CN113506438B - 网联自动驾驶混行车流动态控制方法、系统、装置及介质 - Google Patents
网联自动驾驶混行车流动态控制方法、系统、装置及介质 Download PDFInfo
- Publication number
- CN113506438B CN113506438B CN202110678538.8A CN202110678538A CN113506438B CN 113506438 B CN113506438 B CN 113506438B CN 202110678538 A CN202110678538 A CN 202110678538A CN 113506438 B CN113506438 B CN 113506438B
- Authority
- CN
- China
- Prior art keywords
- flow
- speed
- road section
- vehicle
- automatic driving
- 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.)
- Active
Links
Images
Classifications
-
- 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
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/065—Traffic control systems for road vehicles by counting the vehicles in a section of the road or in a parking area, i.e. comparing incoming count with outgoing count
-
- 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
- G08G1/096725—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 generates an automatic action on the vehicle control
Abstract
本发明涉及一种网联自动驾驶混行车流动态控制方法,包括:获取上游路段目标流量以及上游路段实际流量,计算目标流量改变量,根据目标流量改变量,通过混合车流动态变化模型求得上游路段的网联自动驾驶车辆的目标速度;控制上游路段的网联自动驾驶车辆以目标速度行驶。与现有技术相比,本发明改变以往交通控制系统的开环性与被动性,避免了传统可变限速交通流管控高度依赖人类驾驶车辆遵从率的局限性,提高了交通流管控精度。
Description
技术领域
本发明涉及自动驾驶领域,尤其是涉及一种网联自动驾驶混行车流动态控制方法、系统、装置及介质。
背景技术
瓶颈点的交通拥堵一直是困扰交通管理者的难题。当上游流量超过瓶颈的容量时,不仅会造成车速震荡、加剧排队和延误,还会引发容量下降。3%~18%的容量下降可能会导致最大队列长度增加78%,总延迟时间增加135%。因此,瓶颈点上游的主动交通需求管控必不可少,即通过主动调控上游交通需求以使瓶颈点保持在适当的交通拥堵水平来防止道路崩溃。其中,可变限速控制(variable speed limits,VSL)是典型的主动交通管控手段,基于交通流基本图的路段流量、密度、速度关系,通过引导车辆速度来改变路段流量,使其适配下游瓶颈点通行能力。然而,现有技术主要依靠驾驶员的遵从率,通常效果不理想。
随着无线通信和车辆自动化技术的发展,网联自动驾驶车辆和人类驾驶车辆混行逐渐成为重要的道路交通研究场景。然而,现有的大多数研究,网联自动驾驶车辆仅仅是用于改善交通状态估计和提供预测信息,同时目前大部分研究者聚焦于静态的道路容量分析,难以体现混合车流状态随网联自动驾驶状态的动态变化规律,从而无法对网联自动驾驶车辆和人类驾驶车辆混行车流进行准确地交通管控。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种网联自动驾驶混行车流动态控制方法、系统、装置及介质,改变以往交通控制系统的开环性与被动性,避免了传统可变限速交通流管控高度依赖人类驾驶车辆遵从率的局限性,提高了交通流管控精度。
本发明的目的可以通过以下技术方案来实现:
一种网联自动驾驶混行车流动态控制方法,包括:
获取上游路段目标流量q1以及上游路段实际流量q2,计算目标流量改变量Δq,计算公式为:
Δq=q1-q2
根据Δq,通过混合车流动态变化模型求得上游路段的网联自动驾驶车辆的目标速度;
控制上游路段的网联自动驾驶车辆以目标速度行驶;
其中,所述的混合车流动态变化模型为:
其中,为网联自动驾驶车辆在时间段[t,t+Δt]的目标速度,Δψ为驾驶速度改变量,为路段j在时间段[t-Δt,t]的平均密度,vf为路段畅行速度,ξj为路段j的网联自动驾驶车辆的渗透率,为路段上所有车辆的平均长度,tLC为路段上车辆换道的平均持续时间,为路段j在时间段[t-Δt,t]的空间平均速度,L为路段长度,kjam为路段阻塞密度;
混合车流动态变化模型量化了网联自动驾驶车辆降速的阻碍效应和对人类驾驶车辆换道的影响,将微观车辆行为和宏观交通流状态联系起来,准确体现了网联自动驾驶车辆速度变化对路段流量的影响,根据目标流量改变量,通过混合车流动态变化模型求得网联自动驾驶车辆的目标速度,所述的网联自动驾驶车辆能够接收并100%执行目标速度,混行车流中,以网联自动驾驶车辆作为控制抓手,通过车车间的相互影响,可以间接调控人类驾驶车辆的速度,从而更精准地调控上游路段流量,改变以往交通控制系统的开环性与被动性,避免了传统可变限速交通流管控高度依赖人类驾驶车辆遵从率的局限性,提高了交通流管控精度,考虑了个体与群体利益协调,实现群体效益与个体最优之间的平衡。
进一步地,所述的上游路段目标流量q1的获取过程包括:
根据下游路段最大通行流量q3计算上游路段目标流量q1,计算公式为:
q3=λq2
其中,λ为设定比例,0<λ<1。
进一步地,通过前馈控制方式控制网联自动驾驶车辆变速行驶。
进一步地,通过反馈控制方式控制网联自动驾驶车辆变速行驶。
一种网联自动驾驶混行车流动态控制系统,包括:
流量获取模块,用于获取上游路段目标流量q1以及上游路段实际流量q2;
流量计算模块,用于计算目标流量改变量Δq,计算公式为:
Δq=q1-q2
速度计算模块,用于根据Δq,通过混合车流动态变化模型求得上游路段的网联自动驾驶车辆的目标速度;
速度控制模块,用于控制上游路段的网联自动驾驶车辆以目标速度行驶;
其中,所述的混合车流动态变化模型为:
其中,为网联自动驾驶车辆在时间段[t,t+Δt]的目标速度,Δψ为驾驶速度改变量,为路段j在时间段[t-Δt,t]的平均密度,vf为路段畅行速度,ξj为路段j的网联自动驾驶车辆的渗透率,为路段上所有车辆的平均长度,tLC为路段上车辆换道的平均持续时间,为路段j在时间段[t-Δt,t]的空间平均速度,L为路段长度,kjam为路段阻塞密度。
进一步地,所述的上游路段目标流量q1的获取过程包括:
所述的流量获取模块根据下游路段最大通行流量q3计算上游路段目标流量q1,计算公式为:
q3=λq2
其中,λ为设定比例,0<λ<1。
进一步地,所述的速度控制模块通过前馈控制方式控制网联自动驾驶车辆变速行驶。
进一步地,所述的速度控制模块通过反馈控制方式控制网联自动驾驶车辆变速行驶。
一种网联自动驾驶混行车流动态控制装置,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器调用所述程序指令能够执行任一所述的控制方法。
一种计算机可读存储介质,包括计算机程序,所述计算机程序能够被处理器执行以实现任一所述的控制方法。
与现有技术相比,本发明具有以如下有益效果:
本发明混合车流动态变化模型量化了网联自动驾驶车辆降速的阻碍效应和对人类驾驶车辆换道的影响,将微观车辆行为和宏观交通流状态联系起来,准确体现了网联自动驾驶车辆速度变化对路段流量的影响,根据目标流量改变量,通过混合车流动态变化模型求得网联自动驾驶车辆的目标速度,网联自动驾驶车辆能够接收并100%执行目标速度,混行车流中,以网联自动驾驶车辆作为控制抓手,通过车车间的相互影响,可以间接调控人类驾驶车辆的速度,从而更精准地调控上游路段流量,改变以往交通控制系统的开环性与被动性,避免了传统可变限速交通流管控高度依赖人类驾驶车辆遵从率的局限性,提高了交通流管控精度,考虑了个体与群体利益协调,实现群体效益与个体最优之间的平衡。
附图说明
图1为本发明的方法流程示意图;
图2为前馈控制方式示意图;
图3为反馈控制方式示意图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施,给出了详细的实施方式和具体的操作过程,但本发明的保护范围不限于下述的实施例。
混合车流包括网联自动驾驶车辆(Connected Automated Vehicles,CAVs)和人类驾驶车辆(Human-driven Vehicles,HVs),一辆减速的CAVs对HVs的影响包括:
增加跟车HVs的旅行时间,导致跟车HVs换至其他车道。通过计算CAVs速度降低引发的路段旅行时间增加比率和增加的换道数量,可量化CAVs对混合车流环境造成的扰动。
CAVs速度降低引发的路段旅行时间增加比率的计算公式为:
其中,ξj为路段j的CAVs的渗透率,为路段j在时间段[t-Δt,t]的空间平均速度,为CAVs在时间段[t,t+Δt]的目标速度,即所有CAVs的期望平均速度,Δt为CAVs速度改变指令的时间间隔。
结合公式(3)和公式(4),
CAVs速度降低引发增加的换道数量的计算公式为:
对于跟车的HVs,路段旅行时间的增加可看作同一时间下该车辆车身被拉长,而换道的车辆则会同时占据两个车道,相当于两辆幽灵车,CAVs降速后增加的幽灵车辆数的计算公式为:
其中,tLC为路段上车辆换道的平均持续时间,可通过观测统计得到。
计算路段密度的时空占有率,计算公式为:
CAVs速度控制前后路段密度间的解析关系为:
基于Green Shields密度-流量基本图或三角形基本图关系,得到CAVs速度变化与路段流量的关系:
建立以CAVs速度为控制量,路段流量为状态量的混合车流动态变化模型,混合车流动态变化模型具体为:
则混合车流动态变化模型,即公式(11)可写为如下形式:
实施例1
一种网联自动驾驶混行车流动态控制方法,如图1,包括:
1)获取上游路段目标流量q1以及上游路段实际流量q2,计算目标流量改变量Δq,计算公式为:
Δq=q1-q2
2)根据Δq,通过混合车流动态变化模型,即公式(13),求得上游路段的网联自动驾驶车辆的目标速度;
3)控制上游路段的网联自动驾驶车辆CAVs以目标速度行驶。
混合车流动态变化模型量化了网联自动驾驶车辆CAVs降速的阻碍效应和对人类驾驶车辆HVs换道的影响,将微观车辆行为和宏观交通流状态联系起来,准确体现了CAVs速度变化对路段流量的影响,根据目标流量改变量,通过混合车流动态变化模型求得网联自动驾驶车辆的目标速度,CAVs能够接收并100%执行目标速度,混行车流中,以CAVs作为控制抓手,通过车车间的相互影响,可以间接调控HVs的速度,从而更精准地调控上游路段流量,改变以往交通控制系统的开环性与被动性,避免了传统可变限速交通流管控高度依赖HVs遵从率的局限性,提高了交通流管控精度,考虑了个体与群体利益协调,实现群体效益与个体最优之间的平衡。
上游路段目标流量q1的获取过程包括:
根据下游路段最大通行流量q3计算上游路段目标流量q1,计算公式为:
q3=λq2
其中,λ为设定比例,0<λ<1。
如图2,步骤3)通过前馈控制方式控制CAVs变速行驶,提前在上游路段进行流量控制,通过混合车流动态变化模型求得CAVs目标速度,通过路侧通讯设备将变速指令发送给混合车流中的CAVs,来实现上游流量的调控,匹配下游的通行能力,避免交通拥堵,从而减少停车延误。
实施例2
如图3,本实施例中,步骤3)通过反馈控制方式控制网联自动驾驶车辆变速行驶,基于混合车流动态变化模型设计反馈控制器,给定上游路段的目标流量,计算CAVs目标速度,实施CAVs速度控制后,通过实时交通状态检测,对比控制后的交通系统的实际输出流量与目标流量的差值,进行反馈校正下一步的CAVs目标速度,通过上游CAVs速度控制来调控路段输出流量,从而避免下游瓶颈点的交通拥堵。
实施例3
一种网联自动驾驶混行车流动态控制系统,包括:
流量获取模块,用于获取上游路段目标流量q1以及上游路段实际流量q2;
流量计算模块,用于计算目标流量改变量Δq,计算公式为:
Δq=q1-q2
速度计算模块,用于根据Δq,通过混合车流动态变化模型求得上游路段的网联自动驾驶车辆的目标速度;
速度控制模块,用于控制上游路段的网联自动驾驶车辆以目标速度行驶;
其中,混合车流动态变化模型为:
其中,为网联自动驾驶车辆在时间段[t,t+Δt]的目标速度,Δψ为驾驶速度改变量,为路段j在时间段[t-Δt,t]的平均密度,vf为路段畅行速度,ξj为路段j的网联自动驾驶车辆的渗透率,为路段上所有车辆的平均长度,tLC为路段上车辆换道的平均持续时间,为路段j在时间段[t-Δt,t]的空间平均速度,L为路段长度,kjam为路段阻塞密度。
混合车流动态变化模型量化了网联自动驾驶车辆CAVs降速的阻碍效应和对人类驾驶车辆HVs换道的影响,将微观车辆行为和宏观交通流状态联系起来,准确体现了CAVs速度变化对路段流量的影响,根据目标流量改变量,通过混合车流动态变化模型求得网联自动驾驶车辆的目标速度,CAVs能够接收并100%执行目标速度,混行车流中,以CAVs作为控制抓手,通过车车间的相互影响,可以间接调控HVs的速度,从而更精准地调控上游路段流量,改变以往交通控制系统的开环性与被动性,避免了传统可变限速交通流管控高度依赖HVs遵从率的局限性,提高了交通流管控精度,考虑了个体与群体利益协调,实现群体效益与个体最优之间的平衡。
上游路段目标流量q1的获取过程包括:
流量获取模块根据下游路段最大通行流量q3计算上游路段目标流量q1,计算公式为:
q3=λq2
其中,λ为设定比例,0<λ<1。
速度控制模块通过前馈控制方式或反馈控制方式控制网联自动驾驶车辆变速行驶。
实施例4
一种网联自动驾驶混行车流动态控制装置,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器调用所述程序指令能够执行实施例1所述的控制方法。
实施例5
一种计算机可读存储介质,包括计算机程序,所述计算机程序能够被处理器执行以实现实施例1所述的控制方法。
实施例1、实施例2、实施例3、实施例4和实施例5提出了一种网联自动驾驶混行车流动态控制方法、系统、装置及介质,通过引入幽灵车辆概念,量化网联自动驾驶车辆降速的阻碍效应和对人类驾驶换道的影响,利用基于Green Shields密度-流量基本图或三角形基本图关系,将微观车辆行为和宏观交通流状态联系起来,建立混合车流动态变化模型,量化了网联自动驾驶车辆CAVs降速的阻碍效应和对人类驾驶车辆HVs换道的影响,将微观车辆行为和宏观交通流状态联系起来,准确体现了CAVs速度变化对路段流量的影响,从而实现对上游路段混行车流流量进行精准控制。
以上详细描述了本发明的较佳具体实施例。应当理解,本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此,凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案,皆应在由权利要求书所确定的保护范围内。
Claims (10)
1.一种网联自动驾驶混行车流动态控制方法,其特征在于,包括:
获取上游路段目标流量q1以及上游路段实际流量q2,计算目标流量改变量Δq,计算公式为:
Δq=q1-q2
根据Δq,通过混合车流动态变化模型求得上游路段的网联自动驾驶车辆的目标速度;
控制上游路段的网联自动驾驶车辆以目标速度行驶;
其中,所述的混合车流动态变化模型为:
2.根据权利要求1所述的一种网联自动驾驶混行车流动态控制方法,其特征在于,所述的上游路段目标流量q1的获取过程包括:
根据下游路段最大通行流量q3计算上游路段目标流量q1,计算公式为:
q1=λq3
其中,λ为设定比例,0<λ<1。
3.根据权利要求1所述的一种网联自动驾驶混行车流动态控制方法,其特征在于,通过前馈控制方式控制网联自动驾驶车辆变速行驶。
4.根据权利要求1所述的一种网联自动驾驶混行车流动态控制方法,其特征在于,通过反馈控制方式控制网联自动驾驶车辆变速行驶。
5.一种网联自动驾驶混行车流动态控制系统,其特征在于,包括:
流量获取模块,用于获取上游路段目标流量q1以及上游路段实际流量q2;
流量计算模块,用于计算目标流量改变量Δq,计算公式为:
Δq=q1-q2
速度计算模块,用于根据Δq,通过混合车流动态变化模型求得上游路段的网联自动驾驶车辆的目标速度;
速度控制模块,用于控制上游路段的网联自动驾驶车辆以目标速度行驶;
其中,所述的混合车流动态变化模型为:
6.根据权利要求5所述的一种网联自动驾驶混行车流动态控制系统,其特征在于,所述的上游路段目标流量q1的获取过程包括:
所述的流量获取模块根据下游路段最大通行流量q3计算上游路段目标流量q1,计算公式为:
q1=λq3
其中,λ为设定比例,0<λ<1。
7.根据权利要求5所述的一种网联自动驾驶混行车流动态控制系统,其特征在于,所述的速度控制模块通过前馈控制方式控制网联自动驾驶车辆变速行驶。
8.根据权利要求5所述的一种网联自动驾驶混行车流动态控制系统,其特征在于,所述的速度控制模块通过反馈控制方式控制网联自动驾驶车辆变速行驶。
9.一种网联自动驾驶混行车流动态控制装置,其特征在于,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器调用所述程序指令能够执行如权利要求1至4任一所述的控制方法。
10.一种计算机可读存储介质,其特征在于,包括计算机程序,所述计算机程序能够被处理器执行以实现如权利要求1-4任一所述的控制方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110678538.8A CN113506438B (zh) | 2021-06-18 | 2021-06-18 | 网联自动驾驶混行车流动态控制方法、系统、装置及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110678538.8A CN113506438B (zh) | 2021-06-18 | 2021-06-18 | 网联自动驾驶混行车流动态控制方法、系统、装置及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113506438A CN113506438A (zh) | 2021-10-15 |
CN113506438B true CN113506438B (zh) | 2022-07-05 |
Family
ID=78010557
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110678538.8A Active CN113506438B (zh) | 2021-06-18 | 2021-06-18 | 网联自动驾驶混行车流动态控制方法、系统、装置及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113506438B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114463974B (zh) * | 2022-01-29 | 2023-03-31 | 同济大学 | 优先路权条件下混合车辆群体的协同控制系统及其方法 |
CN114863679B (zh) * | 2022-04-26 | 2022-11-25 | 交通运输部公路科学研究所 | 一种基于多源信息融合的混合交通流车辆识别方法 |
CN115206093B (zh) * | 2022-06-21 | 2023-08-29 | 同济大学 | 一种基于智能网联车辆的交通流控制方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016038826A (ja) * | 2014-08-11 | 2016-03-22 | 日産自動車株式会社 | 信号制御パラメータ演算装置 |
CN108428338A (zh) * | 2017-02-15 | 2018-08-21 | 阿里巴巴集团控股有限公司 | 交通路况分析方法、装置以及电子设备 |
CN109147363A (zh) * | 2018-09-10 | 2019-01-04 | 吉林大学 | 交通智能引导系统及引导方法 |
CN110164152A (zh) * | 2019-07-03 | 2019-08-23 | 西安工业大学 | 一种用于单交叉路口交通信号灯控制系统 |
CN112435473A (zh) * | 2020-11-14 | 2021-03-02 | 公安部交通管理科学研究所 | 一种结合历史数据的快速路交通流溯源及匝道调控方法 |
CN112767700A (zh) * | 2020-10-28 | 2021-05-07 | 吉林大学 | 一种信号交叉口动态感应式cav专用直行进口道布设方法 |
CN112907946A (zh) * | 2021-01-04 | 2021-06-04 | 清华大学 | 一种自动驾驶车辆与其他车辆混行的交通控制方法以及系统 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103996289B (zh) * | 2014-06-06 | 2016-08-17 | 北方工业大学 | 一种流量-速度匹配模型及行程时间预测方法及系统 |
KR102197195B1 (ko) * | 2014-07-31 | 2021-01-04 | 현대엠엔소프트 주식회사 | 교통흐름의 변화를 반영한 교통정보 생성방법 |
CN110709911B (zh) * | 2017-05-24 | 2022-01-11 | 日产自动车株式会社 | 行驶辅助装置的行驶辅助方法以及行驶辅助装置 |
CN112785849A (zh) * | 2021-02-24 | 2021-05-11 | 山东科技大学 | 一种高速公路拥堵状态判别和交通流管控系统及方法 |
-
2021
- 2021-06-18 CN CN202110678538.8A patent/CN113506438B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016038826A (ja) * | 2014-08-11 | 2016-03-22 | 日産自動車株式会社 | 信号制御パラメータ演算装置 |
CN108428338A (zh) * | 2017-02-15 | 2018-08-21 | 阿里巴巴集团控股有限公司 | 交通路况分析方法、装置以及电子设备 |
CN109147363A (zh) * | 2018-09-10 | 2019-01-04 | 吉林大学 | 交通智能引导系统及引导方法 |
CN110164152A (zh) * | 2019-07-03 | 2019-08-23 | 西安工业大学 | 一种用于单交叉路口交通信号灯控制系统 |
CN112767700A (zh) * | 2020-10-28 | 2021-05-07 | 吉林大学 | 一种信号交叉口动态感应式cav专用直行进口道布设方法 |
CN112435473A (zh) * | 2020-11-14 | 2021-03-02 | 公安部交通管理科学研究所 | 一种结合历史数据的快速路交通流溯源及匝道调控方法 |
CN112907946A (zh) * | 2021-01-04 | 2021-06-04 | 清华大学 | 一种自动驾驶车辆与其他车辆混行的交通控制方法以及系统 |
Non-Patent Citations (2)
Title |
---|
双车道自动-手动驾驶汽车混合交通流博弈模型及其仿真;魏修建等;《系统工程》;20181128(第11期);全文 * |
城市智能交通动态预测模型的研究与应用;傅贵;《中国优秀博硕士学位论文全文数据库(博士)》;20150515;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113506438A (zh) | 2021-10-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113506438B (zh) | 网联自动驾驶混行车流动态控制方法、系统、装置及介质 | |
CN114664078B (zh) | 基于自动驾驶车辆队列的道路合流区协作汇入控制方法 | |
CN105511475B (zh) | 一种基于运动模式判断的无人车纵向控制方法 | |
Jin et al. | Analysis and design of vehicle platooning operations on mixed-traffic highways | |
CN110942645B (zh) | 混合交通交叉路口的车辆控制方法 | |
CN111445697B (zh) | 一种智能网联条件下的高速公路协同车辆换道控制方法 | |
CN110782650B (zh) | 基于自适应事件触发的车流分布式协同编队控制方法 | |
EP1883873A2 (de) | Verfahren zur koordination konkurrierender prozesse oder zur steuerung des transports von mobilen einheiten innerhalb eines netzwerkes | |
CN113947900A (zh) | 一种智能网联快速路匝道协同控制系统 | |
DE102005050540A1 (de) | Verfahren und Vorrichtung zur Anpassung von Fahrparametern von Fahrzeugen | |
CN113066282B (zh) | 一种面向混行环境下车辆跟驰耦合关系建模方法及系统 | |
CN111243296B (zh) | 一种基于合流时间优化的匝道合流协同控制方法及系统 | |
CN108648469B (zh) | 一种基于多瓶颈条件的匝道协调控制方法 | |
CN109808690B (zh) | 自动驾驶中基于目标点距离定点停车速度平滑规划方法 | |
CN115641717B (zh) | 基于混合交通流的高速公路主线-匝道车辆协同合流控制方法、设备及存储介质 | |
CN106530757A (zh) | 一种高架匝道智能信号调控方法 | |
Faraj et al. | Platoon-based autonomous vehicle speed optimization near signalized intersections | |
Piacentini et al. | Multiple moving bottlenecks for traffic control in freeway systems | |
CN114333364A (zh) | 一种自动驾驶车辆通过信号交叉口生态驾驶方法 | |
CN113628459A (zh) | 一种面向间歇式公交车道的预约交叉口公交优先方法 | |
CN116013094A (zh) | 面向高速公路混合交通流的车辆协同合流控制方法、设备及存储介质 | |
CN105539196A (zh) | 电动汽车的反馈式变优先级组合传输网络化控制装置 | |
CN115257760A (zh) | 一种车辆驾驶优化控制方法、装置、存储介质及电子设备 | |
CN114489067A (zh) | 智能网联车辆队列协同驾驶模型预测控制方法 | |
Khaled et al. | Decentralised intersection control for autonomous vehicles using fuzzy logic control |
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 |