一种信号交叉口网联车辆轨迹优化引导方法及系统

    公开(公告)号:CN115273500B

    公开(公告)日:2023-07-07

    申请号:CN202210815708.7

    申请日:2022-07-12

    Applicant: 苏州大学

    Abstract: 本发明以网联车辆最小化行驶延误为目标,尽可能使网联车辆实现不停车通过。考虑到网联车辆和人工驾驶车辆在信号交叉口混行环境,基于光通信技术和车联网通信技术,获取信号交叉口处与网联车辆行驶相关的信息,根据当前信号灯状态和车辆所处车队位置以及车道条件下,对网联车辆进行速度、加速度、位置、时间等的约束,分析网联车辆不停车通过交叉口的行驶状态,生成网联车辆在未来一段时间内的行驶轨迹矩阵,并在固定时间间隔下进行不断更新和优化,网联车辆按照行驶轨迹矩阵行驶,达到理想通行效果。

    混行条件下快速路合流区多模式驾驶车辆协同交汇方法

    公开(公告)号:CN115376346A

    公开(公告)日:2022-11-22

    申请号:CN202210966876.6

    申请日:2022-08-11

    Applicant: 苏州大学

    Abstract: 本发明实施例提供一种混行条件下快速路合流区多模式驾驶车辆协同交汇方法,属于智能车路协同技术领域,该方法包括获取车路信息检测系统范围内主路外侧车道车辆信息和匝道车辆信息;根据所述主路外侧车道车辆信息和匝道车辆信息,实时计算匝道车辆汇入主路所需的动态安全距离,所述动态安全距离包括超车汇入实时动态安全距离和减速汇入实时动态安全距离;根据所述动态安全距离预测匝道车辆汇入主路时是否在某一时刻与主路外侧车辆发生冲突;根据冲突预测结果进行匝道车辆运行状态的调控,来实现匝道车辆安全高效地汇入主路。本发明有效解决了快速路合流区在多模式驾驶车辆混行情况下车辆汇入杂乱无章且效率低的问题。

    应用于求解电动货车集散货路径规划的方法及装置

    公开(公告)号:CN114897249A

    公开(公告)日:2022-08-12

    申请号:CN202210546556.5

    申请日:2022-05-19

    Applicant: 苏州大学

    Abstract: 本发明涉及一种应用于求解电动货车集散货路径规划的方法,该方法包括输入车场数据、需求节点数据、充电站节点数据以及电动货车数据;以最小化总时间为目标,将所有的需求节点插入进车场到车场的路径中,生成包含有若干条路径的初始解,设置最大迭代次数,令当前解xc为初始解,对当前解xc进行迭代;在迭代过程中采用各种插入和移除算子,在每次的迭代中更新算子选择概率,并针对同时集散货机制和多次插入充电站机制设计了相应的求解算子和流程,以达到提升求解质量的目标,并且在求解时充分考虑等待时间,显著提高了求解精度。

    基于复合网络的混合流环境下CAV多车协同避撞方法

    公开(公告)号:CN118072552B

    公开(公告)日:2025-04-04

    申请号:CN202410207378.2

    申请日:2024-02-26

    Applicant: 苏州大学

    Abstract: 本发明涉及智能网联车避撞技术领域,具体指一种基于复合网络的混合流环境下智能网联车多车协同避撞方法、设备以及计算机可读存储介质,包括:建立由智能网联车状态节点和联系弧组成的复合网络,依据智能网联车行驶状态寻找安全可行操作集;将避撞问题转换为网络流优化问题,通过寻找最优网络估算多车最优决策;通过动态迭代多车速度与位置实现主动换道和避撞;通过SUMO软件进行模拟仿真;本发明提出新型避撞模型应用范围更加广泛;充分运用CACC技术避免发生交通拥堵;基于现实车流构建虚拟复合网络,优化复合网络,提高了道路交通效率,改善了交通环境;将网络模型构建、最优决策模型和仿真验证三合一,充分验证了模型的有效性和可行性。

    一种车辆检测跟踪方法、装置及计算机可读存储介质

    公开(公告)号:CN119580203A

    公开(公告)日:2025-03-07

    申请号:CN202411620902.5

    申请日:2024-11-14

    Applicant: 苏州大学

    Abstract: 本发明属于车辆轨迹识别技术领域,涉及一种车辆检测跟踪方法、装置及计算机可读存储介质;获取训练好的目标检测模型,模型包括特征提取网络、多尺度特征融合网络和目标检测网络,特征融合网络包括CBS模块、四个卷积注意力模块和空间金字塔池化模块,卷积注意力模块包括第一幻影卷积子模块和C3GhostV2子模块;将待检测视频中每帧图像输入特征提取网络,得到第一特征图、第二特征图和第三特征图,并将其输入多尺度特征融合网络,输出目标特征图;将目标特征图输入目标检测网络,输出车辆边界框及位置信息;将待检测视频中所有帧图像中的车辆边界框及位置信息输入DeepSort多目标追踪模型,输出车辆的运行轨迹。

    一种基于激光雷达与可见光通信的车辆驾驶意图识别方法

    公开(公告)号:CN117622142B

    公开(公告)日:2025-03-04

    申请号:CN202311538770.7

    申请日:2023-11-17

    Applicant: 苏州大学

    Abstract: 本发明涉及一种基于激光雷达与可见光通信的车辆驾驶意图识别方法,包括:通过激光雷达扫描检测范围内的车辆,生成点云数据;所述点云数据包括地面点云数据;所述检测范围为自车当前行驶车道与相邻车道;根据所述点云数据,对所述检测范围内的车辆进行检测,得到目标车辆;对所述目标车辆进行跟踪,生成目标车辆跟踪数据和目标车辆检测状态;判断是否获取到目标车辆基本信息,生成第一判断结果;根据所述第一判断结果,判断驾驶意图,生成第二判断结果;根据所述第二判断结果,生成预警;本发明可以在车辆即将换道并打开转向灯的情况下提前判断出车辆的换道意图,精准信息感知利于智能车辆科学准确的决策和安全控制,提高在途运行安全。

    一种多配送中心电动汽车路径规划方法

    公开(公告)号:CN116644874B

    公开(公告)日:2024-11-01

    申请号:CN202310442560.1

    申请日:2023-04-23

    Applicant: 苏州大学

    Abstract: 本发明涉及物流配送技术领域,具体涉及一种多配送中心电动汽车路径规划方法。本发明对于具有多配送中心,多个客户点以及多辆电动汽车进行配送的问题进行了建模,利用以机器学习模型为评估模块的遗传算法对于上述问题进行了求解,同时在遗传算法中根据机器学习模型的评估来判断遗传算法中染色体的关键基因,通过关键基因来对遗传算法的迭代进行一定的引导提高了遗传算法在本问题上的求解效率。有效解决了电动汽车在城市中多配送中心以及考虑续航的路径问题,降低了电动汽车在配送时的电费成本并且减少了配送时间。

    一种基于可见光通信的前车驾驶意图辨识系统及方法

    公开(公告)号:CN117636297A

    公开(公告)日:2024-03-01

    申请号:CN202311549466.2

    申请日:2023-11-20

    Applicant: 苏州大学

    Abstract: 本发明涉及一种基于可见光通信的前车驾驶意图辨识系统及方法,所述系统包括:可见光通信模块和意识识别模块;所述可见光通信模块包括可见光通信设备和高速摄像头;所述可见光通信设备将获取的前车驾驶意图数据发送至所述意识识别模块,所述高速摄像头将采集的前方车辆视频图像传输至所述意识识别模块;所述意识识别模块根据融合机器学习算法对所述车辆视频图像进行处理生成前方车辆轨迹数据;根据所述前方车辆轨迹数据和所述前车驾驶意图数据建立映射模型;根据所述映射模型生成意图识别结果。通过通过匹配可见光通信设备数据处理结果精确识别得到准确的目标信息,能够精确识别驾驶车辆向左换道、向右换道、左转、右转或者制动意图。

    一种基于可见光通信的车辆换道意图交互方法和系统

    公开(公告)号:CN116935698B

    公开(公告)日:2024-08-16

    申请号:CN202310995297.9

    申请日:2023-08-09

    Applicant: 苏州大学

    Abstract: 本发明涉及一种基于可见光通信的车辆换道意图交互方法和系统,方法包括:当驾驶员具有换道意图并拨动待换道车辆的转向灯后,转向灯闪烁,通过车辆碰撞预警和车道线识别来判断待换道车辆是否满足换道条件;若待换道车辆满足换道条件,则实时采集待换道车辆基本信息;对所述待换道车辆基本信息进行第一次处理,并将第一次处理后的待换道车辆基本信息通过可见光信号向外传输;接收车辆捕获到可见光信号,并将可见光信号进行第二次处理得到待换道车辆基本信息;接收车辆根据得到的待换道车辆基本信息判断自身和待换道车辆是否存在碰撞风险,并根据碰撞风险控制行驶速度。本发明使用可见光通信技术实现车辆换道意图交互,能够广泛推广使用。

    基于复合网络的混合流环境下CAV多车协同避撞方法

    公开(公告)号:CN118072552A

    公开(公告)日:2024-05-24

    申请号:CN202410207378.2

    申请日:2024-02-26

    Applicant: 苏州大学

    Abstract: 本发明涉及智能网联车避撞技术领域,具体指一种基于复合网络的混合流环境下智能网联车多车协同避撞方法、设备以及计算机可读存储介质,包括:建立由智能网联车状态节点和联系弧组成的复合网络,依据智能网联车行驶状态寻找安全可行操作集;将避撞问题转换为网络流优化问题,通过寻找最优网络估算多车最优决策;通过动态迭代多车速度与位置实现主动换道和避撞;通过SUMO软件进行模拟仿真;本发明提出新型避撞模型应用范围更加广泛;充分运用CACC技术避免发生交通拥堵;基于现实车流构建虚拟复合网络,优化复合网络,提高了道路交通效率,改善了交通环境;将网络模型构建、最优决策模型和仿真验证三合一,充分验证了模型的有效性和可行性。

Patent Agency Ranking