考虑驾驶人反应能力的换道场景车辆风险动态评价方法

    公开(公告)号:CN113479201B

    公开(公告)日:2022-08-12

    申请号:CN202110960754.1

    申请日:2021-08-20

    Applicant: 燕山大学

    Abstract: 本发明公开了一种考虑驾驶人反应能力的换道场景车辆风险动态评价方法,属于车辆风险监测与预警领域,包括根据前、后车实时相对运动状态判断动态最小安全距离,考虑驾驶人反应能力的制动距离差异化计算方法,以及换道场景中的车辆风险动态预测方法,本发明通过计算前、后车的实时最小安全距离为动态预测车辆风险状态提供支撑,使用时间裕度作为驾驶人反应能力和碰撞风险的评价指标,实现对换道场景的车辆风险状态进行预测,能够实时监控跟车场景中自车与周围车辆的相对运动状态,计算车辆风险状态预测结果,能够为车辆风险监测与避撞系统提供技术积累和理论支撑。

    基于点云二维密度的路侧视角地面分割方法、系统及介质

    公开(公告)号:CN114820662A

    公开(公告)日:2022-07-29

    申请号:CN202210565810.6

    申请日:2022-05-23

    Applicant: 燕山大学

    Abstract: 本发明涉及一种基于点云二维密度的路侧视角地面分割方法,包括下述步骤:获取雷达坐标系下路侧视角的地面原始点云数据;基于原始点云数据,采用密度计算获得二维密度、密度降序点云;基于二维密度、密度降序点云,获得点云二维密度的密度阈值;基于密度阈值、二维密度、密度降序点云,得到分割的地面点云。本发明方法应用时不需做出假设,具有广泛的适用性。本发明方法把地面点云处理成点云二维密度,计算量小,实时性高。并进一步在分割算法中采用栅格数据、kd树以优化计算过程。本发明方法得到的地面点云具有较高的准确性和较强的稳定性。

    一种车辆换道纵向位移计算方法及其优化方法

    公开(公告)号:CN113901582A

    公开(公告)日:2022-01-07

    申请号:CN202111176612.2

    申请日:2021-10-09

    Applicant: 燕山大学

    Abstract: 本发明涉及一种车辆换道纵向位移计算方法及其优化方法。本发明首先解决了常规换道持续时间以及换道纵向位移预测忽视了驾驶人行为负荷的问题,综合考虑驾驶人脑力需求、视觉占用、驾驶绩效、时间紧迫感、努力程度与受挫程度提出一种多维度汽车驾驶人驾驶负荷量表,然后选择自车速度、跟车距离、横向位移与驾驶行为负荷量分析其对换道持续时间的影响,并以皮尔逊相关性检验进一步确定其相关性是否显著,本发明实现车辆换道时实时动态的换道持续时间与纵向位移计算方法,计算量小、准确性高,适合大规模的使用,为准确预估车辆换道轨迹降低换道风险提供了理论依据和技术支撑,为智能驾驶领域中车辆换道轨迹预测提供统一有效的理论依据和研究方法。

    一种跟车场景车辆风险状态的动态评价方法

    公开(公告)号:CN113479200A

    公开(公告)日:2021-10-08

    申请号:CN202110959935.2

    申请日:2021-08-20

    Applicant: 燕山大学

    Abstract: 本发明公开了一种跟车场景车辆风险状态的动态评价方法,属于车辆风险监测与预警领域,包括根据前、后车实时相对运动状态判断动态最小安全距离,以时间裕度作为衡量驾驶人反应能力的指标,提出考虑驾驶人反应能力的制动距离差异化计算方法,以及跟车场景中的车辆风险动态评价方法。本发明所提出的跟车场景车辆风险评价方法,能够实时监控跟车场景中自车与前车辆的相对运动状态,计算车辆风险状态评价结果,能够为车辆风险监测与避撞系统提供技术积累和理论支撑。

    考虑点云分布结构的目标检测模型泛化性增强方法及装置

    公开(公告)号:CN118967918A

    公开(公告)日:2024-11-15

    申请号:CN202410936585.1

    申请日:2024-07-12

    Applicant: 燕山大学

    Abstract: 本申请涉及三维目标检测技术领域,具体而言,涉及一种考虑点云分布结构的目标检测模型泛化性增强方法及装置,一定程度上可以解决现有的深度学习模型在不同于数据集中激光雷达点云数据分布结构的情况下,实际场景泛化能力不足的问题。该方法包括:获取具有三维目标检测真值的公开仿真自动驾驶数据集与自然驾驶数据集中的激光雷达点云数据;通过激光雷达点云体素化过滤,得到多个点云数据集;将多个点云数据集的原点坐标进行高度统一,并去除点云反射强度维度;将处理好的多个点云数据集进行融合,分为训练集、测试集及验证集;基于训练集,使用现有的三维目标检测网络进行训练,得到强泛化性三维目标检测模型。

    基于多维奖励Q学习的模型预测加权因子动态调整方法

    公开(公告)号:CN115167134B

    公开(公告)日:2024-10-25

    申请号:CN202210846015.4

    申请日:2022-07-19

    Applicant: 燕山大学

    Abstract: 本发明涉及一种基于多维奖励Q学习的模型预测加权因子动态调整方法,属于自动驾驶车辆轨迹跟踪控制领域。解决了采用模型预测控制原理设计轨迹跟踪控制器时对加权因子的选取不当会降低自动驾驶车辆轨迹跟踪稳定性和精确性以及行驶安全性的问题。本发明通过强化学习中Q学习方法,训练了加权因子最优调整策略,可实时动态调整模型预测轨迹跟踪控制器的加权因子,从而实时优化自动驾驶车辆的轨迹跟踪性能,以减少在每个采样时刻下车辆实际位置与预期轨迹之间的误差,提高自动驾驶车辆的轨迹跟踪精度和行驶稳定性、舒适性。

    一种区域型客流预测系统及方法
    18.
    发明公开

    公开(公告)号:CN117974208A

    公开(公告)日:2024-05-03

    申请号:CN202410014613.4

    申请日:2024-01-04

    Applicant: 燕山大学

    Abstract: 本案涉及一种区域型客流预测系统及方法,用于解决现有技术难以全面挖掘客流信息隐含关系的问题。本方案如下:基于区块连接图A和历史客流量序列Xinput,获取客流变化空间关联特征,预测各区块未来客流量Y1;基于历史客流信息Xinput和对应时间信息Tx,获取客流变化时间依赖关系和客流信息之间的关联特征,预测各区块未来客流量Y2;基于历史客流信息Xinput和对应时间信息Tx,获取客流信息的周期性变化规律,预测各区块未来客流量Y3;将客流信息Xinput、基于未来客流量Y1、未来客流量Y2、未来客流量Y3,进行融合重组得到Xrec;基于重组信息Xrec和对应的时间信息Trec,预测各区块最终客流信息。通过不同侧重点的预测结果丰富客流信息,提高客流信息预测准确度。

    一种能量管理方法、装置、汽车及存储介质

    公开(公告)号:CN114643904B

    公开(公告)日:2023-07-18

    申请号:CN202210181215.2

    申请日:2022-02-25

    Applicant: 燕山大学

    Abstract: 本申请提供一种能量管理方法、装置、汽车及存储介质,该方法包括:获取当前运动片段中汽车的工况特征参数;汽车包括至少两个动力源;根据工况特征参数,预测至少一个未来运动片段中汽车的未来工况特征参数;根据未来工况特征参数,预测至少一个未来运动片段对应的长期动态工况;基于长期动态工况,计算动态功率需求;对动态需求功率,使用三阶Haar小波变换算法进行分解重构,得到高频功率分量和低频功率分量;将高频功率分量和低频功率分量,根据设定的功率分配规则分配给汽车的各个动力源。该方案:可以更加可靠、精准的预测工况,具有优越的节能特性,且在一定程度上减少了动力电池寿命的损耗。

    基于多层时空融合的轻量化驾驶人注意力预测方法和装置

    公开(公告)号:CN115457521A

    公开(公告)日:2022-12-09

    申请号:CN202211120747.1

    申请日:2022-09-15

    Applicant: 燕山大学

    Abstract: 本发明提供了一种基于多层时空融合的轻量化驾驶人注意力预测方法和装置。该方法包括:获取视频帧提取并存储所述视频帧中连续帧间的多层级空间特征;通过在时间维度融合所述多层级空间特征来生成驾驶人的注意力显著图;基于所述驾驶人的注意力显著图来输出驾驶人注意力预测结果。通过轻量化骨干和轻量化3D模块的设计有效提升了驾驶场景中驾驶人注意力预测的速度。本发明还使用了多尺度策略提取动态图像在不同层级上的尺度信息,使得网络可以充分的利用动态场景的时间、空间和尺度信息,从而使得驾驶人注意力预测的精度更高,实现快速、精确的感知驾驶场景中潜在风险或提供决策所需关键信息,增强智能汽车的功能可理解性和鲁棒性。

Patent Agency Ranking