CN111324130A - 一种仿鸽群的智能车编队协同自适应巡航控制切换方法 - Google Patents
一种仿鸽群的智能车编队协同自适应巡航控制切换方法 Download PDFInfo
- Publication number
- CN111324130A CN111324130A CN202010234627.9A CN202010234627A CN111324130A CN 111324130 A CN111324130 A CN 111324130A CN 202010234627 A CN202010234627 A CN 202010234627A CN 111324130 A CN111324130 A CN 111324130A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- control
- individual
- obstacle
- formation
- 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
- 230000015572 biosynthetic process Effects 0.000 title claims abstract description 52
- 238000000034 method Methods 0.000 title claims abstract description 18
- 241000272201 Columbiformes Species 0.000 claims abstract description 47
- 230000003993 interaction Effects 0.000 claims abstract description 27
- 230000006870 function Effects 0.000 claims abstract description 21
- 238000004891 communication Methods 0.000 claims abstract description 15
- 230000003044 adaptive effect Effects 0.000 claims description 14
- 230000000007 visual effect Effects 0.000 claims description 3
- 230000008447 perception Effects 0.000 claims description 2
- 238000005755 formation reaction Methods 0.000 description 32
- 238000011160 research Methods 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 2
- 244000144992 flock Species 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
Images
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
- G05D1/0088—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots characterized by the autonomous decision making process, e.g. artificial intelligence, predefined behaviours
-
- 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)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Game Theory and Decision Science (AREA)
- Medical Informatics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种仿鸽群的智能车编队协同自适应巡航控制切换方法，首先，每辆个体车根据其可感知范围内的障碍车数量计算道路拥挤度，若所有个体车计算出的拥挤度δi均大于拥挤度阈值δmax，则车队进入层级控制模式modeh；反之，车队进入平等交互模式modee；然后在当前状态下，车队中的每辆个体车i在有较低通信延迟的距离内标记好邻居车辆j从而得到邻居车辆集合
或
，接着进行控制输入，控制输入包括编队控制增益、目标点控制增益、跟随控制增益，并且三者均加入势场函数将函数值维持在合理范围内；最后判断安全性，每个个体车通过计算可感知范围内所有障碍车占据的障碍角，判断控制输入矢量方向是否处于障碍角θavoi范围内，预测其行驶行为的安全性。
Description
技术领域
本发明属于智能车车辆编队控制领域，特别涉及了一种仿鸽群的智能车编队协同自适应巡航控制切换方法。
背景技术
随着科技进步和人类需求的增大，智能车越来越多地进入人们视野。目前，智能车车队协同控制技术已成为此领域的重大课题。1986年，美国加州大学伯克利分校组建 PATH(Partners for Advanced Transit and Highways)机构，激发了车队协同控制研究工作的热潮。欧洲于2011和2016年已举办两届协同驾驶挑战赛(Grand Cooperative DrivingChallenge，GCDC)，旨在推动协同自适应技术(Cooperative Adaptive Cruise Control,CACC)的发展并缓解当前世界交通问题。当下车队协同控制研究逐渐有三大分支：一是纵向协同控制研究方向，其研究重点是自适应巡航控制(Adaptive Cruise Control, ACC)；二是侧向协同控制研究方向，其研究重点是车辆换道与车道保持(Lane Keeping Assist，LKA)；三是综合协同控制研究方向，其研究重点是车辆避障等方向。其中，协同自适应巡航控制属于纵向协调控制技术，在未来对于保障大流量交通流的安全具有十分重要的意义，但其领域较为新颖，相关理论和方法尚不成熟，存在诸多亟待探索之处。
鸽群智能是群体智能领域的新兴概念，由国内段海滨教授等人提出并得到较快的发展。比如段海滨等人受鸽群归巢模式启发提出鸽群优化算法，内置两种不同的算子模型：地图和指南针算子和地标算子，开创性地拓宽了群体智能研究新方向；Boyi CHEN等提出了基于量子混合的鸽群优化算法，通过利用较少样本量改善了原算法中多峰值问题和高维度下非凸问题。
自然界中的鸽群存在两种编队交互模式，即平等交互模式和层级控制模式。当鸽群飞行曲线曲率较大时(即飞行状态不平稳时)，鸽群更偏向采用平等交互模式。在此模式下，个体鸽子受可感知范围内的邻居鸽子影响，根据邻居鸽子的飞行方案(飞行方向、飞行速度)来决定本体的飞行方案，且每只邻居鸽子在本体决策方案中的影响程度相同。从而保持飞行编队中个体距离、飞行速度矢量的一致，保证编队队形合理。当鸽群飞行曲线曲率较小时(即飞行状态平稳时)，鸽群更偏向采用层级控制模式。在此模式下，个体鸽子的飞行方案同时受邻居普通鸽子、邻居优势鸽子的影响。且在本体飞行决策中，邻居优势鸽子影响程度比邻居普通鸽子更大。(邻居优势鸽子即鸽群中某些先天条件较优越的鸽子，比如视野更远，更加健康的鸽子)较平等交互模式，层级控制模式模式的决策效率更高，编队反应更加灵敏；但平等交互模式可较大保障每只个体鸽子安全性，整体安全度提高。
但目前鸽群智能概念仅被用于无人机集群作战与航天器编队上，在其它方向如车辆编队协同控制等仍有较大研究空间。纵向协同控制旨在提高车辆编队自适应巡航的高效性与安全性，但由于现实环境中道路情况极为复杂且集群编队的控制难度较高，目前尚无成熟完善的车队协同自适应控制策略。
发明内容
为解决上述问题，本发明提出一种仿鸽群的车辆编队协同自适应巡航控制切换方法，以期在不同的道路拥挤度的工况下，同时保证车队行驶速度处于理想范围内且维持车辆编队形式较为合理，从而提高车队通过拥挤路段时的速度和单体车辆的安全性，减少交通堵塞和交通事故的发生。
本发明所提出的仿鸽群的智能车编队协同自适应巡航控制切换方法，采取两种协同控制模式：平等交互模式(egalitarian mode，记为modee)和层级控制模式(hierarchical mode，记为modeh)。整体控制流程图如图1所示。首先，每辆个体车根据其可感知范围内的障碍车数量计算道路拥挤度。若所有个体车计算出的拥挤度δi均大于所设道路拥挤度阈值δmax，则车队进入层级控制模式modeh；若有任何一辆个体车所计算出的拥挤度δi小于拥挤度阈值δmax，则车队进入平等交互模式modee。然后在当前状态下，车队中的每辆个体车i须在有较低通信延迟的距离内标记好邻居车辆j从而得到邻居车辆集合
(或
)接着进行控制输入，控制输入分为编队控制增益、目标点控制增益、跟随控制增益。并且三者均通过加入势场函数将函数值维持在合理范围之内。在两种模式中，平等交互模式的跟随控制增益将所有其余邻居鸽子对本体鸽子影响的权重赋值为1；层级控制模式的跟随控制增益将邻居优势鸽子对本体的影响赋以权重w，邻居普通鸽子对本体的影响权重赋值为1。最后进行安全方向判断，将控制输入的合理性进行二次检查。每个个体车通过计算可感知范围内所有障碍车占据的障碍角，判断控制输入矢量方向是否处于障碍角θavoi范围内，预测其行驶行为的安全性。
本发明的有益效果：
(1)首次将车队协同控制结合鸽***互模式特点并通过势场函数和梯度运算，实现在不同拥挤度工况下，以较高灵活度的编队使车队保持较为理想的速度通过设定道路区域，缓解交通拥堵，提高了车队道路行驶的安全性、高速性和灵敏性。
(2)编队势场函数形式简洁，且无对数、指数等复杂数学运算，在控制个体车辆与邻居车辆的距离时提高运算效率。跟随势场函数与编队势场函数构成的比例-微分控制，改善***的动态特性。
(3)引入了势场函数和障碍角并将障碍角作为控制输入合理性的二次检查，降低了因群体决策不合理而造成的***故风险，提高了车队行驶的安全性。
(4)首次将鸽群智能概念引入车队协同控制领域中，拓宽了群体智能在车队协同领域的应用，改善了在拥挤交通环境下车队行驶面临的道路堵塞和道路安全问题。
附图说明
图1仿鸽群的智能车编队协同自适应巡航控制切换方法控制流程示意图
具体实施方式
下面结合附图对本发明作进一步说明。
如图1所示，本发明的实施包括如下步骤：
Step 1道路拥挤度判断
当车辆编队在某一道路区域行驶时，每辆个体车会自动计算其可感知区域Rvision内道路拥挤度。若所有个体车辆计算得出的拥挤度均小于拥挤度阈值δmax，则群体进入层级控制模式modeh；反之则进入平等交互模式modee。考虑车辆编队共有N辆车，每辆个体车i的动力学模型为
其中xi，vi，Pi分别是个体车辆i的位置矢量，速度矢量和控制输入，mi是个体车辆i的质量。在Rvision内，个体车i所检测到的拥挤度δi为
其中，α是视觉模糊因子，Ndi是在Rvision检测到的障碍车数量。拥挤度阈值δmax为
其中K是人为设定的切换模式安全系数，需根据实际情况进行选择。当车辆编队行驶在空旷道路且编队较为松散时，K可取为3；在非空旷道路且编队非常紧密时K应取为1；其他情况下K取为2。当δi>δmax时(i＝1，2，……N)，车辆编队采用层级控制模式，进入modeh；当有任意一个个体车辆δi<δmax时，车辆编队采用平等交互模式，进入modee。
Step 2邻居车辆判定
当车队需实时在其可感知范围内确定邻居车辆集合。因此可根据两种控制模式做出如下定义。
(1)平等交互模式下邻居车辆的判定。定义平等交互模式下个体车辆i的邻居集合用
表示为
其中，
是平等交互模式下个体车辆较低通讯延迟的通讯距离；j＝1,2，…N是此通讯距离内除障碍车的编队内个体车辆。xij是车辆个体i与“邻居”车辆个体j间的位置矢量。
(2)层级交互模式下邻居车辆的判定。定义层级控制模式下个体车辆i的邻居集合用
表示为：
其中，
是层级控制模式下个体车辆的较低通讯延迟的通讯距离；j＝1,2，…N 是此通讯距离内除障碍车的编队内个体车辆。
Step 3输入控制
个体车辆根据邻居车辆的行驶信息决定本体的行驶要素：个体车辆对邻居车辆相对其本体的位移差矢量和速度差矢量等进行势函数梯度运算，求取本体的输入控制。。在平等交互状态下，邻居车辆对本体车辆决策的影响权重相同，均赋值为1。在层级控制模式下，邻居优势车辆对本体车辆决策的影响权重为w，邻居普通车辆对本体车辆决策的影响权重为1。
(1)在平等交互模式下，将控制输入
定义为：
其中，Pro为优势车辆群集，优势车辆个体i∈Pro。Kf>0是编队控制增益，Kt>0 是目标点控制增益，Kv>0是跟随控制增益；xt是目标中心点位置矢量，vij＝vi-vj是车辆个体i与“邻居”车辆个体j之间的速度差矢量。
编队势场函数
为
其中，Rexp为个体之间期望距离，Rmin为个体之间最小安全距离，Rmax为个体之间最大安全距离。
为上安全范围，
为下安全范围，
目标势场函数
为
其中，Rt是目标区域半径。
跟随势场函数
为：
其中，vexp为个体车辆期望速度，vmin为个体车辆最小速度，vmax为个体车辆最大速度。
(2)在层级控制模式下，将控制输入
定义为：
其中，编队势场函数、目标点势场函数、跟随势场函数的定义同上。w是跟随控制权重，须根据实际道路情况标定。
Step 4安全方向判断
个体车辆在得到控制输入后需检验控制输入的合理性，避免因群体性决策造成的个体安全性下降。做出如下定义：个体车辆i在得到输入控制后，会根据周围障碍车辆算出实时避障角。若输入控制的速度v的方向处于障碍角空间集合范围内，则保持当前车速等状态，放弃上一步输入控制；若速度v的方向处于障碍角空间集合范围外，方可按执行输入控制。对于个体车辆i，在其可感知距离Rvision中检测到的障碍车辆Nd，其障碍角θavoi为
其中，Robsi是个体车辆i到障碍车的距离，θobsi是个体车辆i的速度方向与车辆i 和障碍车连线的夹角,α是安全角度系数，需根据实际道路情况标定。
上文所列出的一系列的详细说明仅仅是针对本发明的可行性实施方式的具体说明，它们并非用以限制本发明的保护范围，凡未脱离本发明技术所创的等效方式或变更均应包含在本发明的保护范围之内。
Claims (9)
1.一种仿鸽群的智能车编队协同自适应巡航控制切换方法，其特征在于，首先，每辆个体车根据其可感知范围内的障碍车数量计算道路拥挤度，若所有个体车计算出的拥挤度δi均大于所设道路拥挤度阈值δmax，则车队进入层级控制模式modeh；若有任何一辆个体车所计算出的拥挤度δi小于拥挤度阈值δmax，则车队进入平等交互模式modee；然后在当前状态下，车队中的每辆个体车i在有较低通信延迟的距离内标记好邻居车辆j从而得到邻居车辆集合
或
接着进行控制输入，控制输入包括编队控制增益、目标点控制增益、跟随控制增益，并且三者均通过加入势场函数将函数值维持在合理范围之内；在两种模式中，平等交互模式的跟随控制增益将所有其余邻居鸽子对本体鸽子影响的权重赋值为1；层级控制模式的跟随控制增益将邻居优势鸽子对本体的影响赋以权重w，邻居普通鸽子对本体的影响权重赋值为1；最后进行安全方向判断，将控制输入的合理性进行二次检查，每个个体车通过计算可感知范围内所有障碍车占据的障碍角，判断控制输入矢量方向是否处于障碍角θavoi范围内，预测其行驶行为的安全性。
2.根据权利要求1所述的一种仿鸽群的智能车编队协同自适应巡航控制切换方法，其特征在于，所述方法包括如下步骤：
步骤1，判断道路拥挤度，并根据拥挤度选择进入相应的编队模式；
步骤2，判定邻居车辆，并且根据控制模式不同划分不同的邻居集合；
步骤3，设置输入控制；
步骤4，判断安全方向。
3.根据权利要求1所述的一种仿鸽群的智能车编队协同自适应巡航控制切换方法，其特征在于，所述步骤1具体如下：
设车辆编队在某一道路区域行驶时，每辆个体车会自动计算其可感知区域Rvision内道路拥挤度，若所有个体车辆计算得出的拥挤度δi均小于拥挤度阈值δmax，则群体进入层级控制模式modeh；反之则进入平等交互模式modee。
4.根据权利要求3所述的一种仿鸽群的智能车编队协同自适应巡航控制切换方法，其特征在于，所述步骤1中拥挤度及拥挤度阈值的计算方法如下：
设车辆编队共有N辆车，每辆个体车i的动力学模型为
其中xi，vi，ui分别是个体车辆i的位置矢量，速度矢量和控制输入，mi是个体车辆i的质量；
在Rvision内，个体车i所检测到的拥挤度δi为
其中，α是视觉模糊因子，Ndi是在Rvision检测到的障碍车数量；
拥挤度阈值δmax为
其中K是人为设定的切换模式安全系数。
5.根据权利要求1所述的一种仿鸽群的智能车编队协同自适应巡航控制切换方法，其特征在于，所述步骤2具体实现如下：
车队实时在其可感知范围内确定邻居车辆集合，所述邻居车辆集合根据两种控制模式做出如下定义：
(1)平等交互模式下邻居车辆的判定：定义平等交互模式下个体车辆i的邻居集合用
表示为
其中，
是平等交互模式下个体车辆较低通讯延迟的通讯距离；j＝1,2，…N是此通讯距离内除障碍车的编队内个体车辆。xij是车辆个体i与“邻居”车辆个体j间的位置矢量；
(2)层级交互模式下邻居车辆的判定：定义层级控制模式下个体车辆i的邻居集合用
表示为：
其中，
是层级控制模式下个体车辆的较低通讯延迟的通讯距离；j＝1,2，…N是此通讯距离内除障碍车的编队内个体车辆。
6.根据权利要求1所述的一种仿鸽群的智能车编队协同自适应巡航控制切换方法，其特征在于，所述步骤3的具体实现包括：
在平等交互模式下，将控制输入
定义为：
其中，Pro为优势车辆群集，优势车辆个体i∈Pro。Kf>0是编队控制增益，Kt>0是目标点控制增益，Kv>0是跟随控制增益；xt是目标中心点位置矢量，vij＝vi-vj是车辆个体i与“邻居”车辆个体j之间的速度差矢量；
编队势场函数
为
其中，Rexp为个体之间期望距离，Rmin为个体之间最小安全距离，Rmax为个体之间最大安全距离。
为上安全范围，
为下安全范围，
目标势场函数
为
其中，Rt是目标区域半径；
跟随势场函数
为：
其中，vexp为个体车辆期望速度，vmin为个体车辆最小速度，vmax为个体车辆最大速度。
7.根据权利要求6所述的一种仿鸽群的智能车编队协同自适应巡航控制切换方法，其特征在于，所述步骤3的具体实现还包括：
在层级控制模式下，控制输入
定义为：
其中，编队势场函数、目标点势场函数、跟随势场函数的定义同权利要求6的定义，w是跟随控制权重，根据实际道路情况标定。
8.根据权利要求7所述的一种仿鸽群的智能车编队协同自适应巡航控制切换方法，其特征在于，在平等交互状态下，邻居车辆对本体车辆决策的影响权重相同，均赋值为1；在层级控制模式下，邻居优势车辆对本体车辆决策的影响权重为w，邻居普通车辆对本体车辆决策的影响权重为1。
9.根据权利要求1所述的一种仿鸽群的智能车编队协同自适应巡航控制切换方法，其特征在于，所述步骤4具体如下：
个体车辆i在得到输入控制后，根据周围障碍车辆算出实时避障角；若输入控制的速度v的方向处于障碍角空间集合范围内，则保持当前车速等状态，放弃上一步输入控制；若速度v的方向处于障碍角空间集合范围外，则按执行输入控制；
对于个体车辆i，在其可感知距离Rvision中检测到的障碍车辆Nd，其障碍角θavoi为
其中，Robsi是个体车辆i到障碍车的距离，θobsi是个体车辆i的速度方向与车辆i和障碍车连线的夹角,α是安全角度系数，需根据实际道路情况标定。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010234627.9A CN111324130B (zh) | 2020-03-30 | 2020-03-30 | 一种仿鸽群的智能车编队协同自适应巡航控制切换方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010234627.9A CN111324130B (zh) | 2020-03-30 | 2020-03-30 | 一种仿鸽群的智能车编队协同自适应巡航控制切换方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111324130A true CN111324130A (zh) | 2020-06-23 |
| CN111324130B CN111324130B (zh) | 2022-11-18 |
Family
ID=71167922
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010234627.9A Active CN111324130B (zh) | 2020-03-30 | 2020-03-30 | 一种仿鸽群的智能车编队协同自适应巡航控制切换方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111324130B (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113110494A (zh) * | 2021-05-07 | 2021-07-13 | 清华大学 | 基于预期功能安全的协同式自适应巡航控制容错设计*** |
| CN113148227A (zh) * | 2020-12-11 | 2021-07-23 | 中国空间技术研究院 | 卫星集群分布式控制方法和装置 |
| CN113147764A (zh) * | 2021-06-01 | 2021-07-23 | 吉林大学 | 基于协同式自适应巡航***混合势函数的车辆控制方法 |
| CN113359852A (zh) * | 2021-07-09 | 2021-09-07 | 北京航空航天大学 | 一种仿原鸽个体属性智能行为的无人机集群协同控制方法 |
| CN115311866A (zh) * | 2022-09-05 | 2022-11-08 | 阿维塔科技(重庆)有限公司 | 一种车辆联动方法及装置 |
| CN115454099A (zh) * | 2022-10-11 | 2022-12-09 | 北京航空航天大学 | 基于变权重自适应鸽群参数拟合的无人艇航向自抗扰控制方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108549407A (zh) * | 2018-05-23 | 2018-09-18 | 哈尔滨工业大学（威海） | 一种多无人机协同编队避障的控制算法 |
| CN108829131A (zh) * | 2018-06-12 | 2018-11-16 | 北京航空航天大学 | 一种基于多目标自适应变异鸽群优化的无人机集群避障法 |
| CN110069075A (zh) * | 2019-04-19 | 2019-07-30 | 北京航空航天大学 | 一种仿鸽群应急避障机制的集群超机动避障方法 |
| CN110096073A (zh) * | 2019-04-18 | 2019-08-06 | 北京航空航天大学 | 仿信鸽智能行为的超大规模无人机集群控制***及方法 |
| CN110930766A (zh) * | 2019-12-02 | 2020-03-27 | 武汉理工大学 | 一种基于图论与势场方法的无人车多车道护航编队方法 |
-
2020
- 2020-03-30 CN CN202010234627.9A patent/CN111324130B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108549407A (zh) * | 2018-05-23 | 2018-09-18 | 哈尔滨工业大学（威海） | 一种多无人机协同编队避障的控制算法 |
| CN108829131A (zh) * | 2018-06-12 | 2018-11-16 | 北京航空航天大学 | 一种基于多目标自适应变异鸽群优化的无人机集群避障法 |
| CN110096073A (zh) * | 2019-04-18 | 2019-08-06 | 北京航空航天大学 | 仿信鸽智能行为的超大规模无人机集群控制***及方法 |
| CN110069075A (zh) * | 2019-04-19 | 2019-07-30 | 北京航空航天大学 | 一种仿鸽群应急避障机制的集群超机动避障方法 |
| CN110930766A (zh) * | 2019-12-02 | 2020-03-27 | 武汉理工大学 | 一种基于图论与势场方法的无人车多车道护航编队方法 |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113148227A (zh) * | 2020-12-11 | 2021-07-23 | 中国空间技术研究院 | 卫星集群分布式控制方法和装置 |
| CN113148227B (zh) * | 2020-12-11 | 2024-05-31 | 中国空间技术研究院 | 卫星集群分布式控制方法和装置 |
| CN113110494A (zh) * | 2021-05-07 | 2021-07-13 | 清华大学 | 基于预期功能安全的协同式自适应巡航控制容错设计*** |
| CN113110494B (zh) * | 2021-05-07 | 2022-08-30 | 清华大学 | 基于预期功能安全的协同式自适应巡航控制容错设计*** |
| CN113147764A (zh) * | 2021-06-01 | 2021-07-23 | 吉林大学 | 基于协同式自适应巡航***混合势函数的车辆控制方法 |
| CN113359852A (zh) * | 2021-07-09 | 2021-09-07 | 北京航空航天大学 | 一种仿原鸽个体属性智能行为的无人机集群协同控制方法 |
| CN115311866A (zh) * | 2022-09-05 | 2022-11-08 | 阿维塔科技(重庆)有限公司 | 一种车辆联动方法及装置 |
| CN115311866B (zh) * | 2022-09-05 | 2024-04-16 | 阿维塔科技(重庆)有限公司 | 一种车辆联动方法及装置 |
| CN115454099A (zh) * | 2022-10-11 | 2022-12-09 | 北京航空航天大学 | 基于变权重自适应鸽群参数拟合的无人艇航向自抗扰控制方法 |
| CN115454099B (zh) * | 2022-10-11 | 2024-04-30 | 北京航空航天大学 | 基于变权重自适应鸽群参数拟合的无人艇航向自抗扰控制方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111324130B (zh) | 2022-11-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| 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 | |
| CN111222630B (zh) | 一种基于深度强化学习的自主驾驶规则学习方法 | |
| CN110908373B (zh) | 一种基于改进人工势场的智能车辆轨迹规划方法 | |
| Liu et al. | An efficient on-ramp merging strategy for connected and automated vehicles in multi-lane traffic | |
| Onieva et al. | Automatic lateral control for unmanned vehicles via genetic algorithms | |
| CN110304074A (zh) | 一种基于分层状态机的混合式驾驶方法 | |
| CN109987092A (zh) | 一种车辆避障换道时机的确定方法及避障换道的控制方法 | |
| CN114013443B (zh) | 一种基于分层强化学习的自动驾驶车辆换道决策控制方法 | |
| CN112249008B (zh) | 针对复杂动态环境的无人驾驶汽车预警方法 | |
| CN106843210B (zh) | 一种基于仿生学的自动驾驶车辆运行控制方法 | |
| CN109754626B (zh) | 无人驾驶自主换道策略 | |
| CN110182217A (zh) | 一种面向复杂超车场景的行驶任务复杂度量化评估方法 | |
| CN115344052B (zh) | 基于改进的群优化算法的车辆路径控制方法及控制*** | |
| CN116118780A (zh) | 一种车辆避障轨迹规划方法、***、车辆及存储介质 | |
| Pan et al. | Research on the behavior decision of connected and autonomous vehicle at the unsignalized intersection | |
| CN116564095A (zh) | 基于cps的重点车辆高速公路隧道预测巡航云控制方法 | |
| Guo et al. | Toward human-like behavior generation in urban environment based on Markov decision process with hybrid potential maps | |
| CN109765801A (zh) | 基于vissim仿真的车联网设计速度调整的实现方法 | |
| CN111554081A (zh) | 一种基于多级领导者鸽群理论的车队路口避障控制方法 | |
| Ren et al. | Self-learned intelligence for integrated decision and control of automated vehicles at signalized intersections | |
| CN114475607A (zh) | 自动驾驶车辆的拟人化换道方法、装置、车辆及存储介质 | |
| Souza et al. | Vision-based waypoint following using templates and artificial neural networks | |
| Lu et al. | Decision-making method of autonomous vehicles in urban environments considering traffic laws | |
| Lin et al. | Adaptive prediction-based control for an ecological cruise control system on curved and hilly roads | |
| CN115230729A (zh) | 一种自动驾驶避障方法及***、存储介质 |
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 |