-
公开(公告)号：CN110718074B
公开(公告)日：2020-08-11
申请号：CN201911076537.5
申请日：2019-11-06
Applicant: 清华大学 , 北京易华录信息技术股份有限公司
Abstract: 本发明公开了一种混合交通交叉路口的信号灯与车辆的协同控制方法，该方法包括：步骤1，车辆临近交叉路口过程中经过控制区；步骤2，控制区形成1+n模式混合队列；步骤3，确定混合队列信息集；步骤4，判断相邻两混合队列相位是否共存，如果是进入步骤5；否则进入步骤6；步骤5，由相邻两混合队列信息集确定头车ICV到停止线时；步骤6，由在前混合队列信息集确定头车ICV到停止线时；步骤7，根据头车ICV到停止线时及约束，确定最优速度轨迹；步骤8，判断最优速度轨迹与前车距离是否小于安全距离，如果是进入步骤9；否则进入步骤10；步骤9，将头车ICV降为HDV；步骤10，判断头车ICV是否到停车线，如果不是进入步骤8。本发明能够综合优化整体交叉路口的通行效率。
-
公开(公告)号：CN111209838A
公开(公告)日：2020-05-29
申请号：CN201911422483.3
申请日：2019-12-31
Applicant: 清华大学
Abstract: 本发明公开了一种基于驾驶意图识别的周车换道行为识别方法，包括：构建训练样本集；将周车与所在车道中心线的横向偏离、速度和加速度作为周车基本特征，利用历史同步时间滑动窗和统计指标对周车基本特征进行扩展得到候选特征；利用基于条件互信息的最大似然度方法，对训练样本集中各周车换道行为类别，根据候选特征之间的共同信息及其关联程度，得到优选特征；通过随机森林分类器得到对训练样本识别的各时刻周车换道行为类别的概率；利用DS证据理论，将各时刻相同周车换道行为类别的概率进行融合，计算各周车换道行为类别的信度函数，由此确定最终的周车换道行为类别。本发明方法具有更好的识别准确度和时效性。
-
公开(公告)号：CN110851958A
公开(公告)日：2020-02-28
申请号：CN201910982338.4
申请日：2019-10-16
Applicant: 清华大学
IPC: G06F30/20 , G06F119/14
Abstract: 本申请涉及一种碰撞严重性的预测方法，通过构建第一学习模型，并将整车数据和碰撞事故场景特征数据输入第一学习模型得出碰撞加速曲线，能够充分利用路段的道路交通情况和车辆自身数据，对车辆碰撞加速度进行实际计算。通过构建第二学习模型，并将乘员特征数据、约束系统特征数据和碰撞加速曲线输入至第二学习模型，得出不同人体部位的碰撞动力学曲线，可以综合考虑乘员特征和约束系统特征等实际碰撞场景特征，大大提升乘员碰撞严重性预测的可靠性。最终，通过不同人体部位的碰撞动力学曲线进行标量转化，实现碰撞严重性的量化。本申请涉及的碰撞严重性的预测方法，可以在考虑综合因素的前提下实现快速、准确的乘员碰撞严重性预测。
-
公开(公告)号：CN108304605B
公开(公告)日：2019-08-06
申请号：CN201711096307.6
申请日：2017-11-09
Applicant: 清华大学
IPC: G06F17/50
Abstract: 本发明涉及一种汽车驾驶辅助系统传感器优选配置方法，是针对环境感知传感器进行，包括如下步骤：基于典型应用场景，对驾驶辅助系统的环境信息感知需求进行统一描述；建立传感器系统多维综合评价模型；建立传感器感知功能模型；采用全局搜索算法对备选传感器及备选安装位置进行筛选寻优的过程。本发明采用计算机优化求解的方法，实现了汽车驾驶辅助系统中关键传感器的筛选寻优与配置优化，解决了繁杂零部件供应体系下的关键传感器优选配置难题。
-
公开(公告)号：CN110015306A
公开(公告)日：2019-07-16
申请号：CN201810022810.5
申请日：2018-01-10
IPC: B60W40/09 , B60W40/04 , B60W40/105 , B60W40/107 , B60W40/109
Abstract: 本发明公开了一种驾驶轨迹获取方法，包括：获取车辆A的驾驶员的驾驶风格系数；根据所述车辆A的驾驶员的驾驶风格系数，计算得到所述车辆A的驾驶员的代价函数，所述代价函数用于表征所述车辆A从所述车辆A的驾驶轨迹的初始节点到当前节点所付出的代价；根据所述代价函数在第一三维时空地图上计算得到所述车辆A的驾驶轨迹本发明公开了一种驾驶轨迹获取装置。采用本发明实施例的方案得到的驾驶轨迹能够匹配所有驾驶员的驾驶风格，提高了驾驶员对驾驶轨迹的满意度，缩短了驾驶员使用人工驾驶的磨合期。
-
Patent Agency Ranking
公开(公告)号：CN108639059B
公开(公告)日：2019-02-19
申请号：CN201810432926.6
申请日：2018-05-08
Applicant: 清华大学
Abstract: 本发明公开了一种基于最小作用量原理的驾驶人操控行为量化方法及装置，驾驶人操控行为量化方法包括：S1，在自车的电子控制单元中预先设置驾驶人操控机制定量描述模块，所述驾驶人操控机制定量描述模块包括同时反映驾驶人的驾驶操控行为的交通风险和通行效率的作用量SRisk；S2，通过自车上的信息采集装置，获取与时间同步的自车和交通环境信息；S3，根据所述与时间同步的自车和交通环境信息，通过驾驶人操控机制定量描述模块中的SRisk，获取当前行车指导速度，使所述作用量SRisk的值最小，本发明利用最小作用量原理描述驾驶人驾驶车辆过程中关于风险和效率的权衡，能够定量描述任意驾驶人驾驶过程中趋利避害的驾驶特性。
-
公开(公告)号：CN108897313A
公开(公告)日：2018-11-27
申请号：CN201810498215.9
申请日：2018-05-23
Applicant: 清华大学
IPC: G05D1/02
Abstract: 本发明公开一种分层式端到端车辆自动驾驶系统构建方法，该方法将自动驾驶系统分为四层管理架构：第一层采用神经网络模型以摄像头原始采集的数据为输入，输出为隐层结果，仅包含交通环境特征；第二层采用两个神经网络模型，以第一层的输出为输入，输出分别为仅包含道路特征和道路参与者特征的隐层结果；第三层采用两个增强学习模型，以第二层的两个输出为输入，输出分别为仅考虑道路特征的车辆控制命令和仅考虑道路参与者特征的控制命令；第四层采用增强学习模型以第三层的两个输出为并列输入，输出终级车辆控制命令。相比于目前主流的端到端车辆自动驾驶方法，本方法结合了规则信息，能够提高端到端自动驾驶的可靠性。
-
公开(公告)号：CN106093951B
公开(公告)日：2018-11-13
申请号：CN201610390557.X
申请日：2016-06-06
Applicant: 清华大学
Abstract: 本发明提供一种基于超声波传感器阵列的物体跟踪方法，包括：步骤1、建立l阶的系统状态变量拟合目标物的系统状态；步骤2、根据目标物运动特点建立运动状态方程，根据传感器测距方法建立观测方程；步骤3、利用跟踪滤波算法对目标物进行跟踪，对于运动或观测方程存在非线性化部分的系统，可利用能够处理非线性系统的滤波器如扩展卡尔曼滤波器、无迹卡尔曼滤波器、粒子滤波器等进行目标物跟踪。
-
公开(公告)号：CN108622103A
公开(公告)日：2018-10-09
申请号：CN201810433365.1
申请日：2018-05-08
Applicant: 清华大学
Abstract: 本发明公开了一种行车风险辨识模型的标定方法和系统，标定方法包括：S1，通过在试验车上安装信息采集装置，建立车辆平台；S2，采集与时间同步的自车和环境相关的试验数据；S3，提取不同驾驶人在不同环境中踩下加速踏板、释放加速踏板、踩下制动踏板和释放制动踏板的各个相应时刻，以定义各所述时刻分别对应的风险等级值；S4，获得驾驶人在不同场景中的风险辨识曲线，该风险辨识曲线表示随时间的变化驾驶人对风险等级的判断；S5，利用风险辨识曲线标定行车风险辨识模型。本发明通过记录驾驶人对车辆平台的操作，辨识驾驶人在不同场景中对风险等级进行判断的风险辨识曲线，再利用风险辨识曲线图对行车风险辨识模型标定，因此标定出来的行车风险辨识模型能适应不同驾驶人的驾驶习惯，有利于提高行车风险辨识系统的接受度。
-
公开(公告)号：CN105976567A
公开(公告)日：2016-09-28
申请号：CN201610390463.2
申请日：2016-06-06
Applicant: 清华大学
CPC classification number: G08B21/06 , G07C5/0841
Abstract: 本发明提供一种基于车辆踏板和跟车行为的驾驶员疲劳检测方法，包括：采集车辆行驶过程中的参数；采用固定移动时间窗的方法，对数据进行切割以获得多个疲劳数据样本；从每一疲劳数据样本中提取疲劳特征；其中疲劳特征至少包括：跟车距离参数、与前车之间的相对速度参数、油门踏板参数、制动踏板参数；将疲劳特征作为疲劳判别指标集，基于事先进行的疲劳驾驶实验进行数据的样本切割与分类器训练。
-
-
-
-
-
-
-
-
-
Search Results
192
records
(took 0.062 seconds)
