CN113327448A - 一种自动驾驶专用相位下的车辆轨迹优化方法 - Google Patents

一种自动驾驶专用相位下的车辆轨迹优化方法 Download PDF

Info

Publication number
CN113327448A
CN113327448A CN202110877881.5A CN202110877881A CN113327448A CN 113327448 A CN113327448 A CN 113327448A CN 202110877881 A CN202110877881 A CN 202110877881A CN 113327448 A CN113327448 A CN 113327448A
Authority
CN
China
Prior art keywords
vehicle
intersection
vehicles
automatic driving
lane
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
CN202110877881.5A
Other languages
English (en)
Other versions
CN113327448B (zh
Inventor
吴伟
秦少敏
刘洋
龙科军
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.)
Changsha University of Science and Technology
Original Assignee
Changsha 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 Changsha University of Science and Technology filed Critical Changsha University of Science and Technology
Priority to CN202110877881.5A priority Critical patent/CN113327448B/zh
Publication of CN113327448A publication Critical patent/CN113327448A/zh
Application granted granted Critical
Publication of CN113327448B publication Critical patent/CN113327448B/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
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0968—Systems involving transmission of navigation instructions to the vehicle
    • G08G1/096833—Systems involving transmission of navigation instructions to the vehicle where different aspects are considered when computing the route
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
    • 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
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
    • G08G1/096708—Systems 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
    • G08G1/096716—Systems 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 does not generate an automatic action on the vehicle control

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Computational Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Atmospheric Sciences (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Operations Research (AREA)
  • Chemical & Material Sciences (AREA)
  • Algebra (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Analytical Chemistry (AREA)
  • Traffic Control Systems (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)

Abstract

本发明面向自动驾驶车辆与人工驾驶车辆混合行驶的交通环境，设计了一种自动驾驶专用相位下的车辆轨迹优化方法，属于智能交通领域。首先，采集交叉口的物理参数、车辆的基本信息及各进口车道的信号状态；其次，将交叉口划分为轨迹控制区和协调刹车区，建立车辆行驶轨迹模型和自动驾驶车辆冲突分离的协调控制模型；最后，以交叉口所有进口车道上的车辆安全、迅速地通过交叉口为优化目标，优化获得车辆的位置、速度及加速度。本发明考虑自动驾驶车辆与人工驾驶车辆行驶的差异性，优化不同车辆类型的轨迹，并在自动驾驶专用相位下，对自动驾驶专用车道上的车辆进行冲突分离的协调控制，实现车辆的分类而治。

Description

一种自动驾驶专用相位下的车辆轨迹优化方法
技术领域
本发明属于智能交通控制领域，涉及城市交叉口车辆通行的运动轨迹的交通控制技术领域，更具体地说，涉及一种自动驾驶专用相位下的车辆轨迹优化方法。
背景技术
自动驾驶车辆的技术结构主要包括环境感知和定位、决策规划和执行控制三大模块，具体实现过程是传感器技术和摄像头、GPS等技术获取汽车行驶过程中的环境指标，然后经由汽车智能处理器或远程控制中心进行信息融合与处理，规划车辆安全行驶路径与决策车辆跟车、换道、转弯、停车等指令，最后将决策传递给车辆的功能部件，把油门、制动、转向、换挡等指令落实，实现车辆运动。自动驾驶技术从理论与技术层面上已经相当成熟，基本实现在道路上的安全行驶。
目前，针对自动驾驶车辆的国内外研究大多存在以下不足：第一，简化车辆的运动轨迹，假设车辆在交叉口路段上匀速行驶，只优化获得车辆进入交叉口的时刻；第二，理想化人工驾驶车辆的运动过程，忽略了自动驾驶车辆可以依靠系统的稳定性，大大缩减了跟驰过程中最小的安全跟车间距，并严格遵守交通规则行驶。在信号灯控制仍然是交叉口交通控制与管理的主流选择的情况下，新增自动驾驶专用相位，限定自动驾驶专用进口车道上只允许自动驾驶车辆行驶，从而实现交叉口所有自动驾驶专用进口车道上车辆自由通行。因此，面向自动驾驶车辆与人工驾驶车辆的混合交通流，基于“绿灯行-红灯停”的车辆通行策略，并充分考虑自动驾驶车辆与人工驾驶车辆的行驶特征的差异性，提出一种自动驾驶专用相位下的车辆轨迹优化方法具有深刻的研究意义。
发明内容
本发明目的是为了克服上述技术存在的不足，建立一种自动驾驶专用相位下的车辆轨迹优化方法。该方法充分考虑自动驾驶车辆与人工驾驶车辆行驶特征的区别，建立车辆行驶轨迹模型，在自动驾驶专用相位，对自动驾驶专用进口车道上车辆进行协调控制，实现车辆的分类而治，从而有效保障了车辆安全、高效地通过交叉口。
技术方案：为解决上述技术问题，本发明的一种自动驾驶专用相位下的车辆轨迹优化方法，包括如下步骤：
步骤1：采集交叉口的物理参数，包括交叉口人工驾驶进口车道及自动驾驶专用进口车道、进出口车道数及车道宽度；采集车辆的基本信息，包括车辆当前所在进口车道、位置、速度以及预计转向；采集交叉口各进口车道的信号状态；
步骤2：将交叉口划分为轨迹控制区和协调刹车区，建立车辆行驶轨迹模型和自动驾驶车辆冲突分离的协调控制模型；
步骤3：以交叉口所有进口车道上的车辆安全、迅速地通过交叉口为优化目标，优化获得车辆行驶轨迹。
本发明中，步骤1的采集交叉口环境的物理参数、车辆的基本信息及交叉口信号配时方案，包括如下步骤：
步骤1-1：采集交叉口的物理参数，包括自动驾驶专用进口车道
Figure 517910DEST_PATH_IMAGE001
及人工驾驶进口车道
Figure 871269DEST_PATH_IMAGE002
、进口车道数
Figure 651006DEST_PATH_IMAGE003
及出口车道数
Figure 46215DEST_PATH_IMAGE004
、各进口车道的车道宽度
Figure 798271DEST_PATH_IMAGE005
与各出口车道的车道宽度
Figure 620733DEST_PATH_IMAGE006
，用
Figure 825450DEST_PATH_IMAGE007
表示交叉口进口方向的进口车道集合，
Figure 24350DEST_PATH_IMAGE008
，用
Figure 630912DEST_PATH_IMAGE009
表示交叉口出口方向的出口车道集合，
Figure 624275DEST_PATH_IMAGE010
，并对进口车道进行编号
Figure 378605DEST_PATH_IMAGE011
；
步骤1-2：采集车辆的基本信息，包括车辆
Figure 551835DEST_PATH_IMAGE012
当前所在进口车道
Figure 75220DEST_PATH_IMAGE013
、位置
Figure 505064DEST_PATH_IMAGE014
、速度
Figure 746690DEST_PATH_IMAGE015
、加速度
Figure 959496DEST_PATH_IMAGE016
及预计转向
Figure 602967DEST_PATH_IMAGE017
，
Figure 938134DEST_PATH_IMAGE018
，其中
Figure 604739DEST_PATH_IMAGE019
分别表示左转、直行、右转，用
Figure 683553DEST_PATH_IMAGE020
表示交叉口进口车道上车辆的集合，
Figure 181530DEST_PATH_IMAGE021
，用
Figure 953177DEST_PATH_IMAGE022
表示交叉口人工驾驶进口车道上车辆的集合，
Figure 841499DEST_PATH_IMAGE023
，用
Figure 724004DEST_PATH_IMAGE024
表示交叉口自动驾驶专用进口车道上车辆的集合，
Figure 76488DEST_PATH_IMAGE025
；
步骤1-3：采集交叉口各进口车道的信号状态
Figure 455255DEST_PATH_IMAGE026
，
Figure 893189DEST_PATH_IMAGE027
表示
Figure 313806DEST_PATH_IMAGE028
时刻交叉口进口车道
Figure 724059DEST_PATH_IMAGE029
信号是绿灯，
Figure 837509DEST_PATH_IMAGE030
表示
Figure 762739DEST_PATH_IMAGE028
时刻交叉口进口车道
Figure 924730DEST_PATH_IMAGE031
信号不是绿灯；
本发明中，步骤2的将交叉口划分为轨迹控制区和协调刹车区，建立车辆行驶轨迹模型和自动驾驶车辆冲突分离的协调控制模型，包括如下步骤：
步骤2-1：将交叉口进口车道
Figure 986227DEST_PATH_IMAGE031
从停车线到距离停车线
Figure 270578DEST_PATH_IMAGE032
的范围内划分为轨迹控制区域，进口车道
Figure 683105DEST_PATH_IMAGE031
从停车线到距离停车线
Figure 648787DEST_PATH_IMAGE033
的范围划分为协调刹车区域；
步骤2-2：基于车辆加速度的优化，确定车辆行驶轨迹的位置-速度-加速度的关系，由公式计算(1)-(2)：
Figure 830369DEST_PATH_IMAGE034
Figure 20042DEST_PATH_IMAGE035
(1)
Figure 350224DEST_PATH_IMAGE036
Figure 916335DEST_PATH_IMAGE035
(2)
其中，
Figure 218003DEST_PATH_IMAGE037
表示
Figure 516260DEST_PATH_IMAGE028
时刻车辆
Figure 903379DEST_PATH_IMAGE012
的位置，
Figure 273181DEST_PATH_IMAGE038
表示
Figure 163776DEST_PATH_IMAGE028
时刻车辆
Figure 898514DEST_PATH_IMAGE012
的速度，
Figure 507350DEST_PATH_IMAGE039
表示
Figure 680842DEST_PATH_IMAGE028
时刻车辆
Figure 629207DEST_PATH_IMAGE012
的加速度，
Figure 597163DEST_PATH_IMAGE040
表示更新步长；
步骤2-3：自动驾驶专用进口车道上的车辆的加速度不小于最大减速度，且不大于最大加速度，由公式计算(3)：
Figure 693295DEST_PATH_IMAGE041
Figure 841117DEST_PATH_IMAGE042
(3)
其中，
Figure 706305DEST_PATH_IMAGE043
表示车辆最大减速度的绝对值，
Figure 845162DEST_PATH_IMAGE044
表示车辆的最大加速度
步骤2-4：交叉口所有进口车道上的车辆的速度不大于最大速度，由公式计算(4)：
Figure 366273DEST_PATH_IMAGE045
Figure 615989DEST_PATH_IMAGE035
(4)
其中，
Figure 601263DEST_PATH_IMAGE046
表示车辆的最大速度；
步骤2-5：确定同一车道上车辆相邻的前车
Figure 848704DEST_PATH_IMAGE047
、后车
Figure 919429DEST_PATH_IMAGE048
，由公式计算(5)-(8)：
Figure 972835DEST_PATH_IMAGE049
(5)
Figure 750298DEST_PATH_IMAGE050
(6)
Figure 230958DEST_PATH_IMAGE051
(7)
Figure 523399DEST_PATH_IMAGE052
(8)
其中，
Figure 380497DEST_PATH_IMAGE013
表示车辆
Figure 511002DEST_PATH_IMAGE012
所在进口车道，
Figure 162563DEST_PATH_IMAGE053
表示车辆
Figure 207879DEST_PATH_IMAGE012
的前方车辆集合，
Figure 540772DEST_PATH_IMAGE054
表示车辆
Figure 89565DEST_PATH_IMAGE012
的后方车辆集合；
步骤2-6：人工驾驶进口车道上车辆行驶的跟车过程，受同一车道上相邻前车、后车的位置和速度的影响，车辆跟车的加速度由公式计算(9)：
Figure 177606DEST_PATH_IMAGE055
其中，
Figure 444640DEST_PATH_IMAGE056
表示表示
Figure 581223DEST_PATH_IMAGE028
时刻车辆
Figure 984523DEST_PATH_IMAGE012
的跟车加速度，
Figure 243466DEST_PATH_IMAGE057
、
Figure 935478DEST_PATH_IMAGE058
、
Figure 672490DEST_PATH_IMAGE059
、
Figure 195875DEST_PATH_IMAGE060
表示人工驾驶进口车道上车辆的跟车模型的参数，
Figure 61938DEST_PATH_IMAGE061
表示车辆的车身长度，
Figure 37984DEST_PATH_IMAGE062
表示同一车道上相邻两台人工驾驶车辆的最小安全跟车距离，
Figure 578687DEST_PATH_IMAGE063
表示人工驾驶车辆的紧急反应时间；
步骤2-7：在交叉口各进口车道上虚拟一台车辆
Figure 222158DEST_PATH_IMAGE064
，表示进口车道上的第一台车辆，其初始时刻的位置及速度由公式计算(10)-(11)；当进口车道
Figure 495007DEST_PATH_IMAGE065
信号切换至红灯，车辆
Figure 223929DEST_PATH_IMAGE066
的位置及速度由公式计算(12)-(15)；当进口车道
Figure 302743DEST_PATH_IMAGE065
信号切换至绿灯，车辆
Figure 738404DEST_PATH_IMAGE066
的位置及速度由公式计算(16)-(19)：
Figure 244471DEST_PATH_IMAGE067
Figure 460689DEST_PATH_IMAGE068
(10)
Figure 280878DEST_PATH_IMAGE069
Figure 633362DEST_PATH_IMAGE068
(11)
Figure 575910DEST_PATH_IMAGE070
Figure 455922DEST_PATH_IMAGE071
(12)
Figure 876539DEST_PATH_IMAGE072
Figure 349109DEST_PATH_IMAGE071
(13)
Figure 134662DEST_PATH_IMAGE073
Figure 59893DEST_PATH_IMAGE071
(14)
Figure 284201DEST_PATH_IMAGE074
Figure 548960DEST_PATH_IMAGE071
(15)
Figure 833311DEST_PATH_IMAGE075
Figure 245838DEST_PATH_IMAGE071
(16)
Figure 945940DEST_PATH_IMAGE076
Figure 127523DEST_PATH_IMAGE071
(17)
Figure 582775DEST_PATH_IMAGE077
Figure 918816DEST_PATH_IMAGE071
(
Figure 484927DEST_PATH_IMAGE078
)
Figure 521016DEST_PATH_IMAGE079
Figure 147169DEST_PATH_IMAGE071
(
Figure 471971DEST_PATH_IMAGE080
)
其中，
Figure 576194DEST_PATH_IMAGE081
是0-1变量，
Figure 732368DEST_PATH_IMAGE082
表示无穷大正数，
Figure 467106DEST_PATH_IMAGE083
表示交叉口进口车道上虚拟车辆的集合，
Figure 75942DEST_PATH_IMAGE084
表示车辆
Figure 249434DEST_PATH_IMAGE066
所在进口车道上停车线的位置，
Figure 197799DEST_PATH_IMAGE085
表示
Figure 165755DEST_PATH_IMAGE028
时刻车辆
Figure 261887DEST_PATH_IMAGE064
所在进口车道信号是绿灯，
Figure 144130DEST_PATH_IMAGE086
表示
Figure 274897DEST_PATH_IMAGE028
时刻车辆
Figure 413754DEST_PATH_IMAGE064
所在进口车道信号不是绿灯；
步骤2-8：人工驾驶进口车道上车辆的加速度不小于最大减速度，且不大于最大加速度及车辆跟车速度，由公式计算(20)：
Figure 934866DEST_PATH_IMAGE087
Figure 184581DEST_PATH_IMAGE088
(20)
步骤2-9：同一车道上相邻的两台车辆之间的间距不小于最小安全跟车间距与紧急反应时间内车辆行驶的路程之和，人工驾驶车辆由公式(21)计算，自动驾驶车辆由公式(22)计算；
Figure 169855DEST_PATH_IMAGE089
Figure 417297DEST_PATH_IMAGE088
(21)
Figure 488021DEST_PATH_IMAGE090
Figure 541427DEST_PATH_IMAGE042
(22)
其中，
Figure 318891DEST_PATH_IMAGE091
表示相邻两台自动驾驶车辆的最小安全跟车距离，
Figure 799550DEST_PATH_IMAGE092
表示自动驾驶车辆的紧急反应时间；
步骤2-10：自动驾驶相位下，已驶入交叉口轨迹控制区、未驶离交叉口的自动驾驶专用进口车道上的车辆，任意时刻，须进行不同自动驾驶专用进口车道上的任意两台车辆的冲突分离的协调控制，即不同自动驾驶专用进口车道上的任意两台车辆到冲突点距离差的绝对值不小于自动驾驶车辆冲突分离的最小安全间距，由公式计算(23)-(25)：
Figure 91991DEST_PATH_IMAGE093
Figure 385307DEST_PATH_IMAGE094
Figure 79594DEST_PATH_IMAGE095
(24)
Figure 731155DEST_PATH_IMAGE096
Figure 714155DEST_PATH_IMAGE095
(25)
其中，
Figure 109364DEST_PATH_IMAGE097
和
Figure 658157DEST_PATH_IMAGE098
是0-1变量，
Figure 746199DEST_PATH_IMAGE099
表示
Figure 950915DEST_PATH_IMAGE028
时刻车辆
Figure 884236DEST_PATH_IMAGE012
已驶离交叉口，
Figure 553115DEST_PATH_IMAGE100
表示
Figure 749741DEST_PATH_IMAGE028
时刻车辆
Figure 238491DEST_PATH_IMAGE012
未驶离交叉口，
Figure 241082DEST_PATH_IMAGE101
表示
Figure 764467DEST_PATH_IMAGE028
时刻车辆
Figure 382529DEST_PATH_IMAGE012
允许驶入交叉口，
Figure 624154DEST_PATH_IMAGE102
表示
Figure 164857DEST_PATH_IMAGE028
时刻车辆
Figure 480432DEST_PATH_IMAGE012
禁止驶入交叉口，
Figure 81177DEST_PATH_IMAGE103
表示
Figure 544520DEST_PATH_IMAGE028
时刻车辆
Figure 888913DEST_PATH_IMAGE012
已驶入车辆轨迹控制区，
Figure 324574DEST_PATH_IMAGE104
表示
Figure 830642DEST_PATH_IMAGE028
时刻车辆
Figure 46859DEST_PATH_IMAGE012
未驶入车辆轨迹控制区，
Figure 867048DEST_PATH_IMAGE105
表示车辆
Figure 531116DEST_PATH_IMAGE012
与车辆
Figure 208085DEST_PATH_IMAGE106
在交叉口内行驶轨迹的冲突点位置，
Figure 583703DEST_PATH_IMAGE107
表示自动驾驶车辆冲突分离的最小安全间距，
Figure 269899DEST_PATH_IMAGE108
表示车辆
Figure 850791DEST_PATH_IMAGE012
在交叉口内的行驶轨迹，
Figure 901924DEST_PATH_IMAGE109
表示车辆
Figure 827154DEST_PATH_IMAGE012
与车辆
Figure 51462DEST_PATH_IMAGE106
在交叉口内的行驶轨迹存在冲突点，
Figure 820616DEST_PATH_IMAGE110
表示车辆
Figure 541185DEST_PATH_IMAGE012
驶离交叉口的目标位置，
Figure 688133DEST_PATH_IMAGE111
表示车辆
Figure 716131DEST_PATH_IMAGE012
所在进口车道上轨迹控制区边界线的位置；
步骤2-11：自动驾驶相位下，已驶入交叉口协调刹车区、未驶离交叉口的自动驾驶专用进口车道上的车辆，任意时刻，须进行不同进口车道上的任意两台车辆的冲突分离的协调刹车控制，即不同自动驾驶专用进口车道上的任意两台车辆到冲突点的距离差的绝对值不小于自动驾驶车辆冲突分离的最小安全间距，由公式(26)-(27)计算：
Figure 835397DEST_PATH_IMAGE112
Figure 228332DEST_PATH_IMAGE113
Figure 128155DEST_PATH_IMAGE114
(27)
其中，
Figure 694266DEST_PATH_IMAGE115
和
Figure 41939DEST_PATH_IMAGE116
是0-1变量，
Figure 668093DEST_PATH_IMAGE117
表示
Figure 664999DEST_PATH_IMAGE028
时刻车辆
Figure 34800DEST_PATH_IMAGE012
已驶入协调刹车区，
Figure 190975DEST_PATH_IMAGE118
表示
Figure 424248DEST_PATH_IMAGE028
时刻车辆
Figure 33084DEST_PATH_IMAGE012
未驶入协调刹车区，
Figure 940997DEST_PATH_IMAGE119
表示
Figure 889362DEST_PATH_IMAGE028
时刻车辆
Figure 795001DEST_PATH_IMAGE012
需要刹车，
Figure 891133DEST_PATH_IMAGE120
表示
Figure 602737DEST_PATH_IMAGE028
时刻车辆
Figure 733504DEST_PATH_IMAGE012
不需要刹车，
Figure 872361DEST_PATH_IMAGE121
表示车辆
Figure 558252DEST_PATH_IMAGE012
所在车道的协调刹车区的边界位置；
步骤2-12：自动驾驶专用相位下，已驶入交叉口协调刹车区、未驶离交叉口的自动驾驶专用进口车道上的车辆，当车辆需要刹车，则该车辆以最大减速度紧急刹车，且当前时刻无法驶入交叉口，由公式(28)-(29)计算：
Figure 73547DEST_PATH_IMAGE122
Figure 58820DEST_PATH_IMAGE042
(28)
Figure 306262DEST_PATH_IMAGE123
Figure 111407DEST_PATH_IMAGE042
(29)
其中，
Figure 102497DEST_PATH_IMAGE124
是0-1变量，
Figure 942277DEST_PATH_IMAGE125
表示
Figure 422937DEST_PATH_IMAGE028
时刻车辆
Figure 980957DEST_PATH_IMAGE012
已驶入交叉口，
Figure 572475DEST_PATH_IMAGE126
表示
Figure 906243DEST_PATH_IMAGE028
时刻车辆
Figure 557804DEST_PATH_IMAGE012
未驶入交叉口；
步骤2-13：同一车道上，按照车辆距离停车线的远近依次驶入交叉口，由公式计算(30)-(31)：
Figure 337541DEST_PATH_IMAGE127
Figure 670433DEST_PATH_IMAGE095
(30)
Figure 484806DEST_PATH_IMAGE128
Figure 307268DEST_PATH_IMAGE095
(31)
步骤2-14：当自动驾驶专用车道上的车辆已驶入交叉口，则该车辆当前时刻允许驶入交叉口，当车辆已禁止驶入交叉口，则该车辆当前时刻未驶入交叉口，由公式(32)-(33)计算：
Figure 449668DEST_PATH_IMAGE129
Figure 648568DEST_PATH_IMAGE042
(32)
Figure 317446DEST_PATH_IMAGE130
Figure 684712DEST_PATH_IMAGE042
(33)
步骤2-15：基于“绿灯行-红灯停”的通行规则，当交叉口信号灯切换至红灯时，已驶入交叉口的车辆，继续在交叉口内通行，未驶入交叉口的车辆，则无法驶入交叉口，由公式计算(34)-(35)：
Figure 439041DEST_PATH_IMAGE131
Figure 441632DEST_PATH_IMAGE095
(34)
Figure 965017DEST_PATH_IMAGE132
Figure 129282DEST_PATH_IMAGE095
(35)
其中，
Figure 370908DEST_PATH_IMAGE133
是0-1变量，
Figure 786977DEST_PATH_IMAGE134
表示
Figure 164869DEST_PATH_IMAGE028
时刻车辆
Figure 765614DEST_PATH_IMAGE012
所在进口车道的信号是绿灯，
Figure 665175DEST_PATH_IMAGE135
表示
Figure 9568DEST_PATH_IMAGE028
时刻车辆
Figure 179650DEST_PATH_IMAGE012
所在进口车道的信号不是绿灯；
本发明中，步骤3的以交叉口所有进口车道上的车辆安全、迅速地通过交叉口为优化目标，优化获得车辆行驶轨迹，包括如下步骤：
步骤3-1：交叉口所有进口车道上的车辆安全、迅速地驶离交叉口，即在优化时间内，车辆位置与驶离交叉口的目标位置的距离差之和最小，优化获得车辆行驶轨迹的位置、速度及加速度，由公式计算(36)：
Figure 951297DEST_PATH_IMAGE136
(36)
与现有技术相比，本发明的有益效果是：面向自动驾驶车辆与人工驾驶车辆混合行驶的交通环境，对交叉口所有进口车道上的车辆进行行驶轨迹的优化，并在自动驾驶专用相位下，对自动驾驶专用车道上的车辆进行冲突分离的协调控制，实现自动驾驶车辆与人工驾驶车辆的混合交通流下交叉口交通控制。
附图说明
图1为本发明的总体流程图；
图2为本发明实施例的应用示意图；
图中标号说明：201表示交叉口轨迹控制区，202表示交叉口协调刹车区
具体实施方法
下面结合示例对本发明作进一步详细的描述，但本发明的实施方式不限于此。本发明的实施方式并不受所述示例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。
实施例1：
本发明的一种自动驾驶专用相位下的车辆轨迹优化方法，包括如下步骤：
步骤1：采集交叉口的物理参数，包括交叉口人工驾驶进口车道及自动驾驶专用进口车道、进出口车道数及车道宽度；采集车辆的基本信息，包括车辆当前所在进口车道、位置、速度、加速度及预计转向；采集交叉口各进口车道的信号状态；
步骤2：将交叉口划分为轨迹控制区和协调刹车区，建立车辆行驶轨迹模型和自动驾驶车辆冲突分离的协调控制模型；
步骤3：满足交叉口所有进口车道上的车辆安全、迅速地通过交叉口，优化获得车辆行驶轨迹。
实施例2：
在实施例1的基础上，步骤1中采集交叉口的物理参数、车辆的基本信息及各进口车道的信号状态，包括如下步骤：
步骤1-1：采集交叉口的物理参数，包括自动驾驶专用进口车道
Figure 901935DEST_PATH_IMAGE001
及人工驾驶进口车道
Figure 722124DEST_PATH_IMAGE002
、进口车道数
Figure 74608DEST_PATH_IMAGE003
及出口车道数
Figure 954839DEST_PATH_IMAGE004
、各进口车道的车道宽度
Figure 392773DEST_PATH_IMAGE005
与各出口车道的车道宽度
Figure 521047DEST_PATH_IMAGE006
，用
Figure 728038DEST_PATH_IMAGE007
表示交叉口进口方向的进口车道集合，
Figure 841487DEST_PATH_IMAGE008
，用
Figure 766718DEST_PATH_IMAGE009
表示交叉口出口方向的出口车道集合，
Figure 928709DEST_PATH_IMAGE010
，并对进口车道进行编号
Figure 255785DEST_PATH_IMAGE011
；
步骤1-2：采集车辆的基本信息，包括车辆
Figure 274557DEST_PATH_IMAGE012
当前所在进口车道
Figure 624767DEST_PATH_IMAGE013
、位置
Figure 590449DEST_PATH_IMAGE014
、速度
Figure 772031DEST_PATH_IMAGE015
、加速度
Figure 227283DEST_PATH_IMAGE137
及预计转向
Figure 861527DEST_PATH_IMAGE017
，
Figure 427638DEST_PATH_IMAGE018
，其中
Figure 729306DEST_PATH_IMAGE019
分别表示左转、直行、右转，用
Figure 667044DEST_PATH_IMAGE020
表示交叉口进口车道上车辆的集合，
Figure 788584DEST_PATH_IMAGE021
，用
Figure 96068DEST_PATH_IMAGE022
表示交叉口人工驾驶进口车道上车辆的集合，
Figure 252243DEST_PATH_IMAGE023
，用
Figure 485516DEST_PATH_IMAGE024
表示交叉口自动驾驶专用进口车道上车辆的集合，
Figure 94352DEST_PATH_IMAGE025
；
步骤1-3：采集交叉口各进口车道的信号状态
Figure 2265DEST_PATH_IMAGE026
，
Figure 950629DEST_PATH_IMAGE027
表示
Figure 918585DEST_PATH_IMAGE028
时刻交叉口进口车道
Figure 14717DEST_PATH_IMAGE031
信号是绿灯，
Figure 726321DEST_PATH_IMAGE030
表示
Figure 529192DEST_PATH_IMAGE028
时刻交叉口进口车道
Figure 668050DEST_PATH_IMAGE031
信号不是绿灯；
本实施例步骤1中所述采集交叉口的物理参数，交叉口进口车道数
Figure 189161DEST_PATH_IMAGE138
、
Figure 704456DEST_PATH_IMAGE139
，对各进口车道编号
Figure 424150DEST_PATH_IMAGE031
，
Figure 170127DEST_PATH_IMAGE140
，其中自动驾驶专用进口车道
Figure 240851DEST_PATH_IMAGE141
和人工驾驶进口车道
Figure 294258DEST_PATH_IMAGE142
，对各出口车道编号
Figure 71721DEST_PATH_IMAGE143
，
Figure 552381DEST_PATH_IMAGE144
，获取各进口车道宽度均为
Figure 110401DEST_PATH_IMAGE145
米、各出口车道宽度均为
Figure 701920DEST_PATH_IMAGE146
米，车辆尺寸为
Figure 333889DEST_PATH_IMAGE147
；采集交叉口所有进口车道上车辆的基本信息，如表1所示；确定优化更新步长
Figure 251030DEST_PATH_IMAGE148
，优化周期为
Figure 30767DEST_PATH_IMAGE149
；
表1：交叉口所有进口车道上车辆的所在进口车道、位置、速度、加速度及预计转向的基本信息表
车辆编号<i>i</i> 车辆所在进口车道<i>l</i><sub><i>i</i></sub> 位置xi(t0)
Figure 425976DEST_PATH_IMAGE149
 速度v<sub>i</sub>(t<sub>0</sub>)(m/s) 加速度<i>a</i><sub>i</sub>(t<sub>0</sub>) (m/s<sup>2</sup>) 预计转向β<sub>i</sub>
1 8 579 1.87 1.1 L＇
2 6 570 3.48 0.34 L＇
3 4 566 2.24 1.59 S＇
4 1 557 3.37 1.26 S＇
5 3 550 1.5 -0.96 S＇
6 12 543 0.24 -0.41 S＇
7 9 532 2.84 0.84 S＇
8 15 523 2.33 -0.55 R＇
9 16 509 0.75 1.17 R＇
10 5 500 3.58 -0.84 R＇
11 1 500 2.15 1.48 L＇
12 10 478 0.03 1.15 S＇
13 5 460 3.43 1.41 L＇
14 14 456 3.31 0.11 R＇
15 8 450 2.96 1.16 L＇
16 4 431 0.9 0.96 R＇
17 13 409 1.39 0.89 R＇
18 3 400 3.78 1.39 R＇
19 14 345 2.56 1.52 R＇
20 11 340 1.64 0.69 S＇
21 7 325 1.27 -0.67 L＇
22 13 321 1.43 1.58 R＇
23 6 300 0.43 1.38 L＇
24 9 300 1.5 -0.57 S＇
25 10 287 3.21 0.21 S＇
26 12 269 3.27 -0.16 S＇
27 7 231 1.18 -0.79 L＇
28 2 200 0.54 1.03 L＇
29 16 178 3.78 -0.58 R＇
30 11 129 0.36 -0.76 S＇
31 2 100 2.04 1.38 S＇
32 15 98 2.63 1.22 R＇
实施例3：
在实施例1的基础上，步骤2中将交叉口划分为轨迹控制区和协调刹车区，建立车辆行驶轨迹模型和自动驾驶车辆冲突分离的协调控制模型，包括如下步骤：
步骤2-1：将交叉口进口车道
Figure 240348DEST_PATH_IMAGE031
从停车线到距离停车线
Figure 494DEST_PATH_IMAGE032
的范围内划分为轨迹控制区域，进口车道
Figure 533824DEST_PATH_IMAGE031
从停车线到距离停车线
Figure 732724DEST_PATH_IMAGE033
的范围划分为协调刹车区域；
步骤2-2：基于车辆加速度的优化，确定车辆行驶轨迹的位置-速度-加速度的关系，由公式计算(1)-(2)：
Figure 401602DEST_PATH_IMAGE034
Figure 332649DEST_PATH_IMAGE035
(1)
Figure 86979DEST_PATH_IMAGE036
Figure 823991DEST_PATH_IMAGE035
(2)
其中，
Figure 285059DEST_PATH_IMAGE037
表示
Figure 714903DEST_PATH_IMAGE028
时刻车辆
Figure 956529DEST_PATH_IMAGE012
的位置，
Figure 169335DEST_PATH_IMAGE038
表示
Figure 249025DEST_PATH_IMAGE028
时刻车辆
Figure 584191DEST_PATH_IMAGE012
的速度，
Figure 313113DEST_PATH_IMAGE039
表示
Figure 329610DEST_PATH_IMAGE028
时刻车辆
Figure 765271DEST_PATH_IMAGE012
的加速度，
Figure 536918DEST_PATH_IMAGE040
表示更新步长；
步骤2-3：自动驾驶专用进口车道上的车辆的加速度不小于最大减速度，且不大于最大加速度，由公式计算(3)：
Figure 487556DEST_PATH_IMAGE041
Figure 370061DEST_PATH_IMAGE042
(3)
其中，
Figure 722545DEST_PATH_IMAGE043
表示车辆最大减速度的绝对值，
Figure 602777DEST_PATH_IMAGE044
表示车辆的最大加速度
步骤2-4：交叉口所有进口车道上的车辆的速度不大于最大速度，由公式计算(4)：
Figure 476929DEST_PATH_IMAGE045
Figure 897547DEST_PATH_IMAGE035
(4)
其中，
Figure 307799DEST_PATH_IMAGE046
表示车辆的最大速度；
步骤2-5：确定同一车道上车辆相邻的前车
Figure 421249DEST_PATH_IMAGE047
、后车
Figure 346479DEST_PATH_IMAGE048
，由公式计算(5)-(8)：
Figure 570787DEST_PATH_IMAGE049
(5)
Figure 507651DEST_PATH_IMAGE050
(6)
Figure 792001DEST_PATH_IMAGE051
(7)
Figure 204528DEST_PATH_IMAGE052
(8)
其中，
Figure 232527DEST_PATH_IMAGE013
表示车辆
Figure 414110DEST_PATH_IMAGE012
所在进口车道，
Figure 603783DEST_PATH_IMAGE053
表示车辆
Figure 503605DEST_PATH_IMAGE012
的前方车辆集合，
Figure 443617DEST_PATH_IMAGE054
表示车辆
Figure 745286DEST_PATH_IMAGE012
的后方车辆集合；
步骤2-6：人工驾驶进口车道上车辆行驶的跟车过程，受同一车道上相邻前车、后车的位置和速度的影响，车辆跟车的加速度由公式计算(9)：
Figure 105860DEST_PATH_IMAGE055
其中，
Figure 430662DEST_PATH_IMAGE056
表示表示
Figure 738147DEST_PATH_IMAGE028
时刻车辆
Figure 628742DEST_PATH_IMAGE012
的跟车加速度，
Figure 867875DEST_PATH_IMAGE057
、
Figure 476710DEST_PATH_IMAGE058
、
Figure 650203DEST_PATH_IMAGE059
、
Figure 536250DEST_PATH_IMAGE060
表示人工驾驶进口车道上车辆的跟车模型的参数，
Figure 504206DEST_PATH_IMAGE061
表示车辆的车身长度，
Figure 600338DEST_PATH_IMAGE062
表示同一车道上相邻两台人工驾驶车辆的最小安全跟车距离，
Figure 311942DEST_PATH_IMAGE063
表示人工驾驶车辆的紧急反应时间；
步骤2-7：在交叉口各进口车道上虚拟一台车辆
Figure 551032DEST_PATH_IMAGE064
，表示进口车道上的第一台车辆，其初始时刻的位置及速度由公式计算(10)-(11)；当进口车道
Figure 689889DEST_PATH_IMAGE065
信号切换至红灯，车辆
Figure 273317DEST_PATH_IMAGE066
的位置及速度由公式计算(12)-(15)；当进口车道
Figure 460716DEST_PATH_IMAGE065
信号切换至绿灯，车辆
Figure 445989DEST_PATH_IMAGE066
的位置及速度由公式计算(16)-(19)：
Figure 755748DEST_PATH_IMAGE067
Figure 764155DEST_PATH_IMAGE068
(10)
Figure 817562DEST_PATH_IMAGE069
Figure 657342DEST_PATH_IMAGE068
(11)
Figure 138002DEST_PATH_IMAGE070
Figure 368126DEST_PATH_IMAGE071
(12)
Figure 225224DEST_PATH_IMAGE072
Figure 355728DEST_PATH_IMAGE071
(13)
Figure 7290DEST_PATH_IMAGE073
Figure 52606DEST_PATH_IMAGE071
(14)
Figure 385498DEST_PATH_IMAGE074
Figure 934291DEST_PATH_IMAGE071
(15)
Figure 22333DEST_PATH_IMAGE075
Figure 289366DEST_PATH_IMAGE071
(16)
Figure 425950DEST_PATH_IMAGE076
Figure 829249DEST_PATH_IMAGE071
(17)
Figure 88192DEST_PATH_IMAGE077
Figure 780205DEST_PATH_IMAGE071
(
Figure 953435DEST_PATH_IMAGE078
)
Figure 476820DEST_PATH_IMAGE079
Figure 906664DEST_PATH_IMAGE071
(
Figure 820394DEST_PATH_IMAGE080
)
其中，
Figure 298779DEST_PATH_IMAGE081
是0-1变量，
Figure 942250DEST_PATH_IMAGE082
表示无穷大正数，
Figure 277417DEST_PATH_IMAGE083
表示交叉口进口车道上虚拟车辆的集合，
Figure 6338DEST_PATH_IMAGE084
表示车辆
Figure 22836DEST_PATH_IMAGE066
所在进口车道上停车线的位置，
Figure 520813DEST_PATH_IMAGE085
表示
Figure 26881DEST_PATH_IMAGE028
时刻车辆
Figure 243099DEST_PATH_IMAGE064
所在进口车道信号是绿灯，
Figure 493646DEST_PATH_IMAGE086
表示
Figure 846130DEST_PATH_IMAGE028
时刻车辆
Figure 788678DEST_PATH_IMAGE064
所在进口车道信号不是绿灯；
步骤2-8：人工驾驶进口车道上车辆的加速度不小于最大减速度，且不大于最大加速度及车辆跟车速度，由公式计算(20)：
Figure 101979DEST_PATH_IMAGE087
Figure 522596DEST_PATH_IMAGE088
(20)
步骤2-9：同一车道上相邻的两台车辆之间的间距不小于最小安全跟车间距与紧急反应时间内车辆行驶的路程之和，人工驾驶车辆由公式(21)计算，自动驾驶车辆由公式(22)计算；
Figure 431384DEST_PATH_IMAGE089
Figure 216937DEST_PATH_IMAGE088
(21)
Figure 142168DEST_PATH_IMAGE090
Figure 366476DEST_PATH_IMAGE042
(22)
其中，
Figure 693552DEST_PATH_IMAGE091
表示相邻两台自动驾驶车辆的最小安全跟车距离，
Figure 977903DEST_PATH_IMAGE092
表示自动驾驶车辆的紧急反应时间；
步骤2-10：自动驾驶相位下，已驶入交叉口轨迹控制区、未驶离交叉口的自动驾驶专用进口车道上的车辆，任意时刻，须进行不同自动驾驶专用进口车道上的任意两台车辆的冲突分离的协调控制，即不同自动驾驶专用进口车道上的任意两台车辆到冲突点距离差的绝对值不小于自动驾驶车辆冲突分离的最小安全间距，由公式计算(23)-(25)：
Figure 390430DEST_PATH_IMAGE093
Figure 28216DEST_PATH_IMAGE094
Figure 461996DEST_PATH_IMAGE095
(24)
Figure 917248DEST_PATH_IMAGE096
Figure 190972DEST_PATH_IMAGE095
(25)
其中，
Figure 757082DEST_PATH_IMAGE097
和
Figure 496236DEST_PATH_IMAGE098
是0-1变量，
Figure 122389DEST_PATH_IMAGE099
表示
Figure 509508DEST_PATH_IMAGE028
时刻车辆
Figure 613730DEST_PATH_IMAGE012
已驶离交叉口，
Figure 956856DEST_PATH_IMAGE100
表示
Figure 753910DEST_PATH_IMAGE028
时刻车辆
Figure 804824DEST_PATH_IMAGE012
未驶离交叉口，
Figure 978316DEST_PATH_IMAGE101
表示
Figure 988998DEST_PATH_IMAGE028
时刻车辆
Figure 894637DEST_PATH_IMAGE012
允许驶入交叉口，
Figure 990769DEST_PATH_IMAGE102
表示
Figure 436794DEST_PATH_IMAGE028
时刻车辆
Figure 505244DEST_PATH_IMAGE012
禁止驶入交叉口，
Figure 644101DEST_PATH_IMAGE103
表示
Figure 227529DEST_PATH_IMAGE028
时刻车辆
Figure 414928DEST_PATH_IMAGE012
已驶入车辆轨迹控制区，
Figure 400201DEST_PATH_IMAGE104
表示
Figure 709960DEST_PATH_IMAGE028
时刻车辆
Figure 216903DEST_PATH_IMAGE012
未驶入车辆轨迹控制区，
Figure 270309DEST_PATH_IMAGE105
表示车辆
Figure 47772DEST_PATH_IMAGE012
与车辆
Figure 528432DEST_PATH_IMAGE106
在交叉口内行驶轨迹的冲突点位置，
Figure 820873DEST_PATH_IMAGE107
表示自动驾驶车辆冲突分离的最小安全间距，
Figure 615654DEST_PATH_IMAGE108
表示车辆
Figure 309941DEST_PATH_IMAGE012
在交叉口内的行驶轨迹，
Figure 961502DEST_PATH_IMAGE109
表示车辆
Figure 944501DEST_PATH_IMAGE012
与车辆
Figure 339710DEST_PATH_IMAGE106
在交叉口内的行驶轨迹存在冲突点，
Figure 888503DEST_PATH_IMAGE110
表示车辆
Figure 412763DEST_PATH_IMAGE012
驶离交叉口的目标位置，
Figure 679797DEST_PATH_IMAGE111
表示车辆
Figure 613118DEST_PATH_IMAGE012
所在进口车道上轨迹控制区边界线的位置；
步骤2-11：自动驾驶相位下，已驶入交叉口协调刹车区、未驶离交叉口的自动驾驶专用进口车道上的车辆，任意时刻，须进行不同进口车道上的任意两台车辆的冲突分离的协调刹车控制，即不同自动驾驶专用进口车道上的任意两台车辆到冲突点的距离差的绝对值不小于自动驾驶车辆冲突分离的最小安全间距，由公式(26)-(27)计算：
Figure 219680DEST_PATH_IMAGE112
Figure 478623DEST_PATH_IMAGE113
Figure 967373DEST_PATH_IMAGE114
(27)
其中，
Figure 907647DEST_PATH_IMAGE115
和
Figure 431032DEST_PATH_IMAGE116
是0-1变量，
Figure 595297DEST_PATH_IMAGE117
表示
Figure 774606DEST_PATH_IMAGE028
时刻车辆
Figure 315309DEST_PATH_IMAGE012
已驶入协调刹车区，
Figure 693200DEST_PATH_IMAGE118
表示
Figure 730164DEST_PATH_IMAGE028
时刻车辆
Figure 193507DEST_PATH_IMAGE012
未驶入协调刹车区，
Figure 537900DEST_PATH_IMAGE119
表示
Figure 973561DEST_PATH_IMAGE028
时刻车辆
Figure 479628DEST_PATH_IMAGE012
需要刹车，
Figure 695846DEST_PATH_IMAGE120
表示
Figure 516035DEST_PATH_IMAGE028
时刻车辆
Figure 868519DEST_PATH_IMAGE012
不需要刹车，
Figure 545488DEST_PATH_IMAGE121
表示车辆
Figure 921105DEST_PATH_IMAGE012
所在车道的协调刹车区的边界位置；
步骤2-12：自动驾驶专用相位下，已驶入交叉口协调刹车区、未驶离交叉口的自动驾驶专用进口车道上的车辆，当车辆需要刹车，则该车辆以最大减速度紧急刹车，且当前时刻无法驶入交叉口，由公式(28)-(29)计算：
Figure 607301DEST_PATH_IMAGE122
Figure 814292DEST_PATH_IMAGE042
(28)
Figure 358100DEST_PATH_IMAGE123
Figure 283331DEST_PATH_IMAGE042
(29)
其中，
Figure 507639DEST_PATH_IMAGE124
是0-1变量，
Figure 772398DEST_PATH_IMAGE125
表示
Figure 56749DEST_PATH_IMAGE028
时刻车辆
Figure 203697DEST_PATH_IMAGE012
已驶入交叉口，
Figure 169379DEST_PATH_IMAGE126
表示
Figure 350961DEST_PATH_IMAGE028
时刻车辆
Figure 806213DEST_PATH_IMAGE012
未驶入交叉口；
步骤2-13：同一车道上，按照车辆距离停车线的远近依次驶入交叉口，由公式计算(30)-(31)：
Figure 643719DEST_PATH_IMAGE127
Figure 209830DEST_PATH_IMAGE095
(30)
Figure 245919DEST_PATH_IMAGE128
Figure 308291DEST_PATH_IMAGE095
(31)
步骤2-14：当自动驾驶专用车道上的车辆已驶入交叉口，则该车辆当前时刻允许驶入交叉口，当车辆已禁止驶入交叉口，则该车辆当前时刻未驶入交叉口，由公式(32)-(33)计算：
Figure 429830DEST_PATH_IMAGE129
Figure 799632DEST_PATH_IMAGE042
(32)
Figure 893490DEST_PATH_IMAGE130
Figure 690544DEST_PATH_IMAGE042
(33)
步骤2-15：基于“绿灯行-红灯停”的通行规则，当交叉口信号灯切换至红灯时，已驶入交叉口的车辆，继续在交叉口内通行，未驶入交叉口的车辆，则无法驶入交叉口，由公式计算(34)-(35)：
Figure 299380DEST_PATH_IMAGE131
Figure 144977DEST_PATH_IMAGE095
(34)
Figure 155658DEST_PATH_IMAGE132
Figure 123614DEST_PATH_IMAGE095
(35)
其中，
Figure 157429DEST_PATH_IMAGE133
是0-1变量，
Figure 869033DEST_PATH_IMAGE134
表示
Figure 251997DEST_PATH_IMAGE028
时刻车辆
Figure 390855DEST_PATH_IMAGE012
所在进口车道的信号是绿灯，
Figure 708704DEST_PATH_IMAGE135
表示
Figure 223999DEST_PATH_IMAGE028
时刻车辆
Figure 725385DEST_PATH_IMAGE012
所在进口车道的信号不是绿灯；
实施例4：
在实施例1的基础上，所述步骤3中以交叉口所有进口车道上的车辆安全、迅速地通过交叉口为优化目标，优化获得车辆行驶轨迹，包括如下步骤：
步骤31：交叉口所有进口车道上的车辆安全、迅速地驶离交叉口，即在优化时间内，车辆位置与驶离交叉口的目标位置的距离差之和最小，优化获得车辆行驶轨迹的位置、速度及加速度，由公式计算(1)：
Figure 35144DEST_PATH_IMAGE136
(36)
在实施例1的基础上，以最大速度
Figure 276507DEST_PATH_IMAGE150
、最大加速度
Figure 329914DEST_PATH_IMAGE151
与最大减速度
Figure 107377DEST_PATH_IMAGE152
进行计算，优化获得车辆行驶轨迹的位置、速度及加速度。

Claims (3)

1.一种自动驾驶专用相位下的车辆轨迹优化方法，其特征在于，所述步骤如下：
步骤1：采集交叉口的物理参数，包括交叉口人工驾驶进口车道及自动驾驶专用进口车道、进出口车道数及车道宽度；采集车辆的基本信息，包括车辆当前所在进口车道、位置、速度、加速度及预计转向；采集交叉口各进口车道的信号状态；
步骤2：将交叉口划分为轨迹控制区和协调刹车区，建立车辆行驶轨迹模型和自动驾驶车辆冲突分离的协调控制模型；
步骤3：以交叉口所有进口车道上的车辆安全、迅速地通过交叉口为优化目标，优化获得车辆的行驶轨迹。
2.根据权利要求1所述的一种自动驾驶专用相位下的车辆轨迹优化方法，其特征在于，所述步骤2中包括如下步骤：
步骤2-1：将交叉口进口车道
Figure 591168DEST_PATH_IMAGE001
从停车线到距离停车线
Figure 147789DEST_PATH_IMAGE002
的范围内划分为轨迹控制区域，进口车道
Figure 705022DEST_PATH_IMAGE001
从停车线到距离停车线
Figure 113613DEST_PATH_IMAGE003
的范围划分为协调刹车区域；
步骤2-2：基于车辆加速度的优化，确定车辆行驶轨迹的位置-速度-加速度的关系，由公式计算(1)-(2)：
Figure 36704DEST_PATH_IMAGE004
Figure 504507DEST_PATH_IMAGE005
(1)
Figure 909556DEST_PATH_IMAGE006
Figure 617444DEST_PATH_IMAGE005
(2)
其中，
Figure 430197DEST_PATH_IMAGE007
表示
Figure 63042DEST_PATH_IMAGE008
时刻车辆
Figure 972965DEST_PATH_IMAGE009
的位置，
Figure 103120DEST_PATH_IMAGE010
表示
Figure 758661DEST_PATH_IMAGE008
时刻车辆
Figure 827986DEST_PATH_IMAGE009
的速度，
Figure 213487DEST_PATH_IMAGE011
表示
Figure 67910DEST_PATH_IMAGE008
时刻车辆
Figure 849397DEST_PATH_IMAGE009
的加速度，
Figure 829903DEST_PATH_IMAGE012
表示更新步长；
步骤2-3：自动驾驶专用进口车道上的车辆的加速度不小于最大减速度，且不大于最大加速度，由公式计算(3)：
Figure 690981DEST_PATH_IMAGE013
Figure 783178DEST_PATH_IMAGE014
(3)
其中，
Figure 926495DEST_PATH_IMAGE015
表示车辆最大减速度的绝对值，
Figure 698142DEST_PATH_IMAGE016
表示车辆的最大加速度
步骤2-4：交叉口所有进口车道上的车辆的速度不大于最大速度，由公式计算(4)：
Figure 804374DEST_PATH_IMAGE017
Figure 326360DEST_PATH_IMAGE005
(4)
其中，
Figure 698085DEST_PATH_IMAGE018
表示车辆的最大速度；
步骤2-5：确定同一车道上车辆相邻的前车
Figure 280114DEST_PATH_IMAGE019
、后车
Figure 850205DEST_PATH_IMAGE020
，由公式计算(5)-(8)：
Figure 916162DEST_PATH_IMAGE021
(5)
Figure 402114DEST_PATH_IMAGE022
(6)
Figure 624282DEST_PATH_IMAGE023
(7)
Figure 549513DEST_PATH_IMAGE024
(8)
其中，
Figure 419161DEST_PATH_IMAGE025
表示车辆
Figure 618674DEST_PATH_IMAGE009
所在进口车道，
Figure 412012DEST_PATH_IMAGE026
表示车辆
Figure 968414DEST_PATH_IMAGE009
的前方车辆集合，
Figure 635893DEST_PATH_IMAGE027
表示车辆
Figure 973070DEST_PATH_IMAGE009
的后方车辆集合；
步骤2-6：人工驾驶进口车道上车辆行驶的跟车过程，受同一车道上相邻前车、后车的位置和速度的影响，车辆跟车的加速度由公式计算(9)：
Figure DEST_PATH_IMAGE029A
其中，
Figure 778709DEST_PATH_IMAGE030
表示表示
Figure 678532DEST_PATH_IMAGE008
时刻车辆
Figure 258025DEST_PATH_IMAGE031
的跟车加速度，
Figure 205033DEST_PATH_IMAGE032
、
Figure 721201DEST_PATH_IMAGE033
、
Figure 747801DEST_PATH_IMAGE034
、
Figure 136843DEST_PATH_IMAGE035
表示人工驾驶进口车道上车辆的跟车模型的参数，
Figure 27439DEST_PATH_IMAGE036
表示车辆的车身长度，
Figure 463974DEST_PATH_IMAGE037
表示同一车道上相邻两台人工驾驶车辆的最小安全跟车距离，
Figure 204967DEST_PATH_IMAGE038
表示人工驾驶车辆的紧急反应时间；
步骤2-7：在交叉口各进口车道上虚拟一台车辆
Figure 23799DEST_PATH_IMAGE039
，表示进口车道上的第一台车辆，其初始时刻的位置及速度由公式计算(10)-(11)；当进口车道
Figure 47862DEST_PATH_IMAGE040
信号切换至红灯，车辆
Figure 124537DEST_PATH_IMAGE041
的位置及速度由公式计算(12)-(15)；当进口车道
Figure 866009DEST_PATH_IMAGE040
信号切换至绿灯，车辆
Figure 715629DEST_PATH_IMAGE041
的位置及速度由公式计算(16)-(19)：
Figure 89804DEST_PATH_IMAGE042
Figure 372537DEST_PATH_IMAGE043
(10)
Figure 595445DEST_PATH_IMAGE044
Figure 755DEST_PATH_IMAGE043
(11)
Figure 359930DEST_PATH_IMAGE045
Figure 688930DEST_PATH_IMAGE046
(12)
Figure 891810DEST_PATH_IMAGE047
Figure 584697DEST_PATH_IMAGE046
(13)
Figure 568353DEST_PATH_IMAGE048
Figure 628312DEST_PATH_IMAGE046
(14)
Figure 58769DEST_PATH_IMAGE049
Figure 693363DEST_PATH_IMAGE046
(15)
Figure 401032DEST_PATH_IMAGE050
Figure 697933DEST_PATH_IMAGE046
(16)
Figure 898843DEST_PATH_IMAGE051
Figure 933533DEST_PATH_IMAGE046
(17)
Figure 501567DEST_PATH_IMAGE052
Figure 229090DEST_PATH_IMAGE046
(
Figure 628279DEST_PATH_IMAGE053
)
Figure 472519DEST_PATH_IMAGE054
Figure 889201DEST_PATH_IMAGE046
(
Figure 902203DEST_PATH_IMAGE055
)
其中，
Figure 794548DEST_PATH_IMAGE056
是0-1变量，
Figure 40547DEST_PATH_IMAGE057
表示无穷大正数，
Figure 707807DEST_PATH_IMAGE058
表示交叉口进口车道上虚拟车辆的集合，
Figure 777132DEST_PATH_IMAGE059
表示车辆
Figure 908773DEST_PATH_IMAGE041
所在进口车道上停车线的位置，
Figure 823377DEST_PATH_IMAGE060
表示
Figure 486089DEST_PATH_IMAGE008
时刻车辆
Figure 953412DEST_PATH_IMAGE039
所在进口车道信号是绿灯，
Figure 465689DEST_PATH_IMAGE061
表示
Figure 936303DEST_PATH_IMAGE008
时刻车辆
Figure 572297DEST_PATH_IMAGE039
所在进口车道信号不是绿灯；
步骤2-8：人工驾驶进口车道上车辆的加速度不小于最大减速度，且不大于最大加速度及车辆跟车速度，由公式计算(20)：
Figure 723704DEST_PATH_IMAGE062
Figure 72078DEST_PATH_IMAGE063
(20)
步骤2-9：同一车道上相邻的两台车辆之间的间距不小于最小安全跟车间距与紧急反应时间内车辆行驶的路程之和，人工驾驶车辆由公式(21)计算，自动驾驶车辆由公式(22)计算；
Figure 967966DEST_PATH_IMAGE064
Figure 965789DEST_PATH_IMAGE063
(21)
Figure 63932DEST_PATH_IMAGE065
Figure 160588DEST_PATH_IMAGE014
(22)
其中，
Figure 220686DEST_PATH_IMAGE066
表示相邻两台自动驾驶车辆的最小安全跟车距离，
Figure 825412DEST_PATH_IMAGE067
表示自动驾驶车辆的紧急反应时间；
步骤2-10：自动驾驶相位下，已驶入交叉口轨迹控制区、未驶离交叉口的自动驾驶专用进口车道上的车辆，任意时刻，须进行不同自动驾驶专用进口车道上的任意两台车辆的冲突分离的协调控制，即不同自动驾驶专用进口车道上的任意两台车辆到冲突点距离差的绝对值不小于自动驾驶车辆冲突分离的最小安全间距，由公式计算(23)-(25)：
Figure DEST_PATH_IMAGE069A
Figure 86063DEST_PATH_IMAGE070
Figure 149309DEST_PATH_IMAGE071
(24)
Figure 882605DEST_PATH_IMAGE072
Figure 353556DEST_PATH_IMAGE071
(25)
其中，
Figure 277387DEST_PATH_IMAGE073
和
Figure 845508DEST_PATH_IMAGE074
是0-1变量，
Figure 981829DEST_PATH_IMAGE075
表示
Figure 314809DEST_PATH_IMAGE008
时刻车辆
Figure 409542DEST_PATH_IMAGE009
已驶离交叉口，
Figure 453240DEST_PATH_IMAGE076
表示
Figure 598650DEST_PATH_IMAGE008
时刻车辆
Figure 550252DEST_PATH_IMAGE009
未驶离交叉口，
Figure 189787DEST_PATH_IMAGE077
表示
Figure 222246DEST_PATH_IMAGE008
时刻车辆
Figure 482062DEST_PATH_IMAGE009
允许驶入交叉口，
Figure 277718DEST_PATH_IMAGE078
表示
Figure 94014DEST_PATH_IMAGE008
时刻车辆
Figure 342330DEST_PATH_IMAGE009
禁止驶入交叉口，
Figure 647979DEST_PATH_IMAGE079
表示
Figure 317382DEST_PATH_IMAGE008
时刻车辆
Figure 394057DEST_PATH_IMAGE009
已驶入车辆轨迹控制区，
Figure 135529DEST_PATH_IMAGE080
表示
Figure 719569DEST_PATH_IMAGE008
时刻车辆
Figure 359324DEST_PATH_IMAGE009
未驶入车辆轨迹控制区，
Figure 642056DEST_PATH_IMAGE081
表示车辆
Figure 864965DEST_PATH_IMAGE009
与车辆
Figure 270275DEST_PATH_IMAGE082
在交叉口内行驶轨迹的冲突点位置，
Figure 629450DEST_PATH_IMAGE083
表示自动驾驶车辆冲突分离的最小安全间距，
Figure 958449DEST_PATH_IMAGE084
表示车辆
Figure 161330DEST_PATH_IMAGE009
在交叉口内的行驶轨迹，
Figure 998092DEST_PATH_IMAGE085
表示车辆
Figure 229672DEST_PATH_IMAGE009
与车辆
Figure 848348DEST_PATH_IMAGE082
在交叉口内的行驶轨迹存在冲突点，
Figure 786129DEST_PATH_IMAGE086
表示车辆
Figure 775383DEST_PATH_IMAGE009
驶离交叉口的目标位置，
Figure 483051DEST_PATH_IMAGE087
表示车辆
Figure 779953DEST_PATH_IMAGE009
所在进口车道上轨迹控制区边界线的位置；
步骤2-11：自动驾驶相位下，已驶入交叉口协调刹车区、未驶离交叉口的自动驾驶专用进口车道上的车辆，任意时刻，须进行不同进口车道上的任意两台车辆的冲突分离的协调刹车控制，即不同自动驾驶专用进口车道上的任意两台车辆到冲突点的距离差的绝对值不小于自动驾驶车辆冲突分离的最小安全间距，由公式(26)-(27)计算：
Figure DEST_PATH_IMAGE089A
Figure 279065DEST_PATH_IMAGE090
Figure 451771DEST_PATH_IMAGE091
(27)
其中，
Figure 13946DEST_PATH_IMAGE092
和
Figure 210707DEST_PATH_IMAGE093
是0-1变量，
Figure 123080DEST_PATH_IMAGE094
表示
Figure 194417DEST_PATH_IMAGE008
时刻车辆
Figure 372283DEST_PATH_IMAGE009
已驶入协调刹车区，
Figure 775101DEST_PATH_IMAGE095
表示
Figure 903332DEST_PATH_IMAGE008
时刻车辆
Figure 61517DEST_PATH_IMAGE009
未驶入协调刹车区，
Figure 958803DEST_PATH_IMAGE096
表示
Figure 274466DEST_PATH_IMAGE008
时刻车辆
Figure 299447DEST_PATH_IMAGE009
需要刹车，
Figure 419450DEST_PATH_IMAGE097
表示
Figure 935357DEST_PATH_IMAGE008
时刻车辆
Figure 181443DEST_PATH_IMAGE009
不需要刹车，
Figure 776942DEST_PATH_IMAGE098
表示车辆
Figure 134717DEST_PATH_IMAGE009
所在车道的协调刹车区的边界位置；
步骤2-12：自动驾驶专用相位下，已驶入交叉口协调刹车区、未驶离交叉口的自动驾驶专用进口车道上的车辆，当车辆需要刹车，则该车辆以最大减速度紧急刹车，且当前时刻无法驶入交叉口，由公式(28)-(29)计算：
Figure 433628DEST_PATH_IMAGE099
Figure 579177DEST_PATH_IMAGE014
(28)
Figure 814636DEST_PATH_IMAGE100
Figure 336622DEST_PATH_IMAGE014
(29)
其中，
Figure 821262DEST_PATH_IMAGE101
是0-1变量，
Figure 143571DEST_PATH_IMAGE102
表示
Figure 594888DEST_PATH_IMAGE008
时刻车辆
Figure 389803DEST_PATH_IMAGE009
已驶入交叉口，
Figure 242133DEST_PATH_IMAGE103
表示
Figure 493598DEST_PATH_IMAGE008
时刻车辆
Figure 71692DEST_PATH_IMAGE009
未驶入交叉口；
步骤2-13：同一车道上，按照车辆距离停车线的远近依次驶入交叉口，由公式计算(30)-(31)：
Figure 935480DEST_PATH_IMAGE104
Figure 418150DEST_PATH_IMAGE071
(30)
Figure 76402DEST_PATH_IMAGE105
Figure 242591DEST_PATH_IMAGE071
(31)
步骤2-14：当自动驾驶专用车道上的车辆已驶入交叉口，则该车辆当前时刻允许驶入交叉口，当车辆已禁止驶入交叉口，则该车辆当前时刻未驶入交叉口，由公式(32)-(33)计算：
Figure 402746DEST_PATH_IMAGE106
Figure 223810DEST_PATH_IMAGE014
(32)
Figure 822937DEST_PATH_IMAGE107
Figure 114560DEST_PATH_IMAGE014
(33)
步骤2-15：基于“绿灯行-红灯停”的通行规则，当交叉口信号灯切换至红灯时，已驶入交叉口的车辆，继续在交叉口内通行，未驶入交叉口的车辆，则无法驶入交叉口，由公式计算(34)-(35)：
Figure 818686DEST_PATH_IMAGE108
Figure 632271DEST_PATH_IMAGE071
(34)
Figure 271807DEST_PATH_IMAGE109
Figure 38687DEST_PATH_IMAGE071
(35)
其中，
Figure 564082DEST_PATH_IMAGE110
是0-1变量，
Figure 359737DEST_PATH_IMAGE111
表示
Figure 176033DEST_PATH_IMAGE008
时刻车辆
Figure 424350DEST_PATH_IMAGE009
所在进口车道的信号是绿灯，
Figure 464419DEST_PATH_IMAGE112
表示
Figure 120441DEST_PATH_IMAGE008
时刻车辆
Figure 101779DEST_PATH_IMAGE009
所在进口车道的信号不是绿灯。
3.根据权利要求1所述的一种自动驾驶专用相位下的车辆轨迹优化方法，其特征在于，所述步骤3中包括如下步骤：
步骤3-1：交叉口所有进口车道上的车辆安全、迅速地驶离交叉口，即在优化时间内，车辆位置与驶离交叉口的目标位置的距离差之和最小，优化获得车辆行驶轨迹的位置、速度及加速度，由公式计算(36)：
Figure 306629DEST_PATH_IMAGE113
(36)。
CN202110877881.5A 2021-08-02 2021-08-02 一种自动驾驶专用相位下的车辆轨迹优化方法 Active CN113327448B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110877881.5A CN113327448B (zh) 2021-08-02 2021-08-02 一种自动驾驶专用相位下的车辆轨迹优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110877881.5A CN113327448B (zh) 2021-08-02 2021-08-02 一种自动驾驶专用相位下的车辆轨迹优化方法

Publications (2)

Publication Number Publication Date
CN113327448A true CN113327448A (zh) 2021-08-31
CN113327448B CN113327448B (zh) 2021-10-29

Family

ID=77426719

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110877881.5A Active CN113327448B (zh) 2021-08-02 2021-08-02 一种自动驾驶专用相位下的车辆轨迹优化方法

Country Status (1)

Country Link
CN (1) CN113327448B (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114030355A (zh) * 2021-11-15 2022-02-11 智己汽车科技有限公司 一种车辆控制方法、装置、车辆及介质
CN114093166A (zh) * 2021-11-17 2022-02-25 上海交通大学 一种面向无信号灯岔口的集中式混合车辆协调优化方法
CN114495547A (zh) * 2022-02-22 2022-05-13 北京航空航天大学 一种面向自动驾驶汽车的信号交叉口协同通行策略
CN114973733A (zh) * 2022-04-29 2022-08-30 北京交通大学 一种信号交叉口处混合流下网联自动车轨迹优化控制方法
CN115482677A (zh) * 2022-09-19 2022-12-16 长沙理工大学 一种自动驾驶交叉口的公交优先控制方法
CN115482663A (zh) * 2022-09-09 2022-12-16 长沙理工大学 一种考虑自动驾驶专用相位的交叉口交通控制方法
CN115953903A (zh) * 2023-03-14 2023-04-11 武汉理工大学 一种基于物联网的交叉口直行车辆连续通行方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2017041038A (ja) * 2015-08-19 2017-02-23 アイシン・エィ・ダブリュ株式会社 経路探索システム、経路探索方法及びコンピュータプログラム
CN107248297A (zh) * 2017-08-01 2017-10-13 东南大学 一种车路协同环境下交叉口栅格化信号相位时长计算方法
CN108399762A (zh) * 2018-05-08 2018-08-14 北京航空航天大学 一种自动驾驶和人工驾驶车辆混行条件下的交叉口通行控制方法
CN111710176A (zh) * 2020-06-08 2020-09-25 同济大学 一种车路协同环境下交叉口信号-车辆轨迹协同控制方法
CN112071074A (zh) * 2020-11-12 2020-12-11 长沙理工大学 一种交叉口自动驾驶车辆专用相位的设置方法
CN112309120A (zh) * 2020-11-04 2021-02-02 长沙理工大学 一种最佳进口车道选择的自动驾驶交叉口交通控制方法
CN112373472A (zh) * 2021-01-14 2021-02-19 长沙理工大学 一种自动驾驶交叉口车辆进入时刻与行驶轨迹控制方法
CN113096416A (zh) * 2021-03-29 2021-07-09 长沙理工大学 用于高速公路上合流区的自动驾驶专用车道与通用车道可变限速的动态协同管控方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2017041038A (ja) * 2015-08-19 2017-02-23 アイシン・エィ・ダブリュ株式会社 経路探索システム、経路探索方法及びコンピュータプログラム
CN107248297A (zh) * 2017-08-01 2017-10-13 东南大学 一种车路协同环境下交叉口栅格化信号相位时长计算方法
CN108399762A (zh) * 2018-05-08 2018-08-14 北京航空航天大学 一种自动驾驶和人工驾驶车辆混行条件下的交叉口通行控制方法
CN111710176A (zh) * 2020-06-08 2020-09-25 同济大学 一种车路协同环境下交叉口信号-车辆轨迹协同控制方法
CN112309120A (zh) * 2020-11-04 2021-02-02 长沙理工大学 一种最佳进口车道选择的自动驾驶交叉口交通控制方法
CN112071074A (zh) * 2020-11-12 2020-12-11 长沙理工大学 一种交叉口自动驾驶车辆专用相位的设置方法
CN112373472A (zh) * 2021-01-14 2021-02-19 长沙理工大学 一种自动驾驶交叉口车辆进入时刻与行驶轨迹控制方法
CN113096416A (zh) * 2021-03-29 2021-07-09 长沙理工大学 用于高速公路上合流区的自动驾驶专用车道与通用车道可变限速的动态协同管控方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
KEJUN LONG ET AL.: ""Predicting Freeway Travel Time Using Multiple-Source Heterogeneous Data Integration"", 《MDPI APPLIED SCIENCE》 *
MOHSEN ET AL.: ""Capacity and Delay Analysis of Arterials with Mixed Autonomous and Human-Driven Vehicles"", 《2017 5TH IEEE INTERNATIONAL CONFERENCE ON MODELS AND TECHNOLOGIES FOR INTELLIGENT TRANSPORTATION SYSTEMS（MT-ITS）》 *
吴伟 等: ""自动驾驶环境下面向交叉口自由转向车道的交通控制模型"", 《中国公路学报》 *
梁猛: ""基于车路协同的交叉口控制系统设计"", 《交通科技》 *
龙科军 等: ""城市道路干线信号协调控制与车速引导集成优化"", 《长安大学学报（自然科学版）》 *

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114030355A (zh) * 2021-11-15 2022-02-11 智己汽车科技有限公司 一种车辆控制方法、装置、车辆及介质
CN114093166A (zh) * 2021-11-17 2022-02-25 上海交通大学 一种面向无信号灯岔口的集中式混合车辆协调优化方法
CN114495547A (zh) * 2022-02-22 2022-05-13 北京航空航天大学 一种面向自动驾驶汽车的信号交叉口协同通行策略
CN114495547B (zh) * 2022-02-22 2023-02-24 北京航空航天大学 一种面向自动驾驶汽车的信号交叉口协同通行方法
CN114973733A (zh) * 2022-04-29 2022-08-30 北京交通大学 一种信号交叉口处混合流下网联自动车轨迹优化控制方法
CN114973733B (zh) * 2022-04-29 2023-09-29 北京交通大学 一种信号交叉口处混合流下网联自动车轨迹优化控制方法
CN115482663A (zh) * 2022-09-09 2022-12-16 长沙理工大学 一种考虑自动驾驶专用相位的交叉口交通控制方法
CN115482663B (zh) * 2022-09-09 2023-12-19 长沙理工大学 一种考虑自动驾驶专用相位的交叉口交通控制方法
CN115482677A (zh) * 2022-09-19 2022-12-16 长沙理工大学 一种自动驾驶交叉口的公交优先控制方法
CN115482677B (zh) * 2022-09-19 2023-12-08 长沙理工大学 一种自动驾驶交叉口的公交优先控制方法
CN115953903A (zh) * 2023-03-14 2023-04-11 武汉理工大学 一种基于物联网的交叉口直行车辆连续通行方法

Also Published As

Publication number Publication date
CN113327448B (zh) 2021-10-29

Similar Documents

Publication Publication Date Title
CN113327448B (zh) 一种自动驾驶专用相位下的车辆轨迹优化方法
CN112373472B (zh) 一种自动驾驶交叉口车辆进入时刻与行驶轨迹控制方法
CN112071104B (zh) 一种考虑驾驶风格的多信号灯路口车辆通行辅助优化方法
CN111325981A (zh) 一种智能网联条件下的交叉口交通流微观控制方法
CN108615387B (zh) 一种自动驾驶下交叉口自由转向车道设置方法
CN104494598B (zh) 一种用于智能车辆的路口行驶控制方法
CN108922177A (zh) 一种无人驾驶车辆通过交叉路口时速度控制系统及方法
CN107622675B (zh) 信号交叉口可变进出口车道交通流控制方法
CN106875709A (zh) 一种基于红绿灯的车速诱导方法、系统及车辆
CN111951571B (zh) 一种交通事故下路段拥堵车辆疏导系统及方法
CN113554886B (zh) 一种车路协同交叉口车流冲突消解方法
CN112309120A (zh) 一种最佳进口车道选择的自动驾驶交叉口交通控制方法
CN110910646A (zh) 用于交叉口的无人驾驶公交车辆的协同控制方法
CN111091722A (zh) 人机混合驾驶环境下交叉口信号控制参数的优化方法
CN112017439A (zh) 一种自动驾驶交叉口行人过街摆渡车控制方法
CN113140112A (zh) 一种自动驾驶交叉口车辆冲突分离的控制方法
CN111143956A (zh) 一种基于慢行优先的彩色非机动车待行区的设计方法
CN109267438A (zh) 一种潮汐式自动驾驶brt的控制方法
CN115713863A (zh) 一种面向自动驾驶专用相位的轨迹规划与信号优化方法
CN115909768A (zh) 一种智能网联混合交通流交叉口信号协同优化方法及系统
CN111833618A (zh) 一种行人被动优先的智能信号控制方法
CN108898856A (zh) 智能城市交通优化方法与系统
CN115489548A (zh) 智能汽车园区道路路径规划方法
CN114005290B (zh) 一种交叉口左转公交车借道通行方法及其装置
CN100334301C (zh) 现有十字路口改变交通管理模式的设置

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