-
公开(公告)号：CN111595592B
公开(公告)日：2021-10-12
申请号：CN202010437713.X
申请日：2020-05-21
Applicant: 东南大学
IPC: G01M17/007 , G01C25/00 , G05B23/02
Abstract: 本发明公开了一种自适应巡航控制系统性能测评方法。首先，面向高等级公路，建立了基于前车车速时变的自适应巡航控制系统性能测试场景。其次，为了全面、准确的获取测试过程中的车辆运动参数，在方法论层面对测试方法进行了改进，利用改进的自适应卡尔曼滤波算法对车辆的位置、速度等运动状态参数进行精确估计。最后，基于准确递推的车辆运动状态参数，提出了多维度的自适应巡航控制系统性能评价指标并进行量化，构建了自适应巡航控制系统性能评价指标体系。本发明提出的测评方法，克服了现有方法中测试场景与实际不符、测评指标相对单一等不足，实现了复杂场景下自适应巡航控制系统性能高精度、可靠、全面的科学定量测评。
-
公开(公告)号：CN112622886A
公开(公告)日：2021-04-09
申请号：CN202011512720.8
申请日：2020-12-20
Applicant: 东南大学
Abstract: 本发明公开了一种综合考虑前后障碍物的重型营运车辆防碰撞预警方法。首先，针对中国的道路行驶环境，搭建驾驶模拟仿真平台，采集多种行驶工况下优秀驾驶员的典型驾驶行为。其次，引入基于最大熵的逆向强化学习算法，学习人类优秀驾驶员的驾驶行为。最后，将防碰撞预警策略问题描述为马尔科夫决策过程，建立基于正向强化学习的防碰撞驾驶决策模型，得到准确、可靠、具有适应性的防碰撞预警策略。本发明提出的方法，综合考虑前向、后向障碍物对车辆碰撞的影响，为驾驶员提供节气门开度、方向盘转角控制量等精确量化的驾驶建议，且能够适应不同的行驶工况和驾驶员操作，克服了现有的重型营运车辆防碰撞预警方法缺乏准确性、适应性的问题。
-
公开(公告)号：CN111696387A
公开(公告)日：2020-09-22
申请号：CN202010436618.8
申请日：2020-05-21
Applicant: 东南大学
IPC: G08G1/16 , G08G1/01 , G08G1/0962 , G08B21/18 , G08B7/06
Abstract: 本发明公开了一种基于前向障碍物识别的自适应防撞分级预警方法。首先，为了准确识别前向障碍物类型，建立了基于深度学习的前向障碍物识别模型。其次，综合考虑前向障碍物类型、运动状态和道路环境等因素对前向碰撞的影响，建立了具有自适应交通环境特性的行车安全距离模型，并对碰撞危险进行量化。最后，制定前向防撞分级预警策略。本发明提出的方法适应不同的交通环境和行驶工况，且能够根据交通环境自适应调整阈值，并以数值的形式将前向碰撞危险精确量化，实现不同碰撞危险程度下的自适应防撞分级预警，解决了现有的半挂罐车防撞预警方法缺乏准确性、适应性的问题。
-
公开(公告)号：CN111645670A
公开(公告)日：2020-09-11
申请号：CN202010444572.4
申请日：2020-05-23
Applicant: 东南大学
Abstract: 本发明提出一种基于支持向量机的重载车辆侧倾状态检测方法，首先明确影响重载车辆侧倾状态的因素及其获取方式，然后定义用于辨识侧倾状态的表征参数和不同危险等级的侧倾状态，接着开展典型侧翻场景下的重载车辆实车试验并保存数据，进而设计用于重载车辆侧倾状态检测的SVM，最后基于SVM实现重载车辆侧倾状态的实时检测。该方法选用整车质量、车速和方向盘转角信息实现侧倾状态的冗余检测，提高检测的可靠性；车速和方向盘转角通过车身CAN总线读取，无需外加传感器，成本低；以最后一轴两侧车轮垂向力的横向变化来辨识侧倾状态，建立整车质量、车速、方向盘转角与侧倾状态的对应关系，利用实车试验数据训练SVM，提高检测的准确性。
-
公开(公告)号：CN115257819B
公开(公告)日：2024-12-24
申请号：CN202211070514.5
申请日：2022-09-02
Applicant: 东南大学
Abstract: 本发明公开了城市低速环境下的大型营运车辆安全驾驶决策方法，首先，采集城市交通环境下人类驾驶员的安全驾驶行为，构建形成安全驾驶行为数据集。其次，构建基于多头注意力的营运车辆安全驾驶决策模型。该模型包含深度双Q网络和生成对抗模仿学习两个子网络。其中，深度双Q网络通过无监督学习的方式，学习危险场景、冲突场景等边缘场景下的安全驾驶策略；生成对抗模仿学习子网络模仿人类驾驶员在不同驾驶条件和行驶工况下的安全驾驶行为。最后，训练安全驾驶决策模型，得到不同驾驶条件和行驶工况下的驾驶策略。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、突遇障碍物等因素对行车安全的影响。
-
Patent Agency Ranking
公开(公告)号：CN116946162B
公开(公告)日：2023-12-15
申请号：CN202311209606.1
申请日：2023-09-19
Applicant: 东南大学
IPC: B60W50/00 , B60W40/064 , B60W40/072 , B60W40/076 , B60W40/06
Abstract: 本发明公开了一种考虑路面附着条件的智能网联商用车安全驾驶决策方法。首先，将安全驾驶决策问题建模为有限马尔可夫决策模型，并定义决策模型的基本参数。其次，设计决策模型的网络架构。最后，训练决策模型的网络参数。本发明提出的方法综合考虑了路面附着条件、道路坡度和弯度等因素对于行车安全的影响，能够适应不同的交通环境和行驶工况，解决了现有的商
-
公开(公告)号：CN116959260B
公开(公告)日：2023-12-05
申请号：CN202311212627.9
申请日：2023-09-20
Applicant: 东南大学
IPC: G08G1/01 , G08G1/048 , G08G1/052 , G08G1/0967 , G06N3/042 , G06N3/0442 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于图神经网络的多车辆驾驶行为预测方法，属于新一代信息技术领域。首先，建立基于图神经网络的驾驶行为预测模型，并定义预测模型的输入和输出。其次，定义驾驶行为预测模型的相关参数。最后，设计驾驶行为预测模型的网络架构，并对其进行训练。本发明提出的方法站在路侧的全局化视角，能够预测多个交通参与者的驾驶行为，有助于提高道路重点区域的行车安全。此外，该方法无需计算车辆动力学模型，计算耗时低，且使用的传感器成(56)对比文件Yafu Tian 等.RSG-GCN: PredictingSemantic Relationships in Urban TrafficScene With Map Geometric Prior.IEEE OpenJournal of Intelligent TransportationSystems.2023,全文.赵海涛;程慧玲;丁仪;张晖;朱洪波.基于深度学习的车联边缘网络交通事故风险预测算法研究.电子与信息学报.2020,(第01期),全文.兰浩然 等.遮挡环境下基于路侧异源雷达融合的多交通目标鲁棒跟踪方法.仪器仪表学报.2022,全文.郑智勇.复杂交通环境下智能车辆高可靠车道级融合定位方法研究.万方学位论文.2023,全文.曹健 等.基于图神经网络的行人轨迹预测研究综述.计算机工程与科学.2023,全文.于秋爽.基于多模型输入的车辆轨迹预测研究.中国优秀硕士学位论文全文数据库 工程科技II辑.2022,全文.Chen T 等.Visual Reasoning usingGraph Convolutional Networks forPredicting Pedestrian CrossingIntention.2021 IEEE/CVF InternationalConference on Computer Vision Workshops(ICCVW).2022,全文.
-
公开(公告)号：CN111695196B
公开(公告)日：2023-04-18
申请号：CN202010444567.3
申请日：2020-05-23
Applicant: 东南大学
IPC: G06F30/15 , G06F30/27 , G06N3/0464 , G06N3/048 , G06N3/08 , G01C9/00 , G06F119/14
Abstract: 本发明提出一种基于车体运动学信息的罐车侧倾状态预判方法，首先明确影响罐车侧倾状态的车体运动学信息，然后分别建立用于罐车车速和方向盘转角预测的AR模型，接着建立罐车典型侧翻场景集并开展车体运动学信息采集试验，进而设计用于罐车侧倾状态估计的神经网络，最后基于AR模型和神经网络实现罐车侧倾状态的提前预判。该方法使用的车体运动学信息通过CAN总线直接读取，无需外加传感器，操作方便成本低；通过神经网络建立车速、方向盘转角与侧倾状态的非线性映射关系，制作训练样本时考虑典型侧翻场景基元的影响，提高网络预估侧倾状态的准确性；利用AR模型对车速和方向盘转角进行短期预测，联合神经网络实现未来短期内罐车侧倾状态的精确预判。
-
公开(公告)号：CN115257820A
公开(公告)日：2022-11-01
申请号：CN202211070542.7
申请日：2022-09-02
Applicant: 东南大学
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：CN112487954A
公开(公告)日：2021-03-12
申请号：CN202011357565.7
申请日：2020-11-26
Applicant: 东南大学
Abstract: 本发明涉及一种面向平面交叉口的行人过街行为预测方法，包括以下步骤：步骤一：设计即时奖励函数；步骤二：建立全卷积神经网络‑长短期记忆网络(FCN‑LSTM)模型预测动作奖励函数；步骤三：基于强化学习训练全卷积神经网络‑长短期记忆网络(FCN‑LSTM)模型；步骤四：预测行人过街行为及危险预警。该技术方案无需建立复杂的行人运动模型、无需准备海量的带标签数据集，实现自主学习平面交叉口处行人过街行为特征并预测其行走、驻足、快跑等行为，特别是对诱发人车碰撞、擦蹭等危险时行人过街行为的实时预测，对过街行人和来往车辆进行危险预警，有利于减少平面交叉口等重点路段交通事故发生率，保障交通环境中行人的安全。
-
-
-
-
-
-
-
-
-
Search Results
66
records
(took 0.022 seconds)
