CN108010355B - 交通灯匹配过程中运动车辆定位滤波及预测方法 - Google Patents

交通灯匹配过程中运动车辆定位滤波及预测方法 Download PDF

Info

Publication number
CN108010355B
CN108010355B CN201810002298.8A CN201810002298A CN108010355B CN 108010355 B CN108010355 B CN 108010355B CN 201810002298 A CN201810002298 A CN 201810002298A CN 108010355 B CN108010355 B CN 108010355B
Authority
CN
China
Prior art keywords
point
traffic light
distance
longitude
latitude
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.)
Expired - Fee Related
Application number
CN201810002298.8A
Other languages
English (en)
Other versions
CN108010355A (zh
Inventor
张涛
陈宇峰
向郑涛
张全亮
车凯
简炜
江学焕
贾蓉
周鹏
高瞻
严汝康
董章
郁洋
罗依麟
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.)
Hubei University of Automotive Technology
Original Assignee
Hubei University of Automotive Technology
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 Hubei University of Automotive Technology filed Critical Hubei University of Automotive Technology
Priority to CN201810002298.8A priority Critical patent/CN108010355B/zh
Publication of CN108010355A publication Critical patent/CN108010355A/zh
Application granted granted Critical
Publication of CN108010355B publication Critical patent/CN108010355B/zh
Expired - Fee Related 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
    • G08G1/09—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
    • G08G1/09623—Systems involving the acquisition of information from passive traffic signs by means mounted on the vehicle
    • 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

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Atmospheric Sciences (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种交通灯匹配过程中运动车辆定位滤波及预测方法，包括以下步骤：确定车辆运行状态为驶向交通灯；实时采集车辆当前行驶位置定位信息和交通灯信息，并计算运动车辆与交通灯之间的距离；判断该距离是否逐渐变小：若距离逐渐变小，则没有定位误差，把距离值和定位信息缓存；若距离突然变大，且距离大于L，则连续累计次数CN加1，转入下一步；判断出现定位误差后进行滤波及预测，并修正距离值和定位数据。该方法在确定运动车辆驶向交通灯后，综合考虑运动车辆与交通灯之间的距离、运动车辆掉头时间等因素，使得定位设备出现定位误差时通过滤波及预测算法进行修正，实时性好，能够应用于嵌入式系统，容易应用于工程实践。

Description

交通灯匹配过程中运动车辆定位滤波及预测方法
技术领域
本发明属于交通运输技术领域，具体涉及一种交通灯匹配过程中运动车辆定位滤波及预测方法。
背景技术
随着现代电子信息技术的发展，智能交通和无人驾驶技术也得到飞速发展。城市交叉路口是城市道路网络的重要节点，也是交通状况最复杂、交通事故频发的道路区域。虽然在交叉路口安装了交通灯用以引导和控制交通，但由于其目标小，加上周围光线、大雨、雾霾等因素的影响，导致驾驶员很难及时感知到其状态信息。
由于目前民用定位系统的精度受环境因素影响很大，甚至会出现漂移现象。针对这些问题，人们研究提出了多种滤波算法，例如卡尔曼滤波算法、非线性滤波算法、差分定位等，这些算法能够提高定位精度，减少误差；粒子滤波算法还能够减少漂移产生。这些算法虽然在一定程度上提高了定位精度，但很难应用于工程实践，而且算法复杂度高，会导致实时性不好，也很难应用于嵌入式系统。
发明内容
针对现有技术中存在的上述问题，本发明提供了一种交通灯匹配过程中运动车辆定位滤波及预测方法，该方法在确定运动车辆驶向交通灯后，综合考虑运动车辆与交通灯之间的距离、运动车辆掉头时间等因素，使得定位设备出现定位误差时通过滤波及预测算法进行修正，实时性好，能够应用于嵌入式系统，容易应用于工程实践。
为此，本发明采用了以下技术方案：
一种交通灯匹配过程中运动车辆定位滤波及预测方法，包括以下步骤：
步骤一，确定车辆运行状态为驶向交通灯；
步骤二，实时采集车辆当前行驶位置定位信息和交通灯信息，并计算运动车辆与交通灯之间的距离；
步骤三，判断驶向交通灯的车辆与交通灯之间的距离是否逐渐变小：若距离逐渐变小，则没有定位误差，把距离值和运动车辆位置定位信息缓存；若距离突然变大，且距离大于L，则连续累计次数CN加1，转入下一步；
步骤四，判断出现定位误差后进行滤波及预测，并修正距离值和定位数据。
进一步地，采用GPS等定位设备获取运动车辆当前行驶位置的定位信息，主要包括经纬度数据；采用无线通信模块获取交通灯终端广播的交通灯信息，包括交通灯区域中心点经纬度、交通灯秒数和颜色等信息；所述交通灯区域为矩形或正方形，取矩形长边或正方形边长的一半为L。
进一步地，步骤二的具体过程如下：
(1)采集车辆当前行驶位置的定位信息和交通灯信息；
(2)从车辆当前行驶位置M的定位信息解析出车辆当前行驶位置M的经纬度数据；
(3)从交通灯信息中解析出交通灯区域中心点C的经纬度数据；
(4)通过M和C点的经纬度数据，计算出M点与C点之间的距离LMC，表达式如下：
LMC＝R*arccos[sin(y1*PI/180)*sin(y2*PI/180)
+cos(x1*PI/180)*cos(x2*PI/180)
-cos(x2*PI/180-x1*PI/180)]
其中：x1为M点的经度，y1为M点的纬度；x2为C点的经度，y2为C点的纬度；PI为圆周率；R为地球半径。
进一步地，步骤三的具体过程如下：
(1)比较当前距离LMC与前一次计算的距离LMC1大小；
(2)若LMC≤LMC1，则队列QD出队一个距离数据，并把LMC存储队列QD；队列QLL出队一组经纬度数据，并把当前M点经纬度(Lng，Lat)存储队列QLL；其中QD为长度为2的M点到C点的距离值缓冲队列，QLL为长度为2的M点经纬度缓冲队列。
(3)若LMC>LMC1，且LMC大于L，则连续累计次数CN加1。
进一步地，步骤四的具体过程如下：
(1)当CN>N时，则视作该运动车辆掉头；
(2)当CN≤N时，则视作当前定位出现误差，根据前面相邻两点与中心点C的距离，预测M点与C点的距离LMC；
(3)根据前面相邻两点的经纬度，预测M点经纬度(Lng，Lat)。
进一步地，所述N为整型常数；其计算公式为：
Figure BDA0001537503980000031
这里TD表示在不考虑驾驶员特性及其它车道车辆通行的情况下，小型车辆掉头的平均时间；ΔT为定位设备采集定位信息的时间间隔。
具体地，这里TD取值为2.65秒，定位设备采用5Hz的采集数据频率，即ΔT＝0.2秒，由此计算得到N＝13次。
作为一种优选，计算两点距离LMC时采用最大时间滤波算法进行滤波。
进一步地，所述最大时间滤波算法的具体步骤如下：
第一步，获取车辆当前位置点M经纬度数据(Lng,Lat)；
第二步，计算交通灯中心点C与当前运动车辆位置点M之间的距离LMC；
第三步，从长度为2的距离LMC缓冲队列QD中出队一个数据LMC1；
第四步，对LMC与LMC1的大小进行比较：若LMC不大于LMC1，则连续累计次数CN清零；若LMC大于LMC1，则进行第五步；
第五步，更新LMC及点M的经纬度数据(Lng,Lat)；
第六步，将新LMC入队列QD；
第七步，从长度为2的经纬度数据缓冲队列QLL中出队一个数据，并将新经纬度数据(Lng,Lat)入队；
第八步，连续累计次数CN加1；
第九步，判断CN是否小于13，若CN不小于13，则运动车辆状态转换为不定状态并结束，否则结束。
进一步地，第五步中通过下列公式更新LMC及点M的经纬度数据(Lng,Lat)：
LMC＝2*LMC1-LMC0
Lng＝2*Lng1-Lng0
Lat＝2*Lat1-Lat0
其中：LMC0、LMC1分别为存储在队列QD中的交通灯中心点C与当前运动车辆位置点M之间的距离数据；(Lng0，Lat0)、(Lng1，Lat1)分别为存储在队列QLL中的经纬度数据。
与现有技术相比，本发明的有益效果是：
(1)不受周围环境因素影响，算法复杂度低，实时性好。
(2)综合考虑了运动车辆与交通灯之间的距离、运动车辆掉头时间等因素，使得定位设备出现定位误差时通过滤波及预测算法进行修正。
(3)定位精度满足使用需求，能够应用于嵌入式系统，容易应用于工程实践。
附图说明
图1是本发明所提供的一种交通灯匹配过程中运动车辆定位滤波及预测方法的流程图。
图2是最大时间滤波算法流程图。
具体实施方式
下面结合附图以及具体实施例来详细说明本发明，其中的具体实施例以及说明仅用来解释本发明，但并不作为对本发明的限定。
如图1所示，本发明公开了一种交通灯匹配过程中运动车辆定位滤波及预测方法，包括以下步骤：
步骤一，确定车辆运行状态为驶向交通灯；
步骤二，实时采集车辆当前行驶位置定位信息和交通灯信息，并计算运动车辆与交通灯之间的距离；
步骤三，判断驶向交通灯的车辆与交通灯之间的距离是否逐渐变小：若距离逐渐变小，则没有定位误差，把距离值和运动车辆位置定位信息缓存；若距离突然变大，且距离大于L，则连续累计次数CN加1，转入下一步；
步骤四，判断出现定位误差后进行滤波及预测，并修正距离值和定位数据。
这里采用GPS等定位设备获取运动车辆当前行驶位置的定位信息，主要包括经纬度数据；采用无线通信模块获取交通灯终端广播的交通灯信息，包括交通灯区域中心点经纬度、交通灯秒数和颜色等信息；所述交通灯区域为矩形或正方形，取矩形长边或正方形边长的一半为L。
步骤二的具体过程如下：
(1)采集车辆当前行驶位置的定位信息和交通灯信息；
(2)从车辆当前行驶位置M的定位信息解析出车辆当前行驶位置M的经纬度数据；
(3)从交通灯信息中解析出交通灯区域中心点C的经纬度数据；
(4)通过M和C点的经纬度数据，计算出M点与C点之间的距离LMC，表达式如下：
LMC＝R*arccos[sin(y1*PI/180)*sin(y2*PI/180)
+cos(x1*PI/180)*cos(x2*PI/180)
-cos(x2*PI/180-x1*PI/180)]
其中：x1为M点的经度，y1为M点的纬度；x2为C点的经度，y2为C点的纬度；PI为圆周率，这里取3.14159265358979324；R为地球半径，这里取6371004米。
步骤三的具体过程如下：
(1)比较当前距离LMC与前一次计算的距离LMC1大小；
(2)若LMC≤LMC1，则队列QD出队一个距离数据，并把LMC存储队列QD；队列QLL出队一组经纬度数据，并把当前M点经纬度(Lng，Lat)存储队列QLL；其中QD为长度为2的M点到C点的距离值缓冲队列，QLL为长度为2的M点经纬度缓冲队列。
(3)若LMC>LMC1，且LMC大于L，则连续累计次数CN加1。
步骤四的具体过程如下：
(1)当CN>N时，则视作该运动车辆掉头；
(2)当CN≤N时，则视作当前定位出现误差，根据前面相邻两点与中心点C的距离，预测M点与C点的距离LMC；
(3)根据前面相邻两点的经纬度，预测M点经纬度(Lng，Lat)。
这里所述N为整型常数；其计算公式为：
Figure BDA0001537503980000051
这里TD表示在不考虑驾驶员特性及其它车道车辆通行的情况下，小型车辆掉头的平均时间；ΔT为定位设备采集定位信息的时间间隔。
具体地，这里TD取值为2.65秒，定位设备采用5Hz的采集数据频率，即ΔT＝0.2秒，由此计算得到N＝13次。
计算两点距离LMC时采用最大时间滤波算法进行滤波。
所述最大时间滤波算法的具体步骤如下：
第一步，获取车辆当前位置点M经纬度数据(Lng,Lat)；
第二步，计算交通灯中心点C与当前运动车辆位置点M之间的距离LMC；
第三步，从长度为2的距离LMC缓冲队列QD中出队一个数据LMC1；
第四步，对LMC与LMC1的大小进行比较：若LMC不大于LMC1，则连续累计次数CN清零；若LMC大于LMC1，则进行第五步；
第五步，更新LMC及点M的经纬度数据(Lng,Lat)；
第六步，将新LMC入队列QD；
第七步，从长度为2的经纬度数据缓冲队列QLL中出队一个数据，并将新经纬度数据(Lng,Lat)入队；
第八步，连续累计次数CN加1；
第九步，判断CN是否小于13，若CN不小于13，则运动车辆状态转换为不定状态并结束，否则结束。
上述第五步中，由于时间间隔为0.2秒，行驶距离较小，运动车辆可以视为匀速行驶，且地球表面可以视为平面，因此，可以通过下列公式更新LMC及点M的经纬度数据(Lng,Lat)：
LMC＝2*LMC1-LMC0
Lng＝2*Lng1-Lng0
Lat＝2*Lat1-Lat0
其中：LMC0、LMC1分别为存储在队列QD中的交通灯中心点C与当前运动车辆位置点M之间的距离数据；(Lng0，Lat0)、(Lng1，Lat1)分别为存储在队列QLL中的经纬度数据。
实施例
当运动车辆处于驶向交通灯状态，进行交通灯匹配及驶离交通灯状态判断时，可以采用最大时间滤波，进一步抑制随机定位误差，也可以较好地抑制突发错误。运动车辆处于驶向交通灯状态时，中心点C与运动车辆当前位置点M之间的距离LMC应该逐渐减小。当计算距离LCM突然变大且LCM大于十字路口区域最大边长的一半时，只有两种情况：一是车辆掉头；二是出现定位误差。南春丽等人在《禁左条件下车辆掉头行为仿真模型》(计算机工程与应用，2006年第20期)一文中估算了在不考虑驾驶员特性及其它车道车辆通行的情况下，小型车辆掉头平均时间为2.65秒。定位设备定时采集定位数据的时间间隔为0.2秒。如果车辆掉头，那么需要连续采集大约13组定位数据才能完成掉头，即距离LCM突然变大连续13次时，认为是车辆掉头；距离LMC突然变大但小于13次时，认为是出现定位误差。
以上所述仅为本发明的较佳实施例而已，并不用于限制本发明，凡在本发明的精神和原则范围之内所作的任何修改、等同替换以及改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.一种交通灯匹配过程中运动车辆定位滤波及预测方法，其特征在于：包括以下步骤：
步骤一，确定车辆运行状态为驶向交通灯；
步骤二，实时采集车辆当前行驶位置定位信息和交通灯信息，并计算运动车辆与交通灯之间的距离；
步骤三，判断驶向交通灯的车辆与交通灯之间的距离是否逐渐变小：若距离逐渐变小，则没有定位误差，把距离值和运动车辆位置定位信息缓存；若距离突然变大，且距离大于L，则连续累计次数CN加1，转入下一步；
步骤四，判断出现定位误差后进行滤波及预测，并修正距离值和定位数据；
步骤四的具体过程如下：
(1)当CN>N时，则视作该运动车辆掉头；
(2)当CN≤N时，则视作当前定位出现误差，根据前面相邻两点与中心点C的距离，预测M点与C点的距离LMC；
(3)根据前面相邻两点的经纬度，预测M点经纬度(Lng，Lat)；
所述N为整型常数；其计算公式为：
Figure FDA0002546110260000011
这里TD表示在不考虑驾驶员特性及其它车道车辆通行的情况下，小型车辆掉头的平均时间；ΔT为定位设备采集定位信息的时间间隔。
2.根据权利要求1所述的一种交通灯匹配过程中运动车辆定位滤波及预测方法，其特征在于：采用包括GPS在内的定位设备获取运动车辆当前行驶位置的定位信息，主要包括经纬度数据；采用无线通信模块获取交通灯终端广播的交通灯信息，包括交通灯区域中心点经纬度、交通灯秒数和颜色在内的信息；所述交通灯区域为矩形，取矩形长边的一半为L。
3.根据权利要求2所述的一种交通灯匹配过程中运动车辆定位滤波及预测方法，其特征在于：所述交通灯区域为正方形，取正方形边长的一半为L。
4.根据权利要求1-3中任一项所述的一种交通灯匹配过程中运动车辆定位滤波及预测方法，其特征在于：步骤二的具体过程如下：
(1)采集车辆当前行驶位置的定位信息和交通灯信息；
(2)从车辆当前行驶位置M的定位信息解析出车辆当前行驶位置M的经纬度数据；
(3)从交通灯信息中解析出交通灯区域中心点C的经纬度数据；
(4)通过M和C点的经纬度数据，计算出M点与C点之间的距离LMC，表达式如下：
LMC＝R*arccos[sin(y1*PI/180)*sin(y2*PI/180)+cos(x1*PI/180)*cos(x2*PI/180)-cos(x2*PI/180-x1*PI/180)]
其中：x1为M点的经度，y1为M点的纬度；x2为C点的经度，y2为C点的纬度；PI为圆周率；R为地球半径。
5.根据权利要求4所述的一种交通灯匹配过程中运动车辆定位滤波及预测方法，其特征在于：步骤三的具体过程如下：
(1)比较当前距离LMC与前一次计算的距离LMC1大小；
(2)若LMC≤LMC1，则队列QD出队一个距离数据，并把LMC存储队列QD；队列QLL出队一组经纬度数据，并把当前M点经纬度(Lng，Lat)存储队列QLL；其中QD为长度为2的M点到C点的距离值缓冲队列，QLL为长度为2的M点经纬度缓冲队列；
(3)若LMC>LMC1，且LMC大于L，则连续累计次数CN加1。
6.根据权利要求1所述的一种交通灯匹配过程中运动车辆定位滤波及预测方法，其特征在于：这里TD取值为2.65秒，定位设备采用5Hz的采集数据频率，即ΔT＝0.2秒，由此计算得到N＝13次。
7.根据权利要求6所述的一种交通灯匹配过程中运动车辆定位滤波及预测方法，其特征在于：计算两点距离LMC时采用最大时间滤波算法进行滤波。
8.根据权利要求7所述的一种交通灯匹配过程中运动车辆定位滤波及预测方法，其特征在于：所述最大时间滤波算法的具体步骤如下：
第一步，获取车辆当前位置点M经纬度数据(Lng,Lat)；
第二步，计算交通灯中心点C与当前运动车辆位置点M之间的距离LMC；
第三步，从长度为2的距离LMC缓冲队列QD中出队一个数据LMC1；
第四步，对LMC与LMC1的大小进行比较：若LMC不大于LMC1，则连续累计次数CN清零；若LMC大于LMC1，则进行第五步；
第五步，更新LMC及点M的经纬度数据(Lng,Lat)；
第六步，将新LMC入队列QD；
第七步，从长度为2的经纬度数据缓冲队列QLL中出队一个数据，并将新经纬度数据(Lng,Lat)入队；
第八步，连续累计次数CN加1；
第九步，判断CN是否小于13，若CN不小于13，则运动车辆状态转换为不定状态并结束，否则结束。
9.根据权利要求8所述的一种交通灯匹配过程中运动车辆定位滤波及预测方法，其特征在于：第五步中通过下列公式更新LMC及点M的经纬度数据(Lng,Lat)：
LMC＝2*LMC1-LMC0
Lng＝2*Lng1-Lng0
Lat＝2*Lat1-Lat0
其中：LMC0、LMC1分别为存储在队列QD中的交通灯中心点C与当前运动车辆位置点M之间的距离数据；(Lng0，Lat0)、(Lng1，Lat1)分别为存储在队列QLL中的经纬度数据。
CN201810002298.8A 2018-01-02 2018-01-02 交通灯匹配过程中运动车辆定位滤波及预测方法 Expired - Fee Related CN108010355B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810002298.8A CN108010355B (zh) 2018-01-02 2018-01-02 交通灯匹配过程中运动车辆定位滤波及预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810002298.8A CN108010355B (zh) 2018-01-02 2018-01-02 交通灯匹配过程中运动车辆定位滤波及预测方法

Publications (2)

Publication Number Publication Date
CN108010355A CN108010355A (zh) 2018-05-08
CN108010355B true CN108010355B (zh) 2020-08-04

Family

ID=62050081

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810002298.8A Expired - Fee Related CN108010355B (zh) 2018-01-02 2018-01-02 交通灯匹配过程中运动车辆定位滤波及预测方法

Country Status (1)

Country Link
CN (1) CN108010355B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111383476A (zh) * 2018-12-28 2020-07-07 沈阳美行科技有限公司 车辆定位方法、装置、电子设备、计算机可读存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101221049A (zh) * 2006-12-04 2008-07-16 韩国电子通信研究院 车辆位置估计装置及其方法
CN101346603A (zh) * 2006-05-17 2009-01-14 丰田自动车株式会社 对象物识别装置
DE102010051245A1 (de) * 2010-11-12 2011-06-16 Daimler Ag Verfahren zum Erstellen und Ausgeben von Warnsignalen bei Verkehrsbeeinträchtigungen
CN103090874A (zh) * 2011-10-28 2013-05-08 通用汽车环球科技运作有限责任公司 车辆定位
CN103925927A (zh) * 2014-04-18 2014-07-16 中国科学院软件研究所 一种基于车载视频的交通标识定位方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101346603A (zh) * 2006-05-17 2009-01-14 丰田自动车株式会社 对象物识别装置
CN101221049A (zh) * 2006-12-04 2008-07-16 韩国电子通信研究院 车辆位置估计装置及其方法
DE102010051245A1 (de) * 2010-11-12 2011-06-16 Daimler Ag Verfahren zum Erstellen und Ausgeben von Warnsignalen bei Verkehrsbeeinträchtigungen
CN103090874A (zh) * 2011-10-28 2013-05-08 通用汽车环球科技运作有限责任公司 车辆定位
CN103925927A (zh) * 2014-04-18 2014-07-16 中国科学院软件研究所 一种基于车载视频的交通标识定位方法

Also Published As

Publication number Publication date
CN108010355A (zh) 2018-05-08

Similar Documents

Publication Publication Date Title
CN110908373B (zh) 一种基于改进人工势场的智能车辆轨迹规划方法
CN109946731B (zh) 一种基于模糊自适应无迹卡尔曼滤波的车辆高可靠融合定位方法
CN109186625B (zh) 智能车辆利用混合采样滤波进行精确定位的方法及系统
CN113593273B (zh) 一种基于v2i通信的无信号控制道路交叉口碰撞预警方法
CN107146446B (zh) 一种基于rfid数据和动态车源的路径诱导方法
CN102208011B (zh) 图像处理系统及车辆控制系统
CN112396834B (zh) 基于元胞自动机模型的雾天高速公路协调控制方法
CN109275121B (zh) 一种基于自适应扩展卡尔曼滤波的车辆轨迹跟踪方法
CN100589143C (zh) 判断浮动车行驶状态的方法及装置
CN108776727A (zh) 一种基于出租车轨迹数据的道路几何特征提取方法
CN105427669A (zh) 一种基于dsrc车车通信技术的防撞预警方法
WO2010129192A1 (en) Methods and systems for creating digital transportation networks
CN105046956A (zh) 一种基于转向系数的交通流模拟及预测方法
CN109147390B (zh) 一种基于量化自适应卡尔曼滤波的车辆轨迹跟踪方法
CN107200016B (zh) 道路自适应预测方法及采用该方法的车辆系统
CN113264049B (zh) 一种智能网联车队协作换道控制方法
CN106355890A (zh) 一种对目标车辆分类的判断方法及装置
CN109190811A (zh) 一种基于自适应扩展卡尔曼滤波的车辆速度跟踪方法
CN110285817B (zh) 基于自适应d-s证据理论的复杂路网地图匹配方法
CN116434523A (zh) 信息感知场景下基于约束度的车辆主动安全管控方法及装置
CN108010355B (zh) 交通灯匹配过程中运动车辆定位滤波及预测方法
CN111767644B (zh) 考虑单隧道限速影响高速公路路段实际通行能力估计方法
CN110530378B (zh) 一种基于v2x的map消息集的车辆定位方法
US10930006B2 (en) Other vehicle position estimation apparatus
CN116863696A (zh) 一种超限车辆路线预测与拦截预警的方法

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
CB03 Change of inventor or designer information
CB03 Change of inventor or designer information

Inventor after: Zhang Tao

Inventor after: Gao Zhan

Inventor after: Yan Rukang

Inventor after: Dong Zhang

Inventor after: Yu Yang

Inventor after: Luo Yilin

Inventor after: Chen Yufeng

Inventor after: Xiang Zhengtao

Inventor after: Zhang Jinliang

Inventor after: Che Kai

Inventor after: Jian Wei

Inventor after: Jiang Xuehuan

Inventor after: Jia Rong

Inventor after: Zhou Peng

Inventor before: Zhang Tao

Inventor before: Gao Zhan

Inventor before: Yan Rukang

Inventor before: Dong Zhang

Inventor before: Yu Yang

Inventor before: Luo Yilin

Inventor before: Chen Yufeng

Inventor before: Xiang Zhengtao

Inventor before: Zhang Quanliang

Inventor before: Che Kai

Inventor before: Jian Wei

Inventor before: Jiang Xuehuan

Inventor before: Jia Rong

Inventor before: Zhou Peng

CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20200804