CN108711285B - 一种基于道路路口的混合交通模拟方法 - Google Patents
一种基于道路路口的混合交通模拟方法 Download PDFInfo
- Publication number
- CN108711285B CN108711285B CN201810522188.4A CN201810522188A CN108711285B CN 108711285 B CN108711285 B CN 108711285B CN 201810522188 A CN201810522188 A CN 201810522188A CN 108711285 B CN108711285 B CN 108711285B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- lane
- driver
- degree
- control range
- 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
Links
Images
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
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于道路路口的混合交通模拟方法,包括:步骤一、设置不同的驾驶员类型,同时对驾驶员特性进行判断;步骤二、运行过程中,在车道中行驶时,根据驾驶员特性,对正常行驶、换道、停车三种驾驶行为进行判断。
Description
技术领域
本发明涉及汽车智能化模拟仿真技术领域,具体涉及一种基于道路路口的混合交通模拟方法。
背景技术
智能车辆系统是一个集环境感知、规划决策、多等级辅助驾驶等功能于一体的综合系统,它集中运用了计算机、现代传感、信息融合、通讯、人工智能及自动控制等技术,是典型的高新技术综合体。目前对智能车辆的研究主要致力于提高汽车的安全性、舒适性,以及提供优良的人车交互界面。近年来,智能车辆己经成为世界车辆工程领域研究的热点和汽车工业增长的新动力,很多发达国家都将其纳入到各自重点发展的智能交通系统当中。
通过对车辆智能化技术的研究和开发,可以提高车辆的控制与驾驶水平,保障车辆行驶的安全畅通、高效。对智能化的车辆控制系统的不断研究完善,相当于延伸扩展了驾驶员的控制、视觉和感官功能,能极大地促进道路交通的安全性。智能车辆的主要特点是以技术弥补人为因素的缺陷,使得即便在很复杂的道路情况下,也能自动地操纵和驾驶车辆绕开障碍物,沿着预定的道路轨迹行驶。
这其中,各个系统实际上又包括一些细分的系统和功能,比如智能驾驶系统就是一个大的概念,也是一个最复杂的系统,它包括了:智能传感系统、智能计算机系统、辅助驾驶系统、智能公交系统等;生活服务系统包括了影音娱乐,信息查询以及各类生物服务等功能;而像位置服务系统,除了要能提供准确的车辆定位功能外,还要让汽车能与另外的汽车实现自动位置互通,从而实现约定目标的行驶目的。
发明内容
本发明设计开发了一种基于道路路口的混合交通模拟方法,本发明的发明目的之一是通过建立多重模糊控制将行为决策算法融入车辆跟持模型中,为驾驶员提供更好的在混合交通中行驶模型。
本发明的发明目的之一是通过对换道倾向进行计算,从而更好的为驾驶员提供参考依据。
本发明提供的技术方案为:
一种基于道路路口的混合交通模拟方法,包括如下步骤:
步骤一、设置不同的驾驶员类型,同时对驾驶员特性进行判断;
步骤二、运行过程中,在车道中行驶时,根据驾驶员特性,对正常行驶、换道、停车三种驾驶行为进行判断;
其中,当本车为本车道首车时,对是否在交通灯控制范围内进行判断,如果未在交通灯控制范围内则车辆自由行使;如果在交通灯控制范围内则对交通灯状态进行判断,如果交通灯为绿灯则车辆自由行使,如果交通灯为黄灯则预判在黄灯范围内车辆是否可以顺利通行,如果可以顺利通行则车辆自由行使,如果不能顺利通行则车辆停车;以及
当本车非本车道首车时,对换道倾向概率是否达到经验阈值进行判断,如果未达到经验阈值则车辆无需换道,进行自由行使;如果达到经验阈值则进行换道。
优选的是,在所述步骤一中,采用模糊控制模型输出驾驶员鲁莽程度作为驾驶员特性,包括如下步骤:
分别将油门踏板相对变化率、制动踏板相对变化率以及驾驶员鲁莽程度转换为模糊论域中的量化等级;
将所述油门踏板相对变化率以及制动踏板相对变化率输入模糊控制模型,均分为7个等级;
模糊控制模型输出为所述驾驶员鲁莽程度,分为5个等级;
根据所述驾驶员鲁莽程度,进而判断驾驶员特性;
其中,所述油门踏板相对变化率的论域为[-1,1],所述制动踏板相对变化率的论域为[-1,1],所述鲁莽程度的论域为[0,1],设量化因子都为1,设定鲁莽程度的阈值为0.41~0.53中的一个值。
优选的是,所述油门踏板相对变化率的模糊集为{NB,NM,NS,ZO,PS,PM,PB},所述制动踏板相对变化率的模糊集为{NB,NM,NS,ZO,PS,PM,PB},所述鲁莽程度的模糊集为{S,SM,M,MB,B};隶属函数均选用三角函数。
优选的是,在所述步骤二中,采用模糊控制模型输出进入控制范围概率进行判断车辆是否在交通灯控制范围内,包括如下步骤:
分别将本车速度、本车加速度以及进入控制范围概率转换为模糊论域中的量化等级;
将所述本车速度以及本车加速度输入模糊控制模型,均分为5个等级;
模糊控制模型输出为所述进入控制范围概率度,分为5个等级;
根据所述进入控制范围概率,进而判断车辆是否在交通灯控制范围内;
其中,所述本车速度的论域为[0,60],所述本车加速度的论域为[0,20],所述进入控制范围概率的论域为[0,1],设量化因子都为1,设定进入控制范围概率的阈值为0.41~0.53中的一个值。
优选的是,所述鲁莽程度的模糊集为{S,SM,M,MB,B},所述换道收益的模糊集为{S,SM,M,MB,B},所述换道愿望的模糊集为{S,SM,M,MB,B};隶属函数均选用三角函数。
优选的是,所述换道倾向概率P计算过程为:
式中,λ为换道收益系数,δ为换道可行性系数,τ为驾驶员鲁莽程度,ΔS1为本车与前车的距离,ΔS2为本车与路口的距离,Vrel为本车与前车的相对速度,V0为本车经验速度,a1为本车道可获得的加速度,a2为目标车道可获得的加速度,e为自然对数的底数。
优选的是,所述换道收益系数λ取值范围为0.53~0.79;以及
所述换道可行性系数δ取值范围为0.69~0.87。
优选的是,所述换道收益系数λ计算过程为
式中,ΔS1为本车与前车的距离,ΔS2为本车与路口的距离,Vrel为本车与前车的相对速度,V0为本车经验速度,a1为本车道可获得的加速度,a2为目标车道可获得的加速度,e为自然对数的底数,A为经验常数。
优选的是,所述换道可行性系数δ计算过程为
式中,ΔS1为本车与前车的距离,ΔS2为本车与路口的距离,Vrel为本车与前车的相对速度,V0为本车经验速度,a1为本车道可获得的加速度,a2为目标车道可获得的加速度,e为自然对数的底数,B为经验常数。
优选的是,所述经验阈值取值为0.63。
本发明与现有技术相比较所具有的有益效果:本发明采取建立多重模糊控制模块化建模思路以及对换道倾向的概率的计算使得本发明所述的模拟方法具有较高的计算效率和实时性,为驾驶员建立提供更好的在混合交通中行驶模型。
附图说明
图1为油门踏板相对变化率的隶属函数。
图2为制动踏板相对变化率的隶属函数。
图3为鲁莽程度的隶属函数。
图4为本车速度的隶属函数。
图5为本车加速度的隶属函数。
图6为进入控制范围概率的隶属函数。
具体实施方式
下面结合附图对本发明做进一步的详细说明,以令本领域技术人员参照说明书文字能够据以实施。
本发明提供了一种基于道路路口的混合交通模拟方法,包括如下步骤:
步骤一、设置不同的驾驶员类型,同时对驾驶员特性进行判断;
步骤二、运行过程中,在车道中行驶时,根据驾驶员特性,对正常行驶、换道、停车三种驾驶行为进行判断;
其中,当本车为本车道首车时,对是否在交通灯控制范围内进行判断,如果未在交通灯控制范围内则车辆自由行使;如果在交通灯控制范围内则对交通灯状态进行判断,如果交通灯为绿灯则车辆自由行使,如果交通灯为黄灯则预判在黄灯范围内车辆是否可以顺利通行,如果可以顺利通行则车辆自由行使,如果不能顺利通行则车辆停车;以及
当本车非本车道首车时,对换道倾向概率是否达到经验阈值进行判断,如果未达到经验阈值则车辆无需换道,进行自由行使;如果达到经验阈值则进行换道。
如图1~3所示,在另一种实施例中,在步骤一中,采用模糊控制模型输出驾驶员鲁莽程度进而判断驾驶员是属于鲁莽特性或者谨慎特性,包括如下步骤:分别将油门踏板相对变化率Eβ、制动踏板相对变化率Eδ以及鲁莽程度转换为模糊论域中的量化等级;将油门踏板相对变化率Eβ以及制动踏板相对变化率Eδ输入模糊控制模型,模糊控制模型输出为鲁莽程度,进而进行数据是否输出的预测,鲁莽程度的阈值为0.41~0.53中的一个值,如果鲁莽程度达到设定阈值,则表明鲁莽程度数据可输出,判断驾驶员在具有鲁莽特性,如果鲁莽程度未达到设定阈值,则表明鲁莽程度数据不可输出,判断驾驶员具有谨慎特性;在本实施例中,为了保证控制的精度,使其在不同的环境下都能够很好地进行控制,根据反复试验,将阈值确定为0.49。
油门踏板相对变化率Eβ的变化范围为[-1,1],制动踏板相对变化率Eδ的变化范围为[-1,1],设定量化因子都为1,因此,油门踏板相对变化率Eβ以及制动踏板相对变化率Eδ的论域分别为[-1,1]和[-1,1],鲁莽程度的论域为[0,1];为了保证控制的精度,使其在不同的环境下都能够很好地进行控制,根据反复试验,最终将油门踏板相对变化率Eβ的变化范围分为7个等级,模糊集为{NB,NM,NS,ZO,PS,PM,PB},NB表示负大,NM表示负中等,NS表示负小,ZO表示零,PS表示正小,PM表示正中等,PB表示正大;制动踏板相对变化率Eδ的变化范围分为7个等级,模糊集为{NB,NM,NS,ZO,PS,PM,PB},NB表示负大,NM表示负中等,NS表示负小,ZO表示零,PS表示正小,PM表示正中等,PB表示正大;输出的鲁莽程度分为5个等级,模糊集为{S,SM,M,MB,B},S表示小,SM表示较小,M表示中等,MB表示较大,B表示大;隶属函数均选用三角形隶属函数,如图1、2、3所示。
模糊控制模型的控制规则选取经验为:
如果油门踏板相对变化率Eβ为正大或者正中等,制动踏板相对变化率Eδ为正大或正中等,则鲁莽程度为大,即数据可输出,此时,判断驾驶员具有鲁莽特性;
如果油门踏板相对变化率Eβ为负大、负中等或者负小,制动踏板相对变化率Eδ为负大或负中等,则鲁莽程度为小,即数据不可输出,此时,判断驾驶员具有谨慎特性;
也就是说,如果鲁莽程度为“小或较小”,则数据不可输出,此时,判断驾驶员具有谨慎特性;如果鲁莽程度为“大或较大”,则数据可输出,此时,判断驾驶员具有鲁莽特性;如果鲁莽程度为“中等”,则鲁莽程度为阈值,此种情况,如果油门踏板相对变化率Eβ或者制动踏板相对变化率Eδ稍有变化,则驾驶员特性必然会形成鲁莽特性或者谨慎特性这两种情况的切换;具体的模糊控制规则如表1所示。
表1模糊控制规则
如图4~6所示,在另一种实施例中,在步骤四中,采用模糊控制模型输出进入控制范围进而判断较大进入控制范围概率或者较小进入控制范围概率,包括如下步骤:分别将本车速度、本车加速度以及进入控制范围概率转换为模糊论域中的量化等级;将本车速度以及本车加速度输入模糊控制模型,模糊控制模型输出为进入控制范围概率,进而进行数据是否输出的预测,进入控制范围的阈值为0.53~0.61中的一个值,如果进入控制范围概率达到设定阈值,则表明进入控制范围数据可输出,判断具有较大进入控制范围,如果进入控制范围概率未达到设定阈值,则表明进入控制范围数据不可输出,判断具有较小进入控制范围;在本实施例中,为了保证控制的精度,使其在不同的环境下都能够很好地进行控制,根据反复试验,将阈值确定为0.57。
本车速度的变化范围为[0,60],本车加速度的变化范围为[0,20],设定量化因子都为1,因此,本车速度以及本车加速度的论域分别为[0,60]和[0,20],进入控制范围的论域为[0,1];为了保证控制的精度,使其在不同的环境下都能够很好地进行控制,根据反复试验,最终将本车速度的变化范围分为5个等级,模糊集为{S,SM,M,MB,B},S表示小,SM表示较小,M表示中等,MB表示较大,B表示大;本车加速度的变化范围分为5个等级,模糊集为{S,SM,M,MB,B},S表示小,SM表示较小,M表示中等,MB表示较大,B表示大;输出的进入控制范围概率分为5个等级,模糊集为{S,SM,M,MB,B},S表示小,SM表示较小,M表示中等,MB表示较大,B表示大;隶属函数均选用三角形隶属函数,如图4、5、6所示。
模糊控制模型的控制规则选取经验为:
如果本车速度为大或者较大,本车加速度为大,则进入控制范围为大,即数据可输出;
如果本车速度为小或者较小,本车加速度为小,则进入控制范围为小,即数据不可输出;
也就是说,如果进入控制范围为“小或较小”,则数据不可输出;如果进入控制范围为“大或较大”,则数据可输出;如果进入控制范围为“中等”,则进入控制范围为阈值,此种情况,如果本车速度或者本车加速度稍有变化,则数据在可输出或者不可输出这两种情况切换;具体的模糊控制规则如表2所示。
表2模糊控制规则
在另一种实施例中,换道倾向概率P计算过程为:
式中,λ为换道收益系数,δ为换道可行性系数,τ为驾驶员鲁莽程度,ΔS1为本车与前车的距离,单位为m,ΔS2为本车与路口的距离,单位为m,Vrel为本车与前车的相对速度,单位为km/h,V0为本车经验速度,单位为km/h,a1为本车道可获得的加速度,单位为m/s2,a2为目标车道可获得的加速度,单位为m/s2,e为自然对数的底数。
在另一种实施例中,换道收益系数λ取值范围为0.53~0.79,换道可行性系数δ取值范围为0.69~0.87;在本实施例中,作为一种优选,换道收益系数λ取值为0.66,换道可行性系数δ取值范围为0.78。
在另一种实施例中,换道收益系数λ计算过程为
式中,ΔS1为本车与前车的距离,单位为m,ΔS2为本车与路口的距离,单位为m,Vrel为本车与前车的相对速度,单位为km/h,V0为本车经验速度,单位为km/h,a1为本车道可获得的加速度,单位为m/s2,a2为目标车道可获得的加速度,单位为m/s2,e为自然对数的底数,A为经验常数;在本实施例中,作为一种优选,A取值为1.56。
在另一种实施例中,换道可行性系数δ计算过程为
式中,ΔS1为本车与前车的距离,单位为m,ΔS2为本车与路口的距离,单位为m,Vrel为本车与前车的相对速度,单位为km/h,V0为本车经验速度,单位为km/h,a1为本车道可获得的加速度,单位为m/s2,a2为目标车道可获得的加速度,单位为m/s2,e为自然对数的底数,B为经验常数;在本实施例中,B取值为8.4。
尽管本发明的实施方案已公开如上,但其并不仅仅限于说明书和实施方式中所列运用,它完全可以被适用于各种适合本发明的领域,对于熟悉本领域的人员而言,可容易地实现另外的修改,因此在不背离权利要求及等同范围所限定的一般概念下,本发明并不限于特定的细节和这里示出与描述的图例。
Claims (5)
1.一种基于道路路口的混合交通模拟方法,其特征在于,包括如下步骤:
步骤一、设置不同的驾驶员类型,同时对驾驶员特性进行判断;
步骤二、运行过程中,在车道中行驶时,根据驾驶员特性,对正常行驶、换道、停车三种驾驶行为进行判断;
其中,当本车为本车道首车时,对是否在交通灯控制范围内进行判断,如果未在交通灯控制范围内则车辆自由行使;如果在交通灯控制范围内则对交通灯状态进行判断,如果交通灯为绿灯则车辆自由行使,如果交通灯为黄灯则预判在黄灯范围内车辆是否可以顺利通行,如果可以顺利通行则车辆自由行使,如果不能顺利通行则车辆停车;以及
当本车非本车道首车时,对换道倾向概率是否达到经验阈值进行判断,如果未达到经验阈值则车辆无需换道,进行自由行使;如果达到经验阈值则进行换道;
所述换道倾向概率P计算过程为:
式中,λ为换道收益系数,δ为换道可行性系数,τ为驾驶员鲁莽程度,ΔS1为本车与前车的距离,ΔS2为本车与路口的距离,Vrel为本车与前车的相对速度,V0为本车经验速度,a1为本车道可获得的加速度,a2为目标车道可获得的加速度,e为自然对数的底数;
所述换道收益系数λ计算过程为
式中,ΔS1为本车与前车的距离,ΔS2为本车与路口的距离,Vrel为本车与前车的相对速度,V0为本车经验速度,a1为本车道可获得的加速度,a2为目标车道可获得的加速度,e为自然对数的底数,A为经验常数;
所述换道可行性系数δ计算过程为
式中,ΔS1为本车与前车的距离,ΔS2为本车与路口的距离,Vrel为本车与前车的相对速度,V0为本车经验速度,a1为本车道可获得的加速度,a2为目标车道可获得的加速度,e为自然对数的底数,B为经验常数。
2.如权利要求1所述的基于道路路口的混合交通模拟方法,其特征在于,在所述步骤一中,采用模糊控制模型输出驾驶员鲁莽程度作为驾驶员特性,包括如下步骤:
分别将油门踏板相对变化率、制动踏板相对变化率以及驾驶员鲁莽程度转换为模糊论域中的量化等级;
将所述油门踏板相对变化率以及制动踏板相对变化率输入模糊控制模型,均分为7个等级;
模糊控制模型输出为所述驾驶员鲁莽程度,分为5个等级;
根据所述驾驶员鲁莽程度,进而判断驾驶员特性;
其中,所述油门踏板相对变化率的论域为[-1,1],所述制动踏板相对变化率的论域为[-1,1],所述鲁莽程度的论域为[0,1],设量化因子都为1,设定鲁莽程度的阈值为0.41~0.53中的一个值。
3.如权利要求2所述的基于道路路口的混合交通模拟方法,其特征在于,所述油门踏板相对变化率的模糊集为{NB,NM,NS,ZO,PS,PM,PB},所述制动踏板相对变化率的模糊集为{NB,NM,NS,ZO,PS,PM,PB},所述鲁莽程度的模糊集为{S,SM,M,MB,B};隶属函数均选用三角函数。
4.如权利要求2或3所述的基于道路路口的混合交通模拟方法,其特征在于,在所述步骤二中,采用模糊控制模型输出进入控制范围概率进行判断车辆是否在交通灯控制范围内,包括如下步骤:
分别将本车速度、本车加速度以及进入控制范围概率转换为模糊论域中的量化等级;
将所述本车速度以及本车加速度输入模糊控制模型,均分为5个等级;
模糊控制模型输出为所述进入控制范围概率度,分为5个等级;
根据所述进入控制范围概率,进而判断车辆是否在交通灯控制范围内;
其中,所述本车速度的论域为[0,60],所述本车加速度的论域为[0,20],所述进入控制范围概率的论域为[0,1],设量化因子都为1,设定进入控制范围概率的阈值为0.41~0.53中的一个值。
5.如权利要求4所述的基于道路路口的混合交通模拟方法,其特征在于,所述经验阈值取值为0.63。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810522188.4A CN108711285B (zh) | 2018-05-28 | 2018-05-28 | 一种基于道路路口的混合交通模拟方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810522188.4A CN108711285B (zh) | 2018-05-28 | 2018-05-28 | 一种基于道路路口的混合交通模拟方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108711285A CN108711285A (zh) | 2018-10-26 |
CN108711285B true CN108711285B (zh) | 2020-05-05 |
Family
ID=63869729
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810522188.4A Expired - Fee Related CN108711285B (zh) | 2018-05-28 | 2018-05-28 | 一种基于道路路口的混合交通模拟方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108711285B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109686086B (zh) * | 2018-12-24 | 2020-08-07 | 东软集团(北京)有限公司 | 模糊控制网络的训练、生成路口建议速度的方法及装置 |
CN111047757B (zh) * | 2019-10-23 | 2022-02-01 | 中交武汉港湾工程设计研究院有限公司 | 一种基于入口人脸识别的导引服务系统及导引服务方法 |
CN112230565B (zh) * | 2020-10-28 | 2022-07-19 | 腾讯科技(深圳)有限公司 | 车辆的模拟驾驶方法、装置、电子设备及计算机可读存储介质 |
CN115116249B (zh) * | 2022-06-06 | 2023-08-01 | 苏州科技大学 | 一种自动驾驶车辆不同渗透率与道路通行能力的估计方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103531042B (zh) * | 2013-10-25 | 2015-08-19 | 吉林大学 | 基于驾驶人类型的车辆追尾预警方法 |
DE102016106983A1 (de) * | 2016-04-15 | 2017-10-19 | Valeo Schalter Und Sensoren Gmbh | Verfahren zum Erkennen eines möglichen Spurwechselmanövers eines Zielfahrzeugs, Steuereinrichtung, Fahrerassistenzsystem sowie Kraftfahrzeug |
CN106023344B (zh) * | 2016-06-06 | 2019-04-05 | 清华大学 | 基于驾驶模式转换概率的驾驶风格估计方法 |
CN106297342B (zh) * | 2016-10-19 | 2019-02-01 | 胡爱彬 | 一种提前、实时提示交通信号灯信息的提醒装置及方法 |
CN106611526B (zh) * | 2017-02-24 | 2019-09-10 | 合肥工业大学 | 驾驶员驾驶特性数据采集实验台及其换道数据采集方法 |
-
2018
- 2018-05-28 CN CN201810522188.4A patent/CN108711285B/zh not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
CN108711285A (zh) | 2018-10-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108711285B (zh) | 一种基于道路路口的混合交通模拟方法 | |
US20200249687A1 (en) | Speed-dependent required lateral clearance for autonomous vehicle path planning | |
CN103347757B (zh) | 通过使用预测环境和驾驶员行为信息来优化燃油经济性的系统和方法 | |
Khayyam et al. | Adaptive cruise control look-ahead system for energy management of vehicles | |
CN107813820A (zh) | 一种仿优秀驾驶员的无人车换道路径规划方法 | |
CN111845754B (zh) | 基于边缘计算和群智算法的自动驾驶车辆的决策预测方法 | |
CN112249008B (zh) | 针对复杂动态环境的无人驾驶汽车预警方法 | |
Jayawardana et al. | Learning eco-driving strategies at signalized intersections | |
CN109643118A (zh) | 基于关于车辆的环境的与功能相关的信息来影响车辆的功能 | |
CN113781788A (zh) | 基于稳定性与安全性的自动驾驶车辆管理方法 | |
Gáspár et al. | Predictive cruise control for road vehicles using road and traffic information | |
Ni et al. | A unified perspective on traffic flow theory, part III: validation and benchmarking | |
CN114228690B (zh) | 一种基于ddpg和迭代控制的自动驾驶车辆侧倾控制方法 | |
CN116432448B (zh) | 基于智能网联车和驾驶员遵从度的可变限速优化方法 | |
Németh et al. | Optimised speed profile design of a vehicle platoon considering road inclinations | |
Chen et al. | Towards human-like speed control in autonomous vehicles: A mountainous freeway case | |
CN102862573A (zh) | 车辆节油方法和系统 | |
Guo et al. | Toward human-like behavior generation in urban environment based on Markov decision process with hybrid potential maps | |
CN117227755A (zh) | 基于强化学习的复杂交通场景下自动驾驶决策方法及系统 | |
CN117032203A (zh) | 基于svo的自动驾驶智能控制方法 | |
CN108349500B (zh) | 用于分析车辆的驾驶员的驾驶方式的方法和装置 | |
CN117734715A (zh) | 基于强化学习的自动驾驶控制方法、系统、设备及存储介质 | |
CN116811854A (zh) | 汽车运行轨迹确定方法、装置、汽车和存储介质 | |
CN109572697B (zh) | 基于模糊控制的特殊路段行进车辆的油门自动控制方法 | |
Yang et al. | Two-stage eco-driving control strategy for heterogeneous connected and automated vehicle platoons |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20200505 Termination date: 20210528 |
|
CF01 | Termination of patent right due to non-payment of annual fee |