一种基于贝叶斯深度学习的高速交通事故风险预警方法, ——以道路特征划分区域, ——从高速固定节点提取分钟级车流量、平均速度, ——得到区域车辆碰撞指数; ——利用高斯混合模型GMM进行聚类, ——划分高速事故风险等级; ——利用贝叶斯深度学习提取特征, ——预测未来目标节点的分钟级车流量和平均速度, ——计算区域车辆碰撞指数, ——根据风险等级, ——提供安全预警。
本发明提出了区域车辆碰撞指数(RCI)并用于事故风险等级划分; ——将贝叶斯深度学习网络用于交通预测; ——提供了实时有效的城市交通安全预警, ——并可以匹配智慧城市系统。
| 专利名称 | 一种基于贝叶斯深度学习的高速交通事故风险预警方法 | ||
|---|---|---|---|
| 专利状态 | - | 专利号(申请号) | CN202110157418.3 |
| 申请号 | - | 专利申请日期 | 2021-02-04 |
| 专利授权日期 | 2021-06-11 | 专利权届满日 | - |
| 专利所属地 | 中国 | 专利类型 | 发明专利 |
| 发明人 | 沈国江,管林涛,孔祥杰,檀佳佳 | ||
| 权利人 | 浙江工业大学 | ||
| 专利摘要 | 一种基于贝叶斯深度学习的高速交通事故风险预警方法,以道路特征划分区域,从高速固定节点提取分钟级车流量、平均速度,得到区域车辆碰撞指数;利用高斯混合模型GMM进行聚类,划分高速事故风险等级;利用贝叶斯深度学习提取特征,预测未来目标节点的分钟级车流量和平均速度,计算区域车辆碰撞指数,根据风险等级,提供安全预警。本发明提出了区域车辆碰撞指数RCI并用于事故风险等级划分;将贝叶斯深度学习网络用于交通预测;提供了实时有效的城市交通安全预警,并可以匹配智慧城市系统。 | ||