公开(公告)号：CN116707348A

公开(公告)日：2023-09-05

申请号：CN202310663279.0

申请日：2023-06-06

Applicant: 北京理工大学

Inventor： 王武宏 ,  谭海秋 ,  张浩东 ,  张杰 ,  孙栋先 ,  司仪豪 ,  石健

IPC: H02N1/04 ,  G06F18/10 ,  G06F18/213 ,  G06F18/214 ,  G06N3/0442 ,  G06N3/08 ,  B60W40/08 ,  B60W60/00

Abstract: 本发明公开的基于摩擦纳米发电机的驾驶人非驾驶行为的实时监测方法，属于条件自动驾驶下驾驶人行为监测领域。本发明实现方法为：摩擦纳米发电机传感器的制备传感器包括指骨传感器、指节传感器和用于导线；摩擦纳米发电机传感器的安装布置；摩擦纳米发电机传感器的电学特性测试；条件自动驾驶场景的搭建和驾驶人非驾驶行为进行数据采集；对采集数据数据预处理；构建深度学习模型网络结构，找出最优超参数组合，监测条件自动驾驶下驾驶人非驾驶行为。本发明采用摩擦纳米发电机采集驾驶人非驾驶行为，根据摩擦纳米发电机传感器灵敏度高，制造成本低的特点，通过采集驾驶人非驾驶行为产生的电信号数据，实现对非驾驶行为的实时的监测，并且节省成本。

公开(公告)号：CN116933005A

公开(公告)日：2023-10-24

申请号：CN202310660575.5

申请日：2023-06-06

Applicant: 北京理工大学

Inventor： 郭宏伟 ,  孙栋先 ,  韩克贤 ,  王武宏 ,  蒋晓蓓 ,  杨静超 ,  高其航

IPC: G06F18/10 ,  G06F18/213 ,  G06F18/25 ,  G06N3/0464 ,  G06N3/084 ,  B60W60/00 ,  B60W50/00

Abstract: 本发明公开了一种网联环境下基于图卷积神经网络的车辆轨迹预测方法，主车首先通过网联环境获取设定场景范围内车辆的历史运动状态数据并进行预处理，然后基于空间交互系数将预处理后的历史运动状态数据转换为空间图，基于时间交互系数将预处理后的历史运动状态数据转换为时间图，接下来通过图卷积神经网络提取空间图中的空间交互特征和时间图中的时间交互特征，融合两者获得设定场景范围内车辆的时空交互特征，最后基于卷积神经网络解码输出设定场景内所有车辆在未来一段时间的运动轨迹。本发明通过提出空间交互系数和时间交互系数，解决了现有研究中存在的时间交互建模不充分的问题，提高了车辆轨迹预测的预测精度。

公开(公告)号：CN114548164A

公开(公告)日：2022-05-27

申请号：CN202210149745.9

申请日：2022-02-18

Applicant: 北京理工大学

Inventor： 王武宏 ,  张浩东 ,  成前 ,  李成刚 ,  张杰 ,  谭海秋 ,  蒋晓蓓 ,  侯单懿 ,  石健 ,  于雯麟 ,  胡耀光 ,  孙栋先 ,  冯睽睽 ,  张云贺 ,  张发平 ,  孙春文 ,  陆逍

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/08 ,  G09B9/052

Abstract: 本发明公开一种用于智能网联操控极微风险识别的无干扰监测方法，属于驾驶行为监测领域。本发明实现方法为：制备可伸缩的聚丙烯酰胺PAAM‑licl基摩擦纳米发电机PL‑TENG和具有铝AI‑Kapton摩擦层结构的摩擦纳米发电机AK‑TENG。搭建智能网联模拟驾驶场景用于获取自然驾驶数据。PL‑TENG布置于驾驶人的眼部、嘴部、脖颈等部位，将驾驶人面部和头部的极微动作转化为电信号，并从采集得到的电信号中获取用于表征疲劳和分心的特征指标；将AK‑TENG布置于转向盘和踏板，将驾驶人在完成转向、加速和制动操作时的极微动作转换为电信号，并利用电压数据完成风险驾驶操作辨识模型的搭建。结合两种摩擦纳米发电机实现对驾驶人驾驶状态和驾驶操作行为的无干扰实时监测。

公开(公告)号：CN116946149A

公开(公告)日：2023-10-27

申请号：CN202310869798.2

申请日：2023-07-17

Applicant: 北京理工大学

Inventor： 王武宏 ,  司仪豪 ,  蒋晓蓓 ,  张浩东 ,  谭海秋 ,  孙栋先 ,  张杰 ,  石健 ,  谢丽君

IPC: B60W40/08 ,  A61B5/318 ,  A61B5/346 ,  A61B5/00 ,  G06F18/214 ,  G06F18/21 ,  G06F18/2415 ,  G06F18/23213 ,  G06F18/213

Abstract: 本发明公开的一种基于隐马尔可夫模型的驾驶负荷分级评估方法，属于人机协同驾驶领域。本发明实现方法为：采用便携式生理记录仪，采集驾驶人在预定驾驶负荷等级场景下的心电信号，通过对心电信号序列样本数据集分割，获取各驾驶负荷等级下的样本数据集，并从时域、频域、非线性域角度对心电信号进行特征提取及标准化处理，基于隐马尔可夫模型(HMM)及网格寻优方法对模型进行参数寻优及训练，实现对驾驶人驾驶负荷分级评估监测，以提醒驾驶人保持适度的工作负荷水平。本发明能够应用于人机协同驾驶领域，有助于驾驶人适应人机协同任务情境演变的多样性，辅助驾驶人进行安全高效的车辆接管与操控，确保人机交互有效性。

公开(公告)号：CN115009274A

公开(公告)日：2022-09-06

申请号：CN202210754129.6

申请日：2022-06-28

Applicant: 北京理工大学

Inventor： 孙栋先 ,  郭宏伟 ,  王武宏 ,  蒋晓蓓 ,  石健 ,  谭海秋 ,  张浩东

IPC: B60W30/095

Abstract: 本发明公开了一种智能网联汽车风险评估方法及个性化决策方法，包括：根据主车数据和周围车辆数据，利用行车安全场模型分别计算各周围车辆对主车产生的驾驶风险；根据各周围车辆对主车产生的驾驶风险，分别加权计算主车所受跟驰风险和换道风险；选定驾驶风格，分别将主车所受驾驶风险与驾驶风格对应的驾驶风险阈值进行对比，从而确定主车的驾驶状态；本发明驾驶风险评估准确，风险考虑维度全面且能够满足不同类型驾驶人或乘客舒适性需求。