-
公开(公告)号：CN119975359A
公开(公告)日：2025-05-13
申请号：CN202510326979.X
申请日：2025-03-19
Applicant: 长安大学
Abstract: 本发明基于多智能体的多车道匝道合流区车辆控制方法及系统，该车辆控制方法包括：构建多车道混合交通流匝道合流区的仿真系统；基于多车道混合交通流匝道合流区的仿真系统获取智能体运动状态；基于多智能体深度确定性策略梯度MADDPG算法，调整智能体在混合交通匝道合流区运动状态；基于二次神经元的Actor网络，构建基于二次神经元的多智能体深度策略性梯度BQ‑MADDPG算法；基于二次神经元的多智能体深度策略性梯度BQ‑MADDPG算法中，调整智能体在多车道匝道合流区运动状态，直至智能体完全驶离多车道匝道合流区，用以解决现有多智能体深度强化学习MADRL算法在训练中难以达到稳定状态导致模型收敛困难，无法高效解决混合交通下多车道匝道合流区场景的车辆汇入决策控制问题。
-
公开(公告)号：CN114299477B
公开(公告)日：2025-04-18
申请号：CN202111453011.1
申请日：2021-11-30
Applicant: 长安大学
Abstract: 本发明公开了一种车辆视觉定位方法、系统、设备及可读存储介质，通过将车辆运动过程中的旋转矩阵参数化为角度变化量，将车辆运动过程中的平移向量参数化为平移分量以图论概念表示，基于鲁棒特征点AKAZE的特征检测算法，以及结合零均值归一化互相关与多策略的特征点匹配算法保证了特征点提取和特征点关联的精确性，改进的RANSAC算法的外点去除算法去除了噪声点和错误匹配点，保证了运动计算的精确性，通过非线性加权最小二乘法解算车辆运动信息以及基于Sigma点的滤波处理技术进一步优化运动结果，定位精度高，基于初始值估计的改进RANSAC算法降低了外点去除的复杂性，保证了算法的实时性，减少了特征点数目，从而降低了算法复杂度，保证了整个算法的实时性。
-
公开(公告)号：CN119277387A
公开(公告)日：2025-01-07
申请号：CN202411576686.9
申请日：2024-11-06
Applicant: 长安大学
IPC: H04W12/122 , H04L9/40
Abstract: 本发明公开一种未知信噪比CSS中抗SSDF攻击通信方法及系统，属于无线通信技术领域，方法包括以下步骤：基于本地频谱感知，通过监测指定频段根据次级用户的能量估计值ej判断PU是否使用；根据本地能量检测的能量值，得到次级用户和恶意用户能量向量的概率密度函数；使用SEM算法估计概率密度函数中的SNR，根据权重进行判决，区分次级用户和恶意用户；对次级用户直接参与CSS，将恶意用户从CSS中删除，实现安全通信；利用SEM算法，估计其瞬时SNR，不仅考虑了当前能量值，还考虑历史的能量，为不同的能量观测值分配不同的步长，改进对SNR的估计；对于恶意用户的处理，每个次级用户的局部感知与全局决策进行计算，识别正常次级用户和恶意用户，确定其攻击策略。
-
公开(公告)号：CN113361052B
公开(公告)日：2024-02-23
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：CN115880884B
公开(公告)日：2023-10-27
申请号：CN202211165614.6
申请日：2022-09-23
Applicant: 长安大学
Abstract: 本发明涉及智能交通领域，尤其涉及一种基于可控智能网联车的高速公路匝道混合交通流管控方法，包括以下步骤：S1，将高速公路匝道路段分为正常行驶路段、编队形成路段和加速汇入路段；S2，智能网联车和人驾跟驰车辆在编队形成路段形成车辆编队；S3，计算车辆编队完全到达汇入点S的时间区间[tmin,tmax]；S4，对主干道智能网联车与匝道路段上的智能网联车进行协同控制，在主干道为匝道上的编队车辆预留出汇入间隙；S5，车辆编队汇入主干道。本发明依靠车联网技术提前获取高速公路主干道和下游合流区的交通状况，通过控制智能网联车的速度引导匝道车辆安全汇入高速公路主干道，避免出现驾驶员仅仅根据自身的驾驶经验和周围的驾驶环境寻找汇入主干道的时机的情况。
-
Patent Agency Ranking
公开(公告)号：CN116524735A
公开(公告)日：2023-08-01
申请号：CN202211731238.2
申请日：2022-12-30
Applicant: 长安大学 , 河南交投郑辉高速公路有限公司
Abstract: 本发明公开了一种快速路入口匝道合流区双层优化控制方法及系统，根据进入快速路入口匝道合流控制区域车辆的初始状态信息，使用基于图的最短路径算法确定最优合并序列并分配各车辆到达时间，根据分配的最优合并序列和各车辆到达时间，进行轨迹规划并发送至各车辆，使用有向图描述合并序列的确定过程，以预测车辆行驶延迟为边权重的改进最短路径算法，确定最优合并序列。根据无约束哈密顿分析，设计时间调整算法，保证车辆满足速度和加速度约束，更加安全实用，利用帕累托最优原理设计寻找最优预测窗口算法，保证了所有车辆满足最大速度约束，保证最大化通行效率，确保车辆满足速度约束和最小化燃油消耗。
-
公开(公告)号：CN115964676A
公开(公告)日：2023-04-14
申请号：CN202211738905.X
申请日：2022-12-30
Applicant: 长安大学
IPC: G06F18/25 , G06F18/214 , G06N3/088 , G06N20/10 , G06N3/0455
Abstract: 本发明公开了一种无监督自动驾驶汽车故障检测方法及系统，通过实时采集自动驾驶汽车的行驶状态数据，利用不同结构的自动编码器对获取的行驶状态数据进行检测，对不同结构的自动编码器检测结果进行融合得到编码器融合检测结果；同时采用一类支持向量机模型、局部离群因子模型和孤立森林模型分别对自动驾驶汽车的行驶状态数据进行检测得到各自的检测结果，将一类支持向量机模型、局部离群因子模型和孤立森林模型的检测结果与编码器融合检测结果进一步融合得到最终的检测结果，从数据驱动的角度设计了融合多个针对解决故障检测问题的方法的集成框架，可以有效地检测传感器数据异常和自动驾驶汽车运行状态的故障。
-
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：CN114299477A
公开(公告)日：2022-04-08
申请号：CN202111453011.1
申请日：2021-11-30
Applicant: 长安大学
Abstract: 本发明公开了一种车辆视觉定位方法、系统、设备及可读存储介质，通过将车辆运动过程中的旋转矩阵参数化为角度变化量，将车辆运动过程中的平移向量参数化为平移分量以图论概念表示，基于鲁棒特征点AKAZE的特征检测算法，以及结合零均值归一化互相关与多策略的特征点匹配算法保证了特征点提取和特征点关联的精确性，改进的RANSAC算法的外点去除算法去除了噪声点和错误匹配点，保证了运动计算的精确性，通过非线性加权最小二乘法解算车辆运动信息以及基于Sigma点的滤波处理技术进一步优化运动结果，定位精度高，基于初始值估计的改进RANSAC算法降低了外点去除的复杂性，保证了算法的实时性，减少了特征点数目，从而降低了算法复杂度，保证了整个算法的实时性。
-
公开(公告)号：CN114152968A
公开(公告)日：2022-03-08
申请号：CN202111450167.4
申请日：2021-11-30
Applicant: 长安大学
Abstract: 本发明公开了一种弱GNSS环境下车辆定位方法、系统、设备及可读存储介质，通过对车辆的序贯数据进行局部异常值处理与数据降噪处理，利用GNSS/INS组合导航系统获取车辆预测数据，并进行预处理，采用预处理后的车辆预测数据训练得到预训练模型，本发明基于GNSS/INS组合导航系统数据，从数据降噪和位置预测模型能够对车辆进行准确定位，解决GNSS/INS系统在弱GNSS条件下的车辆定位问题，大大提高了车辆的定位精确度；采用位置预测模型采用了数据驱动的LSTM模型，避免了建模的复杂性，考虑到离线训练和实时在线预测两个阶段数据形态的不同，离线训练时从数据整体角度入手进行异常值处理和滤波降噪，而在线预测时由于数据是序贯到达的，采用局部异常值处理和数据降噪方法，防止数据失真。
-
-
-
-
-
-
-
-
-
Search Results
99
records
(took 0.036 seconds)
