公开(公告)号：CN118280116A

公开(公告)日：2024-07-02

申请号：CN202410477707.5

申请日：2024-04-19

Applicant: 清华大学 ,  北京嘀嘀无限科技发展有限公司

Inventor： 王建强 ,  韩泽宇 ,  吴国斌 ,  许鹏飞 ,  叶忠文 ,  姜竣凯 ,  许庆

IPC: G08G1/01 ,  G08G1/052

Abstract: 本申请涉及一种交通环境安全态势的评估方法、装置、车辆及存储介质，其中，方法包括：结合车辆当前行驶道路的道路数据、相对感知数据构建车辆的安全场基本场强模型，并基于安全场基本场强模型确定任一单一风险源在车辆的多个目标位置点产生的场强，计算任一单一风险源衰减后的实际场强，并在风险源为多个的情况下，叠加多个风险源分别在每个目标位置点产生的实际场强，得到每个目标位置点对应的风险场强，以评估车辆在当前交通环境下的安全态势。由此，解决了相关技术中，考虑的风险因素不全面、适用场景单一、无法面对复杂多变的交通环境，导致难以支撑车辆进行智能化决策与控制，影响驾驶体验的技术问题。

公开(公告)号：CN114677555B

公开(公告)日：2024-06-28

申请号：CN202210200266.5

申请日：2022-03-02

Applicant: 清华大学

Inventor： 郑四发 ,  吴浩然 ,  张创 ,  许庆 ,  王建强 ,  李克强

IPC: G06V10/774 ,  G06V10/80 ,  G06N3/0464

Abstract: 本申请涉及车辆技术领域，特别涉及一种迭代优化式的端到端智能车辆感知方法、装置及电子设备，方法包括：获取智能车辆的感知信息；将感知信息输入至迭代优化后的端对端网络，执行检测任务、跟踪任务和预测任务，同时得到检测结果、跟踪结果和预测结果，其中，端对端网络包括多目标检测网络、多目标跟踪网络和多目标轨迹预测网络；以及基于检测结果、跟踪结果和预测结果获取端到端智能车辆的感知结果。由此，解决了跟踪、检测及预测三类感知任务相互依赖、算法独立、协同性较低及遮挡带来的目标丢失等问题，通过端到端的检测跟踪、三类感知模块一体化和迭代优化方案的实施，提高了被遮挡物的跟踪率、跟踪结果的鲁棒性以及感知方案的实时性和精度。

公开(公告)号：CN118012495A

公开(公告)日：2024-05-10

申请号：CN202410032227.8

申请日：2024-01-09

Applicant: 清华大学

Inventor： 李克强 ,  连小珉 ,  许庆 ,  王建强 ,  李升波 ,  何雷 ,  陈超义

IPC: G06F8/72 ,  G06F8/34

Abstract: 本申请涉及一种智能驾驶计算平台功能软件重构和可视化方法及装置，其中，方法包括：按照预设分析顺序分析目标智能驾驶源代码的函数架构，得到函数树；重构目标智能驾驶源代码，得到目标计算机语言代码，并根据函数树、预设测试顺序等判断其与目标智能驾驶源代码和目标计算机语言代码的执行功能是否一致；当目标智能驾驶源代码和目标计算机语言代码的执行功能一致时，对目标计算机语言代码进行前端集成图形化处理，生成可视化目标计算机语言代码，并将其部署在相应硬件平台中。由此，解决了现有自动驾驶技术核心算法迁移到C++难度较大，且其开发效率、集成效率和验证效率较低；此外，当前行业缺乏统一标准，较难提炼共性技术赋能行业发展等问题。

公开(公告)号：CN116968730B

公开(公告)日：2024-03-19

申请号：CN202310755780.X

申请日：2023-06-25

Applicant: 清华大学

Inventor： 黄荷叶 ,  王建强 ,  熊辉 ,  程浩 ,  李若辰 ,  许庆 ,  李克强

IPC: B60W30/095 ,  B60W50/00 ,  B60W60/00

Abstract: 本申请涉及一种高风险场景下驾驶人风险响应与主动决策方法及装置，包括：根据所获取的满足风险条件的场景下多个驾驶人眼动的时空特征信息，确定多个驾驶人的视觉注意特性，基于根据视觉注意特性和视网膜成像原理确定的多个驾驶人风险认知的感知特性，获取多个驾驶人风险认知的视觉注意力累积信息，根据基于视觉注意力累积信息所构建的表征驾驶人决策操纵行为的驾驶人漂移扩散决策模型，量化输出每个驾驶人驾驶过程风险响应和主动决策。由此，解决现有模型应用过程中难以充分解释人类风险认知行为产生机理，且未量化道路条件和车辆属性等因素对驾驶人风险响应与主动决策产生的影响等问题，对实现个性化自动驾驶、促进道路交通安全具有重要意义。

公开(公告)号：CN117671946A

公开(公告)日：2024-03-08

申请号：CN202311632939.5

申请日：2023-11-30

Applicant: 清华大学

Inventor： 陈超义 ,  许庆 ,  李克强 ,  王建强 ,  丁驰 ,  蔡孟池

IPC: G08G1/01 ,  G08G1/00

Abstract: 本申请涉及一种基于混合交通场景的车辆协同决策方法及装置，其中，方法包括：确定当前混合交通场景中每个混合队列的人工驾驶车辆跟车距离、队列间隔和稳定跟车状态，并结合预设的混合队列初态条件构建队列运动学模型，以计算混合队列收敛时间；确定当前交叉路段的全人工驾驶车辆排队时间，并生成每个混合队列的有向冲突图，以构建通信拓扑构型的深度优先生成树，且基于预设矩阵形式对其进行表征，同时构建线性反馈控制器，以根据通信拓扑构型的深度优先生成树控制车辆通过当前交叉路段。由此，解决了现有的混合队列分析仅面向固定配时信号灯场景，普适性较差，计算复杂度较高，难以满足实时应用的需求，极大限制了交通效率的提升和改善等问题。

公开(公告)号：CN117521838A

公开(公告)日：2024-02-06

申请号：CN202210879625.4

申请日：2022-07-25

Applicant: 清华大学 ,  丰田自动车株式会社

Inventor： 李升波 ,  吕尧 ,  廖在豪 ,  殷玉明 ,  张巷腾 ,  张宇航 ,  王建强 ,  李克强

IPC: G06N20/00 ,  G06F18/214 ,  G06F18/21

Abstract: 本发明提供了一种自动驾驶决策功能训练方法、系统及存储介质，上述方法包括：获取自动驾驶数据集，并在自动驾驶数据集中随机采样得到训练数据集；根据训练数据集以及设定的策略更新步数和策略参数计算得到随机梯度，并利用随机梯度计算得到无偏差的共轭动量；根据无偏差的共轭动量以及设定的策略参数学习率和速度因子，计算得到与策略参数对应的自适应学习率；基于无偏差的共轭动量和自适应学习率对所述策略参数进行更新；对所述策略更新步数进行迭代计算，在达到设定的最大策略更新步数的情况下，得到优化后的策略参数，以使自动驾驶决策功能训练系统采用优化后的策略参数进行自动驾驶决策，从而有效保障自动驾驶决策功能的智能性。

公开(公告)号：CN117012075A

公开(公告)日：2023-11-07

申请号：CN202310980927.5

申请日：2023-08-04

Applicant: 清华大学 ,  上海国际港务(集团)股份有限公司

Inventor： 许庆 ,  王建强 ,  董江红 ,  李克强 ,  蔡孟池 ,  王广玮 ,  沈汝超 ,  王秋晨

IPC: G09B9/04 ,  G01C21/16 ,  H04L67/01 ,  G08C17/02 ,  G09B9/05 ,  G09B9/052

Abstract: 本申请涉及一种将驾驶员因素引入微缩实验平台的系统及方法，包括：微缩车辆、数字孪生主机和驾驶模拟器，其中，微缩车辆发送状态信息至数字孪生主机；数字孪生主机接收微缩车辆发送的状态信息，并根据状态信息考虑延时计算微缩车辆的当前实际状态，渲染对应车辆驾驶员视角并传输至驾驶模拟器的屏幕；驾驶模拟器采集驾驶员基于驾驶模拟器的屏幕上交通场景做出的驾驶反应，并将驾驶反应发送至微缩车辆，使得微缩车辆基于驾驶反应执行对应的控制动作。由此，解决了相关技术中，无法体现驾驶员的随机驾驶行为，无法获得驾驶员在特定混合交通场景下的真实驾驶反应，且与驾驶员日常驾驶的真实交通环境有很大差别，无法获得驾驶员真实驾驶反应等问题。

公开(公告)号：CN114084155B

公开(公告)日：2023-10-20

申请号：CN202111349214.6

申请日：2021-11-15

Applicant: 清华大学

Inventor： 郑四发 ,  谷子青 ,  马海铜 ,  李升波 ,  王建强 ,  许庆

IPC: B60W50/00 ,  B60W60/00 ,  B60W40/02

Abstract: 本申请涉及涉及一种预测型智能汽车决策控制方法、装置、车辆及存储介质，方法包括：基于地图信息和交通参与者的历史轨迹，对周围交通参与者建立预测模型，并利用有标签的数据集对预测模型进行参数初始化，生成初始周车运动预测模型；以智能汽车的驾驶目标作为优化对象，根据与环境的不断交互数据循环更新初始周车运动预测模型，生成最终周车运动预测模型；将最终周车运动预测模型嵌入智能汽车的决策控制系统，使得决策控制系统根据最终周车运动预测模型预测的周车运动生成对应的决策控制指令，并控制智能汽车执行决策控制指令，从而通过迭代模型驱动的自进化式策略评估与策略提升过程，实现智能车辆预测型最优策略求解方案。

公开(公告)号：CN116805294A

公开(公告)日：2023-09-26

申请号：CN202211545016.1

申请日：2022-12-02

Applicant: 清华大学

Inventor： 徐少兵 ,  李尚怡 ,  王建强 ,  李升波 ,  成波 ,  李克强

IPC: G06T5/50 ,  G01M17/007 ,  G06T7/73 ,  G06V20/56

Abstract: 一种增强环境场景的方法，包括：从自动驾驶车辆获得图像，图像由安装在自动驾驶车辆上的相机捕获并且描绘自动驾驶车辆周围环境；生成包含一个或多个虚拟对象的虚拟对象图形，当在图像上渲染虚拟对象图形产生对象增强图像；生成表征天气宏观静态效果的全局场景图形；生成表示至少一个具体天气动态效果的天气动态效果图形；基于虚拟对象图形、天气全局场景图形和天气动态效果图形，合成生成环境增强图像，导致环境的视觉表示如同环境在经历预定天气条件和交通环境时将表现的那样；以及将合成环境增强图像输入到自动驾驶车辆的车载车辆控制器中，使得自动驾驶车辆基于环境增强图像执行至少一个自动驾驶操作。

公开(公告)号：CN116513236A

公开(公告)日：2023-08-01

申请号：CN202310457489.4

申请日：2023-04-24

Applicant: 清华大学 ,  北京嘀嘀无限科技发展有限公司

Inventor： 王建强 ,  姜竣凯 ,  许庆 ,  张博 ,  徐少兵 ,  许鹏飞 ,  李克强

IPC: B60W60/00 ,  B60W30/095 ,  B60W50/00

Abstract: 本申请涉及一种基于行车风险场的自适应车辆全向驾驶辅助方法及装置，其中，方法包括：采集目标车辆的行驶轨迹，基于预设方式对行驶轨迹进行规划，生成多个候选轨迹，并根据预设筛选策略对多个候选轨迹进行筛选，得到候选轨迹簇；基于由势能风险场建立的行车风险评估模型和预设损失函数对候选轨迹簇中的每条候选轨迹进行评价，得到评价结果满足预设要求的目标轨迹；学习目标轨迹对应的损失函数的权重参数，以进行车辆全向辅助驾驶的自适应学习。由此，解决了现有自适应驾驶辅助技术功能相互孤立，应用场景单一等问题。