-
公开(公告)号：CN111291924B
公开(公告)日：2023-06-06
申请号：CN202010051123.3
申请日：2020-01-17
Applicant: 同济大学
IPC: G06Q10/04 , G06Q50/30 , G06N3/084 , G06N3/0464
Abstract: 一种长时交通速度预测的几何代数深度神经网络模型方法，具体方法包括如下步骤：原始数据采集及数据预处理，使用速度数据，由道路上的感应线圈检测器按时间间隔采集得到，采集得到数据后，对原始速度数据进行预处理以去除异常元素；(2)生成交通速度时空矩阵，将融合了历史速度时空矩阵用几何代数编码生成多重向量时空矩阵作为几何代数深度神经网络模型的输入；(3)构建几何代数深度神经网络模型，通过几何代数深度神经网络对历史速度参数进行多维度的深入挖掘以及时空特征的提取，实现对交通速度的长时预测；(4)通过反向传播算法对网络进行预测任务的训练优化以及测试，最后得到预测结果。提高对未来全天交通速度预测的准确性。
-
公开(公告)号：CN114071421B
公开(公告)日：2023-01-10
申请号：CN202010774258.2
申请日：2020-08-04
Applicant: 同济大学
Abstract: 高速公路场景中开放式无人驾驶车车群模型及车群形成过程研究方法，包括：定义；构建无人驾驶车群网络拓扑结构；定义车辆状态；无人驾驶车辆状态转换过程。本发明首次提出面向开放式“无人驾驶车群”的概念，设想为无人驾驶车辆在高速公路道路的每一个方向上形成多跳车群，设计和构建了一种考虑高速公路场景下、面向开放式无人驾驶车群行车环境、能使得车群之间始终保持互联互通、有效满足未来无人驾驶运动行为智能化所需要的无人驾驶车群模型，同时研究了无人驾驶车辆节点的初始化状态、选举状态、引领节点状态、普通节点状态、游离节点状态及转换过程，给出了无人驾驶车群形成方法的雏形，为未来无人驾驶运动行为智能化提供所需的理论和方法。
-
公开(公告)号：CN113032144B
公开(公告)日：2022-11-11
申请号：CN202110274590.7
申请日：2021-03-15
Applicant: 同济大学
IPC: G06F9/50 , G06F30/20 , G06N3/00 , G06F111/06
Abstract: 一种高速公路场景下基于边缘计算的无人驾驶车群形成算法及自协模型构建方法。步骤1.定义，步骤2.无人驾驶车群形成算法，步骤3.无人驾驶车群自协模型构建。发明考虑高速公路背景下开放式无人驾驶车群因为有人驾驶车辆节点以及路边标识的干扰下无法有效保持稳定有序问题，基于边缘计算思想，给出了分层多角色节点的无人驾驶车群形成方法，使得任务分配到不同的角色节点，有效避免节点的重复计算，保持相应节点之间的协同；结合考虑无人驾驶车群网络的连通性和稳定性，给出无人驾驶车群自协模型；通过使用多目标优化方法对无人驾驶车群自协模型进行优化求解，得到最优的自协模型，从而有效保障无人驾驶车群自协模型的合理性和可用性。
-
公开(公告)号：CN113015085B
公开(公告)日：2022-02-01
申请号：CN202110195974.X
申请日：2021-02-22
Applicant: 同济大学
Abstract: 本发明涉及无人驾驶领域。高速公路场景中开放式无人驾驶车群动态演化探测方法。首先研究车群内部结构变化，然后给出无人驾驶车群动态演化探测算法，用以探测无人驾驶车群可能发生的结构变化，从而能够实时准确地探测车群内部动态演化特征。解决上述问题，能够实时准确地探测车群内部动态演化特征，从而确保无人驾驶车群运动行为稳定有序，以期满足未来无人驾驶运动行为智能化，使得无人驾驶在高速公路场景中能够得到实际应用成为可能。
-
公开(公告)号：CN113742909A
公开(公告)日：2021-12-03
申请号：CN202110975463.X
申请日：2021-08-24
Applicant: 同济大学
IPC: G06F30/20 , G06F30/18 , G06F9/448 , G06F111/04 , G06F111/06
Abstract: 本发明涉及无人驾驶领域，提出了封闭场景下无人驾驶车群自协模型构建方法。具体包括如下步骤：步骤1.相关定义；步骤2.无人驾驶车群动态演化算法；步骤2.1无人驾驶车群群内演化；步骤2.2无人驾驶车群群间演化；步骤3.基于有限状态机的车群自协演化模型；步骤3.1无人驾驶车群群内自协模型；步骤3.2无人驾驶车群群间自协模型；步骤4.无人驾驶车群自协模型的多目标优化。通过本方法，能够保障无人驾驶车群始终保持稳定有序的运动行为智能化自治协同，从而使得无人驾驶车群在封闭场景下能够得到应用推广。
-
Patent Agency Ranking
公开(公告)号：CN108650141B
公开(公告)日：2021-09-14
申请号：CN201810488727.7
申请日：2018-05-21
Applicant: 同济大学
Abstract: 一种基于车联网连通基的大规模网络通达性模型。考虑车联网网络节点冗余特性，给出了一种车联网网络拓扑结构，即车联网连通基,并利用启发式算法给出了连通基构造方法。从连通基内部结构属性和动态特性出发，结合平滑高斯‑半马尔科夫移动模型，证明了车联网大规模网络的连通性和稳定性，给出了车联网通达性理论模型，该理论模型可以对车联网高动态环境下的网络连通性以及稳定性进行准确评估，同时为网络层提供理论支撑，为应用层提供实时数据保障，使得车联网高动态网络环境下保持稳定持久的传输重要信息，例如交通事故信息、实时媒体数据等，具有重要的理论和实际应用价值。
-
公开(公告)号：CN109302696B
公开(公告)日：2021-04-30
申请号：CN201811001452.6
申请日：2018-08-30
Applicant: 同济大学
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。本发明针对以上问题给出“车联网自组织网络的多角色分类社区聚类方法”，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。社区属性以及社区节点角色定义包括社区属性，社区节点角色。社区聚类与角色分配方法包括社区形成，社区维护。
-
公开(公告)号：CN112689267A
公开(公告)日：2021-04-20
申请号：CN202011484672.6
申请日：2020-12-16
Applicant: 同济大学
Abstract: 一种高速公路场景中开放式无人驾驶车车群动态演化方法，其特征在于，形成无人驾驶车群，步骤1，定义出四个独立变化事件以演化出每一个无人驾驶车辆“生命周期”迭代，包括节点出现、节点消失、节点加入、节点离开；步骤2，描述出无人驾驶车辆车群动态演化过程，包括：(1)车群形成事件；(2)车群消亡事件；(3)车群生存事件；(4)车群分裂事件；(5)车群合并事件。本发明技术方案专适用于高速公路场景，并不适用于诸如港口、物流等封闭式场景，也不适用于城市场景。
-
公开(公告)号：CN109982291B
公开(公告)日：2020-08-14
申请号：CN201910155036.X
申请日：2019-03-01
Applicant: 同济大学
Abstract: 在有基础设施的车联网中，RSU节点在对所在区域进行管理控制时不仅需要实时更新，还需要在拓扑结构发生变化时及时指导区域内的车辆节点进行连通，从而会导致RSU通信拥塞和数据丢失问题，本发明针对以上问题给出城市场景中有基础设施车联网网络弱连接检测方法：针对车联网时空数据异构以及拓扑频繁变化导致的连通性问题，构建基于张量因子聚合的神经网络模型，用来预测车辆节点之间的连通强度，以连通强度作为边的权值，借助Laplace矩阵性质，检测网络中容易断开的边以及容易造成整体网络不连通的情况，从而为有效选择新的桥接节点，减轻RSU的负载均衡以及有基础设施车联网通达性提供技术支撑。
-
公开(公告)号：CN107231408B
公开(公告)日：2020-08-14
申请号：CN201710303313.8
申请日：2017-05-03
Applicant: 同济大学
Abstract: 现有城市道路中车联网连通性研究均从路口至路口之间路段的密度等宏观角度衡量道路的连通性，而城市道路中车辆往往存在分布不均、路口转发节点空洞等问题，因此使用密度衡量连通性存在缺限。为此，本发明给出一种城市道路中基于车辆状态预测的连通性模型的构造方法。首先结合车辆的具体分布和动态变化，利用已有的车辆状态预测技术，计算车辆间链路生存时间，以此评估道路是否连通以及连通的稳定性，得到路口和路段连通性方法，然后推导城市道路整体连通性模型，并给出连通性最优的路径选择方法。本发明从根本上提升了城市道路网络路径连通的可靠性和稳定性，为车联网数据和信息提供最优传输路径，有助于推动车联网可靠有效的信息共享渠道的建设。
-
-
-
-
-
-
-
-
-
Search Results
180
records
(took 0.028 seconds)
