智能网联汽车

Coordinating CAV swarms at intersections with a deep learning model
当前性能最好的协同决策算法.
张嘉玮, Shen Li, Li Li
PDF Cite Project DOI Follow
Coordinating CAV swarms at intersections with a deep learning model
CAVSim: a microscopic traffic simulator for evaluation of connected and automated vehicles
面向高级别自动驾驶技术的自动驾驶仿真平台.
张嘉玮, Cheng Chang, Zimin He, Wenqin Zhong, Danya Yao, Shen Li, Li Li
PDF Cite Code Project DOI Follow
CAVSim: a microscopic traffic simulator for evaluation of connected and automated vehicles
Analysis of cooperative driving strategies at road network level with macroscopic fundamental diagram
提出车辆群体“宏观-中观-微观”系统机理与分层管控路线，分析验证了车辆群体协同决策的核心问题.
张嘉玮, Huaxin Pei, Xuegang (Jeff) Ban, Li Li
PDF Cite Project DOI Follow
Analysis of cooperative driving strategies at road network level with macroscopic fundamental diagram
CAVSim: A microscope traffic simulator for connected and automated vehicles environment
面向高级别自动驾驶技术的自动驾驶仿真平台.
张嘉玮, Cheng Chang, Huaxin Pei, Xinyu Peng, Yuqing Guo, Renzong Lian, ZhenwuChen, Li Li
PDF Cite Code Project DOI Follow
CAVSim: A microscope traffic simulator for connected and automated vehicles environment
智能网联汽车协同决策
本项目重点研究智能网联汽车协同决策理论与应用，针对典型场景下的协同决策问题，提出了基于深度学习模型的协同决策算法、基于深度强化学习的协同泊车算法、协同决策容错与自愈算法等先进方法，实现了大规模场景下实时求解、效率最优、安全可信、容错自愈的协同决策性能，为智能网联汽车技术的综合落地应用奠定了理论基础。
车辆群体协同决策 多机器人智能泊车 智能群系统容错与自愈 协同决策理论研究
智能网联汽车协同决策
自动驾驶技术仿真测试
本项目重点研究自动驾驶仿真和测试相关课题，针对高级别智能驾驶系统仿真测试需求，研发了自动驾驶开源仿真平台，提出了自动驾驶智能测试方法和测试场景生成方法，并开发了自动驾驶实车系统，为高级别自动驾驶技术的研发、仿真、测试提供了平台与方法支撑。
自动驾驶仿真平台 自动驾驶实车系统 自动驾驶智能测试 自动驾驶场景生成
自动驾驶技术仿真测试
Adversarial Generation of Safety-Critical Lane-Change Scenarios for Autonomous Vehicles
一种通过深度强化学习有效生成关键场景的对抗性测试方法.
Zimin He, 张嘉玮, Danya Yao, Yi Zhang, Huaxin Pei
PDF Cite Project DOI Follow
Adversarial Generation of Safety-Critical Lane-Change Scenarios for Autonomous Vehicles