Some content of this application is unavailable at the moment.
If this situation persist, please contact us atFeedback&Contact
1. (WO2018122804) ROAD TRAFFIC ANOMALY DETECTION METHOD USING NON-ISOMETRIC TIME/SPACE DIVISION
Latest bibliographic data on file with the International Bureau    Submit observation

Pub. No.: WO/2018/122804 International Application No.: PCT/IB2017/058534
Publication Date: 05.07.2018 International Filing Date: 30.12.2017
IPC:
G08G 1/01 (2006.01)
G PHYSICS
08
SIGNALLING
G
TRAFFIC CONTROL SYSTEMS
1
Traffic control systems for road vehicles
01
Detecting movement of traffic to be counted or controlled
Applicants:
同济大学 TONGJI UNIVERSITY [CN/CN]; 中国上海市 曹安公路4800号 4800 Cao'an Road Shanghai 200092, CN (CN)
许军 XU, Michael Jun; FR (AE, AG, AL, AM, AO, AT, AU, AZ, BA, BB, BE, BG, BH, BN, BR, BW, BY, BZ, CA, CH, CL, CO, CR, CU, CY, CZ, DE, DJ, DK, DM, DO, DZ, EC, EE, EG, ES, FI, FR, GB, GD, GE, GH, GM, GR, GT, HN, HR, HU, ID, IE, IL, IN, IR, IS, IT, JO, JP, KE, KG, KH, KN, KP, KR, KW, KZ, LA, LC, LK, LR, LS, LT, LU, LV, LY, MA, MC, MD, ME, MG, MK, MN, MT, MW, MX, MY, MZ, NA, NG, NI, NL, NO, NZ, OM, PA, PE, PG, PH, PL, PT, QA, RO, RS, RU, RW, SA, SC, SD, SE, SG, SI, SK, SL, SM, ST, SV, SY, TH, TJ, TM, TN, TR, TT, TZ, UA, UG, US, UZ, VC, VN, ZA, ZM, ZW)
上海同济检测技术有限公司 SHANGHAI TONGJI TESTING TECHNOLOGY CO., LTD.; 中国上海市 杨浦区阜新路281号 281 Fuxin Road Shanghai 200092, CN (CN)
Inventors:
杜豫川 DU, Yuchuan; CN
邓富文 DENG, Fuwen; CN
严军 YAN, Jun; CN
Agent:
许军 XU, Michael Jun; CN
Priority Data:
PCT/IB2016/05810530.12.2016IB
Title (EN) ROAD TRAFFIC ANOMALY DETECTION METHOD USING NON-ISOMETRIC TIME/SPACE DIVISION
(FR) PROCÉDÉ DE DÉTECTION D'ANOMALIES DE TRAFIC ROUTIER PAR DIVISION TEMPS/ESPACE NON ISOMÉTRIQUE
(ZH) 一种非等距时空划分的道路交通异常检测方法
Abstract:
(EN) A road traffic anomaly detection method using non-isometric time/space division, comprising: establishing time/space sub-segments; preprocessing past tracking data; preprocessing real-time tracking data; analyzing past tracking data and training an RNN model; analyzing real-time tracking data and extracting features; detecting anomalies; indicating the degree of severity of the anomalies; and evaluating system performance. The method utilizes road network density or peak hour traffic as the basis for the division of time/space ranges, and uses a large amount of past tracking data to train an RNN model. The difference between RNN model prediction values and actual values reflects differences in traffic states. The present method achieves real-time smart detection of road traffic anomalies and incidents on city roads, increases detection reliability, and is low in cost.
(FR) L'invention concerne un procédé de détection d'anomalies de trafic routier par division temps/espace non isométrique, consistant : à établir des sous-segments temps/espace; à prétraiter des données de suivi passé; à prétraiter des données de suivi en temps réel; à analyser des données de suivi passé et à entraîner un modèle de RNN; à analyser des données de suivi en temps réel et à extraire des attributs; à détecter des anomalies; à indiquer le degré de gravité des anomalies; et à évaluer la performance du système. Le procédé utilise la densité de réseau routier ou le trafic en heures de pointe comme base pour la division des plages temps/espace, et utilise une grande quantité de données de suivi passé pour entraîner un modèle de RNN. La différence entre les valeurs de prédiction du modèle de RNN et les valeurs réelles reflète des différences d'états de trafic. Le présent procédé permet d'obtenir la détection intelligente en temps réel d'anomalies de trafic routier et d'incidents sur les routes urbaines, accroît la fiabilité de détection, et présente un faible coût.
(ZH) 一种非等距时空划分的道路交通异常检测方法,包括建立时空子区,历史轨迹数据的预处理,实时轨迹数据的预处理,历史轨迹数据分析和RNN模型训练,实时轨迹数据分析和特征提取,异常检测,异常严重性量化表征以及系统性能评价。该方法将路网密度或高峰小时流量作为时空范围划分依据,利用海量历史轨迹数据训练RNN模型,通过RNN模型预测值与实际值之间的差异反映交通状态差异。该方法实现了城市道路交通异常事件实时性、低成本、智能化检测,提高了检测的可靠性。
front page image
Designated States: AE, AG, AL, AM, AO, AT, AU, AZ, BA, BB, BG, BH, BN, BR, BW, BY, BZ, CA, CH, CL, CN, CO, CR, CU, CZ, DE, DJ, DK, DM, DO, DZ, EC, EE, EG, ES, FI, GB, GD, GE, GH, GM, GT, HN, HR, HU, ID, IL, IN, IR, IS, JO, JP, KE, KG, KH, KN, KP, KR, KW, KZ, LA, LC, LK, LR, LS, LU, LY, MA, MD, ME, MG, MK, MN, MW, MX, MY, MZ, NA, NG, NI, NO, NZ, OM, PA, PE, PG, PH, PL, PT, QA, RO, RS, RU, RW, SA, SC, SD, SE, SG, SK, SL, SM, ST, SV, SY, TH, TJ, TM, TN, TR, TT, TZ, UA, UG, US, UZ, VC, VN, ZA, ZM, ZW
African Regional Intellectual Property Organization (ARIPO) (BW, GH, GM, KE, LR, LS, MW, MZ, NA, RW, SD, SL, ST, SZ, TZ, UG, ZM, ZW)
Eurasian Patent Office (AM, AZ, BY, KG, KZ, RU, TJ, TM)
European Patent Office (EPO) (AL, AT, BE, BG, CH, CY, CZ, DE, DK, EE, ES, FI, FR, GB, GR, HR, HU, IE, IS, IT, LT, LU, LV, MC, MK, MT, NL, NO, PL, PT, RO, RS, SE, SI, SK, SM, TR)
African Intellectual Property Organization (BF, BJ, CF, CG, CI, CM, GA, GN, GQ, GW, KM, ML, MR, NE, SN, TD, TG)
Publication Language: Chinese (ZH)
Filing Language: Chinese (ZH)