CN109948801A - 基于驾驶员换道心理分析的车辆换道概率输出模型建立方法 - Google Patents
基于驾驶员换道心理分析的车辆换道概率输出模型建立方法 Download PDFInfo
- Publication number
- CN109948801A CN109948801A CN201910117515.2A CN201910117515A CN109948801A CN 109948801 A CN109948801 A CN 109948801A CN 201910117515 A CN201910117515 A CN 201910117515A CN 109948801 A CN109948801 A CN 109948801A
- Authority
- CN
- China
- Prior art keywords
- lane
- change
- driver
- vehicle
- probability
- 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
Abstract
基于驾驶员换道心理分析的车辆换道概率输出模型建立方法,包括:步骤1,获取当前时刻t时换道车辆j和车A之间的车间距di,j(t),和车B之间的前车距dfron(j,t),以及和车C之间的后车距dbeh(j,t);获取当前时刻换道车辆j的速度vi,j(t),车C的速度vj(beh,t);步骤2,建立基于驾驶员换道心理分析的模糊逻辑换道概率输出模型;步骤3,判断车辆j驾驶员处于自由换道还是强制换道;如果处于自由换道进入步骤4,如果处于强制换道进入步骤5;步骤4,结合对驾驶员换道心理分析,设计自由换道中的模糊控制器的输入和输出;步骤5,设计强制换道中的模糊控制器的输入和输出。
Description
技术领域
本发明涉及一种基于驾驶员换道心理分析的车辆换道概率输出模型建立方法。
背景技术
城市交通系统是人类社会生活以及社会经济活动的重要组成部分。随着我国社会经济建设的飞速发展,亟待解决的问题是要利用科学的手段来缓解和预防城市交通拥堵。其中,首要的工作是深入研究交通现状,并揭示交通拥堵现象产生的内在机理,然后通过分析交通流的运行方式及基本特征,提出改进的交通系统模型,并制定更好的控制策略,提高城市居民的出行效率,从而减少交通资源的浪费,减少交通堵塞等现象的产生的几率,促进社会的和谐发展。因此,对交通流理论的研究必不可少。交通流理论的研究目标是要建立能够描述实际交通一般特性的交通流模型,揭示交通流的基本规律。开展交通流理论的研究,不仅有着深远的科学意义,而且具有重要的工程应用价值。
换道模型作为交通流理论模型中重要的基础细节之一,目前相关研究并不成熟。国内外的一些学者也做了很多研究,但都没有得到广泛的应用,究其原因,除了换道行为本身的复杂性外,模型的建立前提也存在很大的局限性。近年来,元胞自动机的理论被应用到很多的领域,由于它能很好的描述交通流这类非线性现象,而出现很多基于元胞自动机的交通模型。而考虑到换道中车道变换的本质是一种决策思维过程,模糊控制采用语言变量进行近似推理的方法,很适合描述这类主要由人做决定的主观判断过程。因此在元胞自动机的基础上基于模糊逻辑的换道模型能更好的仿真交通换道行为。
目前国内外的模糊换道模型仅仅选用多个单一的参数(例如相对间距、相对速度、最迟换道距离、驾驶员性格等)作为模糊推理系统的输入变量,选用的特征参数缺乏讨论,而且没有针对不同交通场景下驾驶员的驾驶行为和换道心理进行分析,存在模型普适性较差且无法真实反映交通流的实际状况的问题。因此,设计一种基于驾驶员换道心理分析的车辆换道概率输出模型,对城市交通流基础模型的搭建具有较强的实用价值和理论意义。
发明内容
本发明要克服现有技术的上述缺点,提供一种基于驾驶员换道心理分析的车辆换道概率输出模型建立方法,以便能够更真实地模拟出城市道路中车辆的换道行为,使得车辆换道模型更具普适性。
本发明的技术方案为一种基于驾驶员换道心理分析的车辆换道概率输出模型建立方法,包括以下步骤,其中设换道车辆为j,最大车速为5cells/s,其当前车道前车为A,其换道目标车道前车为B,换道目标车道后车为C:
步骤1,获取当前时刻t时换道车辆j和车A之间的车间距di,j(t),和车B之间的前车距dfron(j,t),以及和车C之间的后车距dbeh(j,t)。获取当前时刻换道车辆j的速度vi,j(t),车C的速度vj(beh,t)。
步骤2,定义换道安全预判车距表示车辆j的驾驶员如果执行换道后自车后车之间的间距,计算公式如式(1)所示。
在安全换道的前提下,对驾驶员的换道心理进行分析:在满足换道安全的条件下,驾驶员更倾向于越小影响后车行驶的换道行为,以避免交通事故的发生。因此建立车辆j的换道概率输出模型如式(2)所示。
其中Plc是驾驶员在不同下的换道概率。这里存在三种情况:
①说明若车辆j换道后,不影响后车的正常行驶,驾驶员在产生换道动机的前提下,一定会换道,即Plc=1;
②说明车辆换道后会影响后车的正常行驶,此时换道驾驶员存在一个与后车博弈的心理,仍有一定概率α换道;
③说明车辆不满足换道安全条件,不能换道。
当时,进入步骤3,否则输出换道概率Plc。驾驶员的换道操作本质是一种决策思维过程,模糊逻辑思想很适合描述这类由人做决定的主观判断过程。因此,针对情况②,采用模糊逻辑思想输出换道概率α,由此建立基于驾驶员换道心理分析的模糊逻辑换道概率输出模型。
步骤3,判断车辆j驾驶员处于自由换道还是强制换道。如果处于自由换道进入步骤4,如果处于强制换道进入步骤5。自由换道与强制换道的本质区别在于前者即使在原车道上也能完成行驶任务。
步骤4,自由换道是指驾驶员为追求更好的驾驶环境(一般为更高的车速)所采取的换道行为,由驾驶员主观自由选择是否换道。而在追求更高车速的同时,驾驶员更倾向于越小影响后车行驶的换道行为,以避免发生交通事故。结合对驾驶员换道心理分析,设计自由换道中的模糊控制器的输入和输出如式(3)所示,换道概率模糊控制器的输入为x0和x1,输出为换道概率α。
其中x0表示车辆j换道对后车正常行驶的影响程度;x1表示车辆j换道后可以提升的速度,可以表征换道对驾驶员的诱惑程度。
由于车辆j最大车速为5cells/s,因此x0的基本论域为[1,4],将其离散化取论域V0={1,2,3,4},定义描述换道对后车影响的模糊子集Ai,该离散论域上的隶属度用表格法描述如下:
表1x0的隶属函数离散化表
x<sub>0</sub> | 1 | 2 | 3 | 4 |
q<sub>0</sub> | 1 | 0.75 | 0.5 | 0.25 |
表中q0为表示换道对后车影响小的隶属度。q0越高,说明后车受换道减速行驶影响越小,驾驶员越趋于换道。
同理,x1的论域V1={1,2,3,4}(x1∈min(x1,4)),定义描述换道对自车速度提升的模糊子集Bi,该离散论域上的隶属度用表格法描述如下:
表2x1的隶属函数离散化表
x<sub>1</sub> | 1 | 2 | 3 | 4 |
q<sub>1</sub> | 0.25 | 0.5 | 0.75 | 1 |
表中q1为表示换道对车辆速度提升高的隶属度。q1越高,说明车辆换道后可提升的速度越大,换道对驾驶员的诱惑力越大,驾驶员越趋于换道。
换道概率α的输出与两个输入的权重有关。不同驾驶员驾驶风格的差异(冒进或者保守)也会造成换道概率输出的不同,采用广泛的问卷调查,结合驾驶员性格分类,确定模糊控制器的输入权重。针对驾驶员性格的差异性,将驾驶员分成3类,冒进型、普通型和保守型,并结合问卷调查结果分别确定每种驾驶员性格的所对应的模糊控制器的输入权重ε0和ε1,则相应驾驶员性格所对应的换道概率α的输出函数如式(4)所示。
则模糊控制器的输出α即为当时,在自由换道环境中,车辆j的换道概率Plc。
步骤5,强制换道是指由于外部客观环境或驾驶员驾驶路线需求,需在特定的时间、区域内必须执行换道操作。与自由换道不同,在强制换道环境下,驾驶员不是追求更高的速度而是驾驶员有目的性的行驶到另一车道。当车辆不能换道时,会以前车或者最迟换道位置作为跟驰对象,并尝试在下一时刻换道,若一直无法换道,车辆将最终停在最迟换道位置等待直到满足换道条件。因此在强制换道环境中,车辆只需满足换道安全条件就有概率发生换道,而同样驾驶员更倾向于越小影响后车行驶的换道行为,以避免发生交通事故。通过对驾驶员在强制换道中的换道心理分析,在强制换道模型中引入了换道压力概念,与带约束条件下的换道时间窗有关。定义换道压力系数ζ如式(5)所示。
其中Δt为当前时刻强制换道车辆j剩余的换道时间窗;T为总换道时间窗;β为严格时间窗换道系数;ζ为换道压力系数,系数越大,换道压力越大,驾驶员越趋于换道。β表示驾驶员在较少时间窗下换道压力增加的影响系数,它被描述如下:
其中θt为严格时间窗阈值,不同性格的驾驶员的θt不同;定义当Δt<θt时为严格时间窗,反之为宽松时间窗。在严格时间窗下,β为0~1之间的随机数,这是考虑到了不同驾驶员换道心理的差异性。
由此,设计强制换道中的模糊控制器的输入和输出如式(7)所示,换道概率模糊控制器的输入为x0和x1,输出为换道概率α。
其中x0表示车辆j换道对后车正常行驶的影响程度;x1为换道压力系数,可以表征驾驶员的换道压力程度。
与自由换道中的模糊控制器输入设计同理,x0的隶属函数离散化表如下所示:
表3x0的隶属函数离散化表
x<sub>0</sub> | 1 | 2 | 3 | 4 |
q<sub>0</sub> | 1 | 0.75 | 0.5 | 0.25 |
表中q0为表示换道对后车影响小的隶属度。q0越高,说明后车受换道减速行驶影响越小,驾驶员越趋于换道。
与自由换道同理,强制换道环境中的换道概率α的输出与两个输入的权重有关。针对驾驶员性格的差异性,将驾驶员分成3类,冒进型、普通型和保守型,并结合问卷调查结果分别确定每种驾驶员性格的所对应的模糊控制器的输入权重ε0和ε1,则相应驾驶员性格所对应的换道概率α的输出函数如式(8)所示。
模糊控制器的输出α即为当时,在强制换道环境中,车辆j的换道概率Plc。
本发明的有益效果是:提供了一种基于驾驶员换道心理分析的车辆换道概率输出模型建立方法,更真实地模拟出城市道路中车辆的换道行为,使得车辆换道模型更具普适性,对城市交通流基础模型的搭建具有较强的实用价值和理论意义。
附图说明
图1是本发明的换道车辆j和车辆A、B、C的位置和间距示意图。
图2是本发明的基于驾驶员换道心理分析的车辆换道概率输出实现流程图。
具体实施方法
以下结合附图对本发明作进一步描述,所举实例只用于解释本发明,并非用于限定本发明的范围。
参照图1~图2,本发明的技术方案为一种基于驾驶员换道心理分析的车辆换道概率输出模型建立方法。设换道车辆为j,最大车速为5cells/s,其当前车道前车为A,其换道目标车道前车为B,换道目标车道后车为C,执行以下步骤:
步骤1,获取当前时刻t时换道车辆j和车A之间的车间距di,j(t),和车B之间的前车距dfron(j,t),以及和车C之间的后车距dbeh(j,t),见图1。获取当前时刻换道车辆j的速度vi,j(t),车C的速度vj(beh,t)。
步骤2,定义换道安全预判车距表示车辆j的驾驶员如果执行换道后自车后车之间的间距,计算公式如式(1)所示。
在安全换道的前提下,对驾驶员的换道心理进行分析:在满足换道安全的条件下,驾驶员更倾向于越小影响后车行驶的换道行为,以避免交通事故的发生。因此建立车辆j的换道概率输出模型如式(2)所示。
其中Plc是驾驶员在不同下的换道概率。这里存在三种情况:
①说明若车辆j换道后,不影响后车的正常行驶,驾驶员在产生换道动机的前提下,一定会换道,即Plc=1;
②说明车辆换道后会影响后车的正常行驶,此时换道驾驶员存在一个与后车博弈的心理,仍有一定概率α换道;
③说明车辆不满足换道安全条件,不能换道。
当时,进入步骤3,否则输出换道概率Plc。驾驶员的换道操作本质是一种决策思维过程,模糊逻辑思想很适合描述这类由人做决定的主观判断过程。因此,针对情况②,采用模糊逻辑思想输出换道概率α,由此建立基于驾驶员换道心理分析的模糊逻辑换道概率输出模型。
步骤3,判断车辆j驾驶员处于自由换道还是强制换道。如果处于自由换道进入步骤4,如果处于强制换道进入步骤5。自由换道与强制换道的本质区别在于前者即使在原车道上也能完成行驶任务。
步骤4,自由换道是指驾驶员为追求更好的驾驶环境(一般为更高的车速)所采取的换道行为,由驾驶员主观自由选择是否换道。而在追求更高车速的同时,驾驶员更倾向于越小影响后车行驶的换道行为,以避免发生交通事故。结合对驾驶员换道心理分析,设计自由换道中的模糊控制器的输入和输出如式(3)所示,换道概率模糊控制器的输入为x0和x1,输出为换道概率α。
其中x0表示车辆j换道对后车正常行驶的影响程度;x1表示车辆j换道后可以提升的速度,可以表征换道对驾驶员的诱惑程度。
由于车辆j最大车速为5cells/s,因此x0的基本论域为[1,4],将其离散化取论域V0={1,2,3,4},定义描述换道对后车影响的模糊子集Ai,该离散论域上的隶属度用表格法描述如下:
表1x0的隶属函数离散化表
x<sub>0</sub> | 1 | 2 | 3 | 4 |
q<sub>0</sub> | 1 | 0.75 | 0.5 | 0.25 |
表中q0为表示换道对后车影响小的隶属度。q0越高,说明后车受换道减速行驶影响越小,驾驶员越趋于换道。
同理,x1的论域V1={1,2,3,4}(x1∈min(x1,4)),定义描述换道对自车速度提升的模糊子集Bi,该离散论域上的隶属度用表格法描述如下:
表2x1的隶属函数离散化表
x<sub>1</sub> | 1 | 2 | 3 | 4 |
q<sub>1</sub> | 0.25 | 0.5 | 0.75 | 1 |
表中q1为表示换道对车辆速度提升高的隶属度。q1越高,说明车辆换道后可提升的速度越大,换道对驾驶员的诱惑力越大,驾驶员越趋于换道。
换道概率α的输出与两个输入的权重有关。不同驾驶员驾驶风格的差异(冒进或者保守)也会造成换道概率输出的不同,采用广泛的问卷调查,结合驾驶员性格分类,确定模糊控制器的输入权重。针对驾驶员性格的差异性,将驾驶员分成3类,冒进型、普通型和保守型,并结合问卷调查结果分别确定每种驾驶员性格的所对应的模糊控制器的输入权重ε0和ε1,则相应驾驶员性格所对应的换道概率α的输出函数如式(4)所示。
则模糊控制器的输出α即为当时,在自由换道环境中,车辆j的换道概率Plc。
步骤5,强制换道是指由于外部客观环境或驾驶员驾驶路线需求,需在特定的时间、区域内必须执行换道操作。与自由换道不同,在强制换道环境下,驾驶员不是追求更高的速度而是驾驶员有目的性的行驶到另一车道。当车辆不能换道时,会以前车或者最迟换道位置作为跟驰对象,并尝试在下一时刻换道,若一直无法换道,车辆将最终停在最迟换道位置等待直到满足换道条件。因此在强制换道环境中,车辆只需满足换道安全条件就有概率发生换道,而同样驾驶员更倾向于越小影响后车行驶的换道行为,以避免发生交通事故。通过对驾驶员在强制换道中的换道心理分析,在强制换道模型中引入了换道压力概念,与带约束条件下的换道时间窗有关。定义换道压力系数ζ如式(5)所示。
其中Δt为当前时刻强制换道车辆j剩余的换道时间窗;T为总换道时间窗;β为严格时间窗换道系数;ζ为换道压力系数,系数越大,换道压力越大,驾驶员越趋于换道。β表示驾驶员在较少时间窗下换道压力增加的影响系数,它被描述如下:
其中θt为严格时间窗阈值,不同性格的驾驶员的θt不同;定义当Δt<θt时为严格时间窗,反之为宽松时间窗。在严格时间窗下,β为0~1之间的随机数,这是考虑到了不同驾驶员换道心理的差异性。
由此,设计强制换道中的模糊控制器的输入和输出如式(7)所示,换道概率模糊控制器的输入为x0和x1,输出为换道概率α。
其中x0表示车辆j换道对后车正常行驶的影响程度;x1为换道压力系数,可以表征驾驶员的换道压力程度。
与自由换道中的模糊控制器输入设计同理,x0的隶属函数离散化表如下所示:
表3x0的隶属函数离散化表
x<sub>0</sub> | 1 | 2 | 3 | 4 |
q<sub>0</sub> | 1 | 0.75 | 0.5 | 0.25 |
表中q0为表示换道对后车影响小的隶属度。q0越高,说明后车受换道减速行驶影响越小,驾驶员越趋于换道。
与自由换道同理,强制换道环境中的换道概率α的输出与两个输入的权重有关。针对驾驶员性格的差异性,将驾驶员分成3类,冒进型、普通型和保守型,并结合问卷调查结果分别确定每种驾驶员性格的所对应的模糊控制器的输入权重ε0和ε1,则相应驾驶员性格所对应的换道概率α的输出函数如式(8)所示。
模糊控制器的输出α即为当时,在强制换道环境中,车辆j的换道概率Plc。
以上的基于驾驶员换道心理分析的车辆换道概率输出实现流程如图2所示。
本说明书实施例所述的内容仅仅是对发明构思的实现形式的列举,本发明的保护范围不应当被视为仅限于实施例所陈述的具体形式,本发明的保护范围也及于本领域技术人员根据本发明构思所能够想到的等同技术手段。
Claims (1)
1.基于驾驶员换道心理分析的车辆换道概率输出模型建立方法,包括以下步骤,其中设换道车辆为j,最大车速为5cells/s,其当前车道前车为A,其换道目标车道前车为B,换道目标车道后车为C:
步骤1,获取当前时刻t时换道车辆j和车A之间的车间距di,j(t),和车B之间的前车距dfron(j,t),以及和车C之间的后车距dbeh(j,t);获取当前时刻换道车辆j的速度vi,j(t),车C的速度vj(beh,t);
步骤2,定义换道安全预判车距,表示车辆j的驾驶员如果执行换道后自车后车之间的间距,计算公式如式(1)所示;
在安全换道的前提下,对驾驶员的换道心理进行分析:在满足换道安全的条件下,驾驶员更倾向于越小影响后车行驶的换道行为,以避免交通事故的发生;因此建立车辆j的换道概率输出模型如式(2)所示;
其中Plc是驾驶员在不同下的换道概率;这里存在三种情况:
①说明若车辆j换道后,不影响后车的正常行驶,驾驶员在产生换道动机的前提下,一定会换道,即Plc=1;
②说明车辆换道后会影响后车的正常行驶,此时换道驾驶员存在一个与后车博弈的心理,仍有一定概率α换道;
③说明车辆不满足换道安全条件,不能换道;
当时,进入步骤3,否则输出换道概率Plc;驾驶员的换道操作本质是一种决策思维过程,模糊逻辑思想很适合描述这类由人做决定的主观判断过程;因此,针对情况②,采用模糊逻辑思想输出换道概率α,由此建立基于驾驶员换道心理分析的模糊逻辑换道概率输出模型;
步骤3,判断车辆j驾驶员处于自由换道还是强制换道;如果处于自由换道进入步骤4,如果处于强制换道进入步骤5;自由换道与强制换道的本质区别在于前者即使在原车道上也能完成行驶任务;
步骤4,自由换道是指驾驶员为追求更好的驾驶环境(一般为更高的车速)所采取的换道行为,由驾驶员主观自由选择是否换道;而在追求更高车速的同时,驾驶员更倾向于越小影响后车行驶的换道行为,以避免发生交通事故;结合对驾驶员换道心理分析,设计自由换道中的模糊控制器的输入和输出如式(3)所示,换道概率模糊控制器的输入为x0和x1,输出为换道概率α;
其中x0表示车辆j换道对后车正常行驶的影响程度;x1表示车辆j换道后可以提升的速度,可以表征换道对驾驶员的诱惑程度;
由于车辆j最大车速为5cells/s,因此x0的基本论域为[1,4],将其离散化取论域V0={1,2,3,4},定义描述换道对后车影响的模糊子集Ai,该离散论域上的隶属度用表格法描述如下:
表1 x0的隶属函数离散化表
表中q0为表示换道对后车影响小的隶属度;q0越高,说明后车受换道减速行驶影响越小,驾驶员越趋于换道;
同理,x1的论域V1={1,2,3,4}(x1∈min(x1,4)),定义描述换道对自车速度提升的模糊子集Bi,该离散论域上的隶属度用表格法描述如下:
表2 x1的隶属函数离散化表
表中q1为表示换道对车辆速度提升高的隶属度;q1越高,说明车辆换道后可提升的速度越大,换道对驾驶员的诱惑力越大,驾驶员越趋于换道;
换道概率α的输出与两个输入的权重有关;不同驾驶员驾驶风格的差异(冒进或者保守)也会造成换道概率输出的不同,采用广泛的问卷调查,结合驾驶员性格分类,确定模糊控制器的输入权重;针对驾驶员性格的差异性,将驾驶员分成3类,冒进型、普通型和保守型,并结合问卷调查结果分别确定每种驾驶员性格的所对应的模糊控制器的输入权重ε0和ε1,则相应驾驶员性格所对应的换道概率α的输出函数如式(4)所示;
则模糊控制器的输出α即为当时,在自由换道环境中,车辆j的换道概率Plc;
步骤5,强制换道是指由于外部客观环境或驾驶员驾驶路线需求,需在特定的时间、区域内必须执行换道操作;与自由换道不同,在强制换道环境下,驾驶员不是追求更高的速度而是驾驶员有目的性的行驶到另一车道;当车辆不能换道时,会以前车或者最迟换道位置作为跟驰对象,并尝试在下一时刻换道,若一直无法换道,车辆将最终停在最迟换道位置等待直到满足换道条件;因此在强制换道环境中,车辆只需满足换道安全条件就有概率发生换道,而同样驾驶员更倾向于越小影响后车行驶的换道行为,以避免发生交通事故;通过对驾驶员在强制换道中的换道心理分析,在强制换道模型中引入了换道压力概念,与带约束条件下的换道时间窗有关;定义换道压力系数ζ如式(5)所示;
其中Δt为当前时刻强制换道车辆j剩余的换道时间窗;T为总换道时间窗;β为严格时间窗换道系数;ζ为换道压力系数,系数越大,换道压力越大,驾驶员越趋于换道;β表示驾驶员在较少时间窗下换道压力增加的影响系数,它被描述如下:
其中θt为严格时间窗阈值,不同性格的驾驶员的θt不同;定义当Δt<θt时为严格时间窗,反之为宽松时间窗;在严格时间窗下,β为0~1之间的随机数,这是考虑到了不同驾驶员换道心理的差异性;
由此,设计强制换道中的模糊控制器的输入和输出如式(7)所示,换道概率模糊控制器的输入为x0和x1,输出为换道概率α;
其中x0表示车辆j换道对后车正常行驶的影响程度;x1为换道压力系数,可以表征驾驶员的换道压力程度;
与自由换道中的模糊控制器输入设计同理,x0的隶属函数离散化表如下所示:
表3 x0的隶属函数离散化表
表中q0为表示换道对后车影响小的隶属度;q0越高,说明后车受换道减速行驶影响越小,驾驶员越趋于换道;
与自由换道同理,强制换道环境中的换道概率α的输出与两个输入的权重有关;针对驾驶员性格的差异性,将驾驶员分成3类,冒进型、普通型和保守型,并结合问卷调查结果分别确定每种驾驶员性格的所对应的模糊控制器的输入权重ε0和ε1,则相应驾驶员性格所对应的换道概率α的输出函数如式(8)所示;
模糊控制器的输出α即为当时,在强制换道环境中,车辆j的换道概率Plc。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910117515.2A CN109948801A (zh) | 2019-02-15 | 2019-02-15 | 基于驾驶员换道心理分析的车辆换道概率输出模型建立方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910117515.2A CN109948801A (zh) | 2019-02-15 | 2019-02-15 | 基于驾驶员换道心理分析的车辆换道概率输出模型建立方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109948801A true CN109948801A (zh) | 2019-06-28 |
Family
ID=67006815
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910117515.2A Pending CN109948801A (zh) | 2019-02-15 | 2019-02-15 | 基于驾驶员换道心理分析的车辆换道概率输出模型建立方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109948801A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110362910A (zh) * | 2019-07-05 | 2019-10-22 | 西南交通大学 | 基于博弈论的自动驾驶车辆换道冲突协调模型建立方法 |
CN110525446A (zh) * | 2019-09-06 | 2019-12-03 | 山东理工大学 | 一种考虑情绪的汽车强制换道决策安全预警方法 |
CN110962853A (zh) * | 2019-11-25 | 2020-04-07 | 浙江工业大学 | 一种车联网环境下车辆博弈换道协作方法 |
CN111413973A (zh) * | 2020-03-26 | 2020-07-14 | 北京汽车集团有限公司 | 车辆的换道决策方法及装置、电子设备、存储介质 |
CN111994088A (zh) * | 2020-09-02 | 2020-11-27 | 中国科学技术大学 | 基于混合策略博弈的驾驶人换道意图识别方法及系统 |
CN112396120A (zh) * | 2020-11-25 | 2021-02-23 | 浙江天行健智能科技有限公司 | 一种基于svm算法的车辆换道意图识别建模方法 |
CN112416004A (zh) * | 2020-11-19 | 2021-02-26 | 腾讯科技(深圳)有限公司 | 一种基于自动驾驶的控制方法、装置、车辆以及相关设备 |
WO2021047438A1 (zh) * | 2019-09-09 | 2021-03-18 | 腾讯科技(深圳)有限公司 | 一种仿真车辆换道轨迹的构建方法、装置、设备及存储介质 |
-
2019
- 2019-02-15 CN CN201910117515.2A patent/CN109948801A/zh active Pending
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110362910A (zh) * | 2019-07-05 | 2019-10-22 | 西南交通大学 | 基于博弈论的自动驾驶车辆换道冲突协调模型建立方法 |
CN110362910B (zh) * | 2019-07-05 | 2021-07-16 | 西南交通大学 | 基于博弈论的自动驾驶车辆换道冲突协调模型建立方法 |
CN110525446A (zh) * | 2019-09-06 | 2019-12-03 | 山东理工大学 | 一种考虑情绪的汽车强制换道决策安全预警方法 |
WO2021047438A1 (zh) * | 2019-09-09 | 2021-03-18 | 腾讯科技(深圳)有限公司 | 一种仿真车辆换道轨迹的构建方法、装置、设备及存储介质 |
CN110962853A (zh) * | 2019-11-25 | 2020-04-07 | 浙江工业大学 | 一种车联网环境下车辆博弈换道协作方法 |
CN111413973A (zh) * | 2020-03-26 | 2020-07-14 | 北京汽车集团有限公司 | 车辆的换道决策方法及装置、电子设备、存储介质 |
CN111994088A (zh) * | 2020-09-02 | 2020-11-27 | 中国科学技术大学 | 基于混合策略博弈的驾驶人换道意图识别方法及系统 |
CN112416004A (zh) * | 2020-11-19 | 2021-02-26 | 腾讯科技(深圳)有限公司 | 一种基于自动驾驶的控制方法、装置、车辆以及相关设备 |
CN112396120A (zh) * | 2020-11-25 | 2021-02-23 | 浙江天行健智能科技有限公司 | 一种基于svm算法的车辆换道意图识别建模方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109948801A (zh) | 基于驾驶员换道心理分析的车辆换道概率输出模型建立方法 | |
CN107161155B (zh) | 一种基于人工神经网络的车辆协同换道方法及其系统 | |
CN103754221B (zh) | 一种车辆自适应巡航控制系统 | |
CN105118329A (zh) | 一种消解无信号交叉口两车交通冲突的方法 | |
CN106143488A (zh) | 一种汽车自适应巡航分工况控制系统 | |
CN103693040A (zh) | 一种基于双模式协作的车辆避撞系统 | |
CN110239556B (zh) | 一种驾驶员即时操控能力感知方法 | |
CN112233458B (zh) | 一种面向二次事故预防动态车道与可变限速协同控制方法 | |
CN114023108B (zh) | 一种混合交通流变道模型及变道仿真方法 | |
CN110001654A (zh) | 一种自适应驾驶员类型的智能车纵向速度跟踪控制系统及控制方法 | |
CN113223324B (zh) | 高速匝道入口合流的控制方法 | |
CN109774713A (zh) | 一种纯电动汽车vcu驻坡控制方法 | |
Pan et al. | Reinforcement learning model with a reward function based on human driving characteristics | |
Sun et al. | Cooperative lane-changing strategy for intelligent vehicles | |
CN104809898B (zh) | 一种突发事件状态下的车辆换道诱导系统 | |
Zhang et al. | Safe car-following strategy with multi-constraints based on deep reinforcement learning for autonomous driving vehicles | |
CN106274554A (zh) | 一种怠速驱动力调节方法以及装置 | |
Wang et al. | Modified car following and lane changing simulations model for autonomous vehicle on highway | |
Gao et al. | The modeling and simulation of the car-following behavior based on fuzzy inference | |
CN113459754B (zh) | 预判避让的主动悬架控制方法、控制装置、系统及车辆 | |
Zhang et al. | Neural network optimized model predictive multi-objective adaptive cruise control | |
CN202669499U (zh) | 一种限制车辆超载的装置 | |
Su et al. | Cooperative eco-driving controller for battery electric vehicle platooning | |
Wang et al. | Connected Autonomous Vehicle Control Considering Human Driving Uncertainty Cut-In Behavior: Cyber-physical Perspective | |
Li et al. | Toward Cooperative Vehicle Infrastructure System: A Speed Guidance-Based Car-Following Method for Signalized Intersections |
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 |