在线实时的智能网联车网络攻击威胁分析与风险评估方法

    公开(公告)号:CN118900203A

    公开(公告)日:2024-11-05

    申请号:CN202411249998.9

    申请日:2024-09-06

    Applicant: 燕山大学

    Abstract: 本发明公开了一种在线实时的智能网联车网络攻击威胁分析与风险评估方法。该方法包括:获取威胁场景信息、损害场景信息以及攻击路径信息;以所述威胁场景信息、所述损害场景信息以及所述攻击路径信息作为输入,利用经训练的损害场景评估模型和攻击可行性评估模型,获得各损害场景的影响等级和攻击可行性等级;利用所述各损害场景的影响等级和所述攻击可行性等级,结合设定的风险矩阵计算获得智能网联车的风险等级。本发明能够有效识别系统当前受到的攻击威胁并且进行在线实时的风险评估,对于智能网联车自动驾驶技术的发展具有重要意义。

    一种高等级自动驾驶汽车ODC边界条件确定方法及装置

    公开(公告)号:CN115358342A

    公开(公告)日:2022-11-18

    申请号:CN202211069929.0

    申请日:2022-09-02

    Applicant: 燕山大学

    Abstract: 本申请提供一种高等级自动驾驶汽车ODC边界条件确定方法及装置,该方法包括:获取测试场景集;从测试场景集中选取若干类场景数据,对若干类场景数据进行聚类,确定场景危险等级;根据使用者实际测试需求,确定需要测试的高等级自动驾驶应对能力测试指标;根据需要测试的高等级自动驾驶应对能力测试指标,提取最高等级场景数据;将同一等级下的所有最高等级场景数据组合,形成对应等级下的边界条件。该方案完成对不同等级下的边界条件的确定,能够为不同自动驾驶等级的认定与测试提供理论支撑。

    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。

    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。

    一种跟车、旁车插入场景的高风险场景构建方法及设备

    公开(公告)号:CN116050150A

    公开(公告)日:2023-05-02

    申请号:CN202310064389.5

    申请日:2023-01-16

    Applicant: 燕山大学

    Abstract: 本申请提供一种跟车、旁车插入场景的高风险场景构建方法及电子设备,该方法包括:获取跟车、旁车插入场景的待检验场景元素;利用斯皮尔曼相关性检验,从待检验场景元素中筛选出与行车风险相关性较强的场景元素,构建危险场景;计算危险场景中选定的自车与前车的车头时距;模拟自车的运动状态,实时计算自车与前车的相对距离,并确定当自车及前车的车速均为0时两车制动停车的相对距离;根据自车与前车的车头时距及两车制动停车的相对距离,构建高风险场景。该方案有助于提高自动驾驶系统检测的效率、降低检测成本。

    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。

    人机共驾接管请求时间的确定方法、装置、设备及介质

    公开(公告)号:CN114715186B

    公开(公告)日:2024-10-11

    申请号:CN202210283058.6

    申请日:2022-03-22

    Applicant: 燕山大学

    Abstract: 本申请提供一种人机共驾接管请求时间的确定方法、装置、设备及介质,该方法包括:当听觉模块监测到接管请求后,视觉模块识别外部环境视频中的环境对象,确定环境对象的对象属性;根据环境对象的对象属性与驾驶经验属性,确定手部和脚部的模拟动作;利用动作模块模拟手部和脚部的模拟动作,得到改变后外部环境;根据改变后外部环境,确定改变后手部和脚部的模拟动作,直至判定外部环境安全为止,模拟得到时间动作序列;根据时间动作序列,确定接管请求时间。该方案得到的接管请求时间,可以为接管中提前接管时间的设置提供依据。

Patent Agency Ranking