-
公开(公告)号：CN113674525A
公开(公告)日：2021-11-19
申请号：CN202110869679.8
申请日：2021-07-30
Applicant: 长安大学
Abstract: 本发明公开一种基于稀疏数据的信号交叉口车辆排队长度预测方法，该方法首先获取信号交叉口车辆信息，利用建立的车辆跟驰模型补全车辆信息中缺失的普通车辆信息；根据排队条件提取车辆进入排队状态离散点并进行拟合得到车辆排队长度实时数据；利用建立的车辆排队长度预测模型预测不同时间跨度下的车辆排队长度。本发明解决了现有技术中存在的信号交叉口环境下车辆排队长度估算方法预测精度不高等问题。
-
公开(公告)号：CN113516846A
公开(公告)日：2021-10-19
申请号：CN202110702854.4
申请日：2021-06-24
Applicant: 长安大学
Abstract: 本发明公开了一种车辆换道行为预测模型构建、预测预警方法及系统，利用车载终端实时采集车辆行驶状态数据，并进行车辆间数据通信；通过结合博弈论和深度学习技术，从数据中获取不同车辆在行驶过程中的动态交互作用，对车辆周围行驶环境信息的分析，利用博弈理论判断当前环境是否适合车辆换道，进而量化驾驶员的换道意图，利用深度学习算法识别并预测车辆的运行数据，当运行数据开始满足车道改变的特征时，本发明可以在短时间内得到车辆正在执行换道操作的预测结果，还可以将预测出的换道行为以车间通信的方式发送到周围车辆的车载终端，起到预警作用。
-
公开(公告)号：CN108961798B
公开(公告)日：2021-05-18
申请号：CN201810910380.0
申请日：2018-08-10
Applicant: 长安大学
IPC: G08G1/0962 , G08G1/0967
Abstract: 本发明公开了一种无人车交通信号灯自主感知能力测试系统及方法，通过设置测试管理中心、测试道路、路侧测试设备和交通信号灯，以及在测试车辆上搭载车载智能终端，通过路侧交通信号灯控制设备实时控制交通信号灯的运行，将当前信号灯状态发送到测试场景内的车辆和测试管理中心，在测试场景区域布置感知测试启动和结束参考线，利用路侧测试设备或测试管理中心通过对比交通信号灯实际状态和交通信号灯感知结果数据，对无人车交通信号灯自主感知能力进行评价，从而能够模拟真实交通环境，测试结果能够更准确地评价无人车交通信号灯自主感知能力，对于实际道路测试，更加安全，相比于虚拟仿真测试，更加接近实际交通环境，测试数据更加真实可靠。
-
公开(公告)号：CN109583508A
公开(公告)日：2019-04-05
申请号：CN201811504239.7
申请日：2018-12-10
Applicant: 长安大学
Abstract: 一种基于深度学习的车辆异常加减速行为识别方法，包括以下步骤：步骤一、对车辆运行过程中车载终端采集到的状态参数和车载雷达数据进行预处理；步骤二、对筛选出的数据进行异常加减速点统计分析，挖掘出异于寻常的加速度点；步骤三、将车辆的每个行程按照采集数据的时间进行排序，将数据组成一个完整时间序列，并根据时间将行程分为片段，然后进行异常加减速行为的提取；步骤四、建立异常加减速行为识别数据集；步骤五、搭建长短期记忆网络；步骤六、将车辆行驶过程中的各项参数放入训练之后的长短期记忆网络中进行验证，判断车辆在行驶过程中是否有异常加减速行为。本发明能够降低对数据采集设备的要求，并且显著地提高识别精度。
-
公开(公告)号：CN119378371A
公开(公告)日：2025-01-28
申请号：CN202411396267.7
申请日：2024-10-08
Applicant: 长安大学
IPC: G06F30/27 , G06N3/0455 , G06N3/0499 , G06N3/08 , G06F30/20
Abstract: 本申请涉及车辆测试技术领域，尤其涉及一种自动驾驶关键测试场景泛化生成系统和生成方法。场景生成系统包括：编码器、解码器、生成器以及判别器。其中，编码器，用于对输入的真实场景信息进行特征提取，并对提取的特征信息进行编码，得到编码后的真实场景信息；生成器和判别器，用于根据输入的噪声信息，通过生成器和判别器相互博弈，生成潜在场景信息；解码器，用于对真实场景信息和潜在场景信息进行解码，得到测试评价场景。这样可以根据真实场景信息和潜在的随机噪声信号构造接近真实场景的测试场景，以满足自动驾驶车辆的仿真测试，且可以通过调整场景构建信息以构建不同的、多样的场景，使得自动驾驶车辆的测试场景更加全面。
-
Patent Agency Ranking
公开(公告)号：CN118865323A
公开(公告)日：2024-10-29
申请号：CN202410909438.5
申请日：2024-07-08
Applicant: 长安大学
IPC: G06V20/58 , G08G1/095 , G06V10/774 , G06V10/82
Abstract: 本申请涉及智慧交通技术领域，尤其涉及一种自动驾驶汽车信号灯状态识别跟踪方法和识别跟踪装置。识别跟踪方法包括，首先获取信号灯图像；将信号灯图像输入至训练好的状态识别模型中，得到信号灯图像对应的信号灯状态。其中，状态识别模型包括骨干网络、编码器、解码器和预测网络；骨干网络，用于得到多尺度信号灯状态特征图；编码器，用于对状态特征图进行编码，得到编码后的特征信息；解码器，用于对编码后的特征信息进行信息匹配，得到正样本图像和负样本图像；预测网络，用于对正样本图像和负样本图像进行状态识别，得到信号灯图像对应的信号灯状态。本申请通过对信号灯图像进行特征提取和轨迹跟踪，可以精确的识别出信号灯的状态信息。
-
公开(公告)号：CN115123238B
公开(公告)日：2024-10-22
申请号：CN202210731268.7
申请日：2022-06-24
Applicant: 长安大学
IPC: B60W30/18 , B60W40/105 , B60L53/12
Abstract: 本发明公开了一种面向无线充电信号交叉口网联车辆的纵向速度引导方法，包括：根据网联车辆的车辆剩余电量状态选择个性化通行模式；以通行效率、车辆电量消耗和驾驶舒适度作为优化目标，以车辆初始状态、车辆行驶距离、车辆运动学参数、信号灯参数作为约束条件，并结合个性化通行模式，构建节能驾驶模型；对节能驾驶模型进行改进和处理，优化得到近似节能驾驶模型；应用粒子群算法对近似节能驾驶模型进行模型求解，计算得到最优决策变量；根据最优决策变量生成车辆纵向速度建议曲线，并将其传递给网联车辆。可以解决现有技术中存在的车辆实时速度控制精度不高、计算效率较低等问题，从而实现提升电动车辆行驶里程，缓解用户行驶里程焦虑。
-
公开(公告)号：CN118629207A
公开(公告)日：2024-09-10
申请号：CN202410815233.0
申请日：2024-06-24
Applicant: 长安大学
Abstract: 本发明公开了一种高速匝道合流区混合交通流决策控制方法、装置及设备。其中，高速匝道合流区混合交通流决策控制方法包括：获取进入高速匝道合流区的目标车辆的运行状态，高速匝道合流区设于预先建立的混合交通多车道合流场景模型中，目标车辆包括智能网联车辆和人工驾驶车辆；设计生成符合目标车辆的驾驶效益的成本函数；根据目标车辆在当前时间步内的交互状况预测下一时间步的终端状态；根据目标车辆在当前时间步的初始状态和下一时间步的终端状态求解成本函数，以得到博弈决策结果；根据博弈决策结果控制智能网联车辆完成交通合流。本发明可以实现智能网联车辆和人工驾驶车辆共存的混合交通流下高速匝道的合流控制，且适用范围广。
-
公开(公告)号：CN109094574A
公开(公告)日：2018-12-28
申请号：CN201810864504.6
申请日：2018-08-01
Applicant: 长安大学
IPC: B60W50/00 , B60W50/02 , B60W50/14 , G01M17/007
Abstract: 本发明公开了一种基于台架的无人车驾驶状态测量控制系统，通过信息采集模块获取无人车车辆状态特征，包括方向盘转角、车速、刹车状态等；通过高清摄像头、雷达和激光测距仪获取无人车周围环境数据，包括路障，路标和道路交通标线，以高性能的嵌入式计算机作为主控模块，将获取的车辆状态信息及周围环境信息数据并行输入数据规格化分块存储模块，主控模块通过分析得到无人车驾驶状态信息，从数据分块检测模块分别获取相应的信息，再分别通过控制模块对车辆进行控制，包括车道偏离预警，发出报警并紧急制动，能够有效的检测异常无人车驾驶状态，并采取相应的措施，避免发生安全事故。
-
公开(公告)号：CN108961798A
公开(公告)日：2018-12-07
申请号：CN201810910380.0
申请日：2018-08-10
Applicant: 长安大学
IPC: G08G1/0962 , G08G1/0967
CPC classification number: G08G1/09623 , G08G1/096725
Abstract: 本发明公开了一种无人车交通信号灯自主感知能力测试系统及方法，通过设置测试管理中心、测试道路、路侧测试设备和交通信号灯，以及在测试车辆上搭载车载智能终端，通过路侧交通信号灯控制设备实时控制交通信号灯的运行，将当前信号灯状态发送到测试场景内的车辆和测试管理中心，在测试场景区域布置感知测试启动和结束参考线，利用路侧测试设备或测试管理中心通过对比交通信号灯实际状态和交通信号灯感知结果数据，对无人车交通信号灯自主感知能力进行评价，从而能够模拟真实交通环境，测试结果能够更准确地评价无人车交通信号灯自主感知能力，对于实际道路测试，更加安全，相比于虚拟仿真测试，更加接近实际交通环境，测试数据更加真实可靠。
-
-
-
-
-
-
-
-
-
Search Results
20
records
(took 0.022 seconds)
