CN112904840A - 全局与局部分工合作各自追求最优的自动驾驶交通系统 - Google Patents
全局与局部分工合作各自追求最优的自动驾驶交通系统 Download PDFInfo
- Publication number
- CN112904840A CN112904840A CN202110035000.5A CN202110035000A CN112904840A CN 112904840 A CN112904840 A CN 112904840A CN 202110035000 A CN202110035000 A CN 202110035000A CN 112904840 A CN112904840 A CN 112904840A
- Authority
- CN
- China
- Prior art keywords
- traffic
- local
- global
- automatic driving
- segment
- 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.)
- Pending
Links
- 238000005457 optimization Methods 0.000 title description 4
- 238000004364 calculation method Methods 0.000 claims description 14
- 238000013461 design Methods 0.000 abstract description 18
- 230000008859 change Effects 0.000 abstract description 9
- 238000004891 communication Methods 0.000 description 8
- 238000000034 method Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000010276 construction Methods 0.000 description 5
- 238000012423 maintenance Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000012827 research and development Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000003245 working effect Effects 0.000 description 2
- 241000282414 Homo sapiens Species 0.000 description 1
- 238000009412 basement excavation Methods 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000009313 farming Methods 0.000 description 1
- 238000000265 homogenisation Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000010076 replication Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0217—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with energy consumption, time reduction or distance reduction criteria
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Traffic Control Systems (AREA)
Abstract
一种全局与局部分工合作各自追求最优的自动驾驶交通系统,涉及自动驾驶、大数据云计算、智能汽车和智能交通技术领域。本发明的自动驾驶交通系统主要由负责全局交通网的中央服务器和负责局部交通段的本地服务器组成,分别以交通网全局效率最优和交通段局部效率最优为工作目标,相互分工结合,共同自动化地响应用户的交通需求,在变化中追求综合全局的平衡,代表了具备智能交通能力的下一代城市文明中自动驾驶交通系统架构设计的简化、模块化和系统工程化的技术发展趋势。
Description
技术领域
本发明涉及自动驾驶、大数据云计算、智能汽车和智能交通技术领域。
背景技术
世界范围内,现有的整体城市形态,从空间结构到用途区划,从交通工具到交通系统,均由农耕与前工业的文明形态而历史性地自然演变至今,其空间结构与用途区划的形成源于城市聚居和工商业规模集中的同质化粗放性延伸扩大,其交通工具与交通系统的形成源于马车架构和小城镇生活交通形态的惯例性演变,大城市病不断蔓延、日益严重。相对于工业时代后高容积率集约型的现代大规模城市文明,相对于信息时代后突飞猛进的自动化数字化智能化技术手段,当前的城市形态缺乏层级跃迁性的协同创新,秩序导向和效率优化的城市系统架构设计相对滞后,传统的空间结构、用途区划、交通工具、交通系统等各方面协同要素的理念技术进步相对缓慢。
中国的城市形态,从规划设计到建设维护,从交通工具到系统管理,一直跟随在西方后面亦步亦趋,但继续学习复制西方文明的路在许多方面已经基本走到极限,新形势要求我们勇敢开拓出新路——世界范围内没有先例的路,无论在设计思想层面还是在科技工程层面。
提升交通系统效率和增进人类自由福祉,是城市文明创新的永恒追求,为此,近些年来,人们不断推进城市规划、基础设施、交通工具、交通方式、管理体系等各方面的创新,协同融合以带来城市文明层级跃迁的趋势渐显。
本发明作为下一代城市文明的系列发明之一,着重尝试在基础设施和交通方式方面进行设计思想与科技工程的创新。
发明内容
现有常见的自动驾驶交通系统设计存在以下不足。
现有常见的自动驾驶交通系统设计里,有云端的计算设备,有路侧的计算设备,有车端的计算设备,各种不同的系统设计对上述设备或单独使用或混合使用,结构复杂,规则复杂,通讯复杂,数据复杂,分工不明确,接口不清晰,有的设计将过多的工作负载设置在云端导致中央交通系统设备的计算与通讯负载过大、时效性能差,有的设计将过多的工作负载设置在路侧导致交通任务被执行得割裂破碎、缺乏一致性和连贯性,有的设计将过多的工作负载设置在车端导致不同车辆性能不一且单打独斗、与其他交通参与者难以协调。由于系统复杂度过高和缺乏系统工程理念,各种不同的系统设计各说各话各执一词,任何一种系统设计都难以脱颖而出取得共识,智能汽车和智能交通的研发行业和企业遭遇一直无法形成统一的智能交通系统架构设计的难题。
本发明公开如下。
自动驾驶交通系统主要由负责全局交通网的中央服务器和负责局部交通段的本地服务器组成。
对于交通用户提出的需求,中央服务器以交通网全局效率最优为目标给自动驾驶车辆制定粗略的交通段级行驶规划,本地服务器以本交通段局部效率最优为目标给自动驾驶车辆制定在本交通段内的详细的车道级行驶规划。
中央服务器的工作目标是交通网全局效率最优,是指交通网全局达到最大交通效率,所有交通用户需求在确保安全性和舒适性等限制条件下以平均计算下最节省时间的方式被满足。中央总服务器对包含交通网全局数字地图、所有交通用户的需求状态、所有交通段的运转情况、所有交通基础设施的运行状态、所有交通职能机构的工作状态的全局交通大数据进行处理,生成全局交通网的交通态势理解和交通网交通效率最优的全局导向,在此基础上,对交通用户发起的点到点的交通需求进行粗略的计算规划,将交通路径尽量规划为接近直线和行程最短,或根据途经交通网各节点的交通流量测算和交通负载均衡而为交通路径作出适当绕行的决策与规划,以此制定自动驾驶车辆的总行程路径、平均速度、总行驶时间等交通段级的由交通段连接而成的粗略行驶规划,以交通段任务的形式发送给各途经交通段的本地服务器以供执行。为追求全局效率最优,在必要时,中央服务器也可能对已经制定出或正在执行的交通段级粗略路线规划作出即时调整。所有本地服务器将本交通段的交通运行状态即时反馈给中央服务器,从而使中央服务器中的全局交通网交通大数据得到更新。
本地服务器的工作目标是本交通段局部效率最优,是指本交通段局部达到最大交通效率,所有本交通段内的自动驾驶车辆在确保安全性和舒适性等限制条件下以平均计算下最节省时间的方式驶出交通段或完成行程。各个交通段的本地服务器对包含本交通段局部数字地图、本交通段内交通用户的任务信息、本交通段内所有自动驾驶车辆的行驶状态、本交通段基础设施的运行状态、交通职能机构在本交通段内的工作状态的局部交通大数据进行处理,生成局部交通段的交通态势理解和交通段交通效率最优的局部导向,在此基础上,对自动驾驶车辆在本交通段的任务进行精确的计算规划,使本交通段接纳的车辆尽量多并以尽量短的时间安全驶出本交通段或妥善到达行程终点,以此制定车辆的车道轨迹、速度、转向时间、转向动作、变道时间、变道动作等车道级的详细行驶规划,以车辆任务的形式发送给车辆以供执行。为追求局部效率最优,在必要时,本地服务器也可能对已经制定出或正在执行的车辆的车道级详细路线规划作出即时调整。所有车辆将其行驶状态即时反馈给所在交通段的本地服务器,从而使本地服务器中的局部交通段交通大数据得到更新。
为满足交通需求,在必要时,中央服务器根据计算,作出对某些交通段常规通行规则的改变甚至突破,并相应制定或修改用户车辆的粗略行驶规划。
为满足交通需求,在必要时,本地服务器根据计算,作出对本交通段常规通行规则的改变甚至突破,并相应制定或修改用户车辆的详细行驶规划。
本文中所述“交通段”是指交通网的一个局部,可根据智能交通系统相关的计算、控制、通讯、能源等设施设备的具体技术能力与性能,通过实验、测算、对比等方式,对交通段进行模块化的划分和设计,例如,规划多大长度或多大区域为一个局部交通段,设计何种形态的基础设施为一个局部交通段。在微观上,它可以是一段道路、一个路口、一座桥梁、一段隧道等,更大范围上,它可以是一个局部交通区域。
本文中所述“基础设施”是指智能交通相关的广泛的供公共使用的设施设备,包含道路隧道桥梁等建筑类基础设施、天线基站线缆等通讯类基础设施、云端路侧计算设备等计算类基础设施、线缆电塔充电场等能源类基础设施、共享自动驾驶车辆等交通工具类基础设施等。例如,当某隧道或某车道因故暂停通行时,或某计算设备发生宕机事故时,这些交通基础设施的运行状态将形成对交通大数据的更新。
本文中所述“交通职能机构”是指智能交通相关的规划、建设、运维、养护、管理、执法等部门机构,包括交通规划设计机构、交通运营维护机构、交通监控机构、交通指挥机构、交通管理机构、交通执法机构等。例如,当某养路部门对某段道路进行封闭养护施工时,或某路段的某几个车道被用于临时占道执法时,这些交通职能机构的工作状态将形成对交通大数据的更新。
本发明带来如下有益的技术效果。
本发明所公开的自动驾驶智能交通系统里,全局交通网的中央服务器处理相对多而简单粗略的数据和任务,局部交通段的本地服务器处理相对少而复杂精细的数据和任务,各自的计算通讯的工作负载相对均衡,自动驾驶交通系统全局的工作负载也相对均衡,也便于保留和设置工作负载的安全裕量。
中央服务器和本地服务器的任务性质单一,设备更加易于模块化,其作为全局交通网和局部交通段的智能交通基础设施的必需组件,在城市智能交通基础设施的新建、改建、扩建中,可方便地模块化生产、复制、拼接,部署调试时仅需因地制宜地调整相关参数。
数据信息传输在交通用户、中央服务器和本地服务器中形成“要求-响应”的即时通讯与即时反馈,形成控制反馈闭环。
中央服务器的工作效果是交通网的全局的原则性统一运转,本地服务器的工作效果是交通段的局部的灵活性自行其是,两者分工合作,在变化中追求动态的综合全局的平衡:全局大于局部之和——中央服务器根据全局交通大数据,生成全局交通网的交通态势理解和交通网交通效率最优的全局导向,以此为基础对交通用户需求作出响应,制定交通段级粗略行驶规划,对全局交通网内部的交通负载均衡作出平衡性调整,使交通网成为各局部交通段各自结合并统一运转的有机整体;
局部大于全局之部分——本地服务器根据局部交通大数据,生成局部交通段的交通态势理解和交通段交通效率最优的局部导向,以此为基础对交通段任务作出响应,制定车道级详细行驶规划,对局部交通段内部的交通负载均衡作出平衡性调整,使交通段能够独立自主并自行其是地完成交通网分发的任务。
此外,中央服务器和本地服务器均有一定的灵活变通的权限,在可控范围内有改变甚至突破常规通行规则的权力和能力,使得全局和局部均表现出可供挖掘的交通效率潜力,提高了面对特殊的、不规律、不均衡的交通需求的应变弹性,增强了应对短时非预期波动、冲击、峰值交通需求的抗击韧性。
本发明所公开的自动驾驶智能交通系统的架构设计,结构、规则、通讯、数据都相对简单,分工相对明确,接口相对清晰,各组件的局部工作负载相对均衡,计算与通讯的时效性能更优,提高了组件设施设备的易用性,交通系统的全局工作负载也相对均衡,提高了交通系统的可靠性,在设计思想和工程实现上,代表了具备智能交通能力的下一代城市文明中自动驾驶交通系统架构设计的简化、模块化和系统工程化的技术发展趋势。由于系统复杂度大幅降低,对于智能汽车和智能交通的研发行业和企业一直无法形成统一的智能交通系统架构设计的难题,本发明可作为一个尝试的解决方案。
附图说明
图1是本发明的自动驾驶交通系统架构的逻辑示意图。
具体实施方式
本发明适用于完全使用自动驾驶车辆的智能交通系统的设计建造,例如,适用于为一座全新的城市设计建造覆盖全城的自动驾驶智能交通系统,或者,为旧城市的一个全新的城区设计建造覆盖全区的自动驾驶智能交通系统。
自动驾驶交通系统由负责全局交通网的中央服务器和负责局部交通段的本地服务器组成。对于交通用户的需求,中央服务器以交通网全局效率最优为目标给自动驾驶车辆制定由交通段组成的粗略的交通段级行驶规划,本地服务器以本交通段局部效率最优为目标给自动驾驶车辆制定在本交通段内的详细的车道级行驶规划。
具体而言,交通用户向中央服务器发送其对应交通网全局数字地图上点到点的交通需求,内容包括时间信息(期望交通行程发生的时间)、位置信息(期望交通行程的起点和终点)、速度信息(期望的行程速度)等。
中央服务器即时作出响应,在对存储于中央服务器的对应于交通网全局数字地图的全局交通大数据进行态势理解的基础上,以全局最优——交通网的效率最高——为目标,为该交通用户制定完成全局交通任务的交通段级的全局行驶规划,包括规划的行程总时间、行程总路线和平均速度等。
中央服务器将对用户需求的预估满足程度的信息反馈给用户,此信息包括规划的行程时间信息(预估的交通发生时间、行程耗用时间)、规划的行程位置信息(预估的交通起点、终点和总体路径)、规划的速度信息(预估的平均速度、预估拥堵程度)等,用户可以了解信息、作出确认或者提出修改等。
中央服务器在处理当前的交通需求的同时,将被规划发生在未来的等待中的交通需求作为参数,对交通网的交通规划与负载均衡作出可能的调整。
中央服务器将规划出的总时间、总路线和平均速度分解为对应途经的各交通段各自的任务信息,包括用户车辆信息、预估用户车辆通过各交通段的粗略时间、预估用户车辆通过各交通段的粗略平均速度、用户车辆进出各交通段的位置、用户车辆目的地停车位置等,将此信息以交通段任务的形式分发给自动驾驶车辆被规划所途经的各交通段的本地服务器。
本地服务器接收和记录上述交通段任务,在管控处理正在进行的本交通段内交通的同时,等待用户车辆到来,并将等待中的车辆任务作为参数,对本交通段的交通规划与负载均衡作出可能的调整。
各交通段执行交通段任务时,本地服务器即时地向中央服务器反馈本交通段状态信息,包括用户车辆实际通过交通段的时间信息、用户车辆实际通过交通段或完成交通段内行程的平均速度、本交通段当前的拥堵情况、本交通段当前的交通效率、本交通段当前容纳的车辆数量、本交通段当前的通行规则等。中央服务器更新其对应于交通网全局数字地图的交通大数据。
当用户车辆进入本交通段时,本地服务器根据从中央服务器收到的自动驾驶车辆在本交通段中的任务信息,在对存储于本地服务器的对应于本交通段局部数字地图的局部交通大数据进行态势理解的基础上,以局部最优——本交通段的交通效率最高——为目标,为各车辆制定完成局部交通任务(本交通段内)的车道级的局部行驶规划,包括规划的详细时间、详细车道级路线、确切速度、转向时间、转向动作、变道时间、变道动作等,将此信息以车辆任务的形式分发给自动驾驶车辆。
自动驾驶车辆执行上述车辆任务所对应的具体驾驶指令,直至驶出本交通段(完成本交通段的车道级行驶任务)、驶入下一个交通段(开始执行又一个交通段的车道级行驶任务)或到达行程终点(全程结束)。
自动驾驶车辆从启动自动驾驶开始,即时向身处交通段的本地服务器反馈其行驶状态,包括时间信息、精确位置信息、精确速度信息、可能的紧急状态信息等,本地服务器更新其对应于本交通段局部数字地图的交通大数据。
如果车辆向所在交通段的本地服务器发出紧急状态信息,本地服务器将即时和临时地协调控制本交通段的所有行驶车辆,为处于紧急状态的车辆制定紧急停车或紧急靠边停车的详细行驶规划,结合对该车辆的处理状态,更新对应于本交通段局部数字地图的交通大数据,从而在紧急状态处理完毕后,继续对正常行驶的车辆作出新的详细行驶规划,达到应对紧急状态波动干扰的局部最优状态。
图1是本发明的自动驾驶交通系统架构的逻辑示意图。
负责全局交通网的中央服务器和负责局部交通段的本地服务器,在逻辑和角色上是相对的,可缩放、可升降、可嵌套。例如:如果用户交通需求的起点终点都在某城市的某区内,那么在逻辑和角色上,负责本区交通网的服务器即为中央服务器,本区内所有交通段的服务器即为对应的各自的本地服务器;如果用户交通需求的起点终点位于跨区的市内,那么在逻辑和角色上,负责本市交通网的服务器即为中央服务器,相对而言,本市内各区服务器即降格为本地服务器;如果用户交通需求的起点终点位于跨市的省内,那么在逻辑和角色上,负责本省交通网的服务器即为中央服务器,相对而言,本省内各市服务器即降格为本地服务器。以此类推,形成缩放和嵌套的“全局与局部”和“中央与地方”的逻辑关系。由于行政区划的名称和设置是变化和不确定的,因此这里以区、市、省所举的例子仅为阐释逻辑和角色关系的参考示例。
中央服务器根据全局交通态势理解,以全局交通效率最优的目标导向,对具体的交通用户需求作出具体响应,对全局交通网的交通负载均衡作出平衡性调整,在这个过程中,某些交通需求可能被响应为非最短距离的规划路线,例如:当中央服务器发现某交通节点的交通流量已达效率阈值时,会经过计算而将继续增大的流量需求进行绕行疏导;当中央服务器中的交通网全局数字地图被更新,显示某路段某车道由于临时应急打围而通行能力显著下降时,会经过计算而将此处局部潜在的未来交通流量进行绕行疏导。
本地服务器根据局部交通态势理解,以局部交通效率最优的目标导向,对其本交通段的交通任务进行相机处置、自主完成,在安全裕量范围内可以灵活变通、各行其是地完成相应任务。例如:某局部交通段里,大量车辆正在高速直行,其中最内侧有车辆需要在本交通段内下外侧匝道,则本地服务器在相当早的时候就会协调车辆群通过各自的加速减速动作,给下道车辆让出一条供其向外侧变道的路径空间并控制此车辆精确地向外变道到最外侧车道,进而顺利下道,不会因变道动作而阻滞后方车辆,变道完成后车辆群将再通过各自的加速减速动作,使刚才的变道路径空间消失,以节省道路资源。
在对限速、车道方向等常规通行规则进行制定时,可根据本交通段的计算、通讯、控制、能源、通行等技术性能及其冗余设置的安全极限来制定,从而相应确定效率阈值和安全裕量。例如,安全极限的80%作为常规通行规则,安全极限的85%作为中央服务器可以突破局部交通段常规通行规则的上限,安全极限的90%作为本地服务器可以自行其是突破常规通行规则的上限。
在保证安全的基础上,中央服务器在必要时作出对某些交通段常规通行规则的调整、改变甚至突破,并相应制定或修改用户车辆的粗略行驶规划,中央服务器对车辆的交通段级行驶规划和对交通段常规通行规则的调整等指令,均由中央服务器以交通段任务的形式分发给对应本地服务器。例如:在交通潮汐时段,中央服务器随着即时的潮汐流量需求的相对变化,即时动态地调整潮汐交通涉及交通段的道路中不同行驶方向的车道数量和车道位置,突破常规通行规则中双向车道数量一致和位置对称的限制,为潮汐交通的响应提供更高灵活性;抢险车救护车等特殊车辆将可以在中央服务器的高优先级协调下,以单独开辟的临时车道进行最高效率的高优先级通行。
在保证安全的基础上,本地服务器在必要时作出对本交通段常规通行规则的调整、改变甚至突破,并相应制定或修改用户车辆的详细行驶规划,行驶规划指令由本地服务器以车辆任务的形式分发给对应车辆。例如:经过精确计算和控制,在上限范围内突破本交通段常规通行规则中的限速规则,或,临时将常规通行规则中某逆向的车道设置为同向,协调控制车辆驶入,充分利用道路资源,以完成峰值流量的交通任务。
Claims (3)
1.一种自动驾驶交通系统,其特征是:自动驾驶交通系统主要由负责全局交通网的中央服务器和负责局部交通段的本地服务器组成;对于交通用户的需求,中央服务器以交通网全局效率最优为目标制定自动驾驶车辆的交通段级行驶规划,本地服务器以本交通段局部效率最优为目标制定自动驾驶车辆在本交通段内的车道级行驶规划。
2.根据权利要求1所述的自动驾驶交通系统,其特征在于:全局交通网为满足交通需求,其中央服务器根据计算,改变交通网中相应交通段的通行规则。
3.根据权利要求1所述的自动驾驶交通系统,其特征在于:局部交通段为满足交通需求,其本地服务器根据计算,改变本交通段的通行规则。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110035000.5A CN112904840A (zh) | 2021-01-18 | 2021-01-18 | 全局与局部分工合作各自追求最优的自动驾驶交通系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110035000.5A CN112904840A (zh) | 2021-01-18 | 2021-01-18 | 全局与局部分工合作各自追求最优的自动驾驶交通系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112904840A true CN112904840A (zh) | 2021-06-04 |
Family
ID=76112483
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110035000.5A Pending CN112904840A (zh) | 2021-01-18 | 2021-01-18 | 全局与局部分工合作各自追求最优的自动驾驶交通系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112904840A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107563543A (zh) * | 2017-08-11 | 2018-01-09 | 北京邮电大学 | 一种基于群体智能的城市交通优化服务方法与系统 |
CN107909837A (zh) * | 2017-10-24 | 2018-04-13 | 华为技术有限公司 | 一种车辆借道通行的方法和控制中心 |
US20180329429A1 (en) * | 2016-03-11 | 2018-11-15 | Panasonic Intellectual Property Management Co., Lt d. | Automatic vehicle dispatching system and server device |
EP3445626A1 (en) * | 2016-04-19 | 2019-02-27 | Scania CV AB | Method and control unit in a vehicle for estimating a stretch of a road based on a set of tracks of another vehicle |
CN110361025A (zh) * | 2018-04-11 | 2019-10-22 | 丰田自动车株式会社 | 分层路线生成、提供和选择 |
CN111367292A (zh) * | 2020-03-20 | 2020-07-03 | 特路(北京)科技有限公司 | 自动驾驶汽车智能道路系统 |
CN111367275A (zh) * | 2020-02-18 | 2020-07-03 | 吉利汽车研究院(宁波)有限公司 | 一种智能驾驶控制方法、装置、系统及存储介质 |
-
2021
- 2021-01-18 CN CN202110035000.5A patent/CN112904840A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180329429A1 (en) * | 2016-03-11 | 2018-11-15 | Panasonic Intellectual Property Management Co., Lt d. | Automatic vehicle dispatching system and server device |
EP3445626A1 (en) * | 2016-04-19 | 2019-02-27 | Scania CV AB | Method and control unit in a vehicle for estimating a stretch of a road based on a set of tracks of another vehicle |
CN107563543A (zh) * | 2017-08-11 | 2018-01-09 | 北京邮电大学 | 一种基于群体智能的城市交通优化服务方法与系统 |
CN107909837A (zh) * | 2017-10-24 | 2018-04-13 | 华为技术有限公司 | 一种车辆借道通行的方法和控制中心 |
CN110361025A (zh) * | 2018-04-11 | 2019-10-22 | 丰田自动车株式会社 | 分层路线生成、提供和选择 |
CN111367275A (zh) * | 2020-02-18 | 2020-07-03 | 吉利汽车研究院(宁波)有限公司 | 一种智能驾驶控制方法、装置、系统及存储介质 |
CN111367292A (zh) * | 2020-03-20 | 2020-07-03 | 特路(北京)科技有限公司 | 自动驾驶汽车智能道路系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107564268A (zh) | 一种多维智能网联交通系统 | |
Zhao et al. | Computational intelligence in urban traffic signal control: A survey | |
CN101859494B (zh) | 车队车辆管理 | |
CN114283607B (zh) | 一种基于分布式群智学习的多车协同规划方法 | |
CN108039053A (zh) | 一种智能网联交通系统 | |
CN105070044A (zh) | 一种基于乘客预约的定制公交合乘车辆动态调度方法 | |
CN205384755U (zh) | 城市公交智能系统 | |
CN114312926B (zh) | 一种城市轨道交通列车运行调整方案优化方法和系统 | |
CN110047306A (zh) | 一种智能交通网络 | |
CN103337167A (zh) | 城市道路预定分配确定终行驶路线,预防交通拥堵的方法 | |
CN111845754A (zh) | 一种基于边缘计算和群智算法的自动驾驶车辆的决策预测方法 | |
CN110738364A (zh) | 一种电动汽车充电导航信息交互平台 | |
CN110751848B (zh) | 智能交通管理之主动干预系统 | |
CN105489047A (zh) | 城市公交智能系统 | |
CN112735184A (zh) | 一种实现高等级自动驾驶及高效运输的智能交通系统 | |
CN109341710A (zh) | 不确定环境的交通网上快速抵达目的地的动态规划法 | |
Montanaro et al. | Cloud-assisted distributed control system architecture for platooning | |
Xu et al. | V2X empowered non-signalized intersection management in the AI era: Opportunities and solutions | |
Wu et al. | Discrete methods for urban intersection traffic controlling | |
CN112904840A (zh) | 全局与局部分工合作各自追求最优的自动驾驶交通系统 | |
CN107481538A (zh) | 一种多维智能网联交通系统 | |
Dui et al. | IoT-Enabled Real-Time Traffic Monitoring and Control Management for Intelligent Transportation Systems | |
EP4350664A1 (en) | Vehicle control method, device and system | |
WO2023206248A1 (zh) | 交通灯的控制方法、装置、路网系统、电子设备和介质 | |
CN112767696A (zh) | 对统一规格自动驾驶车辆进行统一管控的智能交通体系 |
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 |