公开(公告)号：CN117308989A

公开(公告)日：2023-12-29

申请号：CN202311333969.6

申请日：2023-10-16

Applicant: 清华大学深圳国际研究生院

Inventor： 张皖宁 ,  陈博奎 ,  张凯 ,  陈耀晖

IPC: G01C21/34 ,  G06F30/13 ,  G06F30/27 ,  G06N3/08

Abstract: 本发明公开了一种基于多层感知机的智能网联车路径导航方法通过构建道路元胞自动机模型，其中包括构建元胞自动机道路和车辆行驶模型，根据道路元胞自动机模型进行仿真，生成并收集仿真数据，仿真数据，包括元胞自动机道路生成的特征向量，与车辆行驶模型产生的目标数据；根据仿真数据，训练基于多层感知机的深度学习模型；基于训练完成的基于多层感知机的深度学习模型，根据可选道路的车辆分布状态，预测可选道路的模型预测值实现准确预测各条路线的通行时间、燃料消耗和交通排放等指标，从而实现量化路径选择指标，根据预测结果进行高效的路径选择，提高路径选择决策精度，降低实时计算的复杂性和算力需求。

公开(公告)号：CN117390803A

公开(公告)日：2024-01-12

申请号：CN202311299886.X

申请日：2023-10-09

Applicant: 清华大学深圳国际研究生院

Inventor： 张皖宁 ,  陈博奎 ,  陈耀晖 ,  张凯

IPC: G06F30/18 ,  G06F30/20 ,  G06Q50/40 ,  G06Q10/0637 ,  G06F111/08

Abstract: 本发明公开了一种不同复杂度的平面图网络的生成方法和定量评价方法，其生成方法包括以下步骤：S1：根据交通场景和目标需求确定模拟区域的边界，并在模拟区域内生成点集；S2：通过德劳内三角剖分算法在点集上生成最大复杂度的平面图网络，最大复杂度的平面图网络包括边和点集中所有点，边由点集中各点相连得到；S3：根据边的数据信息处理最大复杂度的平面图网络生成不同复杂度的平面图网络。本发明可实现快速创建一个包含最大边数的高复杂度网络的同时，也保证其平面性；允许用户根据需要动态地减少网络的复杂度，生成一系列具有不同复杂度的网络，从而提供更多样化的模拟环境，实现了灵活的模拟交通流的复杂动态变化。