-
公开(公告)号：CN116252785A
公开(公告)日：2023-06-13
申请号：CN202310068085.6
申请日：2023-02-06
Applicant: 吉林大学
IPC: B60W30/095 , B60W40/107 , B60W50/00 , B60W60/00 , G06F30/27 , G06F16/21
Abstract: 本发明公开了一种基于驾驶人感知的行车风险量化方法、系统及设备，其中行车风险量化方法包括如下步骤：获取自车的风险感知因子；基于风险感知因子，通过行车风险量化表达式，得到表征行车风险的行车风险值；其中，自车的风险感知因子通过自车的瞬时加速度表征。与现有技术相比，本发明的行车风险量化方法从驾驶人感知角度出发，以驾驶人所采取的加速度作为驾驶人感知的风险因子，基于该风险因子的行车风险量化方法可以从驾驶人的感知角度来表达环境中其它交通车对自车行车安全的影响，利于车辆发现早期安全隐患，可以为行车预警机制提供依据，也可以从驾驶人感知角度量化自动驾驶车辆在执行某个策略时可能面临的行车风险，为其决策提供参考依据。
-
公开(公告)号：CN114633750A
公开(公告)日：2022-06-17
申请号：CN202210323142.6
申请日：2022-03-29
Applicant: 山东交通学院 , 吉林大学 , 济南北方交通工程咨询监理有限公司
IPC: B60W30/18 , B60W40/105 , G06K9/62
Abstract: 本发明的基于无监督技术的换道过程提取及换道特性分析方法，包括：a).确定换道范围；b).采用k‑means聚类方法，得到包括换道前的直行阶段、换道过程阶段、换道后的直行阶段的精准车辆轨迹数据；c).确定换道模式表征指标；d).获取换道模式，得到k类换道持续时间不同的换道过程；e).换道特性分析，得到k类不同换道模式下车辆的拟合曲线方程；f).换道特性应用。本发明的换道过程提取及换道特性分析方法，相比不考虑换道模式的换道特征分析，该方法能更准确地刻画不同换道模式下的换道行为，体现了换道过程的随机性，为考虑换道风格的换道轨迹规划提供参考。
-
公开(公告)号：CN110569783B
公开(公告)日：2022-03-25
申请号：CN201910836440.3
申请日：2019-09-05
Applicant: 吉林大学
IPC: G06V20/59 , G06V10/762 , G06V10/774 , G06V10/84 , G06K9/62
Abstract: 本发明涉及一种驾驶人换道意图识别方法及系统，使用决策树方法提取方向盘转角、车道偏离量和横摆角加速度作为意图表征参数组；基于K‑means聚类，对方向盘转角和车道偏离量的时间序列分别聚类，确定意图起止时刻，进而确定换道意图时窗宽度；最后结合高斯概率密度函数和隐马尔可夫理论，建立驾驶人换道意图识别模型对驾驶人意图进行识别，识别信度高，对左、右换道意图的识别准确率达100％，对直行意图的识别准确率达91.1％，且时序性较强，可在左换道开始前的1.5s、右换道开始之前的1.4s预测出换道行为，预防LWS系统对驾驶人造成的干扰，对提高行车安全和降低交通事故有重要意义。
-
公开(公告)号：CN114707573B
公开(公告)日：2025-04-11
申请号：CN202210176012.4
申请日：2022-02-25
Applicant: 吉林大学
IPC: G06F18/23213 , G06F18/2135 , G06F18/25 , G06F123/02
Abstract: 本发明提供一种基于基本驾驶操作事件的无监督驾驶风格分析方法，包括：获取数据并预处理；提取基本驾驶操作事件；对基本驾驶操作事件中每个事件进行特征构造和提取，得事件强度特征；通过k‑means进行事件强度聚类并打事件强度类别标签；获取动态时间窗，构造表征动态时间窗内驾驶风格的已具有事件强度类别标签的事件随时间变化曲线；基于融合DTW的曲线聚类算法，对各动态时间窗的曲线聚类，得各类时间窗曲线并打驾驶风格类型标签。本发明以基本驾驶操作事件为基本单元，考虑事件强度和事件转移特征，以事件随时间的变化曲线作为描述驾驶风格的特征，体现驾驶行为的动态决策信息、数据连续性和时间特性，保留数据原始信息，提高驾驶风格分析准确性。
-
公开(公告)号：CN117141479A
公开(公告)日：2023-12-01
申请号：CN202311256768.0
申请日：2023-09-27
Applicant: 吉林大学
Abstract: 本发明提供面向智能车辆动态博弈的备选策略执行强度动态调整方法，包括：预设智能车与切入车博弈过程中智能车的备选策略；获取智能车的备选策略执行强度范围；当博弈次数S＝1时，基于初次博弈开始时智能车的初始加速度或备选策略执行强度范围和初次博弈开始时智能车的初始加速度，获取初次博弈时智能车的备选策略执行强度；当博弈次数S＞1时，基于上一次博弈时智能车的备选策略执行强度或博弈对象驾驶倾向性和上一次博弈时智能车的备选策略执行强度，调整智能车的备选策略执行强度。本发明随博弈对象运动状态及时更新调整智能车的备选策略执行强度，实现与博弈环境的同步更新，可更准确的做出博弈决策，提高安全性和博弈效率。
-
Patent Agency Ranking
公开(公告)号：CN114715146A
公开(公告)日：2022-07-08
申请号：CN202210497607.X
申请日：2022-05-09
Applicant: 吉林大学
IPC: B60W30/095 , B60W40/105 , B60W40/13
Abstract: 本发明公开了一种潜在碰撞事故严重程度预测方法，包括以下步骤：获取碰撞事故样本，所述碰撞事故样本中的碰撞事件带有碰撞严重程度标签，所述碰撞事故样本基于所述碰撞严重程度标签分为若干碰撞事故子样本；基于所述碰撞事故样本的基本特征，进行特征构造，得到构造特征，对所述构造特征进行筛选，得到与所述碰撞严重程度标签有相关性的表征特征；基于所述表征特征，对所述碰撞事故子样本进行过采样或欠采样处理，得到均衡的碰撞事故样本；基于得到的均衡的碰撞事故样本，建立碰撞严重程度预测模型；基于所述碰撞严重程度预测模型，对潜在碰撞事故严重程度进行预测即可。本发明的方法，可在碰撞事故发生前，对行车过程中实时的潜在碰撞事故的严重程度进行预测。
-
公开(公告)号：CN113486822A
公开(公告)日：2021-10-08
申请号：CN202110782921.8
申请日：2021-07-12
Applicant: 吉林大学
Abstract: 本发明提供一种基于驾驶意图的周围车辆轨迹预测方法，包括：获取自车、换道车与周围车辆行驶数据并预处理；获取换道结束点T3及由换道准备阶段开始点T1和换道执行阶段开始点T2界定的换道准备阶段；获取不同换道持续时间的换道轨迹样本及换道原型轨迹；获取他车驾驶意图辨识的表征参数组并建立他车驾驶意图辨识模型；建立包含换道持续时间变量的换道轨迹预测模型；根据他车驾驶意图辨识模型判断他车是否换道，如果是则基于他车对应换道持续时间的换道原型轨迹下的换道轨迹预测模型预测他车未来轨迹。本发明辨识他车驾驶意图时考虑自车换道车与周围车辆，预测换道轨迹时考虑换道持续时间多样性，可准确辨识他车换道意图且准确预测他车换道轨迹。
-
公开(公告)号：CN110395263B
公开(公告)日：2020-08-11
申请号：CN201910756801.3
申请日：2019-08-16
Applicant: 吉林大学
Abstract: 本发明涉及一种基于MFAC算法的液罐车侧倾稳定性控制方法、系统，基于液罐车的车身侧向加速度、质心侧偏角速度、横摆角速度之间的第一预设关系及液罐车的车身侧向加速度与侧倾稳定性之间的第二预设关系，确定液罐车侧倾稳定性的影响因素包括横摆角速度；针对液罐车难以建模、模型通用性差、模型准确度低的问题，基于MFAC算法通过附加横摆力矩与液罐车横摆角速度之间的第三预设关系对行驶状态下的液罐车进行侧倾稳定性控制，其中，附加横摆力矩为控制输入量，罐车横摆角速度为被控量，省去了建模过程，而仅利用控制输入和输出进行车辆侧倾控制，适用于各种形状罐体的液罐车，控制效果好，对于保障液罐车的道路运输安全具有十分重要的意义。
-
公开(公告)号：CN110395263A
公开(公告)日：2019-11-01
申请号：CN201910756801.3
申请日：2019-08-16
Applicant: 吉林大学
Abstract: 本发明涉及一种基于MFAC算法的液罐车侧倾稳定性控制方法、系统，基于液罐车的车身侧向加速度、质心侧偏角速度、横摆角速度之间的第一预设关系及液罐车的车身侧向加速度与侧倾稳定性之间的第二预设关系，确定液罐车侧倾稳定性的影响因素包括横摆角速度；针对液罐车难以建模、模型通用性差、模型准确度低的问题，基于MFAC算法通过附加横摆力矩与液罐车横摆角速度之间的第三预设关系对行驶状态下的液罐车进行侧倾稳定性控制，其中，附加横摆力矩为控制输入量，罐车横摆角速度为被控量，省去了建模过程，而仅利用控制输入和输出进行车辆侧倾控制，适用于各种形状罐体的液罐车，控制效果好，对于保障液罐车的道路运输安全具有十分重要的意义。
-
公开(公告)号：CN114707573A
公开(公告)日：2022-07-05
申请号：CN202210176012.4
申请日：2022-02-25
Applicant: 吉林大学
IPC: G06K9/62
Abstract: 本发明提供一种基于基本驾驶操作事件的无监督驾驶风格分析方法，包括：获取数据并预处理；提取基本驾驶操作事件；对基本驾驶操作事件中每个事件进行特征构造和提取，得事件强度特征；通过k‑means进行事件强度聚类并打事件强度类别标签；获取动态时间窗，构造表征动态时间窗内驾驶风格的已具有事件强度类别标签的事件随时间变化曲线；基于融合DTW的曲线聚类算法，对各动态时间窗的曲线聚类，得各类时间窗曲线并打驾驶风格类型标签。本发明以基本驾驶操作事件为基本单元，考虑事件强度和事件转移特征，以事件随时间的变化曲线作为描述驾驶风格的特征，体现驾驶行为的动态决策信息、数据连续性和时间特性，保留数据原始信息，提高驾驶风格分析准确性。
-
-
-
-
-
-
-
-
-
Search Results
25
records
(took 0.019 seconds)
