一种混合交通流环境下基于智能座舱的车外交互方法

    公开(公告)号:CN116980670A

    公开(公告)日:2023-10-31

    申请号:CN202310786388.1

    申请日:2023-06-29

    Applicant: 长安大学

    Abstract: 本发明公开了一种混合交通流环境下基于智能座舱的车外交互方法,该方法在智能网联汽车或无人驾驶车的后挡风玻璃上安装背投膜,在驾驶室安装平板电脑和微型投影仪,平板电脑与微型投影仪无线连接传输数据,平板电脑接收V2X信息,并能对驾驶员语音输入内容进行语音识别;微型投影仪将所述平板电脑传来的V2X信息或者无人车的驾驶意图与语音识别结果投影至后挡风玻璃的背投膜上,实现投影仪背投,向后方车辆驾驶员传递交互信息。在确保驾驶员安全驾驶的前提下提供了更加智能化、人性化的交互体验,且对于用户学习能力也无较高要求,设备价格相对便宜,使用门槛低,能够满足大众的需求。

    基于可控智能网联车的高速公路匝道混合交通流管控方法

    公开(公告)号:CN115880884B

    公开(公告)日:2023-10-27

    申请号:CN202211165614.6

    申请日:2022-09-23

    Applicant: 长安大学

    Abstract: 本发明涉及智能交通领域,尤其涉及一种基于可控智能网联车的高速公路匝道混合交通流管控方法,包括以下步骤:S1,将高速公路匝道路段分为正常行驶路段、编队形成路段和加速汇入路段;S2,智能网联车和人驾跟驰车辆在编队形成路段形成车辆编队;S3,计算车辆编队完全到达汇入点S的时间区间[tmin,tmax];S4,对主干道智能网联车与匝道路段上的智能网联车进行协同控制,在主干道为匝道上的编队车辆预留出汇入间隙;S5,车辆编队汇入主干道。本发明依靠车联网技术提前获取高速公路主干道和下游合流区的交通状况,通过控制智能网联车的速度引导匝道车辆安全汇入高速公路主干道,避免出现驾驶员仅仅根据自身的驾驶经验和周围的驾驶环境寻找汇入主干道的时机的情况。

    交通能耗监测与管理方法、系统、电子装置和存储介质

    公开(公告)号:CN116580523A

    公开(公告)日:2023-08-11

    申请号:CN202310425294.1

    申请日:2023-04-19

    Abstract: 本发明公开了一种交通能耗监测与管理方法、系统、电子装置和存储介质,方法包括:从交通监控中获取视频图像,并定位及跟踪视频图像内的车辆;提取定位车辆的车辆信息,车辆信息至少包括车辆的车重信息、车型信息、动力类型信息;对视频图像中的车辆进行测速,得到车辆的速度信息;根据车辆信息和速度信息对车辆的耗能值、污染值进行计算,得到计算结果;将计算结果上传至预定的决策端口;在决策端口内根据计算结果生成决策,并将决策发送至预定接收端,决策包括城市交通综合优化决策、高能耗车辆预警、高污染车辆预警;本发明能够解决混合动力异构交通场景的汽车能耗损失及污染的计算问题,实现对城市区域车辆的能耗及污染的监测量化。

    自动驾驶测试场地道路环境构建方法和装置

    公开(公告)号:CN116578900A

    公开(公告)日:2023-08-11

    申请号:CN202310516935.4

    申请日:2023-05-09

    Applicant: 长安大学

    Abstract: 本发明涉及自动驾驶技术领域,尤其涉及一种自动驾驶测试场地道路环境构建方法和装置,首先获取真实道路地图数据包括的道路节点和道路分段,以及两者的从属关系;确定道路节点的类型属性和道路分段的类型属性,根据道路节点的类型属性和道路分段的类型属性,构建典型道路结构分类集;然后基于典型道路结构分类集,对真实道路地图数据进行聚类,得到真实道路地图数据中包含的基本道路单元集;最后确定每种基本道路单元的重要性指数,通过优化组合得到测试场地道路环境。本发明依据真实道路地图数据构建的测试场地道路环境,更加的贴近真实的道路场景,且可以覆盖多个不同场景的道路环境,满足自动驾驶汽车的测试需求,使得测试结果更加准确。

    一种无监督自动驾驶汽车故障检测方法及系统

    公开(公告)号:CN115964676A

    公开(公告)日:2023-04-14

    申请号:CN202211738905.X

    申请日:2022-12-30

    Applicant: 长安大学

    Abstract: 本发明公开了一种无监督自动驾驶汽车故障检测方法及系统,通过实时采集自动驾驶汽车的行驶状态数据,利用不同结构的自动编码器对获取的行驶状态数据进行检测,对不同结构的自动编码器检测结果进行融合得到编码器融合检测结果;同时采用一类支持向量机模型、局部离群因子模型和孤立森林模型分别对自动驾驶汽车的行驶状态数据进行检测得到各自的检测结果,将一类支持向量机模型、局部离群因子模型和孤立森林模型的检测结果与编码器融合检测结果进一步融合得到最终的检测结果,从数据驱动的角度设计了融合多个针对解决故障检测问题的方法的集成框架,可以有效地检测传感器数据异常和自动驾驶汽车运行状态的故障。

    基于神经网络的车辆队列控制模式切换系统及切换方法

    公开(公告)号:CN113808438B

    公开(公告)日:2022-07-01

    申请号:CN202111101707.8

    申请日:2021-09-18

    Applicant: 长安大学

    Abstract: 本发明公开了一种基于神经网络的车辆队列控制模式切换系统及切换方法,其系统包括数据采集模块、数据处理模块和控制器切换模块;数据采集模块用于接收当前车辆和前方车辆的数据信息;数据处理模块用于对当前车辆和前方车辆的数据信息进行处理;控制器切换模块用于根据处理后的数据信息,切换当前车辆的控制方式。本发明的车辆队列控制模式切换系统可以使神经网络处理产生的数据信息更接近前方车辆的真实轨迹信息,并在从CACC控制器方式切换到ACC控制器方式时,使得每一辆车只接受前方一辆车的数据信息,从而提高了预测数据的准确性。

    一种弱对比度交通场景下的车辆检测分割算法

    公开(公告)号:CN109241865B

    公开(公告)日:2022-05-31

    申请号:CN201810925021.2

    申请日:2018-08-14

    Applicant: 长安大学

    Abstract: 本发明公开了一种弱对比度交通场景下的车辆分割算法方法,通过确定交通场景下的车辆分割任务建立分割目标的数据库,并训练全卷积神经网络语义分割模型通过训练好的全卷积神经网络的对弱对比度交通场景下的前方车辆进行初步分割,从而得到车辆的概率图与分割结果接着对分割结果图进行平滑滤波及去噪操作,去除因为语义分割中反卷积操作而造成的噪点和微小空洞接着将去噪后的分割结果图映射回原图,对原图进行均值漂移语义分割从而得到细化的分割结果,最后将卷积神经网络模型的分割结果、均值漂移分割得到分割结果与卷积神经网络得到的前车概率图按照合并规则进行区域合并,从而实现弱对比度交通环境下的车辆细化分割。

Patent Agency Ranking