CN115294787A - 交叉路口处的远程车辆控制 - Google Patents

交叉路口处的远程车辆控制 Download PDF

Info

Publication number
CN115294787A
CN115294787A CN202210925023.8A CN202210925023A CN115294787A CN 115294787 A CN115294787 A CN 115294787A CN 202210925023 A CN202210925023 A CN 202210925023A CN 115294787 A CN115294787 A CN 115294787A
Authority
CN
China
Prior art keywords
vehicles
vehicle
delay
intersection
movement option
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
CN202210925023.8A
Other languages
English (en)
Other versions
CN115294787B (zh
Inventor
杨昊
尾口健太郎
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.)
Toyota Motor Corp
Original Assignee
Toyota Motor Corp
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 Toyota Motor Corp filed Critical Toyota Motor Corp
Priority to CN202210925023.8A priority Critical patent/CN115294787B/zh
Publication of CN115294787A publication Critical patent/CN115294787A/zh
Application granted granted Critical
Publication of CN115294787B publication Critical patent/CN115294787B/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
    • G08G1/09—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
    • G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
    • G08G1/096766—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission
    • G08G1/096791—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission where the origin of the information is another vehicle
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/166—Anti-collision systems for active traffic, e.g. moving vehicles, pedestrians, bikes
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
    • G08G1/0145—Measuring and analyzing of parameters relative to traffic conditions for specific applications for active traffic flow control
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • G05D1/0011—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot associated with a remote control arrangement
    • G05D1/0027—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot associated with a remote control arrangement involving a plurality of vehicles, e.g. fleet or convoy travelling
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0287—Control of position or course in two dimensions specially adapted to land vehicles involving a plurality of land vehicles, e.g. fleet or convoy travelling
    • 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
    • G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
    • 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
    • G08G1/0133—Traffic data processing for classifying traffic situation
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
    • 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
    • G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
    • G08G1/096708—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/161—Decentralised systems, e.g. inter-vehicle communication
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/164—Centralised systems, e.g. external to vehicles
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/10—Protocols in which an application is distributed across nodes in the network
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
    • H04L67/125—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks involving control of end-device applications over a network

Abstract

本申请涉及交叉路口处的远程车辆控制。在示例中，一种方法确定道路的两个或更多个车道的交叉路口的一个或多个特性，并确定表示接近交叉路口的车辆的可允许移动选项的多个兼容移动组。该方法还分别计算兼容移动组的延迟，基于延迟从所述多个兼容移动组选择兼容移动组，并且向交叉路口的控制区中与该兼容移动组相关联的车辆的集合提供控制指令，以在该集合中的车辆穿过该交叉路口时控制该集合中的每个车辆的一个或多个动态。

Description

交叉路口处的远程车辆控制
本申请是申请日为2019年4月12日、申请号为201910291377.X、发明名称为“交叉路口处的远程车辆控制”的发明专利申请的分案申请。
背景技术
交叉路口处车辆之间的冲突移动在现代城市驾驶中造成显著的问题(包括事故和交通瓶颈)。为了管理交叉路口处的交通，通常安装和使用交通信号。虽然交通信号可以提高静态解决方案(诸如停止标志)的安全性，但它们受到显著的限制。
例如，交通信号被有目的地设计为中断交通流，以允许竞争的交通流穿过交叉路口。这增加了道路拥堵和燃料使用，特别是在一天中的高交通量部分(诸如高峰时段)期间。
此外，对于政府、纳税人或利益相关者而言，安装和维护交通信号非常昂贵。
虽然最近各种自主交叉路口管理系统(AIMS)已经变得可用，AIMS可以在不使用交通信号的情况下控制交叉路口处的连接和/或自主车辆，但是这些AIMS具有显著的缺点，需要更好的替代方案。例如，美国授权前公开2013/0018572(US'572)公开了用于控制自主交叉路口处的车辆的装置和方法。该方法在没有交通信号帮助控制交通流的情况下控制交叉路口处的交通。但是，根据US'572的方法，所有车辆必须是连接的并且自动化的。此外，集中式控制器必须完全了解和控制交叉路口处的所有车辆，以便控制交叉路口处的车辆交通，考虑到不同品牌和型号的车辆的数量，道路上存在的自主车辆、连接车辆(connectedvehicle)和未连接车辆(unconnected vehicle)的混合，这是不切实际的。
在另一个示例中，美国专利9,818,299(US'299)公开了基于车辆到车辆通信提供车辆到车辆交叉路口导航控制的自主交叉路口导航控制系统。在该系统中，一个主车辆(host vehicle)收集其它车辆的交叉路口到达数据并且为它们中的每一个指派优先权，以便在没有交通信号帮助的情况下帮助它们安全地通过交叉路口。但是，这个系统仍然要求交叉路口处的所有车辆连接并配备有无线通信设备，并且要求所有车辆完全遵循系统的指令，如上所述，这是不切实际的。此外，US'299仅提出了用于连接车辆的自主交叉路口管理的框架，并没有描述如何实现交叉路口处的性能，诸如减轻拥堵或减少燃料使用。
各种其它研究描述了无信号交叉路口控制系统，据称这些系统使用不同的优化算法优化具有连接和自主车辆的交叉路口处的交通性能。但是，与上述解决方案一样，这些研究要求所有涉及的车辆都是连接和自主车辆，从而交叉路口附近的所有车辆可以与其它车辆和/或车辆基础设施共享信息。照此，系统必须具有完全控制交叉路口处的所有车辆的行为的授权。在交叉路口处的车辆具有用于车载自控制、车辆到车辆通信、车辆到基础设施通信等的不同能力(例如，从无到完全自主)的世界中，这个要求过于严格。
使用连接和自主车辆的各种其它交叉路口管理解决方案需要有一定百分比的连接和自主车辆，以便解决方案可以估计交叉路口的交通状况，并且搜索最优信号定相和定时计划以改善交叉路口的性能。但是，这些解决方案要求交叉路口处存在交通信号，并且连接和自主车辆必须能够与控制交通信号的信号化系统通信，因此不适用于不使用交通信号的实施例。
发明内容
本文描述的创新性、非显而易见的技术可以远程控制连接车辆，以在没有交通信号辅助的情况下优化交叉路口性能。该技术能够处理驾驶环境中的连接车辆和未连接车辆的混合。它可以有利地应用交叉路口延迟预测模型，该模型利用连接车辆动态信息来预测给定交叉路口处的所有车辆的延迟。在一些示例情况下，系统可以通过仅控制交叉路口处的连接车辆的动态(例如，速度等)来最小化交叉路口处的总延迟，这可以是非信号化的。
根据一个创新性方面，一种方法确定道路的两个或更多个车道的交叉路口的一个或多个特性，并且确定表示接近交叉路口的车辆的可允许移动选项的多个兼容移动组。该方法还分别计算这些兼容移动组的延迟，基于这些延迟从多个兼容移动组中选择兼容移动组，并且向交叉路口的控制区中与该兼容移动组相关联的车辆的集合提供控制指令，以在该集合中的车辆穿过交叉路口时控制该集合中的每个车辆的一个或多个动态。
根据另一个创新性方面，一种系统包括一个或多个处理器，存储指令的一个或多个非瞬态存储器，指令在由一个或多个处理器执行时使得系统执行包括以下的操作：确定道路的两个或更多个车道的交叉路口的一个或多个特性，确定表示接近交叉路口的车辆的可允许移动选项的多个兼容移动组；分别计算这些兼容移动组的延迟，基于这些延迟从多个兼容移动组中选择兼容移动组，并且向交叉路口的控制区中与该兼容移动组相关联的车辆的集合提供控制指令，以在该集合中的车辆穿过交叉路口时控制该集合中的每个车辆的一个或多个动态。
一般而言，举例来说，这些或其它方面可以可选地包括以下特征中的一个或多个：预测与可允许移动选项中的每个移动选项相关联的车辆的车辆移动；生成控制指令还基于所预测的车辆移动；预测与可允许移动选项中的每个移动选项相关联的一个或多个车辆的车辆延迟；每个延迟是基于兼容移动组的可允许移动选项的一个或多个车辆的车辆延迟来计算的；监视包括在交叉路口的控制区中的车辆中的连接车辆(CV)；所预测的车辆移动是基于监视来确定的；监视CV包括接收时间t的动态车辆数据；根据时间t时的车辆计算一个或多个未连接车辆(unCV)的一个或多个车辆动态；计算兼容移动组的延迟值包括估计连接车辆和未连接车辆的释放出发时间，以及计算与每个兼容移动组的移动选项相关联的车辆的释放延迟；计算兼容移动组的延迟值包括估计连接车辆和未连接车辆的停止出发时间；以及计算与每个兼容移动组的移动选项相关联的车辆的停止延迟。
相对于背景技术中描述的方法，本文描述的技术提供了若干益处，其包括但不限于在没有路边基础设施(包括交通信号、停止标志、环形交叉路口等)帮助的情况下改善交叉路口的性能，可以在包括连接车辆和未连接车辆的交叉路口处管理车辆混合(与不能这样的现有无信号交叉路口控制系统相比)，可以比现有交叉路口管理系统更高效并更廉价地控制交通，并且可以容易地被配置以满足各种目标(诸如最小化车辆延误、减少燃油使用、降低事故风险等)。
附图说明
本公开通过示例而不是限制的方式在附图的图中进行图示，其中相同的参考标号用于指相似的元件。
图1是用于管理车辆交通的示例系统的框图。
图2是示例计算系统的框图。
图3是用于远程控制示例交叉路口的车辆动态的示例方法的流程图。
图4A描绘了交叉路口的另一个图形表示。
图4B-图4D描绘了兼容和冲突的移动选项的示例变型。
图5是用于给定交叉路口的示例移动延迟预测方法500的流程图。
具体实施方式
本发明开发了一种集中式车辆控制系统，以实现无交通信号的自主交叉路口管理，并且最小化交叉路口处的车辆延迟和减轻道路拥堵。该系统在交叉路口处的边缘服务器或者聚集有连接车辆的车辆微云(vehicular micro-cloud)实现，并且在系统和所有连接车辆之间建立双向通信。
与现有的无信号交叉路口控制不同，提出的系统可以用于部分连接的环境处的交叉路口，并且通过仅控制道路上一定百分比的车辆来提高交叉路口的性能。
图1是用于管理车辆交通的示例系统100的框图。如图所示，系统100包括经由网络105耦合用于电子通信的集中式服务器101、一个或多个车辆平台103a...103n以及一个或多个本地化服务器107。在图1和其余的图中，字母在参考数字之后(例如“103a”)表示对具有那个特定参考数字的元件的引用。文中没有跟随字母的参考数字(例如“103”)表示对带有那个参考数字的元件的实例的一般引用。应当理解的是，图1中描绘的系统100是以示例的方式提供的，并且本公开所预期的系统100和/或进一步的系统可以包括附加的和/或更少的部件，可以组合部件和/或将部件中的一个或多个划分成附加部件等。例如，系统100可以包括任何数量的车辆平台103、网络107或服务器101和/或107。
网络105可以是常规类型(有线和/或无线)，并且可以具有许多不同的配置(包括星形配置、令牌环配置或其它配置)。例如，网络105可以包括一个或多个局域网(LAN)、广域网(WAN)(例如，互联网)、个人区域网(PAN)、公共网络、专用网络、虚拟网络、虚拟专用网络、对等网络、近场网络(例如，
Figure BDA0003779039280000051
NFC等)、车辆网络和/或多个设备可以通过其进行通信的其它互连数据路径。
网络105还可以耦合到用于以各种不同的通信协议发送数据的电信网络或者包括电信网络的部分。示例协议包括但不限于传输控制协议/互联网协议(TCP/IP)、用户数据报协议(UDP)、传输控制协议(TCP)、超文本传输协议(HTTP)、安全超文本传输协议(HTTPS)、通过HTTP的动态自适应流(DASH)、实时流协议(RTSP)、实时传输协议(RTP)和实时传输控制协议(RTCP)、互联网协议语音(VOIP)、文件传输协议(FTP)、WebSocket(WS)、无线接入协议(WAP)、各种消息传递协议(SMS、MMS、XMS、IMAP、SMTP、POP、WebDAV等)或其它合适的协议。在一些实施例中，网络105可以是使用连接的无线网络，诸如DSRC(专用短距离通信)，WAVE，802.11p，3G、4G、5G+网络，WiFiTM，卫星网络，车辆到车辆(V2V)网络，车辆到基础设施/基础设施到车辆(V2I/I2V)网络，车辆到基础设施/车辆到一切(V2I/V2X)网络，或任何其它无线网络。在一些实施例中，网络105可以是具有有限资源(例如，可能导致相当大的传输时延的有限通信带宽等)的车辆无线网络。虽然图1图示了耦合到服务器101、(一个或多个)车辆平台103和(一个或多个)第三方服务器105的网络105的单个块，但是应当理解的是，网络105实际上可以包括任何数量的网络(如上所述)的组合。
(一个或多个)车辆平台103包括(一个或多个)计算设备152，(一个或多个)计算设备152具有(一个或多个)传感器113、(一个或多个)处理器115、(一个或多个)存储器117、(一个或多个)通信单元119、车辆数据存储装置121、交通管理引擎120、跟踪应用122以及地图应用124。(一个或多个)计算设备152的示例可以包括虚拟或物理计算机处理器、控制单元、微控制器等，其耦合到(一个或多个)车辆平台103的其它部件(诸如一个或多个传感器113、致动器128(例如，致动器、激励器等)等)。(一个或多个)车辆平台103可以经由信号线141耦合到网络105，并且可以向其它(一个或多个)车辆平台103、(一个或多个)第三方服务器105和/或(一个或多个)服务器101发送数据以及从其接收数据。在一些实施例中，(一个或多个)车辆平台103能够从一个点运输到另一个点。
(一个或多个)车辆平台103的非限制性示例包括车辆、汽车、农业机器、摩托车、自行车、公共汽车、船、飞机、仿生植入物、机器人或具有非瞬态计算机电子设备(例如，处理器、存储器或非瞬态计算机电子设备的任意组合)的任何其它平台。(一个或多个)车辆平台103在本文中可以被称为(一个或多个)车辆。
(一个或多个)车辆平台103能够从一个点运输到另一个点。(一个或多个)车辆平台103在本文中可以被称为(一个或多个)车辆。当其沿着道路行进时，车辆平台103可以在与道路的不同连续区段相关联的本地化服务器107之间跳跃(hop)。例如，车辆平台103n可以在沿着第一道路区段行驶时无线连接(例如，通过网络105、经由专用本地化服务器接入点等)到本地化服务器107a并与其通信，然后在沿着后续道路区段行驶时连接到第二本地化服务器107n并与其通信。在一些情况下，车辆103可以使用V2I连接，其提供车辆103对任何适用数据的访问并允许车辆103出于任何合适的目的发送数据，尽管在其它实施例中，连接可以包括蜂窝数据、Wi-FiTM、卫星数据和/或其它类型的无线网络连接。这些连接也允许车辆变得连接，使得它们可以在移动时即刻发送和接收信息(例如，访问任何合适的基于互联网的服务等)。
在一些实施例中，每个车辆平台103可以经由网络105通过本地化服务器107(在特定时间点处车辆平台103当前被连接到该本地化服务器107)或者经由其它(一个或多个)网络数据连接向其它(一个或多个)车辆平台103、其它本地化服务器107和/或(一个或多个)服务器101发送数据和从其接收数据。
(一个或多个)处理器115可以通过执行各种输入/输出、逻辑和/或数学运算来执行软件指令(例如，任务)。(一个或多个)处理器115可以具有各种计算架构以处理数据信号。(一个或多个)处理器115可以是物理的和/或虚拟的，并且可以包括单个核或者多个处理单元和/或核。在车辆平台103的背景下，处理器可以是在诸如汽车之类的车辆平台103中实现的电子控制单元(ECU)，尽管其它类型的平台也是可能的并且是预期的。在一些实施例中，ECU可以接收传感器数据并将其作为车辆操作数据存储在车辆数据存储装置121中，以供交通管理引擎120访问和/或检索。例如，ECU可以实现被训练为生成所检测的物体的紧凑表示或者识别所检测的物体的位置的模型、(一个或多个)机器学习逻辑(例如，软件、代码等)。再例如，ECU可以实现动态道路地图生成和更新。在一些实现中，(一个或多个)处理器115可以能够生成电子显示信号并将其提供给(一个或多个)输入/输出设备，支持图像的显示，捕获和发送图像，执行包括各种类型的物体识别和特征提取的复杂任务，等等。在一些实现中，(一个或多个)处理器115可以经由总线154耦合到(一个或多个)存储器117，以从其访问数据和指令并在其中存储数据。总线154可以将(一个或多个)处理器115耦合到(一个或多个)车辆平台103的其它部件(包括例如(一个或多个)传感器113、(一个或多个)存储器117、(一个或多个)通信单元119，和/或车辆数据存储装置121)。
交通管理引擎120是可执行以管理包括连接和未连接车辆平台103的交通的软件和/或硬件逻辑。如图1中所示，服务器101和107以及车辆平台103a...103n可以包括交通管理引擎120的实例120a、120b、120c、120d、...120n。在一些实施例中，每个实例120a...120n可以包括图2中描绘的交通管理引擎120的一个或多个部件，并且可以被配置为根据实例所在的位置来完全或部分地执行本文描述的功能。
在一些实施例中，可以使用可由一个或多个计算机设备的一个或多个处理器执行的软件、使用诸如但不限于现场可编程门阵列(FPGA)、专用集成电路(ASIC)等之类的硬件和/或硬件与软件的组合等来实现交通管理引擎120。交通管理引擎120可以接收并处理传感器数据和/或车辆数据，并经由总线154与车辆平台103的其它元件(诸如(一个或多个)处理器115、(一个或多个)存储器117、通信单元119、车辆数据存储装置121等，其它控制器等)通信。下面参考至少图2-图5详细描述交通管理引擎120。
(一个或多个)存储器117包括非瞬态计算机可用(例如，可读、可写等)介质，其可以是可以包含、存储、传送、传播或运输指令、数据、计算机程序、软件、代码、例程等以供由(一个或多个)处理器115处理或结合(一个或多个)处理器115处理的任何有形非瞬态装置或设备。例如，(一个或多个)存储器117可以存储交通管理引擎120的实例和/或由其使用和/或产生的数据。在一些实现中，(一个或多个)存储器117可以包括易失性存储器和非易失性存储器中的一个或多个。例如，(一个或多个)存储器117可以包括但不限于动态随机存取存储器(DRAM)设备、静态随机存取存储器(SRAM)设备、分立存储器设备(例如，PROM、FPROM、ROM)、硬盘驱动器、光盘驱动器(CD、DVD、Blue-rayTM等)中的一个或多个。应当理解的是，(一个或多个)存储器117可以是单个设备，或者可以包括多种类型的设备和配置。
(一个或多个)通信单元119使用无线和/或有线连接向其通信耦合到(例如，经由网络105)的其它计算设备发送数据和从其接收数据。通信单元119可以包括用于发送和接收数据的一个或多个有线接口和/或无线收发器。通信单元119可以耦合到网络105并与其它计算节点(诸如其它(一个或多个)车辆平台103、(一个或多个)服务器101和/或(一个或多个)第三方服务器105等)通信。通信单元119可以使用标准通信方法(诸如上面讨论的那些)与其它计算节点交换数据。
(一个或多个)传感器113包括适于(一个或多个)车辆平台103的任何类型的传感器。(一个或多个)传感器113可以被配置为收集适于确定车辆平台103和/或其内部和外部环境的特性的任何类型的信号数据。(一个或多个)传感器113的非限制性示例包括各种光学传感器(CCD、CMOS、2D、3D、光检测和测距(LIDAR)、相机等)、音频传感器、运动检测传感器、气压计、高度计、热偶、湿度传感器、红外(IR)传感器、雷达传感器、其它光传感器、陀螺仪、加速度计、速度计、转向传感器、制动传感器、开关、车辆指示器传感器、风挡刮水器传感器、地理位置传感器、朝向传感器、无线收发器(例如，蜂窝、WiFiTM、近场等)、声纳传感器、超声传感器、触摸传感器、接近传感器、距离传感器等。在一些实施例中，一个或多个传感器113可以包括设置在车辆平台103的前侧、后侧、右侧、左侧、底部和/或顶部的面向外的传感器，以便捕获车辆平台103周围的情境背景。
在一些实施例中，(一个或多个)传感器113可以包括被配置为记录包括视频图像和静止图像的图像的一个或多个图像传感器(例如，光学传感器)，可以使用任何适用的帧速率记录视频流的帧，并且可以编码和/或处理使用任何适用方法捕获的视频和静止图像。在一些实施例中，(一个或多个)图像传感器113可以捕获在其传感器范围内的周围环境的深度和/或立体图像。例如，在车辆平台的背景中，图像传感器113可以捕获车辆平台103周围的环境，包括道路、建筑物、路边结构、基础设施(例如，路边标志、事故、路边建筑、交通灯等)、静态道路物体和/或动态道路物体(例如，车辆平台103、行人、自行车、动物等)等。在一些实施例中，图像传感器113可以安装在车顶和/或车辆平台103的内部，以在相对于车辆平台103的移动方向的任何方向(面向前、面向后、面向侧、面向上、面向下等)进行感测。在一些实施例中，图像传感器113可以是多向的(例如，LIDAR)。在一些实施例中，安装在不同车辆平台103上的图像传感器113可以具有不同的视点和/或视角，并且可以配置有不同的设置、安装和/或配置。
(一个或多个)致动器128包括能够产生或抑制运动的机械和/或电气设备。(一个或多个)致动器128可以是电动的、气动的、液压的、磁性的、机械的、热力学的和/或磁性的和/或前述的组合。非限制性示例(一个或多个)致动器128包括电动马达、机动化联动装置(motorized linkage)、信令部件、伺服机制、液压缸、气动致动器、对应的传动装置、连接器以及运动学部件、内燃机、喷气发动机等。致动器经由联动装置、变速器、传动系统(driveline)、液压装置和/或其它组件(诸如包括车轮、支柱、涡轮风扇、鼓风机、喷气机和/或其它部件的那些组件)耦合到能够使车辆103加速、减速和转向的部件。
车辆数据存储装置121包括存储各种类型的数据的非瞬态存储介质。例如，车辆数据存储装置121可以使用诸如控制器区域网(CAN)总线之类的总线存储在给定车辆平台103的不同部件之间传送的车辆数据。在一些实施例中，车辆数据可以包括从耦合到车辆平台103的不同部件的多个传感器113收集的车辆操作数据，用于监视这些部件的操作状态(例如，传动、速度、加速度、减速度、车轮速度(每分钟转数——RPM)、转向角、制动力等)。在一些实施例中，车辆数据可以包括移动方向、指示车辆平台103的地理位置的车辆地理位置(例如，GPS(全球定位系统)坐标)、安全设备状态(例如，气囊、撞击/碰撞状态等)等。在一些实施例中，车辆数据可以包括唯一地识别车辆平台103的车辆标识符(ID)(例如，车辆识别号(VIN))。在一些实施例中，车辆数据可以包括由收发器(例如，从其它路边单元、其它车辆，任何(一个或多个)第三方服务器105等)接收的和/或由交通管理引擎120产生并存储的任何数据和信息。
在一些实施例中，车辆数据还可以包括由车辆平台103的一个或多个图像传感器113捕获的内部和外部场景图像以及与这些图像相关联的图像数据。在一些实施例中，图像数据可以包括指示图像被捕获时的日期和时间的图像时间戳、传感器位置和传感器朝向、图像传感器113和/或其它相机的设置、相机位置、车辆平台传感器、CAN等、捕获图像时的数据。在一些实施例中，图像数据还可以描述在图像中检测到的一个或多个物体。例如，图像数据可以包括图像中的每个所检测的物体的(一个或多个)模态特征、(一个或多个)初始表示和/或(一个或多个)紧凑表示。
服务器101和107包括包含处理器、存储器和网络通信能力(例如，通信单元)的一个或多个硬件和/或虚拟服务器。在一些实施例中，在一些情况下，服务器101可以具有比系统100的其它实体(例如，车辆平台103)更大的计算能力和计算资源。服务器101或107可以通信耦合到网络107，如由信号线145或147a或147n所反映的。在一些实施例中，服务器101或107可以向系统100的其它实体(例如，一个或多个车辆平台103、一个或多个服务器101和/或107)发送数据和从其接收数据。如所描绘的，服务器101和107各自可以包括交通管理引擎120的实例。
服务器101还可以包括存储用于由这些应用访问和/或检索的各种类型的数据的数据存储装置124。在一些实施例中，边缘服务器107还可以包括数据存储装置124的实例或其变型。
其它变型和/或组合也是可能的和预期的。应当理解的是，图1中图示的系统100代表示例系统，并且各种不同的系统环境和配置是预期的并且在本公开的范围内。例如，各种动作和/或功能可以从服务器移动到客户端，反之亦然，数据可以合并到单个数据存储装置中或者进一步分割到附加数据存储装置中，并且一些实现可以包括附加的或更少的计算设备、服务和/或网络，并且可以实现客户端或服务器侧的各种功能。另外，系统的各种实体可以集成到单个计算设备或系统中，或者划分到附加的计算设备或系统中等。
图2是交通管理引擎120的示例实例的框图。取决于使用情况，图1中的计算设备可以类似于服务器101或107的架构，缺少致动器128、各种传感器113等。例如，服务器101或107可以包括处理器、存储器、通信单元、一个或多个输入或输出设备(例如，显示器、按钮、键盘、定点设备等)等和/或经由通信总线等耦合的任何其它已知或合适的部件，如人们会理解的那样。
如所描绘的，交通管理引擎120可以包括冲突识别器220、车辆监视器222、延迟预测器224、兼容移动组选择器226和/或车辆动态控制器228。应当理解的是，交通管理引擎120可以包括附加部件，诸如但不限于机器学习引擎、引擎控制单元、导航应用、加密/解密引擎等，和/或这些各种部件可以组合成单个部件或划分为附加部件。
交通管理引擎120和/或其部件中的一个或多个可以被实现为软件、硬件或前述的组合。在一些实施例中，交通管理引擎120、冲突识别器220、车辆监视器222、延迟预测器224、兼容移动组选择器226和/或车辆动态控制器228可以通过总线154和/或处理器115彼此通信耦合和/或与计算设备152的其它部件通信耦合。在一些实施例中，交通管理引擎120、冲突识别器220、车辆监视器222、延迟预测器224、兼容移动组选择器226和/或车辆动态控制器228中的一个或多个是可由处理器115执行以提供其功能的指令的集合。在进一步的实施例中，交通管理引擎120、冲突识别器220、车辆监视器222、延迟预测器224、兼容移动组选择器226和/或车辆动态控制器228中的一个或多个是可存储在存储器117中的，并且是可由处理器115访问和执行以提供其功能的。在任何前述实施例中，交通管理引擎120、冲突识别器220、车辆监视器222、延迟预测器224、兼容移动组选择器226和/或车辆动态控制器228可以适于与处理器115和计算设备152的其它部件协作和通信。交通管理引擎120及其部件(冲突识别器220、车辆监视器222、延迟预测器224、兼容移动组选择器226和/或车辆动态控制器228)在下面进一步详细描述。
图3是用于远程控制示例交叉路口350的车辆动态的示例方法300的流程图。可以针对交叉路口350限定兼容移动组的集合并且将其存储在数据存储装置124和/或另一个非瞬态存储器中。可以基于交叉路口的各种交叉路口几何形状和车道性质来限定该集合中的每个兼容移动组。
图4描绘了交叉路口350的另一个图形表示。交叉路口350可以包括两个或更多个车道352交叉或会聚的区域。例如，交叉路口360包括四个交叉的车道352a、352b、352c和352d。每个车道中的交通在特定方向流动。作为说明，每个车道(352a、352b、352c和352d)包括车辆类型的混合。特别地，每个车道(352a、352b、352c和352d)包括一个或多个连接车辆和一个或多个未连接车辆。
交通管理引擎120可以被配置为从位于交叉路口350的控制区356中或附近的车辆平台103接收动态数据。控制区356包括涵盖与交叉路口350相关联的车道352的上游部分、交叉部分和下游部分的区域。交叉路口350的车道352相交的特定区被称为冲突地带(conflict zone)。如图4中所示，每个车道包括靠近(例如，邻接地邻近)冲突地带的接近区，其中那个车道中的车辆交通可以产生交叉交通、停止、继续等。
当进入交叉路口时，每个车辆平台103可以具有与交叉路口350处的交叉或迎面而来的车辆的移动选项冲突的一个或多个移动选项。换句话说，进入冲突地带的车辆可以遵循可能与一个或多个其它车道的一个或多个路径冲突的路径。举例来说，交叉路口350具有8个车辆移动选项(也被称为路径或路径选项){p1,p2,p3,p4,p5,p6,p7,p8}。
在块304中，冲突识别器220可以确定一个或多个交叉路口特性，诸如交叉路口350的交叉路口几何形状和车道性质。例如，冲突识别器220可以识别车道的数量(总数、在每个方向等)、车道的宽度、车道的流动、车道上的任何时间或行驶限制等、车道在交叉路口相遇的方式、在相遇之前或之后是否有任何车道合并等等，并且可以使用这个信息来计算每个车道的移动选项(例如，直行、左转或右转、与相邻车道合并等)。
给定交叉路口的车道几何形状和性质可以被预先确定并存储在数据存储装置124中的车道简档中，可以从存储在数据存储装置124中的图形地图数据进行处理，可以从由已经通过或正在通过交叉路口的车辆的车辆传感器捕获的图像进行处理，或可以是任何其它合适的变型。
在一些实施例中，交通管理引擎120可以处理从交叉路口的卫星影像收集的图形地图数据、由位于交叉路口或通过交叉路口的基础设施或车辆相机捕获的街道级别影像等。交通管理引擎120可以使用特征检测技术处理图像以识别车道，并且可以使用来自图像的视觉特性(诸如检测帧与帧之间的交通流量、基于已知的车辆宽度平均值估计车道宽度等)估计车道性质(诸如在每个方向上流动的车道的数量、车道宽度、车道类型(转弯、直线、两者等)等)。
在块306中，冲突识别器220可以确定与交叉路口350相关联的兼容移动组CG1...CG N。在一些实施例中，使用移动选项，冲突识别器220可以识别表示兼容的各种可能移动选项之间的移动选项的兼容移动组。例如，使用针对交叉路口350的移动选项，冲突识别器220可以使用图4中描绘的移动选项{p1,p2,p3,p4,p5,p6,p7,p8}来识别四个兼容移动组的集合{g1(p1,p5),g2(p2,p6),g3(p3,p7),g4(p4,p8)}。在这个示例中，g1包括两个兼容选项，p5和p1，其中p5是用于车道352c的接近区中的西行车辆的左旋转弯，以及p1是用于车道352a的接近区中的东行交通的右旋转弯。这些选项是兼容的，因为这两个移动可以被可靠地执行而不会在相应车辆之间造成实质性干扰(例如，不会显著影响吞吐量，不会增加碰撞风险、移动复杂性、执行运动的时间等)。
图4B-图4D描绘了兼容和冲突的移动选项的进一步示例变化。
在图4B的第一阶段400中，第一车辆集合404和第二车辆集合406分别在交叉路口400处排队。第一车辆集合404正在等待进行如由移动选项p5所反映的左转弯。类似地，第二车辆集合406也在等待进行如由移动选项p1所反映的左转弯。因为p5和p1被冲突识别器220确定为兼容，并且被分组到对应的兼容移动组G1中，所以交通管理引擎120可以根据相应的移动选项p5和p1确定分别指示第一集合404和第二集合406的车辆行进通过交叉路口的特定时间点。响应于接收到指令，如第二阶段402中所示，第一集合404和第二集合406的车辆通过沿着与移动选项p5和p1对应的轨迹移动来分别穿过交叉路口430。
图4C描绘了移动选项冲突的另一个示例场景。特别地，在第一阶段400'中，第一车辆集合408在交叉路口430处排队并等待沿着移动选项p6在朝西方向上行进通过交叉路口，并且第二车辆集合406在交叉路口430处面向第一车辆集合408排队并等待沿着移动选项p1在朝北方向上进行左转弯。冲突识别器220已经确定这些移动选项p1和p6冲突，并且因此不将它们分组到兼容移动组中。如果集合406和408的车辆已经沿着与移动选项一致的轨迹行进，如第二示例阶段402'所反映的那样，那么集合406和408的各个车辆之间很可能发生冲突，这会导致碰撞、增加穿过交叉路口的延迟、需要进行回避操纵等。
图4D描绘了涉及三个移动选项p1、p6”和p6'的另一个示例场景。在这种场景中，上面讨论的移动选项p6被拆分成两个不同的移动选项，其中交通直行和交通右转分别与不同的移动选项p6'和p6”对应。与图4C中的示例类似，移动选项p6'和p1冲突，而移动选项p1和p6”不冲突。照此，冲突识别器220可以将移动选项p1和p6”分组到兼容移动组中，使得交通管理引擎120可以同时释放和停止与那些移动组对应的车辆，作为通过交叉路口430的交通的管理的一部分，如本文其它地方所讨论的。特别地，在第一阶段400”中，第一车辆集合410'排队以根据移动选项p6'在朝西方向上前进通过交叉路口430，第二车辆集合406在交叉路口430处排队以根据移动选项p1进行左转弯，并且第三车辆集合410”排队以根据移动选项p6”在交叉路口430处进行右转弯。在第二阶段402”中，第二车辆集合406和第三车辆集合410”由交通管理引擎122指示沿着由移动选项p1和p6”反映的相应路线行进，因为它们属于第二兼容移动组并且已经被交通管理引擎120确定为满足继续行进通过交叉路口430的标准，如本文其它地方所讨论的。
在一些实施例中，除非交叉路口的结构改变，否则用于给定交叉路口的兼容移动组集合可以是静态的，并且一旦由交通管理引擎120预限定或计算则可以与交叉路口的交叉路口简档相关联地存储在数据存储装置124中。交叉路口简档可以包括用于交叉路口的唯一标识符、指定交叉路口的位置的地理位置数据(例如，街道地址、地理定位系统坐标等)。
在块310a...310n中，冲突识别器220可以计算每个兼容移动组的组延迟值。对于某个时间点，兼容移动组延迟值可以反映与兼容移动组的移动选项相关联的连接车辆和未连接车辆穿过交叉路口的冲突地带所需的时间量。可以基于接近交叉路口的新车辆的动态来更新组延迟值。
兼容移动组识别器220可以基于随时间从被确定为执行给定冲突组的移动的连接车辆接收的动态车辆数据来计算冲突组的组延迟值。在一些实施例中，车辆监视器222可以从交叉路口的控制区中的车辆接收和监视动态车辆数据，并且延迟预测器可以处理动态车辆数据以预测车辆的各种动态参数(例如，车辆的速度、车辆的速度变化率、车辆到达冲突地带的时间、车辆从当前位置穿过交叉路口所需的时间等)。
作为说明，在块320中，车辆监视器222监视与交叉路口相关联的连接车辆，并确定交叉路口的控制区中的连接车辆和未连接车辆103的动态车辆参数。例如，在任何时间步长t，连接车辆可以经由可在交叉路口处无线访问的车辆微云、边缘服务器等与交通管理引擎102共享它们的动态(包括它们当前到交叉路口的距离、当前速度以及进入控制区的时间和速度)。
在块322中，延迟预测器224基于交叉路口的控制区中连接车辆和未连接车辆103的所确定的动态车辆参数来针对给定时间点(例如，未来时间间隔Δt(例如，其可以是预定的、动态确定的等等))预测每个车辆的车辆延迟324和车辆移动326。
兼容移动组识别器220可以接收所预测的车辆延迟并且将其用于在块310a中计算用于CG 1的组延迟和在块310n中计算用于CG N的组延迟(并且在适用的情况下计算用于任何中间或之后的控制组的组延迟)。更特别地，使用来自图4A的兼容移动组作为进一步的示例，冲突识别器220可以基于被确定为与移动选项p5和p1相关联的车辆的车辆参数(例如，车辆延迟324)来计算用于g1的延迟值。这些车辆可以包括连接车辆和未连接车辆。
在一些实施例中，冲突识别器220可以使用用于交叉路口的唯一标识符从数据存储装置124检索用于给定交叉路口的冲突数据(诸如兼容移动组的集合和对应的延迟值)，并且向兼容移动组选择器226提供兼容移动组的集合以供处理。在一些实施例中，兼容移动选择器226可以从数据存储装置124或冲突数据可以被存储在其中以供访问(例如，通过冲突识别器220)的其它非瞬态存储器中检索冲突数据。
图5是用于给定交叉路口的示例移动延迟预测方法500的流程图。
在块502中，车辆监视器222接收反映交叉路口的控制区内的连接车辆的动态的动态车辆数据。动态车辆数据可以指定车辆的地理位置和其它动态车辆参数(诸如速度、速度变化率(例如，加速度、减速度等)、转向角、制动值(例如，如果有的话，反映制动水平)等)。
在块508中，车辆监视器222可以基于每个连接车辆103的动态车辆数据和车辆103的当前位置来确定那个车辆103的进入时间。给定连接车辆103的进入时间可以反映对连接车辆103何时可以在特定时间进入交叉路口的冲突地带的估计。例如，知道车辆103的当前位置、车辆103的前进方向、车辆103的速度以及车辆103的速度的变化率等，交通管理引擎120可以计算车辆103可以进入交叉路口的冲突地带的时间。另外，当接收到新的动态车辆数据的集合时，可以由交通管理引擎120更新用于给定车辆的进入时间估计。
在块510中，车辆监视器222可以基于每个连接车辆103的动态车辆数据和车辆103的当前位置来确定那个车辆103的进入速度。与进入时间一样，给定连接车辆103的进入速度可以反映对连接车辆103可以在块502中估计的时间进入交叉路口的冲突地带的速度的估计。例如，知道车辆103的当前位置、车辆103的前进方向、车辆103的速度以及车辆103的速度的变化率等，交通管理引擎120可以计算车辆103可以进入交叉路口的冲突地带的速度。另外，当接收到新的动态车辆数据的集合时，可以由交通管理引擎120更新用于给定车辆的进入速度估计。
在块512中，车辆监视器222可以确定交叉路口的每个移动选项的速度—流量关系。速度—流量关系可以包括与特定移动相关联的车辆的数量、它们的速度以及一方面它们的距离和另一方面那些车辆执行移动所花费的时间(移动延迟)之间的映射。例如，高密度的低速行驶车辆相对于较低密度的较高速度行驶车辆会导致更高的移动延迟。由系统100支持的每个交叉路口都可以具有适合于交叉路口的特性(诸如车道的数量、几何形状(例如，尺寸、形状等)等)的速度—流量关系。在一些情况下，交通管理引擎120可以响应于处理图形图像(例如，卫星影像、车辆捕获的图像等)而将交叉路口与特定的速度—流量关系相关联。在其它情况下，可以(例如，由管理员等)用速度—流量关系标记交叉路口。其它变型也是可能的和预期的。
在块514中，使用每个路径的速度—流量关系以及在块508和510中确定的时间和速度，车辆监视器222可以估计用于控制区的接近区段的每个移动的累积流速。累积流速可以反映针对来自那个接近区段的移动或路径的连接车辆的流量。
在块516中，车辆监视器222可以使用累积流量确定任何两个连续的连接车辆之间的未连接车辆的数量。在一些实施例中，车辆监视器222可以识别累积流量内的连接车辆的位置、识别连接车辆之间的空间以及确定未连接车辆103是否可以适合这些空间。
车辆监视器222可以附加地或可替代地利用来自连接车辆103的传感器数据来确定和/或确认未连接车辆103是否可以位于这些空间中。例如，车辆监视器222可以处理来自连接车辆103的面向前、面向侧和/或面向后的图像传感器的图像数据，以检测是否存在相邻的未连接车辆103。在另一个示例中，车辆监视器222可以处理来自连接车辆103的接近传感器的接近传感器数据，以确定是否检测到连接车辆103之间的中间物体(例如，假设是未连接车辆，因为它们正在移动)。其它变型也是可能的和预期的。
对前述内容附加地或可替代地，在块504中，车辆监视器222可以基于车辆的当前位置和冲突地带的正在被连接车辆103接近的(一个或多个)侧来计算连接车辆103到冲突地带的距离。在块506中，车辆监视器222可以确定连接车辆103的当前速度(这可以被反映在那些连接车辆103的动态车辆数据中)。
在块518中，车辆监视器222可以将在其之间具有未连接车辆的连接车辆的进入速度和进入时间和/或其它动态和/或参数输入到利用来自块516的累积流量确定的运动波模型(kinematic wave model)。
在块520中，车辆监视器222可以使用运动波模型来预测未连接车辆的动态。未连接车辆的预测动态可以包括它们进入控制区的时间、当前速度、到冲突地带的距离、进入冲突地带的估计时间等。
运动波模型可以包括基于守恒的物理原理的单个方程或方程组。由于进入和离开交叉路口(或者在一些情况下，进入和离开移动选项)的车辆的数量基本上保持相同，因此量被认为是守恒的，这允许模型预测在未来时间的密度、速度、模式等。作为另一个示例，运动波模型可以基于涉及交通密度和车辆速度的以下方程，
ρt(x,t)+(ρ(x,t)v(x,t))x＝0,
其中ρ是密度，v是速度，x是位置/点，并且t是时间。根据这个方程，如果已知初始密度和速度场，那么可以预测未来交通密度。可以选择取决于密度的速度函数用于交通流量模型。关于这些模型的进一步信息可以在Kachroo,P.,Alnasur,S.,Amin Wadoo,S.和Shende,A.(2008).Pedestrian Dynamics.Berlin,Heidelberg:Springer-Verlag BerlinHeidelberg中找到，其全部内容通过引用并入本文。
在块522中，交通管理引擎120可以确定交通控制是否是活动的。不活动意味着没有连接车辆正在接收用于那个交叉路口的控制指令(并且交通正在接近交叉路口(例如，以速度限制或接近速度限制))。活动意味着交通管理引擎120当前正在指示控制区中沿着由(例如，活动兼容移动组的)一个或多个活动移动选项限定的轨迹移动的连接车辆继续其移动，并且当前正在指示控制区中与(一个或多个)活动移动选项不关联的连接车辆根据它们所关联的非活动移动选项在冲突地带入口排队。作为另一个示例，移动选项p5和p1可以是活动的，意味着与那个移动选项相关联的车辆正在接收根据那些选项行进通过交叉路口的指令，而其它移动选项p2、p3、p4、p6、p7、p8、p9、p10等是不活动的，并且与那些选项相关联的交通被指示停止。
如果块522中的确定是否定的，那么延迟预测器224可以估计每个移动选项的用于接近冲突地带、在冲突地带处或在冲突地带中的车辆的释放出发时间。如果没有应用速度控制(将虚拟绿灯指派给移动)，那么释放出发时间是根据给定移动选项移动的车辆行进通过和离开交叉路口的冲突地带所花费的时间。每个车辆(无论是连接还是未连接)的预测释放出发时间可以使用每个车辆距冲突地带的入口的距离(如块504中所确定的)和它们的当前速度从运动波模型导出。
作为另一个示例，考虑Δt为用于估计和释放最优兼容移动组的时间间隔。在每个Δt，冲突识别器220可以搜索最优兼容移动组以最小化交叉路口处的总车辆延迟。根据所选择的组，车辆动态控制器228可以同时向控制区中的所有连接车辆提供行动控制指令。
例如，对于车辆k，假设前方车辆的数量是k-1。在时间步长n的开始，tn，延迟预测器224可以预测释放出发时间和停止出发时间。
对于释放出发时间，假设在(tn,tn+Δt]期间应用虚拟绿灯。因此，预期的释放出发时间被设置为
Figure BDA0003779039280000221
在这里，vf是道路速度限制，vq是在指派绿灯时从头到尾的队列释放速度，xk是车辆k到交叉路口的距离，并且Lc是车辆的平均长度。方程中的第一部分是如果车辆以道路速度限制行驶并且没有停在前方的任何其它车辆延迟它的情况下的出发时间。第二部分是车辆被前方车辆延迟的出发时间，这是从运动波模型导出的。
在另一个示例中，车辆(即在进入交叉路口的冲突地带的车道中的后方的第三车辆)可以具有比其前方的车辆高的释放出发时间。由于队列中未连接车辆和连接车辆两者的动态(例如，当前速度、位置等)已经被计算出并且可用，因此可以在块524中估计未连接车辆和连接车辆两者的释放出发时间(例如，使用运动波模型或另一种合适的交通流量模型)。
在一些实施例中，领头车辆(位于每一队的前方的车辆)可以是连接车辆并且可以被动地或主动地被控制，以调节其后面的车辆的速度，从而一致地控制车辆队列通过交叉路口的冲突地带的释放速度和流量。例如，连接车辆103可以被指示在接近区段中以及/或者通过和/或离开冲突地带时以一定速度行驶(例如，具有一定的加速率直到所发布的速度限制、维持一定的速度等)。
在块526中，延迟预测器224可以预测每个移动选项的释放延迟，其为那个移动选项的每个车辆的预期行驶时间与畅通(free-flow)行驶时间之间的差值的总和。畅通行驶时间反映了如果车辆能够自由地行驶通过交叉路口(例如，以所发布的速度限制并且不受其它交通抑制)的情况下执行移动所需的时间量。预期停止时间是其预期释放出发时间与进入控制区的时间之间的差值。
如果块522中的确定是肯定的，那么延迟预测器224可以在块528中估计交叉路口的控制区中的车辆的停止出发时间。当控制交通时，交通管理引擎120循环通过兼容移动组以调节通过交叉路口的交通。当在交叉路口处停止的移动选项的车辆的队列累积更多车辆时，与那些移动选项对应的延迟也增加。
停止出发时间是指如果应用速度控制(将虚拟红灯指派给移动)的话根据给定移动选项移动的车辆行进通过并离开交叉路口的冲突地带所花费的时间。延迟预测器224可以基于领头车辆103的距离和停止出发时间来预测连接车辆和未连接车辆103的停止出发时间。
例如，继续上述示例，对于停止出发时间，考虑在(tn,tn+Δt)期间应用虚拟红灯，并且最早可以向移动应用绿灯是tn+Δt。在这种情况下，停止出发时间是
Figure BDA0003779039280000241
在这里，方程中的第一部分仍然是如果车辆以道路速度限制行驶并且没有停在前面的任何其它车辆延迟它的情况下的出发时间。第二部分是基于移动类型的(一个或多个)第一车辆在时间tn+Δt被释放的假设下车辆被前方车辆延迟的出发时间。
在块530中，延迟预测器224可以预测每个移动选项的停止延迟，其为那个移动选项的每个车辆的预期行驶时间与畅通行驶时间之间的差值的总和。畅通行驶时间反映了如果车辆能够自由地行驶通过交叉路口(例如，以所发布的速度限制并且不受其它交通抑制)的情况下执行移动所需的时间量。预期停止时间是其预期停止出发时间与进入控制区的时间之间的差值。
提供以下示例以进一步说明每个兼容移动组的停止延迟和释放延迟。首先，在时间tn，计算每个兼容移动组中所有车辆的释放延迟和停止延迟，并在下面的表1和表2中示出。在这里，每组的释放延迟是该组中所有车辆的释放延迟的总和，并且每组的停止延迟是该组中所有车辆的停止延迟的总和。
Figure BDA0003779039280000242
Figure BDA0003779039280000251
然后，延迟预测器228可以通过评估每个兼容移动组的释放来预测交叉路口的总车辆延迟。
Figure BDA0003779039280000252
延迟预测器228可以确定CG1是具有最小预测总延迟的最优组，在这种情况下，车辆动态控制器228可以释放CG1中的车辆并且保持其它组中的所有车辆。
在这个示例中，对于CG1中的所有连接车辆，它们的建议速度限制被设置为道路速度限制，vf，以再现虚拟绿灯的效果。对于其它组中的所有连接车辆，它们的建议速度限制被设置为
Figure BDA0003779039280000253
以再现虚拟红灯的效果。
再次参考图3，在块312中，使用由冲突识别器200计算的每个兼容移动组CG1...CG N的停止延迟值和释放延迟值，兼容移动组选择器226可以选择特定的兼容移动组，其可以被车辆动态控制器228用来控制交叉路口处的车辆103中的一个或多个的车辆动态。
在一些实施例中，兼容移动组选择器226可以被配置为搜索并选择最优兼容移动组以最小化在下一个时间间隔中交叉路口的预测总车辆延迟。例如，兼容移动组选择器226可以首先将总交叉路口延迟估计为一个兼容移动组g(g＝1,2,…,G)中的所有移动的释放延迟以及所有其它兼容移动组中的所有移动的停止延迟的总和。可以选择具有最小交叉路口延迟的兼容移动组g*作为最优组。
在块328中，车辆动态控制器228可以利用由兼容移动组选择器226选择的识别出的最优组来计算用于交叉路口中的连接车辆的建议速度限制。例如，对于所选择的兼容移动组的所有移动中的任何连接车辆k，其建议速度限制可以被设置为速度限制vf，即，
Figure BDA0003779039280000261
对于其它组的移动中的任何连接车辆j，其速度限制可以被设置为
Figure BDA0003779039280000262
在块328中，车辆动态控制器228提供控制车辆的一个或多个动态的指令。在一些实施例中，车辆动态控制器确定并应用在下一时间间隔中对连接车辆103应用的建议速度限制。作为响应，期望驾驶员或自主车辆控制器维持其速度等于或低于建议速度限制以优化交叉路口的性能，尽管不需要精确地遵循建议的速度阈值而使由交通管理引擎102提供的远程控制有效。有利地，由车辆动态控制器228指示的速度控制可以降低控制交叉路口中的车辆的难度，并且对于人类引导的车辆和自主引导的车辆两者都是可适用并且可访问的。
在以上描述中，出于解释的目的，阐述了许多具体细节以便提供对本公开的透彻理解。但是，应当理解的是，可以在没有这些具体细节的情况下实践本文描述的技术。另外，各种系统、设备和结构以框图形式示出，以避免模糊本描述。例如，各种实现被描述为具有特定的硬件、软件和用户界面。但是，本公开适用于可以接收数据和命令的任何类型的计算设备，以及适用于提供服务的任何外围设备。
在一些情况下，本文可以依据对计算机存储器内的数据位的操作的算法和符号表示来呈现各种实现。在这里并且一般而言，算法被认为是导致期望结果的自洽(self-consistent)的操作集合。操作是需要对物理量进行物理操纵的那些操作。通常，虽然不是必须，这些量采取能够被存储、传递、组合、比较和以其它方式操纵的电信号或磁信号的形式。有时，主要出于通用的原因，已经证明将这些信号称为位、值、元素、符号、字符、项、数字等是方便的。
但是，应当记住的是，所有这些术语和类似术语都与适当的物理量相关联，并且仅仅是应用于这些量的方便标签。除非如从以下讨论中显而易见地那样以其它方式具体说明，否则应当认识到的是，贯穿本公开，利用包括“处理”、“计算”、“运算”、“确定”、“显示”等术语的讨论是指计算机系统或类似电子计算设备的、将计算机系统的寄存器和存储器内的被表示为物理(电子)量的数据操纵合转换成计算机系统存储器或寄存器或其它这样的信息存储、传输或显示设备内的被类似表示为物理量的其它数据的行动和处理。
本文描述的各种实现可以涉及用于执行本文的操作的装置。这个装置可以针对所需目的专门构造，或者它可以包括由存储在计算机中的计算机程序选择性地激活或重新配置的通用计算机。这种计算机程序可以存储在计算机可读存储介质中，包括但不限于任何类型的盘(包括软盘、光盘、CD ROM和磁盘)、只读存储器(ROM)、随机存取存储器(RAM)、EPROM、EEPROM、磁卡或光卡、闪存(包括具有非易失性存储器的USB密钥)或者适于存储电子指令的任何类型的介质，每个都耦合到计算机系统总线。
本文描述的技术可以采用硬件实现、软件实现或包含硬件和软件元件两者的实现的形式。例如，该技术可以用软件实现，其包括但不限于固件、驻留软件、微代码等。此外，该技术可以采取可从计算机可用或计算机可读介质访问的计算机程序产品的形式，该计算机可用或计算机可读介质提供由计算机或任何指令执行系统使用或与其结合使用的程序代码。为了本描述的目的，计算机可用或计算机可读介质可以是任何非瞬态存储装置，其可以包含、存储、传送、传播或运输由指令执行系统、装置或设备使用或与其结合使用的程序。
适于存储和/或执行程序代码的数据处理系统可以包括直接或通过系统总线间接耦合到存储器元件的至少一个处理器。存储器元件可以包括在程序代码的实际执行期间采用的本地存储器、大容量存储装置和提供至少一些程序代码的临时存储以便减少在执行期间必须从大容量存储装置检索代码的次数的高速缓冲存储器。输入/输出或I/O设备(包括但不限于键盘、显示器、定点设备等)可以直接或通过中间I/O控制器耦合到系统。
网络适配器也可以耦合到系统，以使数据处理系统能够通过中间专用网络和/或公共网络耦合到其它数据处理系统、存储设备、远程打印机等。无线(例如，Wi-FiTM)收发器、以太网适配器和调制解调器仅是网络适配器的几个示例。专用网络和公共网络可以具有任何数量的配置和/或拓扑。可以使用各种不同的通信协议(包括例如各种互联网层、传输层或应用层协议)经由网络在这些设备之间发送数据。例如，可以使用传输控制协议/互联网协议(TCP/IP)、用户数据报协议(UDP)、传输控制协议(TCP)、超文本传输协议(HTTP)、安全超文本传输协议(HTTPS)、通过HTTP的动态自适应流(DASH)、实时流协议(RTSP)、实时传输协议(RTP)和实时传输控制协议(RTCP)、互联网协议语音(VOIP)、文件传输协议(FTP)、WebSocket(WS)、无线接入协议(WAP)、各种消息传递协议(SMS、MMS、XMS、IMAP、SMTP、POP、WebDAV等)或其它已知协议经由网络发送数据。
最后，本文呈现的结构、算法和/或界面并不固有地涉及任何特定计算机或其它装置。根据本文的教导，各种通用系统可以与程序一起使用，或者可以证明构造更专用的装置以执行所需的方法块是方便的。各种这些系统所需的结构从上面的描述是明显的。此外，没有参考任何特定的编程语言描述本说明书。将认识到的是，可以使用各种编程语言来实现如本文描述的说明书的教导。
已经出于说明和描述的目的呈现了前面的描述。其并非旨在是详尽的或将说明书限制到所公开的精确形式。鉴于上述教导，许多修改和变型是可能的。其旨在本公开的范围不受该详细描述的限制，而是受本申请的权利要求书的限制。如本领域技术人员将理解的，在不脱离其精神或基本特性的情况下，本说明书可以以其它具体形式实施。同样，模块、例程、特征、属性、方法和其它方面的特定命名和划分不是强制性的或重要的，并且实现说明书或其特征的机制可以具有不同的名称、划分和/或格式。
此外，本公开的模块、例程、特征、属性、方法和其它方面可以被实现为软件、硬件、固件或前述的任意组合。而且，在说明书的部件(其示例是模块)被实现为软件的任何地方，该部件可以被实现为独立程序、被实现为较大程序的一部分、被实现为多个单独的程序、被实现为静态或动态链接库、被实现为内核可加载模块、被实现为设备驱动器和/或以现在或未来知道的每种和任何其它方式实现。此外，本公开不以任何方式限于以任何具体编程语言或者针对任何具体操作系统或环境的实现。

Claims (12)

1.一种计算机实现的方法，包括：
确定与交叉路口处的第一移动选项相关联的车辆的第一集合；
确定与所述交叉路口处的第二移动选项相关联的车辆的第二集合，所述第二移动选项与所述第一移动选项冲突；
计算所述第一移动选项的第一延迟；
计算所述第二移动选项的第二延迟；以及
经由通信网络向车辆的所述第一集合中的一个或多个连接车辆和车辆的所述第二集合中的一个或多个连接车辆发送用于基于所述第一延迟和所述第二延迟穿过所述交叉路口的控制指令。
2.如权利要求1所述的方法，还包括：
使用交通流量模型基于车辆的所述第一集合中的所述一个或多个连接车辆的车辆数据和一个或多个未连接车辆的车辆数据估计车辆的所述第一集合中的每个车辆的释放出发时间和停止出发时间。
3.如权利要求2所述的方法，还包括：
从车辆的所述第一集合中的所述一个或多个连接车辆接收所述一个或多个连接车辆的车辆数据；
基于所述一个或多个连接车辆的车辆数据确定车辆的所述第一集合中的所述一个或多个未连接车辆；以及
基于车辆的所述第一集合中的所述一个或多个连接车辆的车辆数据预测所述一个或多个未连接车辆的车辆数据。
4.如权利要求1所述的方法，还包括：
计算车辆的所述第一集合中的所述一个或多个连接车辆的第一阈值速度和车辆的所述第二集合中的所述一个或多个连接车辆的第二阈值速度；以及
基于所述第一阈值速度和所述第二阈值速度生成用于车辆的所述第一集合中的所述一个或多个连接车辆和车辆的所述第二集合中的所述一个或多个连接车辆的控制指令。
5.如权利要求1所述的方法，还包括：
确定要释放车辆的所述第一集合并停止车辆的所述第二集合；
基于与所述交叉路口相关联的速度限制计算车辆的所述第一集合中的第一连接车辆的第一阈值速度；以及
基于车辆的所述第二集合中的第二连接车辆的停止出发时间以及所述第二连接车辆与所述交叉路口之间的距离计算所述第二连接车辆的第二阈值速度。
6.如权利要求1所述的方法，其中计算所述第一移动选项的第一延迟包括：
计算所述第一移动选项的释放延迟，所述释放延迟对应于在时间区间内未应用于所述第一移动选项的速度控制；以及
计算所述第一移动选项的停止延迟，所述停止延迟对应于在所述时间区间内应用于所述第一移动选项的速度控制。
7.如权利要求1所述的方法，其中计算所述第一移动选项的第一延迟包括：
针对车辆的所述第一集合中的每个车辆估计释放出发时间，所述释放出发时间对应于未应用于所述第一移动选项的速度控制；
基于所述释放出发时间计算车辆的所述第一集合中的每个车辆的车辆延迟；以及
基于车辆的所述第一集合中的每个车辆的车辆延迟计算所述第一移动选项的释放延迟。
8.如权利要求1所述的方法，其中计算所述第一移动选项的第一延迟包括：
针对车辆的所述第一集合中的每个车辆估计停止出发时间，所述停止出发时间对应于应用于所述第一移动选项的速度控制；
基于所述停止出发时间计算车辆的所述第一集合中的每个车辆的车辆延迟；以及
基于车辆的所述第一集合中的每个车辆的车辆延迟计算所述第一移动选项的停止延迟。
9.如权利要求1所述的方法，还包括：
使用所述第一移动选项的所述第一延迟和所述第二移动选项的所述第二延迟计算对应于所述第一移动选项中的车辆的所述第一集合的释放的第一总延迟；
使用所述第一移动选项的所述第一延迟和所述第二移动选项的所述第二延迟计算对应于所述第二移动选项中的车辆的所述第二集合的释放的第二总延迟；
基于所述第一总延迟和所述第二总延迟确定要释放与所述第一移动选项相关联的车辆的所述第一集合和与所述第二移动选项相关联的车辆的所述第二集合中的一者。
10.如权利要求9所述的方法，其中：
计算对应于所述第一移动选项中的车辆的所述第一集合的释放的所述第一总延迟是基于所述第一移动选项的释放延迟和所述第二移动选项的停止延迟的；以及
计算对应于所述第二移动选项中的车辆的所述第二集合的释放的所述第二总延迟是基于所述第二移动选项的释放延迟和所述第一移动选项的停止延迟的。
11.一种系统，包括：
一个或多个处理器；以及
存储指令的一个或多个非瞬态计算机可读存储器，所述指令在由所述一个或多个处理器执行时使所述系统：
确定与交叉路口处的第一移动选项相关联的车辆的第一集合；
确定与所述交叉路口处的第二移动选项相关联的车辆的第二集合，所述第二移动选项与所述第一移动选项冲突；
计算所述第一移动选项的第一延迟；
计算所述第二移动选项的第二延迟；以及
经由通信网络向车辆的所述第一集合中的一个或多个连接车辆和车辆的所述第二集合中的一个或多个连接车辆发送用于基于所述第一延迟和所述第二延迟穿过所述交叉路口的控制指令。
12.一种系统，包括：
用于确定与交叉路口处的第一移动选项相关联的车辆的第一集合的装置；
用于确定与所述交叉路口处的第二移动选项相关联的车辆的第二集合的装置，所述第二移动选项与所述第一移动选项冲突；
用于计算所述第一移动选项的第一延迟的装置；
用于计算所述第二移动选项的第二延迟的装置；以及
用于经由通信网络向车辆的所述第一集合中的一个或多个连接车辆和车辆的所述第二集合中的一个或多个连接车辆发送用于基于所述第一延迟和所述第二延迟穿过所述交叉路口的控制指令的装置。
CN202210925023.8A 2018-04-13 2019-04-12 交叉路口处的远程车辆控制 Active CN115294787B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210925023.8A CN115294787B (zh) 2018-04-13 2019-04-12 交叉路口处的远程车辆控制

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
US15/953,360 2018-04-13
US15/953,360 US10559197B2 (en) 2018-04-13 2018-04-13 Remote vehicle control at intersections
CN202210925023.8A CN115294787B (zh) 2018-04-13 2019-04-12 交叉路口处的远程车辆控制
CN201910291377.XA CN110379192B (zh) 2018-04-13 2019-04-12 交叉路口处的远程车辆控制

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
CN201910291377.XA Division CN110379192B (zh) 2018-04-13 2019-04-12 交叉路口处的远程车辆控制

Publications (2)

Publication Number Publication Date
CN115294787A true CN115294787A (zh) 2022-11-04
CN115294787B CN115294787B (zh) 2024-03-26

Family

ID=68162048

Family Applications (2)

Application Number Title Priority Date Filing Date
CN201910291377.XA Active CN110379192B (zh) 2018-04-13 2019-04-12 交叉路口处的远程车辆控制
CN202210925023.8A Active CN115294787B (zh) 2018-04-13 2019-04-12 交叉路口处的远程车辆控制

Family Applications Before (1)

Application Number Title Priority Date Filing Date
CN201910291377.XA Active CN110379192B (zh) 2018-04-13 2019-04-12 交叉路口处的远程车辆控制

Country Status (3)

Country Link
US (2) US10559197B2 (zh)
JP (1) JP6791290B2 (zh)
CN (2) CN110379192B (zh)

Families Citing this family (29)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11836802B2 (en) * 2014-04-15 2023-12-05 Speedgauge, Inc. Vehicle operation analytics, feedback, and enhancement
US10559197B2 (en) 2018-04-13 2020-02-11 Toyota Jidosha Kabushiki Kaisha Remote vehicle control at intersections
CN109003448B (zh) * 2018-08-02 2021-07-16 北京图森智途科技有限公司 一种交叉路口的导航方法、设备及系统
JP7169832B2 (ja) * 2018-09-27 2022-11-11 株式会社Subaru 車両の移動体監視装置、およびこれを用いる車両制御システム
US11543824B2 (en) * 2018-10-09 2023-01-03 Waymo Llc Queueing into pickup and drop-off locations
US11373521B2 (en) 2018-12-13 2022-06-28 Gm Cruise Holdings Llc Intelligent right of way determination for autonomous vehicles
US11699309B2 (en) 2019-03-04 2023-07-11 Speedgauge, Inc. Dynamic driver and vehicle analytics based on vehicle tracking and driving statistics
US11690128B2 (en) * 2019-03-11 2023-06-27 Fujitsu Limited Digital representations of physical intelligent moving objects
US10699564B1 (en) 2019-04-04 2020-06-30 Geotab Inc. Method for defining intersections using machine learning
US11403938B2 (en) 2019-04-04 2022-08-02 Geotab Inc. Method for determining traffic metrics of a road network
US11335191B2 (en) * 2019-04-04 2022-05-17 Geotab Inc. Intelligent telematics system for defining road networks
US11335189B2 (en) 2019-04-04 2022-05-17 Geotab Inc. Method for defining road networks
US11341846B2 (en) 2019-04-04 2022-05-24 Geotab Inc. Traffic analytics system for defining road networks
US11618439B2 (en) * 2019-04-11 2023-04-04 Phantom Auto Inc. Automatic imposition of vehicle speed restrictions depending on road situation analysis
US20210140775A1 (en) 2019-11-07 2021-05-13 Geotab Inc. Vehicle vocation method
US11145193B2 (en) 2019-12-20 2021-10-12 Qualcom Incorporated Intersection trajectory determination and messaging
CN111785062B (zh) * 2020-04-01 2021-09-14 北京京东乾石科技有限公司 在无信号灯路口实现车路协同的方法和装置
US11631324B2 (en) * 2020-08-19 2023-04-18 Toyota Motor Engineering & Manufacturing North America, Inc. Systems and methods for collaborative intersection management
CN112185132A (zh) * 2020-09-08 2021-01-05 大连理工大学 一种无红绿灯的车辆交叉口协调方法
JP2022054822A (ja) * 2020-09-28 2022-04-07 マツダ株式会社 体験獲得支援装置
US11851083B2 (en) * 2021-01-13 2023-12-26 Argo AI, LLC Methods and system for constructing data representation for use in assisting autonomous vehicles navigate intersections
US20220250636A1 (en) * 2021-02-11 2022-08-11 Toyota Motor Engineering & Manufacturing North America, Inc. Resolving vehicle application version differences
JP2022138782A (ja) * 2021-03-11 2022-09-26 トヨタ自動車株式会社 交差点管制システム、交差点管制方法、及び、プログラム
US11935404B2 (en) * 2021-03-24 2024-03-19 Toyota Motor Engineering & Manufacturing North America, Inc. Integrated congested mitigation for freeway non-recurring queue avoidance
US20220332310A1 (en) * 2021-04-20 2022-10-20 Argo AI, LLC Methods and systems for inferring unpainted stop lines for autonomous vehicles
CN113256961B (zh) * 2021-06-25 2022-05-24 上海交通大学 基于车辆编队的路口自主车辆调度与控制方法
CN113689723B (zh) * 2021-09-02 2022-10-18 长沙理工大学 不同路侧单元部署特性下的混合交通速度控制方法
CN114399900B (zh) * 2021-12-31 2023-03-21 黑龙江工程学院 一种基于遥感技术的智慧城市交通管理系统和方法
CN115188184B (zh) * 2022-06-20 2024-03-19 海信集团控股股份有限公司 一种车辆限速处理方法、设备及装置

Citations (28)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050105773A1 (en) * 2003-09-24 2005-05-19 Mitsuru Saito Automated estimation of average stopped delay at signalized intersections
US20080150759A1 (en) * 2006-11-09 2008-06-26 Sridhara Subbiah Ramasubbu RFID reader enabled Intelligent Traffic Signalling and RFID enabled Vehicle tags(Number Plates)
US20090051568A1 (en) * 2007-08-21 2009-02-26 Kevin Michael Corry Method and apparatus for traffic control using radio frequency identification tags
JP2009140422A (ja) * 2007-12-10 2009-06-25 Toyota Motor Corp 走行支援装置
JP2010250646A (ja) * 2009-04-17 2010-11-04 Sumitomo Electric Ind Ltd 公共車両優先信号制御システム及び公共車両優先信号制御方法
CN102124505A (zh) * 2008-06-13 2011-07-13 Tmt服务和供应(股份)有限公司 交通控制系统和方法
JP2011141606A (ja) * 2010-01-05 2011-07-21 Sumitomo Electric Ind Ltd 路上通信システム及び交通信号制御機
CN102346044A (zh) * 2010-07-21 2012-02-08 哈曼贝克自动系统股份有限公司 提供有关交叉点成本信息的方法和装置及确定路线的方法
US20120169517A1 (en) * 2010-11-30 2012-07-05 Institute For Information Industry Driving Assistance Method, On-Board Unit (OBU) Applying the Method and Computer Readable Storage Medium Storing the Method
CN102576491A (zh) * 2009-08-11 2012-07-11 准时系统公司 使用智能交通信号、gps和移动数据设备的交通路由
CN102607567A (zh) * 2010-12-20 2012-07-25 福特全球技术公司 用于道路识别的方法
US20120330542A1 (en) * 2010-06-09 2012-12-27 The Regents Of The University Of Michigan Computationally efficient intersection collision avoidance system
CN102939623A (zh) * 2010-03-11 2013-02-20 因瑞克斯有限公司 基于集合的驾驶者行为学习道路导航路径
CN103177596A (zh) * 2013-02-25 2013-06-26 中国科学院自动化研究所 一种交叉路口自主管控系统
US20130285840A1 (en) * 2012-04-25 2013-10-31 International Business Machines Corporation Control of traffic signal due to obstructed view
US20140278052A1 (en) * 2013-03-15 2014-09-18 Caliper Corporation Lane-level vehicle navigation for vehicle routing and traffic management
US20140346284A1 (en) * 2013-05-23 2014-11-27 General Electric Company Systems and Methods for Management of Crossings Near Stations
US20140361125A1 (en) * 2013-06-05 2014-12-11 General Electric Company Systems and Methods for Providing Constant Warning Time At Crossings
US9142127B1 (en) * 2014-04-29 2015-09-22 Maxwell Consulting, LLC Systems and methods for traffic guidance nodes and traffic navigating entities
US20160027299A1 (en) * 2014-07-28 2016-01-28 Econolite Group, Inc. Self-configuring traffic signal controller
US20160097849A1 (en) * 2014-10-02 2016-04-07 Trimble Navigation Limited System and methods for intersection positioning
US20170113665A1 (en) * 2015-10-27 2017-04-27 GM Global Technology Operations LLC Algorithms for avoiding automotive crashes at left and right turn intersections
CN106608264A (zh) * 2015-10-27 2017-05-03 通用汽车环球科技运作有限责任公司 提高汽车交叉口转向辅助特征性能的方法
CN106652458A (zh) * 2017-02-20 2017-05-10 东南大学 基于虚拟车辆轨迹重构的在线城市道路路径行程时间估计方法
CN106875710A (zh) * 2017-01-24 2017-06-20 同济大学 一种面向网联自动驾驶车辆的交叉口自组织控制方法
CN106935056A (zh) * 2017-04-28 2017-07-07 北京交通大学 基于间隙理论的智能车交叉路口协同控制方法
CN106952471A (zh) * 2016-01-06 2017-07-14 通用汽车环球科技运作有限责任公司 交叉路口处驾驶员意图的预测
CN107230364A (zh) * 2016-03-30 2017-10-03 詹森·H·高 交通十字路口的车辆交通流的交通预测及控制系统

Family Cites Families (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3516378B2 (ja) * 1997-10-03 2004-04-05 富士通株式会社 交通制御システムおよび方法
US7647180B2 (en) * 1997-10-22 2010-01-12 Intelligent Technologies International, Inc. Vehicular intersection management techniques
JP4692091B2 (ja) * 2005-06-16 2011-06-01 トヨタ自動車株式会社 車両制御システム
JP2007141145A (ja) * 2005-11-22 2007-06-07 Toyota Motor Corp 交差点管制システム及び装置
JP4742990B2 (ja) * 2006-05-26 2011-08-10 トヨタ自動車株式会社 交差点交通管制システム
US7894948B2 (en) * 2007-11-01 2011-02-22 L-3 Communications Integrated Systems L.P. Systems and methods for coordination of entities and/or communicating location information
GB0822893D0 (en) * 2008-12-16 2009-01-21 Tele Atlas Bv Advanced speed profiles - Further updates
JP2010186413A (ja) * 2009-02-13 2010-08-26 Mazda Motor Corp 車両用運転支援装置
JP5263056B2 (ja) * 2009-07-28 2013-08-14 トヨタ自動車株式会社 車両走行支援装置
US8519868B2 (en) * 2009-10-29 2013-08-27 Siemens Corporation Estimation of travel times using bluetooth
KR20130007754A (ko) 2011-07-11 2013-01-21 한국전자통신연구원 자율주행 교차로에서 차량 제어 장치 및 그 방법
US20130194108A1 (en) * 2012-01-30 2013-08-01 Telcordia Technologies, Inc. System, Method, Control Device and Program for Vehicle Collision Avoidance Using Cellular Communication
JP6274808B2 (ja) * 2013-10-11 2018-02-07 株式会社エヌ・ティ・ティ・データ 交通信号制御装置、交通信号制御方法、および交通信号制御プログラム
US9558666B2 (en) * 2014-12-02 2017-01-31 Robert Bosch Gmbh Collision avoidance in traffic crossings using radar sensors
KR20160087713A (ko) * 2015-01-14 2016-07-22 유영근 통행차량 검지를 위한 검지영역 설정 방법과 이를 이용한 교통 신호 제어방법.
CN104637315B (zh) * 2015-02-06 2016-07-13 北京交通大学 车路协同环境下的无信号交叉口优化控制方法和系统
JP6517098B2 (ja) * 2015-07-06 2019-05-22 株式会社日立製作所 信号機制御システム及び信号機制御方法
US20170140647A1 (en) * 2015-11-17 2017-05-18 Continental Automotive Systems, Inc. Traffic law indicator for vehicle
US9940832B2 (en) * 2016-03-22 2018-04-10 Toyota Jidosha Kabushiki Kaisha Traffic management based on basic safety message data
US20170337819A1 (en) * 2016-05-19 2017-11-23 Delphi Technologies, Inc. Safe-to-proceed system for an automated vehicle
US10332403B2 (en) * 2017-01-04 2019-06-25 Honda Motor Co., Ltd. System and method for vehicle congestion estimation
US10147316B2 (en) * 2016-09-12 2018-12-04 Here Global B.V. Method, apparatus and computer program product for indexing traffic lanes for signal control and traffic flow management
US9818299B1 (en) 2016-10-17 2017-11-14 Ford Global Technologies, Llc Vehicle-to-vehicle intersection navigation control
CN106652513A (zh) * 2017-01-22 2017-05-10 斑马信息科技有限公司 提高交通网络中的路口的车辆通行能力的系统和方法
US10176712B1 (en) * 2017-10-04 2019-01-08 Rita Martins Intersection control system
US10559197B2 (en) 2018-04-13 2020-02-11 Toyota Jidosha Kabushiki Kaisha Remote vehicle control at intersections

Patent Citations (29)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050105773A1 (en) * 2003-09-24 2005-05-19 Mitsuru Saito Automated estimation of average stopped delay at signalized intersections
US20080150759A1 (en) * 2006-11-09 2008-06-26 Sridhara Subbiah Ramasubbu RFID reader enabled Intelligent Traffic Signalling and RFID enabled Vehicle tags(Number Plates)
US20090051568A1 (en) * 2007-08-21 2009-02-26 Kevin Michael Corry Method and apparatus for traffic control using radio frequency identification tags
JP2009140422A (ja) * 2007-12-10 2009-06-25 Toyota Motor Corp 走行支援装置
CN102124505A (zh) * 2008-06-13 2011-07-13 Tmt服务和供应(股份)有限公司 交通控制系统和方法
JP2010250646A (ja) * 2009-04-17 2010-11-04 Sumitomo Electric Ind Ltd 公共車両優先信号制御システム及び公共車両優先信号制御方法
CN102576491A (zh) * 2009-08-11 2012-07-11 准时系统公司 使用智能交通信号、gps和移动数据设备的交通路由
JP2011141606A (ja) * 2010-01-05 2011-07-21 Sumitomo Electric Ind Ltd 路上通信システム及び交通信号制御機
CN102939623A (zh) * 2010-03-11 2013-02-20 因瑞克斯有限公司 基于集合的驾驶者行为学习道路导航路径
US20120330542A1 (en) * 2010-06-09 2012-12-27 The Regents Of The University Of Michigan Computationally efficient intersection collision avoidance system
CN102346044A (zh) * 2010-07-21 2012-02-08 哈曼贝克自动系统股份有限公司 提供有关交叉点成本信息的方法和装置及确定路线的方法
US20120169517A1 (en) * 2010-11-30 2012-07-05 Institute For Information Industry Driving Assistance Method, On-Board Unit (OBU) Applying the Method and Computer Readable Storage Medium Storing the Method
CN102607567A (zh) * 2010-12-20 2012-07-25 福特全球技术公司 用于道路识别的方法
US20130285840A1 (en) * 2012-04-25 2013-10-31 International Business Machines Corporation Control of traffic signal due to obstructed view
CN103177596A (zh) * 2013-02-25 2013-06-26 中国科学院自动化研究所 一种交叉路口自主管控系统
US20140278052A1 (en) * 2013-03-15 2014-09-18 Caliper Corporation Lane-level vehicle navigation for vehicle routing and traffic management
US20140346284A1 (en) * 2013-05-23 2014-11-27 General Electric Company Systems and Methods for Management of Crossings Near Stations
US20140361125A1 (en) * 2013-06-05 2014-12-11 General Electric Company Systems and Methods for Providing Constant Warning Time At Crossings
US9142127B1 (en) * 2014-04-29 2015-09-22 Maxwell Consulting, LLC Systems and methods for traffic guidance nodes and traffic navigating entities
US20160027299A1 (en) * 2014-07-28 2016-01-28 Econolite Group, Inc. Self-configuring traffic signal controller
US20160097849A1 (en) * 2014-10-02 2016-04-07 Trimble Navigation Limited System and methods for intersection positioning
US20170113665A1 (en) * 2015-10-27 2017-04-27 GM Global Technology Operations LLC Algorithms for avoiding automotive crashes at left and right turn intersections
CN106608263A (zh) * 2015-10-27 2017-05-03 通用汽车环球科技运作有限责任公司 用于避免在左转或右转交叉口汽车碰撞的算法
CN106608264A (zh) * 2015-10-27 2017-05-03 通用汽车环球科技运作有限责任公司 提高汽车交叉口转向辅助特征性能的方法
CN106952471A (zh) * 2016-01-06 2017-07-14 通用汽车环球科技运作有限责任公司 交叉路口处驾驶员意图的预测
CN107230364A (zh) * 2016-03-30 2017-10-03 詹森·H·高 交通十字路口的车辆交通流的交通预测及控制系统
CN106875710A (zh) * 2017-01-24 2017-06-20 同济大学 一种面向网联自动驾驶车辆的交叉口自组织控制方法
CN106652458A (zh) * 2017-02-20 2017-05-10 东南大学 基于虚拟车辆轨迹重构的在线城市道路路径行程时间估计方法
CN106935056A (zh) * 2017-04-28 2017-07-07 北京交通大学 基于间隙理论的智能车交叉路口协同控制方法

Also Published As

Publication number Publication date
US11151868B2 (en) 2021-10-19
CN115294787B (zh) 2024-03-26
US20190318620A1 (en) 2019-10-17
JP2019185772A (ja) 2019-10-24
CN110379192B (zh) 2022-08-12
US10559197B2 (en) 2020-02-11
CN110379192A (zh) 2019-10-25
JP6791290B2 (ja) 2020-11-25
US20200193814A1 (en) 2020-06-18

Similar Documents

Publication Publication Date Title
CN110379192B (zh) 交叉路口处的远程车辆控制
CN110364006B (zh) 机器学习增强的车辆合流
CN110603497B (zh) 自主车辆操作管理控制的自主车辆和方法
JP6835121B2 (ja) コネクテッド・カーを用いるリアルタイム交通監視方法、及び、リアルタイム交通監視システム
CN110431037B (zh) 包括运用部分可观察马尔可夫决策过程模型示例的自主车辆操作管理
CN113128326B (zh) 具有语义地图和lstm的车辆轨迹预测模型
US20230166734A1 (en) Virtualized Driver Assistance
CN111243268B (zh) 用于缓解道路上的交通振荡的方法和系统
EP3580104B1 (en) Autonomous vehicle operational management blocking monitoring
JP6902676B2 (ja) 自律走行車の意思決定のための交通ネットワークインフラストラクチャ
JP2022163098A (ja) 自律走行車の動作管理
US11451974B2 (en) Managing regionalized vehicular communication
CN111833597A (zh) 具有规划控制的交通情形中的自主决策
JP2019159428A (ja) 車両制御装置、車両制御方法及びプログラム
US20220375345A1 (en) Hierarchical Computing Architecture for Traffic Management
US20240025443A1 (en) Path generation based on predicted actions
US20240025395A1 (en) Path generation based on predicted actions
CN117944684A (zh) 变道轨迹规划方法和装置、存储介质及电子设备

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