-
公开(公告)号：CN116775782A
公开(公告)日：2023-09-19
申请号：CN202310578385.9
申请日：2023-05-22
Applicant: 重庆大学 , 重庆首讯科技股份有限公司
IPC: G06F16/29 , G06F18/214 , G06F18/2415 , G06F18/23
Abstract: 本发明涉及一种基于概率分布模型的稀疏轨迹空间重构方法及系统，属于自动车辆识别轨迹的空间重构技术领域。该方法包括以下步骤：S1、通过GPS轨迹数据构建轨迹网络，轨迹网络中包含了车辆在城市道路中行驶时所有可能经过的道路；S2、当车辆在轨迹网络中行驶时，使用贝叶斯分类器计算车辆走各路径的概率，并选取概率最大的路径作为车辆的轨迹；S3、利用整体模型对测试集进行轨迹重构，并根据预测结果和实际数据，对预测误差进行评价分析。本发明能够在减少数据依赖的情况下更加准确地重构车辆的空间轨迹，相对于现有方法具有更高的效率和更高的准确率，具有较广的应用前景。
-
公开(公告)号：CN116595145A
公开(公告)日：2023-08-15
申请号：CN202310580256.3
申请日：2023-05-22
Applicant: 重庆大学 , 重庆首讯科技股份有限公司
IPC: G06F16/332 , G06F16/36 , G06F16/387 , G06F16/35
Abstract: 本发明涉及一种基于ST‑LDA的车辆时空出行模式挖掘方法，属于智能交通技术领域。该方法包括以下步骤：S1、数据准备：提取车辆的高速公路行程集，将其转换为行程语料库；S2、构建ST‑LDA模型：ST‑LDA模型包括两个部分：出行模式与时空特征之间的多项式分布，从语义化的特征级别增加模型的可解释性；车辆个体与出行模式之间的多项式分布，很好体现了车辆个体的多样化出行行为；S3、模型训练：将得到的行程单词作为输入训练ST‑LDA模型，并使用折叠吉布斯采样方法对模型中的隐变量进行求解，得到出行模式识别结果。本发明的技术方案体现了个体出行行为的多样性，不仅从时间和空间两个维度上对车辆的出行规律进行挖掘，还增加了模型的可解释性，具有广阔的应用前景。
-
公开(公告)号：CN111915880A
公开(公告)日：2020-11-10
申请号：CN202010505627.8
申请日：2020-06-05
Applicant: 重庆首讯科技股份有限公司 , 重庆大学
Abstract: 本发明公开了一种高速公路异常事件事发点有效通行能力估计方法，主要是通过仿真软件定量分析不同的交通因素对通行能力的影响，再利用折减系数法，采用软件仿真与折减系数修正的相结合的思路完成对异常事件下事发点有效通行能力影响的估计，所得估计结果准确性较高。
-
公开(公告)号：CN118351493A
公开(公告)日：2024-07-16
申请号：CN202410340940.9
申请日：2024-03-25
Applicant: 重庆大学 , 重庆首讯科技股份有限公司
IPC: G06V20/54 , G06V10/25 , G06V10/40 , G06V10/764 , G06V10/766 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/09 , G08G1/01
Abstract: 本发明公开了一种适于高速公路监控场景的多尺度车辆目标检测方法，属于智能交通领域。本发明车辆目标检测方法，以ConvNeXt V2网络为基础对YOLOv8骨干网络进行改进，并向ConvNeXt V2网络中引入SPD‑Conv模块和SA‑Conv模块，用于强化模型的多尺度特征表达能力；其次，采用特征金字塔网络HS‑FPN对骨干网络提取到的特征图进行融合增强，以应对车辆目标的多尺度检测；最后，采用分类任务和回归任务相互解耦的检测头对增强的多尺度特征图进行分类与回归，最终得到车辆目标的检测结果。本发明能够有效提高高速公路监控场景的多尺度车辆目标特征提取的精确度，更好地应对场景中目标尺度变化大、干扰因素多等状况，可在保证检测效率的同时提升检测精度。
-
公开(公告)号：CN116958952B
公开(公告)日：2024-04-30
申请号：CN202310845871.2
申请日：2023-07-11
Applicant: 重庆大学 , 重庆首讯科技股份有限公司
IPC: G06V20/62 , G06N3/0464 , G06N3/08 , G06V10/82 , G06V10/774
Abstract: 本发明公开了一种适用于高速公路监控视频下的车牌目标检测方法，包括以下步骤：采用注意力机制改进SSD的检测分支，将高层特征图通过注意力模块得到的特征掩码与浅层特征图进行逐元素点乘；采用叠加的方式融合各层特征图，然后结合车牌特点，设计适用于高速公路场景下的注意力特征金字塔；在自建的数据集上训练车牌目标检测模型；用训练完毕的模型检测高速公路场景下的车牌目标，获取车牌目标的位置和大小。本发明适用于高速公路监控视频下的车牌目标检测方法，多尺度目标检测性能好，定位精度高，可直接应用于高速公路监控视频下的车牌目标检测。
-
公开(公告)号：CN116958952A
公开(公告)日：2023-10-27
申请号：CN202310845871.2
申请日：2023-07-11
Applicant: 重庆大学 , 重庆首讯科技股份有限公司
IPC: G06V20/62 , G06N3/0464 , G06N3/08 , G06V10/82 , G06V10/774
Abstract: 本发明公开了一种适用于高速公路监控视频下的车牌目标检测方法，包括以下步骤：采用注意力机制改进SSD的检测分支，将高层特征图通过注意力模块得到的特征掩码与浅层特征图进行逐元素点乘；采用叠加的方式融合各层特征图，然后结合车牌特点，设计适用于高速公路场景下的注意力特征金字塔；在自建的数据集上训练车牌目标检测模型；用训练完毕的模型检测高速公路场景下的车牌目标，获取车牌目标的位置和大小。本发明适用于高速公路监控视频下的车牌目标检测方法，多尺度目标检测性能好，定位精度高，可直接应用于高速公路监控视频下的车牌目标检测。
-
公开(公告)号：CN115440029B
公开(公告)日：2023-08-08
申请号：CN202210908725.5
申请日：2022-07-29
Applicant: 重庆大学 , 重庆首讯科技股份有限公司
IPC: G08G1/01
Abstract: 本发明公开了一种考虑检测设备分布的车检器数据修复方法，属于电力电子技术领域。该方法包括：采集高速公路沿线布设的多源检测设备监测获得的交通流数据，进行完整性分析；基于Kendall相关系数，对多源检测设备监测获得的交通流数据进行一致性检验；根据完整性分析和一致性检验结果，确定不同检测设备分布下的车检器数据修复模型的输入输出关系，从而构建车检器数据修复模型的训练集和测试集；基于支持向量回归算法构建车检器数据修复模型，然后在训练集中，完成车检器数据修复模型的训练与模型参数的求解，之后在测试集中完成车检器数据修复模型的测试。本发明方法适应性强，能充分利用高速公路的多源数据，有效修复车检器中缺失数据或异常数据。
-
公开(公告)号：CN115440029A
公开(公告)日：2022-12-06
申请号：CN202210908725.5
申请日：2022-07-29
Applicant: 重庆大学 , 重庆首讯科技股份有限公司
IPC: G08G1/01
Abstract: 本发明公开了一种考虑检测设备分布的车检器数据修复方法，属于电力电子技术领域。该方法包括：采集高速公路沿线布设的多源检测设备监测获得的交通流数据，进行完整性分析；基于Kendall相关系数，对多源检测设备监测获得的交通流数据进行一致性检验；根据完整性分析和一致性检验结果，确定不同检测设备分布下的车检器数据修复模型的输入输出关系，从而构建车检器数据修复模型的训练集和测试集；基于支持向量回归算法构建车检器数据修复模型，然后在训练集中，完成车检器数据修复模型的训练与模型参数的求解，之后在测试集中完成车检器数据修复模型的测试。本发明方法适应性强，能充分利用高速公路的多源数据，有效修复车检器中缺失数据或异常数据。
-
公开(公告)号：CN117935542A
公开(公告)日：2024-04-26
申请号：CN202311854752.X
申请日：2023-12-29
Applicant: 重庆大学 , 重庆首讯科技股份有限公司
Abstract: 本发明公开了一种考虑交通事件信息的高速公路拥堵消散时间预测方法，通过利用检测到的异常事件详细信息数据来进行决策树模型学习，进而构建出可用于预测事件持续时间的决策树模型；同时利用事件上报信息构建出通行能力估计模型；在此基础上构建出基于模糊交通波模型的拥堵消散时间预测模型，综合上述两部分的输出和模糊交通波模型，最后得出事件情况下的拥堵消散时间预测模型。本发明方法可以有效克服现有拥堵消散时间预测方法预测时对异常事件具体情况的考虑不充分的局限性，同时利用模糊交通波模型可以充分考虑到利用传统交通波模型时未充分考虑车辆排队过程中的速度分布差异性，进而实现对拥堵消散时间更高的预测精度和泛化能力。
-
公开(公告)号：CN117012039A
公开(公告)日：2023-11-07
申请号：CN202311111518.8
申请日：2023-08-31
Applicant: 重庆大学 , 重庆首讯科技股份有限公司
Abstract: 本发明公开了一种基于多源数据融合的高速公路车道级速度预测方法，包括以下步骤：划分车道，利用GRG计算不同车道之间的相互影响度；使用Attention机制计算目标车道不同时间的注意力权重；基于注意力权重和不同车道之间的相互影响度，建立改进模型GRGA；基于改进模型GRGA，建立GRU_LSTM融合深度学习模型；根据GRU_LSTM融合深度学习模型，实时预测高速公路任一车道特定时间段内的平均行驶速度。本发明一种基于多源数据融合的高速公路车道级速度预测方法预测速度块、精准高，能够为交通管制人员进行交通诱导提供参考依据。
