-
公开(公告)号：CN118629207A
公开(公告)日：2024-09-10
申请号：CN202410815233.0
申请日：2024-06-24
Applicant: 长安大学
Abstract: 本发明公开了一种高速匝道合流区混合交通流决策控制方法、装置及设备。其中，高速匝道合流区混合交通流决策控制方法包括：获取进入高速匝道合流区的目标车辆的运行状态，高速匝道合流区设于预先建立的混合交通多车道合流场景模型中，目标车辆包括智能网联车辆和人工驾驶车辆；设计生成符合目标车辆的驾驶效益的成本函数；根据目标车辆在当前时间步内的交互状况预测下一时间步的终端状态；根据目标车辆在当前时间步的初始状态和下一时间步的终端状态求解成本函数，以得到博弈决策结果；根据博弈决策结果控制智能网联车辆完成交通合流。本发明可以实现智能网联车辆和人工驾驶车辆共存的混合交通流下高速匝道的合流控制，且适用范围广。
-
公开(公告)号：CN117119028A
公开(公告)日：2023-11-24
申请号：CN202311052555.6
申请日：2023-08-21
Applicant: 长安大学
IPC: H04L67/125 , G08G1/01 , H04W4/44
Abstract: 本发明涉及智能交通技术领域，尤其涉及一种无信号交叉口智能驾驶协作控制方法及电子设备。其中，无信号交叉口智能驾驶协作控制方法包括，首先获取无信号交叉口区域中车辆的运动状态信息；针对每个车辆，根据车辆运动学模型和时空资源预留机制，对车辆分配时间‑空间资源；然后在车辆获取所述时间‑空间资源之后，根据时间‑空间资源确定车辆通过时的运动轨迹；最后获取每个车辆的通过优先级，根据每个车辆的通过优先级和运动轨迹控制车辆通过无信号交叉口。这样避免了车辆在交叉口的等待和启停所花费的时间，提高了交通系统的运行效率。
-
公开(公告)号：CN109165164B
公开(公告)日：2022-04-19
申请号：CN201811021027.3
申请日：2018-09-03
Applicant: 长安大学
IPC: G06F11/36 , G06F16/25 , H04L41/069 , H04L43/50
Abstract: 本发明公开了面向车联网封闭测试场的数据管理系统及数据管理方法，通过增加数据存储服务器收集测试场地内所有网络和功能终端的运行日志数据并进行独立存储，实现测试者对测试功能的调取，不影响其他网络性能，为测试终端增加数据反馈模块，通过专用网络对日志文件进行上传，使得测试者对车联网系统数据准确调取，降低测试经济成本和时间成本，能够解决现存车联网测试环境中，利用为测试设备和相关设备添加数据上传模块对数据进行收集，同时能够用于将新数据与旧数据进行对比；采用数据存储服务器独立系统传输数据，保证数据管理系统与待测系统相互独立，系统简单，可移植程度高，能够适应不同试验场需求。
-
公开(公告)号：CN109166140B
公开(公告)日：2021-10-01
申请号：CN201810852477.0
申请日：2018-07-27
Applicant: 长安大学
Abstract: 本发明属于智能汽车定位技术领域，具体涉及一种基于多线激光雷达的车辆运动轨迹估计方法及系统，其中方法包括，根据车辆的初始位姿和不同时刻惯性传感器的输出值得到粗选运动轨迹；获取多线激光雷达不同时刻的三维点云数据并进行栅格化处理得到灰度图；对相邻时刻的两帧灰度图之间的特征点进行特征匹配，得到特征匹配点对；根据特征匹配点对得到相邻时刻的点云数据之间的变换关系；根据所述变换关系得到车辆的精确运动轨迹，基于粗选的轨迹进行特定范围内的SURF匹配，这样就减少了SURF特征匹配的运算量和运算时间。该车辆轨迹估计方法无须依赖高精度地图、GPS和UWB等辅助定位技术，环境适用性强且应用范围广。
-
公开(公告)号：CN112885117A
公开(公告)日：2021-06-01
申请号：CN202110045039.5
申请日：2021-01-13
Applicant: 长安大学
Abstract: 本发明公开了一种网联信控交叉口控制系统及方法，利用路侧协同控制子系统的接受其通信范围内的全部车辆行驶信息，根据一个交叉口内所有车辆行驶信息用DBSCAN进行聚类成簇，成簇车辆即形成车辆组队，形成交叉口组队集合，根据交叉口组队集合构建交叉口信号优化模型，以交叉口所有车辆延误作为目标函数，车辆运动学模型和交通模型为约束条件，采用遗传算法对信号灯配时进行求解得到最优配时方案，待本周期结束后，在下一周期根据最优配时方案进行交叉口信号灯控制，本发明以交叉口所有车辆数据集合进行优化处理得到优化交叉口红绿灯配时，提高道路通行能力，降低能源消耗与尾气排放量。
-
Patent Agency Ranking
公开(公告)号：CN108462947B
公开(公告)日：2020-11-27
申请号：CN201810206308.X
申请日：2018-03-13
Applicant: 长安大学
Abstract: 本发明公开了一种基于LTE‑V的车联网通信测试系统及测试方法，采用ENodeB基站、路侧测试单元、用户测试终端、LTE‑V核心网和本地服务器组构成测试平台，利用移动通信技术应用到车联网通信领域，采用了广域集中式蜂窝通信和短程分布式直通通信两种技术方案，分别对应基于接入网‑用户终端和ProSe直接通信接口的网络架构，既能支持大宽带、广覆盖的通信传输支撑，又能实现车与车、车与基站、基站与基站之间的低时延、高可靠的通信服务，满足道路安全及交通效率类应用的需求，本发明的测试方法能够在测试平台上系统地测试LTE‑V网络的部分性能，在真实场景的实车测试可以为研究者提供更真实，更可靠的研究数据，一定程度上推动了LTE‑V通信技术在车联网通信领域的研究与应用。
-
公开(公告)号：CN110969142A
公开(公告)日：2020-04-07
申请号：CN201911311455.4
申请日：2019-12-18
Applicant: 长安大学
Abstract: 本发明公开了一种基于网联车辆自然驾驶数据的异常驾驶场景提取方法，包括：步骤一、对网联车辆自然驾驶数据集进行数据清洗，填补缺失数据，计算出横向加速度；步骤二、将速度划分为若干区间，对速度区间内的纵向加速度和步骤一得到的横向加速度进行异常加速度提取，根据某段行程的异常加速度点数量，判断是否属于极端驾驶事件；步骤三、利用找出的极端驾驶事件数据采用k-means聚类算法进行聚类；步骤四、将聚类结果通过经纬度定位在google earth中得到驾驶场景并统计驾驶参数。本发明能够比较准确的得到异常驾驶场景以及相应情况下的驾驶参数，可以为智能车路系统的设计和测试提供依据。
-
公开(公告)号：CN110749455A
公开(公告)日：2020-02-04
申请号：CN201911040201.3
申请日：2019-10-29
Applicant: 长安大学
IPC: G01M17/007
Abstract: 本发明公开了一种无人车汇入车流通行能力测试系统及测试方法，利用路侧设备、控制中心计算机、参考车辆和测试道路组成用于测试无人车汇入车流能力测试系统，通过在测试道路上利用设定形式的参考车辆作为待测试无人车辆并入主路的参考对象，利用路侧设备实时获取参考车辆行驶信息和待测无人车辆行驶信息，从而能够得到测试无人车辆驶入主路车流过程中车流及待测试无人车辆形式状态信息，即可获取测试无人车辆真是进入主路过程中车流运行状态，从而能够快速得到无人车汇入车流的能力参数信息，本发明系统简单，测试方便，能够更加贴近于真实行驶环境，使得测试的方法更加安全，使得测试结果更加权威可靠，提高无人车汇入车流能力测量效率。
-
公开(公告)号：CN109583365A
公开(公告)日：2019-04-05
申请号：CN201811427546.X
申请日：2018-11-27
Applicant: 长安大学
Abstract: 基于成像模型约束非均匀B样条曲线拟合车道线检测方法，首先对图像进行中值滤波和直方图均衡化处理，得到增强后的车道线图像；其次采用Canny算子对图像进行边缘检测，得到车道线边缘图像；然后对边缘图像进行Hough变换直线检测，提高边缘连续性的同时减少背景干扰边缘；再次基于“相机光轴与道路平面平行”以及“左右车道线平行”的假设，在相机几何成像模型的基础上，推导车道线-相机成像模型约束下的控制点估算模型；最后结合车道线边缘像素位置信息求解非均匀B样条曲线模型参数，实现车道线拟合。本发明能有效提高提高控制点定位精度和车道线检测准确度，提高基于曲线拟合的车道线检测算法对背景干扰的鲁棒性。
-
公开(公告)号：CN108961798A
公开(公告)日：2018-12-07
申请号：CN201810910380.0
申请日：2018-08-10
Applicant: 长安大学
IPC: G08G1/0962 , G08G1/0967
CPC classification number: G08G1/09623 , G08G1/096725
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。
-
-
-
-
-
-
-
-
-
Search Results
101
records
(took 0.09 seconds)
