CN115035724B - 一种基于生态编队的物流车准时化运输车路协同管控方法 - Google Patents

一种基于生态编队的物流车准时化运输车路协同管控方法 Download PDF

Info

Publication number
CN115035724B
CN115035724B CN202210818565.5A CN202210818565A CN115035724B CN 115035724 B CN115035724 B CN 115035724B CN 202210818565 A CN202210818565 A CN 202210818565A CN 115035724 B CN115035724 B CN 115035724B
Authority
CN
China
Prior art keywords
logistics
vehicle
fleet
path
road
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
CN202210818565.5A
Other languages
English (en)
Other versions
CN115035724A (zh
Inventor
郑黎黎
李彦霖
孙宝凤
丁同强
孟凡运
高天
姜鹏
何鑫宇
肖政峰
王雨营
张焱林
曹诗雨
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.)
Jilin University
Original Assignee
Jilin 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 Jilin University filed Critical Jilin University
Priority to CN202210818565.5A priority Critical patent/CN115035724B/zh
Publication of CN115035724A publication Critical patent/CN115035724A/zh
Application granted granted Critical
Publication of CN115035724B publication Critical patent/CN115035724B/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
    • G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
    • G08G1/0116—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from roadside infrastructure, e.g. beacons
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/083—Shipping
    • 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
    • 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
    • G08G1/052—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/07—Controlling traffic signals
    • G08G1/081—Plural intersections under common control
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0968—Systems involving transmission of navigation instructions to the vehicle
    • G08G1/096805—Systems involving transmission of navigation instructions to the vehicle where the transmitted instructions are used to compute a route

Landscapes

  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Development Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供一种基于生态编队的物流车准时化运输车路协同管控方法，具体为：物流车辆向车辆管理控制系统发送路径规划需求和车辆配送任务信息；车辆管理控制系统根据相关信息规划物流车辆的最优路径和初始速度序列；车辆管理控制系统分析物流车辆与其它物流车辆或物流车队的路径重合情况，当不存在重合时，车辆管理控制系统直接将最优路径和初始速度序列发送给物流车辆；当存在路径重合时，进行编队速度序列设计，将物流车辆的初始速度序列与编队速度序列进行能耗比较，选取能耗最低的速度序列作为最终速度序列，将最优路径和最终速度序列发送给物流车辆，车辆管理控制系统将在物流车辆的每个新至路径节点处进行实时更新，直至抵达货运终点。

Description

一种基于生态编队的物流车准时化运输车路协同管控方法
技术领域
本发明属于生产物流车辆智能调度技术、车路协同管控技术领域；具体地，涉及一种通过制定物流车辆的生态化编队方案，利用车路协同技术帮助物流车队实现路径智能规划诱导和交叉口智能优先控制，从而保障物流车辆生态化运行、准时化运输的方法。
背景技术
近年来，我国城市扩张迅速，对于一些老工业城市，位于城市外围的大型工业园区逐渐成为城市的一部分，使得物流车辆进入和离开厂区往往会受到社会车辆较大干扰，很难保障生产物料的准时化供应。同时，当前在各行业积极响应“双碳”目标的时代背景下，为了实现准时、高效、低碳的物品送达结果，需要先进科学的生产物流车辆调度技术和在途保障技术。
物流车辆编队行驶可以有效减小车队内部跟随车辆的空气阻力，极大的降低跟随车辆的能耗和碳排放；以车队为单位进行路径规划诱导、干线协调和交叉口车队控制，不但可以有效的提高目标车辆的通行效率，减少行程时长，还能维持车辆运行的稳定性，尽量避免因车辆加减速引起的状态波动，达到节能减排的效果。因此，灵活运用生态编队技术、车路协同下车队的路径规划诱导和信号控制技术，对于实现物流车辆物料配送准时化、低碳化的管控目标，完成大规模物流车辆实时调度和保障物流车队在途运行时间的可靠性具有重要作用。
在物流车辆物料配送准时化保障方面，目前主要研究成果侧重的是面向单车物流的路径规划方法。例如：中国专利CN107424426A公开了一种基于深度学习的物流路径规划方法，利用机器视觉判定道路拥堵情况，进而规划出高效运输路径，但相关研究都没有涉及到对路径重合物流车辆进行编队调度，更没有进一步对物流车队实行信号优先控制，减少物流车辆行车延误的研究。而在物流车队编队运输方面，目前相关文章主要是从车队的形成调度、队列的稳定性保持角度进行研究。例如：中国专利CN110071982A公开了一种基于车路协同的货车编队方法，通过路侧RSU与车辆的通信，协调物流车辆在途加入或创建物流车队。中国专利CN112634606A公开了一种货车编队运输调度方法、调度系统、介质及数据处理终端，在保证运输不延误的前提下，为物流车辆设计调度路线和运行速度，帮助物流车辆完成编队。但上述研究均没有考虑车队运行对道路交通状况的影响，缺乏针对物流车队的行程时长预测模型，导致物流车辆难以得到准确汇入车队时间，无法支持车队整体的实时路径诱导。
发明内容
为解决背景技术中存在的问题，本发明提供一种基于生态编队的物流车准时化运输车路协同管控方法。
本发明的技术方案如下：
一种基于生态编队的物流车准时化运输车路协同管控方法，包括以下步骤：
步骤S1：物流车辆i通过车载单元向车辆管理控制系统发送路径规划需求和车辆配送任务信息；车辆配送任务信息包括
Figure GDA0003861271080000021
为当前位置，
Figure GDA0003861271080000022
为配送终点，
Figure GDA0003861271080000023
为当前时间，
Figure GDA0003861271080000024
为配送截止时间；
步骤S2：车辆管理控制系统根据物流车辆i的车辆配送任务信息和交通信息，规划物流车辆i的最优路径和初始速度序列；其中交通信息是由车辆管理控制系统通过路侧终端获取，包括路网上各个边的路段长度、坡度、摩擦系数、限速值、自由流行驶速度、交通流量、通行能力、车道数、信控状态的交通信息
步骤S3：车辆管理控制系统分析物流车辆i与其它物流车辆j或物流车队tp的路径重合情况，当不存在路径重合情况时，车辆管理控制系统直接将步骤S2中得到的最优路径和初始速度序列发送给物流车辆i的车载单元；
当存在路径重合情况时，则进行编队速度序列设计；车辆管理控制系统将物流车辆i的初始速度序列与编队速度序列进行能耗比较，选取能耗最低的速度序列作为最终速度序列，车辆管理控制系统将最优路径和最终速度序列发送给物流车辆i的车载单元；
步骤S4：车辆管理控制系统将在物流车辆i的每个新至路径节点处进行步骤S3的实时更新，直至物流车辆i抵达货运终点。
作为本发明的优选，步骤S3中，当物流车辆i与其它物流车辆j存在路径重合时，根据物流车辆i与其他物流车辆j的位置及最优路径信息，对二者进行编队速度序列设计，使双方同时到达编队汇合节点且能耗最低；
当物流车辆i与物流车队tp存在路径重合时，根据物流车队tp的位置及最优路径信息，结合物流车队tp运行情况及交通情况，计算物流车队tp到达编队汇合节点时间；根据物流车队tp到达编队汇合节点时间，为物流车辆i进行编队速度序列设计，使双方同时到达编队汇合节点且能耗最低。
作为本发明的优选，步骤S2中最优路径和初始速度序列的选取步骤如下：
步骤S21：车辆管理控制系统为物流车辆i规划多条可达路径，可达路径可表示为routei＝(pi[1],pi[2],pi[3],…,pi[M])，pi[n]为可达路径上的第n个节点，M为路径节点数量，并满足
Figure GDA0003861271080000025
步骤S22：计算各条可达路径的路阻时长，计算公式如下：
Figure GDA0003861271080000031
其中，ei[n]为连接节点pi[n]和pi[n+1]的边，l(ei[n])、vf(ei[n])、Q(ei[n])、C(ei[n])分别为边ei[n]的路段长度、自由流行驶速度、交通流量、通行能力，δ与β为阻滞系数，分别取值0.15、4；
步骤S23：选取路阻时长最小路径为最优路径，并根据最优路径为物流车辆i计算能耗最低的初始速度序列Vi＝(vi(ei[1]),vi(ei[2]),…,vi(ei[M-1]))，计算公式如下：
Figure GDA0003861271080000032
Figure GDA0003861271080000033
Figure GDA0003861271080000034
vmin(ei[n])≤vi(ei[n])≤vmax(ei[n])
其中，fi(ei[n])为物流车辆i在边ei[n]上行驶时的单位距离能耗，Gi、Ai为物流车辆i的重力和正面风压面积，
Figure GDA0003861271080000037
vmin(ei[n])、vmax(ei[n])分别为边ei[n]的坡度、摩擦系数和物流车辆i的最小行驶速度、最大行驶速度，ρ为空气密度。
当物流车辆i与其它物流车辆j具有部分路径重合的情况下，确定重合的路径情况：
routei＝(pi[1],…,pi,j[mi],…,pi,j[mi+hi,j],…,pi[Mi])
routej＝(pj[1],…,pi,j[mj],…,pi,j[mj+hi,j],…,pj[Mj])
其中，pi,j[mi]代表物流车辆i在第mi个节点开始与物流车辆j具有重合路径，重合节点共有hi,j个；约束条件为物流车辆i与其它物流车辆j同时到达pi,j[mi]处、重合路径二者行驶速度相同、满足配送时长需求、满足路段速度限制的情况下，求解能耗最低的编队速度序列对(Vi,Vj)，计算公式如下：
Figure GDA0003861271080000035
Figure GDA0003861271080000036
Figure GDA0003861271080000041
vi(ei[n])＝vj(ej[n]),n∈[mi,…,mi+hi,j-1]
Figure GDA0003861271080000042
vmin(ea[n])≤va(ea[n])≤vmax(ea[n])
a∈{i,j}
其中，fplatoon(ei[n])为物流车辆i在车队行驶条件下，在边ei[n]上行驶时的单位距离能耗，η为车队风阻折减系数；判断上述公式的求解情况，若无最优解，则按原速度序列行驶，否则，将最优解作为最优速度序列行驶。
当物流车辆i与物流车队tp具有部分路径重合的情况下，确定重合的路径情况：
routei＝(pi[1],…,pi,tp[mi],…,pi,tp[mi+hi,tp],…,pi[Mi])
routetp＝(ptp[1],…,pi,tp[mtp],…,pi,tp[mtp+hi,tp],…,ptp[Mtp])
车辆管理控制系统根据当前物流车队tp的运行情况和交通信息计算物流车队tp到达节点pi,tp[mtp]的时间，具体步骤如下：
步骤A1：考虑物流车队tp对道路通行能力的影响，计算边etp[n],n∈[1,…,mtp-1]的通行能力退化系数，计算公式如下：
Figure GDA0003861271080000043
其中，
Figure GDA0003861271080000044
为边etp[n]受物流车队tp影响下的通行能力退化系数，λ为物流车队tp的当量换算系数，N为物流车队tp内物流车辆数量，vtp(etp[n])是物流车队tp的在边etp[n]上的计划速度，l(etp[n])和ltp分别是边etp[n]的长度和物流车队tp长度，C(etp[n])和
Figure GDA0003861271080000045
分别为边etp[n]的原道路通行能力和车道数；
步骤A2：考虑物流车队tp对道路通行能力的影响改进BPR函数，计算物流车队tp在路段etp[n]上的路阻时长
Figure GDA0003861271080000046
计算公式如下：
Figure GDA0003861271080000047
其中，l(etp[n])、vf(etp[n])、Q(etp[n])、C(etp[n])、
Figure GDA0003861271080000048
分别为边etp[n]的长度、自由流行驶速度、交通流量、通行能力、通行能力退化系数，δ与β为阻滞系数，分别取值0.15、4；
步骤A3：由于节点信号系统对物流车队tp实施信号动态优先，可保证物流车队tp维持原运行状态通过，所以物流车队tp在节点的延误时间可忽略，根据各路段的路阻时长计算物流车队tp到达节点pi,tp[mtp]的时间，计算公式如下：
Figure GDA0003861271080000051
根据物流车队tp到达节点pi,tp[mtp]的预测时间，为物流车辆i计算汇入车队行驶的能耗最低行驶速度序列Vi，计算公式如下：
Figure GDA0003861271080000052
Figure GDA0003861271080000053
Figure GDA0003861271080000054
Figure GDA0003861271080000055
vmin(ei[n])≤vi(ei[n])≤vmax(ei[n])
判断上述公式的求解情况，若无最优解，则按原速度序列行驶，否则，将最优解作为最优速度序列行驶。
作为本发明的优选，为保障物流车队tp运行的快速连贯，路侧终端控制节点信号系统实施车队信号动态优先策略，具体如下；
对于不具备信号协调控制的单个交叉口，若物流车队tp在绿灯期间到达交叉口停车线处，检测剩余绿灯时长tg，若
Figure GDA0003861271080000056
则物流车队正常驶过交叉口，否则通过延长绿灯时长来保证物流车队tp的连续通行，延长绿灯时长为
Figure GDA0003861271080000057
使得
Figure GDA0003861271080000058
对于不具备信号协调控制条件的单个交叉口，若物流车队tp在红灯期间到达交叉口停车线处，通过缩短红灯时长，令绿灯提前起亮来保证物流车队tp的连续通行；
对于具备信号协调控制条件的连续多个交叉口，通过信号协调控制，使物流车队tp连续通过多个交叉口。
作为本发明的优选，通过信号协调控制，使物流车队tp连续通过多个交叉口的具体步骤如下：
步骤B1：计算各个协调控制交叉口的信号周期时长，选取其中最大信号周期时长作为公共时长，计算公式为：
Figure GDA0003861271080000061
SC＝max(SCp[n])
其中，SCp[n]为第n个交叉口的最佳信号周期时长，Loss为信号总损失时间，Y是该周期内所有相位的关键车道组流率比之和，SC为协调控制交叉口的公共周期时长；
步骤B2：对各个交叉口的不同相位按照等饱和度原则分配绿灯时长，计算公式为：
Figure GDA0003861271080000062
gb＝gEb+lossb-Ib
其中gEb为相位b的有效绿灯时长，yb为相位b的关键车道组流量比，gb为相位b的绿灯显示时长，lossb为相位b的损失时长，Ib为相位b的黄灯时长；
步骤B3：协调相邻交叉口间的相位差，假设物流车队tp头车驶达第n个交叉口的时间为tp[n]，车队在边etp[n]上的路阻时长为
Figure GDA0003861271080000063
节点p[n]物流车队行驶相位绿灯启亮时间为0时刻，上下游交叉口的绿灯时长分别为g1和g2，相位周期时长为SC，二者的相位差用O表示，则相邻交叉口相位差计算公式为：
tp[n]+Tetp[n]≥Z·SC+O
Figure GDA0003861271080000064
其中Z为距离物流车队tp抵达下一交叉口的时间最近的整周期数，计算得到相邻交叉口间的相位差为
Figure GDA0003861271080000065
当信号协调交叉口按照计算所得公共周期、绿灯时长、相位差进行控制时，可保证物流车队不停车驶过多个连续交叉口。
本发明的有益效果如下：
本发明提供的基于生态编队的物流车辆准时化运输方法，该方法应用车路协同技术和车辆编队技术，考虑车队运行影响下道路通行能力退化的情况，采用实时路径诱导和交叉口信号控制手段，建立燃油消耗模型和改进BPR模型，解决当前物流车辆准时化配送研究只关注单车路径规划，没有将准时化配送与生态化编队结合运用，以及现有物流车队相关研究没有考虑到车队运行对道路交通状况的影响，缺乏针对物流车队的行程时长预测模型，无法支持车队整体的实时路径诱导，导致物流车辆运输准时化难以保障的问题。
附图说明
通过参考以下结合附图的说明，并且随着对本发明的更全面理解，本发明的其它目的及结果将更加明白及易于理解。在附图中：
图1为本发明的逻辑框图。
具体实施方式
为使本领域技术人员能够更好的理解本发明的技术方案及其优点，下面结合附图1对本申请进行详细描述，但并不用于限定本发明的保护范围。
实施例1
一种基于生态编队的物流车准时化运输车路协同管控方法，包括以下步骤：
步骤S1：物流车辆i通过车载单元向车辆管理控制系统发送路径规划需求和车辆配送任务信息；车辆配送任务信息包括
Figure GDA0003861271080000071
为当前位置，
Figure GDA0003861271080000072
为配送终点，
Figure GDA0003861271080000073
为当前时间，
Figure GDA0003861271080000074
为配送截止时间；
步骤S2：车辆管理控制系统根据物流车辆i的车辆配送任务信息和交通信息，规划物流车辆i的最优路径和初始速度序列；其中交通信息是由车辆管理控制系统通过路侧终端获取，包括路网上各个边的路段长度、坡度、摩擦系数、限速值、自由流行驶速度、交通流量、通行能力、车道数、信控状态的交通信息；
步骤S3：车辆管理控制系统分析物流车辆i与其它物流车辆j或物流车队tp的路径重合情况，当不存在路径重合情况时，车辆管理控制系统直接将步骤S2中得到的最优路径和初始速度序列发送给物流车辆i的车载单元；
当存在路径重合情况时，则进行编队速度序列设计；车辆管理控制系统将物流车辆i的初始速度序列与编队速度序列进行能耗比较，选取能耗最低的速度序列作为最终速度序列，车辆管理控制系统将最优路径和最终速度序列发送给物流车辆i的车载单元；
步骤S4：车辆管理控制系统将在物流车辆i的每个新至路径节点处进行步骤S3的实时更新，直至物流车辆i抵达货运终点。
进一步地，步骤S3中，当物流车辆i与其它物流车辆j存在路径重合时，根据物流车辆i与其他物流车辆j的位置及最优路径信息，对二者进行编队速度序列设计，使双方同时到达编队汇合节点且能耗最低；
当物流车辆i与物流车队tp存在路径重合时，根据物流车队tp的位置及最优路径信息，结合物流车队tp运行情况及交通情况，计算物流车队tp到达编队汇合节点时间；根据物流车队tp到达编队汇合节点时间，为物流车辆i进行编队速度序列设计，使双方同时到达编队汇合节点且能耗最低。
实施例2
最优路径和初始速度序列的选取步骤如下：
步骤S21：车辆管理控制系统为物流车辆i规划多条可达路径，可达路径可表示为routei＝(pi[1],pi[2],pi[3],…,pi[M])，pi[n]为可达路径上的第n个节点，M为路径节点数量，并满足
Figure GDA0003861271080000081
步骤S22：计算各条可达路径的路阻时长，计算公式如下：
Figure GDA0003861271080000082
其中，ei[n]为连接节点pi[n]和pi[n+1]的边，l(ei[n])、vf(ei[n])、Q(ei[n])、C(ei[n])分别为边ei[n]的路段长度、自由流行驶速度、交通流量、通行能力，δ与β为阻滞系数，分别取值0.15、4；
步骤S23：选取路阻时长最小路径为最优路径，并根据最优路径为物流车辆i计算能耗最低的初始速度序列Vi＝(vi(ei[1]),vi(ei[2]),…,vi(ei[M-1]))，计算公式如下：
Figure GDA0003861271080000083
Figure GDA0003861271080000084
Figure GDA0003861271080000085
vmin(ei[n])≤vi(ei[n])≤vmax(ei[n])
其中，fi(ei[n])为物流车辆i在边ei[n]上行驶时的单位距离能耗，Gi、Ai为物流车辆i的重力和正面风压面积，
Figure GDA0003861271080000086
vmin(ei[n])、vmax(ei[n])分别为边ei[n]的坡度、摩擦系数和物流车辆i的最小行驶速度、最大行驶速度，ρ为空气密度。
进一步地，当物流车辆i与其它物流车辆j具有部分路径重合的情况下，确定重合的路径情况：
routei＝(pi[1],…,pi,j[mi],…,pi,j[mi+hi,j],…,pi[Mi])
routej＝(pj[1],…,pi,j[mj],…,pi,j[mj+hi,j],…,pj[Mj])
其中，pi,j[mi]代表物流车辆i在第mi个节点开始与物流车辆j具有重合路径，重合节点共有hi,j个；约束条件为物流车辆i与其它物流车辆j同时到达pi,j[mi]处、重合路径二者行驶速度相同、满足配送时长需求、满足路段速度限制的情况下，求解能耗最低的编队速度序列对(Vi,Vj)，计算公式如下：
Figure GDA0003861271080000091
Figure GDA0003861271080000092
η∈(0,1)
Figure GDA0003861271080000093
vi(ei[n])＝vj(ej[n]),n∈[mi,…,mi+hi,j-1]
Figure GDA0003861271080000094
vmin(ea[n])≤va(ea[n])≤vmax(ea[n])
a∈{i,j}
其中，fplatoon(ei[n])为物流车辆i在车队行驶条件下，在边ei[n]上行驶时的单位距离能耗，η为车队风阻折减系数；判断上述公式的求解情况，若无最优解，则按原速度序列行驶，否则，将最优解作为最优速度序列行驶。
进一步地，当物流车辆i与物流车队tp具有部分路径重合的情况下，确定重合的路径情况：
routei＝(pi[1],…,pi,tp[mi],…,pi,tp[mi+hi,tp],…,pi[Mi])
routetp＝(ptp[1],…,pi,tp[mtp],…,pi,tp[mtp+hi,tp],…,ptp[Mtp])
车辆管理控制系统根据当前物流车队tp的运行情况和交通信息计算物流车队tp到达节点pi,tp[mtp]的时间，具体步骤如下：
步骤A1：考虑物流车队tp对道路通行能力的影响，计算边etp[n],n∈[1,…,mtp-1]的通行能力退化系数，计算公式如下：
Figure GDA0003861271080000095
其中，
Figure GDA0003861271080000096
为边etp[n]受物流车队tp影响下的通行能力退化系数，λ为物流车队tp的当量换算系数，N为物流车队tp内物流车辆数量，vtp(etp[n])是物流车队tp的在边etp[n]上的计划速度，l(etp[n])和ltp分别是边etp[n]的长度和物流车队tp长度，C(etp[n])和
Figure GDA0003861271080000097
分别为边etp[n]的原道路通行能力和车道数；
步骤A2：考虑物流车队tp对道路通行能力的影响改进BPR函数，计算物流车队tp在路段etp[n]上的路阻时长
Figure GDA0003861271080000101
计算公式如下：
Figure GDA0003861271080000102
其中，l(etp[n])、vf(etp[n])、Q(etp[n])、C(etp[n])、
Figure GDA0003861271080000103
分别为边etp[n]的长度、自由流行驶速度、交通流量、通行能力、通行能力退化系数，δ与β为阻滞系数，分别取值0.15、4；
步骤A3：由于节点信号系统对物流车队tp实施信号动态优先，可保证物流车队tp维持原运行状态通过，所以物流车队tp在节点的延误时间可忽略，根据各路段的路阻时长计算物流车队tp到达节点pi,tp[mtp]的时间，计算公式如下：
Figure GDA0003861271080000104
根据物流车队tp到达节点pi,tp[mtp]的预测时间，为物流车辆i计算汇入车队行驶的能耗最低行驶速度序列Vi，计算公式如下：
Figure GDA0003861271080000105
Figure GDA0003861271080000106
vi(ei[n])＝vtp(etp[n]),n∈[mi,…,mi+hi,tp-1]
Figure GDA0003861271080000107
vmin(ei[n])≤vi(ei[n])≤vmax(ei[n])
判断上述公式的求解情况，若无最优解，则按原速度序列行驶，否则，将最优解作为最优速度序列行驶。
实施例3
为保障物流车队tp运行的快速连贯，路侧终端控制节点信号系统实施车队信号动态优先策略，具体如下；
对于不具备信号协调控制的单个交叉口，若物流车队tp在绿灯期间到达交叉口停车线处，检测剩余绿灯时长tg，若
Figure GDA0003861271080000108
则物流车队正常驶过交叉口，否则通过延长绿灯时长来保证物流车队tp的连续通行，延长绿灯时长为
Figure GDA0003861271080000109
使得
Figure GDA00038612710800001010
对于不具备信号协调控制条件的单个交叉口，若物流车队tp在红灯期间到达交叉口停车线处，通过缩短红灯时长，令绿灯提前起亮来保证物流车队tp的连续通行；
对于具备信号协调控制条件的连续多个交叉口，通过信号协调控制，使物流车队tp连续通过多个交叉口。
进一步地，通过信号协调控制，使物流车队tp连续通过多个交叉口的具体步骤如下：
步骤B1：计算各个协调控制交叉口的信号周期时长，选取其中最大信号周期时长作为公共时长，计算公式为：
Figure GDA0003861271080000111
SC＝max(SCp[n])
其中，SCp[n]为第n个交叉口的最佳信号周期时长，Loss为信号总损失时间，Y是该周期内所有相位的关键车道组流率比之和，SC为协调控制交叉口的公共周期时长；
步骤B2：对各个交叉口的不同相位按照等饱和度原则分配绿灯时长，计算公式为：
Figure GDA0003861271080000112
gb＝gEb+lossb-Ib
其中gEb为相位b的有效绿灯时长，yb为相位b的关键车道组流量比，gb为相位b的绿灯显示时长，lossb为相位b的损失时长，Ib为相位b的黄灯时长；
步骤B3：协调相邻交叉口间的相位差，假设物流车队tp头车驶达第n个交叉口的时间为tp[n]，车队在边etp[n]上的路阻时长为
Figure GDA0003861271080000113
节点p[n]物流车队行驶相位绿灯启亮时间为0时刻，上下游交叉口的绿灯时长分别为g1和g2，相位周期时长为SC，二者的相位差用O表示，则相邻交叉口相位差计算公式为：
Figure GDA0003861271080000114
Figure GDA0003861271080000115
其中Z为距离物流车队tp抵达下一交叉口的时间最近的整周期数，计算得到相邻交叉口间的相位差为
Figure GDA0003861271080000116
当信号协调交叉口按照计算所得公共周期、绿灯时长、相位差进行控制时，可保证物流车队不停车驶过多个连续交叉口。
以上所述，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所述权利要求的保护范围为准。

Claims (6)

1.一种基于生态编队的物流车准时化运输车路协同管控方法，其特征在于，包括以下步骤：
步骤S1：物流车辆i通过车载单元向车辆管理控制系统发送路径规划需求和车辆配送任务信息；车辆配送任务信息包括
Figure FDA0003885764290000011
为当前位置，
Figure FDA0003885764290000012
为配送终点，
Figure FDA0003885764290000013
为当前时间，
Figure FDA0003885764290000014
为配送截止时间；
步骤S2：车辆管理控制系统根据物流车辆i的车辆配送任务信息和交通信息，规划物流车辆i的最优路径和初始速度序列；其中交通信息是由车辆管理控制系统通过路侧终端获取，包括路网上各个边的路段长度、坡度、摩擦系数、限速值、自由流行驶速度、交通流量、通行能力、车道数、信控状态的交通信息；
步骤S3：车辆管理控制系统分析物流车辆i与其它物流车辆j或物流车队tp的路径重合情况，当不存在路径重合情况时，车辆管理控制系统直接将步骤S2中得到的最优路径和初始速度序列发送给物流车辆i的车载单元；
当存在路径重合情况时，则进行编队速度序列设计；车辆管理控制系统将物流车辆i的初始速度序列与编队速度序列进行能耗比较，选取能耗最低的速度序列作为最终速度序列，车辆管理控制系统将最优路径和最终速度序列发送给物流车辆i的车载单元；
步骤S4：车辆管理控制系统将在物流车辆i的每个新至路径节点处进行步骤S3的实时更新，直至物流车辆i抵达货运终点；
其中，上述步骤S2中，最优路径和初始速度序列的选取步骤如下：
步骤S21：车辆管理控制系统为物流车辆i规划多条可达路径，可达路径可表示为routei＝(pi[1],pi[2],pi[3],…,pi[M])，pi[n]为可达路径上的第n个节点，M为路径节点数量，并满足
Figure FDA0003885764290000015
步骤S22：计算各条可达路径的路阻时长，计算公式如下：
Figure FDA0003885764290000016
其中，ei[n]为连接节点pi[n]和pi[n+1]的边，l(ei[n])、vf(ei[n])、Q(ei[n])、C(ei[n])分别为边ei[n]的路段长度、自由流行驶速度、交通流量、通行能力，δ与β为阻滞系数，分别取值0.15、4；
步骤S23：选取路阻时长最小路径为最优路径，并根据最优路径为物流车辆i计算能耗最低的初始速度序列Vi＝(vi(ei[1]),vi(ei[2]),…,vi(ei[M-1]))，计算公式如下：
Figure FDA0003885764290000021
Figure FDA0003885764290000022
Figure FDA0003885764290000023
vmin(ei[n])≤vi(ei[n])≤vmax(ei[n])
其中，fi(ei[n])为物流车辆i在边ei[n]上行驶时的单位距离能耗，Gi、Ai为物流车辆i的重力和正面风压面积，
Figure FDA0003885764290000024
vmin(ei[n])、vmax(ei[n])分别为边ei[n]的坡度、摩擦系数和物流车辆i的最小行驶速度、最大行驶速度，ρ为空气密度。
2.根据权利要求1所述的一种基于生态编队的物流车准时化运输车路协同管控方法，其特征在于，步骤S3中，当物流车辆i与其它物流车辆j存在路径重合时，根据物流车辆i与其它物流车辆j的位置及最优路径信息，对二者进行编队速度序列设计，使双方同时到达编队汇合节点且能耗最低；
当物流车辆i与物流车队tp存在路径重合时，根据物流车队tp的位置及最优路径信息，结合物流车队tp运行情况及交通情况，计算物流车队tp到达编队汇合节点时间；根据物流车队tp到达编队汇合节点时间，为物流车辆i进行编队速度序列设计，使双方同时到达编队汇合节点且能耗最低。
3.根据权利要求2所述的一种基于生态编队的物流车准时化运输车路协同管控方法，其特征在于，当物流车辆i与其它物流车辆j具有部分路径重合的情况下，确定重合的路径情况：
routei＝(pi[1],…,pi,j[mi],…,pi,j[mi+hi,j],…,pi[Mi])
routej＝(pj[1],…,pi,j[mj],…,pi,j[mj+hi,j],…,pj[Mj])
其中，pi,j[mi]代表物流车辆i在第mi个节点开始与物流车辆j具有重合路径，重合节点共有hi,j个；约束条件为物流车辆i与其它物流车辆j同时到达pi,j[mi]处、重合路径二者行驶速度相同、满足配送时长需求、满足路段速度限制的情况下，求解能耗最低的编队速度序列对(Vi,Vj)，计算公式如下：
Figure FDA0003885764290000025
Figure FDA0003885764290000031
η∈(0,1)
Figure FDA0003885764290000032
vi(ei[n])＝vj(ej[n]),n∈[mi,…,mi+hi,j-1]
Figure FDA0003885764290000033
vmin(ea[n])≤va(ea[n])≤vmax(ea[n])
a∈{i,j}
其中，fplatoon(ei[n])为物流车辆i在车队行驶条件下，在边ei[n]上行驶时的单位距离能耗，η为车队风阻折减系数；判断上述公式的求解情况，若无最优解，则按原速度序列行驶，否则，将最优解作为最优速度序列行驶。
4.根据权利要求3所述的一种基于生态编队的物流车准时化运输车路协同管控方法，其特征在于，当物流车辆i与物流车队tp具有部分路径重合的情况下，确定重合的路径情况：
routei＝(pi[1],…,pi,tp[mi],…,pi,tp[mi+hi,tp],…,pi[Mi])
routetp＝(ptp[1],…,pi,tp[mtp],…,pi,tp[mtp+hi,tp],…,ptp[Mtp])
车辆管理控制系统根据当前物流车队tp的运行情况和交通信息计算物流车队tp到达节点pi,tp[mtp]的时间，具体步骤如下：
步骤A1：考虑物流车队tp对道路通行能力的影响，计算边etp[n],n∈[1,…,mtp-1]的通行能力退化系数，计算公式如下：
Figure FDA0003885764290000034
其中，
Figure FDA0003885764290000035
为边etp[n]受物流车队tp影响下的通行能力退化系数，λ为物流车队tp的当量换算系数，N为物流车队tp内物流车辆数量，vtp(etp[n])是物流车队tp的在边etp[n]上的计划速度，l(etp[n])和ltp分别是边etp[n]的长度和物流车队tp长度，C(etp[n])和
Figure FDA0003885764290000036
分别为边etp[n]的原道路通行能力和车道数；
步骤A2：考虑物流车队tp对道路通行能力的影响改进BPR函数，计算物流车队tp在路段etp[n]上的路阻时长
Figure FDA0003885764290000037
计算公式如下：
Figure FDA0003885764290000038
其中，l(etp[n])、vf(etp[n])、Q(etp[n])、C(etp[n])、
Figure FDA0003885764290000041
分别为边etp[n]的长度、自由流行驶速度、交通流量、通行能力、通行能力退化系数，δ与β为阻滞系数，分别取值0.15、4；
步骤A3：由于节点信号系统对物流车队tp实施信号动态优先，可保证物流车队tp维持原运行状态通过，所以物流车队tp在节点的延误时间可忽略，根据各路段的路阻时长计算物流车队tp到达节点pi,tp[mtp]的时间，计算公式如下：
Figure FDA0003885764290000042
根据物流车队tp到达节点pi,tp[mtp]的预测时间，为物流车辆i计算汇入车队行驶的能耗最低行驶速度序列Vi，计算公式如下：
Figure FDA0003885764290000043
Figure FDA0003885764290000044
vi(ei[n])＝vtp(etp[n]),n∈[mi,…,mi+hi,tp-1]
Figure FDA0003885764290000045
vmin(ei[n])≤vi(ei[n])≤vmax(ei[n])
判断上述公式的求解情况，若无最优解，则按原速度序列行驶，否则，将最优解作为最优速度序列行驶。
5.根据权利要求4所述的一种基于生态编队的物流车准时化运输车路协同管控方法，其特征在于，为保障物流车队tp运行的快速连贯，路侧终端控制节点信号系统实施车队信号动态优先策略，具体如下；
对于不具备信号协调控制的单个交叉口，若物流车队tp在绿灯期间到达交叉口停车线处，检测剩余绿灯时长tg，若
Figure FDA0003885764290000046
则物流车队正常驶过交叉口，否则通过延长绿灯时长来保证物流车队tp的连续通行，延长绿灯时长为
Figure FDA0003885764290000048
使得
Figure FDA0003885764290000047
对于不具备信号协调控制条件的单个交叉口，若物流车队tp在红灯期间到达交叉口停车线处，通过缩短红灯时长，令绿灯提前起亮来保证物流车队tp的连续通行；
对于具备信号协调控制条件的连续多个交叉口，通过信号协调控制，使物流车队tp连续通过多个交叉口。
6.根据权利要求5所述的一种基于生态编队的物流车准时化运输车路协同管控方法，其特征在于，通过信号协调控制，使物流车队tp连续通过多个交叉口的具体步骤如下：
步骤B1：计算各个协调控制交叉口的信号周期时长，选取其中最大信号周期时长作为公共时长，计算公式为：
Figure FDA0003885764290000051
SC＝max(SCp[n])
其中，SCp[n]为第n个交叉口的最佳信号周期时长，Loss为信号总损失时间，Y是该周期内所有相位的关键车道组流率比之和，SC为协调控制交叉口的公共周期时长；
步骤B2：对各个交叉口的不同相位按照等饱和度原则分配绿灯时长，计算公式为：
Figure FDA0003885764290000052
gb＝gEb+lossb-Ib
其中gEb为相位b的有效绿灯时长，yb为相位b的关键车道组流量比，gb为相位b的绿灯显示时长，lossb为相位b的损失时长，Ib为相位b的黄灯时长；
步骤B3：协调相邻交叉口间的相位差，假设物流车队tp头车驶达第n个交叉口的时间为tp[n]，车队在边etp[n]上的路阻时长为
Figure FDA0003885764290000053
节点p[n]物流车队行驶相位绿灯启亮时间为0时刻，上下游交叉口的绿灯时长分别为g1和g2，相位周期时长为SC，二者的相位差用O表示，则相邻交叉口相位差计算公式为：
Figure FDA0003885764290000054
Figure FDA0003885764290000055
其中Z为距离物流车队tp抵达下一交叉口的时间最近的整周期数，计算得到相邻交叉口间的相位差为
Figure FDA0003885764290000056
当信号协调交叉口按照计算所得公共周期、绿灯时长、相位差进行控制时，可保证物流车队不停车驶过多个连续交叉口。
CN202210818565.5A 2022-07-13 2022-07-13 一种基于生态编队的物流车准时化运输车路协同管控方法 Active CN115035724B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210818565.5A CN115035724B (zh) 2022-07-13 2022-07-13 一种基于生态编队的物流车准时化运输车路协同管控方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210818565.5A CN115035724B (zh) 2022-07-13 2022-07-13 一种基于生态编队的物流车准时化运输车路协同管控方法

Publications (2)

Publication Number Publication Date
CN115035724A CN115035724A (zh) 2022-09-09
CN115035724B true CN115035724B (zh) 2022-12-02

Family

ID=83128991

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210818565.5A Active CN115035724B (zh) 2022-07-13 2022-07-13 一种基于生态编队的物流车准时化运输车路协同管控方法

Country Status (1)

Country Link
CN (1) CN115035724B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115496425B (zh) * 2022-11-15 2023-03-03 吉林大学 一种基于生产计划的厂区物流车辆调度方法及系统

Citations (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102129772A (zh) * 2011-02-23 2011-07-20 泉州市视通光电网络有限公司 一种基于gis的动态定位调度指挥方法和系统
CN102800189A (zh) * 2012-07-22 2012-11-28 江南大学 一种物联网环境下智能泊车路径优化方法
CN104063547A (zh) * 2014-06-29 2014-09-24 吉林大学 基于云推理的汽车巡航车速规划方法
CN104809895A (zh) * 2015-04-19 2015-07-29 北京工业大学 相邻交叉口的干道协调控制模型及其优化方法
CN105046050A (zh) * 2015-06-18 2015-11-11 陕西法士特齿轮有限责任公司 一种基于汽车动力学的动态坡度计算方法
CN107730931A (zh) * 2017-09-20 2018-02-23 北方工业大学 一种车路协同环境下车辆编队控制及其信号优化方法
CN109165902A (zh) * 2018-10-09 2019-01-08 北方工业大学 一种基于智能无人车的动态区域物流派送方法及系统
CN110770809A (zh) * 2017-06-20 2020-02-07 三菱电机株式会社 路径预测装置以及路径预测方法
CN111591279A (zh) * 2020-04-20 2020-08-28 湖南大学 一种插电式混合动力汽车电池电量轨迹规划方法及系统
CN112092812A (zh) * 2020-08-18 2020-12-18 江苏大学 一种自适应巡航控制系统下车辆上坡自动限速的方法
CN112255918A (zh) * 2020-10-21 2021-01-22 东南大学 汽车队列优化控制的方法及系统
CN112634606A (zh) * 2020-12-21 2021-04-09 重庆交通大学 货车编队运输调度方法、调度系统、介质及数据处理终端
CN112687106A (zh) * 2021-03-11 2021-04-20 杭州电子科技大学 一种基于交通路网动静态综合模型的路径优化方法
CN113393688A (zh) * 2021-05-13 2021-09-14 杭州电子科技大学 一种基于队列长度预测的交叉口生态驾驶优化方法
CN114419903A (zh) * 2021-12-17 2022-04-29 东南大学 一种智能网联汽车队列路口通行控制方法、装置及车辆
WO2022089307A1 (zh) * 2020-11-02 2022-05-05 河海大学 基于自动驾驶车队在无信号灯交叉路口的轻量级调度方法
CN114578825A (zh) * 2022-03-07 2022-06-03 清华大学 基于相对坐标的多车协同横纵向联合运动规划方法及装置

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106683450B (zh) * 2017-01-25 2019-06-04 东南大学 一种城市信号控制交叉口群关键路径识别方法
WO2019163262A1 (ja) * 2018-02-23 2019-08-29 住友電気工業株式会社 交通信号制御装置、交通信号制御方法、及びコンピュータプログラム
US11473917B2 (en) * 2020-07-14 2022-10-18 Argo AI, LLC System for augmenting autonomous vehicle perception using smart nodes

Patent Citations (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102129772A (zh) * 2011-02-23 2011-07-20 泉州市视通光电网络有限公司 一种基于gis的动态定位调度指挥方法和系统
CN102800189A (zh) * 2012-07-22 2012-11-28 江南大学 一种物联网环境下智能泊车路径优化方法
CN104063547A (zh) * 2014-06-29 2014-09-24 吉林大学 基于云推理的汽车巡航车速规划方法
CN104809895A (zh) * 2015-04-19 2015-07-29 北京工业大学 相邻交叉口的干道协调控制模型及其优化方法
CN105046050A (zh) * 2015-06-18 2015-11-11 陕西法士特齿轮有限责任公司 一种基于汽车动力学的动态坡度计算方法
CN110770809A (zh) * 2017-06-20 2020-02-07 三菱电机株式会社 路径预测装置以及路径预测方法
CN107730931A (zh) * 2017-09-20 2018-02-23 北方工业大学 一种车路协同环境下车辆编队控制及其信号优化方法
CN109165902A (zh) * 2018-10-09 2019-01-08 北方工业大学 一种基于智能无人车的动态区域物流派送方法及系统
CN111591279A (zh) * 2020-04-20 2020-08-28 湖南大学 一种插电式混合动力汽车电池电量轨迹规划方法及系统
CN112092812A (zh) * 2020-08-18 2020-12-18 江苏大学 一种自适应巡航控制系统下车辆上坡自动限速的方法
CN112255918A (zh) * 2020-10-21 2021-01-22 东南大学 汽车队列优化控制的方法及系统
WO2022089307A1 (zh) * 2020-11-02 2022-05-05 河海大学 基于自动驾驶车队在无信号灯交叉路口的轻量级调度方法
CN112634606A (zh) * 2020-12-21 2021-04-09 重庆交通大学 货车编队运输调度方法、调度系统、介质及数据处理终端
CN112687106A (zh) * 2021-03-11 2021-04-20 杭州电子科技大学 一种基于交通路网动静态综合模型的路径优化方法
CN113393688A (zh) * 2021-05-13 2021-09-14 杭州电子科技大学 一种基于队列长度预测的交叉口生态驾驶优化方法
CN114419903A (zh) * 2021-12-17 2022-04-29 东南大学 一种智能网联汽车队列路口通行控制方法、装置及车辆
CN114578825A (zh) * 2022-03-07 2022-06-03 清华大学 基于相对坐标的多车协同横纵向联合运动规划方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
车路协同环境下基于路径的信号协调优化模型;吴伟等;《吉林大学学报(工学版)》;20130319(第02期);全文 *

Also Published As

Publication number Publication date
CN115035724A (zh) 2022-09-09

Similar Documents

Publication Publication Date Title
CN106875710B (zh) 一种面向网联自动驾驶车辆的交叉口自组织控制方法
CN108447282B (zh) 一种基于车路协同的公交实时调度与优先控制方法
Jin et al. Platoon-based multi-agent intersection management for connected vehicle
CN101593419B (zh) 一种具有公交优先的城市路网交通流智能协调控制方法
CN112634606A (zh) 货车编队运输调度方法、调度系统、介质及数据处理终端
CN110782079B (zh) 基于停站方案节能的高速铁路列车运行图的调整方法
CN102568197B (zh) 一种公交主干线双向绿波信号设置方法
CN115035724B (zh) 一种基于生态编队的物流车准时化运输车路协同管控方法
CN107248299B (zh) 一种基于驻站时间的专用道公交优先干线协调控制方法
CN107240252A (zh) 一种交叉口的主动式车辆调度方法
CN101308604A (zh) 大范围战略交通协调控制方法
CN108830399A (zh) 一种轨道交通站点接驳设施供需平衡的优化调整方法
CN102717802A (zh) 城市轨道交通双列串连列车车组客运体系
CN104778832B (zh) 一种多方式的城市道路横断面资源协调配置方法
Wu et al. Discrete methods for urban intersection traffic controlling
CN112686609B (zh) 基于优化效率评价算法的智能无人物流运输方法和系统
Liu et al. Modelling and simulation of cooperative control for bus rapid transit vehicle platoon in a connected vehicle environment
CN105741585A (zh) 面向节油的基于车联网的车辆轨迹平滑控制方法
Yi-Fei et al. Research on polling based traffic signal control strategy with fuzzy control
Wang et al. TLB-VTL: 3-level buffer based virtual traffic light scheme for intelligent collaborative intersections
CN103871238A (zh) 一种公共汽车交通组织方法
CN110246356A (zh) 一种确定可变线路公交配置车辆数和类型的方法
CN114187771B (zh) 基于协同式自适应巡航控制的公交车驾驶控制方法及系统
CN112668973B (zh) 一种智能无人物流运输方法和系统
CN114894209A (zh) 一种基于车辆管理系统的无人矿卡路径规划冲突避让方法

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