公开(公告)号：CN115257820B

公开(公告)日：2024-12-27

申请号：CN202211070542.7

申请日：2022-09-02

Applicant: 东南大学

Inventor： 李旭 ,  胡玮明 ,  胡锦超 ,  孔栋 ,  徐启敏

IPC: B60W60/00 ,  B60W50/00 ,  G06F17/10 ,  G06N3/126 ,  G06N3/0464 ,  G06N3/084 ,  G06V10/774 ,  G06V10/764 ,  G06V10/82

Abstract: 本发明公开了一种面向开放干扰场景的营运车辆前向防撞驾驶决策方法。首先，提取人类驾驶员的安全驾驶行为，构建形成用于前向防撞驾驶决策学习的“类人”驾驶行为数据库。其次，利用行为克隆算法从“类人”驾驶行为数据库中学习前向防撞驾驶策略。最后，利用生成对抗模仿学习算法继续学习驾驶策略，得到具有高度类人水平的前向防撞驾驶策略。本发明提出的方法，能够模拟人类驾驶员的安全驾驶行为，且考虑了视觉盲区、突遇障碍物、不同行驶工况等因素对前向防撞决策的影响，输出加速、减速、转向等高级决策策略，实现了开放干扰场景下的营运车辆前向防撞驾驶决策。

公开(公告)号：CN114407931B

公开(公告)日：2024-05-03

申请号：CN202210158758.2

申请日：2022-02-21

Applicant: 东南大学

Inventor： 李旭 ,  胡玮明 ,  胡锦超 ,  韦坤 ,  徐启敏

IPC: B60W60/00 ,  B60W50/00 ,  G06N3/045 ,  G06N3/08 ,  G06F30/27

Abstract: 本发明公开了一种高度类人的自动驾驶营运车辆安全驾驶决策方法。首先，进行典型交通场景下驾驶行为的多源信息同步采集，构建表征优秀驾驶员驾驶行为的专家轨迹数据集。其次，综合考虑前向碰撞、后向碰撞、侧向碰撞、车辆侧倾稳定性和驾驶平顺性等因素对行车安全的影响，利用生成对抗模仿学习算法模拟优秀驾驶员的驾驶行为，分别采用近段策略优化算法和深度神经网络构建生成器和判别器，进而建立具有高度类人水平的安全驾驶决策模型。最后，对安全驾驶决策模型进行训练，得到不同行驶工况下的安全驾驶策略。本发明能够模拟人类优秀驾驶员的驾驶意图，为自动驾驶营运车辆提供更加合理、安全的驾驶策略，可以有效保障自动驾驶营运车辆的行车安全。

公开(公告)号：CN110532636B

公开(公告)日：2023-03-28

申请号：CN201910715846.6

申请日：2019-08-05

Applicant: 东南大学

Inventor： 李旭 ,  胡玮明 ,  徐启敏

IPC: G06F30/20 ,  G06F17/11 ,  G06F17/16

Abstract: 本发明公开了一种面向多场景的智能驾驶自主车道保持性能检测方法。本方法首先引入β样条曲线，建立了面向智能驾驶汽车测试场景的道路模型。其次，利用改进的强跟踪卡尔曼滤波算法，建立了基于多源信息融合的车辆运动模型，从而准确推算出车辆运动的关键性基础性能参数。最后，基于道路路网和车辆运动信息，量化并输出自主车道保持性能的评价指标：横向偏差、横摆稳定性和路径跟踪精度。本发明公开的智能驾驶自主车道保持性能检测方法，克服了现有测试方法效率低、适应性差、测试工况相对单一的不足，实现了多种测试场景下智能驾驶汽车自主车道保持性能高精度、高频率的评测。

公开(公告)号：CN110009648B

公开(公告)日：2023-02-24

申请号：CN201910161809.5

申请日：2019-03-04

Applicant: 东南大学

Inventor： 李旭 ,  郑智勇 ,  胡玮明

IPC: G06T7/12 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/0442 ,  G06N3/08 ,  G06T7/181

Abstract: 本发明公开了基于深浅特征融合卷积神经网络的路侧图像车辆分割方法，该方法针对智能路侧终端图像中车辆相互粘连造成其边界难以准确获取的难题，首先通过对池化层、不同类型卷积层进行优化设计，得到一个高效的卷积神经网络来分层提取车辆特征，进而将网络浅层所提取的边缘细节特征与深层所提取的语义特征融合，得到深浅特征融合卷积神经网络。本发明方法在提高分割速度的同时，获得了完整、准确的车辆分割边界，有效克服了单一网络结构难以准确描述车辆边界的不足，满足智能路侧终端对准确性和实时性的要求。

公开(公告)号：CN114513885A

公开(公告)日：2022-05-17

申请号：CN202210169411.8

申请日：2022-02-23

Applicant: 东南大学

Inventor： 李旭 ,  陆红伟 ,  胡玮明

IPC: H05B47/11 ,  H05B47/115 ,  H05B47/19 ,  G06N3/08

Abstract: 本发明公开了一种基于车路协同的隧道灯光自适应调控装置及方法，该装置包括路侧端模块和车载端模块，其中车载端模块布置在行驶入隧道的车辆上，包括组合导航单元和无线通信单元；路侧端模块布置在隧道入口处，包括数据采集单元、GPRS通信单元、本地控制单元、调光控制单元；该调控方法包括：首先，利用数据采集单元采集洞外亮度、车流量和车速信息；其次，根据采集到的历史车流量数据，建立灰度预测模型，对未来短时间内的车流量进行预测；最后，把亮度、车速和预测的车流量作为神经网络的输入，灯光平均亮度作为神经网络的输出，构建BP神经网络，得到合适的灯光控制策略。本发明能够得到最优的照明效果并能够达到最大的节能目的。

公开(公告)号：CN112633474B

公开(公告)日：2022-04-05

申请号：CN202011512719.5

申请日：2020-12-20

Applicant: 东南大学

Inventor： 李旭 ,  胡玮明 ,  胡锦超 ,  祝雪芬

IPC: G06N3/04 ,  G07C5/08 ,  B60W30/08

Abstract: 本发明公开了一种重型营运车辆的后向防撞驾驶决策方法。首先，建立交通环境模型，采集重型营运车辆及其后方车辆的运动状态信息。其次，建立基于后向距离碰撞时间的后向碰撞危险评估模型，将后向碰撞危险精确量化。最后，将后向防撞驾驶决策问题描述为一定奖励函数下的马尔科夫决策过程，建立基于深度强化学习的后向防撞驾驶决策模型，得到有效、可靠、具有自适应性的后向防撞驾驶决策策略。本发明提出的方法，克服了现有方法中缺乏重型营运车辆后向防撞驾驶决策研究的不足，可以定量输出合理的方向盘转角和节气门开度控制量，为驾驶员提供有效、可靠的后向防撞驾驶建议，减少后向碰撞事故的发生。

公开(公告)号：CN111780981B

公开(公告)日：2022-02-18

申请号：CN202010436610.1

申请日：2020-05-21

Applicant: 东南大学

Inventor： 李旭 ,  胡玮明 ,  徐启敏 ,  韦坤

IPC: G01M17/007 ,  G06F30/15

Abstract: 本发明公开了一种智能车辆编队变道性能测评方法。首先，建立智能车辆编队变道性能测试场景。其次，根据智能车辆在编队变道过程中的运动特点，建立三自由度的非线性动力学模型。进而，利用改进的自适应无迹卡尔曼滤波算法对编队车辆的位置、速度等状态变量进行滤波估计。最后，基于准确递推的车辆运动状态参数，提出并量化编队变道性能的评价指标，构建编队变道性能的评价体系。本发明提出的方法，解决了当前缺乏编队变道性能定量测评的问题，能够高精度、全面的测量车辆运动状态参数，量化并输出了多维度的编队变道性能评价指标，实现了编队变道性能全面、准确、可靠的科学定量测评。

公开(公告)号：CN111238825B

公开(公告)日：2021-05-18

申请号：CN202010028039.X

申请日：2020-01-10

Applicant: 东南大学

Inventor： 李旭 ,  胡玮明 ,  徐启敏 ,  胡锦超

IPC: G01M17/007 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种面向组合试验路面的智能驾驶自动紧急制动性能测试方法。首先，针对我国存在的缺乏多种路面附着条件下制动性能测评的问题，构建了面向组合试验路面的自动紧急制动性能测试场景。其次，为了准确、实时的辨识被测车辆行驶过程中的试验路面条件，建立了基于深度卷积神经网络的试验路面识别模型。最后，量化不同路面附着条件下的自动紧急制动性能指标，建立多维度的智能驾驶自动紧急制动性能指标体系。相比于现有的单一环境条件的制动性能测试，本发明提出的方法实现了湿滑路面、冰雪路面、搓板路面等多种极限试验条件下的自动紧急制动性能的科学定量测评。

公开(公告)号：CN112733325A

公开(公告)日：2021-04-30

申请号：CN202011517914.7

申请日：2020-12-21

Applicant: 东南大学

Inventor： 李旭 ,  常彬 ,  徐启敏 ,  胡玮明

IPC: G06F30/20 ,  G06F30/15 ,  G06F17/16 ,  G06Q10/06 ,  B60T17/22

Abstract: 本发明公开了一种用于半挂汽车列车AEBS的全面准确的测评方法；首先，使用双天线差分GPS接收机、陀螺仪作为采集数据的传感器；然后建立基于无迹卡尔曼滤波算法的半挂汽车列车“当前”统计改进模型，并利用几何学关系解算半挂汽车列车的运动学状态信息；其次，建立基于递归最小二乘估计算法的目标车辆运动学模型并获取目标车辆的运动学状态信息；最后，利用获取的目标车辆和自车状态信息，计算一般性AEBS测评指标，即碰撞时间和强化碰撞时间，并提出了具有针对性的半挂汽车列车AEBS测评的指标，包括横摆稳定裕度、制动平顺性、折叠幅度。本发明解决了现在没有专门针对半挂汽车列特性的AEBS测评方法的问题，实现了对半挂汽车列车AEBS的全面准确的测评。

公开(公告)号：CN111649955A

公开(公告)日：2020-09-11

申请号：CN202010348354.0

申请日：2020-04-28

Applicant: 东南大学

Inventor： 李旭 ,  胡玮明 ,  徐启敏 ,  孔栋

IPC: G01M17/007

Abstract: 本发明公开了一种面向车路协同自动紧急制动系统的性能测评方法，首先，在单一的车路通信测试场景的基础上，建立了包含弯道和直道测试工况的自动紧急制动测试场景，其次，为适应实际交通场景中前车轨迹、速度、加速度等运动状态时变的特性，使测试场景尽可能符合实际运行特点，建立了一种基于五次多项式插值的前车轨迹规划模型，最后，提出并量化了面向车路协同自动紧急制动系统的性能评价指标，建立了多维度的自动紧急制动性能指标体系。本发明的有益效果在于：相比于单一的车路通信测试场景下的自动紧急制动系统测试，本发明提出的方法实现了多场景下面向车路协同自动紧急制动系统性能的全面、可靠的科学定量测评。