CN115116231A - 一种车路协同微观仿真系统、方法、电子设备及存储介质 - Google Patents
一种车路协同微观仿真系统、方法、电子设备及存储介质 Download PDFInfo
- Publication number
- CN115116231A CN115116231A CN202211028736.0A CN202211028736A CN115116231A CN 115116231 A CN115116231 A CN 115116231A CN 202211028736 A CN202211028736 A CN 202211028736A CN 115116231 A CN115116231 A CN 115116231A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- module
- road
- simulation
- 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
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
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/07—Controlling traffic signals
-
- 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
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提出一种车路协同微观仿真系统、方法、电子设备及存储介质,属于车路协同仿真技术领域。包括:场景驱动引擎、参数配置模块、车路协同微观仿真模块、优化算法模块、仿真展示模块、仿真输出模块和仿真评估模块;所述场景驱动引擎分别连接参数配置模块、优化算法模块和车路协同微观仿真模块;所述优化算法模块连接车路协同微观仿真模块;所述车路协同微观仿真模块分别连接仿真展示模块、仿真输出模块和仿真评估模块;解决现有技术中存在的无法满足大规模车联网场景下对城市交通流影响的仿真需求以及仿真稳定性差的技术问题。
Description
技术领域
本申请涉及仿真方法,尤其涉及一种车路协同微观仿真系统、方法、电子设备及存储介质,属于车路协同仿真技术领域。
背景技术
随着智能交通的发展,交通元素更加多样,未来城市道路的交通流将会由普通车辆、网联车辆、非网联自动驾驶车辆和网联自动驾驶车辆组以及丰富的路测感知、通信设备组成,车路协同成为了未来交通发展的必然趋势。目前传统微观交通仿真软件主要针对传统人工驾驶车辆进行仿真,依赖的跟驰、换道模型主要考虑当前车辆的前后车状态。车路协同到来后,车辆可以获取超视距范围的丰富交通信息,车辆可以提前规避交通事件,重新规划路径,甚至存在集中的车辆路径、速度规划单元进行调度,这都将对交通系统的性能和特征产生深远的影响。因此,目前传统的交通仿真软件难以满足未来车路协同对于城市交通的影响评估需求,迫切需要拓展提升微观仿真的车路协同仿真能力。
针对上述问题研发人员提供了以下方案:
CN113763697A提出一种车联网的仿真方法及装置,该方法提出的车联网仿真方法和装置由微观交通仿真软件sumo、数据传输应用及LYVNS,分别实现微观交通仿真,数据交互和v2x场景仿真和算法验证等功能,但是这三个模块之间使用网络通信,如数据传输应用模块与sumo使用traci接口交互,实为面向连接的TCP通信,大规模的场景仿真必然要求大规模的状态参数和控制指令交互,由于traci使用同步通信,因此数据传输过程就会大大增加的时间。数据传输应用模块与LYVNS模块主要传输sumo中车辆、行人等的控制指令,使用的UDP通信是一种非连接的不可靠通信,虽然传输速度快,但常会出现数据丢失的情况,对于交通仿真,某个控制指令的未及时响应,则会导致交通系统的失稳,从而由于网络问题导致了仿真的准确性。
CN112631912A提出基于车联网的仿真方法、装置、设备以及存储介质,该方法在云端对车载设备进行仿真,然后通过获取和分析车辆的仿真结果从而判断车辆是否正确触发了相关场景,使用该方案主要用于单车车联网的功能测试及优化,无法满足大规模车联网场景下对城市交通流影响的仿真需求。
发明内容
在下文中给出了关于本发明的简要概述,以便提供关于本发明的某些方面的基本理解。应当理解,这个概述并不是关于本发明的穷举性概述。它并不是意图确定本发明的关键或重要部分,也不是意图限定本发明的范围。其目的仅仅是以简化的形式给出某些概念,以此作为稍后论述的更详细描述的前序。
鉴于此,为解决现有技术中存在的无法满足大规模车联网场景下对城市交通流影响的仿真需求以及仿真稳定性差的技术问题,本发明提供一种车路协同微观仿真系统、方法、电子设备及存储介质。
方案一、一种车路协同微观仿真系统,包括:场景驱动引擎、参数配置模块、车路协同微观仿真模块、优化算法模块、仿真展示模块、仿真输出模块和仿真评估模块;
所述场景驱动引擎分别连接参数配置模块、优化算法模块和车路协同微观仿真模块;
所述优化算法模块连接车路协同微观仿真模块;所述车路协同微观仿真模块分别连接仿真展示模块、仿真输出模块和仿真评估模块;
所述优化算法模块包括公交优先模块、车速引导模块、编队行驶模块和绿波通行模块;
所述参数配置模块用于基础参数配置和仿真场景编辑;
所述场景驱动引擎用于解析参数配置模块中的参数配置与仿真场景文件,并按照用户编辑的场景控制车路协同微观仿真模块初始化、启动、车辆运动计算和仿真结束;
所述车路协同微观仿真模块包括仿真配置模块、RSU管理控制模块、路网模块、OBU管理控制模块、车辆生成模块、信号灯控制模块和车路协同车辆控制模块;
所述仿真配置模块用于将参数配置模块生成配置和场景信息生成具体的类实例,存储在内存中,供仿真过程中其它模块访问使用;
所述RSU管理控制模块用于从仿真配置模块中获取生成RSU的实例信息,将预设消息加入到对应的队列中,同时在仿真过程中对OBU、RSU进行距离判断与消息交互;
所述路网模块用于读取和解析对应的路网文件,并生成路段、车道、交叉口、道路连接关系类实例,存储在内存中,供其它模块访问使用;
所述OBU管理控制模块用从仿真配置模块中获取OBU的配置信息,在搭载的车辆实例生成时,在仿真世界中生成OBU实例,并将预设消息加入到对应的队列中,同时在仿真过程中对其它OBU、RSU进行距离判断与消息交互;
所述车辆生成模块用于读取微观车辆路径信息,生成车辆类实例;
所述信号灯控制模块用于读取信号文件的固定配时方案或从数据库获取实时配时方案,生成信号灯控制实例,在仿真过程中对信号灯进行红、黄、绿、绿闪、红闪等灯色控制切换;
所述车路协同车辆控制模块包括车辆行驶内径搜索模块、车路协同跟驰模块和车路协同换道控制模块;
所述车路协同路径搜索模型用于选择沿途行驶道路;
所述车路协同跟驰模块用于控制仿真场景中车辆的速度;
所述车路协同换道模型用于控制仿真场景中车辆换道或者协同换道;
所述公交优先模块用于计算交叉口公交优先信号方案;
所述车速引导模块用于计算交叉口引导车速;
所述编队行驶模块用于对交叉口通行车辆进行编队控制;
所述绿波通行模块用于计算交叉口绿波通行速度;
仿真展示模块用于对仿真路网进行UI展示,对仿真过程的车辆进行瞬时轨迹和状态展示;对RSU和OBU接收到的车路协同消息进行展示;对仿真过程各道路和路网的运行指标进行展示;
所述仿真输出模块用于对仿真过程各道路和路网的运行指标进行输出;
所述仿真评估模块通过对路网中各路段、车道和车辆运动状态对流量、密度、速度、排队长队进行统计,对车辆触发的车路系统场景、触发次数、执行次数进行统计。
方案二、一种车路协同微观仿真方法,包括以下步骤:
S1.场景驱动引擎调用参数配置模块、优化算法模块、车路协同微观仿真模块、仿真展示模块、仿真输出模块和仿真评估模块初始化接口,对各模块进行初始化设置;
S2.信号灯控制更新,根据当前仿真时间的信号灯配时方案,切换灯色;
S3.车辆生成,获取所有车辆路径信息,根据仿真时刻,生成所有发车时间位于上一发车时步和当前仿真时步之间的车辆对象;
S4.场景驱动引擎模块调用优先算法模块中的算法,输出控制指令至车路协同微观仿真模块中,修改车辆的目标车道、目标车速和信号灯色;
S5.车辆行驶路径更新,车路协同路径搜索模型结合OBU模型接收的车路协同信息,计算车辆行驶路径,更新车辆行驶路径;
S6.车路协同跟驰模块更新,根据车辆选择的车路协同跟驰模块,考虑车辆OBU模型中收到的车路协同消息,计算车辆沿着路径行驶的安全车速;
S7.车路协同换道更新,根据车辆选择的车路协同换道模型,以目标行驶车道为基础,结合车辆OBU模型中收到的车路协同消息,判断车辆是否需要换道;若需换道且能换道,车辆换道,若需换道但无法换道,车路协同跟驰模块控制车辆减速,车辆在无法通行区域前停车等待换道;
S8.车辆位置更新,根据车辆前一刻行驶位置和安全车速以及换道过程,更新车辆这一时步的位置;
S9.仿真评估模块更新,获取各路段或车道中所有车辆的状态信息,计算各类路段或道路的瞬时数据;
S10.OBU管理模块更新,OBU模型根据自身车辆状态,生成基本安全消息,根据自身位置和周边车辆位置信息,对在通信范围内的RSU和OBU发布车辆消息;
S11.RSU管理模块更新,RSU模型根据自身位置和OBU位置,向通讯范围内的OBU发布消息;
S12.仿真输出模块更新,对车辆的位置、速度状态信息及RSU、OBU的接收信息、各路段和车道的指标信息输出到文件中;
S13.仿真展示模块更新,在GUI界面上更新车辆位置和状态、各RSU和OBU接收和发布的车路协同消息、各路段和车道的计算指标,曲线绘制瞬时数据,显示周期数据的具体数值;
S14.判断车辆是否到达目的地,对到达目的的车辆标记已到达;
S15.判断是否仿真结束,若结束,则结束仿真,清空内存;若不结束,则跳转至S2进入下一时步的周期计算。
优选的,S5,具体包括以下步骤:
S51.从车辆的OBU模型API接口中获取车路协同事件消息,执行S52,若未获取到车路协同事件消息,执行S57;
S52.解析事件消息,获取事件发生的位置;
S53.判断事件是否发生在车辆行驶路径的前方路段,若是执行S54,若否执行S57;
S54.判断事件是否造成道路拥堵,获取道路的排队长度和平均通行速度,若道路的排队长度高于阈值或行驶速度低于阈值,判断事件造成了道路拥堵,若发生拥堵,执行S55,若否,执行S56;
S55.判断事件是否在当前发生的路段,若发生在当前行驶路段,车辆无法掉头,车辆按照原来路径行驶,同时执行S56,若否,根据最短路径算法A*或者迪杰斯特拉重新计算车辆的行驶路径,若存在新的最短路径,使用新的路径更新车辆路径,否则使用原车辆路径;
S56.将事件发生区域的开始位置至结束位置的路段设置为不可通行区域或限速通行;
S57.更新车辆行驶路径,根据车辆行驶路径进一步计算车辆的目标行驶车道。
优选的,S57具体包括以下步骤:
S571.判断当前是否存在不可通行区域导致道路全部封闭,若存在不可通行区域导致道路全部封闭执行S572,否则执行S573;
S572.从当前位置至封闭区域起始位置,所有车道中车辆占有率低的车道为目标行驶车道,若占有率相同,则距离车辆前方最远车道为目标行驶车道,若前方无车辆,根据右行规则,右侧车道为目标行驶车道;
S573.判断当前道路是否存在与下游道路连接的可通行车道,若存在,所有连接车道中,车辆占有率低车道为目标行驶车道,若占有率相同,则距离车辆前方最远车道为目标行驶车道,若前方无车辆则根据右行规则,右侧车道为目标行驶车道,若不存在,执行S574;
S574.判断是否经过车道变换进入路径下游车道,若否执行S575,若是执行S576;
S575.所有不可通行车道中,从当前位置至车道封闭位置车辆占有率低所在车道为目标行驶车道,若占有率相同,距离前一车辆最远车道为目标行驶车道,若前方无车辆,则根据右行规则,右侧车道为目标行驶车道;
S576.所有未与路径下游道路连接车道中,车辆占有率低车道为目标行驶车道,若占有率相同,距离前一车辆最远车道为目标行驶车道,若前方无车辆,则根据右行规则,右侧车道为目标行驶车道。
优选的,S6具体包括以下步骤:
S61.判断车辆当前目标行驶车道前方是否存在车辆,若不存在车辆执行S62,若存在车辆执行S63;
S62.计算自由行驶车速vflow:
vflow = v0 + a*Ts
其中,v0表示当前时刻车速,a表示车辆当前加速度,Ts表示仿真步长;
S63.跟驰车速计算:
vfollow = vkrauss or VWiedemann or vIDM
S64.获取OBU中车路协同消息,判断车辆行驶前方是否存在事件,若存在车辆执行S65,若不存在车辆执行S67;
S65.判断事件区域是否可以通行,若可通行执行S66,不可通行执行S67;
S66.计算事件影响车速:
vevent = v0–(v0*v0-vlimit* vlimit)/(2*s)*Ts
其中,s表示当前位置到事件开始位置的距离,vlimit表示事件影响车速;
S67.计算事件停车车速:
vstop= v0–v0*v0/(2*s)*Ts
S68.计算车辆安全车速:
vsafe = max(min(vlanemax,vmax ,vfollow, vevent, vstop),0)
其中,vlanemax 为车道限速值,vmax为车辆限速值。
优选的,各类路段或道路的瞬时数据包括车道进入流量、道路进入流量、车道离开流量、道路离开流量、车道停车等待时间、道路停车倒带时间、车道平均速度、道路平均速度、车道排队长度、道路排队长度、车道密度和道路密度。
方案三、一种电子设备,包括存储器和处理器,存储器存储有计算机程序,所述的处理器执行所述计算机程序时实现方案二所述的一种车路协同微观仿真方法的步骤。
方案四、一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现方案二所述的一种车路协同微观仿真方法。
本发明的有益效果如下:本发明能够将车路协同仿真和微观仿真融合在一个系统中,使用更灵活,可实现场景更多,诸如事件和施工等车路协同场景,直接通过完善车路协同跟驰换道模型即可实现,解决了商业的微观仿真软件针对车路协同的功能仿真适用性不强的问题。目前车路协同仿真中存在的需要将独立的微观仿真软件和车路协同通信软件耦合使用,由于是不同的商业软件,因此在程序运行在不同的计算机进程中,通常使用网络通信的仿真实现信息交互,在大规模交通仿真情况下,数据交互量大,交互缓慢,大大地阻碍的仿真速度。本发明,各模块运行在一个进程中,使用内存读取信息,数据交互快,能够应用大规模的车路协同仿真需求。本发明可内置优化算法模块,用户可使用的内置模块就可完成车路协同管控算法的评估需求。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为一种车路协同微观仿真系统结构示意图;
图2为更新车辆行驶路径流程示意图;
图3为计算车辆沿着路径行驶的安全车速流程示意图。
具体实施方式
为了使本申请实施例中的技术方案及优点更加清楚明白,以下结合附图对本申请的示例性实施例进行进一步详细的说明,显然,所描述的实施例仅是本申请的一部分实施例,而不是所有实施例的穷举。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。
实施例1、参照图1-图3说明本实施方式,一种车路协同微观仿真系统,包括:场景驱动引擎、参数配置模块、车路协同微观仿真模块、优化算法模块、仿真展示模块、仿真输出模块和仿真评估模块;
所述场景驱动引擎分别连接参数配置模块、优化算法模块和车路协同微观仿真模块;
所述优化算法模块连接车路协同微观仿真模块;所述车路协同微观仿真模块分别连接仿真展示模块、仿真输出模块和仿真评估模块;
优化算法模块是基于车路协同微观仿真内核的上层应用,用于为不同车路协同场景下的交通仿真提供基础算法库。实现方式为,根据用户选择的算法应用,优化算法子模块从微观仿真内核中获取车辆的位置、速度、加速度、行驶路径信息和道路、车道的指标信息及当前信号配时方案信息,算法子模块计算出最优的信号配时方案和车来辆行驶车速、目标行驶车道信息发送至信号控制模块和车辆控制模块。
所述优化算法模块包括公交优先模块、车速引导模块、编队行驶模块和绿波通行模块;
所述参数配置模块用于基础参数配置和仿真场景编辑;
所述场景驱动引擎用于解析参数配置模块中的参数配置与仿真场景文件,并按照用户编辑的场景控制车路协同微观仿真模块初始化、启动、车辆运动计算和仿真结束;
所述车路协同微观仿真模块包括仿真配置模块、RSU管理控制模块、路网模块、OBU管理控制模块、车辆生成模块、信号灯控制模块和车路协同车辆控制模块;
所述仿真配置模块用于将参数配置模块生成配置和场景信息生成具体的类实例,存储在内存中,供仿真过程中其它模块访问使用;
所述RSU管理控制模块用于从仿真配置模块中获取生成RSU的实例信息,将预设消息加入到对应的队列中,同时在仿真过程中对OBU、RSU进行距离判断与消息交互;
所述路网模块用于读取和解析对应的路网文件,并生成路段、车道、交叉口、道路连接关系类实例,存储在内存中,供其它模块访问使用;
所述OBU管理控制模块用从仿真配置模块中获取OBU的配置信息,在搭载的车辆实例生成时,在仿真世界中生成OBU实例,并将预设消息加入到对应的队列中,同时在仿真过程中对其它OBU、RSU进行距离判断与消息交互;
所述车辆生成模块用于读取微观车辆路径信息,生成车辆类实例;
所述信号灯控制模块用于读取信号文件的固定配时方案或从数据库获取实时配时方案,生成信号灯控制实例,在仿真过程中对信号灯进行红、黄、绿、绿闪、红闪等灯色控制切换;
所述车路协同车辆控制模块包括车辆行驶内径搜索模块、车路协同跟驰模块和车路协同换道控制模块;
所述车路协同路径搜索模型用于选择沿途目标行驶车道;
所述车路协同跟驰模块用于控制仿真场景中车辆的速度;
所述车路协同换道模型用于控制仿真场景中车辆换道或者协同换道;
所述公交优先模块用于计算交叉口公交优先信号方案;
具体实现过程参照CN111275990A ;
所述车速引导模块用于计算交叉口引导车速;
具体实现过程参照《面向车路协同环境下的自适应车速引导策略研究(李朋,王晋云,周勇,陈振武)》;
所述编队行驶模块用于对交叉口通行车辆进行编队控制;
具体实现过程参照CN113706855A;
所述绿波通行模块用于计算交叉口绿波通行速度;
具体实现过程参照CN114170825A;
仿真展示模块用于对仿真路网进行UI展示,对仿真过程的车辆进行瞬时轨迹和状态展示;对RSU和OBU接收到的车路协同消息进行展示;对仿真过程各道路和路网的运行指标进行展示;
所述仿真输出模块用于对仿真过程各道路和路网的运行指标进行输出;
所述仿真评估模块通过对路网中各路段、车道和车辆运动状态对流量、密度、速度、排队长队进行统计,对车辆触发的车路系统场景、触发次数、执行次数进行统计。
基础仿真参数有仿真地图、仿真开始时间、仿真结束时间、仿真步长等。
仿真场景编辑则有车辆路径选择、车辆发车个数、发车分布、车辆类型比例(乘用车、公交车、客车等车辆类型与网联和非网联车辆的组合)、RSU参数配置、OBU参数配置等,除此之外还包括《合作式智能运输系统车用通信系统应用层及应用数据交互标准》(T/CSAE53-2017)所包含的道路危险状态提示、红灯预警、弱势交通参与者预警、绿波车速引导等标准场景编辑。参数配置模块最终生成标准的配置文件,使用xml,json或者yaml等文件格式进行储存。
方案二、一种车路协同微观仿真方法,包括以下步骤:
S1.场景驱动引擎调用参数配置模块、优化算法模块、车路协同微观仿真模块、仿真展示模块、仿真输出模块和仿真评估模块初始化接口,对各模块进行初始化设置;
仿真配置模块初始化:解析从参数配置模块获取的配置和场景信息,生成类对象,存储在内存中;
路网模块初始化:读取路网仿真配置模块得到路网名字和文件地址,读取路网文件,解析路网中的路段、车道、交叉口和连接关系生成类对象,存储在内存中;
RSU控制管理模块初始化:读取从仿真配置模块中RSU配置信息,生成RSU控制类实例和RSU模型实例,并将各RSU模型以map的形式存储在内存中;
OBU控制管理模块初始化:生成OBU控制类实例和RSU模型实例;
信号灯控制模块初始化:从路网中获取信号交叉口信息,并生成信号控制器类对象;获取各信号灯的信号配时方案,并根据配时方案初始化灯色;
车辆生成模块初始化:所有车辆的微观路径信息,并根据发车时间从前往后排序加载到内存中;
车路协同车辆控制模块初始:车辆控制类初始化;
仿真展示模块初始化:弹出展示GUI窗口,读取路网文件,并在窗口中绘制路网图;弹出性能指标展示窗口,展示初始化数据或者曲线;
仿真输出模块初始化:配置仿真输出文件地址和文件名;
仿真评估模块初始化:仿真评估指标计算类初始化;
S2.信号灯控制更新,根据当前仿真时间的信号灯配时方案,切换灯色;如过到了信号时段的切换点,先更改当前时段的信号方案,然后根据方案切换灯色。
S3.车辆生成,获取所有车辆路径信息,根据仿真时刻,生成所有发车时间位于上一发车时步和当前仿真时步之间的车辆对象;并根据配置车路协同最优路径搜索模型、车路协同跟驰控制模型和车路协同换道控制模块选择对应的模型类进行初始化。
S4.场景驱动引擎模块调用优先算法模块中的算法,输出控制指令至车路协同微观仿真模块中,修改车辆的目标车道、目标车速和信号灯色;
如果用户配置某种优化算法,则场景驱动引擎调用对应的优化算法模块;
S5.车辆行驶路径更新,车路协同路径搜索模型结合OBU模型接收的车路协同信息,计算车辆行驶路径,更新车辆行驶路径;行驶路径原则要求,车道占有率低、通过速度快,无施工、无事故、无其他阻碍车辆行驶的因素存在,若出现较长时间拥堵,从新规划车辆沿途路径;
具体包括以下步骤:
S51.从车辆的OBU模型API接口中获取车路协同事件消息,执行S52,若未获取到车路协同事件消息,执行S57;
S52.解析事件消息,获取事件发生的位置;
S53.判断事件是否发生在车辆行驶路径的前方路段,若是执行S54,若否执行S57;
S54.判断事件是否造成道路拥堵,获取道路的排队长度和平均通行速度,若道路的排队长度高于阈值或行驶速度低于阈值,判断事件造成了道路拥堵,若发生拥堵,执行S55,若否,执行S56;
S55.判断事件是否在当前发生的路段,若发生在当前行驶路段,车辆无法掉头,车辆按照原来路径行驶,同时执行S56,若否,根据最短路径算法A*或者迪杰斯特拉重新计算车辆的行驶路径,若存在新的最短路径,使用新的路径更新车辆路径,否则使用原车辆路径;
最短路径算法可以是A*算法或者迪杰斯特拉算法;
S56.将事件发生区域的开始位置至结束位置的路段设置为不可通行区域或限速通行;
事件发生的区域一般为路段上的一个或几个车道中的一段,根据事件的类型也决定车道能否行驶在该片区域,如:施工、事故属于不可通行区域,车辆在到达这片区域前必须转到旁边可通行的车道上去,保证不经过这一片区域。对于道路湿滑、滚石、积水这些交通事件车辆只需要减速安全行驶通过,因此可设置为限速区域,车辆经过这片区域时可以按照限速的速度通过即可。
S57.更新车辆行驶路径,根据车辆道路级路径进一步计算车辆的目标行驶车道,具体包括以下步骤:
S571.判断当前是否存在不可通行区域导致道路全部封闭,若存在不可通行区域导致道路全部封闭执行S572,否则执行S573;
S572.从当前位置至封闭区域起始位置,所有车道中车辆占有率低的车道为目标行驶车道,若占有率相同,则距离车辆前方最远车道为目标行驶车道,若前方无车辆,根据右行规则,右侧车道为目标行驶车道;
S573.判断当前道路是否存在与下游道路连接的可通行车道,若存在,所有连接车道中,车辆占有率低车道为目标行驶车道,若占有率相同,则距离车辆前方最远车道为目标行驶车道,若前方无车辆则根据右行规则,右侧车道为目标行驶车道,若不存在,执行S574;
S574.判断是否经过车道变换进入路径下游车道,若否执行S575,若是执行S576;
S575.所有不可通行车道中,从当前位置至车道封闭位置车辆占有率低所在车道为目标行驶车道,若占有率相同,距离前一车辆最远车道为目标行驶车道,若前方无车辆,则根据右行规则,右侧车道为目标行驶车道;
S576.所有未与路径下游道路连接车道中,车辆占有率低车道为目标行驶车道,若占有率相同,距离前一车辆最远车道为目标行驶车道,若前方无车辆,则根据右行规则,右侧车道为目标行驶车道。
S6.车路协同跟驰模块更新,根据车辆选择的车路协同跟驰模块,考虑车辆OBU模型中收到的车路协同消息,计算车辆沿着路径行驶的安全车速;即沿着车道方向行驶车辆尽可能的不与前方车辆发生碰撞时的车速。
计算车辆沿着路径行驶的安全车速包括以下步骤:
S61.判断车辆当前目标行驶车道前方是否存在车辆,若不存在车辆执行S62,若存在车辆执行S63;
S62.计算自由行驶车速vflow:
vflow = v0 + a*Ts
其中,v0表示当前时刻车速,a表示车辆当前加速度,Ts表示仿真步长;
S63.跟驰车速计算:
vfollow = vkrauss or VWiedemann or vIDM
S64.获取OBU中车路协同消息,判断车辆行驶前方是否存在事件,若存在车辆执行S65,若不存在车辆执行S67;
具体的,前方范围可根据需求设置,例如200m;
S65.判断事件区域是否可以通行,若可通行执行S66,不可通行执行S67;
S66.计算事件影响车速:
vevent = v0–(v0*v0-vlimit* vlimit)/(2*s)*Ts
其中,s表示当前位置到事件开始位置的距离,vlimit表示事件影响车速;
S67.计算事件停车车速:
vstop= v0–v0*v0/(2*s)*Ts
S68.计算车辆安全车速:
vsafe = max(min(vlanemax,vmax ,vfollow, vevent, vstop),0)
其中,vlanemax 为车道限速值,vmax为车辆限速值。
S7.车路协同换道更新,根据车辆选择的车路协同换道模型,以目标行驶车道为基础,结合车辆OBU模型中收到的车路协同消息,判断车辆是否需要换道;若需换道且能换道,车辆换道,若需换道但无法换道,车路协同跟驰控制模型控制车辆减速,车辆在无法通行区域前停车等待换道;
具体的,本步骤计算车辆以S57目标行驶车道为换道动机,包括是否能够换道、换道的紧急程度判断。若急需换道且能够换道,则执行换道过程。若急需换道但缺乏换道条件,则控制车辆减速,保证能够在无法通行区域前停车等待换道时机的到来。
S8.车辆位置更新,根据车辆前一刻行驶位置和安全车速以及换道过程,更新车辆这一时步的位置;
S9.仿真评估模块更新,获取各路段或车道中所有车辆的状态信息,统计计算各类路段或道路的瞬时数据,如车道进入流量、道路进入流量、车道离开流量、道路离开流量、车道停车等待时间、道路停车倒带时间、车道平均速度、道路平均速度、车道排队长度、道路排队长度、车道密度、道路密度;
车道进入流量=车道进入(非同道路换道进入)车辆数/仿真步长秒*3600;
道路进入流量=道路进入车辆数/仿真步长秒*3600;
车道离开流量=车道离开(非同道路换道离开)车辆数/仿真步长秒*3600;
道路离开流量=道路离开车辆数/仿真步长秒*3600;
车道停车等待时间=车道内车辆速度为0时的时间总和;
道路停车等待时间=道路内车辆速度为0时的时间总和;
车道平均速度=仿真时步内该车道内车辆总行驶距离/总行驶时间;
道路平均速度=仿真时步内该道路内车辆总行驶距离/总行驶时间;
车道排队长度=沿着车道从后往前的最后一辆速度为0时或小于某值时的车辆尾部距离车道的结束位置的距离;
道路排队长度=道路内所有车道排队长度的最大值;
车道密度=车道长度/车道平均速度;
道路密度=道路长度/道路平均速度;
S10.OBU管理模块更新,OBU模型根据自身车辆状态,生成基本安全消息,根据自身位置和周边车辆位置信息,对在通信范围内的RSU和OBU发布车辆消息;
S11.RSU管理模块更新,RSU模型根据自身位置和OBU位置,向通讯范围内的OBU发布消息;
S12.仿真输出模块更新,对车辆的位置、速度状态信息及RSU、OBU的接收信息、各路段和车道的指标信息输出到文件中;
S13.仿真展示模块更新,在GUI界面上更新车辆位置和状态、各RSU和OBU接收和发布的车路协同消息、各路段和车道的计算指标,曲线绘制瞬时数据,显示周期数据的具体数值;
S14.判断车辆是否到达目的地,对到达目的的车辆标记已到达;
S15.判断是否仿真结束,若结束,则结束仿真,清空内存;若不结束,则跳转至S2进入下一时步的周期计算。
实施例2、本发明的计算机装置可以是包括有处理器以及存储器等装置,例如包含中央处理器的单片机等。并且,处理器用于执行存储器中存储的计算机程序时实现上述的基于CREO软件的可修改由关系驱动的推荐数据的推荐方法的步骤。
所称处理器可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外,存储器可以包括高速随机存取存储器,还可以包括非易失性存储器,例如硬盘、内存、插接式硬盘,智能存储卡(Smart Media Card, SMC),安全数字(Secure Digital, SD)卡,闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
实施例3、计算机可读存储介质实施例
本发明的计算机可读存储介质可以是被计算机装置的处理器所读取的任何形式的存储介质,包括但不限于非易失性存储器、易失性存储器、铁电存储器等,计算机可读存储介质上存储有计算机程序,当计算机装置的处理器读取并执行存储器中所存储的计算机程序时,可以实现上述的基于CREO软件的可修改由关系驱动的建模数据的建模方法的步骤。
所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
尽管根据有限数量的实施例描述了本发明,但是受益于上面的描述,本技术领域内的技术人员明白,在由此描述的本发明的范围内,可以设想其它实施例。此外,应当注意,本说明书中使用的语言主要是为了可读性和教导的目的而选择的,而不是为了解释或者限定本发明的主题而选择的。因此,在不偏离所附权利要求书的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。对于本发明的范围,对本发明所做的公开是说明性的,而非限制性的,本发明的范围由所附权利要求书限定。
Claims (8)
1.一种车路协同微观仿真系统,其特征在于,包括:场景驱动引擎、参数配置模块、车路协同微观仿真模块、优化算法模块、仿真展示模块、仿真输出模块和仿真评估模块;
所述场景驱动引擎分别连接参数配置模块、优化算法模块和车路协同微观仿真模块;
所述优化算法模块连接车路协同微观仿真模块;所述车路协同微观仿真模块分别连接仿真展示模块、仿真输出模块和仿真评估模块;
所述优化算法模块包括公交优先模块、车速引导模块、编队行驶模块和绿波通行模块;
所述参数配置模块用于基础参数配置和仿真场景编辑;
所述场景驱动引擎用于解析参数配置模块中的参数配置与仿真场景文件,并按照用户编辑的场景控制车路协同微观仿真模块初始化、启动、车辆运动计算和仿真结束;
所述车路协同微观仿真模块包括仿真配置模块、RSU管理控制模块、路网模块、OBU管理控制模块、车辆生成模块、信号灯控制模块和车路协同车辆控制模块;
所述仿真配置模块用于将参数配置模块生成配置和场景信息生成具体的类实例,存储在内存中,供仿真过程中其它模块访问使用;
所述RSU管理控制模块用于从仿真配置模块中获取生成RSU的实例信息,将预设消息加入到对应的队列中,同时在仿真过程中对OBU、RSU进行距离判断与消息交互;
所述路网模块用于读取和解析对应的路网文件,并生成路段、车道、交叉口、道路连接关系类实例,存储在内存中,供其它模块访问使用;
所述OBU管理控制模块用从仿真配置模块中获取OBU的配置信息,在搭载的车辆实例生成时,在仿真世界中生成OBU实例,并将预设消息加入到对应的队列中,同时在仿真过程中对其它OBU、RSU进行距离判断与消息交互;
所述车辆生成模块用于读取微观车辆路径信息,生成车辆类实例;
所述信号灯控制模块用于读取信号文件的固定配时方案或从数据库获取实时配时方案,生成信号灯控制实例,在仿真过程中对信号灯进行红、黄、绿、绿闪、红闪灯色控制切换;
所述车路协同车辆控制模块包括车辆行驶路径搜索模块、车路协同跟驰模块和车路协同换道控制模块;
所述车辆行驶路径搜索模块用于选择沿途行驶道路;
所述车路协同跟驰模块用于控制仿真场景中车辆的速度;
所述车路协同换道模型用于控制仿真场景中车辆换道或者协同换道;
所述公交优先模块用于计算交叉口公交优先信号方案;
所述车速引导模块用于计算交叉口引导车速;
所述编队行驶模块用于对交叉口通行车辆进行编队控制;
所述绿波通行模块用于计算交叉口绿波通行速度;
仿真展示模块用于对仿真路网进行UI展示,对仿真过程的车辆进行瞬时轨迹和状态展示;对RSU和OBU接收到的车路协同消息进行展示;对仿真过程各道路和路网的运行指标进行展示;
所述仿真输出模块用于对仿真过程各道路和路网的运行指标进行输出;
所述仿真评估模块通过对路网中各路段、车道和车辆运动状态对流量、密度、速度、排队长队进行统计,对车辆触发的车路系统场景、触发次数、执行次数进行统计。
2.一种车路协同微观仿真方法,其特征在于,包括以下步骤:
S1.场景驱动引擎调用参数配置模块、优化算法模块、车路协同微观仿真模块、仿真展示模块、仿真输出模块和仿真评估模块初始化接口,对各模块进行初始化设置;
S2.信号灯控制更新,根据当前仿真时间的信号灯配时方案,切换灯色;
S3.车辆生成,获取所有车辆路径信息,根据仿真时刻,生成所有发车时间位于上一发车时步和当前仿真时步之间的车辆对象;
S4.场景驱动引擎模块调用优先算法模块中的算法,输出控制指令至车路协同微观仿真模块中,修改车辆的目标车道、目标车速和信号灯色;
S5.车辆行驶路径更新,车辆行驶路径搜索模块结合OBU模型接收的车路协同信息,更新车辆行驶路径,根据车辆行驶路径进一步计算车辆的目标行驶车道;
S6.车路协同跟驰模块更新,根据车辆选择的车路协同跟驰模块,考虑车辆OBU模型中收到的车路协同消息,计算车辆沿着路径行驶的安全车速;
S7.车路协同换道更新,根据车辆选择的车路协同换道模型,以目标行驶车道为基础,结合车辆OBU模型中收到的车路协同消息,判断车辆是否需要换道;若需换道且能换道,车辆换道,若需换道但无法换道,车路协同跟驰模块控制车辆减速,车辆在无法通行区域前停车等待换道;
S8.车辆位置更新,根据车辆前一刻行驶位置和安全车速以及换道过程,更新车辆这一时步的位置;
S9.仿真评估模块更新,获取各路段或车道中所有车辆的状态信息,计算各类路段或道路的瞬时数据;
S10.OBU管理模块更新,OBU模型根据自身车辆状态,生成基本安全消息,根据自身位置和周边车辆位置信息,对在通信范围内的RSU和OBU发布车辆消息;
S11.RSU管理模块更新,RSU模型根据自身位置和OBU位置,向通讯范围内的OBU发布消息;
S12.仿真输出模块更新,对车辆的位置、速度状态信息及RSU、OBU的接收信息、各路段和车道的指标信息输出到文件中;
S13.仿真展示模块更新,在GUI界面上更新车辆位置和状态、各RSU和OBU接收和发布的车路协同消息、各路段和车道的计算指标,曲线绘制瞬时数据,显示周期数据的具体数值;
S14.判断车辆是否到达目的地,对到达目的的车辆标记已到达;
S15.判断是否仿真结束,若结束,则结束仿真,清空内存;若不结束,则跳转至S2进入下一时步的周期计算。
3.根据权利要求2所述的一种车路协同微观仿真方法,其特征在于,S5具体包括以下步骤:
S51.从车辆的OBU模型API接口中获取车路协同事件消息,执行S52,若未获取到车路协同事件消息,执行S57;
S52.解析事件消息,获取事件发生的位置;
S53.判断事件是否发生在车辆行驶路径的前方路段,若是执行S54,若否执行S57;
S54.判断事件是否造成道路拥堵,获取道路的排队长度和平均通行速度,若道路的排队长度高于阈值或行驶速度低于阈值,判断事件造成了道路拥堵,若发生拥堵,执行S55,若否,执行S56;
S55.判断事件是否在当前发生的路段,若发生在当前行驶路段,车辆无法掉头,车辆按照原来路径行驶,同时执行S56,若否,根据最短路径算法A*或者迪杰斯特拉重新计算车辆的行驶路径,若存在新的最短路径,使用新的路径更新车辆路径,否则使用原车辆路径;
S56.将事件发生区域的开始位置至结束位置的路段设置为不可通行区域或限速通行;
S57.更新车辆行驶路径,根据车辆行驶路径进一步计算车辆的目标行驶车道。
4.根据权利要求3所述的一种车路协同微观仿真方法,其特征在于,S57具体包括以下步骤:
S571.判断当前是否存在不可通行区域导致道路全部封闭,若存在不可通行区域导致道路全部封闭执行S572,否则执行S573;
S572.从当前位置至封闭区域起始位置,所有车道中车辆占有率低的车道为目标行驶车道,若占有率相同,则距离车辆前方最远车道为目标行驶车道,若前方无车辆,根据右行规则,右侧车道为目标行驶车道;
S573.判断当前道路是否存在与下游道路连接的可通行车道,若存在,所有连接车道中,车辆占有率低车道为目标行驶车道,若占有率相同,则距离车辆前方最远车道为目标行驶车道,若前方无车辆则根据右行规则,右侧车道为目标行驶车道,若不存在,执行S574;
S574.判断是否经过车道变换进入路径下游车道,若否执行S575,若是执行S576;
S575.所有不可通行车道中,从当前位置至车道封闭位置车辆占有率低所在车道为目标行驶车道,若占有率相同,距离前一车辆最远车道为目标行驶车道,若前方无车辆,则根据右行规则,右侧车道为目标行驶车道;
S576.所有未与路径下游道路连接车道中,车辆占有率低车道为目标行驶车道,若占有率相同,距离前一车辆最远车道为目标行驶车道,若前方无车辆,则根据右行规则,右侧车道为目标行驶车道。
5.根据权利要求4所述的一种车路协同微观仿真方法,其特征在于,S6具体包括以下步骤:
S61.判断车辆当前目标行驶车道前方是否存在车辆,若不存在车辆执行S62,若存在车辆执行S63;
S62.计算自由行驶车速vflow:
vflow = v0 + a*Ts
其中,v0表示当前时刻车速,a表示车辆当前加速度,Ts表示仿真步长;
S63.跟驰车速计算:
vfollow = vkrauss or VWiedemann or vIDM
S64.获取OBU中车路协同消息,判断车辆行驶前方是否存在事件,若存在车辆执行S65,若不存在车辆执行S67;
S65.判断事件区域是否可以通行,若可通行执行S66,不可通行执行S67;
S66.计算事件影响车速:
vevent = v0–(v0*v0-vlimit* vlimit)/(2*s)*Ts
其中,s表示当前位置到事件开始位置的距离,vlimit表示事件影响车速;
S67.计算事件停车车速:
vstop= v0–v0*v0/(2*s)*Ts
S68.计算车辆安全车速:
vsafe = max(min(vlanemax,vmax ,vfollow, vevent, vstop),0)
其中,vlanemax为车道限速值,vmax为车辆限速值。
6.根据权利要求5所述的一种车路协同微观仿真方法,其特征在于,各类路段或道路的瞬时数据包括车道进入流量、道路进入流量、车道离开流量、道路离开流量、车道停车等待时间、道路停车倒带时间、车道平均速度、道路平均速度、车道排队长度、道路排队长度、车道密度和道路密度。
7.一种电子设备,其特征在于,包括存储器和处理器,存储器存储有计算机程序,所述的处理器执行所述计算机程序时实现权利要求2-6任一项所述的一种车路协同微观仿真方法的步骤。
8.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求2-6任一项所述的一种车路协同微观仿真方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211028736.0A CN115116231B (zh) | 2022-08-26 | 2022-08-26 | 一种车路协同微观仿真系统、方法、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211028736.0A CN115116231B (zh) | 2022-08-26 | 2022-08-26 | 一种车路协同微观仿真系统、方法、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115116231A true CN115116231A (zh) | 2022-09-27 |
CN115116231B CN115116231B (zh) | 2023-02-03 |
Family
ID=83335644
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211028736.0A Active CN115116231B (zh) | 2022-08-26 | 2022-08-26 | 一种车路协同微观仿真系统、方法、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115116231B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115344503A (zh) * | 2022-10-18 | 2022-11-15 | 深圳市城市交通规划设计研究中心股份有限公司 | 面向自动驾驶规划控制测试的交通流仿真系统与仿真方法 |
CN115995147A (zh) * | 2022-11-16 | 2023-04-21 | 电子科技大学 | 一种实现高精度路径规划算法的仿真引擎系统 |
CN116229727A (zh) * | 2023-05-10 | 2023-06-06 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种基于在线仿真的道路拥堵诱导方法及管控系统 |
CN117975736A (zh) * | 2024-03-29 | 2024-05-03 | 北京市计量检测科学研究院 | 一种无人驾驶车辆车路协同应用场景测试方法及系统 |
Citations (30)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107368931A (zh) * | 2017-08-09 | 2017-11-21 | 西南交通大学 | 基于大数据分析技术的物流配送路径动态规划方法及系统 |
CN107507408A (zh) * | 2017-07-24 | 2017-12-22 | 重庆大学 | 一种考虑前车换道汇入过程的跟驰加速度及跟驰行为建模方法 |
CN109131349A (zh) * | 2018-08-02 | 2019-01-04 | 北京交通大学 | 一种用于抑制道路交通幽灵堵塞的方法 |
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 |
CN111179617A (zh) * | 2018-11-09 | 2020-05-19 | 南京锦和佳鑫信息科技有限公司 | 一种智能网联车的车载单元 |
CN111199645A (zh) * | 2020-01-10 | 2020-05-26 | 西南交通大学 | 一种城市快速路交织区的交通流组织优化方法 |
CN111383453A (zh) * | 2020-02-18 | 2020-07-07 | 山东摩西网络科技有限公司 | 交通信号控制在线仿真和实时跟踪反馈系统及运行方法 |
US20200258380A1 (en) * | 2019-02-08 | 2020-08-13 | Zf Automotive Germany Gmbh | Control system and control method for interaction-based long-term determination of trajectories for motor vehicles |
CN112216148A (zh) * | 2020-09-21 | 2021-01-12 | 西安工程大学 | 一种车路协同下双车道车辆换道指引方法 |
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 |
CN113033030A (zh) * | 2021-05-25 | 2021-06-25 | 四川见山科技有限责任公司 | 一种基于真实道路场景的拥堵模拟方法及系统 |
CN113094875A (zh) * | 2021-03-16 | 2021-07-09 | 东南大学 | 一种城市快速路交织区微观交通仿真系统标定方法及装置 |
CN113256976A (zh) * | 2021-05-12 | 2021-08-13 | 中移智行网络科技有限公司 | 一种车路协同系统、模拟仿真方法、车载设备和路侧设备 |
CN113268857A (zh) * | 2021-04-21 | 2021-08-17 | 东南大学 | 一种基于多智能体的城市快速路交织区微观交通仿真方法及装置 |
CN113312752A (zh) * | 2021-04-26 | 2021-08-27 | 东南大学 | 一种主路优先控制交叉口交通仿真方法及装置 |
CN113327430A (zh) * | 2021-05-06 | 2021-08-31 | 天地(常州)自动化股份有限公司 | 基于lstm的井下无轨胶轮车车速预测方法及装置 |
CN113380041A (zh) * | 2021-08-12 | 2021-09-10 | 深圳市城市交通规划设计研究中心股份有限公司 | 基于车路协同仿真的应用场景测试系统、方法、设备及存储介质 |
CN113378413A (zh) * | 2021-08-12 | 2021-09-10 | 深圳市城市交通规划设计研究中心股份有限公司 | 基于Vissim构建仿真路网平台系统、方法、设备及存储介质 |
CN113380042A (zh) * | 2021-08-12 | 2021-09-10 | 深圳市城市交通规划设计研究中心股份有限公司 | 5g车路协同速度引导控制方法、系统、设备及存储介质 |
CN113409594A (zh) * | 2021-07-29 | 2021-09-17 | 苏州大学 | 一种基于强化学习的匝道信号控制优化方法和系统 |
CN113449416A (zh) * | 2021-05-14 | 2021-09-28 | 东南大学 | 一种交叉口进口道的智能体仿真方法及系统 |
CN113515892A (zh) * | 2021-06-24 | 2021-10-19 | 东南大学 | 一种多智能体交通仿真并行计算方法及装置 |
CN113763741A (zh) * | 2021-08-20 | 2021-12-07 | 东南大学 | 一种车联网环境下的干线公路交通诱导方法 |
CN113792586A (zh) * | 2021-08-04 | 2021-12-14 | 武汉市公安局交通管理局 | 车辆事故检测方法、装置及电子设备 |
CN114067561A (zh) * | 2021-10-25 | 2022-02-18 | 东南大学 | 城市快速道路车路协同主动管控系统的虚拟现实测试方法 |
US20220108612A1 (en) * | 2020-10-02 | 2022-04-07 | Toyota Jidosha Kabushiki Kaisha | Traffic management system, traffic management method, and traffic management program |
EP3989015A1 (en) * | 2019-09-09 | 2022-04-27 | Tencent Technology (Shenzhen) Company Limited | Method, apparatus and device for constructing simulated vehicle lane change trajectory, and storage medium |
CN114582122A (zh) * | 2022-02-18 | 2022-06-03 | 西安长安大学工程设计研究院有限公司 | 一种多车道高速公路分流影响区通行能力分析方法 |
CN114627650A (zh) * | 2022-05-11 | 2022-06-14 | 深圳市城市交通规划设计研究中心股份有限公司 | 城市公交优先仿真推演系统、方法、电子设备及存储介质 |
CN114937366A (zh) * | 2022-07-22 | 2022-08-23 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种基于多尺度交通需求与供给转化的交通流推算方法 |
-
2022
- 2022-08-26 CN CN202211028736.0A patent/CN115116231B/zh active Active
Patent Citations (30)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107507408A (zh) * | 2017-07-24 | 2017-12-22 | 重庆大学 | 一种考虑前车换道汇入过程的跟驰加速度及跟驰行为建模方法 |
CN107368931A (zh) * | 2017-08-09 | 2017-11-21 | 西南交通大学 | 基于大数据分析技术的物流配送路径动态规划方法及系统 |
CN109131349A (zh) * | 2018-08-02 | 2019-01-04 | 北京交通大学 | 一种用于抑制道路交通幽灵堵塞的方法 |
CN111179617A (zh) * | 2018-11-09 | 2020-05-19 | 南京锦和佳鑫信息科技有限公司 | 一种智能网联车的车载单元 |
US20200258380A1 (en) * | 2019-02-08 | 2020-08-13 | Zf Automotive Germany Gmbh | Control system and control method for interaction-based long-term determination of trajectories for motor vehicles |
EP3989015A1 (en) * | 2019-09-09 | 2022-04-27 | Tencent Technology (Shenzhen) Company Limited | Method, apparatus and device for constructing simulated vehicle lane change trajectory, and storage medium |
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 |
CN111199645A (zh) * | 2020-01-10 | 2020-05-26 | 西南交通大学 | 一种城市快速路交织区的交通流组织优化方法 |
CN111383453A (zh) * | 2020-02-18 | 2020-07-07 | 山东摩西网络科技有限公司 | 交通信号控制在线仿真和实时跟踪反馈系统及运行方法 |
CN112216148A (zh) * | 2020-09-21 | 2021-01-12 | 西安工程大学 | 一种车路协同下双车道车辆换道指引方法 |
US20220108612A1 (en) * | 2020-10-02 | 2022-04-07 | Toyota Jidosha Kabushiki Kaisha | Traffic management system, traffic management method, and traffic management program |
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 |
CN113094875A (zh) * | 2021-03-16 | 2021-07-09 | 东南大学 | 一种城市快速路交织区微观交通仿真系统标定方法及装置 |
CN113268857A (zh) * | 2021-04-21 | 2021-08-17 | 东南大学 | 一种基于多智能体的城市快速路交织区微观交通仿真方法及装置 |
CN113312752A (zh) * | 2021-04-26 | 2021-08-27 | 东南大学 | 一种主路优先控制交叉口交通仿真方法及装置 |
CN113327430A (zh) * | 2021-05-06 | 2021-08-31 | 天地(常州)自动化股份有限公司 | 基于lstm的井下无轨胶轮车车速预测方法及装置 |
CN113256976A (zh) * | 2021-05-12 | 2021-08-13 | 中移智行网络科技有限公司 | 一种车路协同系统、模拟仿真方法、车载设备和路侧设备 |
CN113449416A (zh) * | 2021-05-14 | 2021-09-28 | 东南大学 | 一种交叉口进口道的智能体仿真方法及系统 |
CN113033030A (zh) * | 2021-05-25 | 2021-06-25 | 四川见山科技有限责任公司 | 一种基于真实道路场景的拥堵模拟方法及系统 |
CN113515892A (zh) * | 2021-06-24 | 2021-10-19 | 东南大学 | 一种多智能体交通仿真并行计算方法及装置 |
CN113409594A (zh) * | 2021-07-29 | 2021-09-17 | 苏州大学 | 一种基于强化学习的匝道信号控制优化方法和系统 |
CN113792586A (zh) * | 2021-08-04 | 2021-12-14 | 武汉市公安局交通管理局 | 车辆事故检测方法、装置及电子设备 |
CN113380042A (zh) * | 2021-08-12 | 2021-09-10 | 深圳市城市交通规划设计研究中心股份有限公司 | 5g车路协同速度引导控制方法、系统、设备及存储介质 |
CN113378413A (zh) * | 2021-08-12 | 2021-09-10 | 深圳市城市交通规划设计研究中心股份有限公司 | 基于Vissim构建仿真路网平台系统、方法、设备及存储介质 |
CN113380041A (zh) * | 2021-08-12 | 2021-09-10 | 深圳市城市交通规划设计研究中心股份有限公司 | 基于车路协同仿真的应用场景测试系统、方法、设备及存储介质 |
CN113763741A (zh) * | 2021-08-20 | 2021-12-07 | 东南大学 | 一种车联网环境下的干线公路交通诱导方法 |
CN114067561A (zh) * | 2021-10-25 | 2022-02-18 | 东南大学 | 城市快速道路车路协同主动管控系统的虚拟现实测试方法 |
CN114582122A (zh) * | 2022-02-18 | 2022-06-03 | 西安长安大学工程设计研究院有限公司 | 一种多车道高速公路分流影响区通行能力分析方法 |
CN114627650A (zh) * | 2022-05-11 | 2022-06-14 | 深圳市城市交通规划设计研究中心股份有限公司 | 城市公交优先仿真推演系统、方法、电子设备及存储介质 |
CN114937366A (zh) * | 2022-07-22 | 2022-08-23 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种基于多尺度交通需求与供给转化的交通流推算方法 |
Non-Patent Citations (6)
Title |
---|
冯凤江: "高速公路雾天人工和智能网联车混行交通流仿真", 《中国安全科学学报》 * |
曹丹妮: "考虑自动车队强度的高速公路非常规瓶颈交通流控制策略研究", 《中国公路学报》 * |
李朋: "面向车路协同环境下的自适应车速引导策略研究", 《第十五届中国智能交通年会科技论文集(1)》 * |
梁国华: "高速公路合流区主要参数对自动驾驶车辆的影响", 《哈尔滨工业大学学报》 * |
沈海旭: "多车道高速公路分流影响区通行能力分析", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
高青海: "智能网联车辆跟驰模型及交通流特性研究", 《公路》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115344503A (zh) * | 2022-10-18 | 2022-11-15 | 深圳市城市交通规划设计研究中心股份有限公司 | 面向自动驾驶规划控制测试的交通流仿真系统与仿真方法 |
CN115995147A (zh) * | 2022-11-16 | 2023-04-21 | 电子科技大学 | 一种实现高精度路径规划算法的仿真引擎系统 |
CN115995147B (zh) * | 2022-11-16 | 2023-10-20 | 电子科技大学 | 一种实现高精度路径规划算法的仿真引擎系统 |
CN116229727A (zh) * | 2023-05-10 | 2023-06-06 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种基于在线仿真的道路拥堵诱导方法及管控系统 |
CN117975736A (zh) * | 2024-03-29 | 2024-05-03 | 北京市计量检测科学研究院 | 一种无人驾驶车辆车路协同应用场景测试方法及系统 |
CN117975736B (zh) * | 2024-03-29 | 2024-06-07 | 北京市计量检测科学研究院 | 一种无人驾驶车辆车路协同应用场景测试方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN115116231B (zh) | 2023-02-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115116231B (zh) | 一种车路协同微观仿真系统、方法、电子设备及存储介质 | |
CN111768637B (zh) | 一种信号交叉口交通信号灯和车辆轨迹控制方法 | |
CN114664078B (zh) | 基于自动驾驶车辆队列的道路合流区协作汇入控制方法 | |
US20230282104A1 (en) | Implementation method and system for road traffic resercation passage, and electronic device | |
Stevanovic et al. | Green light optimized speed advisory systems: Impact of signal phasing information accuracy | |
CN107909837A (zh) | 一种车辆借道通行的方法和控制中心 | |
CN104298829A (zh) | 基于元胞自动机模型的城市路网交通流仿真设计方法 | |
CN105976621A (zh) | 一种基于车辆速度诱导策略引导车辆不停车通过交叉口的装置及方法 | |
CN113312752B (zh) | 一种主路优先控制交叉口交通仿真方法及装置 | |
CN114724377B (zh) | 基于车路协同技术的无人驾驶车辆引导方法及系统 | |
CN115565390B (zh) | 智能网联汽车多车道队列通行控制方法、系统及计算机可读存储介质 | |
CN114495547B (zh) | 一种面向自动驾驶汽车的信号交叉口协同通行方法 | |
CN116740945B (zh) | 混行环境下快速路合流区多车协同编组交汇方法及系统 | |
CN113792424B (zh) | 自动驾驶车异质交通流下的多车道换道方法及系统 | |
CN113920762A (zh) | 一种基于智能网联环境下应急车辆优先通行的控制方法 | |
CN113821039A (zh) | 基于时间窗的路径规划方法、装置、设备及存储介质 | |
CN113345240A (zh) | 一种基于智能网联环境的高速公路车辆汇入方法及系统 | |
CN117523877A (zh) | 一种基于视觉识别的无人机交通疏导系统 | |
WO2023142295A1 (zh) | 基于无过饱和状态的约定出行管控方法、装置及存储介质 | |
JP4816670B2 (ja) | ナビゲーション装置、ナビゲーション方法およびナビゲーションプログラム | |
CN112258864A (zh) | 基于顺序选择的自动驾驶车辆路口调度方法及系统 | |
CN106671975A (zh) | 车辆行驶控制方法、装置及车辆 | |
Jiang et al. | Empirical study of a cooperative longitudinal control for merging maneuvers considering courtesy and mixed autonomy | |
Alanazi et al. | Improving the performance of unsignalized t-intersections within CAVs mixed traffic | |
CN117496689B (zh) | 混行交通环境下连续信号交叉口车队协同控制方法及系统 |
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 |