-
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
IPC: G06F30/20 , G06F119/14
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。
-
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。
-
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
IPC: B60W60/00
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。
-
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
IPC: G06K9/62
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。
-
公开(公告)号：CN113792375A
公开(公告)日：2021-12-14
申请号：CN202110902024.6
申请日：2021-08-06
Applicant: 清华大学
IPC: G06F30/15 , G06F30/20 , G06F119/02
Abstract: 本发明提供了一种基于云支持的预测性巡航控制车速解析方法、系统及装置，其中，该方法包括：获取各路点的推荐驾驶信息，各路点的推荐驾驶信息包括各路点的位置信息和推荐速度；各路点的推荐驾驶信息是云平台根据目标车辆的行驶信息生成的；根据各路点的位置信息和当前位置信息确定与当前位置信息相匹配的目标路点；根据目标路点的推荐速度确定目标车辆的当前行驶速度。通过云平台能在极短的时间内计算得到各路点的推荐驾驶信息，车端控制系统只需要根据当前位置信息与各路点都进行匹配，从而确定当前行驶速度，对当前位置信息与各路点进行匹配的算法较为简单，可以在较短的时间内完成匹配，通过实施本发明可以满足车辆自动驾驶的实时性需求。
-
Patent Agency Ranking
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
IPC: G05D1/02
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。
-
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
IPC: G06Q10/04
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。
-
公开(公告)号：CN113495518A
公开(公告)日：2021-10-12
申请号：CN202110880104.6
申请日：2021-08-02
Applicant: 清华大学
IPC: G05B19/042
Abstract: 本发明公开了一种双向网络时延及通信量化影响下的网联车辆控制方法，该方法包括：步骤1，估计当前网络时延范围及其转移矩阵，确定量化密度；步骤2，确定车辆控制系统方程；步骤3，构建增广系统方程；步骤4，构建矩阵不等式方程组；步骤5，计算不同时延状态的控制增益；步骤6，在传感器端设置观测到的车辆状态信息的缓存装置，并将其打包发送；步骤7，云端控制器接收到数据包，并根据上行时延及可能下行时延计算可能控制量，量化编码后发送给被控车辆；步骤8，被控车辆对接收到的数据包解码后根据时延选择对应控制量执行。本发明能够在传感器、控制器、被控车辆间存在通信时延及量化的情况下保证网联车辆远程控制系统的稳定性和安全性。
-
公开(公告)号：CN113110359A
公开(公告)日：2021-07-13
申请号：CN202110536117.1
申请日：2021-05-17
Applicant: 清华大学
IPC: G05B19/418
Abstract: 本发明公开了一种约束型智能汽车自主决策系统在线训练方法及装置，该方法在每轮优化中，以车辆驾驶性能作为优化的目标，通过计算约束函数的梯度投影矩阵，将更新梯度投影至可行且安全的区域中，并利用安全护盾检测执行策略的绝对安全行。可以保证智能汽车在线优化目标时的安全性，从而降低了对仿真器的要求，应用范围不受场景限制，能够达到安全在线训练的目标。
-
公开(公告)号：CN108664953B
公开(公告)日：2021-06-08
申请号：CN201810498211.0
申请日：2018-05-23
Applicant: 清华大学
Abstract: 本发明公开了一种基于卷积自编码器模型的图像特征提取方法，该方法包括：步骤1，收集包含希望提取的特征的图片构成数据集I；步骤2，收集不包含希望提取的特征的图片构成数据集II；步骤3，利用数据集I和数据集II同时对构建的自编码器模型进行训练；步骤4，输入待提取特征的图像，自编码器模型的编码器部分的输出即为提取到的特征。相比于目前主流的图像特征提取方法，本方法无需进行人工标定，能够在保证特征提取可靠性的同时，降低人工标定的工作量，同时使得输出的特征包含更高级的语义特征。
-
-
-
-
-
-
-
-
-
Search Results
572
records
(took 0.071 seconds)
