CN106843210A - 一种基于仿生学的自动驾驶车辆运行控制方法 - Google Patents
一种基于仿生学的自动驾驶车辆运行控制方法 Download PDFInfo
- Publication number
- CN106843210A CN106843210A CN201710059510.XA CN201710059510A CN106843210A CN 106843210 A CN106843210 A CN 106843210A CN 201710059510 A CN201710059510 A CN 201710059510A CN 106843210 A CN106843210 A CN 106843210A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- decision
- car
- making
- lane change
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 26
- 239000011664 nicotinic acid Substances 0.000 title claims abstract description 15
- 235000001968 nicotinic acid Nutrition 0.000 claims abstract description 9
- 238000004891 communication Methods 0.000 claims abstract description 8
- 230000002776 aggregation Effects 0.000 claims abstract description 5
- 238000004220 aggregation Methods 0.000 claims abstract description 5
- 230000008859 change Effects 0.000 claims description 47
- 230000001133 acceleration Effects 0.000 claims description 10
- 241000736199 Paeonia Species 0.000 claims description 9
- 235000006484 Paeonia officinalis Nutrition 0.000 claims description 9
- 238000012937 correction Methods 0.000 claims description 3
- 230000006855 networking Effects 0.000 abstract description 9
- 238000013467 fragmentation Methods 0.000 abstract description 2
- 238000006062 fragmentation reaction Methods 0.000 abstract description 2
- 230000006641 stabilisation Effects 0.000 abstract description 2
- 238000011105 stabilization Methods 0.000 abstract description 2
- 238000005516 engineering process Methods 0.000 description 12
- 241001465754 Metazoa Species 0.000 description 5
- 230000004888 barrier function Effects 0.000 description 4
- 230000015572 biosynthetic process Effects 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 241000251468 Actinopterygii Species 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000011217 control strategy Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 241000272814 Anser sp. Species 0.000 description 1
- 241000271566 Aves Species 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000001680 brushing effect Effects 0.000 description 1
- 238000012508 change request Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0223—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving speed control of the vehicle
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0287—Control of position or course in two dimensions specially adapted to land vehicles involving a plurality of land vehicles, e.g. fleet or convoy travelling
- G05D1/0291—Fleet control
- G05D1/0293—Convoy travelling
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及一种基于仿生学的自动驾驶车辆运行控制方法,该方法基于仿生学原理,将集群行为类比于车辆运行控制上,包括以下步骤:1)将每个个体车辆定义为决策车,获取决策车自身的需求;2)决策车V2V通信寻找一最优个体,定义为目标车辆,所述最优个体被配置为具有与所述决策车具有相同需求的车辆群体中当前运转状态最好的车辆;3)根据目标车辆与决策车间的位置及决策车前方车辆的需求获取决策车的运行策略。与现有技术相比,本发明可以使车辆在30秒内快速达到需求目标,并以稳定的车队的形式行驶,降低时空资源碎片化程度,有效提高道路的接入能力,在车联网环境下能使自动驾驶车辆得以集群化高效运行。
Description
技术领域
本发明涉及道路车辆控制技术研究领域,尤其是涉及一种基于仿生学的自动驾驶车辆运行控制方法。
背景技术
目前的自动驾驶车辆技术,已经能够通过探测和识别等技术实现个体车辆在道路上的安全行驶。如专利申请CN101380951A公开一种车辆自动驾驶识别***,通过涂刷在道路中央的黑白导向标线和条形码来指示车辆行驶状态,并以道路临时路况无线电指令和车辆行进方向障碍物距离,来保证自动驾驶的安全。随着无线通信技术和智能车辆技术的不断发展,车联网成为物联网最活跃的分支,车辆均配有信息通讯设备,可以实现车与车之间的信息发送与接收。随着自动驾驶技术和车联网技术的普及,人们已经渐渐意识到自动驾驶车辆在车联网环境下行驶会使得交通更加安全和高效。如专利申请CN104391504A公开一种基于车联网的自动驾驶控制策略的生成方法,根据当前车辆的车辆驾驶习惯模型、当前车辆所在区域的区域驾驶习惯模型和路况模型,生成当前车辆的自动驾驶控制策略。
而要让车联网车辆在路网上行驶主要需要解决路段和节点两方面的问题。目前,路段方面的研究已经非常多,从辅助驾驶、到以ACC和CACC为代表的半自动驾驶乃至全自动驾驶,都涌现出了大量的研究成果。但是,当前的针对车联网在路段上的行驶的技术仍然集中在保证车辆行驶安全的角度,无论是辅助驾驶、半自动驾驶还是全自动驾驶控制技术都没有考虑乘客的多方面需求以及对于道路交通的***优化,缺乏对这种全新的交通工具行之有效的管理控制方法。
因此,在自动驾驶车辆日趋成熟的今天,亟需提出一种能够在车联网环境下既能保证安全,又能满足乘客多方面需求并兼顾总体效率的运行管理方法。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种控制方便、保证车辆运行安全、可满足乘客多方面需求的基于仿生学的自动驾驶车辆运行控制方法,有效提高道路通行效率和接入能力。
本发明的目的可以通过以下技术方案来实现:
一种基于仿生学的自动驾驶车辆运行控制方法,该方法基于仿生学原理,将集群行为类比于车辆运行控制上,包括以下步骤:
1)将每个个体车辆定义为决策车,获取决策车自身的需求,所述需求为目标车速;
2)决策车V2V通信寻找一最优个体,定义为目标车辆,所述最优个体被配置为具有与所述决策车具有相同需求的车辆群体中当前运转状态最好的车辆;
3)根据目标车辆与决策车间的位置及决策车前方车辆的需求获取决策车的运行策略:
若目标车辆在决策车前方且决策车前方第一辆车为需求不同的车辆,则执行步骤4);
若决策车自身为目标车辆且决策车前方第一辆车为需求不同的车辆,则执行步骤4);
若目标车辆在决策车前方且决策车至所述目标车辆之间无需求不同的车辆,则执行步骤5);
若决策车自身为目标车辆且决策车前方无需求不同的车辆,则执行步骤6);
4)当所述前方第一辆车的需求小于决策车的需求时,判断决策车左侧是否存在障碍,若是,则决策车保持当前状态同时向前方第一辆车发送向右变道请求,若否,则决策车向左变道;
5)决策车追击所述目标车辆;
6)决策车采用最大加速度实现所述需求。
所述需求由乘客选择,选择的影响因素包括快速、环保和舒适。
当决策车寻找到多个符合最优个体条件的车辆时,通过以下原则选择最优个体:
4-1)方位优先原则,即优先选择位于决策车前方的车辆作为最优个体;
4-2)距离优先原则,即优先选择与决策车距离最近的车辆作为最优个体。
所述步骤4)中,前方第一辆车接收到所述向右变道请求时判断右侧是否存在障碍,若是,则保持当前状态向决策车发送反馈信息,若否,则前方第一辆车向右变道。
在同时满足以下三个条件时判断无障碍:
5-1)道路设施判断:变道车行驶车道非变道方向的最外侧车道,所述变道车为决策车或前方第一辆车;
5-2)车位判断:变道侧处于变道车前保险杠前两个车位至后保险杠后两个车位的距离内无其他车辆;
5-3)车速判断:在变道侧变道车前保险杠前第三个车位和后保险杠后第三个车位分别设置一虚拟车辆,定义前保险杠前第三个车位的虚拟车辆车速为v前,后保险杠后第三个车位的虚拟车辆车速为v后,决策车当前车速为v,存在v前>v>v后。
在变道侧变道车前保险杠前第三个车位或/和后保险杠后第三个车位处存在实际车辆时,则将实际车辆的当前车速赋于对应虚拟车辆,在变道侧变道车前保险杠前第三个车位或/和后保险杠后第三个车位处不存在实际车辆时,v前=200km/h,v后=0。
所述步骤5)中,决策车通过以下追击模型追击目标车辆:
vk=vkprev+kp·ek+kd·ek
其中,ek=xk-1-xk-thw·vk,xk-1为目标车辆当前位置,xk为决策车当前位置,vk为决策车当前车速,thw为车头时距,vkprev为前一次迭代计算获得的vk,kp和kd为修正系数。
所述步骤6)中,选取最大加速度时考虑乘客的舒适度。
与现有技术相比,本发明具有以下优点:
1、仿生学是一门既古老又年轻的学科。一直以来,人们研究生物体结构与功能的工作原理,并根据这些原理发明出新的设备和工具。在自然界中,许多动物的行为都是集群化的,鸟类、鱼类等动物在移动时,每个个体通过遵循简单的规则最终表现出个体聚集性的特征,其运动的方向和速度具有一致性,比如大雁会变换队形整体迁徙、鱼群会向中心靠拢集体觅食,从而达到总体最优的目的,这种行为被称为动物集群行为。通过学习动物的这一行为特征,可以衍生出多种算法,以优化***的运作能力。本发明运用了仿生学原理,类比动物集群的行为,使得每一个个体车辆只需要遵守几条简单的通行规则,根据自身需求从探测范围内选择目标车辆,并通过变道、跟车或者加速的方式向其靠拢,在无需整体控制中心的情况下最终呈现为车队的形式。
2、本发明利用仿生学集群算法可以使车辆在30秒内快速达到需求目标,并以稳定的车队的形式行驶,降低时空资源碎片化程度,,提高道路交通效率和道路接入能力。
3、与传统仅研究跟车模型的控制方法不同,本发明不但保证车队安全行驶,而且是多目标编队行驶,是一种考虑用户需求的控制方法。本方法考虑了乘客的需求,形成多目标多需求控制,具有相同目标的个体形成一个集群,在形成车队的同时考虑到满足用户多样化的需求。
4、通过仿生学原理的控制,个体最终会形成集群,并且实现对集群的控制,遵照这几条简单的规则车辆可以以集群为单位完成变道、超车、让行等,提高了道路的通行效率。
5、本发明在选择最优个体时设计了方位优先原则及距离优先原则,获得的最优个体能够有效提高控制精度。
6、本发明在变道障碍物判断时需要经过道路设施判断、车位判断和车速判断三个条件,提高了车辆运行控制的安全性。
附图说明
图1为本发明的结构示意图;
图2为本发明的变道流程图;
图3为本发明的车辆运行策略判断图;
图4为本发明的车辆变道障碍判断图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施,给出了详细的实施方式和具体的操作过程,但本发明的保护范围不限于下述的实施例。
本实施例基于以下假设:
(1)实施例处于车联网环境下,所有车辆可以实现车-车通信和车-路通信,所需信息可以通过车-车通信和车-路通信进行传输;
(2)信息传输和处理的速度相比车辆速度足够快,过程中延迟可忽略;
(3)不考虑行人和非机动车的影响。
本实施例的应用场景设定为一条双向六车道的城市主干道,但由于对向车流不会对车队的形成产生影响,同时也为使仿生学车队的效果更佳直观地展现,仅模拟其中一侧的单向三车道。每条车道宽3.5m,行驶车辆为宽1.5m、长3.6m的小客车,车头时距为0.6秒,目标车速分为生态、高效、舒适三种,分别为x km/h、y km/h和z km/h。
如图1所示,本实施例提供一种基于仿生学的自动驾驶车辆运行控制方法,该方法基于仿生学原理,将集群行为类比于车辆运行控制上,包括以下步骤:
1)将每个个体车辆定义为决策车,获取决策车自身的需求,所述需求由乘客选择,选择的影响因素包括快速、环保和舒适,主要体现为目标车速。
2)决策车V2V通信寻找一最优个体,定义为目标车辆,所述最优个体被配置为具有与所述决策车具有相同需求的车辆群体中当前运转状态最好的车辆。
当决策车寻找到多个符合最优个体条件的车辆时,通过以下原则选择最优个体:
4-1)方位优先原则,即优先选择位于决策车前方的车辆作为最优个体;
4-2)距离优先原则,即优先选择与决策车距离最近的车辆作为最优个体。
3)根据目标车辆与决策车间的位置及决策车前方车辆的需求获取决策车的运行策略:
若目标车辆在决策车前方且决策车前方第一辆车为需求不同的车辆,如图3的A1所示,则执行步骤4);
若决策车自身为目标车辆且决策车前方第一辆车为需求不同的车辆,如图3的A2所示,则执行步骤4);
若目标车辆在决策车前方且决策车至所述目标车辆之间无需求不同的车辆,如图3的B1和B2所示,则执行步骤5);
若决策车自身为目标车辆且决策车前方无需求不同的车辆,如图3的C1和C2所示,则执行步骤6)。
4)当所述前方第一辆车的需求小于决策车的需求时,判断决策车左侧是否存在障碍,若是,则决策车保持当前状态同时向前方第一辆车发送向右变道请求,若否,则决策车向左变道,如图2所示。
如图4所示,在变道侧变道车前保险杠前第三个车位和后保险杠后第三个车位设置两个虚拟车辆。向左变道车辆记为车辆4(决策车),向右变道车辆记为车辆3,记左前方虚拟车辆为1,左后方虚拟车辆为2,右前方虚拟车辆记为5,右后方虚拟车辆记为6。
车辆4是否向左变道进行如下判断:
条件1:4车不在最左侧车道;
条件2:4车左侧车道前保险杠前两个车位至后保险杠后两个车位的距离内无车辆;
条件3:令虚拟车辆1的初始速度v1=200km/h,虚拟车辆2的初始速度v2=0,若检测到相应位置有实际车辆,则赋以实际车速。是否满足v1>v4>v2。
若三个条件都满足则4车向左变道,若不满足则向前车发出变道请求。
前方第一辆车接收到所述向右变道请求时判断右侧是否存在障碍,若是,则保持当前状态向决策车发送反馈信息,若否,则前方第一辆车向右变道。车辆3是否向右变道也进行如下判断:
条件1:3车不在最右侧车道;
条件2:3车右侧车道前保险杠前两个车位至后保险杠后两个车位的距离内无车辆;
条件3:令虚拟车辆5的初始速度v5=200km/h,虚拟车辆6的初始速度v6=0,若检测到相应位置有实际车辆,则赋以实际车速。是否满足v5>v3>v6。
若三个条件都满足则3车向右变道。
5)决策车追击所述目标车辆。决策车通过以下追击模型追击目标车辆:
vk=vkprev+kp·ek+kd·ek
其中,ek=xk-1-xk-thw·vk,xk-1为目标车辆当前位置,xk为决策车当前位置,vk为决策车当前车速,thw为车头时距,vkprev为前一次迭代计算获得的vk,kp和kd为修正系数。
6)决策车采用最大加速度实现所述需求。选取最大加速度时考虑乘客的舒适度。本实施例中,决策车(4车)的最大加速度通过以下方式选取:
若v4<x,设置4车加速度a4为:
若v4>x,设置4车加速度a4为:
其中,x为目标车速。
7)返回至步骤3)继续迭代。
以上详细描述了本发明的较佳具体实施例。应当理解,本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此,凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案,皆应在由权利要求书所确定的保护范围内。
Claims (8)
1.一种基于仿生学的自动驾驶车辆运行控制方法,其特征在于,该方法基于仿生学原理,将集群行为类比于车辆运行控制上,包括以下步骤:
1)将每个个体车辆定义为决策车,获取决策车自身的需求,所述需求为目标车速;
2)决策车V2V通信寻找一最优个体,定义为目标车辆,所述最优个体被配置为具有与所述决策车具有相同需求的车辆群体中当前运转状态最好的车辆;
3)根据目标车辆与决策车间的位置及决策车前方车辆的需求获取决策车的运行策略:
若目标车辆在决策车前方且决策车前方第一辆车为需求不同的车辆,则执行步骤4);
若决策车自身为目标车辆且决策车前方第一辆车为需求不同的车辆,则执行步骤4);
若目标车辆在决策车前方且决策车至所述目标车辆之间无需求不同的车辆,则执行步骤5);
若决策车自身为目标车辆且决策车前方无需求不同的车辆,则执行步骤6);
4)当所述前方第一辆车的需求小于决策车的需求时,判断决策车左侧是否存在障碍,若是,则决策车保持当前状态同时向前方第一辆车发送向右变道请求,若否,则决策车向左变道;
5)决策车追击所述目标车辆;
6)决策车采用最大加速度实现所述需求。
2.根据权利要求1所述的基于仿生学的自动驾驶车辆运行控制方法,其特征在于,所述需求由乘客选择,选择的影响因素包括快速、环保和舒适。
3.根据权利要求1所述的基于仿生学的自动驾驶车辆运行控制方法,其特征在于,当决策车寻找到多个符合最优个体条件的车辆时,通过以下原则选择最优个体:
4-1)方位优先原则,即优先选择位于决策车前方的车辆作为最优个体;
4-2)距离优先原则,即优先选择与决策车距离最近的车辆作为最优个体。
4.根据权利要求1所述的基于仿生学的自动驾驶车辆运行控制方法,其特征在于,所述步骤4)中,前方第一辆车接收到所述向右变道请求时判断右侧是否存在障碍,若是,则保持当前状态向决策车发送反馈信息,若否,则前方第一辆车向右变道。
5.根据权利要求1或4所述的基于仿生学的自动驾驶车辆运行控制方法,其特征在于,在同时满足以下三个条件时判断无障碍:
5-1)道路设施判断:变道车行驶车道非变道方向的最外侧车道,所述变道车为决策车或前方第一辆车;
5-2)车位判断:变道侧处于变道车前保险杠前两个车位至后保险杠后两个车位的距离内无其他车辆;
5-3)车速判断:在变道侧变道车前保险杠前第三个车位和后保险杠后第三个车位分别设置一虚拟车辆,定义前保险杠前第三个车位的虚拟车辆车速为v前,后保险杠后第三个车位的虚拟车辆车速为v后,决策车当前车速为v,存在v前>v>v后。
6.根据权利要求5所述的基于仿生学的自动驾驶车辆运行控制方法,其特征在于,在变道侧变道车前保险杠前第三个车位或/和后保险杠后第三个车位处存在实际车辆时,则将实际车辆的当前车速赋于对应虚拟车辆,在变道侧变道车前保险杠前第三个车位或/和后保险杠后第三个车位处不存在实际车辆时,v前=200km/h,v后=0。
7.根据权利要求1所述的基于仿生学的自动驾驶车辆运行控制方法,其特征在于,所述步骤5)中,决策车通过以下追击模型追击目标车辆:
vk=vkprev+kp·ek+kd·ek
其中,ek=xk-1-xk-thw·vk,xk-1为目标车辆当前位置,xk为决策车当前位置,vk为决策车当前车速,thw为车头时距,vkprev为前一次迭代计算获得的vk,kp和kd为修正系数。
8.根据权利要求1所述的基于仿生学的自动驾驶车辆运行控制方法,其特征在于,所述步骤6)中,选取最大加速度时考虑乘客的舒适度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710059510.XA CN106843210B (zh) | 2017-01-24 | 2017-01-24 | 一种基于仿生学的自动驾驶车辆运行控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710059510.XA CN106843210B (zh) | 2017-01-24 | 2017-01-24 | 一种基于仿生学的自动驾驶车辆运行控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106843210A true CN106843210A (zh) | 2017-06-13 |
CN106843210B CN106843210B (zh) | 2019-10-18 |
Family
ID=59122463
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710059510.XA Active CN106843210B (zh) | 2017-01-24 | 2017-01-24 | 一种基于仿生学的自动驾驶车辆运行控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106843210B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108216236A (zh) * | 2017-12-25 | 2018-06-29 | 东软集团股份有限公司 | 车辆控制方法、装置、车辆及存储介质 |
CN109087503A (zh) * | 2018-09-04 | 2018-12-25 | 惠州市德赛西威智能交通技术研究院有限公司 | 一种基于v2x的车车协同***及方法 |
WO2020181480A1 (en) * | 2019-03-12 | 2020-09-17 | Intel Corporation | Cascaded connection technology for vehicle platoons |
CN111721313A (zh) * | 2019-03-20 | 2020-09-29 | 现代自动车株式会社 | 导航***及其路线搜索方法 |
CN112257486A (zh) * | 2019-12-23 | 2021-01-22 | 北京新能源汽车技术创新中心有限公司 | 算力分配方法、装置、计算机设备和存储介质 |
WO2021103536A1 (zh) * | 2019-11-25 | 2021-06-03 | 华为技术有限公司 | 一种车辆调控方法、装置及电子设备 |
CN113264049A (zh) * | 2021-04-26 | 2021-08-17 | 同济大学 | 一种智能网联车队协作换道控制方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050015203A1 (en) * | 2003-07-18 | 2005-01-20 | Nissan Motor Co., Ltd. | Lane-changing support system |
CN103359013A (zh) * | 2012-04-01 | 2013-10-23 | 同济大学 | 一种基于车车通信的换道超车辅助方法及*** |
CN103646298A (zh) * | 2013-12-13 | 2014-03-19 | 中国科学院深圳先进技术研究院 | 一种自动驾驶方法及*** |
CN103996287A (zh) * | 2014-05-26 | 2014-08-20 | 江苏大学 | 一种基于决策树模型的车辆强制换道决策方法 |
CN105329238A (zh) * | 2015-12-04 | 2016-02-17 | 北京航空航天大学 | 一种基于单目视觉的自动驾驶汽车换道控制方法 |
US20160065355A1 (en) * | 2014-08-28 | 2016-03-03 | Toyota Infotechnology Center Usa, Inc. | Full-duplex coordination system |
CN105730323A (zh) * | 2016-02-18 | 2016-07-06 | 吉林大学 | 一种汽车安全变道自动控制***及控制方法 |
CN105912814A (zh) * | 2016-05-05 | 2016-08-31 | 苏州京坤达汽车电子科技有限公司 | 智能驾驶车辆换道决策模型 |
-
2017
- 2017-01-24 CN CN201710059510.XA patent/CN106843210B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050015203A1 (en) * | 2003-07-18 | 2005-01-20 | Nissan Motor Co., Ltd. | Lane-changing support system |
CN103359013A (zh) * | 2012-04-01 | 2013-10-23 | 同济大学 | 一种基于车车通信的换道超车辅助方法及*** |
CN103646298A (zh) * | 2013-12-13 | 2014-03-19 | 中国科学院深圳先进技术研究院 | 一种自动驾驶方法及*** |
CN103996287A (zh) * | 2014-05-26 | 2014-08-20 | 江苏大学 | 一种基于决策树模型的车辆强制换道决策方法 |
US20160065355A1 (en) * | 2014-08-28 | 2016-03-03 | Toyota Infotechnology Center Usa, Inc. | Full-duplex coordination system |
CN105329238A (zh) * | 2015-12-04 | 2016-02-17 | 北京航空航天大学 | 一种基于单目视觉的自动驾驶汽车换道控制方法 |
CN105730323A (zh) * | 2016-02-18 | 2016-07-06 | 吉林大学 | 一种汽车安全变道自动控制***及控制方法 |
CN105912814A (zh) * | 2016-05-05 | 2016-08-31 | 苏州京坤达汽车电子科技有限公司 | 智能驾驶车辆换道决策模型 |
Non-Patent Citations (1)
Title |
---|
田赓: "《复杂动态城市环境下无人驾驶车辆仿生换道决策模型研究》", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108216236A (zh) * | 2017-12-25 | 2018-06-29 | 东软集团股份有限公司 | 车辆控制方法、装置、车辆及存储介质 |
CN108216236B (zh) * | 2017-12-25 | 2019-12-20 | 东软集团股份有限公司 | 车辆控制方法、装置、车辆及存储介质 |
CN109087503A (zh) * | 2018-09-04 | 2018-12-25 | 惠州市德赛西威智能交通技术研究院有限公司 | 一种基于v2x的车车协同***及方法 |
CN109087503B (zh) * | 2018-09-04 | 2021-04-20 | 惠州市德赛西威智能交通技术研究院有限公司 | 一种基于v2x的车车协同***及方法 |
WO2020181480A1 (en) * | 2019-03-12 | 2020-09-17 | Intel Corporation | Cascaded connection technology for vehicle platoons |
CN111721313A (zh) * | 2019-03-20 | 2020-09-29 | 现代自动车株式会社 | 导航***及其路线搜索方法 |
WO2021103536A1 (zh) * | 2019-11-25 | 2021-06-03 | 华为技术有限公司 | 一种车辆调控方法、装置及电子设备 |
CN112257486A (zh) * | 2019-12-23 | 2021-01-22 | 北京新能源汽车技术创新中心有限公司 | 算力分配方法、装置、计算机设备和存储介质 |
CN112257486B (zh) * | 2019-12-23 | 2023-12-29 | 北京国家新能源汽车技术创新中心有限公司 | 算力分配方法、装置、计算机设备和存储介质 |
CN113264049A (zh) * | 2021-04-26 | 2021-08-17 | 同济大学 | 一种智能网联车队协作换道控制方法 |
CN113264049B (zh) * | 2021-04-26 | 2022-07-05 | 同济大学 | 一种智能网联车队协作换道控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106843210B (zh) | 2019-10-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106843210A (zh) | 一种基于仿生学的自动驾驶车辆运行控制方法 | |
CN113291308B (zh) | 一种考虑驾驶行为特性的车辆自学习换道决策***及方法 | |
CN108256233B (zh) | 基于驾驶员风格的智能车轨迹规划及跟踪方法和*** | |
DE102019115030A1 (de) | Intelligente kraftfahrzeuge, systeme und steuerlogik für coaching des fahrerverhaltens und mobiles on-demand-laden | |
CN110488802A (zh) | 一种网联环境下的自动驾驶车辆动态行为决策方法 | |
CN110304074A (zh) | 一种基于分层状态机的混合式驾驶方法 | |
Habenicht et al. | A maneuver-based lane change assistance system | |
US20210009119A1 (en) | Method and control device for a system for the control of a motor vehicle | |
CN104391504A (zh) | 基于车联网的自动驾驶控制策略的生成方法与生成装置 | |
CN108694841A (zh) | 一种基于v2x技术的智能车辆通行路口红绿灯方法 | |
Zhang et al. | Multi-agent DRL-based lane change with right-of-way collaboration awareness | |
CN111324130B (zh) | 一种仿鸽群的智能车编队协同自适应巡航控制切换方法 | |
CN107521501A (zh) | 基于博弈论的驾驶员辅助***决策方法、***及其他 | |
DE102018111070B4 (de) | Verfahren zum Betreiben eines Kraftfahrzeugs zur Verbesserung von Arbeitsbedingungen von Auswerteeinheiten des Kraftfahrzeugs, Steuersystem zum Durchführen eines derartigen Verfahrens sowie Kraftfahrzeug mit einem derartigen Steuersystem | |
CN110497914A (zh) | 自动驾驶的驾驶员行为模型开发方法、设备和存储介质 | |
CN112201070B (zh) | 基于深度学习的自动驾车高速公路瓶颈路段行为决策方法 | |
CN112925309A (zh) | 智能网联汽车数据交互方法及交互*** | |
Pan et al. | Research on the behavior decision of connected and autonomous vehicle at the unsignalized intersection | |
CN110320916A (zh) | 考虑乘员感受的自动驾驶汽车轨迹规划方法及*** | |
CN112896185A (zh) | 一种面向车路协同的智能驾驶行为决策规划方法及*** | |
CN115257789A (zh) | 城市低速环境下的营运车辆侧向防撞驾驶决策方法 | |
Guo et al. | Self-defensive coordinated maneuvering of an intelligent vehicle platoon in mixed traffic | |
Lu et al. | Decision-making method of autonomous vehicles in urban environments considering traffic laws | |
CN110696836A (zh) | 一种智能驾驶车辆的行为决策方法及装置 | |
Shen et al. | Coordination of connected autonomous and human-operated vehicles at the intersection |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |