CN110962853A - 一种车联网环境下车辆博弈换道协作方法 - Google Patents
一种车联网环境下车辆博弈换道协作方法 Download PDFInfo
- Publication number
- CN110962853A CN110962853A CN201911166438.6A CN201911166438A CN110962853A CN 110962853 A CN110962853 A CN 110962853A CN 201911166438 A CN201911166438 A CN 201911166438A CN 110962853 A CN110962853 A CN 110962853A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- lane
- lane change
- changing
- lane changing
- 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
- 230000008859 change Effects 0.000 title claims abstract description 156
- 238000000034 method Methods 0.000 title claims abstract description 25
- 239000011159 matrix material Substances 0.000 claims abstract description 20
- 230000009471 action Effects 0.000 claims abstract description 13
- 230000006855 networking Effects 0.000 claims abstract description 7
- 230000006870 function Effects 0.000 claims description 35
- 230000008901 benefit Effects 0.000 claims description 16
- 230000005284 excitation Effects 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 10
- 230000001133 acceleration Effects 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 claims description 3
- 230000006996 mental state Effects 0.000 claims description 3
- 230000035484 reaction time Effects 0.000 claims description 3
- 238000000926 separation method Methods 0.000 claims description 3
- 238000004891 communication Methods 0.000 description 3
- 230000008447 perception Effects 0.000 description 3
- 230000007423 decrease Effects 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
- B60W30/18—Propelling the vehicle
- B60W30/18009—Propelling the vehicle related to particular drive situations
- B60W30/18163—Lane change; Overtaking manoeuvres
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Traffic Control Systems (AREA)
Abstract
一种车联网环境下车辆博弈换道协作方法,包括:步骤1,确定换道车和后车的行动空间;步骤2,识别换道类别,如果换道车辆的换道类型是自由换道则进入步骤3,如果换道车辆的换道类型是强制换道则进入步骤4;步骤3,选择自由换道中换道车和后车的收益函数,然后进入步骤5;步骤4,选择强制换道中换道车和后车的收益函数,然后进入步骤5;步骤5,计算收益函数,构建收益矩阵;步骤6,对所构建的收益矩阵,求解所有纳什均衡的决策组合;步骤7,协作方案输出。本发明引导驾驶员间的换道协作,在保证交通安全的前提下,提高车辆换道效率,进而提升路段的通行能力,并为构建换道驾驶辅助系统提供理论基础和可行方案。
Description
技术领域
本发明涉及一种车联网环境下车辆博弈换道协作方法,属于智能交通领域。
背景技术
车辆的换道效率低下是交通拥堵和事故的主要来源之一。驾驶员在换道过程中存在着决策失误以及各种不确定性,尤其是在拥堵交通下,车辆的换道效率和安全往往无法保证,这也进一步加剧了交通环境的恶化。随着通信、感知技术的发展,车联网环境下的交互协作驾驶为解决上述问题提供了一个有效的途径,然而可靠的人机协作机制是其能有效运行的关键。
博弈论为解决含有竞争倾向的问题提供了研究方法和分析手段。车辆间的换道协作可以被视为一种非合作博弈行为。换道过程中的驾驶员被视为博弈中的局中人,通过博弈的过程实现共赢,参与者可以在外界条件的相互约束下结合自身的期望收益做出最优决策。这不但符合了驾驶员追求最大利益的驾驶心理而且使得换道决策更加合理化,因而驾驶员对博弈协作策略的可接受性高,合作意愿强烈,因此非常适合采用博弈论方法来解决车辆换道协作决策问题。
因此,发明一种车联网环境下车辆博弈换道协作方法,用于引导驾驶员间的换道协作,从而在保证交通安全的前提下,提高车辆换道效率,进而提升路段的通行能力,缓解交通拥堵,具有十分重大的社会价值和工程意义。
发明内容
为了引导驾驶员间协作换道,以车联网环境下的先进信息获取与交互技术来解决目前车辆换道效率低下问题,缓解交通拥堵,本发明提供了一种车联网环境下车辆博弈换道协作方法,旨在建立有效可信的人车交互协作机制,实现车辆间的换道协作,提高换道效率。
本发明的技术方案为一种车联网环境下车辆博弈换道协作方法。建立换道车和目标车道后车(以下简称“后车”)的车车通信,交互双方的车辆及环境信息,执行以下步骤,输出换道协作方案:
步骤1,确定换道车和后车的行动空间。行动空间代表博弈局中人(即换道车和后车)在博弈过程(即换道过程)中可能采取的决策集合,设定如下:
其中SA和SB分别是换道车和后车的行动空间,则车辆换道协作博弈矩阵以所有决策组合见表1。
表1博弈矩阵
步骤2,识别换道类别,如果换道车辆的换道类型是自由换道则进入步骤3,如果换道车辆的换道类型是强制换道则进入步骤4。
步骤3,选择自由换道中换道车和后车的收益函数,然后进入步骤5,其中自由换道中的换道车和后车的收益函数定义如下:
自由换道是指驾驶员在追求更好的驾驶环境时所采取的换道行为,没有强制性约束,若不满足安全换道条件,可放弃换道。在自由换道场景中,换道车和后车驾驶员的驾驶期望相同,即在安全的前提下,追求更高性能和舒适的驾驶环境。因此,对于自由换道,换道车的收益函数和后车相同。结合博弈双方的驾驶期望,制定收益函数如下:
其中P和Q分别代表了后车和换道车的收益;w1、w2和w3为各收益参数项的权重系数;c表示安全约束,s表示速度收益,d表示间距收益,e表示协作成本,分别对应着上述四个驾驶员期望。特别的,为每辆车定义了一个安全区域(一个具有安全界限的矩形区域覆盖了车辆的几何轮廓),换道前后每辆车的安全区域不能出现重叠,否则会违反安全约束。
权重系数w1、w2和w3代表了驾驶员对各收益的重视程度,需要通过实际交通数据进行校准。
c代表了车辆的安全约束。当车辆的安全区域受到侵犯(车辆发生碰撞),即违反安全约束时,车辆的收益函数P或Q=c。从理性角度上,安全准则对于每位驾驶员应该是最重要的。因此,当车辆违反安全约束时的收益应该为负无穷,定义c=-1000。
s代表了车辆的速度收益。驾驶员期望以最大速度行驶,车速v越大,对应的速度收益也越大,其中v=min{v,vmax},vmax为道路限速。针对车速大小对速度收益s进行评估得分,得分区间为0~10。
d代表了车辆的间距收益。车辆的前车距越大,驾驶员的操作空间和反应时间也越充足,相应的驾驶安全性和舒适性也会越高。然而,不同速度级别下的期望间距是不同的,定义最小可操作时间th=Dh/v衡量间距收益,其中Dh表示车辆的前车间距,v为车辆速度。针对最小可操作时间大小对间距收益d进行评估得分,得分区间为0~10。
e代表了车辆的协作成本。定义如果车辆决策为“加速”或“减速”,e=-5;否则e=0。这一项说明了加减速行动会增加车辆的驾驶负担,同时也会降低车辆行驶的舒适性,驾驶员倾向于不增加协作成本的操作。
步骤4,选择强制换道中换道车和后车的收益函数,然后进入步骤5,其中强制换道中的换道车和后车的收益函数定义如下:
强制换道是由外界客观因素(例如转向需求、车道合流等)产生的强制性换道行为。与自由换道不同,强制换道场景中的换道车驾驶目标明确,即在安全的前提下顺利换道,并非追求更好的驾驶环境。而后车在追求自身最大利益的同时还会考虑对方的换道压力,产生礼让心理,激励配合换道。分别制定强制换道下后车和换道车的收益函数如下。
(1)后车
结合强制换道下后车的驾驶心态分析,引入一个协作激励项用于构建后车的收益函数如下:
其中P代表了后车的收益;i表示协作激励,w4为其权重系数;其余项定义与步骤3中相同。
协作激励i与换道车的换道压力有关。换道车的换道压力越大,后车的协作激励也会越强。在车联网环境下,后车可以有效的感知换道车的换道压力。换道车的换道压力可以通过以下公式评估:
其中β为换道压力系数;twait为车辆的换道等待时间;tremain为车辆的换道剩余时间窗。β越趋于1,说明换道车的换道压力越大,换道车越趋于换道,相应后车的协作激励也会越大,后车也会越倾向于让道。
定义协作激励i的如下
(2)换道车
结合强制换道中换道车的驾驶期望分析,制定其收益函数如下:
dfro代表了换道车换道后的前车距收益。换道后前车距越大,说明换道的安全性越强。其评估方法与步骤3中的d相同,定义如下:
同理,dbeh代表了换道车换道后的后车距收益,定义如下:
r为换道成功的奖励,用于提高换道收益的基准,防止出现负收益。定义如果换道,r=10;否则r=0。其余项定义与步骤3中相同。
步骤5,计算收益函数,构建收益矩阵。表2给出了车辆换道协作博弈模型的收益矩阵,其中i和j分别表示后车和换道车的决策索引值,i∈{1,2,3},j∈{1,2,3,4};Pij和Qij分别代表了后车和换道车在当前决策组合下的收益,由各自的收益函数计算得到。
表2收益矩阵
步骤6,对所构建的收益矩阵,求解所有纳什均衡的决策组合。
步骤7,协作方案输出。由于涉及的博弈模型属于有限策略博弈,因此至少存在一个纳什均衡,并可能存在多个纳什均衡。为了使模型输出唯一且稳定的决策方案,定义换道车的决策输出具有不同优先级(加速换道>匀速换道>减速换道>不换道),优先级的设置准则是以车辆换道效率作为依据。然后通过识别相应优先级最大的纳什均衡作为博弈模型的最优输出方案,即为引导换道双方车辆输出换道协作方案。
本发明的有益效果是:提供了一种车联网环境下车辆博弈换道协作方法,用于引导驾驶员间的换道协作,从而在保证交通安全的前提下,提高车辆换道效率,进而提升路段的通行能力,缓解交通拥堵,并为构建换道驾驶辅助系统提供理论基础和可行方案,具有十分重大的社会价值和工程意义。
附图说明
图1是本发明的车辆博弈换道协作策略框架示意图
图2是本发明的车辆安全区域示意图
图3是本发明的车辆博弈换道协作方案输出流程图
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3,本发明的技术方案为一种车联网环境下车辆博弈换道协作方法。如图1所示,建立换道车和目标车道后车(以下简称“后车”)的车车通信,交互双方的车辆及环境信息,执行以下步骤,输出换道协作方案:
步骤1,确定换道车和后车的行动空间。行动空间代表博弈局中人(即换道车和后车)在博弈过程(即换道过程)中可能采取的决策集合,设定如下:
其中SA和SB分别是换道车和后车的行动空间,则车辆换道协作博弈矩阵以所有决策组合见表1。
表1博弈矩阵
步骤2,识别换道类别,如果换道车辆的换道类型是自由换道则进入步骤3,如果换道车辆的换道类型是强制换道则进入步骤4。
步骤3,选择自由换道中换道车和后车的收益函数,然后进入步骤5,其中自由换道中的换道车和后车的收益函数定义如下:
自由换道是指驾驶员在追求更好的驾驶环境时所采取的换道行为,没有强制性约束,若不满足安全换道条件,可放弃换道。在自由换道场景中,换道车和后车驾驶员的驾驶期望相同,即在安全的前提下,追求更高性能和舒适的驾驶环境。因此,对于自由换道,换道车的收益函数和后车相同。结合博弈双方的驾驶期望,制定收益函数如下:
其中P和Q分别代表了后车和换道车的收益;w1、w2和w3为各收益参数项的权重系数;c表示安全约束,s表示速度收益,d表示间距收益,e表示协作成本,分别对应着上述四个驾驶员期望。特别的,为每辆车定义了一个安全区域(一个具有安全界限的矩形区域覆盖了车辆的几何轮廓,如图2所示),换道前后每辆车的安全区域不能出现重叠,否则会违反安全约束。
权重系数w1、w2和w3代表了驾驶员对各收益的重视程度,需要通过实际交通数据进行校准。
c代表了车辆的安全约束。当车辆的安全区域受到侵犯(车辆发生碰撞),即违反安全约束时,车辆的收益函数P或Q=c。从理性角度上,安全准则对于每位驾驶员应该是最重要的。因此,当车辆违反安全约束时的收益应该为负无穷,定义c=-1000。
s代表了车辆的速度收益。驾驶员期望以最大速度行驶,车速v越大,对应的速度收益也越大,其中v=min{v,vmax},vmax为道路限速。针对车速大小对速度收益s进行评估得分,得分区间为0~10。
d代表了车辆的间距收益。车辆的前车距越大,驾驶员的操作空间和反应时间也越充足,相应的驾驶安全性和舒适性也会越高。然而,不同速度级别下的期望间距是不同的,定义最小可操作时间th=Dh/v衡量间距收益,其中Dh表示车辆的前车间距,v为车辆速度。针对最小可操作时间大小对间距收益d进行评估得分,得分区间为0~10。
e代表了车辆的协作成本。定义如果车辆决策为“加速”或“减速”,e=-5;否则e=0。这一项说明了加减速行动会增加车辆的驾驶负担,同时也会降低车辆行驶的舒适性,驾驶员倾向于不增加协作成本的操作。
步骤4,选择强制换道中换道车和后车的收益函数,然后进入步骤5,其中强制换道中的换道车和后车的收益函数定义如下:
强制换道是由外界客观因素(例如转向需求、车道合流等)产生的强制性换道行为。与自由换道不同,强制换道场景中的换道车驾驶目标明确,即在安全的前提下顺利换道,并非追求更好的驾驶环境。而后车在追求自身最大利益的同时还会考虑对方的换道压力,产生礼让心理,激励配合换道。分别制定强制换道下后车和换道车的收益函数如下。
(1)后车
结合强制换道下后车的驾驶心态分析,引入一个协作激励项用于构建后车的收益函数如下:
其中P代表了后车的收益;i表示协作激励,w4为其权重系数;其余项定义与步骤3中相同。
协作激励i与换道车的换道压力有关。换道车的换道压力越大,后车的协作激励也会越强。在车联网环境下,后车可以有效的感知换道车的换道压力。换道车的换道压力可以通过以下公式评估:
其中β为换道压力系数;twait为车辆的换道等待时间;tremain为车辆的换道剩余时间窗。β越趋于1,说明换道车的换道压力越大,换道车越趋于换道,相应后车的协作激励也会越大,后车也会越倾向于让道。
定义协作激励i的如下
(2)换道车
结合强制换道中换道车的驾驶期望分析,制定其收益函数如下:
dfro代表了换道车换道后的前车距收益。换道后前车距越大,说明换道的安全性越强。其评估方法与步骤3中的d相同,定义如下:
同理,dbeh代表了换道车换道后的后车距收益,定义如下:
r为换道成功的奖励,用于提高换道收益的基准,防止出现负收益。定义如果换道,r=10;否则r=0。其余项定义与步骤3中相同。
步骤5,计算收益函数,构建收益矩阵。表2给出了车辆换道协作博弈模型的收益矩阵,其中i和j分别表示后车和换道车的决策索引值,i∈{1,2,3},j∈{1,2,3,4};Pij和Qij分别代表了后车和换道车在当前决策组合下的收益,由各自的收益函数计算得到。
表2收益矩阵
步骤6,对所构建的收益矩阵,求解所有纳什均衡的决策组合。
步骤7,协作方案输出。由于涉及的博弈模型属于有限策略博弈,因此至少存在一个纳什均衡,并可能存在多个纳什均衡。为了使模型输出唯一且稳定的决策方案,定义换道车的决策输出具有不同优先级(加速换道>匀速换道>减速换道>不换道),优先级的设置准则是以车辆换道效率作为依据。然后通过识别相应优先级最大的纳什均衡作为博弈模型的最优输出方案,即为引导换道双方车辆输出换道协作方案。
以上的车辆博弈换道协作方案输出流程如图3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)
1.一种车联网环境下车辆博弈换道协作方法,包括如下步骤:
步骤1,确定换道车和后车的行动空间;行动空间代表博弈局中人(即换道车和后车)在博弈过程(即换道过程)中可能采取的决策集合,设定如下:
其中SA和SB分别是换道车和后车的行动空间,则车辆换道协作博弈矩阵以所有决策组合见表1;
表1博弈矩阵
步骤2,识别换道类别,如果换道车辆的换道类型是自由换道则进入步骤3,如果换道车辆的换道类型是强制换道则进入步骤4;
步骤3,选择自由换道中换道车和后车的收益函数,然后进入步骤5,其中自由换道中的换道车和后车的收益函数定义如下:
自由换道是指驾驶员在追求更好的驾驶环境时所采取的换道行为,没有强制性约束,若不满足安全换道条件,可放弃换道;在自由换道场景中,换道车和后车驾驶员的驾驶期望相同,即在安全的前提下,追求更高性能和舒适的驾驶环境;因此,对于自由换道,换道车的收益函数和后车相同;结合博弈双方的驾驶期望,制定收益函数如下:
其中P和Q分别代表了后车和换道车的收益;w1、w2和w3为各收益参数项的权重系数;c表示安全约束,s表示速度收益,d表示间距收益,e表示协作成本,分别对应着上述四个驾驶员期望;特别的,为每辆车定义了一个安全区域(一个具有安全界限的矩形区域覆盖了车辆的几何轮廓),换道前后每辆车的安全区域不能出现重叠,否则会违反安全约束;
权重系数w1、w2和w3代表了驾驶员对各收益的重视程度,需要通过实际交通数据进行校准;
c代表了车辆的安全约束;当车辆的安全区域受到侵犯(车辆发生碰撞),即违反安全约束时,车辆的收益函数P或Q=c;从理性角度上,安全准则对于每位驾驶员应该是最重要的;因此,当车辆违反安全约束时的收益应该为负无穷,定义c=-1000;
s代表了车辆的速度收益;驾驶员期望以最大速度行驶,车速v越大,对应的速度收益也越大,其中v=min{v,vmax},vmax为道路限速;针对车速大小对速度收益s进行评估得分,得分区间为0~10;
d代表了车辆的间距收益;车辆的前车距越大,驾驶员的操作空间和反应时间也越充足,相应的驾驶安全性和舒适性也会越高;然而,不同速度级别下的期望间距是不同的,定义最小可操作时间th=Dh/v衡量间距收益,其中Dh表示车辆的前车间距,v为车辆速度;针对最小可操作时间大小对间距收益d进行评估得分,得分区间为0~10;
e代表了车辆的协作成本;定义如果车辆决策为“加速”或“减速”,e=-5;否则e=0;这一项说明了加减速行动会增加车辆的驾驶负担,同时也会降低车辆行驶的舒适性,驾驶员倾向于不增加协作成本的操作;
步骤4,选择强制换道中换道车和后车的收益函数,然后进入步骤5,其中强制换道中的换道车和后车的收益函数定义如下:
强制换道是由外界客观因素(例如转向需求、车道合流等)产生的强制性换道行为;与自由换道不同,强制换道场景中的换道车驾驶目标明确,即在安全的前提下顺利换道,并非追求更好的驾驶环境;而后车在追求自身最大利益的同时还会考虑对方的换道压力,产生礼让心理,激励配合换道;分别制定强制换道下后车和换道车的收益函数如下;
(1)后车
结合强制换道下后车的驾驶心态分析,引入一个协作激励项用于构建后车的收益函数如下:
其中P代表了后车的收益;i表示协作激励,w4为其权重系数;其余项定义与步骤3中相同;
协作激励i与换道车的换道压力有关;换道车的换道压力越大,后车的协作激励也会越强;在车联网环境下,后车可以有效的感知换道车的换道压力;换道车的换道压力可以通过以下公式评估:
其中β为换道压力系数;twait为车辆的换道等待时间;tremain为车辆的换道剩余时间窗;β越趋于1,说明换道车的换道压力越大,换道车越趋于换道,相应后车的协作激励也会越大,后车也会越倾向于让道;定义协作激励i的如下
(2)换道车
结合强制换道中换道车的驾驶期望分析,制定其收益函数如下:
dfro代表了换道车换道后的前车距收益;换道后前车距越大,说明换道的安全性越强;其评估方法与步骤3中的d相同,定义如下:
同理,dbeh代表了换道车换道后的后车距收益,定义如下:
r为换道成功的奖励,用于提高换道收益的基准,防止出现负收益;定义如果换道,r=10;否则r=0;其余项定义与步骤3中相同;
步骤5,计算收益函数,构建收益矩阵;表2给出了车辆换道协作博弈模型的收益矩阵,其中i和j分别表示后车和换道车的决策索引值,i∈{1,2,3},j∈{1,2,3,4};Pij和Qij分别代表了后车和换道车在当前决策组合下的收益,由各自的收益函数计算得到;
表2收益矩阵
步骤6,对所构建的收益矩阵,求解所有纳什均衡的决策组合;
步骤7,协作方案输出;由于涉及的博弈模型属于有限策略博弈,因此至少存在一个纳什均衡,并可能存在多个纳什均衡;为了使模型输出唯一且稳定的决策方案,定义换道车的决策输出具有不同优先级(加速换道>匀速换道>减速换道>不换道),优先级的设置准则是以车辆换道效率作为依据;然后通过识别相应优先级最大的纳什均衡作为博弈模型的最优输出方案,即为引导换道双方车辆输出换道协作方案。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911166438.6A CN110962853B (zh) | 2019-11-25 | 2019-11-25 | 一种车联网环境下车辆博弈换道协作方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911166438.6A CN110962853B (zh) | 2019-11-25 | 2019-11-25 | 一种车联网环境下车辆博弈换道协作方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110962853A true CN110962853A (zh) | 2020-04-07 |
CN110962853B CN110962853B (zh) | 2021-04-06 |
Family
ID=70031451
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911166438.6A Active CN110962853B (zh) | 2019-11-25 | 2019-11-25 | 一种车联网环境下车辆博弈换道协作方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110962853B (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111361564A (zh) * | 2020-04-29 | 2020-07-03 | 吉林大学 | 一种考虑效益最大化的车道变更系统及综合决策方法 |
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 |
CN111994079A (zh) * | 2020-09-18 | 2020-11-27 | 南京航空航天大学 | 考虑驾驶风格特性的非合作博弈换道辅助决策系统及方法 |
CN111994090A (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变道切入意图识别方法及系统 |
CN112590791A (zh) * | 2020-12-16 | 2021-04-02 | 东南大学 | 一种基于博弈论的智能车换道间隙选择方法及装置 |
CN112907967A (zh) * | 2021-01-29 | 2021-06-04 | 吉林大学 | 一种基于不完全信息博弈的智能车换道决策方法 |
CN113255101A (zh) * | 2021-04-22 | 2021-08-13 | 东南大学 | 一种交叉口进口道车辆换道仿真模型标定方法及装置 |
CN113335282A (zh) * | 2021-06-01 | 2021-09-03 | 南京航空航天大学 | 一种基于博弈论的换道决策方法 |
CN113548052A (zh) * | 2021-08-11 | 2021-10-26 | 京东鲲鹏(江苏)科技有限公司 | 无人驾驶车辆换道控制方法和装置 |
CN113823118A (zh) * | 2021-02-19 | 2021-12-21 | 石家庄铁道大学 | 一种联合紧急程度和博弈论的智能网联车辆换道方法 |
CN114644018A (zh) * | 2022-05-06 | 2022-06-21 | 重庆大学 | 一种基于博弈论的自动驾驶车辆人车交互决策规划方法 |
WO2023087157A1 (zh) * | 2021-11-16 | 2023-05-25 | 华为技术有限公司 | 一种智能驾驶方法及应用该方法的车辆 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103754224A (zh) * | 2014-01-24 | 2014-04-30 | 清华大学 | 一种车辆多目标协调换道辅助自适应巡航控制方法 |
CN107161155A (zh) * | 2017-04-27 | 2017-09-15 | 大连理工大学 | 一种基于人工神经网络的车辆协同换道方法及其系统 |
US20180093671A1 (en) * | 2017-11-21 | 2018-04-05 | GM Global Technology Operations LLC | Systems and methods for adjusting speed for an upcoming lane change in autonomous vehicles |
CN108595823A (zh) * | 2018-04-20 | 2018-09-28 | 大连理工大学 | 一种联合驾驶风格和博弈理论的自主车换道策略的计算方法 |
CN109948801A (zh) * | 2019-02-15 | 2019-06-28 | 浙江工业大学 | 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 |
CN110298131A (zh) * | 2019-07-05 | 2019-10-01 | 西南交通大学 | 一种混合驾驶环境下自动驾驶换道决策模型建立方法 |
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 |
-
2019
- 2019-11-25 CN CN201911166438.6A patent/CN110962853B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103754224A (zh) * | 2014-01-24 | 2014-04-30 | 清华大学 | 一种车辆多目标协调换道辅助自适应巡航控制方法 |
CN107161155A (zh) * | 2017-04-27 | 2017-09-15 | 大连理工大学 | 一种基于人工神经网络的车辆协同换道方法及其系统 |
US20180093671A1 (en) * | 2017-11-21 | 2018-04-05 | GM Global Technology Operations LLC | Systems and methods for adjusting speed for an upcoming lane change in autonomous vehicles |
CN108595823A (zh) * | 2018-04-20 | 2018-09-28 | 大连理工大学 | 一种联合驾驶风格和博弈理论的自主车换道策略的计算方法 |
CN109948801A (zh) * | 2019-02-15 | 2019-06-28 | 浙江工业大学 | 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 |
CN110298131A (zh) * | 2019-07-05 | 2019-10-01 | 西南交通大学 | 一种混合驾驶环境下自动驾驶换道决策模型建立方法 |
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 |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111361564A (zh) * | 2020-04-29 | 2020-07-03 | 吉林大学 | 一种考虑效益最大化的车道变更系统及综合决策方法 |
CN111361564B (zh) * | 2020-04-29 | 2023-07-07 | 吉林大学 | 一种考虑效益最大化的车道变更系统及综合决策方法 |
CN111994090B (zh) * | 2020-09-02 | 2021-11-02 | 中国科学技术大学 | 基于混合策略博弈的驾驶人变道切入意图识别方法及系统 |
CN111994090A (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变道切入意图识别方法及系统 |
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 |
CN111994079A (zh) * | 2020-09-18 | 2020-11-27 | 南京航空航天大学 | 考虑驾驶风格特性的非合作博弈换道辅助决策系统及方法 |
CN112590791A (zh) * | 2020-12-16 | 2021-04-02 | 东南大学 | 一种基于博弈论的智能车换道间隙选择方法及装置 |
CN112590791B (zh) * | 2020-12-16 | 2022-03-11 | 东南大学 | 一种基于博弈论的智能车换道间隙选择方法及装置 |
CN112907967A (zh) * | 2021-01-29 | 2021-06-04 | 吉林大学 | 一种基于不完全信息博弈的智能车换道决策方法 |
CN113823118B (zh) * | 2021-02-19 | 2022-07-08 | 石家庄铁道大学 | 一种联合紧急程度和博弈论的智能网联车辆换道方法 |
CN113823118A (zh) * | 2021-02-19 | 2021-12-21 | 石家庄铁道大学 | 一种联合紧急程度和博弈论的智能网联车辆换道方法 |
CN113255101A (zh) * | 2021-04-22 | 2021-08-13 | 东南大学 | 一种交叉口进口道车辆换道仿真模型标定方法及装置 |
CN113335282A (zh) * | 2021-06-01 | 2021-09-03 | 南京航空航天大学 | 一种基于博弈论的换道决策方法 |
CN113548052A (zh) * | 2021-08-11 | 2021-10-26 | 京东鲲鹏(江苏)科技有限公司 | 无人驾驶车辆换道控制方法和装置 |
WO2023087157A1 (zh) * | 2021-11-16 | 2023-05-25 | 华为技术有限公司 | 一种智能驾驶方法及应用该方法的车辆 |
CN114644018A (zh) * | 2022-05-06 | 2022-06-21 | 重庆大学 | 一种基于博弈论的自动驾驶车辆人车交互决策规划方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110962853B (zh) | 2021-04-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110962853B (zh) | 一种车联网环境下车辆博弈换道协作方法 | |
CN108595823B (zh) | 一种联合驾驶风格和博弈理论的自主车换道策略计算方法 | |
CN109345020B (zh) | 一种完全信息下的无信号交叉口车辆驾驶行为预测方法 | |
JP5195929B2 (ja) | 隊列走行制御システム及び車両 | |
CN110298131A (zh) | 一种混合驾驶环境下自动驾驶换道决策模型建立方法 | |
CN110362910A (zh) | 基于博弈论的自动驾驶车辆换道冲突协调模型建立方法 | |
CN114516328B (zh) | 一种智能网联环境下基于规则的车队跟驰模型方法 | |
Martínez-Díaz et al. | Platooning of connected automated vehicles on freeways: a bird’s eye view | |
CN112762952B (zh) | 一种行驶轨迹的优化方法、装置、设备及可读存储介质 | |
CN113867354A (zh) | 一种自动驾驶多车智能协同的区域交通流导引方法 | |
CN115641717A (zh) | 基于混合交通流的高速公路主线-匝道车辆协同合流控制方法、设备及存储介质 | |
De Brucker et al. | Two‐stage multi‐criteria analysis and the future of intelligent transport systems‐based safety innovation projects | |
Cheng et al. | A vehicle passing model in non-signalized intersections based on non-cooperative game theory | |
Asadi et al. | An evolutionary game approach to safety-aware speed recommendation in fog/cloud-based intelligent transportation systems | |
Mattas et al. | Safety aware fuzzy longitudinal controller for automated vehicles | |
Zhang et al. | Mechanism of road capacity under different penetration scenarios of autonomous vehicles | |
CN114023108A (zh) | 一种混合交通流变道模型及变道仿真方法 | |
Kuchiki et al. | Cooperative control of connected and automated vehicles at signal-free intersections considering passenger comfort | |
CN117173910A (zh) | 智能车队协同汇入方法、装置及电子设备 | |
Sun et al. | Cooperative lane-changing strategy for intelligent vehicles | |
Hassanin et al. | Efficiency performance and safety evaluation of the responsibility-sensitive safety in freeway car-following scenarios using automated longitudinal controls | |
Karoui et al. | Impact of driver reaction and penetration rate on GLOSA | |
Zon et al. | Robot, take the wheel: Public policy for automated vehicles | |
CN115841712A (zh) | 一种基于v2x技术的驾驶数据处理方法、装置及设备 | |
WO2023004698A1 (zh) | 智能驾驶决策方法、车辆行驶控制方法、装置及车辆 |
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 |