-
公开(公告)号：CN119181250B
公开(公告)日：2025-02-28
申请号：CN202411696801.6
申请日：2024-11-26
Applicant: 长沙理工大学
IPC: G08G1/01 , G08G1/0967
Abstract: 本发明公开一种基于客货智能网联车辆屏障的高速公路动态限速管控方法、系统及存储介质，包括步骤：在发生瓶颈区路段时激活成排分布管控区域段和动态限速管控区域段；对CAV客货车辆进行两两分组；在成排分布管控区域段使满足条件的两辆CAV客货车辆形成成排并行状态，并保持并排同速行驶进入动态限速管控区域段；在动态限速管控区域段对并排同速行驶的CAV客货车辆进行管控。面向即将到来的混合流场景，考虑客货车辆物理特性、行驶特征以及屏障效应等方面差异，充分利用智能网联车辆网联通讯和自动驾驶等功能控制客货智能网联车辆的驾驶行为，引导后续跟驰的人工车辆提前被动减速，加强了移动屏障效果，提升动态减速策略的控制效果。
-
公开(公告)号：CN119190019A
公开(公告)日：2024-12-27
申请号：CN202411403423.8
申请日：2024-10-09
Applicant: 长沙理工大学
Abstract: 本发明公开了一种面向客货混行场景的车辆换道决策方法和系统。其中，方法包括通过感知设备计算获取车辆行驶数据；构建货车纵向压迫状态评价模型、客车纵向压迫状态评价模型以及车道线压迫状态评价模型，计算得到车辆所受的货车纵向压迫度、客车纵向压迫度以及车道线压迫度；构建对纵向压迫度进行转换得到的车辆横向压迫状态评价模型，计算车辆所受的横向压迫度，构建基于压迫度的换道决策优化模型，确定车辆换道决策。本发明提供的方案针对客货混行场景，充分考虑货车或客车不同类型车辆对本车辆的压迫影响，提出了横向压迫度这一表征客货车融合压迫影响的融合性换道指标，使得本申请确定的车辆换道决策换道舒适度较高、不易受货车影响。
-
公开(公告)号：CN119179855A
公开(公告)日：2024-12-24
申请号：CN202311406223.3
申请日：2023-10-26
Applicant: 长沙理工大学
IPC: G06F18/20 , G06F18/214 , G06F18/24 , G06F16/29 , G06N3/0455 , G06N3/0442 , G06N3/0464 , G06N3/08 , B60W60/00 , B60W50/00 , B60W40/10 , G06F123/02
Abstract: 本发明公开了一种无车道区域的车辆轨迹预测方法与系统，其步骤包括：实时获取目标车辆在无车道线区域的轨迹数据，并进行数据预处理，得到每个时刻轨迹数据的衍生信息集合；将所有衍生信息集合输入隐马尔可夫模型中进行车辆横向运动意图识别训练，以预测得到横向运动状态并加入对应衍生信息集合；将包含横向运动状态预测结果的衍生信息集合中的变量分类后输入时序融合Transformer模型中进行车辆轨迹预测训练，以预测车辆位置；实时获取目标车辆新的轨迹数据并依次输入训练好的隐马尔可夫模型与时序融合Transformer模型，得到轨迹预测结果。本发明提高了时序融合Transformer模型预测无划线区域车辆行驶轨迹的准确性。
-
公开(公告)号：CN119091624A
公开(公告)日：2024-12-06
申请号：CN202411192530.0
申请日：2024-08-27
Applicant: 长沙理工大学
Abstract: 本发明提供一种基于最优断面监测的道路车辆行车风险预警方法、装置及存储介质：根据管控路段的道路特征划分断面获得断面集合；获取全部断面的集计数据、非集计数据和车辆行车风险特征数据来构建样本数据集；对样本数据集中的候选特征变量进行特征评估确定最优断面；基于最优断面的集计数据、非集计数据和车辆行车风险特征数据进行车辆行车风险预测模型标定，获得最优车辆行车风险预测模型；在最优断面处布设路侧感知设备实时获取集计数据和非集计数据，利用最优车辆行车风险预测模型进行管控路段行车风险预测。本发明有效的提高了公路交通安全性，提供精确的风险预警能力，以降低事故发生率并保障行车安全，推动实时预警主动安全管控的发展。
-
公开(公告)号：CN118135457A
公开(公告)日：2024-06-04
申请号：CN202410252253.1
申请日：2024-03-06
Applicant: 长沙理工大学
IPC: G06V20/40 , G08G1/01 , B60W30/18 , G06V20/56 , G06V20/58 , G06V10/82 , G06V10/44 , G06N3/0442 , G06N3/0464 , G06N3/048 , G06N3/084 , G06N3/098
Abstract: 本发明公开了一种考虑车辆复杂交互的车辆换道意图预测方法，包括：基于视频进行实时识别获取车辆轨迹数据并进行预处理；将预处理后的车辆轨迹数据输入构建完成的换道意图预测模型，预测得到目标车辆换道意图；其中，换道意图预测模型是基于CNN‑LSTM模型通过历史视频数据对其进行训练得到。所述方法能够基于不同车辆类型的复杂交互作用对驾驶行为产生的影响，提高换道意图预测准确率，有效降低由换道引起的事故风险。
-
Patent Agency Ranking
公开(公告)号：CN116564131A
公开(公告)日：2023-08-08
申请号：CN202310314747.3
申请日：2023-03-28
Applicant: 长沙理工大学
IPC: G08G1/16
Abstract: 本发明公开一种车路协同环境下道路工作车辆安全预警方法及电子设备，该方法步骤包括：S01.控制道路工作车辆启动工作后同步开启安全预警功能；S02.通过路侧设备获取道路工作车辆以及周边车辆的实时运动状态信息；S03.根据获取的车辆实时运动状态信息，以当前道路工作车辆为中心划分多个预警环区域；S04.根据获取的车辆实时运动状态信息，评估当前道路工作车辆周边车辆交通冲突，判别各预警环区域风险等级；S05.根据风险等级评估结果，对预警环区域内道路工作车辆的后方车辆进行预警决策；S06.对所需监测范围内的车辆信息进行动态更新。本发明能够基于车路协同技术，实现及时对道路工作车辆周边车辆提供安全预警。
-
公开(公告)号：CN116043081A
公开(公告)日：2023-05-02
申请号：CN202310133969.5
申请日：2023-02-20
Abstract: 本发明的技术方案提供了一种交通运输装备用高抗冲击镁合金及其制备方法和应用，属于镁合金材料技术领域。本发明提供的交通运输装备用高抗冲击镁合金按质量百分比计，包括如下化学成分：0.5～1％的Mn，0.2～0.5％的Ce，0.3～0.5％的可选元素和余量Mg；所述可选元素包括Zn、Sn、Bi和Ca中的一种或多种。本发明提供的交通运输装备用高抗冲击镁合金中的稀土Ce以及Mn和可选元素的添加量少，更具轻量化优势，且抗冲击性能优良，其冲击吸收功相较于AZ31镁合金可提升2倍以上。
-
公开(公告)号：CN112216131B
公开(公告)日：2022-07-26
申请号：CN202011069431.5
申请日：2020-09-30
Applicant: 长沙理工大学
IPC: G08G1/087
Abstract: 一种基于应急车道的交叉口优先控制方法，包括：步骤S1：将应急车辆EV前方车流分为排队、非排队状态，应用车辆轨迹方程来确定应急车道开启最早、最晚时刻TKmin和TKmax；步骤S2：在应急车道开启最早、最晚时刻TKmin和TKmax之间取应急车道实际开启时刻TK，根据TK计算对应的车道内部车辆情况；步骤S3：根据应急车道实际开启时刻TK对应的交叉口信号灯状态，计算车道内部车辆清空所需绿灯时间；步骤S4：通过应急车道所在路段的容量缩减以及其相交路段的绿灯时间缩减，建立应急车道开启时刻TK以及信号优先开启时刻TK+ΔT的组合优化模型；步骤S5：计算获取应急车道、信号优先最优开启方案。本发明具有原理简单、控制效果好、能够最大可能优化应急车道通畅性等优点。
-
公开(公告)号：CN113140112B
公开(公告)日：2021-09-21
申请号：CN202110683347.0
申请日：2021-06-21
Applicant: 长沙理工大学
Abstract: 本发明公开了一种自动驾驶交叉口车辆冲突分离的控制方法，针对自动驾驶环境下交叉口，采集交叉口的车道数、车道宽度，车辆的数量、理论到达时刻与车速，计算车辆在交叉口内部网格的进出时刻。根据车辆在交叉口内部网格的进出时刻，对于同方向车辆间基于先到先服务进行冲突分离，对于不同方向车辆，确定一个安全时间间隔，根据理论到达时刻之差在该安全时间间隔区间内、外的比较车辆，分别建立车辆间的冲突分离模型。本发明解决自动驾驶环境下交叉口通行车辆间的冲突问题，通过建立基于网格的车辆冲突分离方法，避免了车辆间冲突，降低了交叉口通行车辆的延误，并提高了控制模型的计算效率。
-
公开(公告)号：CN112382095B
公开(公告)日：2021-09-10
申请号：CN202011347319.3
申请日：2020-11-26
Applicant: 长沙理工大学
Abstract: 本发明公开了一种多源数据融合的城市快速路交通状态估计方法，属于交通控制与管理领域，首先采集快速路检测器检测到的流量和速度数据，并进行预处理，用ArcGIS平台，对多源数据进行时空融合匹配；然后，根据流量数据建立行程车速估计模型；其次，将数据标准化处理，通过确定流量和速度权重，对数据进行加权聚类分析；再次，建立拥堵概率模型；最后，采集到的实时数据根据加权聚类和拥堵概率预测交通状态。
-
-
-
-
-
-
-
-
-
Search Results
42
records
(took 0.033 seconds)
