CN115412883A - 一种基于5g位置共享的智能网联超视距行车辅助系统 - Google Patents
一种基于5g位置共享的智能网联超视距行车辅助系统 Download PDFInfo
- Publication number
- CN115412883A CN115412883A CN202211050241.8A CN202211050241A CN115412883A CN 115412883 A CN115412883 A CN 115412883A CN 202211050241 A CN202211050241 A CN 202211050241A CN 115412883 A CN115412883 A CN 115412883A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- information
- vehicles
- module
- state data
- 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.)
- Pending
Links
- 230000033001 locomotion Effects 0.000 claims abstract description 71
- 238000004891 communication Methods 0.000 claims abstract description 29
- 230000008447 perception Effects 0.000 claims abstract description 13
- 230000006855 networking Effects 0.000 claims description 10
- 230000003993 interaction Effects 0.000 claims description 6
- 230000010267 cellular communication Effects 0.000 claims description 3
- 206010039203 Road traffic accident Diseases 0.000 abstract description 14
- 230000008859 change Effects 0.000 description 35
- 230000008901 benefit Effects 0.000 description 12
- 230000006870 function Effects 0.000 description 9
- 238000004364 calculation method Methods 0.000 description 8
- 230000001133 acceleration Effects 0.000 description 7
- 230000000007 visual effect Effects 0.000 description 7
- 230000005540 biological transmission Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 230000004927 fusion Effects 0.000 description 4
- 238000000034 method Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 3
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 2
- 101100221616 Halobacterium salinarum (strain ATCC 29341 / DSM 671 / R1) cosB gene Proteins 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000002265 prevention Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 239000003595 mist Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008450 motivation Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
- H04W4/44—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for communication between vehicles and infrastructures, e.g. vehicle-to-cloud [V2C] or vehicle-to-home [V2H]
-
- 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
- G08G1/09—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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
- H04W4/46—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for vehicle-to-vehicle communication [V2V]
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及智能交通技术领域,具体涉及一种基于5G位置共享的智能网联超视距行车辅助系统,包括:信息感知模块与协同计算模块通信连接,信息感知模块获取当前车辆的第一运动状态数据;数字孪生模块与协同计算模块通信连接,数字孪生模块获取感知区域内的基础设施信息和其他车辆的第二运动状态数据;协同计算模块根据第一运动状态数据、基础设施信息和第二运动状态数据对当前车辆与其他车辆的冲突点进行预测,根据预测结果获取行驶策略;信息发布模块与协同计算模块通信连接,信息发布模块将控制区内当前车辆和其他车辆第二运动状态信息通过在线地图发布给车辆显示终端,降低了控制区域内发生交通事故的概率,提高了超视距条件下的通行效率。
Description
技术领域
本发明涉及智能交通技术领域,具体涉及一种基于5G位置共享的智能网联超视距行车辅助系统。
背景技术
在匝道合流、分流、急转弯、陡坡、事故、拥挤、极端天气等视距受限的情况下,若在视野盲区内或超视距区域内发生交通事故,由于驾驶员无法快速感知前方路况,从而降低了驾驶安全性。目前智能网联技术仍是车路协同的研究热点之一,智能网联车辆通过搭载的车载传感器、控制器和执行器实现V2X的智能信息交互。因此,通过智能网联技术实现车车通信在视距受限情况下进行行车辅助成为研究关键点。
现有技术中,智能网联车辆通过多种交通信息融合和通信获得了超视距的道路交通环境感知能力。车辆根据路侧传感器发来的道路信息对下游交通状况进行判断从而做出驾驶决策,在急转弯、陡坡、事故、拥挤、极端天气等视距受限的情况下,依据在线地图提供行车辅助和路口引导,使车辆完成超视距路径规划,但并未共享控制区内所有车辆的实时位置信息,仍旧存在车辆相撞的安全隐患。
发明内容
针对现有技术存在的不足,本发明提出一种基于5G位置共享的智能网联超视距行车辅助系统,降低匝道合流、分流、急转弯、陡坡、事故、拥挤、极端天气等视距受限的情况下发生交通事故的概率。
本发明采用的技术方案是一种基于5G位置共享的智能网联超视距行车辅助系统。
在第一种可实现方式中,一种基于5G位置共享的智能网联超视距行车辅助系统,包括:信息感知模块,与协同计算模块通信连接,信息感知模块用于获取当前车辆的第一运动状态数据;数字孪生模块,与协同计算模块通信连接,数字孪生模块用于获取控制区域内的基础设施信息和其他车辆的第二运动状态数据;协同计算模块用于根据第一运动状态数据、基础设施信息和第二运动状态数据对当前车辆与其他车辆是否会发生碰撞的冲突点进行预测;根据预测结果获取车辆行驶策略;信息发布模块与协同计算模块通信连接,信息发布模块用于接收车辆行驶策略并发布给车辆显示终端。
结合第一种可实现方式,在第二种可实现方式中,信息感知模块包括:车端感知模块,用于获取当前车辆的位置信息和状态信息,将位置信息和状态信息发送到协同计算模块,并将位置信息和状态信息的信息发送时刻同时发送协同计算模块;路侧感知模块,用于获取控制区域内的道路状况信息和汇总的交通流信息。
结合第一种可实现方式,在第三种可实现方式中,数字孪生模块包括:基础设施模块,用于获取控制区域内的基础设施的定位、线形和尺寸;车辆运行模块,用于获取控制区域内的其他车辆的第二运动状态数据。
结合第二种可实现方式,在第四种可实现方式中,协同计算模块,包括:MEC服务器,用于根据第一运动状态数据获取当前车辆的下一时刻位置,还用于根据第二运动状态数据获取其他车辆的下一时刻位置;车联网云控制中心,用于根据当前车辆的下一时刻位置、其他车辆的下一时刻位置和基础设施信息对当前车辆与其他车辆是否会发生碰撞进行预测,获得预测结果;还用于根据预测结果获取车辆行驶策略。
结合第四种可实现方式,在第五种可实现方式中,MEC服务器通过以下方式实现根据第一运动状态数据获取当前车辆的下一时刻位置:根据信息发送时刻和信息接收时刻获取单向时延;根据位置信息、状态信息和单向时延获取当前车辆的下一时刻位置。
结合第四种可实现方式,在第六种可实现方式中,车联网云控制中心通过以下方式实现根据预测结果获取车辆行驶策略:在当前车辆与其他车辆不会发生碰撞的情况下,当前车辆与其他车辆按照原状态行驶;在当前车辆与其他车辆会发生碰撞的情况下,对当前车辆和其他车辆建立博弈联盟,通过车辆博弈协同控制模型获取联盟内各车辆的行驶策略。
结合第六种可实现方式,在第七种可实现方式中,车辆博弈协同控制模型通过以下方式获取联盟内各车辆的行驶策略:获取联盟内的各车辆的收益;根据各车辆的收益获取联盟的总收益;在总收益最大的情况下,对联盟内的各车辆进行收益分配,获得各车辆的换道位置;将各车辆的换道位置、行驶速度、各车辆之间的相对位置确定为各车辆的行驶策略。
结合第一种可实现方式,在第八种可实现方式中,信息发布模块通过以下方式实现将车辆行驶策略发布给车辆显示终端:当当前车辆和其他车辆均按照原行驶状态行驶,可通过在线地图实时获取控制区内所有车辆的行驶状态;若当前车辆和其他车辆均按照原行驶状态行驶将会发生冲突,则通过信息发布模块显示控制区内各车辆的换道位置、行驶速度、各车辆之间的相对位置,从而确定各车辆的行驶策略;若不会发生冲突则仅显示车辆实时的相对位置。
结合第一种可实现方式,在第九种可实现方式中,一种基于5G位置共享的智能网联超视距行车辅助系统还包括:多通道通信模块,用于通过蜂窝通信模式实现车与车之间、车与路之间的运行状态、定位信息、全域环境、路径导航信息的交互。
结合第一种可实现方式,在第十种可实现方式中,一种基于5G位置共享的智能网联超视距行车辅助系统还包括:交通数据记录模块,分别与信息感知模块和数字孪生模块通信连接,交通数据记录模块用于将当前车辆的第一运动状态数据和控制区域内的其他车辆的第二运动状态数据传输至路局网络安全平台。
由上述技术方案可知,本发明的有益技术效果如下:信息感知模块获取当前车辆的第一运动状态数据,数字孪生模块获取控制区域内的基础设施信息和其他车辆的第二运动状态数据,协同计算模块根据第一运动状态数据、基础设施信息和第二运动状态数据对当前车辆与其他车辆是否会发生碰撞进行预测,获得预测结果;根据预测结果获取车辆行驶策略;信息发布模块将控制区域内车辆实时位置信息和行驶策略发布给车辆显示终端。这样,以车辆之间、车辆与路侧设施之间信息互通为基础,将各车之间的运动状态和基础设施信息进行数据共享,实现了未知路段的超视距交通情况感知,降低了匝道合流、分流、急转弯、陡坡、事故、拥挤、极端天气等视距受限的情况下控制区域发生交通事故的概率提高了乘车人的行车安全性。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单介绍。在所有附图中,类似的元件或部分一般由类似的附图标记标识。附图中,各元件或部分并不一定按照实际的比例绘制。
图1为本发明提供的车辆在回头曲线处的场景图;
图2为本发明提供的一种基于5G位置共享的智能网联超视距行车辅助系统的示意图;
图3为本发明提供的另一种基于5G位置共享的智能网联超视距行车辅助系统的示意图;
图4为本发明提供的车辆在匝道合流处的场景图。
具体实施方式
下面将结合附图对本发明技术方案的实施例进行详细的描述。以下实施例仅用于更加清楚地说明本发明的技术方案,因此只作为示例,而不能以此来限制本发明的保护范围。
需要注意的是,除非另有说明,本申请使用的技术术语或者科学术语应当为本发明所属领域技术人员所理解的通常意义。
可选地,本实施例提供的一种基于5G位置共享的智能网联超视距行车辅助系统应用于多种视觉行程距离较短或者路况识别困难的路段。例如,在匝道汇入区域,匝道车辆无法感知主线车道车辆的行驶状态,匝道车辆左侧盲区为汇入主线带来了潜在风险;在团雾条件下,驾驶员前方视距较短,无法准确获取道路的线性信息和周围车辆的行驶状态信息;在如图1所示的回头曲线道路场景中,驾驶员的视线范围有限,一旦出现交通事故则后果更加严重。在上述三种情况下,本实施例提供的一种基于5G位置共享的智能网联超视距行车辅助系统通过车辆之间、车辆与路侧设施之间信息互通,将各车之间的运动状态和基础设施信息进行数据共享,实现对未知路段的超视距交通情况感知,降低由于视距受阻导致的交通事故,使风险防控稳定可靠。
结合图2所示,本实施例提供了一种基于5G位置共享的智能网联超视距行车辅助系统,包括信息感知模块101、数字孪生模块102、协同计算模块103和信息发布模块104。信息感知模块101与协同计算模块103通信连接,信息感知模块用于获取当前车辆的第一运动状态数据;数字孪生模块102与协同计算模块103通信连接,数字孪生模块用于获取控制区域内的基础设施信息和其他车辆的第二运动状态数据;,协同计算模块用于根据第一运动状态数据、基础设施信息和第二运动状态数据对当前车辆与其他车辆是否会发生碰撞进行预测,获得预测结果;根据预测结果获取车辆行驶策略;协同计算模块103与信息发布模块104通信连接,信息发布模块用于接收车辆行驶策略并发布给车辆显示终端。
信息感知模块获取当前车辆的第一运动状态数据,数字孪生模块获取控制区域内的基础设施信息和其他车辆的第二运动状态数据,协同计算模块根据第一运动状态数据、基础设施信息和第二运动状态数据对当前车辆与其他车辆是否会发生碰撞进行预测,获得预测结果;根据预测结果获取车辆行驶策略;信息发布模块将车辆行驶策略发布给车辆显示终端。这样,以车辆之间、车辆与路侧设施之间信息互通为基础,将各车之间的运动状态和基础设施信息进行数据共享,实现了未知路段的超视距交通情况感知,降低了控制区域发生交通事故的概率,提高了控制区域的通行效率,同时提高了乘车人的行车安全性。
可选地,信息感知模块包括车端感知模块和路侧感知模块。车端感知模块,用于获取当前车辆的位置信息和状态信息,将位置信息、状态信息发送到协同计算模块,并将位置信息、状态信息的信息发送时刻同时发送到协同计算模块;路侧感知模块,用于获取控制区域内的道路状况信息和汇总的交通流信息。
在一些实施例中,在整个匝道的预设协同控制区域内,车端感知模块通过GNSS获得当前车辆的位置信息,当前车辆的位置信息包括当前车辆的经纬度坐标和海拔高度、方向角、俯仰角等。车端感知模块通过传感器感知车辆的状态信息,当前车辆的状态信息包括当前车辆的速度、加速度和行驶意图等。路侧感知模块通过相关道路信息传感器获得控制区域中车道的道路状况信息和汇总的交通流信息。
可选地,数字孪生模块包括:基础设施模块,用于获取控制区域内的基础设施的定位、线形和尺寸;车辆运行模块,用于获取控制区域内的其他车辆的第二运动状态数据。
在一些实施例中,车辆运行模块内置与车载设备或通过5G网络在云端传输下载。
在一些实施例中,所有搭载“5G+V2X”功能的车辆之间进行信息协同传输,即每一辆安装有基于5G位置共享的智能网联超视距行车辅助系统的车辆可以获取整个控制区域内所有车辆的运动状态数据。该系统的信息感知模块通过感知器获取当前车辆的第一运动状态数据,并将第一运动状态数据发送给协同计算模块,车辆运行模块通过“5G+V2X”功能获取控制区域内的其他车辆的第二运动状态数据,并将第二运动状态数据发送给协同计算模块。
可选地,协同计算模块,包括:MEC服务器,用于根据第一运动状态数据获取当前车辆的下一时刻位置,还用于根据第二运动状态数据获取其他车辆的下一时刻位置;车联网云控制中心,用于根据当前车辆的下一时刻位置、其他车辆的下一时刻位置和基础设施信息对当前车辆与其他车辆是否会发生碰撞进行预测,获得预测结果;还用于根据预测结果获取车辆行驶策略。
可选地,MEC服务器通过以下方式实现根据第一运动状态数据获取当前车辆的下一时刻位置:根据当前车辆的信息发送时刻和当前车辆的信息接收时刻获取当前车辆的单向时延;根据当前车辆的位置信息、状态信息和单向时延获取当前车辆的下一时刻位置。
在一些实施例中,当前车辆的信息发送时刻为当前车辆将位置信息和状态信息发送到协同计算模块的时刻,当前车辆的信息接收时刻为协同计算模块接收到当前车辆发送的位置信息和状态信息的时刻。
可选地,MEC服务器通过以下方式实现根据第二运动状态数据获取其他车辆的下一时刻位置:根据其他车辆的信息发送时刻和其他车辆的信息接收时刻获取其他车辆的单向时延;根据其他车辆的位置信息、状态信息和单向时延获取其他车辆的下一时刻位置。
在一些实施例中,其他车辆的信息发送时刻为其他车辆将位置信息和状态信息发送到协同计算模块的时刻,其他车辆的信息接收时刻为协同计算模块接收到其他车辆发送的位置信息和状态信息的时刻。
在一些实施例中,当前车辆的单向延时和下一时刻位置,以及其他车辆的单向延时和下一时刻位置均采用以下方式获得:
可选地,根据车辆的信息发送时刻和信息接收时刻获取车辆的单向时延,包括:将消息接收时间减去消息发送时间的差值确定为单向时延。
在一些实施例中,MEC服务器接收车辆的运动状态数据,并将接收时间记录为信息接收时刻t1,车辆的运动状态数据包括信息发送时刻t2,通过计算Δt=t1-t2,获得单向时延Δt。
在一些实施例中,MEC服务器接收到车辆的运动状态数据后,基于NTP协议和GPS网络获得信息传输的单向时延。
可选地,根据车辆的位置信息、状态信息和单向时延获取车辆的下一时刻位置,包括:将车辆的经纬度坐标转换为空间直角坐标;根据车辆的状态信息获取车辆的下一时刻的空间直角坐标;将车辆的下一时刻的空间直角坐标转换为下一时刻的经纬度坐标。
在一些实施例里,车辆的经纬度坐标为GNSS经纬度坐标,包括车辆的纬度坐标、经度坐标和海拔高度。GNSS经纬度坐标描述了车辆的方向角、俯仰角、速度等行驶状态,假设车辆在运动过程中十分短的时间内速度和运动角度保持不变,O为地球的质心,Z轴穿过北极,P点为车辆所在的位置,车辆P所在的平面是地球的切平面,是垂直于切平面的法向量,设Z轴与切平面相交的点为Q,则为车辆行驶的真北方向,定义为
在一些实施例中,将车辆的GNSS经纬度坐标转换为空间直角坐标,则车辆在P点的空间直角坐标如图3所示,单位向量是空间直角坐标系中车辆运动的方向,Z轴垂直于车辆,即地球坐标系中的方向,Y轴是车辆的真北方向,即地球坐标系方向,X轴垂直于Z轴和Y轴。
方向角θ是向量与真北方向之间的夹角,即方向角θ是向量与平面ZPY之间的夹角,俯仰角是向量与水平面之间的夹角,即俯仰角是向量与平面XPY之间的夹角。将向量在平面XPY上的投影定义为向量因此,方向角θ是向量与向量之间的夹角,俯仰角是向量和向量之间的夹角。Z轴与向量和向量在同一平面上,因此:
余弦函数是偶函数,所以向量的解为两个关于ZPY平面对称的解和利用车辆的位置变化得到方向向量的近似值在单向时间延迟Δt很小时,将车辆的运动近似为具有均匀加速度的线性运动,则车辆行驶的路程为s=∫Δtv(t)·dt。假设车辆在点P处的空间直角坐标为(x,y,z)。为单位方向向量,设的坐标为(a,b,c),则单向延时Δt之后的车辆坐标为(x+as,y+bs,z+cs)。
可选地,车辆的下一时刻的空间直角坐标(X,Y,Z)通过以下公式计算获得:
X=(N+H)·cosB·cosL (3)
Y=(N+H)·cosB·sinL (4)
Z=[N·(1-e2)+H]·sinB (5)
其中,B为车辆的纬度坐标,L为车辆的经度坐标,H为车辆的海拔高度,N为曲率值。
可选地,将公式(3)与公式(4)相除获得下列公式(6),将公式(3)与公式(5)相除获得公式(7):
在一些实施例中,车辆在预设时间段内纬度B、经度L和海拔H变化很小。因此,曲率N的变化也很小,将当前位置的海拔值H、曲率值N、经度L以及车辆坐标Z带入公式(7)求解,获得纬度B的第一近似值B1。根据和N=a/W求得曲率的第一近似值N1,通过公式(3)计算海拔高度的第一近似值H1,将H1和N1带入公式(7)求解,获得纬度的第二近似值B2。根据第二近似值B2计算曲率的第二近似值N2,通过公式(3)计算海拔高度的第二近似值H2。针对上述计算,经度L值始终不变,对维度、曲率和海拔高度进行至少3次迭代求解。在多次迭代计算出的纬度和海拔的误差满足自动驾驶的要求的情况下,将维度、曲率和海拔高度代入公式(3)或公式(4)获得经度,最终获得车辆的经纬度坐标和海拔高度。
在一些实施例中,将1秒划分为若干个小时间段,每个小时间端即为预设时间段。
可选地,车联网云控制中心通过以下方式实现根据预测结果获取车辆行驶策略:在当前车辆与其他车辆不会发生碰撞的情况下,当前车辆与其他车辆按照原状态行驶;在当前车辆与其他车辆会发生碰撞的情况下,对当前车辆和其他车辆建立博弈联盟,通过车辆博弈协同控制模型获取联盟内各车辆的行驶策略。
在一些实施例中,在整个协同控制区域内的相关车辆将感知到的运动状态数据通过C2I通信传输至协同计算模块。同时,路侧感知模块通过相关道路信息传感器获取道路信息,道路信息包括道路状况信息和汇总的交通流信息,并将道路信息传输至协同计算模块,协同计算模块对运动状态数据、道路信息进行数据分析和信息融合,协同计算模块利用车辆博弈协同控制模型进行计算,获得车辆行驶策略,并通过信息发布模块将车辆行驶策略发送至特定车辆。车辆博弈协同控制模型的应用框架是集中-分散式多智能体区域协同控制系统,CAVs(Center for Advanced Vehicular Systems,先进车辆系统中心)是协同控制系统的一个重要组成部分,其搭载的多种先进的环境感知传感器、卫星定位系统以及V2V通信网联可以获取协同控制区域内的车辆的运动状态数据。
可选地,车辆博弈协同控制模型通过以下方式获得车辆行驶策略:获取联盟内的各车辆的收益;根据各车辆的收益获取联盟的总收益;在总收益最大的情况下,对联盟内的各车辆进行收益分配,获得各车辆的换道位置;将各车辆的换道位置、行驶速度、各车辆之间的相对位置确定为各车辆的行驶策略。
在一些实施例中,在智能网联环境下机器驾驶人作为博弈主体是具有完全信息和完全理性的个体,其所组成稳定的联盟在利益分配合理的情况下是能保证协议有强制约束力的,这种形式的合作可以使群体获得更大的收益。
可选地,在协同控制区域内有n辆车,建立一个n车博弈的联盟S,i为联盟S中的一个成员,对于任意的博弈方i在结盟S情况下的夏普利值通过以下公式(8)计算获得:
在公式(8)中,|S|为联盟S中所有博弈方的数量;S-i表示联盟S中去掉成员i,V为联盟S的特征函数,联盟S可以保证的最大利益,i和n均为整数。
在一些实施例中,相邻车道的车辆双方产生路权冲突的情况下,双方车辆发现对方时便形成了博弈关系。
车道Lane1中的车辆C1出于战略性换道的行驶需要,必须在车道Lane1合流区停车线LC之前完成换道至车道Lane2或车道Lane3,面对车道Lane2中车辆C2和C3的行驶速度和加速度以及车辆间的可插车间隙,C1的换道策略主要考虑的是不与横向车辆C2和C3发生交通冲突。C1在t时刻换道至车道Lane2的安全收益为:
公式(10)中,P1(t)为车辆C1在t时刻换道至车道Lane2的安全收益,l0为车辆长度,l1为车辆C1的纵向坐标,l2为车辆C2的纵向坐标,l3为车辆C3的纵向坐标,Gf为与后车应保持的最小安全距离,Gf为与前车应保持的最小安全距离,v1为车辆C1的行驶速度,v2为车辆C2的行驶速度,v3为车辆C3的行驶速度。
公式(9)可以看出C1的换道收益与换道时机和可插车间隙的位置都有关系,当C1的行驶速度越大,距离第三合流停车线LC的距离越近,其换道的紧迫程度越高。目标车道在合流区内的车流密度与当前车道的车流密度之比越大,驾驶人的换道意愿越低,这也符合通常驾驶员驾驶车辆的心理状态。随着换道紧迫程度的增加,车辆的相对换道时机在减少,这种变化是非线形的,如果车辆错过了当前的换道时机可能会增加在LC处停车排队的可能,损失较大的换道收益。
因此,在收益函数中不能只考虑安全收益的影响,驾驶人的换道时机也会影响其换道收益,假如C1过早的换道至车道2或车道3,则有可能增加了车道2或车道3的空间占有率,增加目标车道在合流区内的车流密度。这不仅损失了车辆在车道1更高的通行效率,而且降低了车道2的通行效率,降低了匝道的整体通行效率;若C1迟迟没有完成换道,则随着距离车道1合流停车线LC的纵向距离减小,C1的换道机会在不断减少,可能会造成车辆C1在车道1排队的现象。
可选地,车辆C1在t时刻的换道收益通过以下公式获得:
在公式(10)中,O1为车道1在路段S3~S4长度内的车辆空间占有率(%),O2为车道2在路段S3~S5长度内的车辆空间占有率(%),LA—l1表示车辆C1距离第一合流区停车线LA的距离,m为车辆执行一次换道所需的时间。
可选地,在寻找到车道3的交通流中可插车间隙后,车辆C2和车辆C3的换道收益通过以下公式获取:
在公式(11)中,O3为车道3在路段S3~S5长度内的车辆空间占有率(%),LD为第四合流停车线。
可选地,车辆C1在决策时间点t选择换道或不换道的驾驶策略在行程时间上将产生不同的行驶效率收益。t时刻,车辆C1预计到达合流区停车线的时间,即为车辆C1的行驶效率收益,通过以下公式(12)计算获得:
在公式(12)中,a1为车辆C1的加速度,第三合流停车线LC,LD为第四合流停车线,C1:x1表示车辆C1选择换道,C1:x2表示车辆C1选择不换道。
可选地,匝道车道2中的车辆C2和C3既有战略性换道的需求,也有进行战术性换道的动机,即为了更好的驾驶收益进行换道。C2在面临着C1的换道需求时可以选择避让对方换道和不避让两种策略,则车辆C2的安全收益通过以下公式(13)计算获得:
在公式(13)中,C2:y1表示车辆C2选择不避让,C2:y2表示车辆C2选择避让。
在一些实施例中,车辆C2在不换道的情况下在原车道继续行驶只要确保不与当前车道的前车发生追尾即可。故在C2不换道的情况下安全收益只需要考虑与当前车道的前车保持合适的距离和相对速度,在C2换道至其他车道时,要考虑换道的目标车道中与临近的前导和后滞车辆保持安全距离和相对速度。
可选地,C2换道和不换道的行驶策略对应着不同的行驶时间,C2的行驶效率收益通过以下公式(14)计算获得:
在公式(14)中,a2为车辆C2的加速度,LD为第四合流停车线,C2:x1表示车辆C2选择换道,C2:x2表示车辆C2选择不换道。
根据公式(13)和(14)可见,C2换道至车道3显然会减少安全收益并影响行驶效益。
在一些实施例中,根据可插车间隙理论车辆,在换道时根据目标车道交通流间隙采取合适的速度进行换道。在智能网联环境下车辆C1、C2和C3组成的博弈对局中,C3在博弈中处于优势地位,C3如果选择配合C1和C2完成C1的战略性换道行驶需求,则只需要考虑给C1留出足够的安全间距即可。
可选地,通过以下公式(15)计算获得C3的安全收益:
可选地,通过以下公式(16)计算获得C3的行驶效率收益:
在公式(14)中,a3为车辆C3的加速度,LB为第二合流停车线。
可选地,综合车辆C1、C2和C3的安全收益、换道收益以及行驶效率收益,其综合收益函数通过以下公式(17)计算获得:
Fn(t)=αf(P1(t))+βf(-Q1(t))+γf(-H1(t)),n=1,2,3 (18)
在公式(17)式,f(·)表示归一化计算处理,α为安全收益权重,β为换道收益权重,γ为行驶效率收益权重,其中α+β+γ=1,权重的取值根据实际的匝道合流场景确定。综合收益函数中安全收益权重、行驶效率收益权重和换道收益权重会影响博弈的均衡状态,进而影响控制区域内车辆的通行效率和交通冲突率。
在一些实施例中,在整个协同控制区域内的相关车辆将感知到的运动状态数据通过C2I通信传输至协同计算模块。同时,路侧感知模块通过相关道路信息传感器获取道路信息,道路信息包括道路状况信息和汇总的交通流信息,并将道路信息传输至协同计算模块,协同计算模块对运动状态数据、道路信息进行数据分析和信息融合,判断当前车辆与其他车辆是否会发生碰撞。在当前车辆与其他车辆会发生碰撞的情况下,对所有车辆进行合作博弈,对所有车辆建立博弈联盟,利用车辆博弈协同控制模型进行计算,获得总收益函数。在总收益最大的情况下,进行收益分配,即对公式17进行求解,获得各车辆的换道位置。将各车辆的空间直角坐标相减,获得各车辆之间的相对位置,将各车辆的换道位置、行驶速度、各车辆之间的相对位置确定为各车辆的行驶策略,将各车辆的行驶策略通过在线地图的方式发送给各车辆终端。
可选地,信息发布模块通过以下方式实现将车辆行驶策略发布给车辆显示终端:当当前车辆和其他车辆均按照原行驶状态行驶,可通过在线地图实时获取控制区内所有车辆的行驶状态。若当前车辆和其他车辆均按照原行驶状态行驶将会发生冲突,则通过信息发布模块显示控制区内各车辆的换道位置、行驶速度、各车辆之间的相对位置,从而确定各车辆的行驶策略。若不会发生冲突则仅显示车辆实时的相对位置。
可选地,基于5G位置共享的智能网联超视距行车辅助系统还包括:多通道通信模块,用于通过蜂窝通信模式实现车与车之间、车与路之间的运行状态、定位信息、全域环境、路径导航信息的交互。
可选地,基于5G位置共享的智能网联超视距行车辅助系统还包括:交通数据记录模块,分别与信息感知模块和数字孪生模块通信连接,交通数据记录模块用于将当前车辆的第一运动状态数据和控制区域内的其他车辆的第二运动状态数据传输至路局网络安全平台
通过将5G技术、在线地图、位置共享、V2X、视频识别等技术进行融合集成,实现车车之间的信息互通,并结合在线地图显示下一时刻事故高发路段中车辆的预测位置,帮助驾驶员合理判断车距避免不当操作,降低由于视距受阻导致的交通事故,使风险防控系统稳定可靠。
在一些实施例中,基于5G位置共享的智能网联超视距行车辅助系统在车辆进入通信区域后,实时收集通信区域内所有车辆的运动状态数据,并将运动状态数据汇集至车联网云平台,如在冲突区内发生交通事故,交警部门可通过车联网云平台查证交通事故的数据信息和视频信息。
在一些实施例中,基于5G位置共享的智能网联超视距匝道合流辅助系统也是一种“哨兵”式的行车辅助预警系统,帮助匝道汇入车辆在视线受阻时或视觉盲区内实现“超视距”感知,通过在线地图获取系统预知的控制区域内车辆的下一时刻的位置信息,在控制区域内车辆发生碰撞前采取减速、让道等措施,有效降低了交通事故的发生,提高了视距受限条件下的行车安全。行车辅助预警系统将新一代通信条件下的传感、图像识别、全天候可视化、芯片等技术融合集成,通过车与车之间信息互通,降低了在低能见度天气时,驾驶员由于标志牌阻挡而操作失误的概率。行车辅助系统在视线较差、冲突较多的入口控制区域,形成了车辆、道路、环境三者的数据交互,针对该类高风险路段主动预防交通事故的发生,守护生命安全、降低财产损失。
在一些实施例中,在主线车辆由于故障停在匝道入口冲突区内的情况下,在匝道汇入车辆进入匝道通信区域后,智能网联超视距匝道合流辅助系统接收到匝道汇入车辆车辆的运动状态数据,并将发生故障的主线车辆位置,通过在线地图推送至事故车辆附近的主线车辆驾驶员和匝道汇入车辆驾驶员,主线车辆和匝道汇入车辆驾驶员接受信息后,主动减速让行,避免交通事故的二次发生。
可选地,基于5G位置共享的智能网联超视距行车辅助系统包括应用层、传输层、数据层和感知层。在感知层,当车辆进入通信区域时,车辆的车载设备与路侧设备之间进行信息交互,获得控制区域内所有车辆的运动状态数据,并传输到传输层,同时根据控制区域内车辆的运动状态实时预测下一时刻控制区域内车辆的位置信息,并将实时预测的数据传输到数据层。数据层接收控制区域内车辆的实时位置信息,然后通过关联计算判断控制区域内的车辆是否会发生冲突,并获取行车驾驶策略,若控制区域内的车辆发生冲突,数据层将行车驾驶车辆传输到应用层。传输层接收控制区域内的运动状态数据,并传输至路局网络安全平台,为交警部门查证交通事故提供数据支持。应用层接收车辆行驶策略,并结合在线地图对车辆进行引导。
在一些实施例中,结合图3所示,基于5G位置共享的智能网联超视距行车辅助系统包括信息感知模块、数字孪生模块和信息收发模块。信息感知模块包括路侧系统的交通流量传感器和差分定位基准站,以及车载系统的车辆传感器、GPS定位单元和电子控制单元。数字孪生模块包括路侧系统的边缘云计算处理平台,以及中心云计算处理平台,以及车载系统的车载计算处理平台。信息收发模块用于接收信息和发布信息,信息收发模块包括路侧系统的通信基站LTE和路侧单元RSU,以及车载系统的车载单元OBU和CAN总线。
在一些实施例中,如图4所示的匝道合流的场景中,以距主线与匝道相交点沿主线下游50m的地方为坐标原点,以东西方向道路为x轴,南北方向道路为y轴,建立直角坐标系,并设定核心控制范围Ω和监控控制范围S,即Ω={(x,y),x∈(xa,xb),y∈(yc,yd)},S={(x,y),x∈(xA,xA),y∈(yC,yD)},以图3中Cn-3为例,此时车辆的坐标为Cn-3(t0)(xn-3,yn-3),且xa<xn-3<xb且yc<yn-3<yd,说明车辆位于核心区内;以Cn为例,此时车辆的坐标为Cn(t0)(xn,yn),xb<|xn|<xB且yd<|yn|<yD,说明车辆位于监控区内。车辆进入监控区内,车联网云平台仅收集监控范围内车辆的位置信息;车辆进入核心区域后,车联网云平台获取区域内车辆的位置、速度、加速度、车辆长度等基本信息,并根据车辆行驶状态计算出主线车辆间的可插入间隙,将匝道车辆的车长与可插入间隙进行对比,如可插入间隙小于匝道车辆车长,说明匝道车辆未能安全插入主线,车联网云平台将核心区内的车辆实时信息通过在线共享地图的形式,分享至车主并提醒车主前方危险注意减速慢行。汽车驶离控制区域就不再对其进行控制,控制区域范围需考虑交叉口的结构、道路状况、进口道流量以及车主的安全隐私问题。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围,其均应涵盖在本发明的权利要求和说明书的范围当中。
Claims (10)
1.一种基于5G位置共享的智能网联超视距行车辅助系统,其特征在于,包括:
信息感知模块,与协同计算模块通信连接,所述信息感知模块用于获取当前车辆的第一运动状态数据;
数字孪生模块,与所述协同计算模块通信连接,所述数字孪生模块用于获取控制区域内的基础设施信息和其他车辆的第二运动状态数据;
所述协同计算模块,用于根据所述第一运动状态数据、所述基础设施信息和所述第二运动状态数据对所述当前车辆与所述其他车辆的冲突点进行预测;根据所述预测结果获取车辆行驶策略;
信息发布模块,与所述协同计算模块通信连接,所述信息发布模块用于接收所述车辆行驶策略并发布给车辆显示终端。
2.根据权利要求1所述的系统,其特征在于,信息感知模块包括:
车端感知模块,用于获取所述当前车辆的位置信息和状态信息,将所述位置信息和所述状态信息发送到所述协同计算模块,并将所述位置信息和所述状态信息的信息发送时刻同时发送到所述协同计算模块;
路侧感知模块,用于获取控制区域内的道路状况信息和汇总的交通流信息。
3.根据权利要求1所述的系统,其特征在于,数字孪生模块包括:
基础设施模块,用于获取控制区域内的基础设施的定位、线形和尺寸;
车辆运行模块,用于获取控制区域内的其他车辆的第二运动状态数据。
4.根据权利要求2所述的系统,其特征在于,所述协同计算模块,包括:
MEC服务器,用于根据所述第一运动状态数据获取所述当前车辆的下一时刻位置,还用于根据所述第二运动状态数据获取所述其他车辆的下一时刻位置;
车联网云控制中心,用于根据所述当前车辆的下一时刻位置、所述其他车辆的下一时刻位置和所述基础设施信息对所述当前车辆与所述其他车辆的冲突点进行预测;还用于根据所述预测结果获取车辆行驶策略。
5.根据权利要求4所述的系统,其特征在于,MEC服务器通过以下方式实现根据所述第一运动状态数据获取所述当前车辆的下一时刻位置:
根据所述信息发送时刻和信息接收时刻获取单向时延;
根据所述位置信息、所述状态信息和所述单向时延获取所述当前车辆的下一时刻位置。
6.根据权利要求4所述的系统,其特征在于,车联网云控制中心通过以下方式实现根据所述预测结果获取车辆行驶策略:
在当前车辆与所述其他车辆不会发生碰撞的情况下,所述当前车辆与所述其他车辆按照原状态行驶;
在当前车辆与所述其他车辆会发生碰撞的情况下,对所述当前车辆和所述其他车辆建立博弈联盟,通过车辆博弈协同控制模型获取联盟内各车辆的行驶策略。
7.根据权利要求6所述的系统,其特征在于,所述车辆博弈协同控制模型通过以下方式获取联盟内各车辆的行驶策略:
获取联盟内的各车辆的收益;
根据各车辆的收益获取联盟的总收益;
在总收益最大的情况下,对联盟内的各车辆进行收益分配,获得各车辆的换道位置;
将各车辆的换道位置、行驶速度、各车辆之间的相对位置确定为各车辆的行驶策略。
8.根据权利要求1所述的系统,其特征在于,信息发布模块通过以下方式实现将控制区域内车辆行驶状态发布给车辆显示终端:
当所述当前车辆和其他车辆均按照原行驶状态行驶,可通过在线地图实时获取控制区域内所有车辆的行驶状态;若当前车辆和其他车辆均按照原行驶状态行驶将会发生冲突,则通过信息发布模块显示控制区内各车辆的换道位置、行驶速度、各车辆之间的相对位置,确定各车辆的行驶策略;若不会发生冲突则仅显示车辆实时的相对位置。
9.根据权利要求1所述的系统,其特征在于,还包括:
多通道通信模块,用于通过蜂窝通信模式实现车与车之间、车与路之间的运行状态、定位信息、全域环境、路径导航信息的交互。
10.根据权利要求1所述的系统,其特征在于,还包括:
交通数据记录模块,分别与所述信息感知模块和所述数字孪生模块通信连接,所述交通数据记录模块用于将所述当前车辆的第一运动状态数据和所述控制区域内的其他车辆的第二运动状态数据传输至路局网络安全平台。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211050241.8A CN115412883A (zh) | 2022-08-31 | 2022-08-31 | 一种基于5g位置共享的智能网联超视距行车辅助系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211050241.8A CN115412883A (zh) | 2022-08-31 | 2022-08-31 | 一种基于5g位置共享的智能网联超视距行车辅助系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115412883A true CN115412883A (zh) | 2022-11-29 |
Family
ID=84163524
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211050241.8A Pending CN115412883A (zh) | 2022-08-31 | 2022-08-31 | 一种基于5g位置共享的智能网联超视距行车辅助系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115412883A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117376867A (zh) * | 2023-11-01 | 2024-01-09 | 唐山学院 | 一种通信感知一体化车联网通信建立方法及系统 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180253973A1 (en) * | 2017-03-03 | 2018-09-06 | Kennesaw State University Research And Service Foundation, Inc. | Real-time video analytics for traffic conflict detection and quantification |
CN110298131A (zh) * | 2019-07-05 | 2019-10-01 | 西南交通大学 | 一种混合驾驶环境下自动驾驶换道决策模型建立方法 |
US20190382003A1 (en) * | 2018-06-13 | 2019-12-19 | Toyota Jidosha Kabushiki Kaisha | Collision avoidance for a connected vehicle based on a digital behavioral twin |
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 |
CN113327421A (zh) * | 2021-06-04 | 2021-08-31 | 河北省交通规划设计院 | 一种基于v2x路网控制方法及系统 |
CN113335282A (zh) * | 2021-06-01 | 2021-09-03 | 南京航空航天大学 | 一种基于博弈论的换道决策方法 |
CN113516846A (zh) * | 2021-06-24 | 2021-10-19 | 长安大学 | 车辆换道行为预测模型构建、预测预警方法及系统 |
CN113593225A (zh) * | 2021-07-21 | 2021-11-02 | 同济大学 | 一种面向纯网联环境的单点交叉口车辆控制方法 |
CN113920740A (zh) * | 2021-11-16 | 2022-01-11 | 重庆邮电大学 | 一种联合车辆关联度和博弈论的车路协同驾驶系统及方法 |
CN114049768A (zh) * | 2021-11-15 | 2022-02-15 | 山东省交通规划设计院集团有限公司 | 一种基于车路协同的低能见度通行车辆引导系统及方法 |
CN114882705A (zh) * | 2022-05-30 | 2022-08-09 | 武汉理工大学 | 一种基于换道决策系统的货运车辆交互博弈换道决策方法 |
CN114973656A (zh) * | 2022-05-10 | 2022-08-30 | 清华大学 | 交通交互性能的评估方法、装置、设备、介质和产品 |
-
2022
- 2022-08-31 CN CN202211050241.8A patent/CN115412883A/zh active Pending
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180253973A1 (en) * | 2017-03-03 | 2018-09-06 | Kennesaw State University Research And Service Foundation, Inc. | Real-time video analytics for traffic conflict detection and quantification |
US20190382003A1 (en) * | 2018-06-13 | 2019-12-19 | Toyota Jidosha Kabushiki Kaisha | Collision avoidance for a connected vehicle based on a digital behavioral twin |
CN110298131A (zh) * | 2019-07-05 | 2019-10-01 | 西南交通大学 | 一种混合驾驶环境下自动驾驶换道决策模型建立方法 |
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 |
CN113335282A (zh) * | 2021-06-01 | 2021-09-03 | 南京航空航天大学 | 一种基于博弈论的换道决策方法 |
CN113327421A (zh) * | 2021-06-04 | 2021-08-31 | 河北省交通规划设计院 | 一种基于v2x路网控制方法及系统 |
CN113516846A (zh) * | 2021-06-24 | 2021-10-19 | 长安大学 | 车辆换道行为预测模型构建、预测预警方法及系统 |
CN113593225A (zh) * | 2021-07-21 | 2021-11-02 | 同济大学 | 一种面向纯网联环境的单点交叉口车辆控制方法 |
CN114049768A (zh) * | 2021-11-15 | 2022-02-15 | 山东省交通规划设计院集团有限公司 | 一种基于车路协同的低能见度通行车辆引导系统及方法 |
CN113920740A (zh) * | 2021-11-16 | 2022-01-11 | 重庆邮电大学 | 一种联合车辆关联度和博弈论的车路协同驾驶系统及方法 |
CN114973656A (zh) * | 2022-05-10 | 2022-08-30 | 清华大学 | 交通交互性能的评估方法、装置、设备、介质和产品 |
CN114882705A (zh) * | 2022-05-30 | 2022-08-09 | 武汉理工大学 | 一种基于换道决策系统的货运车辆交互博弈换道决策方法 |
Non-Patent Citations (4)
Title |
---|
CHEN N 等: "A hierarchical model-based optimization control approach for cooperative merging by connected automated vehicles", IEEE TRANSACTIONS ON INTELLIGENT TRANSPORTATION SYSTEMS, vol. 12, no. 22, 31 December 2021 (2021-12-31) * |
周雪峰;郑长江;: "基于博弈论的无控制路段人行横道处人车抢行分析", 华东交通大学学报, no. 06, 15 December 2012 (2012-12-15) * |
张雯靓;徐爱峰;史俊;: "上海智慧高速公路建设与发展探讨", 上海公路, no. 02, 30 June 2020 (2020-06-30) * |
马庆禄 等: "基于博弈论的无信号交叉口冲突消解方法", 重庆理工大学学报(自然科学), vol. 35, no. 10, 31 October 2021 (2021-10-31) * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117376867A (zh) * | 2023-11-01 | 2024-01-09 | 唐山学院 | 一种通信感知一体化车联网通信建立方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109087503B (zh) | 一种基于v2x的车车协同系统及方法 | |
CN113347254B (zh) | 基于v2x的智能交通控制车联网系统及其控制方法 | |
TWI691927B (zh) | 移動載具用外部座標即時三維路況輔助裝置及該系統 | |
US20210014643A1 (en) | Communication control device, communication control method, and computer program | |
WO2019156955A1 (en) | Connected automated vehicle highway systems and methods for shared mobility | |
Englund et al. | Future applications of VANETs | |
US20090309757A1 (en) | Real time traffic aide | |
US20210272452A1 (en) | Method and apparatus for issuing traffic information, device, storage medium and system | |
US20200410852A1 (en) | Communication device, control method thereof, and communication system including the same | |
CN111510496B (zh) | 基于区块链信息共享的交通诱导系统及方法 | |
WO2021036907A1 (zh) | 列车控制系统、列车控制方法 | |
WO2021149253A1 (ja) | 制御装置、移動体、管理サーバ、基地局、通信システム及び通信方法 | |
JP2022031830A (ja) | コネクテッド自動運転車のハイウエイシステムとそれを用いた方法 | |
DE102020128154A1 (de) | Trajektorieplanung für fahrzeuge unter verwendung von routeninformationen | |
Yang et al. | An intersection collision warning system using Wi-Fi smartphones in VANET | |
CN115412883A (zh) | 一种基于5g位置共享的智能网联超视距行车辅助系统 | |
CN116013101A (zh) | 一种基于网联环境的无信号路口速度建议系统和方法 | |
CN111599215A (zh) | 基于车联网的无信号交叉口移动闭塞车辆引导系统和方法 | |
KR101945179B1 (ko) | 위험 교통류 정보 제공 시스템 및 그 방법 | |
Park et al. | Glossary of connected and automated vehicle terms | |
WO2023083043A1 (zh) | 一种不可通行区域确认方法、装置、设备及可读存储介质 | |
Xie et al. | Design and evaluation of v2x-based dynamic bus lanes | |
CN115019527A (zh) | 交通信号灯信息交互方法、交叉路口预警方法及系统 | |
Szmelter | The concepts of connected car and internet of cars and their impact on future people mobility | |
WO2020249121A1 (zh) | 一种车辆跟驰方法及装置 |
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 |