CN111439264A - 一种基于人机混驾的换道控制模型的实现方法 - Google Patents
一种基于人机混驾的换道控制模型的实现方法 Download PDFInfo
- Publication number
- CN111439264A CN111439264A CN202010262538.5A CN202010262538A CN111439264A CN 111439264 A CN111439264 A CN 111439264A CN 202010262538 A CN202010262538 A CN 202010262538A CN 111439264 A CN111439264 A CN 111439264A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- lane
- distance
- lane change
- 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 112
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000009499 grossing Methods 0.000 claims abstract description 5
- 238000006073 displacement reaction Methods 0.000 claims description 11
- 230000008569 process Effects 0.000 claims description 11
- 230000001133 acceleration Effects 0.000 claims description 9
- 230000035484 reaction time Effects 0.000 claims description 9
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 150000001875 compounds Chemical class 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims description 3
- 230000007704 transition Effects 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 5
- 238000010276 construction Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005206 flow analysis Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000000452 restraining effect Effects 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
-
- 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
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/08—Interaction between the driver and the control system
- B60W50/082—Selecting or switching between different modes of propelling
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Human Computer Interaction (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供了一种基于人机混驾的换道控制模型的实现方法,该方法包括如下步骤:根据追尾碰撞原理建立安全距离模型,根据前后车间距以及相邻车道前后车间距和速度等分别制定有人和无人驾驶的换道规则,使用Sigmoid函数拟合车辆换道轨迹,使用时间序列回归方法中的指数平滑模型规划车辆换道速度,使用Logistic曲线拟合有人驾驶下的换道概率。本发明通过区分有人和无人驾驶的不同特征建立相关模型,提供了基于人机混驾的换道控制模型的实现方法。
Description
技术领域
本发明涉及一种基于人机混驾的换道控制模型的实现方法,属于无人驾驶下的控制模型技术领域。
背景技术
无人驾驶系统中,车辆的驾驶行为包括两种:跟驰行为和换道行为。换道行为取决于车辆的换道规则、换道路径、换道速度和换道概率。在人机混合驾驶的情况下,需要根据有人和无人驾驶的不同特点来建立换道控制模型。
驾驶员驾驶过程中主要受本车道前车驾驶条件、自车运行状态与目标车道后随车三方面的影响。无人驾驶和有人驾驶在换道上的区别存在明显区别。换道控制第一阶段是通过换道规则,即安全条件判断车辆是否可以实施换道;第二阶段是确定驾驶员的换道意愿,也就是确定换道概率。
对于有人驾驶车辆,其换道规则主要依赖驾驶员自身经验控制,驾驶员目测前后方车辆间距以及另一条车道上的换道条件即视情况采取换道措施。而无人驾驶车辆的换道规则可以更加高效,由于车联网的存在,车辆可以获取前后方车辆的信息。此时无人驾驶车辆的换道可以说是“预测”换道,即通过预测换道条件和换道是否能够提高通行效率来决定是否换道。
在满足换道规则条件下,无人和有人驾驶车辆的换道决策还是存在区别。对于无人驾驶车辆,由于其换道规则已经对换道条件和有效性进行预测,因此一旦达到换道条件就可以进行换道。但对于有人驾驶车辆,其换道条件是依据主观判断,在满足换道条件时,驾驶员可以选择换道,也可以选择跟驰行驶,这就存在一个换道概率。
综上所述,在人机混驾情况下,车辆的换道规律更为复杂,进行人机混驾换道控制模型的构建,需先综合上述方面制定切实可行的方法。研究人机混驾下的换道控制模型构建方法,对无人驾驶下的交通流分析具有重要的意义。
发明内容
技术问题:本发明面临的技术问题包括:
(1)安全距离没有绝对标准,只有动态标准,在根据车辆碰撞原理,建立车辆的安全距离模型时,应如何根据无人驾驶特性确定其安全距离模型;
(2)根据建立的安全距离模型,应如何综合考虑前后车以及相邻车道前后车的间距、速度,分别建立无人和有人驾驶情况下车辆的换道条件;
(3)一般的时间序列回归方法是按照历史数据推算未来数据,对于换道速度预测,应如何根据已有的两组真实数据来预测另一组不完整的换道数据。
技术方案:为实现上述目的:本发明采用以下技术方案:
一种基于人机混驾的换道控制模型的实现方法,包括以下步骤:
1)根据车辆碰撞原理,建立车辆的安全距离模型;
2)基于步骤1)中建立的安全距离模型,区分有人和无人驾驶的换道特性,分别制定有人和无人驾驶情况的换道规则;
3)根据车辆在换道过程中的安全性、侧向位移约束和曲率顺畅性,采用Sigmoid函数拟合进行换道路径确定;
4)根据时间序列回归方法,进行车辆换道速度规划;
5)根据有人驾驶车辆跟车过程中的换道概率变化规律,使用Logistic曲线拟合换道概率。
进一步地,步骤1)中所述建立车辆的安全距离模型的具体方法是:
模型的具体表达式为:
Gsafe=S0+SA-SB+SE (1)
式中Gsafe为两车安全跟车距离;SA为后车A的制动距离;SB为前车B的制动距离;SE为两车完全停下的车间距离,称为安全裕量,S0指的是驾驶员的反应距离,是后车速度vA和驾驶员反应时间t0的乘积,即:
S0=vAt0 (4)
式中t0在有人驾驶时,指的是驾驶员的反应时间;在无人驾驶时,指的是是计算机控制系统的延迟时间。
进一步地,步骤2)中所述制定有人和无人驾驶情况的换道规则的具体方法是:
有人驾驶车辆在直行过程中,若符合一般的换道条件,则执行换道规则,有人驾驶车辆的换道条件有3个,包括换道车辆与前车的行车间距以及与另外一条车道上前后车的距离,如公式(5)所示:
无人驾驶情况下的换道条件如公式(6)所示:
式中,换道前后换道车的速度;换道前换道车前车的速度;换道后换道车前车的速度;换道前换道车与另外一条车道上前车之间的距离;换道前换道车与前车之间的距离;换道后换道车与后车之间的距离;换道后换道车与前车之间的距离。
进一步地,步骤3)中所述采用Sigmoid函数拟合进行换道路径确定的具体方法是:
换道轨迹使用Sigmoid函数模拟,表达式为:
式中,x、y:车辆的横向和侧向位移;k:纵向比例系数,表示车辆可以安全行驶的最大侧向位移;a、b:从起始车道换至目标车道之间过渡轨迹中心的水平偏移量和斜率变化系数;c:侧向偏移量;
通过求解下列约束方程,即可得到式中的参数a、b、c、k:
4.安全距离约束
式中,(x1,y1):前车的坐标;Dsafe:考虑车身长度的安全距离,根据前后车间距和车身长度计算得到;
5.终点坐标约束
ymax也就是终点车辆的最大偏移量;
6.最大侧向加速度约束
为了简化公式,令e-(ax-b)=h
其中,maxay为实际的最大侧向加速度,amax为设置的最大侧向加速度;
求解以上三个约束方程得到所有符合条件的Sigmoid换道曲线,将终点车辆坐标约束在车道中心线上,则ymax=3.5m,由此作出换道路径。
进一步地,步骤4)中所述根据时间序列回归方法,进行车辆换道速度规划的具体方法是:根据两组真实车辆换道的速度数据,采用时间序列回归方法,基于指数平滑模型改进和预测车辆的换道速度。
有益效果:本发明与现有技术相比:本发明给有人驾驶和无人驾驶混行条件下的换道控制模型设计提供了一个方法和思路,能够解决现有换道控制模型不能完全适用于人机混合驾驶的问题。本发明公开的基于人机混驾的换道控制模型的实现方法可以全面和有效地对人机混行下的换道进行控制,更具科学性和实用性。
附图说明
图1为本发明提供的方法流程图;
图2为安全距离示意图;
图3为有人驾驶车辆换道示意图;
图4为无人驾驶车辆换道示意图;
图5为换道曲线示意图;
图6为换道路径曲线;
图7为车辆换道概率示意图;
图8为换道概率-跟车距离曲线。
具体实施方式
下面结合附图对本发明做更进一步的解释。
如图1所示,本发明一种基于人机混驾的换道控制模型的实现方法,主要包括以下步骤:
(1)安全距离模型构建
设计安全距离模型是为了避免发生追尾碰撞,通过计算两辆车之间的临界距离以保证后车与前车在一定的时间内保持的距离大于临界距离来达到防追尾碰撞的目的。追尾碰撞的基本模型示意图如图2所示。
模型的具体表达式为:
Gsafe=S0+SA-SB+SE (1)
式中Gsafe为两车安全跟车距离;SA为后车A的制动距离;SB为前车的制动距离;SE为两车完全停下的车间距离,称为安全裕量。
后车A发现与前车B的距离较小时,后车A应采取减速措施,保持行车距离大于安全距离,以避免减速过程中发生追尾和碰撞。如图2所示,考虑到不同驾驶熟练度的驾驶员的反应时间和距离不同以及由车辆自身因素导致的车辆制动距离误差,需要保证足够的安全裕量才能有效地控制碰撞。
S0在一般情况下指的是驾驶员的反应距离,是后车速度vA和驾驶员反应时间t0的乘积:
S0=vAt0 (4)
考虑到无人驾驶情况,这里对t0进行重新定义:在有人驾驶时,t0依旧是驾驶员的反应时间;在无人驾驶时,则是计算机控制系统等的延迟时间。
驾驶员的反应时间和车辆速度、驾驶员的注意力密切相关。考虑本发明预期的运行速度为50km/h,将驾驶员的反应时间设置为0.8s,计算机控制系统的延迟时间取为0.3s,安全裕量SE设定为2.5m。
(2)换道规则构建
有人驾驶车辆在直行过程中,若符合一般的换道条件,则执行换道规则。如图3所示。
普通车辆的换道条件有3个,包括换道车辆与前车的行车间距以及与另外一条车道上前后车的距离,如公式(5)所示:
和有人驾驶相比,无人驾驶的换道条件更为复杂,除了考虑基本的车辆间距以外,还需要考虑换道前后的速度。这是出于通行效率最优的目的,因为在车联网的情况下,车辆之间的信息能够共享,如果车辆预测换道之后并不能提高速度,有时甚至会导致另外一条车道上车辆无意义的减速,不利于路网整体通行效率,那么换道显然是没有必要的。
根据上述理由,建立的无人驾驶情况下的换道条件如公式(6)所示:
式中,换道前后换道车的速度;换道前换道车前车的速度;换道后换道车前车的速度;换道前换道车与另外一条车道上前车之间的距离;换道前换道车与前车之间的距离;换道后换道车与后车之间的距离;换道后换道车与前车之间的距离。
换道示意图如图4所示。公式都是出于换道必要性的考量,一方面确保换道车速度要快于前车才能进行换道(否则它完全可以继续加速),另一方面限制换道车换道后的速度要慢于前车,这是防止车辆频繁换道。公式 是出于安全距离的考量。
(3)换道路径确定
车辆在换道过程中需要保证安全性和侧向位移的约束,并且为了使乘客具有良好的体验,其曲率也需要顺畅。本发明采用Sigmoid函数进行换道轨迹拟合。Sigmoid函数在模拟换道轨道上具有一定优势,因为它的曲率连续,并且满足侧向位移的约束。
根据Sigmoid函数模拟车辆的换道曲线如图5所示。图5中O点的位置为被控制车辆,L为其前方的障碍车辆,假设横坐标轴为车道中心线。换道轨迹使用Sigmoid函数模拟,表达式为:
式中,x、y:车辆的横向和侧向位移;k:纵向比例系数,表示车辆可以安全行驶的最大侧向位移;a、b:从起始车道换至目标车道之间过渡轨迹中心的水平偏移量和斜率变化系数;c:侧向偏移量,根据车道情况设计。
通过求解下列约束方程,即可得到式中的参数a、b、c、k:
7.安全距离约束
式中,(x1,y1):前车的坐标;Dsafe:考虑车身长度的安全距离,可以根据前后车间距和车身长度计算得到。
8.终点坐标约束
9.最大侧向加速度约束
为了简化公式,令e-(ax-b)=h
其中,max ay为实际的最大侧向加速度,amax为设置的最大侧向加速度;
综合考虑换道安全和乘客舒适度,amax取4.5m/s2。本发明中车道宽度为3.5m,因此采用侧向位移k=3.5m。
求解以上3个约束方程可以得到所有符合条件的Sigmoid换道曲线,考虑实际情况,将终点车辆坐标约束在车道中心线上,则ymax=3.5m,由此作出换道曲线如图6所示。
(4)换道速度规划
假定现在有两组真实车辆换道的速度数据,称为序列1、序列2,分别为v1,1,v1,2,…v1,T,…,v1,n,以及v2,1,v2,2,…v2,T,…,v2,n。需要预测的为序列3,只有换道前的数据:v3,1,v3,2,…v3,T。
三个序列时间间隔相同,T为车辆开始换道前的时间步。
令vc=50km/h,以此作为参照速度,分别计算序列1和序列2与其的比值,为γ1,1,γ1,2,…γ1,T,…,γ1,n,以及γ2,1,γ2,2,…γ2,T,…,γ2,n。
εt为白噪声。
公式(11)是阶数为p的自回归模型,相当于多重回归具有滞后性的zn作为预测指标。一般来说,选取p为2时就能够达到足够的降噪效果。
令所有预测数据都等于序列一个相应的数据(从第一个数据开始):
v3,T+h|T=v3,T,h=1,2,3,… (12)
使用平均值方法,所有预测数据都等于已经获得的数据的加权平均值:
平均值法假设所有观察值具有同等重要性,并在生成预测时赋予它们相同的权重。
上面两式代表的是预测的两个极端,现在需要做的是在这两个极端中获得可靠的预测。对之前的数据进行比较,将较重的权重附加到较新的观测值上更加合理,这正是指数平滑背后的原理。
还是使用加权平均值计算并预测,但权重随着之前数据的增加而呈指数下降,越小的权重与越早的数据相关。考虑真实数据影响因子:
其中,α是平滑参数。T之后的时间步T+1是序列v3,1,v3,2,…v3,T这些所有已有数据的加权平均值。权重降低的速率由参数α控制。
对于任何在0和1之间的α,随着时间的推移,以往数据的权重呈指数下降。据此,可以预测换道速度。
(5)换道概率确定
考虑Logistic曲线拟合换道概率,该曲线是典型的S型曲线,且非常符合车辆跟车过程中的换道概率变化规律。该曲线方程可通过多个参数在数轴上滑动取值,更具广义和准确性,如公式(15)所示:
式中,e:自然对数;k、a、b:待定参数;x:跟车距离;c:纵向偏移量,由实际情况决定。
模型可以描述图7的物理情景:有人驾驶车辆跟随前车行驶时,车间距较大时换道概率比较小,在无穷远处的换道概率趋向于0。随着跟车距离x的不断减小,车辆的换道概率Pchange呈S型曲线递增,这是由于逼近前车导致换道压力逐渐变大(寻求安全视距,获取更高车速等)。模型中有4个参数,考虑车辆的换道概率区间为(0,1),分别在x趋向于+∞和0时取,则k=1,且Pchange|x=0=1,Pchange|x→+∞=0。根据Richards换道概率增长模型中取的拟合的值,Pchange|x=100=0.55。综上可以计算出Logistic曲线的方程为:
曲线示意图如图8所示。
综上所述,本发明解决了现有换道控制模型不能完全支持有人和无人驾驶混行情况的缺陷,同时本发明公开的方法简单、方便,获得的模型更加的科学,从而能够根据计算的结果采用合理的换道控制策略。
Claims (5)
1.一种基于人机混驾的换道控制模型的实现方法,其特征在于,包括以下步骤:
1)根据车辆碰撞原理,建立车辆的安全距离模型;
2)基于步骤1)中建立的安全距离模型,区分有人和无人驾驶的换道特性,分别制定有人和无人驾驶情况的换道规则;
3)根据车辆在换道过程中的安全性、侧向位移约束和曲率顺畅性,采用Sigmoid函数拟合进行换道路径确定;
4)根据时间序列回归方法,进行车辆换道速度规划;
5)根据有人驾驶车辆跟车过程中的换道概率变化规律,使用Logistic曲线拟合换道概率。
3.根据权利要求1所述的基于人机混驾的换道控制模型的实现方法,其特征在于,步骤2)中所述制定有人和无人驾驶情况的换道规则的具体方法是:
有人驾驶车辆在直行过程中,若符合一般的换道条件,则执行换道规则,有人驾驶车辆的换道条件有3个,包括换道车辆与前车的行车间距以及与另外一条车道上前后车的距离,如公式(5)所示:
无人驾驶情况下的换道条件如公式(6)所示:
4.根据权利要求1所述的基于人机混驾的换道控制模型的实现方法,其特征在于,步骤3)中所述采用Sigmoid函数拟合进行换道路径确定的具体方法是:
换道轨迹使用Sigmoid函数模拟,表达式为:
式中,x、y:车辆的横向和侧向位移;k:纵向比例系数,表示车辆可以安全行驶的最大侧向位移;a、b:从起始车道换至目标车道之间过渡轨迹中心的水平偏移量和斜率变化系数;c:侧向偏移量;
通过求解下列约束方程,即可得到式中的参数a、b、c、k:
1).安全距离约束
式中,(x1,y1):前车的坐标;Dsafe:考虑车身长度的安全距离,根据前后车间距和车身长度计算得到;
2).终点坐标约束
ymax也就是终点车辆的最大偏移量;
3).最大侧向加速度约束
为了简化公式,令e-(ax-b)=h
其中,max ay为实际的最大侧向加速度,amax为设置的最大侧向加速度;
求解以上三个约束方程得到所有符合条件的Sigmoid换道曲线,将终点车辆坐标约束在车道中心线上,则ymax=3.5m,由此作出换道路径。
5.根据权利要求1所述的基于人机混驾的换道控制模型的实现方法,其特征在于,步骤4)中所述根据时间序列回归方法,进行车辆换道速度规划的具体方法是:根据两组真实车辆换道的速度数据,采用时间序列回归方法,基于指数平滑模型改进和预测车辆的换道速度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010262538.5A CN111439264B (zh) | 2020-04-03 | 2020-04-03 | 一种基于人机混驾的换道控制模型的实现方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010262538.5A CN111439264B (zh) | 2020-04-03 | 2020-04-03 | 一种基于人机混驾的换道控制模型的实现方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111439264A true CN111439264A (zh) | 2020-07-24 |
CN111439264B CN111439264B (zh) | 2021-06-11 |
Family
ID=71650106
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010262538.5A Active CN111439264B (zh) | 2020-04-03 | 2020-04-03 | 一种基于人机混驾的换道控制模型的实现方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111439264B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112896140A (zh) * | 2021-03-03 | 2021-06-04 | 李解 | 具有变道防撞系统的混合动力车辆 |
CN113485300A (zh) * | 2021-07-15 | 2021-10-08 | 南京航空航天大学 | 一种基于强化学习的自动驾驶车辆碰撞测试方法 |
CN113901582A (zh) * | 2021-10-09 | 2022-01-07 | 燕山大学 | 一种车辆换道纵向位移计算方法及其优化方法 |
CN115063995A (zh) * | 2022-04-15 | 2022-09-16 | 重庆大学 | 一种快速路突发瓶颈区网联自动车控制方法及装置 |
CN115593400A (zh) * | 2022-11-30 | 2023-01-13 | 禾多科技(北京)有限公司(Cn) | 车辆控制方法及装置、存储介质及电子装置 |
CN115830886A (zh) * | 2023-02-09 | 2023-03-21 | 西南交通大学 | 智能网联车辆协同换道时序计算方法、装置、设备及介质 |
CN117302207A (zh) * | 2023-11-29 | 2023-12-29 | 华东交通大学 | 一种适用于混驾环境的智能汽车行驶安全预警系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014206655A1 (de) * | 2013-06-27 | 2014-12-31 | Bayerische Motoren Werke Aktiengesellschaft | Vorhersage des zukünftigen fahrpfades eines fahrzeuges |
CN109017792A (zh) * | 2018-07-16 | 2018-12-18 | 东南大学 | 基于车路协同技术针对车辆变道行为的生态驾驶方法 |
CN109712421A (zh) * | 2019-02-22 | 2019-05-03 | 百度在线网络技术(北京)有限公司 | 自动驾驶车辆的速度规划方法、装置和存储介质 |
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 |
-
2020
- 2020-04-03 CN CN202010262538.5A patent/CN111439264B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014206655A1 (de) * | 2013-06-27 | 2014-12-31 | Bayerische Motoren Werke Aktiengesellschaft | Vorhersage des zukünftigen fahrpfades eines fahrzeuges |
CN109017792A (zh) * | 2018-07-16 | 2018-12-18 | 东南大学 | 基于车路协同技术针对车辆变道行为的生态驾驶方法 |
CN109712421A (zh) * | 2019-02-22 | 2019-05-03 | 百度在线网络技术(北京)有限公司 | 自动驾驶车辆的速度规划方法、装置和存储介质 |
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 |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112896140A (zh) * | 2021-03-03 | 2021-06-04 | 李解 | 具有变道防撞系统的混合动力车辆 |
CN113485300A (zh) * | 2021-07-15 | 2021-10-08 | 南京航空航天大学 | 一种基于强化学习的自动驾驶车辆碰撞测试方法 |
CN113901582A (zh) * | 2021-10-09 | 2022-01-07 | 燕山大学 | 一种车辆换道纵向位移计算方法及其优化方法 |
CN115063995A (zh) * | 2022-04-15 | 2022-09-16 | 重庆大学 | 一种快速路突发瓶颈区网联自动车控制方法及装置 |
CN115593400A (zh) * | 2022-11-30 | 2023-01-13 | 禾多科技(北京)有限公司(Cn) | 车辆控制方法及装置、存储介质及电子装置 |
CN115593400B (zh) * | 2022-11-30 | 2023-02-28 | 禾多科技(北京)有限公司 | 车辆控制方法及装置、存储介质及电子装置 |
CN115830886A (zh) * | 2023-02-09 | 2023-03-21 | 西南交通大学 | 智能网联车辆协同换道时序计算方法、装置、设备及介质 |
CN117302207A (zh) * | 2023-11-29 | 2023-12-29 | 华东交通大学 | 一种适用于混驾环境的智能汽车行驶安全预警系统 |
CN117302207B (zh) * | 2023-11-29 | 2024-02-13 | 华东交通大学 | 一种适用于混驾环境的智能汽车行驶安全预警系统 |
Also Published As
Publication number | Publication date |
---|---|
CN111439264B (zh) | 2021-06-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111439264B (zh) | 一种基于人机混驾的换道控制模型的实现方法 | |
CN110298131B (zh) | 一种混合驾驶环境下自动驾驶换道决策模型建立方法 | |
CN108256233B (zh) | 基于驾驶员风格的智能车轨迹规划及跟踪方法和系统 | |
CN113291308B (zh) | 一种考虑驾驶行为特性的车辆自学习换道决策系统及方法 | |
Moon et al. | Design, tuning, and evaluation of a full-range adaptive cruise control system with collision avoidance | |
CN107958269A (zh) | 一种基于隐马尔可夫模型的行车危险度预测方法 | |
CN111497862B (zh) | 使对象车辆进行队列行驶的行驶模式变更方法及装置 | |
WO2019062630A1 (zh) | 交通工具前方避撞方法及系统 | |
CN103324085A (zh) | 基于监督式强化学习的最优控制方法 | |
CN110910646B (zh) | 用于交叉口的无人驾驶公交车辆的协同控制方法 | |
CN113788021B (zh) | 一种结合前车速度预测的自适应跟车巡航控制方法 | |
CN112965476B (zh) | 一种基于多窗口模型的高速无人车轨迹规划系统及方法 | |
CN111231957B (zh) | 车辆控制方法、装置、设备及存储介质 | |
CN113276884B (zh) | 一种可变博弈模式的智能车交互决策通行方法及系统 | |
CN106004875A (zh) | 自适应巡航控制系统 | |
CN111002993B (zh) | 一种基于场景识别的自动驾驶低油耗运动规划方法及系统 | |
CN106314430B (zh) | 一种应用于智能汽车的纵向主动安全防撞系统及其方法 | |
CN114771522A (zh) | 一种人机混驾交通流车辆换道模型构建方法 | |
CN113593275A (zh) | 一种基于公交信号优先的交叉口网联自动驾驶方法 | |
CN116118780A (zh) | 一种车辆避障轨迹规划方法、系统、车辆及存储介质 | |
Chen et al. | Towards human-like speed control in autonomous vehicles: A mountainous freeway case | |
CN115257789A (zh) | 城市低速环境下的营运车辆侧向防撞驾驶决策方法 | |
CN115140094A (zh) | 一种基于纵向安全间距模型的实时换道决策方法 | |
CN116653957A (zh) | 一种变速变道方法、装置、设备及存储介质 | |
CN115973179A (zh) | 模型训练方法、车辆控制方法、装置、电子设备及车辆 |
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 | ||
CB03 | Change of inventor or designer information | ||
CB03 | Change of inventor or designer information |
Inventor after: Yu Bin Inventor after: Wang Shuyi Inventor after: Wu Maiyi Inventor after: Yu Qiannan Inventor before: Yu Bin Inventor before: Wu Maiyi Inventor before: Yu Qiannan |
|
GR01 | Patent grant | ||
GR01 | Patent grant |