基于智能网联车队的交叉口无信号灯优化控制方法及系统

    公开(公告)号:CN119107825A

    公开(公告)日:2024-12-10

    申请号:CN202411382180.4

    申请日:2024-09-30

    Applicant: 东南大学

    Abstract: 本发明公开了一种基于智能网联车队的交叉口无信号灯优化控制方法及系统,方法包括:(1)建立交叉口无信号灯优化控制模型,该模型将CAV队列经过交叉口的总行驶延迟以及CAV队列在所有进口道方向上的性能指标与终态指标之间的总误差之和最小作为目标函数,以CAV队列控制为约束条件,得到CAV队列的编队模式;(2)建立CAV队列控制模型,该模型以CAV运行成本与终端成本之和最低为目标函数,得到CAV队列中每个CAV每个时刻的加速度和状态;(3)建立优化控制双层模型,包括位于上层的交叉口无信号灯优化控制模型和位于下层的CAV队列控制模型;(4)求解所述优化控制双层模型。本发明可以实现基于智能网联车队的交叉口无信号灯优化控制,简单易行。

    嵌入模仿学习的学习型燃料电池混动汽车能量管理方法

    公开(公告)号:CN117993293A

    公开(公告)日:2024-05-07

    申请号:CN202410130880.8

    申请日:2024-01-31

    Applicant: 东南大学

    Abstract: 本发明公开了嵌入模仿学习的学习型燃料电池混动汽车能量管理方法,包括:构建仿真环境、构建训练工况和测试工况;基于动态规划,提取训练工况的全局最优轨迹;使用模仿学习算法对全局最优轨迹进行模仿,获得可继承的神经网络参数;将通过模仿学习算法取得的神经网络作为深度强化学习算法的初始化策略网络,开始强化学习训练,直到深度强化学习算法收敛。本发明充分结合了基于优化的方法与深度强化学习方法的优点,弥补了传统深度强化学习算法的不足,能够提高训练效率和优化效果。

    一种自动驾驶混合交通流车辆跟驰预测方法与系统

    公开(公告)号:CN119516774A

    公开(公告)日:2025-02-25

    申请号:CN202411616745.0

    申请日:2024-11-13

    Applicant: 东南大学

    Abstract: 本发明公开了一种自动驾驶混合交通流(AV‑Mixed Traffic Flow,AV‑MTF)车辆跟驰预测方法与系统,设计了AV‑MTF跟驰车辆分类模型、车辆跟驰预测模型,输出的车辆跟驰加速度、速度或轨迹,可以用于车辆跟驰速度异常识别和AV‑MTF环境下车辆的管理与控制。跟驰车辆分类模型用于根据车辆跟驰运动信息判别跟驰车辆类别,车辆跟驰预测模型用于结合车辆类别与车辆运动信息,预测未来一段时间的车辆跟驰加速度、速度或轨迹的序列,异常识别算法在一次性预测加速度或速度序列的基础上通过自适应检测跟驰车辆的预测速度与其实际采集速度的差是否在合理范围来判断车辆异常采集数据。本发明方法简单易行,能够更好的针对AV‑MTF环境进行车辆管理和控制,进而有利于提升道路交通效率和安全。

Patent Agency Ranking