CN117809459A - 一种用于全局路径规划的交通流建模方法 - Google Patents
一种用于全局路径规划的交通流建模方法 Download PDFInfo
- Publication number
- CN117809459A CN117809459A CN202410231420.4A CN202410231420A CN117809459A CN 117809459 A CN117809459 A CN 117809459A CN 202410231420 A CN202410231420 A CN 202410231420A CN 117809459 A CN117809459 A CN 117809459A
- Authority
- CN
- China
- Prior art keywords
- road network
- traffic flow
- simulation
- branch
- sumo
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000004088 simulation Methods 0.000 claims abstract description 30
- 238000013178 mathematical model Methods 0.000 claims abstract description 13
- 238000010276 construction Methods 0.000 claims abstract description 4
- 238000005457 optimization Methods 0.000 claims description 13
- 230000006870 function Effects 0.000 claims description 9
- 239000011159 matrix material Substances 0.000 claims description 7
- 241000764238 Isis Species 0.000 claims description 3
- 238000003491 array Methods 0.000 claims description 3
- 230000006854 communication Effects 0.000 abstract description 4
- 238000004891 communication Methods 0.000 abstract description 4
- 238000007726 management method Methods 0.000 abstract description 2
- 238000005516 engineering process Methods 0.000 description 5
- 238000011160 research Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007175 bidirectional communication Effects 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000036962 time dependent Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- 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
- Traffic Control Systems (AREA)
Abstract
本发明适用于交通管理技术领域,提供了一种用于全局路径规划的交通流建模方法,包括以下步骤:利用SUMO仿真软件建立路网和交通流模型:分别进行交通流生成、仿真参数配置和交通流模型搭建,然后结合车流、仿真参数和路网在SUMO软件中完成仿真输出;建立SUMO/Matlab联合仿真平台:SUMO通过TraCI接口通信,实现联合仿真;建立路网数学模型;根据路网数学模型生成可达路径。本发明利用仿真软件搭建了更加真实的路网场景和交通流场景,同时提供了用于全局路径规划的路网数学模型,以及通过TraCI通信接口搭建了仿真平台,为后续生成路径提供了简单且高效的方法,适合推广。
Description
技术领域
本发明属于交通管理技术领域,尤其涉及一种用于全局路径规划的交通流建模方法。
背景技术
随着通信、传感、计算等信息化技术的发展和车联网技术的不断成熟,逐渐的将车辆、传感器、行人和交通设施等元素融合为一个整体。通过终端控制实现个体之间的交互,达到提升路网负荷能力和通行效率的目的。交通仿真是运用现代计算机技术模拟真实交通***,并建立数学计算模型的过程,是交通领域研究的重要技术途径,更是当前智能网联汽车技术研究的主要手段。根据模型尺寸的差异,交通仿真模型主要包含宏观模型、微观模型和中观模型。宏观模型的对象主要是集成型交通变量,如交通流、车辆密度、平均速度等;微观模型从个体驾驶员视角来研究交通动态。驾驶员的行为包括跟车、换道以及路线选择等。仿真模型中每个车辆的移动,一般假定车辆行为同时依赖于车辆的物理属性和驾驶员的控制行为。
在真实场景下进行车联网研究测试工作需耗费大量人力物力财力,人员的安全性无法保证,故目前对车联网技术的研究,大多通过计算机软件仿真技术进行。现有的仿真技术对车辆的动力学和运动学建模发展已经成熟,但缺少针对模拟现实交通流的建模方法。现有的交通仿真模型在实时获取道路信息上都有一定的局限性,基于路径规划的路网数学模型建立不能全面包含路网中的个体信息,以及个体之间的关系。为此我们提出一种用于全局路径规划的交通流建模方法。
发明内容
本发明的目的在于提供一种用于全局路径规划的交通流建模方法,旨在解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:
一种用于全局路径规划的交通流建模方法,包括以下步骤:
步骤S1、利用SUMO仿真软件建立路网和交通流模型:进行交通流生成、仿真参数配置和交通流模型搭建,然后结合车流、仿真参数和路网在SUMO软件中完成仿真输出;
步骤S2、建立SUMO/Matlab联合仿真平台:SUMO通过TraCI接口通信,实现联合仿真,所述TraCI接口采用Matlab语言;
步骤S3、建立路网数学模型;
步骤S4、根据路网数学模型生成可达路径。
进一步的,所述步骤S1的具体操作为:
a.进行路网选择:在开源地图中选取路网区域,根据所述路网区域导出可编辑路网文件;
b.完成地图编辑:对可编辑路网文件进行编辑和修缮;
c.进行路网参数的设定:对路网元素进行有序数字编号。
进一步的,所述步骤S2中,SUMO包括控制器;Matlab包括交通数据采集模块和优化方案模块。
进一步的,所述步骤S2的具体操作为:
在Matlab中的交通数据采集模块通过TraCI.get系列函数从交通流模型中获取路网元素的数据,并且输入到优化方案模块,得到优化结果后,控制器通过TraCI.set系列函数对目标车辆进行控制,形成闭环控制。
进一步的,所述步骤S3的具体操作为:
假设N为所有目标区域的可行驶支路,起点所在支路为1,终点所在支路为N;定义矩阵为支路间的相互关系;
其中,矩阵元素为变量,表示支路i到支路j的通过性:若支路i和支路j相连,并且车辆可直接由支路i行驶至支路j,则/>等于支路i所指向的交通路口编号,否则/>等于0。
进一步的,所述步骤S4的具体操作为:
将目标车辆的当前位置记为,目标位置记为/>;
将可达路径集合记为,将可达路径用数组表示,记为/>,目标车辆在道路/>时,提取矩阵/>的第/>行的非零元素的纵坐标记为,即/>为道路/>可通行支路的集合;
若为空集,则重新开始新一轮循环;
若不为空集,随机选择/>中的一个元素/>,若/>未在/>中未出现过,则选取该元素/>为在集合/>中/>后一位的元素,记为/>;若/>在/>中出现过,从/>中清除该元素,随机下一个元素;
当第次循环,选择的支路为/>时,即/>为/>时,结束循环,输出可达路径/>;记/>为可达路径集合,若/>中没有与/>相同的元素,则把/>并入到中。
与现有技术相比,本发明的有益效果是:
本发明利用仿真软件搭建了更加真实的路网场景和交通流场景,同时提供了用于全局路径规划的路网数学模型,以及通过TraCI通信接口搭建了仿真平台,既构建了合理的交通流速度等宏观交通信息,也可以实时获取车辆的速度、位置、红绿灯等微观交通信息,并为后续生成路径提供了简单且高效的方法,适合推广。
附图说明
图1为本发明的流程图。
图2为本发明 SUMO中的交通仿真流程图。
图3为本发明开源地图中的真实路网。
图4为本发明SUMO中搭建的简单路网。
图5为本发明简单路网下频率为0.2生成的交通流。
图6为本发明简单路网下频率为0.1生成的交通流。
图7为本发明真实路网下频率为0.2生成的交通流。
图8为本发明真实路网下频率为0.1生成的交通流。
图9为本发明中联合仿真原理图。
图10为本发明简单路网简化模型。
图11为本发明生成可达路径流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
以下结合具体实施例对本发明的具体实现进行详细描述。
如图1所示,为本发明一个实施例提供的一种用于全局路径规划的交通流建模方法,包括以下步骤:
步骤S1、利用SUMO仿真软件建立路网和交通流模型:根据需求分别进行交通流生成、仿真参数配置和交通流模型搭建,然后结合车流、仿真参数和路网在SUMO软件中完成仿真输出(参见图2);
步骤S2、建立SUMO/Matlab联合仿真平台:SUMO通过TraCI接口通信,实现联合仿真,所述TraCI接口采用Matlab语言;
步骤S3、建立路网数学模型;
步骤S4、根据路网数学模型生成可达路径。
作为本发明的一种优选实施例,所述步骤S1的具体操作为:
a.进行路网选择:在开源地图中选取主干道居多、排布清晰纵横交错、红绿灯密度合理的路网区域,截取该区域导出可编辑路网文件;
b.完成地图编辑:对可编辑路网文件进行编辑和修缮,如尺寸修改、道路修复、无关设备删减、约束增减等,去掉人行道非机动车道、保留机动车可通行的干道,使之能满足建模要求;
c.进行路网参数的设定:对道路、交叉口、传感器、红绿灯等路网元素进行有序数字编号。
在本发明实施例中,通过图3和图4可以看出,初始时刻和终止时刻的车辆数量都为0,路网中的车流量类似正态分布。用这种分布来模拟真实路网下一段时间内的车流量。分别在开源地图中的真实路网下(如图3)和SUMO中搭建的简单路网下(如图4)以“0~100秒内频率为0.2”、“0~100秒内频率为0.1” 生成交通流车流量。
其中,图5为简单路网下0~100秒内频率为0.2(以1秒为车辆生成周期,每秒生成5辆车)生成车辆的结果。图6为简单路网下0~100秒内以频率为0.1(以1秒为车辆生成周期,每秒生成10辆车)生成车辆的结果。图7为真实路网下0~100秒内频率为0.2(以1秒为车辆生成周期,每秒生成5辆车)生成车辆的结果。图8为真实路网下0~100秒内以频率为0.1(以1秒为车辆生成周期,每秒生成10辆车)生成车辆的结果。
通过对比可以看出无论是真实路网下还是简单路网下,通过上述方法都可以模拟出路网中的车辆总数随时间的变换近似泊松分布的交通流模型,从而可以模拟真实交通流中的车辆总数。
作为本发明的一种优选实施例,所述步骤S2中,SUMO包括控制器;Matlab包括交通数据采集模块和优化方案模块;优化方案模块可根据获取到的实时交通信息、车辆当前位置信息和目的地,应用可达路径生成规则生成若干条路径;然后根据优化方案模块中预设的算法求解车辆的全局“最优”行驶路径。
所述步骤S2的具体操作为:
在Matlab中的交通数据采集模块通过TraCI.get系列函数从交通流模型中获取道路、交叉口、传感器、红绿灯等路网元素的数据,并且输入到优化方案模块,得到优化结果后,控制器通过TraCI.set系列函数对目标车辆进行控制,形成闭环控制(参见图9)。
在本发明实施例中,SUMO 作为交通仿真软件可实现很多实际交通场景的模拟。当SUMO 被用作智能交通控制算法的测试平台时与优化方案有双向通信的需求,用户自定义的优化方案可以从SUMO获取实时交通信息,然后对车辆速度等变量进行实时控制。通过TraCI接口可获取SUMO交通模拟环境中的数据,并进行实时修改和控制。目前该接口支持多种主流语言,包括 python、C++、.NET、MATLAB和Java,本发明中选用Matlab语言,用到的TraCI4Matlab函数如表1所示。
表1 TraCI4Matlab函数功能
作为本发明的一种优选实施例,在步骤S2中本发明通过联合SUMO与TraCI实现了双向通信,通过TraCI.get系列函数从交通流模型中获取大量数据,但很难高效处理这些通过TraCI获取的数据,得到整个路网中道路之间关系的描述。为了快速地生成多条可达路径,在Matlab中实现对路网道路关系直观的描述,本发明建立了路网数学模型,通过二维矩阵来表述。
与其他路径规划研究类似,交通网络可以简化为节点和支路。节点表示十字路口或岔路口,支路表示节点间的可通过路段。如图10的简单路网为例,图表示节点-支路简化模型,箭头表示车辆行驶方向,数字对应编号,①~⑨表示1号交叉口~9号交叉口。起点-终点分别为对角道路“1-26”,确定目标区域。假设N为所有目标区域的可行驶支路,起点所在支路为1,终点所在支路为N;定义矩阵为支路间的相互关系;其中,元素/>为矩阵变量,表示支路i到支路j的通过性:若支路i和支路j相连,并且车辆可直接由支路i行驶至支路j,则/>等于支路i所指向的交通路口编号,否则/>等于0。
在本发明实施例中,以图10中的支路13为例,支路13可以直行、右转、左转、掉头,即道路13通过5号交叉口与支路12、支路15、支路9、支路18相连接。所以图10中G的第13行为[0 0 0 0 0 0 0 0 5 0 0 5 0 0 5 0 0 5 0 0 0 0 0 0 0 0],共26维,其中第9、第12、第15和第18个元素为5,其余元素为0。
作为本发明的一种优选实施例,所述步骤S4的具体操作为:
根据上述的路网数学模型和“起点-终点”,目标车辆的当前位置记为,目标位置记为/>。路网矩阵/>描述了支路之间的连接关系,为了保证生成可达路径的合理性,将“每条道路最多通过一次”作为约束,如图11所示。具体流程如下:
将可达路径集合记为,将可达路径用数组表示,记为/>,目标车辆在道路/>时,提取矩阵/>的第/>行的非零元素的纵坐标记为,即/>为道路/>可通行支路的集合;
若为空集,则重新开始新一轮循环;
若不为空集,随机选择/>中的一个元素/>,若/>未在/>中未出现过,则选取该元素/>为在集合/>中/>后一位的元素,记为/>;若/>在/>中出现过,从/>中清除该元素,随机下一个元素;
当第次循环,选择的支路为/>时,即/>为/>时,结束循环,输出可达路径/>;记/>为可达路径集合,若/>中没有与/>相同的元素,则把/>并入到中。根据上述方法可以获得在已知“起点-终点”情况下的若干条可达路径。
以上仅是本发明的优选实施方式,应当指出,对于本领域的技术人员来说,在不脱离本发明构思的前提下,还可以作出若干变形和改进,这些也应该视为本发明的保护范围,这些均不会影响本发明实施的效果和专利的实用性。
Claims (5)
1.一种用于全局路径规划的交通流建模方法,其特征在于,包括以下步骤:
步骤S1、利用SUMO仿真软件建立路网和交通流模型:进行交通流生成、仿真参数配置和交通流模型搭建,然后结合车流、仿真参数和路网在SUMO软件中完成仿真输出;
步骤S2、建立SUMO/Matlab联合仿真平台:SUMO通过TraCI接口通信,实现联合仿真,所述TraCI接口采用Matlab语言;
步骤S3、建立路网数学模型;
步骤S4、根据路网数学模型生成可达路径;
所述步骤S3的具体操作为:
假设N为所有目标区域的可行驶支路,起点所在支路为1,终点所在支路为N;定义矩阵为支路间的相互关系;
其中,矩阵元素为变量,表示支路i到支路j的通过性:若支路i和支路j相连,并且车辆可直接由支路i行驶至支路j,则/>等于支路i所指向的交通路口编号,否则/>等于0;
所述步骤S4的具体操作为:
将目标车辆的当前位置记为,目标位置记为/>;
将可达路径集合记为,将可达路径用数组表示,记为/>,目标车辆在道路/>时,提取矩阵/>的第/>行的非零元素的纵坐标记为/>,即/>为道路/>可通行支路的集合;
若为空集,则重新开始新一轮循环;
若不为空集,随机选择/>中的一个元素/>,若/>未在/>中未出现过,则选取该元素/>为在集合/>中/>后一位的元素,记为/>;若/>在/>中出现过,从/>中清除该元素,随机下一个元素;
当第次循环,选择的支路为/>时,即/>为/>时,结束循环,输出可达路径/>;记为可达路径集合,若/>中没有与/>相同的元素,则把/>并入到/>中。
2.根据权利要求1所述的用于全局路径规划的交通流建模方法,其特征在于,所述步骤S1的具体操作为:
a.进行路网选择:在开源地图中选取路网区域,根据所述路网区域导出可编辑路网文件;
b.完成地图编辑:对可编辑路网文件进行编辑和修缮;
c.进行路网参数的设定:对路网元素进行有序数字编号。
3.根据权利要求2所述的用于全局路径规划的交通流建模方法,其特征在于,所述步骤S2中,SUMO包括控制器;Matlab包括交通数据采集模块和优化方案模块。
4.根据权利要求3所述的用于全局路径规划的交通流建模方法,其特征在于,所述步骤S2的具体操作为:
在Matlab中的交通数据采集模块通过TraCI.get系列函数从交通流模型中获取路网元素的数据,并且输入到优化方案模块,得到优化结果后,控制器通过TraCI.set系列函数对目标车辆进行控制,形成闭环控制。
5.根据权利要求1所述的用于全局路径规划的交通流建模方法,其特征在于,所述步骤S4中,对可达路径进行约束:每条道路最多通过一次。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410231420.4A CN117809459A (zh) | 2024-03-01 | 2024-03-01 | 一种用于全局路径规划的交通流建模方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410231420.4A CN117809459A (zh) | 2024-03-01 | 2024-03-01 | 一种用于全局路径规划的交通流建模方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117809459A true CN117809459A (zh) | 2024-04-02 |
Family
ID=90421889
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410231420.4A Pending CN117809459A (zh) | 2024-03-01 | 2024-03-01 | 一种用于全局路径规划的交通流建模方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117809459A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102014221011A1 (de) * | 2014-04-07 | 2015-10-08 | Volkswagen Aktiengesellschaft | Modul zur Simulation eines Sondereinsatzfahrzeuges in einer Verkehrsflusssimulation und Verfahren zur Durchführung einer Verkehrsflusssimulation |
CN112525210A (zh) * | 2020-11-24 | 2021-03-19 | 同济大学 | 一种面向节能的电动汽车全局路径和速度联合优化方法 |
CN113223293A (zh) * | 2021-05-06 | 2021-08-06 | 杭州海康威视数字技术股份有限公司 | 路网仿真模型的构建方法、装置及电子设备 |
CN113409573A (zh) * | 2021-06-16 | 2021-09-17 | 福建师范大学 | 一种基于matlab的sumo城市交通仿真及车流量控制方法 |
KR20220102395A (ko) * | 2021-01-13 | 2022-07-20 | 부경대학교 산학협력단 | 자율주행 차량 군집 운행을 위한 비신호 교차로에서의 강화학습기반 통행 개선을 위한 장치 및 방법 |
CN115481531A (zh) * | 2022-09-06 | 2022-12-16 | 苏州大学 | 基于sumo的路网交通流实时孪生方法及*** |
-
2024
- 2024-03-01 CN CN202410231420.4A patent/CN117809459A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102014221011A1 (de) * | 2014-04-07 | 2015-10-08 | Volkswagen Aktiengesellschaft | Modul zur Simulation eines Sondereinsatzfahrzeuges in einer Verkehrsflusssimulation und Verfahren zur Durchführung einer Verkehrsflusssimulation |
CN112525210A (zh) * | 2020-11-24 | 2021-03-19 | 同济大学 | 一种面向节能的电动汽车全局路径和速度联合优化方法 |
KR20220102395A (ko) * | 2021-01-13 | 2022-07-20 | 부경대학교 산학협력단 | 자율주행 차량 군집 운행을 위한 비신호 교차로에서의 강화학습기반 통행 개선을 위한 장치 및 방법 |
CN113223293A (zh) * | 2021-05-06 | 2021-08-06 | 杭州海康威视数字技术股份有限公司 | 路网仿真模型的构建方法、装置及电子设备 |
CN113409573A (zh) * | 2021-06-16 | 2021-09-17 | 福建师范大学 | 一种基于matlab的sumo城市交通仿真及车流量控制方法 |
CN115481531A (zh) * | 2022-09-06 | 2022-12-16 | 苏州大学 | 基于sumo的路网交通流实时孪生方法及*** |
Non-Patent Citations (4)
Title |
---|
周维: "智能网联新能源汽车能量管理优化控制仿真软件设计与应用", 汽车技术, 20 May 2019 (2019-05-20), pages 1 - 7 * |
王丹;孟强;: "基于Veins平台的VANET动态路径规划仿真设计", 电子技术与软件工程, no. 15, 28 July 2016 (2016-07-28) * |
胡林;钟远兴;黄晶;杜荣华;张新;: "考虑信号交叉口延时的最优车辆路径规划算法", 汽车工程, no. 10, 25 October 2018 (2018-10-25) * |
苏丽: "基于VANET的交通流信息采集与动态路径选择方法研究", 中国优秀硕士学位论文全文数据库 工程科技II辑, 15 October 2012 (2012-10-15), pages 11 - 14 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112651059B (zh) | 一种基于人工智能的控规地块城市设计多方案生成方法 | |
CN112052547B (zh) | 一种基于人工智能的城市道路网络自动生成方法 | |
CN104899360B (zh) | 一种绘制宏观基本图的方法 | |
CN112733413B (zh) | 一种化学危害信息融合演示*** | |
Martinez | Earthmover-simulation tool for earthwork planning | |
Donikian | VUEMS: a virtual urban environment modeling system | |
CN105678034A (zh) | 行人过街时间模型及信号交叉口人行横道宽度优化方法 | |
CN110069888A (zh) | 一种机场场面模拟与路径优化方法 | |
CN108333959A (zh) | 一种基于卷积神经网络模型的机车节能操纵方法 | |
CN106844979B (zh) | 一种城市虚拟公园交互式组合设计***及方法 | |
Bachechi et al. | Implementing an urban dynamic traffic model | |
CN115470707A (zh) | 一种城市场景仿真模拟*** | |
CN113076638A (zh) | 一种基于bim与vissim微观仿真的双向交通导改模拟方法 | |
CN106981194B (zh) | 一种高速路网关键路段的识别方法 | |
CN103955744B (zh) | 轨道交通客流分配模型参数自动标定方法及装置 | |
CN117809459A (zh) | 一种用于全局路径规划的交通流建模方法 | |
Campos et al. | Procedural generation of topologic road networks for driving simulation | |
CN113222407A (zh) | 一种基于bim的公路项目安全性评估*** | |
Campos et al. | Integrated modeling of road environments for driving simulation | |
CN116620327A (zh) | 基于PPO和Lattice实现自动驾驶的高速场景的变道决策方法 | |
Ambrosino et al. | A modeling framework for impact assessment of urban transport systems | |
CN115499467B (zh) | 基于数字孪生的智能网联车测试平台及其搭建方法与*** | |
CN108897926B (zh) | 一种人工车联网***及其建立方法 | |
Rakow et al. | Investigation of the system-wide effects of intelligent infrastructure concepts with microscopic and mesoscopic traffic simulation | |
Rakkesh et al. | Traffic light optimization solutions using multimodal, distributed and adaptive approaches |
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 |