-
公开(公告)号：CN113112796A
公开(公告)日：2021-07-13
申请号：CN202110372603.4
申请日：2021-04-07
Applicant: 吉林大学
IPC: G08G1/01 , G08G1/0967
Abstract: 本发明公开了一种驾驶行为特征的构造方法、系统和驾驶行为分析方法，驾驶行为的特征构造方法，包括以下步骤：获取包含有轨迹信息的全局驾驶数据；基于轨迹信息识别驾驶数据中包含的驾驶事件段，获取所述驾驶事件段的局部驾驶数据；基于预设方法分别对全局驾驶数据、局部驾驶数据进行特征构造得全局特征和局部特征；将所述全局特征和局部特征组成驾驶行为特征集。避免了现有技术中驾驶行为特征构造时多依据经验或感觉的主观性，准确保留自然驾驶数据原有信息。
-
公开(公告)号：CN113011394A
公开(公告)日：2021-06-22
申请号：CN202110453698.2
申请日：2021-04-26
Applicant: 吉林大学
Abstract: 本发明提供一种眼动数据预处理方法，包括：获取原始眼动数据；检验原始眼动数据是否有效；对有效的左和/或右眼眼动数据进行频率校正；获取缺失数据的缺失间隙，判断缺失间隙是否为无效间隙，通过构造傅里叶级数对无效间隙进行缺失数据填充；对填充后的眼动数据进行滤波降噪，对降噪后的眼动数据进行特征提取以分类眼动点并获取带有有效标签的眼动数据。本发明通过检验原始眼动数据是否有效识别有效数据，通过频率校正规整眼动数据，通过构造傅里叶级数对无效间隙进行缺失数据填充使眼动数据更完整，通过融合降噪去除眼动数据噪声，基于特征提取分类的眼动点获取带有有效标签的眼动数据，可更精确的分析用户眼动特性。
-
公开(公告)号：CN115641716B
公开(公告)日：2025-01-28
申请号：CN202211279587.5
申请日：2022-10-19
Applicant: 吉林大学
IPC: G08G1/01
Abstract: 本发明公开了一种基于驾驶人信任概率的通行能力分析方法及系统，包括以下步骤：获取车辆类型，所述车辆类型包括人工驾驶车辆和智能车辆，基于车辆类型，设置车辆基本参数以及跟驰模型；设定人工驾驶车辆驾驶人对智能车辆的信任类型，基于信任类型，配置人工驾驶车辆的跟驰模型参数；获取信号控制交叉口队列中车辆的数量、队列中智能车辆的渗透率，并设定队列中车辆的排队方式；设定队列中驾驶人对智能车辆的信任概率、不信任概率，基于智能车辆的渗透率、驾驶人的信任概率与不信任概率、车辆基本参数、跟驰模型、跟驰模型参数进行仿真，得到通行能力期望和通行能力提升率。
-
公开(公告)号：CN118579076A
公开(公告)日：2024-09-03
申请号：CN202310067461.X
申请日：2023-02-06
Applicant: 吉林大学
Abstract: 本发明公开了一种考虑道路约束的自车行车风险量化方法及系统，包括以下步骤：获取行车信息，所述行车信息包括自车的车辆数据以及自车所在行驶道路的道路数据；基于所述行车信息，得到自车车道偏离风险量和自车超速风险量；基于所述自车车道偏离风险量和自车超速风险量，得到表征道路约束角度的自车行车风险的第一行车风险值。本发明的方法，针对自车在道路交通规则约束下的不良驾驶风险，以横、纵两个方向分别得到考虑横向约束的自车车道偏离风险量与考虑纵向约束的自车超速风险量，有助于车辆及时获知自车驾驶状态的风险程度，及时调整状态保障行车安全。
-
公开(公告)号：CN113936461B
公开(公告)日：2024-04-19
申请号：CN202111202814.X
申请日：2021-10-15
Applicant: 吉林大学
IPC: G08G1/01
Abstract: 本发明公开了一种信号控制交叉口车辆混行的仿真方法和系统，该仿真方法包括：建立包含有信号控制交叉口的仿真系统；获取信号控制交叉口的信号控制信息、道路信息、车辆参数、车辆类型，以及车辆类型对应的车辆数量和交叉口行驶模型；根据车辆类型以及各车辆类型对应的车辆数量配置车辆队列，其中，所述混行车辆队列至少可以组成两种车辆排序方案；基于混行车辆队列运行仿真系统，输出仿真系统的运行结果。该方法可以分析出混行车辆队列的不同排序方案以及当同一类型车辆数量不同、位于队列里的位置不同时对交通流会产生何种影响，以便为未来的交通流指导提供理论依据。
-
Patent Agency Ranking
公开(公告)号：CN117681886A
公开(公告)日：2024-03-12
申请号：CN202311846237.7
申请日：2023-12-29
Applicant: 吉林大学
Abstract: 本发明公开了一种驾驶风格在线评价方法，包括以下步骤：提取若干直行或转弯路段的驾驶行为数据；基于贝叶斯凝聚型序列分割算法将直行或转弯路段的驾驶行为数据分割为若干路段基元；基于变量耦合的潜在迪利克雷分配模型对每个路段对应的路段基元进行聚类，分为不同类别；基于聚类后的不同类别路段基元的动能大小，对不同类别进行赋值；基于任意一路段的路段基元的类别赋值，获取任意一路段的路段基元平均强度值Q、路段基元转移多样性值D、路段基元转移倾向性值T；基于驾驶风格综合评价函数得到路段的驾驶风格评价值J；基于驾驶风格评价值J，得到路段的驾驶风格；解决了传统驾驶风格评价时耗费大量人力物力且在研究过程中计算繁琐的问题。
-
公开(公告)号：CN117585020A
公开(公告)日：2024-02-23
申请号：CN202311786376.5
申请日：2023-12-25
Applicant: 吉林大学
Abstract: 本发明公开了一种周围车辆驾驶行为意图的推断方法、系统及设备，所述推断方法包括以下步骤：建立Frenet坐标系，将目标车辆的驾驶路径建模为三次样条曲线；获取目标车辆在坐标系中的位置(st,qt)和初始航向角θt，确定初始路径公式(1)；获取所述终点sf的计算公式(3)；预设初始换道时间tprev，根据初始换道时间tprev和终点sf的计算公式，获取路径的预设终点sf；获取系数a、b、c、d的计算公式(4)，获取当前周期k，根据公式(1)、公式(3)和公式(4)，估计当前周期k自适应换道时间tprev,k，根据公式(3)和tprev,k，获得路径的实际终点sf；根据路径的实际终点sf得到三条路径，计算每条路径的概率，根据概率最高的路径，推断目标车辆的驾驶行为意图。
-
公开(公告)号：CN116415164A
公开(公告)日：2023-07-11
申请号：CN202310068157.7
申请日：2023-02-06
Applicant: 吉林大学
IPC: G06F18/23211 , G06F18/2132 , G06F18/2431
Abstract: 本发明公开了一种基于LDA改进模型的驾驶事件聚类方法及系统，包括：获取驾驶事件，每个驾驶事件包括若干驾驶数据点，获取所述驾驶数据点的纵向加加速度；将速度划分为低速、中速和高速；基于车辆纵向动力学，根据阈值将纵向加速度划分为缓加速、急加速、匀速、缓减速与急减速；基于轮胎摩擦圆的限制，根据阈值将侧向加速度划分为低侧移和高侧移；将纵向加加速度划分为缓加加速、急加加速、缓减加速和急减加速；基于速度、纵向加速度、侧向加速度和纵向加加速度的类别，对驾驶事件的驾驶数据点进行离散化处理，得到离散数据组；将通过离散数据组表征的驾驶事件输入LDA模型中，为LDA模型设定聚类数，对驾驶事件进行聚类。
-
公开(公告)号：CN116238483A
公开(公告)日：2023-06-09
申请号：CN202310068152.4
申请日：2023-02-06
Applicant: 吉林大学
IPC: B60W30/08 , B60W30/095 , B60W50/00 , B60W60/00
Abstract: 本发明提供一种考虑自车与他车碰撞的自车行车风险量化方法及系统，方法包括：获取自车和自车所在行驶道路上的他车的车辆数据；基于车辆数据，获取自车与他车的横向碰撞紧迫系数和纵向碰撞紧迫系数；基于横向碰撞紧迫系数和纵向碰撞紧迫系数，通过分段函数，得到自车受到的来自他车横向和纵向的碰撞紧迫程度；基于自车与他车的碰撞严重程度和所述碰撞紧迫程度，得到表征自车行车风险的行车风险量化方程。本发明自车行车风险量化方法全方位考虑自车与他车的碰撞问题，同时考虑横向碰撞和纵向碰撞对行车风险的影响，能准确量化自车行车风险，为车辆将要执行的驾驶策略提供决策依据，有利于保障行车安全。
-
公开(公告)号：CN115690753A
公开(公告)日：2023-02-03
申请号：CN202211392265.1
申请日：2022-11-08
Applicant: 吉林大学
IPC: G06V20/59 , G06V10/26 , G06V10/762 , G06V10/77 , G06N7/01
Abstract: 本发明提供一种驾驶行为分割方法及驾驶数据段聚类方法，通过驾驶行为分割方法包括：采集若干行驶路段的特征性能数据，并对特征性能数据进行预处理，得到有效特征性能数据；根据有效特征性能数据，将所述行驶路段分为直行路段和转弯路段；基于第一转换公式，将所述有效特征性能数据转换为性质变量数据；基于第二转换公式，将所述有效特征性能数据转换为语义变量数据；根据所述性质变量数据和语义变量数据确认最优滑窗尺寸；实现将驾驶行为数据分割成若干标准驾驶数据段，突破人工标定的限制，同时可以进行人工智能分割，降低后续研究的复杂度并加深对数据的理解程度。
-
-
-
-
-
-
-
-
-
Search Results
68
records
(took 0.022 seconds)
