CN110992676A - 一种道路通行能力与网联自动驾驶车当量系数估计方法 - Google Patents
一种道路通行能力与网联自动驾驶车当量系数估计方法 Download PDFInfo
- Publication number
- CN110992676A CN110992676A CN201910978887.4A CN201910978887A CN110992676A CN 110992676 A CN110992676 A CN 110992676A CN 201910978887 A CN201910978887 A CN 201910978887A CN 110992676 A CN110992676 A CN 110992676A
- Authority
- CN
- China
- Prior art keywords
- automatic driving
- driving vehicle
- average value
- vehicles
- vehicle
- 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
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/22—Platooning, i.e. convoy of communicating vehicles
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/20—Monitoring the location of vehicles belonging to a group, e.g. fleet of vehicles, countable or determined number of vehicles
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
Abstract
Description
技术领域
本发明涉及面向网联自动驾驶技术的道路交通规划与管理领域,尤其是涉及一种道路通行能力与网联自动驾驶车当量系数估计方法。
背景技术
网联自动驾驶车可以从根本上提升道路通行能力、交通流的稳定性和交通安全。网联自动驾驶车通过车辆间(V2V)通信或者车路协同***,获得前方若干网联自动驾驶汽车的实时速度和位置等运行状态信息。若干辆网联自动驾驶车可以通过实时共享这些信息组成车队,并在车队内部维持与人类驾驶车辆之间相比显著更低的车头时距,从而提升道路通行能力。网联自动驾驶车在形成编队时,可以采用不同的编队策略,形成不同长度和位置的网联自动驾驶车车队,从而进一步改善通行能力、燃油经济性和交通安全。另一方面,网联自动驾驶技术的普及还处于初步阶段,网联自动驾驶车在路网中的渗透率将逐渐上升,由网联自动驾驶车和人类驾驶车辆组成的新型混合交通流将长期存在。因此,有必要在新型混合交通流条件下,考虑网联自动驾驶车渗透率和编队策略,量化网联自动驾驶技术对道路通行能力的影响。然而,国内外现有的试图量化这一影响的研究普遍忽视了网联自动驾驶车的编队策略的影响。另外,由于各研究中对网联自动驾驶车和人类驾驶车辆的行为的设定不尽相同,其对通行能力改善程度的计算结果并不一致,与实际新型混合交通流的运行状态不一定吻合。
车型当量系数是研究混合交通流的重要工具,其作用在于把混合交通流流量转换为标准车(通常为小客车)交通流流量,使得不同组成的混合交通流之间具有可比性。当前无论是在理论研究还是工程实践中,当量系数的目标车型主要集中于货车、公交车等大型车,兼顾非机动车和摩托车等小型车,是为处理传统混合交通流服务的,不能处理引入了网联自动驾驶技术的新型混合交通流。只有美国的Bujanovic和Lochrane研究了网联自动驾驶车的当量系数,但这一研究同样没有涉及网联自动驾驶车的编队策略,只是根据V2V通信范围限制了网联自动驾驶车的车队长度。
目前存在的问题:1、量化混合交通流道路通行能力时忽视了网联自动驾驶车的编队策略;2、得到网联自动驾驶车的当量系数时同样没有涉及网联自动驾驶车的编队策略。
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道路通行能力与网联自动驾驶车当量系数估计方法。
本发明的目的可以通过以下技术方案来实现:
一种道路通行能力与网联自动驾驶车当量系数估计方法,该方法包括以下步骤:
步骤S1:获得饱和车头时距平均值和布局类型;
步骤S2:基于渗透率η和研究范围内的车辆总数N,得到研究范围内的网联自动驾驶车数量NA;
步骤S3:基于车辆总数N和网联自动驾驶车数量NA,得到网联自动驾驶车形成的队列的数量α;
步骤S5:基于队列的数量α、布局类型、车辆总数N和网联自动驾驶车数量NA,通过概率质量函数计算特定排列形式的概率Pr((α,J)|(N,NA));
所述的网联自动驾驶车数量NA为:
NA=N·η。
所述的饱和车头时距平均值包括人类驾驶车辆跟驰人类驾驶车辆的饱和车头时距平均值人类驾驶车辆跟驰网联自动驾驶车的饱和车头时距平均值网联自动驾驶车跟驰人类驾驶车辆的饱和车头时距平均值和网联自动驾驶车跟驰网联自动驾驶车的饱和车头时距平均值所述的通过对纯人类驾驶车辆饱和交通流统计得到,所述通过网联自动驾驶车封闭或开放场地实验数据获得,所述和通过对纯网联自动驾驶车饱和交通流进行仿真实验获得。
所述的布局类型包括头队列和尾队列均为人类驾驶车辆的E布局类型,头队列为网联自动驾驶车、尾队列为人类驾驶车辆的F布局类型,头队列为人类驾驶车辆、尾队列为网联自动驾驶车的G布局类型,头队列和尾队列均为网联自动驾驶车的H布局类型。
若采用人类驾驶车辆和网联自动驾驶车任意编队的编队策略,所述的概率Pr((α,J)|(N,NA))包括Pr((α,E)|(N,NA))、Pr((α,F)|(N,NA))、Pr((α,G)|(N,NA))和Pr((α,H)|(N,NA)):
其中,Pr((α,E)|(N,NA))为E布局类型且队列的数量为α的排列形式的概率,Pr((α,F)|(N,NA))为F布局类型且队列的数量为α的排列形式的概率,Pr((α,G)|(N,NA))为G布局类型且队列的数量为α的排列形式的概率,Pr((α,H)|(N,NA))为H布局类型且队列的数量为α的排列形式的概率;
若采用固定网联自动驾驶车形成的队列的长度的编队策略,且限定队列的长度为λ0,所述的概率Pr((α,J)|(N,NA))为:
所述的网联自动驾驶车当量系数PCE为:
与现有技术相比,本发明具有以下优点:
(1)通过纯人类驾驶车辆饱和交通流统计、封闭或开放场地实验和仿真实验中获得的饱和车头时距平均值作为模型输入,有效反映新型混合交通流的实际运行状态,适应实际交通流运行环境,数据获得方法具有可操作性,估算结果可信度高,估算方法便于推广应用。
(2)根据网联自动驾驶车所采用的队列编队策略(包括采用人类驾驶车辆和网联自动驾驶车任意编队的编队策略以及采用固定网联自动驾驶车形成的队列的长度的编队策略),采用概率质量函数来反映编队策略对最终混合饱和交通流车头时距平均值的影响,直接从编队策略的结果着手进行建模,不涉及形成该编队的具体算法,有效简化了计算,同时弥补了当前研究中普遍忽视网联自动驾驶车编队策略的弱点。
(3)所得的道路通行能力和网联自动驾驶车当量系数可以用于指导网联自动驾驶车专用道设置、新建或改建公路车道数设置等面向网联自动驾驶技术的交通规划与管理实践,满足现实需求,促进网联自动驾驶技术的推广应用,进一步改善我国公路网和城市道路网的运行效率和安全性。
附图说明
图1为本发明的流程图;
图2为本发明的车头时距种类示意图;
图3为本发明的布局类型示意图。
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。
实施例
本实施例提供一种道路通行能力与网联自动驾驶车当量系数估计方法,包括以下步骤:
步骤S1:获得饱和车头时距平均值和布局类型,人类驾驶车辆跟驰人类驾驶车辆的饱和车头时距平均值人类驾驶车辆跟驰网联自动驾驶车的饱和车头时距平均值网联自动驾驶车跟驰人类驾驶车辆的饱和车头时距平均值和网联自动驾驶车跟驰网联自动驾驶车的饱和车头时距平均值
步骤S2:基于渗透率η和研究范围内的车辆总数N,得到研究范围内的网联自动驾驶车数量NA;
步骤S3:基于车辆总数N和网联自动驾驶车数量NA,得到网联自动驾驶车形成的队列的数量α;
步骤S5:基于队列的数量α、布局类型、车辆总数N和网联自动驾驶车数量NA,通过概率质量函数计算特定排列形式的概率Pr((α,J)|(N,NA));
具体而言:
布局类型包括四种,分别为头队列和尾队列均为人类驾驶车辆的E布局类型,头队列为网联自动驾驶车、尾队列为人类驾驶车辆的F布局类型,头队列为人类驾驶车辆、尾队列为网联自动驾驶车的G布局类型,头队列和尾队列均为网联自动驾驶车的H布局类型。若研究范围内的交通流只有一个特定车型的队列,则该队列被认为既是头队列,也是尾队列。
步骤S2中网联自动驾驶车数量NA为:
NA=N·η
其中,N的选取应使得当继续增大研究范围时,道路通行能力和网联自动驾驶车当量系数估计值的变化小于预设的阈值,即在该研究范围下估算所得的道路通行能力和网联自动驾驶车当量系数可以反映混合交通流的真实运行状态。
步骤S3中队列的数量α乘以每个队列的长度不大于N。
步骤S5中若采用人类驾驶车辆和网联自动驾驶车任意编队的编队策略,概率Pr((α,J)|(N,NA))包括Pr((α,E)|(N,NA))、Pr((α,F)|(N,NA))、Pr((α,G)|(N,NA))和Pr((α,H)|(N,NA)):
其中,Pr((α,E)|(N,NA))为E布局类型且队列的数量为α的排列形式的概率,Pr((α,F)|(N,NA))为F布局类型且队列的数量为α的排列形式的概率,Pr((α,G)|(N,NA))为G布局类型且队列的数量为α的排列形式的概率,Pr((α,H)|(N,NA))为H布局类型且队列的数量为α的排列形式的概率;
若采用固定网联自动驾驶车形成的队列的长度的编队策略,且限定队列的长度为λ0,λ0的取值应预先确定,概率Pr((α,J)|(N,NA))为:
其中,J为布局类型,表示表示车辆总数为N,网联自动驾驶车数量NA时,形成布局类型J的排列形式数;表示车辆总数为N,网联自动驾驶车数量NA时,形成布局类型J,且包含α个网联自动驾驶车队列的排列形式数,包括 和
网联自动驾驶车当量系数PCE该系数无量纲,表示为:
下面结合一个具体实例进行阐述:
1)如图2所示,在交叉口进口道对纯人类驾驶车辆饱和交通流统计获得 的取值与相等;和的取值通过计算机仿真平台,对网联自动驾驶车饱和交通流进行仿真获得,具体取值如表1所示,单位为秒:布局类型可以按照头队列和尾队列所属车型分为E、F、G、H共4类,如图3所示。
2)在本实例中,渗透率为η=0.5,计算在该渗透率下的道路通行能力和网联自动驾驶车当量系数。
3)在混合交通流中截取连续的一段作为研究范围,如图2所示,其规模为N=100,则研究范围内的网联自动驾驶车数量为NA=N·η=50。
5)计算不同的排列形式的混合饱和交通流车头时距平均值。例如计算拥有2个网联自动驾驶车队列F布局类型排列形式的混合饱和交通流车头时距平均值,计算过程如下式所示:
其余布局类型和不同网联自动驾驶车的队列数的排列形式采用同样算法,不一一列举计算结果。
6)在本实例中,采用人类驾驶车辆和网联自动驾驶车任意编队的编队策略,则计算产生拥有2个网联自动驾驶车队列F布局类型的概率为:
其余布局类型和不同网联自动驾驶车的队列数的排列形式采用同样方法计算概率,不一一列举计算结果。
8)按照下式计算道路通行能力:
按照下式计算网联自动驾驶车当量系数:
结果显示,在网联自动驾驶车渗透率为0.5,采用人类驾驶车辆和网联自动驾驶车任意编队的编队策略条件下,道路通行能力为1964veh/(h·ln),网联自动驾驶车当量系数为0.53,可用于把混合交通流流量转换为标准车(通常为小客车)交通流流量,使得不同组成的混合交通流之间具有可比性。
Claims (8)
1.一种道路通行能力与网联自动驾驶车当量系数估计方法,其特征在于,该方法包括以下步骤:
步骤S1:获得饱和车头时距平均值和布局类型;
步骤S2:基于渗透率η和研究范围内的车辆总数N,得到研究范围内的网联自动驾驶车数量NA;
步骤S3:基于车辆总数N和网联自动驾驶车数量NA,得到网联自动驾驶车形成的队列的数量α;
步骤S5:基于队列的数量α、布局类型、车辆总数N和网联自动驾驶车数量NA,通过概率质量函数计算特定排列形式的概率Pr((α,J)|(N,NA));
2.根据权利要求1所述的一种道路通行能力与网联自动驾驶车当量系数估计方法,其特征在于,所述的网联自动驾驶车数量NA为:
NA=N·η。
4.根据权利要求3所述的一种道路通行能力与网联自动驾驶车当量系数估计方法,其特征在于,所述的布局类型包括头队列和尾队列均为人类驾驶车辆的E布局类型,头队列为网联自动驾驶车、尾队列为人类驾驶车辆的F布局类型,头队列为人类驾驶车辆、尾队列为网联自动驾驶车的G布局类型,头队列和尾队列均为网联自动驾驶车的H布局类型。
6.根据权利要求5所述的一种道路通行能力与网联自动驾驶车当量系数估计方法,其特征在于,若采用人类驾驶车辆和网联自动驾驶车任意编队的编队策略,所述的概率Pr((α,J)|(N,NA))包括Pr((α,E)|(N,NA))、Pr((α,F)|(N,NA))、Pr((α,G)|(N,NA))和Pr((α,H)|(N,NA)):
其中,Pr((α,E)|(N,NA))为E布局类型且队列的数量为α的排列形式的概率,Pr((α,F)|(N,NA))为F布局类型且队列的数量为α的排列形式的概率,Pr((α,G)|(N,NA))为G布局类型且队列的数量为α的排列形式的概率,Pr((α,H)|(N,NA))为H布局类型且队列的数量为α的排列形式的概率;
若采用固定网联自动驾驶车形成的队列的长度的编队策略,且限定队列的长度为λ0,所述的概率Pr((α,J)|(N,NA))为:
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910978887.4A CN110992676B (zh) | 2019-10-15 | 2019-10-15 | 一种道路通行能力与网联自动驾驶车当量系数估计方法 |
PCT/CN2020/120821 WO2021073523A1 (zh) | 2019-10-15 | 2020-10-14 | 一种道路通行能力与网联自动驾驶车当量系数估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910978887.4A CN110992676B (zh) | 2019-10-15 | 2019-10-15 | 一种道路通行能力与网联自动驾驶车当量系数估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110992676A true CN110992676A (zh) | 2020-04-10 |
CN110992676B CN110992676B (zh) | 2021-06-04 |
Family
ID=70082026
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910978887.4A Active CN110992676B (zh) | 2019-10-15 | 2019-10-15 | 一种道路通行能力与网联自动驾驶车当量系数估计方法 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN110992676B (zh) |
WO (1) | WO2021073523A1 (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021073523A1 (zh) * | 2019-10-15 | 2021-04-22 | 同济大学 | 一种道路通行能力与网联自动驾驶车当量系数估计方法 |
CN113487854A (zh) * | 2021-06-30 | 2021-10-08 | 吉林大学 | 一种高速公路上车辆协同编队预先组队管理***及方法 |
CN113781788A (zh) * | 2021-11-15 | 2021-12-10 | 长沙理工大学 | 基于稳定性与安全性的自动驾驶车辆管理方法 |
CN115116217A (zh) * | 2022-05-26 | 2022-09-27 | 东北林业大学 | 车道饱和流率与启动损失时间的动态测算方法及*** |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116704775B (zh) * | 2023-06-27 | 2024-01-30 | 大连海事大学 | 一种考虑智能网联公交车的混合交通流通行能力计算方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101042805A (zh) * | 2007-03-09 | 2007-09-26 | 吉林大学 | 单个交叉口混合交通信号的控制方法 |
CN101510355A (zh) * | 2009-03-30 | 2009-08-19 | 东南大学 | 一种交叉口进口道禁止变换车道线长度的确定方法 |
US9195938B1 (en) * | 2012-12-27 | 2015-11-24 | Google Inc. | Methods and systems for determining when to launch vehicles into a fleet of autonomous vehicles |
US20170003681A1 (en) * | 2015-05-13 | 2017-01-05 | Uber Technologies, Inc. | Autonomous vehicle operated with guide assistance of human driven vehicles |
CN106708057A (zh) * | 2017-02-16 | 2017-05-24 | 北理慧动(常熟)车辆科技有限公司 | 一种智能车辆编队行驶方法 |
DE102016111447A1 (de) * | 2016-06-22 | 2017-12-28 | Terex Mhps Gmbh | System zum Transport von Containern, insbesondere ISO-Containern, mittels Schwerlastfahrzeugen |
CN108417026A (zh) * | 2017-12-01 | 2018-08-17 | 安徽优思天成智能科技有限公司 | 一种使道路通行能力最优的智能车比例获取方法 |
CN108415245A (zh) * | 2018-01-26 | 2018-08-17 | 华南理工大学 | 一种异质车联网条件下自主车队运行的容错控制方法 |
CN109725639A (zh) * | 2018-12-13 | 2019-05-07 | 北京工业大学 | 巡航***的线性控制方法及装置 |
EP3316062B1 (en) * | 2016-10-31 | 2019-09-04 | Nxp B.V. | Platoon control |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102157064B (zh) * | 2011-05-26 | 2013-12-18 | 东南大学 | 设置公交专用道的信号交叉口设计方法 |
CN102622878B (zh) * | 2012-04-11 | 2014-08-13 | 天津市市政工程设计研究院 | 货车专用直行车道设置方法 |
US9848813B2 (en) * | 2012-08-14 | 2017-12-26 | Volvo Lastvagnar Ab | Method for determining the operational state of a driver |
CN103383816B (zh) * | 2013-07-01 | 2015-09-02 | 青岛海信网络科技股份有限公司 | 复用电子警察混合交通流检测的交通信号控制方法及装置 |
CN104916135B (zh) * | 2015-06-19 | 2017-05-10 | 南京全司达交通科技有限公司 | 获取客货分离式高速公路货运车道通行能力的方法和*** |
CN105741555B (zh) * | 2016-04-28 | 2017-12-01 | 华南理工大学 | 一种基于宏观基本图确定车型折算系数的方法 |
CN106971546B (zh) * | 2017-05-18 | 2020-07-24 | 重庆大学 | 基于公交车gps数据的路段公交车渗透率估计方法 |
CN109118770A (zh) * | 2018-09-11 | 2019-01-01 | 东南大学 | 一种基于交通监测数据的路段通行能力挖掘方法 |
CN109859456B (zh) * | 2018-12-06 | 2019-11-22 | 浙江大学 | 车联网环境下的车辆编队初始方案确定方法 |
CN109709956B (zh) * | 2018-12-26 | 2021-06-08 | 同济大学 | 一种自动驾驶车辆速度控制多目标优化的跟驰算法 |
CN110992676B (zh) * | 2019-10-15 | 2021-06-04 | 同济大学 | 一种道路通行能力与网联自动驾驶车当量系数估计方法 |
-
2019
- 2019-10-15 CN CN201910978887.4A patent/CN110992676B/zh active Active
-
2020
- 2020-10-14 WO PCT/CN2020/120821 patent/WO2021073523A1/zh active Application Filing
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101042805A (zh) * | 2007-03-09 | 2007-09-26 | 吉林大学 | 单个交叉口混合交通信号的控制方法 |
CN101510355A (zh) * | 2009-03-30 | 2009-08-19 | 东南大学 | 一种交叉口进口道禁止变换车道线长度的确定方法 |
US9195938B1 (en) * | 2012-12-27 | 2015-11-24 | Google Inc. | Methods and systems for determining when to launch vehicles into a fleet of autonomous vehicles |
US20170003681A1 (en) * | 2015-05-13 | 2017-01-05 | Uber Technologies, Inc. | Autonomous vehicle operated with guide assistance of human driven vehicles |
DE102016111447A1 (de) * | 2016-06-22 | 2017-12-28 | Terex Mhps Gmbh | System zum Transport von Containern, insbesondere ISO-Containern, mittels Schwerlastfahrzeugen |
EP3316062B1 (en) * | 2016-10-31 | 2019-09-04 | Nxp B.V. | Platoon control |
CN106708057A (zh) * | 2017-02-16 | 2017-05-24 | 北理慧动(常熟)车辆科技有限公司 | 一种智能车辆编队行驶方法 |
CN108417026A (zh) * | 2017-12-01 | 2018-08-17 | 安徽优思天成智能科技有限公司 | 一种使道路通行能力最优的智能车比例获取方法 |
CN108415245A (zh) * | 2018-01-26 | 2018-08-17 | 华南理工大学 | 一种异质车联网条件下自主车队运行的容错控制方法 |
CN109725639A (zh) * | 2018-12-13 | 2019-05-07 | 北京工业大学 | 巡航***的线性控制方法及装置 |
Non-Patent Citations (4)
Title |
---|
KOUVELAS A 等: "Exploring the impact of autonomous vehicles in urban networks and potential new capabilities for perimeter control", 《2017 5TH IEEE INTERNATIONAL CONFERENCE ON MODELS AND TECHNOLOGIES FOR INTELLIGENT TRANSPORTATION SYSTEMS (MT-ITS)》 * |
ZHAO WM 等: "A platoon based cooperative eco-driving model for mixed automated and human-driven vehicles at a signalised intersection", 《TRANSPORTATION RESEARCH PART C-EMERGING TECHNOLOGIES》 * |
***: "车路协同环境下城市道路交织区驾驶行为特性及控制策略研究", 《中国博士学位论文全文数据库工程科技II辑》 * |
马丽娜: "基于元胞自动机的自动驾驶—手动驾驶交通流特性研究", 《中国优秀硕士学位论文全文数据库工程科技II辑》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021073523A1 (zh) * | 2019-10-15 | 2021-04-22 | 同济大学 | 一种道路通行能力与网联自动驾驶车当量系数估计方法 |
CN113487854A (zh) * | 2021-06-30 | 2021-10-08 | 吉林大学 | 一种高速公路上车辆协同编队预先组队管理***及方法 |
CN113781788A (zh) * | 2021-11-15 | 2021-12-10 | 长沙理工大学 | 基于稳定性与安全性的自动驾驶车辆管理方法 |
CN115116217A (zh) * | 2022-05-26 | 2022-09-27 | 东北林业大学 | 车道饱和流率与启动损失时间的动态测算方法及*** |
CN115116217B (zh) * | 2022-05-26 | 2023-09-26 | 东北林业大学 | 车道饱和流率与启动损失时间的动态测算方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN110992676B (zh) | 2021-06-04 |
WO2021073523A1 (zh) | 2021-04-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110992676B (zh) | 一种道路通行能力与网联自动驾驶车当量系数估计方法 | |
Ersal et al. | Connected and automated road vehicles: state of the art and future challenges | |
Altan et al. | GlidePath: Eco-friendly automated approach and departure at signalized intersections | |
CN108595823B (zh) | 一种联合驾驶风格和博弈理论的自主车换道策略计算方法 | |
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*** | |
Qi et al. | Integrated-connected eco-driving system for phevs with co-optimization of vehicle dynamics and powertrain operations | |
Wu et al. | Energy-optimal speed control for electric vehicles on signalized arterials | |
DE112019005425T5 (de) | Redundanz in autonomen fahrzeugen | |
CN111746539B (zh) | 一种智能网联汽车严格安全换道入队控制方法 | |
Alam | Fuel-efficient heavy-duty vehicle platooning | |
CN103208191B (zh) | 一种城市道路交叉口过饱和条件下信号协调控制的优化方法 | |
CN105216782B (zh) | 基于能量预测的插电式混合动力汽车能量管理方法 | |
CN105243855B (zh) | 一种减少机动车尾气排放的交叉口信号配时优化方法 | |
Neubauer et al. | Accounting for the variation of driver aggression in the simulation of conventional and advanced vehicles | |
WO2017029096A1 (de) | Vorrichtungen, verfahren und computerprogramm zum bereitstellen von information über eine voraussichtliche fahrintention | |
CN108489500A (zh) | 一种基于能耗经济性的全局路径规划方法及*** | |
Sethuraman et al. | Effects of bus platooning in an urban environment | |
CN115565390B (zh) | 智能网联汽车多车道队列通行控制方法、***及计算机可读存储介质 | |
Hao et al. | Connected Eco-approach and Departure System for Diesel Trucks | |
CN113886764A (zh) | 一种基于Frenet坐标系的智能车辆多场景轨迹规划方法 | |
Deshpande et al. | In-vehicle test results for advanced propulsion and vehicle system controls using connected and automated vehicle information | |
Englund et al. | Cooperative speed harmonization for efficient road utilization | |
CN114373322B (zh) | 用于对车辆进行编队管理的方法及相关产品 | |
CN108985616A (zh) | 一种公交专用道布局评价方法 | |
CN106205123B (zh) | 一种一体化干线交叉口群时空资源配置方法 |
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 |