车辆-行人碰撞风险域的计算方法及安全评价系统

    公开(公告)号:CN111497840B

    公开(公告)日:2021-04-16

    申请号:CN202010344141.0

    申请日:2020-04-27

    Applicant: 清华大学

    Abstract: 本申请涉及一种车辆‑行人碰撞风险域的计算方法及安全评价系统。所述车辆与行人碰撞风险域的确定方法,包括:探测并输出车辆信息和行人信息。判断行人是否注意到车辆。在行人采取主动避让行为和行人不采取主动避让行为的情况下,分别进一步假设车辆是否采取即时反应动作。根据行人是否采取主动避让行为和车辆是否采取即时反应动作的假设结果,确定车辆与行人的碰撞风险域。本申请中,车辆与行人碰撞风险域的确定方法中,同时考虑到了行人的主动避让能力和车辆的即时反应动作,对于车辆与行人碰撞风险的识别更加充分。本申请中确定有效的碰撞风险域,可以有效提高车辆与行人交互过程中行人的安全性及车辆行驶的舒适性。

    一种干道交通信号的网联优化控制方法

    公开(公告)号:CN111915890A

    公开(公告)日:2020-11-10

    申请号:CN202010720893.2

    申请日:2020-07-24

    Abstract: 本发明涉及一种干道交通信号的网联优化控制方法,属于智能交通流控制技术领域。本方法包括将网联控制问题建模,通过引入一致性变量将问题解耦构建为一致性优化问题,利用交替方向乘子法实现并行计算,并行更新原始变量、一致性变量和对偶变量,直至满足设定的终止条件,将计算所得的信号灯控制量发送给各个信号灯进行执行。本方法的每一步计算都可以分别在各自信号灯的计算节点上进行,实现了问题求解的并行化。本方法有效地提高了计算求解效率,计算复杂度与路口数量无关,从而更适合大规模干道交通信号的协同控制。本发明的干道交通信号的网联优化控制方法,提升了控制效率,实现实时控制,缓解了交通拥堵等问题,有助于提高交通效率。

    一种模型预测控制器的时域分解加速方法

    公开(公告)号:CN111897217A

    公开(公告)日:2020-11-06

    申请号:CN202010698398.6

    申请日:2020-07-20

    Applicant: 清华大学

    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。

    一种多维度节点连接评估方法

    公开(公告)号:CN111815160A

    公开(公告)日:2020-10-23

    申请号:CN202010647385.6

    申请日:2020-07-07

    Applicant: 清华大学

    Abstract: 本发明公开了一种多维度节点连接评估方法,该方法包括:S1,根据智能车周边的环境信息,采用人工势能场方法建立评估越野环境风险用的多层次环境态势场模型;S2,通过随机采样生成越野环境空间中的节点,建立越野环境空间拓扑图,生成多维度节点连接评估模型;多维度节点连接评估模型包括:连通评估矩阵,用于评估节点之间路段连通可行性;通行代价矩阵,用于评估节点之间路段通行代价;本发明能够根据车辆周边多维度越野环境信息输出其环境态势场势能值,并在此基础上采用随机采样方法建立越野环境空间拓扑图,并评估拓扑图中节点之间的越野环境通行风险,该风险为生成优化路径,以及达到可行、安全、高效的智能车辆行驶目标提供有利条件。

    基于利用梯度的多目标强化学习算法的自动控制方法

    公开(公告)号:CN111562740A

    公开(公告)日:2020-08-21

    申请号:CN202010371477.6

    申请日:2020-05-06

    Applicant: 清华大学

    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。

    一种结构化道路场景下的车辆局部轨迹规划方法

    公开(公告)号:CN111338335A

    公开(公告)日:2020-06-26

    申请号:CN201911422209.6

    申请日:2019-12-31

    Abstract: 本发明提出的一种结构化道路场景下的车辆局部轨迹规划方法,首先通过建立一种基于车道参考线的参考坐标系,得到车辆当前时刻在该参考坐标系下的运动状态向量;接着分别生成不同速度区间的参考坐标系下的纵向采样轨迹集合和横向采样轨迹集合,纵向采样轨迹集合内的所有采样轨迹的曲线形式相同,横向采样轨迹集合内所有采样轨迹的曲线形式相同;然后将横纵向采样轨迹进行合成;随后将合成后的采样轨迹转换回笛卡尔坐标系下,并剔除不满足轨迹曲率和碰撞检测的采样轨迹;最后计算每一条采样轨迹的代价,其中代价最小的轨迹即为本发明所得到的最优轨迹。本发明通过构造高速和低速下的采样轨迹可提高采样有效率,对复杂约束条件适应性强。

    一种控制量离散的多智能体系统实时分区稳定控制方法

    公开(公告)号:CN108762095B

    公开(公告)日:2020-05-12

    申请号:CN201810761592.7

    申请日:2018-07-12

    Applicant: 清华大学

    Abstract: 本发明涉及一种控制量离散的多智能体系统实时分区稳定控制方法,属于自动控制技术领域。本方法首先建立多智能体系统中单个智能体节点的动力学模型,得到各节点的离散控制量的表达;将多智能体系统分解为由相邻两节点组成的多个子系统,建立以子系统的相对速度和间距误差为状态变量的状态方程;并将子系统的状态空间,按照距离上/下界和边界状态轨迹划分多个控制区域,确定各区域内单个智能体的控制量(加速度),使得子系统间距误差可在有限时间内限制在给定期望范围内,以此可得到控制律,实现控制量离散的多智能体系统的稳定运动控制。本发明方法的实时性较好,对节点控制精度要求低,且能够保障整个多智能体系统的有界稳定性。

    汽车乘员碰撞损伤预测方法及计算机设备

    公开(公告)号:CN110766213A

    公开(公告)日:2020-02-07

    申请号:CN201910978462.3

    申请日:2019-10-15

    Applicant: 清华大学

    Abstract: 本申请涉及一种汽车乘员碰撞损伤预测方法及计算机设备。上述汽车乘员碰撞损伤预测方法,包括生成验证数据库,所述验证数据库包括车辆碰撞曲线库和乘员损伤数据库。建立质量弹簧模型,利用所述验证数据库,对所述质量弹簧模型进行参数标定。利用所述质量弹簧模型重建多种碰撞工况下的事故,以获取损伤预测结果。本申请通过多层次多角度建模,建立了快速且客观的损伤预测模型。由于所述质量弹簧模型简单且低耗,利用所述质量弹簧模型重建不同碰撞工况下的事故,实现了快速可靠的损伤预测。

    一种汽车智能驾驶系统结构共用型架构及构建方法

    公开(公告)号:CN109941211A

    公开(公告)日:2019-06-28

    申请号:CN201910220077.2

    申请日:2019-03-22

    Applicant: 清华大学

    Abstract: 本发明公开一种汽车智能驾驶系统结构共用型架构及构建方法,是针对汽车智能驾驶系统优化集成需要提出的一种结构共用型技术方案,该方案将汽车智能驾驶系统分为传感器信息共享、控制器资源共用、执行器操作共管三层架构:在传感层,优化传感器的构成与配置,并通过共享各传感器的信息流,实现信息资源的最大化利用;在控制层,通过控制域划分,使多个处理单元共用同一物理控制器,实现控制资源的合理分配与充分利用;在执行层,对发往执行器的控制指令进行统一管理,以实现各子系统执行功能的协同优化。相比于目前主流的叠加式集成架构,本发明在顶层设计层面实现了部件共用、信息共享和功能协同,解决了现有功能叠加型架构存在的结构冗余、成本较高、资源利用不充分等问题,能够确保汽车智能驾驶系统更为优化的集成。

Patent Agency Ranking