同济大学专利

摘要：本发明公开了一种供需时空高效匹配共享电动车队动态调度决策方法，包括：S1、建立多个车辆群体集合，进行充电和接单任务分配；S2、将盈余可用车辆进行区域调配调度；S3、将没有得到任务分配的车辆，开到最近的停车位等候下一轮任务分配；其中步骤S2中将下一时间段出行订单需求量与盈余可用车辆数量进行比较，进行判断该区域内时为供过于求、供需平衡或供小于求；将所有供大于求区域建立一个集合At，将所有供小于建立一个集合Bt。根据本发明，能够在最大化满足用户出行需求的同时，提升车辆的流通率和利用率，实现共享电动汽车服务系统运营过程中用户体验与运营收益的双双提升。

摘要：本申请涉及一种车尾帐篷，包括帐篷本体以及风管；帐篷本体具有一开口端，开口端连接车尾，使帐篷本体内部空间与汽车内部空间连通，帐篷本体内顶部具有定位夹层，定位夹层的两端分别朝向帐篷本体的开口端和另一端；风管固定在定位夹层内，且一端与空调出风口连通，另一端位于帐篷本体内远离开口端的一侧。上述车尾帐篷，通过开口端将帐篷本体与车体内部空间连通，并用定位夹层将风管固定，使其通过帐篷本体顶部，节省占用空间，并将风管一端固定在空调出风口，另一端固定在帐篷本体内部，使空调吹出的冷气或暖气能够通过风管流至帐篷本体内部，并从帐篷本体的开口端处向车体内部回流，实现车体与帐篷内的温度均匀。

摘要：本发明涉及一种基于预测的非线性模型控制的燃料电池汽车能量管理方法，包括：根据车辆历史运动信息，建立基于优化马尔科夫链的预测模型；获取车辆当前运动信息，基于预测模型在线预测未来有限时域内的车辆运行状态，并自适应更新预测模型；建立燃料电池汽车整车动力系统模型，以预测时域内车辆运行状态作为输入，输出车辆需求功率序列；将预测时域内的车辆需求功率序列作为引入变载惩罚系数的动态规划算法的输入，输出最优功率分配序列；将最优功率分配序列施加给车辆，在下一时刻再次获取车辆当前运动信息，重新进行预测、优化，直到车辆停止。与现有技术相比，本发明具有实现了燃料电池汽车经济性和耐久性的平衡等优点。

摘要：

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。