-
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
申请人: 重庆大学 , 重庆首讯科技股份有限公司
摘要: 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。
-
公开(公告)号:CN114783193A
公开(公告)日:2022-07-22
申请号:CN202210319641.8
申请日:2022-03-29
申请人: 重庆大学 , 重庆首讯科技股份有限公司
摘要: 本发明提供了一种考虑大型车的高速公路异常事件排队长度预测方法,属于交通数据分析及处理领域。本发明包括以下步骤:首先,在高速公路观测路段出现异常事件并有大型车混入的情况下,根据不同驾驶员对大型车的不同敏感程度以及大型车的混入率,改进观测路段动态空间占有率;然后,引入交通密度概念及Greenshields线性关系模型,分析观测路段的交通参数;然后,引入交通波波速,分析观测路段的交通波传播过程,构建交通波模型;最后,预测有大型车混入的高速公路出现异常事件的影响时间及影响范围。本发明能够准确的预测有大型车混入且发生异常事件情况下的排队长度变化趋势和交通演化趋势,为交通管制人员进行交通诱导提供参考依据,提高高速公路服务水平。
-
公开(公告)号:CN107066929B
公开(公告)日:2021-06-08
申请号:CN201710010428.8
申请日:2017-01-06
申请人: 重庆大学 , 重庆首讯科技股份有限公司
摘要: 本发明公开了一种融合多种特征的高速公路隧道停车事件分级识别方法,通过研究隧道场景下停车目标的静态动态特点,分析实际停车目标和伪停车目标的特征差异,设计了一种融合多特征的高速公路隧道场景下的停车目标分级识别方法。该方法首先结合修正后的各车道感兴趣区域,利用分车道方法以及多帧前景融合方式提取前景的周期性特征并分析、处理,进而以动态质心特征为首、静态颜色、面积特征为辅逐级判断是否有停车事件发生,实现对停车目标的有效识别,提高现有高速公路隧道停车事件检测的准确率。
-
公开(公告)号:CN111724590B
公开(公告)日:2022-04-15
申请号:CN202010495068.7
申请日:2020-06-03
申请人: 重庆大学 , 重庆首讯科技股份有限公司
摘要: 本发明公开了基于行程时间修正的高速公路异常事件发生时间估计方法,S1:提取异常事件发生路段的车辆占有率数据,并进行平滑处理;S2:利用FCM算法检测异常事件的发生时间;S3:基于收费数据和卡口数据,获取相邻收费站之间的平均行程时间;S4:根据上、下游车间器的数据,判断异常事件发生地点;S5:提取异常事件从事故发生点波及到下游车检器的位置所需的时间;S6:修正所述异常事件的发生时间。本发明对路段的行程时间进行估计,将得到的路段行程时间通过一系列的计算得到事件发生波及到上下游检测器的时间,然后得到事件检测时间,最后由两个时间便可以完成对事件真实发生时间的估计,达到了可以快速地估计出事件发生的时间的目的。
-
公开(公告)号:CN111739292A
公开(公告)日:2020-10-02
申请号:CN202010514575.0
申请日:2020-06-08
申请人: 重庆大学 , 重庆首讯科技股份有限公司
摘要: 本发明公开了一种考虑路网OD流量贡献时变性的收费站流量预测方法,S1:统计分析路网中构成各收费站90%出口流量的入口站点数,拟合其区间分布,在此基础上得到降维阈值;S2:通过分析不同天中同一预测时间区间的流量贡献率,拟合其概率分布,估计预测时段的贡献率;S3:结合不同天中在同一预测区间的流量贡献率的变化程度,确定在预测区间路网中各收费站的权重;S4:结合各收费站的实时上道流量数据,建立考虑OD间贡献时变性的下道流量预测模型,得到初步预测结果;S5:根据上一时间窗口的预测结果与实际结果的误差,对本时间窗口的预测结果进行修正,得到最终的预测结果。本发明减小了计算的规模,提高了精度,值得在本领域大量推广。
-
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
申请人: 重庆大学 , 重庆首讯科技股份有限公司
摘要: 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:CN117274920A
公开(公告)日:2023-12-22
申请号:CN202310851333.4
申请日:2023-07-12
申请人: 重庆大学 , 重庆首讯科技股份有限公司
IPC分类号: G06V20/54 , G06V20/40 , G06V10/72 , G06V10/762 , G06V10/774 , G06V10/776 , G06V10/80 , G06V10/82
摘要: 本发明公开了一种适用于高速公路监控摄像头的车辆目标检测方法,包括以下步骤:获取高速公路监控视频车辆目标检测数据集;骨干网络的搭建;目标检测子网络的搭建;数据增强策略的设计;基于SSD算法的高速公路监控视频车辆目标检测网络的训练。本发明适用于高速公路监控摄像头的车辆目标检测方法,特征提取能力强、小目标车辆检测精度高、定位性能好,可直接应用于高速公路场景下的车辆目标检测。
-
公开(公告)号:CN117012031A
公开(公告)日:2023-11-07
申请号:CN202311111417.0
申请日:2023-08-31
申请人: 重庆大学 , 重庆首讯科技股份有限公司
IPC分类号: G08G1/01 , G08G1/048 , G06N3/0464 , G06N3/08
摘要: 本发明公开了一种基于深度元学习的高速公路拥堵消散时间预测方法,包括以下步骤:采集拥堵路段的车辆轨迹数据以及上下游的ETC数据,提取车辆与交通流特征,收集路段异常事件信息整理形成数据集;使用CNN从数据集中捕获交通流的空间特征,使用GRU从数据集中捕获交通流的时间特征;构建拥堵消散时间预测模型;针对不同类型的异常事件,拥堵消散时间预测模型采用MAML方法进行分任务学习,从而得到不同异常事件类型下的拥堵消散时间预测结果。本发明方法能够有效克服现有拥堵消散时间预测方法在应对异常事件时存在的局限性,实现更高的预测精度和适应性。
-
公开(公告)号:CN114897933A
公开(公告)日:2022-08-12
申请号:CN202210393312.8
申请日:2022-04-15
申请人: 重庆大学 , 重庆首讯科技股份有限公司
摘要: 本发明公开了一种车辆检测与跟踪方法,包括:对监控视频进行提取,得到当前帧图像、当前帧的前一帧图像、前一帧图像的热图;分别对所述当前帧图像、所述前一帧图像、所述前一帧图像的热图进行特征提取,并对提取的特征进行融合,得到融合特征图;将所述融合特征图输入到预先训练好的目标检测跟踪模型,以实现对车辆的检测与跟踪。本发明提出的一种适于高速公路外场环境特性的车辆目标跟踪方法,能够有效降低因目标遮挡、目标丢失、目标相似、目标变换等因素造成的车辆目标跟踪漂移和跟踪丢失,提高跟踪精度的同时满足实时性要求。
-
公开(公告)号:CN107066929A
公开(公告)日:2017-08-18
申请号:CN201710010428.8
申请日:2017-01-06
申请人: 重庆大学 , 重庆首讯科技股份有限公司
CPC分类号: G06K9/00798 , G06K9/00825 , G06K9/3233
摘要: 本发明公开了一种融合多种特征的高速公路隧道停车事件分级识别方法,通过研究隧道场景下停车目标的静态动态特点,分析实际停车目标和伪停车目标的特征差异,设计了一种融合多特征的高速公路隧道场景下的停车目标分级识别方法。该方法首先结合修正后的各车道感兴趣区域,利用分车道方法以及多帧前景融合方式提取前景的周期性特征并分析、处理,进而以动态质心特征为首、静态颜色、面积特征为辅逐级判断是否有停车事件发生,实现对停车目标的有效识别,提高现有高速公路隧道停车事件检测的准确率。
-
-
-
-
-
-
-
-
-