CN112289076A - 双车道智能网联车协同换道方法、装置、设备及存储介质 - Google Patents

双车道智能网联车协同换道方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN112289076A
CN112289076A CN202011196917.5A CN202011196917A CN112289076A CN 112289076 A CN112289076 A CN 112289076A CN 202011196917 A CN202011196917 A CN 202011196917A CN 112289076 A CN112289076 A CN 112289076A
Authority
CN
China
Prior art keywords
vehicle
lane
lane changing
changing
cooperative
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
Application number
CN202011196917.5A
Other languages
English (en)
Other versions
CN112289076B (zh
Inventor
龚思远
赵祥模
孙康
武亚龙
吴霞
刘凤琳
丁毓琨
赵璐
刘佳琳
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.)
Changan University
Original Assignee
Changan University
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 Changan University filed Critical Changan University
Priority to CN202011196917.5A priority Critical patent/CN112289076B/zh
Publication of CN112289076A publication Critical patent/CN112289076A/zh
Application granted granted Critical
Publication of CN112289076B publication Critical patent/CN112289076B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/166—Anti-collision systems for active traffic, e.g. moving vehicles, pedestrians, bikes
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
    • G08G1/0112—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from the vehicle, e.g. floating car data [FCD]
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/052—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/167—Driving aids for lane monitoring, lane changing, e.g. blind spot detection
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明涉及一种双车道智能网联车协同换道方法、装置、设备及其存储介质，该方法通过实时获取换道车辆周边车辆的运动状态信息，并构造了换道车辆M的横向加速度模型和纵向加速度模型，该模型考虑了换道的安全性、舒适性及状态目标等多个约束，实现了智能网联车安全协同换道的目标。本发明将整个换道过程划分为两阶段，并且在换道目标阶段通过主动控制目标车道及主车道协同换道车辆达到主动调节两车道交通流的目的，一定程度改善换道对两车道交通流的负面影响，提高两车道道路通行效率；考虑采用固定换道时间可能在某些换道起始条件下不存在可行解，选用协同换道时间为范围值，有效提高优化模型求解的可行性，进而提高换道可行的范围。

Description

双车道智能网联车协同换道方法、装置、设备及存储介质
技术领域
本发明涉及智能网联车主动安全控制技术领域，特别是涉及一种双车道智能网联车协同换道方法、装置、设备及存储介质。
背景技术
换道是道路交通中一种常见的驾驶行为，相较于跟驰行为，其涉及到横纵向两个方向的运动，因此决策和操作过程更复杂。人类驾驶员常常因为缺乏驾驶经验和驾驶技术不娴熟而做出不恰当的换道操作，从而对道路交通安全和通行效率造成负面影响。相关研究数据表明，75％的换道事故是由于驾驶员操作失误导致，而由于换道所导致的交通事故约占交通事故总量的4％-10％，并导致了10％的交通延误。
近年来随着车路协同和智能网联车等技术的不断发展，借助于车车通信实现智能网联车间的协同控制已成为一种提高道路交通安全和通行效率的有效方法之一。在网联环境下，一方面通过车车通信技术可以为换道车辆提供广域的周边车辆运行状态信息，能够辅助智能网联车做出更为合理驾驶决策，另一方面，通过车车通信可以实现多车间的同步协同控制，进而有效提高车辆驾驶的安全性和舒适性，并较大程度地降低换道对道路交通运行效率所产生的负面影响。
目前，针对车辆换道的研究主要是从两方面进行：即单车换道和多车协同换道。基于单车换道的研究主要是以单个车辆作为研究对象而进行的换道模型构建，轨迹规划及跟踪。而现实的高速公路环境中，驾驶员常常会因为行驶道路前方出现交通事故或匝道口等情况而需要进行强制换道，但进行强制换道时往往会因为周边车辆的不配合而导致局部交通拥堵甚至是交通事故的发生。
在多车协同换道领域，现有关于双车道的多车协同换道主要是以目标车道上的车辆作为协同对象，鲜少关注主车道上换道车的后方车辆，然而换道行为对主车道交通流的影响也是不可忽略的；在进行换道模型构建过程中，多是基于优化模型构建换道轨迹模型，并将换道时间设为固定值，然而基于固定时长的换道时间对优化模型进行求解往往出现非可行解的情况；此外，多数学者在研究协同换道行为时，将换道行为及其完成换道后的跟驰调整环节分割开来研究，对于跟驰调整阶段多采用成熟的跟驰模型来进行描述，而没有对该阶段加以控制干涉，因此目标车道车辆进入稳定运行状态的时效往往取决于跟驰模型本身。
发明内容
基于此，有必要针对现有的多车协同换道，很少关注主车道上换道车的后方车辆，同时对于跟驰调整阶段多采用成熟的跟驰模型来进行描述，而没有对该阶段加以控制干涉的问题，提供一种双车道智能网联车协同换道方法、装置、设备及存储介质。
本发明提供了一种双车道智能网联车协同换道方法，该方法包括：
获取换道车辆M及换道车辆M周边车辆A、B、C、D的车辆信息，其中，所述换道车辆M所在车道为主车道，车辆C和车辆D均位于所述主车道上，且车辆C位于所述换道车辆M的前方，车辆D位于所述换道车辆M的后方；车辆A和车辆B均位于目标车道，且车辆B位于所述换道车辆M的前方，车辆A位于所述换道车辆M的后方，所述车辆D和所述车辆A为所述换道车辆M的协同换道车辆；
根据所述换道车辆M和所述协同换道车辆的车辆信息和车辆参数，构建所述换道车辆M和所述协同换道车辆的加速度控制模型，其中，所述换道车辆M的加速度控制模型包括横向加速度模型和纵向加速度模型；
根据所述纵向加速度模型计算所述换道车辆M和所述协同换道车辆的纵向加速度；
判断在预设时间范围内，所述换道车辆M是否换道均不可行，若为否，则获取所述换道车辆M最优协同换道时间，以及所述协同换道车辆的纵向加速度；
将所述最优协同换道时间以及所述最优协同换道时间对应的所述换道车辆M和所述协同换道车辆的纵向加速度对应发送给所述换道车辆M和所述协同换道车辆A和D；
所述换道车辆M和所述协同换道车辆A和D按照接收到的数据控制车辆行驶。
在其中一个实施例中，所述横向加速度模型为：
Figure BDA0002754286180000031
其中，aMy(t)表示换道车辆M的横向加速度，aymax表示换道过程中的最大可允许横向加速度，TA表示协同换道的总运行时间。
在其中一个实施例中，所述纵向加速度模型为：
Figure BDA0002754286180000041
其中：k1，k2和k3分别为权重系数，ui1，ui2，i＝M，A，D分别表示换道车辆M和协同换道车辆A和D分别在换道-主车道阶段和换道-目标车道两阶段的期望纵向加速度，SMj(t)j，＝A，B，C，D分别表示换道车辆M和其周边辆车A、B、C、D间的纵向间距，SCD(t)表示车辆D和车辆C的纵向间距，dMi，exp(t)，i＝A，B，D表示换道车辆M与车辆A、B、D的期望纵向间距；dCD，exp(t)表示车辆C与车辆D的期望纵向间距。
在其中一个实施例中，所述判断在预设时间范围内，所述换道车辆M是否换道均不可行，还包括：
若为是，则驾驶员在预设时间范围内不存在满足执行安全协同换道的换道时间，即协同换道不可行，所述换道车辆M上的中央处理器向所述协同换道车辆发送终止协同换道的信号。
在其中一个实施例中，在所述换道车辆M上的中央处理器向所述协同换道车辆发送终止协同换道的信号之后，该方法还包括：
所述换道车辆M及所述协同换道车辆的协同换道过程执行完毕，所述换道车辆M及所述协同换道车辆进入相对稳定的跟驰状态。
在其中一个实施例中，所述获取所述换道车辆M最优协同换道时间，包括：
所述换道车辆M上的中央处理器对于预设时间范围内的所有单位时间优化函数值进行排序，取单位时间优化函数值最低值所对应的换道时间作为最终执行协同换道的最优换道时间。
在其中一个实施例中，在所述换道车辆M和所述协同换道车辆按照接收到的数据控制车辆行驶之后，该方法还包括：
判断协同换道时间是否执行完成，若是，则所述换道车辆M上的中央处理器向所述协同换道车辆发送终止协同的信号；若否，则所述换道车辆M和所述协同换道车辆继续按照接收到的数据控制车辆行驶。
本发明还提供了一种双车道智能网联车协同换道装置，该装置包括：
获取单元，用于获取换道车辆M及换道车辆M周边车辆A、B、C、D的车辆信息，其中，所述换道车辆M所在车道为主车道，车辆C和车辆D均位于所述主车道上，且车辆C位于所述换道车辆M的前方，车辆D位于所述换道车辆M的后方；车辆A和车辆B均位于目标车道，且车辆B位于所述换道车辆M的前方，车辆A位于所述换道车辆M的后方，所述车辆D和所述车辆A为所述换道车辆M的协同换道车辆；
构建单元，用于根据所述换道车辆M和所述协同换道车辆的车辆信息和车辆参数，构建所述换道车辆M和所述协同换道车辆的加速度控制模型，其中，所述换道车辆M的加速度控制模型包括横向加速度模型和纵向加速度模型；
计算单元，用于根据所述纵向加速度模型计算所述换道车辆M和所述协同换道车辆的纵向加速度；
判断单元，用于判断在预设时间范围内，所述换道车辆M是否换道均不可行，若为否，则获取所述换道车辆M最优协同换道时间，以及所述协同换道车辆的纵向加速度；
发送单元，用于将所述最优协同换道时间以及所述最优协同换道时间对应的所述换道车辆M和所述协同换道车辆的纵向加速度对应发送给所述换道车辆M和所述协同换道车辆；
所述换道车辆M和所述协同换道车辆按照接收到的数据控制车辆行驶。
本发明还提供了一种双车道智能网联车协同换道的设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如本申请实施例描述中任一所述的方法。
本发明一种双车道智能网联车协同换道的可读存储介质，其上存储有计算机程序，所述计算机程序用于：
所述计算机程序被处理器执行时实现如本申请实施例描述中任一所述的方法。
本发明的有益效果包括：
本发明提出的双车道智能网联车协同换道方法，通过实时获取换道车辆周边车辆的运动状态信息，并构造了换道车辆M的横向加速度模型和纵向加速度模型，该模型考虑了换道的安全性、舒适性及状态目标等多个约束，实现了智能网联车安全协同换道的目标。本发明将整个换道过程划分为两阶段，并且在换道目标阶段通过主动控制目标车道及主车道协同换道车辆达到主动调节两车道交通流的目的，一定程度改善换道对两车道交通流的负面影响，提高两车道道路通行效率；考虑采用固定换道时间可能在某些换道起始条件下不存在可行解，选用协同换道时间为范围值，有效提高优化模型求解的可行性，进而提高换道可行的范围。
附图说明
图1为本发明一实施例提供的一种双车道智能网联车协同换道方法流程示意图；
图2为本发明一实施例提供的一种双车道智能网联车协同换道装置200的示例性结构框图；
图3示出了适于用来实现本申请实施例的双车道智能网联车协同换道装置的计算机系统的结构示意图；
图4为本发明一实施例提供的一种双车道智能网联车协同换道方法中换道车辆与周边其他车辆的相对位置示意图；
图5为本发明一实施例提供的协同换道模型两阶段划分示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图对本发明的具体实施方式做详细的说明。在下面的描述中阐述了很多具体细节以便于充分理解本发明。但是本发明能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似改进，因此本发明不受下面公开的具体实施例的限制。
在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”、“顺时针”、“逆时针”、“轴向”、“径向”、“周向”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
在本发明中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系，除非另有明确的限定。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
在本发明中，除非另有明确的规定和限定，第一特征在第二特征“上”或“下”可以是第一和第二特征直接接触，或第一和第二特征通过中间媒介间接接触。而且，第一特征在第二特征“之上”、“上方”和“上面”可是第一特征在第二特征正上方或斜上方，或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”可以是第一特征在第二特征正下方或斜下方，或仅仅表示第一特征水平高度小于第二特征。
需要说明的是，当元件被称为“固定于”或“设置于”另一个元件，它可以直接在另一个元件上或者也可以存在居中的元件。当一个元件被认为是“连接”另一个元件，它可以是直接连接到另一个元件或者可能同时存在居中元件。本文所使用的术语“垂直的”、“水平的”、“上”、“下”、“左”、“右”以及类似的表述只是为了说明的目的，并不表示是唯一的实施方式。
以图4的高速公路场景为例，按图示方向，按照国内的高速公路设置规范，行驶方向上两个车道的右侧车道(即图中最下方一条车道)为低速车道，两个车道中的左侧车道(即图中最上方一条车道)为高速车道；假设图中的M车为换道车辆，设定其起始位置为低速车道，预向高速车道换道，其中定义换道车辆换道前的原车道为主车道，换道后进入的车道为目标车道；车辆A，D分别表示换道车辆在目标车道和主车道上的后方车辆，车辆B，C分别表示换道车辆在目标车道和主车道上的前方车辆，该场景中M从低速车道换向高速车道。
如图1所示，本发明一实施例中，提供了一种双车道智能网联车协同换道方法，该方法包括：
步骤110，获取换道车辆M及换道车辆M周边车辆A、B、C、D的车辆信息，其中，所述换道车辆M所在车道为主车道，车辆C和车辆D均位于所述主车道上，且车辆C位于所述换道车辆M的前方，车辆D位于所述换道车辆M的后方；车辆A和车辆B均位于目标车道，且车辆B位于所述换道车辆M前方，车辆A位于所述换道车辆M的后方，所述车辆D和所述车辆A为所述换道车辆M的协同换道车辆；
步骤120，根据所述换道车辆M和所述协同换道车辆的车辆信息和车辆参数，构建所述换道车辆M和所述协同换道车辆的加速度控制模型，其中，所述换道车辆M的加速度控制模型包括横向加速度模型和纵向加速度模型；
步骤130，根据所述纵向加速度模型计算所述换道车辆M和所述协同换道车辆的纵向加速度；
步骤140，判断在预设时间范围内，所述换道车辆M是否换道均不可行，若为否，则获取所述换道车辆M最优协同换道时间，以及所述协同换道车辆的纵向加速度；
步骤150，将所述最优协同换道时间以及所述最优协同换道时间对应的所述换道车辆M和所述协同换道车辆的纵向加速度对应发送给所述换道车辆M和所述协同换道车辆A和D；
步骤160，所述换道车辆M和所述协同换道车辆A和D按照接收到的数据控制车辆行驶。
具体地，在步骤110中，换道车辆M发出换道请求，并实时接收与其换道过程密切相关的周边四辆车A，B，C，D的运动状态信息(包括速度和位置等信息)，其中规定A，D两车为协同换道车辆，作为M车换道过程与其协同驾驶的受控车辆。B，C两车为非协同换道车辆，作为M车换道过程中对去产生安全强约束的非受控车辆；
在步骤120中，以M车作为总控车辆，其内置的中央控制单元根据所接收到的周边四辆车的运动状态信息(包括周边四辆车的纵向位置及纵向速度等信息，分别用Si，vi(i＝A，B，C，D)来表示)，并结合自身的运动状态信息(SM，vM)，构建换道车辆M及协同换道车辆A，D的加速度控制模型。
进一步地，在构建模型的过程中，将换道车辆M的换道过程划分为横、纵向两个方向进行独立研究，其横向运动过程，采用正弦函数曲线模型描述其横向加速度变化。而其纵向运动过程则是同协同换道车辆的运动过程综合考虑，所述总控车辆在所接收的车辆信息的基础上，以换道车辆是否越过两车道的分界线作为临界位置，将整个换道过程划分为换道-原车道阶段和换道-目标车道两个阶段(如图5所示)，在此基础上构建基于中央控制的两阶段优化的换道模型，通过求解该模型得到换道车辆和协同换道车辆的纵向加速度；
所述总控车辆M的中央控制单元考虑驾驶员可接受的换道时间范围{TA(i)，i＝1，2，...8}，并取换道时间为上述时间范围内的各个整数值(本实施例中取TA(i)＝5～12s)，逐个对基于中央控制的两阶段优化的换道模型进行求解，判断所述的所有整数换道时间TA(i)是否均无可行解，若为是，则说明在驾驶员可接受的换道时间范围{TA(i)，i＝1，2，...8}内不存在满足执行安全协同换道的换道时间，即协同换道不可行，总控车辆向协同换道车辆发送终止协同换道的信号，换道车辆及协同换道车辆的协同换道过程执行完毕，换道车辆及协同换道车辆均进入相对稳定的跟驰状态；
步骤130，若为否，则说明在驾驶员可接受的换道时间范围内存在满足执行安全协同换道的换道时间{TA(j)，j＝1，2，...，p}，其中p为可用协同换道时间的总个数，进一步地计算所有存在可行解的换道时间所对应的单位时间优化函数值opt_avg(j)以及各可行换道时间下的两阶段的各加速度控制量ui1，ui2(i＝M，A，D)，并进入步骤140；
所述总控车辆M的中央控制单元对得到的所有单位时间优化函数值opt_avg(j)进行排序，取单位时间优化函数值最低值opt_avgmin所对应的换道时间作为最终执行协同换道的最优换道时间
Figure BDA0002754286180000111
并取该换道时间下通过步骤120所述的两阶段优化的协同换道模型得到的协同换道两个阶段中换道车辆M及协同换道车辆A和D的期望纵向加速度控制量ui1，ui2(i＝M，A，D)，并进入步骤150；
所述总控车辆M的通过CAN总线向自车发送协同换道两个阶段的期望纵向及横向加速度控制量uM1，uM2，αMy及协同换道时间
Figure BDA0002754286180000112
与此同时，总控车辆M通过其无线通信单元以车车通信的方式向协同换道车辆A，D发送其协同换道两个阶段的期望纵向加速度控制量uA1，uD1，uA2，uD2及协同换道总时间
Figure BDA0002754286180000113
步骤160，换道车辆M及协同换道车辆A，D根据步,150接收各自的期望加速度控制量uM1，uM2，aMy，uA1，uD1，uA2，uD2以及最优协同换道时间
Figure BDA0002754286180000114
后启动各车的自动驾驶控制器控制车辆按照各阶段的期望加速度行驶；
同时，所述换道车辆M及协同换道车辆A，D通过实时监测协同换道时间
Figure BDA0002754286180000121
是否已进行完来判定协同换道过程是否已执行完成，如果是，则换道车辆及协同换道车辆的协同换道过程执行完毕，换道车辆及协同换道车辆均进入相对稳定的跟驰状态，否则，返回步骤160各车仍继续执行协同换道控制。
在一些实施例中，本申请中的换道车辆横向加速度所采用的正弦函数曲线模型如下：
Figure BDA0002754286180000122
其中，aMy(t)表示换道车辆的横向加速度，d表示车道宽度，由于换道过程规定换道车辆M是由主车道中间线换道至目标车道中间线，因此换道的横向长度实际上为车道宽度d，TA表示协同换道的总运行时间。
通过分析上述表达式可以得知，当t＝TA/4时，横向加速度aMy(t)达到最大值
Figure BDA0002754286180000123
即
Figure BDA0002754286180000124
进而可以将正弦函数曲线模型转换为如下行驶：
Figure BDA0002754286180000125
根据上述的横向加速度的模型，可以倒推得到横向方向运动轨迹曲线函数如下所示：
Figure BDA0002754286180000126
分析上述横向方向运动轨迹曲线表达式可以知道，当t＝TA/2时，换道车辆M达到跨越主车道与目标车道的边界线的临界位置，即yM(TA/2)＝d/2。因此，如图5所示，在根据换道车辆M是否跨越主车道和目标车道边界线作为临界位置，将整个换道过程划分为两个阶段：换道-主车道阶段和换道-目标车道阶段。在换道-主车道阶段时，换道车辆M的横向运动范围为由主车道中间线到主车道与目标车道分界线位置，在这个阶段中协同换道车辆D的前车始终换道车辆M，而协同换道车辆A则需要提前主动减速以提供足够的安全换道间隙以使换道车辆M顺利切入目标车道；
在换道-目标车道阶段时，换道车辆M的横向运动范围为由主车道与目标车道分界线位置到目标车道中间线，在这个阶段中协同换道车辆A和D的实际前车发生了变化，分别为M车和C车，并且在该阶段结束时刻，换道车辆M，协同换道车辆A和D分别于目标车道和主车道达到期望目标终态的比值范围内。
具体的分析过程如下：
基于上述分析，构造基于中央控制的两阶段优化的换道模型，该模型是通过构造一个优化模型实现的，该优化模型的目标函数考虑优化：①换道两个阶段中换道车辆M和协同换道车辆A，D的期望纵向加速度控制量，②换道车辆M和协同换道车辆A，D的间距误差，③尽可能使换道车辆M和协同换道车辆在换道两阶段末向期望状态靠近。对于这三个目标加权求和，得到目标函数：
Figure BDA0002754286180000131
其中：k1，k2和k3分别为权重系数，ui1，ui2，i＝M，A，D分别表示换道车辆M和协同换道车辆A和D分别在换道-主车道阶段和换道-目标车道两阶段的期望纵向加速度，SMj(t)，j＝A，B，C，D分别表示换道车辆M和其周边4辆车A，B，C，D间的纵向间距，SCD(t)表示车辆D和车辆C的纵向间距，dMi，exp(t)，i＝A，B，D表示车辆M与车辆A，B，D的期望纵向间距；dCD，exp(t)表示车辆C与车辆D的期望纵向间距，上述目标函数中将整体除以1000的目的是为了便于优化模型求解。
结合优化模型目标函数，可以得知换道车辆M和协同换道车辆A和D在协同换道的两个阶段均为匀变速运动。因此，上述三辆车各自的加速度，速度和位移可由以下公式推导得出：
Figure BDA0002754286180000141
该优化模型的约束函数需要考虑车辆的车道限速及临界时刻的安全跟驰间距等安全约束、考虑驾驶员舒适性的车间协同驾驶的加速度约束、在换道末态时的期望车间距及速度等的目标状态约束：
0＜vi(TA/2)＜vi，max，i＝M，A，D
0＜vi(TA)＜vi，max，i＝M，A，D
SMA(TA/2)≥dMA，safe＝tsvA(TA/2)+xoff
SMB(TA/2)≥dMD，safe＝tsvM(TA/2)+xoff
SMC(TA/2)≥0
SMD(TA/2)≥dMD，safe＝tsvD(TA/2)+xoff
ukmin≤uM1≤ukmax
ukmin≤uD1≤ukmax
umin≤uA1≤0
ukmin≤uM2≤ukmax
ukmin≤uD2≤ukmax
ukmin≤uA2≤ukmax
thdvA(TA)＝dMA，exp(TA)≤SMA(TA)≤kk1dMA，exp(TA)
thdvM(TA)＝dMB，exp(TA)≤SMB(TA)≤kk1dMB，exp(TA)
thdvD(TA)＝dCD，exp(TA)≤SCD(TA)≤kk1dCD，exp(TA)
vB≤vi(TA)≤kk2vB，i＝M，A
vC≤vD(TA)≤kk2vC
其中TA为协同换道的总运行时间，vi(t)，i＝M，A，D表示车辆M，A，D的纵向速度，ts最小安全车头时距(取1.5s)，xoff为安全停止间距(取10m)，thd是期望安全车头时距(取1.94s)，ukmax表示协同换道的最大纵向加速度，ukmin为协同换道的最小纵向加速度，umin表示车辆A在目标车道减速避让的最大纵向减速度，kk1表示协同换道终态期望纵向间距的比例系数，kk2为协同换道终态期望纵向速度的比例系数。
本实施例设定A，D两车为非协同换道车辆，设定其已处于自由流的匀速状态进行分析。给定测试参数如下，设定车道宽度d为3.75m；换道车辆M的初始速度vM(0)为18m/s，换道车辆在目标车道和主车道上的前车B和C处于自由流状态下的行驶速度vB和vC分别为23m/s和17m/s，换道车辆在目标车道和主车道上的后车(即协同换道车辆)A和D的初始速度vA(0)和vD(0)分别为22m/s和16m/s；换道车辆M和周边车辆A，B，C，D的初始纵向车间距SMA(0)，SMB(0)，SMC(0)和SMD(0)分别为40m，35m，20m和30m；协同换道的最大纵向加速度及最小纵向加速度ukmax和ukmin分别为1.5m/s2和-2m/s2，协同换道车辆D在换道-主车道阶段时的最大减速度umin为-4m/s2；期望车间距比例系数kk1和期望速度比例系数kk2分别取1.1和1.15，目标函数中的三个权重系数k1，k2和k3分别取1,0.05,和1。测试换道时间TA＝5～12s中协同换道的可行性及符合要求的各车的纵向加速度控制量：
根据上述协同换道初始场景并结合目标函数和约束条件进行求解，可以得到换道模型的优化求解结果，见表1。
表1基于中央控制的两阶段优化的换道模型的优化求解结果
Figure BDA0002754286180000161
其中Avg_evalue为优化函数值与对应的换道时间TA的比值，通过对该值进行排序得到最优换道时间
Figure BDA0002754286180000162
并且该最优化到时间所对应的各车的纵向加速度控制量为协同换道两阶段中各车实际控制所采用的纵向加速度控制量；另外，通过代入公式
Figure BDA0002754286180000163
和
Figure BDA0002754286180000164
可以得到换道车辆M的横向加速度控制量。
本发明还提供了一种双车道智能网联车协同换道装置，如图2所示，该装置包括：
获取单元210，用于获取换道车辆M及换道车辆M周边车辆A、B、C、D的车辆信息，其中，所述换道车辆M所在车道为主车道，车辆C和车辆D均位于所述主车道上，且车辆C位于所述换道车辆M的前方，车辆D位于所述换道车辆M的后方；车辆A和车辆B均位于目标车道，且车辆B位于所述换道车辆M的前方，车辆A位于所述换道车辆M的后方，所述车辆D和所述车辆A为所述换道车辆M的协同换道车辆；
构建单元220，用于根据所述换道车辆M和所述协同换道车辆的车辆信息和车辆参数，构建所述换道车辆M和所述协同换道车辆的加速度控制模型，其中，所述换道车辆M的加速度控制模型包括横向加速度模型和纵向加速度模型；
计算单元230，用于根据所述纵向加速度模型计算所述换道车辆M和所述协同换道车辆的纵向加速度；
判断单元240，用于判断在预设时间范围内，所述换道车辆M是否换道均不可行，若为否，则获取所述换道车辆M最优协同换道时间，以及所述协同换道车辆的纵向加速度；
发送单元250，用于将所述最优协同换道时间以及所述最优协同换道时间对应的所述换道车辆M和所述协同换道车辆的纵向加速度对应发送给所述换道车辆M和所述协同换道车辆；
所述换道车辆M和所述协同换道车辆按照接收到的数据控制车辆行驶。
应当理解，图2中的装置200中记载的诸单元或模块与参考图1描述的方法中的各个步骤相对应。由此，上文针对方法描述的操作和特征同样适用于装置200及其中包含的单元，在此不再赘述。装置200可以预先实现在电子设备的浏览器或其他安全应用中，也可以通过下载等方式而加载到电子设备的浏览器或其安全应用中。装置200中的相应单元可以与电子设备中的单元相互配合以实现本申请实施例的方案。
下面参考图3，其示出了适于用来实现本申请实施例的终端设备或服务器的计算机系统300的结构示意图。
如图3所示，计算机系统300包括中央处理单元(CPU)301，其可以根据存储在只读存储器(ROM)302中的程序或者从存储部分308加载到随机访问存储器(RAM)303中的程序而执行各种适当的动作和处理。在RAM 303中，还存储有系统300操作所需的各种程序和数据。CPU 301、ROM 302以及RAM 303通过总线304彼此相连。输入/输出(I/O)接口305也连接至总线304。
以下部件连接至I/O接口305：包括键盘、鼠标等的输入部分306；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分307；包括硬盘等的存储部分308；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分309。通信部分309经由诸如因特网的网络执行通信处理。驱动器310也根据需要连接至I/O接口305。可拆卸介质311，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器310上，以便于从其上读出的计算机程序根据需要被安装入存储部分308。
特别地，根据本公开的实施例，上文参考图1描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括有形地包含在机器可读介质上的计算机程序，所述计算机程序包含用于执行图1的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分309从网络上被下载和安装，和/或从可拆卸介质311被安装。
附图中的流程图和框图，图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，前述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元或模块可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元或模块也可以设置在处理器中，例如，可以描述为：一种处理器包括第一子区域生成单元、第二子区域生成单元以及显示区域生成单元。其中，这些单元或模块的名称在某种情况下并不构成对该单元或模块本身的限定，例如，显示区域生成单元还可以被描述为“用于根据第一子区域和第二子区域生成文本的显示区域的单元”。
作为另一方面，本申请还提供了一种计算机可读存储介质，该计算机可读存储介质可以是上述实施例中前述装置中所包含的计算机可读存储介质；也可以是单独存在，未装配入设备中的计算机可读存储介质。计算机可读存储介质存储有一个或者一个以上程序，前述程序被一个或者一个以上的处理器用来执行描述于本申请的应用于双车道智能网联车协同换道方法。
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种双车道智能网联车协同换道方法，其特征在于，该方法包括：
获取换道车辆M及换道车辆M周边车辆A、B、C、D的车辆信息，其中，所述换道车辆M所在车道为主车道，车辆C和车辆D均位于所述主车道上，且车辆C位于所述换道车辆M的前方，车辆D位于所述换道车辆M的后方；车辆A和车辆B均位于目标车道，且车辆B位于所述换道车辆M的前方，车辆A位于所述换道车辆M的后方，所述车辆D和所述车辆A为所述换道车辆M的协同换道车辆；
根据所述换道车辆M和所述协同换道车辆的车辆信息和车辆参数，构建所述换道车辆M和所述协同换道车辆的加速度控制模型，其中，所述换道车辆M的加速度控制模型包括横向加速度模型和纵向加速度模型；
根据所述纵向加速度模型计算所述换道车辆M和所述协同换道车辆的纵向加速度；
判断在预设时间范围内，所述换道车辆M是否换道均不可行，若为否，则获取所述换道车辆M最优协同换道时间，以及所述协同换道车辆的纵向加速度；
将所述最优协同换道时间以及所述最优协同换道时间对应的所述换道车辆M和所述协同换道车辆的纵向加速度对应发送给所述换道车辆M和所述协同换道车辆A和D；
所述换道车辆M和所述协同换道车辆A和D按照接收到的数据控制车辆行驶。
2.根据权利要求1所述的双车道智能网联车协同换道方法，其特征在于：
所述横向加速度模型为：
Figure FDA0002754286170000011
其中，aMy(t)表示换道车辆M的横向加速度，aymax表示换道过程中的最大可允许横向加速度，TA表示协同换道的总运行时间。
3.根据权利要求1所述的双车道智能网联车协同换道方法，其特征在于：
所述纵向加速度模型为：
Figure FDA0002754286170000021
其中：k1，k2和k3分别为权重系数，ui1，ui2，i＝M，A，D分别表示换道车辆M和协同换道车辆A和D分别在换道-主车道阶段和换道-目标车道两阶段的期望纵向加速度，SMj(t)，j＝A，B，C，D分别表示换道车辆M和其周边辆车A、B、C、D间的纵向间距，SCD(t)表示车辆D和车辆C的纵向间距，dMi，exp(t)，i＝A，B，D表示换道车辆M与车辆A、B、D的期望纵向间距；dCD，exp(t)表示车辆C与车辆D的期望纵向间距。
4.根据权利要求1所述的双车道智能网联车协同换道方法，其特征在于：所述判断在预设时间范围内，所述换道车辆M是否换道均不可行，还包括：
若为是，则驾驶员在预设时间范围内不存在满足执行安全协同换道的换道时间，即协同换道不可行，所述换道车辆M上的中央处理器向所述协同换道车辆发送终止协同换道的信号。
5.根据权利要求4所述的双车道智能网联车协同换道方法，其特征在于：在所述换道车辆M上的中央处理器向所述协同换道车辆发送终止协同换道的信号之后，该方法还包括：
所述换道车辆M及所述协同换道车辆的协同换道过程执行完毕，所述换道车辆M及所述协同换道车辆进入相对稳定的跟驰状态。
6.根据权利要求1所述的双车道智能网联车协同换道方法，其特征在于：所述获取所述换道车辆M最优协同换道时间，包括：
所述换道车辆M上的中央处理器对于预设时间范围内的所有单位时间优化函数值进行排序，取单位时间优化函数值最低值所对应的换道时间作为最终执行协同换道的最优换道时间。
7.根据权利要求1所述的双车道智能网联车协同换道方法，其特征在于：在所述换道车辆M和所述协同换道车辆按照接收到的数据控制车辆行驶之后，该方法还包括：
判断协同换道时间是否执行完成，若是，则所述换道车辆M上的中央处理器向所述协同换道车辆发送终止协同的信号；若否，则所述换道车辆M和所述协同换道车辆继续按照接收到的数据控制车辆行驶。
8.一种双车道智能网联车协同换道装置，其特征在于，该装置包括：
获取单元，用于获取换道车辆M及换道车辆M周边车辆A、B、C、D的车辆信息，其中，所述换道车辆M所在车道为主车道，车辆C和车辆D均位于所述主车道上，且车辆C位于所述换道车辆M的前方，车辆D位于所述换道车辆M的后方；车辆A和车辆B均位于目标车道，且车辆B位于所述换道车辆M的前方，车辆A位于所述换道车辆M的后方，所述车辆D和所述车辆A为所述换道车辆M的协同换道车辆；
构建单元，用于根据所述换道车辆M和所述协同换道车辆的车辆信息和车辆参数，构建所述换道车辆M和所述协同换道车辆的加速度控制模型，其中，所述换道车辆M的加速度控制模型包括横向加速度模型和纵向加速度模型；
计算单元，用于根据所述纵向加速度模型计算所述换道车辆M和所述协同换道车辆的纵向加速度；
判断单元，用于判断在预设时间范围内，所述换道车辆M是否换道均不可行，若为否，则获取所述换道车辆M最优协同换道时间，以及所述协同换道车辆的纵向加速度；
发送单元，用于将所述最优协同换道时间以及所述最优协同换道时间对应的所述换道车辆M和所述协同换道车辆的纵向加速度对应发送给所述换道车辆M和所述协同换道车辆A和D；
所述换道车辆M和所述协同换道车辆A和D按照接收到的数据控制车辆行驶。
9.一种双车道智能网联车协同换道的设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，
所述处理器执行所述程序时实现如权利要求1-7中任一所述的方法。
10.一种双车道智能网联车协同换道的可读存储介质，其上存储有计算机程序，所述计算机程序用于：
所述计算机程序被处理器执行时实现如权利要求1-7中任一所述的方法。
CN202011196917.5A 2020-10-30 2020-10-30 双车道智能网联车协同换道方法、装置、设备及存储介质 Active CN112289076B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011196917.5A CN112289076B (zh) 2020-10-30 2020-10-30 双车道智能网联车协同换道方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011196917.5A CN112289076B (zh) 2020-10-30 2020-10-30 双车道智能网联车协同换道方法、装置、设备及存储介质

Publications (2)

Publication Number Publication Date
CN112289076A true CN112289076A (zh) 2021-01-29
CN112289076B CN112289076B (zh) 2021-12-10

Family

ID=74353967

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011196917.5A Active CN112289076B (zh) 2020-10-30 2020-10-30 双车道智能网联车协同换道方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN112289076B (zh)

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113099419A (zh) * 2021-04-18 2021-07-09 温州大学 基于双车道格子流体力学的提高车联网通信连通性的方法
CN113110486A (zh) * 2021-04-30 2021-07-13 华砺智行(武汉)科技有限公司 智能网联汽车协作式换道引导方法、系统及可读存储介质
CN113313949A (zh) * 2021-05-31 2021-08-27 长安大学 一种高速公路出口匝道客货车协同控制方法、装置和设备
CN113335297A (zh) * 2021-08-09 2021-09-03 中智行科技有限公司 一种车辆控制方法及装置
CN113391548A (zh) * 2021-04-27 2021-09-14 同济大学 一种用于网联车自动驾驶的交叉口引导方法、装置及介质
CN113409594A (zh) * 2021-07-29 2021-09-17 苏州大学 一种基于强化学习的匝道信号控制优化方法和系统
CN113895457A (zh) * 2021-10-15 2022-01-07 北京百度网讯科技有限公司 车辆行驶状态的控制方法、装置、设备及自动驾驶车辆
CN114566065A (zh) * 2022-03-04 2022-05-31 中智行(苏州)科技有限公司 一种基于车路协同的多车协作式变道方法
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
CN115909784A (zh) * 2022-12-07 2023-04-04 长安大学 多车道的智能网联车辆合流控制方法和控制装置
CN116013101A (zh) * 2023-03-27 2023-04-25 之江实验室 一种基于网联环境的无信号路口速度建议系统和方法

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104960524A (zh) * 2015-07-16 2015-10-07 北京航空航天大学 基于车车通信的多车协同换道控制系统及其方法
CN106218638A (zh) * 2016-08-17 2016-12-14 北方工业大学 一种智能网联汽车协同换道控制方法
CN106997690A (zh) * 2017-05-15 2017-08-01 东南大学 一种车联网环境下高速公路车辆非强制换道控制方法
CN107315411A (zh) * 2017-07-04 2017-11-03 合肥工业大学 一种基于车车协同下无人驾驶车辆的换道轨迹规划方法
CN109035862A (zh) * 2018-08-06 2018-12-18 清华大学 一种基于车车通信的多车协同换道控制方法
US20200035092A1 (en) * 2018-07-30 2020-01-30 Honda Motor Co., Ltd. Systems and methods for cooperative smart lane selection
CN111081065A (zh) * 2019-12-13 2020-04-28 北京理工大学 路段混行条件下的智能车辆协同换道决策模型
CN111137288A (zh) * 2020-01-19 2020-05-12 江苏大学 一种网联条件下多车协同换道方法
CN111445697A (zh) * 2020-03-22 2020-07-24 华南理工大学 一种智能网联条件下的高速公路协同车辆换道控制方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104960524A (zh) * 2015-07-16 2015-10-07 北京航空航天大学 基于车车通信的多车协同换道控制系统及其方法
CN106218638A (zh) * 2016-08-17 2016-12-14 北方工业大学 一种智能网联汽车协同换道控制方法
CN106997690A (zh) * 2017-05-15 2017-08-01 东南大学 一种车联网环境下高速公路车辆非强制换道控制方法
CN107315411A (zh) * 2017-07-04 2017-11-03 合肥工业大学 一种基于车车协同下无人驾驶车辆的换道轨迹规划方法
US20200035092A1 (en) * 2018-07-30 2020-01-30 Honda Motor Co., Ltd. Systems and methods for cooperative smart lane selection
CN109035862A (zh) * 2018-08-06 2018-12-18 清华大学 一种基于车车通信的多车协同换道控制方法
CN111081065A (zh) * 2019-12-13 2020-04-28 北京理工大学 路段混行条件下的智能车辆协同换道决策模型
CN111137288A (zh) * 2020-01-19 2020-05-12 江苏大学 一种网联条件下多车协同换道方法
CN111445697A (zh) * 2020-03-22 2020-07-24 华南理工大学 一种智能网联条件下的高速公路协同车辆换道控制方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
AN,HONGIL 等: "Design of a Cooperative Lane Change Protocol for a Connected and Automated Vehicle Based on an Estimation of the Communication Delay", 《SENSORS》 *
RUNJIA DU 等: "A Cooperative Control Framework for CAV Lane Change in a Mixed Traffic Environment", 《ARXIV》 *
WANG,ZHEN 等: "Review of Lane-Changing Maneuvers of Connected and Automated Vehicles: Models, Algorithms and Traffic Impact Analyses", 《JOURNAL OF THE INDIAN INSTITUTE OF SCIENCE》 *
李立 等: "智能网联汽车运动规划方法研究综述", 《中国公路学报》 *

Cited By (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113099419B (zh) * 2021-04-18 2022-09-13 温州大学 基于双车道格子流体力学的提高车联网通信连通性的方法
CN113099419A (zh) * 2021-04-18 2021-07-09 温州大学 基于双车道格子流体力学的提高车联网通信连通性的方法
CN113391548A (zh) * 2021-04-27 2021-09-14 同济大学 一种用于网联车自动驾驶的交叉口引导方法、装置及介质
CN113110486A (zh) * 2021-04-30 2021-07-13 华砺智行(武汉)科技有限公司 智能网联汽车协作式换道引导方法、系统及可读存储介质
CN113313949B (zh) * 2021-05-31 2022-03-25 长安大学 一种高速公路出口匝道客货车协同控制方法、装置和设备
CN113313949A (zh) * 2021-05-31 2021-08-27 长安大学 一种高速公路出口匝道客货车协同控制方法、装置和设备
CN113409594A (zh) * 2021-07-29 2021-09-17 苏州大学 一种基于强化学习的匝道信号控制优化方法和系统
CN113335297B (zh) * 2021-08-09 2022-03-11 中智行科技有限公司 一种车辆控制方法及装置
CN113335297A (zh) * 2021-08-09 2021-09-03 中智行科技有限公司 一种车辆控制方法及装置
CN113895457A (zh) * 2021-10-15 2022-01-07 北京百度网讯科技有限公司 车辆行驶状态的控制方法、装置、设备及自动驾驶车辆
CN113895457B (zh) * 2021-10-15 2023-09-26 北京百度网讯科技有限公司 车辆行驶状态的控制方法、装置、设备及自动驾驶车辆
CN114566065A (zh) * 2022-03-04 2022-05-31 中智行(苏州)科技有限公司 一种基于车路协同的多车协作式变道方法
CN114566065B (zh) * 2022-03-04 2024-02-27 天翼交通科技有限公司 一种基于车路协同的多车协作式变道方法
CN115909784A (zh) * 2022-12-07 2023-04-04 长安大学 多车道的智能网联车辆合流控制方法和控制装置
CN115909784B (zh) * 2022-12-07 2023-10-27 长安大学 多车道的智能网联车辆合流控制方法和控制装置
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
CN116013101A (zh) * 2023-03-27 2023-04-25 之江实验室 一种基于网联环境的无信号路口速度建议系统和方法

Also Published As

Publication number Publication date
CN112289076B (zh) 2021-12-10

Similar Documents

Publication Publication Date Title
CN112289076B (zh) 双车道智能网联车协同换道方法、装置、设备及存储介质
Wei et al. A survey on traffic signal control methods
CN109035862B (zh) 一种基于车车通信的多车协同换道控制方法
WO2022105368A1 (en) Control method and apparatus for autonomous vehicle
US10179589B2 (en) System and method for optimizing fuel economy using predictive environment and driver behavior information
CN111873998B (zh) 一种自动驾驶车辆纵向加速度规划方法
EP3882095A1 (en) Method and device for determining vehicle speed
CN109017786A (zh) 车辆避障方法
US20210001857A1 (en) Efficiency improvement for machine learning of vehicle control using traffic state estimation
CN113071487B (zh) 自动驾驶车辆控制方法、装置及云端设备
CN111311959A (zh) 多路口协同控制方法、装置、电子设备及存储介质
WO2022105369A1 (en) Control method and apparatus of autonomous vehicle
Pan et al. Research on the behavior decision of connected and autonomous vehicle at the unsignalized intersection
CN116279489A (zh) 一种车辆变道控制方法、装置、设备及存储介质
Ma et al. Collision-avoidance lane change control method for enhancing safety for connected vehicle platoon in mixed traffic environment
CN114194215B (zh) 一种智能车辆避障换道轨迹规划方法及系统
CN115862329A (zh) 一种基于高速公路交通事故下的车辆协同换道引导方法
Wang et al. A guidence method for lane change detection at signalized intersections in connected vehicle environment
Kavas-Torris et al. A Comprehensive Eco-Driving Strategy for Connected and Autonomous Vehicles (CAVs) with Microscopic Traffic Simulation Testing Evaluation
Zhu et al. Trajectory Optimization of CAVs in Freeway Work Zone considering Car‐Following Behaviors Using Online Multiagent Reinforcement Learning
Wu et al. An optimal longitudinal control strategy of platoons using improved particle swarm optimization
CN117944684B (zh) 变道轨迹规划方法和装置、存储介质及电子设备
CN115123227A (zh) 变道决策方法、装置以及车辆
CN116909202B (zh) 车云协同自动驾驶车辆控制方法、装置、设备及介质
Lombard et al. V2V-Based memetic optimization for improving traffic efficiency on multi-lane roads

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