分析交通运行环境、光环境、空气质量环境与温度环境的独立关键控制指标,确定独立关键控制指标评价值,建立综合评价指标函数;B.划分隧道行车环境工况,根据各环境综合评价指标设置对应管控策略;C.建立目标函数,确定质量启动边界,得到管控工况分类,根据管控工况设定相应管控策略;D.建立控制函数,研究分析控制方案。在本发明中,通过研究关键控制指标,二次分析关键因素,分析隧道行车环境工况,针对管控工况,确定控制函数,保障安全舒适条件下,确定最优控制方案,方案适应不同场合下更复杂的隧道行车环境。

Patent Agency Ranking