CN112762952A - 一种行驶轨迹的优化方法、装置、设备及可读存储介质 - Google Patents
一种行驶轨迹的优化方法、装置、设备及可读存储介质 Download PDFInfo
- Publication number
- CN112762952A CN112762952A CN202011551321.2A CN202011551321A CN112762952A CN 112762952 A CN112762952 A CN 112762952A CN 202011551321 A CN202011551321 A CN 202011551321A CN 112762952 A CN112762952 A CN 112762952A
- Authority
- CN
- China
- Prior art keywords
- formation
- lane
- time
- truck
- sequence
- 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
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
- G01C21/3461—Preferred or disfavoured areas, e.g. dangerous zones, toll or emission zones, intersections, manoeuvre types, segments such as motorways, toll roads, ferries
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
- G01C21/3492—Special cost functions, i.e. other than distance or default speed limit of road segments employing speed data or traffic data, e.g. real-time or historical
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/36—Input/output arrangements for on-board computers
- G01C21/3605—Destination input or retrieval
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供了一种行驶轨迹的优化方法、装置、设备及可读存储介质,所述方法包括:获取参数,对自动货车的位置变量、速度变量和车道占用状态变量进行初始化设置;基于所述参数,计算所述可选顺序集合中各顺序的编队时长损失,编队时长损失最小的顺序为最优编队顺序;判断所述最优编队顺序在行程时间上是否可行,若可行,则直接进入下一步骤,否则将该顺序从所述可选顺序集合中移除,重新选择集合中的最优编队顺序直至可行;以系统能耗最低为目标,构建混合整数规划模型,对模型进行求解,获得自动货车的路径优化结果。本发明采用二阶段轨迹优化方法,先优化编队顺序,再利用混合整数规划模型优化轨迹,相对于整体优化的过程算法复杂度更低。
Description
技术领域
本发明涉及高铁与航空联运服务领域,具体涉及一种行驶轨迹的优化方法、装置、设备及可读存储介质。
背景技术
对于自动货车(autonomous vehicle,简称AT)编队的问题,现有的研究主要集中于编队已形成的情况下车辆的运行控制问题,而对于自动货车路径规划的方面涉及较少。在路径规划方面,大部分算法将整个编队的过程(包括编队顺序和行驶路径)作为整体进行优化,其余个别算法考虑将此过程分段并首先规划自动货车在队列中的顺序。
对于现有的自动货车路径规划问题,如果将编队顺序与车辆行驶轨迹作为整体进行考虑,算法的复杂度过高。除此之外,已有的三类编队顺序规划策略也都过于理想,在一定的情况下会因为不满足路段最小安全间距需求等限制条件而造成无解。而且,即使在可行的条件下,它们与最优的编队顺序也存在着差异。
发明内容
本发明的目的在于提供一种行驶轨迹的优化方法、装置、设备及可读存储介质,以改善上述问题。
为了实现上述目的,本申请实施例提供了如下技术方案:
一方面,本申请实施例提供了一种行驶轨迹的优化方法,所述方法包括:获取参数,所述参数包括自动货车的行程时间、自动货车编队的可选顺序集合、自动货车的初始位置、自动货车的初始速度和自动货车的初始车道,对自动货车的位置变量、自动货车的速度变量和自动货车的车道占用状态变量进行初始化设置;基于所述参数,计算所述可选顺序集合中各顺序的编队时长损失,编队时长损失最小的顺序为最优编队顺序;判断所述最优编队顺序在行程时间上是否可行,若可行,则直接进入下一步骤,否则将该顺序从所述可选顺序集合中移除,重新选择集合中的最优编队顺序直至可行;基于在行程时间上可行的最优编队顺序,以系统能耗最低为目标,构建混合整数规划模型,对模型进行求解,获得自动货车的路径优化结果。
可选的,所述自动货车编队的可选顺序集合为:
对于所考虑的n辆自动货车,共有种排列顺序,同时,对于从同一起始车道出发的自动货车,其在起始车道上的位置前后关系在整个路段上保持不变,即对于可选顺序集合,共有个元素或可选编队排列顺序,其中n1,n2,nk分别代表k个起始车道上的自动货车数。
可选的,所述计算所述可选顺序集合中各顺序的编队时长损失,包括:
计算原始编队的解散所造成的编队时长损失,针对的是初始车道上的跟随车辆,包括计算自动货车在初始状态下已形成编队场景下的编队时长的损失和计算自动货车在初始状态下未形成编队场景下的编队时长的损失;
所述计算自动货车在初始状态下已形成编队场景下的编队时长的损失,计算公式为:
所述计算自动货车在初始状态下未形成编队场景下的编队时长的损失,计算公式为:
计算抵达汇入点的时间延误所造成的编队时长损失,针对的是初始车道上的领航车辆,计算公式为:
计算汇入后编队重组所造成的编队时长损失,针对的是所有自动货车,包括:
若位于相同初始车道的相邻车辆在汇入点下游不作为相邻车辆行驶,且两车中间有n辆来自其它车道的自动货车汇入,由于车辆间距相较于前一种情况减小,此时对跟随车辆i而言,计算公式为:
对于初始车道上的领头车辆,若它并没有插入其余起始车道的车辆中间而是跟随其末尾车辆,也需要计算它因为与前车间距过大而造成的编队损失时间,计算公式为:
计算各场景编队时长损失之和的最小值,计算公式为:
公式(10)中:N为所有自动货车的集合,Ol为在起始车道上的领头车辆集合,Of为在起始车道上的跟随车辆集合,Df为目标车道上的跟随车辆集合。
可选的,所述基于在行程时间上可行的最优编队顺序,以系统能耗最低为目标,构建混合整数规划模型,包括:
将行程时间离散化,即t=0,1,2,…T,其中,T为各自动货车允许行程时间的最大值;
构建混合整数规划模型,包括:
构建目标函数:
所述目标函数包括以下约束:
动力学约束:
安全间距约束:
公式(15)和(16)中:K为车道的全集,为反映t时刻i,j两车的位置先后关系的0-1变量,反映基于在行程时间上可行的最优编队顺序;为判断自动货车i在t时刻是否处于车道k的0-1变量:如果是,该值取1,如果不是,该值取0;M是一个很大的常数,用于决定各场景下约束条件所起的不同作用;lveh为自动货车的车身长;scoli为在同一车道行驶的自动货车间的最小间距;
汇入点附近车道占用约束:
公式(17)、(18)和(19)中:Nso和Nsm分别为从入口匝道和主车道出发的自动货车集合,Kso和Km为入口匝道和主车道集合;
汇入点附近安全间距约束:
公式(20)和(21)中:slane_c为汇入点处自动货车之间的最小换道安全间距;
分离点附近车道占用约束:
公式(22)、(23)和(24)中:xoff为分离点的位置坐标;Neo和Nem分别为从出口匝道和主车道驶离分离点的自动货车集合,Keo为出口匝道集合;
分离点附近安全间距约束:
车道占用与行程时间限制约束:
编队状态判断之间距约束:
编队状态判断之行程状态约束:
公式(31)、(32)、(33)和(34)中:是反映t时刻自动货车j是否完成行程的0-1判断变量:若到达终点,取值为1,如果不是,取值为0。是反映t时刻自动货车j是否为队列中跟随车辆的0-1判断变量:如果是,取值为0或1,如果不是,取值为0。
第二方面,本申请实施例提供了一种行驶轨迹的优化装置,所述装置包括:参数获取模块、计算模块、判断模块和输出模块;参数获取模块,用于获取参数,所述参数包括自动货车的行程时间、自动货车编队的可选顺序集合、自动货车的初始位置、自动货车的初始速度和自动货车的初始车道占用信息,对自动货车的位置变量、自动货车的速度变量和自动货车的车道占用状态变量进行初始化设置;计算模块,用于基于所述参数,计算所述可选顺序集合中各顺序的编队时长损失,编队时长损失最小的顺序为最优编队顺序;判断模块,用于判断所述最优编队顺序在行程时间上是否可行,若可行,则直接进入下一步骤,否则将该顺序从所述可选顺序集合中移除,重新选择集合中的最优编队顺序直至可行;输出模块,用于基于在行程时间上可行的最优编队顺序,以系统能耗最低为目标,构建混合整数规划模型,对模型进行求解,获得自动货车的路径优化结果。
可选的,所述计算模块包括:
第一输出单元,用于计算原始编队的解散所造成的编队时长损失,针对的是初始车道上的跟随车辆,包括计算自动货车在初始状态下已形成编队场景下的编队时长的损失和计算自动货车在初始状态下未形成编队场景下的编队时长的损失;
所述计算自动货车在初始状态下已形成编队场景下的编队时长的损失,计算公式为:
所述计算自动货车在初始状态下未形成编队场景下的编队时长的损失,计算公式为:
第二输出单元,用于计算抵达汇入点的时间延误所造成的编队时长损失,针对的是初始车道上的领航车辆,计算公式为:
第三计算单元,用于计算汇入后编队重组所造成的编队时长损失,针对的是所有自动货车,包括:
若位于相同初始车道的相邻车辆在汇入点下游不作为相邻车辆行驶,且两车中间有n辆来自其它车道的自动货车汇入,由于车辆间距相较于前一种情况减小,此时对跟随车辆i而言,计算公式为:
对于初始车道上的领头车辆,若它并没有插入其余起始车道的车辆中间而是跟随其末尾车辆,也需要计算它因为与前车间距过大而造成的编队损失时间,计算公式为:
第六计算单元,用于计算各场景编队时长损失之和的最小值,计算公式为:
公式(10)中:N为所有自动货车的集合,Ol为在起始车道上的领头车辆集合,Of为在起始车道上的跟随车辆集合,Df为目标车道上的跟随车辆集合。
可选的,所述输出模块包括:
第一输出单元,用于将行程时间离散化,即t=0,1,2,…T,其中T为各自动货车允许行程时间的最大值;
第二输出单元,用于构建混合整数规划模型,包括:
构建目标函数:
所述目标函数包括以下约束:
动力学约束:
安全间距约束:
公式(15)和(16)中:K为车道的全集,为反映t时刻i,j两车的位置先后关系的0-1变量,反映基于在行程时间上可行的最优编队顺序;为判断自动货车i在t时刻是否处于车道k的0-1变量:如果是,该值取1,如果不是,该值取0;M是一个很大的常数,用于决定各场景下约束条件所起的不同作用;lveh为自动货车的车身长;scoli为在同一车道行驶的自动货车间的最小间距;
汇入点附近车道占用约束:
公式(17)、(18)和(19)中:Nso和Nsm分别为从入口匝道和主车道出发的自动货车集合,Kso和Km为入口匝道和主车道集合;
汇入点附近安全间距约束:
公式(20)和(21)中:slane_c为汇入点处自动货车之间的最小换道安全间距;
分离点附近车道占用约束:
公式(22)、(23)和(24)中:xoff为分离点的位置坐标;Neo和Nem分别为从出口匝道和主车道驶离分离点的自动货车集合,Keo为出口匝道集合;
分离点附近安全间距约束:
车道占用与行程时间限制约束:
编队状态判断之间距约束:
编队状态判断之行程状态约束:
公式(31)、(32)、(33)和(34)中:是反映t时刻自动货车j是否完成行程的0-1判断变量:若到达终点,取值为1,如果不是,取值为0。是反映t时刻自动货车j是否为队列中跟随车辆的0-1判断变量:如果是,取值为0或1,如果不是,取值为0。
第三方面,本申请实施例提供了一种行驶轨迹的优化设备,所述设备包括存储器和处理器。存储器用于存储计算机程序;处理器用于执行所述计算机程序时实现上述行驶轨迹的优化方法的步骤。
第四方面,本申请实施例提供了一种可读存储介质,所述可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现上述行驶轨迹的优化方法的步骤。
本发明的有益效果为:
1、本发明在高速公路纯自动货车的环境下,以行驶过程中总能耗最小为目标,优化自动货车的行驶轨迹。为了解决现有算法复杂度高的问题,该算法将自动货车轨迹的规划分为中观规划和微观规划两阶段。首先根据区域内货车的OD(起始点、终点位置)信息以及车辆的动力学特性,规划各自动货车在编队中的排列顺序,然后在根据此顺序,利用混合整数规划的模型(MIP)优化各自动货车从起点到终点的行驶路径,包括位置、行驶速度、车道占用状态等信息。
2、本发明采用二阶段轨迹优化方法,先优化编队顺序,再利用混合整数规划模型优化轨迹,相对于整体优化的过程方法复杂度更低,相对于已有的编队顺序规划策略,本发明提供的方法在保证可行性的同时,最大程度保证与最低能耗下编队顺序的一致性。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1是本发明实施例中所述的一种行驶轨迹的优化方法流程示意图;
图2是本发明实施例中所述的一种行驶轨迹的优化装置结构示意图;
图3是本发明实施例中所述的一种行驶轨迹的优化设备结构示意图;
图4是本发明实施例中自动货车在初始状态下已形成编队场景下的原始编队分解过程的示意图;
图5是本发明实施例中自动货车在初始状态未形成编队场景下,初始车道上编队形成到分解过程的示意图;
图6是本发明实施例中相邻车辆在汇入点由于速度差异而造成的编队重组的示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
应注意到:相似的标号或字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。同时,在本发明的描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
实施例1
如图1所示,本实施例提供了一种行驶轨迹的优化方法,该方法包括步骤S1、步骤S2、步骤S3和步骤S4。
步骤S1.获取参数,所述参数包括自动货车的行程时间、自动货车编队的可选顺序集合、自动货车的初始位置、自动货车的初始速度和自动货车的初始车道占用信息,对自动货车的位置变量、自动货车的速度变量和自动货车的车道占用状态变量进行初始化设置;
步骤S2.基于所述参数,计算所述可选顺序集合中各顺序的编队时长损失,编队时长损失最小的顺序为最优编队顺序;
步骤S3.判断所述最优编队顺序在行程时间上是否可行,若可行,则直接进入下一步骤,否则将该顺序从所述可选顺序集合中移除,重新选择集合中的最优编队顺序直至可行;
步骤S4.基于在行程时间上可行的最优编队顺序,以系统能耗最低为目标,构建混合整数规划模型,对模型进行求解,获得自动货车的路径优化结果。
步骤S1中,获取参数,所述参数包括自动货车的行程时间、自动货车编队的可选顺序集合S、自动货车的初始位置自动货车的初始速度和自动货车的初始车道占用信息对自动货车的位置变量、自动货车的速度变量和自动货车的车道占用状态变量进行初始化设置,其中,自动货车i在t时刻的位置坐标用变量表示,其初始时刻(t=0)的位置设置为获取的参数中的自动货车的初始位置同理,自动货车i在t时刻的速度用变量表示,其初始时刻的速度设置为自动货车的初始速度另外,自动货车i在t时刻所处的车道用一个三维0-1变量表示。若其占用了车道k,其值为1,否则其值为0。因此,在初始时刻当时,
其中,所述自动货车编队的可选顺序集合S为:
对于所考虑的n辆自动货车,共有种排列顺序,同时,对于从同一起始车道出发的自动货车,其在起始车道上的位置前后关系在整个路段上保持不变,即对于可选顺序集合S,共有个元素或可选编队排列顺序,其中n1,n2,nk分别代表k个起始车道上的自动货车数。
所述步骤S2旨在寻找行驶过程中总编队时间最长的编队顺序。这里定义理想状态为所有自动货车在整个行驶过程中一直保持编队。在现实情况下,自动货车的队列需要在高速公路的汇入点和分离点附近完成“分解—重组”的过程而造成编队时长的损失。此部分提供一种计算行驶过程中编队时长损失的方法,依此寻找各场景下损失最小的顺序,损失最小的顺序为最优编队顺序。将损失定义为汇入点处编队时长损失与分离点编队时长损失之和,具体包括步骤S21、步骤S22、步骤S23、步骤S24、步骤S25和步骤S26。
步骤S21.计算原始编队的解散所造成的编队时长损失,针对的是初始车道上的跟随车辆,包括自动货车初始状态下形成编队与初始状态下未形成编队两种场景:
计算自动货车在初始状态下已形成编队场景下的编队时长的损失。当自动货车在初始状态已形成编队时,为了让其它车道的自动货车能够在汇入点汇入并以特定顺序进入同一车道行驶,初始队列需要在上游分解以增大其间距方便汇入。如图4所示,图4中(a)表示了各自动货车的初始状态,(b)和(c)反映原始队列分解到车辆汇入的过程。
在这种情况下,该阶段的损失可以表示为每个原始队列中跟随车辆的编队时间损失之和,即其从队列分解开始到通过汇入区域的持续时间,也可以理解为该车辆为其它车道车辆汇入创造必要的间距所需的时间,计算公式为:
计算自动货车在初始状态下未形成编队场景下的编队时长的损失。当自动货车最初不处于编队状态,或者说同一初始车道上相邻货车的间距增加时,计算将更为复杂。在可行的情况下,为了最大化编队时长,跟随车辆首先需要减小其与领头车辆的间距已形成编队,如图5中的(a),(b)所示。随后,与初始状态下形成编队的场景类似,形成的队列需要再分解以方便其余车辆汇入,如图5中的(c),(d)所示,计算公式为:
公式(2)可以进一步简化为:
步骤S22.计算抵达汇入点的时间延误所造成的编队时长损失,针对的是初始车道上的领航车辆,这里的领航车辆可以分为两类:一类是汇入区域下游主车道上编队的起始车辆,如图5中的(c)中的自动货车1;另一类是主车道上编队的跟随车辆,如图5中的(c)中的自动货车4。由于本方法只考虑编队中跟随车辆对能耗的影响,对于第二类的初始车道上的领航车辆i,其在汇入点上游的时间损失等于其抵达汇入点的时间延误,即其实际到达汇入点的时间减去其最快能到达汇入点所需的时间,计算公式为:
步骤S23.计算汇入后编队重组所造成的编队时长损失,针对的是所有自动货车,步骤S21和S22集中考虑了在汇入区域上游编队的情况。在一些情况下,汇入主车道的车辆并不能立刻形成编队,原因主要有两个:一是相邻自动货车在汇入点处的间距大于编队所要求的阈值,二是相邻自动货车在汇入点处速度相差较大(后车速度小于前车)。从跟随车辆i越过汇入点到最终进入编队所需的时间被认为是汇入点下游编队的重组所造成的时间损失
若位于相同初始车道的相邻车辆在汇入点下游不作为相邻车辆行驶,且两车中间有n辆来自其它车道的自动货车汇入,由于车辆间距相较于前一种情况减小,此时对跟随车辆i而言,计算公式为:
另外,对于步骤S22所提及的第二类领头车辆,如果它并没有插入其余起始车道的车辆中间而是紧随其末尾车辆,也需要计算它因为与前车间距而造成的编队损失时间,计算公式和式(5)相同。
其具体过程如图6所示,由于在汇入点处两车的距离很近,假设其满足编队间距。因此,编队重组的过程即为调节前后车的速度,使其重新成为一致,并且此过程两车驶过的路程相等以重新满足编队间距要求。如图6所示,需要满足两车在E点处速度相等且三角形ABC的面积等于平行四边形CDEF的面积。
步骤S26.选择编队顺序使得各场景编队时长损失之和最小,计算公式为:
公式(10)中:N为所有自动货车的集合,Ol为在起始车道上的领头车辆集合,Of为在起始车道上的跟随车辆集合,Df为目标车道上的跟随车辆集合。
最后在可选顺序集合S中选择得到的最优编队顺序用变量和表示。在反映了任意两辆自动货车在某时刻的相对位置关系。在t时刻,如果自动货车i与自动货车j处于同一车道且i位于前方,则取值为1,否则取值为0。若两者不处于同一车道,则该变量可以任取0或1。反映了主车道上队列里各自动货车的次序,比如对领头车而言,该变量取值为1,其计算如下:
所述步骤S4,具体包括步骤S41、步骤S42和步骤S43。
步骤S41.将行程时间离散化,即t=0,1,2,…T,其中,T为各自动货车允许行程时间的最大值;
步骤S42.构建混合整数规划模型,包括:
步骤S421.构建目标函数:
自动货车轨迹规划的目标是最小化区域内所有车辆的油耗。影响油耗的两个主要因素包括自动货车在编队状态下的行程时间和自动货车的速度变化率。自动货车处于排队状态的时间越长,油耗越低;而至于速度变化的影响,其速度变化越频繁,油耗也越高。因此,为了使得燃油消耗最小化,可以最大限度地保持自动货车在编队状态下的行程时间,并在此基础上尽可能减少其速度变化。通过结合这两个方面,构建出如下的目标函数:
所述目标函数包括以下约束:
动力学约束:
安全间距约束,这里的安全间距约束仅包括某一时刻下同一车道上相邻车辆间最小安全距离约束:
公式(16)和(17)中:K为车道的全集,为反映t时刻i,j两车的位置先后关系的0-1变量,反映基于在行程时间上可行的最优编队顺序;为判断自动货车i在t时刻是否处于车道k的0-1变量:如果是,该值取1,如果不是,该值取0;M是一个很大的常数,用于决定各场景下约束条件所起的不同作用;lveh为自动货车的车身长;scoli为在同一车道行驶的自动货车间的最小间距;
为了解释公式(16)和公式(17)所代表的含义,下面将分三种情况对其进行说明。
情况一:在某时刻t,自动货车i,j处于不同的车道
由于M是一个很大的常数,无论对公式(16)还是公式(17),不等式左边的数都将远大于不等式右边,即这两个不等式恒成立。因此,在这种情况下,公式(16)和公式(17)将不起到约束作用。
公式(20)即为该情况下的安全间距约束,公式(21)由于其恒成立将不起到约束作用。
与情况二类似,公式(16)和(17)可简化为:
公式(23)即为该情况下的安全间距约束,公式(22)由于其恒成立将不起到约束作用。
汇入点附近车道占用约束:
公式(24)、(25)和(26)中:Nso和Nsm分别为从入口匝道和主车道出发的自动货车集合,Kso和Km为入口匝道和主车道集合;
公式(24)和(25)式指定了从入口匝道出发的自动货车在汇入点上游和下游所在的车道。本发明规定汇入点的坐标为0,当自动货车i未到汇入点时,即若(25)式将不成立。因此,即自动货车在此时不能行驶到主路上。同理,当自动货车i驶过汇入点后,若则(24)式将不成立。因此,即自动货车此时必然行驶在主路上。(26)式指定从主路出发的自动货车不会行驶到入口匝道上。
汇入点附近安全间距约束:
公式(27)和(28)中:
自动货车的最小安全间距由scoli增加到slane_c。slane_c代表汇入点处自动货车之间的最小换道安全间距。
公式(27)和(28)所描述的限制条件的形式与公式(16)和(17)类似。唯一不同的是,(16)和(17)围绕的是同一车道上车辆的最小安全距离,这里考虑的是来自不同车道车辆间的最小安全距离限制。在t时刻,当自动货车i从入口匝道驶入主车道,即该车与主车道前后的自动货车间距必须大于临界值slane_c。
分离点附近车道占用约束:
公式(29)、(30)和(31)中:xoff为分离点的位置坐标;Neo和Nem分别为从出口匝道和主车道驶离分离点的自动货车集合,Keo为出口匝道集合;
分离点附近安全间距约束:
由于分离点的车道占用约束和安全间距约束和汇入点类似,这里不再重复解释说明。
车道占用与行程时间限制约束:
公式(34)表明对于某一自动货车,其任何时候都只能处于一条车道上,公式(35)表明所有的自动货车都需要在规定时间之前离开指定区域目的地,其中:
编队状态判断之间距约束:
编队状态的间距约束可以表示为:对同一车道上的任意两辆自动货车,如果它们之间的间距小于阈值squeue,则认为它们符合条件,否则认为它们不是同一编队中相邻的两车。(36)和(37)式所描述的约束条件分为以下三种情况讨论:
编队状态判断之行程状态约束:
公式(40)、(41)、(42)、和(43)中:
是反映t时刻自动货车j是否完成行程的0-1判断变量:若到达终点,取值为1,如果不是,取值为0。是反映t时刻自动货车j是否为队列中跟随车辆的0-1判断变量:如果是,取值为0或1,如果不是,取值为0。其代表的含义为:自动货车只有在起点到终点的指定行程内才考虑编队跟随的情况。一旦自动货车行程结束,即其到达终点,其将不再被视为处于编队状态。
步骤S43.利用Cplex软件对模型进行求解,获得自动货车的路径优化结果。所述路径优化结果包括:车辆在各个时刻的速度与车道占用信息车辆在规定时间内的路径以及各车辆的编队状态信息,所述各车辆的编队状态信息包括任意两车各时刻是否处于编队状态和任意时刻某车辆是否为队列中的跟随车辆
实施例2
如图3所示,本实施例提供了一种行驶轨迹的优化装置,所述装置包括参数获取模块701、计算模块702、判断模块703和输出模块704。
参数获取模块701,用于获取参数,所述参数包括自动货车的行程时间、自动货车编队的可选顺序集合、自动货车的初始位置、自动货车的初始速度和自动货车的初始车道占用信息,对自动货车的位置变量、自动货车的速度变量和自动货车的车道占用状态变量进行初始化设置;
计算模块702,用于基于所述参数,计算所述可选顺序集合中各顺序的编队时长损失,编队时长损失最小的顺序为最优编队顺序;
判断模块703,用于用于判断所述最优编队顺序在行程时间上是否可行,若可行,则直接进入下一步骤,否则将该顺序从所述可选顺序集合中移除,重新选择集合中的最优编队顺序直至可行;
输出模块704,用于基于在行程时间上可行的最优编队顺序,以系统能耗最低为目标,构建混合整数规划模型,对模型进行求解,获得自动货车的路径优化结果。
在本公开的一种具体实施方式中,所述计算模块702,还可以包括第一计算单元、第二计算单元、第三计算单元、第四计算单元、第五计算单元和第六计算单元,所述第一计算单元用于执行方法实施例中的步骤S21;所述第二计算单元用于执行方法实施例中的步骤S22;所述第三计算单元用于执行方法实施例中的步骤S23;所述第四计算单元用于执行方法实施例中的步骤S24;所述第五计算单元用于执行方法实施例中的步骤S25;所述第六计算单元用于执行方法实施例中的步骤S26。
在本公开的一种具体实施方式中,所述输出模块704,还可以包括第一输出单元和第二输出单元,所述第一输出单元用于执行方法实施例中的步骤S41;所述第二输出单元用于执行方法实施例中的步骤S42。
需要说明的是,关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
实施例3
相应于上面的方法实施例,本公开实施例还提供了一种行驶轨迹的优化设备,下文描述的一种行驶轨迹的优化设备与上文描述的一种行驶轨迹的优化方法可相互对应参照。
图4是根据一示例性实施例示出的一种行驶轨迹的优化设备800的框图。如图4所示,该电子设备800可以包括:处理器801,存储器802。该电子设备800还可以包括多媒体组件803,输入/输出(I/O)接口804,以及通信组件805中的一者或多者。
其中,处理器801用于控制该电子设备800的整体操作,以完成上述的行驶轨迹的优化方法中的全部或部分步骤。存储器402用于存储各种类型的数据以支持在该电子设备800的操作,这些数据例如可以包括用于在该电子设备800上操作的任何应用程序或方法的指令,以及应用程序相关的数据,例如联系人数据、收发的消息、图片、音频、视频等等。该存储器802可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,例如静态随机存取存储器(Static Random Access Memory,简称SRAM),电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory,简称EEPROM),可擦除可编程只读存储器(Erasable Programmable Read-Only Memory,简称EPROM),可编程只读存储器(Programmable Read-Only Memory,简称PROM),只读存储器(Read-Only Memory,简称ROM),磁存储器,快闪存储器,磁盘或光盘。多媒体组件803可以包括屏幕和音频组件。其中屏幕例如可以是触摸屏,音频组件用于输出和/或输入音频信号。例如,音频组件可以包括一个麦克风,麦克风用于接收外部音频信号。所接收的音频信号可以被进一步存储在存储器802或通过通信组件805发送。音频组件还包括至少一个扬声器,用于输出音频信号。I/O接口804为处理器801和其他接口模块之间提供接口,上述其他接口模块可以是键盘,鼠标,按钮等。这些按钮可以是虚拟按钮或者实体按钮。通信组件805用于该电子设备800与其他设备之间进行有线或无线通信。无线通信,例如Wi-Fi,蓝牙,近场通信(NearFieldCommunication,简称NFC),2G、3G或4G,或它们中的一种或几种的组合,因此相应的该通信组件805可以包括:Wi-Fi模块,蓝牙模块,NFC模块。
在一示例性实施例中,电子设备800可以被一个或多个应用专用集成电路(Application Specific Integrated Circuit,简称ASIC)、数字信号处理器(DigitalSignal Processor,简称DSP)、数字信号处理设备(Digital Signal ProcessingDevice,简称DSPD)、可编程逻辑器件(Programmable Logic Device,简称PLD)、现场可编程门阵列(Field Programmable Gate Array,简称FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述的行驶轨迹的优化方法。
在另一示例性实施例中,还提供了一种包括程序指令的计算机可读存储介质,该程序指令被处理器执行时实现上述的行驶轨迹的优化方法的步骤。例如,该计算机可读存储介质可以为上述包括程序指令的存储器802,上述程序指令可由电子设备800的处理器801执行以完成上述的行驶轨迹的优化方法。
实施例4
相应于上面的方法实施例,本公开实施例还提供了一种可读存储介质,下文描述的一种可读存储介质与上文描述的一种行驶轨迹的优化方法可相互对应参照。
一种可读存储介质,可读存储介质上存储有计算机程序,计算机程序被处理器执行时实现上述方法实施例的行驶轨迹的优化方法的步骤。
该可读存储介质具体可以为U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可存储程序代码的可读存储介质。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种行驶轨迹的优化方法,其特征在于,包括:
获取参数,所述参数包括自动货车的行程时间、自动货车编队的可选顺序集合、自动货车的初始位置、自动货车的初始速度和自动货车的初始车道占用信息,对自动货车的位置变量、自动货车的速度变量和自动货车的车道占用状态变量进行初始化设置;
基于所述参数,计算所述可选顺序集合中各顺序的编队时长损失,编队时长损失最小的顺序为最优编队顺序;
判断所述最优编队顺序在行程时间上是否可行,若可行,则直接进入下一步骤,否则将该顺序从所述可选顺序集合中移除,重新选择集合中的最优编队顺序直至可行;
基于在行程时间上可行的最优编队顺序,以系统能耗最低为目标,构建混合整数规划模型,对模型进行求解,获得自动货车的路径优化结果。
3.根据权利要求1所述的行驶轨迹的优化方法,其特征在于,所述计算所述可选顺序集合中各顺序的编队时长损失,包括:
计算原始编队的解散所造成的编队时长损失,针对的是初始车道上的跟随车辆,包括计算自动货车在初始状态下已形成编队场景下的编队时长的损失和计算自动货车在初始状态下未形成编队场景下的编队时长的损失;
所述计算自动货车在初始状态下已形成编队场景下的编队时长的损失,计算公式为:
所述计算自动货车在初始状态下未形成编队场景下的编队时长的损失,计算公式为:
计算抵达汇入点的时间延误所造成的编队时长损失,针对的是初始车道上的领航车辆,计算公式为:
计算汇入后编队重组所造成的编队时长损失,针对的是所有自动货车,包括:
若位于相同初始车道的相邻车辆在汇入点下游不作为相邻车辆行驶,且两车中间有n辆来自其它车道的自动货车汇入,由于车辆间距相较于前一种情况减小,此时对跟随车辆i而言,计算公式为:
对于初始车道上的领头车辆,若它并没有插入其余起始车道的车辆中间而是跟随其末尾车辆,也需要计算它因为与前车间距过大而造成的编队损失时间,计算公式为:
计算各场景编队时长损失之和的最小值,计算公式为:
公式(10)中:N为所有自动货车的集合,Ol为在起始车道上的领头车辆集合,Of为在起始车道上的跟随车辆集合,Df为目标车道上的跟随车辆集合。
4.根据权利要求1所述的行驶轨迹的优化方法,其特征在于,所述基于在行程时间上可行的最优编队顺序,以系统能耗最低为目标,构建混合整数规划模型,包括:
将行程时间离散化,即t=0,1,2,…T,其中,T为各自动货车允许行程时间的最大值;
构建混合整数规划模型,包括:
构建目标函数:
所述目标函数包括以下约束:
动力学约束:
安全间距约束:
公式(15)和(16)中:K为车道的全集,为反映t时刻i,j两车的位置先后关系的0-1变量,反映基于在行程时间上可行的最优编队顺序;为判断自动货车i在t时刻是否处于车道k的0-1变量:如果是,该值取1,如果不是,该值取0;M是一个很大的常数,用于决定各场景下约束条件所起的不同作用;lveh为自动货车的车身长;scoli为在同一车道行驶的自动货车间的最小间距;
汇入点附近车道占用约束:
公式(17)、(18)和(19)中:Nso和Nsm分别为从入口匝道和主车道出发的自动货车集合,Kso和Km为入口匝道和主车道集合;
汇入点附近安全间距约束:
公式(20)和(21)中:slane_c为汇入点处自动货车之间的最小换道安全间距;
分离点附近车道占用约束:
公式(22)、(23)和(24)中:xoff为分离点的位置坐标;Neo和Nem分别为从出口匝道和主车道驶离分离点的自动货车集合,Keo为出口匝道集合;
分离点附近安全间距约束:
车道占用与行程时间限制约束:
编队状态判断之间距约束:
编队状态判断之行程状态约束:
5.一种行驶轨迹的优化装置,其特征在于,包括:
参数获取模块,用于获取参数,所述参数包括自动货车的行程时间、自动货车编队的可选顺序集合、自动货车的初始位置、自动货车的初始速度和自动货车的初始车道占用信息,对自动货车的位置变量、自动货车的速度变量和自动货车的车道占用状态变量进行初始化设置;
计算模块,用于基于所述参数,计算所述可选顺序集合中各顺序的编队时长损失,编队时长损失最小的顺序为最优编队顺序;
判断模块,用于判断所述最优编队顺序在行程时间上是否可行,若可行,则直接进入下一步骤,否则将该顺序从所述可选顺序集合中移除,重新选择集合中的最优编队顺序直至可行;
输出模块,用于基于在行程时间上可行的最优编队顺序,以系统能耗最低为目标,构建混合整数规划模型,对模型进行求解,获得自动货车的路径优化结果。
6.根据权利要求5所述的行驶轨迹的优化装置,其特征在于,所述计算模块包括:
第一计算单元,用于计算原始编队的解散所造成的编队时长损失,针对的是初始车道上的跟随车辆,包括计算自动货车在初始状态下已形成编队场景下的编队时长的损失和计算自动货车在初始状态下未形成编队场景下的编队时长的损失;
所述计算自动货车在初始状态下已形成编队场景下的编队时长的损失,计算公式为:
所述计算自动货车在初始状态下未形成编队场景下的编队时长的损失,计算公式为:
第二计算单元,用于计算抵达汇入点的时间延误所造成的编队时长损失,针对的是初始车道上的领航车辆,计算公式为:
第三计算单元,用于计算汇入后编队重组所造成的编队时长损失,针对的是所有自动货车,包括:
若位于相同初始车道的相邻车辆在汇入点下游不作为相邻车辆行驶,且两车中间有n辆来自其它车道的自动货车汇入,由于车辆间距相较于前一种情况减小,此时对跟随车辆i而言,计算公式为:
对于初始车道上的领头车辆,若它并没有插入其余起始车道的车辆中间而是跟随其末尾车辆,也需要计算它因为与前车间距过大而造成的编队损失时间,计算公式为:
第六计算单元,用于计算各场景编队时长损失之和的最小值,计算公式为:
公式(10)中:N为所有自动货车的集合,Ol为在起始车道上的领头车辆集合,Of为在起始车道上的跟随车辆集合,Df为目标车道上的跟随车辆集合。
7.根据权利要求5所述的行驶轨迹的优化装置,其特征在于,所述输出模块包括:
第一输出单元,用于将行程时间离散化,即t=0,1,2,…T,其中T为各自动货车允许行程时间的最大值;
第二输出单元,用于构建混合整数规划模型,包括:
构建目标函数:
所述目标函数包括以下约束:
动力学约束:
安全间距约束:
公式(15)和(16)中:K为车道的全集,为反映t时刻i,j两车的位置先后关系的0-1变量,反映基于在行程时间上可行的最优编队顺序;为判断自动货车i在t时刻是否处于车道k的0-1变量:如果是,该值取1,如果不是,该值取0;M是一个很大的常数,用于决定各场景下约束条件所起的不同作用;lveh为自动货车的车身长;scoli为在同一车道行驶的自动货车间的最小间距;
汇入点附近车道占用约束:
公式(17)、(18)和(19)中:Nso和Nsm分别为从入口匝道和主车道出发的自动货车集合,Kso和Km为入口匝道和主车道集合;
汇入点附近安全间距约束:
公式(20)和(21)中:slane_c为汇入点处自动货车之间的最小换道安全间距;
分离点附近车道占用约束:
公式(22)、(23)和(24)中:xoff为分离点的位置坐标;Neo和Nem分别为从出口匝道和主车道驶离分离点的自动货车集合,Keo为出口匝道集合;
分离点附近安全间距约束:
车道占用与行程时间限制约束:
编队状态判断之间距约束:
编队状态判断之行程状态约束:
8.一种行驶轨迹的优化设备,其特征在于,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如权利要求1至4任一项所述行驶轨迹的优化方法的步骤。
9.一种可读存储介质,其特征在于:所述可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至4任一项所述行驶轨迹的优化方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011551321.2A CN112762952B (zh) | 2020-12-24 | 2020-12-24 | 一种行驶轨迹的优化方法、装置、设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011551321.2A CN112762952B (zh) | 2020-12-24 | 2020-12-24 | 一种行驶轨迹的优化方法、装置、设备及可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112762952A true CN112762952A (zh) | 2021-05-07 |
CN112762952B CN112762952B (zh) | 2021-09-28 |
Family
ID=75695493
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011551321.2A Active CN112762952B (zh) | 2020-12-24 | 2020-12-24 | 一种行驶轨迹的优化方法、装置、设备及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112762952B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113256961A (zh) * | 2021-06-25 | 2021-08-13 | 上海交通大学 | 基于车辆编队的路口自主车辆调度与控制方法 |
CN113734184A (zh) * | 2021-10-18 | 2021-12-03 | 交通运输部公路科学研究所 | 自动驾驶车辆在途组队方法、装置及电子设备 |
CN114220263A (zh) * | 2021-11-29 | 2022-03-22 | 北京中交兴路信息科技有限公司 | 一种货运车辆通行时长确定方法、装置、存储介质及终端 |
CN116013062A (zh) * | 2023-03-27 | 2023-04-25 | 江苏天一航空工业股份有限公司 | 一种港区无人驾驶重载移动平台智慧编队方法及系统 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103250031A (zh) * | 2010-11-26 | 2013-08-14 | 国际商业机器公司 | 路线选择系统、路线选择方法和路线选择程序 |
CN110084545A (zh) * | 2019-03-05 | 2019-08-02 | 浙江工业大学 | 基于混合整数规划模型的多巷道自动化立体仓库的集成调度方法 |
US20200082728A1 (en) * | 2016-12-12 | 2020-03-12 | Bae Systems Plc | System and method for coordination among a plurality of vehicles |
CN110910663A (zh) * | 2019-10-16 | 2020-03-24 | 清华大学 | 一种车路协同环境下多智能车交叉口通行协调控制方法 |
CN111325409A (zh) * | 2020-03-09 | 2020-06-23 | 西南交通大学 | 一种换电站选址与混合车队路径规划方法及系统 |
US20200242555A1 (en) * | 2019-01-30 | 2020-07-30 | Walmart Apollo, Llc | Automatic generation of route design |
CN111768637A (zh) * | 2020-05-14 | 2020-10-13 | 同济大学 | 一种信号交叉口交通信号灯和车辆轨迹控制方法 |
CN111968377A (zh) * | 2020-08-31 | 2020-11-20 | 姜忠太 | 面向节油和驾驶舒适的基于车辆网的车辆轨迹优化方法 |
CN112001064A (zh) * | 2020-07-29 | 2020-11-27 | 浙江大学 | 一种集装箱码头间全自主水上运输调度方法及系统 |
-
2020
- 2020-12-24 CN CN202011551321.2A patent/CN112762952B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103250031A (zh) * | 2010-11-26 | 2013-08-14 | 国际商业机器公司 | 路线选择系统、路线选择方法和路线选择程序 |
US20200082728A1 (en) * | 2016-12-12 | 2020-03-12 | Bae Systems Plc | System and method for coordination among a plurality of vehicles |
US20200242555A1 (en) * | 2019-01-30 | 2020-07-30 | Walmart Apollo, Llc | Automatic generation of route design |
CN110084545A (zh) * | 2019-03-05 | 2019-08-02 | 浙江工业大学 | 基于混合整数规划模型的多巷道自动化立体仓库的集成调度方法 |
CN110910663A (zh) * | 2019-10-16 | 2020-03-24 | 清华大学 | 一种车路协同环境下多智能车交叉口通行协调控制方法 |
CN111325409A (zh) * | 2020-03-09 | 2020-06-23 | 西南交通大学 | 一种换电站选址与混合车队路径规划方法及系统 |
CN111768637A (zh) * | 2020-05-14 | 2020-10-13 | 同济大学 | 一种信号交叉口交通信号灯和车辆轨迹控制方法 |
CN112001064A (zh) * | 2020-07-29 | 2020-11-27 | 浙江大学 | 一种集装箱码头间全自主水上运输调度方法及系统 |
CN111968377A (zh) * | 2020-08-31 | 2020-11-20 | 姜忠太 | 面向节油和驾驶舒适的基于车辆网的车辆轨迹优化方法 |
Non-Patent Citations (2)
Title |
---|
CHUNHUI YU 等: "Corridor level cooperative trajectory optimization with connected and automated vehicles", 《TRANSPORTATION RESEARCH PART C》 * |
吴伟 等: "自动驾驶环境下交叉口车辆路径规划与最优控制模型", 《自动化学报》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113256961A (zh) * | 2021-06-25 | 2021-08-13 | 上海交通大学 | 基于车辆编队的路口自主车辆调度与控制方法 |
CN113734184A (zh) * | 2021-10-18 | 2021-12-03 | 交通运输部公路科学研究所 | 自动驾驶车辆在途组队方法、装置及电子设备 |
CN114220263A (zh) * | 2021-11-29 | 2022-03-22 | 北京中交兴路信息科技有限公司 | 一种货运车辆通行时长确定方法、装置、存储介质及终端 |
CN116013062A (zh) * | 2023-03-27 | 2023-04-25 | 江苏天一航空工业股份有限公司 | 一种港区无人驾驶重载移动平台智慧编队方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112762952B (zh) | 2021-09-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112762952B (zh) | 一种行驶轨迹的优化方法、装置、设备及可读存储介质 | |
CN110362910B (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 | |
CN113071520B (zh) | 车辆行驶控制方法及装置 | |
CN108806252B (zh) | 一种高速公路混合交通流协同优化控制方法 | |
JP6531983B2 (ja) | 自動運転装置、自動運転支援方法及び自動運転支援プログラム | |
CN108062094A (zh) | 基于处理器实现的自主系统和方法 | |
CN112046503B (zh) | 一种基于人工智能的车辆控制方法、相关装置及存储介质 | |
CN112614340B (zh) | 支路车辆汇入主路的方法、装置、电子设备及存储介质 | |
CN111338360B (zh) | 一种规划车辆行驶状态的方法及装置 | |
CN115179949A (zh) | 车辆的压速变道控制方法、装置、设备及存储介质 | |
CN114559956A (zh) | 自动驾驶车辆的避让方法、装置、设备及计算机存储介质 | |
CN114707364A (zh) | 一种匝道车辆汇流仿真方法、装置、设备及可读存储介质 | |
CN112689024A (zh) | 一种车路协同的货车队列换道方法、装置及系统 | |
CN115376346A (zh) | 混行条件下快速路合流区多模式驾驶车辆协同交汇方法 | |
CN112258864B (zh) | 基于顺序选择的自动驾驶车辆路口调度方法及系统 | |
CN113496608B (zh) | 车辆的运行管理装置、运行管理方法以及交通系统 | |
CN113320544B (zh) | 车辆驾驶行为的规划方法、装置、电子设备、存储介质 | |
WO2023004698A1 (zh) | 智能驾驶决策方法、车辆行驶控制方法、装置及车辆 | |
CN115320616A (zh) | 一种自动驾驶车辆速度的控制方法、装置、设备及介质 | |
US20210309260A1 (en) | Automatic running vehicle and operation management device for automatic running vehicle | |
Qin et al. | Two-lane multipoint overtaking decision model based on vehicle network | |
CN113496611B (zh) | 车辆的运行管理装置、运行管理方法以及交通系统 | |
CN111192468A (zh) | 基于路口内加减速的自动行驶方法及系统、服务器及介质 | |
Wang et al. | Driving behavior of connected autonomous vehicles in mixed traffic flow within ramp segments on freeway based on an advanced cellular automata | |
CN114802240B (zh) | 车辆车速控制方法、装置、设备和计算机可读介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |