CN109992886A - 一种基于社会力的混合交通仿真方法 - Google Patents
一种基于社会力的混合交通仿真方法 Download PDFInfo
- Publication number
- CN109992886A CN109992886A CN201910257859.3A CN201910257859A CN109992886A CN 109992886 A CN109992886 A CN 109992886A CN 201910257859 A CN201910257859 A CN 201910257859A CN 109992886 A CN109992886 A CN 109992886A
- Authority
- CN
- China
- Prior art keywords
- automobile
- bicycle
- indicate
- force
- pedestrian
- 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
Classifications
-
- 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
Abstract
本发明公开了一种基于社会力的混合交通仿真方法,包括:输入包含行人、自行车、汽车以及道路建筑四类模型的混合交通场景;将所述混合交通场景中任一个个体的行为结果表征为不同作用力的组合,得到统一表达式;所述个体为行人、自行车或汽车;根据所述统一表达式将行人、自行车和汽车分别抽象成行人力模型、自行车力模型和汽车力模型;计算不同的类个体之间交互的力模型;基于所述行人力模型、自行车力模型、汽车力模型和不同的类个体之间交互的力模型,进行所述混合交通场景仿真。上述混合交通仿真方法可以简单高效地模拟不同个体在交通场景中的动态行为。
Description
技术领域
本发明涉及混合交通仿真技术领域,具体涉及一种基于社会力的混合交通仿真方法。
背景技术
随着城市经济的快速发展,人们的出行方式变得多样化。这一方面便利了人们生活出行,另一方面,也带来复杂的交通环境和严峻的交通问题。只有借助技术手段,深入研究交通场景中成分的行为特点,仔细探讨交通阻塞、交通事故等问题的本质,才能切中要害彻底解决问题。
混合交通仿真就是在深入分析各个交通成分行为特点的基础之上,建立准确的社会力模型去模拟仿真不同类型车辆与行人之间的相互作用,为城市道路和交通基本建设提供借鉴。
社会力模型是一种连续的微观仿真模型,它将行人设置为单独的粒子,充分考虑选定粒子与其他粒子及环境的相互作用,并把这种相互作用以明确的物理力来体现。
近年来,机器学习的发展很大程度地促进了无人驾驶车辆在感知、路径规划以及决策的发展。但是由于学习基于有限的真实世界数据,几乎不能支持复杂的交通场景,也限制了自动驾驶系统多元化的驾驶策略。因此,将无人驾驶在真实场景中的测试迁移到虚拟构建的高保真驾驶环境中,也成为了一种选择。
目前,现有的交通仿真方法并没有真正完整覆盖现实交通中多样的交通方式。百度阿波罗仿真平台和A.Best等人关于自动驾驶仿真平台的工作都实现了行人和自行车的交通模拟,但是它们的行为都是预先定义的,无法实时对汽车运动变化进行反馈。而Carla平台虽然支持行人的动态反馈,但汽车与行人间交互只是通过简单的预定义实现:当遇到车辆经过,行人会停下等车通过,然后继续行走。
发明内容
针对本领域存在的不足之处,本发明提供了一种基于社会力的混合交通仿真方法,本发明提供的方法简单、易扩展,可实现包含汽车、行人、自行车、道路的混合交通场景仿真,简单高效地模拟不同个体在交通场景中的动态行为,可以为无人驾驶测试提供真实、有效的测试数据。
一种基于社会力的混合交通仿真方法,包括:
(1)输入包含行人、自行车、汽车以及道路建筑四类模型的混合交通场景;所述道路建筑包括道路、标志线、道路边界、墙面和障碍物,以环境边界的形式呈现;
(2)将所述混合交通场景中任一个个体的行为结果表征为不同作用力的组合,得到统一表达式;所述个体为行人、自行车或汽车;
(3)根据所述统一表达式将行人、自行车和汽车分别抽象成行人力模型、自行车力模型和汽车力模型;
(4)计算不同的类个体之间交互的力模型;
(5)基于所述行人力模型、自行车力模型、汽车力模型和不同的类个体之间交互的力模型,进行所述混合交通场景仿真。
步骤(2)中,所述统一表达式为:
其中,表示个体i的驱动力,Fij(t)表示个体i受到邻近的同类个体j的排斥力,FiW(t)表示个体i受到的环境边界的排斥力,Fio(t)表示不同的类个体o对个体i的作用力。
所述个体i的驱动力描述一定松弛时间τi内个体i的运动速度和方向,用下式表达:
其中,mi为个体i的质量,ai为个体i的加速度,为松弛时间τi后的速度,vi(t)为松弛时间τi前的速度。
所述个体i受到邻近的同类个体j的排斥力Fij(t)根据不同类别的不同的行为特点分为行人之间的排斥力、汽车之间的排斥力以及自行车之间的排斥力三种不同的形式。
当个体i为行人,个体i受到的环境边界的排斥力FiW(t)受道路边界、墙面以及障碍物的影响;当个体i为自行车或汽车,个体i受到的环境边界的排斥力FiW(t)受自行车或汽车与道路边界的距离影响。
不同的类个体o对个体i的作用力Fio(t)计算了汽车和行人、汽车和自行车之间的交互作用。
步骤(3)中,所述的行人力模型基于已有的社会力模型,包括驱动力、道路边界和标志线排斥力、同类个体间排斥力Fij和不同类个体排斥力。
所述的行人力模型中,行人i受到其他行人j的排斥力Fij由行人趋向与他人保持一定距离的心理特征所支持,表达式如下:
rij=ri+rj
其中,dij表示行人i和行人j之间距离,ri表示行人i的肩宽,rj表示行人j的肩宽,rij表示行人i和行人j的肩宽之和,nij表示行人j指向行人i的单位向量,Ai和Bi为系数。
步骤(3)中,所述的汽车力模型由来自道路边界或标志线的排斥力、视野内其它汽车的排斥力以及变道超车的驱动力组成。
所述来自道路边界或标志线的排斥力具体为道路上的汽车c会受到左右道路边界的排斥力和当汽车在道路中心线上,排斥力和会相互抵消;当汽车越靠近某一边界,其受到该边界的排斥力越大。
所述视野内其它汽车的排斥力包括:汽车c受到的同一车道上的汽车p的作用力和受到的邻边车道上的汽车q的作用力
所述同一车道上的汽车p的作用力与汽车c、汽车p之间的车距以及速度差异有关,借助IDM中的制动减速语义去近似汽车c受到的来自汽车p排斥力表达式如下:
其中,(ac,bc,s0,Tc)为描述汽车c驾驶性能的常数,ac为最高加速度,bc为制动减速度,s0为车头空间间距,Tc为制动时间,nc为汽车c当前运动方向的单位向量,s为交通阻塞车距,s*为期望车距,vc为汽车c的速度,Δv为汽车p相对于汽车c的速度。
所述邻边车道上的汽车q的作用力的大小与汽车c和汽车q之间的距离相关,表达式如下:
其中,Ucq是放缩系数,rcq是汽车c和汽车q之间的距离,Rcq是排斥力对距离rcq的灵敏度系数,ncq是汽车q指向汽车c的单位向量。
所述变道超车的驱动力的产生需要满足变道产生的效益必须大于对涉及变道的邻近汽车的影响,表达式如下:
其中,表示汽车c变道的加速度增益,和分别表示原车道的和变道后的跟随车的速度的减损,p表示原车道的和变道后的跟随车对汽车c变道的影响程度系数,Δath表示变道的阈值。
所述变道超车的驱动力的表达式如下:
其中,和RcW均为系数,rcW表示汽车c到道路边界的距离,ncW为汽车c垂直于道路边界的单位法向量。
步骤(3)中,所述的自行车力模型Fkj由两个部分组成:避免碰撞的直接排斥力和转向控制力表达式如下:
所述避免碰撞的直接排斥力用椭圆来定义自行车的安全空间,用椭圆的短半轴表示其它自行车j对当前自行车k的影响程度,计算如下:
其中,B表示椭圆短半轴的长度,Δv=vk-vj表示自行车k对自行车j的相对速度,rkj表示自行车k指向自行车j的向量,Ukj和Rkj是常数,nkj表示自行车j指向自行车k的单位向量,Δt表示时间步长。
所述转向控制力垂直于为了避免碰撞的直接排斥力且的大小与成比例,表达式如下:
其中,为垂直于的单位向量,α为系数。
所述的α可设计为0.3。
本发明的仿真结果主要用于无人驾驶的数据测试,因此主要考虑行人与汽车、自行车与汽车的交互。
步骤(4)中,所述不同的类个体之间交互的力模型包括汽车与自行车之间交互的力模型以及汽车与行人之间交互的力模型。
所述汽车与自行车之间交互的力模型中,以汽车c与自行车k的交互过程为例,自行车k会对汽车c产生排斥力Fkc,汽车c会对自行车k产生排斥力Fck。无论是哪种排斥力,根据相对位置都有两种情况,以汽车c为例:
(a)自行车k在汽车c的视野范围内的邻边车道上,汽车c生成横向的排斥力;
(b)自行车k与汽车c在同一车道,且在汽车c视野范围内的前方,汽车c会生成减速的向后的力。
所以,汽车c对自行车k的排斥力Fck的表达式如下:
其中,sck表示汽车c和自行车k之间的距离,vc是汽车c的速度,nck表示自行车k指向汽车c的单位向量,nc表示汽车c的运动方向,(bc,Tc,s0)都为常量,bc表示汽车舒适的制动减速,Tc表示汽车安全车头时距,sc0表示汽车阻塞车头距离,Uck和Rck为常数。
自行车k对汽车c的排斥力Fkc的表达式如下:
其中,skc表示自行车k和汽车c之间的距离,vk是自行车k的速度,nkc表示汽车c指向自行车k的单位向量,nk表示自行车k的运动方向,(bk,Tk,sk0)都为常量,bk表示自行车舒适的制动减速,Tk表示自行车安全车头时距,sk0表示自行车阻塞车头距离,Ukc和Rkc为常数。
所述汽车与行人之间交互的力模型中,基于心理学规则认定行人i在过马路前会减速观察汽车c抵达路口所用的时间,在成功走上马路后会提速以快一点离开马路(危险区),所以汽车c对行人i的排斥力Fic的表达式如下:
其中,sic表示行人i与汽车c之间的距离,nic表示汽车c指向行人i的单位向量,β是系数。
所述的β可设计为0.5。
对于汽车c而言,当发现一个行人i准备在前方过马路时,汽车c会产生一个减速的力Fci,即行人i对汽车c的排斥力。
行人i对汽车c的排斥力Fci与上述Fck计算方法一致,表达式如下:
其中,sci表示汽车c和行人i之间的距离,vc是汽车c的速度,nci表示汽车c指向行人i的单位向量,nc表示汽车c的运动方向,(bc,Tc,s0)都为常量,bc表示汽车舒适的制动减速,Tc表示汽车安全车头时距,sc0表示汽车阻塞车头距离,Uci和Rci为常数。
与现有的交通仿真不同,本发明提供的基于社会力的混合交通仿真方法可以简单高效地模拟不同个体在交通场景中的动态行为,其主要优点具体表现在:
(1)通过社会力模型统一了复杂的交通场景中汽车、行人、自行车等不同交通方式的表示,将交通流问题转变成力的问题;
(2)汽车力模型涵盖了加速/减速、车道保持、变道等标准行为。
附图说明
图1为本发明提供的基于社会力的混合交通仿真方法的模型框架图;
图2为本发明提供的汽车与自行车之间交互的力模型图。
具体实施方式
下面结合附图及具体实施例,进一步阐述本发明。应理解,这些实施例仅用于说明本发明而不用于限制本发明的范围。下列实施例中未注明具体条件的实验方法,通常按照常规条件,或按照制造厂商所建议的条件。
如图1所示,本实施例的基于社会力的混合交通仿真方法,包括:
(1)输入包含行人、自行车、汽车以及道路建筑四类模型的混合交通场景;所述道路建筑包括道路、标志线、道路边界、墙面和障碍物,以环境边界的形式呈现;
(2)将所述混合交通场景中任一个个体的行为结果表征为不同作用力的组合,得到统一表达式;所述个体为行人、自行车或汽车;
所述统一表达式为:
其中,表示个体i的驱动力,Fij(t)表示个体i受到邻近的同类个体j的排斥力,FiW(t)表示个体i受到的环境边界的排斥力,Fio(t)表示不同类个体o对个体i的作用力;
(3)根据所述统一表达式将行人、自行车和汽车分别抽象成行人力模型、自行车力模型和汽车力模型;
(4)计算不同的类个体之间交互的力模型;
(5)基于所述行人力模型、自行车力模型、汽车力模型和不同类个体之间交互的力模型,进行所述混合交通场景仿真。
步骤(3)中,所述的行人力模型基于已有的社会力模型,包括驱动力、道路边界和标志线排斥力、同类个体间排斥力Fij和不同类个体排斥力。
所述的行人力模型中,行人i受到邻近行人j的排斥力Fij由行人趋向与他人保持一定距离的心理特征所支持,表达式如下:
rij=ri+rj
其中,dij表示行人i和行人j之间距离,ri表示行人i的肩宽,rj表示行人j的肩宽,rij表示行人i和行人j的肩宽之和,nij表示行人j指向行人i的单位向量,Ai和Bi为系数。
步骤(3)中,所述的汽车力模型由来自道路边界或标志线的排斥力、视野内其它汽车的排斥力以及变道超车的驱动力组成。
所述视野内其它汽车的排斥力包括:汽车c受到的同一车道上的汽车p的作用力和受到的邻边车道上的汽车q的作用力
所述同一车道上的汽车p的作用力的表达式如下:
其中,(ac,bc,s0,Tc)为描述汽车c驾驶性能的常数,ac为最高加速度,bc为制动减速度,s0为车头空间间距,Tc为制动时间,nc为汽车c当前运动方向的单位向量,s为交通阻塞车距,s*为期望车距,vc为汽车c的速度,Δv为汽车p相对于汽车c的速度。
所述邻边车道上的汽车q的作用力的表达式如下:
其中,Ucq是放缩系数,rcq是汽车c和汽车q之间的距离,Rcq是排斥力对距离rcq的灵敏度系数,ncq是汽车q指向汽车c的单位向量。
所述变道超车的驱动力的产生需要满足变道产生的效益必须大于对涉及变道的邻近汽车的影响,表达式如下:
其中,表示汽车c变道的加速度增益,和分别表示原车道的和变道后的跟随车的速度的减损,p表示原车道的和变道后的跟随车对汽车c变道的影响程度系数,Δath表示变道的阈值。
所述变道超车的驱动力的表达式如下:
其中,和RcW均为系数,rcW表示汽车c到道路边界的距离,ncW为汽车c垂直于道路边界的单位法向量。
步骤(3)中,所述的自行车力模型Fkj由两个部分组成:避免碰撞的直接排斥力和转向控制力表达式如下:
所述避免碰撞的直接排斥力用椭圆来定义自行车的安全空间,用椭圆的短半轴表示其它自行车j对当前自行车k的影响程度,计算如下:
其中,B表示椭圆短半轴的长度,Δv=vk-vj表示自行车k对自行车j的相对速度,rkj表示自行车k指向自行车j的向量,Ukj和Rkj是常数,nkj表示自行车j指向自行车k的单位向量,Δt表示时间步长。
所述转向控制力垂直于为了避免碰撞的直接排斥力且的大小与成比例,表达式如下:
其中,为垂直于的单位向量,α为系数,实验中设计为0.3。
步骤(4)中,所述不同类个体之间交互的力模型包括汽车与自行车之间交互的力模型以及汽车与行人之间交互的力模型。
如图2所示,所述汽车与自行车之间交互的力模型中,汽车c对自行车k的排斥力Fck的表达式如下:
其中,sck表示汽车c和自行车k之间的距离,vc是汽车c的速度,nck表示自行车k指向汽车c的单位向量,nc表示汽车c的运动方向,(bc,Tc,s0)都为常量,bc表示汽车舒适的制动减速,Tc表示汽车安全车头时距,sc0表示汽车阻塞车头距离,Uck和Rck为常数;
自行车k对汽车c的排斥力Fkc的表达式如下:
其中,skc表示自行车k和汽车c之间的距离,vk是自行车k的速度,nkc表示汽车c指向自行车k的单位向量,nk表示自行车k的运动方向,(bk,Tk,sk0)都为常量,bk表示自行车舒适的制动减速,Tk表示自行车安全车头时距,sk0表示自行车阻塞车头距离,Ukc和Rkc为常数。
所述汽车与行人之间交互的力模型中,汽车c对行人i的排斥力Fic的表达式如下:
其中,sic表示行人i与汽车c之间的距离,nic表示汽车c指向行人i的单位向量,β是系数,实验中设计为0.5。
行人i对汽车c的排斥力Fci的表达式如下:
其中,sci表示汽车c和行人i之间的距离,vc是汽车c的速度,nci表示汽车c指向行人i的单位向量,nc表示汽车c的运动方向,(bc,Tc,s0)都为常量,bc表示汽车舒适的制动减速,Tc表示汽车安全车头时距,sc0表示汽车阻塞车头距离,Uci和Rci为常数。
此外应理解,在阅读了本发明的上述描述内容之后,本领域技术人员可以对本发明作各种改动或修改,这些等价形式同样落于本申请所附权利要求书所限定的范围。
Claims (10)
1.一种基于社会力的混合交通仿真方法,包括:
(1)输入包含行人、自行车、汽车以及道路建筑四类模型的混合交通场景;所述道路建筑包括道路、标志线、道路边界、墙面和障碍物,以环境边界的形式呈现;
(2)将所述混合交通场景中任一个个体的行为结果表征为不同作用力的组合,得到统一表达式;所述个体为行人、自行车或汽车;
所述统一表达式为:
其中,表示个体i的驱动力,Fij(t)表示个体i受到邻近的同类个体j的排斥力,FiW(t)表示个体i受到的环境边界的排斥力,Fio(t)表示不同的类个体o对个体i的作用力;
(3)根据所述统一表达式将行人、自行车和汽车分别抽象成行人力模型、自行车力模型和汽车力模型;
(4)计算不同的类个体之间交互的力模型;
(5)基于所述行人力模型、自行车力模型、汽车力模型和不同的类个体之间交互的力模型,进行所述混合交通场景仿真。
2.根据权利要求1所述的基于社会力的混合交通仿真方法,其特征在于,步骤(3)中,所述的汽车力模型由来自道路边界或标志线的排斥力、视野内其它汽车的排斥力以及变道超车的驱动力组成。
3.根据权利要求2所述的基于社会力的混合交通仿真方法,其特征在于,所述视野内其它汽车的排斥力包括:汽车c受到的同一车道上的汽车p的作用力和受到的邻边车道上的汽车q的作用力
所述同一车道上的汽车p的作用力的表达式如下:
其中,(ac,bc,s0,Tc)为描述汽车c驾驶性能的常数,ac为最高加速度,bc为制动减速度,s0为车头空间间距,Tc为制动时间,nc为汽车c当前运动方向的单位向量,s为交通阻塞车距,s*为期望车距,vc为汽车c的速度,Δv为汽车p相对于汽车c的速度;
所述邻边车道上的汽车q的作用力的表达式如下:
其中,Ucq是放缩系数,rcq是汽车c和汽车q之间的距离,Rcq是排斥力对距离rcq的灵敏度系数,ncq是汽车q指向汽车c的单位向量。
4.根据权利要求2或3所述的基于社会力的混合交通仿真方法,其特征在于,所述变道超车的驱动力的产生需要满足变道产生的效益必须大于对涉及变道的邻近汽车的影响,表达式如下:
其中,表示汽车c变道的加速度增益,和分别表示原车道的和变道后的跟随车的速度的减损,p表示原车道的和变道后的跟随车对汽车c变道的影响程度系数,Δath表示变道的阈值。
5.根据权利要求1所述的基于社会力的混合交通仿真方法,其特征在于,步骤(3)中,所述的自行车力模型Fkj由两个部分组成:避免碰撞的直接排斥力和转向控制力表达式如下:
6.根据权利要求5所述的基于社会力的混合交通仿真方法,其特征在于,所述避免碰撞的直接排斥力用椭圆来定义自行车的安全空间,用椭圆的短半轴表示其它自行车j对当前自行车k的影响程度,计算如下:
其中,B表示椭圆短半轴的长度,Δv=vk-vj表示自行车k对自行车j的相对速度,rkj表示自行车k指向自行车j的向量,Ukj和Rkj是常数,nkj表示自行车j指向自行车k的单位向量,Δt表示时间步长。
7.根据权利要求5或6所述的基于社会力的混合交通仿真方法,其特征在于,所述转向控制力垂直于避免碰撞的直接排斥力且的大小与成比例,表达式如下:
其中,为垂直于的单位向量,α为系数。
8.根据权利要求1所述的基于社会力的混合交通仿真方法,其特征在于,步骤(4)中,所述不同的类个体之间交互的力模型包括汽车与自行车之间交互的力模型以及汽车与行人之间交互的力模型。
9.根据权利要求8所述的基于社会力的混合交通仿真方法,其特征在于,所述汽车与自行车之间交互的力模型中,汽车c对自行车k的排斥力Fck的表达式如下:
其中,sck表示汽车c和自行车k之间的距离,vc是汽车c的速度,nck表示自行车k指向汽车c的单位向量,nc表示汽车c的运动方向,(bc,Tc,sc0)都为常量,bc表示汽车舒适的制动减速,Tc表示汽车安全车头时距,sc0表示汽车阻塞车头距离,Uck和Rck为常数;
自行车k对汽车c的排斥力Fkc的表达式如下:
其中,skc表示自行车k和汽车c之间的距离,vk是自行车k的速度,nkc表示汽车c指向自行车k的单位向量,nk表示自行车k的运动方向,(bk,Tk,sk0)都为常量,bk表示自行车舒适的制动减速,Tk表示自行车安全车头时距,sk0表示自行车阻塞车头距离,Ukc和Rkc为常数。
10.根据权利要求8或9所述的基于社会力的混合交通仿真方法,其特征在于,所述汽车与行人之间交互的力模型中,汽车c对行人i的排斥力Fic的表达式如下:
其中,sic表示行人i与汽车c之间的距离,nic表示汽车c指向行人i的单位向量,β是系数;
行人i对汽车c的排斥力Fci的表达式如下:
其中,sci表示汽车c和行人i之间的距离,vc是汽车c的速度,nci表示汽车c指向行人i的单位向量,nc表示汽车c的运动方向,(bc,Tc,s0)都为常量,bc表示汽车舒适的制动减速,Tc表示汽车安全车头时距,sc0表示汽车阻塞车头距离,Uci和Rci为常数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910257859.3A CN109992886A (zh) | 2019-04-01 | 2019-04-01 | 一种基于社会力的混合交通仿真方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910257859.3A CN109992886A (zh) | 2019-04-01 | 2019-04-01 | 一种基于社会力的混合交通仿真方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109992886A true CN109992886A (zh) | 2019-07-09 |
Family
ID=67131917
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910257859.3A Pending CN109992886A (zh) | 2019-04-01 | 2019-04-01 | 一种基于社会力的混合交通仿真方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109992886A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111767648A (zh) * | 2020-06-19 | 2020-10-13 | 浙江大学 | 一种基于简化的社会力计算模型的混合交通仿真方法 |
CN112131756A (zh) * | 2020-10-10 | 2020-12-25 | 清华大学 | 一种考虑个体激进度的行人穿行场景仿真方法 |
CN112581756A (zh) * | 2020-11-16 | 2021-03-30 | 东南大学 | 一种基于混合交通的行车风险评估方法 |
CN114067062A (zh) * | 2022-01-17 | 2022-02-18 | 深圳慧拓无限科技有限公司 | 一种真实驾驶场景仿真方法、系统、电子设备和存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2006072341A1 (de) * | 2004-12-24 | 2006-07-13 | Daimlerchrysler Ag | Verfahren und system zum betreiben eines kraftfahrzeugs |
CN107180146A (zh) * | 2017-06-28 | 2017-09-19 | 崔曼 | 一种基于新型交通仿真模型的无网格交通仿真方法 |
-
2019
- 2019-04-01 CN CN201910257859.3A patent/CN109992886A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2006072341A1 (de) * | 2004-12-24 | 2006-07-13 | Daimlerchrysler Ag | Verfahren und system zum betreiben eines kraftfahrzeugs |
CN107180146A (zh) * | 2017-06-28 | 2017-09-19 | 崔曼 | 一种基于新型交通仿真模型的无网格交通仿真方法 |
Non-Patent Citations (5)
Title |
---|
QIANWEN CHAO ET AL: "Vehicle–pedestrian interaction for mixed traffic simulation", 《COMPUTER ANIMATION AND VIRTUAL WORLDS》 * |
QIANWEN CHAO ET AL: "Video-based personalized traffic learning", 《GRAPHICAL MODELS》 * |
叶倩倩: "基于社会力的人车混合交通模拟", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
李珊珊: "平交路口机动车自行车行人及其相互干扰微观行为模型研究", 《中国博士学位论文全文数据库 工程科技Ⅱ辑》 * |
金小刚 等: "VR的未来不虚拟", 《信息化建设》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111767648A (zh) * | 2020-06-19 | 2020-10-13 | 浙江大学 | 一种基于简化的社会力计算模型的混合交通仿真方法 |
CN112131756A (zh) * | 2020-10-10 | 2020-12-25 | 清华大学 | 一种考虑个体激进度的行人穿行场景仿真方法 |
CN112581756A (zh) * | 2020-11-16 | 2021-03-30 | 东南大学 | 一种基于混合交通的行车风险评估方法 |
CN112581756B (zh) * | 2020-11-16 | 2021-12-24 | 东南大学 | 一种基于混合交通的行车风险评估方法 |
CN114067062A (zh) * | 2022-01-17 | 2022-02-18 | 深圳慧拓无限科技有限公司 | 一种真实驾驶场景仿真方法、系统、电子设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109992886A (zh) | 一种基于社会力的混合交通仿真方法 | |
Gassmann et al. | Towards standardization of AV safety: C++ library for responsibility sensitive safety | |
CN107792065B (zh) | 道路车辆轨迹规划的方法 | |
Dang et al. | Coordinated adaptive cruise control system with lane-change assistance | |
Lu et al. | Adaptive potential field-based path planning for complex autonomous driving scenarios | |
CN103253261B (zh) | 一种基于车车协同的跟驰辅助控制系统 | |
Rodrigues et al. | Autonomous navigation in interaction-based environments—A case of non-signalized roundabouts | |
Bayar et al. | Impact of different spacing policies for adaptive cruise control on traffic and energy consumption of electric vehicles | |
Zhang et al. | Data-driven based cruise control of connected and automated vehicles under cyber-physical system framework | |
Yuan et al. | Mixed local motion planning and tracking control framework for autonomous vehicles based on model predictive control | |
Sun et al. | An active safety control method of collision avoidance for intelligent connected vehicle based on driving risk perception | |
Cao et al. | Two-dimensional merging path generation using model predictive control | |
Yu et al. | Modeling overtaking behavior in virtual reality traffic simulation system | |
Yan et al. | Driver’s individual risk perception-based trajectory planning: A human-like method | |
Dehkordi et al. | Energy efficient and safe control strategy for electric vehicles including driver preference | |
Hu et al. | Formulating vehicle aggressiveness towards social cognitive autonomous driving | |
Yan et al. | A cooperative trajectory planning system based on the passengers' individual preferences of aggressiveness | |
Ying et al. | Research on adaptive cruise control systems and performance analysis using Matlab and Carsim | |
Cao et al. | Automotive longitudinal speed pattern generation with acceleration constraints aiming at mild merging using model predictive control method | |
Das et al. | Heterogeneous traffic simulation for urban streets using cellular automata | |
Chen et al. | Intelligent platoon operating slot optimization method based on drivers’ overtaking behavior | |
CN111767648B (zh) | 一种基于简化的社会力计算模型的混合交通仿真方法 | |
Fredette et al. | Swarm-inspired modeling of a highway system with stability analysis | |
Cao et al. | Mild merging path generation method with optimal merging point based on MPC | |
Cristea et al. | Implementation of cognitive driver models in microscopic traffic simulations |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190709 |
|
WD01 | Invention patent application deemed withdrawn after publication |