CN109903551B - 基于人工鱼群无人车行驶与编队控制方法及装置 - Google Patents

基于人工鱼群无人车行驶与编队控制方法及装置 Download PDF

Info

Publication number
CN109903551B
CN109903551B CN201910294948.5A CN201910294948A CN109903551B CN 109903551 B CN109903551 B CN 109903551B CN 201910294948 A CN201910294948 A CN 201910294948A CN 109903551 B CN109903551 B CN 109903551B
Authority
CN
China
Prior art keywords
vehicle
vehicles
control
expressway
ramp
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
Application number
CN201910294948.5A
Other languages
English (en)
Other versions
CN109903551A (zh
Inventor
王云鹏
田大新
赵元昊
段续庭
周建山
郑坤贤
张创
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.)
Beihang University
Original Assignee
Beihang University
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 Beihang University filed Critical Beihang University
Priority to CN201910294948.5A priority Critical patent/CN109903551B/zh
Publication of CN109903551A publication Critical patent/CN109903551A/zh
Application granted granted Critical
Publication of CN109903551B publication Critical patent/CN109903551B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Traffic Control Systems (AREA)

Abstract

本申请提供一种基于人工鱼群的高速公路匝道无人车行驶与编队控制方法、存储介质以及装置。该控制方法在车联网与车载自组网络的基础上，获取车辆信息以及融合的信息资源，通过将群体智能中的人工鱼群模型应用于高速公路匝道的管控上，实现高速公路匝道上无人车的行驶与编队，本发明还提供了相应的存储介质以及装置。本发明充分利用了智能车联网的信息资源，可以有效解决无人车在高速公路匝道上的行驶与编队问题，为高速公路匝道的自动管控提供技术性的支持。

Description

基于人工鱼群无人车行驶与编队控制方法及装置
技术领域
本发明涉及无人驾驶与匝道管控技术领域，特别涉及一种基于人工鱼群的高速公路匝道无人车行驶与编队控制方法、存储介质以及装置。
背景技术
近年来，随着智能交通系统及其附属产业的发展，车联网(IOV)以及车载自组网络(VANET)在软硬件的方面都得到了有质的飞跃。它们在传感、计算、网络、控制、智能化方面有着多项先进技术，为提高道路通行的效率与安全做出了卓越的贡献。
然而，由于经济、政策、技术等多方面的原因，现阶段车联网以及车载自组网络中也存在着诸多缺陷，具体表现为实时数据处理能力低下、信息捕捉算法复杂度与精度无法同时满足要求、网络通信安全协议不足、图像识别能力有限，进而导致交通事故等。
另一方面，从1991年意大利学者Dorigo提出蚁群理论开始，群体智能作为一个较为新颖的概念得到了广大学者的重视，到如今已经有了飞速的发展。群体智能中的“群体”指的是一组既可以相互通信(包括直接通信与间接通信)，又可以互相合作实现分布问题求解的主体。在高速公路匝道处运行的车辆，在VANET的环境下可以进行实时通信。同时，高速公路匝道处的车辆的行驶与编队问题也属于分布问题的范畴。
因此，是否可以通过群体智能的有关算法，结合具体路况，来解决车辆的编队与行驶问题已成了急需解决的技术问题。
发明内容
有鉴于此，本申请提供一种基于人工鱼群的高速公路匝道无人车行驶与编队控制方法、存储介质以及装置。该控制方法在车联网与车载自组网络的基础上，获取车辆信息以及融合的信息资源，通过将群体智能中的人工鱼群模型应用于高速公路匝道的管控上，实现高速公路匝道上无人车的行驶与编队。本发明充分利用了智能车联网的信息资源，可以有效解决无人车在高速公路匝道上的行驶与编队问题，为高速公路匝道的自动管控提供技术性的支持。
具体地，本申请是通过如下技术方案实现的：
一种基于人工鱼群的高速公路匝道无人车行驶与编队控制方法，该方法应用于车载控制装置中，其特征在于，该方法包括：
步骤1，获取所在车辆的状态信息，若接收到来自其他车辆的获取所述状态信息的请求，则向所述其他车辆发送所述状态信息；
步骤2，获取地图信息，并结合所在车辆当前所处的位置，判断所在车辆是否处于匝道出口响应区域中；
步骤3，当所在车辆处于匝道出口响应区域中，则向所述其他车辆发送获取状态信息的请求。
步骤4，计算目的地吸引控制力；
步骤5，计算受影响的控制力；
步骤6，将所述目的地吸引控制力与所述受影响的控制力相加，获得综合控制力；
步骤7，将所述综合控制力应用于车辆的动力控制系统，实现车辆的编队与行驶。
进一步的，所述状态信息包括所在车辆当前所处的位置、车辆当前的行驶速度；
所述匝道出口响应区域为距离匝道出口2000米到3000米的区域。
进一步的，所述向所述其他车辆发送获取状态信息的请求包括：
向所述其他车辆发送获取状态信息的请求，并启动响应计时，若所述响应计时的时长已经超过了预设的最大访问时长，则执行步骤4；
否则，计算所在车辆与其他车辆之间的距离，若该距离在预先设定的感应半径以内，则记录所在车辆与其他车辆之间的距离，若该距离不在预先设定的感应半径以内，则不记录所在车辆与其他车辆之间的距离。
进一步的，步骤4中所述目的地吸引控制力通过如下公式计算：
Figure GDA0002895683940000031
mi表示车辆i的质量；vi(t)表示车辆i在t时刻的瞬时速度，τi为车辆i的灵敏度，v0 i(t)为车辆i在t时刻的需求速度；
若车辆在高速公路匝道出口不驶离，则所述需求速度为巡航速度，若车辆在高速公路匝道出口驶离，则所述需求速度为匝道出口处的最大限速；所述需求速度为符合高速公路交通规则规定的值；
所述目的地的初始值为同向高速公路的无限远处，若车辆在高速公路匝道出口驶离，则将所述目的地变更为所述高速公路匝道出口。
进一步的，步骤5中所述受影响的控制力通过如下公式计算：
Figure GDA0002895683940000032
上述公式中的参数定义如下：
Figure GDA0002895683940000033
表示车辆周围的四个区域，k＝{1，2，3，4}；
Figure GDA0002895683940000034
表示在区域
Figure GDA0002895683940000035
中的车辆集合；
Figure GDA0002895683940000036
λi为参数，其中
Figure GDA0002895683940000037
为1，
Figure GDA0002895683940000038
与
Figure GDA0002895683940000039
为0.5，
Figure GDA00028956839400000310
为0.2；
Figure GDA00028956839400000311
表示t时刻车辆j对车辆i的吸引力，
Figure GDA00028956839400000312
表示t时刻车辆j对车辆i的排斥力。
进一步的，参数λi通过如下公式计算：
Figure GDA0002895683940000041
其中，dij(t)为车辆i与车辆j在t时刻的距离；c为参数，取值范围为(0，1)，初始值设定为0.5，用以修正软硬件设施对算法准确性的干扰；
根据车载软硬件设施的可靠性对参数c的取值进行调整，具体调整方式为车载软硬件设施的可靠性越高，参数c的取值越大。
进一步的，
Figure GDA0002895683940000042
通过如下公式计算：
Figure GDA0002895683940000043
Figure GDA0002895683940000044
Figure GDA0002895683940000045
通过如下公式计算：
Figure GDA0002895683940000046
Figure GDA0002895683940000047
其中，
Figure GDA0002895683940000048
为引力势函数、
Figure GDA0002895683940000049
斥力势函数，pi(t)，pj(t)表示车辆在t时刻的位置信息；
rii为车辆i的物理当量半径，用以表示车辆的大小；
di为车辆i的最大感应距离；
kA与kR分别为引力参数与斥力参数，其中，kA＝1，kR通过如下公式计算：
Figure GDA00028956839400000410
Figure GDA0002895683940000051
进一步的，所述综合控制力的计算公式如下：
Figure GDA0002895683940000052
其中，
Figure GDA0002895683940000053
表示综合控制力，
Figure GDA0002895683940000054
表示所述目的地吸引控制力，
Figure GDA0002895683940000055
表示其它车辆对当前车辆的综合影响控制策略。
在自然界中，群体行为是一种常见行为。像鱼类、鸟类这样的低级生物都拥有自己的生物种群。对于它们的个体而言，其行为相对低级。但它们的群体却是一个有着高度智能化系统的生命种群。本发明正是从鱼群在自然界中的编队特征出发，研究无人车在高速公路匝道口的编队行驶方法。本发明所提出的无人车编队行驶算法使得在车联网的处理对象由个体上升为群体，减少车联网终端处理对象，有望降低车联网有关算法的复杂度，或将高复杂、高精度的算法提升到应用层次，可以有效解决无人车在高速公路匝道的编队与行驶问题，对车联网的进一步发展与无人驾驶的开展具有重要意义。
附图说明
图1为本发明的控制方法的流程示意图；
图2为本发明的车辆周围区域的划分示意图；
图3为本发明的控制装置的结构示意图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
在本申请使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解，尽管在本申请可能采用术语“所在车辆”、“其他车辆”等来描述各种车辆，但这些车辆不应限于这些术语。这些术语仅用来将车辆彼此区分开。例如，在不脱离本申请范围的情况下，所在车辆也可以被称为其他车辆，类似地，其他车辆也可以被称为所在车辆。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
图1为本发明的控制方法的流程示意图。该方法应用于车载控制装置中。该方法包括：
步骤1，获取所在车辆的状态信息，若接收到来自其他车辆的获取所述状态信息的请求，则向所述其他车辆发送所述状态信息。
其中，所述状态信息包括所在车辆当前所处的位置、车辆当前的行驶速度。
步骤2，获取地图信息，并结合所在车辆当前所处的位置，判断所在车辆是否处于匝道出口响应区域中。
其中，所述匝道出口响应区域为距离匝道出口2000米到3000米的区域。
步骤3，当所在车辆处于匝道出口响应区域中，则向所述其他车辆发送获取状态信息的请求。
其中，向所述其他车辆发送获取状态信息的请求具体包括：
向所述其他车辆发送获取状态信息的请求，并启动响应计时，若所述响应计时的时长已经超过了预设的最大访问时长，则执行步骤4；
否则，计算所在车辆与其他车辆之间的距离，若该距离在预先设定的感应半径以内，则记录所在车辆与其他车辆之间的距离，若该距离不在预先设定的感应半径以内，则不记录所在车辆与其他车辆之间的距离。
感应半径用于指示车辆信息的最大传输距离，而响应区域的意义在于判断车辆是否处于匝道附近，两者本身含义上有所区别。只有当车辆处于响应区域时，车辆才会向其他车辆发送信息，此时感应半径才具有意义。
步骤4，计算目的地吸引控制力。
其中，所述目的地吸引控制力通过如下公式计算：
Figure GDA0002895683940000071
Figure GDA0002895683940000072
为目的地吸引控制力，其方向为从车辆与目的地中心连线且指向目的地；mi表示车辆i的质量；vi(t)表示车辆i在t时刻的瞬时速度；τi为车辆i的灵敏度，对于同一辆车，其值一般不变，可从车载设备的参数直接读取；v0 i(t)为车辆i在t时刻的需求速度；
若车辆在高速公路匝道出口不驶离，则所述需求速度为巡航速度va，若车辆在高速公路匝道出口驶离，则所述需求速度为匝道出口处的最大限速vm1；所述需求速度为符合高速公路交通规则规定的值；
对于所述巡航速度va的设定，一般取当前高速路段的最大限速vm1与由最小安全车头间距lmin所确定的安全车速vm2的较小者，即：
va＝min(vm1，vm2)
其中，
Figure GDA0002895683940000073
Q为当前高速路段的交通量。
所述目的地的初始值为同向高速公路的无限远处，若车辆在高速公路匝道出口驶离，则将所述目的地变更为所述高速公路匝道出口。
步骤5，计算受影响的控制力。
其中，所述受影响的控制力通过如下公式计算：
Figure GDA0002895683940000081
上述公式中的参数定义如下：
Figure GDA0002895683940000082
表示车辆周围的四个区域，k＝{1，2，3，4}，车辆周围区域的划分示意图如图2所示；
Figure GDA0002895683940000083
表示在区域
Figure GDA0002895683940000084
中的车辆集合；
Figure GDA0002895683940000085
λi为参数，其中
Figure GDA0002895683940000086
为1，
Figure GDA0002895683940000087
与
Figure GDA0002895683940000088
为0.5，
Figure GDA0002895683940000089
为0.2；
Figure GDA00028956839400000810
表示t时刻车辆j对车辆i的吸引力，
Figure GDA00028956839400000811
表示t时刻车辆j对车辆i的排斥力。
其中参数λi通过如下公式计算：
Figure GDA00028956839400000812
其中，dij(t)为车辆i与车辆j在t时刻的距离；c为参数，取值范围为(0，1)，初始值设定为0.5，用以修正软硬件设施对算法准确性的干扰。
根据车载软硬件设施的可靠性对参数c的取值进行调整，具体调整方式为车载软硬件设施的可靠性越高，参数c的取值越大。
其中，
Figure GDA00028956839400000813
通过如下公式计算：
Figure GDA00028956839400000814
Figure GDA00028956839400000815
Figure GDA00028956839400000816
通过如下公式计算：
Figure GDA00028956839400000817
Figure GDA00028956839400000818
其中，
Figure GDA0002895683940000091
为引力势函数、
Figure GDA0002895683940000092
斥力势函数，pi(t)，pj(t)表示车辆在t时刻的位置信息；
rii为车辆i的物理当量半径，用以表示车辆的大小；
di为车辆i的最大感应距离；
kA与kR分别为引力参数与斥力参数，其中，kA＝1，kR通过如下公式计算：
Figure GDA0002895683940000093
步骤6，将所述目的地吸引控制力与所述受影响的控制力相加，获得综合控制力。
其中，所述综合控制力的计算公式如下：
Figure GDA0002895683940000094
其中，
Figure GDA0002895683940000095
表示综合控制力，
Figure GDA0002895683940000096
表示所述目的地吸引控制力。
步骤7，将所述综合控制力
Figure GDA0002895683940000097
应用于车辆的动力控制系统，实现车辆的编队与行驶。
其中，
Figure GDA0002895683940000098
为矢量力，其大小为
Figure GDA0002895683940000099
假设其与行驶方向的夹角为θ，则利用车辆的横纵向综合控制，产生大小为
Figure GDA00028956839400000910
方向为θ的控制加速度。本发明利用现有的横纵向综合控制车辆的运动，使得车辆在每时每刻都按照本发明所提及的控制方法进行运动，可实现车辆的编队与行驶。本申请控制方法的实现装置的实施例可以应用在车载装置上。装置实施例可以通过软件实现，也可以通过硬件或者软硬件结合的方式实现。以软件实现为例，作为一个逻辑意义上的装置，是通过其所在车载装置的处理器将非易失性存储器中对应的计算机程序指令读取到内存中运行形成的。从硬件层面而言，如图3所示，为本申请控制方法的实现装置所在车载设备的一种硬件结构图，除了图所示的处理器、非易失性存储器之外、还包括至少一个通信接口，实施例中车载装置通常根据实际功能，还可以包括其他硬件，对此不再赘述。
对于装置实施例而言，由于其基本对应于方法实施例，所以相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个分立单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本申请方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
以上所述仅为本申请的较佳实施例而已，并不用以限制本申请，凡在本申请的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本申请保护的范围之内。

Claims (6)

1.一种基于人工鱼群的高速公路匝道无人车行驶与编队控制方法，该方法应用于车载控制装置中，其特征在于，该方法包括：
步骤1，获取所在车辆的状态信息，若接收到来自其他车辆的获取所述状态信息的请求，则向所述其他车辆发送所述状态信息；
步骤2，获取地图信息，并结合所在车辆当前所处的位置，判断所在车辆是否处于匝道出口响应区域中；
步骤3，当所在车辆处于匝道出口响应区域中，则向所述其他车辆发送获取状态信息的请求；
步骤4，计算目的地吸引控制力；
步骤5，计算受影响的控制力；
步骤6，将所述目的地吸引控制力与所述受影响的控制力相加，获得综合控制力；
步骤7，将所述综合控制力应用于车辆的动力控制系统，实现车辆的编队与行驶；
步骤5中所述受影响的控制力通过如下公式计算：
Figure FDA0002715049030000011
上述公式中的参数定义如下：
Figure FDA0002715049030000012
表示车辆周围的四个区域，k＝{1,2,3,4}；
Figure FDA0002715049030000013
表示在区域
Figure FDA0002715049030000014
中的车辆集合；
Figure FDA0002715049030000015
λi为参数，其中
Figure FDA0002715049030000016
为1，
Figure FDA0002715049030000017
与
Figure FDA0002715049030000018
为0.5，
Figure FDA0002715049030000019
为0.2；
Figure FDA00027150490300000110
表示t时刻车辆j对车辆i的吸引力，
Figure FDA00027150490300000111
表示t时刻车辆j对车辆i的排斥力；
参数λi通过如下公式计算：
Figure FDA0002715049030000021
其中，dij(t)为车辆i与车辆j在t时刻的距离；c为参数，取值范围为(0,1)，初始值设定为0.5，用以修正软硬件设施对算法准确性的干扰；
根据车载软硬件设施的可靠性对参数c的取值进行调整，具体调整方式为车载软硬件设施的可靠性越高，参数c的取值越大；
Figure FDA0002715049030000022
通过如下公式计算：
Figure FDA0002715049030000023
Figure FDA0002715049030000024
Figure FDA0002715049030000025
通过如下公式计算：
Figure FDA0002715049030000026
Figure FDA0002715049030000027
其中，
Figure FDA0002715049030000028
为引力势函数、
Figure FDA0002715049030000029
斥力势函数，pi(t),pj(t)表示车辆在t时刻的位置信息；
ri为车辆i的物理当量半径，用以表示车辆的大小；
di为车辆i的最大感应距离；
kA与kR分别为引力参数与斥力参数，其中，kA＝1，kR通过如下公式计算：
Figure FDA0002715049030000031
所述综合控制力的计算公式如下：
Figure FDA0002715049030000032
其中，
Figure FDA0002715049030000033
表示综合控制力，
Figure FDA0002715049030000034
表示所述目的地吸引控制力，
Figure FDA0002715049030000035
表示受影响的控制力。
2.根据权利要求1所述的控制方法，其特征在于：
所述状态信息包括所在车辆当前所处的位置、车辆当前的行驶速度；
所述匝道出口响应区域为距离匝道出口2000米到3000米的区域。
3.根据权利要求1所述的控制方法，其特征在于，所述向所述其他车辆发送获取状态信息的请求包括：
向所述其他车辆发送获取状态信息的请求，并启动响应计时，若所述响应计时的时长已经超过了预设的最大访问时长，则执行步骤4；
否则，计算所在车辆与其他车辆之间的距离，若该距离在预先设定的感应半径以内，则记录所在车辆与其他车辆之间的距离，若该距离不在预先设定的感应半径以内，则不记录所在车辆与其他车辆之间的距离。
4.根据权利要求1所述的控制方法，其特征在于，步骤4中所述目的地吸引控制力通过如下公式计算：
Figure FDA0002715049030000041
mi表示车辆i的质量；vi(t)表示车辆i在t时刻的瞬时速度，τi为车辆i的灵敏度，v0 i(t)为车辆i在t时刻的需求速度；
若车辆在高速公路匝道出口不驶离，则所述需求速度为巡航速度，若车辆在高速公路匝道出口驶离，则所述需求速度为匝道出口处的最大限速；所述需求速度为符合高速公路交通规则规定的值；
所述目的地的初始值为同向高速公路的无限远处，若车辆在高速公路匝道出口驶离，则将所述目的地变更为所述高速公路匝道出口。
5.一种计算机可读存储介质，其上存储有计算机指令，其特征在于，该指令被处理器执行时实现权利要求1-4任一项所述的控制方法。
6.一种控制装置，该装置包括处理器、非易失性存储器以及至少一个通信接口，其特征在于，所述处理器被配置为执行所述存储器中的可执行指令以实现权利要求1-4任一项所述的控制方法。
CN201910294948.5A 2019-04-12 2019-04-12 基于人工鱼群无人车行驶与编队控制方法及装置 Active CN109903551B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910294948.5A CN109903551B (zh) 2019-04-12 2019-04-12 基于人工鱼群无人车行驶与编队控制方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910294948.5A CN109903551B (zh) 2019-04-12 2019-04-12 基于人工鱼群无人车行驶与编队控制方法及装置

Publications (2)

Publication Number Publication Date
CN109903551A CN109903551A (zh) 2019-06-18
CN109903551B true CN109903551B (zh) 2021-04-02

Family

ID=66954775

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910294948.5A Active CN109903551B (zh) 2019-04-12 2019-04-12 基于人工鱼群无人车行驶与编队控制方法及装置

Country Status (1)

Country Link
CN (1) CN109903551B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112004208B (zh) * 2020-06-07 2021-07-20 西南民族大学 车联网中人工鱼群分簇方法、存储介质和装置
CN113593225B (zh) * 2021-07-21 2022-09-06 同济大学 一种面向纯网联环境的单点交叉口车辆控制方法
CN116798232B (zh) * 2023-08-09 2024-03-26 重庆邮电大学 一种联合车辆优先级和人工鱼群的多车协同决策系统

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104616541A (zh) * 2015-02-03 2015-05-13 吉林大学 基于鱼群效应的无信号交叉口车车协同控制系统
CN105551306A (zh) * 2016-02-23 2016-05-04 江苏大学 一种基于鱼群效应的车队避撞系统以及避撞方法
CN106781551B (zh) * 2017-03-08 2019-04-30 东南大学 车联网环境下的高速公路出入口匝道联合控制系统及方法
CN108011947B (zh) * 2017-11-30 2020-11-24 湖北汽车工业学院 一种车辆协作式编队行驶系统

Also Published As

Publication number Publication date
CN109903551A (zh) 2019-06-18

Similar Documents

Publication Publication Date Title
EP3965004B1 (en) Automatic lane changing method and device, and storage medium
CN109903551B (zh) 基于人工鱼群无人车行驶与编队控制方法及装置
CN112133089B (zh) 一种基于周围环境与行为意图的车辆轨迹预测方法、系统及装置
CN108216236B (zh) 车辆控制方法、装置、车辆及存储介质
US11899454B2 (en) Objective-based reasoning in autonomous vehicle decision-making
CN112660128B (zh) 用于确定自动驾驶车辆的车道变更路径的设备及其方法
CN111311959A (zh) 多路口协同控制方法、装置、电子设备及存储介质
US20230053459A1 (en) Vehicle-based data processing method and apparatus, computer, and storage medium
WO2022156309A1 (zh) 一种轨迹预测方法、装置及地图
CN114644016A (zh) 车辆自动驾驶决策方法、装置、车载终端和存储介质
CN113167038B (zh) 一种车辆通过道闸横杆的方法及装置
US11613269B2 (en) Learning safety and human-centered constraints in autonomous vehicles
CN113968242B (zh) 自动驾驶场景生成方法、装置及系统
CN115329865A (zh) 基于多核学习支持向量机的行驶工况识别方法
CN114932918A (zh) 一种智能网联车在各种路况下行驶的行为决策方法及系统
CN110646007B (zh) 一种基于形式化表示的车辆驾驶方法
SE1650608A1 (en) Method and control unit for a vehicle
CN115136081A (zh) 用于训练用于机动车的控制器的至少一个算法的方法、用于优化区域中的交通流的方法、计算机程序产品以及机动车
US20230090338A1 (en) Method and system for evaluation and development of automated driving system features or functions
WO2021229671A1 (ja) 走行支援装置および走行支援方法
CN113190014A (zh) 协同车辆编队方法、装置及终端设备
CN113253728B (zh) 管控响应式分布式车辆协同编队方法、装置及终端设备
CN117973457B (zh) 自动驾驶感知场景下基于推理相似性的联邦学习方法
EP4152153A1 (en) Method and system for evaluation and development of automated driving system features
EP4361819A1 (en) Methods and apparatuses for closed-loop evaluation for autonomous vehicles

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