-
公开(公告)号：CN119963339A
公开(公告)日：2025-05-09
申请号：CN202510042134.8
申请日：2025-01-10
Applicant: 北方工业大学
Abstract: 本申请公开了一种自动驾驶技术的投资决策方法及装置，涉及决策技术领域，该方法包括：构建自动驾驶技术投资决策的层次结构模型；层次结构模型包括目标层、准则层和方案层，准则层包括多个影响决策的准则，方案层包括多个技术路线；获得准则层判断矩阵和各准测对应的方案层判断矩阵；每个准则对应一个方案层判断矩阵；根据准则层判断矩阵计算准则层中每个准则相对目标层的权重，得到准则权重矩阵；根据每个方案层判断矩阵计算每个方案相对于每个准则的权重，得到每个准则对应的方案权重矩阵；根据准则权重矩阵以及每个准则对应的方案权重矩阵，计算方案层中每个方案的得分；将最高得分对应的方案作为决策方案。本申请可提高决策的可靠性。
-
公开(公告)号：CN111803065B
公开(公告)日：2023-12-26
申请号：CN202010581608.3
申请日：2020-06-23
IPC: A61B5/369 , A61B5/374 , A61B5/377 , A61B5/18 , G08G1/01 , G08G1/16 , G06F30/20 , G06Q10/0635 , G06Q10/0639
Abstract: 本发明公开了一种基于脑电数据的危险交通场景辨识方法及系统，基于脑电数据的危险交通场景辨识方法，包括以下步骤：基于交通场景，获取刺激对象和实验变量；通过刺激对象和实验变量完成对驾驶员的驾驶测试，获取预设时长内驾驶员包含脑电信号的EEG数据；对采集到的脑电信号进行预处理，去除脑电信号中的信号噪音；对预处理后的脑电信号提取特征指标，并采用数理统计的方法分析得到具有显著性的特征指标；计算具有显著性的特征指标的功率谱密度的预测值与真值之间的差值；根据所述差值辨识交通场景的危险程度。可以科学的度量交通场景危险程度、准确的评估驾驶员精神负荷，有利于将驾驶员的精神负荷控制在合理区间，有效的降低驾驶风险。
-
公开(公告)号：CN117173914A
公开(公告)日：2023-12-05
申请号：CN202311456928.6
申请日：2023-11-03
Applicant: 中泰信合智能科技有限公司 , 山东摩西网络科技有限公司 , 北方工业大学
Abstract: 本发明属于智能控制领域，具体涉及一种简化复杂模型的路网信控单元解耦方法、装置及介质，本专利以传感器技术作为数据来源，探索相邻交叉口的间距及进口道输入车流量与多智能体模型解耦训练之间的关系有什么规律，通过模型控制效果确定基于独立学习模式的MADRL算法的适用范围，以期在该范围内代替基于智能体间联合博弈的MADRL算法，简化模型训练复杂程度。与基于智能体间联合博弈的MADRL算法相比，测试结果表明，我们提出的模型在可解耦情况下的控制效果达到理想的水平。
-
公开(公告)号：CN111915159B
公开(公告)日：2023-09-12
申请号：CN202010678165.X
申请日：2020-07-15
IPC: G06Q10/0639 , G06F16/21 , G06F16/2457
Abstract: 本发明涉及一种基于动态时间预算的个性化接管预警方法及系统，将驾驶员的个体特征数据融合于接管控制的提前警告当中，综合车辆实时综合环境状态和驾驶员实时的接管可靠度，根据驾驶员状态恢复时间与接管可靠度、驾驶员感知环境复杂度时间与车辆实时综合环境状态、驾驶员响应车辆驾驶接管请求的操作时间与驾驶员特征属性的关联关系及接管时间预算与失稳边界相关信息、驾驶员状态恢复时间、驾驶员感知环境复杂度时间及驾驶员响应车辆驾驶接管请求的操作时间之间的预设关系，生成动态的接管时间预算及预警提示，使预警提示满足符合当前驾驶员状态的个性化接管预警要求，发出有效的预警提示，创造更适宜的接管时间条件，获得更好的预警效果。
-
公开(公告)号：CN110941901B
公开(公告)日：2023-06-30
申请号：CN201911172410.3
申请日：2019-11-26
Applicant: 北方工业大学 , 交通运输部公路科学研究所 , 北京市交通委员会
IPC: G06F30/20
Abstract: 本发明涉及一种自主驾驶方法及其系统，通过分析自动驾驶交通工具的跟驰特性，对跟驰模型进行构建，通过分析自动驾驶交通工具的换道特性，以及换道模型仿真和人工驾驶驾驶交通工具换道效果，结合自动驾驶交通工具换道的影响因素、换道特性以及自主驾驶仿真平台的特点，引入速度承受度和空间允许度对换道行为进行约束进而构建匹配模型，并对换道空间进行确认，构建换道预备模型；在换道行为产生后，依据当前换道的实际空间大小，同时考虑信息处理时延的实际情况，构建了基于双车道前驾驶交通工具的换道速度控制模型和基于换道空间的轨迹优化模型，确保通过本发明自主驾驶模型生成的运行参数与自动驾驶交通工具实际所处的交通场景精确贴合。
-
Patent Agency Ranking
公开(公告)号：CN116252802A
公开(公告)日：2023-06-13
申请号：CN202310162130.4
申请日：2023-02-24
Applicant: 北方工业大学
IPC: B60W40/09 , G01M17/007
Abstract: 本发明提供一种针对高原环境的驾驶行为分析方法、系统及应用，包括：构建平原和恒定海拔高原环境，获取平原驾驶总里程、平原驾驶数据、高原驾驶总里程、高原驾驶数据；对平原和高原驾驶总里程预处理；基于驾驶绩效下降时间窗，得到第一、第二有效驾驶数据；对第一、第二有效驾驶数据分别进行概率密度拟合；基于JS散度，获取第一、第二有效驾驶数据概率密度分布间的JS散度值。本发明在恒定海拔下从驾驶数据角度出发通过JS散度值直观量化出高原、平原环境驾驶差异程度，避免了客观因素的干扰，对高原环境驾驶行为分析的准确度高，可基于差异程度对高原环境驾驶合理匹配辅助驾驶策略，提高高原环境行车安全性。
-
公开(公告)号：CN115903485A
公开(公告)日：2023-04-04
申请号：CN202211392142.8
申请日：2022-11-08
Applicant: 北方工业大学
Abstract: 本发明提供一种具有适应性的DQN模型优化方法及应用，方法包括：设计交叉口，定义DQN模型的状态、动作和奖励函数，设置DQN模型的超参数；设定多个交通场景；基于多个交通场景对DQN模型分别进行训练，得到多个训练后的DQN模型；设定新交通场景；将多个交通场景中的至少一个交通场景以及新交通场景作为测试交通场景，基于测试交通场景对多个训练后的DQN模型分别进行适应性检验，筛选得到优化后的DQN模型。本发明通过设计的多个交通场景分别对DQN模型进行训练，通过设计的测试交通场景对训练后的多个DQN模型进行适应性检验，筛选出优化后的DQN模型，可适用于不同交叉口的各交通场景，实现对不同交叉口的交通信号控制。
-
公开(公告)号：CN115114533A
公开(公告)日：2022-09-27
申请号：CN202210857948.3
申请日：2022-07-20
Applicant: 北方工业大学
IPC: G06F16/9535 , G06F16/215 , G06F16/36 , G06F16/28 , G06F16/2458 , G06F8/34
Abstract: 本发明提供一种基于知识图谱的公共交通出行用户画像构建方法及系统，包括：获取出行数据并预处理；将预处理后的数据存储至关系型数据库中，定义实体、关系、实体和关系的属性值；将处理后的数据导入图数据库，建立各实体间的关联关系，得知识图谱；基于知识图谱挖掘出行用户出行特征，基于出行特征构建出行用户画像。本发明基于知识图谱存储公共交通出行数据，对数据进行有效融合，形成交通领域知识网络，便于数据挖掘；挖掘出出行用户出行特征并构建出行用户画像，形象直观的展现出用户出行行为时空特征等，得到用户出行偏好(时间、空间、站点周边POI)的同时避免出行用户属性多、关系复杂等造成查询获取信息效率低、关系建模复杂等问题。
-
公开(公告)号：CN111915159A
公开(公告)日：2020-11-10
申请号：CN202010678165.X
申请日：2020-07-15
IPC: G06Q10/06 , G06F16/21 , G06F16/2457
Abstract: 本发明涉及一种基于动态时间预算的个性化接管预警方法及系统，将驾驶员的个体特征数据融合于接管控制的提前警告当中，综合车辆实时综合环境状态和驾驶员实时的接管可靠度，根据驾驶员状态恢复时间与接管可靠度、驾驶员感知环境复杂度时间与车辆实时综合环境状态、驾驶员响应车辆驾驶接管请求的操作时间与驾驶员特征属性的关联关系及接管时间预算与失稳边界相关信息、驾驶员状态恢复时间、驾驶员感知环境复杂度时间及驾驶员响应车辆驾驶接管请求的操作时间之间的预设关系，生成动态的接管时间预算及预警提示，使预警提示满足符合当前驾驶员状态的个性化接管预警要求，发出有效的预警提示，创造更适宜的接管时间条件，获得更好的预警效果。
-
公开(公告)号：CN111803065A
公开(公告)日：2020-10-23
申请号：CN202010581608.3
申请日：2020-06-23
Abstract: 本发明公开了一种基于脑电数据的危险交通场景辨识方法及系统，基于脑电数据的危险交通场景辨识方法，包括以下步骤：基于交通场景，获取刺激对象和实验变量；通过刺激对象和实验变量完成对驾驶员的驾驶测试，获取预设时长内驾驶员包含脑电信号的EEG数据；对采集到的脑电信号进行预处理，去除脑电信号中的信号噪音；对预处理后的脑电信号提取特征指标，并采用数理统计的方法分析得到具有显著性的特征指标；计算具有显著性的特征指标的功率谱密度的预测值与真值之间的差值；根据所述差值辨识交通场景的危险程度。可以科学的度量交通场景危险程度、准确的评估驾驶员精神负荷，有利于将驾驶员的精神负荷控制在合理区间，有效的降低驾驶风险。
-
-
-
-
-
-
-
-
-
Search Results
43
records
(took 0.052 seconds)
