-
公开(公告)号：CN117040922A
公开(公告)日：2023-11-10
申请号：CN202311251992.0
申请日：2023-09-26
Applicant: 重庆长安汽车股份有限公司
IPC: H04L9/40 , H04L9/08 , H04L67/125
Abstract: 本发明涉及一种智能驾驶边缘计算属性加密数据控制方法、系统及存储介质，包括如下：数据拥有者将第一安全参数发送属性授权中心存储；属性授权中心随机生成公钥私钥对，将公钥发送给数据拥有者，设定第一时间域与第一空间域的范围；边缘计算节点用加密算法和公钥对上传云服务器的数据进行加密，并存储于云服务器；属性授权中心对请求访问的数据用户的第二时间域、第二空间域以及第二安全参数进行属性验证；若属性验证通过，边缘计算节点根据接收到数据用户发送的私钥，对云服务器进行搜索访问，获取云服务器中加密的数据并解密，反馈回给数据用户。本发明在边缘计算设备上传数据至云服务器前可以使用属性加密的方式对数据进行加密，保障用户的隐私安全。
-
公开(公告)号：CN116738361A
公开(公告)日：2023-09-12
申请号：CN202310611501.2
申请日：2023-05-26
Applicant: 重庆长安汽车股份有限公司
IPC: G06F18/25 , B60W60/00 , B60W50/00 , G06F18/213 , G06N3/042 , G06N3/0442 , G06N3/08
Abstract: 本发明公开了一种车辆轨迹预测方法、系统及存储介质，方法包括：获取目标车的历史轨迹，进行特征编码提取每个目标轨迹时序上的特征；计算每个目标轨迹的边缘特征矩阵，将所述边缘特征矩阵和所述每个目标轨迹时序上的特征输入图神经网络，提取目标之间的交互信息，利用多头自注意力机制强化所述交互信息；将强化后的交互信息和每个目标轨迹时序上的特征进行拼接，通过多层感知器模块预测目标的横向变道行为；将强化后的交互信息输入至并行轨迹预测解码器，将并行输出的轨迹预测结果中得分最高的作为最终预测轨迹。本发明实现了不需要地图信息仅通过车辆的历史轨迹信息进行车辆轨迹预测，提升车辆行驶的安全性。
-
公开(公告)号：CN116628433A
公开(公告)日：2023-08-22
申请号：CN202310664466.0
申请日：2023-06-05
Applicant: 重庆长安汽车股份有限公司
Abstract: 本发明公开了一种智能驾驶车辆的行车状态评估方法及其系统，方法如下：采集车辆行驶过程中自动驾驶模块产生的数据信息，根据评估指标对数据信息进行筛选；对筛选后的数据信息进行本地存储；对保存的数据进行解析，还原成数据在车辆上的状态，基于评估功能规则对还原后的数据进行模块功能类评估、模块性能类评估，得到自动驾驶模块在功能上和性能上的评估结果；根据评估结果生成评估报告；本发明完善车辆的评估纬度，且对车辆自身模块的功能与性能进行评估。
-
公开(公告)号：CN116189148A
公开(公告)日：2023-05-30
申请号：CN202310158498.3
申请日：2023-02-23
Applicant: 重庆长安汽车股份有限公司
Abstract: 本申请涉及一种基于周围车辆行为的通行意图识别方法及装置，其中，方法包括：采集当前交通场景的多张连续帧图像；根据当前交通场景的多张连续帧图像获取当前道路的交通场景动态地图，预测周围车辆的驾驶行为；以及利用交通场景动态地图和驾驶行为构建交通场景时空图模型，并基于交通场景时空图模型推理当前道路上指挥人员的实际指挥意图。本申请实施例可以基于交通场景动态地图和预测的驾驶行为得到交通场景时空图模型，从而推理指挥人员的实际指挥意图，提高车辆通行的准确性和安全性的同时，提高车辆的智能化水平，保证车辆的驾乘体验，且安全可靠。
-
公开(公告)号：CN116189112A
公开(公告)日：2023-05-30
申请号：CN202310168770.6
申请日：2023-02-27
Applicant: 重庆长安汽车股份有限公司
IPC: G06V20/54 , G06V10/82 , G06N3/08 , G06F30/27 , G06N3/0464
Abstract: 本发明属于自动驾驶技术领域，具体涉及一种车辆轨迹预测方法、设备及存储介质。一种车辆轨迹预测方法，应用于车辆轨迹预测设备，所述车辆轨迹预测设备包括感知模块和建模模块，所述建模模块用于生成车辆轨迹预测模型，所述方法包括：所述感知模块采集场景信息，将所述场景信息上传至建模模块；根据预设算法，所述建模模块利用所述场景信息进行建模，生成轨迹预测模型；对所述轨迹预测模型进行模型训练，根据最新场景信息生成预测轨迹，进行轨迹预测的效果评估。建立具有车辆全局信息，场景全局信息以及结合车辆自身运动学特征的多模态轨迹预测方法，使得模型在各类场景具有更强的泛化性和鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN116118776A
公开(公告)日：2023-05-16
申请号：CN202310002924.4
申请日：2023-01-03
Applicant: 重庆长安汽车股份有限公司
Abstract: 本申请涉及一种车辆的安全控制方法、装置、电子设备及存储介质，方法包括：通过获取当前车辆的第一状态信息、目标车辆的第二状态信息确定当前车辆的盲区位置和可碰撞区域并计算当前车辆与可碰撞区域的安全距离，同时通过获取的当前车辆与目标车辆的纵向相对距离、横向相对距离以及上述的安全距离确定当前车辆的当前盲区等级，基于预设的轨迹生成模型，生成对应的行人预测轨迹，并输入至当前车辆的轨迹规划模块，从而控制当前车辆执行减速动作和/或避让动作。根据本申请实施例的车辆的安全控制方法，通过联合考虑车辆和站台下公交车的状态信息，并进行盲区分级应对，提高了公交站台场景下自动驾驶车辆规划的主动性，且保障了驾驶安全。
-
公开(公告)号：CN115909246A
公开(公告)日：2023-04-04
申请号：CN202211520634.0
申请日：2022-11-29
Applicant: 重庆长安汽车股份有限公司
Abstract: 本发明提供一种基于运动学模型的轨迹筛选处理方法、装置、电子设备及存储介质，包括：获取当前车辆在预设范围内的目标对象的行驶数据，并基于行驶数据和预测算法确定所述目标对象的多条候选预测轨迹；获取目标对象所处的场景信息和所述目标对象的类型信息，并基于场景信息和类型信息确定所述预测算法的先验评分；对每条候选预测轨迹进行评价，获取每条候选预测轨迹的轨迹评分，基于轨迹评分和先验评分确定每条候选预测轨迹的最终评分，将评分最高的一条候选预测轨迹输出作为目标对象的预测轨迹。其能够对多种预测算法输出的若干预测轨迹进行筛选和处理，输出一条目标对象的最优预测轨迹，从而提高预测轨迹的准确性。
-
公开(公告)号：CN115320616A
公开(公告)日：2022-11-11
申请号：CN202210934281.2
申请日：2022-08-04
Applicant: 重庆长安汽车股份有限公司
IPC: B60W40/105 , B60W60/00
Abstract: 本发明提供一种自动驾驶车辆速度的控制方法、装置、设备及介质，该方法包括接收当前用户输入的行驶指令，采集车辆的状态信息；根据所述状态信息，提取当前时刻车辆的当前运动数据和目标时刻车辆的目标运动数据；根据所述当前运动数据和所述目标运动数据，进行第一速度规划；根据预设的速度限值和加速度限值，进行第二速度规划。本发明可规划生成平滑的速度轨迹，可控制车辆平稳的行驶。
-
公开(公告)号：CN115273463A
公开(公告)日：2022-11-01
申请号：CN202210781614.2
申请日：2022-07-04
Applicant: 重庆长安汽车股份有限公司
Abstract: 本申请涉及一种行人目标横穿预测方法、装置、车辆及存储介质，其中，方法包括：生成至少一个行人的历史运动轨迹；根据每个行人的历史运动轨迹识别每个行人的运动方向和运动趋势；基于运动方向和运动趋势，以历史运动轨迹的最后一时刻的历史位置点为起始点，取多个计算点，并分别叠加计算点之间的距离，以预测预设时长后的位移距离并确定每个行人的多个未来位置，根据每个行人的未来位置计算每个行人的实际横穿概率。本申请实施例可以将行人横穿场景连续化，从而更具针对性的对每个行人的横穿概率进行预测，有效提升横穿预测的准确性和可靠性，有效避免安全隐患的同时，保证车辆的驾乘体验，进一步提升车辆的安全性和实用性，安全可靠。
-
公开(公告)号：CN115147790A
公开(公告)日：2022-10-04
申请号：CN202210741040.6
申请日：2022-06-28
Applicant: 重庆长安汽车股份有限公司
IPC: G06V20/56 , G06V10/762 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于图神经网络的车辆未来轨迹预测方法，包括如下步骤：步骤1：数据采集：步骤2：制作训练数据：步骤3：神经网络搭建：步骤4：进行模型训练：步骤5：将测试集输入训练完成的图神经网络模型，得到轨迹预测的结果。本发明所述方法是基于图神经网络(GNN)的多模态轨迹预测算法，道路图和待预测车辆的时间序列会输入深度学习模型，输出预测轨迹；模型输出的是多条轨迹及其对应的置信概率，从而避免模型为了降低损失函数值而输出多条轨迹的均值的行为(模式崩塌)；当神经网络训练好之后，在模型见到训练数据中没有存在过的实时路况和交通参与者的状态时，模型会基于已有经验对新数据作出预测。
-
-
-
-
-
-
-
-
-
Search Results
67
records
(took 0.035 seconds)
