-
公开(公告)号：CN119806134A
公开(公告)日：2025-04-11
申请号：CN202411790408.3
申请日：2024-12-06
Applicant: 东南大学
IPC: G05D1/43 , G05D1/65 , G05D1/633 , G05D1/644 , G05D109/10
Abstract: 本发明涉及一种基于双层注意力机制和离散SAC算法的无信号交叉口左转控制方法，包括：步骤S1：构建仿真模型，其中，所述仿真模型包括路口仿真环境、自车模型和他车模型，并建立自车模型和他车模型与路口仿真环境的数据交互；步骤S2：将自车模型的轨迹规划过程定义为马尔可夫决策过程，构建第一模型，并配置状态空间、动作空间和奖励，其中，所述状态空间中的参数基于仿真模型获取；步骤S3：构建极大化熵目标函数，并选择极大化熵目标函数值最大的策略作为进行左转控制。与现有技术相比，本发明提高了29％的交叉口安全性，并在时空轨迹上显示了有效的避障能力。
-
公开(公告)号：CN119721415A
公开(公告)日：2025-03-28
申请号：CN202411749937.9
申请日：2024-12-02
Applicant: 东南大学
IPC: G06Q10/047 , G01C21/34 , B60L53/00 , G06Q10/0631 , G06Q50/06 , G06N3/006 , G06N3/042 , G06N3/084 , G06N3/092 , G06F16/29 , G06F16/901 , G06F16/909
Abstract: 本发明涉及电动汽车充电规划技术领域，公开了一种基于图强化学习的协同式路线‑充电规划方法及系统，该方法包括使用图神经网络和强化学习算法对路线和充电规划进行集成优化；将地图表示为图结构数据，并通过Structure2Vector方法提取道路网络的拓扑信息；将拓扑信息嵌入到深度Q网络（DQN）算法的状态值函数中，以规划路线和优化充电站的选择；通过自学习适应交通和充电需求的变化形成一种协同式路径‑充电规划方法。本发明的有益效果为：可以提高规划效率，还可以大大减少驾驶和充电等待时间，增强用户体验。
-
公开(公告)号：CN119007153A
公开(公告)日：2024-11-22
申请号：CN202411110575.9
申请日：2024-08-14
Applicant: 东南大学
Abstract: 本发明公开了一种基于梯度协方差特征分解的自动驾驶多任务感知方法，包括：采集驾驶环境图像数据，搭建多任务检测模型，并输入驾驶环境图像数据；所述多任务检测模型包括主干特征提取网络、特征选择模块和多任务检测分支；针对各任务建立对应的损失函数，获取各任务检测模型的损失函数；基于各任务检测模型损失函数更新各任务检测分支参数；基于协方差矩阵特征分解的多任务梯度融合更新算法更新主干特征提取网络的参数；对多任务检测模型进行训练，使用训练好的多任务检测模型进行检测识别，并行输出交通目标检测、可行驶区域检测和车道线检测结果；本发明有效提高了自动驾驶车辆感知外界环境的效率和精度。
-
公开(公告)号：CN117993547A
公开(公告)日：2024-05-07
申请号：CN202410050456.2
申请日：2024-01-12
Applicant: 东南大学
Abstract: 本发明公开了一种可快速训练的大规模路网交通状态预测方法，包括：获取路网交通状态数据集并进行预处理，将预处理后的数据集划分为训练集、验证集和测试集；构建两层图神经网络模型，对两层图神经网络模型进行预训练，得到预训练好的模型；根据彩票假设理论对预训练好的模型进行剪枝，得到两层图神经网络剪枝模型；利用训练集和验证集对两层图神经网络剪枝模型进行训练，得到训练好的剪枝模型；利用训练好的剪枝模型对测试集进行测试，得到路网交通状态预测结果。本发明通过对GNN网络结构进行剪枝，提升了网络的运算效率，节省了交通状态信息的预测时间，为交通状态预测提供一种新的优化方式，更快更好地辅助交通运营部门实现交通事件预测及分析。
-
公开(公告)号：CN115188204B
公开(公告)日：2023-08-15
申请号：CN202210761797.1
申请日：2022-06-29
Applicant: 东南大学
IPC: G08G1/048 , G08G1/052 , G08G1/0967 , G06F30/20
Abstract: 本发明涉及高速公路车路协同技术领域，特别涉及一种能够实现异常天气条件下对高速公路进行车道级可变限速的控制方法。本发明首先需要进行控制区域车辆信息与天气状态信息的采集，随后根据交通数据确定异常天气条件下交通流基本图关键参数，通过对异常天气条件下高速公路交通流进行建模，模拟交通流运行特征，搭建异常天气高速公路交通场景，制定可变限速控制强化学习策略，在保证高速公路整体交通安全的同时提高道路运行效率。本发明考虑了异常天气条件下高速公路车流运行，极大地提高了车流运行效率，并且保证主线车流的通行安全，实现了异常天气条件下高速公路系统经济安全效益最大化。
-
Patent Agency Ranking
公开(公告)号：CN116153069A
公开(公告)日：2023-05-23
申请号：CN202310091773.4
申请日：2023-02-09
Applicant: 东南大学
IPC: G08G1/01 , G06N3/0499 , G06N3/084 , G06F17/18
Abstract: 本发明公开了一种交通流模型与数据融合驱动的交通状态估计方法及装置，该方法包括：获取高速公路研究区域内观测点处的交通状态数据，并进行预处理；构建基于数据特征进行交通状态估计的深度神经网络模型；构建神经网络编码宏观交通流守恒模型，将深度神经网络模型与其级联，进行联合训练；基于训练完成的深度神经网络模型，完成交通状态估计。将数据优势和模型优势结合起来，将宏观交通流模型作为数据驱动模型的正则约束，优化其梯度下降过程，并最终执行细粒度速度估计。
-
公开(公告)号：CN111274525B
公开(公告)日：2023-04-07
申请号：CN202010061279.X
申请日：2020-01-19
Applicant: 东南大学
Abstract: 本发明公开了一种基于多线性增广拉格朗日乘子法的张量数据恢复方法，包括：根据受污染的高维数据的结构和多模式特性构建张量模型；根据张量模型构建包括低秩项和稀疏项且具有约束条件的第一目标函数；将第一目标函数转换成不包括松弛项且具有不同约束条件的第二目标函数，第二目标函数包括分别涉及低秩项和稀疏项的第一项和第二项；对第二目标函数进行优化然后利用多线性增广拉格朗日乘子法去约束得到第三目标函数；求解第三目标函数得到真实数据和污染数据。本发明通过对目标函数进行转换加之改变其约束条件并采用多线性增广拉格朗日乘子法去约束，提高了张量恢复精度并降低了计算复杂度。
-
公开(公告)号：CN112124299B
公开(公告)日：2021-11-02
申请号：CN202010958502.0
申请日：2020-09-14
Applicant: 东南大学
Abstract: 本发明涉及一种智能网联新能源汽车分层式能耗优化方法，其中决策规划层包括路径规划、动作规划以及轨迹规划，将前述三种规划分别与低能耗规划结合实现多目标协同优化；车辆控制层通过能量管理模块在满足决策规划层的前提下，进行整个动力总成系统的能量管管理；本发明将汽车整车能耗优化分为两层，分别为智能驾驶域的低能耗规划任务与在动力总成域的能量管理任务，从而实现智能网联新能源汽车分层式能耗优化。
-
公开(公告)号：CN111311904B
公开(公告)日：2021-06-11
申请号：CN202010057115.X
申请日：2020-01-17
Applicant: 东南大学
Abstract: 本发明公开了一种基于浮动车数据加权张量重建的交通状态估计方法，所述方法包括：获取浮动车数据；根据所述浮动车数据构建张量模型和权重因子张量模型，所述张量模型和所述权重因子张量模型具有相同尺寸和阶数，权重因子张量的各初始赋值为1；设计引入权重因子的张量重建算法；根据各个影响浮动车数据可靠性的因素对权重因子张量进行重新赋值；根据所述重新赋值后的权重因子张量、所述浮动车数据张量模型与所述张量重建算法，获得浮动车数据和交通状态信息。本发明可以使得构建的张量重建模型更符合道路网交通状态估计的需求，从而获得更精确的道路网交通状态估计。
-
公开(公告)号：CN112124299A
公开(公告)日：2020-12-25
申请号：CN202010958502.0
申请日：2020-09-14
Applicant: 东南大学
Abstract: 本发明涉及一种智能网联新能源汽车分层式能耗优化方法，其中决策规划层包括路径规划、动作规划以及轨迹规划，将前述三种规划分别与低能耗规划结合实现多目标系统优化；车辆控制层通过能量管理模块在满足决策规划层的前提下，进行整个动力总成系统的能量管管理；本发明将汽车整车能耗优化分为两层，分别为智能驾驶域的低能耗规划任务与在动力总成域的能量管理任务，从而实现智能网联新能源汽车分层式能耗优化。
-
-
-
-
-
-
-
-
-
Search Results
40
records
(took 0.025 seconds)
