作者： Wen, Zoutao¹; Tan, Huachun^{1, 2}; Yu, Bo¹; Zhao, Yanan³

出处： 35th IEEE Intelligent Vehicles Symposium, IV 2024 38 Sinhwayeoksa-ro 304 beon-gil, Andeok-myeon Seogwipo-si, Jeju Island, Korea, Republic of 2024

会议录： 1424-1429

作者： Li, Bin¹;Zhao, Yanan²;Tan, Huachun^1,3,4 （¹Southeast Univ, Sch Transportat, Nanjing 211189, Peoples R China.;²Beijing Inst Technol, Sch Mech Engn, Beijing 100081, Peoples R China.;³Beijing Inst Technol, Dept Transportat Engn, Zhuhai 519088, Peoples R China.;⁴Univ Elect Sci & Technol China, Shenzhen Inst Adv Study, ShenSi Lab, Shenzhen 518110, Peoples R China.）

出处： SENSORS 2024 Vol.24 No.13

关键词： LIDAR

摘要： Vehicle-infrastructure cooperative perception is becoming increasingly crucial for autonomous driving systems and involves leveraging infrastructure's ...

作者： Feng, Jianshuai¹;Shi, Tianyu²;Wu, Yuankai³;Xie, Xiang⁴;He, Hongwen¹;Tan, Huachun⁵ （¹Beijing Inst Technol, Sch Mech Engn, Beijing 100081, Peoples R China.;²Univ Toronto, Intelligent Transportat Syst Ctr, Toronto, ON M5S 1A4, Canada.;³Sichuan Univ, Natl Key Lab Fundamental Sci Synthet Vis, Chengdu 610065, Peoples R China.;⁴Beijing Inst Technol, Sch Informat & Elect, Beijing 100081, Peoples R China.;⁵Beijing Inst Technol, Adv Res Inst Multidisciplinary Sci, Beijing 100081, Peoples R China.）

出处： SENSORS 2023 Vol.23 No.10

关键词： OPTIMAL COORDINATION; TRAFFIC FLOW; CONGESTION; MODEL

摘要： In advanced transportation-management systems, variable speed limits are a crucial application. Deep reinforcement learning methods have been shown to ...

作者： Yang,Fan¹;Zhao,Yanan¹;Gao,Li¹;Tan,Huachun¹;Liu,Weijin²;Chen,Xue-mei¹;Yang,Shijuan¹;

出处： 6th Chinese Conference on Pattern Recognition and Computer Vision, PRCV 2023 Xiamen 2023

会议录： Vol.14427 LNCS 376-387

摘要： Lane detection needs to meet the real-time requirements and efficiently utilize both local and global information on the feature map. In this paper, w ...

作者： 张海龙 （导师：谭华春）

学位名称： 硕士

出处： 北京理工大学 2018

关键词： 自学习能量管理；插电式混合动力公交；深度强化学习；连续空间

摘要： 插电式混合动力汽车以其节能减排方面的优势成受到行业关注。本文以插电式同轴混联公交为研究对象,重点关注基于连续空间深度强化学习的插电式混合动力公交的能量管理策略。分析同轴双电机动力系统的工作模式,根据整车参数以及动力性需求完成动力系统各部件参数匹配。采用搭建后向仿真方式搭建插电式混合动力公交模型,通过 ...

作者： 刘华鹏 （导师：谭华春）

学位名称： 硕士

出处： 北京理工大学 2018

关键词： 插电式混合动力车辆；能量管理策略；模型预测控制；工况预测模型；深度学习；深度残差网络；卷积网络；深度神经网络；动态规划

摘要： 近些年,由于城市环境持续恶化、雾霾频发、石油资源消耗增长,国家政府多次在重大会议上强调发展新能源车辆的重要性。但目前电池发展陷入瓶颈,纯电动车辆一直以来因为续航问题得不到大范围的普及。而插电式混合动力车辆因为在能源消耗与续驶里程上取得了很好的平衡,成为了目前最具实用性的研究方向之一。本文提出了基于深 ...

作者： 蒋竺希 （导师：谭华春）

学位名称： 硕士

出处： 北京理工大学 2017

关键词： 驾驶行为；深度强化学习；节能控制策略；电动车辆；智能控制

摘要： 驾驶行为是影响电动车辆行驶能耗的主要因素之一,在相同的道路上,不同的驾驶行为将导致差异较大的车辆行驶能耗。对驾驶行为的优化能有效降低电动车辆的行驶能耗。然而,车辆的驾驶行为受很多因素的综合影响,如车辆自身状态、交通环境状态、天气地理信息等,目前的驾驶行为分析方法难以在统一的框架下对各种复杂影响因素进 ...

作者： 钟智宇 （导师：谭华春）

学位名称： 硕士

出处： 北京理工大学 2017

关键词： 电动汽车行程能耗预测；里程焦虑；深度学习；递归神经网络；注意力机制

摘要： 发展电动汽车,是解决现阶段环境污染、石油资源枯竭等问题的重要途径。在电动汽车使用过程中,由于电池容量的限制,里程焦虑成为了影响驾驶体验的最主要因素之一。对电动汽车的行程能耗进行鲁棒准确的预测,可以指导驾驶员合理分配电量,缓解里程焦虑。然而,目前的电动汽车行程能耗预测方法由于没有考虑到车辆行驶过程中交 ...

作者： 王芃晔 （导师：谭华春）

学位名称： 硕士

出处： 北京理工大学 2017

关键词： 张量火车分解；张量填充；交通大数据

摘要： 随着数据存储技术的发展和采集方式的增加,传统的交通数据逐渐发展为交通大数据。交通大数据的充分利用也逐渐成为现代交通相关研究的基础。然而,设备故障或异常天气常常会引起大量的数据丢失现象,快速、准确地填充缺失的交通大数据已成为学术界研究的热点。张量填充是缺失交通数据填补最行之有效的方法之一,但是,现有张 ...

作者： 轩萱 （导师：谭华春）

学位名称： 硕士

出处： 北京理工大学机械与车辆学院 2016

关键词： 短时交通流预测；深度学习；深度神经网络；贝叶斯理论；特征共享

摘要： 准确实时的交通流预测对解决拥堵、满足人们对高效出行的需求、实现高效交通控制和诱导等具有重要现实意义。本文对将深度学习应用到短时交通流预测问题进行了研究。通过实验对比了多种深度模型在短时交通流预测问题中的适用性及优势，并提出了一种融合多种深度学习网络的交通流预测模型。具体工作如下：首先，应用深度学习方 ...