-
公开(公告)号：CN113361052A
公开(公告)日：2021-09-07
申请号：CN202110632050.1
申请日：2021-06-07
Applicant: 长安大学
Abstract: 本发明公开了一种基于耦合映象格子的可恢复异质网络级联失效方法、设备及存储介质，具体为：以交通网络的站点为网络节点，以同一条线路的前后站点间为连边，构建含权无向网络；时间步t>1，在0～t的时间步内，网络内部所有节点均处于正常状态，在t时间步时，基于可恢复的耦合映象格子模型HCML，根据HCML确定在外部扰动R作用下的网络失效结果，度量网络级联失效规模。本发明充分考虑节点恢复特征所引起的级联失效动力学过程，更全面、更准确地描述现实网络的级联行为。
-
公开(公告)号：CN108040082B
公开(公告)日：2021-08-03
申请号：CN201711071142.7
申请日：2017-11-03
Applicant: 长安大学
Abstract: 本发明提供一种连接设备，包括离线下载模块、汽车CAN总线读取模块、可编程逻辑模块和开放CAN协议模块，其中，汽车CAN总线读取模块连接汽车CAN总线和可编程逻辑模块，开放CAN协议模块连接可编程逻辑模块和车联网终端，离线下载模块连接可编程逻辑模块。将车载终端和汽车CAN总线进行物理隔离，克服了现有车联网终端直接读取CAN总线消息带来的信息安全问题，实现车联网终端在读取CAN总线数据的同时，对CAN总线数据进行隔离和保护。
-
公开(公告)号：CN112908033A
公开(公告)日：2021-06-04
申请号：CN202110043941.3
申请日：2021-01-13
Applicant: 长安大学
IPC: G08G1/16
Abstract: 本发明公开了一种无信控交叉口环境下网联车辆协作避碰预警系统及方法，通过车车通信技术，获取车辆在其辐射范围内与其垂直车道车辆的信息并共享自身车辆信息，以同时到达一个交叉路口的时间作为辆车预判信息，若到达同一路口的两辆车辆时间差绝对值小于设定阈值，且车辆距离交叉口的距离与计算出的安全距离的比值小于1.6时，人机交互模块对驾驶员进行预警，本申请能够感知到周围环境中的其他车辆，从而根据行驶状态判断是否会发生碰撞，驾驶员可以通过避碰预警系统的提示采取相应的措施，进而避免碰撞，利用车车通信技术实现的协同式交叉路口碰撞预警可以有效降低无信控交叉口碰撞事故的发生，提高道路交通安全。
-
公开(公告)号：CN108961798B
公开(公告)日：2021-05-18
申请号：CN201810910380.0
申请日：2018-08-10
Applicant: 长安大学
IPC: G08G1/0962 , G08G1/0967
Abstract: 本发明公开了一种无人车交通信号灯自主感知能力测试系统及方法，通过设置测试管理中心、测试道路、路侧测试设备和交通信号灯，以及在测试车辆上搭载车载智能终端，通过路侧交通信号灯控制设备实时控制交通信号灯的运行，将当前信号灯状态发送到测试场景内的车辆和测试管理中心，在测试场景区域布置感知测试启动和结束参考线，利用路侧测试设备或测试管理中心通过对比交通信号灯实际状态和交通信号灯感知结果数据，对无人车交通信号灯自主感知能力进行评价，从而能够模拟真实交通环境，测试结果能够更准确地评价无人车交通信号灯自主感知能力，对于实际道路测试，更加安全，相比于虚拟仿真测试，更加接近实际交通环境，测试数据更加真实可靠。
-
公开(公告)号：CN112036001A
公开(公告)日：2020-12-04
申请号：CN202010625061.2
申请日：2020-07-01
Applicant: 长安大学
Abstract: 本发明公开了自动驾驶测试场景构建方法、装置、设备及可读存储介质，从真实交通场景中进行基元场景提取建立基元场景描述模型，从基元场景描述变量分布区间内选取描述变量取值，基于重要性抽样的蒙特卡洛方法对描述变量依据描述变量分布进行随机取样生成测试基元场景；根据测试任务中测试场景要素的参数测试基元场景按照重新组合的方法生成测试场景，本发明能够直接模拟实际复杂系统，有效解决复杂系统简化导致的结果失真问题，避免高维问题数值解误差随维数增加而迅速增加的维数灾难问题；采用高风险场景强化生成方法，用较小的计算开销生成较多的高风险场景，有效的增加生成场景中高风险场景的数量，降低低风险场景的数量，提高测试的效率。
-
Patent Agency Ranking
公开(公告)号：CN107368787B
公开(公告)日：2020-11-10
申请号：CN201710459554.1
申请日：2017-06-16
Applicant: 长安大学
Abstract: 本发明公开了一种面向深度智驾应用的交通标志识别算法，基于网络对多源公测数据集平移扩展性与稳定性的考虑，建立多源公测数据集对于交通标志的统一类别表征，通过基于局部上下文信息随机裁剪的数据增强策略实现了数据集的扩展，以及多尺度卷积特征图网络与集合网络迭代交替验证训练策略，得到了性能较好的检测网络与识别网络，使网络易于训练且收敛更快；基于自底向上的卷积特征，通过自顶向下融合多尺度卷积特征网络建模方法，提高小尺寸交通标志的查全率；不追求设计更深更复杂的Convnet以获取更高的物体识别率，而是针对交通标志目标的特点，通过对比实验，提出一种能够获得更优信息流动与更好性能表现的集合网络，实现了交通标志的高效识别。
-
公开(公告)号：CN111880511A
公开(公告)日：2020-11-03
申请号：CN202010635444.8
申请日：2020-07-03
Applicant: 长安大学
IPC: G05B23/02
Abstract: 一种无人车泊车能力的测试系统及测试方法，该系统包括测试场地、第一参考车辆、路侧单元、控制中心以及待测车辆；所述测试场地包括：通行车道；第一停车位，设置在通行车道旁；多个参考停车位，所述第一停车位于多个参考停车位中的两个参考停车位之间，两个参考停车位内均放置有第一参考车辆；所述路侧单元用于分别与所述控制中心和待测车辆进行信号传输，以及用于获取待测车辆的行驶信息，并将获取到的待测车辆的行驶信息发送至所述控制中心；所述控制中心用于基于输入指令生成停车位信息和启动指令，并通过路侧单元向待测车辆发送停车位信息以及启动指令。上述测试系统及方法可以模拟真实场地，对无人车泊车能力进行测试。
-
公开(公告)号：CN109905847B
公开(公告)日：2020-11-03
申请号：CN201910165171.2
申请日：2019-03-05
Applicant: 长安大学
Abstract: 本发明提供GNSS盲区智能车辅助定位系统累积误差的协同校正系统及方法，在GNSS信号中断情况下，采用车载辅助定位系统进行定位；当智能车行驶到RFID感应区域时，图像采集设备进行图像采集并进行定位；车载RFID阅读器设备根据RFID信号强度计算得到基于RFID定位的车辆位置信息；基于图像定位的车辆位置信息和基于RFID定位的车辆位置信息进行融合计算，得到更加精确的车辆定位信息，将基于车载辅助定位系统的车辆位置信息与精确的车辆定位信息比较，得到车载辅助定位系统的累积误差，得到误差校正指令，发送误差校正指令到车载辅助定位系统使其进行误差校正。本发明能够校正车辆的辅助定位系统产生的累积误差。
-
公开(公告)号：CN109100155B
公开(公告)日：2020-06-16
申请号：CN201810745904.5
申请日：2018-07-09
Applicant: 长安大学
IPC: G01M17/007 , G05B23/02
Abstract: 本发明实施例提供了一种无人车在环快速仿真测试系统，包括：虚拟仿真测试子系统，用于生成虚拟测试场景，并向测试台架控制子系统发送路面状态控制指令；测试台架控制子系统，用于模拟路面状态；还用根据无人车驾驶参数来评估无人车的驾驶性能；无人车控制子系统，用于根据虚拟测试场景对无人车进行驾驶控制。上述系统由于采用了虚拟现实技术和硬件在环相结合的仿真测试方式，因此，能够在室内实现可控制、可重复且有效的无人车在环快速仿真测试；而且由于其能够尽可能的穷举所有极端或者特殊的道路状况，因此，能充分保障无人驾驶车辆上路前的安全性、可靠性。本发明实施例还提供了一种无人车在环快速仿真测试方法。
-
公开(公告)号：CN109084992B
公开(公告)日：2020-06-16
申请号：CN201810842710.7
申请日：2018-07-27
Applicant: 长安大学
Inventor： 赵祥模 , 徐志刚 , 王文威 , 连心雨 , 承靖钧 , 时恒心 , 王振 , 闵海根 , 周豫 , 陈南峰 , 冀建新 , 阚春辉 , 谷占勋 , 李玉 , 杨建辉 , 卢春波 , 李拓
IPC: G01M17/007 , G06K9/62
Abstract: 基于台架测试无人车智能性的方法，包括以下步骤：将待测无人车设置在测试台架上进行模拟驾驶；构建虚拟场景以及虚拟场景中的各个数据类型；主车获取待测无人车的运行参数和测试台架模拟的路面信息并将主车模拟进虚拟场景中；主车与虚拟场景中的各个数据类型发生交互，产生虚拟驾驶行为数据；将主车产生的驾驶行为数据作为样本集，采用随机森林算法将决策树中输出次数最多的类别作为该测试样本的类别。由于采取数据驱动，采集主车与各个数据类型之间的驾驶行为数据，使得数据采集成本较低，所提供的原始数据具有较高的真实性，数据的可控制性实现检测场景重现。
-
-
-
-
-
-
-
-
-
Search Results
230
records
(took 0.041 seconds)
