CN111627205B - 自动驾驶车辆与非机动车辆通行权分配方法 - Google Patents

自动驾驶车辆与非机动车辆通行权分配方法 Download PDF

Info

Publication number
CN111627205B
CN111627205B CN202010352427.3A CN202010352427A CN111627205B CN 111627205 B CN111627205 B CN 111627205B CN 202010352427 A CN202010352427 A CN 202010352427A CN 111627205 B CN111627205 B CN 111627205B
Authority
CN
China
Prior art keywords
vehicle
way
vehicles
automatic driving
motor
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
CN202010352427.3A
Other languages
English (en)
Other versions
CN111627205A (zh
Inventor
周竹萍
孙攀
彭云龙
蔡逸飞
林天婵
杨旭
梅亚岚
裘梦琪
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.)
Nanjing University of Science and Technology
Original Assignee
Nanjing University of Science and Technology
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 Nanjing University of Science and Technology filed Critical Nanjing University of Science and Technology
Priority to CN202010352427.3A priority Critical patent/CN111627205B/zh
Publication of CN111627205A publication Critical patent/CN111627205A/zh
Application granted granted Critical
Publication of CN111627205B publication Critical patent/CN111627205B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G08SIGNALLING
    • G08GTRAFFIC CONTROL SYSTEMS
    • G08G1/00Traffic control systems for road vehicles
    • G08G1/01Detecting movement of traffic to be counted or controlled
    • G08G1/0104Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0137Measuring and analyzing of parameters relative to traffic conditions for specific applications
    • G08G1/0145Measuring and analyzing of parameters relative to traffic conditions for specific applications for active traffic flow control
    • GPHYSICS
    • G08SIGNALLING
    • G08GTRAFFIC CONTROL SYSTEMS
    • G08G1/00Traffic control systems for road vehicles
    • G08G1/07Controlling traffic signals
    • G08G1/087Override of traffic control, e.g. by signal transmitted by an emergency vehicle
    • GPHYSICS
    • G08SIGNALLING
    • G08GTRAFFIC CONTROL SYSTEMS
    • G08G1/00Traffic control systems for road vehicles
    • G08G1/09Arrangements for giving variable traffic instructions
    • G08G1/0962Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0967Systems involving transmission of highway information, e.g. weather, speed limits
    • G08G1/096708Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control
    • G08G1/096725Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control where the received information generates an automatic action on the vehicle control
    • GPHYSICS
    • G08SIGNALLING
    • G08GTRAFFIC CONTROL SYSTEMS
    • G08G1/00Traffic control systems for road vehicles
    • G08G1/16Anti-collision systems
    • G08G1/166Anti-collision systems for active traffic, e.g. moving vehicles, pedestrians, bikes

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Emergency Management (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Atmospheric Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种基于碰撞风险的自动驾驶车辆与非机动车辆通行权分配方法,该方法首先判断自动驾驶车辆与非机动车是否有冲突点,若有冲突点则计算其碰撞风险;然后对碰撞风险高于阈值的自动驾驶车辆与非机动车进行过街迫切系数的计算,为过街迫切系数较高的一方车辆优先分配通行权。本发明以安全为首要原则,在自动驾驶车辆与非机动车混行的无信号控制道路交叉口,通过自动驾驶车辆与非机动车之间的信息交互以及车路协同技术科学分配车辆通行权,改变总是由自动驾驶车辆给非机动车让行的情况,以减少车辆排队等待时间、提高交叉口交通运行速率,使得自动驾驶车辆与非机动车和谐共处。

Description

自动驾驶车辆与非机动车辆通行权分配方法
技术领域
本发明涉及自动驾驶技术领域,具体涉及一种自动驾驶车辆与非机动车辆通行权分配方法。
背景技术
随着自动驾驶技术的发展,人类道路使用者将与自动驾驶车辆共享道路使用权,而非机动车在人类道路使用者之中扮演者不可缺少的角色。在没有信号控制的路口,关于哪方先通行哪方让行的问题需要通过科学合理的分析才能解决。
出于安全角度考虑,自动驾驶车辆的设计程序是以安全第一为原则,当自动驾驶车辆在交叉口遇到非机动车时,在未与非机动车进行信息交互前提下,默认为自动驾驶车辆让行,非机动车先通过路口,即非机动车优先获得通行权。这使得自动驾驶车辆在交叉口的排队时间很长,交叉口的交通运行速率很慢。但是道路交叉口是行人、车辆汇聚、疏散、转移的必经之地,是各个交通道路的连接点,是交通道路网中的非常重要的组成部分。哪怕只有一个道路交叉口产生拥堵,也会对周围路网产生很大影响,可以说是牵一发而动全身。加之未来道路上越来越多的自动驾驶车辆和人类驾驶车辆共行,上述自动驾驶汽车的保守行为会使得道路交叉口的拥堵情况愈发严重。
发明内容
本发明的目的在于提供一种基于碰撞风险的自动驾驶车辆与非机动车辆通行权分配方法,科学合理地为交叉口的自动驾驶车辆与非机动车分配通行权,从而较少自动驾驶车辆排队时间,提高交叉口运行速率。
实现本发明目的的技术解决方案为:一种基于碰撞风险的自动驾驶车辆与非机动车辆通行权分配方法,包括以下步骤:
步骤1、判断自动驾驶车辆与非机动车轨迹是否有冲突点,若没有冲突点车辆继续行驶,无需进入下一步骤;如果有冲突点,进入下一步骤;
步骤2、计算碰撞风险;
步骤3、对碰撞风险程度进行分类;
步骤4、计算车辆过街迫切系数;
步骤5、结合车辆过街迫切系数进行通行权分配。
与现有技术相比,本发明的显著优点为:(1)本发明创造性的提出过街迫切系数,迫切系数更高一方优先通行,这种紧急者先行的策略使得交通为出行者提供最大程度上的便利;(2)本发明通过合理分配通行权使得自动驾驶车辆获得优先通过路口的机会,减少自动驾驶车辆排队长度,提高交叉口运行速率;(3)本发明科学合理地分配道路使用权,提升交通公平性;(4)本发明应用车路智能协同技术,提升道路安全。
附图说明
图1为本发明基于碰撞风险的自动驾驶车辆与非机动车辆通行权分配方法流程图。
图2为本发明交通冲突场景示意图。
图3为本发明自动驾驶车辆优先通行示意图。
图4为本发明非机动车优先通行示意图。
图5为本发明t=0s时示例场景图。
图6为本发明t=12s时示例场景图。
具体实施方式
为减少自动驾驶车辆在交叉口的排队等待时间,本发明提出一种基于碰撞风险的自动驾驶车辆与非机动车辆通行权分配方法,此模型将通行权合理分配,给予自动驾驶车辆优先通行的可能。自动驾驶汽车通过车载设备观测交叉口周围非机动车获取相关行驶数据,计算与其碰撞风险,并对碰撞风险大于一定阈值的相关非机动车使用此方法进行通行权分配(碰撞风险小于阈值的非机动车不用使用此方法进行通行权分配),优先获得通行权的车辆先通过交叉口。此方法建立在智能车路协同且非机动车完全遵守路旁显示设备指令的基础上。自动驾驶车辆在交叉口的排队等待时间的降低会提升道路交叉口交通系统的运行效率,从而提升整个城市道路系统的运行效率,实现城市道路交通系统的可持续发展。
下面结合附图对本发明技术方案进行详细说明。
如图1所示,本发明的一种基于碰撞风险的自动驾驶车辆与非机动车辆通行权分配方法,包括以下步骤:
步骤1、判断自动驾驶车辆与非机动车轨迹是否有冲突点,若没有冲突点车辆继续行驶,无需进入下一步骤;如果有冲突点,进入下一步骤;
步骤2、计算碰撞风险;
步骤3、碰撞风险程度分类;
步骤4、计算车辆过街迫切系数;
步骤5、通行权分配。
进一步地,步骤1所述判断自动驾驶车辆与非机动车轨迹是否有冲突点,自动驾驶车辆上的车载设备实时动态地获取周围非机动车以及自身车辆的行驶信息,包括行驶速度、行驶方向、所处位置、车与车的相对距离、车与道路上某点的相对距离等,通过将这些数据返回到车载系统,车载系统预测出车辆轨迹,并判断轨迹有无冲突点。对应同一冲突点的非机动车与自动驾驶车辆为冲突双方。如果有冲突点,进入下一步骤;若没有冲突点车辆继续行驶,无需进行下一步骤。
进一步地,步骤2所述计算碰撞风险,冲突点为自动驾驶车辆与非机动车辆行驶轨迹的交点。SA表示自动驾驶车辆A距离冲突点的距离,SNi表示第i辆非机动车辆距离冲突点的距离;VA表示自动驾驶车辆A的速度,VNi表示第i辆非机动车辆的速度。按如下公式计算碰撞风险R。
Figure GDA0003585739840000031
运用此公式时存在两种特殊情况,其一是当冲突双方有一方先到达或通过冲突点,碰撞风险为0,其二是当SA/VA=SNi/VNi时,碰撞风险最大,值为1。
进一步地,步骤3所述碰撞风险程度分类,首先对碰撞风险进行分类,将其分为低风险、中低风险、中高风险、高风险四个等级。
对应不同程度的碰撞风险,自动驾驶车辆行为具体如下:
a)当R≤0.05,低风险时,继续向前行驶,加速,无需进行通行权分配。
b)当0.05<R<0.3,中低风险时,保持当前速度行驶并监测非机动车的行为,做好通行权分配准备。
c)当R≥0.3,中高风险或高风险时,开始通行权分配,执行步骤4。
进一步地,步骤4所述计算车辆过街迫切系数,车辆过街迫切系数取决于很多因素,包括出行目的、车主是否要迟到、是否愿意等待等三个因素,在量化车辆过街迫切系数指标时,根据其重要性分配不同比重,具体如下:
a)出行目的这一因素所占比重为20%。在这一因素中,按照重要程度分为三个等级:第一等级为重要程度极高的事项,即:若未及时到达会产生人员伤亡或财产损失3万元以上的事项;第二等级为重要程度一般的事项,即:若为及时到达无人员伤亡但会产生3万元以下经济损失或一定社会影响的事项;第三等级为重要程度很低的事项,即若未及时到达无人员伤亡,无经济损失,无社会影响;为三个等级分配迫切系数P分别为0.9、0.8、0.7。
b)是否迟到这一因素所占比重为60%。在是否迟到这一因素中,紧急程度分为三个等级:第一等级为迟到,时间很紧急;第二等级为不迟到,时间刚好;第三等级为不迟到,时间充裕。为三个等级分配系数L分别为0.9、0.8、0.7。
c)车主性格这一因素所占比重为20%。在车主性格这一因素中,分两个等级:第一等级为不愿等待;第二等级为愿意等待。为其分配参数W为0.9、0.8。而自动驾驶车辆没有驾驶者,此因素参数默认0.85。
过街迫切系数计算公式如下:
I=0.2P+0.6L+0.2W
进一步地,步骤5所述通行权分配,在此方法中,自动驾驶系统根据车辆的过街迫切系数来分配通行权,通行权优先分配给过街迫切系数更高的一方车辆,若双方过街迫切系数相同,通行权优先分配给非机动车。具体如下:
a)若自动驾驶车辆过街迫切系数更高,则将通行权优先分配给自动驾驶车辆,此时自动驾驶车辆上的车载系统通知路旁显示设备显示“禁止非机动车通行!”
b)若非机动车过街迫切系数更高或等于自动驾驶车辆,则将通行权优先分配非机动车,此时自动驾驶车辆停车让行,其车载系统通知路旁显示设备显示“非机动车通行!”
下面结合附图及实施例对本发明作进一步详细说明。
实施例
如图1所示,本发明基于碰撞风险的自动驾驶车辆与非机动车辆通行权分配方法。其实现包括以下步骤:
步骤1、自动驾驶车辆上的车载设备实时动态地获取周围非机动车以及自身车辆的行驶信息,包括行驶速度、行驶方向、所处位置、车与车的相对距离、车与道路上某点的相对距离,通过将这些数据返回到车载系统,车载系统预测出车辆轨迹,并判断轨迹有无冲突点。如图2交通冲突场景所示,对应同一冲突点的非机动车与自动驾驶车辆为冲突双方。若没有冲突点就没有必要使用此方法进行通行权分配;如果有冲突点,进入下一步骤。
步骤2、交通冲突场景如图2,冲突点为自动驾驶车辆与非机动车辆行驶轨迹的交点。SA表示自动驾驶车辆A距离冲突点的距离,SNi表示第i辆非机动车辆距离冲突点的距离;VA表示自动驾驶车辆A的速度,VNi表示第i辆非机动车辆的速度。按如下公式计算碰撞风险R。
Figure GDA0003585739840000051
运用此公式时存在两种特殊情况,其一是当冲突双方有一方先到达或通过冲突点,碰撞风险为0,其二是当SA/VA=SNi/VNi时,碰撞风险最大,值为1。
步骤3、碰撞风险程度分类,首先对碰撞风险进行分类,具体分类如下表:
表1碰撞风险对应表
风险R [0,0.05] (0.05,0.3) [0.3,0.5) [0.5,1]
风险程度 低风险 中低风险 中高风险 高风险
对应不同程度的碰撞风险,自动驾驶车辆行为具体如下:
a)当R≤0.05,低风险时,继续向前行驶,可加速,无需进行通行权分配。
b)当0.05<R<0.3,中低风险时,保持当前速度行驶并监测非机动车的行为,做好通行权分配准备。
c)当R≥0.3,中高风险或高风险时,开始通行权分配。
步骤4、计算车辆过街迫切系数,车辆过街迫切系数取决于很多因素,包括出行目的、车主是否要迟到、是否愿意等待等三个因素,在量化车辆过街迫切系数指标时,根据其重要性分配不同比重。各因素里的不同分类对应不同迫切系数,具体如下:
a)出行目的这一因素所占比重为20%。在这一因素中,重要程度分为三个等级:第一等级为重要程度极高的事项(若未及时到达会产生人员伤亡或财产损失3万元以上),包括急救送医、消防救援、警察出警、政治活动、重大考试等;第二等级为重要程度一般的事项(若为及时到达无人员伤亡但会产生3万元以下经济损失或一定社会影响),包括上班、上学、会议等;第三等级为重要程度很低的事项(若未及时到达无人员伤亡,无经济损失,无社会影响),包括休闲娱乐活动、回家、买菜、接送孩子等。为其分配迫切系数P分别为0.9、0.8、0.7。
b)是否迟到这一因素所占比重为60%。在是否迟到这一因素中,紧急程度分为三个等级:第一等级为迟到,时间很紧急;第二等级为不迟到,时间刚好;第三等级为不迟到,时间充裕。为其分配系数L分别为0.9、0.8、0.7。
c)车主性格这一因素所占比重为20%。在车主性格这一因素中,分两个等级:第一等级为不愿等待;第二等级为愿意等待。为其分配参数W为0.9、0.8。而自动驾驶车辆没有驾驶者,此因素参数默认0.85。
过街迫切系数计算公式如下:
I=0.2P+0.6L+0.2W
此过街迫切系数由自动驾驶车辆车载系统计算得到。首先,自动驾驶车辆与周围非机动车辆进行信息交互(通过喇叭向非机动车主发出关于“出行目的”、“是否迟到”、“是否愿意等待”三个因素的询问信息,并得到回答),然后自动驾驶车辆根据得到的回答开始计算。
步骤5、通行权分配,在此方法中,自动驾驶系统根据车辆的过街迫切系数来分配通行权,通行权优先分配给过街迫切系数更高的一方车辆,若双方过街迫切系数相同,通行权优先分配给非机动车。具体如下:
a)若自动驾驶车辆过街迫切系数更高,则将通行权优先分配给自动驾驶车辆,此时自动驾驶车辆上的车载系统通知路旁显示设备显示“禁止非机动车通行!”,如图3所示。
b)若非机动车过街迫切系数更高或等于自动驾驶车辆,则将通行权优先分配非机动车,此时自动驾驶车辆停车让行,其车载系统通知路旁显示设备显示“非机动车通行!”,如图4所示。
下面为具体示例场景,此示例场景遵循如下几点:
1)此道路交叉口为没有交通信号控制交叉口,车辆沿直线行驶,不得改道或绕行。
2)只考虑自动驾驶车辆与非机动车辆,不考虑其他道路参与者。
3)车辆被看做是点,不考虑其车身长度。
4)一般情况下自动驾驶车辆以15m/s的速度匀速行驶,非机动车N1,N2,N3,N4,N5以5m/s的速度匀速行驶,在必要时可加速或减速。
5)初始场景:自动驾驶车辆A从距冲突点360m处驶进,此时距离冲突点最近的非机动车N1距冲突点30m,其后非机动车分别为N2,N3,N4,N5。
6)自动驾驶车辆车载系统可控制路旁显示设备,非机动车遵守显示设备指令。
图5为t=0s时示例场景,此时各非机动车与自动驾驶车辆的碰撞风险如下表所示。
表2t=0s时碰撞风险表
Figure GDA0003585739840000071
此时非机动车N1,N2的碰撞风险很小,因此都续向前行驶并且加速,无需进行通行权分配。而此时N3的碰撞风险非常大,N3处于十分危险的境地。但由于N1,N2还没过完马路,所以自动驾驶车辆还不能与N3开始进行通行权分配,因此各方都继续向前行驶。
t=12s时,示例场景如图6所示,此时各非机动车与自动驾驶车辆的碰撞风险如下表所示。
表3t=12时碰撞风险表
Figure GDA0003585739840000072
当t=12s时,非机动车N1,N2已经通过冲突点,其风险都为0,N3风险仍然很高,此时计算车辆A与N3的过街迫切系数。此时若设定背景:车辆N3去逛街、不会迟到且时间充足、性格暴躁;车辆A载人去公司上班,即将迟到。自动驾驶车辆通过与N3信息交互得到以上信息并计算过街迫切程度:
IA=0.2×0.8+0.6×0.9+0.2×0.85=0.87
IN3=0.2×0.7+0.6×0.7+0.2×0.9=0.74
由于IA>IN3,通行权将优先非配给自动驾驶车辆A,此时车辆A的车载系统通知路旁显示设备使其显示“禁止非机动车通行”,于是非机动车停车让行,自动驾驶车辆优先通过路口。
从上述示例场景可以发现最后的结果为车辆A先通过路口,这与未使用通行权分配模型时自动驾驶车辆只能让行的情况相比,给了自动驾驶车辆优先通过路口的机会。而在车辆等待时间方面,在未经通行权分配状态下,自动驾驶车辆只能开到路口时停车等待,而在使用通行权分配模型时,车辆A不用减速或停车,车辆等待时间为0,可见此模型可缩短车辆在路口的等待时间。
虽然本发明已以较佳实施例揭露如上,然其并非用以限定本发明。本发明所属技术领域中具有通常知识者,在不脱离本发明的精神和范围内,当可作各种的更动与润饰因此,本发明的保护范围当视权利要求书所界定。

Claims (5)

1.一种自动驾驶车辆与非机动车辆通行权分配方法,其特征在于,包括以下步骤:
步骤1、判断自动驾驶车辆与非机动车轨迹是否有冲突点,若没有冲突点车辆继续行驶,无需进入下一步骤;如果有冲突点,进入下一步骤;
步骤2、计算碰撞风险;
步骤3、对碰撞风险程度进行分类;
首先对碰撞风险程度进行分类,将其分为低风险、中低风险、中高风险、高风险四个等级;对应不同程度的碰撞风险R,自动驾驶车辆行为具体如下:
a)当R≤0.05时,为低风险,继续向前行驶,加速,无需进行通行权分配;
b)当0.05<R<0.3为,为中低风险,保持当前速度行驶并监测非机动车的行为,做好通行权分配准备;
c)当R≥0.3时,为中高风险或高风险,开始通行权分配,执行步骤4;
步骤4、计算车辆过街迫切系数;
车辆过街迫切系数取决于出行目的、车主是否要迟到、是否愿意等待三个因素,在量化车辆过街迫切程度指标时,根据其重要性分配不同比重,具体如下:
a)出行目的这一因素所占比重为20%;在出行目的这一因素中,重要程度分为三个等级,为其分配迫切系数P分别为0.9、0.8、0.7;
b)是否迟到这一因素所占比重为60%;在是否迟到这一因素中,紧急程度分为三个等级,为其分配系数L分别为0.9、0.8、0.7;
c)车主性格这一因素所占比重为20%;自动驾驶车辆没有驾驶者,此因素参数W默认0.85;
则过街迫切系数计算公式如下:
I=0.2P+0.6L+0.2W
步骤5、结合车辆过街迫切系数进行通行权分配。
2.根据权利要求1所述的自动驾驶车辆与非机动车辆通行权分配方法,其特征在于,步骤1所述判断自动驾驶车辆与非机动车轨迹是否有冲突点,自动驾驶车辆上的车载设备实时动态地获取周围非机动车以及自身车辆的行驶信息,包括行驶速度、行驶方向、所处位置、车与车的相对距离、车与道路上某点的相对距离,通过将这些数据返回到车载系统,车载系统预测出车辆轨迹,并判断轨迹有无冲突点;对应同一冲突点的非机动车与自动驾驶车辆为冲突双方;若没有冲突点车辆继续行驶,无需进入下一步骤;如果有冲突点,进入下一步骤。
3.根据权利要求1所述的自动驾驶车辆与非机动车辆通行权分配方法,其特征在于,步骤2所述计算碰撞风险,冲突点为自动驾驶车辆与非机动车辆行驶轨迹的交点,按如下公式计算碰撞风险R:
Figure FDA0003585739830000021
式中,SA表示自动驾驶车辆A距离冲突点的距离,SNi表示第i辆非机动车辆距离冲突点的距离;VA表示自动驾驶车辆A的速度,VNi表示第i辆非机动车辆的速度;当冲突双方有一方先到达或通过冲突点,碰撞风险为0;当SA/VA=SNi/VNi时,碰撞风险最大,值为1。
4.根据权利要求1所述的自动驾驶车辆与非机动车辆通行权分配方法,其特征在于,步骤5所述通行权分配具体为:自动驾驶系统根据车辆的过街迫切系数来分配通行权,通行权优先分配给过街迫切系数更高的一方车辆,若双方过街迫切系数相同,通行权优先分配给非机动车,具体如下:
a)若自动驾驶车辆过街迫切系数更高,则将通行权优先分配给自动驾驶车辆;
b)若非机动车过街迫切系数更高或等于自动驾驶车辆,则将通行权优先分配非机动车。
5.根据权利要求4所述的自动驾驶车辆与非机动车辆通行权分配方法,其特征在于,若通行权优先分配给自动驾驶车辆,此时自动驾驶车辆上的车载系统通知路旁显示设备显示“禁止非机动车通行”,若通行权优先分配非机动车,此时自动驾驶车辆停车让行,其车载系统通知路旁显示设备显示“非机动车通行”。
CN202010352427.3A 2020-04-28 2020-04-28 自动驾驶车辆与非机动车辆通行权分配方法 Active CN111627205B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010352427.3A CN111627205B (zh) 2020-04-28 2020-04-28 自动驾驶车辆与非机动车辆通行权分配方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010352427.3A CN111627205B (zh) 2020-04-28 2020-04-28 自动驾驶车辆与非机动车辆通行权分配方法

Publications (2)

Publication Number Publication Date
CN111627205A CN111627205A (zh) 2020-09-04
CN111627205B true CN111627205B (zh) 2022-06-07

Family

ID=72271783

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010352427.3A Active CN111627205B (zh) 2020-04-28 2020-04-28 自动驾驶车辆与非机动车辆通行权分配方法

Country Status (1)

Country Link
CN (1) CN111627205B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112622937B (zh) * 2021-01-14 2021-10-12 长安大学 一种面对行人时自动驾驶汽车的通行权决策方法
CN113183981B (zh) * 2021-03-03 2022-05-13 宁波大学 一种自动驾驶背景下的非机动车过街路权协商系统
CN113536538B (zh) * 2021-06-11 2022-12-13 东南大学 一种基于交通冲突的行人与车辆交互仿真方法及系统
CN113808394B (zh) * 2021-08-27 2022-09-30 东南大学 一种基于风险组合模式的过街通道安全评价方法
CN113920722B (zh) * 2021-09-23 2023-04-14 摩拜(北京)信息技术有限公司 路口通行状态获取方法、装置、电子设备及存储介质
CN115620536A (zh) * 2022-10-18 2023-01-17 北京航空航天大学 自动驾驶环境下基于危险度的交叉口通行效率提升方法
CN117351774A (zh) * 2023-09-27 2024-01-05 昆明理工大学 一种基于自动驾驶车辆的机非碰撞预警系统及方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104766495A (zh) * 2015-01-30 2015-07-08 华南理工大学 一种无信号主次路口感应式让行控制系统及方法
CN105741551A (zh) * 2016-04-22 2016-07-06 华南理工大学 一种无信号交叉口交通安全评价方法
CN107004361A (zh) * 2014-12-09 2017-08-01 三菱电机株式会社 碰撞风险计算装置、碰撞风险显示装置以及车体控制装置
CN107274699A (zh) * 2017-06-30 2017-10-20 重庆交通大学 基于位置共享的无信控交叉口车辆自协同通行方法
US10235882B1 (en) * 2018-03-19 2019-03-19 Derq Inc. Early warning and collision avoidance
CN110363983A (zh) * 2019-06-24 2019-10-22 长沙理工大学 无信号交叉口机非人实时轨迹预测与冲突识别方法
CN110867097A (zh) * 2019-11-14 2020-03-06 东南大学 高速公路合流区冲突避险自主决策方法
CN110910657A (zh) * 2019-12-04 2020-03-24 珠海深圳清华大学研究院创新中心 一种路口通行权分配方法、装置及电子设备

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107004361A (zh) * 2014-12-09 2017-08-01 三菱电机株式会社 碰撞风险计算装置、碰撞风险显示装置以及车体控制装置
CN104766495A (zh) * 2015-01-30 2015-07-08 华南理工大学 一种无信号主次路口感应式让行控制系统及方法
CN105741551A (zh) * 2016-04-22 2016-07-06 华南理工大学 一种无信号交叉口交通安全评价方法
CN107274699A (zh) * 2017-06-30 2017-10-20 重庆交通大学 基于位置共享的无信控交叉口车辆自协同通行方法
US10235882B1 (en) * 2018-03-19 2019-03-19 Derq Inc. Early warning and collision avoidance
CN110363983A (zh) * 2019-06-24 2019-10-22 长沙理工大学 无信号交叉口机非人实时轨迹预测与冲突识别方法
CN110867097A (zh) * 2019-11-14 2020-03-06 东南大学 高速公路合流区冲突避险自主决策方法
CN110910657A (zh) * 2019-12-04 2020-03-24 珠海深圳清华大学研究院创新中心 一种路口通行权分配方法、装置及电子设备

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
我国"城市"道路通行权分配研究;方芳;《山东警察学院学报》;20160131(第145期);全文 *

Also Published As

Publication number Publication date
CN111627205A (zh) 2020-09-04

Similar Documents

Publication Publication Date Title
CN111627205B (zh) 自动驾驶车辆与非机动车辆通行权分配方法
CN113781806B (zh) 一种用于智能网联环境下的混合交通流通行方法
CN111376950B (zh) 一种基于仿生雁群的列车群控制方法和列车控制系统
CN108873905A (zh) 自动驾驶车辆控制方法、自动驾驶车辆及可读存储介质
CN107731010B (zh) 车联网环境下前车智能避让推荐方法及系统
CN110910646B (zh) 用于交叉口的无人驾驶公交车辆的协同控制方法
CN105835882A (zh) 自动行车方法和装置
CN106898147A (zh) 收集车辆与路口信息以控制车辆速度的系统及其方法
Yamashita et al. Car navigation with route information sharing for improvement of traffic efficiency
CN109272748A (zh) 车车通信结合辅助驾驶环境下匝道协同汇入方法及系统
CN109300325A (zh) 一种基于v2x的车道预测方法及系统
CN107507430A (zh) 一种城市路口交通控制方法及系统
CN103208180A (zh) 基于多智能体交互技术的智能交通调度系统及方法
Hostovsky et al. Freeway users' perceptions of quality of service: comparison of three groups
DE102018129029A1 (de) Verfahren und vorrichtung zur navigation unter berücksichtigung von bahnübergängen
CN110260872A (zh) 一种车路协同环境下基于gps的动态超车轨迹规划系统
Younes et al. A vehicular network based intelligent lane change assistance protocol for highways
CN115601958A (zh) 一种基于连续型元胞自动机的车联网交通流建模方法
CN114613126A (zh) 一种基于动态绿波的特种车辆信号优先方法
CN110085047A (zh) 公交车及其进行道路救援的控制方法和装置
Jones et al. Energy-efficient cooperative adaptive cruise control strategy using V2I
CN116153137B (zh) 基于车辆冲突关系图的多车道匝道协同汇入优化调度方法
CN106530783A (zh) 一种自动驾驶系统
CN111583654B (zh) 一种预防交叉口堵车的方法
CN114655281A (zh) 列车运行图处理方法、装置、电子设备及存储介质

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: Zhou Zhuping

Inventor after: Sun Pan

Inventor after: Peng Yunlong

Inventor after: Cai Yifei

Inventor after: Lin Tianchan

Inventor after: Yang Xu

Inventor after: Mei Yalan

Inventor after: Qiu Mengqi

Inventor before: Sun Pan

Inventor before: Zhou Zhuping

Inventor before: Peng Yunlong

Inventor before: Cai Yifei

Inventor before: Lin Tianchan

Inventor before: Yang Xu

Inventor before: Mei Yalan

Inventor before: Qiu Mengqi

GR01 Patent grant
GR01 Patent grant