-
公开(公告)号：CN113420395B
公开(公告)日：2022-12-13
申请号：CN202110570478.8
申请日：2021-05-25
Applicant: 东南大学
Abstract: 本发明公开了一种基于交通仿真的多模式交通信息采集单元长度确定方法，方法包括：获取目标交叉口进口道检测范围内的交通设施信息；确定所述交通信息采集单元的综合评价指标，包括仿真的准确性和高效性；根据行人与非机动车的分离情况，确定基于交通仿真的非机动车与行人交通信息采集单元；确定其基于交通仿真的机动车交通信息采集单元；本发明按照将交叉口进口道一个长的检测范围依据混行比例不同划分为一系列小的交通信息检测单元，相比于较大的交通信息检测范围，小的检测单元获取的交通信息更加精确，输入仿真软件后更能反映真实的交通状态，在采集单元划分集中筛选出最优的划分方案，达到最优化划分交通信息采集单元的目的。
-
公开(公告)号：CN113299079B
公开(公告)日：2022-06-10
申请号：CN202110331958.9
申请日：2021-03-29
Applicant: 东南大学 , 扬州市法马智能设备有限公司
Abstract: 本发明公开了一种基于PPO和图卷积神经网络区域交叉口信号控制方法，包括以下步骤：构建交叉口协调控制区域并确立强化学习的状态、动作、奖励信息和图卷积神经网络的特征矩阵；构建区域交叉口分层信号控制模型；构建回放经验池，处理和提取训练数据和测试数据；训练区域交叉口分层信号控制模型；对区域交叉口进行统筹联合控制。本发明对控制区域建立多层信号控制模型，下层模型基于PPO算法构建多智能体控制模型；上层模型基于图卷积神经网络对各个交叉口进行统筹协调控制。本发明通过构建两层控制结构，既减少了单点控制模型的运算负担，又实现了对控制区域的总体最优控制，提高了控制区域内的车辆运行效率。
-
公开(公告)号：CN113487891A
公开(公告)日：2021-10-08
申请号：CN202110623777.3
申请日：2021-06-04
Applicant: 东南大学 , 扬州市法马智能设备有限公司
Abstract: 本发明公开了一种基于纳什Q学习算法的交叉口联合信号控制方法，属于交通信号自适应控制技术领域，包括以下步骤：构建相邻交叉口协调控制模型并确立强化学习的状态、动作、奖励信息；构建纳什Q学习网络控制模型；获取模型训练和测试数据；训练纳什Q学习网络模型；对控制区域交叉口实施联合协同控制。本发明在基于强化学习思想实现交叉口自学习控制的基础上，考虑交叉口间存在的联系对交叉口整体区域控制效果的，在交叉口的协同博弈中实现交叉口间的纳什均衡控制。本发明通过博弈控制理论，实现相邻交叉口间的协调控制，在一定程度上缓解了因相邻交叉口缺乏合作机制而造成的拥堵问题。
-
公开(公告)号：CN114187759B
公开(公告)日：2023-01-03
申请号：CN202111376102.X
申请日：2021-11-19
Applicant: 东南大学
IPC: G08G1/01 , G08G1/04 , G08G1/0967 , G06N3/04
Abstract: 本发明公开了一种基于数据驱动模型的路侧单元驾驶辅助方法及装置，包括路侧单元通过三维激光雷达对监测区域的道路状态进行提取获得交通状态图；将获取的交通状态图经数据驱动模型预测未来可能的交通状态图；路侧单元经I2V通信技术将预测的交通状态图传输给搭载车载通讯单元的车辆作为驾驶辅助信息。本发明立足于自动驾驶车路协同技术背景，基于路侧单元检测区域的确定性以及海量历史数据，充分应用路侧单元边缘计算能力，利用卷积长短时记忆神经网络深度挖掘历史数据中潜藏的高度非线性特征，对未来的交通状态进行准确预测。提供车辆未来的交通状态也可以辅助单车智能的最优决策，从而实现在车路协同和单车智能两个层面助力自动驾驶的发展。
-
公开(公告)号：CN114049764B
公开(公告)日：2022-09-23
申请号：CN202111264070.4
申请日：2021-10-27
Applicant: 东南大学
Abstract: 本发明公开了一种基于卷积长短时记忆神经网络的交通仿真方法，包括：获得仿真区域内的交通流视频，通过图像识别方法从交通流视频中获得仿真区域内所有车辆轨迹数据；对车辆轨迹数据进行预处理得到仿真区域的交通状态网格图；将交通状态网格图作为卷积长短时记忆神经网络的输入，并对于该卷积长短时记忆神经网络进行参数训练，得到训练好的卷积长短时记忆神经网络；基于仿真区域获取交通状态网格图，将该交通状态网格图输入训练好的卷积长短时记忆神经网络获取交通仿真结果；基于仿真场景获取交通状态网格图，将采样的交通状态网格图输入神经网络获取仿真结果。从而显著提高了微观交通仿真的精度。
-
Patent Agency Ranking
公开(公告)号：CN112590791B
公开(公告)日：2022-03-11
申请号：CN202011489329.0
申请日：2020-12-16
Applicant: 东南大学
IPC: B60W30/18 , B60W40/00 , B60W40/10 , B60W40/105
Abstract: 本发明涉及智能交通控制领域，具体涉及一种基于博弈论的智能车换道间隙选择方法及装置。方法为获取目标车辆的间隙选择数据，由目标车辆的间隙选择数据计算相应的数据筹码，通过该数据筹码计算博弈系数，根据博弈系数得到目标车辆换道间隙选择的推荐等级与推荐程度。本发明基于目标车辆和目标车道相邻间隙后车的速度数据、加速度数据、位置数据和其他数据为基本信息，计算目标车道相邻间隙后车和目标车辆的筹码，从而计算博弈系数，确定目标车辆换道间隙选择的推荐等级和推荐程度，为智能车行驶提供科学合理的判断和决策依据，保障道路交通安全。
-
公开(公告)号：CN113420395A
公开(公告)日：2021-09-21
申请号：CN202110570478.8
申请日：2021-05-25
Applicant: 东南大学
Abstract: 本发明公开了一种基于交通仿真的多模式交通信息采集单元长度确定方法，方法包括：获取目标交叉口进口道检测范围内的交通设施信息；确定所述交通信息采集单元的综合评价指标，包括仿真的准确性和高效性；根据行人与非机动车的分离情况，确定基于交通仿真的非机动车与行人交通信息采集单元；确定其基于交通仿真的机动车交通信息采集单元；本发明按照将交叉口进口道一个长的检测范围依据混行比例不同划分为一系列小的交通信息检测单元，相比于较大的交通信息检测范围，小的检测单元获取的交通信息更加精确，输入仿真软件后更能反映真实的交通状态，在采集单元划分集中筛选出最优的划分方案，达到最优化划分交通信息采集单元的目的。
-
公开(公告)号：CN113361613A
公开(公告)日：2021-09-07
申请号：CN202110659080.1
申请日：2021-06-15
Applicant: 东南大学
Abstract: 本发明公开了一种基于轨迹数据的上匝道车辆换道仿真模型分类方法及装置，包括：获取所有车辆在每一时刻的微观跟驰参数；提取具有换道行为的车辆并对车辆的换道行为计算换道前后时刻对应的车辆换道指标，并计算换道指标变化比；人工标注换道行为类别标签，通过换道行为所对应的车辆换道指标以及换道指标变化比，确定分类决策函数的计算式；利用分类决策函数确定车辆的换道行为类别，进而得到车辆换道仿真模型分类结果。本发明提供的方法综合考虑换道车辆一定范围内其他车辆的相互作用，对于车辆换道行为评估更加准确可靠，进而对于车辆换道行为划分更加合理，从而实现对车辆换道行为的定指标准确分类。
-
公开(公告)号：CN113299079A
公开(公告)日：2021-08-24
申请号：CN202110331958.9
申请日：2021-03-29
Applicant: 东南大学 , 扬州市法马智能设备有限公司
Abstract: 本发明公开了一种基于PPO和图卷积神经网络区域交叉口信号控制方法，包括以下步骤：构建交叉口协调控制区域并确立强化学习的状态、动作、奖励信息和图卷积神经网络的特征矩阵；构建区域交叉口分层信号控制模型；构建回放经验池，处理和提取训练数据和测试数据；训练区域交叉口分层信号控制模型；对区域交叉口进行统筹联合控制。本发明对控制区域建立多层信号控制模型，下层模型基于PPO算法构建多智能体控制模型；上层模型基于图卷积神经网络对各个交叉口进行统筹协调控制。本发明通过构建两层控制结构，既减少了单点控制模型的运算负担，又实现了对控制区域的总体最优控制，提高了控制区域内的车辆运行效率。
-
公开(公告)号：CN113240901A
公开(公告)日：2021-08-10
申请号：CN202110245165.5
申请日：2021-03-05
Applicant: 东南大学
Abstract: 本发明公开了智能车换道行为风险等级确定方法及装置，定义从安全性指标、高效性指标和舒适性指标综合评价智能车换道行为的风险等级；通过换道微观信息计算在目标车辆换道前后均处于目标车辆通信范围内的车辆的换道行为风险综合评价指标；依据车辆换道行为风险综合评价指标的历史数据百分比划分，确定当前综合评价指标在两种数据库下分别对应的风险等级，进而确定目标车辆当前的换道行为风险等级。本发明综合考虑换道车辆与通行范围内所有车辆的相互作用，利用换道车辆的历史数据评价目标车辆的换道风险，换道行为风险等级评价更加全面和精确，进而为驾驶员或智能车提供科学合理的判断和决策依据，为道路交通安全和行驶效率提供保障。
-
-
-
-
-
-
-
-
-
Search Results
22
records
(took 0.015 seconds)
