CN114495556B - 高速公路匝道间距约束下自动驾驶最优编队长度设置方法 - Google Patents
高速公路匝道间距约束下自动驾驶最优编队长度设置方法 Download PDFInfo
- Publication number
- CN114495556B CN114495556B CN202210061844.1A CN202210061844A CN114495556B CN 114495556 B CN114495556 B CN 114495556B CN 202210061844 A CN202210061844 A CN 202210061844A CN 114495556 B CN114495556 B CN 114495556B
- Authority
- CN
- China
- Prior art keywords
- vehicles
- ramp
- distance
- formation
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/123—Traffic control systems for road vehicles indicating the position of vehicles, e.g. scheduled vehicles; Managing passenger vehicles circulating according to a fixed timetable, e.g. buses, trains, trams
-
- 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)
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Traffic Control Systems (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Abstract
Description
技术领域
本发明涉及道路车辆的交通控制***的技术领域,尤其是涉及一种高速公路匝道间距约束下自动驾驶最优编队长度设置方法。
背景技术
自动驾驶车队编组技术是指在自动驾驶车流的行驶过程中,利用车车协同通讯或者车路协同通讯,使自动驾驶车流之间的车头间距变小,行驶速度保持一致,可以更好的利用有限的道路资源。
但是在进行编组的过程中,随着车队的长度增大,整体行驶的安全性会下降,进行重编组的波动性也会增加,因此考虑到编组过程中受到的各种因素影响,自动驾驶车流编组会存在一个最优的编队长度。
以高速公路环境为例,因为在高速公路上,车辆会通过匝道驶入驶出,假定驶入的车辆将在下个匝道驶出,此时高速公路上还有一列车队在进行行驶,那么匝道上驶入的车辆就会需要根据各种限制条件例如行驶的距离、稳定行驶时间等考虑是否加入该队列。
发明内容
本发明要解决的技术问题在于,提供一种具有保障效率、计算简便、节省能耗与安全可靠的高速公路匝道间距约束下自动驾驶最优编队长度设置方法。
本发明解决其技术问题所采用的技术方案是:构造一种高速公路匝道间距约束下自动驾驶最优编队长度设置方法,包括以下步骤:
S1、获取高速公路匝道a和匝道b的间距L,匝道a上游主线自动驾驶车流的运行状态参数,包括现有编队车辆数n1、现有编队稳定行驶速度v-;
S2、通过计算机仿真模拟上匝道车辆与现有编队车辆之间的编组与解编组过程;
S3、选定车辆编队最短稳定运行时长t1;
S4、根据匝道间距限制L和最短稳定运行时长限制t1,计算得到进行合并的最大车辆数目n2,得到高速公路上运行的自动驾驶车流最优编队长度。
按上述方案,所述步骤S2中的仿真过程中的核心方法为:
S201、对车辆之间的纵横向间距进行分开控制,分别控制车辆间的横向间距协同至0,纵向间距协同至理想间距;
S202、建立车辆之间的吸引和排斥模型,避免在进行协同的过程中出现碰撞,建立吸引-排斥函数;
S203、生成车辆编队。
按上述方案,所述步骤S202建立的吸引-排斥函数为:
式中:polyfit函数是自定义的S型函数,当h1靠近0时该值为1,在h1靠近r时该值为0;h1为车辆间纵向间距经过函数变换与理想间距经过函数变换之后的比值; r为常数;
式中:h2为车辆间横向间距经过函数变换之后的值;r2为常数。
按上述方案,所述步骤S203生成车辆编队步骤为:
S20301、输入现有编队车辆数n1,随机生成初始车辆的位置和速度,其中初始随机生成的车辆的位置在指定的区域大小size之内,避免车辆之间过于接近;
S20302、给定虚拟领导者的状态:虚拟领导者的纵向坐标生成时与size保持一致,横向坐标为车道中线位置,之后将编队稳定行驶速度v-赋给虚拟领导者,此时虚拟领导者的运动加速度为:
将加速度控制在[-5,3]m/s2之内,并且aleader受到vleader的反馈影响。
按上述方案,所述步骤S4的具体步骤如下:
S401、设定匝道上的车队中车辆数n2的初始值;
S402、计算两个车队完成协同并达到稳定时的距离L1,利用对数-正态分布曲线的右侧部分对波动过程中的速度变化进行包络拟合,当包络线间距小于阈值 0.3m/s时即认为已经达到稳定状态;
***log-normal distribution的右侧曲线的公式为:
式中:a、b、c均为待求解的参数,当x=eb时,f(x)取到峰值,因而当x≥eb时就可以取对数正态分布的右侧曲线;
S404、计算车队解编过程中的运行距离L3,解编完成是指两个不同车队内的各自车辆速度差为0.3m/s以内,各自车头间距差在0.3m之内,加速度差绝对值在 0.1m/s2以内,L3的计算从开始解编时到解编完成为止;
S405、判断L1+L2+L3是否超过长度限制L;
S406、尚未达到时就以“1”为步长增加n2;
S407、重复上述步骤S406,直至得到最后的n2,此时n1+n2即为高速公路匝道间距约束下的自动驾驶车流最优编队长度。
按上述方案,所述高速公路匝道包括高速公路车道、高速公路的匝道入口和高速公路的匝道出口。
按上述方案,所述步骤S3中选定车辆编队最短稳定运行的时长t1为1分钟。
按上述方案,所述步骤S4还包括以下内容:以时间为平面坐标系的横轴,以运行距离为平面坐标系的纵轴,绘制在不同车辆数n2下的曲线簇。
实施本发明的高速公路匝道间距约束下自动驾驶最优编队长度设置方法,具有以下有益效果:
本发明提供了一种高速公路匝道间距约束下自动驾驶最优编队长度设置方法,通过获取现有车队的初始运行状态,分别计算进行重编组、稳定运行、解编过程中的位移,通过反馈调整匝道上汇入车辆的数量,从而得到自动驾驶车流的最优编队长度,整体思路较为简单,避免了复杂的数学计算。
附图说明
图1为本发明中编组和解编过程中的车辆受力分析示意图;
图2为本发明中高速公路匝道上自动驾驶车流编队过程的为编队初始过程的示意图;
图3为本发明中高速公路匝道上自动驾驶车流编队过程的重编组过程的示意图;
图4为本发明中高速公路匝道上自动驾驶车流编队过程的稳定行驶过程的示意图;
图5为本发明中高速公路匝道上自动驾驶车流编队过程的解编过程的示意图;
图6为本发明中polifit函数的函数图像;
图7为本发明中n2=4时利用对数正态包络线判断稳定的示意图;
图8为本发明中不同的n2对应的行驶曲线;
图9为本发明方法的流程图。
具体实施方式
为了对本发明的技术特征、目的和效果有更加清楚的理解,现对照附图详细说明本发明的具体实施方式。
如图9所示,本发明高速公路匝道间距约束下自动驾驶车流最优编队长度的确定方法,包括以下步骤:
S1、获取高速公路匝道a和匝道b间距L以及匝道a上游主线自动驾驶车流的运行状态参数,包括现有编队车辆数n1、现有编队稳定行驶速度如图2所示,高速公路匝道包括高速公路车道、高速公路的匝道入口和高速公路的匝道出口;
S2、借助计算机仿真模拟上匝道车辆与现有编队车辆之间的编组与解编组过程,仿真过程中的核心方法为:
S201、对车辆之间的纵横向间距进行分开控制,分别控制车辆间的横向间距协同至0,纵向间距协同至理想间距;
S202、需要建立车辆之间的吸引和排斥模型,避免在进行协同的过程中出现碰撞等情况,因为纵向间距需要协调至理想间距,因而建立如式(2-1)的吸引-排斥函数,当车辆之间的纵向距离越近时,产生的阻抗就会越大,从而避免车辆之间产生碰撞,当距离适中时车辆之间就会产生吸引,距离较大时,车辆之间就不会相互影响。如图1所示,当车辆之间的纵向间距没有协同至一致时,车辆之间就会根据纵向间距的大小产生不同的纵向作用力,图中三辆车分别根据各自的纵向间距形成了三个不同的纵向作用力通过纵向作用力逐渐调整车辆的运动,从而使车辆之间的纵向间距协同至一致。此时车辆间纵向间距的吸引-排斥函数为:
式中:polyfit函数是自定义的S型函数,当h1靠近0时该值为1,在h1靠近r时该值为0,见图3;h1为车辆间纵向间距经过函数变换与理想间距经过函数变换之后的比值;r为常数;
车辆在初始运动时,在车道上的横向位置并非都在车道中线上,如图1所示,为了形成完整的协同队列,需要将车辆的横向间距协同至0,也即车辆保持在车道中心线位置行驶,当车辆远离车道中心线时,就会受到横向作用力的影响靠近车道中心线,在图1中,三辆车受到了不同的横向作用力的影响,通过横向作用力逐渐调整车辆的横向运动,使车辆的横向位置协同至车道中心线上。因此建立横向间距的吸引-排斥函数如式(2-2)所示,当车辆之间的横向距离非常接近时,车辆之间就不会相互影响,当横向距离在某个范围内越大时,产生的吸引就会越大,从而加速车辆之间的协同。通过上述模型使车辆的横向间距维持在一个很小的范围内波动,此时就可以近似看作横向间距协同至一致。
式中:h2为车辆间横向间距经过函数变换之后的值;r2为常数。
因为车辆之间的横向间距的调整目标是0,与纵向间距不同,因而需要对于车辆之间的横向速度反馈系数和横向位置反馈系数进行更改,但系数并非越大越好,反而是在系数较小时,可以使横向收敛的速度加快。
S203、生成车辆编队;
具体生成编队的步骤为:
S20301、输入现有编队车辆数n1,随机生成初始车辆的位置和速度,其中初始随机生成的车辆的位置需要在指定的区域大小size之内,并且避免车辆之间过于接近;
将加速度控制在[-5,3]m/s2之内,并且aleader受到vleader的反馈影响。
S3、选定车辆编队最短稳定运行时长t1,选定最短稳定运行时长t1为1分钟;
S4、根据匝道间距限制L和最短稳定运行时长限制t1,计算得到还能够进行合并的最大车辆数目n2,由此得到高速公路上运行的自动驾驶车流最优编队长度。具体步骤如下:
S401、设定匝道上的车队中车辆数n2的初始值;
S402、计算两个车队完成协同并达到稳定时的距离L1,如图3所示。本发明将“稳定状态”定义为:车辆之间的速度差为0.3m/s以内,相互之间的车头间距差别在0.3m之内,加速度绝对值差值在0.1m/s2以内。因为车辆的协同运动过程是一种波动性的过程,利用对数-正态分布曲线的右侧部分对波动过程中的速度变化进行包络拟合,当包络线间距小于阈值0.3m/s时即认为已经达到稳定状态,如图7所示;
***log-normal distribution的右侧曲线的公式为:
式中:a、b、c均为待求解的参数,当x=eb时,f(x)取到峰值,因而当x≥eb时就可以取对数正态分布的右侧曲线。
S404、计算车队解编过程中的运行距离L3,如图5所示,解编完成是指两个不同车队内的各自车辆速度差为0.3m/s以内,各自车头间距差在0.3m之内,加速度差绝对值在0.1m/s2以内,L3的计算从开始解编时到解编完成为止。
S405、判断L1+L2+L3是否超过长度限制L;
S406、尚未达到时就以“1”为步长增加n2;
S407、重复步骤S6,直至得到最后的n2,此时n1+n2即为高速公路匝道间距约束下的自动驾驶车流最优编队长度;
S408、以时间为平面坐标系的横轴,以运行距离为平面坐标系的纵轴,绘制在不同车辆数n2下的曲线簇,如图8所示。
本发明的优选实施例中,包括以下步骤:
S2、采用计算机仿真方法形成现有的自动驾驶车队;
所述的步骤S2具体包括以下步骤:
S201:对车辆之间的纵横向间距进行分开控制,分别控制车辆间的横向间距协同至0,纵向间距协同至理想间距。
S202:需要建立车辆之间的吸引和排斥模型,避免在进行协同的过程中出现碰撞等情况,因为纵向间距需要协调至理想间距,因而建立如下式2-1的吸引-排斥函数,当车辆之间的纵向距离越近时,产生的阻抗就会越大,从而避免车辆之间产生碰撞,当距离适中时车辆之间就会产生吸引,距离较大时,车辆之间就不会相互影响。车辆间纵向间距的吸引排斥函数为:
式中:polyfit函数是自定义的S型函数,当h1靠近0时该值为1,在h1靠近r时该值为0,如图2所示;h1为车辆间纵向间距经过函数变换与理想间距经过函数变换之后的比值;r为常数,选取r=0.9。
车辆在初始运动时,在车道上的横向位置并非都在车道中线上,为了形成完整的协同队列,需要将车辆协同至横向间距为0,也即车辆保持在车道中线位置行驶。因此建立横向间距的吸引-排斥函数如式2-2所示,当车辆之间的横向距离非常接近时,车辆之间就不会相互影响,当横向距离在某个范围内越大时,产生的吸引就会越大,从而加速车辆之间的协同。通过上述模型使车辆的横向间距维持在一个很小的范围内波动,此时就可以近似看作横向间距协同至一致。
式中:h2为车辆间横向间距经过函数变换之后的值;r2取0.01。
因为车辆之间的横向间距的调整目标是0,与纵向间距不同,因而需要对于车辆之间的速度反馈系数和位置反馈系数进行更改,但是并非系数越大越好,反而是使系数变小,可以使纵向收敛的速度加快。
S203、生成车辆编队;
具体生成编队的步骤为:
S20301、输入现有编队车辆数n1=5,随机生成初始车辆的位置和速度,其中初始随机生成的车辆的位置需要在指定的区域大小size=100×100m2之内,并且避免车辆之间过于接近;
通过此式将加速度控制在[-5,3]m/s2之内,并且aleader受到vleader的反馈影响。
S3、选定最短稳定运行时长t1=60s;
S4、根据匝道间距约束限制L和最短稳定运行时长限制t1,计算得到还能够进行合并的车辆数目n2,由此得到高速公路上运行的自动驾驶车流最优编队长度。
所述的步骤S4具体包括以下步骤:
S401、设定匝道上的车队中车辆数n2=2的初始值;
S402、计算两个车队完成协同并达到稳定时的距离L1,本发明定义稳定是指车辆之间的速度差为0.3m/s以内,相互之间的车头间距差别在0.3m之内,加速度绝对值差值在0.1m/s2以内,因为车辆的协同运动过程是一种波动性的过程,利用对数-正态分布的右侧部分包络线对波动过程中的速度变化进行拟合,当包络线间距达到要求时即认为已经达到稳定状态;
***log-normal distribution的右侧曲线的公式为:
式中:a、b、c均为待求解的参数,当x≥eb时就可以取对数正态分布的右侧曲线。参数的求解借助数据拟合进行,通过对速度波动过程中的极大值进行数据拟合就可以获取相应的参数。
S404、计算车队解编过程中的运行距离L3,解编完成是指两个不同车队内的各自车辆速度差为0.3m/s以内,各自车头间距差在0.3m之内,加速度差绝对值在 0.1m/s2以内,L3的计算从开始解编时到解编完成为止。
S405、判断L1+L2+L3是否超过长度限制L;
S406、尚未达到时就以“1”为步长增加n2;
S407、重复上述步骤S406,直至得到最后的n2=3,此时n1+n2=8即为考虑高速公路匝道的自动驾驶车流最优编队长度。
S408、以时间(迭代次数)为平面坐标系的横轴,以运行距离为平面坐标系的纵轴,绘制在不同车辆数n2下的曲线簇。
本发明中,图1为本发明中编组和解编过程中的车辆受力分析图,当车辆的纵横向间距没有协同至一致时,就会收到纵横向作用力的影响,最终使横向间距协同至0,纵向间距协同至理想间距。图5为本发明中不同的n2对应的行驶曲线,当n2=2时整个重编组和解编过程的运行距离尚未达到匝道间距约束限制,此时编组不充分;当n2=3时整个重编组和解编过程的运行距离几乎达到匝道间距约束限制,此时编组长度达到极限;当n2=4时整个重编组和解编过程的运行距离已经超过了匝道间距约束,此时编组长度已超出限制。
上面结合附图对本发明的实施例进行了描述,但是本发明并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本发明的启示下,在不脱离本发明宗旨和权利要求所保护的范围情况下,还可做出很多形式,这些均属于本发明的保护之内。
Claims (4)
1.一种高速公路匝道间距约束下自动驾驶最优编队长度设置方法,其特征在于,包括以下步骤:
S2、通过计算机仿真模拟上匝道车辆与现有编队车辆之间的编组与解编组过程;
仿真过程中的核心方法为:
S201、对车辆之间的纵横向间距进行分开控制,分别控制车辆间的横向间距协同至0,纵向间距协同至理想间距;
S202、建立车辆之间的跟驰模型,避免在进行协同的过程中出现碰撞,建立跟驰函数;
建立的跟驰函数为:
式中:polyfit函数是自定义的S型函数,当h1靠近0时polyfit(h1)为1,在h1靠近r时polyfit(h1)为0;h1为车辆间纵向间距经过函数变换与理想间距经过函数变换之后的比值;r为常数;
式中:h2为车辆间横向间距经过函数变换之后的值;r2为常数;
S203、生成车辆编队;
生成车辆编队步骤为:
S20301、输入现有编队车辆数n1,随机生成初始车辆的位置和速度,其中初始随机生成的车辆的位置在指定的区域大小size之内,避免车辆之间过于接近;
将加速度控制在[-5,3]m/s2之内,并且aleader受到vleader的反馈影响;
S3、选定车辆编队最短稳定运行时长t1;
S4、根据匝道间距限制L和最短稳定运行时长限制t1,计算得到进行合并的最大车辆数目n2,得到高速公路上运行的自动驾驶车流最优编队长度;
具体步骤如下:
S401、设定匝道上的车队中车辆数n2的初始值;
S402、计算两个车队完成协同并达到稳定时的距离L1,利用对数-正态分布曲线的右侧部分对波动过程中的速度变化进行包络拟合,当包络线间距小于阈值0.3m/s时即认为已经达到稳定状态;
***log-normal distribution的右侧曲线的公式为:
式中:a、b、c均为待求解的参数,当x=eb时,f(x)取到峰值,因而当x≥eb时就取对数正态分布的右侧曲线;
S404、计算车队解编过程中的运行距离L3,解编完成是指两个不同车队内的各自车辆速度差为0.3m/s以内,各自车头间距差在0.3m之内,加速度差绝对值在0.1m/s2以内,L3的计算从开始解编时到解编完成为止;
S405、判断L1+L2+L3是否超过长度限制L;
S406、尚未达到时就以“1”为步长增加n2;
S407、重复上述步骤S406,直至得到最后的n2,此时n1+n2即为高速公路匝道间距约束下的自动驾驶车流最优编队长度。
2.根据权利要求1所述的高速公路匝道间距约束下自动驾驶最优编队长度设置方法,其特征在于,所述高速公路匝道包括高速公路车道、高速公路的匝道入口和高速公路的匝道出口。
3.根据权利要求1所述的高速公路匝道间距约束下自动驾驶最优编队长度设置方法,其特征在于,所述步骤S3中选定车辆编队最短稳定运行的时长t1为1分钟。
4.根据权利要求1所述的高速公路匝道间距约束下自动驾驶最优编队长度设置方法,其特征在于,所述步骤S4还包括以下内容:以时间为平面坐标系的横轴,以运行距离为平面坐标系的纵轴,绘制在不同车辆数n2下的曲线簇。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210061844.1A CN114495556B (zh) | 2022-01-19 | 2022-01-19 | 高速公路匝道间距约束下自动驾驶最优编队长度设置方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210061844.1A CN114495556B (zh) | 2022-01-19 | 2022-01-19 | 高速公路匝道间距约束下自动驾驶最优编队长度设置方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114495556A CN114495556A (zh) | 2022-05-13 |
CN114495556B true CN114495556B (zh) | 2023-03-10 |
Family
ID=81472082
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210061844.1A Active CN114495556B (zh) | 2022-01-19 | 2022-01-19 | 高速公路匝道间距约束下自动驾驶最优编队长度设置方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114495556B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102017221104A1 (de) * | 2017-11-24 | 2019-05-29 | Robert Bosch Gmbh | Verfahren zum Koordinieren von Abständen innerhalb eines Fahrzeugverbands |
CN110070707A (zh) * | 2019-05-16 | 2019-07-30 | 吴鼎新 | 一种实现协同式自适应巡航控制车队组队与分离的方法 |
CN111554081A (zh) * | 2020-03-30 | 2020-08-18 | 江苏大学 | 一种基于多级领导者鸽群理论的车队路口避障控制方法 |
CN113808436A (zh) * | 2021-08-31 | 2021-12-17 | 东南大学 | 一种下匝道车辆驶离智能网联专用道的车队控制方法 |
-
2022
- 2022-01-19 CN CN202210061844.1A patent/CN114495556B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102017221104A1 (de) * | 2017-11-24 | 2019-05-29 | Robert Bosch Gmbh | Verfahren zum Koordinieren von Abständen innerhalb eines Fahrzeugverbands |
CN110070707A (zh) * | 2019-05-16 | 2019-07-30 | 吴鼎新 | 一种实现协同式自适应巡航控制车队组队与分离的方法 |
CN111554081A (zh) * | 2020-03-30 | 2020-08-18 | 江苏大学 | 一种基于多级领导者鸽群理论的车队路口避障控制方法 |
CN113808436A (zh) * | 2021-08-31 | 2021-12-17 | 东南大学 | 一种下匝道车辆驶离智能网联专用道的车队控制方法 |
Non-Patent Citations (1)
Title |
---|
高速公路网的匝道协调控制及仿真研究;嵇春宝等;《***仿真学报》;20090220(第04期);第1206-1209页 * |
Also Published As
Publication number | Publication date |
---|---|
CN114495556A (zh) | 2022-05-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Li et al. | Platoon control of connected multi-vehicle systems under V2X communications: Design and experiments | |
Wang et al. | A review on cooperative adaptive cruise control (CACC) systems: Architectures, controls, and applications | |
CN110928295B (zh) | 一种融合人工势场与对数蚁群算法的机器人路径规划方法 | |
CN108806252B (zh) | 一种高速公路混合交通流协同优化控制方法 | |
CN111238521B (zh) | 一种无人驾驶车辆的路径规划方法及*** | |
CN110928297B (zh) | 基于多目标动态粒子群优化的智能公交车辆路径规划方法 | |
CN111998867A (zh) | 一种车辆路径规划方法及装置 | |
CN111325967B (zh) | 一种基于协同指派的智能网联汽车编队控制方法和装置 | |
CN113489531B (zh) | 一种功率和三维轨迹联合优化的无人机协作通信方法 | |
CN113489793B (zh) | 一种混合交通场景下的快速路双车道协同控制方法 | |
US11568751B2 (en) | Dynamic platoon formation method under mixed autonomous vehicles flow | |
CN103092949B (zh) | 一种在浮动车轨迹融合中复合路口的识别与构建方法 | |
CN112907950B (zh) | 一种面向车路协同环境的元胞传输模型改进方法 | |
CN114613142B (zh) | 一种基于规则的自动驾驶交叉口车辆换道控制方法 | |
CN110084355B (zh) | 大量相互作用粒子运动仿真***的网格尺度寻优方法 | |
CN114283576B (zh) | 一种车辆意图预测方法及相关装置 | |
CN113409598A (zh) | 区域道路交通信号灯协同联动自适应配时方法及装置 | |
CN114495556B (zh) | 高速公路匝道间距约束下自动驾驶最优编队长度设置方法 | |
CN113657433A (zh) | 一种车辆轨迹多模态预测方法 | |
Suriyarachchi et al. | Gameopt: Optimal real-time multi-agent planning and control for dynamic intersections | |
Phan et al. | A cooperative space distribution method for autonomous vehicles at a lane-drop bottleneck on multi-lane freeways | |
Caruntu et al. | Connected cooperative control for multiple-lane automated vehicle flocking on highway scenarios | |
CN116229765B (zh) | 一种基于数字数据处理的车路协同方法 | |
CN115092141B (zh) | 应用于自动驾驶车辆变道超车的轨迹规划方法及设备 | |
CN115032931A (zh) | 一种基于群集理论的智能网联队列合流控制方法 |
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 |