CN115497314A - 一种智能网联汽车不停车通过交叉口的生态驾驶方法 - Google Patents
一种智能网联汽车不停车通过交叉口的生态驾驶方法 Download PDFInfo
- Publication number
- CN115497314A CN115497314A CN202211074470.3A CN202211074470A CN115497314A CN 115497314 A CN115497314 A CN 115497314A CN 202211074470 A CN202211074470 A CN 202211074470A CN 115497314 A CN115497314 A CN 115497314A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- intersection
- time
- acceleration
- stop line
- 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
- 238000000034 method Methods 0.000 title claims abstract description 32
- 230000001133 acceleration Effects 0.000 claims description 58
- 238000004088 simulation Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 7
- 230000006698 induction Effects 0.000 claims description 3
- 229920006395 saturated elastomer Polymers 0.000 claims description 3
- 238000004891 communication Methods 0.000 claims 2
- 238000005516 engineering process Methods 0.000 claims 1
- 238000005265 energy consumption Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 3
- 239000000295 fuel oil Substances 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
Images
Classifications
-
- 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
- G08G1/01—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
- G08G1/052—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Atmospheric Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种智能网联汽车不停车通过交叉口的生态驾驶方法,在本车当前状态及IDM加速度的基础上,以前车速度与位置、交叉口信号相位及配时为输入变量,输出后续时间车辆加速度,得到智能网联汽车时空变化轨迹,使得智能网联汽车能实现不停车通过交叉口,减少交通延误,降低交通能耗。本发明单车轨迹的求解时间约为6ms,能实际应用于智能网联汽车,使智能网联汽车实现不停车通过交叉口,有效的减少了交通拥堵,提升车辆能量利用效率。
Description
技术领域
本发明属于交通工程技术领域,具体涉及一种智能网联汽车不停车通过交叉口的生态驾驶方法。
背景技术
现有关于智能网联汽车生态驾驶的研究,如申请号为2021115540021,发明名称为一种自动驾驶车辆通过信号交叉口生态驾驶方法的发明专利申请、申请号为201810047026.X、发明名称为基于强化学习的城市道路交叉口生态驾驶行为优化方法的发明专利等,上述研究通过选择以车辆能耗最小为目标函数,建立包含满足车辆动力学约束的最优化模型,最后通过求解该最优化模型确定智能网联汽车的行驶轨迹。该方法能最大程度降低车辆在行驶过程的能量消耗,且一定程度上减少了车辆出行时间。但由于车辆能耗估计模型通常为结构复杂的非线性函数,使得建立的最优化模型难以得到解析解,而求解数值解的方法需要通过迭代使得结果收敛,迭代收敛的过程一般需要较高的计算时间,难以在实时变化的、真实的交通***中得到实施。
发明内容
本发明的目的在于提出一种较为简便的、运算时间快的生态驾驶方法,选择以智能网联汽车不停车通过交叉口为目标,有效避免了能耗估计模型非线性对计算效率的负担,使得车辆能以较为平顺、稳定的轨迹通过交叉口,减少了剧烈的加减速过程引起额外的能耗。采用本发明提出的生态驾驶策略,其计算时间可达毫秒级,能实际应用于智能网联汽车,缓解交通拥堵,减少交通能耗。
为了达到上述目的,本发明所采用的技术方案是:
一种智能网联汽车不停车通过交叉口的生态驾驶方法,包括以下步骤:
S1、获取本车速度、位置信息,前车速度、位置信息,交叉口信号相位与配时信息;
获取本车当前速度vn、与前车距离Sn以及前车速度vn-1,交叉口剩余行驶时间tlast、本车与交叉口停车线距离dn,sl、前车与交叉口停车线距离dn-1,sl、交叉口信号灯转至下一绿灯相位所需时间tg和本车至交叉口停车线的前车数Npre;
S2、计算车辆安全加速度;
车辆安全加速度表示为:当前车突然刹车,为避免碰撞,本车于下一时刻行驶的加速度值;考虑智能驾驶员模型(Intelligent Driver Model,IDM)可以有效满足车辆安全行驶,且在交通仿真模拟中得到广泛应用,故选用IDM加速度作为车辆安全加速度an,IDM;
所述步骤S2计算车辆安全加速度,具体为:
由车辆当前车速、前车速度、与前车距离,计算安全加速度an,IDM;设当前车速为vn、前车速度为vn-1、与前车距离Sn、本车最大速度为vn,max、本车最大加速度an,max、安全跟车时距为τ、舒适减速度为an,b、最小安全距离s0;
S3、判断车辆能否通过交叉口;
由本车当前速度vn、安全加速度an,IDM、本车与交叉口停车线距离dn,sl,计算本车按原状态驶出停车线所需时间Δtsl。比较Δtsl与交叉口剩余行驶时间tlast,其中信号交叉口剩余行驶时间为剩余绿灯时间和剩余黄灯时间之和;若Δtsl≤tlast,说明车辆能以当前状态驶过交叉口,无需生态驾驶引导,车辆将保持以安全加速度an,IDM行驶;反之车辆安全行驶状态不能驶出交叉口,需改变其行驶模式,进行生态驾驶诱导策略;
所述步骤S3判断车辆能否通过交叉口,具体为:
由本车当前速度vn、安全加速度an,IDM、车辆距交叉口停车线距离dsl,计算车辆按原状态驶出停车线所需时间Δtsl,并与交叉口剩余行驶时间tlast判断得到车辆能否通过交叉口。Δtsl具体计算过程为:
S4、预测车辆实际通过交叉口停车线时间;
当车辆不能以安全状态驶出交叉口时,车辆根据交叉口剩余行驶时间tlast、下一绿灯相位所需时间tg、其前车速度vn-1、前车距交叉口停车线距离dn-1,sl、饱和车头时距thw及本车至停车线的前车数Npre,预测车辆通过交叉口停车线时间tsl;
Δtsl指车辆按自身速度和加速度计算得到的通过交叉口的时间,Δtsl并没有考虑交通信号相位,所以当Δtsl<tlast时,需要再次预测本车通过交叉口的时间,即tsl。
所述步骤S4预测车辆实际通过交叉口停车线时间,具体为:
当车辆不能以安全状态驶出交叉口时,车辆根据其前车速度vn-1、前车与交叉口停车线距离dn-1,sl及本车至交叉口停车线的前车数Npre,预测车辆实际通过交叉口停车线时间tsl,tsl具体计算过程如下:
1)、Npre=0,本车为头车,在当前信号周期内无法驶出交叉口,选择在下一周期绿灯启亮时刻驶出交叉口,tsl=tg;
2)、Npre≠0,计算前车匀速通过交叉口所需时间若说明前车能匀速通过停车线的同时,本车也能在当前信号周期驶过停车线,此时若说明前车在当前信号周期能匀速通过停车线,但本车不能跟随前车通过停车线,此时tsl=tg;若说明前车不能在当前信号周期驶出交叉口停车线,此时tsl=tg+Δt+Nprethw。
S5、计算车辆生态加速度;
S6、确定车辆最终加速度;
考虑车辆动力学特性,生态加速度an,eco应大于车辆允许的最大制动加速度an,min;同时考虑车辆行车安全,车辆加速度应取生态加速度a′n和安全加速度an,IDM中较小值,得到最终加速度a′n=min(an,IDM,max(an,eco,an,min));
S7、车辆状态更新;
通过最终加速度a′n、单位仿真步长Δt计算得到本车下一时刻速度v′n=vn+a′nΔt,得到本车下一时刻与交叉口停车线的距离:
S8、车辆状态判定;
分析本车下一时刻与交叉口停车线的距离d′n,sl的大小,若d′n,sl>0,说明本车仍处于交叉口内部,将按步骤S1~S6再次确定其下一时刻状态;若dn,sl≤0,本车已驶出交叉口,无需进行生态速度诱导,车辆将以an,IDM行驶直至车辆驶出交叉口。
与现有技术相比,本发明的有益效果是:
本发明在本车当前状态及IDM加速度的基础上,以前车速度与位置、交叉口信号相位及配时为输入变量,输出后续时间车辆加速度,得到智能网联汽车时空变化轨迹,使得智能网联汽车能实现不停车通过交叉口,减少交通延误,降低交通能耗。本发明单车轨迹的求解时间约为6ms,能实际应用于智能网联汽车,使智能网联汽车实现不停车通过交叉口,有效的减少了交通拥堵,提升车辆能量利用效率。
附图说明
图1是本发明方法的流程图;
图2是本发明实施例与人工驾驶的位置-时间图;
图3本发明实施例与人工驾驶的速度-时间图;
图4是本发明实施例与人工驾驶的加速度-时间图;
图5是本发明实施例与人工驾驶的瞬时能耗-时间图。
具体实施方式
下面结合说明书附图,对本发明作进一步的说明。
实施例1
如图1所示,本实施例中所述方法包括如下步骤:
S1、获取本车速度、位置信息,前车速度、位置信息,交叉口信号相位与配时信息;
有本车速度vn=10m/s、与前车距离Sn=60m、与交叉口停车线距离dn,sl=200m,前车速度vn-1=12m/s,前车与交叉口的距离dn-1,sl=140m,本车至交叉口停车线前车数Npre=2、交叉口剩余行驶时间tlast=10s、信号灯转至下一绿灯相位所需时间tg=40s。
S2、计算车辆安全加速度;
假定交叉口限速vn,max=18m/s,车辆最大加速度an,max=2.5m/s2,舒适减速度an,b=-2m/s,最大制动加速度an,min=-4m/s2,安全跟车时距τ=1.6s,最小安全间距s0=2m,饱和车头时距thw=2s,单位仿真步长Δt=1s。
S3、判断车辆能否通过交叉口;
an,IDM>0,说明车辆加速,计算车辆加速至最大速度的时间:
S4、预测车辆实际通过交叉口停车线时间;
S5、计算车辆生态加速度;
确定车辆不停车通过交叉口的平均速度:
S6、确定车辆最终加速度;
最终加速度:
a′n=min(an,IDM,max(an,eco,an,min))=min(2.2,max(-5.6,-4))=-4m/s2。
S7、车辆状态更新;
本车下一时刻速度:
v′n=vn+a′nΔt=10+(-4)×1=6m/s,得到本车下一时刻与交叉口停车线的距离:
S8、车辆状态判定;
dn,sl≥0,本车仍处于交叉口内部,记录本车更新后速度、位置信息,并按步骤S1~S6再次确定其下一时刻状态,直至车辆驶出交叉口停车线。
实施例2
取交叉口长度为400m,一辆车长度为6m;仿真车辆具有相同的动力学参数;交叉口限速为18m/s,车辆初始速度为10m/s,车辆最大加速度为2.5m/s2,舒适减速度为-2m/s,最大制动加速度为-4m/s2,安全跟车时距为1.6s,最小安全间距为2m;信号周期时长为60s,其中绿灯30s,黄灯3s,红灯27s,信号灯初始为绿灯启亮状态。仿真编码软件为Matlab,电脑显卡为Intel i5-9300H,内存16GB。
图2具体给出了本发明实施例在特定仿真环境中的运行情况。该场景存在两种轨迹,其中实施本发明生态驾驶方法的轨迹被称为生态驾驶;不实施本发明生态驾驶方法,按IDM计算得到的轨迹被称为无生态驾驶。由图2可知,对于实施生态驾驶的车辆,其驶出交叉口的时间基本低于无生态驾驶状态;说明生态驾驶方法的实施有效的提升了道路通过效率,一定程度上减少了交通拥堵;以第三辆车为例,由图3-4可知,采用本方法生态驾驶的车辆,其速度和加速度随时间变化稳定,有效降低了车辆剧烈加减速过程,提升驾驶的安全性和舒适性。同时由图5可知,考虑车辆为燃油驱动,通过BIGGS D C、AKCELIK R在论文Energy-related model of instantaneous fuel consumption中提出的燃油汽车瞬时能耗模型估计车辆能耗,则由图5可知生态驾驶方法下车辆的瞬时能耗显著优于无生态驾驶方法,有效降低了车辆行驶能耗。
Claims (3)
1.一种智能网联汽车不停车通过交叉口的生态驾驶方法,其特征在于,包括以下步骤:
S1、获取本车速度、位置信息,前车速度、位置信息,交叉口道路特征,交叉口信号相位与配时信息;
智能网联汽车通过车车通信、车路通信技术,获取本车当前速度vn、与前车距离Sn以及前车速度vn-1,本车与交叉口停车线距离dn,sl、前车与交叉口停车线距离dn-1,sl,交叉口剩余行驶时间tlast、交叉口信号灯转至下一绿灯相位所需时间tg和本车距离交叉口停车线的前车数Npre;
S2、计算车辆安全加速度;
选用IDM加速度作为车辆安全加速度an,IDM;计算车辆安全加速度的具体方法为:
由车辆当前车速、前车速度、与前车距离,计算安全加速度an,IDM;记当前车速为vn、前车速度为vn-1、与前车距离Sn、本车最大速度为vn,max、本车最大加速度an,max、安全跟车时距为τ、舒适减速度为an,b、最小安全距离s0;
S3、判断车辆能否通过交叉口;
由本车当前速度vn、安全加速度an,IDM、本车与交叉口停车线距离dn,sl,计算本车按原状态驶出停车线所需时间Δtsl;比较Δtsl与交叉口剩余行驶时间tlast,其中信号交叉口剩余行驶时间为剩余绿灯时间和剩余黄灯时间之和;若Δtsl≤tlast,说明车辆能以当前状态驶过交叉口,无需生态驾驶引导,车辆将保持以安全加速度an,IDM行驶;反之车辆安全行驶状态不能驶出交叉口,需改变其行驶模式,进行生态驾驶诱导策略;
S4、预测车辆实际通过交叉口停车线时间;
当车辆不能以安全状态驶出交叉口时,车辆根据交叉口剩余行驶时间tlast、下一绿灯相位所需时间tg、其前车速度vn-1、前车距交叉口停车线距离dn-1,sl、饱和车头时距thw及本车至停车线的前车数Npre,预测车辆通过交叉口停车线时间tsl;
S5、计算车辆生态加速度;
S6、确定车辆最终加速度;
考虑车辆动力学特性,生态加速度an,eco应大于车辆允许的最大制动加速度an,min;同时考虑车辆行车安全,车辆加速度应取生态加速度a′n和安全加速度an,IDM中较小值,得到最终加速度a′n=min(an,IDM,max(an,eco,an,min));
S7、车辆状态更新;
通过最终加速度a′n、单位仿真步长Δt计算得到本车下一时刻速度v′n=vn+a′nΔt,得到本车下一时刻与交叉口停车线的距离:
S8、车辆状态判定;
分析本车下一时刻与交叉口停车线的距离d′n,sl的大小,若d′n,sl>0,说明本车仍处于交叉口内部,将按步骤S1-S6再次确定其下一时刻状态;若d′n,sl≤0,本车已驶出交叉口,无需进行生态速度诱导,车辆将以an,IDM行驶直至车辆驶出交叉口。
3.根据权利要求1所述的一种智能网联汽车不停车通过交叉口的生态驾驶方法,其特征在于,所述步骤S4预测车辆实际通过交叉口停车线时间,具体包括:
当车辆不能以安全状态驶出交叉口时,车辆根据其前车速度vn-1、前车与交叉口停车线距离dn-1,sl及本车至交叉口停车线的前车数Npre,预测车辆实际通过交叉口停车线时间tsl,tsl具体计算过程如下:
41)、Npre=0,本车为头车,在当前信号周期内无法驶出交叉口,选择在下一周期绿灯启亮时刻驶出交叉口,tsl=tg;
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211074470.3A CN115497314B (zh) | 2022-09-03 | 2022-09-03 | 一种智能网联汽车不停车通过交叉口的生态驾驶方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211074470.3A CN115497314B (zh) | 2022-09-03 | 2022-09-03 | 一种智能网联汽车不停车通过交叉口的生态驾驶方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115497314A true CN115497314A (zh) | 2022-12-20 |
CN115497314B CN115497314B (zh) | 2023-10-24 |
Family
ID=84468886
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211074470.3A Active CN115497314B (zh) | 2022-09-03 | 2022-09-03 | 一种智能网联汽车不停车通过交叉口的生态驾驶方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115497314B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014096013A (ja) * | 2012-11-08 | 2014-05-22 | Honda Motor Co Ltd | 車両用運転支援装置 |
CN106846867A (zh) * | 2017-03-29 | 2017-06-13 | 北京航空航天大学 | 一种车联网环境下信号交叉口绿色驾驶车速诱导方法及仿真*** |
CN111243304A (zh) * | 2020-01-19 | 2020-06-05 | 河北工业大学 | 基于acc车辆在v2i信号控制交叉口的控制方法 |
CN112373472A (zh) * | 2021-01-14 | 2021-02-19 | 长沙理工大学 | 一种自动驾驶交叉口车辆进入时刻与行驶轨迹控制方法 |
CN113313939A (zh) * | 2021-05-14 | 2021-08-27 | 河海大学 | 一种考虑加速度连续的单车道元胞自动机模型仿真方法 |
CN113393688A (zh) * | 2021-05-13 | 2021-09-14 | 杭州电子科技大学 | 一种基于队列长度预测的交叉口生态驾驶优化方法 |
WO2021227502A1 (zh) * | 2020-05-14 | 2021-11-18 | 同济大学 | 一种信号交叉***通信号灯和车辆轨迹控制方法 |
CN113689692A (zh) * | 2021-07-14 | 2021-11-23 | 东南大学 | 智能网联混合交通流信号交叉口车辆到达预测修正方法 |
CN114333364A (zh) * | 2021-12-17 | 2022-04-12 | 宁波大学 | 一种自动驾驶车辆通过信号交叉口生态驾驶方法 |
-
2022
- 2022-09-03 CN CN202211074470.3A patent/CN115497314B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014096013A (ja) * | 2012-11-08 | 2014-05-22 | Honda Motor Co Ltd | 車両用運転支援装置 |
CN106846867A (zh) * | 2017-03-29 | 2017-06-13 | 北京航空航天大学 | 一种车联网环境下信号交叉口绿色驾驶车速诱导方法及仿真*** |
CN111243304A (zh) * | 2020-01-19 | 2020-06-05 | 河北工业大学 | 基于acc车辆在v2i信号控制交叉口的控制方法 |
WO2021227502A1 (zh) * | 2020-05-14 | 2021-11-18 | 同济大学 | 一种信号交叉***通信号灯和车辆轨迹控制方法 |
CN112373472A (zh) * | 2021-01-14 | 2021-02-19 | 长沙理工大学 | 一种自动驾驶交叉口车辆进入时刻与行驶轨迹控制方法 |
CN113393688A (zh) * | 2021-05-13 | 2021-09-14 | 杭州电子科技大学 | 一种基于队列长度预测的交叉口生态驾驶优化方法 |
CN113313939A (zh) * | 2021-05-14 | 2021-08-27 | 河海大学 | 一种考虑加速度连续的单车道元胞自动机模型仿真方法 |
CN113689692A (zh) * | 2021-07-14 | 2021-11-23 | 东南大学 | 智能网联混合交通流信号交叉口车辆到达预测修正方法 |
CN114333364A (zh) * | 2021-12-17 | 2022-04-12 | 宁波大学 | 一种自动驾驶车辆通过信号交叉口生态驾驶方法 |
Non-Patent Citations (2)
Title |
---|
单肖年;郑长江: "交通状态对车辆能耗与排放特征的影响", 2019年中国城市交通规划年会, pages 1 - 8 * |
杨澜;赵祥模;吴国垣;徐志刚;MATTHEW BARTH;惠飞;郝鹏;韩梦杰;赵周桥;房山;景首才: "智能网联汽车协同生态驾驶策略综述", 交通运输工程学报, vol. 20, no. 005, pages 58 - 72 * |
Also Published As
Publication number | Publication date |
---|---|
CN115497314B (zh) | 2023-10-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106997690B (zh) | 一种车联网环境下高速公路车辆非强制换道控制方法 | |
CN101565041B (zh) | 驾驶辅助装置、驾驶辅助方法及驾驶辅助程序 | |
CN110992677A (zh) | 一种应对通信异常的智能网联汽车编队控制方法及*** | |
CN115497315B (zh) | 一种车路协同环境下的动态公交专用道节能优化控制方法 | |
KR20080045763A (ko) | 차량용 감속 제어 장치 및 방법 | |
CN103918018A (zh) | 驾驶支援装置 | |
US20120167708A1 (en) | Device for generating an additional restoring force at the gas pedal and method for the operation thereof | |
CN103661392A (zh) | 用于停止/起动车辆的制动施加和释放检测 | |
CN112519774B (zh) | 自适应巡航控制方法和*** | |
CN104794265B (zh) | 一种基于加速度信息的移动跟随模型设计方法 | |
CN113963564B (zh) | 连续信号灯道路车辆最优通行速度规划方法、***及介质 | |
CN111932910A (zh) | 一种智能车路协同环境下实时动态可变车道安全控制方法 | |
CN103661384A (zh) | 用于停止/起动车辆的起步准备的动态滤波 | |
CN110239558A (zh) | 一种基于识别系数的驾驶风格分层模糊识别*** | |
CN107766615A (zh) | 基于动力学仿真的主线收费站etc指示标志设置距离安全性评价方法 | |
CN113312752A (zh) | 一种主路优先控制交叉***通仿真方法及装置 | |
CN115662131A (zh) | 网联环境下道路事故路段的多车道协同换道方法 | |
CN114333364A (zh) | 一种自动驾驶车辆通过信号交叉口生态驾驶方法 | |
CN114987538A (zh) | 一种网联自动驾驶环境下考虑多目标优化的协同换道方法 | |
CN115817460A (zh) | 一种混合流条件下智能网联车主动协调避撞方法 | |
CN111476491A (zh) | 一种城市交通场景中的车辆运动模拟分析方法 | |
CN112542061B (zh) | 基于车联网的借道超车控制方法、装置、***及存储介质 | |
Kamal et al. | Eco-driving using real-time optimization | |
CN112959996B (zh) | 车辆控制方法、装置及车辆 | |
CN106097421B (zh) | 基于真实数据的交通动画模拟*** |
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 |