CN114707364A - 一种匝道车辆汇流仿真方法、装置、设备及可读存储介质 - Google Patents

一种匝道车辆汇流仿真方法、装置、设备及可读存储介质 Download PDF

Info

Publication number
CN114707364A
CN114707364A CN202210618659.8A CN202210618659A CN114707364A CN 114707364 A CN114707364 A CN 114707364A CN 202210618659 A CN202210618659 A CN 202210618659A CN 114707364 A CN114707364 A CN 114707364A
Authority
CN
China
Prior art keywords
vehicle
confluence
ramp
vehicles
parameter information
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
CN202210618659.8A
Other languages
English (en)
Other versions
CN114707364B (zh
Inventor
郑芳芳
侯康宁
刘晓波
唐优华
陆良
白霖涵
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.)
Chengdu Jiaoda Big Data Technology Co ltd
Southwest Jiaotong University
Original Assignee
Chengdu Jiaoda Big Data Technology Co ltd
Southwest Jiaotong 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 Chengdu Jiaoda Big Data Technology Co ltd, Southwest Jiaotong University filed Critical Chengdu Jiaoda Big Data Technology Co ltd
Priority to CN202210618659.8A priority Critical patent/CN114707364B/zh
Publication of CN114707364A publication Critical patent/CN114707364A/zh
Application granted granted Critical
Publication of CN114707364B publication Critical patent/CN114707364B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Remote Sensing (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明提供了一种匝道车辆汇流仿真方法、装置、设备及可读存储介质，涉及交通仿真技术领域，包括获取高速公路交通模型，并初始化行驶车辆的参数信息，高速公路交通模型包括至少两条主车道和一条汇流匝道；在汇流车辆抵达汇流起始点前，在每个时间步长中根据行驶车辆的参数信息计算得到第一信息，第一信息包括第一车辆和第二车辆的协同汇流状态，并根据协同汇流状态分别控制第一车辆和/或第二车辆保持原状态行驶或变道行驶，本申请提供了预期位置搜索和协作效用选择的方法，前者确定汇流车辆从入口匝道汇流后在主车道上的预期最终位置，并为每个汇流车辆分配最佳协作车辆；后者确定协作车辆的最佳行为，从而为汇流车辆创建足够的汇流间隙。

Description

一种匝道车辆汇流仿真方法、装置、设备及可读存储介质
技术领域
本发明涉及交通仿真技术领域，具体而言，涉及匝道车辆汇流仿真方法、装置、设备及可读存储介质。
背景技术
高速公路入口匝道汇流区被认为是影响高速公路交通运行安全、效率和可靠性的主要瓶颈。在高速公路匝道汇流的上游可以经常观察到，由匝道汇流车辆（MV）引起的车辆减速扩散到主线并向上传播，导致拥堵和高碰撞和冲突风险。
随着通信、传感和控制技术的发展，联网和自动驾驶汽车(CAV)有可能缓解高速公路汇流区域的拥堵，减少能源消耗和排放，并最大限度地提高汇流效率和安全性。然而，现有匝道汇流算法主要是针对具有单个主车道的情况开发的。尚未针对多车道的汇流算法。
发明内容
本发明的目的在于提供一种匝道车辆汇流仿真方法、装置、设备及可读存储介质，以改善上述问题。为了实现上述目的，本发明采取的技术方案如下：
第一方面，本申请提供了一种匝道车辆汇流仿真方法，包括：获取高速公路交通模型，并初始化行驶车辆的参数信息，所述高速公路交通模型包括至少两条主车道和一条汇流匝道，所述行驶车辆包括位于主车道的主干道车辆和位于汇流匝道的汇流车辆；在汇流车辆抵达汇流起始点前，在每个时间步长中根据所述行驶车辆的参数信息计算得到第一信息，所述第一信息包括第一车辆和第二车辆的协同汇流状态，并根据所述协同汇流状态分别控制所述第一车辆和/或所述第二车辆保持原状态行驶或变道行驶，所述第一车辆和所述第二车辆分别为所述汇流车辆抵达汇流起始点时位于所述汇流起始点前方和后方的第一个车辆，所述汇流起始点为汇流匝道与主干道相接起始点，所述第一车辆和所述第二车辆行驶于与汇流匝道相接的主车道；在汇流车辆抵达汇流起始点后，根据所述第一车辆、所述第二车辆和所述汇流车辆的参数信息计算得到汇流参考轨迹，并根据所述汇流参考轨迹控制所述汇流车辆行驶汇入主车道。
第二方面，本申请还提供了一种匝道车辆汇流仿真装置，包括：第一获取单元，用于获取高速公路交通模型，并初始化行驶车辆的参数信息，所述高速公路交通模型包括至少两条主车道和一条汇流匝道，所述行驶车辆包括位于主车道的主干道车辆和位于汇流匝道的汇流车辆；第一仿真单元，用于在汇流车辆抵达汇流起始点前，在每个时间步长中根据所述行驶车辆的参数信息计算得到第一信息，所述第一信息包括第一车辆和第二车辆的协同汇流状态，并根据所述协同汇流状态分别控制所述第一车辆和/或所述第二车辆保持原状态行驶或变道行驶，所述第一车辆和所述第二车辆分别为所述汇流车辆抵达汇流起始点时位于所述汇流起始点前方和后方的第一个车辆，所述汇流起始点为汇流匝道与主干道相接起始点，所述第一车辆和所述第二车辆行驶于与汇流匝道相接的主车道；第二仿真单元，用于在汇流车辆抵达汇流起始点后，根据所述第一车辆、所述第二车辆和所述汇流车辆的参数信息计算得到汇流参考轨迹，并根据所述汇流参考轨迹控制所述汇流车辆行驶汇入主车道。
第三方面，本申请还提供了一种匝道车辆汇流仿真设备，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时实现所述匝道车辆汇流仿真方法的步骤。
第四方面，本申请还提供了一种可读存储介质，所述可读存储介质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上述基于匝道车辆汇流仿真方法的步骤。
本发明的有益效果为：
一、本申请提供一种预期位置搜索的方法，该方法确定汇流车辆从入口匝道汇流后在主车道上的预期最终位置，并为每个汇流车辆分配最佳协作车辆；
二、本申请提供一种协作效用选择的方法来确定最佳协作车辆的最佳行为，从而为汇流车辆创建足够的汇流间隙，该方法考虑了最佳协作车辆对其当前跟随车辆的影响；
三、本申请提供了一个协作并道控制的方法，以成功地协调入口匝道上的车辆与相邻主路车道上的车辆的运动，并引入了用于协作并道的动态最小车间接受时距，以实现安全高效的汇流，同时，提出了一种边界碰撞避免算法，以保证汇流车辆与入口匝道下游边界之间无碰撞；
本发明的其他特征和优点将在随后的说明书阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明实施例了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1为本发明实施例中所述的匝道车辆汇流仿真方法流程示意图;
图2为本发明实施例中所述的车辆汇流示意图；
图3为本发明实施例中所述的匝道车辆汇流仿真装置结构示意图；
图4为本发明实施例中所述的匝道车辆汇流仿真设备结构示意图。
图中标记：1、第一获取单元；2、第一仿真单元；21、协同车辆计算单元；211、第一筛选单元；212、行驶时间计算单元；213、筛分单元；22、状态计算单元；23、提取单元；24、函数建立单元；25、第一子计算单元；26、第二子计算单元；27、安全时间计算单元；28、第一逻辑单元；29、第二逻辑单元；3、第二仿真单元；31、汇流判断单元；32、第三逻辑单元；321、限制速度计算单元；322、轨迹计算单元；323、轨迹控制单元；800、匝道车辆汇流仿真设备；801、处理器；802、存储器；803、多媒体组件；804、I/O接口；805、通信组件。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本发明的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
需要说明的是，在本申请的下文描述中纵向方向指的是沿着高速公路长度方向，横向方向指的是沿着高速公路宽度方向。
实施例1：
本实施例提供了一种匝道车辆汇流仿真方法。
参见图1，图中示出了本方法包括步骤S100、步骤S200和步骤S300。
S100、获取高速公路交通模型，并初始化行驶车辆的参数信息，高速公路交通模型包括至少两条主车道和一条汇流匝道，行驶车辆包括位于主车道的主干道车辆和位于汇流匝道的汇流车辆。
需要说明的是，在本申请中所提及的高速公路交通模型即为一个包含两条主车道以及一条汇流匝道的高速公路。同时，在本申请中两条主干道均是直线车道无弯道设置。将与汇流匝道相接的主干道在接下来的描述中称为第一主干道，另一条主干道称为第二主干道。
同时在本申请中，将两条主干道分为三个区域：主线区、协作区和汇流区。其中汇流区为第一主干道与汇流匝道相接并可供车辆从汇流匝道变道到第一主干道的区域，而协作区与汇流区相接且位于行驶方向的上游，其余部分为主线区，参见图2车辆汇流示意图，即在主干道上的车上车辆会先在主干区行驶，然后在协作区行驶，其次在汇流区行驶，最后再行驶入主干区。
其中在模型中期望的运动如下，在主线区时，车辆可以选择在第一主干道和第二主干道上变换车道或保持跟车状态。在协作区，汇流匝道上的汇流车辆开始在第一主干道上搜索预期的合流位置，然后汇流匝道上的汇流车辆与预期并道位置前方或后方的车辆协同机动，为汇流车辆预留安全的汇流间距。在汇流区，匝道上的车辆开始执行汇流机动，直到它改变车道到第一主干道的中心线。
同时，需要说明的是，在本申请中在主干道上和匝道行驶的车辆包括有以下几类：网联自动车（CAV）、传统人工驾驶车辆（CHV）、在汇流匝道上行驶的汇流车辆（MV）。
并且，在本申请中初始化行驶车辆的参数信息即为初始化车辆行驶期望速度、车辆自身参数、反应时间、期望间距以及位置的横纵坐标等，其中在本申请中初始的参数信息与现有技术中初始化信息相同，本申请不再赘述。
其中，在匝道车辆汇流仿真中有如下设定：
1、CAV和CHV都可以相互通信，并接收来自其他车辆的实时状态信息；
2.第一主干道上的车辆在协作区和汇流区内不允许变道；
4.汇流匝道上的车辆只允许在汇流区内变道。
5.CAV的行为被假定为完全可控和确定的，而CHV的行为是不可控的，但CHV会采纳匝道汇流车辆（MV）给出的有利建议。
同时，还需要说明的是在匝道车辆汇流仿真中，对于，每个车辆控制方法如下：
1、CAV的纵向动力学
为了构建 CAV 的纵向动力学，考虑了两种可能的驾驶模式：
1.巡航模式可以在前车不存在或实际间距为期望间距的两倍以上时保持期望速度，用于描述自由流动状态。
在巡航模式下，我们可以得到车辆加速度为：
Figure 139782DEST_PATH_IMAGE001
其中，
Figure 509452DEST_PATH_IMAGE002
代表控制增益参数；
Figure 430135DEST_PATH_IMAGE003
代表均衡速度；
Figure 356503DEST_PATH_IMAGE004
和
Figure 124870DEST_PATH_IMAGE005
分别表示车辆i在t时 刻的加速度和速度。
2.间隙调节模式用于在跟驰状态下保持CAV与其前车的恒定车间时距。
其中在间隙调节模式中采用现有技术中的串级比例积分微分(CPID)模型来控制CAV的纵向运动。CPID模型结合了一个控制速度误差的内环和一个控制间距误差的外环，目标是两个误差都为零。CPID模型的数学公式由下式给出：
Figure 353857DEST_PATH_IMAGE006
Figure 886469DEST_PATH_IMAGE007
Figure 741162DEST_PATH_IMAGE008
Figure 941199DEST_PATH_IMAGE009
Figure 341087DEST_PATH_IMAGE010
Figure 626575DEST_PATH_IMAGE011
Figure 541352DEST_PATH_IMAGE012
式中，
Figure 268000DEST_PATH_IMAGE013
为t时刻车辆
Figure 229002DEST_PATH_IMAGE014
的间距误差与车辆
Figure 205049DEST_PATH_IMAGE015
的实际间距与期望间距的差值；
Figure 135964DEST_PATH_IMAGE016
为车辆
Figure 310594DEST_PATH_IMAGE014
在时刻t的与车辆
Figure 52285DEST_PATH_IMAGE015
的实际间距；
Figure 312365DEST_PATH_IMAGE017
为车辆
Figure 548436DEST_PATH_IMAGE014
在时刻t的与车辆
Figure 577572DEST_PATH_IMAGE015
的期 望间距；
Figure 21323DEST_PATH_IMAGE018
和
Figure 237541DEST_PATH_IMAGE019
分别为车辆
Figure 775838DEST_PATH_IMAGE014
和车辆
Figure 659481DEST_PATH_IMAGE015
在时刻t的速度；
Figure 8554DEST_PATH_IMAGE020
为t时刻车辆
Figure 243226DEST_PATH_IMAGE014
相对 于车辆
Figure 818170DEST_PATH_IMAGE015
的速度误差；
Figure 821898DEST_PATH_IMAGE021
和
Figure 669769DEST_PATH_IMAGE022
分别表示CPID模型在t时刻的外环PID和内环PID的输 出值；
Figure 1524DEST_PATH_IMAGE023
表示内环PID的输入误差；
Figure 756990DEST_PATH_IMAGE024
是积分变量；
Figure 739859DEST_PATH_IMAGE025
,
Figure 555368DEST_PATH_IMAGE026
和
Figure 374420DEST_PATH_IMAGE027
为外环PID的参数；
Figure 136839DEST_PATH_IMAGE028
,
Figure 849580DEST_PATH_IMAGE029
和
Figure 196510DEST_PATH_IMAGE030
为内环PID参数；
Figure 893071DEST_PATH_IMAGE031
为时间间隔；
Figure 865706DEST_PATH_IMAGE032
和
Figure 698533DEST_PATH_IMAGE033
分别是对
Figure 793528DEST_PATH_IMAGE034
的最大和最小约束；
Figure 836439DEST_PATH_IMAGE035
表示车辆
Figure 737399DEST_PATH_IMAGE014
在t时刻的加速度；
Figure 300098DEST_PATH_IMAGE036
和
Figure 628312DEST_PATH_IMAGE037
是对
Figure 971568DEST_PATH_IMAGE038
的最大和最小约束；
Figure 299388DEST_PATH_IMAGE039
和
Figure 841228DEST_PATH_IMAGE040
是对
Figure 481288DEST_PATH_IMAGE041
的 最大和最小约束。
Figure 108578DEST_PATH_IMAGE042
为车辆
Figure 554603DEST_PATH_IMAGE014
的发动机时延常数。
2、CHV的纵向动力学
我们利用由Treiber等人开发的智能驱动模型(IDM)来描述CHV的纵向运动。其中智能驱动模型(IDM)为现有技术，本申请中不再赘述。
即，在本申请中通过CHV和CAV的纵向动力学实现车辆在每个时间步长中运动状态驱动以及更新。其中上文中的时间步长即为仿真中每次仿真时间长度，其可以是预设值也可以通过预期速度计算得到，其中现有技术，本申请中不再赘述。
S200、在汇流车辆抵达汇流起始点前，在每个时间步长中根据行驶车辆的参数信息计算得到第一信息，第一信息包括第一车辆和第二车辆的协同汇流状态，并根据协同汇流状态分别控制第一车辆和/或第二车辆保持原状态行驶或变道行驶，第一车辆和第二车辆分别为汇流车辆抵达汇流起始点时位于汇流起始点前方和后方的第一个车辆，汇流起始点为汇流匝道与主干道相接起始点，第一车辆和第二车辆行驶于与汇流匝道相接的主车道。
需要说明的是，在本申请中，为了使MV安全高效并入第一主干道的关键是提前确定MV在第一主干道车流中的预期位置，然后确定预期汇流位置前后两车，均称为协作车辆(CV)。CV与MV进行协作机动以预留出安全的汇流间距。
S300、在汇流车辆抵达汇流起始点后，根据第一车辆、第二车辆和汇流车辆的参数信息计算得到汇流参考轨迹，并根据汇流参考轨迹控制汇流车辆行驶汇入主车道。
在本申请中，通过预期位置搜索确定MV从入口匝道汇流后在主车道上的预期最终位置，并为每个MV分配一个最佳协作车辆CV。然后通过CV的行为，从而为MV创建足够的汇流间隙。实现了多车道的汇流仿真的目的，使得本方法仿真结果更加贴合于实际情况。
具体而言，在本申请中预期位置搜索并实现CV最佳行为的方法，即步骤S200中包括步骤S210和步骤S220。
S210、根据汇流车辆的参数信息和汇流起始点的位置信息分别计算得到在第一预期时刻时第一车辆和第二车辆的位置信息，第一预期时刻为汇流车辆预计抵达汇流起始点的时刻，第一车辆和第二车辆之间的间距为汇流车辆汇流的间距。
其中，为了使得MV安全高效并入第一主干道的关键是提前确定MV在第一主干道车流中的预期位置，然后确定预期汇流位置前后两车均称为协作车辆(CV)，即为上述中所提及的第一车辆或第二车辆。CV与MV进行协作机动以预留出安全的汇流间距。因此，本申请中提供了一种预期位置搜索（APS）算法来判断MV的合适位置，并在每个时刻为每个MV分配CV。
具体而言，在本步骤还包括步骤S211、步骤S212和步骤S213实现在每个时间步长下分配CV。
由于，MV必须在汇流区域结束前变道到第一主车道，否则无法安全完成汇流机动。 因此，MV越早在汇流区域内汇流到第一主车道上，就越安全。最好的情况是每个MV都可以在 汇流区域的起点开始汇流。换言之，在第一主车道上的交通状况允许MV在MV行驶到汇流区 域起点时汇流其中。因此，在本申请中APS算法的核心思想是：在每个时间步长下，MV都需计 算位于第一主干道的所有车辆以当前速度行驶
Figure 75583DEST_PATH_IMAGE043
时间后预期到达的位置。其具体步骤 如下：
S211、根据预设的筛选范围在行驶车辆中筛选出车辆集合，车辆集合中每个车辆均为行驶在第一主车道上的车辆，第一主车道为与汇流匝道相接的主干道。
换而言之，在本申请即为我们将可能为MV产生汇流间隙的车辆集合定义为：
Figure 745599DEST_PATH_IMAGE044
预设的筛选范围的约束为：
Figure 1131DEST_PATH_IMAGE045
其中，G代表车辆集合
Figure 782005DEST_PATH_IMAGE046
内的车辆。
Figure 924535DEST_PATH_IMAGE047
和
Figure 765453DEST_PATH_IMAGE048
分别代表车辆j和MV的纵 向位置，
Figure 242701DEST_PATH_IMAGE049
、
Figure 827266DEST_PATH_IMAGE050
以及
Figure 401467DEST_PATH_IMAGE051
分别代表第一辆车辆、第二辆车辆以及第n辆车辆距离通信范围的 距离,即
Figure 537919DEST_PATH_IMAGE049
为距离车辆MV最近的车辆，
Figure 627098DEST_PATH_IMAGE052
为距离车辆MV最远的车辆。其中，
Figure 890720DEST_PATH_IMAGE053
为 MV产生汇流间隙的车辆集合，
Figure 116165DEST_PATH_IMAGE054
中的所有车辆都在MV的通信范围内，假设为300m。 在本申请中预设的筛选范围而减少MV的计算量，提高本申请的仿真效率。
S212、根据当前时刻下汇流车辆的速度信息、位置信息和汇流起始点的位置信息计算得到预期行驶时间。
具体而言，可以通过以下公式计算得到预期行驶时间：
Figure 502147DEST_PATH_IMAGE055
其中，
Figure 701791DEST_PATH_IMAGE056
是 MV 从当前位置以恒速
Figure 893738DEST_PATH_IMAGE057
行驶到汇流区域起点所需的预期行 驶时间，
Figure 849056DEST_PATH_IMAGE058
表示和汇流起始点的纵坐标，
Figure 468256DEST_PATH_IMAGE059
为在当前时刻t下MV的纵坐标，
Figure 469710DEST_PATH_IMAGE060
为在当 前时刻t下MV的速度。
S213、根据预期行驶时间在车辆集合中筛选计算得到在第一预期时刻时第一车辆和第二车辆的位置信息。
其中，对于
Figure 324402DEST_PATH_IMAGE061
中的每个车辆通过下列公式计算得到在第一预期时刻时的 位置，然后，筛选位于汇流起始点前后的第一辆车辆即可。
Figure 258860DEST_PATH_IMAGE062
Figure 189907DEST_PATH_IMAGE063
Figure 475395DEST_PATH_IMAGE064
其中，
Figure 369664DEST_PATH_IMAGE065
表示车辆j在以恒定速度
Figure 627470DEST_PATH_IMAGE066
行驶
Figure 588473DEST_PATH_IMAGE067
时间后的预期位置，
Figure 236623DEST_PATH_IMAGE068
表示 车辆j在t时刻的纵向位置。
Figure 308484DEST_PATH_IMAGE069
为车辆j的预期到达位置与汇流起始点之间的预期纵向间 距，其中
Figure 607747DEST_PATH_IMAGE070
表示车辆j在时间
Figure 677334DEST_PATH_IMAGE071
经过了汇流起始点，此时MV在汇流起始点。
Figure 937414DEST_PATH_IMAGE072
是
Figure 688333DEST_PATH_IMAGE073
中所有车辆的预期纵向间距的集合；
Figure 717469DEST_PATH_IMAGE074
表示汇流区域起点的纵坐标；
Figure 377864DEST_PATH_IMAGE075
表示车 辆j的长度；
Figure 125240DEST_PATH_IMAGE076
为MV产生汇流间隙的车辆集合。
如果满足
Figure 414270DEST_PATH_IMAGE077
和
Figure 297912DEST_PATH_IMAGE078
的条件，则说明车辆j前面的车辆在MV到达汇流区域 起点时已经通过汇流区域起点，车辆j后面的车辆都在汇流区域起点的上游。然后，车辆j被 确定为预期协作领先车辆（CLV），在本申请中又称为第一车辆，并且车辆j的跟随车辆被确 定为预期协作跟随车辆（CFV），在本申请中又称为第二车辆。相应地，CLV和CFV之间的位置 就是MV在车道2车流中的预期位置。
S220、根据在第一预期时刻时第一车辆的参数信息、第二车辆的参数信息、汇流起始点的位置信息和预设的第一约束条件计算得到第一车辆和第二车辆的协同汇流状态，协同汇流状态包括需要协同和无需协同。
其中在本申请中所提及的预设的第一约束条件为：
Figure 974881DEST_PATH_IMAGE079
Figure 68608DEST_PATH_IMAGE080
其中，
Figure 285963DEST_PATH_IMAGE081
和
Figure 899478DEST_PATH_IMAGE082
分别表示CLV和CFV在时间t时刻下的预期纵向间距。
Figure 278507DEST_PATH_IMAGE083
表示在时间t时在汇流区域起点处的MV和CLV之间的最小可接受间距；
Figure 626574DEST_PATH_IMAGE084
表示在时间t时 在汇流区域起点处的MV和CFV最小可接受间距，
Figure 382040DEST_PATH_IMAGE085
为预设值其表示协作汇流的预期最小可 接受时间间隔，
Figure 115641DEST_PATH_IMAGE086
和
Figure 931150DEST_PATH_IMAGE087
分别表示MV和CFV在t时刻下的速度。
需要说明的是，在本申请中通过即将第一车辆的参数信息中位置信息和速度信息以及第二车辆的参数信息中位置信息和速度信息带入预设的第一约束条件，判断预设的第一约束条件是否满足进而得到第一车辆和第二车辆的协同汇流状态。
具体分为以下四种情况：
1、预设的第一约束条件中的两个约束均满足；
在这种情况下，当MV行驶到汇流区域起点时，CFV和CLV之间的距离保证了MV在此三辆车都以当前速度行驶的情况下能够顺利安全地汇入车道2。因此，不需要协同机动。CFV和CLV的协同汇流状态均为无需协同。
2、预设的第一约束条件中的第一个约束满足；
在这种情况下，在汇流区域的起点，MV和CFV之间的预期纵向间距小于最小可接受间距。因此，CFV的协同汇流状态为需要协同，而CLV的协同汇流状态为无需协同。
3、预设的第一约束条件中的第二个约束满足；
在这种情况下，在汇流区域的起点，CLV和MV之间的预期纵向间距小于最小可接受间距。因此，CLV的协同汇流状态为需要协同，而CFV的协同汇流状态为无需协同。
4、预设的第一约束条件中的两个约束都不满足；
在这种情况下，CFV和CLV的协同汇流状态均为需要协同。
在第2种和第4种情况中，当MV汇入到CFV和CLV之间的位置时，CFV、MV和CLV的理想状态是：
1）三者的速度相等；
2)CFV与MV之间的实际间距大于或等于可接受的最小间距；3)MV与CLV之间的实际间距大于或等于可接受的最小间距。
所以，为了确保CFV可以调整MV所需的间距以在不发生碰撞的情况下汇流，在本申请中通过将MV映射到主车道来引入虚拟车辆MV'。在这种情况下，CFV将MV'视为其新的领导车辆。因此，为了追求上面讨论的理想合并状态，MV'的速度、纵向坐标和横向坐标由下式给出：
Figure 999469DEST_PATH_IMAGE088
其中，
Figure 496310DEST_PATH_IMAGE089
为MV'的速度，
Figure 209051DEST_PATH_IMAGE090
为CFV的速度，
Figure 336407DEST_PATH_IMAGE091
为CFV的纵向坐标，
Figure 767388DEST_PATH_IMAGE092
为CLV的纵 向坐标，
Figure 487826DEST_PATH_IMAGE093
为MV'的纵向坐标，
Figure 258336DEST_PATH_IMAGE094
为CFV的横向坐标，
Figure 415648DEST_PATH_IMAGE095
为MV'的横向坐标。
在第3种情况中，尽管MV和CLV之间的间距不满足预设的第一约束条件中的第一个约束条件。当MV进入汇流区域时，可以通过将CLV作为其领导车辆来调整间距以满足约束。在这种情况下，无需为CLV设置虚拟领导车辆。
在第1种情况中，由于预设的第一约束条件的两个约束条件都满足，也不需要设置虚拟领导车辆。
同时，由于在现有研究中的匝道汇流模型仅适用于主干道为单车道的场景。CV只允许在当前车道上加速或减速，以便为MV留出足够的汇流间距。MV减速对上游车辆的影响可能需要很长时间才能消散，从而降低了道路的通行能力，增加了CV与后面车辆发生追尾的风险。
所以本申请中的仿真采用两条主车道，即在主干道有多条车道的情况下，CV与MV的配合有两种选择：
1）从第一主车道换到第二主车道；
2）继续在第一主车道上行驶。
在上述情况下，用于主路为单车道的方法不再适用。因此，本申请中提出了一种协作效用选择（CUC）模型，用于多车道高速公路汇流区域的协作汇流控制。CUC模型旨在让CV根据系统当前状态找到最佳选择，以尽量减少对上游车辆的影响，从而提高整个汇流过程的效率。由于在本申请中假设CAV的行为是完全可控和确定的，而CHV的行为是不可控的，但CHV会采纳系统给出的有利建议。详细假设如下：
1.CHV在协同区域内不与MV进行协同机动。换句话说，如果CV是CHV，即使CV的协同汇流状态为需要协同，它也不会按照CUC模型运行，而是在协同区域内保持跟车状态。
2.CHV在汇流区域内按照CUC模式运行。由于MV的并道行为可能会影响CV的正常行驶，因此CUC模型对CHV提出了有利的建议，有利于其安全性和行驶速度。
参见图2,图2中中TLV和TFV分别代表第一主车道上CV的前车和后车，即在下文中描述的第五车辆（TLV）和第六车辆（TFV）；CV是协同车辆，可以是上文中定义的第一车辆（CLV）或第二车辆（CFV）。FV和LV分别代表CV的前车和后车，即在下文中描述的第三车辆（LV）和第四车辆（FV）。可以理解的是，LV可以是步骤S230说明中定义的虚拟领先车辆MV'。
进一步地，在本申请中CV具有两种可以选择的行驶动作：
选择1：CV从第一主车道变道至第二主车道。在这个选择下，TFV和CV构成一个子系 统。CV和TLV构成另一个子系统。
Figure 209291DEST_PATH_IMAGE096
和
Figure 110251DEST_PATH_IMAGE097
分别是TFV和CV的新加速度；TLV、CV、TFV构成换 道需求系统。
选择2：CV继续在第一主车道上行驶。在这种选择下，FV和CV构成一个子系统。CV和 LV构成另一个子系统。
Figure 922218DEST_PATH_IMAGE098
和
Figure 453694DEST_PATH_IMAGE099
分别是FV和CV的新加速度；LV、CV、FV构成无变道需求系 统。
所以，在本申请中在利用上述步骤的计算下得到第一车辆和第二车辆的协同汇流状态。但是对于第一车辆或者第二车辆而言，究竟是选择保持原状态行驶还是变道行驶，具体而言还需要通过步骤S230、步骤S240、步骤S250、步骤S260、步骤S270、步骤S280和步骤S290描述的CUC模型所决定。同时，需要说明的是下述步骤S230-步骤S290描述对象为第一车辆，对于第二车辆也可以通过相同步骤得到其应到保持原状态行驶或变道行驶，本申请中不再赘述。
S230、根据第一车辆的参数信息在行驶车辆提取相邻车辆集，相邻车辆集包括第三车辆、第四车辆、第五车辆和第六车辆，相邻车辆集为在当前时刻位于第一车辆前方或后方的车辆，第一车辆、第三车辆和第四车辆行驶于第一主车道上，第五车辆和第六车辆行驶于与第一主车道相邻的主车道，第一主车道为与汇流匝道相接的主干道。
即在本申请中，通过第一车辆的参数信息中位置信息筛选得到第三车辆（LV）、第四车辆（FV）、第五车辆（TLV）和第六车辆（TFV）。同时，获取第三车辆、第四车辆、第五车辆和第六车辆当前时刻下的参数信息。
S240、建立第一选择效用目标函数和第二选择效用目标函数。
需要说明的是，在本步骤中所提及的第一选择效用目标函数为计算选择1的效用值，而第二选择效用目标函数为计算选择2的效用值.
具体的计算公式如下：
Figure 593688DEST_PATH_IMAGE100
其中，
Figure 173705DEST_PATH_IMAGE101
和
Figure 715545DEST_PATH_IMAGE102
分别代表第一车辆在时间t的两个选择的效用。DRAC是避免碰撞 的减速率，它是一个安全措施指标。值越小，越安全即
Figure 106337DEST_PATH_IMAGE103
表示在t时刻车辆
Figure 733628DEST_PATH_IMAGE104
相对于车 辆
Figure 914073DEST_PATH_IMAGE105
的DRAC，对于其余DRAC不再赘述其含义。
Figure 451365DEST_PATH_IMAGE106
,
Figure 121381DEST_PATH_IMAGE107
和
Figure 360601DEST_PATH_IMAGE108
是预设的权重系数，其中
Figure 407054DEST_PATH_IMAGE109
,
Figure 798853DEST_PATH_IMAGE110
和
Figure 843032DEST_PATH_IMAGE111
；
Figure 864821DEST_PATH_IMAGE098
和
Figure 652649DEST_PATH_IMAGE099
分别是 FV 和 CV 的新加速度；
Figure 23587DEST_PATH_IMAGE096
和
Figure 910772DEST_PATH_IMAGE112
分别是 TFV 和 CV 的 新加速度；
Figure 999950DEST_PATH_IMAGE113
和
Figure 512840DEST_PATH_IMAGE114
分别表示车辆
Figure 738285DEST_PATH_IMAGE104
和
Figure 124267DEST_PATH_IMAGE105
在t时刻下的速度，
Figure 576108DEST_PATH_IMAGE115
和
Figure 502476DEST_PATH_IMAGE116
分别表示车辆
Figure 474105DEST_PATH_IMAGE105
和
Figure 93305DEST_PATH_IMAGE104
的 纵向位置。
Figure 94760DEST_PATH_IMAGE117
为车辆l的长度。
在本方法中，其
Figure 434605DEST_PATH_IMAGE118
的第一项表示第一车辆和后车的安全考虑。第一项的值越大， 越安全。第二项反映了对后车的影响程度。第二项的值越小，对后车的影响越大。第三项表 示第一车辆追求更快的速度。通过本方法的仿真，CUC模型将认为第一车辆不仅考虑自身的 安全性，还考虑了每次选择对上游车辆的影响，以及在协同决策过程中通过选择可以获得 的加速收益。因此，第一车辆会做出整体系统收益更高的选择。
S250、将第一车辆、第五车辆和第六车辆的参数信息作为第一选择效用目标函数的输入信息，求解第一选择效用目标函数得到第一效用值。
S260、将第一车辆、第三车辆和第四车辆的参数信息作为第一选择效用目标函数的输入信息，求解第一选择效用目标函数得到第二效用值。
S270、根据第一车辆、第五车辆和第六车辆的参数信息和预设的第一公式分别计算得到第一车辆与第五车辆的安全时间和第一车辆与第六车辆的安全时间。
同时需要说明的是，在本步骤中所提及的预设的第一公式为：
Figure 634642DEST_PATH_IMAGE120
其中，
Figure 814957DEST_PATH_IMAGE122
，
Figure 834865DEST_PATH_IMAGE124
，
Figure 243981DEST_PATH_IMAGE125
为车辆f和之间的安全时间，
Figure 298525DEST_PATH_IMAGE126
表示在时刻t时车辆f和l之间的实际间距。
Figure 289221DEST_PATH_IMAGE127
和
Figure 983377DEST_PATH_IMAGE128
分别表示在t时刻下车辆f和l之间 的速度差和车辆f和l之间的加速度差，其中在t时刻下的车辆f和l之间的速度差为
Figure 258500DEST_PATH_IMAGE129
，在t时刻下的车辆f和l之间的加速度差为
Figure 167550DEST_PATH_IMAGE131
，其中，
Figure 174821DEST_PATH_IMAGE132
和
Figure 434901DEST_PATH_IMAGE133
分别 为车辆f和l的速度，
Figure 936551DEST_PATH_IMAGE135
和
Figure 168950DEST_PATH_IMAGE137
分别为车辆f和l的速度。
S280、若第一效用值大于第二效用值且安全时间大于预设的安全阈值，则控制第一车辆变道行驶。
需要说明的是，在本申请中预设的安全阈值优选为1.5s，对于本领域技术人员，可以选择好其他数值，本申请中不作出具体的限制。
S290、若第一效用值小于或等于第二效用值，则控制第一车辆保持原状态行驶。
在汇流车辆抵达汇流起始点后，汇流车辆即需要考虑何时开始汇流并且采用何种运行轨迹汇流，具体而言，在本本申请中步骤S300中包括步骤S310和步骤S320。其中包括获取第七车辆的参数信息，第七车辆为位于汇流车辆的前车，第七车辆行驶于汇流匝道上。
S310、在汇流车辆未执行汇流动作的每个时间步长中，根据第一车辆、第二车辆、汇流车辆和第七车辆的参数信息和预设的第二约束条件计算得到当前时刻的时机状态，时机状态包括执行汇流，第七车辆为位于汇流车辆的前车，第七车辆行驶于汇流匝道上。
具体而言，在申请中预设的第二约束条件为：
Figure 206176DEST_PATH_IMAGE138
其中，
Figure 94497DEST_PATH_IMAGE139
、
Figure 508161DEST_PATH_IMAGE140
分别表示MV与第一车辆的纵向间距、第二车辆与MV的纵向间距，
Figure 516437DEST_PATH_IMAGE141
表示MV在当前t时刻的最小可接受的协同汇流车间时距，
Figure 927827DEST_PATH_IMAGE142
为MV在当前t时刻速 度，
Figure 896920DEST_PATH_IMAGE143
为第二车辆在当前t时刻速度。
同时，上述步骤所提及的
Figure 255220DEST_PATH_IMAGE144
由下列公式计算得到：
Figure 993369DEST_PATH_IMAGE145
其中，
Figure 841239DEST_PATH_IMAGE144
表示MV在当前t时刻的最小可接受的协同汇流车间时距，
Figure 944235DEST_PATH_IMAGE146
表示协 同汇流的可接受的最小车间时距的上限，其为预设值；
Figure 699701DEST_PATH_IMAGE147
分别代表车辆MV的纵向位置；
Figure 698881DEST_PATH_IMAGE148
表示汇流区域起点的纵向位置。
Figure 514391DEST_PATH_IMAGE149
表示匝道下游边界的纵向位置。
Figure 395759DEST_PATH_IMAGE150
的解析式表 明了随着MV和匝道下游边界之间的距离减小，它线性减小。并且在汇流起始点时
Figure 79550DEST_PATH_IMAGE151
，随着
Figure 57870DEST_PATH_IMAGE152
接近匝道下游边界，
Figure 919647DEST_PATH_IMAGE153
接近
Figure 350628DEST_PATH_IMAGE146
的一半。
即，在本步骤中当满足预设的第二约束条件时，即判断当前时刻的时机状态为执行汇流，汇流车辆即可执行汇流动作。
S320、若当前时刻的时机状态为执行汇流，则对汇流车辆执行汇流动作，并在每个时间步长中根据第一车辆、第二车辆和汇流车辆的参数信息计算得到汇流参考轨迹，同时，根据汇流参考轨迹控制汇流车辆行驶汇入主车道。
在本申请中通过步骤S310中的汇流决策使得汇流车辆能安全的汇入第一主车道。
同时，在步骤S320中包括步骤S321的边界避撞、S322的汇流轨迹规划以及步骤S323的汇流轨迹跟踪控制实现汇流车辆的汇流动作。
S310、根据汇流车辆在当前时刻下的位置信息、汇流终点的位置信息和汇流车辆的车身长度信息计算得到汇流车辆在当前时刻下的最大速度，汇流终点为汇流匝道与主干道相接的末端。
其中，本步骤的目的为避免汇流车辆与汇流匝道下游边界碰撞。其中在本步骤中所使用的计算公式如下：
Figure 651160DEST_PATH_IMAGE154
其中，
Figure 844506DEST_PATH_IMAGE155
为在t时刻车辆MV的速度，即当前步骤下的最大速度，
Figure 267397DEST_PATH_IMAGE156
表示MV在t 时刻的纵向位置；
Figure 795461DEST_PATH_IMAGE157
代表MV的长度；
Figure 696421DEST_PATH_IMAGE158
表示车道的宽度，
Figure 587017DEST_PATH_IMAGE159
是入口匝道下游边界的纵向 位置，
Figure 39864DEST_PATH_IMAGE160
是考虑换道舒适度的规划加速度并且为预设数值；
Figure 445437DEST_PATH_IMAGE161
为停止距离。
即在本步骤中，汇流车辆的速度小于计算得到的最大速度即可实现无碰撞。
S320、根据汇流车辆、第一车辆和预设的第二公式组计算得到汇流参考轨迹，第一车辆为行驶于汇流车辆前方的车辆。
具体而言，在本申请中预设的第二公式组如下：
Figure 759875DEST_PATH_IMAGE163
其中，
Figure 456042DEST_PATH_IMAGE164
和
Figure 158419DEST_PATH_IMAGE165
分别表示MV的参考轨迹的纵向和横向位置。
Figure 785710DEST_PATH_IMAGE166
是汇流机动开始 时第一车辆和MV之间的横向距离。
Figure 169418DEST_PATH_IMAGE167
,
Figure 831343DEST_PATH_IMAGE168
和
Figure 704621DEST_PATH_IMAGE169
分别表示汇流过程开始时MV的纵向位置、 横向位置和第一车辆的横向位置。M代表规划轨迹的纵向长度；
Figure 678262DEST_PATH_IMAGE170
表示MV在时刻t的速 度。
Figure 724716DEST_PATH_IMAGE171
是考虑换道舒适度的规划加速度。
Figure 382093DEST_PATH_IMAGE172
和
Figure 223010DEST_PATH_IMAGE173
分别代表
Figure 762576DEST_PATH_IMAGE174
的一阶导数和二阶导数； K是
Figure 973240DEST_PATH_IMAGE175
的曲率；
Figure 344178DEST_PATH_IMAGE176
和
Figure 496942DEST_PATH_IMAGE177
分别代表MV的参考偏航角和参考前轮转角；
Figure 586121DEST_PATH_IMAGE178
是MV的前后轴距离。
S330、根据汇流规划轨迹、最大速度和预设的模型预测控制算法控制汇流车辆行驶汇入主车道，汇流车辆行驶速度小于最大速度。
在本申请中，本申请使用MPC（模型预测控制，Model Predictive Control）控制器对S320中生成的参考轨迹进行实时跟踪控制。在本申请中然后将轨迹跟踪控制转换为MPC框架下的二次规划问题，提升运行效率。
在本申请中，通过模拟一种由CAV和联网人工驾驶车辆 (CHV) 组成的混合交通的协作入口匝道合并控制的仿真模型。所提出的模型应用于两条主车道高速公路合并区域，其中在控制过程中考虑了纵向和换道动力学。通过一种预期位置搜索算法，该算法确定汇流车辆从入口匝道汇流后在主车道上的预期最终位置，并为每个汇流车辆分配一个最佳协作车辆。同时，本申请中提供一个协作效用选择模型来确定最佳协作车辆的最佳行为，从而为汇流车辆创建足够的汇流间隙。该模型考虑了最佳协作车辆对其当前跟随车辆的影响。并且，本申请中还提供一个协作并道控制模型，以成功地协调入口匝道上的车辆与相邻主路车道上的车辆的运动，并引入了用于协作并道的动态最小车辆间距，以实现安全高效的汇流。最后，提出了一种边界碰撞避免算法，以保证汇流车辆与入口匝道下游边界之间无碰撞。其中本申请中在合并过程中同时考虑车辆的纵向和变道动态以及考虑了乘客的不舒适性。
实施例2：
如图3所示，本实施例提供了一种匝道车辆汇流仿真装置，装置包括：
第一获取单元1，用于获取高速公路交通模型，并初始化行驶车辆的参数信息，高速公路交通模型包括至少两条主车道和一条汇流匝道，行驶车辆包括位于主车道的主干道车辆和位于汇流匝道的汇流车辆。
第一仿真单元2，用于在汇流车辆抵达汇流起始点前，在每个时间步长中根据行驶车辆的参数信息计算得到第一信息，第一信息包括第一车辆和第二车辆的协同汇流状态，并根据协同汇流状态分别控制第一车辆和/或第二车辆保持原状态行驶或变道行驶，第一车辆和第二车辆分别为汇流车辆抵达汇流起始点时位于汇流起始点前方和后方的第一个车辆，汇流起始点为汇流匝道与主干道相接起始点，第一车辆和第二车辆行驶于与汇流匝道相接的主车道。
第二仿真单元3，用于在汇流车辆抵达汇流起始点后，根据第一车辆、第二车辆和汇流车辆的参数信息计算得到汇流参考轨迹，并根据汇流参考轨迹控制汇流车辆行驶汇入主车道。
在一些具体的实施例中，第一仿真单元2包括：
协同车辆计算单元21，用于根据汇流车辆的参数信息和汇流起始点的位置信息分别计算得到在第一预期时刻时第一车辆和第二车辆的位置信息，第一预期时刻为汇流车辆预计抵达汇流起始点的时刻，第一车辆和第二车辆之间的间距为汇流车辆汇流的间距。
状态计算单元22，用于根据在第一预期时刻时第一车辆的参数信息、第二车辆的参数信息、汇流起始点的位置信息和预设的第一约束条件计算得到第一车辆和第二车辆的协同汇流状态，协同汇流状态包括需要协同和无需协同。
在一些具体的实施例中，协同车辆计算单元21包括：
第一筛选单元211，用于根据预设的筛选范围在行驶车辆中筛选出车辆集合，车辆集合中每个车辆均为行驶在第一主车道上的车辆，第一主车道为与汇流匝道相接的主干道。
行驶时间计算单元212，用于根据当前时刻下汇流车辆的速度信息、位置信息和汇流起始点的位置信息计算得到预期行驶时间。
筛分单元213，用于根据预期行驶时间在车辆集合中筛选计算得到在第一预期时刻时第一车辆和第二车辆的位置信息。
在一些具体的实施例中，第一仿真单元2还包括：
提取单元23，用于根据第一车辆的参数信息在行驶车辆提取相邻车辆集，相邻车辆集包括第三车辆、第四车辆、第五车辆和第六车辆，相邻车辆集为在当前时刻位于第一车辆前方或后方的车辆，第一车辆、第三车辆和第四车辆行驶于第一主车道上，第五车辆和第六车辆行驶于与第一主车道相邻的主车道，第一主车道为与汇流匝道相接的主干道。
函数建立单元24，用于建立第一选择效用目标函数和第二选择效用目标函数。
第一子计算单元25，用于将第一车辆、第五车辆和第六车辆的参数信息作为第一选择效用目标函数的输入信息，求解第一选择效用目标函数得到第一效用值。
第二子计算单元26，用于将第一车辆、第三车辆和第四车辆的参数信息作为第一选择效用目标函数的输入信息，求解第一选择效用目标函数得到第二效用值。
安全时间计算单元27，用于根据第一车辆、第五车辆和第六车辆的参数信息和预设的第一公式分别计算得到第一车辆与第五车辆的安全时间和第一车辆与第六车辆的安全时间。
第一逻辑单元28，用于若第一效用值大于第二效用值，且两个安全时间均大于预设的安全阈值，则控制第一车辆变道行驶。
第二逻辑单元29，用于若第一效用值小于或等于第二效用值，则控制第一车辆保持原状态行驶。
在一些具体的实施例中，第二仿真单元3还包括：
汇流判断单元31，用于在汇流车辆未执行汇流动作的每个时间步长中，根据第一车辆、第二车辆、汇流车辆和第七车辆的参数信息和预设的第二约束条件计算得到当前时刻的时机状态，时机状态包括执行汇流，第七车辆为位于汇流车辆的前车，第七车辆行驶于汇流匝道上。
第三逻辑单元32，用于若当前时刻的时机状态为执行汇流，则对汇流车辆执行汇流动作，并在每个时间步长中根据第一车辆、第二车辆和汇流车辆的参数信息计算得到汇流参考轨迹，同时，根据汇流参考轨迹控制汇流车辆行驶汇入主车道。
在一些具体的实施例中，第三逻辑单元32还包括：
限制速度计算单元321，用于根据汇流车辆在当前时刻下的位置信息、汇流终点的位置信息和汇流车辆的车身长度信息计算得到汇流车辆在当前时刻下的最大速度，汇流终点为汇流匝道与主干道相接的末端。
轨迹计算单元322，用于根据最大速度、汇流车辆的参数信息、第一车辆的参数信息和预设的第二公式组计算得到汇流参考轨迹，第一车辆为行驶于汇流车辆前方的车辆。
轨迹控制单元323，用于根据汇流参考轨迹、最大速度和预设的模型预测控制算法控制汇流车辆行驶汇入主车道，汇流车辆行驶速度小于最大速度。
需要说明的是，关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
实施例3：
相应于上面的方法实施例，本实施例中还提供了一种匝道车辆汇流仿真设备，下文描述的一种匝道车辆汇流仿真设备与上文描述的一种匝道车辆汇流仿真方法可相互对应参照。
图4是根据示例性实施例示出的一种匝道车辆汇流仿真设备800的框图。如图4所示，该匝道车辆汇流仿真设备800可以包括：处理器801，存储器802。该匝道车辆汇流仿真设备800还可以包括多媒体组件803， I/O接口804，以及通信组件805中的一者或多者。
其中，处理器801用于控制该匝道车辆汇流仿真设备800的整体操作，以完成上述的匝道车辆汇流仿真方法中的全部或部分步骤。存储器802用于存储各种类型的数据以支持在该匝道车辆汇流仿真设备800的操作，这些数据例如可以包括用于在该匝道车辆汇流仿真设备800上操作的任何应用程序或方法的指令，以及应用程序相关的数据，例如联系人数据、收发的消息、图片、音频、视频等等。该存储器802可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，例如静态随机存取存储器(Static Random AccessMemory，简称SRAM)，电可擦除可编程只读存储器(Electrically Erasable ProgrammableRead-Only Memory，简称EEPROM)，可擦除可编程只读存储器(Erasable ProgrammableRead-Only Memory，简称EPROM)，可编程只读存储器(Programmable Read-Only Memory，简称PROM)，只读存储器(Read-Only Memory，简称ROM)，磁存储器，快闪存储器，磁盘或光盘。多媒体组件803可以包括屏幕和音频组件。其中屏幕例如可以是触摸屏，音频组件用于输出和/或输入音频信号。例如，音频组件可以包括一个麦克风，麦克风用于接收外部音频信号。所接收的音频信号可以被进一步存储在存储器802或通过通信组件805发送。音频组件还包括至少一个扬声器，用于输出音频信号。I/O接口804为处理器801和其他接口模块之间提供接口，上述其他接口模块可以是键盘，鼠标，按钮等。这些按钮可以是虚拟按钮或者实体按钮。通信组件805用于该匝道车辆汇流仿真设备800与其他设备之间进行有线或无线通信。无线通信，例如Wi-Fi，蓝牙，近场通信(Near FieldCommunication，简称NFC)，2G、3G或4G，或它们中的一种或几种的组合，因此相应的该通信组件805可以包括：Wi-Fi模块，蓝牙模块，NFC模块。
在一示例性实施例中，匝道车辆汇流仿真设备800可以被一个或多个应用专用集成电路(Application Specific Integrated Circuit，简称ASIC)、数字信号处理器(DigitalSignal Processor，简称DSP)、数字信号处理设备(Digital Signal ProcessingDevice，简称DSPD)、可编程逻辑器件(Programmable Logic Device，简称PLD)、现场可编程门阵列(Field Programmable Gate Array，简称FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述的匝道车辆汇流仿真方法。
在另一示例性实施例中，还提供了一种包括程序指令的计算机可读存储介质，该程序指令被处理器执行时实现上述的匝道车辆汇流仿真方法的步骤。例如，该计算机可读存储介质可以为上述包括程序指令的存储器802，上述程序指令可由匝道车辆汇流仿真设备800的处理器801执行以完成上述的匝道车辆汇流仿真方法。
实施例4：
相应于上面的方法实施例，本实施例中还提供了一种可读存储介质，下文描述的一种可读存储介质与上文描述的一种匝道车辆汇流仿真方法可相互对应参照。
一种可读存储介质，可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现上述方法实施例的匝道车辆汇流仿真方法的步骤。
该可读存储介质具体可以为U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可存储程序代码的可读存储介质。
以上仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。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。
以上，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (10)

1.一种匝道车辆汇流仿真方法，其特征在于，包括：
获取高速公路交通模型，并初始化行驶车辆的参数信息，所述高速公路交通模型包括至少两条主车道和一条汇流匝道，所述行驶车辆包括位于主车道的主干道车辆和位于汇流匝道的汇流车辆；
在汇流车辆抵达汇流起始点前，在每个时间步长中根据所述行驶车辆的参数信息计算得到第一信息，所述第一信息包括第一车辆和第二车辆的协同汇流状态，并根据所述协同汇流状态分别控制所述第一车辆和/或所述第二车辆保持原状态行驶或变道行驶，所述第一车辆和所述第二车辆分别为所述汇流车辆抵达汇流起始点时位于所述汇流起始点前方和后方的第一个车辆，所述汇流起始点为汇流匝道与主干道相接起始点，所述第一车辆和所述第二车辆行驶于与汇流匝道相接的主车道；
在汇流车辆抵达汇流起始点后，根据所述第一车辆、所述第二车辆和所述汇流车辆的参数信息计算得到汇流参考轨迹，并根据所述汇流参考轨迹控制所述汇流车辆行驶汇入主车道。
2.根据权利要求1所述的匝道车辆汇流仿真方法，其特征在于,在每个时间步长中根据所述行驶车辆的参数信息计算得到第一信息，包括：
根据所述汇流车辆的参数信息和所述汇流起始点的位置信息分别计算得到在第一预期时刻时所述第一车辆和所述第二车辆的位置信息，所述第一预期时刻为所述汇流车辆预计抵达汇流起始点的时刻，所述第一车辆和所述第二车辆之间的间距为所述汇流车辆汇流的间距；
根据在第一预期时刻时所述第一车辆的参数信息、所述第二车辆的参数信息、所述汇流起始点的位置信息和预设的第一约束条件计算得到所述第一车辆和所述第二车辆的协同汇流状态，所述协同汇流状态包括需要协同和无需协同。
3.根据权利要求1所述的匝道车辆汇流仿真方法，其特征在于,根据所述协同汇流状态分别控制所述第一车辆和/或所述第二车辆保持原状态行驶或变道行驶，包括：
根据所述第一车辆的参数信息在行驶车辆提取相邻车辆集，所述相邻车辆集包括第三车辆、第四车辆、第五车辆和第六车辆，所述相邻车辆集为在当前时刻位于所述第一车辆前方或后方的车辆，所述第一车辆、所述第三车辆和所述第四车辆行驶于第一主车道上，所述第五车辆和第六车辆行驶于与第一主车道相邻的主车道，所述第一主车道为与所述汇流匝道相接的主干道；
建立第一选择效用目标函数和第二选择效用目标函数；
将所述第一车辆、所述第五车辆和第六车辆的参数信息作为第一选择效用目标函数的输入信息，求解所述第一选择效用目标函数得到第一效用值；
将所述第一车辆、所述第三车辆和所述第四车辆的参数信息作为第一选择效用目标函数的输入信息，求解所述第一选择效用目标函数得到第二效用值；
根据所述第一车辆、所述第五车辆和所述第六车辆的参数信息和预设的第一公式分别计算得到第一车辆与所述第五车辆的安全时间和所述第一车辆与所述第六车辆的安全时间；
若所述第一效用值大于所述第二效用值，且两个安全时间均大于预设的安全阈值，则控制所述第一车辆变道行驶；若所述第一效用值小于或等于所述第二效用值，则控制所述第一车辆保持原状态行驶。
4.根据权利要求1所述的匝道车辆汇流仿真方法，其特征在于, 在汇流车辆抵达汇流起始点后，根据所述第一车辆、所述第二车辆和所述汇流车辆的参数信息计算得到汇流参考轨迹，并根据所述汇流参考轨迹控制所述汇流车辆行驶汇入主车道，包括：
在所述汇流车辆未执行汇流动作的每个时间步长中，根据所述第一车辆、所述第二车辆、所述汇流车辆和第七车辆的参数信息和预设的第二约束条件计算得到当前时刻的时机状态，所述时机状态包括执行汇流，所述第七车辆为位于所述汇流车辆的前车，所述第七车辆行驶于所述汇流匝道上；
若所述当前时刻的时机状态为执行汇流，则对所述汇流车辆执行汇流动作，并在每个时间步长中根据所述第一车辆、所述第二车辆和所述汇流车辆的参数信息计算得到汇流参考轨迹，同时，根据所述汇流参考轨迹控制所述汇流车辆行驶汇入主车道。
5.一种匝道车辆汇流仿真装置，其特征在于，包括：
第一获取单元，用于获取高速公路交通模型，并初始化行驶车辆的参数信息，所述高速公路交通模型包括至少两条主车道和一条汇流匝道，所述行驶车辆包括位于主车道的主干道车辆和位于汇流匝道的汇流车辆；
第一仿真单元，用于在汇流车辆抵达汇流起始点前，在每个时间步长中根据所述行驶车辆的参数信息计算得到第一信息，所述第一信息包括第一车辆和第二车辆的协同汇流状态，并根据所述协同汇流状态分别控制所述第一车辆和/或所述第二车辆保持原状态行驶或变道行驶，所述第一车辆和所述第二车辆分别为所述汇流车辆抵达汇流起始点时位于所述汇流起始点前方和后方的第一个车辆，所述汇流起始点为汇流匝道与主干道相接起始点，所述第一车辆和所述第二车辆行驶于与汇流匝道相接的主车道；
第二仿真单元，用于在汇流车辆抵达汇流起始点后，根据所述第一车辆、所述第二车辆和所述汇流车辆的参数信息计算得到汇流参考轨迹，并根据所述汇流参考轨迹控制所述汇流车辆行驶汇入主车道。
6.根据权利要求5所述的匝道车辆汇流仿真装置，其特征在于，所述第一仿真单元包括：
协同车辆计算单元，用于根据所述汇流车辆的参数信息和所述汇流起始点的位置信息分别计算得到在第一预期时刻时所述第一车辆和所述第二车辆的位置信息，所述第一预期时刻为所述汇流车辆预计抵达汇流起始点的时刻，所述第一车辆和所述第二车辆之间的间距为所述汇流车辆汇流的间距；
状态计算单元，用于根据在第一预期时刻时所述第一车辆的参数信息、所述第二车辆的参数信息、所述汇流起始点的位置信息和预设的第一约束条件计算得到所述第一车辆和所述第二车辆的协同汇流状态，所述协同汇流状态包括需要协同和无需协同。
7.根据权利要求5所述的匝道车辆汇流仿真装置，其特征在于，所述第一仿真单元还包括：
提取单元，用于根据所述第一车辆的参数信息在行驶车辆提取相邻车辆集，所述相邻车辆集包括第三车辆、第四车辆、第五车辆和第六车辆，所述相邻车辆集为在当前时刻位于所述第一车辆前方或后方的车辆，所述第一车辆、所述第三车辆和所述第四车辆行驶于第一主车道上，所述第五车辆和第六车辆行驶于与第一主车道相邻的主车道，所述第一主车道为与所述汇流匝道相接的主干道；
函数建立单元，用于建立第一选择效用目标函数和第二选择效用目标函数；
第一子计算单元，用于将所述第一车辆、所述第五车辆和第六车辆的参数信息作为第一选择效用目标函数的输入信息，求解所述第一选择效用目标函数得到第一效用值；
第二子计算单元，用于将所述第一车辆、所述第三车辆和所述第四车辆的参数信息作为第一选择效用目标函数的输入信息，求解所述第一选择效用目标函数得到第二效用值；
安全时间计算单元，用于根据所述第一车辆、所述第五车辆和所述第六车辆的参数信息和预设的第一公式分别计算得到第一车辆与所述第五车辆的安全时间和所述第一车辆与所述第六车辆的安全时间；
第一逻辑单元，用于若所述第一效用值大于所述第二效用值，且两个安全时间均大于预设的安全阈值，则控制所述第一车辆变道行驶；
第二逻辑单元，用于若所述第一效用值小于或等于所述第二效用值，则控制所述第一车辆保持原状态行驶。
8.根据权利要求5所述的匝道车辆汇流仿真装置，其特征在于，所述第二仿真单元还包括：
汇流判断单元，用于在所述汇流车辆未执行汇流动作的每个时间步长中，根据所述第一车辆、所述第二车辆、所述汇流车辆和第七车辆的参数信息和预设的第二约束条件计算得到当前时刻的时机状态，所述时机状态包括执行汇流，所述第七车辆为位于所述汇流车辆的前车，所述第七车辆行驶于所述汇流匝道上；
第三逻辑单元，用于若所述当前时刻的时机状态为执行汇流，则对所述汇流车辆执行汇流动作，并在每个时间步长中根据所述第一车辆、所述第二车辆和所述汇流车辆的参数信息计算得到汇流参考轨迹，同时，根据所述汇流参考轨迹控制所述汇流车辆行驶汇入主车道。
9.一种匝道车辆汇流仿真设备，其特征在于，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时实现如权利要求1至4任一项所述匝道车辆汇流仿真方法的步骤。
10.一种可读存储介质，其特征在于：所述可读存储介质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4任一项所述匝道车辆汇流仿真方法的步骤。
CN202210618659.8A 2022-06-02 2022-06-02 一种匝道车辆汇流仿真方法、装置、设备及可读存储介质 Active CN114707364B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210618659.8A CN114707364B (zh) 2022-06-02 2022-06-02 一种匝道车辆汇流仿真方法、装置、设备及可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210618659.8A CN114707364B (zh) 2022-06-02 2022-06-02 一种匝道车辆汇流仿真方法、装置、设备及可读存储介质

Publications (2)

Publication Number Publication Date
CN114707364A true CN114707364A (zh) 2022-07-05
CN114707364B CN114707364B (zh) 2022-09-02

Family

ID=82175742

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210618659.8A Active CN114707364B (zh) 2022-06-02 2022-06-02 一种匝道车辆汇流仿真方法、装置、设备及可读存储介质

Country Status (1)

Country Link
CN (1) CN114707364B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115273514A (zh) * 2022-08-03 2022-11-01 西南交通大学 一种自动驾驶车辆多车道连续变道轨迹优化方法
CN115641717A (zh) * 2022-10-19 2023-01-24 长沙理工大学 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
CN115830886A (zh) * 2023-02-09 2023-03-21 西南交通大学 智能网联车辆协同换道时序计算方法、装置、设备及介质
CN116009549A (zh) * 2023-01-06 2023-04-25 清华大学 非联网汇入车辆的车辆队列动态重组方法及装置
CN116092310A (zh) * 2023-01-28 2023-05-09 西南交通大学 面向混合交通环境的路口协同生态驾驶控制方法及系统

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110150620A1 (en) * 2009-12-23 2011-06-23 Dixie Consumer Products Llc Pressware stop ramp and method for using the same
CN207799073U (zh) * 2018-03-07 2018-08-31 广东省高速公路营运管理协会 一种用于高速公路主道-匝道汇流辅助的装置
CN108806252A (zh) * 2018-06-19 2018-11-13 西南交通大学 一种高速公路混合交通流协同优化控制方法
CN110379182A (zh) * 2019-07-12 2019-10-25 同济大学 一种基于车路广义动力学的匝道合流区协同控制系统
CN110570049A (zh) * 2019-09-19 2019-12-13 西南交通大学 一种高速公路混合交通流汇流协同优化底层控制方法
CN111127953A (zh) * 2020-01-10 2020-05-08 长沙理工大学 一种基于网联自动驾驶环境下的车辆匝道并线方法
CN111127908A (zh) * 2019-12-30 2020-05-08 戴姆勒股份公司 用于车辆汇流的自动驾驶控制方法
CN112650224A (zh) * 2020-12-11 2021-04-13 国汽(北京)智能网联汽车研究院有限公司 自动驾驶仿真的方法、装置、设备及存储介质
CN113276859A (zh) * 2021-06-15 2021-08-20 腾讯科技（深圳）有限公司 车辆控制方法、装置、计算机设备及存储介质
CN113327441A (zh) * 2021-02-04 2021-08-31 长沙理工大学 基于高速公路合流区的网联自动车辆速度控制及轨迹优化方法
CN113990085A (zh) * 2021-10-11 2022-01-28 南京航空航天大学 一种匝道汇入区域的交通疏解方法及系统
CN215829164U (zh) * 2021-09-06 2022-02-15 周一华 一种快速公路入口处快速合流结构

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110150620A1 (en) * 2009-12-23 2011-06-23 Dixie Consumer Products Llc Pressware stop ramp and method for using the same
CN207799073U (zh) * 2018-03-07 2018-08-31 广东省高速公路营运管理协会 一种用于高速公路主道-匝道汇流辅助的装置
CN108806252A (zh) * 2018-06-19 2018-11-13 西南交通大学 一种高速公路混合交通流协同优化控制方法
CN110379182A (zh) * 2019-07-12 2019-10-25 同济大学 一种基于车路广义动力学的匝道合流区协同控制系统
CN110570049A (zh) * 2019-09-19 2019-12-13 西南交通大学 一种高速公路混合交通流汇流协同优化底层控制方法
CN111127908A (zh) * 2019-12-30 2020-05-08 戴姆勒股份公司 用于车辆汇流的自动驾驶控制方法
CN111127953A (zh) * 2020-01-10 2020-05-08 长沙理工大学 一种基于网联自动驾驶环境下的车辆匝道并线方法
CN112650224A (zh) * 2020-12-11 2021-04-13 国汽(北京)智能网联汽车研究院有限公司 自动驾驶仿真的方法、装置、设备及存储介质
CN113327441A (zh) * 2021-02-04 2021-08-31 长沙理工大学 基于高速公路合流区的网联自动车辆速度控制及轨迹优化方法
CN113276859A (zh) * 2021-06-15 2021-08-20 腾讯科技（深圳）有限公司 车辆控制方法、装置、计算机设备及存储介质
CN215829164U (zh) * 2021-09-06 2022-02-15 周一华 一种快速公路入口处快速合流结构
CN113990085A (zh) * 2021-10-11 2022-01-28 南京航空航天大学 一种匝道汇入区域的交通疏解方法及系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
YUKUN FANG等: "On-Ramp Merging Strategies of Connected and Automated Vehicles Considering Communication Delay", 《IEEE TRANSACTIONS ON INTELLIGENT TRANSPORTATION SYSTEMS》 *
陈烨: "多车道匝道合流区强制换道阶段识别与换道风险辨识", 《中国优秀博硕士学位论文全文数据库（硕士） 工程科技II辑》 *
马新露: "变速车道影响下的城市道路多路合流区域换道交通流特性研究", 《重启交通大学学报（自然科学版）》 *

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115273514A (zh) * 2022-08-03 2022-11-01 西南交通大学 一种自动驾驶车辆多车道连续变道轨迹优化方法
CN115273514B (zh) * 2022-08-03 2023-08-08 西南交通大学 一种自动驾驶车辆多车道连续变道轨迹优化方法
CN115641717A (zh) * 2022-10-19 2023-01-24 长沙理工大学 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
CN115641717B (zh) * 2022-10-19 2023-09-19 长沙理工大学 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
CN116009549A (zh) * 2023-01-06 2023-04-25 清华大学 非联网汇入车辆的车辆队列动态重组方法及装置
CN116009549B (zh) * 2023-01-06 2023-12-05 清华大学 非联网汇入车辆的车辆队列动态重组方法及装置
CN116092310A (zh) * 2023-01-28 2023-05-09 西南交通大学 面向混合交通环境的路口协同生态驾驶控制方法及系统
CN116092310B (zh) * 2023-01-28 2023-07-18 西南交通大学 面向混合交通环境的路口协同生态驾驶控制方法及系统
CN115830886A (zh) * 2023-02-09 2023-03-21 西南交通大学 智能网联车辆协同换道时序计算方法、装置、设备及介质

Also Published As

Publication number Publication date
CN114707364B (zh) 2022-09-02

Similar Documents

Publication Publication Date Title
CN114707364B (zh) 一种匝道车辆汇流仿真方法、装置、设备及可读存储介质
Wang et al. Cooperative eco-driving at signalized intersections in a partially connected and automated vehicle environment
US11713006B2 (en) Systems and methods for streaming processing for autonomous vehicles
Yu et al. A human-like game theory-based controller for automatic lane changing
Li et al. Planning and decision-making for connected autonomous vehicles at road intersections: A review
US11392127B2 (en) Trajectory initialization
JP6715899B2 (ja) 衝突回避装置
Hang et al. Driving conflict resolution of autonomous vehicles at unsignalized intersections: A differential game approach
Yang et al. A less-disturbed ecological driving strategy for connected and automated vehicles
CN112233413A (zh) 一种面向智能网联车辆的多车道时空轨迹优化方法
Min et al. Constrained optimization and distributed model predictive control-based merging strategies for adjacent connected autonomous vehicle platoons
US20210271988A1 (en) Reinforcement learning with iterative reasoning for merging in dense traffic
Xue et al. A platoon-based hierarchical merging control for on-ramp vehicles under connected environment
CN111899509B (zh) 一种基于车路信息耦合的智能网联汽车状态向量计算方法
Han et al. Strategic and tactical decision-making for cooperative vehicle platooning with organized behavior on multi-lane highways
Goulet et al. Distributed maneuver planning with connected and automated vehicles for boosting traffic efficiency
Yan et al. A hierarchical motion planning system for driving in changing environments: Framework, algorithms, and verifications
Li et al. Enhancing cooperation of vehicle merging control in heavy traffic using communication-based soft actor-critic algorithm
Shi et al. Real‐time control of connected vehicles in signalized corridors using pseudospectral convex optimization
Kim et al. Identifying suitable car-following models to simulate automated vehicles on highways
WO2023087157A1 (zh) 一种智能驾驶方法及应用该方法的车辆
CN115503756A (zh) 一种智能驾驶决策方法、决策装置以及车辆
Wang et al. Towards the next level of vehicle automation through cooperative driving: A roadmap from planning and control perspective
Wen et al. Bringing diversity to autonomous vehicles: An interpretable multi-vehicle decision-making and planning framework
JP6599817B2 (ja) 演算装置、演算方法およびプログラム

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