-
公开(公告)号:CN118953402B
公开(公告)日:2025-04-08
申请号:CN202410982962.5
申请日:2024-07-22
Applicant: 江苏大学
Abstract: 本发明公开了一种基于多模态信息融合和大模型推演的自动驾驶车辆风险态势预测方法、系统及存储介质,该方案整合了来自摄像头、激光雷达、多传感器的多模态信息,对可见光图像和红外图像进行信息传递和聚合。将来自多个传感器的数据进行融合,形成环视的动态时空信息。使用邻居交叉注意力机制融合2D‑3D环视图像的动静态特征;利用大模型建立预测模型,对时空风险信息和文本提示信息进行分析,生成短期和长期的预测结果。通过评估每个短期规划和相应的长期应对计划的成本,选择总成本最小的一个作为最优策略,指导智能车辆的安全行驶。
-
公开(公告)号:CN118025203B
公开(公告)日:2024-07-30
申请号:CN202410176460.3
申请日:2024-02-08
Applicant: 江苏大学
IPC: B60W50/00 , B60W60/00 , G06N3/0455 , G06N3/042 , G06N3/0464 , G06N3/0499 , G06N3/084
Abstract: 本发明提供了一种融合复杂网络和图Transformer的自动驾驶车辆行为预测系统及方法,首先,构建车辆交互复杂网络,同时将原始地图信息数据、车辆的运动数据、局部交互信息作为模型的多层输入;然后,借助图Transformer的图卷积和多头节点注意力机制,对车辆之间的复杂关系进行建模和学习,获取车辆全局、局部的相关性;最后,通过训练预测模型,使得图Transformer模型具有良好的泛化性和鲁棒性,可以准确输出自动驾驶车辆的行为。
-
公开(公告)号:CN117742323B
公开(公告)日:2024-07-12
申请号:CN202311663486.2
申请日:2023-12-06
Applicant: 江苏大学
Abstract: 本发明公开了一种多智能体无人艇的目标分配和航线规划方法,将任务信息发送给任务分配器,筛选出未分配的目标和无人艇,根据目标与无人艇之间考虑航行距离和转向惩罚后的综合距离,给每个无人艇分配一个目标;航线规划器为匹配的无人艇和目标生成平滑导航点序列,作为导航航路;在航行过程中,航行控制器根据协同避障和海域约束需求,构建速度优化模型,实时控制无人艇沿航路点序列航行。本发明实现了多智能体无人艇和多目标的高效匹配,生成满足约束条件的平滑导航航路,在满足协同避障要求和海域约束条件下进行智能航行控制。
-
公开(公告)号:CN118193953A
公开(公告)日:2024-06-14
申请号:CN202410415571.5
申请日:2024-04-08
Applicant: 江苏大学
IPC: G06F18/10 , G06F18/213 , G06F18/214 , G06F18/21 , G06N3/0455 , G06N3/0499 , G06N3/084
Abstract: 本发明公开了一种基于多意图导向对比学习的自动驾驶应急救援车辆周车行为预测方法及系统,构建的预测模型包括:(1)整合局部模块和全局模块的序列编码器,局部模块由若干transformer组成,全局模块由单层QKV模块构成。(2)面向多意图的对比学习模块,由意图层面的匹配和和对比损失组成。数据输入模型,首先对数据进行增强操作得到两个增强序列,其次将两个增强序列送至两个序列编码器,通过局部模块和全局模块提取交互信息,将交互信息输入解耦模块得到相关权重、注意力权重和意图,将两个序列编码器输出的意图进行配对得到意图级正对,计算对比学习的损失得到当前车辆意图,匹配当前意图进行Next预测。重复进行,得到周车行为预测结果。
-
公开(公告)号:CN112801149B
公开(公告)日:2024-06-11
申请号:CN202110054062.0
申请日:2021-01-15
Applicant: 江苏大学
IPC: G06F18/214 , G06N3/04 , G06N3/08
Abstract: 本发明提供一种基于深度强化学习的多车队列控制方法,将堆叠4帧的状态量作为网络的输入,使用车队共享网络的训练方法产生训练样本填充经验池;在训练过程中每个周期结束时对经验池进行备份;在经验池中进行采样训练网络。本发明使用车队共享网络,多车同时参加训练的训练方法,车队成员同时产生训练样本,大幅度缓解了连续动作空间探索效率低下的问题,利用探索过程中随机噪声带来的车队间车速震荡使获得的训练样本多样性更好,模型可以应对更加复杂的工况。使用时序信息,堆叠4帧状态量作为网络输入,增强网络的鲁棒性。提出经验池备份方法,通过对经验池的备份和覆盖,剔除非法周期产生的样本,防止低效的样本抽取劣化训练效果。
-
公开(公告)号:CN116682285A
公开(公告)日:2023-09-01
申请号:CN202310731125.0
申请日:2023-06-16
Applicant: 江苏大学
Abstract: 本发明公开了一种基于货车右转内轮差盲区占用空间预测的交叉口行人安全评估方法,构建货车径向分布模型和转向角度分布模型,预测时间间隔T内货车运动可达位置,由货车运动可达位置预测货车右转内轮差盲区的占用空间;构建行人径向分布模型和转向角度分布模型,预测时间间隔T内行人运动可达位置,由行人运动可达位置预测行人运动占用空间;基于货车右转内轮差盲区占用空间和行人运动占用空间对行人出现在货车内轮差盲区内进行预测,评估基于货车右转内轮差盲区的货车‑行人碰撞风险。本发明降低由于驾驶员反应速度慢或传感器灵敏度低所带来的安全隐患。
-
公开(公告)号:CN115871671A
公开(公告)日:2023-03-31
申请号:CN202310033023.1
申请日:2023-01-10
Applicant: 江苏大学
Abstract: 本发明公开了一种考虑周边车辆的智能汽车换道决策与轨迹规划方法、系统,考虑当前车道满意度、相邻车道满意度、相邻车道换道的可行性以及换道过程的安全性,基于多阶段序贯决策树构建决策效用函数;实时获取的交通信息,经过决策效用函数,决策出目标车辆保持车道或执行换道;在执行换道时,构建总成本函数,对换道持续时间和换道纵向位移进行搜索,得到考虑周边车辆的局部最优换道轨迹。本发明能够提高智能汽车换道决策的准确性、换道轨迹的安全性,并降低换道轨迹对周围车辆正常运行的影响。
-
公开(公告)号:CN115841252A
公开(公告)日:2023-03-24
申请号:CN202211543828.2
申请日:2022-12-01
Applicant: 江苏大学
IPC: G06Q10/0635 , G06Q50/26 , G06F18/2415
Abstract: 本发明公开了一种基于预测轨迹的高速公路行车风险评估方法,包括以下工作步骤:步骤一:预测得到自车和周边车辆在预测区间内的预测轨迹;步骤二:将步骤一获得的预测区间内的预测轨迹归整为每段前瞻时间tla,m(m=1,2,...,T)内自车和周边车辆的预测轨迹;步骤三:得到各个前瞻时间内障碍车对自车构成的量化感知风险;步骤四:通过贝叶斯后验概率公式得到量化感知风险水平划分贝叶斯模型;步骤五:实现对行车风险的实时评估;本发明的有益效果是,提高了行车风险评估的准确性和实用性;对不同智能化等级的智能汽车具有良好的技术适用性。
-
公开(公告)号:CN114312830A
公开(公告)日:2022-04-12
申请号:CN202111526027.0
申请日:2021-12-14
Applicant: 江苏大学
Abstract: 本发明公开了一种考虑危险驾驶工况的智能车耦合决策模型及方法,采用了自学习和驾驶规则耦合的决策方法,克服了单一决策方法的局限性、缺乏灵活性和不可靠性等问题,能有效处理各种复杂交通场景的智能车驾驶决策问题。本发明充分考虑了智能车行驶过程中的碰撞风险和换道风险,并在此基础上划分了相对应的决策算法,进一步提高了智能车决策的实时性和其在危险驾驶工况下决策的可靠性。本发明提出的基于特征空间映射的迁移学习算法实现了智能车最优价值动作由仿真场景‑真实场景的知识迁移,解决了真实交通场景的建模误差问题,同时也验证了本发明所提出的智能车耦合决策模型在真实驾驶场景中的有效性,大大提升了智能车的迁移学习能力。
-
公开(公告)号:CN114043989A
公开(公告)日:2022-02-15
申请号:CN202111432080.4
申请日:2021-11-29
Applicant: 江苏大学
IPC: B60W40/09 , B60W50/00 , B60W30/18 , G06V10/40 , G06V10/764 , G06V10/774 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于递归图和卷积神经网络的驾驶风格识别模型、换道决策模型及决策方法,首先,引入驾驶风格作为综合判定依据,获取加速踏板、制动踏板以及方向盘转角信号,通过车载相机以及激光雷达获取当前车辆的驾驶环境和周围车辆的行驶信息。其次,将数据采样至同一频率,并归一化处理,接着将数据利用递归图生成算法生成自车和周围车辆的递归图。然后,将递归图输入卷积神经网络,得到每一车辆对应的驾驶风格。最后,引入决策成本函数,综合考虑自车以及周围车辆的驾驶风格因素,通过调整所述决策成本函数的权重系数的方式,建立换道决策方法,使得换道决策结果具有倾向性,贴合自车的驾驶风格,实现人性化和安全合理的驾驶操作。
-
-
-
-
-
-
-
-
-