Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 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 > 东南大学项乔君获国家专利权

东南大学项乔君获国家专利权

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!

龙图腾网获悉东南大学申请的专利基于实时交通流数据的快速路交织区车道级冲突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:CN118486158B

龙图腾网通过国家知识产权局官网在2025-11-14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:202410397699.3,技术领域涉及:G06Q10/04;该发明授权基于实时交通流数据的快速路交织区车道级冲突预测方法是由项乔君;任小菡;周维;刘旭设计研发完成,并于2024-04-03向国家知识产权局提交的专利申请。

基于实时交通流数据的快速路交织区车道级冲突预测方法在说明书摘要公布了:本发明公开了一种基于实时交通流数据的快速路交织区车道级冲突预测方法,包括以下步骤:S1,选择合适的快速路交织区作为调查地点,进行实地调查;S2,采集各车道的交通流数据和交通冲突数据,划定不同冲突类型的阈值;S3,利用调查获取的交通参数搭建交通仿真模型,根据步骤S2中获取的冲突阈值划定不同冲突类型,并获取不同类型的交通冲突数据;S4,根据步骤S3获取的数据,提取特征变量,构建不同冲突类型预测模型的数据集;S5,构建冲突分析模型;S6,构建冲突预测模型。本发明可以实现对快速路交织区车道级的实时交通冲突预测,进而可以为各车道驾驶车辆提供更加精确的车道级别冲突风险信息,帮助驾驶员选择更加安全的车道和路径行驶。

本发明授权基于实时交通流数据的快速路交织区车道级冲突预测方法在权利要求书中公布了:1.一种基于实时交通流数据的快速路交织区车道级冲突预测方法,其特征在于,包括以下步骤: S1、对待测试快速路交织区进行实地调查,实时获取交通运行状况视频; S2、将快速路交织区每条车道进行编号,采集各车道的交通流数据和交通冲突数据,基于不同冲突类型设置碰撞时间TTC阈值; S3、搭建交通仿真模型,并进行数据标定,获取交通流数据和车辆轨迹数据,根据冲突角度及步骤S2中设置的冲突阈值,划定不同冲突类型,使用冲突分析软件获取不同类型的交通冲突数据; S4、根据步骤S3获取的交通流数据,提取特征变量,构建不同冲突类型预测模型的数据集; 提取特征变量,包括:提取交织区特征变量、冲突车道交通流特征变量、冲突车道与相邻车道差异变量;交织区特征变量,包括:交织区长度、限速、交织比和交织流量比;冲突车道交通流特征变量,包括冲突所在车道上下游的交通流数据;冲突车道与相邻车道差异变量,包括冲突所在车道与相邻车道在上下游各项交通流参数的差值; S5、基于负二项回归方法,构建不同冲突类型的交通冲突分析模型,分析不同影响因素对交通冲突发生数的影响; 计算每个特征变量的方差膨胀因子,进行变量筛选,搭建不同冲突类型的交通冲突分析模型;方差膨胀因子VIF的计算公式如下: 其中,是自变量与其他自变量进行线性回归后得到的拟合优度; 逐步剔除存在多重共线性的变量,直至所有剩余特征变量之间存在轻度共线性,不会对分析模型的可解释性产生干扰,将经过多重共线性筛选后的特征变量用于交通冲突分析模型; 使用负二项回归方法构建不同冲突类型的交通冲突分析模型,公式如下: ; 其中,为不同冲突类型的冲突数,,,…为回归系数,,,…,为步骤S4中提取的特征变量; S6、基于机器学习方法,构建不同冲突类型的交通冲突预测模型,预测未来各车道发生各类冲突的数量,为各车道驾驶车辆提供车道级别冲突风险提醒。

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东南大学,其通讯地址为:210096 江苏省南京市玄武区四牌楼2号;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”。

以上内容由龙图腾AI智能生成。

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。