-
公开(公告)号：CN116009516B
公开(公告)日：2024-09-24
申请号：CN202310063836.5
申请日：2023-01-12
Applicant: 清华大学
IPC: G05B23/02
Abstract: 本文公开一种实现自适应加速测试的方法及装置，包括：根据第i‑1次及之前的自适应加速测试的测试结果，确定第i次自适应加速测试的重要性采样函数；根据确定的第i次自适应加速测试的重要性采样函数，采样确定第i次自适应测试的测试场景Xi；在采样确定的第i次自适应测试的测试场景Xi中对自动驾驶汽车进行自适应加速测试，获得测试结果；根据获得的测试结果，确定测试场景Xi的自适应加速测试的测试指标；根据确定的测试指标判断出测试结果收敛时，将确定的测试指标确定为测试评估结果。本发明实施例通过多重重要性采样函数的确定，加速了测试场景生成，提高了自动驾驶汽车测试评估的效率。
-
公开(公告)号：CN116401527A
公开(公告)日：2023-07-07
申请号：CN202310273874.3
申请日：2023-03-17
Applicant: 清华大学
IPC: G06F18/213 , G06N3/0442 , G06N3/0455 , G06N3/048
Abstract: 本发明提供了一种数据辨识方法、装置、电子设备及存储介质。其中，方法包括：获取第一数据；所述第一数据表征车辆行驶过程中的驾驶情况；利用第一模型提取所述第一数据的第一特征向量；所述第一模型包含LSTM网络自编码器；利用所述第一模型和所述第一特征向量，生成第二数据；所述第二数据表征重构的车辆行驶过程中的驾驶情况；基于所述第一数据和所述第二数据，确定第一信息；所述第一信息表征第一数据是否为可信信息。本发明提供的方案，通过长短期记忆(LSTM)网络自编码器提取驾驶数据的特征向量，实现了对驾驶数据中非线性关系数据的提取和解析，从而提升获取的特征向量的多样性和复杂度，提高可信辨识结果的准确性。
-
公开(公告)号：CN116363548A
公开(公告)日：2023-06-30
申请号：CN202211639540.5
申请日：2022-12-20
Applicant: 清华大学
IPC: G06V20/40 , G06V10/40 , G06V10/80 , G06V10/82 , G06V10/25 , G06V10/74 , G06N3/0464 , G06N3/08 , G06N3/084
Abstract: 本发明涉及一种视频实例分割方法、装置及存储介质，所述方法包括：将视频数据输入到深度学习模型中；基于所述深度骨干网络提取输入的每一视频帧图像的多层第一特征图；基于所述特征金子塔网络对提取的多层第一特征图进行信息融合处理，得到信息融合后的多层第二特征图；利用所述RPN网络对所述多层第二特征图进行处理，得到多个候选区域；利用所述边界框检测分支和所述掩膜预测分支对每一所述候选区域进行边界框检测和掩膜预测，得到每一所述视频帧图像的实例分割的结果；基于所述标签预测分支，利用全卷积网络提取不同视频帧图像的边界框内的实例的特征向量，并根据提取的特征向量进行实例的匹配。
-
公开(公告)号：CN113722677B
公开(公告)日：2022-11-01
申请号：CN202111028908.X
申请日：2021-09-01
Applicant: 清华大学
Abstract: 本发明公开了一种基于车辆驾驶统计数据的交通信息可信辨识方法，引入了驾驶员驾驶行为特征进行可信辨识，建立了一种基于驾驶行为数据统计方法的可信辨识模型，使用统计方法，通过驾驶员历史驾驶数据的分布特点提取驾驶行为特征，再通过判断时的驾驶数据是否符合所提取的驾驶行为特征，给出可信概率数值，以判断交互信息是否合法。本发明可以有效检测车辆通信数据的异常情况，包括车辆传感器数据错误或黑客攻击篡改通信数据等情况，提高了车路协同环境下智能交通系统的安全性与可靠性。
-
公开(公告)号：CN114913492A
公开(公告)日：2022-08-16
申请号：CN202210409074.5
申请日：2022-04-19
Applicant: 清华大学
IPC: G06V20/56 , G06N3/04 , G06N3/08 , G06V10/762 , G06V10/774 , G06V10/82
Abstract: 本发明涉及一种智能车路系统场景生成方法、系统、存储介质及计算设备，其包括：对输入的交通场景数据进行特征提取，得到场景基元；根据所述场景基元构建交通场景晶胞式模型；将所述交通场景晶胞式模型形成IVIS场景样本集，并将IVIS场景样本集中的所述场景基元进行向量化表征；对所述向量化后的场景基元进行聚类，得到聚类后的交通场景数据；根据所述聚类后的交通场景数据，得到IVIS典型与极限场景。本发明能对真实交通场景不可穷尽、难以可信复现的问题，实现IVIS场景的高保真、柔性化重构。本发明可以广泛在智能车路系统交通领域中应用。
-
Patent Agency Ranking
公开(公告)号：CN114419884A
公开(公告)日：2022-04-29
申请号：CN202210031174.9
申请日：2022-01-12
Applicant: 清华大学
Abstract: 本发明涉及一种基于强化学习和相位竞争的自适应信号控制方法及系统，其包括：与仿真环境交互得到交叉口状态，利用策略网络πθ的输出得到决策，在决策后收集奖励和下一时刻的状态，得到样本仿真轨迹；基于仿真轨迹，对PPO网络进行训练和参数更新，重复若干轮直至收敛。收敛后模型能基于交通流量的实时状态进行信号调整控制信号。本发明在保证信号控制的效果同时，能够适用于不同交叉口。本发明可以广泛在城市交通信号控制领域中应用。
-
公开(公告)号：CN110060475B
公开(公告)日：2021-01-05
申请号：CN201910307621.7
申请日：2019-04-17
Applicant: 清华大学
Abstract: 本发明涉及一种基于深度强化学习的多交叉口信号灯协同控制方法，其包括以下步骤：1)根据多交叉口交通网络的实际情况，建立能够反映该交通网络原始交通状态的多通道张量；2)根据得到的多交叉口交通网络的多通道张量，建立多交叉口协同控制神经网络模型；3)采用模仿学习和强化学习相结合的方法，对建立的多交叉口协同控制神经网络模型进行训练，得到训练好的多交叉口协同控制神经网络模型；4)将当前多交叉口的相位信息输入训练好的多交叉口协同控制神经网络模型，得到当前多交叉口信号灯的协同控制输出结果。本发明可以广泛应用于多交叉口信号灯协同控制领域。
-
公开(公告)号：CN108364483B
公开(公告)日：2020-07-14
申请号：CN201810153803.9
申请日：2018-02-22
Applicant: 清华大学
Abstract: 本发明涉及一种基于合作博弈论成本分摊方法的单交叉口信号配时方法，其特征在于包括以下步骤：1)采用合作博弈论中的成本分摊模型对单交叉口进行建模分析，得到单交叉口信号配时模型，包括成本特征函数和成本分摊函数；2)通过车路协同系统获取该单交叉口各个相位的计算参数，包括每个相位上一周期的排队长度、当前周期的进车率、出车率以及该交叉口总的信号灯周期；3)根据获取的单交叉口各个相位的计算参数以及信号配时模型，计算得到各个相位的绿时分配时长。本发明可以广泛应用于单交叉口的信号配时领域。
-
公开(公告)号：CN111260950A
公开(公告)日：2020-06-09
申请号：CN202010051158.7
申请日：2020-01-17
Applicant: 清华大学
IPC: G08G1/0968
Abstract: 本申请实施例提供一种基于轨迹预测的轨迹跟踪方法、介质和车载设备，所述方法包括：当需要获取所述车辆在采样时刻tp+1的定位信息时，获取N个历史定位信息和参考路径信息序列，其中，所述N个历史定位信息为所述车辆在采样时刻tp+1之前的N个采样时刻的定位信息，所述参考路径信息序列为待跟踪的预定轨迹上的轨迹点的坐标序列，N为大于1的正整数，p+1为大于N的正整数；基于所述N个历史定位信息和参考路径信息序列，预测所述车辆在采样时刻tp+1的定位信息。如此，能够在需要获取车辆的定位信息时，精确预测出车辆的定位信息，从而，能够提高轨迹跟踪控制的精确度。
-
公开(公告)号：CN110956851A
公开(公告)日：2020-04-03
申请号：CN201911212449.3
申请日：2019-12-02
Applicant: 清华大学
IPC: G08G1/16
Abstract: 本发明涉及一种智能网联汽车协同调度换道方法，其特征在于，包括以下步骤：1)初始化路段上所有待规划ICV的DQN网络的神经网络参数，以及路段上所有待规划ICV的共享网络参数和换道决策器参数；2)DQN网络对每一时刻待规划ICV本身的环境进行感知决策，得到待规划ICV的状态空间模型；3)DQN网络确定待规划ICV的左换道、右换道或直行决策；4)采用协同调度算法，对待规划ICV进行换道规划，得到存在安全间隙的待规划ICV换道轨迹；5)得到待规划ICV本次换道的用于训练DQN网络的奖励值；6)根据得到的状态空间模型和奖励值，对DQN网络进行训练后，进入步骤2)，完成待规划ICV每一时段的无障碍换道，本发明可以广泛应用于智能网联汽车控制领域中。
-
-
-
-
-
-
-
-
-
Search Results
94
records
(took 0.026 seconds)
