一种基于传递函数稳定性辨识的智能网联混合车队碰撞预测方法

    公开(公告)号:CN118097935B

    公开(公告)日:2025-02-18

    申请号:CN202410079405.2

    申请日:2024-01-19

    Applicant: 东南大学

    Abstract: 本发明提出了一种基于传递函数稳定性辨识的智能网联混合车队碰撞预测方法,包括构建传统人驾车辆跟驰模型和网联自动驾驶车辆跟驰模型;设置智能网联混合车队场景参数,并将传统人驾车辆跟驰模型和网联自动驾驶车辆跟驰模型加载到微观交通系统中;遍历智能网联混合车队的关键参数,获取每组参数下的车队轨迹数据,同时计算出车队的传递函数及其对应的无穷范数,根据无穷范数,划分该车队的理论状态,建立车队理论状态和实际状态的对应关系,构建智能网联混合车队碰撞预测模型;将获得的智能网联混合车队实际状态输入到智能网联混合车队碰撞预测模型中,预测其运行状态。本发明实现了对智能网联混合车队状态的监测和预警,提高了车队运行的安全性。

    一种面向自动驾驶专用道的车辆轨迹优化控制方法

    公开(公告)号:CN119078871A

    公开(公告)日:2024-12-06

    申请号:CN202410528158.X

    申请日:2024-04-29

    Applicant: 东南大学

    Abstract: 本发明提出了一种面向自动驾驶专用道的车辆轨迹优化控制方法,包括:设计混合流条件下的自动驾驶专用道,获取车辆运行信息与环境信息,分别基于DDPG算法和DQN算法设计具有针对性的跟驰与换道模型,训练得到最优车辆轨迹优化控制器,对智能网联车辆进行控制。本发明在自动驾驶专用道基础上采用深度强化学习框架对网联自动驾驶车辆进行轨迹优化控制,考虑专用道汇入的微观收益与宏观收益,对优化专用道设置场景下的自动驾驶轨迹控制方法具有重要的理论意义和实际价值。

    一种车路协同混合交通流环境下快速干道车辆轨迹优化控制方法

    公开(公告)号:CN116502529A

    公开(公告)日:2023-07-28

    申请号:CN202310446420.1

    申请日:2023-04-24

    Applicant: 东南大学

    Abstract: 本发明提出了一种车路协同混合交通流环境下快速干道车辆轨迹优化控制方法,针对快速干道信号交叉口处网联自动驾驶车辆与传统人驾车辆混行的场景,基于移动网联及自动驾驶技术的应用,一方面通过路侧设备和车载设备收集并传递前方信号和车流运行信息;另一方面本发明基于深度强化学习算法构建车辆轨迹优化模型,模型采用演员‑评论家框架优化,以交叉口安全性作为优化目标,遵守道路限速和红绿灯规则约束,并设置安全检测器对控制过程中采取的潜在不安全行为进行强制性修正,实现对网联自动驾驶车辆轨迹的优化设计以避免碰撞的发生,提高快速干道的通行效率。

    一种利用宏观尺度上城市形态测算城市建筑能耗的方法

    公开(公告)号:CN115689382B

    公开(公告)日:2023-07-21

    申请号:CN202211433729.9

    申请日:2022-11-16

    Applicant: 东南大学

    Abstract: 本发明公开一种利用宏观尺度上城市形态测算城市建筑能耗的方法,属于城市建筑能耗测算领域;方法包括:获取并分析各个城市的历史城市形态数据,以获得与各个城市的城市总建筑能耗相关的各项城市形态指标;对各个城市的所属气候区域进行分类,并对各个城市的各项城市形态指标进行统计和筛选,确定出各个气候区域的城市形态指标;以城市总建筑能耗以及各个城市形态指标构建对应气候区域的城市能耗关系方程,再利用历史城市形态数据通过逐步线性回归方法对各个气候区域的城市能耗关系方程进行拟合,获得各个城市能耗关系方程中的系数;确定待测算城市的所属气候区域,利用对应气候区域的城市能耗关系方程对待测算城市的单位面积建筑能耗进行计算。

    一种基于传递函数稳定性辨识的智能网联混合车队碰撞预测方法

    公开(公告)号:CN118097935A

    公开(公告)日:2024-05-28

    申请号:CN202410079405.2

    申请日:2024-01-19

    Applicant: 东南大学

    Abstract: 本发明提出了一种基于传递函数稳定性辨识的智能网联混合车队碰撞预测方法,包括构建传统人驾车辆跟驰模型和网联自动驾驶车辆跟驰模型;设置智能网联混合车队场景参数,并将传统人驾车辆跟驰模型和网联自动驾驶车辆跟驰模型加载到微观交通系统中;遍历智能网联混合车队的关键参数,获取每组参数下的车队轨迹数据,同时计算出车队的传递函数及其对应的无穷范数,根据无穷范数,划分该车队的理论状态,建立车队理论状态和实际状态的对应关系,构建智能网联混合车队碰撞预测模型;将获得的智能网联混合车队实际状态输入到智能网联混合车队碰撞预测模型中,预测其运行状态。本发明实现了对智能网联混合车队状态的监测和预警,提高了车队运行的安全性。

    一种利用宏观尺度上城市形态测算城市建筑能耗的方法

    公开(公告)号:CN115689382A

    公开(公告)日:2023-02-03

    申请号:CN202211433729.9

    申请日:2022-11-16

    Applicant: 东南大学

    Abstract: 本发明公开一种利用宏观尺度上城市形态测算城市建筑能耗的方法,属于城市建筑能耗测算领域;方法包括:获取并分析各个城市的历史城市形态数据,以获得与各个城市的城市总建筑能耗相关的各项城市形态指标;对各个城市的所属气候区域进行分类,并对各个城市的各项城市形态指标进行统计和筛选,确定出各个气候区域的城市形态指标;以城市总建筑能耗以及各个城市形态指标构建对应气候区域的城市能耗关系方程,再利用历史城市形态数据通过逐步线性回归方法对各个气候区域的城市能耗关系方程进行拟合,获得各个城市能耗关系方程中的系数;确定待测算城市的所属气候区域,利用对应气候区域的城市能耗关系方程对待测算城市的单位面积建筑能耗进行计算。

    一种车路协同环境下快速道路重叠交通激波消散方法和系统

    公开(公告)号:CN117636628B

    公开(公告)日:2024-12-20

    申请号:CN202311563906.X

    申请日:2023-11-22

    Applicant: 东南大学

    Abstract: 本发明公开了一种车路协同环境下快速道路重叠交通激波消散方法和系统,建立基于冲击波理论的交通激波模型,计算得到智能网联车辆到达交叉口的最优时间,然后基于深度强化学习模型的车辆轨迹优化控制器构建网联自动驾驶车辆智能体,训练得到最优车辆轨迹优化控制器,对智能网联车辆进行控制。本发明采用深度强化学习框架对网联自动驾驶车辆进行多目标轨迹优化控制,引导上游交通以目标轨迹缓慢进入交通激波影响范围,进而抑制交通激波向上游的传播。本发明能够减少车辆在交叉口的排队停车时间,有利于提高城市干道的整体通行效率,降低交叉口的潜在交通事故风险和燃油消耗,在缓解城市交叉口的交通拥堵问题上具有实际的工程应用价值和意义。

    一种基于几何学习轨迹预测的交通冲击波预测方法

    公开(公告)号:CN118468119A

    公开(公告)日:2024-08-09

    申请号:CN202410433093.0

    申请日:2024-04-11

    Applicant: 东南大学

    Abstract: 本发明公开了一种基于几何学习轨迹预测的交通冲击波预测方法,包括步骤1、构建车辆轨迹预测模型;步骤2、构建模型样本库;步骤3、模型训练;步骤4、轨迹预测;步骤5、速度计算;步骤6、计算小波能量;步骤7、绘制能量时间序列图。本发明通过提取自车与周围车辆、车辆与道路环境之间的交互特征,充分考虑车辆驾驶行为的不确定性,建立基于几何深度学习的车辆轨迹预测模型,预测轨迹计算得到车辆在未来一段时间内的运行速度,将预测得到的车辆速度序列输入小波分析工具,预测交通流中交通冲击波的产生。本发明为动态车速控制、交通冲击波的消除提供基础,在缓解快速路交织区拥堵问题上具有实际的工程应用价值和意义。

    一种车路协同环境下快速道路重叠交通激波消散方法和系统

    公开(公告)号:CN117636628A

    公开(公告)日:2024-03-01

    申请号:CN202311563906.X

    申请日:2023-11-22

    Applicant: 东南大学

    Abstract: 本发明公开了一种车路协同环境下快速道路重叠交通激波消散方法和系统,建立基于冲击波理论的交通激波模型,计算得到智能网联车辆到达交叉口的最优时间,然后基于深度强化学习模型的车辆轨迹优化控制器构建网联自动驾驶车辆智能体,训练得到最优车辆轨迹优化控制器,对智能网联车辆进行控制。本发明采用深度强化学习框架对网联自动驾驶车辆进行多目标轨迹优化控制,引导上游交通以目标轨迹缓慢进入交通激波影响范围,进而抑制交通激波向上游的传播。本发明能够减少车辆在交叉口的排队停车时间,有利于提高城市干道的整体通行效率,降低交叉口的潜在交通事故风险和燃油消耗,在缓解城市交叉口的交通拥堵问题上具有实际的工程应用价值和意义。

Patent Agency Ranking