CN114446065B - 一种车辆行驶轨迹优化方法、装置、设备及可读存储介质 - Google Patents

一种车辆行驶轨迹优化方法、装置、设备及可读存储介质 Download PDF

Info

Publication number
CN114446065B
CN114446065B CN202210177990.0A CN202210177990A CN114446065B CN 114446065 B CN114446065 B CN 114446065B CN 202210177990 A CN202210177990 A CN 202210177990A CN 114446065 B CN114446065 B CN 114446065B
Authority
CN
China
Prior art keywords
vehicle
constraint
information
optimization
time
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
CN202210177990.0A
Other languages
English (en)
Other versions
CN114446065A (zh
Inventor
姚志洪
蒋浩然
蒋阳升
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.)
Chengdu Jiaoda Big Data Technology Co ltd
Southwest Jiaotong University
Nanning University
Original Assignee
Chengdu Jiaoda Big Data Technology Co ltd
Southwest Jiaotong 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 Chengdu Jiaoda Big Data Technology Co ltd, Southwest Jiaotong University filed Critical Chengdu Jiaoda Big Data Technology Co ltd
Priority to CN202210177990.0A priority Critical patent/CN114446065B/zh
Publication of CN114446065A publication Critical patent/CN114446065A/zh
Application granted granted Critical
Publication of CN114446065B publication Critical patent/CN114446065B/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
    • G08G1/07—Controlling traffic signals
    • G08G1/081—Plural intersections under common control
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/04—Constraint-based CAD
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明提供了一种车辆行驶轨迹优化方法、装置、设备及可读存储介质，涉及智能网联环境下智能网联车辆行驶轨迹优化技术领域，包括获取第一信息，所述第一信息包括交叉口进口道的优化区域内的所有车辆信息，所述优化区域与所述交叉口之间设置有间隙；根据所述第一信息和解决交通冲突的方法对时间顺序模型进行求解，得到第二信息,所述第二信息包括每个所述车辆到达所述交叉口的最优时刻;根据所述第二信息求解轨迹优化模型得到每个所述车辆的瞬时加速度曲线;基于所述瞬时加速度曲线和滚动优化策略,优化每个所述车辆的行驶轨迹。本发明取得的有益效果：实现车辆通过时序和行驶轨迹的两阶段优化，在降低车辆行驶延误的同时减小车辆油耗。

Description

一种车辆行驶轨迹优化方法、装置、设备及可读存储介质
技术领域
本发明涉及智能交通优化技术领域，具体而言，涉及车辆行驶轨迹优化方法、装置、设备及可读存储介质。
背景技术
交叉口是事故与拥挤发生的主要场所，对交叉口的合理控制能有效保障交通安全、提高交通运行效率并减少能源消耗与污染排放。随着5G等通信技术的发展，无信号交叉口控制方法可以分为时序控制与轨迹控制两个部分。
然而，在时序优化部分,基于规则的方法主要采用“先到先服务”规则，没有对车辆通过顺序进行优化；基于优化的方法均存在一定缺陷，如：模型非线性、没有考虑车辆转向、交叉口形式未针对智能网联环境进行改进设计；并且当下的轨迹控制方法集中于面向信号控制交叉口，针对无信号交叉口并结合时序的联合优化研究较少。
发明内容
本发明的目的在于提供一种车辆行驶轨迹优化方法、装置、设备及可读存储介质，以改善上述问题。为了实现上述目的，本发明采取的技术方案如下：
第一方面，本申请提供了一种车辆行驶轨迹优化方法，包括：
获取第一信息，所述第一信息包括交叉口进口道的优化区域内的所有车辆信息，所述优化区域与所述交叉口之间设置有间隙；
根据所述第一信息和解决交通冲突的方法对时间顺序模型进行求解，得到第二信息,所述第二信息包括每个所述车辆到达所述交叉口的最优时刻；
根据所述第二信息求解轨迹优化模型得到每个所述车辆的瞬时加速度曲线；
基于所述瞬时加速度曲线和滚动优化策略,优化每个所述车辆的行驶轨迹。
优选地，根据所述第一信息和解决交通冲突的方法对时间顺序模型进行求解，得到第二信息，之前包括：
根据每个所述车辆在所述优化区域内的速度和加速度，计算得到第三信息，所述第三信息包括每个所述车辆进入控制区域的时间，所述控制区域为所述优化区域与所述交叉口之间的间隙；
根据每个所述车辆进入所述控制区域的时间的先后顺序进行编号，得到所有所述车辆进入所述控制区域的基于时间排序的车队队列。
优选地，得到第二信息,所述第二信息包括每个所述车辆到达所述交叉口的最优时刻，包括：
根据所述第三信息、每个所述车辆的速度和每个所述车辆的加速度，得到每个所述车辆的最小行程时间约束；
基于所述车辆之间交通冲突的特点，得到任意两辆所述车辆之间的安全到达时间间隔约束；
以最小化所述车队队列中所有所述车辆的延误时间之和为优化目标，结合所述最小行程时间约束和所述安全到达时间间隔约束，构建所述车辆的时间顺序优化模型；
求解所述车辆的时间顺序优化模型，计算得出当前优化周期内的所有所述车辆到达所述交叉口的最优时刻。
优选地，根据所述第二信息求解轨迹优化模型得到每个所述车辆的瞬时加速度曲线，包括：
基于所述车辆动力学特性，计算得到每个所述车辆行驶过程中的约束条件；
根据所述第三信息以及所述第二信息，计算生成每个所述车辆初始状态约束和终止状态约束；
根据每个所述车辆初始状态约束和终止状态约束，以降低所述车辆的油耗为优化目标，结合每个所述车辆的约束条件，构建轨迹优化模型；
根据所述轨迹优化模型，结合所述第二信息，计算得出每个所述车辆的瞬时加速度曲线。
第二方面，本申请还提供了一种车辆行驶轨迹优化装置，包括第一获取模块、第一求解模块、第二求解模块和优化模块，其中：
第一获取模块：用于获取第一信息，所述第一信息包括交叉口进口道的优化区域内的所有车辆信息，所述优化区域与所述交叉口之间设置有间隙；
第一求解模块：用于根据所述第一信息和解决交通冲突的方法对时间顺序模型进行求解，得到第二信息,所述第二信息包括每个所述车辆到达所述交叉口的最优时刻；
第二求解模块：用于根据所述第二信息求解轨迹优化模型得到每个所述车辆的瞬时加速度曲线；
优化模块：用于基于所述瞬时加速度曲线和滚动优化策略,优化每个所述车辆的行驶轨迹。
优选地，第一求解模块，之前包括第一计算模块和编号模块，其中：
第一计算模块：用于根据每个所述车辆在所述优化区域内的速度和加速度，计算得到第三信息，所述第三信息包括每个所述车辆进入控制区域的时间，所述控制区域为所述优化区域与所述交叉口之间的间隙；
编号模块：用于根据每个所述车辆进入所述控制区域的时间的先后顺序进行编号，得到所有所述车辆进入所述控制区域的基于时间排序的车队队列。
优选地，第一求解模块，包括第一获取单元、第二获取单元、第一构建单元和第一求解单元，其中：
第一获取单元：用于根据所述第三信息、每个所述车辆的速度和每个所述车辆的加速度，得到每个所述车辆的最小行程时间约束；
第二获取单元：用于基于所述车辆之间交通冲突的特点，得到任意两辆所述车辆之间的安全到达时间间隔约束；
第一构建单元：用于以最小化所述车队队列中所有所述车辆的延误时间之和为优化目标，结合所述最小行程时间约束和所述安全到达时间间隔约束，构建所述车辆的时间顺序优化模型；
第一求解单元：用于求解所述车辆的时间顺序优化模型，计算得出当前优化周期内的所有所述车辆到达所述交叉口的最优时刻
优选地，第二求解模块，包括第一计算单元、第二计算单元、第二构建单元和第三计算单元，其中：
第一计算单元：用于基于车辆动力学特性，计算得到每个所述车辆行驶过程中的约束条件；
第二计算单元：用于根据所述第三信息以及所述第二信息，计算生成每个所述车辆初始状态约束和终止状态约束；
第二构建单元：用于根据每个所述车辆初始状态约束和终止状态约束，以降低所述车辆的油耗为优化目标，结合每个所述车辆的约束条件，构建轨迹优化模型；
第三计算单元：用于根据所述轨迹优化模型，结合所述第二信息，计算得出每个所述车辆的瞬时加速度曲线。
第三方面，本申请还提供了一种车辆行驶轨迹优化设备，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时实现所述车辆行驶轨迹优化方法的步骤。
第四方面，本申请还提供了一种可读存储介质，所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述基于车辆行驶轨迹优化方法的步骤。
本发明的有益效果为：通过建立一个混合整数线性规划模型和非线性规划模型实现智能网联环境下无信号交叉口车辆通过时序和行驶轨迹的两阶段优化，在降低车辆行驶延误的同时减小车辆油耗；具有连续优化能力，可以实现一段时间内多周期连续优化，并能够设置不同优化周期长度适应不同交通需求；针对自由转向交叉口进行设计，交叉口形式更加符合智能网联环境特点；相比于现有的基于规则的控制可以实现降低交叉口车辆延误81.13％，降低车辆油耗33.97％。
本发明的其他特征和优点将在随后的说明书阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明实施例了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1为本发明实施例中所述的车辆行驶轨迹优化方法流程示意图；
图2为本发明实施例中所述的车辆行驶轨迹优化装置结构示意图；
图3为本发明实施例中所述的车辆行驶轨迹优化设备结构示意图。
图中:701、第一获取模块；702、第一求解模块；7021、第一获取单元；7022、第二获取单元；7023、第一构建单元；7024、第一求解单元；703、第二求解模块；7031、第一计算单元；7032、第二计算单元；7033、第二构建单元；70331、确定单元；70332、离散单元； 70333、计算约束单元；70334、生成约束单元；70335、识别约束单元；70336、构建模型单元；7034、第三计算单元；704、优化模块； 7041、调整单元；7042、建立模型单元；7043、优化单元；705、第一计算模块；706、编号模块；800、车辆行驶轨迹优化设备；801、处理器；802、存储器；803、多媒体组件；804、输入/输出(I/O)接口；805、通信组件。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本发明的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
实施例1：
本实施例提供了一种车辆行驶轨迹优化方法，本发明的情景为在交叉口进口道，并且交叉口进口道为自由转向车道，即任意进口道均可进行左转、直行和右转。本发明中所指的交叉口为交叉口是两条或两条以上道路的交会处；是车辆、行人交通汇集、转向和疏散的必经之处。而进口道为平面交叉口上，车辆从上游路段驶入交叉口的一段车行道；出口道为平面交叉口上，车辆从交叉口驶入下游路段的一段车行道。
参见图1，图中示出了本方法包括步骤S100、步骤S200、步骤 S300和步骤S400，本方法实则为两阶段优化方法，一个为时序优化，另一个为轨迹优化方法，其中：
S100、获取第一信息，第一信息包括交叉口进口道的优化区域内的所有车辆信息，优化区域与交叉口之间设置有间隙。
可以理解的是，在本步骤中，车辆信息包括车辆所在车道编号、车辆预计进入控制区域的时间和速度、车辆目标转向以及车辆自身属性、车辆自身属性包括车辆速度范围以及车身长度。
S200、根据第一信息和解决交通冲突的方法对时间顺序模型进行求解，得到第二信息,第二信息包括每个车辆到达交叉口的最优时刻。
在本步骤中，现有技术中，交通冲突为交通冲突是在可观测条件下，两个或两个以上道路使用者在同一时间、空间上相互接近，如果其中一方采取非正常交通行为，如转换方向、改变车速、突然停车等，除非另一方也相应采取避险行为，否则，会发生碰撞。而解决交通冲突的方法为实行交通管制，在交叉口处设置信号灯或交通警察，使有可能产生冲突的车辆在时间上分离开；采用渠化交通，通过合理设置交通岛或增设车道等，引导各方向车流沿一定路径行驶，减少车辆间的相互干扰；修建立体交叉，将相互冲突车流从通行空间上分开，使其互不干扰。
可以理解的是，在本步骤S200之前包括S198和S199，其中：
S198、根据每个车辆在优化区域内的速度和加速度，计算得到第三信息，第三信息包括每个车辆进入控制区域的时间，控制区域为优化区域与交叉口之间的间隙；交叉口的进口道处比邻控制区域,控制区域在交叉口和优化区域之间；
S199、根据每个车辆进入控制区域的时间的先后顺序进行编号，得到所有车辆进入控制区域的基于时间排序的车队队列。
其中，这个步骤实则为根据智能网联车辆预计进入控制区域的时间将不同车道的车辆合并投影到一条虚拟车道上，构建一个虚拟的车队，虚拟车道的创建过程具体为:
步骤1：根据智能网联车辆在优化区域中的行驶状态，估算车辆进入控制区域的时刻；
步骤2：按照智能网联车辆预计进入控制区域的时间先后顺序对各车道车辆进行编号，令最早进入控制区域的车辆为1，最后进入控制区域的车辆为K；
步骤3：得到基于时间维度的虚拟车队。
在S200步骤中，包括S201、S202、S203和S204，其中：
S201、根据第三信息、每个车辆的速度和每个车辆的加速度，得到每个车辆的最小行程时间约束；
S202、基于车辆之间交通冲突的特点，得到任意两辆车辆之间的安全到达时间间隔约束；
S203、以最小化车队队列中所有车辆的延误时间之和为优化目标，结合最小行程时间约束和安全到达时间间隔约束，构建车辆的时间顺序优化模型；
S204、求解车辆的时间顺序优化模型，计算得出当前优化周期内的所有车辆到达交叉口的最优时刻。
具体地,构建以最小化虚拟车队所有车辆总延误为目标的车辆时序混合整数线性规划模型，基于交叉口内车辆冲突方式特点以及车辆信息求解时序优化模型，得到当前优化周期内的所有车辆到达交叉口的最优时刻；
时间顺序优化模型的目标函数为：
Figure RE-GDA0003561515410000091
式中，
Figure RE-GDA0003561515410000092
为车辆i目标到达交叉口的时刻，/>
Figure RE-GDA0003561515410000093
为车辆i预计进入控制区域的时刻，
Figure RE-GDA0003561515410000094
为车辆i在自由流状态下通过控制区域的理想时间，K为优化周期内的车辆总数；
车辆时序混合整数线性规划模型的约束条件包括最小行程时间约束和安全到达时间间隔约束；
最小行程时间约束为：
Figure RE-GDA0003561515410000095
Figure RE-GDA0003561515410000096
Figure RE-GDA0003561515410000097
式中，Λ1和Λ1表示两类车辆集合，以区分车辆以最短时间通过控制区域时是否需要加速至最大速度，即当i∈Λ1时
Figure RE-GDA0003561515410000098
Figure RE-GDA0003561515410000099
当i∈Λ2时
Figure RE-GDA0003561515410000101
amax为车辆最大加速度，bmax为车辆最大减速度，/>
Figure RE-GDA0003561515410000102
为车辆i进入控制区域的速度，/>
Figure RE-GDA0003561515410000103
为车辆i离开控制区域的速度，/>
Figure RE-GDA0003561515410000104
为控制区域的最大限速，LC为控制区域长度；
所述的安全到达时间间隔约束为：
Figure RE-GDA0003561515410000105
Figure RE-GDA0003561515410000106
Figure RE-GDA0003561515410000107
Figure RE-GDA0003561515410000108
式中，ωi为车辆i所在的车道，σi为车辆i的目标转向，lj为车辆j的车身长度，vint为车辆在交叉口内的行驶速度，Δt为同车道车辆安全时间间隔，dis(A,B)为A和B之间的距离，
Figure RE-GDA0003561515410000109
为车辆i在*处的位置坐标，*＝enter表示进入交叉口的点，*＝kpI表示进入冲突区域的点， *＝kpO表示离开冲突区域点，当车辆i先通过冲突区域时λij＝0，否则λij＝1，M为足够大的数。
S300、根据第二信息求解轨迹优化模型得到每个车辆的瞬时加速度曲线。
可以理解的是，在本步骤中，包括S301、S302、S303和S304，其中：
S301、基于车辆动力学特性，计算得到每个车辆行驶过程中的约束条件；
S302、根据第三信息以及第二信息，计算生成每个车辆初始状态约束和终止状态约束；
S303、根据每个车辆初始状态约束和终止状态约束，以降低车辆的油耗为优化目标，结合每个车辆的约束条件，构建轨迹优化模型；
S304、根据轨迹优化模型，结合第二信息，计算得出每个车辆的瞬时加速度曲线。
需要说明的是，S303之前包括S3031、S3032、S3033、S3034、 S3035、S3036，其中：
S3031、基于第二信息和第三信息，确定车辆轨迹控制的时间范围；
S3032、以0.1秒为间隔对时间范围进行离散；
S3033、获取第四信息，第四信息包括在离散后的时间范围内，基于车辆动力学特性，计算得到车辆的约束条件，车辆的约束条件为动力学约束、车辆速度的范围约束和车辆加速度的范围约束；
S3034、基于第三信息，生成车辆初始状态约束，根据第二信息，生成车辆终止状态约束；
S3035、根据任意两辆车辆之间的最小安全间隔，得到车辆安全间距约束；
S3036、以降低车辆的油耗为优化目标，结合车辆动力学约束、车辆速度的范围约束、车辆加速度的范围约束、车辆初始状态约束、车辆终止状态约束和车辆安全间距约束，构建轨迹优化模型。
具体地，车辆轨迹优化模型的目标函数为：
Figure RE-GDA0003561515410000111
其中，Kh为车道h上的车辆数，ai[k]为车辆i在k时刻的加速度，
Figure RE-GDA0003561515410000112
为车辆i进入控制区域的时刻，/>
Figure RE-GDA0003561515410000113
为车辆i离开控制区域的时刻，δ为一个足够小的数，使得
Figure RE-GDA0003561515410000114
车辆轨迹优化模型的约束条件包括车辆动力学约束、车辆速度和加速度范围约束、车辆初始与终止状态约束和车辆安全间距约束；
车辆动力学约束为：
Figure RE-GDA0003561515410000121
Figure RE-GDA0003561515410000122
式中，xi[k]为车辆i在k时刻的位置，vi[k-1]为车辆i在k-1时刻的瞬时速度；
车辆速度和加速度范围约束为：
Figure RE-GDA0003561515410000123
Figure RE-GDA0003561515410000124
式中，
Figure RE-GDA0003561515410000125
为控制区域的最大限速，amax为车辆最大加速度，bmax为车辆最大减速度；
车辆初始与终止状态约束为：
Figure RE-GDA0003561515410000126
Figure RE-GDA0003561515410000127
Figure RE-GDA0003561515410000128
Figure RE-GDA0003561515410000129
Figure RE-GDA00035615154100001210
Figure RE-GDA00035615154100001211
式中，
Figure RE-GDA00035615154100001212
为车辆i进入控制区域的速度，/>
Figure RE-GDA00035615154100001213
为车辆i离开控制区域的速度，LC为控制区域长度；
车辆安全间距约束为：
Figure RE-GDA00035615154100001214
式中，li-1为车辆i的前车车辆i-1的车身长度，Δt为同车道车辆安全时间间隔。
总的来说，交叉口控制器将时序优化模型求解得到的车辆最优到达时刻发送给相应车辆，相应车辆通过加减速过程实现按照该时刻进入交叉口。加减速过程由轨迹优化模型控制。
具体为：轨迹优化模型输出结果是各车辆在每一个时刻的加速度，各车辆在每个时刻都按照优化给出的加速度行驶，就能保证在时序优化模型分配的最优时刻进入交叉口。
车辆的时序控制不能单独进行，必须结合轨迹控制。时序优化的结果作为轨迹优化的输入。轨迹优化模型的输出是加速度变化曲线，也就是每个时刻的瞬时加速度。车辆在每个时刻都调整自己的加速度和优化给出的加速度一致，那么就能按照轨迹优化给出的方案在时序优化分配的结果进入交叉口。
S400、基于瞬时加速度曲线和滚动优化策略,优化每个车辆的行驶轨迹。
可以理解的是，在本步骤中，S400包括S401、S402和S403，其中：
S401、发送每个瞬时加速度曲线至相应的车辆，调整相应的车辆在每个时刻均按照加速度曲线行驶；
S402、以可变周期的滚动优化策略为行动空间，以交通需求设置周期时长为行动指标，建立车辆行驶模型；
具体地，可变周期确定方法为：
Figure RE-GDA0003561515410000131
式中，ΔT为优化周期长度，Q为交叉***通需求总量。
S403、根据车辆行驶模型，在每个优化周期内依次完成时序和轨迹优化，并基于瞬时加速度曲线，优化控制每个车辆的行驶轨迹。
本实施例中所公开的Lc所覆盖的道路为控制区域,La所覆盖的道路为优化区域。
实施例2：
如图2所示，本实施例提供了一种车辆行驶轨迹优化装置，参见图2装置包括第一获取模块701、第一求解模块702、第二求解模块 703和优化模块704，其中：
第一获取模块701：用于获取第一信息，第一信息包括交叉口进口道的优化区域内的所有车辆信息，优化区域与交叉口之间设置有间隙；
第一求解模块702：用于根据第一信息和解决交通冲突的方法对时间顺序模型进行求解，得到第二信息,第二信息包括每个车辆到达交叉口的最优时刻；
第二求解模块703：用于根据第二信息求解轨迹优化模型得到每个车辆的瞬时加速度曲线；
优化模块704：用于基于瞬时加速度曲线和滚动优化策略,优化每个车辆的行驶轨迹。
具体地，第一求解模块702，之前包括第一计算模块705和编号模块706，其中：
第一计算模块705：用于根据每个车辆在优化区域内的速度和加速度，计算得到第三信息，第三信息包括每个车辆进入控制区域的时间，控制区域为优化区域与交叉口之间的间隙；
编号模块706：用于根据每个车辆进入控制区域的时间的先后顺序进行编号，得到所有车辆进入控制区域的基于时间排序的车队队列。
具体地，第一求解模块702，包括第一获取单元7021、第二获取单元7022、第一构建单元7023和第一求解单元7024，其中：
第一获取单元7021：用于根据第三信息、每个车辆的速度和每个车辆的加速度，得到每个车辆的最小行程时间约束；
第二获取单元7022：用于基于车辆之间交通冲突的特点，得到任意两辆车辆之间的安全到达时间间隔约束；
第一构建单元7023：用于以最小化车队队列中所有车辆的延误时间之和为优化目标，结合最小行程时间约束和安全到达时间间隔约束，构建车辆的时间顺序优化模型；
第一求解单元7024：用于求解车辆的时间顺序优化模型，计算得出当前优化周期内的所有车辆到达交叉口的最优时刻。
优选地，第二求解模块703，包括第一计算单元7031、第二计算单元7032、第二构建单元7033和第三计算单元7034，其中：
第一计算单元7031：用于基于车辆动力学特性，计算得到每个车辆行驶过程中的约束条件；
第二计算单元7032：用于根据第三信息以及第二信息，计算生成每个车辆初始状态约束和终止状态约束；
第二构建单元7033：用于根据每个车辆初始状态约束和终止状态约束，以降低车辆的油耗为优化目标，结合每个车辆的约束条件，构建轨迹优化模型；
第三计算单元7034：用于根据轨迹优化模型，结合第二信息，计算得出每个车辆的瞬时加速度曲线。
优选地，第二构建单元7033之前还包括确定单元70331、离散单元70332、计算约束单元70333、生成约束单元70334、识别约束单元70335和构建模型单元70336，其中：
确定单元70331：用于基于第二信息和第三信息，确定车辆轨迹控制的时间范围；
离散单元70332：用于以0.1秒为间隔对时间范围进行离散；
计算约束单元70333：用于获取第四信息，第四信息包括在离散后的时间范围内，基于车辆动力学特性，计算得到车辆的约束条件，车辆的约束条件为动力学约束、车辆速度的范围约束和车辆加速度的范围约束；
生成约束单元70334：用于基于第三信息，生成车辆初始状态约束，根据第二信息，生成车辆终止状态约束；
识别约束单元70335：用于根据任意两辆车辆之间的最小安全间隔，得到车辆安全间距约束；
构建模型单元70336：用于以降低车辆的油耗为优化目标，结合车辆动力学约束、车辆速度的范围约束、车辆加速度的范围约束、车辆初始状态约束、车辆终止状态约束和车辆安全间距约束，构建轨迹优化模型。
具体地，优化模块704包括调整单元7041、建立模型单元7042 和优化单元7043，其中：
调整单元7041：用于发送每个瞬时加速度曲线至相应的车辆，调整相应的车辆在每个时刻均按照加速度曲线行驶；
建立模型单元7042：用于以可变周期的滚动优化策略为行动空间，以交通需求设置周期时长为行动指标，建立车辆行驶模型；
优化单元7043：用于根据车辆行驶模型，在每个优化周期内依次完成时序和轨迹优化，并基于瞬时加速度曲线，优化控制每个车辆的行驶轨迹。
需要说明的是，关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
实施例3：
相应于上面的方法实施例，本实施例中还提供了一种车辆行驶轨迹优化设备，下文描述的一种车辆行驶轨迹优化设备与上文描述的一种车辆行驶轨迹优化方法可相互对应参照。
图3是根据示例性实施例示出的一种车辆行驶轨迹优化设备800 的框图。如图3所示，该车辆行驶轨迹优化设备800可以包括：处理器801，存储器802。该车辆行驶轨迹优化设备800还可以包括多媒体组件803，I/O接口804，以及通信组件805中的一者或多者。
其中，处理器801用于控制该车辆行驶轨迹优化设备800的整体操作，以完成上述的车辆行驶轨迹优化方法中的全部或部分步骤。存储器802用于存储各种类型的数据以支持在该车辆行驶轨迹优化设备800的操作，这些数据例如可以包括用于在该车辆行驶轨迹优化设备800上操作的任何应用程序或方法的指令，以及应用程序相关的数据，例如联系人数据、收发的消息、图片、音频、视频等等。该存储器802可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，例如静态随机存取存储器(Static Random AccessMemory，简称SRAM)，电可擦除可编程只读存储器(Electrically Erasable ProgrammableRead-Only Memory，简称EEPROM)，可擦除可编程只读存储器(Erasable ProgrammableRead-Only Memory，简称EPROM)，可编程只读存储器(Programmable Read-Only Memory，简称PROM)，只读存储器(Read-Only Memory，简称ROM)，磁存储器，快闪存储器，磁盘或光盘。多媒体组件803可以包括屏幕和音频组件。其中屏幕例如可以是触摸屏，音频组件用于输出和/或输入音频信号。例如，音频组件可以包括一个麦克风，麦克风用于接收外部音频信号。所接收的音频信号可以被进一步存储在存储器802或通过通信组件805发送。音频组件还包括至少一个扬声器，用于输出音频信号。I/O接口804 为处理器801和其他接口模块之间提供接口，上述其他接口模块可以是键盘，鼠标，按钮等。这些按钮可以是虚拟按钮或者实体按钮。通信组件805用于该车辆行驶轨迹优化设备800与其他设备之间进行有线或无线通信。无线通信，例如Wi-Fi，蓝牙，近场通信(Near FieldCommunication，简称NFC)，2G、3G或4G，或它们中的一种或几种的组合，因此相应的该通信组件805可以包括：Wi-Fi模块，蓝牙模块，NFC模块。
在一示例性实施例中，车辆行驶轨迹优化设备800可以被一个或多个应用专用集成电路(Application Specific Integrated Circuit，简称ASIC)、数字信号处理器(DigitalSignal Processor，简称DSP)、数字信号处理设备(Digital Signal ProcessingDevice，简称DSPD)、可编程逻辑器件(Programmable Logic Device，简称PLD)、现场可编程门阵列(Field Programmable Gate Array，简称FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述的车辆行驶轨迹优化方法。
在另一示例性实施例中，还提供了一种包括程序指令的计算机可读存储介质，该程序指令被处理器执行时实现上述的车辆行驶轨迹优化方法的步骤。例如，该计算机可读存储介质可以为上述包括程序指令的存储器802，上述程序指令可由车辆行驶轨迹优化设备800的处理器801执行以完成上述的车辆行驶轨迹优化方法。
实施例4：
相应于上面的方法实施例，本实施例中还提供了一种可读存储介质，下文描述的一种可读存储介质与上文描述的一种车辆行驶轨迹优化方法可相互对应参照。
一种可读存储介质，可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现上述方法实施例的车辆行驶轨迹优化方法的步骤。
该可读存储介质具体可以为U盘、移动硬盘、只读存储器 (Read-Only Memory，ROM)、随机存取存储器(Random Access Memory， RAM)、磁碟或者光盘等各种可存储程序代码的可读存储介质。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (4)

1.一种车辆行驶轨迹优化方法，其特征在于，包括：
获取第一信息，所述第一信息包括交叉口进口道的优化区域内的所有车辆信息，所述优化区域与所述交叉口之间设置有间隙；
根据所述第一信息和解决交通冲突的方法对时间顺序模型进行求解，得到第二信息,所述第二信息包括每个所述车辆到达所述交叉口的最优时刻；
根据所述第二信息求解轨迹优化模型得到每个所述车辆的瞬时加速度曲线；
基于所述瞬时加速度曲线和滚动优化策略,优化每个所述车辆的行驶轨迹；
所述根据所述第一信息和解决交通冲突的方法对时间顺序模型进行求解，得到第二信息，之前包括:
根据每个所述车辆在所述优化区域内的速度和加速度，计算得到第三信息，所述第三信息包括每个所述车辆进入控制区域的时间，所述控制区域为所述优化区域与所述交叉口之间的间隙；
根据每个所述车辆进入所述控制区域的时间的先后顺序进行编号，得到所有所述车辆进入所述控制区域的基于时间排序的车队队列；
其中，根据所述第一信息和解决交通冲突的方法对时间顺序模型进行求解得到第二信息，包括：
根据所述第三信息、每个所述车辆的速度和每个所述车辆的加速度，得到每个所述车辆的最小行程时间约束；
基于所述车辆之间交通冲突的特点，得到任意两辆所述车辆之间的安全到达时间间隔约束；
以最小化所述车队队列中所有所述车辆的延误时间之和为优化目标，结合所述最小行程时间约束和所述安全到达时间间隔约束，构建所述车辆的时间顺序优化模型；
求解所述车辆的时间顺序优化模型，计算得出当前优化周期内的所有所述车辆到达所述交叉口的最优时刻；
具体地,构建以最小化虚拟车队所有车辆总延误为目标的车辆时序混合整数线性规划模型，基于交叉口内车辆冲突方式特点以及车辆信息求解时序优化模型，得到当前优化周期内的所有车辆到达交叉口的最优时刻；
时间顺序优化模型的目标函数为：
Figure FDA0004053986150000021
式中，
Figure FDA0004053986150000028
为车辆i目标到达交叉口的时刻，/>
Figure FDA0004053986150000029
为车辆i预计进入控制区域的时刻，/>
Figure FDA00040539861500000210
为车辆i在自由流状态下通过控制区域的理想时间，K为优化周期内的车辆总数；
车辆时序混合整数线性规划模型的约束条件包括最小行程时间约束和安全到达时间间隔约束；
最小行程时间约束为：
Figure FDA0004053986150000022
Figure FDA0004053986150000023
Figure FDA0004053986150000024
式中，Λ1和Λ2表示两类车辆集合，以区分车辆以最短时间通过控制区域时是否需要加速至最大速度，即当i∈Λ1时
Figure FDA0004053986150000025
Figure FDA0004053986150000026
当i∈Λ2时/>
Figure FDA0004053986150000027
Figure FDA0004053986150000031
amax为车辆最大加速度，bmax为车辆最大减速度，/>
Figure FDA0004053986150000037
为车辆i进入控制区域的速度，/>
Figure FDA0004053986150000038
为车辆i离开控制区域的速度，
Figure FDA0004053986150000032
为控制区域的最大限速，LC为控制区域长度；
所述的安全到达时间间隔约束为：
Figure FDA0004053986150000033
Figure FDA0004053986150000034
Figure FDA0004053986150000035
Figure FDA0004053986150000036
式中，ωi为车辆i所在的车道，σi为车辆i的目标转向，lj为车辆j的车身长度，vint为车辆在交叉口内的行驶速度，Δt为同车道车辆安全时间间隔，dis(A,B)为A和B之间的距离，
Figure FDA0004053986150000039
为车辆i在*处的位置坐标，*＝enter表示进入交叉口的点，*＝kpI表示进入冲突区域的点，*＝kpo表示离开冲突区域点，当车辆i先通过冲突区域时λij＝0，否则λij＝1，M为足够大的数；
其中,所述根据所述第二信息求解轨迹优化模型得到每个所述车辆的瞬时加速度曲线，包括：
基于车辆动力学特性，计算得到每个所述车辆行驶过程中的约束条件；
根据每个所述车辆的所述第三信息以及所述第二信息，计算生成每个所述车辆初始状态约束和终止状态约束；
根据每个所述车辆初始状态约束和终止状态约束，以降低所述车辆的油耗为优化目标，结合每个所述车辆行驶过程中的约束条件，构建轨迹优化模型；
根据所述轨迹优化模型，结合所述第二信息，计算得出每个所述车辆的瞬时加速度曲线；
根据每个所述车辆初始状态约束和终止状态约束，以降低所述车辆的油耗为优化目标，结合每个所述车辆行驶过程中的约束条件，构建轨迹优化模型之前还包括：
基于第二信息和第三信息，确定车辆轨迹控制的时间范围；
以0.1秒为间隔对时间范围进行离散；
获取第四信息，第四信息包括在离散后的时间范围内，基于车辆动力学特性，计算得到车辆的约束条件，车辆的约束条件为动力学约束、车辆速度的范围约束和车辆加速度的范围约束；
基于第三信息，生成车辆初始状态约束，根据第二信息，生成车辆终止状态约束；
根据任意两辆车辆之间的最小安全间隔，得到车辆安全间距约束；
以降低车辆的油耗为优化目标，结合车辆动力学约束、车辆速度的范围约束、车辆加速度的范围约束、车辆初始状态约束、车辆终止状态约束和车辆安全间距约束，构建轨迹优化模型；
具体地，车辆轨迹优化模型的目标函数为：
Figure FDA0004053986150000041
其中，Kh为车道h上的车辆数，ai[k]为车辆i在k时刻的加速度，
Figure FDA0004053986150000043
为车辆i进入控制区域的时刻，/>
Figure FDA0004053986150000044
为车辆i离开控制区域的时刻，δ为一个足够小的数，使得
Figure FDA0004053986150000042
车辆轨迹优化模型的约束条件包括车辆动力学约束、车辆速度和加速度范围约束、车辆初始与终止状态约束和车辆安全间距约束；
车辆动力学约束为：
Figure FDA0004053986150000051
Figure FDA0004053986150000052
式中，xi[k]为车辆i在k时刻的位置，vi[k-1]为车辆i在k-1时刻的瞬时速度；
车辆速度和加速度范围约束为：
Figure FDA0004053986150000053
Figure FDA0004053986150000054
式中，
Figure FDA0004053986150000055
为控制区域的最大限速，amax为车辆最大加速度，bmax为车辆最大减速度；
车辆初始与终止状态约束为：
Figure FDA0004053986150000056
Figure FDA0004053986150000057
Figure FDA0004053986150000058
/>
Figure FDA0004053986150000059
Figure FDA00040539861500000510
Figure FDA00040539861500000511
式中，
Figure FDA00040539861500000513
为车辆i进入控制区域的速度，/>
Figure FDA00040539861500000514
为车辆i离开控制区域的速度，LC为控制区域长度；
车辆安全间距约束为：
Figure FDA00040539861500000512
式中，li-1为车辆i的前车车辆i-1的车身长度，Δt为同车道车辆安全时间间隔。
2.一种用于实现权利要求1的车辆行驶轨迹优化方法的车辆行驶轨迹优化装置，其特征在于，包括：
第一获取模块：用于获取第一信息，所述第一信息包括交叉口进口道的优化区域内的所有车辆信息，所述优化区域与所述交叉口之间设置有间隙；
第一计算模块：用于根据每个所述车辆在所述优化区域内的速度和加速度，计算得到第三信息，所述第三信息包括每个所述车辆进入控制区域的时间，所述控制区域为所述优化区域与所述交叉口之间的间隙；
编号模块：用于根据每个所述车辆进入所述控制区域的时间的先后顺序进行编号，得到所有所述车辆进入所述控制区域的基于时间排序的车队队列；
第一求解模块：用于根据所述第一信息和解决交通冲突的方法对时间顺序模型进行求解，得到第二信息,所述第二信息包括每个所述车辆到达所述交叉口的最优时刻；
第二求解模块：用于根据所述第二信息求解轨迹优化模型得到每个所述车辆的瞬时加速度曲线；
优化模块：用于基于所述瞬时加速度曲线和滚动优化策略,优化每个所述车辆的行驶轨迹；
其中，所述第一求解模块，包括：
第一获取单元：用于根据所述第三信息、每个所述车辆的速度和每个所述车辆的加速度，得到每个所述车辆的最小行程时间约束；
第二获取单元：用于基于所述车辆之间交通冲突的特点，得到任意两辆所述车辆之间的安全到达时间间隔约束；
第一构建单元：用于以最小化所述车队队列中所有所述车辆的延误时间之和为优化目标，结合所述最小行程时间约束和所述安全到达时间间隔约束，构建所述车辆的时间顺序优化模型；
第一求解单元：用于求解所述车辆的时间顺序优化模型，计算得出当前优化周期内的所有所述车辆到达所述交叉口的最优时刻；
其中，所述第二求解模块，包括：
第一计算单元：用于基于车辆动力学特性，计算得到每个所述车辆行驶过程中的约束条件；
第二计算单元：用于根据每个所述车辆的所述第三信息以及所述第二信息，计算生成每个所述车辆初始状态约束和终止状态约束；
确定单元：用于基于第二信息和第三信息，确定车辆轨迹控制的时间范围；
离散单元：用于以0.1秒为间隔对时间范围进行离散；
计算约束单元：用于获取第四信息，第四信息包括在离散后的时间范围内，基于车辆动力学特性，计算得到车辆的约束条件，车辆的约束条件为动力学约束、车辆速度的范围约束和车辆加速度的范围约束；
生成约束单元：用于基于第三信息，生成车辆初始状态约束，根据第二信息，生成车辆终止状态约束；
识别约束单元：用于根据任意两辆车辆之间的最小安全间隔，得到车辆安全间距约束；
构建模型单元：用于以降低车辆的油耗为优化目标，结合车辆动力学约束、车辆速度的范围约束、车辆加速度的范围约束、车辆初始状态约束、车辆终止状态约束和车辆安全间距约束，构建轨迹优化模型；
第二构建单元：用于根据每个所述车辆初始状态约束和终止状态约束，以降低所述车辆的油耗为优化目标，结合每个所述车辆行驶过程中的约束条件，构建轨迹优化模型；
第三计算单元：用于根据所述轨迹优化模型，结合所述第二信息，计算得出每个所述车辆的瞬时加速度曲线。
3.一种车辆行驶轨迹优化设备，其特征在于，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时实现如权利要求1所述车辆行驶轨迹优化方法的步骤。
4.一种可读存储介质，其特征在于：所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1所述车辆行驶轨迹优化方法的步骤。
CN202210177990.0A 2022-02-25 2022-02-25 一种车辆行驶轨迹优化方法、装置、设备及可读存储介质 Active CN114446065B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210177990.0A CN114446065B (zh) 2022-02-25 2022-02-25 一种车辆行驶轨迹优化方法、装置、设备及可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210177990.0A CN114446065B (zh) 2022-02-25 2022-02-25 一种车辆行驶轨迹优化方法、装置、设备及可读存储介质

Publications (2)

Publication Number Publication Date
CN114446065A CN114446065A (zh) 2022-05-06
CN114446065B true CN114446065B (zh) 2023-03-31

Family

ID=81373808

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210177990.0A Active CN114446065B (zh) 2022-02-25 2022-02-25 一种车辆行驶轨迹优化方法、装置、设备及可读存储介质

Country Status (1)

Country Link
CN (1) CN114446065B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114648877B (zh) * 2022-05-13 2022-08-09 北京理工大学前沿技术研究院 一种无信号交叉口车辆通行方法、***、设备和存储介质
CN115081682B (zh) * 2022-05-26 2024-06-21 西南交通大学 长大隧道施工交通组织优化方法和计算机装置
CN116092310B (zh) * 2023-01-28 2023-07-18 西南交通大学 面向混合交通环境的路口协同生态驾驶控制方法及***

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109300306B (zh) * 2018-07-31 2020-01-17 北京航空航天大学 车路协同环境下交叉口可变导向车道、信号灯及车辆轨迹协同优化方法
CN111768637B (zh) * 2020-05-14 2022-08-23 同济大学 一种信号交叉***通信号灯和车辆轨迹控制方法
CN111710176B (zh) * 2020-06-08 2021-11-09 同济大学 一种车路协同环境下交叉口信号-车辆轨迹协同控制方法
CN111968377B (zh) * 2020-08-31 2022-07-15 姜忠太 面向节油和驾驶舒适的基于车辆网的车辆轨迹优化方法
CN112837534B (zh) * 2021-01-12 2022-07-22 同济大学 一种智能网联车环境下多车道环岛车辆协同控制方法

Also Published As

Publication number Publication date
CN114446065A (zh) 2022-05-06

Similar Documents

Publication Publication Date Title
CN114446065B (zh) 一种车辆行驶轨迹优化方法、装置、设备及可读存储介质
Rios-Torres et al. Automated and cooperative vehicle merging at highway on-ramps
Khondaker et al. Variable speed limit: A microscopic analysis in a connected vehicle environment
CN114973733B (zh) 一种信号交叉口处混合流下网联自动车轨迹优化控制方法
Ni et al. Estimating rear-end accident probabilities at signalized intersections: a comparison study of intersections with and without green signal countdown devices
Ma et al. A time-independent trajectory optimization approach for connected and autonomous vehicles under reservation-based intersection control
CN114889603A (zh) 一种车辆换道处理方法和装置
CN110910673A (zh) 一种提醒行人碰撞车辆的方法及***、摄像头、移动终端
CN108694841A (zh) 一种基于v2x技术的智能车辆通行路口红绿灯方法
CN113312760B (zh) 一种基于交通仿真的网联机动车右转轨迹规划方法和装置
CN113053112A (zh) 车辆轨迹预测方法、车辆预测轨迹分析方法、装置及车辆
Rios-Torres et al. Energy impact of different penetrations of connected and automated vehicles: a preliminary assessment
Jing et al. Cooperative CAVs optimal trajectory planning for collision avoidance and merging in the weaving section
Li et al. A cooperative traffic control for the vehicles in the intersection based on the genetic algorithm
CN115565390A (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
Jiang et al. Coordination of mixed platoons and eco-driving strategy for a signal-free intersection
Mohammadi et al. Signalised intersection control in a connected vehicle environment: User throughput maximisation strategy
CN112991723B (zh) 一种基于地理区域的智能网联计算机任务并行颗粒度的划分方法、***及终端
CN106938655A (zh) 地铁交通冲突预警方法
Tran et al. A model predictive control-based lane merging strategy for autonomous vehicles
Heeroo et al. A Ludo Cellular Automata model for microscopic traffic flow
CN115503756A (zh) 一种智能驾驶决策方法、决策装置以及车辆
Fu et al. A novel warning/avoidance algorithm for intersection collision based on Dynamic Bayesian Networks
Kang et al. Dash: A universal intersection traffic management system for autonomous vehicles
KR20230128825A (ko) 순찰 차량 주행 경로 생성 방법 및 이에 따른 장치

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
TR01 Transfer of patent right

Effective date of registration: 20231005

Address after: 610031 No. two, section 111, ring road, Chengdu, Sichuan, China

Patentee after: SOUTHWEST JIAOTONG University

Patentee after: CHENGDU JIAODA BIG DATA TECHNOLOGY Co.,Ltd.

Patentee after: NANNING University

Address before: 610031 No. two, section 111, ring road, Chengdu, Sichuan, China

Patentee before: SOUTHWEST JIAOTONG University

Patentee before: CHENGDU JIAODA BIG DATA TECHNOLOGY Co.,Ltd.

TR01 Transfer of patent right