-
公开(公告)号：CN120003280A
公开(公告)日：2025-05-16
申请号：CN202510068739.4
申请日：2025-01-16
Applicant: 上海交通大学三亚崖州湾深海科技研究院
IPC: B60L3/12 , G06F18/213 , G06N3/0442 , G06F123/02
Abstract: 本发明属于锂离子电池汽车技术领域，涉及一种在线锂电池汽车剩余行驶里程预测方法和系统，包括以下步骤：采集预设过程中的车辆数据，根据车辆数据各项之间的spearman系数ρs，挑选出与剩余行驶里程强相关的变量；通过最小二乘回归算法，对强相关的变量对应的车辆数据进行数据清洗，去除异常值；将经过数据清洗的车辆数据输入双向堆叠门控循环网络，用于选择性的记录和遗忘车辆行驶过程中的车辆数据，在线挖掘时序依赖关系；将车辆数据和时序依赖关系输入Kolmogorov‑Arnold网络，以实现非线性映射，提取车辆数据的中间序列特征，输出车辆剩余行驶里程。其能准确预测剩余续驶里程，那么驾驶员就能合理安排行程，规划好充电方式和时间，缓解里程焦虑，提高驾驶体验。
-
公开(公告)号：CN119984839A
公开(公告)日：2025-05-13
申请号：CN202411881450.6
申请日：2024-12-19
Applicant: 上海交通大学
IPC: G01M17/007 , G01R31/00 , G06F30/20 , G06F30/15
Abstract: 本发明涉及一种用于自动驾驶测试的在线多维度综合测试评估方法，包括：构建测试场景库；构建测试场景复杂度模型；搭建智能驾驶联合仿真测试平台，并将智能驾驶算法嵌入至智能驾驶联合仿真测试平台；构建自动驾驶测试多维度评估指标系统，用于对自动驾驶车辆进行多维度性能评估；利用智能驾驶联合仿真测试平台，获得车辆测试数据，结合评估指标系统及测试场景复杂度模型，计算客观的评测指标权重，然后计算综合性能量化评分，最终输出得到自动化评测报告。与现有技术相比，本发明能够减少人工评估的主观性，加速自动驾驶车辆评测效率；能够对自动驾驶车辆的多维度性能进行综合和客观的量化评分，并减少不同测试场景对自动驾驶车辆评分差异的影响。
-
公开(公告)号：CN110677306A
公开(公告)日：2020-01-10
申请号：CN201911025681.6
申请日：2019-10-25
Applicant: 上海交通大学
IPC: H04L12/24
Abstract: 本发明公开了一种网络拓扑副本服务器配置方法及装置、存储介质和终端，其中方法包括：基于待配置网络拓扑的基本参数构建待配置网络拓扑的系统模型；基于待配置网络拓扑的系统模型计算待配置网络拓扑中所有连边的权重，并基于所有权重和预设算法将待配置网络拓扑划分为多个子网络；对所有子网络中进行副本服务器部署；按预设方式对所有副本服务器部署完成的子网络进行合并，得到副本服务器配置完成的网络拓扑。本发明方法在控制成本的同时提高了服务性能的最佳副本服务器放置，解决了网络规模的不断扩大造成的副本服务器部署困难的问题。
-
公开(公告)号：CN120011250A
公开(公告)日：2025-05-16
申请号：CN202411867173.3
申请日：2024-12-18
Applicant: 上海交通大学
IPC: G06F11/3698 , G06F11/3668 , G06N3/04 , G06N3/092
Abstract: 本发明涉及一种基于双层自适应深层强化学习的关键边界测试场景生成方法，包括：构造演员‑评论家架构，其中，演员模块包括基于神经网络的自然驾驶行为学习模型以及基于双层自适应深度强化学习的关键边界场景生成模型，评论家模块包括场景复杂度模型以及测试评估模型，在自然驾驶行为学习模型中，利用自然驾驶数据生成背景交通参与者错综复杂的交互行为；利用场景复杂度模型和测试评估模型对生成的场景进行场景复杂度计算和评测，并输出给关键边界场景生成模型；在关键边界场景生成模型中采用双层自适应深度强化学习算法动态增强测试场景的复杂度。与现有技术相比，本发明能够在复杂的多交互高维环境中高效生成真实且多样化的关键边界测试场景。
-
公开(公告)号：CN110677306B
公开(公告)日：2021-09-03
申请号：CN201911025681.6
申请日：2019-10-25
Applicant: 上海交通大学
IPC: H04L12/24
Abstract: 本发明公开了一种网络拓扑副本服务器配置方法及装置、存储介质和终端，其中方法包括：基于待配置网络拓扑的基本参数构建待配置网络拓扑的系统模型；基于待配置网络拓扑的系统模型计算待配置网络拓扑中所有连边的权重，并基于所有权重和预设算法将待配置网络拓扑划分为多个子网络；对所有子网络中进行副本服务器部署；按预设方式对所有副本服务器部署完成的子网络进行合并，得到副本服务器配置完成的网络拓扑。本发明方法在控制成本的同时提高了服务性能的最佳副本服务器放置，解决了网络规模的不断扩大造成的副本服务器部署困难的问题。
-
Patent Agency Ranking
公开(公告)号：CN112418028A
公开(公告)日：2021-02-26
申请号：CN202011252534.5
申请日：2020-11-11
Applicant: 上海交通大学
Abstract: 本发明涉及一种基于深度学习的卫星图像中船舶识别与分割方法，该方法基于改进的Xception和改进的U‑Net网络，对海面上航行的船只进行监测，实现对于船舶的识别和图像分割，得到关于船舶的预警和图像信息，所述的方法具有以下步骤：步骤1)采集数据；步骤2)数据集增强；步骤3)标记图片；步骤4)进行卫星图像中的船舶识别；步骤5)进行船舶图像语义分割；步骤6)实时进行船舶的自动识别和监测。与现有技术相比，本发明具有可以节省人力和巡逻成本等，同时减少可能由于人为因素造成的识别错误的问题等优点。
-
公开(公告)号：CN112131330A
公开(公告)日：2020-12-25
申请号：CN202010971472.7
申请日：2020-09-16
Applicant: 上海交通大学
Abstract: 本发明涉及一种自由流动模式下共享汽车的运营区域选址布局方法，包括以下步骤：首先基于候选地图，根据用户的历史出行数据构造出用户出行网络；之后采用社团挖掘算法，从用户出行网络中挖掘出紧密联系的社团区域，其中，单个社团区域具体表现为栅格集合；最后分别计算不同社团区域对应的边界围栏，即得到共享汽车的各个运营区域。与现有技术相比，本发明针对自由流动模式下的共享汽车，采用距离衰减方法，能够有效控制社团区域的面积大小、保证社团区域划分的细致性以及社团内的连续性，通过计算社团区域对应栅格集合的电子边界围栏，能够快速准确地获得对应的运营区域边界范围。
-
公开(公告)号：CN118038672A
公开(公告)日：2024-05-14
申请号：CN202410174974.5
申请日：2024-02-07
Applicant: 上海交通大学
IPC: G08G1/01 , G06F18/2431 , G06N3/0455 , G06N3/0442 , G06N3/08 , G06Q50/40
Abstract: 本发明涉及一种多种类混合车流中车辆异常行为检测方法，包括以下步骤：获取道路上的车流信息，根据其内部特征，将其抽象为离散时间的动态异构图序列；设计使用了异构图注意力模块的长短期记忆网络模型，实现多种类节点问题的时序特征提取；基于长短期记忆网络模型，设计自编码器，通过节点重构误差，检测得到不符合正常车辆决策方式的离群异常行为。与现有技术相比，本发明使用异构图网络同时对车辆个体信息和车辆间的交互行为进行学习，能够有效地对车辆异常行为进行检测，同时支持扩展到拥有数千车辆级别的大型公路场景，从而针对多种类车辆混合车流中不同种类的车辆异常行为，能够快速、准确地进行检测，可靠保障道路交通系统安全高效的运行。
-
公开(公告)号：CN117575041A
公开(公告)日：2024-02-20
申请号：CN202311516954.3
申请日：2023-11-14
Applicant: 腾讯科技(深圳)有限公司 , 上海交通大学
Abstract: 本申请公开了一种基于主动学习的竞胜率预测模型的训练方法、装置及设备，涉及人工智能技术领域。该方法包括：通过竞胜率预测模型得到N组预测竞胜率，N为正整数；基于N组预测竞胜率，确定N组探索价值；基于N组探索价值，生成至少一个探索样本；采用探索样本对竞胜率预测模型进行训练，得到训练后的竞胜率预测模型。该方法实现了通过主动学习的方式选择高质量的探索样本，对竞胜率预测模型进行训练，使训练后的竞胜率预测模型进行预测时，得到更准确的预测竞胜率，避免了竞胜率预测模型的预测结果陷入局部最优。
-
公开(公告)号：CN116224996A
公开(公告)日：2023-06-06
申请号：CN202211715787.0
申请日：2022-12-28
Applicant: 上海交通大学
IPC: G05D1/02
Abstract: 本发明涉及一种基于对抗强化学习的自动驾驶优化控制方法，包括以下步骤：设计对抗智能体控制部分关键场景因素，以构建对抗场景；利用对抗场景对车辆进行训练，得到优化后的驾驶算法；将优化后的驾驶算法应用于车辆控制器，以相应控制车辆的行驶状态。与现有技术相比，本发明在给定场景下，为本车设计第1代强化学习的驾驶策略，再采用不完全零和博弈构建对抗过程，生成多个对抗智能体与本车的驾驶算法进行对抗，不断迭代优化本车驾驶算法的鲁棒性。由此基于对抗强化学习的方式，以迭代优化得到鲁棒性增强的自动驾驶算法，从而有效提升自动驾驶控制的效率和场景鲁棒性。
-
-
-
-
-
-
-
-
-
Search Results
31
records
(took 0.024 seconds)
