-
公开(公告)号：CN111204336B
公开(公告)日：2021-04-30
申请号：CN202010026827.5
申请日：2020-01-10
Applicant: 清华大学
IPC: B60W30/095 , B60W40/00 , B60W40/02 , G06F17/11
Abstract: 一种车辆行车风险的评估方法、设备和计算机可读存储介质，其中，所述方法包括：实时获取车辆的位置以及所述车辆周围的障碍物的位置，所述障碍物包括静止障碍物和运动障碍物；对所述车辆和障碍物的相对位置进行椭圆修正，根据修正后的车辆和静止障碍物的相对位置确定所述静止障碍物对所述车辆产生的势能场的场强，以及根据修正后的车辆和运动障碍物的相对位置确定所述运动障碍物对所述车辆产生的动能场的场强；确定所述车辆的驾驶员形成的行为场的场强；根据所述势能场的场强、动能场的场强和行为场的场强确定所述车辆的行车风险场的场强。本申请实施例考虑了车辆风险场的各向异性，可实现车辆在全路段多障碍物条件下行车风险评估与分析。
-
公开(公告)号：CN119442627A
公开(公告)日：2025-02-14
申请号：CN202411479527.7
申请日：2024-10-22
Applicant: 清华大学
IPC: G06F30/20 , G06F17/18 , G06F111/08
Abstract: 本申请公开了一种自动驾驶测试方法及自动驾驶测试装置，通过接受‑拒绝采样方法，不依赖显式的交通概率分布即可得到风险性较高的提议分布并进行采样，同时得到未归一化的采样权重，用于估计测试结果。解决了相关技术中的局限性，提高了测试效率，尤其适用于对高维复杂的自然加速环境模型进行加速测试。
-
公开(公告)号：CN118821936A
公开(公告)日：2024-10-22
申请号：CN202410474145.9
申请日：2024-04-19
Applicant: 清华大学
IPC: G06N5/04
Abstract: 本申请提供了一种面向博弈对抗动态过程的综合评估方法及系统，该方法包括以下步骤：获取攻方的每个攻击手段以及每个攻击手段的攻击能力值，并加权计算攻方的初始整体攻击能力值；获取守方的防御能力受损率；根据守方的防御能力受损率Ir，获取守方的心理压力值Pr；守方的心理压力值满足：#imgabs0#根据守方的心理压力值实时调整攻方每个攻击手段对应的权重；并根据调整后的权重以及对应的攻击手段的攻击能力值计算攻方的整体攻击能力值。通过根据守方的防御能力受损率确定守方的心理压力值，并根据心理压力值调整攻方的攻击手段对应的权重，从而可以跟随守方的心理压力值实时的调整对攻方的整体攻击手段的评估，进而更真实准确的对攻方的整体攻击能力值实施动态评估。
-
公开(公告)号：CN116088476B
公开(公告)日：2024-09-24
申请号：CN202310070263.9
申请日：2023-01-12
Applicant: 清华大学
IPC: G05B23/02
Abstract: 本文公开一种实现自适应加速测试评估的方法及装置，包括：对从第二次开始的自适应加速测试，根据i‑1次之前的自适应加速测试的测试结果，确定第i次自适应加速测试的重要性采样函数；根据确定的重要性采样函数，确定测试场景Xi；在测试场景Xi中进行自适应加速测试，获得第i次的测试结果；根据获得的测试结果，确定基于控制变量的自适应加速评估方法的控制参数；根据确定的控制参数，计算第i次自适应加速测试的测试指标；根据测试指标判断出测试结果收敛时，将测试指标作为测试评估结果。本发明实施例通过结合多重重要性采样的自适应加速测试与基于控制变量的自适应加速评估，加速了测试场景生成，提高了自动驾驶汽车测试评估的效率。
-
公开(公告)号：CN108556845B
公开(公告)日：2020-07-10
申请号：CN201810315833.5
申请日：2018-04-10
Applicant: 清华大学
IPC: B60W30/165
Abstract: 本发明实施例公开了一种新型车辆跟驰系统和方法，该系统包括第一车辆和第二车辆，第一车辆包括第一控制器、第一定位装置和第一车‑车V2V车载通信设备，第二车辆包括第二控制器、第二定位装置和第二V2V车载通信设备；第一定位装置对第一车辆进行定位；第二定位装置对第二车辆进行定位；第一控制器通过第一V2V车载通信设备将第一车辆的基本信息共享给第二V2V车载通信设备；第二控制器根据第二车辆的定位信息以及共享到的基本信息对第二车辆进行自动驾驶控制，以使第二车辆自动跟随第一车辆行驶。该实施例方案使得车辆可以同时实现横向和纵向上的自动驾驶控制，并保证了整个跟驰系统的低成本、低延时和可靠性。
-
Patent Agency Ranking
公开(公告)号：CN111204336A
公开(公告)日：2020-05-29
申请号：CN202010026827.5
申请日：2020-01-10
Applicant: 清华大学
Abstract: 一种车辆行车风险的评估方法、设备和计算机可读存储介质，其中，所述方法包括：实时获取车辆的位置以及所述车辆周围的障碍物的位置，所述障碍物包括静止障碍物和运动障碍物；对所述车辆和障碍物的相对位置进行椭圆修正，根据修正后的车辆和静止障碍物的相对位置确定所述静止障碍物对所述车辆产生的势能场的场强，以及根据修正后的车辆和运动障碍物的相对位置确定所述运动障碍物对所述车辆产生的动能场的场强；确定所述车辆的驾驶员形成的行为场的场强；根据所述势能场的场强、动能场的场强和行为场的场强确定所述车辆的行车风险场的场强。本申请实施例考虑了车辆风险场的各向异性，可实现车辆在全路段多障碍物条件下行车风险评估与分析。
-
公开(公告)号：CN108556845A
公开(公告)日：2018-09-21
申请号：CN201810315833.5
申请日：2018-04-10
Applicant: 清华大学
IPC: B60W30/165
CPC classification number: B60W30/165
Abstract: 本发明实施例公开了一种新型车辆跟驰系统和方法，该系统包括第一车辆和第二车辆，第一车辆包括第一控制器、第一定位装置和第一车-车V2V车载通信设备，第二车辆包括第二控制器、第二定位装置和第二V2V车载通信设备；第一定位装置对第一车辆进行定位；第二定位装置对第二车辆进行定位；第一控制器通过第一V2V车载通信设备将第一车辆的基本信息共享给第二V2V车载通信设备；第二控制器根据第二车辆的定位信息以及共享到的基本信息对第二车辆进行自动驾驶控制，以使第二车辆自动跟随第一车辆行驶。该实施例方案使得车辆可以同时实现横向和纵向上的自动驾驶控制，并保证了整个跟驰系统的低成本、低延时和可靠性。
-
公开(公告)号：CN119598726A
公开(公告)日：2025-03-11
申请号：CN202411644409.7
申请日：2024-11-15
Applicant: 清华大学
Abstract: 一种自动驾驶测试场景生成框架和生成方法，包括：路网生成器用于获取多模态大语言模型基于提示词工程和场景描述生成的节点文件和边文件，并输入交通仿真工具，获取交通仿真工具合成的路网文件；车辆生成器用于获取所述多模态大语言模型基于提示词工程和场景描述生成的多个初始车辆模型，并输入交通仿真工具，获取交通仿真工具为每一个初始车辆模型增加路径文件之后生成的车辆模型；场景生成模块用于整合所述路网文件和多个所述车辆模型，获得自动驾驶测试场景，为多模态大语言模型和交通仿真工具的交互使用搭建了桥梁，构建了基于提示工程的多模态大语言模型的交通仿真机制，能够生成定制化的、真实可靠的、具有针对性的自动驾驶测试场景。
-
公开(公告)号：CN119272065A
公开(公告)日：2025-01-07
申请号：CN202411426595.7
申请日：2024-10-12
Applicant: 清华大学
Abstract: 一种场景相似度网络训练、典型场景获取、测试方法和平台，所述训练方法包括：获取自动驾驶模型的测试场景全集{Xn}，以及预先构建的基于注意力机制的初始场景相似度网络，其中，{Xn}包括N个测试场景Xn，n＝1,2,……N；在{Xn}中获取少样本测试场景集{Xl}作为训练数据，生成{Xl}和{Xn}的相似度矩阵，并基于所述相似度矩阵对所述初始场景相似度网络进行训练，构建L个测试场景与N个测试场景之间的场景相似度网络，其中，{Xl}包括L个测试场景Xl，l＝1,2,……L，2≤L
-
公开(公告)号：CN118587691A
公开(公告)日：2024-09-03
申请号：CN202410832192.6
申请日：2024-06-25
Applicant: 清华大学
IPC: G06V20/59 , G06V10/82 , G06V10/774 , G06N3/0455
Abstract: 一种驾驶行为模型训练方法、自然驾驶环境重建方法及装置。利用数据驱动的方式对复杂环境下车辆的驾驶行为模型进行训练，通过对该模型在时间上的串行调用与空间上的并行调用，重建时空连续的自然驾驶环境；通过模型驱动的方法对自动驾驶系统测试环境中的背景车辆进行模拟，并与被测的自动驾驶系统进行实时交互，可以模拟复杂的真实路况，对设有自动驾驶系统的汽车在复杂交互环境下进行测试，有效保障自然驾驶环境中背景车辆的行为与真实环境中的车辆的行为状态趋近，提高了测试的准确性。
-
-
-
-
-
-
-
-
-
Search Results
24
records
(took 0.024 seconds)
