-
公开(公告)号：CN116796554A
公开(公告)日：2023-09-22
申请号：CN202310790834.6
申请日：2023-06-30
Applicant: 清华大学
Abstract: 本公开提供的一种行人与非机动车微观行为建模方法，根据道路拓扑结构确定被控交通参与者的可执行的离散目标点集合；选择下一目标点并设定目标速度；计算被控交通参与者的社会力合力，其中车辆对被控交通参与者的社会力是通过结合车辆当前位置至未来时刻位置所涵盖的区域投影至被控交通参与者目标点坐标系下形成抽象的车辆形状，同时将横纵向距离较近的车辆合并抽象为一辆车，分开计算车辆对被控交通参与者的横向社会力和纵向社会力，并根据被控交通参与者相对车辆的位置约束横纵向社会力的大小所得到；根据被控交通参与者所受的社会力合力更新其下一时刻的状态。本公开仅用少数参数即可描述被控交通参与者复杂动态的运动，更加符合真实交通场景。
-
公开(公告)号：CN116552568A
公开(公告)日：2023-08-08
申请号：CN202310658789.9
申请日：2023-06-05
Applicant: 清华大学
IPC: B60W60/00 , B60W30/095 , B60W40/00 , G06F17/10
Abstract: 本申请涉及一种自动驾驶汽车集成式决控的静态路径优选方法及装置，其中，方法包括：基于静态路径集合，分别计算每条静态路径的安全性指标、合规性指标、通畅性指标、经济性指标和舒适性指标；根据每条静态路径的安全性指标、合规性指标、通畅性指标、经济性指标和舒适性指标及对应的优先度和权重，计算每条静态路径的综合评价指标；根据每条静态路径的综合评价指标的大小和变化信息从基于静态路径集合中选取满足预设条件的最优静态路径。由此，解决了相关技术中，由于集成式决控动态跟踪控制将决策，规划和控制融合为一体，使得存在功能集成度高、算法设计复杂、计算规模大和实时性差的问题。
-
公开(公告)号：CN113159576B
公开(公告)日：2022-05-13
申请号：CN202110430527.8
申请日：2021-04-21
Applicant: 清华大学
Abstract: 本发明公开了一种自动驾驶汽车的行车风险计算方法及在线评估系统，所述方法计算自车以未来时刻的运动状态与周边的交通参与者或者静态道路设施发生的假设性碰撞将导致的碰撞损伤；将碰撞损伤在空间和时间维度上进行折减，取最大值作为当前时刻的行车风险值。所述系统包括传感器模块，轨迹预测模块和风险评估模块。本发明通过考虑潜在碰撞双方类型及其安全特性，实现以碰撞损伤为标准的车辆行车碰撞风险计算，为涉及多个、多类型潜在碰撞对象情况下的车辆运行风险差异化表征提供了技术方案。
-
公开(公告)号：CN111897217B
公开(公告)日：2022-03-11
申请号：CN202010698398.6
申请日：2020-07-20
Applicant: 清华大学
IPC: G05B13/04
Abstract: 本发明涉及一种模型预测控制器时域分解加速方法，属于自动控制技术领域。本发明方法将模型预测控制算法在预测时域上进行分解，将预测时域内的每一组状态量，视作拓扑结构中的节点，利用系统的预测方程，实现信息的跨节点传递。再利用一致性优化方法对该问题进行迭代计算，交替更新原始变量、共识变量以及对偶变量，直至满足收敛准则。本发明通过信息的跨节点传递，提升了各节点间的信息传递效率。相比于信息仅在相邻节点间传递的传统方法，该方法大幅度提升了算法的收敛速。
-
公开(公告)号：CN111562740B
公开(公告)日：2021-04-23
申请号：CN202010371477.6
申请日：2020-05-06
Applicant: 清华大学
IPC: G05B13/04
Abstract: 本发明涉及自动控制技术领域，特别涉及一种基于利用梯度的多目标强化学习算法的自动控制方法。本发明利用强化学习算法中已知的梯度信息更新函数参数，相比于单策略多目标强化学习算法，本算法能够求得帕雷托前沿解集，可以在实际控制时根据不同需要选择不同的控制策略；相比于多策略多目标强化学习算法中的凸包法，本算法不依赖于目标回报的线性加权，能够获得前沿解中非凸区域的控制策略；相比于多策略多目标强化学习算法中的多参数法，本算法能够一次性求解所有帕雷托前沿解，算法效率较高；相比于多策略多目标强化学习算法中的结合多目标优化算法的方法，本算法利用了梯度信息，加快了算法的收敛速度。
-
Patent Agency Ranking
公开(公告)号：CN111445692B
公开(公告)日：2021-01-29
申请号：CN201911343787.0
申请日：2019-12-24
Applicant: 清华大学
Abstract: 本发明提出的一种无信号灯路口智能网联汽车的速度协同优化方法，包括：当前协同优化周期开始时刻，选择交叉路口范围内与其他路径存在冲突点的全部路径中未进行协调优化的各辆首车，根据其各自位置和初始速度信息，求解混合整型线性规划问题，获得每辆车的期望通行车速及车辆间的相对通行顺序；随后规划选择的各车辆的加速过程，并确保本轮车辆均在上轮车辆驶离交叉路口后再驶入交叉路口。此外，本方法在每轮优化中，动态提取一个子集，作为优化的对象，间接地将距离路口相对较远的车辆删除，避免了效率损失。本发明可以保证求解问题的规模上限为受控车道数目，从而降低了对服务器的计算能力、通信频率要求，适用于车辆动态驶入驶出的路口场景。
-
公开(公告)号：CN112115555A
公开(公告)日：2020-12-22
申请号：CN202011013109.0
申请日：2020-09-24
Applicant: 清华大学
Abstract: 本发明公开了一种智能网联环境下汽车瞬时油耗监测方法，该方法包括：预先设置归一化变量三角函数模型，对燃油消耗率进行预测：式中，v表示与待预测的燃油消耗率对应于车辆速度，a表示与待预测的燃油消耗率对应于车辆加速度，β1、β2、β3和β4为已知参数，vmin表示所有综合各典型道路工况下的实测数据样本集中的速度最小值，vmax表示所有综合各典型道路工况下的实测数据样本集中的速度最大值，amin表示所有综合各典型道路工况下的实测数据样本集中的加速度最小值，amax表示所有综合各典型道路工况下的实测数据样本集中的速度最大值。本发明能够仅使用有限的4个参数对车联网下的瞬态油耗进行预测。
-
公开(公告)号：CN110015306B
公开(公告)日：2020-12-04
申请号：CN201810022810.5
申请日：2018-01-10
IPC: B60W40/09 , B60W40/04 , B60W40/105 , B60W40/107 , B60W40/109
Abstract: 本发明公开了一种驾驶轨迹获取方法，可应用在自动驾驶领域/智能驾驶领域，该方法包括：获取车辆A的驾驶员的驾驶风格系数；根据所述车辆A的驾驶员的驾驶风格系数，计算得到所述车辆A的驾驶员的代价函数，所述代价函数用于表征所述车辆A从所述车辆A的驾驶轨迹的初始节点到当前节点所付出的代价；根据所述代价函数在第一三维时空地图上计算得到所述车辆A的驾驶轨迹本发明公开了一种驾驶轨迹获取装置。本发明实施例的方案应用在智能汽车/电动汽车/新能源汽车上使得驾驶轨迹能够匹配所有驾驶员的驾驶风格，提高了驾驶员对驾驶轨迹的满意度。
-
公开(公告)号：CN111634280A
公开(公告)日：2020-09-08
申请号：CN202010530151.3
申请日：2020-06-11
Applicant: 清华大学
IPC: B60W30/14
Abstract: 本发明公开了一种面向节能巡航驾驶应用的云控平台及预测巡航控制系统，所述云控平台包括：解析单元，其用于接收、解析车辆当前状态信息；地图单元，其用于接收所述解析单元解析得到的车辆GPS定位信息，获取从当前时刻k开始车辆前方预设长度路段范围S内的道路信息；计算单元，用于接收所述解析单元解析得到的车辆当前状态信息以及所述地图单元输送的车辆前方预设长度路段范围S内的道路信息，规划出车辆前方预设长度路段范围S内的车辆最佳节油车速。本发明能够保证驾驶员舒适性的前提下提高车辆的燃油经济性。
-
公开(公告)号：CN111221334A
公开(公告)日：2020-06-02
申请号：CN202010050822.6
申请日：2020-01-17
Applicant: 清华大学 , 北京嘀嘀无限科技发展有限公司
IPC: G05D1/02
Abstract: 本发明提出的一种用于自动驾驶汽车仿真的环境传感器模拟方法，包括以下步骤：1)在自车的配置文挡中设置传感器配置信息并定义探测目标类型；2)引入测量误差，分别构建各传感器的测量量模型和探测类型模型；3)设定仿真环境下自车探测范围内所有探测目标的真实信息，并筛选自车探测范围内的可探测目标；4)将筛选的自车探测范围内各可探测目标的真实信息分别输入步骤2)构建的相应模型中，得到不同传感器对各可探测目标相对于自车的测量量估计值作为结果输出。本发明提供的环境传感器建模方法具有通用性好、仿真精度优化、计算效率高的特点。
-
-
-
-
-
-
-
-
-
Search Results
198
records
(took 0.043 seconds)
