-
公开(公告)号：CN118097986A
公开(公告)日：2024-05-28
申请号：CN202410177411.1
申请日：2024-02-08
Applicant: 北京邮电大学
Abstract: 本发明公开了一种基于时空特征提取和强化学习的交通信号控制方法，用于多路口交通信号协同控制。本发明方法包括：学习路口之间的相互依赖影响程度关系，基于时空影响程度对路口区域进行动态划分；构建时空图建模模块、特征嵌入模块、时序Transformer特征提取模块和空间图Transformer特征聚合模块，将每一时隙所有路口建模为时空图，提取路口时空特征；将路口作为智能体，设置动作策略网络和动作持续时间策略网络，基于重复动作多智能体深度强化学习进行交通信号协同控制。本发明方法能提取有效的路口特征，根据波动的实时交通状态自适应决策动作和时间粒度，实现路口信号的区域协同控制，提升了信号决策的实时性和安全性。
-
公开(公告)号：CN115100866A
公开(公告)日：2022-09-23
申请号：CN202210842831.8
申请日：2022-07-18
Applicant: 北京邮电大学
IPC: G08G1/01 , G08G1/042 , G08G1/048 , G08G1/0967
Abstract: 本发明公开一种基于分层强化学习的车路协同自动驾驶决策方法，基于强化学习设计了一种分层通信的车路协同方法，包括：通信消息生成器与解码器，基于通行子目标的协同规划以及基于通行子目标的单车决策。在车辆—边缘设备通信阶段，一个自编码器会被学习在车端用于生成消息并在边缘节点解码消息；边缘计算节点整合来自全部车辆的消息，并进行共识的形成。共识的表示方式是为每个车辆设定短期的通行任务，并将该任务分发给相应的车辆。车辆依赖车载智能对车辆的驾驶动作进行控制，完成接收自边缘计算节点的短期通行目标。在该分层结构下，本发明多车的协同驾驶决策具有更好的解释性，协同效率更高效。
-
公开(公告)号：CN114283607B
公开(公告)日：2022-09-20
申请号：CN202111563958.8
申请日：2021-12-20
Applicant: 北京邮电大学
IPC: G08G1/0968 , G08G1/0967 , G08G1/01 , H04W4/44 , H04W4/46 , G06Q10/04 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于群智学习的多车协同规划方法，属于多车路协同决策技术领域。本发明中，利用边缘服务器减轻了车辆计算能力与通信能力的要求；利用演化博弈来建模路由规划中车辆之间不断博弈的过程，当博弈状态形成一个稳定局面时，每辆车得到自身利益最大化的路由决策；在每辆车上部署路口通行驾驶决策模块，将车辆看成一个独立决策的个体，利用深度强化学习强大的策略学习能力建模多车在路口的协同驾驶行为；在路侧边缘计算部署交通态势预测模块，利用多车路的通信能力来扩大车辆有限视野下对交通态势的感知。本发明优化了道路资源的不同方面，优化了路口的时空利用，优化了路口周围道路资源的时空利用，增大路口的吞吐量。
-
公开(公告)号：CN119141528A
公开(公告)日：2024-12-17
申请号：CN202411192281.5
申请日：2024-08-28
Applicant: 北京邮电大学
Abstract: 本发明公开了一种智能机器群体的通信与定位一体化方法，用于多智能机器人协同。本发明方法包括：智能机器人通过中期特征提取与交互模块点从当前感知的雷达点云数据中构建查询向量、计算空间重要性信息、提取中期特征用于通信交互；基站通过最优通信链路构建模块对智能机器人进行分簇，在簇内进行机器人间最优通信链路分配，再补全簇间边界的通信链路；智能机器人通过时序化相对定位模块对协同定位对象发来的中期特征时序和自身采集的特征图序列进行处理，获取机器人间相对位置关系。本发明方法考虑了时序化信息的利用，实现了客观通信条件限制下的实时运行，在时空维度上融合跨设备特征实现高效高精度的持续协同定位，提高了配准精度。
-
公开(公告)号：CN118430235A
公开(公告)日：2024-08-02
申请号：CN202410441399.0
申请日：2024-04-12
Applicant: 北京邮电大学
Abstract: 本发明提供了一种基于风险态势认知的智能网联汽车协同方法与系统，属于智能驾驶领域。本发明系统在道路边缘计算节点部署全局风险态势计算、全局风险价值图叠加、风险等级量化等模块，在车辆节点部署单车风险态势计算、风险态势融合计算、驾驶决策等模块。本发明方法的边缘计算节点实时由道路全局交通数据计算包含障碍物风险态势和碰撞避免态势的各类风险态势，进行叠加和风险等级量化，输出全局风险态势价值图和高风险目标分发给网联车辆；车辆由车载感知的局部交通数据计算局部风险态势，融合全局风险态势进行驾驶决策。本发明扩大了感知范围，全面考虑了多种行车风险影响因素，降低了车联网通信负担，能更好满足实时碰撞避免态势计算的场景。
-
Patent Agency Ranking
公开(公告)号：CN118075709A
公开(公告)日：2024-05-24
申请号：CN202410177392.2
申请日：2024-02-08
Applicant: 北京邮电大学
IPC: H04W4/40 , H04W4/06 , H04W72/50 , H04W72/0453
Abstract: 本发明是一种基于分层群体智能的消息广播系统和方法，用于车联网通信领域。本发明系统包括部署在边缘云上的集中式环境状态认知模块，部署在每个车辆智能体上的V2V混合资源分配模块，部署在每个基站智能体的分布式资源分配模块。本发明方法包括：实现分布式资源分配模块，由切片策略指导网络输出切片策略，本地决策网络决策分配给V2I链路的信道资源块；所有基站的切片策略指导网络集中在集中式环境状态认知模块中进行优化；V2V混合资源分配模块根据车辆观测和连接基站的切片策略决策分配给V2V链路的信道资源块。使用本发明技术，各智能体可灵活调整决策以适应变化的环境，实现智能车辆在复杂异构C‑V2X网络中的高效通信。
-
公开(公告)号：CN118037840A
公开(公告)日：2024-05-14
申请号：CN202410177375.9
申请日：2024-02-08
Applicant: 北京邮电大学
IPC: G06T7/73 , G06T7/33 , G06V10/22 , G06V10/44 , G06V10/80 , G06V20/58 , G06V10/82 , G06V10/75 , G06V10/94 , G06N3/042 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于点云匹配的智能机器相对位置校准方法，涉及雷达点云配准技术。本发明方法包括：智能机器感知得到点云数据后，先通过基于局部神经网络特征的紧凑通信传输方法，大致判断两块点云中的重叠区域，将重叠区域内提取的局部神经网络特征传输到另一个智能机器中，其次通过基于动态图神经网络的空间结构点云配准方法对两片点云进行配准，得出相对距离和旋转位姿信息，最后每一个智能机器通过基于时空信息融合的位置自校准方法结合点云配准得到的距离旋转信息，矫正自身位置。本发明降低了数据传输量，降低了带宽和时间要求，提升了配准效率和位置校准质量，同时考虑了低重叠度情况下的配准，提升了配准的鲁棒性。
-
公开(公告)号：CN115100866B
公开(公告)日：2023-08-18
申请号：CN202210842831.8
申请日：2022-07-18
Applicant: 北京邮电大学
IPC: G08G1/01 , G08G1/042 , G08G1/048 , G08G1/0967
Abstract: 本发明公开一种基于分层强化学习的车路协同自动驾驶决策方法，基于强化学习设计了一种分层通信的车路协同方法，包括：通信消息生成器与解码器，基于通行子目标的协同规划以及基于通行子目标的单车决策。在车辆—边缘设备通信阶段，一个自编码器会被学习在车端用于生成消息并在边缘节点解码消息；边缘计算节点整合来自全部车辆的消息，并进行共识的形成。共识的表示方式是为每个车辆设定短期的通行任务，并将该任务分发给相应的车辆。车辆依赖车载智能对车辆的驾驶动作进行控制，完成接收自边缘计算节点的短期通行目标。在该分层结构下，本发明多车的协同驾驶决策具有更好的解释性，协同效率更高效。
-
公开(公告)号：CN114212107B
公开(公告)日：2023-05-12
申请号：CN202111585921.5
申请日：2021-12-20
Applicant: 北京邮电大学
IPC: B60W60/00
Abstract: 本发明是一种基于价值图的智能网联驾驶规划方法，涉及车联网技术领域。本发明在路口设置的边缘计算节点中基于区域内交通元素的特征计算通行势图，基于区域内静态特征计算路面基图，基于区域内所有车辆的历史轨迹，计算不可观测因素对通行价值的影响，获得通行价值底图，将三个图叠加形成通行价值图传输给车辆；车辆探测周围区域中的交通元素计算局部通行势图，并更新通行价值图，进行路径规划。本发明方法通过价值图完成车载设备与边缘计算协同，降低了路面交通态势数据维度，扩大了车辆感知范围，为车辆提供更丰富的环境信息，提高了路径规划的质量，也降低了车路通信的带宽需求，降低了车载终端处理的复杂度，减少对车辆的算力需求。
-
公开(公告)号：CN114212107A
公开(公告)日：2022-03-22
申请号：CN202111585921.5
申请日：2021-12-20
Applicant: 北京邮电大学
IPC: B60W60/00
Abstract: 本发明是一种基于价值图的智能网联驾驶规划方法，涉及车联网技术领域。本发明在路口设置的边缘计算节点中基于区域内交通元素的特征计算通行势图，基于区域内静态特征计算路面基图，基于区域内所有车辆的历史轨迹，计算不可观测因素对通行价值的影响，获得通行价值底图，将三个图叠加形成通行价值图传输给车辆；车辆探测周围区域中的交通元素计算局部通行势图，并更新通行价值图，进行路径规划。本发明方法通过价值图完成车载设备与边缘计算协同，降低了路面交通态势数据维度，扩大了车辆感知范围，为车辆提供更丰富的环境信息，提高了路径规划的质量，也降低了车路通信的带宽需求，降低了车载终端处理的复杂度，减少对车辆的算力需求。
-
-
-
-
-
-
-
-
-
Search Results
33
records
(took 0.023 seconds)
