一种面向安全辅助功能的车载抬头显示系统

    公开(公告)号:CN111216637B

    公开(公告)日:2022-09-20

    申请号:CN202010074312.2

    申请日:2020-01-22

    Applicant: 同济大学

    Abstract: 本发明涉及一种面向安全辅助功能的车载抬头显示系统,包括:主板,提供串口并进行计算;投影屏,与主板连接,提供倒像;显示屏,为半透半反屏,显示安全辅助信息,所述安全辅助信息包括车道变换警告、行人碰撞警告和施工区预警等;摄像头,与主板连接,置于车内,拍摄驾驶员脸部图像并将驾驶员脸部图像传递至主板;工作时,主板接收路侧信息和摄像头传递的驾驶员脸部图像,主板根据路侧信息更新显示屏上的安全辅助信息,同时主板识别驾驶员的驾驶状态,并根据驾驶员的驾驶状态调节显示屏上的安全辅助信息,以适应驾驶员状态。与现有技术相比,可显著减少道路安全事故的发生。

    一种面向安全辅助功能的车载抬头显示系统

    公开(公告)号:CN111216637A

    公开(公告)日:2020-06-02

    申请号:CN202010074312.2

    申请日:2020-01-22

    Applicant: 同济大学

    Abstract: 本发明涉及一种面向安全辅助功能的车载抬头显示系统,包括:主板,提供串口并进行计算;投影屏,与主板连接,提供倒像;显示屏,为半透半反屏,显示安全辅助信息,所述安全辅助信息包括车道变换警告、行人碰撞警告和施工区预警等;摄像头,与主板连接,置于车内,拍摄驾驶员脸部图像并将驾驶员脸部图像传递至主板;工作时,主板接收路侧信息和摄像头传递的驾驶员脸部图像,主板根据路侧信息更新显示屏上的安全辅助信息,同时主板识别驾驶员的驾驶状态,并根据驾驶员的驾驶状态调节显示屏上的安全辅助信息,以适应驾驶员状态。与现有技术相比,可显著减少道路安全事故的发生。

    一种车路协同环境下的快速路车辆换道两阶段预测方法

    公开(公告)号:CN118351689A

    公开(公告)日:2024-07-16

    申请号:CN202410490699.8

    申请日:2024-04-23

    Abstract: 本发明涉及一种车路协同环境下的快速路车辆换道两阶段预测方法,包括以下步骤:步骤1、通过车载传感器和路侧交通检测器获取车辆换道行为的车端和路端数据信息;步骤2、构建换道意图识别和轨迹预测模型,包括换道意图识别模块和轨迹预测模块,将所述车端和路端数据信息输入到所述换道意图识别模块中,输出为预测车辆换道的意图类别概率,将所述意图类别概率结合历史轨迹信息共同输入至所述轨迹预测模块中,输出得到车辆的换道预测结果。与现有技术相比,本发明提升了车路协同场景下快速路交织区段内相邻车辆换道预测的效果等优点。

    一种共享汽车动态借车实现方法

    公开(公告)号:CN111178948B

    公开(公告)日:2023-08-04

    申请号:CN201911312049.X

    申请日:2019-12-18

    Applicant: 同济大学

    Abstract: 本发明涉及一种共享汽车动态借车实现方法,包括:建立借车需求预测模型;建立借车时刻预测模型;获得触点数据、网点数据和汽车数据;利用判别算法得到订单能否创建结果;利用借车需求预测模型预测用户需求确认结果;通过调度算法得到调度时间;利用借车时刻预测模型预测需求时间;结合订单创建结果、用户需求确认结果、调度时间和需求时间判断用户需求是否得到满足,从而判断是否进行汽车调度。与现有技术相比,充分考虑了网点供需不平衡的问题,充分考虑用户特征和偏好,全方位多角度地解决了共享汽车动态借车问题,可以得到更精确的效果,具有更好的可行性和实用性,可以满足和吸引更多的用户,且可以提高系统服务质量、产生更大利润。

    一种共享汽车动态借车实现方法

    公开(公告)号:CN111178948A

    公开(公告)日:2020-05-19

    申请号:CN201911312049.X

    申请日:2019-12-18

    Applicant: 同济大学

    Abstract: 本发明涉及一种共享汽车动态借车实现方法,包括:建立借车需求预测模型;建立借车时刻预测模型;获得触点数据、网点数据和汽车数据;利用判别算法得到订单能否创建结果;利用借车需求预测模型预测用户需求确认结果;通过调度算法得到调度时间;利用借车时刻预测模型预测需求时间;结合订单创建结果、用户需求确认结果、调度时间和需求时间判断用户需求是否得到满足,从而判断是否进行汽车调度。与现有技术相比,充分考虑了网点供需不平衡的问题,充分考虑用户特征和偏好,全方位多角度地解决了共享汽车动态借车问题,可以得到更精确的效果,具有更好的可行性和实用性,可以满足和吸引更多的用户,且可以提高系统服务质量、产生更大利润。

    一种基于车联网环境下的驾驶员个性化纵向避险行为预测方法

    公开(公告)号:CN118349802A

    公开(公告)日:2024-07-16

    申请号:CN202410526754.4

    申请日:2024-04-29

    Abstract: 本发明涉及驾驶行为预测技术领域,尤其是涉及一种基于车联网环境下的驾驶员个性化纵向避险行为预测方法,包括以下步骤:获取自然驾驶数据集,并进行预处理;计算冲突判别指标用以识别全部冲突事件,提取每起冲突事件设定时间内的驾驶数据,并整理成交通冲突事件数据集;选择驾驶员减速程度和刹车时长作为驾驶员在冲突时避险行为的度量指标,并将所述度量指标作为因变量;选取避险行为影响因素,将其作为自变量;根据所述自变量训练得到回归预测模型,确定需要保留的自变量;向所述回归预测模型中输入待识别的自变量,输出得到预测的因变量。与现有技术相比,本发明刻画出了个体异质性,能够提升驾驶员对辅助系统的主观信任度和驾驶体验。

    一种智能网联汽车事故减少量计算方法

    公开(公告)号:CN111177361A

    公开(公告)日:2020-05-19

    申请号:CN201911332356.4

    申请日:2019-12-22

    Applicant: 同济大学

    Abstract: 本发明涉及一种智能网联汽车事故减少量计算方法,包括:筛选得到样本文献;提取样本文献的有效信息,得到每篇样本文献中每种技术的安全效益;对每篇样本文献中每种技术的安全效益进行异质性检查,排除不合适的样本文献;利用随机效应模型合并每篇样本文献中每种技术的安全效益,得到样本文献中每种技术的合并安全效益;基于合并安全效益,使用漏斗图对每篇样本文献中每种技术的安全效益进行偏倚检验,得到样本文献中每种技术的最终合并安全效益;基于最终合并安全效益,得到利用智能网联汽车的事故减少量。与现有技术相比,根据得到的事故减少量可以判断哪一种技术是目前场景急需实现的,从而在实际中部署该技术以达到减少事故的目的。

    一种基于准车辆轨迹的快速路实时事故风险预测方法

    公开(公告)号:CN112150801A

    公开(公告)日:2020-12-29

    申请号:CN202010846934.2

    申请日:2020-08-21

    Applicant: 同济大学

    Abstract: 本发明涉及一种基于准车辆轨迹的快速路实时事故风险预测方法,该方法包括以下步骤:基于历史事故数据提取准车辆轨迹;基于所述准车辆轨迹建立车群事故风险预测模型;实时获取待预测路段的速度数据和流量数据,并基于所述车群事故风险预测模型获得事故风险预测结果;基于所述事故风险预测结果对车辆速度进行协调控制。与现有技术相比,本发明将车群交通流特征的实时变化与事故可能性联系起来,充分考虑了碰撞车辆的轨迹问题,应用了详细的交通信息,汇聚了多种交通资源,结合基于速度和基于流量的交通数据来获取车辆的时空信息,及时调整车辆状态,防止事故的发生,提高网联自动驾驶汽车的安全性。

Patent Agency Ranking