-
公开(公告)号：CN110444015B
公开(公告)日：2020-10-09
申请号：CN201910608855.5
申请日：2019-07-08
Applicant: 清华大学
Abstract: 本发明是一种基于无信号十字路口分区的智能网联汽车速度决策方法，适用于V2X环境下的无信号十字路口的多车速度决策问题。本发明包括以下步骤：1)十字路口分区，分为三类区域；2)设定参数，包括车辆等待时间阈值；3)不同区域通行速度设定；4)同车道车辆防撞车速设定。本发明同一时刻只允许一个平行方向的车辆通行，避免了建立复杂的冲突点数学建模，也无需考虑复杂路径规划和优化方程求解；通过设定单方向等待时间阈值，避免了长时间单方向车辆滞留；通过将十字路口分区，可以根据实际交通情况在各分区内进行计算；本发明鲁棒性高、操作简单、可直接运行于低成本路侧计算平台。
-
公开(公告)号：CN110444015A
公开(公告)日：2019-11-12
申请号：CN201910608855.5
申请日：2019-07-08
Applicant: 清华大学
Abstract: 本发明是一种基于无信号十字路口分区的智能网联汽车速度决策方法，适用于V2X环境下的无信号十字路口的多车速度决策问题。本发明包括以下步骤：1)十字路口分区，分为三类区域；2)设定参数，包括车辆等待时间阈值；3)不同区域通行速度设定；4)同车道车辆防撞车速设定。本发明同一时刻只允许一个平行方向的车辆通行，避免了建立复杂的冲突点数学建模，也无需考虑复杂路径规划和优化方程求解；通过设定单方向等待时间阈值，避免了长时间单方向车辆滞留；通过将十字路口分区，可以根据实际交通情况在各分区内进行计算；本发明鲁棒性高、操作简单、可直接运行于低成本路侧计算平台。
-
公开(公告)号：CN116304608A
公开(公告)日：2023-06-23
申请号：CN202310154061.2
申请日：2023-02-23
Applicant: 清华大学
IPC: G06F18/211 , G06F18/2415 , G06N20/00
Abstract: 本公开提供的适用于智能汽车的结构化道路场景生成方法，包括：选取基准道路场景结构，构建其“结点‑边”图结构模型，该模型中的结点包括与交叉路口相对应的中心结点和与道路场景结构的出入口相对应的端结点，该模型中的边用于连接结点，对应道路场景结构的出入口之间的相邻两向所有车道形成的路段；对“结点‑边”图结构模型中的结点和边进行随机化处理，生成随机化“结点‑边”图结构模型；判断随机化“结点‑边”图结构模型是否合规，若不合规，则重新生成随机化“结点‑边”图结构模型；将合规的随机化“结点‑边”图结构模型对应的道路场景结构输出。本公开可解决智能汽车在特定场景训练的驾驶策略泛化性能差、在线路径规划实时性差等问题。
-
公开(公告)号：CN116070448A
公开(公告)日：2023-05-05
申请号：CN202310132213.9
申请日：2023-02-09
Applicant: 清华大学
Abstract: 本申请提出了一种智能决策算法与仿真平台的联合互锁调用方法，涉及联合仿真技术领域，包括在智能决策算法处创建算法侧模块，在仿真平台处创建平台侧模块，并进行总初始化操作，其中，算法侧模块与平台测模块在同一个进程的两个线程内分别运行；分别对算法侧模块和平台侧模块进行重置操作，并重置共享上下文状态；分别对算法侧模块和平台侧模块进行步进操作，并借助共享上下文进行数据交换；在智能决策算法要求重置称为一个采样循环时，停止步进操作；反复执行采样循环直至智能决策算法运行结束。本申请在智能决策算法侧和仿真平台侧各部署一个功能模块，且仅依赖于少量线程同步原语，在同一进程内解决控制权冲突，保证了高通信效率，性能损失小。
-
公开(公告)号：CN116011123A
公开(公告)日：2023-04-25
申请号：CN202310154088.1
申请日：2023-02-23
Applicant: 清华大学
IPC: G06F30/15 , G06F30/20 , G06F119/02
Abstract: 本公开提供的智能汽车连续时间最优决控模型构建及求解方法，包括：构建智能汽车连续时间最优决控模型，以自车的终端状态性能函数和从初始时刻至终端时刻的有限时域内的效用函数的连续时间积分作为目标函数，效用函数用于表达自车的综合性能，以智能汽车的连续时间动力学方程作为最优决控模型的运动约束，以参数化最优策略作为最优决控模型的输出；对最优决控模型进行迭代求解，每次迭代中，首先从初始时刻至终端时刻前向求解终端时刻的自车状态，然后从终端时刻至初始时刻后向求解策略梯度，并以梯度下降的方式更新参数化策略的参数，不断重复上述迭代过程直至参数化策略的参数收敛，得到最优参数化策略。本公开精度高、适用范围广、节省内存。
-
Patent Agency Ranking
公开(公告)号：CN116485012A
公开(公告)日：2023-07-25
申请号：CN202310320169.4
申请日：2023-03-29
Applicant: 清华大学
Abstract: 本公开提供的一种交通参与者运行轨迹时空分布包络的预测计算方法，包括以下步骤：S1：筛选可行运行路径；S2：计算纵横向不确定性参数；S3：确定预测终点状态；S4：拟合待预测交通参与者的运行轨迹；S5：计算预测轨迹的时空分布包络。本公开充分利用地图拓扑信息和历史轨迹信息，采用规则式方法，提供了用于交通参与者运行轨迹预测及时空分布包络的计算方法框架，具有强泛化能力、计算快速、部署便捷的特征，实现了交通参与者时空占位预测的快速计算。
-
公开(公告)号：CN116259039A
公开(公告)日：2023-06-13
申请号：CN202310249358.7
申请日：2023-03-15
Applicant: 清华大学
IPC: G06V20/58 , G06V10/774 , G06V10/764
Abstract: 本公开提供的一种自动驾驶汽车行驶风险模型的参数标定方法，包括：设计包含低、中、高三种复杂度类型的动态交通场景，构建包含交通元素状态信息的动态交通场景数据库；搭建驾驶员认知风险捕捉系统，用于播放动态交通场景数据库内的视频、记录用于反映驾驶员认知风险的时变信号捕捉设备的反馈数据并将两者在时间上对齐；进行驾驶员认知风险捕捉实验，利用时间同步的交通元素状态信息和所述反馈数据形成实验数据集；通过控制变量方法，逐步利用低、中、高复杂度场景数据对行驶风险模型的参数进行标定。本公开将动态交通场景信息与驾驶员风险感知的时变信号相匹配，能够提升行驶风险模型的准确性。
-
公开(公告)号：CN118036664A
公开(公告)日：2024-05-14
申请号：CN202410230079.0
申请日：2024-02-29
Applicant: 清华大学
IPC: G06N3/0455 , G06N3/0895 , G06N3/047 , G06N3/084 , G06F16/29 , B60W50/00 , B60W60/00
Abstract: 本申请提出了一种交通参与者运动预测的神经网络架构训练方法，包括：构建用于动态交通场景理解的时空分离型场景编码器，其中，场景编码器的输入为交通场景感知信息，输出为场景编码，场景编码器采用时空分离的方式进行编码；构建用于多模态轨迹预测的轨迹解码器，其中，轨迹解码器的输入为场景编码，输出为预测轨迹及对应的概率分数；采用周车轨迹与地图输入的掩码‑重建自监督学习任务，对场景编码器进行场景理解训练；联合场景理解训练后的场景编码器与轨迹解码器进行运动预测训练，得到训练后的神经网络架构，其中，运动预测训练采用多模态轨迹预测的优化目标函数。采用上述方案的本发明有效提高了复杂交通场景中轨迹预测的准确性。
-
公开(公告)号：CN113587950B
公开(公告)日：2024-04-09
申请号：CN202110990214.8
申请日：2021-08-26
Applicant: 清华大学
IPC: G01C21/34
Abstract: 本公开提供的一种自动驾驶汽车静态路径规划方法、装置及存储介质，包括：根据交叉路口道路拓扑与该交叉路口内行驶路线的预期出口数目，选取多组特征点，特征点的组数与预期出口数目一致，每组特征点包含若干交叉路口内部特征点与交叉路口外部特征点；将多组特征点输入路径计算函数，得到对应的不同候选静态连续路径；对每一条候选静态连续路径，设定期望通行速率与期望停止速率，根据自动驾驶汽车当前状态与信号灯相位为自动驾驶汽车分配行驶速率，得到包含自动驾驶汽车速率信息的多条候选路径，将其离散化，输出最终规划的静态离散路径。本公开为自动驾驶汽车路径跟踪等决策控制任务提供多条候选路径，并保证在线应用时的高计算效率。
-
公开(公告)号：CN113587950A
公开(公告)日：2021-11-02
申请号：CN202110990214.8
申请日：2021-08-26
Applicant: 清华大学
IPC: G01C21/34
Abstract: 本公开提供的一种自动驾驶汽车静态路径规划方法、装置及存储介质，包括：根据交叉路口道路拓扑与该交叉路口内行驶路线的预期出口数目，选取多组特征点，特征点的组数与预期出口数目一致，每组特征点包含若干交叉路口内部特征点与交叉路口外部特征点；将多组特征点输入路径计算函数，得到对应的不同候选静态连续路径；对每一条候选静态连续路径，设定期望通行速率与期望停止速率，根据自动驾驶汽车当前状态与信号灯相位为自动驾驶汽车分配行驶速率，得到包含自动驾驶汽车速率信息的多条候选路径，将其离散化，输出最终规划的静态离散路径。本公开为自动驾驶汽车路径跟踪等决策控制任务提供多条候选路径，并保证在线应用时的高计算效率。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.021 seconds)
