CN113971881A - 一种高速公路自动驾驶专用车道设置决策方法 - Google Patents

一种高速公路自动驾驶专用车道设置决策方法 Download PDF

Info

Publication number
CN113971881A
CN113971881A CN202111197797.5A CN202111197797A CN113971881A CN 113971881 A CN113971881 A CN 113971881A CN 202111197797 A CN202111197797 A CN 202111197797A CN 113971881 A CN113971881 A CN 113971881A
Authority
CN
China
Prior art keywords
cav
automatic driving
vehicle
expressway
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
CN202111197797.5A
Other languages
English (en)
Other versions
CN113971881B (zh
Inventor
江泽浩
刘聪健
陈珂
骆汉宾
丁烈云
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.)
Huazhong University of Science and Technology
Original Assignee
Huazhong 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 Huazhong University of Science and Technology filed Critical Huazhong University of Science and Technology
Priority to CN202111197797.5A priority Critical patent/CN113971881B/zh
Publication of CN113971881A publication Critical patent/CN113971881A/zh
Application granted granted Critical
Publication of CN113971881B publication Critical patent/CN113971881B/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
    • G08G1/01—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
    • 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
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • 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
    • G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Mathematical Optimization (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Analysis (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computational Mathematics (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明涉及一种高速公路自动驾驶专用车道设置决策方法，包括以下步骤：S1、在高速公路上，随机选取平直路段作为测试段，选取交通高峰作为研究时段；S2、实测得到人类驾驶车辆、单车智能自动驾驶车辆及车路协同自动驾驶汽车的占有率和饱和车头时距；S3、计算得到人机混驾交通流在高速公路测试段的通行能力C；S4、构建一个以通行能力C为因变量，并求得该函数的海森矩阵；S5、得到C在定义域内的凹凸性；S6、对高速公路自动驾驶专用车道设置与否做出决策。S7、对高速公路自动驾驶专用车道的类型做出决策。本发明为高速公路设置自动驾驶专用车道提供了一种科学的决策方法，同时该方法具有简明易操作的优点。

Description

一种高速公路自动驾驶专用车道设置决策方法
技术领域
本发明涉及车路联网与自动驾驶交通设计的技术领域，尤其是涉及一种高速公路自动驾驶专用车道设置决策方法。
背景技术
断面是道路的基本要素，断面设计是交通设计、规划与管理中基础内容。随着自动驾驶车辆的普及，亟需回答“建不建自动驾驶专用车道”和“建多少条自动驾驶专用车道”的问题。现有的技术中，交通设计是面向人类驾驶车辆的，因此，提出一种高速公路自动驾驶专用车道设置决策方法，以指导合理、经济地设置自动驾驶专用车道，具有重要的理论意义与工程价值。
发明内容
本发明要解决的技术问题在于，提供一种简明易操作的科学的高速公路自动驾驶专用车道设置决策方法。
本发明解决其技术问题所采用的技术方案是：构造一种高速公路自动驾驶专用车道设置决策方法，包括以下步骤：
S1、在作为研究对象的高速公路上，随机选取平直路段作为测试段，选取交通高峰作为研究时段；
S2、在测试段内实测得到人类驾驶车辆、单车智能自动驾驶车辆及车路协同自动驾驶车辆的占有率PHV、PAV与PCAV和饱和车头时距hHV、hAV与hCAV；
S3、通过计算得到人机混驾交通流在高速公路测试段的通行能力C；
S4、构建一个以所述通行能力C为因变量、以所述单车智能自动驾驶车辆及所述车路协同自动驾驶汽车的占有率PHV、PCAV为自变量的二元函数C(PAV,PCAV)，并求得该函数的海森矩阵，即：Hessian Matrix；
S5、根据二元函数凹凸性的判定法则，得到所述二元函数C(PAV,PCAV)在定义域内的凹凸性；
S6、以所述二元函数C(PAV,PCAV)的凹凸性，对高速公路自动驾驶专用车道设置与否做出决策；
S7、匹配自动驾驶车辆的交通流量与自动驾驶专用车道的通行能力，对高速公路自动驾驶专用车道的类型做出决策。
按上述方案，所述步骤S1包括以下步骤：
S101、所述测试段，高速公路的纵坡不大于4％，圆曲线的半径不小于800m；
S102、所述研究时段，选择早高峰7:00～8:00或晚高峰17:00～18:00。
按上述方案，所述步骤S2包括以下步骤：
S201、在所述研究时段内，在所述测试段内设立一个基准断面，按照车辆类型，即人类驾驶车辆HV、单车智能自动驾驶车辆AV与车路协同自动驾驶车辆CAV 统计1小时内通过基准断面的车辆数VHV、VAV和VCAV；
S202、用下列公式计算HV、AV与CAV的占有率，分别为：
Figure BDA0003303815540000021
Figure BDA0003303815540000022
Figure BDA0003303815540000023
式中，PHV、PAV与PCAV分别为HV、AV与CAV的占有率；
S203、对观测的VHV台HV、VAV台AV、VCAV台CAV，记录每一辆HV、AV和 CAV通过基准断面时与前车的车头时距
Figure BDA0003303815540000024
和
Figure BDA0003303815540000025
S204、用下列公式计算HV、AV与CAV的饱和车头时距，分别为：
Figure BDA0003303815540000026
Figure BDA0003303815540000027
Figure BDA0003303815540000028
式中，hHV、hAV与hCAV分别为HV、AV与CAV的饱和车头时距。
按上述方案，所述步骤S3包括以下内容：
用下列公式计算人机混驾交通流在高速公路测试段的通行能力C：
Figure BDA0003303815540000031
按上述方案，所述步骤S4包括以下步骤：
S401、构建以所述通行能力C为因变量、以单车智能自动驾驶车辆及车路协同自动驾驶汽车的占有率PHV、PCAV为自变量的二元函数C(PAV,PCAV)；
S402、用下列公式求得该函数的海森矩阵，即：Hessian Matrix：
Figure BDA0003303815540000032
按上述方案，所述步骤S5包括以下步骤：
S501、设定如下三个记号：
Figure BDA0003303815540000033
Figure BDA0003303815540000034
Figure BDA0003303815540000035
S502、用下列公式判断C(PAV,PCAV)的凹凸性：
若AC-B2≥0，且A>0，则C(PAV,PCAV)为凹函数；
若AC-B2≥0，且A<0，则C(PAV,PCAV)为凸函数；
若AC-B2<0，则C(PAV,PCAV)的凹凸性无法判定。
按上述方案，所述步骤S6包括以下步骤：
S601、若C(PAV,PCAV)为凹函数，应在作为研究对象的高速公路上，设置自动驾驶车辆专用车道；
S602、若C(PAV,PCAV)为凸函数，不应在作为研究对象的高速公路上，设置自动驾驶车辆专用车道。
按上述方案，所述步骤S7包括以下步骤：
S701、用以下公式计算得到，一条高速公路自动驾驶专用车道的通行能力为：
Figure BDA0003303815540000036
式中：Ce为一条高速公路自动驾驶专用车道的通行能力；P′AV为在自动驾驶专用车道内，单车智能自动驾驶车辆AV的比例；P′CAV为在自动驾驶专用车道内，车路协同自动驾驶车辆CAV的比例；
S702、用以下公式计算得到，作为研究对象的高速公路上，设置自动驾驶专用车道的数目为：
Figure BDA0003303815540000041
式中，ne为设置自动驾驶专用车道的数目；TRUNC(x)为数字截尾取整函数；
S703、若满足下式条件，则在自动驾驶专用车道的基础上，加设1条人类驾驶车辆与自动驾驶车辆的合用车道，其余的车道全部为人类驾驶专用车道：
Figure BDA0003303815540000042
S704、若满足下式条件，则在自动驾驶专用车道的基础上，其余的车道全部为人类驾驶专用车道：
Figure BDA0003303815540000043
实施本发明的高速公路自动驾驶专用车道设置决策方法，具有以下有益效果：
1、本发明以人机混驾交通流为设计交通流，不仅仅考虑人类驾驶车辆，也考虑了自动驾驶车辆。
2、本发明考虑了自动驾驶车辆的不同制式，将自动驾驶车辆分为单车智能自动驾驶车辆AV与车路协同自动驾驶车辆CAV两大类。
3、本发明提出了一种基于通行能力二元函数的海森矩阵的决策方法，若该函数为凹函数，则设置自动驾驶车辆专用车道；反之，若该函数为凸函数，则不设置自动驾驶车辆专用车道。
4、本发明提出了一种匹配自动驾驶车辆的交通流量与自动驾驶专用车道的通行能力，来决策高速公路自动驾驶专用车道的类型，包含自动驾驶专用车道，人类驾驶车辆与自动驾驶车辆的合用车道、人类驾驶专用车道。
附图说明
图1为高速公路自动驾驶专用车道设置决策流程图；
图2为高速公路自动驾驶专用车道类型示意图。
具体实施方式
为了对本发明的技术特征、目的和效果有更加清楚的理解，现对照附图详细说明本发明的具体实施方式。
如图1-2所示，本发明的高速公路自动驾驶专用车道设置决策方法，包括以下步骤：
S1、在作为研究对象的高速公路上，随机选取10Km的平直路段作为测试段，选取交通高峰的1个小时作为研究时段；具体包括以下步骤：
S101、测试段的选取，应保证高速公路纵坡不大于4％，圆曲线半径不小于800m；
S102、研究时段的选取，宜选择为早高峰7:00～8:00或晚高峰17:00～18:00。
S2、在测试段内实测得到人类驾驶车辆、单车智能自动驾驶车辆及车路协同自动驾驶车辆的占有率PHV、PAV与PCAV和饱和车头时距hHV、hAV与hCAV；具体包括以下步骤：
S201、在研究时段内，在测试段内设立一个基准断面，按照车辆类型，即人类驾驶车辆(HV)、单车智能自动驾驶车辆(AV)与车路协同自动驾驶车辆(CAV) 统计1小时内通过基准断面的车辆数VHV、VAV和VCAV；
S202、用下列公式计算HV、AV与CAV的占有率，分别为：
Figure BDA0003303815540000051
Figure BDA0003303815540000052
Figure BDA0003303815540000053
式中，PHV、PAV与PCAV分别为HV、AV与CAV的占有率；
S203、对观测的VHV台HV、VAV台AV和VCAV台CAV，记录每一辆HV、AV和 CAV通过基准断面时与前车的车头时距
Figure BDA0003303815540000054
和
Figure BDA0003303815540000055
S204、用下列公式计算HV、AV与CAV的饱和车头时距，分别为：
Figure BDA0003303815540000056
Figure BDA0003303815540000057
Figure BDA0003303815540000058
式中，hHV、hAV与hCAV分别为HV、AV与CAV的饱和车头时距。
S3、计算得到人机混驾交通流在高速公路测试段的通行能力C；具体包括以下内容：
用下列公式计算人机混驾交通流在高速公路测试段的通行能力C：
Figure BDA0003303815540000061
S4、构建一个以通行能力C为因变量、以单车智能自动驾驶车辆及车路协同自动驾驶汽车的占有率PHV、PCAV为自变量的二元函数C(PAV,PCAV)，并求得该函数的海森矩阵(Hessian Matrix)；具体包括以下步骤：
S401、构建一个以通行能力C为因变量、以单车智能自动驾驶车辆及车路协同自动驾驶汽车的占有率PHV、PCAV为自变量的二元函数C(PAV,PCAV)；
S402、用下列公式求得该函数的海森矩阵(Hessian Matrix)：
Figure BDA0003303815540000062
S5、根据二元函数凹凸性的判定法则，得到C(PAV,PCAV)在定义域内的凹凸性；具体包括以下步骤：
S501、设定如下三个记号：
Figure BDA0003303815540000063
Figure BDA0003303815540000064
Figure BDA0003303815540000065
S502、用下列公式判断C(PAV,PCAV)的凹凸性：
若AC-B2≥0，且A>0，则C(PAV,PCAV)为凹函数；
若AC-B2≥0，且A<0，则C(PAV,PCAV)为凸函数；
若AC-B2<0，则C(PAV,PCAV)的凹凸性无法判定。
S6、以C(PAV,PCAV)的凹凸性，对高速公路自动驾驶专用车道设置与否做出决策；具体包括以下步骤：
S601、若C(PAV,PCAV)为凹函数，应在作为研究对象的高速公路上，设置自动驾驶车辆专用车道；
S602、若C(PAV,PCAV)为凸函数，不应在作为研究对象的高速公路上，设置自动驾驶车辆专用车道。
S7、匹配自动驾驶车辆的交通流量与自动驾驶专用车道的通行能力，对高速公路自动驾驶专用车道的类型做出决策；具体包括以下步骤：
S701、用以下公式计算得到，一条高速公路自动驾驶专用车道的通行能力为：
Figure BDA0003303815540000071
式中：Ce为一条高速公路自动驾驶专用车道的通行能力；P′AV为在自动驾驶专用车道内，单车智能自动驾驶车辆(AV)的比例；P′CAV为在自动驾驶专用车道内，车路协同自动驾驶车辆(CAV)的比例；
S702、用以下公式计算得到，作为研究对象的高速公路上，应设置自动驾驶专用车道的数目为：
Figure BDA0003303815540000072
式中，ne为应设置自动驾驶专用车道的数目；TRUNC(x)为数字截尾取整函数，如TRUNC(3.1)＝3，TRUNC(4.8)＝4；
S703、若满足下式条件，则在自动驾驶专用车道的基础上，需加设1条人类驾驶车辆与自动驾驶车辆的合用车道，其余的车道全部为人类驾驶专用车道：
Figure BDA0003303815540000073
S704、若满足下式条件，则在自动驾驶专用车道的基础上，其余的车道全部为人类驾驶专用车道：
Figure BDA0003303815540000074
。

Claims (8)

1.一种高速公路自动驾驶专用车道设置决策方法，其特征在于，包括以下步骤：
S1、在作为研究对象的高速公路上，随机选取平直路段作为测试段，选取交通高峰作为研究时段；
S2、在测试段内实测得到人类驾驶车辆、单车智能自动驾驶车辆及车路协同自动驾驶车辆的占有率PHV、PAV与PCAV和饱和车头时距hHV、hAV与hCAV；
S3、通过计算得到人机混驾交通流在高速公路测试段的通行能力C；
S4、构建一个以所述通行能力C为因变量、以所述单车智能自动驾驶车辆及所述车路协同自动驾驶汽车的占有率PHV、PCAV为自变量的二元函数C(PAV，PCAV)，并求得该函数的海森矩阵，即：Hessian Matrix；
S5、根据二元函数凹凸性的判定法则，得到所述二元函数C(PAV，PCAV)在定义域内的凹凸性；
S6、以所述二元函数C(PAV，PCAV)的凹凸性，对高速公路自动驾驶专用车道设置与否做出决策；
S7、匹配自动驾驶车辆的交通流量与自动驾驶专用车道的通行能力，对高速公路自动驾驶专用车道的类型做出决策。
2.根据权利要求1所述的一种高速公路自动驾驶专用车道设置决策方法，其特征在于，所述步骤S1包括以下步骤：
S101、所述测试段，高速公路的纵坡不大于4％，圆曲线的半径不小于800m；
S102、所述研究时段，选择早高峰7：00～8：00或晚高峰17：00～18：00。
3.根据权利要求1所述的一种高速公路自动驾驶专用车道设置决策方法，其特征在于，所述步骤S2包括以下步骤：
S201、在所述研究时段内，在所述测试段内设立一个基准断面，按照车辆类型，即人类驾驶车辆HV、单车智能自动驾驶车辆AV与车路协同自动驾驶车辆CAV统计1小时内通过基准断面的车辆数VHV、VAV和VCAV；
S202、用下列公式计算HV、AV与CAV的占有率，分别为：
Figure FDA0003303815530000011
Figure FDA0003303815530000012
Figure FDA0003303815530000021
式中，PHV、PAV与PCAV分别为HV、AV与CAV的占有率；
S203、对观测的VHV台HV、VAV台AV、VCAV台CAV，记录每一辆HV、AV和CAV通过基准断面时与前车的车头时距
Figure FDA0003303815530000022
和
Figure FDA0003303815530000023
S204、用下列公式计算HV、AV与CAV的饱和车头时距，分别为：
Figure FDA0003303815530000024
Figure FDA0003303815530000025
Figure FDA0003303815530000026
式中，hHV、hAV与hCAV分别为HV、AV与CAV的饱和车头时距。
4.根据权利要求3所述的一种高速公路自动驾驶专用车道设置决策方法，其特征在于，所述步骤S3包括以下内容：
用下列公式计算人机混驾交通流在高速公路测试段的通行能力C：
Figure FDA0003303815530000027
5.根据权利要求4所述的一种高速公路自动驾驶专用车道设置决策方法，其特征在于，所述步骤S4包括以下步骤：
S401、构建以所述通行能力C为因变量、以单车智能自动驾驶车辆及车路协同自动驾驶汽车的占有率PHV、PCAV为自变量的二元函数C(PAV，PCAV)；
S402、用下列公式求得该函数的海森矩阵，即：Hessian Matrix：
Figure FDA0003303815530000028
6.根据权利要求5所述的一种高速公路自动驾驶专用车道设置决策方法，其特征在于，所述步骤S5包括以下步骤：
S501、设定如下三个记号：
Figure FDA0003303815530000031
Figure FDA0003303815530000032
Figure FDA0003303815530000033
S502、用下列公式判断C(PAV，PCAV)的凹凸性：
若AC-B2≥0，且A＞0，则C(PAV，PCAV)为凹函数；
若AC-B2≥0，且A＜0，则C(PAV，PCAV)为凸函数；
若AC-B2＜0，则C(PAV，PCAV)的凹凸性无法判定。
7.根据权利要求6所述的一种高速公路自动驾驶专用车道设置决策方法，其特征在于，所述步骤S6包括以下步骤：
S601、若C(PAV，PCAV)为凹函数，应在作为研究对象的高速公路上，设置自动驾驶车辆专用车道；
S602、若C(PAV，PCAV)为凸函数，不应在作为研究对象的高速公路上，设置自动驾驶车辆专用车道。
8.根据权利要求7所述的一种高速公路自动驾驶专用车道设置决策方法，其特征在于，所述步骤S7包括以下步骤：
S701、用以下公式计算得到，一条高速公路自动驾驶专用车道的通行能力为：
Figure FDA0003303815530000034
式中：Ce为一条高速公路自动驾驶专用车道的通行能力；P′AV为在自动驾驶专用车道内，单车智能自动驾驶车辆AV的比例；P′CAV为在自动驾驶专用车道内，车路协同自动驾驶车辆CAV的比例；
S702、用以下公式计算得到，作为研究对象的高速公路上，设置自动驾驶专用车道的数目为：
Figure FDA0003303815530000035
式中，ne为设置自动驾驶专用车道的数目；TRUNC(x)为数字截尾取整函数；
S703、若满足下式条件，则在自动驾驶专用车道的基础上，加设1条人类驾驶车辆与自动驾驶车辆的合用车道，其余的车道全部为人类驾驶专用车道：
Figure FDA0003303815530000036
S704、若满足下式条件，则在自动驾驶专用车道的基础上，其余的车道全部为人类驾驶专用车道：
Figure FDA0003303815530000041
CN202111197797.5A 2021-10-14 2021-10-14 一种高速公路自动驾驶专用车道设置决策方法 Active CN113971881B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111197797.5A CN113971881B (zh) 2021-10-14 2021-10-14 一种高速公路自动驾驶专用车道设置决策方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111197797.5A CN113971881B (zh) 2021-10-14 2021-10-14 一种高速公路自动驾驶专用车道设置决策方法

Publications (2)

Publication Number Publication Date
CN113971881A true CN113971881A (zh) 2022-01-25
CN113971881B CN113971881B (zh) 2022-06-28

Family

ID=79587394

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111197797.5A Active CN113971881B (zh) 2021-10-14 2021-10-14 一种高速公路自动驾驶专用车道设置决策方法

Country Status (1)

Country Link
CN (1) CN113971881B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116386368A (zh) * 2023-03-31 2023-07-04 东南大学 一种面向高速公路的自动驾驶专用道及设置方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102013005248A1 (de) * 2013-03-27 2014-10-02 Conti Temic Microelectronic Gmbh Verfahren und Vorrichtung für einen Überholassistenten
CN109345826A (zh) * 2018-10-19 2019-02-15 同济大学 一种双停车线信号控制环形交叉口通行能力的获取方法
CN110443173A (zh) * 2019-07-26 2019-11-12 华中科技大学 一种基于帧间关系的视频实例分割方法及系统
CN110972313A (zh) * 2019-12-05 2020-04-07 北京邮电大学 空天地一体化网络的资源分配方法和系统
CN112419601A (zh) * 2020-10-29 2021-02-26 东北大学秦皇岛分校 一种基于排队论的单向车辆共享系统规模优化方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102013005248A1 (de) * 2013-03-27 2014-10-02 Conti Temic Microelectronic Gmbh Verfahren und Vorrichtung für einen Überholassistenten
CN109345826A (zh) * 2018-10-19 2019-02-15 同济大学 一种双停车线信号控制环形交叉口通行能力的获取方法
CN110443173A (zh) * 2019-07-26 2019-11-12 华中科技大学 一种基于帧间关系的视频实例分割方法及系统
CN110972313A (zh) * 2019-12-05 2020-04-07 北京邮电大学 空天地一体化网络的资源分配方法和系统
CN112419601A (zh) * 2020-10-29 2021-02-26 东北大学秦皇岛分校 一种基于排队论的单向车辆共享系统规模优化方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
张艺轩: "基于车联网技术的智能交通系统的设计与实现", 《中国优秀博硕士学位论文全文数据库(硕士)工程科技Ⅱ辑》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116386368A (zh) * 2023-03-31 2023-07-04 东南大学 一种面向高速公路的自动驾驶专用道及设置方法
CN116386368B (zh) * 2023-03-31 2024-03-26 东南大学 一种面向高速公路的自动驾驶专用道及设置方法

Also Published As

Publication number Publication date
CN113971881B (zh) 2022-06-28

Similar Documents

Publication Publication Date Title
Liu et al. Modelling the multilevel structure and mixed effects of the factors influencing the energy consumption of electric vehicles
Börjesson et al. The Gothenburg congestion charge. Effects, design and politics
Nair et al. A porous flow approach to modeling heterogeneous traffic in disordered systems
CN108509434A (zh) 一种群体用户的挖掘方法及装置
CN113971881B (zh) 一种高速公路自动驾驶专用车道设置决策方法
CN112699284B (zh) 一种基于多源数据的公交站点优化可视化方法
CN108388970B (zh) 一种基于gis的公交站点选址方法
CN106710216A (zh) 高速公路实时交通拥堵路况检测方法和系统
CN110299027B (zh) 基于轨迹数据和地图数据的车辆变道监测与安全预警方法
CN110415514A (zh) 一种交叉口车道优化方案选择方法、装置和存储介质
Vedagiri et al. Estimating modal shift of car travelers to bus on introduction of bus priority system
CN116740974B (zh) 一种基于路网大数据的高速公路路况预警系统
CN103714694B (zh) 城市交通信息接入处理系统
CN108985616A (zh) 一种公交专用道布局评价方法
CN105509759A (zh) 智能油料提示装置及方法
CN110175704B (zh) 一种共享车辆规范停车区域划分方法
WO2016101744A1 (zh) 一种油耗预测方法及装置
CN108399742A (zh) 一种基于交通饱和度的交通态势热图可视化方法
CN109830104B (zh) 一种基于宏观基本图的交叉口控制效率的分析方法
CN106652450A (zh) 一种高速公路交通指数数值确定方法
CN109508828B (zh) 一种区内出行距离的确定方法
CN103134497A (zh) 道路实时路况信息的确定方法及装置、导航系统
Tsuboi Quantitative traffic congestion analysis approach in Ahmedabad
CN111984923A (zh) 一种评估冷暖季节下自行车快速道对自行车安全影响的方法
CN113409570B (zh) 体力交通可达性的评估方法

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