基于多尺度时空残差图卷积神经网络的动作识别方法

    公开(公告)号:CN117523662A

    公开(公告)日:2024-02-06

    申请号:CN202311500360.3

    申请日:2023-11-13

    摘要: 本发明公开了一种基于多尺度时空残差图卷积神经网络的动作识别方法,包括:基于人体动作视频获取人体关节点数据和人体骨骼数据;构建基于图卷积网络的多输入分支架构,将人体关节点数据和人体骨骼数据输入基于图卷积网络的多输入分支架构得到融合特征图;构建基于多尺度时空残差图卷积神经网络,将融合特征图输入多尺度时空残差图卷积神经网络得到动作识别结果。本发明针对人体骨架特征,在数据预处理阶段,将人体关节点数据和人体骨骼数据进行早期融合。在网络结构上,采用分层残差架构,聚合空间图卷积和时间卷积生成的时空特征形成时空残差图卷积模块,从而有效获得空间和时间域中的短期和长期依赖性,并在一定程度上降低网络参数量。

    一种考虑诱导服从率的高速公路分流诱导策略

    公开(公告)号:CN117690301A

    公开(公告)日:2024-03-12

    申请号:CN202410157068.4

    申请日:2024-02-04

    摘要: 本发明涉及智慧高速技术领域,尤其为一种考虑诱导服从率的高速公路分流诱导策略,包括以下步骤:S1、事故场景设计,设计高速公路分流诱导场景;S2、诱导服从率调查,选取参照事故场景与影响诱导服从率的因素,设计受影响出行者的选择项,开展SP问卷调查设计与发放;S3、智能体设计,标定诱导服从率模型,根据历史客流OD与调查样本数据生成受影响出行者智能体;S4、事故仿真,进行事故流程仿真,输入分流诱导策略,计算受影响出行者个体的诱导服从率;S5、方案比选,设计方案评价指标,生成最优策略方案。本发明考虑受影响出行者的诱导服从率,对不同场景下的高速公路分流诱导策略组合进行评估比选,可为高速公路分流诱导方案设计提供重要参考。

    一种考虑诱导服从率的高速公路分流诱导方法

    公开(公告)号:CN117690301B

    公开(公告)日:2024-04-23

    申请号:CN202410157068.4

    申请日:2024-02-04

    摘要: 本发明涉及智慧高速技术领域,尤其为一种考虑诱导服从率的高速公路分流诱导方法,包括以下步骤:S1、事故场景设计,设计高速公路分流诱导场景;S2、诱导服从率调查,选取参照事故场景与影响诱导服从率的因素,设计受影响出行者的选择项,开展SP问卷调查设计与发放;S3、智能体设计,标定诱导服从率模型,根据历史客流OD与调查样本数据生成受影响出行者智能体;S4、事故仿真,进行事故流程仿真,输入分流诱导策略,计算受影响出行者个体的诱导服从率;S5、方案比选,设计方案评价指标,生成最优策略方案。本发明考虑受影响出行者的诱导服从率,对不同场景下的高速公路分流诱导策略组合进行评估比选,可为高速公路分流诱导方案设计提供重要参考。