公开(公告)号：CN114881200A

公开(公告)日：2022-08-09

申请号：CN202210367267.9

申请日：2022-04-08

Applicant: 北京工业大学

Inventor： 李振龙 ,  刘钦 ,  张子号 ,  潘梦妞

IPC: G06N3/04 ,  G06N3/08 ,  G06K9/62 ,  G06Q10/04

Abstract: 一种基于迁移学习与LSTM‑NN的雾天环境下跟驰车辆加速度预测方法，由源域样本选择和LSTM模型的训练组成。源域样本选择包括筛选依据和数量选择；筛选依据是通过改进的LCSS算法求解所得到的源域样本与目标域样本之间的相似度，并考虑到驾驶员的跟驰行为在很大程度上取决于前车与后车车速差Δv、车头间距h以及本车加速度a，因此选取γ作为衡量两个样本的描述特征；数量选择是根据源域样本的相似度，选择不同数量的源域样本对LSTM模型进行训练，通过模型性能对比以选择合适的数量。本发明采用的迁移样本筛选机制能够有效减少负迁移，以利用较少的雾天环境下跟驰样本，获得性能更理想的跟驰模型。

公开(公告)号：CN114881200B

公开(公告)日：2024-07-12

申请号：CN202210367267.9

申请日：2022-04-08

Applicant: 北京工业大学

Inventor： 李振龙 ,  刘钦 ,  张子号 ,  潘梦妞

IPC: G06N3/096 ,  G06N3/0442 ,  G06F18/22

Abstract: 一种基于迁移学习与LSTM‑NN的雾天环境下跟驰车辆加速度预测方法，由源域样本选择和LSTM模型的训练组成。源域样本选择包括筛选依据和数量选择；筛选依据是通过改进的LCSS算法求解所得到的源域样本与目标域样本之间的相似度，并考虑到驾驶员的跟驰行为在很大程度上取决于前车与后车车速差Δv、车头间距h以及本车加速度a，因此选取γ作为衡量两个样本的描述特征；数量选择是根据源域样本的相似度，选择不同数量的源域样本对LSTM模型进行训练，通过模型性能对比以选择合适的数量。本发明采用的迁移样本筛选机制能够有效减少负迁移，以利用较少的雾天环境下跟驰样本，获得性能更理想的跟驰模型。

公开(公告)号：CN116011844A

公开(公告)日：2023-04-25

申请号：CN202211511171.1

申请日：2022-11-29

Applicant: 北京工业大学

Inventor： 李振龙 ,  张子号 ,  刘钦 ,  董爱华 ,  陈浩林 ,  赵晓华

IPC: G06Q10/0639 ,  G06Q50/30

Abstract: 本发明提出基于TFAHP‑CV‑GT理论的事故场景下L3级别自动驾驶接管过程综合评价方法，该方法全面考虑驾驶人在接管过程中的安全性、稳定性、舒适性提出表征参数，通过相关性分析和因子分析对参数进行筛选，得到评价指标；运用三角模糊层次分析法计算指标主观权重，运用变异系数法计算指标客观权重，从而提出基于三角模糊层次分析法和变异系数法相通过博弈论组合赋权相结合的指标权重设定方法，建立L3自动驾驶接管表现评价模型，对驾驶人的接管表现水平进行评价。与现有L3自动驾驶接管过程表现评价方法相比，本发明对接管表现进行全面考虑的同时减小了指标间的信息重叠，设定权重时，基于博弈论思想来消除主观和客观的片面影响，使评价结果更为合理、准确。