CN114566065B - 一种基于车路协同的多车协作式变道方法 - Google Patents

一种基于车路协同的多车协作式变道方法 Download PDF

Info

Publication number
CN114566065B
CN114566065B CN202210210270.XA CN202210210270A CN114566065B CN 114566065 B CN114566065 B CN 114566065B CN 202210210270 A CN202210210270 A CN 202210210270A CN 114566065 B CN114566065 B CN 114566065B
Authority
CN
China
Prior art keywords
vehicle
lane
target
decision
lane change
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202210210270.XA
Other languages
English (en)
Other versions
CN114566065A (zh
Inventor
马忠伟
徐巍
王劲
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.)
Tianyi Transportation Technology Co ltd
Original Assignee
Tianyi Transportation Technology Co ltd
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 Tianyi Transportation Technology Co ltd filed Critical Tianyi Transportation Technology Co ltd
Priority to CN202210210270.XA priority Critical patent/CN114566065B/zh
Publication of CN114566065A publication Critical patent/CN114566065A/zh
Application granted granted Critical
Publication of CN114566065B publication Critical patent/CN114566065B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G08SIGNALLING
    • G08GTRAFFIC CONTROL SYSTEMS
    • G08G1/00Traffic control systems for road vehicles
    • G08G1/16Anti-collision systems
    • G08G1/167Driving aids for lane monitoring, lane changing, e.g. blind spot detection
    • GPHYSICS
    • G08SIGNALLING
    • G08GTRAFFIC CONTROL SYSTEMS
    • G08G1/00Traffic control systems for road vehicles
    • G08G1/16Anti-collision systems
    • G08G1/161Decentralised systems, e.g. inter-vehicle communication
    • GPHYSICS
    • G08SIGNALLING
    • G08GTRAFFIC CONTROL SYSTEMS
    • G08G1/00Traffic control systems for road vehicles
    • G08G1/16Anti-collision systems
    • G08G1/164Centralised systems, e.g. external to vehicles
    • GPHYSICS
    • G08SIGNALLING
    • G08GTRAFFIC CONTROL SYSTEMS
    • G08G1/00Traffic control systems for road vehicles
    • G08G1/16Anti-collision systems
    • G08G1/166Anti-collision systems for active traffic, e.g. moving vehicles, pedestrians, bikes

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Traffic Control Systems (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)

Abstract

本发明提供了一种基于车路协同的协作式车辆换道方法,具体包括以下步骤:(1)换道意图触发、(2)协作换道请求、(3)决策冲突检测、(4)调度决策生成、(5)决策冲突消除、(6)换道决策执行。本发明基于路侧边缘计算单元内置的调度决策算法和配备有v2x通信能力的车载单元的车路协同环境,解决了在自动驾驶车辆表现出换道意图时,对目标车道上存在状态相近的自动驾驶车辆做出的纵向决策存在二义性,从而影响车辆通过单车智能算法无法做出合理的纵向决策,使其无法正常完成换道动作或者无法保证换道平顺性等问题。

Description

一种基于车路协同的多车协作式变道方法
技术领域
本发明涉及一种多车协作式变道方法,更具体的是涉及一种基于车路协同的多车协作式变道方法。
背景技术
随着社会的发展与进步,车辆逐渐普及,相对于传统的出行方式,私家车更为便捷且满足消费者对于舒适度的要求。在驾驶过程中,变更车道对于驾驶员来说是最为常见的操作,车辆变道不仅仅需要驾驶员的驾驶技术,也需要驾驶员对交通状况有一个整体性的把握,否则很容易造成交通事故。驾驶员对路况以及变道有关联的车辆的车况不熟悉而做出的错误判断将导致不可挽回的事故伤亡。当驾驶员在夜间行驶车辆时,由于夜晚光线较暗,且在变道线上行驶的车辆车速并不稳定,这些都对驾驶员进行变道时设置了障碍。
现今,自动驾驶技术正蓬勃发展,在自动驾驶领域所常用的变道方案包括协作式换道驾驶辅助方案与单车智能换道方案,其中涉及基于车路协同的协作式变道方案均为变道场景下通过人机交互的方式实现驾驶辅助提示,帮助驾驶人员安全完成协作式变道场景,辅助提示内容包括车辆变道方向、变道完成时间等,基于此方案虽然可以通过路侧设备获取换道场景的所有交通参与者的全局信息,仅能适用车辆运动状态稳定的场景,给出的决策建议存在不稳定或不准确的情况,同时这些辅助提示缺少纵向决策信息,无法直接作用于自动驾驶车辆,因此无法保证换道过程中的安全。涉及单车智能通过换道场景方案,为基于车载传感器获取局部障碍物信息,在当前车道出现缓行车辆,严重影响通行效率时,通过单车的决策规划算法给出行为决策,此方案不具备路侧特有的视角优势和获取全局信息的能力,局部感知信息的缺失影响了单车的决策结果,单车智能决策规划算法,在车辆位置接近和运动状态相似时,容易出现单车纵向决策的二义性问题,无法保证正常换道和换道过程中的平顺性。
发明内容
为解决现有技术的不足,现提供一种基于车路协同的协作式车辆换道方法。
一种基于车路协同的协作式车辆换道方法,包括以下步骤:
S1:换道意图触发:当前车道出现障碍车辆时,触发车辆换道意图,换道车辆的单车智能算法给出换道横向决策;
S2:协作换道请求:换道车辆向路侧计算单元发送协作式变道请求,所述变道请求包括变更到目标车道,当路侧计算单元获取了包括变道车辆和目标车道车辆的所有协作式换道的全部相关交通参与者的反馈信息时,协作式换道请求完成;
S3:决策冲突检测:接受所有换道参与者的状态信息,检测各车辆的纵向决策是否存在冲突,若存在决策冲突,进入调度决策过程;若不存在决策冲突,则直接执行单车决策;
S4:调度决策生成:基于交通参与者的真值数据,通过路侧计算单元中的调度系统生成纵向决策,构造评价函数对决策的优劣进行评价;
S5:决策冲突消除:根据调度节点下发的纵向决策信息,各交通参与者通过调整自身的速度,改变彼此之间的距离来响应调度节点的决策,从而消除决策冲突,具体过程包括:
(1)根据公式I计算车辆矩形包络长度ltransform
(2)根据公式II获取目标车道车辆的末状态速度vn和目标速度曲线索引n;
(3)根据公式III获取减速过程中的目标减速度atarget
S6:换道决策执行:目标车辆执行所述S5中步骤(3)获取的目标减速度atarget,当满足换道条件时,由单车智能算法执行换道决策;
所述障碍车辆、目标车辆、换道车辆均配备有v2x通信能力的车载单元的车路协同环境。
优选的,所述S1换道车辆的单车智能算法触发车辆换道意图的具体步骤为:
获取感知和预测信息,将描述障碍物的多边形包络投影至车辆所在的参考线上,所述的参考线信息为:
reflineInfo=fproject(polygonobstacle,refline)
其中,reflineInfo为加入障碍物信息的参考线信息,polygonobstacle为障碍物的多边形包络数据,refline为参考线信息,fproject为将障碍物基于参考线做Frenet变换的投影函数;
如果障碍物占据了道路中心线,且障碍物与车道边界之间不存在换道空间,则该车辆切换参考线做换道决策。
优选的,所述S2中路侧计算单元获取信息的步骤为:
路侧计算单元通过目标车道及地图信息,生成过滤消息请求对象的感兴趣区域信息,然后向位于感兴趣区域内的交通参与者发送消息请求信息。
优选的,所述S4中构造的评价函数为:
Subject to ljerk≤jerk≤ujerk
其中,f(t)为加加速度评价函数,jerk为每个时间戳对应的加加速度值,ljerk为加加速度下限,ujerk为加加速度上限。
优选的,所述S5中计算车辆矩形包络长度的公式I为:
ltransform=L-Cvvdelta
其中,ltransform为可变的车辆矩形包络的长度,L为车辆长度,vdelta为两车速度差,Cv为速度影响系数。如果确定车辆的速域0~Vmax,速度影响系数的取值Cv=L/Vmax
优选的,所述S5中获取目标车道车辆的末状态速度的公式II为:
sdelta=WINDOWexpect=s1-s2
其中,sdelta为满足换道执行条件的两车距离差,WINDOWexpect为设定的期望换道距离条件,当满足sdelta和WINDOWexpect相等时,开始执行换道。s1为nT行驶的距离,s2为目标车道车辆的减速距离,T为目标速度曲线的时间分辨率,n为目标速度曲线索引,vn为目标车道车辆末状态速度,v2为目标车道车辆初状态速度,为已知量;
通过计算得出目标车道车辆末状态速度vn和目标速度曲线索引n,根据公式III获取减速过程中的目标减速度atarget,公式III为:
其中,atarget为减速过程中的目标减速度,v2为目标车道车辆初状态速度,vn为公式II所求得的目标车道车辆末状态速度,n为目标速度曲线索引,T为目标速度曲线的时间分辨率。
优选的,所述S1中障碍车辆为在换道车辆前方出现的长时间低速缓行的车辆。
优选的,所述S4中的真值数据为车载RTK数据。
有益效果:
与现有技术相比,本发明基于路侧边缘计算单元内置的调度决策算法和配备有v2x通信能力的车载单元的车路协同环境,通过路侧计算单元中的调度节点根据场景范围内涉及换道车辆的状态给出统一的纵向决策,换道场景中的车辆根据该纵向决策调整自身的状态和车辆间距,避免两两之间存在相互冲突,解决了在自动驾驶车辆表现出换道意图时,目标车道上存在状态相近的自动驾驶车辆而产生纵向决策二义性,从而影响车辆通过单车智能算法无法做出合理的纵向决策,使其无法正常完成换道动作或者无法保证换道平顺性等问题。
附图说明
图1是实施例中基于车路协同的协作式换道流程图;
图2是实施例中换道意图触发示意图;
图3是实施例中感兴趣区域生成及请求对象筛选;
图4是实施例决策冲突检测中单车决策模块基于换道车辆构建的s-t图;
图5是实施例决策冲突检测中单车决策模块基于目标车辆构建的s-t图;
图6是实施例调度决策生成中调度系统基于目标车辆构建的s-t图;
图7是实施例调度决策生成中调度系统基于换道车辆构建的s-t图;
图8是实施例中决策冲突消除示意图。
具体实施方式
为了加深对本发明的理解,下面将结合实施例和附图对本发明作进一步详述,该实施例仅用于解释本发明,并不构成对本发明保护范围的限定。
实施例:
一种基于车路协同的协作式车辆换道方法,协作式换道流程如图1所示包括换道意图触发、协作换道请求、决策冲突检测、调度决策生成、决策冲突消除、换道决策执行。
具体步骤如下:
一、换道意图触发
如果当前车道上在自动驾驶车辆前方出现长时间低速缓行的车辆,严重影响了自车的通行效率,从而触发该车辆的换道意图,同时单车智能算法会给出换道的横向决策,其主要步骤包括:
获取感知和预测信息,将描述障碍物的多边形包络,投影到换道车辆所在的参考线上:
reflineInfo=fproject(polygonobstacle,refline)
其中,reflineInfo为加入障碍物信息的参考线信息,polygonobstacle为障碍物的多边形包络数据,refline参考线信息,fproject为将障碍物基于参考线做Frenet变换的投影函数。
其中,Frenet坐标:一种以比传统x-y-z笛卡尔坐标更直观的道路位置表示方式,它使用变量s和d(l)描述车辆在道路上的位置。其中s表示沿道路的距离(也称为纵向位移)和d(l)表示道路上的左右位置(也称为横向位移)。
如果障碍物占据了道路中心线,且障碍物与车道边界之间不存在换道空间,则该车辆切换参考线做换道决策,如图2所示。
二、协作换道请求
当所述的车辆做出了换道的横向决策,该车辆向路侧计算单元发送协作式变道请求,该请求包括换道目标车道。路侧计算单元通过目标车道及地图信息,生成过滤消息请求对象的感兴趣区域信息,再向处在感兴趣区域内的交通参与者发送消息请求信息。当路侧计算单元获取了包括变道车辆和目标车道车辆的所有协作式换道的全部相关交通参与者的反馈信息时,协作式换道请求完成,如图3所示。
三、决策冲突检测
在收到所有换道相关参与者的状态信息后,检测各车辆的纵向决策是否存在冲突,如图4和图5所示,单车智能算法是基于对环境中的障碍物信息构建s-t图对局部障碍物做纵向决策的,由于单车决策模块的输入是经过感知、预测模块处理后的数据,测量值和真值可能存在误差,并且单车决策过程需要设置安全阈值,容易导致单车智能算法在对彼此做纵向决策时产生冲突。如果存在决策冲突,则进入调度决策过程;如果不存在,则直接执行单车决策。
四、调度决策生成
由于路侧计算单元中的调度系统可以要求交通参与者执行调度决策、彼此协作完成换道场景,所以调度系统可以基于各交通参与者状态的真值数据(一般为车载RTK的数据)生成纵向决策。其s-t图的构建和决策示意图,如图6和图7所示。
由于加加速度是评价车辆舒适性的重要指标,因此构造一个加加速度评价函数来评价决策的优劣:
Subject to ljerk≤jerk≤ujerk
其中,f(t)为加加速度评价函数,jerk为每个时间戳对应的加加速度值,ljerk为加加速度下限,ujerk为加加速度上限。
五、决策冲突消除
根据调度节点下发的纵向决策信息,各交通参与者调整自身的速度改变彼此之间的距离来响应调度节点的决策,从而保证单车智能算法能够不再出现决策冲突,具体过程包括:
车辆矩形包络长度的计算:
ltransform=L-Cvvdelta
其中,ltransform为可变的车辆矩形包络的长度,L为车辆长度,vdelta为两车速度差,Cv为速度影响系数。如果确定车辆的速域0~Vmax,速度影响系数的取值Cv=L/Vmax
为保证两车速度和距离调整过程中的平顺性,根据换道执行的距离窗口和换道车辆的目标速度曲线,获取目标车道车辆的末状态速度:
sdelta=WINDOWexpect=s1-s2(1)
(2)
(3)
其中,sdelta为满足换道执行条件的两车距离差,WINDOWexpect为设定的期望换道距离条件,当满足sdelta和WINDOWexpect相等时,开始执行换道。s1为nT行驶的距离,s2为目标车道车辆的减速距离,T为目标速度曲线的时间分辨率,vn目标车道车辆末状态速度,v2为目标车道车辆初状态速度,为已知量。
(4)
由公式(1)和(2)计算出末状态速度vn和目标速度曲线索引n,然后跟据公式(3)得出减速过程中的目标减速度atarget。冲突消除示意图如图8所示。
六、换道决策执行
目标车辆执行公式(4)中计算的得出的制动减速度,直至满足换道条件,由单车智能算法执行换道决策。
本发明基于路侧边缘计算单元内置的调度决策算法和配备有v2x通信能力的车载单元的车路协同环境,解决了在自动驾驶车辆表现出换道意图时,目标车道上存在状态相近的自动驾驶车辆而产生纵向决策二义性,从而影响车辆通过单车智能算法无法做出合理的纵向决策,使其无法正常完成换道动作或者无法保证换道平顺性等问题。
作为进一步改进,以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。

Claims (7)

1.一种基于车路协同的协作式车辆换道方法,其特征在于,包括如下步骤:
S1:换道意图触发:当前车道出现障碍车辆时,触发车辆换道意图,换道车辆的单车智能算法给出换道横向决策;
S2:协作换道请求:换道车辆向路侧计算单元发送协作式变道请求,所述变道请求包括变更到目标车道,当路侧计算单元获取了包括变道车辆和目标车道车辆的所有协作式换道的全部相关交通参与者的反馈信息时,协作式换道请求完成;
S3:决策冲突检测:接受所有换道参与者的状态信息,检测各车辆的纵向决策是否存在冲突,若存在决策冲突,进入调度决策过程;若不存在决策冲突,则直接执行单车决策;
S4:调度决策生成:基于交通参与者的真值数据,通过路侧计算单元中的调度系统生成纵向决策,构造评价函数对决策的优劣进行评价;
S5:决策冲突消除:根据调度节点下发的纵向决策信息,各交通参与者通过调整自身的速度,改变彼此之间的距离来响应调度节点的决策,从而消除决策冲突,具体过程包括:
(1)根据公式I计算车辆矩形包络长度ltransform
(2)根据公式II获取目标车道车辆的末状态速度vn和目标速度曲线索引n;
(3)根据公式III获取减速过程中的目标减速度atarget
S6:换道决策执行:目标车辆执行所述S5中步骤(3)获取的目标减速度atarget,当满足换道条件时,由单车智能算法执行换道决策;
所述障碍车辆、目标车辆、换道车辆均配备有v2x通信能力的车载单元的车路协同环境,
所述S1换道车辆的单车智能算法触发车辆换道意图的具体步骤为:
获取感知和预测信息,将描述障碍物的多边形包络投影至车辆所在的参考线上,所述的参考线信息为:
reflineInfo=fproject(polygonobstacle,refline)
其中,reflineInfo为加入障碍物信息的参考线信息,polygonobstacle为障碍物的多边形包络数据,refline参考线信息,fproject为将障碍物基于参考线做Frenet变换的投影函数;
所述S5中计算车辆矩形包络长度的公式Ⅰ为:
ltransform=L-Cvvdelta
其中,ltransform为可变的车辆矩形包络的长度,L为车辆长度,vdelta为两车速度差,Cv为速度影响系数;
所述S5中获取目标车道车辆的末状态速度的公式Ⅱ为:
sdelta=WINDOWexpect=s1-s2
其中,sdelta为满足换道执行条件的两车距离差,WINDOWexpect为设定的期望换道距离条件, s1为nT行驶的距离,s2为目标车道车辆的减速距离,T为目标速度曲线的时间分辨率,n为目标速度曲线索引,vn为目标车道车辆末状态速度,v2为目标车道车辆初状态速度;
通过计算得出目标车道车辆末状态速度vn和目标速度曲线索引n,根据公式Ⅲ获取减速过程中的目标减速度atarget,公式Ⅲ为:
其中,atarget为减速过程中的目标减速度,v2为目标车道车辆初状态速度,vn为公式Ⅱ所求得的目标车道车辆末状态速度,n为目标速度曲线索引,T为目标速度曲线的时间分辨率。
2.根据权利要求1所述的一种基于车路协同的协作式车辆换道方法,其特征在于,所述S2中路侧计算单元获取信息的步骤为:
路侧计算单元通过目标车道及地图信息,生成过滤消息请求对象的感兴趣区域信息,然后向位于感兴趣区域内的交通参与者发送消息请求信息。
3.根据权利要求1所述的一种基于车路协同的协作式车辆换道方法,其特征在于,所述S4中构造的评价函数为:
subject to ljerk≤jerk≤ujerk
其中,f(t)为加加速度评价函数,jerk为每个时间戳对应的加加速度值,ljerk为加加速度下限,ujerk为加加速度上限。
4.根据权利要求1所述的一种基于车路协同的协作式车辆换道方法,其特征在于,所述S5中,公式Ⅰ中,如果确定车辆的速域0~Vmax,速度影响系数的取值Cv=L/Vmax
5.根据权利要求1所述的一种基于车路协同的协作式车辆换道方法,其特征在于,所述S5中,公式Ⅱ中,当满足sdelta和WINDOWexpect相等时,开始执行换道,并且v2为已知量。
6.根据权利要求1所述的一种基于车路协同的协作式车辆换道方法,其特征在于,所述S1中障碍车辆为在换道车辆前方出现的长时间低速缓行的车辆。
7.根据权利要求1所述的一种基于车路协同的协作式车辆换道方法,其特征在于,所述S4中的真值数据为车载RTK数据。
CN202210210270.XA 2022-03-04 2022-03-04 一种基于车路协同的多车协作式变道方法 Active CN114566065B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210210270.XA CN114566065B (zh) 2022-03-04 2022-03-04 一种基于车路协同的多车协作式变道方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210210270.XA CN114566065B (zh) 2022-03-04 2022-03-04 一种基于车路协同的多车协作式变道方法

Publications (2)

Publication Number Publication Date
CN114566065A CN114566065A (zh) 2022-05-31
CN114566065B true CN114566065B (zh) 2024-02-27

Family

ID=81716907

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210210270.XA Active CN114566065B (zh) 2022-03-04 2022-03-04 一种基于车路协同的多车协作式变道方法

Country Status (1)

Country Link
CN (1) CN114566065B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115195738A (zh) * 2022-07-21 2022-10-18 智道网联科技(北京)有限公司 车辆变道方法、装置及电子设备、存储介质
CN114999229A (zh) * 2022-08-02 2022-09-02 联友智连科技有限公司 车辆变道的方法、系统及可读存储介质
CN115571165B (zh) * 2022-12-09 2023-03-31 广汽埃安新能源汽车股份有限公司 车辆控制方法、装置、电子设备和计算机可读介质
CN117681878B (zh) * 2024-02-04 2024-04-16 西南交通大学 一种编队感知的智能网联汽车协同变道方法

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102009033800A1 (de) * 2009-07-18 2010-03-25 Daimler Ag Verfahren zur Unterstützung eines Fahrers bei der Vorbereitung eines Fahrspurwechsels
CN106940933A (zh) * 2017-03-08 2017-07-11 北京理工大学 一种基于智能交通系统的智能车辆决策换道方法
CN108313054A (zh) * 2018-01-05 2018-07-24 北京智行者科技有限公司 自动驾驶自主换道决策方法和装置及自动驾驶车辆
CN108919795A (zh) * 2018-06-01 2018-11-30 中国北方车辆研究所 一种自动驾驶汽车换道决策方法及装置
CN109035862A (zh) * 2018-08-06 2018-12-18 清华大学 一种基于车车通信的多车协同换道控制方法
CN110362910A (zh) * 2019-07-05 2019-10-22 西南交通大学 基于博弈论的自动驾驶车辆换道冲突协调模型建立方法
CN111081065A (zh) * 2019-12-13 2020-04-28 北京理工大学 路段混行条件下的智能车辆协同换道决策模型
CN112040392A (zh) * 2020-08-03 2020-12-04 南京航空航天大学 一种基于车车通信的多车协同换道控制系统及方法
CN112289076A (zh) * 2020-10-30 2021-01-29 长安大学 双车道智能网联车协同换道方法、装置、设备及存储介质
CN112907967A (zh) * 2021-01-29 2021-06-04 吉林大学 一种基于不完全信息博弈的智能车换道决策方法
CN113291324A (zh) * 2021-06-25 2021-08-24 的卢技术有限公司 一种智能汽车个性化换道决策方法、系统及介质

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7103404B2 (ja) * 2018-02-20 2022-07-20 日産自動車株式会社 自動車線変更制御方法及び自動車線変更制御装置

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102009033800A1 (de) * 2009-07-18 2010-03-25 Daimler Ag Verfahren zur Unterstützung eines Fahrers bei der Vorbereitung eines Fahrspurwechsels
CN106940933A (zh) * 2017-03-08 2017-07-11 北京理工大学 一种基于智能交通系统的智能车辆决策换道方法
CN108313054A (zh) * 2018-01-05 2018-07-24 北京智行者科技有限公司 自动驾驶自主换道决策方法和装置及自动驾驶车辆
CN108919795A (zh) * 2018-06-01 2018-11-30 中国北方车辆研究所 一种自动驾驶汽车换道决策方法及装置
CN109035862A (zh) * 2018-08-06 2018-12-18 清华大学 一种基于车车通信的多车协同换道控制方法
CN110362910A (zh) * 2019-07-05 2019-10-22 西南交通大学 基于博弈论的自动驾驶车辆换道冲突协调模型建立方法
CN111081065A (zh) * 2019-12-13 2020-04-28 北京理工大学 路段混行条件下的智能车辆协同换道决策模型
CN112040392A (zh) * 2020-08-03 2020-12-04 南京航空航天大学 一种基于车车通信的多车协同换道控制系统及方法
CN112289076A (zh) * 2020-10-30 2021-01-29 长安大学 双车道智能网联车协同换道方法、装置、设备及存储介质
CN112907967A (zh) * 2021-01-29 2021-06-04 吉林大学 一种基于不完全信息博弈的智能车换道决策方法
CN113291324A (zh) * 2021-06-25 2021-08-24 的卢技术有限公司 一种智能汽车个性化换道决策方法、系统及介质

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
Predictive Risk Assessment Using Cooperation Concept for Collision Avoidance of Side Crash in Autonomous Lane Change Systems;Lee H.etc;《2017 17TH INTERNATION CONFERENCE ON CONTROL,AUTOMATION AND SYSTEMS》;第47-52页 *
基于横向稳定的减速变道轨迹与跟踪控制;徐佳晨 等;《公路交通科技》;第39卷(第2期);第183-190页 *
智能车辆换道潜在冲突分析与风险量化方法;陈吉清 等;《汽车工程》;第43卷(第11期);第1565-1576页 *
面向高等级自动驾驶的车路协同关键技术;王鲲 等;《移动通信》;第45卷(第6期);第69-76页 *

Also Published As

Publication number Publication date
CN114566065A (zh) 2022-05-31

Similar Documents

Publication Publication Date Title
CN114566065B (zh) 一种基于车路协同的多车协作式变道方法
CN110488802B (zh) 一种网联环境下的自动驾驶车辆动态行为决策方法
CN112026758B (zh) 交通工具前方避撞方法及系统
CN110588656B (zh) 一种基于道路及路况信息的自适应动能回收方法及系统
US20200238980A1 (en) Vehicle control device
JP2020119517A (ja) 運転者を支援する方法、運転者支援システム、およびこのような運転者支援システムを備えた車両
AU2020101561A4 (en) A Multi-sensor Data Fusion Based Vehicle Cruise System and Method
WO2017022447A1 (ja) 車両制御装置、車両制御方法、および車両制御プログラム
KR20190054374A (ko) 주행 경험 정보를 이용한 자율주행 학습 장치 및 방법
US20200353918A1 (en) Vehicle control device
US20200391747A1 (en) Vehicle control device
US20200180614A1 (en) Vehicle control device
US20230143805A1 (en) Control device, control method, and control program product
CN114543827A (zh) 一种路径规划方法及装置
CN114782912A (zh) 障碍物风险场环境建模方法及其装置、相关产品
CN110597257B (zh) 一种基于道路曲率的常规行驶车速规划策略
Weisswange et al. Intelligent traffic flow assist: Optimized highway driving using conditional behavior prediction
WO2023004698A1 (zh) 智能驾驶决策方法、车辆行驶控制方法、装置及车辆
CN114639267A (zh) 一种车路协同环境中车辆避撞预警方法
JP2021160714A (ja) 車両制御装置および車両制御方法
US12037024B1 (en) Trajectory planning with other road user reactions for autonomous vehicles
Zheng et al. An investigation on coordination of lane departure warning based on driver behaviour characteristics
CN114995138A (zh) 一种近信号控制区混合车群的分布式协同控制方法
CN117279816A (zh) 用于控制自主车辆的方法
CN113978464A (zh) 一种汽车连续超车控制方法、控制系统及其汽车

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20230407

Address after: 215000 room 808, 8 / F, building 9a, launch area of Yangtze River Delta International R & D community, No. 286, qinglonggang Road, high speed rail new town, Xiangcheng District, Suzhou City, Jiangsu Province

Applicant after: Tianyi Transportation Technology Co.,Ltd.

Address before: 215133 station 601-b11, Tiancheng information building, No. 88, nantiancheng Road, Xiangcheng District, Suzhou City, Jiangsu Province (cluster registration)

Applicant before: Zhongzhixing (Suzhou) Technology Co.,Ltd.

GR01 Patent grant
GR01 Patent grant