陈志军
- 作品数：163 被引量：97H指数：7
- 供职机构：武汉理工大学更多>>
- 发文基金：国家自然科学基金中央高校基本科研业务费专项资金国家科技支撑计划更多>>
- 相关领域：自动化与计算机技术交通运输工程机械工程电子电信更多>>
- 一种基于视频、激光雷达与DSRC的高速公路信息检测系统
- 本发明公开了一种基于视频、激光雷达与DSRC多源传感器信息融合高速公路信息检测系统，该系统包括：路侧子系统，路侧子系统按设定距离划分的路段进行设置，用以检测道路信息并将道路信息进行整合后发出；DSRC通讯模块，DSRC通...
- 陈志军陈德鹏吴超仲张明阳黄珍
- 文献传递
- 一种基于车车通讯的感知信息补偿系统与方法
- 本发明公开一种基于车车通讯的感知信息补偿系统与方法，系统内车辆均配置有能广播和数据交互的通讯模块，通过该通讯模块，本车向周围车辆广播自身GPS位置信息，同时接收其他车辆广播的GPS位置信息，本车根据其他车辆的GPS位置信...
- 陈志军胡军楠苏紫鹏张晶明陈秋实吴超仲
- 文献传递
- 一种基于交通路网选择的多车型配送优化方法
- 本发明公开一种基于交通路网选择的多车型配送优化方法，包括：获取各车型的车辆参数和节点位置信息,并进一步获取相邻两节点间所有可行路径的路况数据和行驶速度数据；将所述车辆参数、路况数据和行驶速度数据代入CMEM油耗量计算模型...
- 陈志军鲁哲刘姗栩邵逸宾杨弼凱柴世欣张学为刘洋林观果朱兴盛陈秋实张晶明刘泓宇
- 文献传递
- 基于DQN的车辆驾驶行为决策方法被引量：7
- 2020年
- 针对传统DQN算法下网联车驾驶行为决策的动作选择过程随机性强、探索空间大的问题,研究了结合专家知识和DQN算法的智能车辆决策框架,设计了奖励值函数来引导算法的训练。通过层次分析法(AHP)选取高速场景下车辆驾驶决策中的重要影响因素,利用ID3决策树构建简单而有效的专家规则库;在传统算法基础上,通过设计奖励值函数来优化DQN网络结构,由奖励值函数引导DQN算法来解决高速场景下的车辆决策问题,并在Python仿真环境中构建高速交通场景对该算法进行分析和验证。实验结果表明,在高速直道和并道场景下,达到95%成功率的平均训练次数分别减少了100次和200次,平均奖励值分别提高了4.02和1.34,有效加快了DQN算法的动作选择,降低了探索过程中的动作随机性。
- 罗鹏黄珍秦易晋陈志军
- 关键词：智能驾驶专家知识
- 一种车辆手动档位监测装置
- 本发明涉及一种车辆手动档位监测装置，它包括连杆，所述连杆的一端与档杆的下端连接，连杆上设有四个光电传感器，其中的第一光电传感器、第二光电传感器的指向平行于连杆径向移动方向，第三光电传感器，第四光电传感器的指向平行于连杆轴...
- 吴超仲陈志军黄珍张良力
- 基于车体扫掠模型的地下无人矿车路径优化方法及系统
- 本发明公开一种基于车体扫掠模型的地下无人矿车路径优化方法及系统，方法包括：构建地下矿区的可行驶区域；基于可行驶区域获取采样点，基于贝塞尔曲线以及多项式曲线进行曲线拟合以构建车体扫掠模型；基于车体扫掠模型，以左右扫掠边界与...
- 陈志军吴鑫意冷姚吴曦曦张晶明罗鹏吴超仲
- 融合个性化驾驶风格的智能车驾驶地图生成方法及系统
- 本发明公开一种融合个性化驾驶风格的智能车驾驶地图生成方法，包括：获取车辆的位置数据、运动数据、地图数据、道路环境图像数据、点云数据，及驾乘者的驾驶风格数据；基于道路环境图像数据、点云数据识别道路目标物；基于位置数据、运动...
- 陈志军宋春辉吴超仲张晶明苏紫鹏余锦秋
- 机动车驾驶人不稳定性驾驶状态检测预警装置与方法
- 机动车驾驶人不稳定性驾驶状态检测预警装置，包括陀螺仪传感器、加速度计、处理装置和预警装置，处理装置用于将陀螺仪传感器和加速度计采集的车辆运动信息转换为不稳定驾驶状态识别指标，并根据不稳定驾驶状态识别指标判别驾驶人是否处于...
- 吴超仲陈志军褚端峰严新平
- 文献传递
- 一种基于车路协同的行人防碰撞系统和方法
- 本发明公开了一种基于车路协同的行人防碰撞系统和方法，所述系统包括车载模块、路侧模块、车路通信模块、中央处理模块、显示与控制模块。路侧模块与车载模块之间通过车路通信模块进行信息交互，二者的数据一起发送给中央处理模块，中央处...
- 吕能超旷权吴超仲张瑀王文友尹佳成秦润轩郭彦刚黄钢陈志军
- 文献传递
- 考虑驾驶风格的智能车自主驾驶决策方法被引量：9
- 2020年
- 为了提升智能车类人驾驶水平,提供符合驾乘者驾驶习惯的个性化驾驶服务,改进了DDPG算法并设计智能车驾驶决策系统,学习不同风格的个性化驾驶策略。招募20位驾驶人参加基于仿真平台的模拟驾驶实验,采集驾驶数据。运用相关性检验方法选择个性化驾驶评价指标,使用K-means聚类方法将驾驶风格进行分类。在基础DDPG算法的输出部分加入线性变换过程,形成改进的个性化驾驶决策学习算法,进而构建个性化自主驾驶系统,以3种驾驶风格作为学习目标,调节线性变换参数,在线训练并测试算法。结果表明,提出的方法比基础算法收敛速度提升21.3%。算法在测试场景中,保持了高于驾驶人的横向控制水平,车道偏移量下降73.0%,且驾驶的车辆未与道路外侧护栏发生碰撞。聚类结果显示,算法通过调节线性变换参数,能够有效学习不同的驾驶风格。
- 王鑫鹏陈志军吴超仲熊盛光
- 关键词：智能交通自动驾驶智能车辆
