-
-
公开(公告)号：CN118690479A
公开(公告)日：2024-09-24
申请号：CN202410701763.2
申请日：2024-05-31
Applicant: 同济大学
Abstract: 本发明属于无人驾驶领域，提出了基于感知贡献的开放式无人驾驶车群构建方法，包括：步骤1.感知贡献；步骤2.预测开放式场景下感知贡献影响因素；步骤3.构建基于感知贡献的无人驾驶车群模型；步骤4.无人驾驶车群形成方法。本发明提升了无人驾驶车辆对周围环境的理解能力，提升了无人驾驶车辆对周围环境的理解能力，为无人驾驶车群智能协同提供了有效的保障，从而可以有效帮助解决目前无人驾驶单智能体诸如变道、避让、安全距离调整、以及道路通行效率等问题，对促进城市场景无人驾驶健康快速发展等，具有重要的意义和应用价值。
-
公开(公告)号：CN117939468A
公开(公告)日：2024-04-26
申请号：CN202410025918.5
申请日：2024-01-08
Applicant: 同济大学
IPC: H04W12/069 , H04W12/122 , H04W4/40
Abstract: 本发明涉及无人驾驶领域，具体涉及基于安全信誉评估的无人驾驶车群构建方法。其特征在于，包括如下步骤：步骤1.安全信誉评估；包括：步骤1.1合作事件评估；步骤1.2无人驾驶车辆节点对节点的直接信誉评估；步骤1.3无人驾驶车群对节点的综合信誉评估；步骤2.车群成员相关定义；步骤3.无人驾驶安全车群构建算法；包括：步骤3.1基本节点集构建；步骤3.2核心节点链构建；步骤3.3车群形成；步骤3.4车群维护；步骤3.5车群评价指标。本发明可以有效帮助解决目前无人驾驶单智能体诸如变道、避让、安全距离调整、以及道路通行效率等问题，对促进城市场景无人驾驶健康快速发展等，具有重要的意义和应用价值。
-
公开(公告)号：CN115905779A
公开(公告)日：2023-04-04
申请号：CN202211253795.8
申请日：2022-10-13
Applicant: 同济大学
IPC: G06F17/13 , G06F18/10 , G06F18/2131 , G06N3/0464 , G06N3/049 , G06N3/048 , G06N3/08 , G08G1/065
Abstract: 本发明基于神经小波粗糙微分方程的时空数据预测方法，包括4个步骤：小波分解获得多频交通数据，签名变换计算路径签名，神经受控微分方程的构建，神经受控微分方程的求解和输出映射，涉及常微分动力系统建模领域与粗糙路径理论。本发明继承了神经受控微分方程训练高效内存利用率、处理缺失观测值的鲁棒性，又展示了处理长时间突变抖动信号的特殊优势，对时序数据趋势特征尤为敏感，能够胜任于建模动态长时间交通流量数据预测。
-
公开(公告)号：CN112953780B
公开(公告)日：2022-04-19
申请号：CN202110308107.2
申请日：2021-03-23
Applicant: 同济大学
Abstract: 封闭场景下无人驾驶车群构建及评价方法，本发明在研究无人驾驶节点运行状态和节点初始化的基础上，提出了基于车群节点加入、离开、引领节点更替的无人驾驶车群构建方法，还研究了包括基准度、引领节点变化率、算法运行时间等车群质量评价指标，从而使得封闭场景下无人驾驶车辆不需要事先进行路径规划以及后台控制终端，并且能够有效保持无人驾驶车辆节点运动行为智能化。本发明申请给出的技术方案具体包括如下步骤：步骤1.相关定义；步骤2.无人驾驶车群构建；步骤3.车群质量评价方法。本发明目的在于公开一种封闭场景下，面向无人驾驶车辆行车环境，提供一种能够保障无人驾驶车辆运动行为智能化方法。
-
Patent Agency Ranking
公开(公告)号：CN113012424B
公开(公告)日：2022-03-08
申请号：CN202110195975.4
申请日：2021-02-22
Applicant: 同济大学
Abstract: 本发明目的：如何根据无人驾驶车群动态演化预测接下来车群运动行为，是保证无人驾驶车群运动行为始终保持稳定有序所急需解决的问题。本发明公开高速公路场景中开放式无人驾驶车群动态演化预测方法：结合高速公路场景，首先对无人驾驶车群结构进行特征提取，然后根据发生的演化事件生成样本，最后使用分类预测方法预测无人驾驶车群的将要发生的演化事件。解决上述问题，能够准确地预测无人驾驶车群接下来的演化行为，能够合理指导新车群或车群集的建立，确保无人驾驶车群运动行为保持稳定有序，使得无人驾驶能够在高速公路得到广泛应用成为可能。
-
公开(公告)号：CN109284855B
公开(公告)日：2021-10-29
申请号：CN201810824233.1
申请日：2018-07-25
Applicant: 同济大学
Abstract: 基于城市场景中车联网时空数据分析的车辆节点之间连通强度的预测度量模型：针对车联网时空数据异构以及拓扑频繁变化导致的连通性问题，构建基于张量因子聚合的神经网络模型，用来预测车辆节点之间的连通强度，从而为无基础设施和有基础设施的车联网网络连通性研究提供模型支撑。
-
公开(公告)号：CN111371609B
公开(公告)日：2021-07-02
申请号：CN202010131519.9
申请日：2020-02-28
Applicant: 同济大学
Abstract: 在大规模车联网网络场景中，客观存在车辆节点间连通易变的现象，会导致传输不稳定以及丢包率高等问题，现有研究通过速度、位置和加速度等信息来提升连通稳定性，但是忽略了车辆未来时刻的时空性特征以及周边环境特征，造成连通预测准确率低。此外，现有车联网研究未考虑到特征维度高和大规模邻接矩阵稀疏问题，导致节点运算代价大、时间复杂度高等问题。本发明“基于深度学习的车联网连通预测方法”针对以上问题，给出了车辆节点间的连通特征定义以及连通置信度定义，对特征进行特征抽取与数据预处理，通过自编码神经网络进行特征降维，并结合循环神经网络对车辆节点之间的连通性进行预测，从而提升了车联网连通的稳定性，降低了数据的丢包率。
-
公开(公告)号：CN113015085A
公开(公告)日：2021-06-22
申请号：CN202110195974.X
申请日：2021-02-22
Applicant: 同济大学
Abstract: 本发明涉及无人驾驶领域。高速公路场景中开放式无人驾驶车群动态演化探测方法。首先研究车群内部结构变化，然后给出无人驾驶车群动态演化探测算法，用以探测无人驾驶车群可能发生的结构变化，从而能够实时准确地探测车群内部动态演化特征。解决上述问题，能够实时准确地探测车群内部动态演化特征，从而确保无人驾驶车群运动行为稳定有序，以期满足未来无人驾驶运动行为智能化，使得无人驾驶在高速公路场景中能够得到实际应用成为可能。
-
公开(公告)号：CN112953780A
公开(公告)日：2021-06-11
申请号：CN202110308107.2
申请日：2021-03-23
Applicant: 同济大学
Abstract: 封闭场景下无人驾驶车群构建及评价方法，本发明在研究无人驾驶节点运行状态和节点初始化的基础上，提出了基于车群节点加入、离开、引领节点更替的无人驾驶车群构建方法，还研究了包括基准度、引领节点变化率、算法运行时间等车群质量评价指标，从而使得封闭场景下无人驾驶车辆不需要事先进行路径规划以及后台控制终端，并且能够有效保持无人驾驶车辆节点运动行为智能化。本发明申请给出的技术方案具体包括如下步骤：步骤1.相关定义；步骤2.无人驾驶车群构建；步骤3.车群质量评价方法。本发明目的在于公开一种封闭场景下，面向无人驾驶车辆行车环境，提供一种能够保障无人驾驶车辆运动行为智能化方法。
-
-
-
-
-
-
-
-
-
Search Results
179
records
(took 0.029 seconds)
