道路交通系统风险辨识的方法、设备及存储介质

    公开(公告)号:CN112861356B

    公开(公告)日:2022-09-27

    申请号:CN202110182856.5

    申请日:2021-02-10

    Applicant: 清华大学

    Abstract: 本申请提供一种道路交通系统风险辨识的方法、设备及存储介质。本申请的方法,通过根据预设的基准时刻,基于突变理论,构建以基准时刻的控制变量和安全状态变量为基准的道路交通系统的尖点势函数动力学模型;基于尖点势函数动力学模型,构建以基准时刻的控制变量和安全状态变量为基准的交通系统风险模型,根据道路交通系统在当前时刻的交通环境要素信息预测未来的第一时刻的交通环境要素信息,根据第一时刻的交通环境要素信息,利用交通系统风险模型,判断道路交通系统在第一时刻是否处于不稳定状态,能够及时地预测未来一段时间内道路交通系统不稳定的时刻,并及时预警,可以避免交通事故的发生,能够提高道路交通系统的稳定性和安全性。

    基于轨迹预测的行人防撞保护方法、装置、设备及介质

    公开(公告)号:CN114940166A

    公开(公告)日:2022-08-26

    申请号:CN202210483601.7

    申请日:2022-05-05

    Applicant: 清华大学

    Abstract: 本申请公开了一种基于轨迹预测的行人防撞保护方法、装置、设备及介质,其中,方法包括:获取目标行人的行人姿态和行人速度;根据行人姿态和行人速度识别目标行人的行人行为,并由行人行为推理目标行人的行人意图;根据行人行为和行人意图生成目标行人的意图轨迹,并对比意图轨迹和车辆行驶轨迹,在对比结果满足碰撞条件时,控制车辆对驾驶员和/或目标行人发送碰撞警示。建立了行人行为、行人意图、行人与环境交互过程,将行人行为与行人意图融合到行人轨迹预测,基于行人轨迹预测结果进行决策,由此,解决了相关技术基于行人检测结果进行决策,无法适应行人复杂运动变化的问题。

    基于多维注意力机制的联合检测与跟踪方法、装置及设备

    公开(公告)号:CN114663812A

    公开(公告)日:2022-06-24

    申请号:CN202210303609.0

    申请日:2022-03-24

    Applicant: 清华大学

    Abstract: 本申请涉及多目标跟踪技术领域,特别涉及一种基于多维注意力机制的联合检测与跟踪方法、装置及设备,其中,方法包括:对当前帧的当前时刻图像进行特征提取与融合处理,生成原始特征图;基于原始特征图,生成解耦特征图,并利用解耦特征执行预设检测任务和跟踪任务,获取当前帧的检测结果和跟踪目标特征;以及以当前帧的检测结果、跟踪目标特征和历史轨迹中的目标特征为输入,构建多特征级联跟踪器,生成最终的检测和跟踪结果。由此,解决了在联合检测和跟踪任务中不同尺度目标的跨时空提取问题以及在不同任务中的特征解耦等问题,通过构建多特征级联跟踪器,增强了跟踪算法在复杂场景中的鲁棒性。

    面向多智能体对抗场景的威胁态势评估方法、装置及设备

    公开(公告)号:CN114548674A

    公开(公告)日:2022-05-27

    申请号:CN202210051131.7

    申请日:2022-01-17

    Applicant: 清华大学

    Abstract: 本申请涉及威胁态势评估技术领域,特别涉及一种面向多智能体对抗场景的威胁态势评估方法、装置及设备,方法包括:获取多智能体的智能体信息和环境信息并分解瞄准过程、躲避过程和破坏过程中的对抗行为;利用预先训练的威胁能量模型由分解的对抗行为得到在任一时刻下对抗场景中所有一方的参与对抗的智能体对于任一区域的威胁能量,并基于威胁能量评估威胁态势。由此,解决了相关技术中威胁态势评估的泛化性差、无法形成统一量化的评估方法且无法适应复杂环境导致难以对当前态势做出准确快速的判断等问题,通过对多智能体对抗行为的本质分析,从量化的多种因素着手,以高精度确立体融合感知结果作为输入,从而快速精准的获得威胁态势评估方法。

    极限工况下人-车-路闭环系统动力学建模方法及系统

    公开(公告)号:CN114117829B

    公开(公告)日:2022-04-22

    申请号:CN202210082803.0

    申请日:2022-01-24

    Applicant: 清华大学

    Abstract: 本公开涉及智能汽车应用技术领域,特别涉及一种极限工况下人‑车‑路闭环系统动力学建模方法及系统。该方法包括:获取目标车辆信息、行驶环境中的动静态信息及道路信息;将目标车辆信息、动静态信息及道路信息输入预先建立的人‑车‑路闭环系统动力学模型中,得到外部环境信息作用下的闭环系统动力学响应,闭环系统动力学模型是根据预置的基于虚拟力学的行车环境动静态道路模型、基于牛顿力学的车辆高维非线性动力学模型和集成感知‑决策‑操控的驾驶人行为模型及其之间的交互耦合机制共同作用建立的。由此,能为极限工况下人‑车‑路闭环系统失稳及行车事故致因机理分析提供理论支撑,同时为自动驾驶车辆决策方法设计提供全面、可靠的理论依据。

    预测型智能汽车决策控制方法、装置、车辆及存储介质

    公开(公告)号:CN114084155A

    公开(公告)日:2022-02-25

    申请号:CN202111349214.6

    申请日:2021-11-15

    Applicant: 清华大学

    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。

    基于侧向量化平衡指标的智能汽车拟人化轨迹规划方法

    公开(公告)号:CN113771884B

    公开(公告)日:2022-02-08

    申请号:CN202111329587.7

    申请日:2021-11-09

    Applicant: 清华大学

    Abstract: 本申请涉及智能汽车应用技术领域,特别涉及一种基于侧向量化平衡指标的智能汽车拟人化轨迹规划方法,包括:建立换道过程中侧向加速度最大值与换道最大侧向位移和换道时长之间的第一线性关系、侧向速度最大值与换道最大侧向位移和换道时长之间的第二线性关系;基于第一线性关系和第二线性关系,得到侧向量化平衡指标的计算模型;在智能汽车应用侧向量化平衡指标时,基于侧向量化平衡指标的计算模型,得到换道轨迹簇中每一换道轨迹的侧向量化平衡指标,进而选择出最优换道轨迹并实现拟人化的换道轨迹规划。由此,为智能汽车科学合理的换道决策提供参考,是智能汽车“学习人、模拟人、超越人和服务人”的拟人化决策理念在换道决策中的体现。

    一种信息融合、车辆信息获取方法及装置

    公开(公告)号:CN112560974B

    公开(公告)日:2021-12-31

    申请号:CN202011530669.3

    申请日:2020-12-22

    Applicant: 清华大学

    Abstract: 本发明提供了一种信息融合、车辆信息获取方法及装置,其中,该信息融合方法包括:获取目标对象的多个检测信息;根据多个检测信息计算多个检测信息的趋势项;根据趋势项及各检测信息计算各检测信息的残差;根据各检测信息的残差计算各检测信息的最优权重;根据各检测信息的最优权重对各检测信息进行加权融合,得到融合信息。由于基于趋势项计算得到的残差可以用于表征检测信息的误差,因此根据各检测信息的残差计算得到的各检测信息最优权重能更真实地反应各检测信息的准确程度,从而根据各检测信息的最优权重得到的融合信息更准确。

    一种校园无人小巴配置和调度方法及系统

    公开(公告)号:CN113759934A

    公开(公告)日:2021-12-07

    申请号:CN202111122086.1

    申请日:2021-09-24

    Applicant: 清华大学

    Abstract: 本发明公开了一种校园无人小巴配置和调度方法及系统,该方法包括:步骤1,接收车辆相关信息和乘客目标的预定乘车信息、向小巴发出校园地图信息、及向距离乘客目标最近的小巴发出车辆调度任务;步骤2,判断小巴是否为紧急状态;步骤3,执行车辆调度任务,判断车内当前的乘客目标数目是否小于设定阈值;步骤4,按照优先级的顺序接泊乘客目标,判断优先级是否降到设定阈值;步骤5,按照所述车辆调度任务中的全局规划路径,运送乘客目标至所述预定乘车信息中的目的地。本发明能够根据乘客的实际需求,灵活对校园无人小巴进行配置和调度,可解决在传统校园小巴在运行过程中路线不合理、等待时间长等问题。

    一种利用车路协同数据的汽车跟车车速预测方法及系统

    公开(公告)号:CN112466119B

    公开(公告)日:2021-11-16

    申请号:CN202011345833.3

    申请日:2020-11-26

    Applicant: 清华大学

    Abstract: 本发明公开了一种利用车路协同数据的汽车跟车车速预测方法及系统,方法包括:获取跟车场景数据;对跟车场景数据进行回归分析,建立回归模型;根据跟车场景数据对给定的时间窗口内和驾驶区域内行驶的跟车队列的车速、车头间距和前车宽度进行统计概率分析,建立参数概率分布模型;利用训练数据集,对回归模型的参数进行辨识;将模型参数辨识结果带回所述回归模型,获得给定前车速度、车头间距和车宽条件下,受到驾驶员个性和车辆的性能差异因素的影响的当前车速的预测值,计算预测值和实测值之间的误差,并建立误差概率分布模型;综合考虑参数的随机性和误差的随机性,构建跟车车速预测模型,并得到跟车车速预测结果。

Patent Agency Ranking