CN110194041A - 多源信息融合的自适应车身高度调节方法 - Google Patents
多源信息融合的自适应车身高度调节方法 Download PDFInfo
- Publication number
- CN110194041A CN110194041A CN201910416051.5A CN201910416051A CN110194041A CN 110194041 A CN110194041 A CN 110194041A CN 201910416051 A CN201910416051 A CN 201910416051A CN 110194041 A CN110194041 A CN 110194041A
- Authority
- CN
- China
- Prior art keywords
- decision
- height
- vehicle
- adaptive
- bodywork height
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60G—VEHICLE SUSPENSION ARRANGEMENTS
- B60G17/00—Resilient suspensions having means for adjusting the spring or vibration-damper characteristics, for regulating the distance between a supporting surface and a sprung part of vehicle or for locking suspension during use to meet varying vehicular or surface conditions, e.g. due to speed or load
- B60G17/015—Resilient suspensions having means for adjusting the spring or vibration-damper characteristics, for regulating the distance between a supporting surface and a sprung part of vehicle or for locking suspension during use to meet varying vehicular or surface conditions, e.g. due to speed or load the regulating means comprising electric or electronic elements
- B60G17/019—Resilient suspensions having means for adjusting the spring or vibration-damper characteristics, for regulating the distance between a supporting surface and a sprung part of vehicle or for locking suspension during use to meet varying vehicular or surface conditions, e.g. due to speed or load the regulating means comprising electric or electronic elements characterised by the type of sensor or the arrangement thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60G—VEHICLE SUSPENSION ARRANGEMENTS
- B60G2500/00—Indexing codes relating to the regulated action or device
- B60G2500/30—Height or ground clearance
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Mechanical Engineering (AREA)
- Vehicle Body Suspensions (AREA)
Abstract
本发明公开了一种多源信息融合的自适应车身高度调节方法,主要是利用ECAS***车身高度调节功能来达到降低油耗的目的。其实现步骤为:基于多源传感器获取路线预判信息、当前路况信息、天气状态指标和车辆速度;使用上述信息建立决策树模型,包括样本数据的选取与处理、树的***、决策树模型建立这三个环节;实时行驶时将上述传感器获取信息输入到决策树模型中,输出车身目标高度,结合车高调节策略,输出满足需求的控制信号;最终实现自适应车身高度调节功能,进一步达到降低油耗的目的。本发明融合多种信息,丰富决策的的信息量,提高决策判断的准确度,同时建立模型时考虑到汽车安全性能,为车高调节提供安全保障。
Description
技术领域
本发明涉及电控空气悬架车身高度控制领域,具体涉及一种多信息融合的自适应车身高度调节方法。
背景技术
机动车驾驶属于驾驶运输中的一种特殊工种,商用车驾驶,对驾驶员的要求比较高。随着经济的发展,商用车数量增加,再加上油价的居高不下,如何在保证安全性基础上降低油耗成为了商用车驾驶员需要考虑的问题。目前,采取的节油方式多为汽车结构改造、发动机技术更新和新能源使用等,对于出厂后商用车行驶过程中的节油方法较少提及。汽车的空气阻力在较大程度上决定了车辆行驶过程油耗情况,而汽车的空气阻力经实验证明可由汽车的横截面面积、风阻系数和车辆行驶速度依据公式计算得到。其中,汽车横截面面积可通过调节车身高度进行改变。
电子控制空气悬架***(electronic-controlled air suspension,ECAS)的一大功能是调节车身高度。***通过对电磁阀的控制,向空气气囊进行充放电,从而实现车高实时调节的功能。ECAS***可以在车辆安全行驶过程中降低车身高度,减少汽车的横截面面积与风阻系数,减弱汽车的空气阻力,达到降低油耗的功能。因此,基于ECAS***设计降低油耗的车身高度调节方法具有重要意义。
以节油为目的的车身高度调节方法受到安全标准制约和多种外界综合因素影响,目前并无相关内容的成熟方法。
发明内容
本发明的目的在于针对上述现有技术存在的不足,提出一种多信息融合的自适应车身高度调节方法,利用ECAS***调节车身高度的功能,融合多种外界环境信息,帮助车辆实现在满足安全性能前提下降低油耗的功能。
为达到上述目的,本发明的技术方案是这样实现的:一种多信息融合的自适应车身高度调节方法,包括以下步骤:
(1)通过车载摄像头采集当前行驶路线前方的路线状态,对采集图像中的交通标志进行识别,提供路线预判信息C1,预判属性值包括上坡、下坡、弯道、路口;
(2)通过路况传感器组采集当前车辆行驶所在路面的路况信息C2,路况属性值包括平坦、颠簸、左倾、右倾、前倾、后倾;
(3)通过天气传感器组采集当前天气状态指标,包括风速指标T1、雨量指标T2、风向指标T3;
(4)实时检测车辆行驶速度V;
(5)构建用于输出车身目标高度的决策树模型,通过样本数据的选取与处理、树的***、决策树模型建立这三个环节来完成构建;
所述样本数据中的属性值来源于步骤1-4获取的数据,决策值来源于相应属性值条件下车辆安全性能测试得到的最低车身高度数值;将样本数据分为训练数据集S和测试数据集T;
所述树的***过程中,所用***标准选择具有最高信息增益的属性作为训练数据集S的***属性,训练数据集S包含s个数据样本,定义H1,H2,…,Hm分别代表m个车身高度决策类,那么s1,s2,…,sm就是类H1,H2,…,Hm的样本数目:则树的***及决策树模型建立具体为:
首先,计算出给定样本分类所需的期望信息和熵值;
然后,通过得到的期望信息和熵值分别计算当各属性C1、C2、T1、T2、T3、V作为***属性时的信息增益,进而比较六个属性的信息增益,选择信息增益最大的属性作为最好的***属性。
最后,根据***属性的取值得到决策树的分支,训练数据集S将被划分多个子集,对于每一个子树重新计算各属性信息增益,以此类推,直至某一子集的样本属于同一类,决策树停止分类。
(6)实时行驶时,将步骤1-4获取的数据输入到步骤5构建的决策树模型中,输出车身目标高度。
(7)根据车高调节策略,结合步骤6所得的车身目标高度和当前车身高度,输出控制信号;
(8)ECAS***接收控制信号,实现对车身高度的调节。
进一步地,所述步骤2中路况传感器组包括横摆传感器和ECAS***的车辆高度传感器。
进一步地,所述步骤3中天气传感器组包括风速传感器、风向传感器和雨量传感器。
所述风速传感器和风向传感器基于车辆行驶状态输出车辆静止时的风速大小和风向以及车辆行驶时的风速相对大小和风向;所述雨量传感器检测车辆行驶时外界是否下雨及雨量的大小;
所述天气传感器组采集的信号经过滤波处理,滤除外界干扰噪声,获得可描述当时天气的状态指标。
进一步地,所述步骤5中,车辆安全性能测试的标准为:以汽车安全性指标、行驶规范作为首要准则,在安全范围的条件下,输出最低车身目标高度。
进一步地,所述步骤7中的当前车身高度是由ECAS***实时反馈获得的。
进一步地,所述步骤7中的车高调节策略具体如下:
记录决策树输出的车身目标高度为ht,记录ECAS***反馈的车身当前高度为hc;设定波动消除阈值th1和调节阈值th2;
将车身当前高度和车身目标高度进行比较,根据以下比较结果输出决策结果:
a、若hc<ht+th2,则输出上升命令,并输出ht+th2作为新的车身目标高度。
b、若hc>ht+th1,则输出下降命令,并输出ht作为新的车身目标高度。
c、若ht+th2<=hc<=ht+th1,则不进行车高调节,输出停止信号。
本发明的有益效果:
1、充分发挥了ECAS空气悬架***车身高度调节功能在节约油耗方面起到的作用。
2、融合了预判路线信息、当前路况信息、天气状态指标和车辆行驶速度等信息,增加决策判断的信息量,进一步提高决策判断的准确度。
3、在构建用于输出车身目标高度的决策树模型时以汽车安全性指标、行驶规范为标准,为车身高度调节方法提供安全保障。
4、车高调节策略中设定了波动消除阈值和调节阈值,可以滤除轻微干扰并防止车辆***频繁调节车身高度。
附图说明
图1为本发明提供的一种多源信息融合的自适应车身高度调节方法的流程示意图;
图2为本发明中多源信息融合时构建模型的流程图。
具体实施方式
下面结合实施例对本发明再作进一步详细的说明。
图1为本发明提供的一种多源信息融合的自适应车身高度调节方法的流程示意图;如图1所示,所述方法包括:
步骤1、通过车载摄像头采集当前行驶路线前方的路线状态,对采集图像中的交通标志进行识别,提供预判信息C1,预判属性值包括上坡、下坡、弯道、路口;
步骤2、通过路况传感器组采集当前车辆行驶所在路面的路况信息C2,路况属性值包括平坦、颠簸、左倾、右倾、前倾、后倾;
具体地,所述路况传感器包括:横摆传感器和ECAS***的车辆高度传感器;ECAS***的车辆高度传感器采集来自前桥高度传感器的悬架动行程信号,经过滤波求的正向悬架动行程信号的平均值;横摆传感器测量车辆纵向轴线摆动的角速度和转动速度;路况传感器组综合处理两类传感器的数据,对当前车辆行驶的路面状况进行检测,最终输出路况信息。
步骤3、通过天气传感器组采集当前天气状态指标,包括风速指标T1、雨量指标T2、风向指标T3;
具体地,所述天气相关传感器包括:风速传感器、风向传感器和雨量传感器;风速传感器和风向传感器基于车辆行驶状态输出车辆静止时的风速大小和风向以及车辆行驶时的风速相对大小和风向;雨量传感器检测车辆行驶时外界是否下雨及雨量大小;天气相关传感器组将采集到的信号经过滤波处理,滤除外界干扰噪声,获得可描述当前天气的指标。
步骤4、实时检测车辆行驶速度V。
具体地,速度检测将车辆行驶速度划分为m个区间,使用(V1,V2,…,Vm)表示速度V这个属性的不同取值。
步骤5、构建用于输出车身目标高度的决策树模型,通过样本数据的选取与处理、树的***、决策树模型建立这三个环节来完成构建;
步骤6、实时行驶时,将步骤1-4获取的数据输入到步骤5构建的决策树模型中,输出车身目标高度。
步骤7、根据车高调节策略,结合步骤6所得的车身目标高度和当前车身高度,输出控制信号;
具体地,当前车身高度是由ECAS***实时反馈得到。
步骤8、ECAS***接收控制信号,实现对车身高度的调节。
下面对上述的决策树模型过程进行进一步地阐述。
如图1所示,决策树模型通过样本数据的选取与处理、树的***、决策树模型建立这三个主要环节来完成构建。具体来讲,模型建立流程如图2,包括传感器组201、预处理202、决策树建模203、决策树剪枝204、准确率检测205。模型建立的第一步中样本数据的属性值来源于本发明方法的步骤1-4,包括路线预判信息、当前路况信息、天气状态指标和行驶速度。
步骤1中的摄像头针对车辆行驶路面前方的路标进行识别,将识别到的路标进行筛选,记录以下几种路标:上坡路、下坡路、弯道、路口。设定路线预判信息为C1,则其属性值分为上坡、下坡、弯道、路口。步骤2中获取车辆行驶时当前的路面信息,设定其为C2,路况属性值包括平坦、颠簸、左倾、右倾、前倾、后倾。步骤3中获取车辆行驶当时的天气指标,包括风速指标T1、雨量指标T2、风向指标T3,在实际构建模型时,还会对上述指标做细粒度地分类:如降雨量小于10mm/day标记为小雨,10~25mm/day标记为中雨,降雨量由传感器得信号转化而来。步骤4中车辆行驶速度设为V,使用(V1,V2,…,Vm)表示速度V这个属性的不同取值,可用10km/h为区间。
由上述所有属性组成样本数据的属性值,样本数据的决策值来源于相应属性值条件下车辆安全性能测试得到的最低车身高度数值。车辆安全性能测试目的是记录车辆在特定外界环境条件下,正常行驶时车身可调节到的最低高度。测试内容包括车辆行驶时抖动试验、牵引试验、舒适度实验等,确保在最低车身高度时车辆能正常行驶,车身底盘处于安全位置,不会与路面发生碰撞。当测试环境变化时记录新的最低安全车身高度,如此即可形成外界因素与最低安全车身高度的对应关系。
属性值和决策值组成样本数据,将样本数据分为训练数据集S和测试数据集T,所述树的***过程中,所用***标准选择具有最高信息增益的属性作为训练数据集S的***属性,则树的***及决策树模型建立具体为:
首先,计算出给定样本分类所需的期望信息和熵值,训练数据集S包含s个数据样本,定义H1,H2,…,Hm分别代表m个车身高度决策类,那么s1,s2,…,sm就是类H1,H2,…,Hm的样本数目,该训练集S中任一样本属于Hi类的概率为Pi。则信息量I和熵E分别定义为:
I=log2Pi
E=-∑Pi log2 Pi
在决策树建立前***的总熵为:
然后,通过得到的期望信息和熵值分别计算当各属性C1、C2、T1、T2、T3、V作为***属性时的信息增益,进而比较六个属性的信息增益,选择信息增益最大的属性作为最好的***属性。在本实例中,每种属性有不同数量的取值,假设属性A有v个不同取值,这样属性A可以把训练集S分为v个子集{S1,S2,…,Sv}。若属于A被选为测试属性,则当前节点有v个分支。另设sij表示在子集Sj中属于类别Hi的样本的个数,则根据属性A的取值进行分割后,***的总熵为:
信息增益Gain(A)=E(S1,S2,…,Sm)-E(A),表示***由于***而获得的信息量。而最佳***就是使Gain(A)最大,***获得信息量最大时作出的分类。
最后,根据***属性的取值得到决策树的分支,训练数据集S将被划分多个子集,对于每一个子树重新计算各属性信息增益熵,以此类推,直至某一子集的样本属于同一类,决策树停止分类。
根据上述步骤,本发明实例构建用于输出车身目标高度的决策树模型,对此模型还进行剪枝操作,提高目标变量的预测精度;同时引入测试集数据,不断对模型的评估精度和准确率进行优化。
下面对上述的车高调节策略进行进一步地阐述。
记录决策树输出的车身目标高度为ht,记录ECAS***反馈的车身当前高度为hc,设定波动消除阈值th1和调节阈值th2,波动消除阈值用于消除车身当前高度的轻微抖动,一般可取ECAS***车高可调最大范围的10%,调节阈值用于降低车辆调节频率,防止因为频繁调节高度导致费气费油的问题,一般设置为ECAS***车高可调最大范围的20-30%。
然后将车身当前高度和车身目标高度进行比较,根据以下比较结果输出决策结果:
a、若hc<ht+th2,则输出上升命令,并输出ht+th2作为新的车身目标高度。
b、若hc>ht+th1,则输出下降命令,并输出ht作为新的车身目标高度。
c、若ht+th2<=hc<=ht+th1,则不进行车高调节,输出停止信号。
综上所述,本发明所提方法是在ECAS***的调节车身高度的功能基础上设计的一种多源信息融合的自适应车身高度调节方法。通过多源传感器采集外界环境信息,并输入已构建的决策树模型中输出车高调节目标高度,经过车高调节策略,输出满足需求的控制信号,实现自适应车身高度调节功能,进一步实现降低油耗的目的。本发明充分利用ECAS***的现有功能模块,在此基础上添加实用性传感器和信息融合模型,易于在实际ECAS***上实现。
以上所述,仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围,凡在本发明的精神和原则之内所做的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种多源信息融合的自适应车身高度调节方法,其特征在于,该方法包括以下步骤:
(1)通过车载摄像头采集当前行驶路线前方的路线状态,对采集图像中的交通标志进行识别,提供路线预判信息C1,预判属性值包括上坡、下坡、弯道、路口;
(2)通过路况传感器组采集当前车辆行驶所在路面的路况信息C2,路况属性值包括平坦、颠簸、左倾、右倾、前倾、后倾;
(3)通过天气传感器组采集当前天气状态指标,包括风速指标T1、雨量指标T2、风向指标T3;
(4)实时检测车辆行驶速度V;
(5)构建用于输出车身目标高度的决策树模型,通过样本数据的选取与处理、树的***、决策树模型建立这三个环节来完成构建;
所述样本数据中的属性值来源于步骤1-4获取的数据,决策值来源于相应属性值条件下车辆安全性能测试得到的最低车身高度数值;将样本数据分为训练数据集S和测试数据集T;
所述树的***过程中,所用***标准选择具有最高信息增益的属性作为训练数据集S的***属性,训练数据集S包含s个数据样本,定义H1,H2,…,Hm分别代表m个车身高度决策类,那么s1,s2,…,sm就是类H1,H2,…,Hm的样本数目:则树的***及决策树模型建立具体为:
首先,计算出给定样本分类所需的期望信息和熵值;
然后,通过得到的期望信息和熵值分别计算当各属性C1、C2、T1、T2、T3、V作为***属性时的信息增益,进而比较六个属性的信息增益,选择信息增益最大的属性作为最好的***属性。
最后,根据***属性的取值得到决策树的分支,训练数据集S将被划分多个子集,对于每一个子树重新计算各属性信息增益熵,以此类推,直至某一子集的样本属于同一类,决策树停止分类。
(6)实时行驶时,将步骤1-4获取的数据输入到步骤5构建的决策树模型中,输出车身目标高度。
(7)根据车高调节策略,结合步骤6所得的车身目标高度和当前车身高度,输出控制信号;
(8)ECAS***接收控制信号,实现对车身高度的调节。
2.根据权利要求1所述的多源信息融合的自适应车身高度调节方法,其特征在于:所述路况传感器组包括横摆传感器和ECAS***的车辆高度传感器。
3.根据权利要求1所述的多源信息融合的自适应车身高度调节方法,其特征在于:所述天气传感器组包括风速传感器、风向传感器和雨量传感器。
4.根据权利要求3所述的多源信息融合的自适应车身高度调节方法,其特征在于:所述风速传感器和风向传感器基于车辆行驶状态输出车辆静止时的风速大小和风向以及车辆行驶时的风速相对大小和风向;所述雨量传感器检测车辆行驶时外界是否下雨及雨量的大小。
5.根据权利要求1所述的多源信息融合的自适应车身高度调节方法,其特征在于:所述天气传感器组采集的信号经过滤波处理,滤除外界干扰噪声,获得可描述当时天气的状态指标。
6.根据权利要求1所述的多源信息融合的自适应车身高度调节方法,其特征在于:所述步骤(5)中,车辆安全性能测试的标准为:以汽车安全性指标、行驶规范作为首要准则,在安全范围的条件下,输出最低车身目标高度。
7.根据权利要求1所述的多源信息融合的自适应车身高度调节方法,其特征在于:所述步骤(7)中的当前车身高度是由ECAS***实时反馈获得的。
8.根据权利要求1所述的多源信息融合的自适应车身高度调节方法,其特征在于:所述步骤(7)中的车高调节策略具体如下:
记录决策树输出的车身目标高度为ht,记录ECAS***反馈的车身当前高度为hc;设定波动消除阈值th1和调节阈值th2;
将车身当前高度和车身目标高度进行比较,根据以下比较结果输出决策结果:
a、若hc<ht+th2,则输出上升命令,并输出ht+th2作为新的车身目标高度。
b、若hc>ht+th1,则输出下降命令,并输出ht作为新的车身目标高度。
c、若ht+th2<=hc<=ht+th1,则不进行车高调节,输出停止信号。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910416051.5A CN110194041B (zh) | 2019-05-19 | 2019-05-19 | 多源信息融合的自适应车身高度调节方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910416051.5A CN110194041B (zh) | 2019-05-19 | 2019-05-19 | 多源信息融合的自适应车身高度调节方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110194041A true CN110194041A (zh) | 2019-09-03 |
CN110194041B CN110194041B (zh) | 2020-10-16 |
Family
ID=67751537
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910416051.5A Active CN110194041B (zh) | 2019-05-19 | 2019-05-19 | 多源信息融合的自适应车身高度调节方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110194041B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113580867A (zh) * | 2020-04-30 | 2021-11-02 | 比亚迪股份有限公司 | 悬架的控制方法、装置和车辆 |
US20210347221A1 (en) * | 2020-05-06 | 2021-11-11 | Hyundai Motor Company | Apparatus and method for controlling suspension of vehicle |
CN113942364A (zh) * | 2021-09-29 | 2022-01-18 | 青岛海尔空调器有限总公司 | 用于控制驻车空调的方法、装置及驻车空调 |
CN114148137A (zh) * | 2020-03-13 | 2022-03-08 | 北京百度网讯科技有限公司 | 车辆行驶平稳性控制方法、装置、设备和存储介质 |
CN114872802A (zh) * | 2022-06-10 | 2022-08-09 | 一汽解放汽车有限公司 | 车辆风阻控制方法、装置和存储介质 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1796166A (zh) * | 2004-12-28 | 2006-07-05 | 丰田自动车株式会社 | 高度控制装置 |
DE102011005844A1 (de) * | 2011-03-21 | 2012-09-27 | Bayerische Motoren Werke Aktiengesellschaft | Automatische Steuerung eines Fahrzeugs |
CN103903441A (zh) * | 2014-04-04 | 2014-07-02 | 山东省计算中心 | 一种基于半监督学习的道路交通状态判别方法 |
EP3010005A1 (en) * | 2014-10-14 | 2016-04-20 | The Boeing Company | Method for creating and choosing a determinate piloting strategy for an aircraft |
CN105608424A (zh) * | 2015-12-18 | 2016-05-25 | 福州华鹰重工机械有限公司 | 无人车信号识别算法优化方法及装置 |
CN106842925A (zh) * | 2017-01-20 | 2017-06-13 | 清华大学 | 一种基于深度强化学习的机车智能操纵方法与*** |
US20170255831A1 (en) * | 2016-03-04 | 2017-09-07 | Xerox Corporation | System and method for relevance estimation in summarization of videos of multi-step activities |
CN107272687A (zh) * | 2017-06-29 | 2017-10-20 | 深圳市海梁科技有限公司 | 一种自动驾驶公交车辆的驾驶行为决策*** |
CN107301604A (zh) * | 2017-08-29 | 2017-10-27 | 重庆华龙强渝信用管理有限公司 | 多模型融合评价*** |
CN107554227A (zh) * | 2017-08-14 | 2018-01-09 | 歌尔股份有限公司 | 移动式机器人高度自适应底盘及自适应方法 |
CN109017799A (zh) * | 2018-04-03 | 2018-12-18 | 张锐明 | 一种新能源汽车驾驶行为预测方法 |
CN109508007A (zh) * | 2018-12-11 | 2019-03-22 | 东南大学 | 一种基于多源信息融合的农机轨迹跟踪、避障***及方法 |
-
2019
- 2019-05-19 CN CN201910416051.5A patent/CN110194041B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1796166A (zh) * | 2004-12-28 | 2006-07-05 | 丰田自动车株式会社 | 高度控制装置 |
DE102011005844A1 (de) * | 2011-03-21 | 2012-09-27 | Bayerische Motoren Werke Aktiengesellschaft | Automatische Steuerung eines Fahrzeugs |
CN103903441A (zh) * | 2014-04-04 | 2014-07-02 | 山东省计算中心 | 一种基于半监督学习的道路交通状态判别方法 |
EP3010005A1 (en) * | 2014-10-14 | 2016-04-20 | The Boeing Company | Method for creating and choosing a determinate piloting strategy for an aircraft |
CN105608424A (zh) * | 2015-12-18 | 2016-05-25 | 福州华鹰重工机械有限公司 | 无人车信号识别算法优化方法及装置 |
US20170255831A1 (en) * | 2016-03-04 | 2017-09-07 | Xerox Corporation | System and method for relevance estimation in summarization of videos of multi-step activities |
CN106842925A (zh) * | 2017-01-20 | 2017-06-13 | 清华大学 | 一种基于深度强化学习的机车智能操纵方法与*** |
CN107272687A (zh) * | 2017-06-29 | 2017-10-20 | 深圳市海梁科技有限公司 | 一种自动驾驶公交车辆的驾驶行为决策*** |
CN107554227A (zh) * | 2017-08-14 | 2018-01-09 | 歌尔股份有限公司 | 移动式机器人高度自适应底盘及自适应方法 |
CN107301604A (zh) * | 2017-08-29 | 2017-10-27 | 重庆华龙强渝信用管理有限公司 | 多模型融合评价*** |
CN109017799A (zh) * | 2018-04-03 | 2018-12-18 | 张锐明 | 一种新能源汽车驾驶行为预测方法 |
CN109508007A (zh) * | 2018-12-11 | 2019-03-22 | 东南大学 | 一种基于多源信息融合的农机轨迹跟踪、避障***及方法 |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114148137A (zh) * | 2020-03-13 | 2022-03-08 | 北京百度网讯科技有限公司 | 车辆行驶平稳性控制方法、装置、设备和存储介质 |
CN114148136A (zh) * | 2020-03-13 | 2022-03-08 | 北京百度网讯科技有限公司 | 车辆行驶平稳性控制方法、装置、设备和存储介质 |
CN113580867A (zh) * | 2020-04-30 | 2021-11-02 | 比亚迪股份有限公司 | 悬架的控制方法、装置和车辆 |
CN113580867B (zh) * | 2020-04-30 | 2023-10-17 | 比亚迪股份有限公司 | 悬架的控制方法、装置和车辆 |
US20210347221A1 (en) * | 2020-05-06 | 2021-11-11 | Hyundai Motor Company | Apparatus and method for controlling suspension of vehicle |
CN113942364A (zh) * | 2021-09-29 | 2022-01-18 | 青岛海尔空调器有限总公司 | 用于控制驻车空调的方法、装置及驻车空调 |
CN113942364B (zh) * | 2021-09-29 | 2024-05-24 | 青岛海尔空调器有限总公司 | 用于控制驻车空调的方法、装置及驻车空调 |
CN114872802A (zh) * | 2022-06-10 | 2022-08-09 | 一汽解放汽车有限公司 | 车辆风阻控制方法、装置和存储介质 |
CN114872802B (zh) * | 2022-06-10 | 2023-10-17 | 一汽解放汽车有限公司 | 车辆风阻控制方法、装置和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110194041B (zh) | 2020-10-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110194041A (zh) | 多源信息融合的自适应车身高度调节方法 | |
CN109447018B (zh) | 一种基于改进Faster R-CNN的道路环境视觉感知方法 | |
CN105160309B (zh) | 基于图像形态学分割及区域生长的三车道检测方法 | |
CN103034836B (zh) | 道路标志检测方法和道路标志检测设备 | |
CN106203330A (zh) | 一种基于卷积神经网络的车辆分类方法 | |
CN109050535A (zh) | 一种基于车辆姿态的快速地形工况辨识方法 | |
CN105809121A (zh) | 多特征协同的交通标志检测与识别方法 | |
CN110458244A (zh) | 一种应用于区域路网的交通事故严重度预测方法 | |
CN109635852B (zh) | 一种基于多维属性的用户画像构建与聚类方法 | |
CN107274668A (zh) | 一种基于车辆检测的道路拥堵建模方法 | |
CN103895649A (zh) | 一种驾驶员安全驾驶预警方法 | |
CN107160950B (zh) | 一种基于can总线的车辆行驶状态识别方法 | |
CN103345842A (zh) | 一种道路车辆分型***及方法 | |
CN103310206B (zh) | 一种基于多特征与多帧信息融合的助力车检测方法 | |
CN106845387A (zh) | 基于自学习的行人检测方法 | |
CN114299742B (zh) | 一种高速公路的限速信息动态识别与更新推荐方法 | |
CN104200670B (zh) | 一种基于车辆地磁感应特征的车辆车型识别方法 | |
CN111368879A (zh) | 一种基于深半监督神经网络的轨迹数据挖掘方法 | |
CN114169444A (zh) | 车辆跟驰工况下考虑风险势场分布的驾驶风格分类方法 | |
CN110705484A (zh) | 利用行车轨迹识别连续变更车道违法行为的方法 | |
CN113581188A (zh) | 一种基于车联网数据的商用车驾驶员驾驶风格识别方法 | |
CN114359877A (zh) | 基于融合特征的无人履带车辆道路类型识别方法和*** | |
CN116205024A (zh) | 一种面向高低维测评场景的自适应自动驾驶动态场景通用生成方法 | |
CN107862341A (zh) | 一种车辆检测方法 | |
CN110619340A (zh) | 一种自动驾驶汽车换道规则的生成方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |