-
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。
-
Patent Agency Ranking
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。
-
公开(公告)号：CN113420368A
公开(公告)日：2021-09-21
申请号：CN202110563273.7
申请日：2021-05-24
Applicant: 江苏大学
IPC: G06F30/15 , G06F30/27 , G06N3/04 , G06N3/08 , G06F119/14
Abstract: 本发明公开了一种智能车辆神经网络动力学模型、强化学习网络模型及其自动驾驶训练方法，利用神经网络动力学模型和车辆平面映射关系来模拟自动驾驶汽车在区域分割鸟瞰图上实时的运动变化。采用神经网络作为动力学模型更加贴合实车的动力学特性，减小了普通单轨模型误差较大的问题。利用区域分割鸟瞰图Φ作为自动驾驶强化学习训练的状态量，减小了仿真训练和实车二次训练的状态量之间的差异，避免了仿真训练与实车二次训练之间因状态量差异带来的冲突；设计了一种贴合真实场景的强化学习自动驾驶策略仿真训练框架，预训练的强化学习网络RL‑net能较自然的迁移到实车的二次训练中，解决了直接将强化学习应用实车训练时前期可能会发生的碰撞事故的问题。
-
公开(公告)号：CN109542081B
公开(公告)日：2021-06-22
申请号：CN201811354837.0
申请日：2018-11-14
Applicant: 江苏大学
Abstract: 本发明公开了一种基于线下车辆减速度曲线的线上行车危险估计方法，步骤1)获取自然驾驶研究中临近事故车辆减速度曲线样本作为线下风险车辆减速度数据库，通过对数据库中减速度曲线聚类分析得到车辆制动避撞开始时刻行车风险状态的不同等级类别；步骤2)在线下风险车辆减速度数据库基础上，根据线下行车风险状态类别结果对样本制动避撞开始时刻的危险估计指标值进行风险状态划分模糊规则提取，得到基于危险估计指标模糊规则的线上行车风险状态划分方法。本发明避免了单个危险估计指标可能存在的局限性问题，且反映了“驾驶员认为的碰撞无法避免”时刻，有利于增强防碰撞系统的效用和用户接受度。
-
公开(公告)号：CN112435464A
公开(公告)日：2021-03-02
申请号：CN202011146636.9
申请日：2020-10-23
Applicant: 江苏大学
IPC: G08G1/01 , G08G1/0962 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于Q强化学习的高速路主线行驶车辆的接管时间预测系统及预测方法，主要解决了智能网联车在高速公路主线上行驶发出接管请求时，系统能够根据车身周围的交通环境通过Q强化学习算法预测接管时间的问题。电子控制单元在车辆发出接管请求时能够将道路检测器以及智能网联车信息接收模块的数据输入训练完毕的Q强化学习模型中，此时模型会输出一个预测的接管时间。当驾驶员观看屏幕显示的接管时间，能够更快了解接管状况，从而实现更加安全的接管。
-
公开(公告)号：CN107742193B
公开(公告)日：2019-08-27
申请号：CN201711214314.1
申请日：2017-11-28
Applicant: 江苏大学
Abstract: 本发明提供了一种基于时变状态转移概率马尔可夫链的行车风险预测方法，一、线下行车风险预测模型训练：基于事故和临近事故样本，通过对时间窗特征参数聚类划分实时行车风险状态并将其作为马尔可夫链可列状态，建立不同行车风险状态下的行车风险状态转移多项logistic模型；二、线上行车风险模型实时预测：在车联网环境下，实时采集预测模型所需变量参数，通过风险状态聚类中心位置和马尔可夫性质计算初始状态概率分布向量及未来任一时刻马尔可夫链n步转移概率，获得未来车辆风险状态预测结果。本发明通过递推算法实现了马尔可夫链n步时变状态转移概率的估计，可反映行车风险状态转移概率随交通系统特征变化而变化的特征，并能满足预警实时性要求。
-
-
-
-
-
-
-
-
-
Search Results
66
records
(took 0.022 seconds)
