-
公开(公告)号:CN119049276A
公开(公告)日:2024-11-29
申请号:CN202411078945.5
申请日:2024-08-07
Applicant: 北方工业大学
IPC: G08G1/01
Abstract: 本发明涉及智能交通控制技术领域,尤其涉及一种智能网联环境下城市路网车道级时空资源分配方法,包括:基于若干信号交叉口和若干路段构建城市路网模型;分别确定若干边的污染承载力和资源承载力,基于所述污染承载力和所述资源承载力确定单边承载力以及城市路网承载力;步骤S3,基于单位时间内的预设可通行车流量、所述单边承载力和路网承载力对城市路网空间资源进行车道级空间资源预分配;步骤S4,构建混合交通流数据集,基于所述混合交通流数据集预测城市路网的短时车道级可通行状态;步骤S5,基于所述车道级空间资源预分配的结果和所述短时车道级可通行状态实现对车道级时空资源的最优分配。本发明实现城市路网车道级时空资源分配。
-
公开(公告)号:CN116957176A
公开(公告)日:2023-10-27
申请号:CN202310882439.0
申请日:2023-07-19
Applicant: 北方工业大学
IPC: G06Q10/047 , G06Q50/30 , G06F30/27 , G06N3/126 , G06F111/04 , G06F119/12
Abstract: 本发明提出一种面向智能网联汽车的群体路径决策及时空轨迹优化方法。首先,对连续交叉接口进行建模,计算各个拓扑节点的权重矩阵,并采用Dijkstra算法求解最优路径。然后,结合时空位置关系定义智能网联汽车状态与约束,综合考虑智能网联汽车舒适度、能耗和通行效率构建时空轨迹复合优化模型,并创新的提出分布式遗传算法进行求解,获取最优的智能网联汽车轨迹。
-
公开(公告)号:CN118887800A
公开(公告)日:2024-11-01
申请号:CN202410907721.4
申请日:2024-07-08
Applicant: 北方工业大学
IPC: G08G1/01 , H04W4/38 , H04W4/40 , H04W64/00 , G06V20/54 , G06V10/25 , G06V10/44 , G06V10/52 , G06V10/762 , G06V10/771 , G06V10/80 , G06F18/10 , G06F18/22 , G06F18/2433 , G06F18/25
Abstract: 本发明涉及交通状态感知技术领域,尤其涉及一种面向自主式交通系统的多交通主体信息融合方法。该方法包括步骤S1,对图像数据和点云数据进行融合;步骤S2,车辆主体状态估计。本发明通过将欧氏聚类算法与YOLOx模型相结合,以对不同维度数据的处理和融合,并基于置信度优化的数据融合方法,实现远距离、部分遮挡车辆主体的准确检测,利用D‑S证据理论确定最高置信度的数据假设,从而获得可靠的车辆主体位置数据作为状态数据,有效保障传感器数据融合和真实性评估,通过扩展状态向量和非线性系统模型描述车辆主体的位置和运动状态,以实现对车辆位置的准确估计和复合定位,有效处理非线性系统和多源信息的融合,提高车辆位置估计的准确性和稳定性。
-
公开(公告)号:CN115540882A
公开(公告)日:2022-12-30
申请号:CN202211343799.5
申请日:2022-10-31
Applicant: 北方工业大学
Abstract: 本发明提供了一种基于多传感器融合的智能网联汽车复合定位方法及装置。本发明利用车联网下V2X通信的优势,结合地平线AI芯片设计了智能网联汽车复合定位方法及装置。其中,搭载V2X通信单元的路侧定位平台可代替差分基准站,通过V2X同通信的方式完成修正量的发送至车载平台。同时,本发明提出了基于无迹卡尔曼滤波算法的多层融合方法,能够在路侧端准确定位智能网联汽车。通过与高精地图相匹配得到精准的智能网联汽车定位偏差并通过路侧单元将经纬度偏差量发送至车载单元,修正车载GNSS定位结果,达到厘米级的定位精度,提高了智能网联汽车复合定位系统的可靠性。
-
公开(公告)号:CN116311945A
公开(公告)日:2023-06-23
申请号:CN202310317338.9
申请日:2023-03-29
Applicant: 北方工业大学
IPC: G08G1/01 , G06F17/11 , G06F17/16 , G06N3/04 , G06N3/08 , G06F18/214 , G06N3/0442
Abstract: 本发明涉及交通数据处理技术领域,尤其涉及一种基于多源信息融合的全息交通状态数据集构建方法,包括获取原始数据集,根据路网拓扑关系构造有向路网图与无向路网图,路网图根据颜色匹配方程为交通信息进行图像化处理,构造邻阶矩阵,结合交通信息图经过空间‑时间信息补偿网络对原始交通特征数据进行初步修正补全,建立迭代补全生成式对抗性网络IGANI模型,生成补全数据集,基于邻阶矩阵与有向路网图建立的道路物理连接关系模型搭建加权有向图,经GE‑LSTM交通状态预测模型预测出周期内交通状态数据生成预测数据集,构建全息交通状态数据集,本发明有效克服由于设备损坏老化故障问题造成的数据缺失问题,有效提升交通控制系统的控制效果。
-
公开(公告)号:CN117315927A
公开(公告)日:2023-12-29
申请号:CN202311043190.0
申请日:2023-08-18
Applicant: 北方工业大学
IPC: G08G1/01 , G06T17/20 , G06N3/0442 , G06N3/08
Abstract: 本发明涉及智能网联汽车技术领域,尤其涉及一种基于改进神经网络的智能网联汽车实时轨迹预测方法,包括,步骤S1,对道路的交叉口的场景图进行建模并确定特征编码;步骤S2,基于Q‑learn ing算法获取智能网联汽车的空间特征;步骤S3基于LSTM网络获取智能网联汽车时间特征;步骤S4:多特征融合预测智能网联汽车的实时轨迹;有效提高了车辆轨迹预测的实时性和精确性。
-
-
-
-
-