-
公开(公告)号：CN114548409B
公开(公告)日：2023-01-10
申请号：CN202210116279.4
申请日：2022-01-30
Applicant: 清华大学
Abstract: 本申请公开了一种基于态势场的无人车任务分配博弈方法及装置，其中，方法包括：基于当前环境态势，计算安保双方各单位的威胁度和重要程度；根据安保双方各单位的策略集合，分别建立至少一个目标下的双方策略博弈矩阵；以及求解双方策略博弈矩阵，直至满足决策需求，并计算多阶段任务分配的多个策略建议，且获取每个策略建议下的对方可能响应的同时，展示双方策略博弈矩阵的求解结果，确定最佳策略建议。由此，解决了相关技术整体态势分析效果较差，无法针对另一方安保策略做出合理响应，且无法充分体现决策者的作用，任务耗时、资源消耗较多等问题。
-
公开(公告)号：CN110853393B
公开(公告)日：2020-12-11
申请号：CN201911176850.6
申请日：2019-11-26
Applicant: 清华大学
IPC: G08G1/0968
Abstract: 本发明公开了一种智能网联车辆测试场数据采集与融合方法及系统，该方法包括：步骤1，根据采集到的测试场内的静态数据，构建测试场内地图的静态层；步骤2，路侧动态数据采集模块对感知范围内的动态目标进行跟踪，并通过生成相应标号下的航迹数据管理文件；步骤3，通过车端动态数据采集模块获取自车位置数据、自车驾驶状态数据和自车周围环境数据，由车载计算单元对动态目标的航迹进行初步融合；步骤4，数据融合及可视化模块构建测试场内地图的动态层；步骤5，通过增添和更改的方式模拟智能网联车辆测试所需的各种交通场景；步骤6，通过数据融合及可视化模块实时显示以及输送给测试智能网联车辆进行测试。本发明能够全面采集测试场内的各种信息。
-
公开(公告)号：CN114492059B
公开(公告)日：2023-02-28
申请号：CN202210115962.6
申请日：2022-02-07
Applicant: 清华大学
IPC: G06F30/20 , G06F119/02
Abstract: 本申请公开了一种基于场能的多智能体对抗场景态势评估方法及装置，其中，方法包括：在多智能体对抗场景下，判断多智能体对抗是否开始；如果开始多智能体对抗，则利用预设的威胁能量场与安全能量场模型，获取威胁态势与安全态势量化结果；基于威胁态势与安全态势量化结果进行态势分析，得到对抗场景关键信息，并根据抗场景关键信息获取更新各类态势理解信息的数值，并在结束更新后，结束多智能体对抗，得到多智能体对抗场景的态势评估结果。由此，解决了相关技术多为经验应用，缺乏客观物理规律建模，主观性较强，缺乏可解释性，且实时性和实用性较低，无法直接反映对抗场景所处局势，导致无法支撑后续对抗场景的决策控制等问题。
-
公开(公告)号：CN113946943B
公开(公告)日：2022-06-21
申请号：CN202111131805.6
申请日：2021-09-26
Applicant: 清华大学
IPC: G06F30/20 , G06Q10/06 , G06Q50/30 , G06F111/08
Abstract: 本申请公开了一种人‑车‑路微观交通系统建模及风险辨识方法及装置，其中，方法包括：构建车‑路动态交互作用模型，得到车路交互产生的潜在事故后果；构建人‑车动态交互作用模型，得到人车交互产生的行为不确定性；构建人‑路动态交互作用模型，得到人路交互过程驾驶人风险敏感度差异；利用聚类思想将驾驶人驾驶习性的特征规律和差异性进行表征，得到驾驶人个性化特性；根据车路交互产生的潜在事故后果、行为不确定性、人路交互过程驾驶人风险敏感度差异及驾驶人个性化特性构建人‑车‑路闭环动力学系统，生成风险辨识结果。由此，可以表征驾驶人因素、车辆运动状态、道路环境信息交互过程对系统安全状态的影响，实现系统风险辨识与分级预警。
-
公开(公告)号：CN110414803B
公开(公告)日：2022-01-07
申请号：CN201910611202.2
申请日：2019-07-08
Applicant: 清华大学
IPC: G06Q10/06
Abstract: 本发明公开了一种不同网联程度下自动驾驶系统智能水平的测评方法，该方法包括：S1，选取自动驾驶系统智能水平的评价指标；S2，根据测试交通过程中的实际作用量和理论最小作用量之间的数值差异，获取自动驾驶系统智能水平的量化评价依据；S3，确定量化评价依据的变化范围，划分出至少两个评价被测自动驾驶系统的智能水平等级的测评区间，每一个测评区间对应一个智能水平等级；S4，获取被测自动驾驶系统在不同网联程度下的多组量化评价依据数据；S5，对量化评价依据数据进行统计分析，根据各统计分析结果对被测自动驾驶系统的智能水平进行评价。本发明能够立体而真实地对自动驾驶系统在不同网联程度下的智能水平进行测评。
-
Patent Agency Ranking
公开(公告)号：CN116572993A
公开(公告)日：2023-08-11
申请号：CN202310788233.1
申请日：2023-06-29
Applicant: 清华大学
Abstract: 本申请涉及一种智能车辆风险敏感型序贯行为决策方法、装置及设备，方法包括：获取预设交通环境下交通参与者的行驶状态信息，构建动态目标函数，基于动态目标函数确定车辆单步行为决策策略，确定决策过程中纵向和横向的动态安全裕度，基于单步行为决策策略，识别周围车辆的行车意图，计算车辆采取不同行为决策策略的代价值，以匹配车辆的最佳策略，重复上述步骤，直至风险敏感型序贯决策策略与车辆在当前时刻的动作一致，根据风险敏感型序贯决策策略输出最优轨迹。由此，解决了智能车辆决策方法在训练数据样本容量和质量方面有一定要求，难以应用于实际复杂动态场景等问题，在复杂场景下实现智能车辆动态多目标协同和多阶段稳定决策。
-
公开(公告)号：CN115629606A
公开(公告)日：2023-01-20
申请号：CN202211267448.0
申请日：2022-10-17
Applicant: 清华大学
IPC: G05D1/02
Abstract: 本申请涉及智能网联汽车技术领域，特别涉及一种对抗信息下车辆的跟车控制方法、装置、车辆及存储介质，其中，方法包括：根据车辆的对抗信息建立车辆的控制系统模型，结合线性状态反馈控制律将车辆状态可达集的计算解耦为车辆差分可达集的计算与车辆参考轨迹变量的确定，从而迭代求得车辆差分可达集的数学表达式，并对线性状态反馈控制律进行优化，求解得到最优反馈矩阵序列；通过计算每一时刻车辆优化后的差分可达集得到相应的数值向量，并对车辆参考轨迹向量与数值向量耦合，计算得到最终差分可达集合，实现对车辆下一时刻跟车轨迹的预测。由此，解决了相关技术中的可达集计算方法存在计算效率不高、过近似计算，且未涉及到可达集的优化等问题。
-
公开(公告)号：CN115526417A
公开(公告)日：2022-12-27
申请号：CN202211266909.2
申请日：2022-10-17
Applicant: 清华大学
Abstract: 本申请涉及多无人车技术领域，特别涉及一种多无人车任务分配方法、装置、车辆及存储介质，其中，方法包括：将获取到的多个无人车的目标任务和预设分解目标输入预先建立的预设知识图谱，输出目标任务的一个或多个子任务间时序约束关系；根据每个子任务的预设分配参数和每个子任务间时序约束关系生成每个无人车分配方案，并利用预设方案评价指标对每个分配方案的总用时和成功率进行多目标优化，得到每个分配方案的总用时和成功率的优化结果，并结合人工选择意图确定所有分配方案中的最优分配方案，并将最优分配方案中的子任务分别给对应的无人车。由此，解决了相关技术中无法将复杂任务分解为可执行的子任务，导致分配结果不全面、且不合理等问题。
-
公开(公告)号：CN114492059A
公开(公告)日：2022-05-13
申请号：CN202210115962.6
申请日：2022-02-07
Applicant: 清华大学
IPC: G06F30/20 , G06F119/02
Abstract: 本申请公开了一种基于场能的多智能体对抗场景态势评估方法及装置，其中，方法包括：在多智能体对抗场景下，判断多智能体对抗是否开始；如果开始多智能体对抗，则利用预设的威胁能量场与安全能量场模型，获取威胁态势与安全态势量化结果；基于威胁态势与安全态势量化结果进行态势分析，得到对抗场景关键信息，并根据抗场景关键信息获取更新各类态势理解信息的数值，并在结束更新后，结束多智能体对抗，得到多智能体对抗场景的态势评估结果。由此，解决了相关技术多为经验应用，缺乏客观物理规律建模，主观性较强，缺乏可解释性，且实时性和实用性较低，无法直接反映对抗场景所处局势，导致无法支撑后续对抗场景的决策控制等问题。
-
公开(公告)号：CN115629606B
公开(公告)日：2024-08-23
申请号：CN202211267448.0
申请日：2022-10-17
Applicant: 清华大学
Abstract: 本申请涉及智能网联汽车技术领域，特别涉及一种对抗信息下车辆的跟车控制方法、装置、车辆及存储介质，其中，方法包括：根据车辆的对抗信息建立车辆的控制系统模型，结合线性状态反馈控制律将车辆状态可达集的计算解耦为车辆差分可达集的计算与车辆参考轨迹变量的确定，从而迭代求得车辆差分可达集的数学表达式，并对线性状态反馈控制律进行优化，求解得到最优反馈矩阵序列；通过计算每一时刻车辆优化后的差分可达集得到相应的数值向量，并对车辆参考轨迹向量与数值向量耦合，计算得到最终差分可达集合，实现对车辆下一时刻跟车轨迹的预测。由此，解决了相关技术中的可达集计算方法存在计算效率不高、过近似计算，且未涉及到可达集的优化等问题。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.025 seconds)
