CN108564234A - 一种智能网联汽车的交叉口无信号自组织通行控制方法 - Google Patents
一种智能网联汽车的交叉口无信号自组织通行控制方法 Download PDFInfo
- Publication number
- CN108564234A CN108564234A CN201810429002.0A CN201810429002A CN108564234A CN 108564234 A CN108564234 A CN 108564234A CN 201810429002 A CN201810429002 A CN 201810429002A CN 108564234 A CN108564234 A CN 108564234A
- Authority
- CN
- China
- Prior art keywords
- intersection
- vehicle
- decision
- area
- order
- 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
- 238000003066 decision tree Methods 0.000 claims abstract description 17
- 230000033001 locomotion Effects 0.000 claims abstract description 16
- 230000008569 process Effects 0.000 claims abstract description 5
- 230000008676 import Effects 0.000 claims description 11
- 239000011159 matrix material Substances 0.000 claims description 9
- 238000000342 Monte Carlo simulation Methods 0.000 claims description 3
- 230000033228 biological regulation Effects 0.000 claims description 2
- JEIPFZHSYJVQDO-UHFFFAOYSA-N ferric oxide Chemical compound O=[Fe]O[Fe]=O JEIPFZHSYJVQDO-UHFFFAOYSA-N 0.000 claims description 2
- 238000004080 punching Methods 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 abstract description 9
- 238000010586 diagram Methods 0.000 description 5
- 230000001133 acceleration Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000011217 control strategy Methods 0.000 description 2
- 230000006855 networking Effects 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000007850 degeneration Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种智能网联汽车的交叉口无信号自组织通行控制方法。智能网联汽车具备智能互联和自动驾驶相关技术,传统的信号配时方法并不适用于智能网联汽车在交叉口的出行控制。具体流程为:通过用数学语言对交叉口环境进行表达,进而划分交叉口区域,为通行决策提供基础;采用基于蒙特卡洛决策树的方法来优化车辆通行次序,从而提高交叉口时空资源利用率;根据决策的通行次序,确定车辆的运动轨迹。
Description
技术领域
本发明属于智能交通领域,涉及车联网和自动驾驶汽车相关技术,为智能网联汽车在无信号交叉口的通行控制提供策略。
背景技术
智能网联汽车是近几年才提出的概念,其核心技术是智能互联技术和自动驾驶技术。智能互联技术指的是基于先进的通信技术实现车车通信、车路通信和路路通信,从而构成信息共享的车联网环境。自动驾驶技术目前受到国内外学术界和工业界的重点关注,包括谷歌、特斯拉、百度在内等全球知名企业都投入了大量资金进行研发,并屡有相关产品问世,力图在未来的5到10年实现真正自动驾驶汽车的全面落地应用。通过结合智能互联和自动驾驶两方面的技术,使得在交通路网中行驶的智能网联汽车具有信息感知、智能决策和执行控制的功能,不仅能保证行驶安全性,而且能合理规划线路选择、行驶轨迹,提升道路交通的服务水平。
信号配时控制方法是目前国内外主流的交叉口通行方式。信号配时控制方法是以传统的人为驾驶汽车为对象,通过设置不同颜色的信号灯,对交叉口不同进口的车流进行通行引导,从而大大降低由于人为主观性造成的通行次序混乱和交通事故的发生。然而,信号配时控制方法控制方式不灵活,不同信号时间分配难以随着交叉口流量变化实时调整,并不适用于具有智能性和客观性特征的智能网联汽车,因此,对于智能网联汽车在交叉口的通行控制需要采用无信号自组织的通行策略。
目前,智能网联汽车在交叉口的通行控制策略也有不少人进行研究,但现有的研究大多是针对少车流、少通行方向的退化交叉口的场景,主要是通过对冲突车辆的运动参数进行调整来规避碰撞,对于车辆通行次序和大规模车流的运动控制模型鲜有研究。
发明内容
本发明面向智能网联汽车在交叉口的出行场景,提出一种无信号自组织的通行控制方法。通过合理数学语言对交叉口环境的物理特性进行表达,将有效信息传递给到达区域的车辆,为制定通行控制策略提供基本信息。考虑到达区域的所有车辆,采用基于蒙特卡洛决策树的方法优化车辆的通行次序。最后,计算出已决策的车辆运行轨迹,主要包括规划车辆的加速度、速度和位置随时间变化情况。
本发明的技术方案包括以下内容:
(1)交叉口环境数据表达
交叉口的物理特征包括交叉口的进口数、各进口车道数、道路的尺寸参数信息。为提高智能网联汽车交叉口的通行效率,需保证车辆的行驶速度,减少停车和低速行驶。在车辆到达交叉口停车线之前就需要提前决策。这里将交叉口区域划分为决策区、执行区和冲突区。其中决策区和执行区是在停车线之前的区域,区域的具体长度需通过仿真实验来确定,冲突区域则包含不同行驶方向车流所有的冲突点。采用二维时空矩阵来表示车辆通过交叉口所遇到的所有冲突点的车辆占有时间序列,提高二维时空矩阵的占有密度即为提高交叉口区域的时空资源利用率。
(2)基于蒙特卡洛决策树的通行次序决策
车辆的通行次序制约着交叉口的通行效率,合理安排车辆通行次序是提高交叉口通行效率的关键。实际上,车辆的通行次序是对决策区内所有车辆的排列组合,组合数随着决策区域车辆数的增多而增大。蒙特卡洛决策树是一种高效的启发式搜索算法,结合了随机模拟的通用性和树搜索的准确性。算法思路是:通过蒙特卡洛方法产生通行次序样本,设计合理的价值函数(这里即为通行延误)来评判每个通行次序的优劣性;搭建决策树结构,是对于通行次序所有情况的完整表示,然后每次迭代通过通行次序的优劣性来更新决策树中的节点权重,根据权重可确定在该节点下次被优先选中的概率(这里可采用首位选择法或“轮盘赌”法)。在通行次序的样本空间有限的情况,蒙特卡洛决策树的方法总能搜索到最优的通行次序。
(3)车辆运动控制模型
本发明的方法采用提前决策,让车辆在交叉口停车线之间通过加减速,控制车辆到达停车线的时间,之后车辆可以按照最佳速度通过交叉口区域。当车辆到达决策区与执行区的交界处,需要确定车辆的运动轨迹,根据当前的通行次序和该车辆要经过的所有冲突点的时间序列,计算出车辆到达停车线的时间,然后以匀速行驶-减速-停车-加速的模式来控制车速,保证到达停车线时达到最佳速度。最后,更新冲突时空矩阵的数值。这里,最佳速度指的是车辆的自由流行驶速度。
附图说明
图1方法流程图
图2为交叉口区域示意图
图3为交叉口区域划分情况
图4为蒙特卡洛决策树操作流程
图5为车辆运动轨迹示意图
图中标号:101为交叉口冲突区域;102为车流方向;103为交叉口冲突点。201为决策区域;202为执行区域。
具体实施方案
下面结合附图和实施方案对本发明进行详细描述,应理解该实例仅用于说明本发明而不用于限制本发明的范围。
图1是方法流程图,具体实施方法按照方法流程图内容依次进行。通过用数学语言对交叉口环境进行表达,进而划分交叉口区域,为通行决策提供基础;采用基于蒙特卡洛决策树的方法来优化车辆通行次序,从而提高交叉口时空资源利用率;根据决策的通行次序,确定车辆的运动轨迹。
如图2所示,本发明的研究对象是平面交叉口环境,图中所示的交叉口是典型的四进***叉口,每个进口有三个车道,从左往右分别为左转、直行、右转车道。对于每个左转和直行方向,在通过交叉口区域时会与其他车流发生冲突,例如东进口的左转与北进口的左转、南进口的直行、西进口的直行和南进口的左转会发生冲突,东进口的直行会与南进口的直行、北进口的左转、西进口的左转和北进口的直行发生冲突。而各个进口的右转车流不与其他车流发生冲突,都可以自由通行。该图中共有8个冲突点。为了使交叉口区域的时空资源得到充分利用,采用二维矩阵描述交叉口中所有冲突点的占有情况,第一维表示冲突点序列,第二维度表示时刻序列,矩阵中元素“0”表示空闲,“1”表示占有。
如图3所示,对于到达交叉口停车线之前的道路可划分为决策区和执行区。因此,车辆要通过交叉口区域需依次通过决策区、执行区和冲突区。车辆在到达决策区和执行区交界处时,需要确定其之后的运动轨迹,这里考虑所有进口车道的决策区中的车辆。决策区的长度越长,每次决策考虑的车辆就越多,算法的计算复杂度越大。因此,需要权衡算法计算的时效性和有效性,一般来说,决策区的长度在一段时间内可以设置为固定值。执行区的长度是变化的,在初始长度的基础上,随着决策区内车辆数增多,决策区的长度将变长,目的是保证车辆有足够的行驶距离来实现车辆减速到停车,然后加速到最佳速度。
图4是蒙特卡洛决策树的一般操作流程,在确定树结构之后,先按照节点权值依次确定一个次序;在确定次序的过程中,如有新节点则优先选择新节点,即为拓展;按照选择-拓展的逻辑直至达到终止条件,然后计算价值函数的数值;最后,根据价值函数判定,反向传播更新次序所经过的节点权值。应对于本发明涉及到的通行次序决策,具体的的决策过程如下:
(1)获取所有进口车辆决策区车辆的信息(包括位置、速度、加速度),加入决策集;
(2)构建决策树,决策树第一层的节点数等于决策区车辆数,此后每层递减一个节点,初始化决策树的所有节点的权值为0;
(3)根据决策树的节点权值,权值越小选择概率越大,采用蒙特卡洛法获取一个通行次序;
(4)根据冲突区的时空矩阵,按照选定的通行次序依次更新到一个临时的时空矩阵中;
(5)计算所有决策区车辆通过交叉口的总延误,每个车辆的平均延误等于该条件下的通过时间与以最佳速度行驶的通行时间之差,根据延误更新通行次序所经过的各个决策树节点的权值;
(6)重复步骤(3)~(5),直至迭代结束,获取迭代过程中的总延误最小时对应的通行次序。
通过上述确定决策车辆的通行次序的过程,获得车辆到达停车线及通过各冲突点的时间,由此可计算出车辆在执行区的运动情况。在不同的交叉口场景下,车辆有多种运动轨迹,如图5所示。A表示车辆先以最佳速度匀速行驶,然后减速至停车,在停车等待之后加速到最佳速度;B表示车辆先以最佳速度匀速行驶,然后减速至低速,之后保持以低速匀速行驶,之后加速到最佳速度;C表示车辆先以最佳速度匀速行驶,然后经历减速-加速过程,之后达到最佳速度;D表示车辆始终以最佳速度匀速行驶。车辆的运动轨迹是与车辆距离停车线距离、车辆到达停车线时间、车辆最佳速度、车辆最大加速度和最大减速度等参数来决定的,图4表示的只是几种简化的运动轨迹示意图。在保证车辆按照既定的时刻到达停车线的前提下,考虑能耗、乘坐舒适性等因素,智能网联汽车可以按照更为复杂的运动轨迹行驶,运动轨迹对交叉口的通行效率不产生影响。
以上详细描述了本发明的实施过程,但是本发明并不限于上述实施方式中的具体细节,在本发明的技术构思范围内,具体的细节是可以改变替换的,如可以只需要通过改变仿真内核中出行者路径选择的规则可以研究不同的问题,在本仿真***框架下具有较高的普适性,都属于本发明的保护范围之内。
Claims (4)
1.一种智能网联汽车的交叉口无信号自组织通行控制方法,其实现过程包括以下模块:
(1)交叉口环境的数据表达
结合交叉口的物理特征包括交叉口的进口数、各进口车道数、道路的尺寸参数信息将交叉口划分为决策区、执行区和冲突区。
(2)基于蒙特卡洛决策树的通行次序决策
通过蒙特卡洛方法产生通行次序样本,设计合理的价值函数(这里即为通行延误)来评判每个通行次序的优劣性;搭建决策树结构,是对于通行次序所有情况的完整表示,然后每次迭代通过通行次序的优劣性来更新决策树中的节点权重,根据权重可确定在该节点下次被优先选中的概率。在通行次序的样本空间有限的情况,蒙特卡洛决策树的方法总能搜索到最优的通行次序。
(3)车辆运动控制模型
车辆到达决策区和执行区交界处时确定其通行轨迹。根据当前通行次序和该车辆要经过的所有冲突点的时间序列,计算出车辆到达停车线的时间,然后通过控制车速变化来决定车辆运动轨迹,保证到达停车线时达到最佳速度。最佳速度指的是车辆的自由流行驶速度。
2.权利要求1所述的决策区和执行区是指在停车线之前的区域,冲突区域则包含不同行驶方向车流所有的冲突点,可采用二维时空矩阵来表示车辆通过交叉口所遇到的所有冲突点的车辆占有情况。
3.权利要求1所述的车辆的通行次序是对决策区内所有车辆的排列组合,组合数由区域内的车辆数而定,随着决策区域车辆数的增多而增大。
4.权利要求2所述的二维矩阵,第一维表示冲突点序列,第二维度表示时刻序列,矩阵中元素“0”表示空闲,“1”表示占有。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810429002.0A CN108564234B (zh) | 2018-05-08 | 2018-05-08 | 一种智能网联汽车的交叉口无信号自组织通行控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810429002.0A CN108564234B (zh) | 2018-05-08 | 2018-05-08 | 一种智能网联汽车的交叉口无信号自组织通行控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108564234A true CN108564234A (zh) | 2018-09-21 |
CN108564234B CN108564234B (zh) | 2020-06-02 |
Family
ID=63538226
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810429002.0A Expired - Fee Related CN108564234B (zh) | 2018-05-08 | 2018-05-08 | 一种智能网联汽车的交叉口无信号自组织通行控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108564234B (zh) |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109859532A (zh) * | 2019-02-28 | 2019-06-07 | 深圳市北斗智能科技有限公司 | 一种多约束条件的停机位分配方法和相关装置 |
CN110060478A (zh) * | 2019-04-29 | 2019-07-26 | 南京邮电大学 | 道路交叉口车辆智能调度方法与*** |
CN111311936A (zh) * | 2020-03-05 | 2020-06-19 | 星觅(上海)科技有限公司 | 车辆可通行状态确定方法、装置、设备及存储介质 |
CN111645687A (zh) * | 2020-06-11 | 2020-09-11 | 知行汽车科技(苏州)有限公司 | 变道策略确定方法、装置及存储介质 |
CN112489457A (zh) * | 2020-12-23 | 2021-03-12 | 东南大学 | 一种自动驾驶环境下交叉口车辆通过引导方法 |
CN112509328A (zh) * | 2020-12-07 | 2021-03-16 | 中国市政工程华北设计研究总院有限公司 | 一种交叉口右转机动车与电动自行车冲突行为分析方法 |
CN112820125A (zh) * | 2021-03-24 | 2021-05-18 | 苏州大学 | 车辆混行情况的智能网联车辆的通行引导方法及引导*** |
CN113012450A (zh) * | 2021-02-24 | 2021-06-22 | 清华大学 | 一种基于约束树的无信号灯交叉口智能车通行决策方法 |
CN113312752A (zh) * | 2021-04-26 | 2021-08-27 | 东南大学 | 一种主路优先控制交叉***通仿真方法及装置 |
CN113312732A (zh) * | 2021-04-28 | 2021-08-27 | 东南大学 | 一种结合预先决策与动态调整的无信控交叉口仿真控制方法及装置 |
CN114067569A (zh) * | 2022-01-14 | 2022-02-18 | 华砺智行(武汉)科技有限公司 | V2x车联网环境下车辆左转辅助预警方法 |
CN114120639A (zh) * | 2021-11-09 | 2022-03-01 | 广州文远知行科技有限公司 | 一种车辆交通控制方法、装置及存储介质 |
CN114495547A (zh) * | 2022-02-22 | 2022-05-13 | 北京航空航天大学 | 一种面向自动驾驶汽车的信号交叉口协同通行策略 |
CN115171386A (zh) * | 2022-07-07 | 2022-10-11 | 中南大学 | 一种基于蒙特卡洛树搜索的分布式协同驾驶方法 |
CN115620536A (zh) * | 2022-10-18 | 2023-01-17 | 北京航空航天大学 | 自动驾驶环境下基于危险度的交叉口通行效率提升方法 |
CN116168550A (zh) * | 2022-12-30 | 2023-05-26 | 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 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013143621A1 (en) * | 2012-03-30 | 2013-10-03 | Nec Europe Ltd. | Method and system for adapting vehicular traffic flow |
CN103714704A (zh) * | 2013-12-16 | 2014-04-09 | 华南理工大学 | 一种车联网环境下的交叉***通流微观控制方法 |
CN104882008A (zh) * | 2015-06-03 | 2015-09-02 | 东南大学 | 一种车联网环境下的无信号交叉口车辆协同控制方法 |
CN106875710A (zh) * | 2017-01-24 | 2017-06-20 | 同济大学 | 一种面向网联自动驾驶车辆的交叉口自组织控制方法 |
CN107123288A (zh) * | 2017-07-04 | 2017-09-01 | 山东交通学院 | 一种无信号交叉口车辆引导装置及引导方法 |
-
2018
- 2018-05-08 CN CN201810429002.0A patent/CN108564234B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013143621A1 (en) * | 2012-03-30 | 2013-10-03 | Nec Europe Ltd. | Method and system for adapting vehicular traffic flow |
CN103714704A (zh) * | 2013-12-16 | 2014-04-09 | 华南理工大学 | 一种车联网环境下的交叉***通流微观控制方法 |
CN104882008A (zh) * | 2015-06-03 | 2015-09-02 | 东南大学 | 一种车联网环境下的无信号交叉口车辆协同控制方法 |
CN106875710A (zh) * | 2017-01-24 | 2017-06-20 | 同济大学 | 一种面向网联自动驾驶车辆的交叉口自组织控制方法 |
CN107123288A (zh) * | 2017-07-04 | 2017-09-01 | 山东交通学院 | 一种无信号交叉口车辆引导装置及引导方法 |
Cited By (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109859532A (zh) * | 2019-02-28 | 2019-06-07 | 深圳市北斗智能科技有限公司 | 一种多约束条件的停机位分配方法和相关装置 |
CN110060478A (zh) * | 2019-04-29 | 2019-07-26 | 南京邮电大学 | 道路交叉口车辆智能调度方法与*** |
CN111311936A (zh) * | 2020-03-05 | 2020-06-19 | 星觅(上海)科技有限公司 | 车辆可通行状态确定方法、装置、设备及存储介质 |
CN111645687A (zh) * | 2020-06-11 | 2020-09-11 | 知行汽车科技(苏州)有限公司 | 变道策略确定方法、装置及存储介质 |
CN112509328A (zh) * | 2020-12-07 | 2021-03-16 | 中国市政工程华北设计研究总院有限公司 | 一种交叉口右转机动车与电动自行车冲突行为分析方法 |
CN112509328B (zh) * | 2020-12-07 | 2022-06-07 | 中国市政工程华北设计研究总院有限公司 | 一种交叉口右转机动车与电动自行车冲突行为分析方法 |
CN112489457B (zh) * | 2020-12-23 | 2021-11-02 | 东南大学 | 一种自动驾驶环境下交叉口车辆通过引导方法 |
CN112489457A (zh) * | 2020-12-23 | 2021-03-12 | 东南大学 | 一种自动驾驶环境下交叉口车辆通过引导方法 |
CN113012450A (zh) * | 2021-02-24 | 2021-06-22 | 清华大学 | 一种基于约束树的无信号灯交叉口智能车通行决策方法 |
CN112820125A (zh) * | 2021-03-24 | 2021-05-18 | 苏州大学 | 车辆混行情况的智能网联车辆的通行引导方法及引导*** |
CN112820125B (zh) * | 2021-03-24 | 2023-01-17 | 苏州大学 | 车辆混行情况的智能网联车辆的通行引导方法及引导*** |
CN113312752A (zh) * | 2021-04-26 | 2021-08-27 | 东南大学 | 一种主路优先控制交叉***通仿真方法及装置 |
CN113312752B (zh) * | 2021-04-26 | 2022-11-04 | 东南大学 | 一种主路优先控制交叉***通仿真方法及装置 |
CN113312732B (zh) * | 2021-04-28 | 2022-11-15 | 东南大学 | 一种结合预先决策与动态调整的无信控交叉口仿真控制方法及装置 |
CN113312732A (zh) * | 2021-04-28 | 2021-08-27 | 东南大学 | 一种结合预先决策与动态调整的无信控交叉口仿真控制方法及装置 |
CN114120639A (zh) * | 2021-11-09 | 2022-03-01 | 广州文远知行科技有限公司 | 一种车辆交通控制方法、装置及存储介质 |
CN114067569B (zh) * | 2022-01-14 | 2022-06-10 | 华砺智行(武汉)科技有限公司 | V2x车联网环境下车辆左转辅助预警方法 |
CN114067569A (zh) * | 2022-01-14 | 2022-02-18 | 华砺智行(武汉)科技有限公司 | V2x车联网环境下车辆左转辅助预警方法 |
CN114495547A (zh) * | 2022-02-22 | 2022-05-13 | 北京航空航天大学 | 一种面向自动驾驶汽车的信号交叉口协同通行策略 |
CN114495547B (zh) * | 2022-02-22 | 2023-02-24 | 北京航空航天大学 | 一种面向自动驾驶汽车的信号交叉口协同通行方法 |
CN115171386A (zh) * | 2022-07-07 | 2022-10-11 | 中南大学 | 一种基于蒙特卡洛树搜索的分布式协同驾驶方法 |
CN115171386B (zh) * | 2022-07-07 | 2023-12-12 | 中南大学 | 一种基于蒙特卡洛树搜索的分布式协同驾驶方法 |
CN115620536A (zh) * | 2022-10-18 | 2023-01-17 | 北京航空航天大学 | 自动驾驶环境下基于危险度的交叉口通行效率提升方法 |
CN116168550A (zh) * | 2022-12-30 | 2023-05-26 | 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 |
Also Published As
Publication number | Publication date |
---|---|
CN108564234B (zh) | 2020-06-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108564234A (zh) | 一种智能网联汽车的交叉口无信号自组织通行控制方法 | |
Yao et al. | Reducing gasoline consumption in mixed connected automated vehicles environment: A joint optimization framework for traffic signals and vehicle trajectory | |
CN111445692B (zh) | 一种无信号灯路口智能网联汽车的速度协同优化方法 | |
CN114495527B (zh) | 一种混合交通环境下网联交叉口车路协同优化方法及*** | |
CN101465057B (zh) | 智能式动态路线诱导***诱导子区协调方法 | |
CN101465058B (zh) | 智能式动态路线诱导***诱导单元决策方法 | |
CN103496368A (zh) | 具有学习能力的汽车协同式自适应巡航控制***及方法 | |
CN113593228B (zh) | 一种高速公路瓶颈区域自动驾驶协同控制方法 | |
CN104809895A (zh) | 相邻交叉口的干道协调控制模型及其优化方法 | |
CN109543255B (zh) | 一种双车道环形交叉口元胞自动机模型的构建方法 | |
CN110427690A (zh) | 一种基于全局粒子群算法生成ato速度曲线的方法及装置 | |
Sun et al. | Microscopic simulation and optimization of signal timing based on multi-agent: A case study of the intersection in Tianjin | |
Askari et al. | Measuring impact of adaptive and cooperative adaptive cruise control on throughput of signalized intersections | |
Shokry et al. | Bandwidth maximization approach for displaced left-turn crossovers coordination under heterogeneous traffic conditions | |
Jia et al. | Traffic behavior around the weaving section in cellular automata model | |
CN115083174B (zh) | 一种基于合作式多智能体强化学习的交通信号灯控制方法 | |
Wang et al. | Multi-lane changing model with coupling driving intention and inclination | |
CN108022423B (zh) | 一种ca模型下的城市施工路段车辆变道点逐日预测方法 | |
Xing et al. | A right-of-way based strategy to implement safe and efficient driving at non-signalized intersections for automated vehicles | |
Qian et al. | Optimal control of connected and automated vehicles at unsignalized intersections: Discrete and regroup | |
Gao et al. | Predictive cruise control under cloud control system for urban bus considering queue dissipation time | |
Wang et al. | Improving fuel efficiency of connected and automated transit buses on signallised corridors | |
Tian et al. | A new bus lane on urban expressway with no-bay bus stop | |
Esmaeili et al. | A platoon formation strategy for heterogeneous vehicle types at a signalized intersection | |
Ma et al. | A review of vehicle speed control strategies |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20200602 |
|
CF01 | Termination of patent right due to non-payment of annual fee |