-
公开(公告)号：CN116523156A
公开(公告)日：2023-08-01
申请号：CN202310355005.5
申请日：2023-04-04
申请人： 同济大学
IPC分类号： G06Q10/047 , G01C21/20 , G01C21/34 , G06Q10/0631 , G06N3/0464 , G06N3/08
摘要： 本发明涉及一种复杂异质环境下的非保守型智能汽车决策规划一体化方法，包括以下步骤：离线构建社会互动知识学习模型并进行训练；实时在线获取周围交通参与者状态数据和智能汽车状态数据，并进行拼接处理后得到环境状态；以环境状态作为训练完成的社会互动知识学习模型的输入，得到包括智能汽车在内的所有交通参与者的预测轨迹；基于预测轨迹更新环境状态；将更新环境状态重新输入社会互动知识学习模型，迭代完成智能汽车轨迹决策规划，其中，智能汽车的规划轨迹为每次迭代得到的预测轨迹第一点的拼接结果。与现有技术相比，本发明具有考虑了社会互动的预测对轨迹的影响、决策规划一体化等优点。
-
公开(公告)号：CN112201033B
公开(公告)日：2022-06-07
申请号：CN202010934287.0
申请日：2020-09-08
申请人： 同济大学
摘要： 本发明涉及一种道路交通运行主动管控策略选择方法，包括以下步骤：获取路段位置信息、路段属性和当前交通运行状态，构建在线仿真交通流模型；基于当前交通运行状态和路段属性，从历史数据中得到潜在管控策略，生成平行仿真案例；构建潜在管控策略下的驾驶行为模型，基于驾驶行为模型进行平行的交通运行状态推演；对平行的交通运行状态推演结果进行评价，得到优选的道路交通运行主动管控策略。与现有技术相比，提升了运行状态预估的精度，提升了管控策略的针对性，实现了自动化主动管控策略选择。
-
公开(公告)号：CN110491121B
公开(公告)日：2022-04-05
申请号：CN201910682345.2
申请日：2019-07-26
申请人： 同济大学
摘要： 本发明涉及一种异质性交通事故致因分析方法及设备，方法包括以下步骤：步骤S1：获取事故相关数据，提取交通事故潜在影响因素；步骤S2：基于交通事故潜在影响因素，通过随机森林方法筛选交通事故关键影响因素；步骤S3：基于交通事故关键影响因素，通过潜类别分析方法获得影响因素均质的多个子集；步骤S4：基于影响因素均质的多个子集，通过路径分析方法获得异质性交通事故致因。与现有技术相比，可以较好地处理事故致因异质和同质的矛盾关系，帮助理解事故致因的多样化。
-
公开(公告)号：CN112201033A
公开(公告)日：2021-01-08
申请号：CN202010934287.0
申请日：2020-09-08
申请人： 同济大学
摘要： 本发明涉及一种道路交通运行主动管控策略选择方法，包括以下步骤：获取路段位置信息、路段属性和当前交通运行状态，构建在线仿真交通流模型；基于当前交通运行状态和路段属性，从历史数据中得到潜在管控策略，生成平行仿真案例；构建潜在管控策略下的驾驶行为模型，基于驾驶行为模型进行平行的交通运行状态推演；对平行的交通运行状态推演结果进行评价，得到优选的道路交通运行主动管控策略。与现有技术相比，提升了运行状态预估的精度，提升了管控策略的针对性，实现了自动化主动管控策略选择。
-
公开(公告)号：CN111242015A
公开(公告)日：2020-06-05
申请号：CN202010026768.1
申请日：2020-01-10
申请人： 同济大学
摘要： 本发明涉及一种基于运动轮廓语义图预测行车危险场景的方法，包括以下步骤：步骤S1：获取驾驶视频，分割感兴趣区域；步骤S2：将感兴趣区域使用目标检测算法来检测交通对象并生成运动轮廓语义图；步骤S3：统计运动数据，加速度阈值，将运动轮廓语义图划分为高风险事件或正常事件；步骤S4：输入到随机森林分类器，根据特征重要性进行排序获得重要运动学特征；步骤S5：构建多模态深度神经网络模型；步骤S6：获得待检测驾驶视频的运动轮廓语义图和重要运动学特征并输入至多模态深度神经网络模型，预测行车是否具有风险，若有风险则向驾驶员报警。与现有技术相比，本发明具有提高行车危险场景的预测准确度、减少测量波动等优点。
-
公开(公告)号：CN113779864B
公开(公告)日：2024-04-26
申请号：CN202110901295.X
申请日：2021-08-06
申请人： 同济大学
IPC分类号： G06F11/36 , G06N3/0499 , G06N3/084
摘要： 本发明涉及一种面向自动驾驶汽车的运行设计区域构建方法，具体包括以下步骤：S1、根据自动驾驶汽车的黑盒规控算法，组合应用重要度抽样方法和多层感知神经网络建模技术，构建运行安全性表现的代理模型；S2、获取运行安全性非单调变化特征，应用带动量的梯度下降法，搜索得到运行安全边界场景；S3、采集运行安全边界场景附近梯度值的变化趋势，分析梯度值的统计分布规律，根据分析结果构建安全冗余缓冲区域；S4、根据运行设计区域的设计规则，组合应用KD‑tree降维索引技术和平滑算法，得到安全冗余运行设计区域。与现有技术相比，本发明具有提升运行设计区域的安全保障程度、提高自动驾驶汽车安全测试的准确性和测试速度等优点。
-
公开(公告)号：CN117217019A
公开(公告)日：2023-12-12
申请号：CN202311272997.1
申请日：2023-09-28
申请人： 同济大学
IPC分类号： G06F30/20 , G01M17/007
摘要： 本发明涉及一种三相映射虚实融合仿真实验系统。该系统实体沙盘模块、交通仿真模块和驾驶模拟模块分别与数据中心模块连接并发送AV信号数据、SV信号数据和MV信号数据，数据中心模块接收并动态交互处理三类数据，驾驶模拟模块接收经处理的AV和SV信号数据，将更新的MV信号数据发至其余模块，交通仿真模块接收经处理的AV和MV信号数据，将更新的SV信号数据发至其余模块，实体沙盘模块接收经处理的SV和MV信号数据，将更新的AV信号数据发至其余模块，最后在有相同测试场景的实体沙盘模块、驾驶模拟模块和交通仿真模块同步显示三类数据的同步交互与更新情况，完成仿真实验。与现有技术相比，本发明具有提高仿真测试的有效性、真实性和环境适应性等优点。
-
公开(公告)号：CN113920780B
公开(公告)日：2022-12-16
申请号：CN202111021806.5
申请日：2021-09-01
申请人： 同济大学
摘要： 本发明涉及一种基于联邦学习的云雾协同个性化前向碰撞风险预警方法，具体包括以下步骤：S1、云端根据时序特征数值数据，通过长短时记忆神经网络，训练生成初始车辆行驶前向碰撞风险预警模型并下传至雾端；S2、雾端获取驾驶员累计行驶的本地数据，通过梯度下降算法对初始车辆行驶前向碰撞风险预警模型进行更新，模型参数更新后上传至云端；S3、云端对回传的模型参数进行聚合，更新初始车辆行驶前向碰撞风险预警模型并下传至雾端；S4、雾端通过迁移学习算法对驾驶员特性进行调参，形成个性化前向碰撞风险预警模型。与现有技术相比，本发明针对前向碰撞进行个性化高精度预警，具有提高高级驾驶辅助系统(ADAS)的利用率，降低追尾事故发生率等优点。
-
公开(公告)号：CN111707476B
公开(公告)日：2021-07-20
申请号：CN202010432644.3
申请日：2020-05-20
申请人： 同济大学
IPC分类号： G01M17/007 , G06F17/15 , G06F17/16
摘要： 本发明涉及一种面向自动驾驶汽车的纵向驾驶能力检测方法，包括：获取异质性群体驾驶行为数据，构建纵向驾驶行为特征库；针对车辆纵向安全距离保持行为，利用纵向驾驶行为特征库，构建驾驶能力评估指标体系；利用分位数回归方法和驾驶能力评估指标体系，构建纵向驾驶能力多因素解析模型；获取自动驾驶汽车运行数据，利用纵向驾驶能力多因素解析模型进行驾驶能力量化检测。与现有技术相比，实现自动驾驶汽车的驾驶能力在人类驾驶员群体中的量化定位，解决了现有驾驶能力评估方法无法兼顾等级划分和可解释性的问题，评价结果可支撑自动驾驶汽车控制算法的优化。
-
公开(公告)号：CN108549366B
公开(公告)日：2020-11-10
申请号：CN201810417326.2
申请日：2018-05-04
申请人： 同济大学
IPC分类号： G05B23/02 , G01M17/007
摘要： 本发明涉及一种智能汽车道路行驶与虚拟测试平行映射实验方法，旨在提高智能汽车测试的效率及安全性。首先采集驾驶员驾驶车辆的轨迹数据、自动驾驶系统的感知数据与规划轨迹数据（注意此时智能汽车并没有执行该规划轨迹）；然后对实际轨迹和规划轨迹进行对比，搜索两轨迹存在显著差异的场景；之后通过智能汽车的感知信息，对这些场景进行重构，并进行场景回放与仿真预测，分别计算两轨迹的安全性，并对其进行评估。本方法无需使用自动驾驶系统控制车辆，只要智能车在道路行驶（即人类驾驶员在操控汽车），就可进行测试和实验。本方法既可提高测试效率，又可保证测试的安全性。
-
-
-
-
-
-
-
-
-
搜索结果
34 条记录 (耗时 0.026 秒)
