-
公开(公告)号：CN115063975B
公开(公告)日：2023-07-11
申请号：CN202210648480.7
申请日：2022-06-09
Applicant: 长安大学
IPC: G08G1/01 , G06N3/0464 , G06N3/08
Abstract: 本发明属于交通控制技术领域，公开了一种短时交通流数据预测方法、系统、计算机设备及存储介质，包括：获取待预测区域以及待预测区域各相关区域的历史交通流数据；根据待预测区域的历史交通流数据，得到待预测区域当前时段的周期性交通流数据，以及结合待预测区域各相关区域的历史交通流数据，通过预设的时空特征选择方法，得到待预测区域的最优相关历史交通流数据；获取待预测区域当前时段的外部特征影响因素数据，并将待预测区域当前时段的外部特征影响因素数据、当前时段的周期性交通流数据及最优相关历史交通流数据输入预设的交通流预测模型，得到待预测区域的交通流数据短时预测值，有效提升了短时交通流数据预测的准确性。
-
公开(公告)号：CN114970321A
公开(公告)日：2022-08-30
申请号：CN202210461605.5
申请日：2022-04-28
Applicant: 长安大学
Abstract: 本发明公开了一种基于动态轨迹流的场景流数字孪生方法及系统，首先提出一种检测跟踪一体化多模态融合感知增强网络，在大幅度提高网络处理速度的同时，实现目标语义轨迹的精准提取与辨识；并提出一种结合道路布局与交通力耦合关系的目标轨迹预测方法，建模场景中语义的时序演变规律，实现交通运行环境中的目标轨迹预测；基于轨迹提取和语义辨识以及预测的运动轨迹，对中观层面交通态势的时序演变规律建模，获取基于真实目标动态轨迹流的场景流数字孪生。本发明能够有效实现目标语义轨迹的精准提取与辨识，同时可视化场景流数字孪生，为精准化交通管控服务提供决策支持。
-
公开(公告)号：CN114970321B
公开(公告)日：2025-03-07
申请号：CN202210461605.5
申请日：2022-04-28
Applicant: 长安大学
IPC: G06F30/27 , G06F30/18 , G06T17/00 , G06Q10/04 , G06Q50/40 , G06N3/0442 , G06N3/0464 , G06N3/09 , G06F111/04
Abstract: 本发明公开了一种基于动态轨迹流的场景流数字孪生方法及系统，首先提出一种检测跟踪一体化多模态融合感知增强网络，在大幅度提高网络处理速度的同时，实现目标语义轨迹的精准提取与辨识；并提出一种结合道路布局与交通力耦合关系的目标轨迹预测方法，建模场景中语义的时序演变规律，实现交通运行环境中的目标轨迹预测；基于轨迹提取和语义辨识以及预测的运动轨迹，对中观层面交通态势的时序演变规律建模，获取基于真实目标动态轨迹流的场景流数字孪生。本发明能够有效实现目标语义轨迹的精准提取与辨识，同时可视化场景流数字孪生，为精准化交通管控服务提供决策支持。
-
公开(公告)号：CN115063975A
公开(公告)日：2022-09-16
申请号：CN202210648480.7
申请日：2022-06-09
Applicant: 长安大学
Abstract: 本发明属于交通控制技术领域，公开了一种短时交通流数据预测方法、系统、计算机设备及存储介质，包括：获取待预测区域以及待预测区域各相关区域的历史交通流数据；根据待预测区域的历史交通流数据，得到待预测区域当前时段的周期性交通流数据，以及结合待预测区域各相关区域的历史交通流数据，通过预设的时空特征选择方法，得到待预测区域的最优相关历史交通流数据；获取待预测区域当前时段的外部特征影响因素数据，并将待预测区域当前时段的外部特征影响因素数据、当前时段的周期性交通流数据及最优相关历史交通流数据输入预设的交通流预测模型，得到待预测区域的交通流数据短时预测值，有效提升了短时交通流数据预测的准确性。
-
公开(公告)号：CN114881339A
公开(公告)日：2022-08-09
申请号：CN202210545736.1
申请日：2022-05-19
Applicant: 长安大学
Abstract: 本发明属于自动驾驶领域，公开了一种车辆轨迹预测方法、系统、计算机设备及存储介质，包括：提取待预测车辆及待预测车辆各相邻车辆的历史运动轨迹数据，得到待预测车辆的多维动态场景特征向量；提取待预测车辆的多维动态场景特征向量，得到待预测车辆的交通感知信息；编码待预测车辆的交通感知信息以及历史运动状态数据，得到待预测车辆的隐状态信息；根据待预测车辆的隐状态信息，得到待预测车辆的混合注意力矩阵，并通过待预测车辆的混合注意力矩阵为待预测车辆的隐状态信息分配权重，然后依次通过最大池化处理和全连接处理，得到待预测车辆的轨迹预测值，最终有效提升了车辆轨迹预测准确性。
-
Patent Agency Ranking
公开(公告)号：CN114881339B
公开(公告)日：2025-02-07
申请号：CN202210545736.1
申请日：2022-05-19
Applicant: 长安大学
IPC: G06Q10/04 , G06Q50/40 , G06F18/213 , G06F18/2415 , G06F18/25 , G06N3/0442 , G06N3/0455 , G06N3/0464 , G06N3/08 , G06F123/02
Abstract: 本发明属于自动驾驶领域，公开了一种车辆轨迹预测方法、系统、计算机设备及存储介质，包括：提取待预测车辆及待预测车辆各相邻车辆的历史运动轨迹数据，得到待预测车辆的多维动态场景特征向量；提取待预测车辆的多维动态场景特征向量，得到待预测车辆的交通感知信息；编码待预测车辆的交通感知信息以及历史运动状态数据，得到待预测车辆的隐状态信息；根据待预测车辆的隐状态信息，得到待预测车辆的混合注意力矩阵，并通过待预测车辆的混合注意力矩阵为待预测车辆的隐状态信息分配权重，然后依次通过最大池化处理和全连接处理，得到待预测车辆的轨迹预测值，最终有效提升了车辆轨迹预测准确性。
-
公开(公告)号：CN118626773A
公开(公告)日：2024-09-10
申请号：CN202410643994.2
申请日：2024-05-23
Applicant: 长安大学
IPC: G06F18/15 , G06F18/213 , G06F18/25 , G06F17/16
Abstract: 本申请涉及一种基于非完整轨迹的车辆轨迹预测方法，该方法从不同的时间粒度捕捉车辆的多尺度表征，从而减轻缺失值对车辆轨迹预测的负面影响；此外，利用轨迹缺失模式自适应地计算不同时间步的信息增量，然后利用信息增量获取对缺失模式不敏感的连续性表征，以指导模型输出符合运动一致性的预测结果。
-
公开(公告)号：CN117077286A
公开(公告)日：2023-11-17
申请号：CN202311029546.5
申请日：2023-08-15
Applicant: 长安大学
IPC: G06F30/15 , G06F30/20 , G06F119/14
Abstract: 本发明涉及一种异构交通流下智能网联车辆跟驰模型仿真及测试方法，采用数字孪生虚实结合技术，对真实场景中的静态基础设施及动态交通流进行孪生，搭建出反映真实交通流的虚拟仿真测试环境，通过向真实的测试车辆注入虚拟仿真环境，实现真实车辆与虚拟仿真环境的动态交互。在智能驾驶员模型(IDM)的基础上，考虑单后车多前车的车头间距、速度差和加速度等影响因素，引入分子动力学理论和敏感性系数及各车辆对主车的影响权重提出一种考虑单后车多前车影响的智能网联车辆跟驰模型并基于跟驰队列虚实孪生场景，对该智能网联车辆跟驰模型进行测试与验证，证明该模型更能精准地反映智能网联车辆在实际道路下的跟驰行为。
-
公开(公告)号：CN114879631A
公开(公告)日：2022-08-09
申请号：CN202210466439.8
申请日：2022-04-29
Applicant: 长安大学
Inventor： 刘占文 , 赵祥模 , 李蕊芬 , 李超 , 王超 , 肖方伟 , 房颜明 , 王洋 , 宋明哲 , 孟虎 , 徐志刚 , 王润民 , 林杉 , 程娟茹 , 范锦 , 李文倩 , 闵海根 , 蒋渊德
IPC: G05B23/02
Abstract: 本发明提供一种基于数字孪生云控平台的自动驾驶测试系统和方法，借助仿真软件生成所需开发测试的高保真虚拟场景，并在仿真软件中建立多种虚拟传感器模型，将虚拟传感器探测到的目标物体信息通过总线注入到实车上的自动驾驶控制器中，并进行信息融合与控制决策，控制器将决策后的加速、制动以及转向指令发送给实车执行器。实车将车辆总线上的整车运动状态信息反馈给虚拟场景来完成车辆位置的同步，实现整个系统的闭环实时测试验证，并通过数字孪生云控平台实时展示场景相关孪生效果。从而实现虚实结合自动驾驶算法功能验证、场景仿真测试与整车相关的集成测试，并且克服现有实车道路测试和软件仿真测试技术不足，提高测试效率。
-
公开(公告)号：CN117037491B
公开(公告)日：2025-04-18
申请号：CN202311023827.X
申请日：2023-08-15
Applicant: 长安大学
IPC: G08G1/01 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种基于时空特征的动态图卷积交通流预测方法，采用由时空嵌入模块、时空特征融合模块、加权融合层和外部因素模块组成的STF‑SDAM‑DGCN模型，首先对历史交通流数据进行周期划分后与时空嵌入模块学习到的时空嵌入信息融合作为时空特征融合模块的输入数据，同时使用注意力机制、非对称卷积以及Zero‑Softmax函数构建稀疏有向邻接矩阵；将数据输入时空特征融合模块中，同时与外部因素模块中的外部影响因素融合后得到融合外部因素的历史交通流时空特征数据；数据随后传入加权融合层，时空嵌入模块将预测的未来时间步信息也传入该层，依据编码器得到的历史交通流特征生成未来交通流表示，并将其作为解码器输入，通过解码器进行预测，经过全连接层得到最终的未来交通流预测结果。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.019 seconds)
