-
公开(公告)号：CN113033899A
公开(公告)日：2021-06-25
申请号：CN202110331661.2
申请日：2021-03-29
Applicant: 同济大学
Abstract: 本发明涉及一种无人驾驶邻近车辆轨迹预测方法，本发明涉及无人驾驶领域。本发明给出了无人驾驶邻近车辆轨迹的预测方法。首先，通过LK‑DBSCAN(Limit‑K DBSCAN)算法提取出视频数据和点云数据中无人驾驶邻近车辆周围车辆集合以及路况信息，采用特征工程构造潜在的存在影响力的特征，增强数据特征对复杂道路情况的表达能力；然后使用长短期记忆神经网络LSTM对车辆的实时行为进行预测；最后，结合LSTM预测的车辆行为与车辆的历史行为数据，通过B‑LSTM(Behavior‑based LSTM)对车辆的轨迹进行预测。解决上述问题，可以提升无人驾驶车辆行为预测的准确率，减少轨迹预测的误差，从而位无人驾驶车辆运行行为决策提供准确性和效率。
-
Patent Agency Ranking
公开(公告)号：CN108881016B
公开(公告)日：2020-12-08
申请号：CN201811001998.1
申请日：2018-08-30
Applicant: 同济大学
IPC: H04L12/721 , H04L12/741 , H04L12/803 , H04L29/08
Abstract: 现有针对车联网的社区聚类方法多采用当前速度与行驶方向等预估车辆未来时刻位置来判断未来节点间保持连接的时长，并以此作为聚类依据之一以提高社区稳定性。但由于车辆未来时刻位置受多重因素影响，预估通信连接时间的准确度较低，导致车联网中的社区多呈现生命周期短，节点社区归属变化迅速的特点。同时，现有的车联网社区路由协议将社区中的关键节点作为转发的主要节点，造成关键节点负载过高的问题。本发明“车联网自组织网络的多角色分类社区负载均衡算法。”在社区聚类过程中考虑车辆未来时刻位置，并在社区中细化角色分配，为关键节点选取备选节点做负载均衡，从而提升社区稳定性，均衡关键节点负载，减少数据传输失真。
-
公开(公告)号：CN109862537B
公开(公告)日：2020-08-25
申请号：CN201910172076.5
申请日：2019-03-07
Applicant: 同济大学
Abstract: 由于车联网中车辆节点快速移动与车联网网络拓扑高动态变化，车联网易发生数据聚集与延迟等现象，从而很大程度上给车联网网络连通并稳定带来巨大的挑战。然而，一个良好的车联网路由策略不仅需要保持网络的快速连通，而且需要保持网络稳定，即保证网络的通达性。因此分析和理解车联网社区内部通达是一个急需解决的问题。本发明针对以上问题，为了探测车联网社区内部连通并保持稳定，给出车联网社区内通达性方法，该方法利用学习自动机理论，通过部署在社区节点间的信息交换与竞争，设置相应的激励函数和惩罚函数，自适应调整不同路由的转发概率，达到纳什均衡状态，从而实现从整体上优化网络中的数据传输，提升车联网网络通达性的目的。
-
公开(公告)号：CN109862536A
公开(公告)日：2019-06-07
申请号：CN201910171832.2
申请日：2019-03-07
Applicant: 同济大学
Abstract: 为了探测大规模车联网多社区间的连通并保持稳定，本发明给出大规模车联网多社区间通达性方法，将学习自动机理论应用到大规模车联网多社区间的通信方案中，通过部署在社区节点的学习自动机间信息交换与竞争，自适应调整不同路由的转发概率，从而达到从整体上优化网络通信的目的，提升大规模车联网网络通达性。
-
公开(公告)号：CN109840720A
公开(公告)日：2019-06-04
申请号：CN201910155584.2
申请日：2019-03-01
Applicant: 同济大学
Abstract: 车联网社区动态演化方法，具体包括如下步骤：步骤1.相关性质定义；步骤2.车联网社区的动态演化方法。步骤2.1基于点增量的社区变化；步骤2.2基于边增量的社区变化；步骤2.3基于权值增量的社区变化；步骤2.3基于社区增量的动态演化算法。在研究社区向心力和社区离心力的前提下，探测点增量、边增量以及权值增量对社区演化的影响，确立社区增量的演化机制，再以社区增量为基础进而研究大规模社区的演化机制，从而为车联网通达性研究提供了重要的理论基础。
-
公开(公告)号：CN108881016A
公开(公告)日：2018-11-23
申请号：CN201811001998.1
申请日：2018-08-30
Applicant: 同济大学
IPC: H04L12/721 , H04L12/741 , H04L12/803 , H04L29/08
CPC classification number: H04L47/125 , H04L45/38 , H04L45/54 , H04L45/74 , H04L67/12
Abstract: 现有针对车联网的社区聚类方法多采用当前速度与行驶方向等预估车辆未来时刻位置来判断未来节点间保持连接的时长，并以此作为聚类依据之一以提高社区稳定性。但由于车辆未来时刻位置受多重因素影响，预估通信连接时间的准确度较低，导致车联网中的社区多呈现生命周期短，节点社区归属变化迅速的特点。同时，现有的车联网社区路由协议将社区中的关键节点作为转发的主要节点，造成关键节点负载过高的问题。本发明“车联网自组织网络的多角色分类社区负载均衡算法。”在社区聚类过程中考虑车辆未来时刻位置，并在社区中细化角色分配，为关键节点选取备选节点做负载均衡，从而提升社区稳定性，均衡关键节点负载，减少数据传输失真。
-
-
-
-
-
Search Results
36
records
(took 0.022 seconds)
