CN111583644B - 一种混合交通快速路上匝道汇流区网联自动车控制方法 - Google Patents

一种混合交通快速路上匝道汇流区网联自动车控制方法 Download PDF

Info

Publication number
CN111583644B
CN111583644B CN202010383230.6A CN202010383230A CN111583644B CN 111583644 B CN111583644 B CN 111583644B CN 202010383230 A CN202010383230 A CN 202010383230A CN 111583644 B CN111583644 B CN 111583644B
Authority
CN
China
Prior art keywords
vehicle
nth
area
time
control
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.)
Active
Application number
CN202010383230.6A
Other languages
English (en)
Other versions
CN111583644A (zh
Inventor
孙棣华
刘忠诚
赵敏
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chongqing University
Original Assignee
Chongqing University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Chongqing University filed Critical Chongqing University
Priority to CN202010383230.6A priority Critical patent/CN111583644B/zh
Publication of CN111583644A publication Critical patent/CN111583644A/zh
Application granted granted Critical
Publication of CN111583644B publication Critical patent/CN111583644B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
    • G08G1/0116—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from roadside infrastructure, e.g. beacons
    • 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
    • G08G1/0125—Traffic data processing
    • 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
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/052—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
    • G08G1/096708—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
    • G08G1/096766—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission
    • G08G1/096783—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission where the origin of the information is a roadside individual element
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/166—Anti-collision systems for active traffic, e.g. moving vehicles, pedestrians, bikes
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/167—Driving aids for lane monitoring, lane changing, e.g. blind spot detection

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Atmospheric Sciences (AREA)
  • Traffic Control Systems (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)

Abstract

本发明公开了一种混合交通快速路上匝道汇流区网联自动车控制方法，包括以下步骤：将匝道附近路段分为控制区和感知区，构建车辆运动学模型，为所有感知区内的车辆分配编号，根据不同的算法来实现事件触发切换控制机制。本发明综合考虑了感知区内的所有车辆信息，从而为网联自动车匝道汇流控制提供了全面的数据信息，采用事件触发切换控制机制来控制网联自动车的汇流，根据每辆网联自动车所处的位置、速度的不同采取不同的控制策略，既能保障安全，又能提高通行效率。

Description

一种混合交通快速路上匝道汇流区网联自动车控制方法
技术领域
本发明属于智能汽车运动控制领域，具体涉及一种混合交通快速路上匝道汇流区网联自动车控制方法。
背景技术
目前，市面上已经有搭载无人驾驶功能的车辆发售，还有部分车辆已经装备高级驾驶辅助***(ADA步骤)，该***利用车辆自身的安全辅助传感器，包括视频、微波、毫米波和激光雷达等，能够实现车辆一定工况下的自适应辅助驾驶。但是由于技术发展及法律法规限制，在未来的一段时间内，网联自动驾驶车和传统人驾车组成的混合交通将会是未来交通的主要形式。
在混合交通中，理想条件下的自动驾驶车上匝道汇流区控制方法的效率会降低，甚至可能会给交通带来负面影响。为此，有必要针对混合交通中的网联自动驾驶车设计新的汇流区控制方法。
发明内容
有鉴于此，本发明的目的是提供一种混合交通快速路上匝道汇流区网联自动车控制方法，以实现在网联自动驾驶车占有率不高时，优化快速路上匝道交通状况。该方法在原有策略的基础上，通过引入事件触发切换控制机制，以此来改善控制效果，提高通行能力。本发明的目的是通过以下技术方案来实现的：
步骤1：将快速路上匝道汇流区及其外延300-400米路段以汇流区中心点为圆心划分为两个圆形区域：感知区和控制区，感知区的范围大于控制区的范围；其中感知区内的道路一侧设置感知设备，控制区为网联自动驾驶车应用事件触发切换控制的区域；
步骤2：构建车辆运动学模型作为参考模型；
步骤3：利用路侧感知设备每隔0.1秒-0.8秒检测感知区内的所有车的位置和速度，将这些车按各自到汇流区的距离从小到大依次分配一个控制编号，并将它们按照各自到汇流区的距离映射到虚拟车队中；
步骤4：交通中的网联自动驾驶车判断当前自己的控制编号是否为1，若是，则转入步骤8，否则转入步骤5；
步骤5：交通中的网联自动驾驶车判断同车道中是否有前车，若否，则转入步骤6，否则转入步骤7；
步骤6：交通中的网联自动驾驶车判断是否可以在其虚拟车道的前车之前到达汇流区，若是，则转入步骤8，否则转入步骤10；
步骤7：交通中的网联自动驾驶车判断与同车道中的前车是否保持安全距离，若是，则转入步骤9，否则转入步骤10；
步骤8：网联自动驾驶车根据步骤3采集到的数据应用车辆自动控制算法I：
un(t)＝ant+bn
其中，un(t)为第n辆车在时刻t的输入，an,bn满足下列矩阵方程：
Figure GDA0003311519930000021
在上式中：
sn(t)为第n辆车在时刻t时的位置；
vn(t)为第n辆车在时刻t时的速度；
Figure GDA0003311519930000022
为第n辆车在时刻
Figure GDA0003311519930000023
时的期望位置，通常取为汇流区起点或终点；
Figure GDA0003311519930000024
为第n辆车在时刻
Figure GDA0003311519930000025
时的期望速度，通常取为当前道路最低限速；
Figure GDA0003311519930000026
为第n辆车进入汇流区的时间，计算方法为当前车辆到汇流区入口距离除以当前车速；
步骤9：网联自动驾驶车根据采集到的数据应用车辆自动控制算法II：
Figure GDA0003311519930000027
Figure GDA0003311519930000028
其中：an(t)为第n辆车在t时刻的加速度，也是第n辆车在时刻t的输入；vn(t)为第n辆车在t时刻的车速；Δvn(t)＝vn-1(t)-vn(t)为t时刻第n-1辆车与第n辆车的相对车速；vmax为最大车速；sn(t)＝pn-1(t)-pn(t)是第n辆车与第n-1辆车在t时刻的车间距，pn(t)为第n辆车在t时刻的位置；a＝1m/s2，b＝2m/s2，TT＝1.1s，θ的值取为1-4之间的任一整数，s0取为0-10范围内的非负数；
Figure GDA0003311519930000031
是当速度为vn(t)，速度差为Δvn(t)时第n辆车的期望车间距；
步骤10：网联自动驾驶车根据采集到的数据应用车辆自动控制算法III：
Figure GDA0003311519930000032
其中
Figure GDA0003311519930000033
为应用车辆自动控制算法II后得出的加速度；pn(t)为第n辆车在t时刻的位置；an(t)为第n辆车在t时刻的加速度，也是第n辆车在时刻t的输入；f(pn)在区间(L0,S0)上单调减小，且0≤f(pn)≤1，其中L0为控制区的起点，S0为汇流区的起点。
进一步，所述步骤2中的车辆运动学模型表达式为：
Figure GDA0003311519930000034
其中：
Figure GDA0003311519930000035
yn＝[pn,vn]T，un＝an为加速度输入；pn为第n辆车的位置；vn为第n辆车的速度；τ(t)为车辆的输入延迟。
进一步，所述步骤10中的f(pn)的表达式为：
Figure GDA0003311519930000036
其中，ω为松弛系数，根据实际需求取为0.1-4之间的某一值。
进一步，所述步骤10中的f(pn)的表达式为：
Figure GDA0003311519930000037
其中，ω为松弛系数，根据实际需求取为0.1-4之间的某一值。
由于采用了上述技术方案，本发明具有如下的有益效果：
本发明提出的网联自动车控制方法，综合考虑了感知区内的所有车辆信息，从而为网联自动车匝道汇流控制提供了全面的数据信息，为车辆的安全、通行效率的提高奠定了数据基础；本发明采用事件触发切换控制机制来控制网联自动车的汇流，根据每辆网联自动车所处的位置、速度的不同采取不同的控制策略，既能保障安全，又能提高通行效率。
本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究，对本领域技术人员而言将是显而易见的，或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。
附图说明
为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步的详细描述：
图1是实施例示意图；
图2是控制编号分配流程图；
图3是事件触发切换控制动态控制流程图。
具体实施方式
下面结合实施例对本发明作进一步说明。
实施例1
如图1-3所示的一种混合交通快速路上匝道汇流区网联自动车控制方法，包括以下步骤：
步骤1：将快速路上匝道汇流区及其外延400米路段以汇流区中心点为圆心划分为两个圆形区域：感知区和控制区，感知区的范围大于控制区的范围；其中感知区内的道路一侧设置感知设备，控制区为网联自动驾驶车应用事件触发切换控制的区域；
步骤2：构建车辆运动学模型作为参考模型；
步骤3：利用路侧感知设备每隔0.1s检测感知区内的所有车的位置和速度，将这些车按各自到汇流区的距离从小到大依次分配一个控制编号，并将它们按照各自到汇流区的距离映射到虚拟车队中；
步骤4：交通中的网联自动驾驶车判断当前自己的控制编号是否为1，若是，则转入步骤8，否则转入步骤5；
步骤5：交通中的网联自动驾驶车判断同车道中是否有前车，若否，则转入步骤6，否则转入步骤7；
步骤6：交通中的网联自动驾驶车判断是否可以在其虚拟车道的前车之前到达汇流区，若是，则转入步骤8，否则转入步骤10；
步骤7：交通中的网联自动驾驶车判断与同车道中的前车是否保持安全距离，若是，则转入步骤9，否则转入步骤10；
步骤8：网联自动驾驶车根据步骤3采集到的数据应用车辆自动控制算法I：
un(t)＝ant+bn
其中an,bn满足：
Figure GDA0003311519930000051
其中：
Figure GDA0003311519930000052
为第n辆车进入汇流区的时间；
tf的计算方法为当前车辆到汇流区入口距离除以当前车速；
步骤9：网联自动驾驶车根据采集到的数据应用IDM算法：
Figure GDA0003311519930000053
Figure GDA0003311519930000054
其中：vn(t)为第n辆车在t时刻的车速；Δvn(t)＝vn-1(t)-vn(t)为t时刻第n-1辆车与第n辆车的相对车速；vmax＝120km/h为最大车速；sn(t)＝pn-1(t)-pn(t)第n辆车与第n-1辆车在t时刻的车间距，pn(t)为第n辆车t时刻的位置；a＝1m/s2，b＝2m/s2，TT＝1.1s，θ＝4，s0＝0m；
步骤9：网联自动驾驶车根据采集到的数据应用车辆自动控制算法III：
Figure GDA0003311519930000061
其中
Figure GDA0003311519930000062
为应用车辆自动控制算法II后得出的加速度；pn(t)为第n辆车在t时刻的位置；an(t)为第n辆车在t时刻的加速度，也是第n辆车在时刻t的输入；f(pn)在区间(L0,S0)上单调减小，且0≤f(pn)≤1，其中L0为控制区的起点，S0为汇流区的起点。
所述步骤2中的车辆运动学模型表达式为：
Figure GDA0003311519930000063
其中：
Figure GDA0003311519930000064
其中：yn＝[pn,vn]T，un＝an为加速度输入；pn为第n辆车的位置；vn为第n辆车的速度；τ(t)为车辆的输入延迟。
所述步骤9中的f(pn)的表达式为：
Figure GDA0003311519930000065
其中，ω为松弛系数，通常根据实际需求取为0.1-4之间的某一值。
实施例2
本实施例的一种混合交通快速路上匝道汇流区网联自动车控制方法，包括以下步骤：
步骤1：将快速路上匝道汇流区及其外延300米路段以汇流区中心点为圆心划分为两个圆形区域：感知区和控制区，感知区的范围大于控制区的范围；其中感知区内的道路一侧设置感知设备，控制区为网联自动驾驶车应用事件触发切换控制的区域；
步骤2：构建车辆运动学模型作为参考模型；
步骤3：利用路侧感知设备每隔0.8s检测感知区内的所有车的位置和速度，将这些车按各自到汇流区的距离从小到大依次分配一个控制编号，并将它们按照各自到汇流区的距离映射到虚拟车队中；
步骤4：交通中的网联自动驾驶车判断当前自己的控制编号是否为1，若是，则转入步骤8，否则转入步骤5；
步骤5：交通中的网联自动驾驶车判断同车道中是否有前车，若否，则转入步骤6，否则转入步骤7；
步骤6：交通中的网联自动驾驶车判断是否可以在其虚拟车道的前车之前到达汇流区，若是，则转入步骤8，否则转入步骤10；
步骤7：交通中的网联自动驾驶车判断与同车道中的前车是否保持安全距离，若是，则转入步骤9，否则转入步骤10；
步骤8：网联自动驾驶车根据步骤3采集到的数据应用车辆自动控制算法I：
un(t)＝ant+bn
其中an,bn满足：
Figure GDA0003311519930000071
其中：
Figure GDA0003311519930000072
为第i辆车进入汇流区的时间；
tf的计算方法为当前车辆到汇流区入口距离除以当前车速；
步骤9：网联自动驾驶车根据采集到的数据应用IDM算法：
Figure GDA0003311519930000073
Figure GDA0003311519930000081
其中：vn(t)为第n辆车在t时刻的车速；Δvn(t)＝vn-1(t)-vn(t)为t时刻第n-1辆车与第n辆车的相对车速；vmax＝120km/h为最大车速；sn(t)＝pn-1(t)-pn(t)第n辆车与第n-1辆车在t时刻的车间距，pn(t)为第n辆车t时刻的位置；a＝1m/s2，b＝2m/s2，TT＝1.1s，θ＝4，s0＝0m；
步骤9：网联自动驾驶车根据采集到的数据应用车辆自动控制算法III：
Figure GDA0003311519930000082
其中
Figure GDA0003311519930000083
为应用车辆自动控制算法II后得出的加速度，f(pn)在开区间(L0,S0)上单调减小，且0≤f(pn)≤1。
所述步骤2中的车辆运动学模型表达式为：
Figure GDA0003311519930000084
其中：
Figure GDA0003311519930000085
其中：yn＝[pn,vn]T，un＝an为加速度输入；pn为第n辆车的位置；vn为第n辆车的速度。
所述步骤9中的f(pn)的表达式为：
Figure GDA0003311519930000086
其中，ω为松弛系数，通常根据实际需求取为0.1-4之间的某一值。
最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本技术方案的宗旨和范围，其均应涵盖在本发明的保护范围当中。

Claims (4)

1.一种混合交通快速路上匝道汇流区网联自动车控制方法，其特征在于，包括以下步骤：
步骤1：将快速路上匝道汇流区及其外延300-400米路段以汇流区中心点为圆心划分为两个圆形区域：感知区和控制区，感知区的范围大于控制区的范围；其中感知区内的道路一侧设置感知设备，控制区为网联自动驾驶车应用事件触发切换控制的区域；
步骤2：构建车辆运动学模型作为参考模型；
步骤3：利用路侧感知设备每隔0.1秒-0.8秒检测感知区内的所有车的位置和速度，将这些车按各自到汇流区的距离从小到大依次分配一个控制编号，并将它们按照各自到汇流区的距离映射到虚拟车队中；
步骤4：交通中的网联自动驾驶车判断当前自己的控制编号是否为1，若是，则转入步骤8，否则转入步骤5；
步骤5：交通中的网联自动驾驶车判断同车道中是否有前车，若否，则转入步骤6，否则转入步骤7；
步骤6：交通中的网联自动驾驶车判断是否可以在其虚拟车道的前车之前到达汇流区，若是，则转入步骤8，否则转入步骤10；
步骤7：交通中的网联自动驾驶车判断与同车道中的前车是否保持安全距离，若是，则转入步骤9，否则转入步骤10；
步骤8：网联自动驾驶车根据步骤3采集到的数据应用车辆自动控制算法I：
un(t)＝ant+bn
其中，un(t)为第n辆车在时刻t的输入，an,bn满足下列矩阵方程：
Figure FDA0003311519920000011
在上式中：
sn(t)为第n辆车在时刻t时的位置；
vn(t)为第n辆车在时刻t时的速度；
Figure FDA0003311519920000021
为第n辆车在时刻
Figure FDA0003311519920000022
时的期望位置，通常取为汇流区起点或终点；
Figure FDA0003311519920000023
为第n辆车在时刻
Figure FDA0003311519920000024
时的期望速度，通常取为当前道路最低限速；
Figure FDA0003311519920000025
为第n辆车进入汇流区的时间，计算方法为当前车辆到汇流区入口距离除以当前车速；
步骤9：网联自动驾驶车根据采集到的数据应用车辆自动控制算法II：
Figure FDA0003311519920000026
Figure FDA0003311519920000027
其中：an(t)为第n辆车在t时刻的加速度，也是第n辆车在时刻t的输入；vn(t)为第n辆车在t时刻的车速；Δvn(t)＝vn-1(t)-vn(t)为t时刻第n-1辆车与第n辆车的相对车速；vmax为最大车速；sn(t)＝pn-1(t)-pn(t)是第n辆车与第n-1辆车在t时刻的车间距，pn(t)为第n辆车在t时刻的位置；a＝1m/s2，b＝2m/s2，TT＝1.1s，θ的值取为1-4之间的任一整数，s0取为0-10范围内的非负数；
Figure FDA0003311519920000028
是当速度为vn(t)，速度差为Δvn(t)时第n辆车的期望车间距；
步骤10：网联自动驾驶车根据采集到的数据应用车辆自动控制算法III：
Figure FDA0003311519920000029
其中
Figure FDA00033115199200000210
为应用车辆自动控制算法II后得出的加速度；pn(t)为第n辆车在t时刻的位置；an(t)为第n辆车在t时刻的加速度，也是第n辆车在时刻t的输入；f(pn)在区间(L0,S0)上单调减小，且0≤f(pn)≤1，其中L0为控制区的起点，S0为汇流区的起点。
2.根据权利要求1所述的一种混合交通快速路上匝道汇流区网联自动车控制方法，其特征在于：所述步骤2中的车辆运动学模型表达式为：
Figure FDA0003311519920000031
其中：
Figure FDA0003311519920000032
yn＝[pn,vn]T，un＝an为加速度输入；pn为第n辆车的位置；vn为第n辆车的速度；τ(t)为车辆的输入延迟。
3.根据权利要求1所述的一种混合交通快速路上匝道汇流区网联自动车控制方法，其特征在于：所述步骤10中的f(pn)的表达式为：
Figure FDA0003311519920000033
其中，ω为松弛系数，根据实际需求取为0.1-4之间的某一值。
4.根据权利要求1所述的一种混合交通快速路上匝道汇流区网联自动车控制方法，其特征在于：所述步骤10中的f(pn)的表达式为：
Figure FDA0003311519920000034
其中，ω为松弛系数，根据实际需求取为0.1-4之间的某一值。
CN202010383230.6A 2020-05-08 2020-05-08 一种混合交通快速路上匝道汇流区网联自动车控制方法 Active CN111583644B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010383230.6A CN111583644B (zh) 2020-05-08 2020-05-08 一种混合交通快速路上匝道汇流区网联自动车控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010383230.6A CN111583644B (zh) 2020-05-08 2020-05-08 一种混合交通快速路上匝道汇流区网联自动车控制方法

Publications (2)

Publication Number Publication Date
CN111583644A CN111583644A (zh) 2020-08-25
CN111583644B true CN111583644B (zh) 2021-11-26

Family

ID=72126318

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010383230.6A Active CN111583644B (zh) 2020-05-08 2020-05-08 一种混合交通快速路上匝道汇流区网联自动车控制方法

Country Status (1)

Country Link
CN (1) CN111583644B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114613144B (zh) * 2022-04-07 2024-04-30 重庆大学 一种基于Embedding-CNN的混合车群运动演化规律的刻画方法
CN114973676B (zh) * 2022-05-27 2023-08-29 重庆大学 一种快速路车道缩减区的混合交通众从牵制控制方法
CN114999158B (zh) * 2022-05-31 2024-05-14 重庆大学 一种抑制快速路瓶颈负效应的混合交通众从节流控制方法
CN114999140B (zh) * 2022-06-02 2024-05-14 重庆大学 一种混合交通快速路下匝道与近信号控制区联动控制方法
CN114999160B (zh) * 2022-07-18 2022-10-21 四川省公路规划勘察设计研究院有限公司 一种基于车路协同道路的车辆安全合流控制方法及***

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6558733B2 (ja) * 2015-04-21 2019-08-14 パナソニックＩｐマネジメント株式会社 運転支援方法およびそれを利用した運転支援装置、運転制御装置、車両、運転支援プログラム
CN105206068B (zh) * 2015-09-29 2017-09-22 北京工业大学 一种基于车车通信技术进行高速公路合流区安全协调控制方法
CN106601002B (zh) * 2016-11-23 2019-06-07 苏州大学 车联网环境下的入口匝道车辆通行引导***及其引导方法
DE112018004163T5 (de) * 2017-09-29 2020-04-30 Hitachi Automotive Systems, Ltd. Steuereinrichtung und Steuerverfahren für autonomes Fahren
WO2019217545A1 (en) * 2018-05-09 2019-11-14 Cavh Llc Systems and methods for driving intelligence allocation between vehicles and highways
CN108538069B (zh) * 2018-05-24 2020-10-16 长安大学 一种匝道合流区车辆速度管控***及方法
CN108806252B (zh) * 2018-06-19 2019-10-01 西南交通大学 一种高速公路混合交通流协同优化控制方法
CN108806291B (zh) * 2018-07-27 2020-03-31 东南大学 基于路侧设备的高饱和度匝道车辆汇入引导方法与***
CN110570049B (zh) * 2019-09-19 2022-04-29 西南交通大学 一种高速公路混合交通流汇流协同优化底层控制方法
CN110660213B (zh) * 2019-10-11 2022-02-25 中国联合网络通信集团有限公司 匝道车辆汇入方法、路侧设备以及车辆
CN111091721A (zh) * 2019-12-23 2020-05-01 清华大学 一种面向智慧车列交通***的匝道合流控制方法及***

Also Published As

Publication number Publication date
CN111583644A (zh) 2020-08-25

Similar Documents

Publication Publication Date Title
CN111583644B (zh) 一种混合交通快速路上匝道汇流区网联自动车控制方法
US10435023B2 (en) Predictive powertrain limits strategy for autonomous/automated driving vehicle
CN109204314B (zh) 推进高效的自主驾驶策略
CN111768616B (zh) 混合交通场景下基于车路协同的车队一致性控制方法
US20180348777A1 (en) Vehicle control system and method, and travel assist server
CN110930697B (zh) 一种基于规则的智能网联车辆协同汇入控制方法
CN107472246A (zh) 自适应巡航控制***及其操作方法
US8452514B2 (en) Device for executing preceding vehicle following driving control
DE112018007253T5 (de) Fahrzeugsteuervorrichtung, Fahrzeugsteuerverfahren und Programm
CN112061106B (zh) 自动驾驶控制方法、装置、车辆和存储介质
US10796173B2 (en) Vehicle control device
CN109754626B (zh) 无人驾驶自主换道策略
CN112644486B (zh) 一种基于驾驶安全场的智能车避障轨迹规划方法
EP3683114B1 (en) Driving assistance apparatus
JP3818734B2 (ja) 隊列走行用制御装置および方法
CN113147752B (zh) 一种无人驾驶方法及***
CN111243296B (zh) 一种基于合流时间优化的匝道合流协同控制方法及***
CN111497834A (zh) 驾驶辅助***
CN110530384B (zh) 一种采用混合势场蚁群算法的车辆路径规划方法
US20190286140A1 (en) Vehicle control device
CN110435629A (zh) 行车速度的调整方法、装置、***及车辆
CN115662131B (zh) 网联环境下道路事故路段的多车道协同换道方法
CN115862382A (zh) 一种高速入口匝道车辆协同避撞***与方法
CN113593275A (zh) 一种基于公交信号优先的交叉口网联自动驾驶方法
CN113119945B (zh) 一种基于环境模型的汽车高级辅助驾驶***

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