吕宜生
- 作品数:101 被引量:264H指数:6
- 供职机构:中国科学院自动化研究所更多>>
- 发文基金:国家自然科学基金国家高技术研究发展计划山东省“泰山学者”建设工程项目更多>>
- 相关领域:自动化与计算机技术交通运输工程经济管理文化科学更多>>
- 网约车和出租车的综合调度系统及方法
- 本发明属于车辆调度领域,具体涉及一种网约车和出租车的综合调度系统及方法。旨在解决网约车和出租车调度系统相互隔离,不能统一调度的问题。本发明的网约车和出租车的综合调度系统包括中心平台系统、车辆终端设备、用户终端设备。中心平...
- 朱凤华韩双双王飞跃赵红霞吕宜生熊刚董西松
- 文献传递
- 出行轨迹生成方法、装置、电子设备及存储介质
- 本发明提供一种出行轨迹生成方法、装置、电子设备及存储介质,其中出行轨迹生成方法包括:获取开始标记及语义信息;将开始标记及语义信息输入至目标生成对抗网络模型的生成器中,输出包含语义信息的目标模拟出行轨迹;其中,目标生成对抗...
- 吕宜生李志帅熊刚王飞跃
- 自动驾驶技术的挑战与展望被引量:7
- 2018年
- 随着科技革命的深入推进,人类社会进入万物互联、万物智能的智能化新时代.自动驾驶技术在人工智能和汽车行业的飞速发展下逐渐成为业界焦点.未来交通是什么样的格局?汽车产业和技术应该朝什么方向发展?本文分别从环境感知、自主决策、路径规划、驾驶员认知与人机共驾、网联自动驾驶等技术入手,回顾了过去十几年中自动驾驶技术发展的几个主要分支.同时,分析了自动驾驶技术各部分目前面临的困境和挑战.最后,讨论了一种可以有效改善自动驾驶车辆安全性、高效性和舒适性的方法,即云端化网联自动驾驶技术. 一、自动驾驶:概述与定义 近年来,自动驾驶技术已经成为全世界汽车产业的最新发展方向.与传统汽车相比,自动驾驶汽车能够有效地提升车辆的安全性、通行效率和舒适性.随着人工智能技术的全面推广,自动驾驶技术呈现高速发展的态势,主要体现在环境感知、决策与规划、控制与执行、高精度地图和实时定位等技术的发展.
- 王飞跃曹东璞李升波邢阳郭洪艳吕宜生李力吴甘沙
- 关键词:网联万物人工智能汽车产业
- 融合时空特征的端到端自动驾驶车辆转向角预测被引量:1
- 2022年
- 端到端自动驾驶系统可完成从感知输入到车辆控制输出的直接映射,已成为当前无人驾驶研究的一个重要方向。显然,在动态环境中自主驾驶车辆需要具有处理时空信息的能力,以实现精确平滑的车辆运动控制。为此,提出一种新的时空信息融合模型,在双流卷积网络(Two-stream CNN)的基础上引入门控循环单元(GRU)网络来实现端到端自动驾驶车辆转向角预测。该模型利用RGB图像、基于运动的光流图像和门控循环单元网络来融合连续多帧驾驶场景的空间特征与时间特征。首先通过双流卷积网络的2组卷积网络分支提取特征,一组分支从RGB图像中提取空间特征,另一组分支从光流中学习时间特征;然后利用门控循环单元网络对具有短时依赖关系的特征进行建模;最后,融合时间与空间特征,得到转向角预测结果。提出的结合门控循环单元的双流卷积模型(Two-stream C-GRU)获取的时间动态不仅依赖于表示前后2帧图像位移的光流,也与连续多帧图像相关。在真实驾驶场景数据集上进行模型的测试工作,试验结果表明:提出的时空模型在驾驶转向角预测的准确度和平稳性方面效果显著,优于其他主流时空模型;其中,对比基本的双流卷积网络,该模型在测试集1上的转向角预测精度和稳定度分别提高了20%和6%,在测试集2上分别提高了5%和10%。
- 吕宜生刘雅慧陈圆圆陈圆圆
- 关键词:交通工程无人驾驶
- 一种短程行驶时间预测方法
- 本发明公开一种短程行驶时间预测方法,包括以下步骤:步骤S1:利用交通数据采集装置进行数据采集并对采集的数据采用归一化方法进行预处理;步骤S2:应用预处理好的数据,训练堆叠自编码器深度网络,得到最优网络结构和对应参数,生成...
- 熊刚亢文文朱凤华王飞跃吕宜生董西松
- 基于稀疏卷积神经网络的模型压缩方法、系统及相关设备
- 本发明涉及深度学习技术领域,具体涉及一种基于稀疏卷积神经网络的模型压缩方法、系统及相关设备,旨在减轻模型对资源的占用。本发明的压缩方法包括:对模型进行稀疏正则化训练得到待压缩模型;根据待压缩模型各卷积层与BN层的参数,计...
- 朱凤华韦越陈世超陈圆圆吕宜生熊刚叶佩军王飞跃
- 文献传递
- 调度策略调整方法、装置、电子设备及存储介质
- 本发明提供一种调度策略调整方法、装置、电子设备及存储介质,包括:基于延误信息,确定当前列车运行图;基于策略调整模型,对当前列车运行图进行迭代策略调整,得到调整策略;在迭代策略调整过程中,应用决策数据,以总延误时间最少为目...
- 王飞跃吕宜生王晓王银
- 大规模点云语义分割方法及系统
- 本发明涉及一种大规模点云语义分割方法及系统,所述语义分割方法包括:提取待识别点云的逐点特征,所述待识别点云由多个待识别点构成;基于各待识别点的点云空间信息,将各逐点特征逐步编码,得到对应的点云特征;将各点云特征逐步解码,...
- 朱凤华董秋雷范嗣祺叶佩军吕宜生田滨王飞跃
- 文献传递
- 基于电动-机动车混合交通流模型的单路口交通信号控制方法
- 中国经济持续快速发展,城市化水平不断提高,在我国迅速发展的三四线城市中,电动自行车己成为出行的主要交通工具之一.提出了一种基于电动自行车-机动车混合交通流模型,在此模型的基础上,得到了混合交通流情况下的平均延误公式.分别...
- 刘裕良吕宜生段艳杰陈圆圆
- 关键词:交通信号控制电动自行车机动车混合交通流
- 基于多核自适应网络的高速公路交通流预测方法被引量:1
- 2021年
- 针对高速公路各路段交通流信息差异较大这一现象,为提高交通流预测准确率,将注意力机制引入卷积神经网络,建立描述交通流时空关联特征的多核自适应网络(Multi-Kernel Adaptive Network,MKAN)。首先对输入的历史交通流数据进行多分支卷积,获得不同尺度的交通流特征;然后根据输入信息自适应调整各卷积分支权重并对各分支多通道特征图进行加权融合;最后根据融合特征图,利用多层感知机预测下一时段交通流。基于加州交通运输部性能测试系统中的高速公路交通流数据设计实验进行模型验证和对比分析。实验结果表明,在大多数站点,MKAN模型的预测均方根误差和平均绝对误差低于长短期记忆网络、门控循环单元、K近邻算法和支持向量回归模型,对140号站点进行全天交通流预测,在1d内的各时段,MKAN模型预测绝对误差均小于其他对比模型;相比于单核卷积神经网络,在绝大多数站点,MKAN模型预测结果的均方根误差和平均绝对误差降低7%以上,对31号站点进行全天交通流预测,在1d内的大多数时段,MKAN模型预测绝对误差小于其他单核卷积神经网络。实验证明,多核自适应网络可有效提高交通流预测准确率,其预测效果优于部分传统预测模型和单核卷积神经网络。
- 习金浩孟峰朱凤华贺正冰李润梅吕宜生
- 关键词:城市交通交通流预测高速公路交通流