CN113990085B - 一种匝道汇入区域的交通疏解方法及*** - Google Patents
一种匝道汇入区域的交通疏解方法及*** Download PDFInfo
- Publication number
- CN113990085B CN113990085B CN202111180928.9A CN202111180928A CN113990085B CN 113990085 B CN113990085 B CN 113990085B CN 202111180928 A CN202111180928 A CN 202111180928A CN 113990085 B CN113990085 B CN 113990085B
- Authority
- CN
- China
- Prior art keywords
- lane
- vehicle
- ramp
- vehicles
- traffic
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/07—Controlling traffic signals
- G08G1/075—Ramp control
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/07—Controlling traffic signals
- G08G1/08—Controlling traffic signals according to detected number or speed of vehicles
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Traffic Control Systems (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Abstract
本发明公开了一种匝道汇入区域的交通疏解方法及***,步骤如下:各车辆向路侧设备传输自车的位置、速度和所在车道信息;路侧设备向各车辆传输所有车辆的位置、速度和每个车道的车流量信息;进入匝道汇入区域的各主线车辆根据接收到的其他车辆的位置、速度和每个车道上的车流量信息,采用基于强化学习的车道选择算法决策出有利于缓解局部交通拥堵的最优车道,并换道至最优车道行驶;采用虚拟队列的方法实现匝道车辆的汇入控制。本发明考虑了匝道汇入区域的主线具有多条车道,通过主线上车辆的合理换道,缓解匝道车辆汇入引起的主线的外侧车道的局部拥堵,提高道路的总体利用率和交通通行效率。
Description
技术领域
本发明属于智能网联交通技术领域,具体涉及一种匝道汇入区域的交通疏解方法及***。
背景技术
随着电子信息与通信技术的发展,智能网联成为当下交通技术的主要发展方向。在智能网联交通***,路侧设备与车辆,车辆与车辆之间都通过无线网络实现低时延通信。路侧设备能够获取当前路段的交通状态,并将相关信息传输给路段中各智能网联车辆。智能网联车辆能够实时感知周围环境,并将自身状态信息和感知到的环境信息与周围车辆和路侧设备共享。在这种智能网联环境下,车辆能够获得充裕的交通信息、环境信息,有利于车辆的决策控制,提高了车辆安全性和交通效率。
在匝道汇入区域,因匝道车辆的汇入,交通事故和交通拥堵频发,损害了人民生命财产的安全。于是,部分研究已经对匝道汇入问题提出了有效的解决办法。中国发明专利申请号CN201610296352.5,名称为“一种车车联网的高速公路入口匝道安全控制方法”中提出了一种基于车车联网的高速公路入口匝道安全控制方法,该方法通过控制中心将主线与入口匝道的车辆进行车车联网,以实现车辆的及时减速与换道,提高了高速公路的交通安全。中国发明专利申请号CN201811473234.2,名称为“一种智能网联车辆的匝道协同汇入控制方法及***”中提出了一种智能网联车辆的匝道协同汇入控制方法,该方法根据高速公路入口匝道处实时获取的主线和匝道车辆状态信息来确定匝道汇入主线的车辆数并优化匝道车辆汇入顺序,提升路段通行能力。
然而,现有的方法虽然能够改善匝道车辆的汇入,但没有考虑到主线具有多条车道时的匝道汇入情况。在主线具有多条车道时,采用现有的方法不能充分利用多条车道来缓解匝道汇入带来的拥堵问题,降低了道路利用率。
发明内容
针对于上述现有技术的不足,本发明的目的在于提供一种匝道汇入区域的交通疏解方法及***,本发明考虑了匝道汇入区域的主线具有多条车道,通过主线上车辆的合理换道,缓解匝道车辆汇入引起的主线的外侧车道的局部拥堵,提高道路的总体利用率和交通通行效率。
为达到上述目的,本发明采用的技术方案如下:
本发明的一种匝道汇入区域的交通疏解方法,步骤如下:
1)主线车辆和匝道车辆驶入匝道汇入区域时,主线车辆、匝道车辆与位于匝道口处的路侧设备建立通讯,各车辆向路侧设备传输自车的位置、速度和所在车道信息;路侧设备向各车辆传输所有车辆的位置、速度和每个车道的车流量信息;
2)进入匝道汇入区域的各主线车辆根据接收到的其他车辆的位置、速度和每个车道上的车流量信息,采用基于强化学习的车道选择算法决策出有利于缓解局部交通拥堵的最优车道,并换道至最优车道行驶;
3)采用虚拟队列的方法实现匝道车辆的汇入控制。
进一步地,所述步骤1)中匝道汇入区域是依据匝道口处的路侧设备的最大通讯范围所划定的区域,且规定主线上和匝道上的匝道汇入区域的入口到匝道汇入口的距离相等。
进一步地,所述步骤1)中主线具有多条车道。
进一步地,所述步骤1)中车辆的位置是车辆沿着道路方向到匝道口处的距离。
进一步地,所述步骤1)中每个车道的车流量的求解方法为:
ql=ρl·vl
进一步地,所述步骤2)中的基于强化学习的车道选择算法具体为:采用DQN的强化学习方法构建车道选择模型,包含构建强化学习的状态、动作集和奖励;然后通过强化学习训练得到决策网络,决策网络根据当前时刻的状态决策出最优的动作;强化学习的状态为:
st={vi,Δpf,Δpr,Δplf,Δplr,Δprf,Δprr,Δvf,Δvr,Δvlf,Δvlr,Δvrf,Δvrr,qi,qla,qra}
式中,vi为车辆i的速度,Δpf、Δpr、Δplf、Δplr、Δprf和Δprr分别为自车与同车道前车、同车道后车、左相邻车道前车、左相邻车道后车、右相邻车道前车和右相邻车道后车的相对位置,有Δpf=pf-pi,Δpr=pr-pi,Δplf=plf-pi,Δplr=plr-pi,Δprf=prf-pi,Δprr=prr-pi,pi、pf、pr、plf、plr、prf、prr分别为自车、同车道前车、同车道后车、左相邻车道前车、左相邻车道后车、右相邻车道前车和右相邻车道后车的位置;Δvf、Δvr、Δvlf、Δvlr、Δvrf和Δvrr分别为自车与同车道前车、同车道后车、左相邻车道前车、左相邻车道后车、右相邻车道前车和右相邻车道后车的相对速度,有Δvf=vf-vi,Δvr=vr-vi,Δvlf=vlf-vi,Δvlr=vlr-vi,Δvrf=vrf-vi,Δvrr=vrr-vi,vi、vf、vr、vlf、vlr、vrf、vrr分别为自车、同车道前车、同车道后车、左相邻车道前车、左相邻车道后车、右相邻车道前车和右相邻车道后车的速度;qi、qla和qra分别为自车的同车道、左相邻车道和右相邻车道的车流量;在进行决策时,当自车的同车道或右相邻车道是主线的外侧车道时,则状态中的同车道的车流量qi或右相邻车道的车流量qra设为当前决策时刻主线的外侧车道的车流量与匝道车流量之和;
强化学习的动作集为:
at={LL,CL,RL}
式中,LL为左相邻车道;CL为自车所在车道;RL为右相邻车道;
强化学习的奖励为:
rt=rs+rc
式中,rs为安全奖励;rc为交通效率奖励;安全奖励定义为:
式中,ζ1为权重系数;dl为车辆长度;σl为用于安全冗余的一个正的常数(一般可取1米);交通效率奖励定义为:
rc=-ζ2+ζ3[σ(t)-σ(t+1)]
式中,ζ2和ζ3均为权重系数;t为当前决策时刻,t+1为执行完当前时刻决策得到的动作后的下一个决策时刻;σ(t)为当前决策时刻的车道间交通均衡度,其定义为
式中,当L=1,2,3时,q1(t)=qla(t),q2(t)=qi(t),q3(t)=qra(t),分别为自车的左相邻车道、同车道和右相邻车道的车流量。
进一步地,所述步骤3)具体为:将主线的外侧车道的车辆映射到匝道上,保持其距离匝道汇入口的距离相等;进入汇入区域的匝道车辆寻找其前方的匝道车辆和映射到匝道上的主线外侧车道的车辆中最靠近自车的车辆作为跟车目标,然后采用智能驾驶员驾驶模型跟车行驶,从而实现了匝道车辆的安全汇入。
进一步地,所述智能驾驶员驾驶模型具体为:自车的跟车加速度为:
式中,amax为最大加速度;vmax为最大速度;δ为加速度指数;s0为自车与前车都静止时的最小车间距离;TH为期望车头时距;vf为前车的速度;b为期望减速度。
本发明还提供一种匝道汇入区域的交通疏解***,包括:
通信模块,用于实现车辆向匝道口处的路侧设备传输自车的位置、速度和所在车道信息,及匝道口处的路侧设备向各车辆传输所有车辆的位置、速度和每个车道的车流量信息;
换道决策模块,用于采用基于强化学习的车道选择算法决策出有利于缓解局部交通拥堵的最优车道;
换道控制模块,用于控制各主线车辆换道至最优车道行驶;
汇入控制模块,用于采用虚拟队列的方法实现匝道车辆的汇入控制。
本发明的有益效果:
本发明通过考虑多车道匝道汇入场景的车道间交通均衡度,采用强化学习方法构建了主线车辆的最优车道选择模型,能够使主线车辆主动换道至低流量车道来均衡各车道间的交通流量,避免匝道车辆流入导致主线外侧车道的局部拥堵,实现了匝道汇入区域的交通疏解,提高了整体的交通效率。
附图说明
图1为本发明方法流程图。
图2为匝道汇入区域的场景示意图。
具体实施方式
为了便于本领域技术人员的理解,下面结合实施例与附图对本发明作进一步的说明,实施方式提及的内容并非对本发明的限定。
参照图1所示,本发明的一种匝道汇入区域的交通疏解方法,步骤如下:
1)主线车辆和匝道车辆驶入匝道汇入区域时,主线车辆、匝道车辆与位于匝道口处的路侧设备建立通讯,各车辆向路侧设备传输自车的位置、速度和所在车道信息;路侧设备向各车辆传输所有车辆的位置、速度和每个车道的车流量信息;
其中,所述步骤1)中匝道汇入区域是依据匝道口处的路侧设备的最大通讯范围所划定的区域,且规定主线上和匝道上的匝道汇入区域的入口到匝道汇入口的距离相等。
优选示例中,中主线具有多条车道。
优选示例中,所述步骤1)中车辆的位置是车辆沿着道路方向到匝道口处的距离。
优选示例中,所述步骤1)中每个车道的车流量的求解方法为:
ql=ρl·vl
2)进入匝道汇入区域的各主线车辆根据接收到的其他车辆的位置、速度和每个车道上的车流量信息,采用基于强化学习的车道选择算法决策出有利于缓解局部交通拥堵的最优车道,并换道至最优车道行驶;
其中,所述基于强化学习的车道选择算法具体为:采用DQN的强化学习方法构建车道选择模型,包含构建强化学习的状态、动作集和奖励;然后通过强化学习训练得到决策网络,决策网络根据当前时刻的状态决策出最优的动作;强化学习的状态为:
st={vi,Δpf,Δpr,Δplf,Δplr,Δprf,Δprr,Δvf,Δvr,Δvlf,Δvlr,Δvrf,Δvrr,qi,qla,qra}
式中,vi为车辆i的速度,Δpf、Δpr、Δplf、Δplr、Δprf和Δprr分别为自车与同车道前车、同车道后车、左相邻车道前车、左相邻车道后车、右相邻车道前车和右相邻车道后车的相对位置,有Δpf=pf-pi,Δpr=pr-pi,Δplf=plf-pi,Δplr=plr-pi,Δprf=prf-pi,Δprr=prr-pi,pi、pf、pr、plf、plr、prf、prr分别为自车、同车道前车、同车道后车、左相邻车道前车、左相邻车道后车、右相邻车道前车和右相邻车道后车的位置;Δvf、Δvr、Δvlf、Δvlr、Δvrf和Δvrr分别为自车与同车道前车、同车道后车、左相邻车道前车、左相邻车道后车、右相邻车道前车和右相邻车道后车的相对速度,有Δvf=vf-vi,Δvr=vr-vi,Δvlf=vlf-vi,Δvlr=vlr-vi,Δvrf=vrf-vi,Δvrr=vrr-vi,vi、vf、vr、vlf、vlr、vrf、vrr分别为自车、同车道前车、同车道后车、左相邻车道前车、左相邻车道后车、右相邻车道前车和右相邻车道后车的速度;qi、qla和qra分别为自车的同车道、左相邻车道和右相邻车道的车流量;在进行决策时,当自车的同车道或右相邻车道是主线的外侧车道时,则状态中的同车道的车流量qi或右相邻车道的车流量qra设为当前决策时刻主线的外侧车道的车流量与匝道车流量之和;
强化学习的动作集为:
at={LL,CL,RL}
式中,LL为左相邻车道;CL为自车所在车道;RL为右相邻车道;
强化学习的奖励为:
rt=rs+rc
式中,rs为安全奖励;rc为交通效率奖励;安全奖励定义为:
式中,ζ1为权重系数;dl为车辆长度;σl为用于安全冗余的一个正的常数(一般可取1米);交通效率奖励定义为:
rc=-ζ2+ζ3[σ(t)-σ(t+1)]
式中,ζ2和ζ3均为权重系数;t为当前决策时刻,t+1为执行完当前时刻决策得到的动作后的下一个决策时刻;σ(t)为当前决策时刻的车道间交通均衡度,其定义为
式中,当L=1,2,3时,q1(t)=qla(t),q2(t)=qi(t),q3(t)=qra(t),分别为自车的左相邻车道、同车道和右相邻车道的车流量。
3)采用虚拟队列的方法实现匝道车辆的汇入控制。
参照图2所示,所述步骤3)具体为:将主线的外侧车道的车辆映射到匝道上,保持其距离匝道汇入口的距离相等;进入汇入区域的匝道车辆寻找其前方的匝道车辆和映射到匝道上的主线外侧车道的车辆中最靠近自车的车辆作为跟车目标,然后采用智能驾驶员驾驶模型跟车行驶,从而实现了匝道车辆的安全汇入。
优选示例中,所述智能驾驶员驾驶模型具体为:自车的跟车加速度为:
式中,amax为最大加速度;vmax为最大速度;δ为加速度指数;s0为自车与前车都静止时的最小车间距离;TH为期望车头时距;vf为前车的速度;b为期望减速度。
本发明还提供一种匝道汇入区域的交通疏解***,包括:
通信模块,用于实现车辆向匝道口处的路侧设备传输自车的位置、速度和所在车道信息,及匝道口处的路侧设备向各车辆传输所有车辆的位置、速度和每个车道的车流量信息;
换道决策模块,用于采用基于强化学习的车道选择算法决策出有利于缓解局部交通拥堵的最优车道;
换道控制模块,用于控制各主线车辆换道至最优车道行驶;
汇入控制模块,用于采用虚拟队列的方法实现匝道车辆的汇入控制。
本发明具体应用途径很多,以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以作出若干改进,这些改进也应视为本发明的保护范围。
Claims (6)
1.一种匝道汇入区域的交通疏解方法,其特征在于,步骤如下:
1)主线车辆和匝道车辆驶入匝道汇入区域时,主线车辆、匝道车辆与位于匝道口处的路侧设备建立通讯,各车辆向路侧设备传输自车的位置、速度和所在车道信息;路侧设备向各车辆传输所有车辆的位置、速度和每个车道的车流量信息;
2)进入匝道汇入区域的各主线车辆根据接收到的其他车辆的位置、速度和每个车道上的车流量信息,采用基于强化学习的车道选择算法决策出有利于缓解局部交通拥堵的最优车道,并换道至最优车道行驶;
3)采用虚拟队列的方法实现匝道车辆的汇入控制;
所述步骤1)中每个车道的车流量的求解方法为:
ql=ρl·vl
所述步骤2)中的基于强化学习的车道选择算法具体为:采用DQN的强化学习方法构建车道选择模型,包含构建强化学习的状态、动作集和奖励;然后通过强化学习训练得到决策网络,决策网络根据当前时刻的状态决策出最优的动作;强化学习的状态为:
st={vi,Δpf,Δpr,Δplf,Δplr,Δprf,Δprr,Δvf,Δvr,Δvlf,Δvlr,Δvrf,Δvrr,qi,qla,qra}
式中,vi为车辆i的速度,Δpf、Δpr、Δplf、Δplr、Δprf和Δprr分别为自车与同车道前车、同车道后车、左相邻车道前车、左相邻车道后车、右相邻车道前车和右相邻车道后车的相对位置,有Δpf=pf-pi,Δpr=pr-pi,Δplf=plf-pi,Δplr=plr-pi,Δprf=prf-pi,Δprr=prr-pi,pi、pf、pr、plf、plr、prf、prr分别为自车、同车道前车、同车道后车、左相邻车道前车、左相邻车道后车、右相邻车道前车和右相邻车道后车的位置;Δvf、Δvr、Δvlf、Δvlr、Δvrf和Δvrr分别为自车与同车道前车、同车道后车、左相邻车道前车、左相邻车道后车、右相邻车道前车和右相邻车道后车的相对速度,有Δvf=vf-vi,Δvr=vr-vi,Δvlf=vlf-vi,Δvlr=vlr-vi,Δvrf=vrf-vi,Δvrr=vrr-vi,vi、vf、vr、vlf、vlr、vrf、vrr分别为自车、同车道前车、同车道后车、左相邻车道前车、左相邻车道后车、右相邻车道前车和右相邻车道后车的速度;qi、qla和qra分别为自车的同车道、左相邻车道和右相邻车道的车流量;在进行决策时,当自车的同车道或右相邻车道是主线的外侧车道时,则状态中的同车道的车流量qi或右相邻车道的车流量qra设为当前决策时刻主线的外侧车道的车流量与匝道车流量之和;
强化学习的动作集为:
at={LL,CL,RL}
式中,LL为左相邻车道;CL为自车所在车道;RL为右相邻车道;
强化学习的奖励为:
rt=rs+rc
式中,rs为安全奖励;rc为交通效率奖励;安全奖励定义为:
式中,ζ1为权重系数;dl为车辆长度;σl为用于安全冗余的一个正的常数;交通效率奖励定义为:
rc=-ζ2+ζ3[σ(t)-σ(t+1)]
式中,ζ2和ζ3均为权重系数;t为当前决策时刻,t+1为执行完当前时刻决策得到的动作后的下一个决策时刻;σ(t)为当前决策时刻的车道间交通均衡度,其定义为
式中,当L=1,2,3时,q1(t)=qla(t),q2(t)=qi(t),q3(t)=qra(t),分别为自车的左相邻车道、同车道和右相邻车道的车流量。
2.根据权利要求1所述的匝道汇入区域的交通疏解方法,其特征在于,所述步骤1)中匝道汇入区域是依据匝道口处的路侧设备的最大通讯范围所划定的区域,且规定主线上和匝道上的匝道汇入区域的入口到匝道汇入口的距离相等。
3.根据权利要求1所述的匝道汇入区域的交通疏解方法,其特征在于,所述步骤1)中主线具有多条车道。
4.根据权利要求1所述的匝道汇入区域的交通疏解方法,其特征在于,所述步骤1)中车辆的位置是车辆沿着道路方向到匝道口处的距离。
5.根据权利要求1所述的匝道汇入区域的交通疏解方法,其特征在于,所述步骤3)具体为:将主线的外侧车道的车辆映射到匝道上,保持其距离匝道汇入口的距离相等;进入汇入区域的匝道车辆寻找其前方的匝道车辆和映射到匝道上的主线外侧车道的车辆中最靠近自车的车辆作为跟车目标,然后采用智能驾驶员驾驶模型跟车行驶,从而实现了匝道车辆的安全汇入。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111180928.9A CN113990085B (zh) | 2021-10-11 | 2021-10-11 | 一种匝道汇入区域的交通疏解方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111180928.9A CN113990085B (zh) | 2021-10-11 | 2021-10-11 | 一种匝道汇入区域的交通疏解方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113990085A CN113990085A (zh) | 2022-01-28 |
CN113990085B true CN113990085B (zh) | 2023-02-10 |
Family
ID=79738023
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111180928.9A Active CN113990085B (zh) | 2021-10-11 | 2021-10-11 | 一种匝道汇入区域的交通疏解方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113990085B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114655214B (zh) * | 2022-04-24 | 2024-04-26 | 重庆长安汽车股份有限公司 | 一种驶经汇流口的分段控制方法和控制*** |
CN114707364B (zh) * | 2022-06-02 | 2022-09-02 | 西南交通大学 | 一种匝道车辆汇流仿真方法、装置、设备及可读存储介质 |
CN116229715B (zh) * | 2023-02-13 | 2024-01-12 | 武汉理工大学 | 一种道路交织区连续流生成方法与*** |
CN116386385B (zh) * | 2023-02-17 | 2024-03-26 | 东南大学 | 一种基于混合交通流的智能网联车辆上匝道汇入控制协议 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN106710245B (zh) * | 2016-12-23 | 2019-06-28 | 西华大学 | 基于密度的快速路多车道匝道控制方法 |
CN109598950B (zh) * | 2018-12-04 | 2021-06-01 | 东南大学 | 一种智能网联车辆的匝道协同汇入控制方法及*** |
CN110716562A (zh) * | 2019-09-25 | 2020-01-21 | 南京航空航天大学 | 基于强化学习的无人驾驶汽车多车道行驶的决策方法 |
CN111361564B (zh) * | 2020-04-29 | 2023-07-07 | 吉林大学 | 一种考虑效益最大化的车道变更***及综合决策方法 |
CN112489452B (zh) * | 2020-10-31 | 2022-09-09 | 华为技术有限公司 | 一种辅助车辆汇入主道的方法、装置及*** |
CN113327441B (zh) * | 2021-02-04 | 2022-03-08 | 长沙理工大学 | 基于高速公路合流区的网联自动车辆速度控制及轨迹优化方法 |
CN113246985B (zh) * | 2021-06-21 | 2022-08-09 | 苏州大学 | 混行条件下快速路匝道智能网联车辆合流变道控制方法 |
-
2021
- 2021-10-11 CN CN202111180928.9A patent/CN113990085B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN113990085A (zh) | 2022-01-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113990085B (zh) | 一种匝道汇入区域的交通疏解方法及*** | |
CN113781806B (zh) | 一种用于智能网联环境下的混合交通流通行方法 | |
CN110930697B (zh) | 一种基于规则的智能网联车辆协同汇入控制方法 | |
CN113591269B (zh) | 基于交通仿真的拥堵路段智能网联车辆专用道控制方法 | |
CN107507430B (zh) | 一种城市路***通控制方法及*** | |
Wu et al. | Time-dependent performance modeling for platooning communications at intersection | |
CN115273500B (zh) | 一种信号交叉口网联车辆轨迹优化引导方法及*** | |
CN113947900A (zh) | 一种智能网联快速路匝道协同控制*** | |
CN111932916B (zh) | 一种城市道路动态应急车道的控制方法及控制*** | |
CN111243296B (zh) | 一种基于合流时间优化的匝道合流协同控制方法及*** | |
CN114842642B (zh) | 一种复合式互通主线提前换道与入口多匝道联动控制***及方法 | |
CN116740945B (zh) | 混行环境下快速路合流区多车协同编组交汇方法及*** | |
CN112950965A (zh) | 一种用于交叉路口黄灯困境的车速控制和信号灯配时方法 | |
CN114613126B (zh) | 一种基于动态绿波的特种车辆信号优先方法 | |
CN111754774B (zh) | 一种高速路匝道口智能网联汽车安全自组织通行控制方法 | |
CN115424445B (zh) | 一种面向智能网联汽车的环岛入口车辆通行顺序决策*** | |
CN117315955A (zh) | 一种基于深度强化学习的智能网联车辆入匝道协同控制方法 | |
CN113110043B (zh) | 一种考虑车间交互的车辆汇入控制方法 | |
CN113593225B (zh) | 一种面向纯网联环境的单点交叉口车辆控制方法 | |
CN114267189A (zh) | 一种快速路出口匝道与衔接交叉口联合控制方法 | |
CN116386385B (zh) | 一种基于混合交通流的智能网联车辆上匝道汇入控制协议 | |
CN116612636B (zh) | 基于多智能体强化学习的信号灯协同控制方法 | |
CN116290972A (zh) | 一种适用于地下车库的弹***通控制*** | |
CN113971888B (zh) | 一种基于交通事故数估计的匝道汇入交通控制方法及*** | |
CN116597672B (zh) | 基于多智能体近端策略优化算法的区域信号灯控制方法 |
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 |