CN113255101A - 一种交叉口进口道车辆换道仿真模型标定方法及装置 - Google Patents
一种交叉口进口道车辆换道仿真模型标定方法及装置 Download PDFInfo
- Publication number
- CN113255101A CN113255101A CN202110436944.3A CN202110436944A CN113255101A CN 113255101 A CN113255101 A CN 113255101A CN 202110436944 A CN202110436944 A CN 202110436944A CN 113255101 A CN113255101 A CN 113255101A
- Authority
- CN
- China
- Prior art keywords
- lane
- vehicle
- lane change
- target
- change
- 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 97
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000004088 simulation Methods 0.000 title claims abstract description 31
- 238000005259 measurement Methods 0.000 claims abstract description 14
- 238000004364 calculation method Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 6
- 238000004422 calculation algorithm Methods 0.000 claims description 5
- 230000001133 acceleration Effects 0.000 claims description 4
- 238000013459 approach Methods 0.000 claims description 4
- 230000009471 action Effects 0.000 claims description 3
- 238000005457 optimization Methods 0.000 claims description 3
- 230000006399 behavior Effects 0.000 abstract description 7
- 238000011160 research Methods 0.000 abstract description 6
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000000137 annealing Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种交叉口进口道车辆换道仿真模型标定方法及装置,车辆换道模型标定包括:获取车辆和道路实测数据,包括目标车辆进入目标路段所在车道、初始位置、车辆速度,进入目标路段时间和换道目标车道;构建基于效用选择理论的车辆换道模型;根据获取的道路实测数据,对交叉口进口道部分的车辆进行仿真;根据仿真结果计算的车辆换道完成率判断是否标定结束,得到标定参数。本发明标定方法便捷有效,有利于车辆换道行为的仿真研究及应用,通过使用道路实测数据,对车辆换道模型进行参数标定,从而得到准确的车辆换道模型,进而适用于交通流微观建模、车辆换道行为研究,为模拟交通流提供了理论支撑。
Description
技术领域
本发明属于交通流技术领域,尤其涉及一种交叉口进口道车辆换道仿真模型标定方法及装置。
背景技术
车辆换道模型是一种描述车辆行驶过程中如何变换车道的动力学模型,是交通流领域基本模型类型。换道模型广泛应用于微观交通仿真、驾驶行为分析等领域。换道模型标定方法主要通过模型产生的宏微观效果与实测数据间误差最小化进行参数寻优,误差指标通常采用换道率、换道时间、换道位置等。由于换道行为的复杂性,其模型的标定难度较高,需要大量的数据用于模型标定,且目前尚未出现针对交叉口的换道模型标定方法,难以满足目前的研究需要。
发明内容
发明目的:为了克服现有技术的不足,本发明提供一种交叉口进口道车辆换道仿真模型标定方法,可通过实测数据标定车辆换道模型,用于车辆换道行为仿真研究或辅助驾驶决策。
技术方案:为解决上述技术问题,本发明采用的技术方案为:一种交叉口进口道车辆换道仿真模型标定方法,包括以下步骤:
(1)拍摄交叉口视频,并通过图像识别获取车辆和道路实测数据,包括目标车辆进入目标路段所在车道、初始位置、车辆速度,进入目标路段时间和换道目标车道;
(2)构建基于效用选择理论的车辆换道模型,模型变量包括目标车辆与前车、后车、左侧车道后车、右侧车道后车的速度差,与前车位置差,目标车辆速度,每个可选择车道是否为换道目标车道和排队长度,待标定的参数包括各变量的系数和常数项;
(3)通过优化算法确定待标定的换道模型参数,根据获取的车辆和道路实测数据,对交叉口进口道部分的车辆进行仿真,并计算车辆换道完成率;
(4)在仿真结果中,若车辆的换道完成率未达到期望要求,则返回步骤(3)重新确定换道模型参数,若达到期望要求,则标定结束。
进一步的,所述步骤(2)中构建的车辆换道模型的形式如下:
车辆在选择下一时刻所在车道时,仅考虑当前车道及左右两侧的相邻车道;计算出每个可选车道的效用值,即可计算出选择各个车道的概率;
对于当前车道,其效用计算式为:
UCL=ka*Δvfront,C+kb*Δvrear,C+kc*Δxfront,C+kd*v+ke*VCL+kf*LCL
其中UCL是当前车道的效用;Δvfront,C是与当前车道前车速度差;Δvrear,C是与当前车道后车速度差;Δxfront,C是与当前车道前车位置差;v为本车速度;VCL是当前车道属性效用值;LCL是当前车道排队长度;DCL为当前车道上车辆离交叉口虚线段最下游端的距离,ka,kb,kc,kd,ke,m,k为待标定的常数参数;
对于当前车道的左右车道,效用计算式为:
ULL/RL=ka′*Δvrear,L/R+kb′*v+kc′*VLL/RL+kd′*LLL/RL+k0
其中ULL/RL为左/右车道的效用;Δvrear,L/R为左/右车道的后车速度差,VLL/RL为左/右车道属性效用值,LLL/RL为左/右车道排队长度,DLL/RL为左/右车道上车辆离交叉口虚线段最下游端的距离,ka′,kb′,kc′,m′,k′,k0为待标定的常数参数;
基于车道的效用值,计算选择每个车道的概率:
其中n是车道数。
进一步的,所述步骤(3)中车辆换道完成率计算公式为:R=n/m;其中,n为换道完成车辆数,即车辆的最终所在车道与目标车道一致;m为总仿真车辆数。
一种交叉口进口道车辆换道仿真模型决策方法,包括如下步骤:
(1)获取车辆和道路实测数据,构建基于效用选择理论的车辆换道模型,根据所述的交叉口进口道车辆换道仿真模型标定方法标定模型参数;
(2)将标定的模型参数代入基于效用选择理论的车辆换道模型,将目标车辆与前车、后车、左侧车道后车、右侧车道后车的速度差,与前车位置差,目标车辆速度,每个可选择车道是否为换道目标车道和排队长度输入换道模型,计算目标车辆当前车道及左右侧车道的换道概率,进行换道决策。
进一步的,计算目标车辆当前车道及左右侧车道的换道概率Pk,k∈{CL,LL,RL},进行换道决策,具体如下:
生成随机数p,若p<PLL,则车辆选择换道至当前车道的左侧车道;若PLL≤p<PLL+PCL,则车辆不实行换道;若p≥PLL+PCL,则车辆选择换道至当前车道的右侧车道;若需要实行换道,则车辆按照以下安全规则判定条件决定是否换道:
条件一、保证目标车辆换道后不与前车碰撞:
其中i为目标车辆,i-1为换道后的前车,t为时间,T为换道时长,vi(t+T)为车辆i的最大安全速度,amin,i为车辆最大减速度,xi(t)为车辆位置,leni为车辆长度,aes,i为目标车辆换道后的估计需求加速度,aes,i-1为目标车辆换道后的前车的估计需求加速度;
若aes,i≥amin,i,则目标车辆安全;
条件二、保证目标车辆换道后,其后车不与其碰撞:
其中i+1为换道后的后车;若aes,i+1≥amin,i+1,则其后车安全;
若同时满足条件一和二,则车辆执行换道行为。
一种计算装置,包括存储器、处理器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,所述计算机程序被加载至处理器时实现所述的交叉口进口道车辆换道仿真模型标定方法,或者实现所述的交叉口进口道车辆换道仿真模型决策方法。
有益效果:本发明通过使用车辆和道路实测数据,对车辆换道模型进行参数标定,从而得到准确的车辆换道模型,进而适用于交通流微观建模、车辆换道行为研究,为模拟交通流提供了理论支撑。与现有技术相比,本发明标定方法便捷有效,有利于车辆换道行为的仿真研究及应用。
附图说明
图1为本发明实施例的车辆换道模型标定方法流程图;
图2为具体实施例的交叉口进口道示意图;
图3为本发明实施例的车辆换道决策方法流程图;
具体实施方式
现结合附图和具体实施例对本发明作更进一步的说明。
如图1所示,本发明所述的交叉口进口道车辆换道仿真模型标定方法,包括获取车辆和道路实测数据、构建车辆换道模型、确定车辆换道模型的参数、对车辆进行仿真、判断车辆换道完成率是否达到要求等步骤。具体实施步骤如下:
(1)获取车辆和道路实测数据
目标交叉口进口道示意图如图2所示,目标进口道总长度为250m,实线段区域长度为100m,虚线段长度为150m,此交叉口进口道展宽段包括4个车道,其转向分别是左转、直行、直行和右转,车道编号从左往右分别为1,2,3,4。
从交叉口进口道俯拍视频提取所需车辆数据,所用车辆数据均为车辆完整通过整个目标区域的数据,部分数据如下表1所示:
表1
注:进入时间为步长数,位置为车辆距离目标区域最上游点的距离。
(2)构建车辆换道模型
构建基于效用选择理论的车辆换道模型,并赋予各参数初始值,初始值如表2所示:
表2
则当前车道的效用计算式为:
当前车道的左右车道的效用计算式为:
其中UCL是当前车道的效用;Δvfront,C是与当前车道前车速度差;Δvrear,C是与当前车道后车速度差;Δxfront,C是与当前车道前车位置差;v为本车速度;VCL是当前车道属性效用值;LCL是当前车道排队长度;DCL为当前车道上车辆离交叉口虚线段最下游端的距离;ULL/RL为左/右车道的效用;Δvrear,L/R为左/右车道的后车速度差,VLL/RL为左/右车道属性效用值,LLL/RL为左/右车道排队长度,DLL/RL为左/右车道上车辆离交叉口虚线段最下游端的距离。
(3)对车辆进行仿真,设定要求换道完成率为0.9,计算车辆换道完成率:
R=n/m=199/266=0.7481
则车辆的换道完成率未达到期望要求。
(4)重新确定参数,再次进行仿真,判断车辆换道完成率是否达到要求;
在本实施例中,使用粒子群算法确定参数(还可选择遗传算法、退火算法等),在最优的参数附近寻找邻近值,将新参数代入换道模型,并进行仿真,计算换道完成率;重复修正参数直到达到目标要求。
(5)最终参数。达到目标换道完成率时,各参数取值如表3所示:
表3
则当前车道的效用计算式为:
当前车道的左右车道的效用计算式为:
如图3所示,本实施例公开的一种交叉口进口道车辆换道决策方法,包括获取车辆和道路实测数据、使用标定的换道模型参数、将车辆数据代入换道模型、计算各车道概率值、进行换道决策步骤。其中数据的获取方式与前述标定方法一致。交叉口进口道车辆换道决策具体实施方法:
选定某一目标车,其相关参数如表4:
表4
该车目前所在车道:2
该车换道目标车道:2,3(第2,3车道均为直行)
则各个车道效用值V:0,1,1,0
各个车道排队长度L:1,2,3,1
将上述数据代入前述已标定的换道模型中:
计算当前车道(第2车道)的效用值:
UCL=U2=0.504*(29.7-29.6)+0.720*(28.4-29.6)-0.043*(185.1-95.7)+0.163*29.6+5.50*1-9.6*e-0.01*(150-95.7)*2=-27.4
计算其左侧车道的效用值:
ULL=U1=0.611*(28.9-29.6)-0.289*29.6+5.50*0-9.6*e-0.01*(150-95.7)*1-0.233=-25.7
计算其右侧车道的效用值:
URL=U3=0.611*(31.8-29.6)-0.289*29.6+5.50*1-9.6*e-0.01*(150-95.7)*3-0.233=-51.5
计算概率
生成随机数p=0.112,p<P1,则根据效用值,车辆选择换道至当前车道的左侧车道。按照以下安全规则判定条件决定是否换道:
条件一、保证目标车辆换道后不与前车碰撞
换道时间T取1.1s。
由于aes,i≥amin,i则目标车辆换道安全。
条件二、保证目标车辆换道后,其后车不与其碰撞
由于aes,i+1≥amin,i+1,则其后车安全。
同时满足条件一和二,则车辆执行换道行为。
基于相同的发明构思,本实施例公开一种计算装置,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述计算机程序被加载至处理器时实现上述的交叉口进口道车辆换道仿真模型标定方法,或者交叉口进口道车辆换道决策方法。
以上所述是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和变形,这些改进和变形也应视为本发明的保护范围。
Claims (6)
1.一种交叉口进口道车辆换道仿真模型标定方法,其特征在于,包括以下步骤:
(1)拍摄交叉口视频,并通过图像识别获取车辆和道路实测数据,包括目标车辆进入目标路段所在车道、初始位置、车辆速度,进入目标路段时间和换道目标车道;
(2)构建基于效用选择理论的车辆换道模型,模型变量包括目标车辆与前车、后车、左侧车道后车、右侧车道后车的速度差,与前车位置差,目标车辆速度,每个可选择车道是否为换道目标车道和排队长度,待标定的参数包括各变量的系数和常数项;
(3)通过优化算法确定待标定的换道模型参数,根据获取的车辆和道路实测数据,对交叉口进口道部分的车辆进行仿真,并计算车辆换道完成率;
(4)在仿真结果中,若车辆的换道完成率未达到期望要求,则返回步骤(3)重新确定换道模型参数,若达到期望要求,则标定结束。
2.根据权利要求1所述的交叉口进口道车辆换道仿真模型标定方法,其特征在于,所述步骤(2)中构建的车辆换道模型的形式如下:
车辆在选择下一时刻所在车道时,仅考虑当前车道及左右两侧的相邻车道;计算出每个可选车道的效用值,即可计算出选择各个车道的概率;
对于当前车道,其效用计算式为:
UCL=ka*Δvfront,C+kb*Δvrear,C+kc*Δxfront,C+kd*v+ke*VCL+kf*LCL
其中UCL是当前车道的效用;Δvfront,C是与当前车道前车速度差;Δvrear,C是与当前车道后车速度差;Δxfront,C是与当前车道前车位置差;v为本车速度;VCL是当前车道属性效用值;LCL是当前车道排队长度;DCL为当前车道上车辆离交叉口虚线段最下游端的距离,ka,kb,kc,kd,ke,m,k为待标定的常数参数;
对于当前车道的左右车道,效用计算式为:
ULL/RL=ka′*Δvrear,L/R+kb′*v+kc′*VLL/RL+kd′*LLL/RL+k0
其中ULL/RL为左/右车道的效用;Δvrear,L/R为左/右车道的后车速度差,VLL/RL为左/右车道属性效用值,LLL/RL为左/右车道排队长度,DLL/RL为左/右车道上车辆离交叉口虚线段最下游端的距离,ka′,kb′,kc′,m′,k′,k0为待标定的常数参数;
基于车道的效用值,计算选择每个车道的概率:
其中n是车道数。
3.根据权利要求1所述的交叉口进口道车辆换道仿真模型标定方法,其特征在于,所述步骤(3)中车辆换道完成率计算公式为:R=n/m;其中,n为换道完成车辆数,即车辆的最终所在车道与目标车道一致;m为总仿真车辆数。
4.一种交叉口进口道车辆换道仿真模型决策方法,其特征在于,包括如下步骤:
(1)获取车辆和道路实测数据,构建基于效用选择理论的车辆换道模型,根据权利要求1-3任一项所述的交叉口进口道车辆换道仿真模型标定方法标定模型参数;
(2)将标定的模型参数代入基于效用选择理论的车辆换道模型,将目标车辆与前车、后车、左侧车道后车、右侧车道后车的速度差,与前车位置差,目标车辆速度,每个可选择车道是否为换道目标车道和排队长度输入换道模型,计算目标车辆当前车道及左右侧车道的换道概率,进行换道决策。
5.根据权利要求4所述的交叉口进口道车辆换道仿真模型决策方法,其特征在于,计算目标车辆当前车道及左右侧车道的换道概率Pk,k∈{CL,LL,RL},进行换道决策:
生成随机数p,若p<PLL,则车辆选择换道至当前车道的左侧车道;若PLL≤p<PLL+PCL,则车辆不实行换道;若p≥PLL+PCL,则车辆选择换道至当前车道的右侧车道;若需要实行换道,则车辆按照以下安全规则判定条件决定是否换道:
条件一、保证目标车辆换道后不与前车碰撞:
其中i为目标车辆,i-1为换道后的前车,t为时间,T为换道时长,vi(t+T)为车辆i的最大安全速度,amin,i为车辆最大减速度,xi(t)为车辆位置,leni为车辆长度,aes,i为目标车辆换道后的估计需求加速度,aes,i-1为目标车辆换道后的前车的估计需求加速度;
若aes,i≥amin,i,则目标车辆安全;
条件二、保证目标车辆换道后,其后车不与其碰撞:
其中i+1为换道后的后车;若aes,i+1≥amin,i+1,则其后车安全;
若同时满足条件一和二,则车辆执行换道行为。
6.一种计算装置,包括存储器、处理器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,所述计算机程序被加载至处理器时实现根据权利要求1-3任一项所述的交叉口进口道车辆换道仿真模型标定方法,或者实现根据权利要求4所述的交叉口进口道车辆换道仿真模型决策方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110436944.3A CN113255101B (zh) | 2021-04-22 | 一种交叉口进口道车辆换道仿真模型标定方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110436944.3A CN113255101B (zh) | 2021-04-22 | 一种交叉口进口道车辆换道仿真模型标定方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113255101A true CN113255101A (zh) | 2021-08-13 |
CN113255101B CN113255101B (zh) | 2024-07-02 |
Family
ID=
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113903174A (zh) * | 2021-11-10 | 2022-01-07 | 哈尔滨工业大学 | 考虑横向偏移的交织区多车交互换道模型及其构建方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108387242A (zh) * | 2018-02-07 | 2018-08-10 | 西南交通大学 | 自动驾驶换道准备和执行一体化轨迹规划方法 |
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 |
CN110853377A (zh) * | 2019-11-15 | 2020-02-28 | 东南大学 | 基于车头时距的公路车辆换道模型标定与决策方法及装置 |
CN110962853A (zh) * | 2019-11-25 | 2020-04-07 | 浙江工业大学 | 一种车联网环境下车辆博弈换道协作方法 |
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108387242A (zh) * | 2018-02-07 | 2018-08-10 | 西南交通大学 | 自动驾驶换道准备和执行一体化轨迹规划方法 |
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 |
CN110853377A (zh) * | 2019-11-15 | 2020-02-28 | 东南大学 | 基于车头时距的公路车辆换道模型标定与决策方法及装置 |
CN110962853A (zh) * | 2019-11-25 | 2020-04-07 | 浙江工业大学 | 一种车联网环境下车辆博弈换道协作方法 |
Non-Patent Citations (8)
Title |
---|
张兰芳;陈程;张佳妍;方守恩;郭静秋;: "基于自然驾驶数据的高速公路出口换道决策模型", 同济大学学报(自然科学版), no. 03 * |
张效宇;赵祥磊;杨科;: "自动驾驶汽车的智能决策模型研究", 汽车实用技术, no. 07 * |
曲大义;李娟;刘聪;万孟飞;曹俊业;: "基于分层Logit模型的车辆换道行为研究", 科学技术与工程, no. 05 * |
杨达;苏刚;吴丹红;熊明强;蒲云;: "基于社会力的驾驶员换道决策行为建模", 西南交通大学学报, no. 04 * |
王永明;周磊山;吕永波;: "基于元胞自动机交通流模型的车辆换道规则", 中国公路学报, no. 01 * |
邱小平;刘亚龙;马丽娜;杨达;: "基于贝叶斯网络的车辆换道模型", 交通运输系统工程与信息, no. 05 * |
郑弘, 荣建, 任福田: "基于效用选择的换车道模型", 公路交通科技, no. 05 * |
魏允晗;韩印: "交叉口车辆跟驰换道模型构建及仿真", 《交通运输研究》, vol. 4, no. 3 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113903174A (zh) * | 2021-11-10 | 2022-01-07 | 哈尔滨工业大学 | 考虑横向偏移的交织区多车交互换道模型及其构建方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111009153B (zh) | 一种轨迹预测模型的训练方法、装置和设备 | |
CN107894767B (zh) | 一种自动驾驶车辆横向运动控制对象选择方法 | |
CN113665574B (zh) | 智能汽车换道时长预测及拟人化轨迹规划方法 | |
CN107301289B (zh) | 一种基于智能博弈的交通流元胞自动机模型的实现方法 | |
CN114239371A (zh) | 基于仿真的大型停车场出入口车辆延误模型参数标定方法 | |
CN112530177B (zh) | 车联网环境下基于卡尔曼滤波的车辆排队长度估计方法 | |
CN113094875A (zh) | 一种城市快速路交织区微观交通仿真系统标定方法及装置 | |
CN112819303A (zh) | 基于pce代理模型的飞行器追踪效能评估方法及系统 | |
CN113942526A (zh) | 一种基于可接受风险的自动驾驶超车轨迹规划方法 | |
CN106569981B (zh) | 一种适用于大规模数据集的统计参量确定方法及系统 | |
CN115620518A (zh) | 基于深度学习的交叉口交通冲突判别方法 | |
CN113119999B (zh) | 自动驾驶特征的确定方法、装置、设备、介质及程序产品 | |
CN117609093A (zh) | 一种自动驾驶场景下交通参与者动态切入行为的生成方法 | |
CN113255101A (zh) | 一种交叉口进口道车辆换道仿真模型标定方法及装置 | |
CN116702096B (zh) | 车辆高原环境道路滑行阻力测算方法及装置 | |
CN113255101B (zh) | 一种交叉口进口道车辆换道仿真模型标定方法及装置 | |
WO2018210303A1 (zh) | 道路模型的构建 | |
CN113176562A (zh) | 多目标跟踪方法、装置、电子设备及可读存储介质 | |
CN113761662B (zh) | 一种滑翔类目标的轨迹预测管道的生成方法 | |
CN114996116A (zh) | 一种针对自动驾驶系统的拟人性评价方法 | |
JP2023531927A (ja) | 運転意思決定方法および運転意思決定装置ならびにチップ | |
CN112182787A (zh) | 确定运载火箭的总体偏差量的方法、系统、终端及介质 | |
CN113030934B (zh) | 一种基于平均距离最近原理的车检雷达数据预处理方法 | |
CN112762921B (zh) | 一种基于仿人记忆机制的机器人概率地图更新方法 | |
CN112836418B (zh) | 一种基于不完全测量的飞行器实时定位方法及系统 |
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 |