-
公开(公告)号:CN116842340A
公开(公告)日:2023-10-03
申请号:CN202310748925.3
申请日:2023-06-21
Applicant: 上海智能网联汽车技术中心有限公司 , 上海交通大学
IPC: G06F18/20 , G06F18/214 , G06F18/10
Abstract: 本发明涉及一种基于ATT‑GRU模型的行人轨迹预测方法和设备,方法包括如下步骤:采集人车混行环境下,行人在通过斑马线时的行人运动特性数据、异质性数据和交互场景数据并进行预处理;基于预处理后的行人运动特性数据、异质性数据和交互场景数据,利用预先训练好的ATT‑GRU模型对预定时长内的运动轨迹进行预测。与现有技术相比,本发明充分考虑行人自身的异质性,选取能够进行长时域轨迹预测的ATT‑GRU模型,将预测的轨迹输入到自动驾驶汽车的智能决策模块,帮助车辆实现实时的避障规划,保护行人的安全性,提高了自动驾驶汽车的通行能力。
-
公开(公告)号:CN114446046A
公开(公告)日:2022-05-06
申请号:CN202111566618.0
申请日:2021-12-20
Applicant: 上海智能网联汽车技术中心有限公司 , 上海交通大学
Abstract: 本发明涉及一种基于LSTM模型的弱势交通参与者轨迹预测方法,其特征在于,该方法包括以下步骤:步骤1:选取弱势交通参与者和车辆在人车混行情况下的斑马线区域进行前期调查;步骤2:获取过街弱势交通参与者运动状态信息、过街弱势交通参与者个体特征信息及交互场景信息;步骤3:建立LSTM模型,并对LSTM模型进行训练;步骤4:通过训练后的LSTM模型对过街弱势交通参与者进行轨迹预测,获取未来第一预设时长内过街弱势交通参与者的预测轨迹,与现有技术相比,本发明具有提高弱势交通参与者过街的安全性和提高道路的通行能力等优点。
-
公开(公告)号:CN117408307A
公开(公告)日:2024-01-16
申请号:CN202311447163.X
申请日:2023-11-01
Applicant: 上海交通大学
IPC: G06N3/0455 , B60W50/00 , G06N3/0499 , G06N3/098
Abstract: 本发明提供了一种用于量化车辆横纵向操控行为与乘客驾乘体验之间关系的模型,包括:心理物理学机理子模型:建立驾乘舒适性量化子模型,基于量化心理学原理,从输入参数中抽取特征向量;数据驱动子模型:定量分析不同车辆操作行为所产生的车辆动力学序列与乘客主观感受之间的关系;集成学习模型:以心理物理学机理子模型的输出和数据驱动子模型的输出为输入,通过全连接网络融合两个子模型的输出,得到整个模型的输出结果,该结果为当前输入的车辆动力学序列所对应的驾乘舒适性的指标。本发明解决了单位交通工况内较长车辆动力学参数序列特征编码与汇聚困难的问题,提升了驾乘舒适性模型对长序列输入中前后依赖关系的建模能力。
-
公开(公告)号:CN111459168A
公开(公告)日:2020-07-28
申请号:CN202010327545.9
申请日:2020-04-23
Applicant: 上海交通大学
Abstract: 本发明提供了一种融合的自动驾驶汽车过街行人轨迹预测方法及系统,包括:根据车载传感器融合算法,获得过街行人运动状态信息、行人个体特征信息及车辆运动状态信息;通过对车载传感器获得的上述状态数据,对社会力模型中的参数进行标定;通过对车载传感器获得的上述状态数据,训练LSTM模型的结构权重和偏置参数;利用社会力模型和LSTM模型分别预测正在过街的行人运动轨迹;通过上述模型预测的运动轨迹和过街行人实际轨迹真值导入到Stacking融合模型,训练结构权重;利用Stacking融合模型输出最优的过街行人未来第一预设时长内的预测轨迹;本发明利用Stacking算法融合社会力模型和LSTM模型,达到减小方差、偏差的效果,从而保证预测轨迹与行人的实际轨迹更加贴近。
-
公开(公告)号:CN116955953A
公开(公告)日:2023-10-27
申请号:CN202310877379.3
申请日:2023-07-17
Applicant: 上海智能网联汽车技术中心有限公司 , 上海交通大学
IPC: G06F18/20 , G06F18/213 , G06N3/0464 , G06N3/08 , G06Q50/30 , G06Q50/26
Abstract: 本发明涉及一种基于TransFormer的公交站人流量预测方法,首先在BRT公交站的真实交通场景下采集人流量数据,通过数据处理与数据增强建立了更适用于自动驾驶应用场景的人流量数据集;其次建立了TransFormer预测模型,模型以公交站的观测序列(观察时刻、天气、人流量、工作日)作为网络的输入特征,使用编码器‑解码器框架,引入自注意力机制挖掘观测序列中影响未来人流量的隐藏要素,最终通过改进的预测模型对公交站未来人流里进行了预测,使外部环境因素对人流量的影响更加显著。本发明充分考虑外部因素对公交站人流量的影响,将优化的预测模型运用到公交站的人流量预测,能够提升BRT公交站人流量预测的准确性。
-
公开(公告)号:CN114462667A
公开(公告)日:2022-05-10
申请号:CN202111566614.2
申请日:2021-12-20
Applicant: 上海智能网联汽车技术中心有限公司 , 上海交通大学
IPC: G06Q10/04 , G06Q10/06 , G06Q50/26 , G06K9/62 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/04 , G06N3/08 , G08G1/09
Abstract: 本发明涉及一种基于SFM‑LSTM神经网络模型的过街行人轨迹预测方法,该方法包括以下步骤:步骤1:获取过街行人运动状态信息、个体特征信息和人车交互场景信息;步骤2:进行数据预处理和数据增强,建立行人轨迹数据集;步骤3:建立并训练LSTM神经网络模型;步骤4:通过训练后的LSTM神经网络模型获取过街行人的预测轨迹;步骤5:采用最大似然估计法对社会力模型进行参数标定;步骤6:根据社会力模型对预测轨迹进行修正,并输出过街行人的最优预测轨迹;步骤7:将最优预测轨迹广播至附近的车辆,以协助智能网联车辆进行决策,与现有技术相比,本发明具有提高行人过街的安全性、降低车辆的延误率和提高道路的通行能力等优点。
-
公开(公告)号:CN117037243A
公开(公告)日:2023-11-10
申请号:CN202310928541.X
申请日:2023-07-26
Applicant: 上海智能网联汽车技术中心有限公司 , 上海交通大学
IPC: G06V40/16 , G06V10/44 , G06V10/62 , G06V10/25 , G06V10/764 , G06V10/766 , G06V10/82 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明涉及一种基于面部关键点及时序特征编码的人员状态监测方法,包括如下步骤:S1,采集自动驾驶BRT人员的图像信号并进行预处理;S2,基于预处理后的图像信号,利用MTCNN检测并截取人员的面部图像;S3,针对所述面部图像,采用PFLD检测面部关键点;S4,将多帧图像的面部关键点输入预训练好的基于GRU的时序特征编码分类模型,获取人员的状态;S6:实时监测自动驾驶BRT人员状态,当出现疲劳、注意力分散等危险状态时发出危险警报。与现有技术相比,本发明对面部关键点时序特征进行编码,考虑了历史信息,具有更高的准确率与召回率。
-
公开(公告)号:CN111459168B
公开(公告)日:2021-12-10
申请号:CN202010327545.9
申请日:2020-04-23
Applicant: 上海交通大学
Abstract: 本发明提供了一种融合的自动驾驶汽车过街行人轨迹预测方法及系统,包括:根据车载传感器融合算法,获得过街行人运动状态信息、行人个体特征信息及车辆运动状态信息;通过对车载传感器获得的上述状态数据,对社会力模型中的参数进行标定;通过对车载传感器获得的上述状态数据,训练LSTM模型的结构权重和偏置参数;利用社会力模型和LSTM模型分别预测正在过街的行人运动轨迹;通过上述模型预测的运动轨迹和过街行人实际轨迹真值导入到Stacking融合模型,训练结构权重;利用Stacking融合模型输出最优的过街行人未来第一预设时长内的预测轨迹;本发明利用Stacking算法融合社会力模型和LSTM模型,达到减小方差、偏差的效果,从而保证预测轨迹与行人的实际轨迹更加贴近。
-
公开(公告)号:CN110362077B
公开(公告)日:2020-09-04
申请号:CN201910595551.X
申请日:2019-07-03
Applicant: 上海交通大学
IPC: G05D1/02
Abstract: 本发明提供了一种无人驾驶车辆紧急避险决策系统、方法及介质,包括:环境感知模块:获取环境信息;危险判别模块:根据获得的环境信息,分析车辆同障碍物之间是否会发生碰撞危险,输出危险状况信息,同时判定障碍物的类别,输出障碍物类别信息;智能决策模块:根据获得的环境信息、危险状况信息及障碍物类别信息,构建可行任务池,对可行任务的事故严重程度进行分析,确定最优可行任务。本发明具有应用上的便利性,能够兼容目前针对无事故下的车辆智能决策方案。本发明能够使车辆在面对必然发生的事故时,给出事故损害最小化的决策方案。
-
-
-
-
-
-
-
-
-