-
公开(公告)号：CN119741839A
公开(公告)日：2025-04-01
申请号：CN202411962193.9
申请日：2024-12-30
Applicant: 同济大学
Abstract: 本发明涉及一种面向交叉口的智能网联车队通行方法，方法包括以下步骤：步骤1：获取当前车道的未来绿灯方案和车辆排队长度；步骤2：根据车辆排队长度，估计排队消散时间；步骤3：根据未来绿灯方案和排队消散时间，得到可用绿灯时间；步骤4：获取车队前方车辆的状态，计算前方车辆在未来时间段内的状态；步骤5：构建以车队不被信号拆分为约束，以车队燃油消耗最低为目标的模型预测控制问题，求解控制问题得到车队内各个车辆的控制指令，并将控制指令传递至车队内各个车辆进行执行。与现有技术相比，本发明具有避免车队被信号灯拆散的同时降低车队通行交叉口的能耗等优点。
-
公开(公告)号：CN116935616B
公开(公告)日：2025-01-24
申请号：CN202310884388.5
申请日：2023-07-18
Applicant: 同济大学
IPC: G08G1/00 , G06Q10/047 , G06Q10/083
Abstract: 本发明涉及一种面向港区车辆调度‑规控耦合的智能集卡协同调度方法，包括：实时监测港区作业信息；根据采集的港区作业信息，综合多方利益需求，输出智能集卡最优作业序列；构建路径调整算法，考虑多车协同的目的调整智能集卡路径，得到多车系统无冲突轨迹，确定集卡路径时空特征经由点对象；构建速度调整算法，对路径调整算法输出的路径进行优化，优化集卡路径时空特征经由点；集卡根据速度调整算法输出的控制指令执行动作，并向路径调整算法和速度调整算法反馈集卡的实时状态信息，实现智能集卡的协同调度。与现有技术相比，本发明通过宏观任务调度与微观集卡规控相互协同，提高港区作业效率和安全性的同时，保障了集卡执行的精准度。
-
公开(公告)号：CN117079455B
公开(公告)日：2025-01-17
申请号：CN202310948061.X
申请日：2023-07-31
Applicant: 同济大学
IPC: G08G1/01
Abstract: 本发明公开了一种全域加速优化搜索的高风险驾驶场景辨识方法，包括：S1、通过切分模块将全域驾驶场景切分成若干个场景群；S2、通过辨识模块建立优化问题，并对各场景群进行数据收集，计算得到各场景群的风险程度，并根据风险程度值辨识出其中的风险场景群；S3、通过探索模块将在风险场景群中确定一个探索方向，并沿着探索方向将风险场景群切分成若干个场景子群，并找出其中的高风险场景，再判断是否找到足够的高风险场景；当判断找到足够的高风险场景，停止高风险场景辨识，当判断未找到足够的高风险场景，则返回步骤S2。根据本发明，能够对全域驾驶场景进行搜索，保证高覆盖，同时加速高风险场景的辨识，提高效率，推动基于场景的自动驾驶测试。
-
公开(公告)号：CN117784676A
公开(公告)日：2024-03-29
申请号：CN202311778209.6
申请日：2023-12-22
Applicant: 同济大学
IPC: G05B19/042
Abstract: 本发明公开了一种抗风险的引导式智能驾驶方法，包括以下步骤：S1、将若干辆跟驰车跟随一辆领航车组成车队；S2、领航车通过感知单元采集前方社会车辆驾驶信息，每辆跟驰车通过通讯单元采集车队其他车辆驾驶信息；S3、通过智能驾驶控制器求解所有跟驰车的最优控制指令；S4、车队内的受控若干辆跟驰车根据最优控制指令进行驾驶。根据本发明，该驾驶方法具有能够有效处理领航车受驾驶环境干扰所致的驾驶行为随机性，从而提高车队的抗风险能力。
-
公开(公告)号：CN117774996A
公开(公告)日：2024-03-29
申请号：CN202311718715.6
申请日：2023-12-14
Applicant: 同济大学
Abstract: 本发明提供一种考虑千人千面的自适应辅助驾驶系统，属于智能驾驶技术领域，包括如下步骤：1基于自然驾驶数据集和对应的视频数据，对智能车辆辅助驾驶决策模型、运动规划模型的目标函数和约束条件进行建模；2辨识影响接管率的系统模型关键参数；3搭建检验累计行系统自演进架构，从在线采集的驾驶经验中提取经验表征函数，用于更新辅助驾驶系统模型参数，实现系统自演进，从而匹配复杂多变的驾驶环境以及千人前面的驾驶偏好，本发明提供一种辅助驾驶系统，并通过在线自适应调节辅助驾驶系统模型参数，使得系统可以匹配复杂多变的驾驶环境、千人千面的驾驶偏好，同时保证调节效率，为多种道路场景下智能车辆高效安全通行提供技术支撑。
-
Patent Agency Ranking
公开(公告)号：CN117196912A
公开(公告)日：2023-12-08
申请号：CN202311056914.5
申请日：2023-08-22
Applicant: 同济大学
IPC: G06Q50/26 , G06F17/17 , G06F17/18 , G06F30/20 , G06F111/08
Abstract: 本发明公开了一种基于可达包络分区的风险指标计算方法，应用于自动驾驶车辆的测试验证评估，核心目标是通过快速运算实现对目标物未来时间窗口内可达位置及运动状态的准确预测。该方法包括：计算目标物可达空间，并通过近似方法对可达空间进行约束，通过包络模式给出表达更简单的可达范围空间；通过状态累积计算各个分区的状态表达与状态估计，整合包络空间与状态，对每个独立位置进行风险评估。根据本发明，可快速实现可达区域预测与表达，支持空间风险指标计算，适用于运动态势复杂的风险场景描述，实现对风险更全面的刻画。
-
公开(公告)号：CN117056868A
公开(公告)日：2023-11-14
申请号：CN202311024864.2
申请日：2023-08-15
Applicant: 同济大学
IPC: G06F18/26 , G06F18/27 , G06F18/2113
Abstract: 本发明公开了一种场景要素凝聚的自动驾驶测试方法，包括：S1、通过非关联场景要素划分模块计算场景要素之间的关联程度及根据要素之间的关联程度划分出若干非关联的要素簇；S2、通过场景要素凝聚模块分析各个要素簇的关键程度，将强关联的场景要素加入到关键程度较高的场景要素簇中，凝聚形成关键要素簇；S3、通过高风险场景测试模块识别高风险场景，将识别出来的高风险场景作为测试场景，对自动驾驶车辆及其系统进行安全性测试和验证；而后判断测试结果是否充分，若是则测试流程结束，否返回S3步骤进行新的测试。根据本发明，考虑复杂场景要素耦合的高维空间，加速了复杂高维空间中自动驾驶高风险场景的识别，提高了自动驾驶测试的效率。
-
公开(公告)号：CN116872973A
公开(公告)日：2023-10-13
申请号：CN202311015350.0
申请日：2023-08-14
Applicant: 同济大学
IPC: B60W60/00 , B60W30/095 , B60W40/02 , B60W50/00
Abstract: 本发明公开了一种跨视距多目标的风险评价方法，包括：风险感知预测模块和全局风险评估模块；且根据当前感知信息计算盲区，在根据盲区空间进行盲区假想目标障碍物设置，将假想目标物与可见目标进行运动范围预测，根据运动范围计算自车运动范围与所有目标物运动范围的交集，最后结合归一化的评价指标进行综合风险评价。根据本发明，能够在保证各种风险有效评估，实现自动驾驶功能对周围环境及风险的正确感知，提高自动驾驶系统安全能力。
-
公开(公告)号：CN115240403B
公开(公告)日：2023-10-10
申请号：CN202210897331.4
申请日：2022-07-28
Applicant: 同济大学 , 上海友道智途科技有限公司
IPC: G08G1/00
Abstract: 本发明涉及一种危险敏感型的编队驾驶控制方法，该方法包括以下步骤：步骤1：建立编队驾驶速度控制器；步骤2：将编队内车辆位置Xj和速度vj输入至编队驾驶速度控制器内，输出受控车辆控制速度#imgabs0#步骤3：将受控速度输入#imgabs1#输入至编队驾驶加速度控制器内，输出受控加速度#imgabs2#步骤4：编队内的车辆根据受控加速度#imgabs3#进行跟驰。与现有技术相比，本发明具有能够有效抵御编队驾驶风险和提高编队安全性等优点。
-
公开(公告)号：CN116259184A
公开(公告)日：2023-06-13
申请号：CN202310324605.5
申请日：2023-03-29
Applicant: 同济大学
IPC: G08G1/0967 , G08G1/01 , G08G1/052 , G08G1/08 , G08G1/087 , G08G1/0968
Abstract: 本发明涉及一种面向突发事件的高速公路可变限速方法，包括：利用可变限速板将高速公路划分为多个不同区段；通过高速公路感知设备，实时获取各区段的流量数据；结合高速公路感知设备感知信息以及车辆上报信息，判断是否发生突发事件，若判断为是，则根据突发事件类型以及各区段的实时流量，进一步判断是否需进行区段限速，若判断为是，则求解突发事件上游各区段的限速值、并将限速值对应发送至各区段的可变限速板进行展示。与现有技术相比，本发明通过设置突发事件发生点上游的区段限速，能有效降低上游到达流量，从而延缓拥堵的迅速蔓延，能丰富高速公路管控手段，对驾驶人员进行及时有效的引导限速，具有新颖性强、时效性高和容错性好等优点。
-
-
-
-
-
-
-
-
-
Search Results
88
records
(took 0.024 seconds)
