-
公开(公告)号：CN118097935A
公开(公告)日：2024-05-28
申请号：CN202410079405.2
申请日：2024-01-19
Applicant: 东南大学
Abstract: 本发明提出了一种基于传递函数稳定性辨识的智能网联混合车队碰撞预测方法，包括构建传统人驾车辆跟驰模型和网联自动驾驶车辆跟驰模型；设置智能网联混合车队场景参数，并将传统人驾车辆跟驰模型和网联自动驾驶车辆跟驰模型加载到微观交通系统中；遍历智能网联混合车队的关键参数，获取每组参数下的车队轨迹数据，同时计算出车队的传递函数及其对应的无穷范数，根据无穷范数，划分该车队的理论状态，建立车队理论状态和实际状态的对应关系，构建智能网联混合车队碰撞预测模型；将获得的智能网联混合车队实际状态输入到智能网联混合车队碰撞预测模型中，预测其运行状态。本发明实现了对智能网联混合车队状态的监测和预警，提高了车队运行的安全性。
-
公开(公告)号：CN114840992A
公开(公告)日：2022-08-02
申请号：CN202210441901.9
申请日：2022-04-25
Applicant: 东南大学
IPC: G06F30/20
Abstract: 本发明公开了一种城市快速道路自动驾驶接管时间影响因素辨识及预测方法，具体步骤为：构建自动驾驶接管实验平台；设计并搭建典型的快速路自动驾驶接管场景；招募驾驶人进行接管仿真实验，统计驾驶人的基本信息，采集驾驶人的接管时间数据；综合多种影响因素构建随机效应加速失效时间预测模型；利用随机森林算法对影响接管时间的因素进行辨识；依据所选择的显著影响因素，将提取的数据带入接管时间预测模型，对接管时间进行计算，分析因素对接管时间的影响情况，并对接管时间进行预测；利用该方法得出的研究结果可以为自动驾驶系统的优化设计提供理论依据。
-
公开(公告)号：CN118097935B
公开(公告)日：2025-02-18
申请号：CN202410079405.2
申请日：2024-01-19
Applicant: 东南大学
Abstract: 本发明提出了一种基于传递函数稳定性辨识的智能网联混合车队碰撞预测方法，包括构建传统人驾车辆跟驰模型和网联自动驾驶车辆跟驰模型；设置智能网联混合车队场景参数，并将传统人驾车辆跟驰模型和网联自动驾驶车辆跟驰模型加载到微观交通系统中；遍历智能网联混合车队的关键参数，获取每组参数下的车队轨迹数据，同时计算出车队的传递函数及其对应的无穷范数，根据无穷范数，划分该车队的理论状态，建立车队理论状态和实际状态的对应关系，构建智能网联混合车队碰撞预测模型；将获得的智能网联混合车队实际状态输入到智能网联混合车队碰撞预测模型中，预测其运行状态。本发明实现了对智能网联混合车队状态的监测和预警，提高了车队运行的安全性。
-
公开(公告)号：CN114067561A
公开(公告)日：2022-02-18
申请号：CN202111240405.9
申请日：2021-10-25
Applicant: 东南大学
Abstract: 本发明公开了一种城市快速道路车路协同主动管控系统的虚拟现实测试方法，具体为：设计城市快速路三维道路场景地图；构建联合仿真实验测试平台；当RSU设备检测到快速路上发生事故或拥堵后，将事故或拥堵信息反馈给平台控制系统，根据预设的控制策略，控制系统向RSU及可变信息系统发布控制指令，改变VMS上发布的道路交通信息，调整VSL的限速值；驾驶人控制仿真车辆的运行状态并与测试平台的道路交通环境进行实时交互，保存车辆的运行状态信息；构建二元logit模型，研究控制策略对行驶车速的影响效果，分析影响驾驶人对控制策略接受程度的显著因素，并根据分析结果对控制策略进行优化设计，实现考虑驾驶人因特性的控制系统优化。
-
公开(公告)号：CN116502529A
公开(公告)日：2023-07-28
申请号：CN202310446420.1
申请日：2023-04-24
Applicant: 东南大学
IPC: G06F30/27 , G06Q10/04 , G06Q10/0635 , G08G1/01 , G08G1/065 , G08G1/08 , G08G1/081 , G08G1/095 , G08G1/09
Abstract: 本发明提出了一种车路协同混合交通流环境下快速干道车辆轨迹优化控制方法，针对快速干道信号交叉口处网联自动驾驶车辆与传统人驾车辆混行的场景，基于移动网联及自动驾驶技术的应用，一方面通过路侧设备和车载设备收集并传递前方信号和车流运行信息；另一方面本发明基于深度强化学习算法构建车辆轨迹优化模型，模型采用演员‑评论家框架优化，以交叉口安全性作为优化目标，遵守道路限速和红绿灯规则约束，并设置安全检测器对控制过程中采取的潜在不安全行为进行强制性修正，实现对网联自动驾驶车辆轨迹的优化设计以避免碰撞的发生，提高快速干道的通行效率。
-
Patent Agency Ranking
公开(公告)号：CN114067561B
公开(公告)日：2022-11-18
申请号：CN202111240405.9
申请日：2021-10-25
Applicant: 东南大学
Abstract: 本发明公开了一种城市快速道路车路协同主动管控系统的虚拟现实测试方法，具体为：设计城市快速路三维道路场景地图；构建联合仿真实验测试平台；当RSU设备检测到快速路上发生事故或拥堵后，将事故或拥堵信息反馈给平台控制系统，根据预设的控制策略，控制系统向RSU及可变信息系统发布控制指令，改变VMS上发布的道路交通信息，调整VSL的限速值；驾驶人控制仿真车辆的运行状态并与测试平台的道路交通环境进行实时交互，保存车辆的运行状态信息；构建二元logit模型，研究控制策略对行驶车速的影响效果，分析影响驾驶人对控制策略接受程度的显著因素，并根据分析结果对控制策略进行优化设计，实现考虑驾驶人因特性的控制系统优化。
-
公开(公告)号：CN117636628B
公开(公告)日：2024-12-20
申请号：CN202311563906.X
申请日：2023-11-22
Applicant: 东南大学
IPC: G08G1/01 , G08G1/0967 , G08G1/0968
Abstract: 本发明公开了一种车路协同环境下快速道路重叠交通激波消散方法和系统，建立基于冲击波理论的交通激波模型，计算得到智能网联车辆到达交叉口的最优时间，然后基于深度强化学习模型的车辆轨迹优化控制器构建网联自动驾驶车辆智能体，训练得到最优车辆轨迹优化控制器，对智能网联车辆进行控制。本发明采用深度强化学习框架对网联自动驾驶车辆进行多目标轨迹优化控制，引导上游交通以目标轨迹缓慢进入交通激波影响范围，进而抑制交通激波向上游的传播。本发明能够减少车辆在交叉口的排队停车时间，有利于提高城市干道的整体通行效率，降低交叉口的潜在交通事故风险和燃油消耗，在缓解城市交叉口的交通拥堵问题上具有实际的工程应用价值和意义。
-
公开(公告)号：CN118468119A
公开(公告)日：2024-08-09
申请号：CN202410433093.0
申请日：2024-04-11
Applicant: 东南大学
IPC: G06F18/2411 , G06F18/214 , G06Q50/26
Abstract: 本发明公开了一种基于几何学习轨迹预测的交通冲击波预测方法，包括步骤1、构建车辆轨迹预测模型；步骤2、构建模型样本库；步骤3、模型训练；步骤4、轨迹预测；步骤5、速度计算；步骤6、计算小波能量；步骤7、绘制能量时间序列图。本发明通过提取自车与周围车辆、车辆与道路环境之间的交互特征，充分考虑车辆驾驶行为的不确定性，建立基于几何深度学习的车辆轨迹预测模型，预测轨迹计算得到车辆在未来一段时间内的运行速度，将预测得到的车辆速度序列输入小波分析工具，预测交通流中交通冲击波的产生。本发明为动态车速控制、交通冲击波的消除提供基础，在缓解快速路交织区拥堵问题上具有实际的工程应用价值和意义。
-
公开(公告)号：CN117636628A
公开(公告)日：2024-03-01
申请号：CN202311563906.X
申请日：2023-11-22
Applicant: 东南大学
IPC: G08G1/01 , G08G1/0967 , G08G1/0968
Abstract: 本发明公开了一种车路协同环境下快速道路重叠交通激波消散方法和系统，建立基于冲击波理论的交通激波模型，计算得到智能网联车辆到达交叉口的最优时间，然后基于深度强化学习模型的车辆轨迹优化控制器构建网联自动驾驶车辆智能体，训练得到最优车辆轨迹优化控制器，对智能网联车辆进行控制。本发明采用深度强化学习框架对网联自动驾驶车辆进行多目标轨迹优化控制，引导上游交通以目标轨迹缓慢进入交通激波影响范围，进而抑制交通激波向上游的传播。本发明能够减少车辆在交叉口的排队停车时间，有利于提高城市干道的整体通行效率，降低交叉口的潜在交通事故风险和燃油消耗，在缓解城市交叉口的交通拥堵问题上具有实际的工程应用价值和意义。
-
公开(公告)号：CN116595453A
公开(公告)日：2023-08-15
申请号：CN202310527781.9
申请日：2023-05-11
Applicant: 东南大学
IPC: G06F18/2415 , G06F18/2113 , G06F30/20
Abstract: 本发明公开了高速公路自动驾驶接管过程的驾驶能力恢复时间确定方法，具体步骤为：构建自动驾驶接管实验平台；设计并搭建典型的高速公路自动驾驶接管场景；招募驾驶人进行接管仿真实验，采集实验过程中的车辆轨迹数据；提取并筛选能反映驾驶状态的指标；构建基于高斯混合模型的驾驶状态辨识方法；结合所筛选的驾驶状态表征指标组合进行驾驶状态辨识分析，确定驾驶人的驾驶能力恢复时间；利用该方法可以准确地确定接管过程中每位驾驶人的驾驶能力恢复时间，为自动驾驶系统的优化设计提供理论依据。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.017 seconds)
