CN116246466B - 考虑自动驾驶多模式特性的混合交通流管理方法及*** - Google Patents
考虑自动驾驶多模式特性的混合交通流管理方法及*** Download PDFInfo
- Publication number
- CN116246466B CN116246466B CN202310238213.7A CN202310238213A CN116246466B CN 116246466 B CN116246466 B CN 116246466B CN 202310238213 A CN202310238213 A CN 202310238213A CN 116246466 B CN116246466 B CN 116246466B
- Authority
- CN
- China
- Prior art keywords
- cav
- lane
- permeability
- road network
- automatic driving
- 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
- 238000007726 management method Methods 0.000 title claims abstract description 29
- 230000035699 permeability Effects 0.000 claims abstract description 123
- 238000000034 method Methods 0.000 claims abstract description 16
- 238000012544 monitoring process Methods 0.000 claims abstract description 14
- 238000004364 calculation method Methods 0.000 claims description 12
- 230000008859 change Effects 0.000 claims description 7
- 238000005516 engineering process Methods 0.000 claims description 3
- 241000725585 Chicken anemia virus Species 0.000 description 123
- 239000000446 fuel Substances 0.000 description 12
- 238000004590 computer program Methods 0.000 description 9
- 238000011217 control strategy Methods 0.000 description 9
- 230000000694 effects Effects 0.000 description 5
- 230000003993 interaction Effects 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 230000001976 improved effect Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
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
-
- 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
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
一种考虑自动驾驶多模式特性的混合交通流管理方法及***,方法包括在具体车道场景中,对当前路网中的CAV和HDV混合交通流进行CAV渗透率的监测;以及根据当前路网中的总车道数量设置CAV渗透率的阈值步长,按照CAV渗透率值是否达到CAV渗透率的阈值点管控PD类型车道,调整对PD车道的CAV自动驾驶模式是否限制。在车道类型确定后,禁止不同类型车道之间转换车道类型。最后判断当前路网中的CAV渗透率所处的阈值区间,根据所处不同的阈值区间来对车道重新进行属性定义和模式管控。本发明充分考虑了产生更多异质性的CAV对整个混合交通流带来的影响,降低了区分自动驾驶模式的CAV所产生的异质性对交通流带来的负面影响。
Description
技术领域
本发明属于智能车路***技术领域,具体涉及一种考虑自动驾驶多模式特性的混合交通流管理方法及***。
背景技术
随着智能自动驾驶汽车的不断发展与普及,各大汽车厂商逐渐开始针对用户乘坐智能自动驾驶汽车的出行需要,提出不同的自动驾驶模式来供用户选择。不同的自动驾驶模式会具备不同的行驶特性,例如较高的油耗、较短的跟车距离等。因此,各汽车厂商将利用不同的自动驾驶模型去构建不同的自动驾驶模式,但当交通流中被注入多种模式的自动驾驶模型时,可能会对交通流产生不同于单一自动驾驶模式的影响。
通过研究发现,这种多模式自动驾驶所产生的异质性会对混合交通流产生负面效果,但当前的主流研究缺乏针对多种自动驾驶模式或多模型参数混合交通环境的有效管控研究,忽略了多种自动驾驶模式行为所产生的异质性对整个交通流带来的影响。
发明内容
本发明的目的在于针对上述现有技术中的问题,提供一种考虑自动驾驶多模式特性的混合交通流管理方法及***,在区分自动驾驶模式的网联自动驾驶车(Connected andAutonomous Vehicle,CAV)与HDV(Human-driven vehicle)的混合交通流下,充分考虑产生更多异质性的CAV对整个混合交通流带来的影响,降低区分自动驾驶模式的CAV所产生的异质性对交通流所带来的负面影响,提高混合交通流的道路通行能力并降低交通的平均油耗。
为了实现上述目的,本发明有如下的技术方案:
一种考虑自动驾驶多模式特性的混合交通流管理方法,包括:
在具体车道场景中,对当前路网中的CAV和HDV混合交通流进行CAV渗透率的监测;
根据当前路网中的总车道数量ns设置CAV渗透率的阈值步长PTS,其中
根据当前CAV渗透率值P和CAV渗透率的阈值步长PTS,获取在管控区域中设置的CAV专用车道数量nc,其中
将当前CAV渗透率值P对CAV渗透率的阈值步长PTS进行取余计算,判断CAV渗透率值P是否达到CAV渗透率的阈值点,若达到CAV渗透率的阈值点,则在管控车道时不再增加PD类型车道,且规定剩余车道为HDV专用车道;若未达到CAV渗透率的阈值点,则在管控车道时增加PD类型车道;
判断当前路网中的CAV是否都只在PD车道中行驶,如果CAV均在PD车道行驶,则根据解放原则,不再对PD车道的CAV自动驾驶模式进行限制;如果CAV不仅在PD车道行驶,根据单一原则,对PD车道的CAV通过主动模式管控,统一限制为同一自动驾驶模式;
在车道类型确定后,根据独立原则,禁止不同类型车道之间转换车道类型;
判断当前路网中的CAV渗透率所处的阈值区间,根据所处不同的阈值区间来对车道重新进行属性定义和模式管控。
作为一种优选方案,所述的具体的车道场景从当前的高速公路或者国道路网中进行选择。
作为一种优选方案,所述判断当前路网中的CAV渗透率所处的阈值区间,根据所处不同的阈值区间来对车道重新进行属性定义和模式管控时,若当前为二车道路网、CAV渗透率小于50%则将其中一个车道属性变为PD车道,允许CAV和HDV混行,且不对其中的CAV的自动驾驶模式限制,另一车道属性为HDV专用车道。
作为一种优选方案,所述判断当前路网中的CAV渗透率所处的阈值区间,根据所处不同的阈值区间来对车道重新进行属性定义和模式管控时,若当前为二车道路网、CAV渗透率大于或等于50%则将其中一个车道属性变为PD车道,允许CAV和HDV混行,并对其中的CAV的自动驾驶模式限制为正常模式,另一车道属性变为CAV专用车道,但不对其中的CAV的自动驾驶模式进行限制。
作为一种优选方案,所述判断当前路网中的CAV渗透率所处的阈值区间,根据所处不同的阈值区间来对车道重新进行属性定义和模式管控时,若当前为四车道路网,CAV渗透率小于25%则将其中一个车道属性变为PD车道,允许CAV和HDV混行,且不对其中的CAV的自动驾驶模式限制,另三个车道属性为HDV专用车道。
作为一种优选方案,所述判断当前路网中的CAV渗透率所处的阈值区间,根据所处不同的阈值区间来对车道重新进行属性定义和模式管控时,若当前为四车道路网,CAV渗透率大于或等于25%,且小于50%,则将其中一个车道属性变为PD车道,允许CAV和HDV混行,对其中的CAV的自动驾驶模式限制为正常模式,将其中一条车道属性变为CAV专用车道,且不对其中的CAV的自动驾驶模式进行限制,另外两个车道属性为HDV专用车道。
作为一种优选方案,所述判断当前路网中的CAV渗透率所处的阈值区间,根据所处不同的阈值区间来对车道重新进行属性定义和模式管控时,若当前为四车道路网,CAV渗透率大于或等于50%,且小于75%,则将其中一个车道属性变为PD车道,允许CAV和HDV混行,对其中的CAV的自动驾驶模式限制为正常模式,将其中两条车道属性变为CAV专用车道,且不对其中的CAV的自动驾驶模式进行限制,另外一条车道属性为HDV专用车道。
作为一种优选方案,所述判断当前路网中的CAV渗透率所处的阈值区间,根据所处不同的阈值区间来对车道重新进行属性定义和模式管控时,若当前为四车道路网,CAV渗透率大于或等于75%,则将其中一个车道属性变为PD车道,允许CAV和HDV混行,对其中的CAV的自动驾驶模式限制为正常模式,将另三条车道属性变为CAV专用车道,且不对其中的CAV的自动驾驶模式进行限制。
作为一种优选方案,利用V2I技术使道路基础设施不断与车辆交换实时信息,通过智能道路监测设施监测当前道路中CAV的渗透率,将采集到的数据信息发送给交通管理中心进行管控策略的判断与决策。
一种考虑自动驾驶多模式特性的混合交通流管理***,包括:
渗透率监测模块,用于在具体的车道场景中,对当前路网中的CAV和HDV混合交通流进行CAV渗透率的监测;
CAV渗透率的阈值步长计算模块,用于根据当前路网中的总车道数量ns设置CAV渗透率的阈值步长PTS,其中
CAV专用车道数量计算模块,用于根据当前CAV渗透率值P和CAV渗透率的阈值步长PTS,获取在管控区域中设置的CAV专用车道数量nc,其中
PD类型车道管控模块,用于将当前CAV渗透率值P对CAV渗透率的阈值步长PTS进行取余计算,判断CAV渗透率值P是否达到CAV渗透率的阈值点,若达到CAV渗透率的阈值点,则在管控车道时不再增加PD类型车道,且规定剩余车道为HDV专用车道;若未达到CAV渗透率的阈值点,则在管控车道时增加PD类型车道;
CAV自动驾驶模式限制模块,用于判断当前路网中的CAV是否都只在PD车道中行驶,如果CAV均在PD车道行驶,则根据解放原则,不再对PD车道的CAV自动驾驶模式进行限制;如果CAV不仅在PD车道行驶,根据单一原则,对PD车道的CAV通过主动模式管控,统一限制为同一自动驾驶模式;
车道转换禁止模块,用于在车道类型确定后,根据独立原则,禁止不同类型车道之间转换车道类型;
车道属性重新定义及模式管控模块,用于判断当前路网中的CAV渗透率所处的阈值区间,根据所处不同的阈值区间来对车道重新进行属性定义和模式管控。
相较于现有技术,本发明至少具有如下的有益效果:
本发明根据当前实时混合交通流中的CAV的渗透率动态定义车道属性并管控CAV的自动驾驶模式。当整体路网渗透率较低,通过解放原则管控,考虑到用户个性化出行需求,不再对该PD车道的自动驾驶模式进行限制。而随着渗透率的提高,通过单一原则将通过对PD车道的CAV通过主动模式管控,统一限制为同一自动驾驶模式,从而降低路网中存在的异质性。最后,为了减少不同类型车道之间换道情况的扰动,根据独立原则,禁止不同类型车道之间转换车道类型。同时,为了保证各车道流量达到均衡状态,本发明通过计算CAV渗透率的阈值步长PTS设置具体的车道类型和数量。本发明考虑自动驾驶多模式特性的混合交通流管理方法实现了在保障不同CAV渗透率下的车道的高利用率,并降低了多种驾驶行为所产生异质性的概率。试验结果表明,通过本发明方法能够将交通效率最高可提升12.3%且平均油耗最高可降低17.9%,有效减少多模式CAV与HDV交互的异质性的负面影响。
附图说明
图1是本发明实施例考虑自动驾驶多模式特性的混合交通流管理方法流程图;
图2是本发明实施例根据CAV渗透率所处的阈值区间对车道重新进行属性定义和模式管控的流程图;
图3是本发明实施例考虑自动驾驶多模式特性的混合交通流管理方法应用于具体车道场景的示意图;
图4是本发明实施例双车道管控下的旅行时间对比图;
图5是本发明实施例双车道管控下的油耗对比图;
图6是本发明实施例四车道管控下的旅行时间对比图;
图7是本发明实施例四车道管控下的油耗对比图。
具体实施方式
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,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员还可以在没有做出创造性劳动的前提下获得其他实施例。
参见图1,本发明提出的一种考虑自动驾驶多模式特性的混合交通流管理方法,包括:
S1、对当前的高速公路或者国道路网中具体的车道场景进行选择;
S2、对当前网联自动驾驶汽车和HDV混合交通流进行网联自动驾驶汽车渗透率的监测;
S3、根据具体的路网总车道数量ns来对应地设置CAV渗透率的阈值步长(Permeability threshold step size,PTS):
S4、根据当前渗透率值和上一步骤计算得到的PTS获取将要在管控区域中设置的CAV专用车道的数量:
S5、通过计算,将当前渗透率值P对PTS进行取余,判断渗透率值是否达到渗透率阈值点:P%PTS;
S5-1、若达到渗透率阈值点,则在管控车道时不再增加PD(Pseudo dedicatedlane)类型车道,且规定剩余车道为HDV专用车道;
S5-2、若未达到渗透率阈值点,则将在管控车道时再增加PD类型车道;
S6、对路网的中网联自动驾驶汽车进行判断,判断是否都只在PD车道中行驶;
S6-1、如果网联自动驾驶汽车均在PD车道行驶,则说明此时整体路网中的渗透率较低,根据解放原则将考虑到用户个性化出行需求,不再对该PD车道的网联自动驾驶汽车的自动驾驶模式进行限制;
S6-2、如果网联自动驾驶汽车不仅在PD车道行驶,根据单一原则,对PD车道的CAV通过主动模式管控,统一限制为同一自动驾驶模式,从而降低路网中存在的异质性;
S7、为了减少不同类型车道之前换道情况的扰动,根据独立原则,禁止不同类型车道之间随意换道。
S8、对当前路网中的网联自动驾驶汽车渗透率判断所处的阈值区间,根据不同的阈值区间来对车道重新进行属性定义和模式管控,以二车道和四车道路网作为案例如图2所示,具体流程步骤如下:
S8-1、若当前为二车道路网,网联自动驾驶汽车渗透率小于50%则规定其中一个车道属性变为PD车道,允许网联自动驾驶汽车和HDV混行,且不对其中的网联自动驾驶汽车的自动驾驶模式限制,另一车道属性为HDV专用车道。
S8-2、若当前为二车道路网,网联自动驾驶汽车渗透率大于或等于50%则规定其中一个车道属性变为PD车道,允许网联自动驾驶汽车和HDV混行,并对其中的网联自动驾驶汽车的自动驾驶模式限制为正常模式,另一车道属性变为网联自动驾驶汽车专用车道,但不对其中的网联自动驾驶汽车的自动驾驶模式进行限制。
S8-3、若当前为四车道路网,网联自动驾驶汽车渗透率小于25%则规定其中一个车道属性变为PD车道,允许网联自动驾驶汽车和HDV混行,且不对其中的网联自动驾驶汽车的自动驾驶模式限制,另三个车道属性为HDV专用车道。
S8-4、若当前为四车道路网,网联自动驾驶汽车渗透率大于或等于25%且小于50%,则规定其中一个车道属性变为PD车道,允许网联自动驾驶汽车和HDV混行,对其中的网联自动驾驶汽车的自动驾驶模式限制为正常模式,其中一条车道属性变为网联自动驾驶汽车专用车道,且不对其中的网联自动驾驶汽车的自动驾驶模式进行限制,另外两个车道属性为HDV专用车道。
S8-5、若当前为四车道路网,网联自动驾驶汽车渗透率大于或等于50%且小于75%,则规定其中一个车道属性变为PD车道,允许网联自动驾驶汽车和HDV混行,对其中的网联自动驾驶汽车的自动驾驶模式限制为正常模式,其中两条车道属性变为网联自动驾驶汽车专用车道,且不对其中的网联自动驾驶汽车的自动驾驶模式进行限制,另外一条车道属性为HDV专用车道。
S8-6、若当前为四车道路网,网联自动驾驶汽车渗透率大于或等于75%,则规定其中一个车道属性变为PD车道,允许网联自动驾驶汽车和HDV混行,对其中的网联自动驾驶汽车的自动驾驶模式限制为正常模式,其中三条车道属性变为网联自动驾驶汽车专用车道,且不对其中的网联自动驾驶汽车的自动驾驶模式进行限制。
本发明结合自动驾驶模式的交通管控方法主要是利用V2I(Vehicle-to-Infrastructure)技术,使得道路基础设施不断与车辆交换实时信息,通过智能道路监测设施监测当前道路中CAV的渗透率,将采集到的数据信息发送给交通管理中心进行管控策略的判断与决策。最后,实践应用在当前的道路中,使得不同的道路具备不同的道路属性和限制。根据管控策略的决策情况来划分了四种道路:HDV专用车道、限制模式的PD车道、非限制模式的PD车道、CAV专用车道。本发明方法应用于具体车道场景如图3所示。
本发明的路网管控主要针对两种路网类型:一是,高速公路;二是,国道。
根据图4与图5可以观察到双车道在配备了结合自动驾驶模式的管控策略后,多模式CAV与HDV混合的交通流的旅行时间和平均油耗整体带来了改善。在50%渗透率前,由于CAV车辆都被限制在PD车道内。因此,随着CAV占比的增加,形成CAV队列的概率也不断增加,CAV队列带来的益处要大于多模式CAV与HDV交互异质性的负面效果,从而使得旅行效率逐渐提高,平均油耗逐渐减少。但在达到50%渗透率后,旅行时间与油耗急剧上升,这是因为此时的管控策略为一条PD车道和一条CAV专用车道,此时PD车道开始涌入少量CAV,目前的主流研究均认为在CAV注入的混合交通流初期会导致交通的恶化。之后在60%渗透率后会随着逐渐对交通效率和平均油耗起到改善效果。但当路网中CAV趋近于饱和时,根据管控方案的设置,双车道中的PD车道变为了CAV专用车道,且不再对模式进行限制,因此多模式CAV之间交互的异质性对旅行效率和油耗带来了一定的负面效果。
图6与图7为四车道实施管控策略的交通效率与平均油耗对比图,可以显著观察出该管控策略在四车道路网仍对交通具有改善的效果。CAV渗透率在达到管控策略的临界阈值点(如25%、50%、75%)前,随着CAV渗透率的增加,逐渐对交通效率和平均油耗起到优化效果。但当渗透率达到临界阈值点时,此时根据管控策略的要求,引入新的一条PD车道且限制自动驾驶模式,在CAV初期注入新PD车道时会对交通流带来一定的扰动和负面影响,因此在渗透率临界阈值点处的旅行时间和平均油耗会陡然增加。
本发明的另一实施例还提出一种考虑自动驾驶多模式特性的混合交通流管理***,包括:
渗透率监测模块,用于在具体的车道场景中,对当前路网中的CAV和HDV混合交通流进行CAV渗透率的监测;
CAV渗透率的阈值步长计算模块,用于根据当前路网中的总车道数量n_s设置CAV渗透率的阈值步长PTS,其中PTS=1/n_s;
CAV专用车道数量计算模块,用于根据当前CAV渗透率值P和CAV渗透率的阈值步长PTS,获取在管控区域中设置的CAV专用车道数量n_c,其中
PD类型车道管控模块,用于将当前CAV渗透率值P对CAV渗透率的阈值步长PTS进行取余计算,判断CAV渗透率值P是否达到CAV渗透率的阈值点,若达到CAV渗透率的阈值点,则在管控车道时不再增加PD类型车道,且规定剩余车道为HDV专用车道;若未达到CAV渗透率的阈值点,则在管控车道时增加PD类型车道;
CAV自动驾驶模式限制模块,用于判断当前路网中的CAV是否都只在PD车道中行驶,如果CAV均在PD车道行驶,则根据解放原则,不再对PD车道的CAV自动驾驶模式进行限制;如果CAV不仅在PD车道行驶,根据单一原则,对PD车道的CAV通过主动模式管控,统一限制为同一自动驾驶模式;
车道转换禁止模块,用于在车道类型确定后,根据独立原则,禁止不同类型车道之间转换车道类型;
车道属性重新定义及模式管控模块,用于判断当前路网中的CAV渗透率所处的阈值区间,根据所处不同的阈值区间来对车道重新进行属性定义和模式管控。
本发明实施例还提出一种电子设备,包括:
存储器,存储至少一个指令;
及处理器,执行所述存储器中存储的指令以实现所述考虑自动驾驶多模式特性的混合交通流管理方法。
本发明实施例还提出一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现所述考虑自动驾驶多模式特性的混合交通流管理方法。
示例性的,所述存储器中存储的指令可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在计算机可读存储介质中,并由所述处理器执行,以完成本发明考虑自动驾驶多模式特性的混合交通流管理方法。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机可读指令段,该指令段用于描述所述计算机程序在服务器中的执行过程。
所述电子设备可以是智能手机、笔记本、掌上电脑及云端服务器等计算设备。所述电子设备可包括,但不仅限于,处理器、存储器。本领域技术人员可以理解,所述电子设备还可以包括更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述电子设备还可以包括输入输出设备、网络接入设备、总线等。
所述处理器可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器可以是所述服务器的内部存储单元,例如服务器的硬盘或内存。所述存储器也可以是所述服务器的外部存储设备,例如所述服务器上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器还可以既包括所述服务器的内部存储单元也包括外部存储设备。所述存储器用于存储所述计算机可读指令以及所述服务器所需的其他程序和数据。所述存储器还可以用于暂时地存储已经输出或者将要输出的数据。
需要说明的是,上述模块单元之间的信息交互、执行过程等内容,由于与方法实施例基于同一构思,其具体功能及带来的技术效果,具体可参见方法实施例部分,此处不再赘述。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述***中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请实现上述实施例方法中的全部或部分流程,可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质至少可以包括:能够将计算机程序代码携带到拍照装置/终端设备的任何实体或装置、记录介质、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,RandomAccess Memory)、电载波信号、电信信号以及软件分发介质。例如U盘、移动硬盘、磁碟或者光盘等。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
以上所述实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (4)
1.一种考虑自动驾驶多模式特性的混合交通流管理方法,其特征在于,包括:
在具体车道场景中,对当前路网中的CAV和HDV混合交通流进行CAV渗透率的监测;
根据当前路网中的总车道数量ns设置CAV渗透率的阈值步长PTS,其中
根据当前CAV渗透率值P和CAV渗透率的阈值步长PTS,获取在管控区域中设置的CAV专用车道数量nc,其中
将当前CAV渗透率值P对CAV渗透率的阈值步长PTS进行取余计算,判断CAV渗透率值P是否达到CAV渗透率的阈值点,若达到CAV渗透率的阈值点,则在管控车道时不再增加PD类型车道,且规定剩余车道为HDV专用车道;若未达到CAV渗透率的阈值点,则在管控车道时增加PD类型车道;
判断当前路网中的CAV是否都只在PD车道中行驶,如果CAV均在PD车道行驶,则根据解放原则,不再对PD车道的CAV自动驾驶模式进行限制;如果CAV不仅在PD车道行驶,根据单一原则,对PD车道的CAV通过主动模式管控,统一限制为同一自动驾驶模式;
在车道类型确定后,根据独立原则,禁止不同类型车道之间转换车道类型;
判断当前路网中的CAV渗透率所处的阈值区间,根据所处不同的阈值区间来对车道重新进行属性定义和模式管控;
所述判断当前路网中的CAV渗透率所处的阈值区间,根据所处不同的阈值区间来对车道重新进行属性定义和模式管控时,若当前为二车道路网、CAV渗透率小于50%则将其中一个车道属性变为PD车道,允许CAV和HDV混行,且不对其中的CAV的自动驾驶模式限制,另一车道属性为HDV专用车道;
所述判断当前路网中的CAV渗透率所处的阈值区间,根据所处不同的阈值区间来对车道重新进行属性定义和模式管控时,若当前为二车道路网、CAV渗透率大于或等于50%则将其中一个车道属性变为PD车道,允许CAV和HDV混行,并对其中的CAV的自动驾驶模式限制为正常模式,另一车道属性变为CAV专用车道,但不对其中的CAV的自动驾驶模式进行限制;
所述判断当前路网中的CAV渗透率所处的阈值区间,根据所处不同的阈值区间来对车道重新进行属性定义和模式管控时,若当前为四车道路网,CAV渗透率小于25%则将其中一个车道属性变为PD车道,允许CAV和HDV混行,且不对其中的CAV的自动驾驶模式限制,另三个车道属性为HDV专用车道;
所述判断当前路网中的CAV渗透率所处的阈值区间,根据所处不同的阈值区间来对车道重新进行属性定义和模式管控时,若当前为四车道路网,CAV渗透率大于或等于25%,且小于50%,则将其中一个车道属性变为PD车道,允许CAV和HDV混行,对其中的CAV的自动驾驶模式限制为正常模式,将其中一条车道属性变为CAV专用车道,且不对其中的CAV的自动驾驶模式进行限制,另外两个车道属性为HDV专用车道;
所述判断当前路网中的CAV渗透率所处的阈值区间,根据所处不同的阈值区间来对车道重新进行属性定义和模式管控时,若当前为四车道路网,CAV渗透率大于或等于50%,且小于75%,则将其中一个车道属性变为PD车道,允许CAV和HDV混行,对其中的CAV的自动驾驶模式限制为正常模式,将其中两条车道属性变为CAV专用车道,且不对其中的CAV的自动驾驶模式进行限制,另外一条车道属性为HDV专用车道;
所述判断当前路网中的CAV渗透率所处的阈值区间,根据所处不同的阈值区间来对车道重新进行属性定义和模式管控时,若当前为四车道路网,CAV渗透率大于或等于75%,则将其中一个车道属性变为PD车道,允许CAV和HDV混行,对其中的CAV的自动驾驶模式限制为正常模式,将另三条车道属性变为CAV专用车道,且不对其中的CAV的自动驾驶模式进行限制。
2.根据权利要求1所述考虑自动驾驶多模式特性的混合交通流管理方法,其特征在于,所述的具体的车道场景从当前的高速公路或者国道路网中进行选择。
3.根据权利要求1所述考虑自动驾驶多模式特性的混合交通流管理方法,其特征在于,利用V2I技术使道路基础设施不断与车辆交换实时信息,通过智能道路监测设施监测当前道路中CAV的渗透率,将采集到的数据信息发送给交通管理中心进行管控策略的判断与决策。
4.一种基于权利要求1至3中任意一项所述考虑自动驾驶多模式特性的混合交通流管理方法的混合交通流管理***,其特征在于,包括:
渗透率监测模块,用于在具体的车道场景中,对当前路网中的CAV和HDV混合交通流进行CAV渗透率的监测;
CAV渗透率的阈值步长计算模块,用于根据当前路网中的总车道数量ns设置CAV渗透率的阈值步长PTS,其中
CAV专用车道数量计算模块,用于根据当前CAV渗透率值P和CAV渗透率的阈值步长PTS,获取在管控区域中设置的CAV专用车道数量nc,其中
PD类型车道管控模块,用于将当前CAV渗透率值P对CAV渗透率的阈值步长PTS进行取余计算,判断CAV渗透率值P是否达到CAV渗透率的阈值点,若达到CAV渗透率的阈值点,则在管控车道时不再增加PD类型车道,且规定剩余车道为HDV专用车道;若未达到CAV渗透率的阈值点,则在管控车道时增加PD类型车道;
CAV自动驾驶模式限制模块,用于判断当前路网中的CAV是否都只在PD车道中行驶,如果CAV均在PD车道行驶,则根据解放原则,不再对PD车道的CAV自动驾驶模式进行限制;如果CAV不仅在PD车道行驶,根据单一原则,对PD车道的CAV通过主动模式管控,统一限制为同一自动驾驶模式;
车道转换禁止模块,用于在车道类型确定后,根据独立原则,禁止不同类型车道之间转换车道类型;
车道属性重新定义及模式管控模块,用于判断当前路网中的CAV渗透率所处的阈值区间,根据所处不同的阈值区间来对车道重新进行属性定义和模式管控。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310238213.7A CN116246466B (zh) | 2023-03-13 | 2023-03-13 | 考虑自动驾驶多模式特性的混合交通流管理方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310238213.7A CN116246466B (zh) | 2023-03-13 | 2023-03-13 | 考虑自动驾驶多模式特性的混合交通流管理方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116246466A CN116246466A (zh) | 2023-06-09 |
CN116246466B true CN116246466B (zh) | 2024-01-23 |
Family
ID=86633000
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310238213.7A Active CN116246466B (zh) | 2023-03-13 | 2023-03-13 | 考虑自动驾驶多模式特性的混合交通流管理方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116246466B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1154389A1 (de) * | 2000-05-10 | 2001-11-14 | DaimlerChrysler AG | Verfahren zur Verkehrslagebestimmung für ein Verkehrsnetz |
CN113096416A (zh) * | 2021-03-29 | 2021-07-09 | 长沙理工大学 | 用于高速公路上合流区的自动驾驶专用车道与通用车道可变限速的动态协同管控方法 |
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 |
CN113781806A (zh) * | 2021-09-23 | 2021-12-10 | 西南交通大学 | 一种用于智能网联环境下的混合交通流通行方法 |
CN114627647A (zh) * | 2022-03-16 | 2022-06-14 | 重庆大学 | 一种基于可变限速与换道结合的混合交通流优化控制方法 |
CN115100847A (zh) * | 2022-05-18 | 2022-09-23 | 东南大学 | 面向低渗透率网联车轨迹数据的排队服务时间估计方法 |
CN115148016A (zh) * | 2022-06-27 | 2022-10-04 | 云控智行(上海)汽车科技有限公司 | 一种基于智能网联汽车渗透率监测的高速公路cav车辆专用车道管控算法与*** |
CN115171382A (zh) * | 2022-07-04 | 2022-10-11 | 长沙理工大学 | 城市路网自动驾驶专用车道部署方法 |
CN115188210A (zh) * | 2022-07-06 | 2022-10-14 | 同济大学 | 一种智能网联车与人类驾驶车混行交叉口控制方法及*** |
CN115344971A (zh) * | 2022-07-21 | 2022-11-15 | 华中科技大学 | 人机混驾场景下自动驾驶专用车道横纵位置优化布设方法 |
CN115631639A (zh) * | 2022-12-20 | 2023-01-20 | 银江技术股份有限公司 | 基于改进nema相位结构的混行交叉口信号配时方法与*** |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020014131A1 (en) * | 2018-07-10 | 2020-01-16 | Cavh Llc | Connected automated vehicle highway systems and methods related to transit vehicles and systems |
WO2021003452A1 (en) * | 2019-07-02 | 2021-01-07 | DeepMap Inc. | Determination of lane connectivity at traffic intersections for high definition maps |
-
2023
- 2023-03-13 CN CN202310238213.7A patent/CN116246466B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1154389A1 (de) * | 2000-05-10 | 2001-11-14 | DaimlerChrysler AG | Verfahren zur Verkehrslagebestimmung für ein Verkehrsnetz |
CN113096416A (zh) * | 2021-03-29 | 2021-07-09 | 长沙理工大学 | 用于高速公路上合流区的自动驾驶专用车道与通用车道可变限速的动态协同管控方法 |
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 |
CN113781806A (zh) * | 2021-09-23 | 2021-12-10 | 西南交通大学 | 一种用于智能网联环境下的混合交通流通行方法 |
CN114627647A (zh) * | 2022-03-16 | 2022-06-14 | 重庆大学 | 一种基于可变限速与换道结合的混合交通流优化控制方法 |
CN115100847A (zh) * | 2022-05-18 | 2022-09-23 | 东南大学 | 面向低渗透率网联车轨迹数据的排队服务时间估计方法 |
CN115148016A (zh) * | 2022-06-27 | 2022-10-04 | 云控智行(上海)汽车科技有限公司 | 一种基于智能网联汽车渗透率监测的高速公路cav车辆专用车道管控算法与*** |
CN115171382A (zh) * | 2022-07-04 | 2022-10-11 | 长沙理工大学 | 城市路网自动驾驶专用车道部署方法 |
CN115188210A (zh) * | 2022-07-06 | 2022-10-14 | 同济大学 | 一种智能网联车与人类驾驶车混行交叉口控制方法及*** |
CN115344971A (zh) * | 2022-07-21 | 2022-11-15 | 华中科技大学 | 人机混驾场景下自动驾驶专用车道横纵位置优化布设方法 |
CN115631639A (zh) * | 2022-12-20 | 2023-01-20 | 银江技术股份有限公司 | 基于改进nema相位结构的混行交叉口信号配时方法与*** |
Non-Patent Citations (1)
Title |
---|
出租车数据的城市道路网路段通行时间估计方法;黄顺伦;杜春;宋宝泉;李军;陈浩;;智能***学报(06);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116246466A (zh) | 2023-06-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113240907A (zh) | 基于c-v2x的车辆调度方法、***、电子设备及存储介质 | |
CN116246466B (zh) | 考虑自动驾驶多模式特性的混合交通流管理方法及*** | |
CN116013079A (zh) | 一种面向高速公路诱导屏诱导的交通分配方法 | |
CN115493610A (zh) | 一种车道级导航方法及装置、电子设备、存储介质 | |
CN111199650B (zh) | 一种基于5g网络的云车道控制方法和*** | |
CN117558144A (zh) | 基于协同控制区的信号配时控制方法、***、设备及介质 | |
CN116560843A (zh) | 基于环境感知的智能汽车gpu资源优化方法及装置 | |
CN113140118B (zh) | 分布式单路口控制***、多路口控制***、方法及介质 | |
CN115691145A (zh) | 车道数目调整方法、装置、设备及存储介质 | |
CN110428612B (zh) | 车辆管控方法、装置、计算机设备和存储介质 | |
CN113561725A (zh) | 车身高度的调节方法、装置、设备及可读存储介质 | |
CN115019525A (zh) | 行程时间数据的筛选方法和交通信号控制方法 | |
CN115346360A (zh) | 一种动态车道管理方法、装置、终端设备及存储介质 | |
CN113240917A (zh) | 一种将深度神经网络应用于智慧交通的交通管理*** | |
CN116110229B (zh) | 一种单交叉口网联信号配时方法、电子设备及存储介质 | |
CN115083140B (zh) | 智能网联汽车快速路专用道管控方法、***及存储介质 | |
CN116343485B (zh) | 智能网联车辆性能退化评估方法、电子设备及存储介质 | |
CN111260912A (zh) | 车辆编队的处理方法及装置 | |
CN116978233B (zh) | 一种面向事故多发区的主动可变限速方法 | |
CN117565852A (zh) | 一种用于混动车辆的能量管理方法、***、终端、介质 | |
CN116620115A (zh) | 功率调整方法、装置、车辆管理设备及可读存储介质 | |
CN113257009B (zh) | 具备车辆诱导功能的智能交通运维方法及*** | |
CN118038702A (zh) | 混行场景下车道通行能力上下限计算与分析方法和*** | |
CN116215492A (zh) | 混动汽车的控制方法、装置、终端以及介质 | |
CN117584932A (zh) | 车辆电池保电值调节方法、装置、设备及存储介质 |
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 |