CN113885319A - 车辆合流的控制方法、装置、设备及存储介质 - Google Patents

车辆合流的控制方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN113885319A
CN113885319A CN202111119649.1A CN202111119649A CN113885319A CN 113885319 A CN113885319 A CN 113885319A CN 202111119649 A CN202111119649 A CN 202111119649A CN 113885319 A CN113885319 A CN 113885319A
Authority
CN
China
Prior art keywords
vehicle
real
time
inter
vehicle distance
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
CN202111119649.1A
Other languages
English (en)
Other versions
CN113885319B (zh
Inventor
张蔚
孟天闯
黄晋
杨殿阁
李惠乾
钟志华
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.)
Tsinghua University
Original Assignee
Tsinghua University
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 Tsinghua University filed Critical Tsinghua University
Priority to CN202111119649.1A priority Critical patent/CN113885319B/zh
Publication of CN113885319A publication Critical patent/CN113885319A/zh
Application granted granted Critical
Publication of CN113885319B publication Critical patent/CN113885319B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)

Abstract

本申请涉及一种车辆合流的控制方法、装置、设备及存储介质，属于车辆控制技术领域。该方法包括：获取目标车辆和目标车辆的前一车辆的实时车间距；获取目标车辆和前一车辆的实时期望车间距；根据实时车间距和实时期望车间距，计算实时车间距误差值；根据实时车间距误差值确定目标车辆的实时驱动力，并基于实时驱动力控制目标车辆运行，以调整实时车间距误差值，其中，调整后的实时车间距误差值位于预设误差范围内。本申请提供的车辆合流的控制方法，可以提高车辆合流控制的准确性。

Description

车辆合流的控制方法、装置、设备及存储介质
技术领域
本发明涉及车辆控制技术领域，特别是涉及一种车辆合流的控制方法、装置、设备及存储介质。
背景技术
车辆通行道路的合流区域是车辆交通拥堵和交通事故频发区域，有数据显示，高速路的拥堵大多发生在车辆合流的匝道口处，且匝道处的事故率是其它路段的4.5倍，因此急需一种控制方法来对合流区域的车辆通行进行控制。
传统的车流合流的控制方法，通常是通过人工或者交警根据合流点的交通情况来统一调控车辆的通行，存在控制准确性较低的问题。
发明内容
基于此，有必要针对上述技术问题，提供一种车辆合流的控制方法，能够提高车辆合流控制的准确性。
本申请实施例第一方面，提供一种车辆合流的控制方法，用于位于道路合流区域内的目标车辆中，该方法包括：
获取目标车辆和目标车辆的前一车辆的实时车间距；获取目标车辆和前一车辆的实时期望车间距；根据实时车间距和实时期望车间距，计算实时车间距误差值；根据实时车间距误差值确定目标车辆的实时驱动力，并基于实时驱动力控制目标车辆运行，以调整实时车间距误差值，其中，调整后的实时车间距误差值位于预设误差范围内。
在一个实施例中，获取目标车辆和目标车辆的前一车辆的实时车间距，包括：获取目标车辆的实时位置信息；获取前一车辆的实时位置信息和前一车辆的车身长度；根据前一车辆的实时位置信息、前一车辆的车身长度和目标车辆的实时位置信息，得到实时车间距。
在一个实施例中，获取前一车辆的实时位置信息和前一车辆的车身长度之前，方法还包括：接收路侧智能设备发送的道路合流区域内的车辆通行顺序；根据车辆通行顺序确定前一车辆；对应地，获取前一车辆的实时位置信息和前一车辆的车身长度，包括：在确定前一车辆之后，从各车辆广播的信息中提取前一车辆广播的信息，前一车辆广播的信息包括前一车辆的实时位置信息和前一车辆的车身长度。
在一个实施例中，道路合流区域包括合流点，车辆通行顺序的获取过程包括：路侧智能设备获取道路合流区域内各车道上的各车辆的实时位置信息；路侧智能设备根据各车辆的实时位置信息和合流点的位置信息计算各车辆与合流点之间的合流距离；路侧智能设备按照合流距离从小到大的顺序对各车辆进行排序，得到车辆通行顺序。
在一个实施例中，获取目标车辆和前一车辆的实时期望车间距，包括：根据目标车辆的实时位置信息以及预构建的期望车间距函数，获取实时期望车间距。
在一个实施例中，道路合流区域包括起始边界以及合流点，期望车间距函数的构建过程包括：获取起始边界的位置信息以及合流点；根据起始边界的位置信息、合流点的位置信息以及预设的期望车间距值构建期望车间距函数；或者，根据起始边界的位置信息、合流点的位置信息、目标车辆在起始边界的实际车间距以及预设的期望车间距值构建期望车间距函数。
在一个实施例中，根据实时车间距误差值确定目标车辆的实时驱动力，包括：将实时车间距误差值输入至预创建的驱动力控制模型，得到实时驱动力。
在一个实施例中，将实时车间距误差值输入至预创建的驱动力控制模型，包括：对实时车间距误差值进行双射变换，得到误差状态变换方程；根据误差状态变化方程、前一车辆的实时位置信息、实时期望车间距和前一车辆的车身长度，确定目标车辆的车辆位置方程；根据车辆位置方程和预设的车辆纵向动力学方程，得到车辆系统函数；将车辆系统函数输入至驱动力控制模型，得到实时驱动力。
在一个实施例中，车辆系统函数中包括不确定性参数，将车辆系统函数输入至驱动力控制模型，包括：针对车辆系统函数中的不确定性参数，将不确定性参数分解为名义参数和时变参数，得到多个参数方程，不确定性参数包括：车辆质量、车辆气动阻力系数和车辆综合阻力；将多个参数方程输入至车辆系统函数中，得到车辆时变系统函数；将车辆时变系统函数输入至驱动力控制模型。
在一个实施例中，驱动力控制模型的创建过程包括：根据车辆时变系统函数、Udwadia-Kalaba模型、反馈控制模型和鲁棒控制模型创建驱动力控制模型。
本申请实施例第二方面，提供一种车辆合流的控制装置，该装置包括：
第一获取模块，用于获取目标车辆和目标车辆的前一车辆的实时车间距；
第二获取模块，用于获取目标车辆和前一车辆的实时期望车间距；
计算模块，用于根据实时车间距和实时期望车间距，计算实时车间距误差值；
控制模块，用于根据实时车间距误差值确定目标车辆的实时驱动力，并基于实时驱动力控制目标车辆运行，以调整实时车间距误差值，其中，调整后的实时车间距误差值位于预设误差范围内。
本申请实施例第三方面，提供一种计算机设备，包括：存储器和处理器，存储器存储有计算机程序，计算机程序被处理器执行时实现如权利要求第一方面任一的车辆合流的控制方法。
本申请实施例第四方面，提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现本申请实施例第一方面任一的车辆合流的控制方法。
本申请实施例提供的技术方案带来的有益效果至少包括：
本申请通过获取目标车辆和目标车辆的前一车辆的实时车间距，获取目标车辆和前一车辆的实时期望车间距，然后根据实时车间距和实时期望车间距，计算实时车间距误差值，最后根据实时车间距误差值确定目标车辆的实时驱动力，并基于实时驱动力控制目标车辆运行，以调整实时车间距误差值，其中，调整后的实时车间距误差值位于预设误差范围内。本申请实施例提供的车辆合流的控制方法可以根据车辆实时车间距误差值确定目标车辆的实时驱动力，并基于实时驱动力控制目标车辆运行，以调整实时车间距误差值，调整后的车间据误差值位于预设误差范围内，使得车辆可以以预设的期望车间距安全的经过合流区域，进而可以提高车辆合流控制的准确性。
附图说明
图1为本申请实施例提供的一种车辆合流的控制方法的流程图；
图2为本申请实施例提供的一种车辆合流区域的示意图；
图3为本申请实施例提供的一种获取目标车辆和目标车辆的前一车辆的实时车间距的技术过程；
图4为本申请实施例提供的期望车间距函数的构建的技术过程；
图5为本申请实施例提供的一种期望车间距函数的示意图；
图6为本申请实施例提供的一种将实时车间距误差值输入至预创建的驱动力控制模型的技术过程；
图7为本申请实施例提供的将车辆系统函数输入至驱动力控制模型的技术过程；
图8为本申请实施例提供的道路合流区域的各车辆在不同时间下距离合流点的位置；
图9为本申请实施例提供的道路合流区域的各车辆在不同时间下的实际车间距；
图10为本申请实施例提供的道路合流区域的各车辆在不同时间下的车间距误差；
图11为本申请实施例提供的道路合流区域的各车辆在不同时间下的驱动力；
图12为本申请实施例提供的道路合流区域的各车辆在不同时间下的车辆速度；
图13为本申请实施例提供的道路合流区域的各车辆在不同时间下的车辆加速度；
图14为本申请实施例提供的一种车辆合流的控制装置的结构图；
图15为本申请实施例提供的计算机设备的内部结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
车辆通行道路的合流区域是车辆交通拥堵和交通事故频发区域，有数据显示，高速路的拥堵大多发生在车辆合流的匝道口处，且匝道处的事故率是其它路段的4.5倍，因此急需一种控制方法来对合流区域的车辆通行进行控制。
传统的车流合流的控制方法，通常是通过人工或者交警根据合流点的交通情况来统一调控车辆的通行，存在控制准确性较低的问题。
基于此，有必要针对上述技术问题，提供一种车辆合流的控制方法，能够提高车辆合流的控制效率。
本申请实施例提供了一种车辆合流的控制方法，本申请通过获取目标车辆和目标车辆的前一车辆的实时车间距，获取目标车辆和前一车辆的实时期望车间距，然后根据实时车间距和实时期望车间距，计算实时车间距误差值，最后根据实时车间距误差值确定目标车辆的实时驱动力，并基于实时驱动力控制目标车辆运行，以调整实时车间距误差值，其中，调整后的实时车间距误差值位于预设误差范围内。本申请实施例提供的车辆合流的控制方法可以根据车辆实时车间距误差值确定目标车辆的实时驱动力，并基于实时驱动力控制目标车辆运行，以调整实时车间距误差值，调整后的车间据误差值位于预设误差范围内，使得车辆可以以预设的期望车间距安全的经过合流区域，因此可以提高车辆合流控制的准确性。
下面以具体的实施例对本申请的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图，对本申请的实施例进行描述。
请参考图1，其示出了本申请实施例提供的一种车辆合流控制方法的流程图，该方法包括以下步骤：
步骤101、获取目标车辆和目标车辆的前一车辆的实时车间距。
其中，目标车辆为车辆合流区域中的任一车辆，前一车辆为目标车辆的距离合流区域的合流点的前一车辆。
可选的，获取目标车辆和目标车辆的前一车辆的实时车间距可以为：目标车辆与前一车辆建立通信连接后，实时接收前一车辆发送的车辆位置信息，目标车辆根据前一车辆的实时车辆位置信息和自身的实时车辆位置信息计算得到实时车间距。
步骤102、获取目标车辆和前一车辆的实时期望车间距；
可选的，实时期望车间距可以是用户根据可以安全通过合流区域的车间距来设置的。
步骤103、根据实时车间距和实时期望车间距，计算实时车间距误差值。
可选的，可以将实时车间距和对应的实时期望车间距之间的差值的绝对值，作为实时车间距误差值。
步骤104、根据实时车间距误差值确定目标车辆的实时驱动力，并基于实时驱动力控制目标车辆运行，以调整实时车间距误差值。
其中，调整后的实时车间距误差值位于预设误差范围内。
在实际中，根据实时车间距误差值确定目标车辆的实时驱动力，并基于实时驱动力控制目标车辆运行，以调整实时车间距误差值，使得通过驱动力调整后的误差位于预设误差范围内。
在一个实施例中，当车辆的进入到路侧智能设备的通信区域时，由巡航控制模式切换至合流控制模式，当车辆经过合流区域的合流点后又由合流控制模式切换至巡航控制模式。
如图2所示，为本申请实施例提供的车辆合流区域的示意图，本申请实施例提供了一种车辆合流的控制方法，本申请通过获取目标车辆和目标车辆的前一车辆的实时车间距，获取目标车辆和前一车辆的实时期望车间距，然后根据实时车间距和实时期望车间距，计算实时车间距误差值，最后根据实时车间距误差值确定目标车辆的实时驱动力，并基于实时驱动力控制目标车辆运行，以调整实时车间距误差值，其中，调整后的实时车间距误差值位于预设误差范围内。本申请实施例提供的车辆合流的控制方法可以根据车辆实时车间距误差值确定目标车辆的实时驱动力，并基于实时驱动力控制目标车辆运行，以调整实时车间距误差值，调整后的车间据误差值位于预设误差范围内，使得车辆可以以预设的期望车间距安全的经过合流区域，因此可以提高车辆合流控制的准确性。
请参考图3，其示出了一种获取目标车辆和目标车辆的前一车辆的实时车间距的技术过程的流程图，包括以下步骤：
301、获取目标车辆的实时位置信息。
302、获取前一车辆的实时位置信息和前一车辆的车身长度。
可选的，获取前一车辆的实时位置信息和前一车辆的车身长度包括：接收前一车辆的发送的实时位置信息和前一车辆的车身长度。
303、根据前一车辆的实时位置信息、前一车辆的车身长度和目标车辆的实时位置信息，得到实时车间距。
在实际中，可以通过目标车辆的实时位置信息减去前一车辆的实时位置信息和前一车辆的车身长度，计算得到实时车间距。
通过计算实时车间距以及实时的期望车间距，可以得到辆实时车间距的误差值，然后根据车辆实时车间距误差值确定目标车辆的实时驱动力，并基于实时驱动力控制目标车辆运行，以调整实时车间距误差值，调整后的车间距误差值位于预设误差范围内，使得车辆可以以预设的期望车间距安全的经过合流区域，因此可以提高车辆合流控制的准确性。
在一个实施例中，获取前一车辆的实时位置信息和前一车辆的车身长度之前的技术过程，包括：接收路侧智能设备发送的道路合流区域内的车辆通行顺序；根据车辆通行顺序确定前一车辆。
对应地，获取前一车辆的实时位置信息和前一车辆的车身长度，包括：在确定前一车辆之后，从各车辆广播的信息中提取前一车辆广播的信息，前一车辆广播的信息包括前一车辆的实时位置信息和前一车辆的车身长度。
具体的，定义第i辆车与其前车的实际车间距di如下所示：
di(t)＝xi-1(t)-xi(t)-li-1
其中，li-1为第i-1辆车的车身长度。
需要说明的是，前一车辆的确定是根据车辆通行顺序确定的，其中，车辆通行顺序是路侧智能设备发送的。
具体的，车辆通行顺序的获取过程包括：路侧智能设备获取道路合流区域内各车道上的各车辆的实时位置信息；路侧智能设备根据各车辆的实时位置信息和合流点的位置信息计算各车辆与合流点之间的合流距离；路侧智能设备按照合流距离从小到大的顺序对各车辆进行排序，得到车辆通行顺序。通过根据合流距离从小到大的顺序对各车辆进行排序得到一个虚拟车队，将虚拟车队中的每辆车与前车的实际车间距在指定空间位置处能够收敛至指定范围。通过在合流点位置处指定每辆车的期望车间距为一个可取的安全车间距，即可严格保证车辆在合流区域的通行安全性。
也就是说，车辆通行顺序的确定是针对车辆合流区域的各个车道上的车辆按照距离合流点距离的从小到大进行排序的，因此，在实际中，目标车辆的前一车辆可以是目标车辆所在车辆上的前一车辆，也可以是其他车道上的车辆。
本申请实施例通过获取道路合流区域内各车道上的各车辆的实时位置信息，然后根据各车辆的实时位置信息和合流点的位置信息计算各车辆与合流点之间的合流距离，并按照合流距离从小到大的顺序对各车辆进行排序，得到车辆通行顺序，根据车辆通行顺序确定目标车辆的前一车辆，可以对合流区域内的所有车辆进行统一管控，避免在合流区域的合流点处出现车辆拥堵现象，可以提高车辆合流控制的精确性。
在一个实施例中，获取目标车辆和前一车辆的实时期望车间距，包括：
根据目标车辆的实时位置信息以及预构建的期望车间距函数，获取实时期望车间距。
请参考图4，图4示出了本申请实施例提供的期望车间距函数的构建的技术过程，其中，道路合流区域包括起始边界以及合流点，包括以下步骤：
步骤401、获取起始边界的位置信息以及合流点。
步骤402、根据起始边界的位置信息、合流点的位置信息以及预设的期望车间距值构建期望车间距函数。
步骤403、或者，根据起始边界的位置信息、合流点的位置信息、目标车辆在起始边界的实际车间距以及预设的期望车间距值构建期望车间距函数。
需要说明的是，期望车间距函数可以根据起始边界的位置信息、合流点的位置信息以及预设的期望车间距值来构建；也可以是根据起始边界的位置信息、合流点的位置信息、目标车辆在起始边界的实际车间距以及预设的期望车间距值构建期望车间距函数。
在实际中，对第i辆车根据合流区域的空间位置设计xi的期望车间距
Figure BDA0003276606150000091
Figure BDA0003276606150000092
函数S(·)的设计应满足以下两个边界条件：
Figure BDA0003276606150000093
Si(xm)＝dc
其中，
Figure BDA0003276606150000094
是第i辆车在起始边界处的位置，
Figure BDA0003276606150000095
是第i辆车在起始边界与前车的实际车间距，xm是合流点位置，dc是预设的合流期望车间距值。通过配置dc为安全的期望车间距，并依靠后续驱动力控制使车辆到达合流点处的实际车间距收敛至该期望车间距附近，则能保证车辆的合流安全性。
上述边界条件中，第一个边界条件将车辆在起始边界的期望车间距定义为起始边界的实际车间距，可以避免在刚进入合流区域因车间距过大或过小导致的急加速或急刹车等现象；第二个边界条件将车辆在合流点处的期望车间距定义为一个安全车间距，以保证车辆能够安全的通过合流区域。
同时，定义车间距误差ei为在位置x处期望车间距与实际车间距的差：
Figure BDA0003276606150000096
本申请实施例的主要目标是控制该误差在一定的安全范围内，具体地，控制目标为使得：
emin≤ei≤emax
此外，函数S(·)的重点在于其依附于合流区域的空间的特性，具体形式的选取则具有灵活性，这里可选取一个三角正弦函数，如图5所示，为本申请实施例提供的一种期望车间距函数的示意图，其中，期望车间距函数的横坐标为合流区域起始边界至合流点的位置信息，期望车间距函数的纵坐标为期望车间距的值，其中，x0为合流区域起始边界的位置信息，xm为合流点的位置信息，
Figure BDA0003276606150000101
为目标车辆在合流区域起始边界的实际车间距，dc为预设的合流期望车间距值。
Figure BDA0003276606150000102
其中，各个参数为：
Figure BDA0003276606150000103
本申请实施例通过构建依附于合流区域空间的期望车间距函数，可以得到在合流区域不同位置下的期望车间距，根据不同位置下的期望车间距和相应的实际车间距可以计算得到不同位置下的车间距误差，通过控制合流区域不同位置下的车间距误差处于预设的误差范围内，直至车辆经过合流区域。相较于根据控制车辆在合流区域的行驶时间来使车辆安全经过合流区域的效果，本申请实施例提供的车辆合流的控制方法，由于是对合流区域各位置的车间距误差进行，因此控制的准确度更高。
在一个实施例中，根据实时车间距误差值确定目标车辆的实时驱动力，包括：将实时车间距误差值输入至预创建的驱动力控制模型，得到实时驱动力。
请参考图6，图6示出了本申请实施例将实时车间距误差值输入至预创建的驱动力控制模型的技术过程，包括以下步骤：
步骤601、对实时车间距误差值进行双射变换，得到误差状态变换方程；
步骤602、根据误差状态变化方程、前一车辆的实时位置信息、实时期望车间距和前一车辆的车身长度，确定目标车辆的车辆位置方程；
步骤603、根据车辆位置方程和预设的车辆纵向动力学方程，得到车辆系统函数；
步骤604、将车辆系统函数输入至驱动力控制模型，得到实时驱动力。
在实际中，设置emax＝-emin＝k，将ei通过双射变换转换至zi，得到误差状态变换方程，具体误差状态变换方程为:
Figure BDA0003276606150000104
该状态变换的逆变换函数为：
Figure BDA0003276606150000111
定义逆变换函数fi -1的一阶偏导和二阶偏导：
Figure BDA0003276606150000112
Figure BDA0003276606150000113
经过状态变换，可得到目标车辆的车辆位置方程：
Figure BDA0003276606150000114
等式两边同时对时间微分两次可得：
Figure BDA0003276606150000115
Figure BDA0003276606150000116
因此，
Figure BDA0003276606150000117
其中，
Figure BDA0003276606150000118
将vi和
Figure BDA0003276606150000119
代入车辆动力学方程，进一步整理可得到车辆系统函数：
Figure BDA00032766061500001110
其中，车辆动力学方程为：
Figure BDA00032766061500001111
Figure BDA00032766061500001112
其中，t为时间，xi为车辆位置，vi为速度，σi为不确定性参数集合(σi∈∑i，∑i是代表不确定性σi边界的紧致集)，ui为车辆驱动力或制动力输入，Mi为车辆质量，-civi(t)|vi(t)|为车辆行驶时的气动阻力，-Fi为滚动阻力、重力阻力以及其他外部阻力的综合。
请参考图7，图7示出了本申请实施例车辆系统函数中包括不确定性参数，将车辆系统函数输入至驱动力控制模型，包括以下步骤：
步骤701、针对车辆系统函数中的不确定性参数，将不确定性参数分解为名义参数和时变参数，得到多个参数方程，不确定性参数包括：车辆质量、车辆气动阻力系数和车辆综合阻力。
步骤702、将多个参数方程输入至车辆系统函数中，得到车辆时变系统函数。
步骤703、将车辆时变系统函数输入至驱动力控制模型。
在实际中，车辆系统函数中包括不确定性参数，具体的，不确定性参数包括：车辆质量、车辆气动阻力系数和车辆综合阻力。而为了解决系统模型中参数不确定性对最终驱动力的影响，将含有不确定性的参数分解为名义参数部分与时变参数部分，得到多个参数方程：
Figure BDA0003276606150000121
Figure BDA0003276606150000122
Figure BDA0003276606150000123
其中，
Figure BDA0003276606150000124
的是名义参数部分，ΔMi,Δci,ΔFi是时变参数部分。
为了简化表达，以下定义了一些等效的变量：
Figure BDA0003276606150000125
Figure BDA0003276606150000126
Figure BDA0003276606150000127
将上述参数不确定性分解表达式与简化表达的符号代入至车辆系统函数，可得到车辆时变系统函数，并将车辆时变系统函数输入至预设的驱动力控制模型中：
Figure BDA0003276606150000128
Figure BDA0003276606150000131
在一个实施例中，驱动力控制模型的创建过程包括：根据车辆时变系统函数、Udwadia-Kalaba模型、反馈控制模型和鲁棒控制模型创建驱动力控制模型。其中，鲁棒控制模型可以抑制不确定参数的波动对驱动力的影响，可以提高车辆的控制精度。
具体的，驱动力控制模型如下：
ui＝pi,1+pi,2+pi,3；
其中，
Figure BDA0003276606150000132
Figure BDA0003276606150000133
Figure BDA0003276606150000134
其中，pi,1,pi,2,pi,3是组成ui的三部分；hi为正的常数；
Figure BDA0003276606150000135
这一项反映了系统当前状态与期望等式约束
Figure BDA0003276606150000136
的距离，即βi＝0是我们期望的值，βi本身的值就代表了与期望值的差距，在期望等式约束βi＝0下，误差zi会逐渐收敛为0；κi为正的常数；
Figure BDA0003276606150000137
∏i是已知的，源于以下两个前提假设：
假设1：
对于所有(xi,t)∈R×R及所有σi，存在一个已知的常数
Figure BDA0003276606150000138
使：
Figure BDA0003276606150000139
假设2：
对所有的
Figure BDA00032766061500001310
及所有σi，存在一个已知的函数Πi(·):R×R×R×R→R+，使：
Figure BDA00032766061500001311
此外，
Figure BDA0003276606150000141
μi具体为：
Figure BDA0003276606150000142
Figure BDA0003276606150000143
其中，∈i是预设的正的常数。
该驱动力控制模型能够实现对zi的一致有界性和一致最终有界性性能，而zi的一致有界性和一致最终有界性性能等价于状态变换前车间距误差ei严格处于emin和emax之间，也就是说，车间距误差ei一直处于允许的安全范围内，根据之前设计的依附于空间位置的期望车间距，该驱动力控制模型能够控制车辆在指定空间位置处收敛至设计的期望车间距附近，从而使车辆合流安全性得以保证，并且和静态的空间位置绑定，安全性大大提高。
其中，zi的一致有界性和一致最终有界性性能证明可通过李亚普诺夫函数
Figure BDA0003276606150000144
推导得出。
针对本申请所提的方法做了仿真验证，所设置的场景为比较极端的30车工况，主道和匝道上各有15辆车，可组成一个30车的虚拟车队，两条道路上相同序列的车辆距合流点的距离相同，如图8所示，主道第1辆车与匝道第1辆车的位置x基本相同，依次类推，主道第15辆车与匝道第15辆和的位置也基本相同。合流点位置设置为1000米处，在合流点处的期望安全车距dc设置为20米，车辆的初始速度设置为20m/s。
如图9所示，根据仿真结果可得，虚拟队列的30辆车的车间距在合流过程中逐渐趋向于dc＝20m。全程的车间距误差如图10所示，即实际车间距减去期望车间距
Figure BDA0003276606150000145
维持在-0.5～3m以内，考虑到合流点处的最终期望车间距是20m，该误差控制效果能保证合流的安全性。合流过程中的车辆驱动力u如图11所示，未出现驱动力达到输入饱和的现象。车辆速度与加速度变化分别如图12和图13所示。
本申请实施例还提供了一种车辆合流的控制方法，具体的，该方法包括：
(1)获取目标车辆的实时位置信息。
(2)路侧智能设备获取道路合流区域内各车道上的各车辆的实时位置信息。
(3)路侧智能设备根据各车辆的实时位置信息和合流点的位置信息计算各车辆与合流点之间的合流距离。
(4)路侧智能设备按照合流距离从小到大的顺序对各车辆进行排序，得到车辆通行顺序。
(5)接收路侧智能设备发送的道路合流区域内的车辆通行顺序。
(6)根据车辆通行顺序确定前一车辆。
(7)在确定前一车辆之后，从各车辆广播的信息中提取前一车辆广播的信息，前一车辆广播的信息包括前一车辆的实时位置信息和前一车辆的车身长度。
(8)根据前一车辆的实时位置信息、前一车辆的车身长度和目标车辆的实时位置信息，得到实时车间距。
(9)根据目标车辆的实时位置信息以及预构建的期望车间距函数，获取实时期望车间距。
(10)根据实时车间距和实时期望车间距，计算实时车间距误差值。
(11)对实时车间距误差值进行双射变换，得到误差状态变换方程。
(12)根据误差状态变化方程、前一车辆的实时位置信息、实时期望车间距和前一车辆的车身长度，确定目标车辆的车辆位置方程。
(13)根据车辆位置方程和预设的车辆纵向动力学方程，得到车辆系统函数。
(14)针对车辆系统函数中的不确定性参数，将不确定性参数分解为名义参数和时变参数，得到多个参数方程，不确定性参数包括：车辆质量、车辆气动阻力系数和车辆综合阻力。
(15)将多个参数方程输入至车辆系统函数中，得到车辆时变系统函数。
(16)将车辆时变系统函数输入至驱动力控制模型，得到实时驱动力。
(17)基于实时驱动力控制目标车辆运行，以调整实时车间距误差值，调整后的实时车间距误差值位于预设误差范围内。
以上(1)至(17)的执行过程具体可以参见上述实施例的描述，其实现原理和技术效果类似，在此不再赘述。
应该理解的是，上述流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，上述流程图至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中，如图14所示，提供了一种车辆合流的控制装置，该装置设置于位于道路合流区域内的目标车辆中，该装置包括：第一获取模块11、第二获取模块12，计算模块13，控制模块14；
其中，第一获取模块11，用于获取目标车辆和目标车辆的前一车辆的实时车间距；
第二获取模块12，用于获取目标车辆和前一车辆的实时期望车间距；
计算模块13，用于根据实时车间距和实时期望车间距，计算实时车间距误差值；
第一确定模块14，用于根据实时车间距误差值确定目标车辆的实时驱动力；
控制模块15，用于基于实时驱动力控制目标车辆运行，以调整实时车间距误差值，其中，调整后的实时车间距误差值位于预设误差范围内。
在一个实施例中，第一获取模块11具体用于：获取目标车辆的实时位置信息；获取前一车辆的实时位置信息和前一车辆的车身长度；根据前一车辆的实时位置信息、前一车辆的车身长度和目标车辆的实时位置信息，得到实时车间距。
在一个实施例中，该装置还包括：接收模块16和第二确定模块17，在获取前一车辆的实时位置信息和前一车辆的车身长度之前，接收模块16，用于接收路侧智能设备发送的道路合流区域内的车辆通行顺序。确定模块16，用于根据车辆通行顺序确定前一车辆；对应地，第一获取模块11还用于：在确定前一车辆之后，从各车辆广播的信息中提取前一车辆广播的信息，前一车辆广播的信息包括前一车辆的实时位置信息和前一车辆的车身长度。
在一个实施例中，路侧智能设备获取道路合流区域内各车道上的各车辆的实时位置信息；路侧智能设备根据各车辆的实时位置信息和合流点的位置信息计算各车辆与合流点之间的合流距离；路侧智能设备按照合流距离从小到大的顺序对各车辆进行排序，得到车辆通行顺序。
在一个实施例中，第二获取模块12，具体用于：根据目标车辆的实时位置信息以及预构建的期望车间距函数，获取实时期望车间距。
在一个实施例中，道路合流区域包括起始边界以及合流点，装置还包括构建模块18，该构建模块18用于：
获取起始边界的位置信息以及合流点的位置信息；
根据起始边界的位置信息、合流点的位置信息以及预设的期望车间距值构建期望车间距函数；
或者，根据起始边界的位置信息、合流点的位置信息、目标车辆在起始边界的实际车间距以及预设的期望车间距值构建期望车间距函数。
在一个实施例中，第一确定模块14具体用于：将实时车间距误差值输入至预创建的驱动力控制模型，得到实时驱动力。
在一个实施例中，第一确定模块14还用于：对实时车间距误差值进行双射变换，得到误差状态变换方程；根据误差状态变化方程、前一车辆的实时位置信息、实时期望车间距和前一车辆的车身长度，确定目标车辆的车辆位置方程；根据车辆位置方程和预设的车辆纵向动力学方程，得到车辆系统函数；将车辆系统函数输入至驱动力控制模型。
在一个实施例中，第一确定模块14还用于：针对车辆系统函数中的不确定性参数，将不确定性参数分解为名义参数和时变参数，得到多个参数方程，不确定性参数包括：车辆质量、车辆气动阻力系数和车辆综合阻力；将多个参数方程输入至车辆系统函数中，得到车辆时变系统函数；将车辆时变系统函数输入至驱动力控制模型。
在一个实施例中，构建模块18还用于：根据车辆时变系统函数、Udwadia-Kalaba模型、反馈控制模型和鲁棒控制模型创建驱动力控制模型。
本申请实施例提供的车辆合流的控制方法，可以适用于图15所示的计算机设备。如图15所示，该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储管线和管线的属性信息。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种车辆合流的控制方法。
本实施例提供的车辆合流控制装置，可以执行上述方法实施例，其实现原理和技术效果类似，在此不再赘述。
关于车辆合流控制装置的具体限定可以参见上文中对于车辆合流控制方法的限定，在此不再赘述。上述车辆合流控制装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：获取目标车辆和目标车辆的前一车辆的实时车间距；获取目标车辆和前一车辆的实时期望车间距；根据实时车间距和实时期望车间距，计算实时车间距误差值；根据实时车间距误差值确定目标车辆的实时驱动力，并基于实时驱动力控制目标车辆运行，以调整实时车间距误差值，其中，调整后的实时车间距误差值位于预设误差范围内。
在一个实施例中，该处理器执行计算机程序时实现以下步骤：获取目标车辆的实时位置信息；获取前一车辆的实时位置信息和前一车辆的车身长度；根据前一车辆的实时位置信息、前一车辆的车身长度和目标车辆的实时位置信息，得到实时车间距。
在一个实施例中，该处理器执行计算机程序时实现以下步骤：接收路侧智能设备发送的道路合流区域内的车辆通行顺序；根据车辆通行顺序确定前一车辆；在确定前一车辆之后，从各车辆广播的信息中提取前一车辆广播的信息，前一车辆广播的信息包括前一车辆的实时位置信息和前一车辆的车身长度。
在一个实施例中，该处理器执行计算机程序时实现以下步骤：路侧智能设备获取道路合流区域内各车道上的各车辆的实时位置信息；
路侧智能设备根据各车辆的实时位置信息和合流点的位置信息计算各车辆与合流点之间的合流距离；
路侧智能设备按照合流距离从小到大的顺序对各车辆进行排序，得到车辆通行顺序。
在一个实施例中，该处理器执行计算机程序时实现以下步骤：根据目标车辆的实时位置信息以及预构建的期望车间距函数，获取实时期望车间距。
在一个实施例中，该处理器执行计算机程序时实现以下步骤：获取起始边界的位置信息以及合流点的位置信息；
根据起始边界的位置信息、合流点的位置信息以及预设的期望车间距值构建期望车间距函数；
或者，根据起始边界的位置信息、合流点的位置信息、目标车辆在起始边界的实际车间距以及预设的期望车间距值构建期望车间距函数。
在一个实施例中，该处理器执行计算机程序时实现以下步骤：将实时车间距误差值输入至预创建的驱动力控制模型，得到实时驱动力。
在一个实施例中，该处理器执行计算机程序时实现以下步骤：对实时车间距误差值进行双射变换，得到误差状态变换方程；根据误差状态变化方程、前一车辆的实时位置信息、实时期望车间距和前一车辆的车身长度，确定目标车辆的车辆位置方程；根据车辆位置方程和预设的车辆纵向动力学方程，得到车辆系统函数；将车辆系统函数输入至驱动力控制模型。
在一个实施例中，该处理器执行计算机程序时实现以下步骤：针对车辆系统函数中的不确定性参数，将不确定性参数分解为名义参数和时变参数，得到多个参数方程，不确定性参数包括：车辆质量、车辆气动阻力系数和车辆综合阻力；将多个参数方程输入至车辆系统函数中，得到车辆时变系统函数；将车辆时变系统函数输入至驱动力控制模型。
在一个实施例中，该处理器执行计算机程序时实现以下步骤：根据车辆时变系统函数、Udwadia-Kalaba模型、反馈控制模型和鲁棒控制模型创建驱动力控制模型。
本实施例提供的计算机设备，其实现原理和技术效果与上述方法实施例类似，在此不再赘述。
在本申请的一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：获取目标车辆和目标车辆的前一车辆的实时车间距；获取目标车辆和前一车辆的实时期望车间距；根据实时车间距和实时期望车间距，计算实时车间距误差值；根据实时车间距误差值确定目标车辆的实时驱动力，并基于实时驱动力控制目标车辆运行，以调整实时车间距误差值，其中，调整后的实时车间距误差值位于预设误差范围内。
在一个实施例中，计算机程序被处理器执行时实现以下步骤：获取目标车辆的实时位置信息；获取前一车辆的实时位置信息和前一车辆的车身长度；根据前一车辆的实时位置信息、前一车辆的车身长度和目标车辆的实时位置信息，得到实时车间距。
在一个实施例中，计算机程序被处理器执行时实现以下步骤：接收路侧智能设备发送的道路合流区域内的车辆通行顺序；根据车辆通行顺序确定前一车辆；在确定前一车辆之后，从各车辆广播的信息中提取前一车辆广播的信息，前一车辆广播的信息包括前一车辆的实时位置信息和前一车辆的车身长度。
在一个实施例中，计算机程序被处理器执行时实现以下步骤：路侧智能设备获取道路合流区域内各车道上的各车辆的实时位置信息；
路侧智能设备根据各车辆的实时位置信息和合流点的位置信息计算各车辆与合流点之间的合流距离；
路侧智能设备按照合流距离从小到大的顺序对各车辆进行排序，得到车辆通行顺序。
在一个实施例中，计算机程序被处理器执行时实现以下步骤：根据目标车辆的实时位置信息以及预构建的期望车间距函数，获取实时期望车间距。
在一个实施例中，计算机程序被处理器执行时实现以下步骤：获取起始边界的位置信息以及合流点的位置信息；
根据起始边界的位置信息、合流点的位置信息以及预设的期望车间距值构建期望车间距函数；
或者，根据起始边界的位置信息、合流点的位置信息、目标车辆在起始边界的实际车间距以及预设的期望车间距值构建期望车间距函数。
在一个实施例中，计算机程序被处理器执行时实现以下步骤：将实时车间距误差值输入至预创建的驱动力控制模型，得到实时驱动力。
在一个实施例中，计算机程序被处理器执行时实现以下步骤：对实时车间距误差值进行双射变换，得到误差状态变换方程；根据误差状态变化方程、前一车辆的实时位置信息、实时期望车间距和前一车辆的车身长度，确定目标车辆的车辆位置方程；根据车辆位置方程和预设的车辆纵向动力学方程，得到车辆系统函数；将车辆系统函数输入至驱动力控制模型。
在一个实施例中，计算机程序被处理器执行时实现以下步骤：针对车辆系统函数中的不确定性参数，将不确定性参数分解为名义参数和时变参数，得到多个参数方程，不确定性参数包括：车辆质量、车辆气动阻力系数和车辆综合阻力；将多个参数方程输入至车辆系统函数中，得到车辆时变系统函数；将车辆时变系统函数输入至驱动力控制模型。
在一个实施例中，计算机程序被处理器执行时实现以下步骤：根据车辆时变系统函数、Udwadia-Kalaba模型、反馈控制模型和鲁棒控制模型创建驱动力控制模型。
本实施例提供的计算机可读存储介质，其实现原理和技术效果与上述方法实施例类似，在此不再赘述。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以M种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(SyMchliMk)DRAM(SLDRAM)、存储器总线(RaMbus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种车辆合流的控制方法，其特征在于，用于位于道路合流区域内的目标车辆中，所述方法包括：
获取所述目标车辆和所述目标车辆的前一车辆的实时车间距；
获取所述目标车辆和所述前一车辆的实时期望车间距；
根据所述实时车间距和所述实时期望车间距，计算实时车间距误差值；
根据所述实时车间距误差值确定所述目标车辆的实时驱动力，并基于所述实时驱动力控制所述目标车辆运行，以调整所述实时车间距误差值，其中，调整后的实时车间距误差值位于预设误差范围内。
2.根据权利要求1所述的方法，其特征在于，所述获取所述目标车辆和所述目标车辆的前一车辆的实时车间距，包括：
获取所述目标车辆的实时位置信息；
获取所述前一车辆的实时位置信息和所述前一车辆的车身长度；
根据所述前一车辆的实时位置信息、所述前一车辆的车身长度和所述目标车辆的实时位置信息，得到所述实时车间距。
3.根据权利要求1所述的方法，其特征在于，所述获取所述目标车辆和所述前一车辆的实时期望车间距，包括：
根据所述目标车辆的实时位置信息以及预构建的期望车间距函数，获取所述实时期望车间距。
4.根据权利要求3所述的方法，其特征在于，所述道路合流区域包括起始边界以及合流点，所述期望车间距函数的构建过程包括：
获取所述起始边界的位置信息以及合流点的位置信息；
根据所述起始边界的位置信息、所述合流点的位置信息以及预设的合流期望车间距值构建所述期望车间距函数；
或者，根据所述起始边界的位置信息、所述合流点的位置信息、所述目标车辆在起始边界的实际车间距以及所述合流期望车间距值构建所述期望车间距函数。
5.根据权利要求1所述的方法，其特征在于，所述根据所述实时车间距误差值确定所述目标车辆的实时驱动力，包括：
将所述实时车间距误差值输入至预创建的驱动力控制模型，得到所述实时驱动力。
6.根据权利要求5所述的方法，其特征在于，所述将所述实时车间距误差值输入至预创建的驱动力控制模型，包括：
对所述实时车间距误差值进行双射变换，得到误差状态变换方程；
根据所述误差状态变化方程、所述前一车辆的实时位置信息、所述实时期望车间距和所述前一车辆的车身长度，确定所述目标车辆的车辆位置方程；
根据所述车辆位置方程和预设的车辆纵向动力学方程，得到车辆系统函数；
将所述车辆系统函数输入至所述驱动力控制模型。
7.根据权利要求6所述的方法，其特征在于，所述车辆系统函数中包括不确定性参数，所述将所述车辆系统函数输入至所述驱动力控制模型，包括：
针对所述车辆系统函数中的不确定性参数，将所述不确定性参数分解为名义参数和时变参数，得到多个参数方程，所述不确定性参数包括：车辆质量、车辆气动阻力系数和车辆综合阻力；
将所述多个参数方程输入至所述车辆系统函数中，得到车辆时变系统函数；
将所述车辆时变系统函数输入至所述驱动力控制模型。
8.一种车辆合流的控制装置，其特征在于，所述装置包括：
第一获取模块，用于获取所述目标车辆和所述目标车辆的前一车辆的实时车间距；
第二获取模块，用于获取所述目标车辆和所述前一车辆的实时期望车间距；
计算模块，用于根据所述实时车间距和所述实时期望车间距，计算实时车间距误差值；
控制模块，用于根据所述实时车间距误差值确定所述目标车辆的实时驱动力，并基于所述实时驱动力控制所述目标车辆运行，以调整所述实时车间距误差值，其中，调整后的实时车间距误差值位于预设误差范围内。
9.一种计算机设备，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，所述计算机程序被所述处理器执行时实现如权利要求1至7任一所述的车辆合流的控制方法。
10.一种计算机可读存储介质，其特征在于，其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7任一所述的车辆合流的控制方法。
CN202111119649.1A 2021-09-24 2021-09-24 车辆合流的控制方法、装置、设备及存储介质 Active CN113885319B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111119649.1A CN113885319B (zh) 2021-09-24 2021-09-24 车辆合流的控制方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111119649.1A CN113885319B (zh) 2021-09-24 2021-09-24 车辆合流的控制方法、装置、设备及存储介质

Publications (2)

Publication Number Publication Date
CN113885319A true CN113885319A (zh) 2022-01-04
CN113885319B CN113885319B (zh) 2024-04-30

Family

ID=79006392

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111119649.1A Active CN113885319B (zh) 2021-09-24 2021-09-24 车辆合流的控制方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN113885319B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130158830A1 (en) * 2011-12-14 2013-06-20 Denso Corporation Leading Vehicle Detecting Apparatus And Inter-Vehicular Control Apparatus Using Leading Vehicle Detecting Apparatus
JP2014019405A (ja) * 2012-07-23 2014-02-03 Nissan Motor Co Ltd 車両位置決め制御装置
GB201810437D0 (en) * 2018-06-26 2018-08-08 Jaguar Land Rover Ltd A controller for a vehicle
WO2018163407A1 (ja) * 2017-03-10 2018-09-13 三菱電機株式会社 情報処理装置、情報処理方法及び情報処理プログラム
CN110166942A (zh) * 2019-05-24 2019-08-23 深圳市元征科技股份有限公司 一种导航方法、服务器及用户终端
CN111746539A (zh) * 2020-07-02 2020-10-09 清华大学 一种智能网联汽车严格安全换道入队控制方法
CN111746538A (zh) * 2020-07-02 2020-10-09 清华大学 一种严格避撞的车辆队列跟驰控制方法和控制系统
CN113022585A (zh) * 2021-03-17 2021-06-25 武汉理工大学 一种基于多源信息拓扑通信系统的异构多车协同控制方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130158830A1 (en) * 2011-12-14 2013-06-20 Denso Corporation Leading Vehicle Detecting Apparatus And Inter-Vehicular Control Apparatus Using Leading Vehicle Detecting Apparatus
JP2014019405A (ja) * 2012-07-23 2014-02-03 Nissan Motor Co Ltd 車両位置決め制御装置
WO2018163407A1 (ja) * 2017-03-10 2018-09-13 三菱電機株式会社 情報処理装置、情報処理方法及び情報処理プログラム
GB201810437D0 (en) * 2018-06-26 2018-08-08 Jaguar Land Rover Ltd A controller for a vehicle
CN110166942A (zh) * 2019-05-24 2019-08-23 深圳市元征科技股份有限公司 一种导航方法、服务器及用户终端
CN111746539A (zh) * 2020-07-02 2020-10-09 清华大学 一种智能网联汽车严格安全换道入队控制方法
CN111746538A (zh) * 2020-07-02 2020-10-09 清华大学 一种严格避撞的车辆队列跟驰控制方法和控制系统
CN113022585A (zh) * 2021-03-17 2021-06-25 武汉理工大学 一种基于多源信息拓扑通信系统的异构多车协同控制方法

Also Published As

Publication number Publication date
CN113885319B (zh) 2024-04-30

Similar Documents

Publication Publication Date Title
US9002612B2 (en) Prediction of driver-specific cruise speed using dynamic modeling
CN105745131B (zh) 行驶控制装置、服务器、车载装置
Kim et al. Probabilistic and holistic prediction of vehicle states using sensor fusion for application to integrated vehicle safety systems
JP5580852B2 (ja) 交通参加者の動きを予測する方法、システム、プログラム及び車両
WO2020229116A1 (de) Verfahren zum trainieren wenigstens eines algorithmus für ein steuergerät eines kraftfahrzeugs, computerprogrammprodukt, kraftfahrzeug sowie system
DE102016212751A1 (de) Abbiegevorhersagen
CN113665574B (zh) 智能汽车换道时长预测及拟人化轨迹规划方法
CN107408344A (zh) 驾驶辅助设备
CN113065257A (zh) 一种测试实例的自动生成方法、装置、计算机设备及介质
WO2022052856A1 (zh) 基于交通工具的数据处理方法、装置、计算机及存储介质
WO2021134357A1 (zh) 感知信息处理方法、装置、计算机设备和存储介质
CN111967163B (zh) 车辆仿真控制方法、装置、计算机设备及存储介质
CN111177934A (zh) 参考路径规划的方法、设备和存储介质
CN113650608A (zh) 一种基于自动驾驶的避障方法和装置
CN113212442A (zh) 一种轨迹感知车辆驾驶分析方法及系统
Chen et al. Towards human-like speed control in autonomous vehicles: A mountainous freeway case
Klingelschmitt et al. Using context information and probabilistic classification for making extended long-term trajectory predictions
Althoff et al. Stochastic reachable sets of interacting traffic participants
CN109987103B (zh) 辅助驾驶方法、装置、存储介质、系统及交通工具
US20230267828A1 (en) Device for and method of predicting a trajectory for a vehicle
CN113885319A (zh) 车辆合流的控制方法、装置、设备及存储介质
CN113110449A (zh) 一种车辆自动驾驶技术的仿真模拟系统
CN111830949B (zh) 自动驾驶车辆控制方法、装置、计算机设备和存储介质
CN110097077B (zh) 点云数据分类方法、装置、计算机设备和存储介质
CN115218902B (zh) 一种轨迹规划方法、装置、设备及存储介质

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