Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 恭喜深圳市城市交通规划设计研究中心股份有限公司张晓春获国家专利权

恭喜深圳市城市交通规划设计研究中心股份有限公司张晓春获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网恭喜深圳市城市交通规划设计研究中心股份有限公司申请的专利一种基于无人机和车辆行驶状态的交通拥堵预测方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN119107817B

龙图腾网通过国家知识产权局官网在2025-03-18发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202411594925.3,技术领域涉及:G08G1/017;该发明授权一种基于无人机和车辆行驶状态的交通拥堵预测方法是由张晓春;刘星;孟安鑫;安茹;吴成龙;庄蔚群;李鋆元;刘梦杨设计研发完成,并于2024-11-11向国家知识产权局提交的专利申请。

一种基于无人机和车辆行驶状态的交通拥堵预测方法在说明书摘要公布了:本发明公开了一种基于无人机和车辆行驶状态的交通拥堵预测方法,属于交通拥堵预测技术领域。解决了现有技术中传统的交通拥堵预测方法难以实现覆盖广泛区域的、实时性较高的交通拥堵预测的问题;本发明采集道路行驶的各类车辆图像生成图像矩阵,构建数据集,将数据集输入到建立的三种模型中进行训练,得到融合后的损失函数,根据交并比优化方法,对三种模型进行训练,将训练完成的基础模型作为最终模型,通过筛选最优模型的准确率,得到最终的最优模型,输出车辆行驶状态及类型;结合采集的早晚高峰车流量统计信息,进行交通拥堵预测,得到预测的易拥堵路段结果。本发明实现了较为全面的交通拥堵预测,可以应用于预测交通状况。

本发明授权一种基于无人机和车辆行驶状态的交通拥堵预测方法在权利要求书中公布了:1.一种基于无人机和车辆行驶状态的交通拥堵预测方法,其特征在于,包括以下步骤:S1.采集道路行驶的各类车辆图像生成图像矩阵,对其进行图像质量增强,得到新的图像矩阵;S2.对新的图像矩阵中的图像等分并进行图像像素更新,得到像素更新后的图像;S3.根据像素更新后的图像,构建数据集,将数据集输入到建立的基础模型、辅助模型和强化模型中进行训练,融合四种模型的损失函数,得到融合后的损失函数,对四种模型进行训练,得到训练完毕的四种模型;S4.根据交并比优化方法,对训练完毕的四种模型进行训练,将训练后总体损失函数最小的模型作为最优模型,通过筛选最优模型的准确率,得到最终的最优模型,输出车辆行驶状态及类型;S5.通过对车辆行驶状态进行分析,结合采集的早晚高峰车流量统计信息,进行交通拥堵预测,得到预测的易拥堵路段结果;所述S5中,具体包括以下步骤:S51.根据输出的车辆行驶状态,得到车辆的中心位置CP,记录当前帧图像对应的时间ct,基于当前帧图像,得到预测的任意时刻的车辆行驶状态;S52.根据预测的任意时刻的车辆行驶状态,结合采集的早晚高峰车流量统计信息,确定易拥堵路段;S53.基于车辆行驶状态中的车辆位置与易拥堵路段的位置关系、车辆行驶状态中的速度与拥堵路段车辆速度临界值的关系和易拥堵路段车辆总数与拥堵路段车辆数量临界值的关系,进行拥堵路段预测判断,得到预测的易拥堵路段结果;所述S51中,车辆行驶状态包含车辆位置和速度;预测的ct+1时刻下一帧图像的车辆行驶状态表示为: 其中,Fct+1为状态转移矩阵,为状态转移矩阵的转置矩阵,为当前帧的预估车辆行驶状态,βct+1为控制输入矩阵,vct+1为控制向量,为预测的下一帧图像的协方差矩阵,为当前帧的协方差矩阵,Qct+1为过程噪声协方差;根据预测的ct+1时刻下一帧图像的车辆行驶状态计算得到车辆行驶状态的测量值与车辆行驶状态的预测值之间的误差Erct+1,进一步得到更新后的ct+1时刻下一帧图像的车辆行驶状态车辆行驶状态的测量值与车辆行驶状态的预测值之间的误差Erct+1表示为: 其中,CPct+1为ct+1时刻下一帧图像的车辆行驶状态即测量值,Hct+1为测量矩阵;更新后的ct+1时刻下一帧图像的车辆行驶状态表示为: 其中,Kct+1为卡尔曼增益,为更新后的预测协方差矩阵,T为矩阵转置;基于上述计算,得到预测的任意时刻的车辆行驶状态,其包括预测的车辆位置RP和预测的速度RV,其中,RP=[rp1rp2...rpCM],RV=[rv1rv2...rvCM],rpCM为第CM辆车的位置,rpCM=jxCM,jyCM,jxCM为第CM辆车的位置的横坐标,jyCM为第CM辆车的位置的纵坐标,CM为车辆总数,rvCM为第CM辆车的速度;所述S52中,易拥堵路段均设置为方形区域,对道路行驶的各类车辆图像建立二维坐标系,对方形区域的四个角点坐标进行测量,其中,横纵坐标最小的角点坐标为JDminjxmin,jymin,横纵坐标最大的角点坐标为JDmaxjxmax,jymax;所述S53中,将第et时刻车辆位置记为RPet,RPet=[rp1etrp2et...rpCMet],rpCMet为第et时刻第CM辆车的位置,第et时刻速度记为RVet,RVet=[rv1etrv2et...rvCMet],rvCMet为第CM辆车的速度,第et时刻的第ei辆车的位置为rpeiet,rpeiet=jxeiet,jyeiet,其中,jxeiet为第et时刻的第ei辆车的位置的横坐标,jyeiet为第et时刻的第ei辆车的位置的纵坐标;比较第et时刻的第ei辆车的位置的横坐标jxeiet和第et时刻的第ei辆车的位置的纵坐标jyeiet与易拥堵路段即方形区域的位置关系:当jxmin≤jxeiet≤jxmax且jymin≤jyeiet≤jymax时,表明第et时刻的第ei辆车处于易拥堵路段区域,满足上述条件的车辆保留,当不满足上述条件时,表明对应的车辆没有进入易拥堵路段,不在考虑范围,遍历全部CM辆车,筛选出在第et时刻进入易拥堵路段全部车辆,记进入易拥堵路段车辆总数为DM,进入易拥堵路段的全部车辆形成的位置矩阵为YRPet=[yrp1etyrp2et...yrpDMet],进入易拥堵路段的全部车辆对应的速度矩阵为YRVet=[yrv1etyrv2et...yrvDMet];根据设定的拥堵路段车辆数量临界值DMtr和拥堵路段车辆速度临界值yrvtr对拥堵路段进行判别,比较进入易拥堵路段车辆总数DM与拥堵路段车辆数量临界值DMtr的关系,当DM<DMtr时,表明当前路段在第et时刻没有发生拥堵,当DM≥DMtr时,判断易拥堵路段内全部车辆的平均速度yrvpjet与拥堵路段车辆速度临界值yrvtr的关系,若yrvpjet>yrvtr,表明当前路段在第et时刻没有发生拥堵,若yrvpjet≤yrvtr,表明当前路段在第et时刻发生拥堵。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人深圳市城市交通规划设计研究中心股份有限公司,其通讯地址为:518000 广东省深圳市龙华区民治街道北站社区龙华设计产业园总部大厦1栋1101;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。