CN105118329B - 一种消解无信号交叉口两车交通冲突的方法 - Google Patents
一种消解无信号交叉口两车交通冲突的方法 Download PDFInfo
- Publication number
- CN105118329B CN105118329B CN201510523763.9A CN201510523763A CN105118329B CN 105118329 B CN105118329 B CN 105118329B CN 201510523763 A CN201510523763 A CN 201510523763A CN 105118329 B CN105118329 B CN 105118329B
- Authority
- CN
- China
- Prior art keywords
- cars
- intersection
- time
- car
- conflict
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 26
- 239000011159 matrix material Substances 0.000 claims description 19
- 230000001133 acceleration Effects 0.000 claims description 12
- 230000000052 comparative effect Effects 0.000 claims description 9
- 230000035772 mutation Effects 0.000 claims description 5
- 238000010606 normalization Methods 0.000 claims description 5
- 230000006978 adaptation Effects 0.000 claims description 3
- 230000010354 integration Effects 0.000 claims description 3
- 230000033001 locomotion Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000013475 authorization Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000029087 digestion Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种消解无信号交叉口两车交通冲突的方法,主要解决交叉口两车碰撞的问题。本发明的具体思路是,首先采集两车信息,根据两车到达交叉口的时间,预判交叉口两车是否冲突;其次建立层次分析结构确定冲突车辆的优先级;然后采用PID控制器控制两车到达冲突域的时间来消解冲突,并对PID控制器的参数进行优化;最后,建立博弈模型对冲突消解策略进行优化,使两车最短时间通过交叉口。本发明中采用比例积分微分PID控制器控制两车到达冲突域的时间来消解冲突,并对PID控制器的参数进行优化,提高了两车消解冲突的效率,减少了交叉***通冲突的发生。
Description
技术领域
本发明属于通信技术领域,更进一步涉及一种消解无信号交叉口两车交通冲突的方法。本发明可用于无信号交叉口场景的两车冲突预判及消解,根据两车到达交叉口的时间,预判交叉口两车是否冲突,若发生冲突,建立层次分析结构确定冲突车辆的优先级,采用比例积分微分PID控制器消解冲突,并对比例积分微分PID控制器的参数进行优化,建立博弈模型对冲突消解策略进行优化,提高了车辆通过交叉口的安全性和高效性。
背景技术
目前各城市通常采用交通信号控制和交通渠化的方式减少交通冲突,但是对于交叉口流量相对较小的交叉口,这些方式势必会造成资源上的浪费。随着智能交通***的发展,智能车辆是当前研究的热点,智能车辆可以通过车与车之间的信息交互而获得全信息的驾驶环境,通过在车辆的控制***中嵌入消解冲突的控制方法就能达到自动消解冲突的目的。
北京航空航天大学拥有的专利技术“一种消解无信号交叉口两车交通冲突的方法”(授权公告号CN102368351A,申请号201110319331.8)公开了一种消解无信号交叉口两车交通冲突的方法。该方法首先通过采集车辆信息并进行预处理,然后根据所得的信息判断是否存在冲突危险并对冲突类型进行判断,最后通过调节车辆的纵向运动来消解冲突。该方法存在的不足之处是,首先,该方法只根据交通规则来判定车辆的优先级,可能引起驾驶员事故责任不清楚的问题,其次,该方法虽然在一定程度上可以提高车辆的安全性,没有采用控制器来控制,控制精度不够,最后,该方法没有对冲突消解策略进行优化,造成冲突消解策略执行效率不高的问题。
胡佳在其发表的论文“交叉口汽车冲突及避撞方式有效性分析”(湖南大学硕士学位论文,2004,10)中分别建立了十字形交叉口和T字形交叉口的冲突简化模型,通过比较两车车头进入冲突区和车尾离开冲突区的时间大小关系推导得出碰撞判断准则,最后从智能交通***的角度提出了交叉口避撞的构想。该方法存在的不足之处是,不仅需要采集自车与他车的状态信息,还需采集交叉口的地理位置信息,进行冲突判断和消解所需要的数据信息过多。
郭伟伟,曲昭伟,王殿海在其发表的论文“交通冲突判别模型”(《吉林大学学报》工学版,2011,41(1):35-40)中以运动学理论为基础,首先描述冲突对象的运动轨迹,然后分析冲突对象之间的运动规律,最后建立描述临界冲突区域的模型,确定冲突发生判别的标准,该方法存在的不足之处是,该模型并没有提供消解车辆冲突的方法。
由于消解冲突的准确性和高效性要求,研究一种信息处理量小、可靠性高的冲突消解方法对于改善行车安全性,提高交叉口通行效率具有重要的现实意义。
发明内容
本发明的目的在于克服上述现有技术的不足,提出一种消解无信号交叉口两车交通冲突的方法。本发明通过预判交叉口两车是否冲突,采用比例积分微分PID控制器控制两车到达冲突域的时间消解冲突,并对比例积分微分PID控制器的参数进行优化。
为实现上述目的,本发明提出的消解无信号交叉口两车交通冲突的方法实现的具体思路是:首先采集车辆信息,根据两车到达冲突域的时间,预判交叉口两车是否冲突;其次建立层次分析结构确定两车到达冲突域的优先级;然后采用比例积分微分PID控制器控制两车到达冲突域的时间消解冲突,并对比例积分微分PID控制器的参数进行优化;最后,建立博弈模型对冲突消解策略进行优化,使两车最短时间通过交叉口。
本发明实现上述目的的具体步骤如下:
(1)采集两车信息:
分别采集两车的速度、加速度以及两车分别与冲突域之间的距离信息;
(2)利用车辆动力学方程,分别预测两车到达冲突域的时间;
(3)判断两车到达冲突域的相隔时间是否大于时间阈值,若是,执行步骤(4),否则,执行步骤(1);
(4)确定两车到达冲突域的优先级:
(4a)将两车距无信号交叉口距离、车型、车流量、两车到达时间作为层次分析结构的因素层,将两车到达冲突域优先顺序的标准作为层次分析结构的决策层,建立层次分析结构;
(4b)分别对因素层中的两车距无信号交叉口距离、车型、车流量、两车到达时间因素进行两两比较,将比较结果构成一个判断矩阵;
(4c)采用权重公式,计算因素层中各因素的权重;
(4d)将因素层中各因素的权重最大的因素作为两车到达冲突域优先级的标准,确定优先通行的车辆;
(5)确定两车冲突消解策略:
(5a)将比例积分微分PID控制器的比例项系数、积分项系数、微分项系数作为种群个体,随机产生一个初始种群;
(5b)按照下式,计算两车与冲突域的绝对距离:
f=|L1-L2|
其中,f表示两车与冲突域的绝对距离,L1、L2分别表示两车距冲突域的距离,|·|表示绝对值操作;
(5c)将两车与冲突域的绝对距离作为适应度,初始种群个体按照适应度从大到小进行排序;
(5d)采用二进制编码方案,八个二进制表示一个因子,三个因子组成一个码串,对比例积分微分PID控制器的比例项系数、积分项系数、微分项系数进行编码;
(5e)按照下式,计算初始种群个体被选择的概率:
其中,Pi表示初始种群个体xi被选择的概率,f(xi)表示初始种群个体xi的适应度,N表示初始种群的个体数,∑表示求和操作;
(5f)将初始种群个体按照初始种群个体被选择的概率从大到小进行两两配对,并对配对的两个初始种群个体进行交叉操作,得到交叉后的种群个体;
(5g)对交叉后的种群个体进行变异操作;
(5h)判断初始种群个体的最大适应度变化是否小于适应度变化阈值,若是,执行步骤(5i),否则,执行步骤(5a);
(5i)将适应度最大个体的比例项系数、积分项系数、微分项系数作为最优解输出;
(5j)按照下式,计算时间间隔的期望值:
e(t)=T-ΔT
其中,e(t)表示时间间隔的期望值,T表示时间阈值,ΔT表示两车到达冲突域的相隔时间;
(5k)将选出的适应度最大个体的比例项系数、积分项系数、微分项系数作为比例积分微分PID控制器的参数,按照下式,计算时间间隔的控制量:
u(t)=Kp*e(t)+Ki∫e(t)dt+Kde'(t)
其中,u(t)表示时间间隔的控制量,Kp表示比例积分微分PID控制器的比例项系数,e(t)表示时间间隔的期望值,Ki表示比例积分微分PID控制器的积分项系数,∫·dt表示积分操作,Kd表示比例积分微分PID控制器的微分项系数;
(6)优化两车冲突消解策略:
(6a)将两车作为博弈的参与者,将两车“加速”和“减速”两种状态作为博弈的策略集,建立两车交叉口博弈模型;
(6b)按照下式,计算两车加速通过交叉口的时间增益:
Y1=-ap+b(1-p)
其中,Y1表示两车加速通过交叉口的时间增益,a表示两车在交叉口减速的增益,p表示两车在交叉口加速的概率,b表示两车在交叉口加速的增益,1-p表示两车在交叉口减速的概率;
(6c)按照下式,计算两车减速通过交叉口的时间增益:
Y2=-bp-b(1-p)
其中,Y2表示两车减速通过交叉口的时间增益,b表示两车在交叉口加速的增益,p表示两车在交叉口加速的概率,1-p表示两车在交叉口减速的概率;
(6d)判断两车加速通过交叉口的时间增益与两车减速通过交叉口的时间增益是否相等,若是,执行步骤(6e),否则,执行步骤(6a);
(6e)按照下式,计算两车在交叉口加速的概率:
其中,p表示两车在交叉口加速的概率,a表示两车在交叉口减速的增益,b表示两车在交叉口加速的增益;
(6f)按照下式,计算两车通过交叉口的最短时间:
Y=pF(T1+T2)
其中,Y表示两车通过交叉口的最短时间,p表示两车在交叉口加速的概率,F(·)表示归一化操作,T1、T2分别表示两车到达冲突域的时间。
与现有技术相比,本发明具有以下优点:
第一,本发明中只需要采集两车的速度、加速度以及两车分别与冲突域之间的距离信息,通过预测两车到达时间,就可判断两车是否发生碰撞,克服了现有技术中不仅需要采集自车与他车的状态信息,还需采集交叉口的地理位置信息,进行冲突判断和消解所需要的数据信息过多的问题,使得本发明提高了冲突预判效率。
第二,本发明中通过将车辆距无信号交叉口距离、车型、车流量、车辆到达时间建立层次分析结构判定冲突车辆的优先级,克服了现有技术中只根据交通规则判定车辆优先级,可能引起驾驶员事故责任不清楚的问题,使得本发明提高了冲突车辆优先级判定的精度。
第三,本发明中采用比例积分微分PID控制器控制两车到达冲突域的时间来消解冲突,并对比例积分微分PID控制器的参数进行优化,比例积分微分PID控制器结构简单,控制精度高,克服了现有技术中没有采用控制器控制或控制精度不够的问题,使得本发明提高了消解冲突的效率。
第四,本发明中通过建立两车交叉口博弈模型对冲突消解策略进行优化,使两车最短时间通过交叉口,克服了现有技术中没有对冲突消解策略进行优化,造成冲突消解策略执行效率不高的问题,使得本发明提高了消解冲突策略的执行效率。
附图说明
图1为本发明实施例的应用场景示意图;
图2为本发明的流程图;
图3为本发明实施例确定两车到达冲突域优先级的流程图;
图4为本发明实施例比例积分微分PID控制器参数优化的流程图。
具体实施方式
下面结合附图对本发明做进一步的描述。
本发明具体实施的应用场景如附图1所示,图1中的粗实线所限定的区域表示交叉口,长方形所限定的区域表示冲突域。
参照附图2,本发明具体实施步骤如下。
步骤1,采集两车信息。
分别采集两车的速度、加速度以及两车分别与冲突域之间的距离信息。
步骤2,利用车辆动力学方程,分别预测两车到达冲突域的时间。
车辆动力学方程如下:
T1=u/a1*(-V1+(V1 2+2*a1*L1))
T2=u/a2*(-V2+(V2 2+2*a2*L2))
ΔT=T2-T1
其中,T1、T2分别表示两车到达冲突域的时间,V1、V2分别表示两车的速度,a1、a2分别表示两车的加速度,*表示相乘操作,L1、L2分别表示两车距冲突域的距离,u表示汽车加速与减速的判断标准,加速时为1,减速时为-1,ΔT表示两车到达冲突域的相隔时间。
步骤3,判断两车到达的相距时间是否大于时间阈值,若是,执行步骤4,否则,执行步骤1。
时间阈值由下式得到:
其中,T表示时间阈值,S表示两车间安全距离,S的取值范围为2~4米,表示两车到达冲突域的平均速度。
步骤4,确定两车到达冲突域的优先级。
参照附图3,本发明确定两车到达冲突域的优先级的具体实施步骤如下。
第1步,将两车距无信号交叉口距离、车型、车流量、两车到达时间作为层次分析结构的因素层,将两车到达冲突域优先级的标准作为层次分析结构的决策层,建立层次分析结构。
所建的层次分析结构以下表1所示:
表1 层次分析结构表
其中,决策层表示两车到达冲突域优先级的标准,因素层包括两车距无信号交叉口距离、车型、车流量、两车到达时间。
第2步,分别对因素层中的两车距无信号交叉口距离、车型、车流量、两车到达时间因素进行两两比较,将比较结果构成一个判断矩阵。
所建的判断矩阵的赋值标准以下表2所示:
表2 判断矩阵的赋值标准表
赋值 | 标准 |
1 | 同等重要 |
2 | 介于同等重要与稍微重要之间 |
3 | 稍微重要 |
4 | 介于稍微重要与明显重要之间 |
5 | 明显重要 |
6 | 介于明显重要与强烈重要之间 |
7 | 强烈重要 |
8 | 介于强烈重要与极端重要之间 |
9 | 极端重要 |
其中,判断矩阵的赋值有9个标准,分别为同等重要、介于同等重要与稍微重要之间、稍微重要、介于稍微重要与明显重要之间、明显重要、介于明显重要与强烈重要之间、强烈重要、介于强烈重要与极端重要之间、极端重要。
根据表2中判断矩阵的赋值标准,构造的判断矩阵为:
其中,X表示判断矩阵。
第3步,采用权重公式,计算因素层中各因素的权重。
权重公式如下:
X×W=α×W
其中,X表示判断矩阵,W表示层次分析结构因素的权重,α表示由矩阵实验室MATLAB中的eig函数得到判断矩阵的最大特征值。
由矩阵实验室MATLAB中的ei g函数求得判断矩阵的最大特征值为α=4.1085。
所建的各因素权重以下表3所示:
表3 各因素权重表
因素层 | 权重W |
两车距无信号交叉口距离 | 0.5814 |
车型 | 0.1136 |
车流量 | 0.0810 |
两车到达时间 | 0.2241 |
第4步,将因素层中各因素的权重最大的因素作为两车到达冲突域优先级的标准,确定优先通行的车辆。
根据因素层中各因素的权重表,将两车距无信号交叉口距离作为两车到达冲突域优先级的标准,确定距无信号交叉口距离近的车辆为优先通行的车辆。
步骤5,确定两车冲突消解策略。
参照附图4,本发明比例积分微分PID控制器参数优化的具体实施步骤如下。
第1步,将比例积分微分PID控制器的比例项系数、积分项系数、微分项系数作为种群个体,随机产生一个初始种群。
第2步,按照下式,计算两车与冲突域的绝对距离:
f=|L1-L2|
其中,f表示两车与冲突域的绝对距离,L1、L2分别表示两车距冲突域的距离,|·|表示绝对值操作。
第3步,将两车与冲突域的绝对距离作为适应度,初始种群个体按照适应度从大到小进行排序。
第4步,采用二进制编码方案,八个二进制表示一个因子,三个因子组成一个码串,对比例积分微分PID控制器的比例项系数、积分项系数、微分项系数进行编码。
第5步,按照下式,计算初始种群个体被选择的概率:
其中,Pi表示初始种群个体xi被选择的概率,f(xi)表示初始种群个体xi的适应度,N表示初始种群的个体数,∑表示求和操作。
第6步,将初始种群个体按照初始种群个体被选择的概率从大到小进行两两配对,并对配对的两个初始种群个体进行交叉操作,得到交叉后的种群个体。
交叉操作是指,选取一个初始种群个体中任意70%的位,选取与之配对的初始种群个体中的对应位,交换这两个初始种群个体中已选取的位。
第7步,对交叉后的种群个体进行变异操作。
变异操作是指,任意选取一个初始种群个体中1%的位,将选取位上的值替换为相反值。
第8步,判断初始种群个体的最大适应度变化是否小于适应度变化阈值,若是,执行第9步,否则,执行第1步。
本发明实施例中适应度变化阈值取0.01。
第9步,将适应度最大的个体的比例项系数、积分项系数、微分项系数作为最优解输出。
第10步,按照下式,计算时间间隔的期望值:
e(t)=T-ΔT
其中,e(t)表示时间间隔的期望值,T表示时间阈值,ΔT表示两车到达冲突域的相隔时间。
第11步,将选出的适应度最大个体的比例项系数、积分项系数、微分项系数作为比例积分微分PID控制器的参数,按照下式,计算时间间隔的控制量:
u(t)=Kp*e(t)+Ki∫e(t)dt+Kde'(t)
其中,u(t)表示时间间隔的控制量,Kp表示比例积分微分PID控制器的比例项系数,e(t)表示时间间隔的期望值,Ki表示比例积分微分PID控制器的积分项系数,∫·dt表示积分操作,Kd表示比例积分微分PID控制器的微分项系数。
步骤6,优化两车冲突消解策略。
第1步,将两车作为博弈的参与者,将两车“加速”和“减速”两种状态作为博弈的策略集,建立两车交叉口博弈模型。
两车交叉口博弈模型的参与者为{V1 V2},策略集为{加速 减速},效用函数表示为两车通过交叉口最短时间。两车通过交叉口最短时间用混合策略纳什均衡方法求得。
设如果两车在交叉口都减速,时间增益都为a;如果一方减速,而一方加速,加速的一方会有b个单位的时间增益,而减速的一方时间增益为a;如果双方都加速,均有b个单位的时间增益。
第2步,按照下式,计算两车加速通过交叉口的时间增益:
Y1=-ap+b(1-p)
其中,Y1表示两车加速通过交叉口的时间增益,a表示两车在交叉口减速的增益,p表示两车在交叉口加速的概率,b表示两车在交叉口加速的增益,1-p表示两车在交叉口减速的概率。
第3步,按照下式,计算两车减速通过交叉口的时间增益:
Y2=-bp-b(1-p)
其中,Y2表示两车减速通过交叉口的时间增益,b表示两车在交叉口加速的增益,p表示两车在交叉口加速的概率,1-p表示两车在交叉口减速的概率。
第4步,判断两车加速通过交叉口的时间增益与两车减速通过交叉口的时间增益是否相等,若是,执行第5步,否则,执行第1步。
第5步,按照下式,计算两车在交叉口加速的概率:
其中,p表示两车在交叉口加速的概率,a表示两车在交叉口减速的增益,b表示两车在交叉口加速的增益。
第6步,按照下式,计算两车通过交叉口的最短时间:
Y=pF(T1+T2)
其中,Y表示两车通过交叉口的最短时间,p表示两车在交叉口加速的概率,F(·)表示归一化操作,T1、T2分别表示两车到达冲突域的时间。
归一化操作通过矩阵实验室MATLAB中的mapminmax函数求得。
Claims (7)
1.一种消解无信号交叉口两车交通冲突的方法,其步骤包括如下:
(1)采集两车信息:
分别采集两车的速度、加速度以及两车分别与冲突域之间的距离信息;
(2)利用车辆动力学方程,分别预测两车到达冲突域的时间;
(3)判断两车到达冲突域的相隔时间是否大于时间阈值,若是,执行步骤(4),否则,执行步骤(1);
(4)确定两车到达冲突域的优先级:
(4a)将两车距无信号交叉口距离、车型、车流量、两车到达时间作为层次分析结构的因素层,将两车到达冲突域优先顺序的标准作为层次分析结构的决策层,建立层次分析结构;
(4b)分别对因素层中的两车距无信号交叉口距离、车型、车流量、两车到达时间因素进行两两比较,将比较结果构成一个判断矩阵;
(4c)采用权重公式,计算因素层中各因素的权重;
所述的权重公式如下:
X×W=α×W
其中,X表示判断矩阵,W表示层次分析结构因素的权重,α表示由矩阵实验室MATLAB中的eig函数得到判断矩阵的最大特征值;
(4d)将因素层中各因素的权重最大的因素作为两车到达冲突域优先级的标准,确定优先通行的车辆;
(5)确定两车冲突消解策略:
(5a)将比例积分微分PID控制器的比例项系数、积分项系数、微分项系数作为种群个体,随机产生一个初始种群;
(5b)按照下式,计算两车与冲突域的绝对距离:
f=|L1-L2|
其中,f表示两车与冲突域的绝对距离,L1、L2分别表示两车距冲突域的距离,|·|表示绝对值操作;
(5c)将两车与冲突域的绝对距离作为适应度,初始种群个体按照适应度从大到小进行排序;
(5d)采用二进制编码方案,八个二进制表示一个因子,三个因子组成一个码串,对比例积分微分PID控制器的比例项系数、积分项系数、微分项系数进行编码;
(5e)按照下式,计算初始种群个体被选择的概率:
其中,Pi表示初始种群个体xi被选择的概率,f(xi)表示初始种群个体xi的适应度,N表示初始种群的个体数,∑表示求和操作;
(5f)将初始种群个体按照初始种群个体被选择的概率从大到小进行两两配对,并对配对的两个初始种群个体进行交叉操作,得到交叉后的种群个体;
(5g)对交叉后的种群个体进行变异操作;
(5h)判断初始种群个体的最大适应度变化是否小于适应度变化阈值,若是,执行步骤(5i),否则,执行步骤(5a);
(5i)将适应度最大个体的比例项系数、积分项系数、微分项系数作为最优解输出;
(5j)按照下式,计算时间间隔的期望值:
e(t)=T-ΔT
其中,e(t)表示时间间隔的期望值,T表示时间阈值,ΔT表示两车到达冲突域的相隔时间;
(5k)将选出的适应度最大个体的比例项系数、积分项系数、微分项系数作为比例积分微分PID控制器的参数,按照下式,计算时间间隔的控制量:
u(t)=Kp *e(t)+Ki∫e(t)dt+Kde'(t)
其中,u(t)表示时间间隔的控制量,Kp表示比例积分微分PID控制器的比例项系数,e(t)表示时间间隔的期望值,Ki表示比例积分微分PID控制器的积分项系数,∫·dt表示积分操作,Kd表示比例积分微分PID控制器的微分项系数;
(6)优化两车冲突消解策略:
(6a)将两车作为博弈的参与者,将两车“加速”和“减速”两种状态作为博弈的策略集,建立两车交叉口博弈模型;
(6b)按照下式,计算两车加速通过交叉口的时间增益:
Y1=-ap+b(1-p)
其中,Y1表示两车加速通过交叉口的时间增益,a表示两车在交叉口减速的增益,p表示两车在交叉口加速的概率,b表示两车在交叉口加速的增益,1-p表示两车在交叉口减速的概率;
(6c)按照下式,计算两车减速通过交叉口的时间增益:
Y2=-bp-b(1-p)
其中,Y2表示两车减速通过交叉口的时间增益,b表示两车在交叉口加速的增益,p表示两车在交叉口加速的概率,1-p表示两车在交叉口减速的概率;
(6d)判断两车加速通过交叉口的时间增益与两车减速通过交叉口的时间增益是否相等,若是,执行步骤(6e),否则,执行步骤(6a);
(6e)按照下式,计算两车在交叉口加速的概率:
其中,p表示两车在交叉口加速的概率,a表示两车在交叉口减速的增益,b表示两车在交叉口加速的增益;
(6f)按照下式,计算两车通过交叉口的最短时间:
Y=pF(T1+T2)
其中,Y表示两车通过交叉口的最短时间,p表示两车在交叉口加速的概率,F(·)表示归一化操作,T1、T2分别表示两车到达冲突域的时间。
2.根据权利要求1所述的一种消解无信号交叉口两车交通冲突的方法,其特征在于,步骤(2)所述的车辆动力学方程如下:
T1=u/a1*(-V1+(V1 2+2*a1*L1))
T2=u/a2*(-V2+(V2 2+2*a2*L2))
ΔT=T2-T1
其中,T1、T2分别表示两车到达冲突域的时间,V1、V2分别表示两车的速度,a1、a2分别表示两车的加速度,*表示相乘操作,L1、L2分别表示两车距冲突域的距离,u表示汽车加速与减速的判断标准,加速时为1,减速时为-1,ΔT表示两车到达冲突域的相隔时间。
3.根据权利要求1所述的一种消解无信号交叉口两车交通冲突的方法,其特征在于,步骤(3)所述的时间阈值由下式得到:
其中,T表示时间阈值,S表示两车间安全距离,S的取值范围为2~4米,表示两车到达冲突域的平均速度。
4.根据权利要求1所述的一种消解无信号交叉口两车交通冲突的方法,其特征在于,步骤(5f)所述的交叉操作是指,选取一个初始种群个体中任意70%的位,选取与之配对的初始种群个体中的对应位,交换这两个初始种群个体中已选取的位。
5.根据权利要求1所述的一种消解无信号交叉口两车交通冲突的方法,其特征在于,步骤(5g)所述的变异操作是指,任意选取一个初始种群个体中1%的位,将选取位上的值替换为相反值。
6.根据权利要求1所述的一种消解无信号交叉口两车交通冲突的方法,其特征在于,步骤(5h)所述的适应度变化阈值取0.01。
7.根据权利要求1所述的一种消解无信号交叉口两车交通冲突的方法,其特征在于,步骤(6f)所述的归一化操作通过矩阵实验室MATLAB中的mapminmax函数求得。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510523763.9A CN105118329B (zh) | 2015-08-24 | 2015-08-24 | 一种消解无信号交叉口两车交通冲突的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510523763.9A CN105118329B (zh) | 2015-08-24 | 2015-08-24 | 一种消解无信号交叉口两车交通冲突的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105118329A CN105118329A (zh) | 2015-12-02 |
CN105118329B true CN105118329B (zh) | 2017-06-13 |
Family
ID=54666295
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510523763.9A Expired - Fee Related CN105118329B (zh) | 2015-08-24 | 2015-08-24 | 一种消解无信号交叉口两车交通冲突的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105118329B (zh) |
Families Citing this family (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106205172B (zh) * | 2016-09-07 | 2018-09-21 | 东南大学 | 无信号交叉口冲突消解方法及*** |
US9818299B1 (en) * | 2016-10-17 | 2017-11-14 | Ford Global Technologies, Llc | Vehicle-to-vehicle intersection navigation control |
KR102663017B1 (ko) * | 2016-11-24 | 2024-05-07 | 현대자동차주식회사 | 차량 및 그 제어방법 |
CN109102696B (zh) * | 2018-07-06 | 2020-11-06 | 北京工业大学 | 基于主动安全的交叉频密路段冲突预警方法 |
CN110533959A (zh) * | 2019-08-07 | 2019-12-03 | 北京交通大学 | 基于车路协同的无控交叉口冲突车辆避撞预警方法及*** |
CN110473419A (zh) * | 2019-09-09 | 2019-11-19 | 重庆长安汽车股份有限公司 | 一种自动驾驶车辆在无信号灯交叉路口的通行方法 |
CN110807951A (zh) * | 2019-11-12 | 2020-02-18 | 安徽江淮汽车集团股份有限公司 | 车辆避撞方法、装置、设备及存储介质 |
CN110910646B (zh) * | 2019-12-11 | 2022-03-29 | 上海同济城市规划设计研究院有限公司 | 用于交叉口的无人驾驶公交车辆的协同控制方法 |
CN111427344A (zh) * | 2020-02-13 | 2020-07-17 | 深圳市镭神智能***有限公司 | 自主体轨迹冲突的解决方法、装置、设备和存储介质 |
CN112652180A (zh) * | 2020-11-20 | 2021-04-13 | 芜湖格陆博智能科技有限公司 | 一种无信号灯交叉口下智能车辆高效行驶的分布式控制方法及*** |
CN113327458B (zh) * | 2021-07-08 | 2023-01-06 | 潍柴动力股份有限公司 | 车辆碰撞预测方法、车辆碰撞预测***及电子装置 |
CN113658432B (zh) * | 2021-08-17 | 2022-10-14 | 上海交通大学 | 基于车辆通行优先级博弈的无信号灯交叉口通行优化方法 |
CN113838285B (zh) * | 2021-09-22 | 2023-02-17 | 清华大学 | 一种车路协同环境下实现车辆群体决策的方法及装置 |
CN115100881B (zh) * | 2022-06-22 | 2023-06-30 | 山东交通学院 | 一种无信号控制交叉口冲突识别与消解方法及设备 |
CN116168550B (zh) * | 2022-12-30 | 2024-07-26 | 福州大学 | 一种面向智能网联车辆在无信号交叉口的通行协调方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011118483A (ja) * | 2009-11-30 | 2011-06-16 | Fujitsu Ten Ltd | 車載装置および認知支援システム |
CN102368351B (zh) * | 2011-10-19 | 2014-10-29 | 北京航空航天大学 | 一种消解无信号交叉口两车交通冲突的方法 |
US9253753B2 (en) * | 2012-04-24 | 2016-02-02 | Zetta Research And Development Llc-Forc Series | Vehicle-to-vehicle safety transceiver using time slots |
JP5920126B2 (ja) * | 2012-09-05 | 2016-05-18 | 住友電気工業株式会社 | 時間スロットの割り当て方法及び道路交通システム |
-
2015
- 2015-08-24 CN CN201510523763.9A patent/CN105118329B/zh not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
CN105118329A (zh) | 2015-12-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105118329B (zh) | 一种消解无信号交叉口两车交通冲突的方法 | |
CN105460048B (zh) | 城轨交通优化操纵与行车调度综合节能控制方法及装置 | |
CN111746539B (zh) | 一种智能网联汽车严格安全换道入队控制方法 | |
CN104881527B (zh) | 城市轨道交通列车ato速度命令优化方法 | |
CN106828547B (zh) | 一种面向再生制动能量利用的列车调度方法及*** | |
CN106503804A (zh) | 一种基于Pareto多目标遗传算法的列车定时节能运行方法 | |
CN107452218A (zh) | 一种多无人车编队的交叉路口集中式调度方法 | |
CN108932356A (zh) | 一种考虑列车晚点因素的ato速度命令节能优化方法 | |
CN107182206A (zh) | 车辆自动驾驶的速度规划方法、装置及计算装置 | |
CN106777717A (zh) | 一种考虑载客量变化的ato速度命令节能优化方法 | |
CN105678411A (zh) | 一种旅客列车运行方案图编制方法 | |
CN103810526B (zh) | 一种基于d-s证据理论的知识融合方法 | |
CN107368920A (zh) | 一种非高峰时段多列车运行节能优化方法 | |
CN106056238B (zh) | 列车区间运行轨迹的规划方法 | |
CN109871738A (zh) | 一种适应人自混行环境的行人运动意图辨识方法 | |
CN106652530A (zh) | 一种调度时刻表生成方法及装置 | |
Bin et al. | Energy-efficient speed profile optimization for high-speed railway considering neutral sections | |
CN111781922A (zh) | 一种适用于复杂动态场景的基于深度强化学习的多机器人协同导航方法 | |
CN108985662A (zh) | 一种基于并联式免疫粒子群算法的列车运行优化方法 | |
Zhang et al. | Autonomous vehicle with communicative driving for pedestrian crossing: Trajectory optimization | |
Yang et al. | Cooperative driving model for non-signalized intersections based on reduplicate dynamic game | |
CN106647269A (zh) | 一种机车智能操纵优化计算方法 | |
CN107776613A (zh) | 地铁交通流优化控制*** | |
Zhang et al. | An optimal vehicle speed planning algorithm for regenerative braking at traffic lights intersections based on reinforcement learning | |
CN115716492A (zh) | 一种基于云边架构人机混合驾驶列车的控制方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170613 |
|
CF01 | Termination of patent right due to non-payment of annual fee |