申请/专利权人：江苏濠汉信息技术有限公司

申请日：2021-10-28

公开（公告）日：2022-09-20

公开（公告）号：CN113989466B

主分类号：G06T19/00

分类号：G06T19/00;G06V10/80;G06V10/82;G06N3/04;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2022.09.20#授权;2022.02.18#实质审查的生效;2022.01.28#公开

摘要：本发明提供了一种基于事态认知的超视距辅助驾驶系统。超视距设备采集模块：用于通过预设的轨道车辆行驶路线上获取超视距设备的场景数据和车辆数据；云端网络模块：用于对所述轨道车辆超视距场景做全局检测，确定所述轨道车辆的全局态势认知数据和局部态势认知数据，并判断驾驶员是否能够观察到超视距场景；场景分配单元：用于在驾驶员的AR眼镜通过仿真技术显示所述全局态势认知数据和局部态势认知数据对应的场景数据。

主权项：1.一种基于事态认知的超视距辅助驾驶系统，其特征在于，包括：超视距设备采集模块：用于通过预设在轨道车辆行驶路线上的超视距设备，获取场景数据和车辆数据；云端网络模块：用于对所述轨道车辆超视距场景做全局检测，确定所述轨道车辆的全局态势认知数据和局部态势认知数据，并判断驾驶员是否能够观察到超视距场景；场景分配单元：用于在驾驶员的AR眼镜通过仿真技术显示所述全局态势认知数据和局部态势认知数据对应的场景；所述系统还包括：信息融合模块，用于将所述全局态势认知数据和局部态势认知数据对应的场景数据相结合；其具体步骤为：步骤1：基于神经网络算法，通过隐含层的神经元和输出层的神经元全连接，输出层接收来自隐含层的所有局部态势认知数据和全局态势认知数据；步骤2：初始化每一层中的每一个神经元所包含的权值和阈值；步骤3：输出层将隐含层的所有神经元对应的权值相乘后进行累加，并将所有的局部态势认知数据和全局态势认知数据进行分别融合；步骤4：把融合后的结果和前一次融合后输出层的结果进行比较，获得学习误差；其中，所述学习误差包括：局部态势认知数据的学习误差和全局态势认知数据的误差；步骤5：根据获得的学习误差调整每一个神经元的权值和阈值；如果学习误差为正值，则按照比例减小权值和阈值；如果学习误差为负值，则按照比例增大权值和阈值；步骤6：获取调整后的每一个神经元的权值和阀值，将全局态势认知数据和局部态势认知数据分别对应的神经元相结合，生成局部场景和全局场景；所述云端网络模块包括：检测单元：用于通过视频监控设备、传感设备和超声波设备反馈的数据依次输入至云端网络；全局认知单元：用于统计超视距的全局区域内各局部区域的轨道交通流量、行驶车速、交通流入流出量道路交通状态随时间的变化趋势；验证单元：用于将超视距设备进行全局事态认知学习，通过对各个局部交通态势的历史变化趋势，及各个局部交通态势之间的交通流入流出量之间的关联关系，进行全局交通态势变化规律的学习；学习方法是将全局交通态势根据交通流量、行驶车速、交通流入流出量等状态进行取值，构建随时间变化的不同维度的交通态势图，并使用深度卷积神经网络进行特征学习；局部态势认知单元：用于模拟各个局部区域的局部调度策略的决策，并获得基于各个局部区域调度策略的决策产生的模拟的局部交通态势结果，从而产生模拟的局部交通态势；通过设置不同的全局交通策略，各个局部区域将自主改变局部调度策略的决策，从而获得不同全局交通策略导致的局部态势认知数据；判断单元：用于根据所述全局态势认知数据和局部态势认知数据，判断驾驶员在驾驶时是否能直线观察到全局态势认知数据和局部态势认知数据。

全文数据：

权利要求：

百度查询： 江苏濠汉信息技术有限公司 一种基于事态认知的超视距辅助驾驶系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD