CN108986454A - 模拟驾驶人主观感知与反应的交通流微观仿真方法 - Google Patents
模拟驾驶人主观感知与反应的交通流微观仿真方法 Download PDFInfo
- Publication number
- CN108986454A CN108986454A CN201810640722.1A CN201810640722A CN108986454A CN 108986454 A CN108986454 A CN 108986454A CN 201810640722 A CN201810640722 A CN 201810640722A CN 108986454 A CN108986454 A CN 108986454A
- Authority
- CN
- China
- Prior art keywords
- speed
- vehicle
- cellular
- emulation
- max
- 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
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
- G08G1/0145—Measuring and analyzing of parameters relative to traffic conditions for specific applications for active traffic flow control
-
- 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)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种模拟驾驶人主观感知与反应的交通流微观仿真方法,该方法包括以下步骤:(1)确定元胞的总数和仿真车辆的个数,初始化仿真系统;(2)仿真系统按照如下步骤进行演化:根据驾驶人的最大期望速度,对车辆进行加速操作;根据交通状况对车辆进行速度调整操作;根据交通状况,对车辆进行随机慢化操作;更新车辆在下一仿真时刻的位置;(3)计算交通流的密度、速度和流量关键交通参数。本发明在速度调整操作和随机慢化操作等关键技术环节更加真实地考量了驾驶人的主观感知与反应特征,使得模型能够更好地分析驾驶人的主观因素对交通流运行的影响,为道路交通系统的规划、设计与管理提供支持。
Description
技术领域
本发明涉及交通流微观仿真方法,具体涉及一种模拟驾驶人主观感知与反应的交通流微观仿真方法。
背景技术
道路交通系统是一个由人、车、路和环境相互作用的复杂巨系统,具有很强的随机性、动态性和多因素的强耦合性,很难运用现有的数学工具进行准确的分析。依托于计算机的微观交通仿真技术给道路交通系统的研究提供了一个极好的工具,使得道路交通问题的分析和研究更加接近真实的交通情形,极大地推进了交通系统的规划、设计与管理水平的提升。
元胞自动机模型具有时间和空间的离散性、算法的简单性和灵活性以及易于实施等优点,被广泛地应用于仿真各种交通系统。与连续型模型相比,元胞自动机模型更加简单和便捷。此外,元胞自动机模型可以对交通流非线性特征的复杂性进行建模,生成直观的物理图像,有助于理解交通流演化的复杂过程。
现有的基于元胞自动机模型的仿真方法很少考虑驾驶人主观心理活动的复杂性,元胞的微观演化规则过于简单,不能很好地体现驾驶心理的复杂变化以及由此导致的复杂多样的交通流特征。发明人在长期的研究中发现,在复杂多变的交通环境下,驾驶人的主观感知与反应受到多种因素的影响,需要构建更加灵活、机动的元胞自动机演化规则予以模拟,以便取得更加逼真的仿真效果。
发明内容
发明目的:为了克服现有技术的不足,本发明提供一种模拟驾驶人主观感知与反应的交通流微观仿真方法,该方法可以解决元胞的微观演化规则过于简单、不能很好地体现驾驶心理的复杂变化以及由此导致的复杂多样的交通流特征的问题。
技术方案:本发明所述的基于模拟驾驶人主观感知与反应的交通流微观仿真方法,该方法包括。
一种模拟驾驶人主观感知与反应的交通流微观仿真方法,其特征在于,该方法包括以下步骤:
(1)选取实际交通流中的一个样本,计算所述样本中第i辆车的实际长度lveh(i)和所述每辆车实际长度的均值均方差s和单个元胞对应的实际道路长度lcell;
(2)根据所述单个元胞对应的实际道路长度lcell和需要仿真的道路系统的实际长度Len计算元胞总数其中,Int()代表取整函数,将一个数值向下取整为最接近的整数;根据实际交通流中的最大车速vmax,计算所述仿真系统的最大车速
(3)设定所述仿真系统中仿真车辆的总数M、仿真时长T;
(4)创建包含N个元胞的交通仿真系统,并对所述仿真系统进行初始化,所述初始化包括紧密状态初始化和均匀状态初始化:
所述紧密状态初始化时,首先选取所述元胞系统中的前M个元胞,并对每个所述元胞赋予数值1;对于第m个元胞,将其速度vm(0)赋予数值0,其中,1≤m<M;对于第M个元胞,将其速度VM(0)赋予所述仿真系统的最大车速Vmax;
所述均匀状态初始化时,首先等间距选取M个元胞,每个元胞赋予数值1,每个元胞的速度vm(0)赋予最大车速Vmax,其中,1≤m≤M;
(5)对于某一仿真时刻t,其中,1≤t≤T,根据所述元胞系统中的仿真车辆m的位置xm(t)和其前车m+1的位置xm+1(t),计算两车之间的距离;若xm(t)<xm+1(t),则两车之间的距离dm(t)=xm+1(t)-xm(t)-1;否则,两车之间的距离dm(t)=N+xm+1(t)-xm(t)-1;
对所述仿真车辆m进行以下操作:
加速操作:仿真车辆在下一仿真时刻的速度vm(t+1)=min(vm(t)+1,Vmax);
速度调整操作:仿真车辆在下一仿真时刻的速度其中,rm(t)表示驾驶人的风险承受能力,表示前车m+1在下一仿真时刻t+1的预估速度;
随机慢化操作:根据仿真车辆在下一仿真时刻的速度vm(t+1)以及其与前车的距离dm(t),计算仿真车辆m的慢化概率其中,0<p1<p2<1,τ>0是慢化概率计算公式中的三个模型参数;
位置更新操作:计算仿真车辆在下一仿真时刻的位置xm(t+1)=xm(t)+vm(t+1);如果xm(t+1)>N,xm(t+1)=xm(t+1)-N。
(6)计算所述元胞系统在仿真时刻t时的平均密度、平均速度和平均流率;若达到设定的仿真时长T即t≥T,停止计算并输出仿真结果;否则,进入下一仿真时刻t=t+1,返回步骤(5)。
优选的,所述步骤(1)中,所述每辆车实际长度的均值表示为:
其中,lveh(i)表示第i辆车的实际长度,n为所述选取的一个样本中包含的车辆总数;所述样本的均方差s,表示为:
所述单个元胞对应的实际道路长度lcell,表示为:
优选的,所述步骤(5)中,风险承受能力rm(t),表示为:
其中,vm(t+1)为所述加速操作后的所述仿真车辆m的速度值,Vmax为所述元胞系统初始化后赋予的最大速度值,α,β均为参数,α≥0,0≤β≤1。
优选的,所述平均密度表示为ρ=M/N,其中,M为所述仿真系统中仿真车辆的总数,N为所述仿真系统中元胞的总数;平均速度表示为:其中,vm(t)为所述元胞系统中的非零元胞在仿真时刻t的速度;平均流率表示为:
优选的,所述对前车m+1速度的预估表示为:其中,dm+1(t)为仿真车辆m+1与其前车的距离,vm+1(t)为仿真车辆m+1的速度值,Vmax为所述元胞系统初始化后赋予的最大速度值。
有益效果:本发明与现有技术相比,其显著优点是:1、本发明在速度调整操作和随机慢化操作等关键技术环节更加真实地考量了驾驶人的主观感知与反应特征,使得模型能够更好地分析驾驶人的主观因素对交通流运行的影响,为道路交通系统的规划、设计与管理提供支持;2、本发明设计了更多的控制车辆运动状态的模型和参数,可以更加机动、灵活、方便地模拟现实交通流的各种情形,呈现交通波的产生与传播、亚稳态、回滞、渐变与突变等真实交通流的多种现象,为道路交通系统的规划、设计与管理提供支持。
附图说明
图1为模拟驾驶人主观感知与反应的交通流微观仿真方法流程图;
图2是在仿真系统的平均密度ρ取不同值时的时空演化图,其中图2a为ρ=0.05的仿真系统时空演化图,图2b为ρ=0.10的仿真系统时空演化图,图2c为ρ=0.15的仿真系统时空演化图,图2d为ρ=0.20的仿真系统时空演化图;
图3为仿真系统的平均密度ρ取不同值时仿真系统的平均速度(AverageVelocity)和时间(Time)的关系图,其中图3a为ρ=0.05时仿真系统的平均速度(AverageVelocity)和时间(Time)的关系图,图3b为ρ=0.10时仿真系统的平均速度(AverageVelocity)和时间(Time)的关系图,图3c为ρ=0.15时仿真系统的平均速度(AverageVelocity)和时间(Time)的关系图,图3d为ρ=0.20时仿真系统的平均速度(AverageVelocity)和时间(Time)的关系图;
图4为仿真系统的流率与密度的关系实验数据图,其中图4a为流率(Flux)与密度(Density)的关系实验数据全局图,图4b为流率(Flux)与密度(Density)的关系实验数据局部放大图。
具体实施方式
如图1所示,本发明提供的模拟驾驶人主观感知与反应的交通流微观仿真方法,该方法包括以下步骤:
S01根据仿真的要求创建仿真系统,确定元胞的总数N、仿真车辆的个数M、仿真时长T、最大车速Vmax,并对系统进行初始化;
S02对于每一个仿真车辆m,即非空元胞进行如下操作:
加速操作:驾驶人根据当前仿真时刻的车度vm(t)进行加速操作,决定其在下一仿真时刻的速度为:vm(t+1)=min(vm(t)+1,Vmax);
速度调整操作:其中,dm(t)表示仿真车辆m与其前车之间的距离,rm(t)表示驾驶人的风险承受能力,表示前车m+1在下一仿真时刻t+1的预估速度;其中,Int()代表取整函数,将一个数值向下取整为最接近的整数;
随机慢化操作:根据仿真车辆在下一仿真时刻的速度vm(t+1)以及其与前车的距离dm(t),计算仿真车辆m的慢化概率其中,0<p1<p2<1,τ>0是慢化概率计算公式中的三个模型参数;
位置更新操作:根据仿真车辆在当前仿真时刻的位置xm(t)以及其在下一仿时刻的速度vm(t+1),计算仿真车辆在下一仿真时刻的位置xm(t+1)=xm(t)+vm(t+1);如果xm(t+1)>N,xm(t+1)=xm(t+1)-N。
S03计算系统的关键参数:平均密度表示为ρ=M/N,其中,M设定仿真系统中仿真车辆的总数、N为仿真系统中元胞的总数;平均速度表示为:其中,vm(t)为元胞系统中的非零元胞在仿真时刻t的速度;平均流率表示为:
S04如果达到了仿真时长T,停止计算并且输出仿真结果;否则,返回S03进行下一轮计算。
单个元胞对应真实道路的长度lcell依据实际交通流中的车辆进行计算,其大小取决于仿真车辆类型的实际物理尺寸,具体为:
(1)在实际交通流中选取包括n辆车的一个具有代表性的样本,计算样本中每辆车的实际长度lveh(i);lveh(i)表示第i辆车的实际长度,n表示选取的一个样本中包含的车辆总数;
(2)计算样本的均值
(3)计算样本的均方差
(4)计算单个元胞对应真实道路的长度
仿真车辆m的仿真速度vm(t)所对应的实际车度va,m(t)可以表示为:va,m(t)=lcell×vm(t)。
每一仿真步长代表1秒,采取周期性边界条件,系统的初始状态有两种:紧密状态:车辆紧密排列,车间距为0,头车速度为Vmax,其余各车的速度为0;均匀状态:车辆均匀分布在车道上,车间距相等或者近似相等,即最大车间距和最小车间距之差不大于1,每个车的速度都是Vmax;系统的初始状态有可能对最终的仿真结果有重要影响。
S05驾驶人对前车在下一仿真时刻的速度进行预估其中,dm+1(t)为仿真车辆m+1与其前车的距离,vm+1(t)为仿真车辆m+1的速度值,Vmax为所述元胞系统初始化后赋予的最大速度值。
S06速度调整操作考虑了驾驶人的风险承受能力rm(t),该参数反应了驾驶人如何根据其感知的交通状况做出反应,取值区间为[0,1];该参数具有特定的含义:保守型驾驶人具有较小的取值而冒险型驾驶人具有较大的取值;该参数由下述公式进行计算:其中,α≥0,0≤β≤1是两个需要事先标定的参数,其取值的大小体现了驾驶人驾驶技能的高低,驾驶技能高超的驾驶人具有更高的风险承受能力,对应着更大的β取值和较小的α取值;此外,该计算公式的函数形式表明,驾驶人的感知与反应将随着交通状况的变化而变化,随着车辆速度vm(t+1)的提升,驾驶人的行为将变得更加谨慎,承受风险的能力随之而下降。
S07慢化概率pm(t)的选取需要参考仿真车辆在下一仿真时刻的速度vm(t+1)以及其与前车的距离dm(t),可以由以下公式计算:其中,0<p1<p2<1,τ>0,是公式中待标定的参数;慢化概率pm(t)的计算公式模拟了驾驶人的交通心理与行为特征:驾驶人在不同的交通情形下表现为风格迥异的驾驶行为;相对于车头间距dm(t),较高的速度vm(t+1)将导致驾驶人采取更加谨慎的驾驶行为;心智比较成熟的驾驶人在驾驶行为方面呈现出更好的一致性,表现为p1和p2的取值更加接近。
为了验证本发明效果,在仿真系统的平均密度ρ分别取值为0.05、0.10、0.15和0.20的情形下,做了仿真系统的时空演化图,如图2所示;其中,横坐标表示空间,纵坐标表示时间;每一根曲线代表了一辆仿真车辆在系统中的运动过程;为便于显示车辆的时空轨迹,每10辆车仅取其一进行描绘。图3是在仿真系统的平均密度(Average Velocity)ρ分别取值为0.05、0.10、0.15和0.20的情形下,仿真系统的平均速度随时间的推移而变化的趋势;横坐标代表时间,纵坐标代表平均速度。图4是仿真系统的流率-密度图全局图和局部放大图,纵坐标代表流率,横坐标代表密度;“实心三角形”代表了系统初始化为“紧密状态”的情形下的演化结果,“空心圆形”代表了系统初始化为“均匀状态”的情形下的演化结果。
Claims (5)
1.一种模拟驾驶人主观感知与反应的交通流微观仿真方法,其特征在于,该方法包括以下步骤:
(1)选取实际交通流中的一个样本,计算所述样本中第i辆车的实际长度lveh(i)和所述每辆车实际长度的均值均方差s和单个元胞对应的实际道路长度lcell;
(2)根据所述单个元胞对应的实际道路长度lcell和需要仿真的道路系统的实际长度Len,计算元胞总数其中,Int()代表取整函数,将一个数值向下取整为最接近的整数;根据实际交通流中的最大车速vmax,计算所述仿真系统的最大车速
(3)设定所述仿真系统中仿真车辆的总数M、仿真时长T;
(4)创建包含N个元胞的交通仿真系统,并对所述仿真系统进行初始化,所述初始化包括紧密状态初始化和均匀状态初始化:
所述紧密状态初始化时,首先选取所述元胞系统中的前M个元胞,并对每个所述元胞赋予数值1;对于第m个元胞,将其速度vm(0)赋予数值0,其中,1≤m<M;对于第M个元胞,将其速度VM(0)赋予所述仿真系统的最大车速Vmax;
所述均匀状态初始化时,首先等间距选取M个元胞,每个元胞赋予数值1,每个元胞的速度vm(0)赋予最大车速Vmax,其中,1≤m≤M;
(5)对于某一仿真时刻t,其中,1≤t≤T,根据所述元胞系统中的仿真车辆m的位置xm(t)和其前车m+1的位置xm+1(t),计算两车之间的距离;若xm(t)<xm+1(t),则两车之间的距离dm(t)=xm+1(t)-xm(t)-1;否则,两车之间的距离dm(t)=N+xm+1(t)-xm(t)-1;
对所述仿真车辆m进行以下操作:
加速操作:仿真车辆在下一仿真时刻的速度vm(t+1)=min(vm(t)+1,Vmax);
速度调整操作:仿真车辆在下一仿真时刻的速度其中,rm(t)表示驾驶人的风险承受能力,表示前车m+1在下一仿真时刻t+1的预估速度;
随机慢化操作:根据仿真车辆在下一仿真时刻的速度vm(t+1)以及其与前车的距离dm(t),计算仿真车辆m的慢化概率以此概率对下一仿真时刻的速度进行如下操作:vm(t+1)=max(vm(t+1)-1,0),其中,0<p1<p2<1,τ>0是慢化概率计算公式中的三个模型参数;
位置更新操作:计算仿真车辆在下一仿真时刻的位置xm(t+1)=xm(t)+vm(t+1);如果xm(t+1)>N,xm(t+1)=xm(t+1)-N。
(6)计算所述元胞系统在仿真时刻t时的平均密度、平均速度和平均流率;若达到设定的仿真时长T即t≥T,停止计算并输出仿真结果;否则,进入下一仿真时刻t=t+1,返回步骤(5)。
2.根据权利要求1所述的模拟驾驶人主观感知与反应的交通流微观仿真方法,其特征在于,所述步骤(1)中,所述每辆车实际长度的均值表示为:
其中,lveh(i)表示第i辆车的实际长度,n为所述选取的一个样本中包含的车辆总数;所述样本的均方差s,表示为:
所述单个元胞对应的实际道路长度lcell,表示为:
3.根据权利要求1所述的模拟驾驶人主观感知与反应的交通流微观仿真方法,其特征在于,所述步骤(5)中,风险承受能力rm(t),表示为:
其中,vm(t+1)为所述加速操作后的所述仿真车辆m的速度值,Vmax为所述元胞系统初始化后赋予的最大速度值,α,β均为参数,α≥0,0≤β≤1。
4.根据权利要求1所述的模拟驾驶人主观感知与反应的交通流微观仿真方法,其特征在于,所述平均密度表示为ρ=M/N,其中,M为所述仿真系统中仿真车辆的总数,N为所述仿真系统中元胞的总数;平均速度表示为:其中,vm(t)为所述元胞系统中的非零元胞在仿真时刻t的速度;平均流率表示为:
5.根据权利要求1所述的模拟驾驶人主观感知与反应的交通流微观仿真方法,其特征在于,所述对前车m+1速度的预估表示为:其中,dm+1(t)为仿真车辆m+1与其前车的距离,vm+1(t)为仿真车辆m+1的速度值,Vmax为所述元胞系统初始化后赋予的最大速度值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810640722.1A CN108986454B (zh) | 2018-06-21 | 2018-06-21 | 模拟驾驶人主观感知与反应的交通流微观仿真方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810640722.1A CN108986454B (zh) | 2018-06-21 | 2018-06-21 | 模拟驾驶人主观感知与反应的交通流微观仿真方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108986454A true CN108986454A (zh) | 2018-12-11 |
CN108986454B CN108986454B (zh) | 2019-07-12 |
Family
ID=64541584
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810640722.1A Active CN108986454B (zh) | 2018-06-21 | 2018-06-21 | 模拟驾驶人主观感知与反应的交通流微观仿真方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108986454B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110472271A (zh) * | 2019-07-01 | 2019-11-19 | 电子科技大学 | 一种微观交通仿真的非机动车道混合交通流模型构建方法 |
CN112069679A (zh) * | 2020-09-03 | 2020-12-11 | 四川大学 | 一种基于跟随行为的单航段一维格点微观仿真方法 |
CN113823096A (zh) * | 2021-11-25 | 2021-12-21 | 禾多科技(北京)有限公司 | 用于仿真测试的随机交通流障碍物对象布置策略 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102968541A (zh) * | 2012-12-11 | 2013-03-13 | 东南大学 | 基于跟车行为的交通流微观仿真方法 |
EP2621208A1 (en) * | 2012-01-27 | 2013-07-31 | Alcatel Lucent | Method for determining cell configuration parameters in a wireless telecommunication network |
CN104298829A (zh) * | 2014-10-14 | 2015-01-21 | 浙江师范大学 | 基于元胞自动机模型的城市路网交通流仿真设计方法 |
CN105930614A (zh) * | 2016-05-13 | 2016-09-07 | 东南大学 | 一种针对可变限速控制的元胞传输模型参数标定与验证方法 |
CN105975705A (zh) * | 2016-05-13 | 2016-09-28 | 东南大学 | 一种针对可变限速控制的元胞传输仿真模型改进方法 |
CN107301289A (zh) * | 2017-06-20 | 2017-10-27 | 南京邮电大学 | 一种基于智能博弈的交通流元胞自动机模型的实现方法 |
-
2018
- 2018-06-21 CN CN201810640722.1A patent/CN108986454B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2621208A1 (en) * | 2012-01-27 | 2013-07-31 | Alcatel Lucent | Method for determining cell configuration parameters in a wireless telecommunication network |
CN102968541A (zh) * | 2012-12-11 | 2013-03-13 | 东南大学 | 基于跟车行为的交通流微观仿真方法 |
CN104298829A (zh) * | 2014-10-14 | 2015-01-21 | 浙江师范大学 | 基于元胞自动机模型的城市路网交通流仿真设计方法 |
CN105930614A (zh) * | 2016-05-13 | 2016-09-07 | 东南大学 | 一种针对可变限速控制的元胞传输模型参数标定与验证方法 |
CN105975705A (zh) * | 2016-05-13 | 2016-09-28 | 东南大学 | 一种针对可变限速控制的元胞传输仿真模型改进方法 |
CN107301289A (zh) * | 2017-06-20 | 2017-10-27 | 南京邮电大学 | 一种基于智能博弈的交通流元胞自动机模型的实现方法 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110472271A (zh) * | 2019-07-01 | 2019-11-19 | 电子科技大学 | 一种微观交通仿真的非机动车道混合交通流模型构建方法 |
CN112069679A (zh) * | 2020-09-03 | 2020-12-11 | 四川大学 | 一种基于跟随行为的单航段一维格点微观仿真方法 |
CN113823096A (zh) * | 2021-11-25 | 2021-12-21 | 禾多科技(北京)有限公司 | 用于仿真测试的随机交通流障碍物对象布置策略 |
CN113823096B (zh) * | 2021-11-25 | 2022-02-08 | 禾多科技(北京)有限公司 | 用于仿真测试的随机交通流障碍物对象布置方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108986454B (zh) | 2019-07-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109002595B (zh) | 模拟动态换道行为的双车道元胞自动机微观交通仿真方法 | |
CN108986454B (zh) | 模拟驾驶人主观感知与反应的交通流微观仿真方法 | |
CN106991251B (zh) | 一种高速公路交通流元胞机仿真方法 | |
WO2020052583A1 (en) | Iterative generation of adversarial scenarios | |
CN109388073A (zh) | 一种车辆动态模拟的方法和装置 | |
CN109733415A (zh) | 一种基于深度强化学习的拟人化自动驾驶跟驰模型 | |
CN107168303A (zh) | 一种汽车的自动驾驶方法及装置 | |
CN109709956A (zh) | 一种自动驾驶车辆速度控制多目标优化的跟驰算法 | |
CN104635494B (zh) | 一种基于遗传算法优化的车辆追尾碰撞模糊控制方法 | |
CN110956851B (zh) | 一种智能网联汽车协同调度换道方法 | |
CN107526906A (zh) | 一种基于数据采集的驾驶风格辨识装置及方法 | |
Wu et al. | Fast velocity trajectory planning and control algorithm of intelligent 4WD electric vehicle for energy saving using time‐based MPC | |
US20210056863A1 (en) | Hybrid models for dynamic agents in a simulation environment | |
Pariota et al. | Integrating tools for an effective testing of connected and automated vehicles technologies | |
KR102157587B1 (ko) | 게임서버 연계 자율주행 시뮬레이션 방법 | |
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 | |
CN105006015A (zh) | 基于位置的流体模拟控制方法及系统 | |
Hu et al. | Traffic signal control using fuzzy logic and evolutionary algorithms | |
Segata | Platooning in SUMO: an open source implementation | |
CN111767630A (zh) | 一种应用于智能驾驶的虚拟仿真测试方法及装置 | |
US11354458B1 (en) | Automated vehicle safety simulation using safety quotient method | |
Wei et al. | A learning-based autonomous driver: emulate human driver's intelligence in low-speed car following | |
CN116894395A (zh) | 一种自动驾驶测试场景的生成方法、系统及存储介质 | |
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 | |
CN207965887U (zh) | 一种新型的区分工况的驾驶风格辨识装置 |
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 |