-
公开(公告)号：CN118280116A
公开(公告)日：2024-07-02
申请号：CN202410477707.5
申请日：2024-04-19
Applicant: 清华大学 , 北京嘀嘀无限科技发展有限公司
Abstract: 本申请涉及一种交通环境安全态势的评估方法、装置、车辆及存储介质，其中，方法包括：结合车辆当前行驶道路的道路数据、相对感知数据构建车辆的安全场基本场强模型，并基于安全场基本场强模型确定任一单一风险源在车辆的多个目标位置点产生的场强，计算任一单一风险源衰减后的实际场强，并在风险源为多个的情况下，叠加多个风险源分别在每个目标位置点产生的实际场强，得到每个目标位置点对应的风险场强，以评估车辆在当前交通环境下的安全态势。由此，解决了相关技术中，考虑的风险因素不全面、适用场景单一、无法面对复杂多变的交通环境，导致难以支撑车辆进行智能化决策与控制，影响驾驶体验的技术问题。
-
公开(公告)号：CN116513236A
公开(公告)日：2023-08-01
申请号：CN202310457489.4
申请日：2023-04-24
Applicant: 清华大学 , 北京嘀嘀无限科技发展有限公司
IPC: B60W60/00 , B60W30/095 , B60W50/00
Abstract: 本申请涉及一种基于行车风险场的自适应车辆全向驾驶辅助方法及装置，其中，方法包括：采集目标车辆的行驶轨迹，基于预设方式对行驶轨迹进行规划，生成多个候选轨迹，并根据预设筛选策略对多个候选轨迹进行筛选，得到候选轨迹簇；基于由势能风险场建立的行车风险评估模型和预设损失函数对候选轨迹簇中的每条候选轨迹进行评价，得到评价结果满足预设要求的目标轨迹；学习目标轨迹对应的损失函数的权重参数，以进行车辆全向辅助驾驶的自适应学习。由此，解决了现有自适应驾驶辅助技术功能相互孤立，应用场景单一等问题。
-
公开(公告)号：CN118358587A
公开(公告)日：2024-07-19
申请号：CN202410463843.9
申请日：2024-04-17
Applicant: 清华大学 , 北京嘀嘀无限科技发展有限公司
Abstract: 本申请涉及驾驶风格识别技术领域，特别涉及一种基于横纵向因子的驾驶风格识别方法及装置，其中，方法包括：采集至少一个用户的驾驶数据；根据驾驶数据提取至少一个用户的驾驶轨迹及特征参数；根据驾驶轨迹的横向因子和纵向因子对特征参数进行降维处理，得到多个因子特征值，将多个因子特征值输入至预先构建的驾驶风格识别模型，以获取至少一个用户的实际驾驶风格。本申请可以综合考虑影响驾驶人的驾驶风格的因素，提高驾驶风格识别的准确率和效率的同时，有效地降低了驾驶风格识别过程中的数据冗余和计算成本。
-
公开(公告)号：CN116486612A
公开(公告)日：2023-07-25
申请号：CN202310436282.9
申请日：2023-04-21
Applicant: 清华大学 , 北京嘀嘀无限科技发展有限公司
IPC: G08G1/01
Abstract: 本申请涉及一种基于车路云协同的混合交通队列稳定性评价方法及装置，其中，方法包括：采集实际混合交通场景中每个车辆的实际运动信息，并根据实际运动信息对相应车辆进行系统辨识，以利用辨识结果建立对应的车辆动力学模型；以每个车辆对应的车辆动力学模型辨识结果与云端预设的车辆等级分类标准为参照，从预设云端数据库中匹配到每个车辆对应的标准动力学模型；基于每个车辆对应的标准动力学模型进行云端虚拟仿真测试，并根据测试结果对混合交通系统进行综合评价，生成混合交通队列稳定性评价结果。由此，解决了现有的交通评价测试方法信息获取范围不足、无法适用于智能交通系统下的混合交通场景等问题。
-
公开(公告)号：CN116486612B
公开(公告)日：2023-12-26
申请号：CN202310436282.9
申请日：2023-04-21
Applicant: 清华大学 , 北京嘀嘀无限科技发展有限公司
IPC: G08G1/01
Abstract: 本申请涉及一种基于车路云协同的混合交通队列稳定性评价方法及装置，其中，方法包括：采集实际混合交通场景中每个车辆的实际运动信息，并根据实际运动信息对相应车辆进行系统辨识，以利用辨识结果建立对应的车辆动力学模型；以每个车辆对应的车辆动力学模型辨识结果与云端预设的车辆等级分类标准为参照，从预设云端数据库中匹配到每个车辆对应的标准动力学模型；基于每个车辆对应的标准动力学模型进行云端虚拟仿真测试，并根据测试结果对混合交通系统进行综合评价，生成混合交通队列稳定性评价结果。由此，解决了现有的交通评价测试方法信息获取范围不足、无法适用于智能交通系统下的混合交通场景等问题。
-
Patent Agency Ranking
公开(公告)号：CN117875083B
公开(公告)日：2024-09-24
申请号：CN202410189153.9
申请日：2024-02-20
Applicant: 清华大学
IPC: G06F30/20 , G06F30/18 , G06F111/10 , G06F111/04
Abstract: 本申请涉及一种基于图论的城市多车对抗场景建模方法及装置，其中，方法包括：提取目标对抗场景的收益要素和代价要素，并基于收益要素和代价要素，构建目标对抗场景的数学模型；获取目标对抗场景中的道路环境信息和对抗双方的节点信息，并基于数学模型，对道路环境信息和节点信息进行建模，生成目标对抗场景的图论模型；获取对抗双方中我方节点的状态信息以及对方节点的方向特性信息和收益特性信息，并根据方向特性信息、收益特性信息、状态信息和预设分层策略优化图论模型，以构建目标对抗场景的图论优化模型。由此，解决了现有建模方法对路网信息、环境威胁信息、双方单位多维信息建模能力不强，优化目标考虑因素较少等问题。
-
公开(公告)号：CN118674935A
公开(公告)日：2024-09-20
申请号：CN202410698668.1
申请日：2024-05-31
Applicant: 清华大学
IPC: G06V10/40 , G06V10/776 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本申请涉及自动驾驶感知技术领域，特别涉及一种自动驾驶感知模型功能模块的搭建方法及装置，其中，方法包括：利用计算基础平台工作进行数据标注和BEV数据格式适配，生成车路云一体化感知系统功能模块库，以对不同功能模块进行选择组合，得到适用于目标任务的需求功能模块，以构建感知算法框架对至少一个功能模块进行测评，得到至少一个功能模块的特征可视化定性分析结果与评价指标定量分析结果；基于用户的自身个性化数据、特征可视化定性分析结果与评价指标定量分析结果和实际任务的数据对感知算法框架下的感知模型进行微调，搭建最终的自动驾驶感知模型。本申请可以实现独立功能模块的评价和测试，指导功能模块预训练和微调。
-
公开(公告)号：CN118358597A
公开(公告)日：2024-07-19
申请号：CN202410333512.3
申请日：2024-03-22
Applicant: 清华大学
Abstract: 本发明提供一种车道偏离预警系统安全运行关键参数测试方法和装置，包括：利用预设仿真算法模拟车道偏离预警系统并搭建仿真场景；基于所述模拟车道偏离预警系统和所述仿真场景，根据预先选择的测试类别通过测试类别‑待测关键参数映射关系选择相应的待测关键参数进行测试，为所述待测关键参数设置不同预设值，根据所述预设值进行车道偏离预警仿真，得到所述测试车辆在当前行驶状态下的关键参数相关数据；对所述关键参数相关数据进行分析，得到所述关键参数的安全阈值边界。本发明通过仿真算法对车道偏离预警系统安全运行关键参数进行测试，通过场景模拟计算关键参数的安全阈值边界，从而为解释性更高的车道偏离预警系统做出贡献。
-
公开(公告)号：CN114677555B
公开(公告)日：2024-06-28
申请号：CN202210200266.5
申请日：2022-03-02
Applicant: 清华大学
IPC: G06V10/774 , G06V10/80 , G06N3/0464
Abstract: 本申请涉及车辆技术领域，特别涉及一种迭代优化式的端到端智能车辆感知方法、装置及电子设备，方法包括：获取智能车辆的感知信息；将感知信息输入至迭代优化后的端对端网络，执行检测任务、跟踪任务和预测任务，同时得到检测结果、跟踪结果和预测结果，其中，端对端网络包括多目标检测网络、多目标跟踪网络和多目标轨迹预测网络；以及基于检测结果、跟踪结果和预测结果获取端到端智能车辆的感知结果。由此，解决了跟踪、检测及预测三类感知任务相互依赖、算法独立、协同性较低及遮挡带来的目标丢失等问题，通过端到端的检测跟踪、三类感知模块一体化和迭代优化方案的实施，提高了被遮挡物的跟踪率、跟踪结果的鲁棒性以及感知方案的实时性和精度。
-
公开(公告)号：CN118012495A
公开(公告)日：2024-05-10
申请号：CN202410032227.8
申请日：2024-01-09
Applicant: 清华大学
Abstract: 本申请涉及一种智能驾驶计算平台功能软件重构和可视化方法及装置，其中，方法包括：按照预设分析顺序分析目标智能驾驶源代码的函数架构，得到函数树；重构目标智能驾驶源代码，得到目标计算机语言代码，并根据函数树、预设测试顺序等判断其与目标智能驾驶源代码和目标计算机语言代码的执行功能是否一致；当目标智能驾驶源代码和目标计算机语言代码的执行功能一致时，对目标计算机语言代码进行前端集成图形化处理，生成可视化目标计算机语言代码，并将其部署在相应硬件平台中。由此，解决了现有自动驾驶技术核心算法迁移到C++难度较大，且其开发效率、集成效率和验证效率较低；此外，当前行业缺乏统一标准，较难提炼共性技术赋能行业发展等问题。
-
-
-
-
-
-
-
-
-
Search Results
562
records
(took 0.074 seconds)
