同济大学专利

摘要：本发明涉及一种考虑不确定性的无人车盲区路口规划方法，该方法包括以下步骤：步骤1、构建考虑驾驶员主观意识的盲区潜在交通参与者模型；步骤2、构建不确定性估计器，针对盲区不确定性和可见车辆意图不确定性进行联合推理，生成不确定因素的概率分布；步骤3、将不确定因素估计结果输入基于部分可观测马尔科夫模型的纵向速度规划器，获得无人车在无灯控盲区路口通行时的最优动作策略。与现有技术相比，本发明具有拟人化程度高、安全性好、通行效率高的优点。

摘要：本发明涉及一种复杂异质环境下的非保守型智能汽车决策规划一体化方法，包括以下步骤：离线构建社会互动知识学习模型并进行训练；实时在线获取周围交通参与者状态数据和智能汽车状态数据，并进行拼接处理后得到环境状态；以环境状态作为训练完成的社会互动知识学习模型的输入，得到包括智能汽车在内的所有交通参与者的预测轨迹；基于预测轨迹更新环境状态；将更新环境状态重新输入社会互动知识学习模型，迭代完成智能汽车轨迹决策规划，其中，智能汽车的规划轨迹为每次迭代得到的预测轨迹第一点的拼接结果。与现有技术相比，本发明具有考虑了社会互动的预测对轨迹的影响、决策规划一体化等优点。

摘要：本发明提出侧向工况下考虑轮胎瞬态特性的路面附着系数估计方法，包括步骤：步骤一：车辆动力学建模；步骤二：基于无迹卡尔曼滤波的路面附着系数估计；步骤三：UKF估计误差调节；步骤四：时延估计。本发明解决了由于轮胎瞬态特性所产生的侧向响应滞后所导致估计路面附着系数不准的问题；同时，本发明利用时延估计方法对车辆侧向加速度估计值和实测值进行时间序列延迟估计，并在稳态轮胎模型上修正侧向滑移率，使得侧向加速度估计值与实测值之间时序一致，进而提高了路面附着系数识别精度。

摘要：本发明涉及一种车辆运动状态计算方法，包括：使用传感器组测量车辆运动学基本数据；将车辆运动学基本数据输入至车辆运动状态计算模型中；输出车辆运动学参数；其中模型包括三层神经网络；第一层神经网络的输入为使用传感器组测量的车辆运动学基本数据，输出为计算得到的车轮载荷；第二层神经网络的输入为使用传感器组测量的车辆运动学基本数据及由第一层神经网络计算得到的车轮载荷，输出为车辆实时车速；第三层神经网络的输入为使用传感器组测量的车辆运动学基本数据、由第一层神经网络计算得到的车轮载荷及通过等效物理模型得到的车轮载荷参考值；输出为车辆运动学参数。与现有技术相比，本发明具有精确度高、拟合之后的网络计算快等特点。

摘要：本发明涉及一种电动汽车路径诱导及有序充电控制方法，包括以下步骤：根据用户出行OD数据和充电数据，提取不同用户的出行和充电特征；构建两阶段优化模型，其中，一阶段是以用户充电总成本最小为目标的路径规划模型，二阶段是以到达站点的充电负荷波动最小为目标的有序充电优化模型；搭建路径规划模型的目标函数并确定约束条件；基于路径规划模型的目标函数和约束条件，采用行驶方向特征筛选和Dijkstra最短路算法进行路径规划，得到最优路径方案；基于用户的出行和充电特征、最优路径方案，以单个到达站点的充电负荷波动最小为目标，建立有序充电优化模型，实现有序充电控制。与现有技术相比，本发明具有降低用户总成本、改善站点电网波动等优点。

摘要：本发明涉及一种基于LPA的拟人化自动驾驶车辆交叉口转向训练方法及装置，其中方法包括：构建自动驾驶车辆交叉口转向数据集，并针对每类转向场景，将数据集随机划分为训练集和测试集；确定反映汽车转向控制相关目标的特征量指标，建立综合代价函数；基于LPA算法训练车辆转向轨迹，每次训练时，按顺序训练训练集中的转向事件，重复多次，选择综合代价最小的轨迹进行约束和碰撞检查，循环检测后，确定最佳轨迹作为输出；在CARLA仿真环境中开展自动驾驶交叉口转向测试；对比仿真结果和测试集轨迹，评价LPA算法训练后的拟人化效果。与现有技术相比，本发明在处理自动驾驶车辆的交叉口转向方面显示出安全、舒适和高效的特征，并兼具人类驾驶员的驾驶优点。

摘要：本发明涉及一种基于稀疏轨迹数据重构的汽车碳排放计算方法，该方法利用在普通城市道路上行驶的轻型燃油汽车轨迹数据，分析不同采样频率下轨迹片段的加速度分布特征，根据加速度分布特征对稀疏轨迹数据进行逐秒重构，进而基于重构的轨迹数据通过碳排放估计模型计算排放。与现有技术相比，本发明避免了稀疏轨迹数据难以输入排放估计模型的问题，同时克服了现有的稀疏轨迹插值重构方法应用于碳排放估计时会严重低估排放的问题，本发明适用于多种采样频率的轨迹数据，以基于加速度分布插值为核心逐秒进行轨迹重构，可以有效提高碳排放计算精度，提供了基于稀疏轨迹进行车辆碳排放计算的新视角，具有较好的创新性。

摘要：本发明涉及一种基于轨迹数据的汽车碳排放估计模型构建方法及系统，其中方法基于在道路上运行的汽车轨迹及碳排放数据，以瞬时速度、加速度及比功率为自变量，以车辆瞬时碳排放率为因变量，构建一种基于轨迹数据的轻型燃油汽车碳排放估计模型。与现有技术相比，本发明避免了现有碳排放估计模型中输入参数复杂、以及基于轨迹数据的碳排放估计方法中忽略排放产生原理的问题，提出以便于采集的瞬时速度、加速度轨迹数据以及反映排放产生原理且可间接计算获取的比功率为模型的自变量，提供了构建车辆碳排放估计模型的新思路，具有较好的创新性。

摘要：本发明涉及一种基于智能方向盘的人机协同控制方法及系统，其中方法包括：基于智能方向盘产生与驾驶操作对应的电信号；采用支持向量机算法根据电信号建立驾驶员内在意图预测和心理状态监测模型；基于内在意图预测结果和驾驶员心理状态，得出驾驶员期望；建立车辆的运动学和动力学模型；基于车路感知模块获取道路信息，车辆状态，构建包括道路安全性约束和稳定性舒适性约束的模型约束；采用模型预测控制算法根据驾驶员期望和模型约束构建人机协同控制器；求解MPC控制器优化问题，得到当前最优的前轮转角和纵向加速度，并将其输出给车辆底层控制器实现人机协同控制。与现有技术相比，本发明具有驾驶员意图预测准确、人机协同能力强等优点。

摘要：本发明涉及一种基于自动驾驶的场景复杂度模型构建方法，包括以下步骤：确定自动驾驶任务中的复杂度权重因子；基于自动驾驶任务中的复杂度权重因子，构建自动驾驶任务复杂度模型；基于自动驾驶任务复杂度模型，构建场景复杂度模型；其中，自动驾驶任务包括定位任务、感知任务及控制任务。与现有技术相比，本发明从动态驾驶任务中涉及的定位任务、感知任务和控制任务三个方面出发，分别考虑各因素的复杂度及其权重因子，建立了具有类神经网络结构的场景复杂度模型，可以为自动驾驶汽车测试与评价、行业标准以及相关法律规范制定提供理论基础和科学依据。