-
公开(公告)号：CN110723146A
公开(公告)日：2020-01-24
申请号：CN201911055291.3
申请日：2019-10-31
Applicant: 哈尔滨工业大学
IPC: B60W30/18
Abstract: 一种考虑驾驶利益增量的多车交互换道决策方法，具体涉及多车交互换道决策方法。本发明的目的是为了解决现有多车交互换道过程中准确性低，安全性差的问题。过程为：一：用宽度为0.5m、长度为2m的元胞将道路划分为网格；二：当多车之间的间隙大于或等于交互的临界间隙时，i车换道对目标车道后车j没有影响，j车以之前的跟驰状态继续行驶；否则，i车换道时首先打开转向灯发出换道请求，根据j车的反应进行换道，此时i车与j车有两种交互方式；三：确定目标车i换道前后的驾驶利益增量和距离；四：根据驾驶利益增量和目标车与目标车道后车的间距给出换道决策。本发明用于道路交通安全主动防控技术领域。
-
公开(公告)号：CN109448437A
公开(公告)日：2019-03-08
申请号：CN201811341253.X
申请日：2018-11-12
Applicant: 哈尔滨工业大学
IPC: G08G1/16 , G08G1/01 , G08G1/0962
Abstract: 本发明提供面向驾驶人的行人安全过街提示系统及方法，属于交通安全预警技术领域。本发明系统包括数据采集装置、信息判断装置、车载预警发布装置以及行人过街提示装置；数据采集装置实时采集行人和车辆的动态信息，并发送至信息判断装置；信息判断装置接收并处理数据采集装置传递的动态信息：当判断结果为会发生冲突时，向行人过街提示装置发布提示指令进行OLED显示；当判断结果为会发生冲突且CBRI≤0.9时，信息判断装置向行人过街提示装置发布OLED显示提示指令，同时向车载预警发布装置发送语音播报和振动提示指令。本发明解决了现有低能见度时行人过街的安全性较低的问题。本发明可用于行人过街提示。
-
公开(公告)号：CN104358199A
公开(公告)日：2015-02-18
申请号：CN201410664878.5
申请日：2014-11-10
Applicant: 哈尔滨工业大学
Abstract: 本发明涉及一种适用于寒区短工期条件下的高等级公路路桥过渡段结构，属于公路建设领域，其包括桥台和路基，桥台一侧为桥梁，另一侧通过路基连接公路，即路基设置于桥台的公路侧，该路基包括地基、土基、路面结构层和搭板，其特征在于：地基低于桥台底座，地基顶面和桥台底座的底面平齐，地基之上设有土基，土基上设有路面结构层，搭板嵌设于路面结构层中，且搭板上平面和路面结构层的路面相平齐。本发明解决寒区汽车通过公路桥头时容易产生跳跃现象，提高了汽车行驶安全性，以及高等级公路的使用性能和使用寿命。
-
公开(公告)号：CN119763079A
公开(公告)日：2025-04-04
申请号：CN202411842252.9
申请日：2024-12-13
Applicant: 哈尔滨工业大学
Abstract: 一种基于小样本条件的非驾驶姿态识别方法，涉及交通安全技术领域，针对现有技术中由于现有数据集难以覆盖L3级自动驾驶场景下驾驶员的所有非驾驶姿态类别，因此导致现有模型非驾驶姿态识别准确率低的问题，本申请在L3级自动驾驶条件下，构建了小样本非驾驶姿态基准库，基于3D卷积神经网络对驾驶员的非驾驶姿态进行特征提取，并利用度量学习方法构建了小样本非驾驶姿态识别模型。本申请技术方案可对小样本条件下采集的视频数据进行非驾驶姿态识别，降低了模型迁移泛化对非驾驶姿态类别样本数量的依赖性，有利于缓解识别中部分类别缺乏样本的问题。进而提升了非驾驶姿态的识别准确率。
-
公开(公告)号：CN119478904A
公开(公告)日：2025-02-18
申请号：CN202411510734.4
申请日：2024-10-28
Applicant: 哈尔滨工业大学
Abstract: 一种基于3D卷积的非驾驶姿态识别方法，涉及交通安全技术领域，针对现有识别方法不能准确识别驾驶员的非驾驶状态的问题，本申请将视频数据转换为图像数据，然后基于神经网络，通过全局特征与局部特征的融合与加权对驾驶员的非驾驶姿态进行识别，提升了非驾驶姿态的识别准确率。
-
Patent Agency Ranking
公开(公告)号：CN117764252A
公开(公告)日：2024-03-26
申请号：CN202410173717.X
申请日：2024-02-07
Applicant: 哈尔滨工业大学
Abstract: 本发明涉及一种L3级自动驾驶车辆接管绩效预测方法及系统，该方法包括如下步骤：步骤1、对驾驶员状态特征进行提取，对驾驶员信任度进行评估；步骤2、对接管绩效指标进行量化；步骤3、选取接管绩效预测模型的输入变量，设置接管绩效预测模型的输出分类标签；步骤4、建立基于XGBoost算法的接管绩效预测模型，实现L3级自动驾驶车辆接管绩效预测方法。本发明以驾驶员手部和脚部状态的L3级自动驾驶条件下信任度实时评估为基础，建立了考虑驾驶员信任度的XGBoost算法接管绩效预测模型。研究成果为紧急接管场景下驾驶员接管绩效客观实时预测提供参考，有利于提高自动驾驶车辆的安全性与可靠性。
-
公开(公告)号：CN117095555A
公开(公告)日：2023-11-21
申请号：CN202311015978.0
申请日：2023-08-14
Applicant: 哈尔滨工业大学
IPC: G08G1/123 , G08G1/083 , G06Q10/0631 , G06Q50/30
Abstract: 本发明涉及一种自动驾驶电动公交车队运行速度滚动优化方法，包括如下步骤：步骤1、定义模型参数；步骤2、建立公交车队运行速度生成算法；步骤3、建立公交车队运行速度协同优化模型；步骤4、对公交车队运行速度协同优化模型进行求解；步骤5、得出车队运行速度滚动优化方法。本发明在考虑交叉口信号配时方案等因素的基础上，进一步考虑前后方公交车之间的安全距离约束和交织影响，在公交车队中的单个车辆即将从停靠站出发时滚动输出站间行程运行速度方案，避免出现车队各公交车之间不满足安全距离约束的情况，并有效提高公交车辆经济性和到站准时性，进而增加公交系统吸引力。
-
公开(公告)号：CN115909719A
公开(公告)日：2023-04-04
申请号：CN202211208444.5
申请日：2022-09-30
Applicant: 哈尔滨工业大学
Abstract: 本发明涉及一种寒区高速公路除冰融雪及预警方法，包括如下步骤：步骤一、收集路况数据，采用超声波检测路面状态，发射超声波，根据反射的超声波回波的均方根电压值的不同判断路面状态；步骤二、采集车辆静态数据和动态数据；根据车辆动态数据计算交通状态信息，确定车辆限速值。本发明通过采用车路协同的方式，能够全面且实时地获取交通流信息以及车辆状态信息，结合使用超声波检测器得到更加准确的路面冰雪状态，能够更加合理地确定寒区高速公路长大下坡的限速值，配合使用微波技术的除冰融雪子系统，能够快速反应且清理冰雪路面，为驾驶员提供更加安全、舒适的行车环境，降低长大下坡路段的交通事故风险，保障车辆行车安全。
-
公开(公告)号：CN115691157A
公开(公告)日：2023-02-03
申请号：CN202211137799.X
申请日：2022-09-19
Applicant: 哈尔滨工业大学
Abstract: 本发明涉及一种基于车路协同的弯道路段车速预警方法，包括如下步骤：步骤一、获取车辆当前运行状态、车辆参数及弯道道路信息；步骤二、根据获取到的信息计算车辆侧翻临界速度和侧滑临界速度，取二者较小值Vth＝min{Vr,Vs}作为过弯速度阈值；步骤三、车辆经过弯道前称重传感器后，即将驶入弯道，此时若车速超过过弯速度阈值Vth，向驾驶员发出预警或采取主动控制措施；步骤四、车辆在弯道行驶时，使用卡尔曼滤波器实时预测车辆的行驶速度和加速度。本发明的车路协同技术和5G‑V2X技术，改善了系统预警和主动控制的准确性和及时性，该系统能够有效保证大型车辆在弯道行驶的安全性。
-
公开(公告)号：CN114049773B
公开(公告)日：2022-10-25
申请号：CN202111300140.7
申请日：2021-11-04
Applicant: 哈尔滨工业大学
Abstract: 本发明涉及一种施工人员安全风险评估及预警方法，包括如下步骤：步骤一、在视频数据中识别施工车辆和施工人员；步骤二：将识别目标与数据库比对，获得识别车辆的具体信息，并计算车辆内轮差；步骤三：根据采集到的数据，确定车辆前部视野盲区的长度及车辆影响场的面积；步骤四：对车辆目标进行带车辆影响场范围的跟踪，对施工人员进行带影响场的跟踪；步骤五：检测施工车辆车辆影响场与施工人员影响场重叠程度，最后作出安全风险等级的判定。本发明基于车辆影响场重叠程度来判断施工人员的安全风险程度，并进行相应程度的预警，可以为施工场地提供实时监控及安全预警，避免施工过程中发生安全事故，可提高施工人员的安全性和整个施工场地的施工效率。
-
-
-
-
-
-
-
-
-
Search Results
84
records
(took 0.03 seconds)
