-
公开(公告)号：CN110718074B
公开(公告)日：2020-08-11
申请号：CN201911076537.5
申请日：2019-11-06
Applicant: 清华大学 , 北京易华录信息技术股份有限公司
Abstract: 本发明公开了一种混合交通交叉路口的信号灯与车辆的协同控制方法，该方法包括：步骤1，车辆临近交叉路口过程中经过控制区；步骤2，控制区形成1+n模式混合队列；步骤3，确定混合队列信息集；步骤4，判断相邻两混合队列相位是否共存，如果是进入步骤5；否则进入步骤6；步骤5，由相邻两混合队列信息集确定头车ICV到停止线时；步骤6，由在前混合队列信息集确定头车ICV到停止线时；步骤7，根据头车ICV到停止线时及约束，确定最优速度轨迹；步骤8，判断最优速度轨迹与前车距离是否小于安全距离，如果是进入步骤9；否则进入步骤10；步骤9，将头车ICV降为HDV；步骤10，判断头车ICV是否到停车线，如果不是进入步骤8。本发明能够综合优化整体交叉路口的通行效率。
-
公开(公告)号：CN110942645B
公开(公告)日：2020-09-11
申请号：CN201911077282.4
申请日：2019-11-06
Applicant: 清华大学 , 北京易华录信息技术股份有限公司
IPC: G08G1/08
Abstract: 本发明公开了一种混合交通交叉路口车辆控制方法，该方法包括：步骤1，车辆驶入控制区，控制区内形成1+n模式的混合队列；步骤2，确定头车ICV到达停车线的最优时间；步骤3，采用伪谱法确定最优速度轨迹；步骤4，判断头车ICV在执行最优速度轨迹过程中与前车距离是否小于安全距离，如果是进入步骤5；否则进入步骤6；步骤5，判断头车ICV当前与停车线的距离是否大于控制区长度，如果是则令头车ICV停车并进入步骤7；否则头车ICV按照驾驶员跟车模型通过剩余路程；步骤6，判断头车ICV是否到达停车线，如果不是则进入步骤7；步骤7，判断头车ICV与前车距离是否小于安全距离，如果是则令头车ICV停车；否则进入步骤2。本发明能够综合优化整体交叉路口的通行效率。
-
公开(公告)号：CN119888661A
公开(公告)日：2025-04-25
申请号：CN202411972933.7
申请日：2024-12-30
Applicant: 清华大学
IPC: G06V20/56 , G06V10/26 , G06V10/44 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/092
Abstract: 本申请涉及自动驾驶控制技术领域，特别涉及一种基于鸟瞰视图和深度强化学习的端到端自动驾驶控制方法，方法包括：在检测到目标车辆处于自动驾驶工况的情况下，采集目标车辆的所处环境的多视角图像数据，并将多视角图像数据转化为鸟瞰视图表示，以生成所处环境的鸟瞰视图特征图，并将鸟瞰视图特征图中每个像素进行分类，以获得所处环境的语义分割图；将鸟瞰视图特征图和语义分割图输入至目标深度强化学习网络中，以输出目标车辆的自动驾驶控制信号，从而控制目标车辆行驶。由此，解决了相关技术中的自动驾驶控制系统的计算复杂度较高，系统适应复杂环境的能力较低、可解释性不足，降低了系统的整体性能，无法满足用户的驾乘需求的问题。
-
公开(公告)号：CN117875083B
公开(公告)日：2024-09-24
申请号：CN202410189153.9
申请日：2024-02-20
Applicant: 清华大学
IPC: G06F30/20 , G06F30/18 , G06F111/10 , G06F111/04
Abstract: 本申请涉及一种基于图论的城市多车对抗场景建模方法及装置，其中，方法包括：提取目标对抗场景的收益要素和代价要素，并基于收益要素和代价要素，构建目标对抗场景的数学模型；获取目标对抗场景中的道路环境信息和对抗双方的节点信息，并基于数学模型，对道路环境信息和节点信息进行建模，生成目标对抗场景的图论模型；获取对抗双方中我方节点的状态信息以及对方节点的方向特性信息和收益特性信息，并根据方向特性信息、收益特性信息、状态信息和预设分层策略优化图论模型，以构建目标对抗场景的图论优化模型。由此，解决了现有建模方法对路网信息、环境威胁信息、双方单位多维信息建模能力不强，优化目标考虑因素较少等问题。
-
公开(公告)号：CN118674935A
公开(公告)日：2024-09-20
申请号：CN202410698668.1
申请日：2024-05-31
Applicant: 清华大学
IPC: G06V10/40 , G06V10/776 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本申请涉及自动驾驶感知技术领域，特别涉及一种自动驾驶感知模型功能模块的搭建方法及装置，其中，方法包括：利用计算基础平台工作进行数据标注和BEV数据格式适配，生成车路云一体化感知系统功能模块库，以对不同功能模块进行选择组合，得到适用于目标任务的需求功能模块，以构建感知算法框架对至少一个功能模块进行测评，得到至少一个功能模块的特征可视化定性分析结果与评价指标定量分析结果；基于用户的自身个性化数据、特征可视化定性分析结果与评价指标定量分析结果和实际任务的数据对感知算法框架下的感知模型进行微调，搭建最终的自动驾驶感知模型。本申请可以实现独立功能模块的评价和测试，指导功能模块预训练和微调。
-
Patent Agency Ranking
公开(公告)号：CN118358597A
公开(公告)日：2024-07-19
申请号：CN202410333512.3
申请日：2024-03-22
Applicant: 清华大学
Abstract: 本发明提供一种车道偏离预警系统安全运行关键参数测试方法和装置，包括：利用预设仿真算法模拟车道偏离预警系统并搭建仿真场景；基于所述模拟车道偏离预警系统和所述仿真场景，根据预先选择的测试类别通过测试类别‑待测关键参数映射关系选择相应的待测关键参数进行测试，为所述待测关键参数设置不同预设值，根据所述预设值进行车道偏离预警仿真，得到所述测试车辆在当前行驶状态下的关键参数相关数据；对所述关键参数相关数据进行分析，得到所述关键参数的安全阈值边界。本发明通过仿真算法对车道偏离预警系统安全运行关键参数进行测试，通过场景模拟计算关键参数的安全阈值边界，从而为解释性更高的车道偏离预警系统做出贡献。
-
公开(公告)号：CN118280116A
公开(公告)日：2024-07-02
申请号：CN202410477707.5
申请日：2024-04-19
Applicant: 清华大学 , 北京嘀嘀无限科技发展有限公司
Abstract: 本申请涉及一种交通环境安全态势的评估方法、装置、车辆及存储介质，其中，方法包括：结合车辆当前行驶道路的道路数据、相对感知数据构建车辆的安全场基本场强模型，并基于安全场基本场强模型确定任一单一风险源在车辆的多个目标位置点产生的场强，计算任一单一风险源衰减后的实际场强，并在风险源为多个的情况下，叠加多个风险源分别在每个目标位置点产生的实际场强，得到每个目标位置点对应的风险场强，以评估车辆在当前交通环境下的安全态势。由此，解决了相关技术中，考虑的风险因素不全面、适用场景单一、无法面对复杂多变的交通环境，导致难以支撑车辆进行智能化决策与控制，影响驾驶体验的技术问题。
-
公开(公告)号：CN114677555B
公开(公告)日：2024-06-28
申请号：CN202210200266.5
申请日：2022-03-02
Applicant: 清华大学
IPC: G06V10/774 , G06V10/80 , G06N3/0464
Abstract: 本申请涉及车辆技术领域，特别涉及一种迭代优化式的端到端智能车辆感知方法、装置及电子设备，方法包括：获取智能车辆的感知信息；将感知信息输入至迭代优化后的端对端网络，执行检测任务、跟踪任务和预测任务，同时得到检测结果、跟踪结果和预测结果，其中，端对端网络包括多目标检测网络、多目标跟踪网络和多目标轨迹预测网络；以及基于检测结果、跟踪结果和预测结果获取端到端智能车辆的感知结果。由此，解决了跟踪、检测及预测三类感知任务相互依赖、算法独立、协同性较低及遮挡带来的目标丢失等问题，通过端到端的检测跟踪、三类感知模块一体化和迭代优化方案的实施，提高了被遮挡物的跟踪率、跟踪结果的鲁棒性以及感知方案的实时性和精度。
-
公开(公告)号：CN118012495A
公开(公告)日：2024-05-10
申请号：CN202410032227.8
申请日：2024-01-09
Applicant: 清华大学
Abstract: 本申请涉及一种智能驾驶计算平台功能软件重构和可视化方法及装置，其中，方法包括：按照预设分析顺序分析目标智能驾驶源代码的函数架构，得到函数树；重构目标智能驾驶源代码，得到目标计算机语言代码，并根据函数树、预设测试顺序等判断其与目标智能驾驶源代码和目标计算机语言代码的执行功能是否一致；当目标智能驾驶源代码和目标计算机语言代码的执行功能一致时，对目标计算机语言代码进行前端集成图形化处理，生成可视化目标计算机语言代码，并将其部署在相应硬件平台中。由此，解决了现有自动驾驶技术核心算法迁移到C++难度较大，且其开发效率、集成效率和验证效率较低；此外，当前行业缺乏统一标准，较难提炼共性技术赋能行业发展等问题。
-
公开(公告)号：CN116968730B
公开(公告)日：2024-03-19
申请号：CN202310755780.X
申请日：2023-06-25
Applicant: 清华大学
IPC: B60W30/095 , B60W50/00 , B60W60/00
Abstract: 本申请涉及一种高风险场景下驾驶人风险响应与主动决策方法及装置，包括：根据所获取的满足风险条件的场景下多个驾驶人眼动的时空特征信息，确定多个驾驶人的视觉注意特性，基于根据视觉注意特性和视网膜成像原理确定的多个驾驶人风险认知的感知特性，获取多个驾驶人风险认知的视觉注意力累积信息，根据基于视觉注意力累积信息所构建的表征驾驶人决策操纵行为的驾驶人漂移扩散决策模型，量化输出每个驾驶人驾驶过程风险响应和主动决策。由此，解决现有模型应用过程中难以充分解释人类风险认知行为产生机理，且未量化道路条件和车辆属性等因素对驾驶人风险响应与主动决策产生的影响等问题，对实现个性化自动驾驶、促进道路交通安全具有重要意义。
-
-
-
-
-
-
-
-
-
Search Results
570
records
(took 0.074 seconds)
