CN115830886A - 智能网联车辆协同换道时序计算方法、装置、设备及介质 - Google Patents
智能网联车辆协同换道时序计算方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN115830886A CN115830886A CN202310089967.0A CN202310089967A CN115830886A CN 115830886 A CN115830886 A CN 115830886A CN 202310089967 A CN202310089967 A CN 202310089967A CN 115830886 A CN115830886 A CN 115830886A
- Authority
- CN
- China
- Prior art keywords
- lane
- vehicle
- target
- target vehicle
- acceleration
- 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
-
- 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
- Traffic Control Systems (AREA)
Abstract
本发明提供了一种智能网联车辆协同换道时序计算方法、装置、设备及介质,智能网联车辆换道技术领域,包括获取目标车辆信息和协同车辆信息,根据所述目标车辆信息计算目标车辆的纵向加速度、换道轨迹和换道总时长;确定目标车辆触碰车道分界线的第二时刻和目标车辆离开原车道的第三时刻;构建目标车辆换道判断模型;在目标车辆满足目标车辆换道判断模型的条件下,根据目标车辆的纵向加速度和协同车辆信息计算协同车辆的协同时长;由所述换道总时长、协同车辆的协同时长、第二时刻和第三时刻确定智能网联车辆协同的换道时序,本发明用于解决现有技术中使协同车辆的协同行为贯穿整个换道过程,导致了不必要协同行为的产生的技术问题。
Description
技术领域
本发明涉及智能网联车辆换道技术领域,具体而言,涉及智能网联车辆协同换道时序计算方法、装置、设备及介质。
背景技术
如何在高速公路环境下安全、有效、舒适地完成换道是智能网联(CAV)技术研究的重点之一。现有的智能网联车车辆换道控制算法依据换道车前后车辆是否参与换道可分为非协同与协同控制策略。非协同控制策略注重于目标车辆的行驶控制与轨迹规划而忽略了前后车辆的控制,使得碰撞风险提高;而协同控制策略则侧重于换道过程中的多车协同控制以实现有效而安全的换道,但没有对协同车辆的协同时长给出计算方法,而是使协同行为贯穿整个换道过程,导致了不必要协同行为的产生。
发明内容
本发明的目的在于提供一种智能网联车辆协同换道时序计算方法、装置、设备及介质,以改善上述问题。为了实现上述目的,本发明采取的技术方案如下:
第一方面,本申请提供了一种智能网联车辆协同换道时序计算方法,包括:
获取目标车辆信息和协同车辆信息,根据所述目标车辆信息计算目标车辆的纵向加速度、换道轨迹和换道总时长,其中,协同车辆为原车道的前导车或后随车、目标车道的前导车或后随车,纵向为车道所在的方向;
基于目标车辆的纵向加速度和换道轨迹确定目标车辆触碰车道分界线的第二时刻和目标车辆离开原车道的第三时刻;
根据目标车辆信息、协同车辆信息和第二时刻构建目标车辆换道判断模型;
在目标车辆与协同车辆之间的相对距离满足目标车辆换道判断模型的条件下,根据目标车辆的纵向加速度和协同车辆信息计算协同车辆的协同时长;
由所述换道总时长、协同车辆的协同时长、第二时刻和第三时刻确定智能网联车辆协同的换道时序,智能网联车辆包括目标车辆和协同车辆。
第二方面,本申请还提供了一种智能网联车辆协同换道时序计算装置,包括:
获取模块:获取目标车辆信息和协同车辆信息,根据所述目标车辆信息计算目标车辆的纵向加速度、换道轨迹和换道总时长,其中,协同车辆为原车道的前导车或后随车、目标车道的前导车或后随车,纵向为车道所在的方向;
第一计算模块:基于目标车辆的纵向加速度和换道轨迹确定目标车辆触碰车道分界线的第二时刻和目标车辆离开原车道的第三时刻;
模型构建模块:根据目标车辆信息、协同车辆信息和第二时刻构建目标车辆换道判断模型;
第二计算模块:在目标车辆与协同车辆之间的相对距离满足目标车辆换道判断模型的条件下,根据目标车辆的纵向加速度和协同车辆信息计算协同车辆的协同时长;
换道时序确定模块:由所述换道总时长、协同车辆的协同时长、第二时刻和第三时刻确定智能网联车辆协同的换道时序,智能网联车辆包括目标车辆和协同车辆。
第三方面,本申请还提供了一种智能网联车辆协同换道时序计算设备,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现所述智能网联车辆协同换道时序计算方法的步骤。
第四方面,本申请还提供了一种可读存储介质,所述可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现上述基于智能网联车辆协同换道时序计算方法的步骤。
本发明的有益效果为:
本发明提出了一种换道决策模型(LCD),该模型由改进后的MOBIL换道模型和避碰算法组成,所述改进后的MOBIL模型将车辆换道行为对原车道和目标车道上后随车流的影响纳入了考虑范围之内,从而做出有利于车队整体的换道决策,同时,避碰算法保证换道车辆在整个换道过程中不与周围车辆发生碰撞,保证了换道安全性。然后通过建立协同时序模型(CTS),确定需要与换道车辆协同的车辆数量、协同车参与协同的时间节点以及协同时长,减少换道对交通流效率和稳定性的影响。
本发明的其他特征和优点将在随后的说明书阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明实施例了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本发明实施例中所述的智能网联车辆协同换道时序计算方法流程示意图;
图2为本发明实施例中单向双车道高速公路的智能网联车辆模型图;
图3为本发明实施例中目标车辆触碰车道分界线时的第一位置一;
图4为本发明实施例中目标车辆触碰车道分界线时的第一位置二;
图5为本发明实施例中目标车辆触碰车道分界线时的第二位置一;
图6为本发明实施例中目标车辆触碰车道分界线时的第二位置二;
图7为本发明实施例中目标车辆与协同车辆的位置关系示意图;
图8为本发明实施例中最小安全距离示意图;
图9为本发明实施例中智能网联车辆协同换道示意图一;
图10为本发明实施例中智能网联车辆协同换道示意图二;
图11为本发明实施例中碰撞间距的示意图;
图12为本发明实施例中所述的智能网联车辆协同换道时序计算装置结构示意图一;
图13为本发明实施例中所述的智能网联车辆协同换道时序计算装置结构示意图二;
图14为本发明实施例中所述的智能网联车辆协同换道时序计算设备结构示意图。
01、获取模块;011、第一计算单元;012、第二计算单元;013、第三计算单元;014、第四计算单元;015、第一确定单元;02、第一计算模块;021、第五计算单元;022、约束条件构建单元;023、第二确定单元;024、第一获取单元;025、第六计算单元;026、第七计算单元;03、模型构建模块;031、第三确定单元;032、模型构建单元;04、第二计算模块;041、第一构建单元;042、第七计算单元;043、第二构建单元;044、第四确定单元;0441、第八计算单元;0442、第八确定单元;045、第三构建单元;046、第五确定单元;047、第四构建单元;048、第六确定单元;049、第七确定单元;05、换道时序确定模块;051、第二获取单元;052、第九确定单元;053、第十确定单元;054、第十一确定单元;
800、智能网联车辆协同换道时序计算设备;801、处理器;802、存储器;803、多媒体组件;804、I/O接口;805、通信组件。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。同时,在本发明的描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
实施例1:
本实施例提供了一种智能网联车辆协同换道时序计算方法。
参见图1,图中示出了本方法包括:
S1.获取目标车辆信息和协同车辆信息,根据所述目标车辆信息计算目标车辆的纵向加速度、换道轨迹和换道总时长,其中,协同车辆为原车道的前导车或后随车、目标车道的前导车或后随车,纵向为车道所在的方向;
具体的,如图2所示,对单向双车道高速公路上行驶的CAV车流进行建模;
令目标车辆为SV,所述目标车辆为即将换道的车辆;
所述协同车辆为可能参与协同换道的车辆:
令原车道前导车流为LVs;包括M 辆原车道前导车{LV1,…,LVm,…, LVM};
令原车道后随车流为FVs,包括N辆原车道后随车{FV1,…,FVn,…, FVN};
令目标车道前导车流为PLVs,包括J辆目标车道后随车{PLV1,…,PLVj,…, PLVJ};
令目标车道后随车流为PFVs,包括K辆目标车道后随车{PFV1,…,PFVk,…,FVK};
具体的,所述步骤S1包括:
S11.获取目标车辆的加速度信息和速度信息、目标车道的后随车的加速度信息和速度信息、目标车道的前导车的加速度信息,计算目标车辆换道后的加速度收益:
式中,u表示目标车辆换道后的加速度收益,表示第k辆PFV换道后的加速度,表示第k辆PFV换道前的加速度,表示最大安全加速度,表示SV换道后的加速度,表示SV换道前的加速度,表示PFV的礼貌因子,表示FV的礼貌因子,表示第n辆FV换道前的加速度,表示第n辆FV换道后的加速度;
所述u能够反映出目标车辆换道对目标车道后随车和目标车道前导车的影响。
所述u的取值为:
车流量为900辆/h,u=1;
车流量为1200辆/h,u=0.5;
车流量为1500辆/h,u=0.3。
其中,目标车辆或协同车辆换道后的加速度采用IDM(Intelligent DriverModel,智能驾驶员模型)模型进行估计。IDM模型的具体公式如下:
式中,表示目标车辆或协同车辆,表示的加速度,表示的行驶速度,表示的实际跟车距离,表示期望跟车距离,表示与前导车的速度差,a表示最大加速度,令,表示加速度指数,令,表示的期望速度,按道路限速取值,表示车辆静止时的安全距离,令,T表示保证安全的最小车头时距,令T=1.2s,b表示的舒适减速度,令,表示的纵向行驶位置;表示的前导车纵向行驶位置,表示的车身长度。
S12.在加速度收益大于预设阈值的情况下,根据目标车辆的速度信息和目标车道的后随车的速度信息,计算得到目标车辆的纵向加速度;
S13.利用所述目标车辆的纵向加速度计算目标车辆的换道总时长;
具体的,所述目标车辆的纵向加速度的目标函数和约束条件为:
式中,te为假设的SV的换道时刻,表示SV在te时刻的速度,表示PFV1在te时刻的速度,所述PFV1为目标车道的相邻后随车,表示目标车辆的纵向加速度,T表示目标车辆的换道总时长,表示纵向加速度的最小取值,表示纵向加速度的最大取值,表示换道总时长的最小取值,表示换道总时长的最大取值。
本实施例中,根据现有研究及仿真实验,
S14.根据目标车辆的纵向加速度和换道总时长计算得到目标车辆在换道过程中的总纵向行驶距离;
根据纵向加速度和换道总时长计算目标车辆在换道过程中的总纵向行驶距离:
S15.由正弦函数和等速偏移轨迹函数根据纵向行驶距离和换道总时长建立关于目标车辆的换道轨迹方程,根据所述换道轨迹方程确定目标车辆的换道轨迹。
基于以上实施例,本方法还包括:
S2.基于目标车辆的纵向加速度和换道轨迹确定目标车辆触碰车道分界线的第二时刻和目标车辆离开原车道的第三时刻;
具体的,所述步骤S2包括:
S21.根据所述换道轨迹方程计算得到目标车辆的横向加速度函数、横向加速度变化率函数;
令SV在换道过程中的纵向速度为恒定值,则有:
将式(6)代入式(5)可得:
对上公式(8)分别求一阶、二阶、三阶导数,分别可得横向速度函数、横向加速度函数、横向加速度变化率函数;
S22.构建目标车辆的横向加速度约束条件和横向加速度变化率约束条件;
具体的,为提高换道舒适性,横向加速度和横向加速度变化率的约束条件为:
S23.根据换道轨迹的几何特征确定目标车辆触碰车道分界线时的第一位置和目标车辆离开原车道时的第二位置;
如图3、图4所示,为目标车辆触碰车道分界线时的第一位置,其中A点为SV的形心,β为SV在第一位置时对角线与纵轴之间的夹角,θ为SV在第二位置时的航向角;
如图5、图6所示,为目标车辆离开原车道时的第二位置,其中,β’为为SV在第二位置时对角线与纵轴之间的夹角,θ’为SV在第二位置时的航向角;
S24.获取目标车辆的几何属性,获取SV的长度l,获取SV的宽度w;
S25.在满足横向加速度约束条件和横向加速度变化率约束条件下,由第一位置和目标车辆的几何属性计算得到目标车辆离开原车道的第二时刻;
式中,t2表示第二时刻。
S26.在满足横向加速度约束条件和横向加速度变化率约束条件下,由第二位置和目标车辆的几何属性计算得到目标车辆触碰车道分界线的第三时刻。
式中,t3表示第三时刻。
S3.所述根据目标车辆信息、协同车辆信息和第二时刻构建目标车辆换道判断模型;
具体的,所述步骤S3包括:
S32.获取目标车道后随车的纵向行驶距离和目标车道前导车的纵向行驶距离,所述表示从te到t2期间PFV1的纵向行驶距离,所述PFV1为目标车道的相邻后随车,所述表示从te到t2期间PLV1的纵向行驶距离,所述PLV1为目标车道的相邻前导车;
S33.确定第一安全距离和第二安全距离,所述第一安全距离为目标车辆与目标车道的相邻前导车之间的最小安全距离,所述第二安全距离为目标车道的相邻后随车与目标车辆之间的最小安全距离;
本实施例中,如图8所示,最小安全距离表示当前车突然刹车,后车应与前车之间保持可以保证避免追尾事故发生的距离。
具体的,所述第一安全距离的计算方法为:
式中,表示第一安全距离,表示最大加速度,令所有车辆的最大加速度均为,S0表示车辆静止时两车之间应保持的距离,PLV1为目标车道的相邻前导车,即目标车辆换道至目标车道后与目标车辆距离最近的前导车,t0表示假设的PLV1紧急制动时刻,ta表示SV的加速度达到的时刻,表示PLV1的加速度达到的时刻,表示SV在t0时的速度,表示PLV1在t0时的速度;
具体的,所述第二安全距离的计算方法为:
式中,表示第二安全距离,PFV1表示目标车道的相邻后随车,即目标车辆换道至目标车道后与目标车辆距离最近的后随车,表示假设的SV紧急制动时刻,表示PFV1的加速度达到的时刻,表示PFV1在时刻的速度,表示SV在时刻的速度。
S34.根据目标车辆的速度信息、目标车道的相邻后随车的速度信息、第一安全距离和第二安全距离构建换道判断模型。
请参阅图7,具体的,所述换道判断模型为:
式中,表示安全距离的压缩系数,优选的,,表示从te到t2期间SV的纵向行驶距离,表示从te到t2期间PFV1的纵向行驶距离,表示从te到t2期间PLV1的纵向行驶距离,表示te时刻SV与PFV1的距离,表示te时刻SV与PLV1的距离。
表示PFV1压缩后的最小安全距离,表示目标车道车辆不进行协同机动的情况下,SV进入目标车道时,SV与PFV1之间的纵向距离;当SV与PFV1之间的纵向距离小于时,过多的PFVs会参与协同减速,且减速度较大进而导致车辆运动状态快速改变,从而影响上游车辆;
当不满足公式(17)时,则表示驾驶舒适性条件不满足,拒绝目标车辆的换道请求。
基于以上实施例,本方法还包括:
S4.在目标车辆与协同车辆之间的相对距离满足目标车辆换道判断模型的条件下,根据目标车辆的纵向加速度和协同车辆信息计算协同车辆的协同时长;
具体的,所述步骤S4包括:
S41.获取协同车辆信息中原车道的相邻后随车的速度信息和加速度信息,基于纵向加速度、原车道的相邻后随车的速度信息和加速度信息构建第一计算模型;
本实施例中,所述第一计算模型为:
式中,t1表示规划的SV的换道时刻,令t1为第一时刻,FV1为原车道的相邻后随车,即与目标车辆距离最近的后随车;为FV1在t1时刻的速度,表示原车道后随车流的协同运动时长,是FV1的加速度,为时段内SV与FV1之间压缩的跟驰距离,为t1时刻FV1的跟驰距离与第三安全距离的差值,所述第三安全距离为原车道的相邻后随车与目标车辆之间的安全距离,表示的值接近但不大于dn的值,表示0-的微积分。
S42.由所述第一计算模型计算得到原车道后随车流的协同运动时长;
由公式(18)得到:
S43.获取协同车辆信息中原车道前导车的数量、原车道前导车的加速度信息和速度信息,基于纵向加速度、原车道前导车的数量、原车道前导车的加速度信息和速度信息构建第二计算模型;
原车道前导车的数量计算方法为:
请参阅图9,由此可以得到第二计算模型:
S44.根据所述第二计算模型确定原车道前导车流的协同运动时长;
具体的,所述步骤S44包括:
S441.根据所述第二计算模型计算得到原车道中每个前导车的协同运动时长,所述前导车的协同运动时长包括加速时长和减速时长;
由公式(22)可得到目标车道中每个前导车的加速时长和减速时长;
S442.将原车道中所有前导车的协同运动时长的最大值作为原车道前导车流的协同运动时长。
具体的,在确定原车道上各前导车的加、减速时长后,原车道上前导车协同加减速所需时间可计算为:
式中,表示原车道前导车流的协同运动时长,表示LV1的加速时长,所述LV1为原车道的相邻前导车,表示原车道的第1辆前导车的减速时长;表示原车道的第m辆前导车的加速时长,表示原车道的第m辆前导车的减速时长,表示原车道的第M辆前导车的加速时长,表示原车道的第M辆前导车的减速时长。
S45.获取协同车辆信息中目标车道前导车的数量、目标车道前导车的加速度信息和速度信息、基于纵向加速度、目标车道前导车的数量、目标车道前导车的加速度信息和速度信息构建第三计算模型;
请参阅图10,具体的,令第j辆目标车道前导车的压缩跟驰距离为:
令第j辆目标车道前导车的压缩跟驰距离为:
本实施例中,目标车道前导车的数量的计算方法为:
式中,表示在t1时PFV1与SV之间的纵向距离,表示PLV1在t1时刻的速度,表示PFV1在t1时刻的速度,J表示PLV的总数量,K表示PFV的总数量,表示碰撞间距,其中,表示第一参数,,表示第二参数,;
式中,l表示SV的长度。
基于以上实施例,第三计算模型为:
S46.根据所述第三计算模型确定目标车道前导车流的协同运动时长;
根据公式(28)计算得到目标车道上各前导车的加、减速时长,由此得到目标车道上前导车协同加减速所需时间为:
式中,表示目标车道前导车流的协同运动时长,表示PLV1的加速时长,表示PLV1的减速时长;表示目标车道的第j辆前导车的加速时长,表示目标车道的第j辆前导车的减速时长,表示目标车道的第J辆前导车的加速时长,表示目标车道的第J辆前导车的减速时长。
S47.获取协同车辆信息中目标车道后随车的数量、目标车道后随车的加速度信息和速度信息,基于纵向加速度、目标车道后随车的数量、目标车道后随车的加速度信息和速度信息构建第四计算模型;
所述第四计算模型为:
S48.根据所述第四计算模型确定目标车道后随车流的协同运动时长;
根据公式(30)计算得到目标车道上后随车的加、减速时长,由此得到目标车道上后随车协同加减速所需时间为:
式中,表示目标车道后随车流的协同运动时长,表示PFV1的加速时长,表示PFV1的减速时长;表示目标车道的第k辆后随车的加速时长,表示目标车道的第k辆后随车的减速时长,表示目标车道的第K辆后随车的加速时长,表示目标车道的第K辆后随车的减速时长。
S49.由所述目标车道前导车流的协同运动时长和目标车道后随车流的协同运动时长确定目标车道车流的协同运动时长。
为保证目标车道内所有协同车辆都能在规定时间内完成协同动作,将目标车道内车辆的协同运动时长规定为:
基于以上实施例,本方法还包括:
S5.由所述换道总时长、协同车辆的协同时长、第一时刻和第二时刻确定智能网联车协同的换道时序。
具体的,所述步骤S5包括:
S51.获取协同车辆的协同时长中的原车道前导车流的协同运动时长、目标车道车流的协同运动时长和原车道后随车流的协同运动时长;
实施例2:
如图12、图13所示,本实施例提供了一种智能网联车辆协同换道时序计算装置,所述装置包括:
获取模块01:获取目标车辆信息和协同车辆信息,根据所述目标车辆信息计算目标车辆的纵向加速度、换道轨迹和换道总时长,其中,协同车辆为原车道的前导车或后随车、目标车道的前导车或后随车,纵向为车道所在的方向;
第一计算模块02:基于目标车辆的纵向加速度和换道轨迹确定目标车辆触碰车道分界线的第二时刻和目标车辆离开原车道的第三时刻;
模型构建模块03:根据目标车辆信息、协同车辆信息和第二时刻构建目标车辆换道判断模型;
第二计算模块04:在目标车辆与协同车辆之间的相对距离满足目标车辆换道判断模型的条件下,根据目标车辆的纵向加速度和协同车辆信息计算协同车辆的协同时长;
换道时序确定模块05:由所述换道总时长、协同车辆的协同时长、第二时刻和第三时刻确定智能网联车辆协同的换道时序,智能网联车辆包括目标车辆和协同车辆。
基于以上实施例,所述目标车辆信息包括目标车辆的加速度信息和速度信息,所述协同车辆信息包括目标车道的后随车的加速度信息和速度信息、目标车道的前导车的加速度信息;所述获取模块01包括:
第一计算单元011:根据目标车辆的加速度信息、目标车道后随车的加速度信息和目标车道前导车的加速度信息计算目标车辆换道后的加速度收益;
第二计算单元012:在加速度收益大于预设阈值的情况下,根据目标车辆的速度信息和目标车道的后随车的速度信息,计算得到目标车辆的纵向加速度;
第三计算单元013:利用所述目标车辆的纵向加速度计算目标车辆的换道总时长;
第四计算单元014:由目标车辆的纵向加速度和换道总时长计算得到目标车辆在变道过程中的总纵向行驶距离;
第一确定单元015:根据总纵向行驶距离和换道总时长,利用正弦函数和预设的等速偏移轨迹函数建立关于目标车辆的换道轨迹方程,由所述目标车辆的换道轨迹方程确定目标车辆的换道轨迹。
基于以上实施例,所述第一计算模块02包括:
第五计算单元021:根据所述目标车辆的换道轨迹方程计算得到目标车辆的横向加速度函数和横向加速度变化率函数;
约束条件构建单元022:构建目标车辆的横向加速度约束条件和横向加速度变化率约束条件;
第二确定单元023:根据换道轨迹的几何特征确定目标车辆触碰车道分界线时的第一位置和目标车辆离开原车道时的第二位置;
第一获取单元024:获取目标车辆的几何属性;
第六计算单元025:在满足横向加速度约束条件和横向加速度变化率约束条件下,由第一位置和目标车辆的几何属性计算得到目标车辆触碰车道分界线的第二时刻;
第七计算单元026:在满足横向加速度约束条件和横向加速度变化率约束条件下,由第二位置和目标车辆的几何属性计算得到目标车辆离开原车道的第三时刻。
基于以上实施例,所述目标车辆信息包括目标车辆的纵向行驶距离,所述协同车辆信息包括目标车道后随车的纵向行驶距离和目标车道前导车的纵向行驶距离;所述模型构建模块03包括:
第三确定单元031:确定第一安全距离和第二安全距离,所述第一安全距离为目标车辆与目标车道的相邻前导车之间的安全距离,所述第二安全距离为目标车道的相邻后随车与目标车辆之间的安全距离;
模型构建单元032:根据目标车辆的纵向行驶距离、目标车道后随车的纵向行驶距离和目标车道前导车的纵向行驶距离、第一安全距离和第二安全距离构建换道判断模型。
基于以上实施例,所述第二计算模块04包括:
第一构建单元041:获取协同车辆信息中原车道的相邻后随车的速度信息和加速度信息,基于纵向加速度、原车道的相邻后随车的速度信息和加速度信息构建第一计算模型;
第七计算单元042:由所述第一计算模型计算得到原车道后随车流的协同运动时长;
第二构建单元043:获取协同车辆信息中原车道前导车的数量、原车道前导车的加速度信息和速度信息,基于纵向加速度、原车道前导车的数量、原车道前导车的加速度信息和速度信息构建第二计算模型;
第四确定单元044:根据所述第二计算模型确定原车道前导车流的协同运动时长;
第三构建单元045:获取协同车辆信息中目标车道前导车的数量、目标车道前导车的加速度信息和速度信息,基于纵向加速度、目标车道前导车的数量、目标车道前导车的加速度信息和速度信息构建第三计算模型;
第五确定单元046:根据所述第三计算模型确定目标车道前导车流的协同运动时长;
第四构建单元047:获取协同车辆信息中目标车道后随车的数量、目标车道后随车的加速度信息和速度信息,基于纵向加速度、目标车道后随车的数量、目标车道后随车的加速度信息和速度信息构建第四计算模型;
第六确定单元048:根据所述第四计算模型确定目标车道后随车流的协同运动时长;
第七确定单元049:由所述目标车道前导车流的协同运动时长和目标车道后随车流的协同运动时长确定目标车道车流的协同运动时长。
基于以上实施例,所述第四确定单元044包括:
第八计算单元0441:根据所述第二计算模型计算得到原车道中每个前导车的协同运动时长,所述前导车的协同运动时长包括加速时长和减速时长;
第八确定单元0442:将原车道中所有前导车的协同运动时长的最大值作为原车道前导车流的协同运动时长。
基于以上实施例,所述换道时序确定模块05包括:
第二获取单元051:获取协同车辆的协同时长中的原车道前导车流的协同运动时长、目标车道车流的协同运动时长和原车道后随车流的协同运动时长;
第九确定单元052:由第二时刻和原车道前导车流的协同运动时长确定原车道前导车的变道时刻;
第十确定单元053:由第二时刻和目标车道车流的协同运动时长确定目标车道车辆的变道时刻;
第十一确定单元054:由第三时刻和原车道后随车流的协同运动时长确定原车道后随车的变道时刻。
需要说明的是,关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
实施例3:
相应于上面的方法实施例,本实施例中还提供了一种智能网联车辆协同换道时序计算设备,下文描述的一种智能网联车辆协同换道时序计算设备与上文描述的一种智能网联车辆协同换道时序计算方法可相互对应参照。
图14是根据示例性实施例示出的一种智能网联车辆协同换道时序计算设备800的框图。如图14所示,该智能网联车辆协同换道时序计算设备800可以包括:处理器801,存储器802。该智能网联车辆协同换道时序计算设备800还可以包括多媒体组件803, I/O接口804,以及通信组件805中的一者或多者。
其中,处理器801用于控制该智能网联车辆协同换道时序计算设备800的整体操作,以完成上述的智能网联车辆协同换道时序计算方法中的全部或部分步骤。存储器802用于存储各种类型的数据以支持在该智能网联车辆协同换道时序计算设备800的操作,这些数据例如可以包括用于在该智能网联车辆协同换道时序计算设备800上操作的任何应用程序或方法的指令,以及应用程序相关的数据,例如联系人数据、收发的消息、图片、音频、视频等等。该存储器802可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,例如静态随机存取存储器(Static Random Access Memory,简称SRAM),电可擦除可编程只读存储器(ElectricallyErasable Programmable Read-Only Memory,简称EEPROM),可擦除可编程只读存储器(Erasable Programmable Read-Only Memory,简称EPROM),可编程只读存储器(Programmable Read-Only Memory,简称PROM),只读存储器(Read-Only Memory,简称ROM),磁存储器,快闪存储器,磁盘或光盘。多媒体组件803可以包括屏幕和音频组件。其中屏幕例如可以是触摸屏,音频组件用于输出和/或输入音频信号。例如,音频组件可以包括一个麦克风,麦克风用于接收外部音频信号。所接收的音频信号可以被进一步存储在存储器802或通过通信组件805发送。音频组件还包括至少一个扬声器,用于输出音频信号。I/O接口804为处理器801和其他接口模块之间提供接口,上述其他接口模块可以是键盘,鼠标,按钮等。这些按钮可以是虚拟按钮或者实体按钮。通信组件805用于该智能网联车辆协同换道时序计算设备800与其他设备之间进行有线或无线通信。无线通信,例如Wi-Fi,蓝牙,近场通信(NearFieldCommunication,简称NFC),2G、3G或4G,或它们中的一种或几种的组合,因此相应的该通信组件805可以包括:Wi-Fi模块,蓝牙模块,NFC模块。
在一示例性实施例中,智能网联车辆协同换道时序计算设备800可以被一个或多个应用专用集成电路(Application Specific Integrated Circuit,简称ASIC)、数字信号处理器(DigitalSignal Processor,简称DSP)、数字信号处理设备(DigitalSignalProcessing Device,简称DSPD)、可编程逻辑器件(Programmable Logic Device,简称PLD)、现场可编程门阵列(Field Programmable Gate Array,简称FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述的智能网联车辆协同换道时序计算方法。
在另一示例性实施例中,还提供了一种包括程序指令的计算机可读存储介质,该程序指令被处理器执行时实现上述的智能网联车辆协同换道时序计算方法的步骤。例如,该计算机可读存储介质可以为上述包括程序指令的存储器802,上述程序指令可由智能网联车辆协同换道时序计算设备800的处理器801执行以完成上述的智能网联车辆协同换道时序计算方法。
实施例4:
相应于上面的方法实施例,本实施例中还提供了一种可读存储介质,下文描述的一种可读存储介质与上文描述的一种智能网联车辆协同换道时序计算方法可相互对应参照。
一种可读存储介质,可读存储介质上存储有计算机程序,计算机程序被处理器执行时实现上述方法实施例的智能网联车辆协同换道时序计算方法的步骤。
该可读存储介质具体可以为U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、磁碟或者光盘等各种可存储程序代码的可读存储介质。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种智能网联车辆协同换道时序计算方法,其特征在于,包括:
获取目标车辆信息和协同车辆信息,根据所述目标车辆信息计算目标车辆的纵向加速度、换道轨迹和换道总时长,其中,协同车辆为原车道的前导车或后随车、目标车道的前导车或后随车,纵向为车道所在的方向;
基于目标车辆的纵向加速度和换道轨迹确定目标车辆触碰车道分界线的第二时刻和目标车辆离开原车道的第三时刻;
根据目标车辆信息、协同车辆信息和第二时刻构建目标车辆换道判断模型;
在目标车辆与协同车辆之间的相对距离满足目标车辆换道判断模型的条件下,根据目标车辆的纵向加速度和协同车辆信息计算协同车辆的协同时长;
由所述换道总时长、协同车辆的协同时长、第二时刻和第三时刻确定智能网联车辆协同的换道时序,智能网联车辆包括目标车辆和协同车辆。
2.根据权利要求1所述的智能网联车辆协同换道时序计算方法,其特征在于,所述目标车辆信息包括目标车辆的加速度信息和速度信息,所述协同车辆信息包括目标车道的后随车的加速度信息和速度信息、目标车道的前导车的加速度信息;根据所述目标车辆信息计算目标车辆的纵向加速度、换道轨迹和换道总时长,包括:
根据目标车辆的加速度信息、目标车道后随车的加速度信息和目标车道前导车的加速度信息计算目标车辆换道后的加速度收益;
在加速度收益大于预设阈值的情况下,根据目标车辆的速度信息和目标车道的后随车的速度信息,计算得到目标车辆的纵向加速度;
利用所述目标车辆的纵向加速度计算目标车辆的换道总时长;
由目标车辆的纵向加速度和换道总时长计算得到目标车辆在变道过程中的总纵向行驶距离;
根据总纵向行驶距离和换道总时长,利用预设的正弦函数和等速偏移轨迹函数建立关于目标车辆的换道轨迹方程,由所述目标车辆的换道轨迹方程确定目标车辆的换道轨迹。
3.根据权利要求2所述的智能网联车辆协同换道时序计算方法,其特征在于,所述基于目标车辆的纵向加速度和换道轨迹确定目标车辆触碰车道分界线的第二时刻和目标车辆离开原车道的第三时刻,包括:
根据所述目标车辆的换道轨迹方程计算得到目标车辆的横向加速度函数和横向加速度变化率函数;
构建目标车辆的横向加速度约束条件和横向加速度变化率约束条件;
根据换道轨迹的几何特征确定目标车辆触碰车道分界线时的第一位置和目标车辆离开原车道时的第二位置;
获取目标车辆的几何属性;
在满足横向加速度约束条件和横向加速度变化率约束条件下,由第一位置和目标车辆的几何属性计算得到目标车辆触碰车道分界线的第二时刻;
在满足横向加速度约束条件和横向加速度变化率约束条件下,由第二位置和目标车辆的几何属性计算得到目标车辆离开原车道的第三时刻。
4.根据权利要求1所述的智能网联车辆协同换道时序计算方法,其特征在于,所述在目标车辆与协同车辆之间的相对距离满足目标车辆换道判断模型的条件下,根据目标车辆的纵向加速度和协同车辆信息计算协同车辆的协同时长,包括:
获取协同车辆信息中原车道的相邻后随车的速度信息和加速度信息,基于纵向加速度、原车道的相邻后随车的速度信息和加速度信息构建第一计算模型;
由所述第一计算模型计算得到原车道后随车流的协同运动时长;
获取协同车辆信息中原车道前导车的数量、原车道前导车的加速度信息和速度信息,基于纵向加速度、原车道前导车的数量、原车道前导车的加速度信息和速度信息构建第二计算模型;
根据所述第二计算模型确定原车道前导车流的协同运动时长;
获取协同车辆信息中目标车道前导车的数量、目标车道前导车的加速度信息和速度信息,基于纵向加速度、目标车道前导车的数量、目标车道前导车的加速度信息和速度信息构建第三计算模型;
根据所述第三计算模型确定目标车道前导车流的协同运动时长;
获取协同车辆信息中目标车道后随车的数量、目标车道后随车的加速度信息和速度信息,基于纵向加速度、目标车道后随车的数量、目标车道后随车的加速度信息和速度信息构建第四计算模型;
根据所述第四计算模型确定目标车道后随车流的协同运动时长;
由所述目标车道前导车流的协同运动时长和目标车道后随车流的协同运动时长确定目标车道车流的协同运动时长。
5.一种智能网联车辆协同换道时序计算装置,其特征在于,包括:
获取模块:获取目标车辆信息和协同车辆信息,根据所述目标车辆信息计算目标车辆的纵向加速度、换道轨迹和换道总时长,其中,协同车辆为原车道的前导车或后随车、目标车道的前导车或后随车,纵向为车道所在的方向;
第一计算模块:基于目标车辆的纵向加速度和换道轨迹确定目标车辆触碰车道分界线的第二时刻和目标车辆离开原车道的第三时刻;
模型构建模块:根据目标车辆信息、协同车辆信息和第二时刻构建目标车辆换道判断模型;
第二计算模块:在目标车辆与协同车辆之间的相对距离满足目标车辆换道判断模型的条件下,根据目标车辆的纵向加速度和协同车辆信息计算协同车辆的协同时长;
换道时序确定模块:由所述换道总时长、协同车辆的协同时长、第二时刻和第三时刻确定智能网联车辆协同的换道时序,智能网联车辆包括目标车辆和协同车辆。
6.根据权利要求5所述的智能网联车辆协同换道时序计算装置,其特征在于,所述目标车辆信息包括目标车辆的加速度信息和速度信息,所述协同车辆信息包括目标车道的后随车的加速度信息和速度信息、目标车道的前导车的加速度信息;所述获取模块包括:
第一计算单元:根据目标车辆的加速度信息、目标车道后随车的加速度信息和目标车道前导车的加速度信息计算目标车辆换道后的加速度收益;
第二计算单元:在加速度收益大于预设阈值的情况下,根据目标车辆的速度信息和目标车道的后随车的速度信息,计算得到目标车辆的纵向加速度;
第三计算单元:利用所述目标车辆的纵向加速度计算目标车辆的换道总时长;
第四计算单元:由目标车辆的纵向加速度和换道总时长计算得到目标车辆在变道过程中的总纵向行驶距离;
第一确定单元:根据总纵向行驶距离和换道总时长,利用正弦函数和预设的等速偏移轨迹函数建立关于目标车辆的换道轨迹方程,由所述目标车辆的换道轨迹方程确定目标车辆的换道轨迹。
7.根据权利要求6所述的智能网联车辆协同换道时序计算装置,其特征在于,所述第一计算模块包括:
第五计算单元:根据所述目标车辆的换道轨迹方程计算得到目标车辆的横向加速度函数和横向加速度变化率函数;
约束条件构建单元:构建目标车辆的横向加速度约束条件和横向加速度变化率约束条件;
第二确定单元:根据换道轨迹的几何特征确定目标车辆触碰车道分界线时的第一位置和目标车辆离开原车道时的第二位置;
第一获取单元:获取目标车辆的几何属性;
第六计算单元:在满足横向加速度约束条件和横向加速度变化率约束条件下,由第一位置和目标车辆的几何属性计算得到目标车辆触碰车道分界线的第二时刻;
第七计算单元:在满足横向加速度约束条件和横向加速度变化率约束条件下,由第二位置和目标车辆的几何属性计算得到目标车辆离开原车道的第三时刻。
8.根据权利要求5所述的智能网联车辆协同换道时序计算装置,其特征在于,所述第二计算模块包括:
第一构建单元:获取协同车辆信息中原车道的相邻后随车的速度信息和加速度信息,基于纵向加速度、原车道的相邻后随车的速度信息和加速度信息构建第一计算模型;
第七计算单元:由所述第一计算模型计算得到原车道后随车流的协同运动时长;
第二构建单元:获取协同车辆信息中原车道前导车的数量、原车道前导车的加速度信息和速度信息,基于纵向加速度、原车道前导车的数量、原车道前导车的加速度信息和速度信息构建第二计算模型;
第四确定单元:根据所述第二计算模型确定原车道前导车流的协同运动时长;
第三构建单元:获取协同车辆信息中目标车道前导车的数量、目标车道前导车的加速度信息和速度信息,基于纵向加速度、目标车道前导车的数量、目标车道前导车的加速度信息和速度信息构建第三计算模型;
第五确定单元:根据所述第三计算模型确定目标车道前导车流的协同运动时长;
第四构建单元:获取协同车辆信息中目标车道后随车的数量、目标车道后随车的加速度信息和速度信息,基于纵向加速度、目标车道后随车的数量、目标车道后随车的加速度信息和速度信息构建第四计算模型;
第六确定单元:根据所述第四计算模型确定目标车道后随车流的协同运动时长;
第七确定单元:由所述目标车道前导车流的协同运动时长和目标车道后随车流的协同运动时长确定目标车道车流的协同运动时长。
9.一种智能网联车辆协同换道时序计算设备,其特征在于,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如权利要求1至4任一项所述智能网联车辆协同换道时序计算方法的步骤。
10.一种可读存储介质,其特征在于:所述可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至4任一项所述智能网联车辆协同换道时序计算方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310089967.0A CN115830886B (zh) | 2023-02-09 | 2023-02-09 | 智能网联车辆协同换道时序计算方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310089967.0A CN115830886B (zh) | 2023-02-09 | 2023-02-09 | 智能网联车辆协同换道时序计算方法、装置、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115830886A true CN115830886A (zh) | 2023-03-21 |
CN115830886B CN115830886B (zh) | 2023-05-12 |
Family
ID=85520947
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310089967.0A Active CN115830886B (zh) | 2023-02-09 | 2023-02-09 | 智能网联车辆协同换道时序计算方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115830886B (zh) |
Citations (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130338868A1 (en) * | 2010-12-29 | 2013-12-19 | Siemens S.A.S. | System and method for active lane-changing assistance for a motor vehicle |
CN109035862A (zh) * | 2018-08-06 | 2018-12-18 | 清华大学 | 一种基于车车通信的多车协同换道控制方法 |
US20190100211A1 (en) * | 2017-09-29 | 2019-04-04 | Neusoft Corporation | Vehicle lane-changing control method, vehicle lanechanging control device and related equipment |
CN109671287A (zh) * | 2019-01-07 | 2019-04-23 | 武汉理工大学 | 一种加速度控制的交叉口车辆引导控制系统及方法 |
CN110466516A (zh) * | 2019-07-11 | 2019-11-19 | 北京交通大学 | 一种基于非线性规划的曲线道路自动车换道轨迹规划方法 |
CN110597245A (zh) * | 2019-08-12 | 2019-12-20 | 北京交通大学 | 基于二次型规划和神经网络的自动驾驶换道轨迹规划方法 |
CN111137288A (zh) * | 2020-01-19 | 2020-05-12 | 江苏大学 | 一种网联条件下多车协同换道方法 |
CN111338353A (zh) * | 2020-03-26 | 2020-06-26 | 吉林大学 | 一种动态驾驶环境下智能车辆变道轨迹规划方法 |
CN111439264A (zh) * | 2020-04-03 | 2020-07-24 | 东南大学 | 一种基于人机混驾的换道控制模型的实现方法 |
CN112040392A (zh) * | 2020-08-03 | 2020-12-04 | 南京航空航天大学 | 一种基于车车通信的多车协同换道控制系统及方法 |
CN112071059A (zh) * | 2020-08-20 | 2020-12-11 | 华南理工大学 | 一种基于瞬时风险评估的智能车辆换道轨迹协同规划方法 |
CN112289076A (zh) * | 2020-10-30 | 2021-01-29 | 长安大学 | 双车道智能网联车协同换道方法、装置、设备及存储介质 |
CN112519782A (zh) * | 2020-12-08 | 2021-03-19 | 英博超算(南京)科技有限公司 | 车辆自动变道方法、装置、车辆以及计算机可读存储介质 |
CN112562403A (zh) * | 2020-11-24 | 2021-03-26 | 东软集团股份有限公司 | 一种实现辅助变道的方法、装置及设备 |
CN112606838A (zh) * | 2020-12-15 | 2021-04-06 | 东风汽车集团有限公司 | 一种车辆变道防碰撞控制方法及装置 |
JP2021084479A (ja) * | 2019-11-26 | 2021-06-03 | 日産自動車株式会社 | 車線変更支援方法及び車線変更支援装置 |
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 |
CN113110486A (zh) * | 2021-04-30 | 2021-07-13 | 华砺智行(武汉)科技有限公司 | 智能网联汽车协作式换道引导方法、系统及可读存储介质 |
CN113246985A (zh) * | 2021-06-21 | 2021-08-13 | 苏州大学 | 混行条件下快速路匝道智能网联车辆合流变道控制方法 |
CN113486822A (zh) * | 2021-07-12 | 2021-10-08 | 吉林大学 | 一种基于驾驶意图的周围车辆轨迹预测方法及系统 |
CN113515038A (zh) * | 2021-09-07 | 2021-10-19 | 西南交通大学 | 一种车辆换道方法、装置、设备及可读存储介质 |
CN113665574A (zh) * | 2021-10-22 | 2021-11-19 | 清华大学 | 智能汽车换道时长预测及拟人化轨迹规划方法 |
WO2022105579A1 (zh) * | 2020-11-19 | 2022-05-27 | 腾讯科技(深圳)有限公司 | 一种基于自动驾驶的控制方法、装置、车辆以及相关设备 |
CN114707364A (zh) * | 2022-06-02 | 2022-07-05 | 西南交通大学 | 一种匝道车辆汇流仿真方法、装置、设备及可读存储介质 |
CN114987538A (zh) * | 2021-12-28 | 2022-09-02 | 同济大学 | 一种网联自动驾驶环境下考虑多目标优化的协同换道方法 |
CN115497315A (zh) * | 2022-09-03 | 2022-12-20 | 河海大学 | 一种车路协同环境下的动态公交专用道节能优化控制方法 |
CN115601954A (zh) * | 2022-12-13 | 2023-01-13 | 西南交通大学(Cn) | 一种智能网联车队的换道判断方法、装置、设备及介质 |
-
2023
- 2023-02-09 CN CN202310089967.0A patent/CN115830886B/zh active Active
Patent Citations (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130338868A1 (en) * | 2010-12-29 | 2013-12-19 | Siemens S.A.S. | System and method for active lane-changing assistance for a motor vehicle |
US20190100211A1 (en) * | 2017-09-29 | 2019-04-04 | Neusoft Corporation | Vehicle lane-changing control method, vehicle lanechanging control device and related equipment |
CN109035862A (zh) * | 2018-08-06 | 2018-12-18 | 清华大学 | 一种基于车车通信的多车协同换道控制方法 |
CN109671287A (zh) * | 2019-01-07 | 2019-04-23 | 武汉理工大学 | 一种加速度控制的交叉口车辆引导控制系统及方法 |
CN110466516A (zh) * | 2019-07-11 | 2019-11-19 | 北京交通大学 | 一种基于非线性规划的曲线道路自动车换道轨迹规划方法 |
CN110597245A (zh) * | 2019-08-12 | 2019-12-20 | 北京交通大学 | 基于二次型规划和神经网络的自动驾驶换道轨迹规划方法 |
JP2021084479A (ja) * | 2019-11-26 | 2021-06-03 | 日産自動車株式会社 | 車線変更支援方法及び車線変更支援装置 |
CN111137288A (zh) * | 2020-01-19 | 2020-05-12 | 江苏大学 | 一种网联条件下多车协同换道方法 |
CN111338353A (zh) * | 2020-03-26 | 2020-06-26 | 吉林大学 | 一种动态驾驶环境下智能车辆变道轨迹规划方法 |
CN111439264A (zh) * | 2020-04-03 | 2020-07-24 | 东南大学 | 一种基于人机混驾的换道控制模型的实现方法 |
CN112040392A (zh) * | 2020-08-03 | 2020-12-04 | 南京航空航天大学 | 一种基于车车通信的多车协同换道控制系统及方法 |
CN112071059A (zh) * | 2020-08-20 | 2020-12-11 | 华南理工大学 | 一种基于瞬时风险评估的智能车辆换道轨迹协同规划方法 |
CN112289076A (zh) * | 2020-10-30 | 2021-01-29 | 长安大学 | 双车道智能网联车协同换道方法、装置、设备及存储介质 |
WO2022105579A1 (zh) * | 2020-11-19 | 2022-05-27 | 腾讯科技(深圳)有限公司 | 一种基于自动驾驶的控制方法、装置、车辆以及相关设备 |
CN112562403A (zh) * | 2020-11-24 | 2021-03-26 | 东软集团股份有限公司 | 一种实现辅助变道的方法、装置及设备 |
CN112519782A (zh) * | 2020-12-08 | 2021-03-19 | 英博超算(南京)科技有限公司 | 车辆自动变道方法、装置、车辆以及计算机可读存储介质 |
CN112606838A (zh) * | 2020-12-15 | 2021-04-06 | 东风汽车集团有限公司 | 一种车辆变道防碰撞控制方法及装置 |
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 |
CN113110486A (zh) * | 2021-04-30 | 2021-07-13 | 华砺智行(武汉)科技有限公司 | 智能网联汽车协作式换道引导方法、系统及可读存储介质 |
CN113246985A (zh) * | 2021-06-21 | 2021-08-13 | 苏州大学 | 混行条件下快速路匝道智能网联车辆合流变道控制方法 |
CN113486822A (zh) * | 2021-07-12 | 2021-10-08 | 吉林大学 | 一种基于驾驶意图的周围车辆轨迹预测方法及系统 |
CN113515038A (zh) * | 2021-09-07 | 2021-10-19 | 西南交通大学 | 一种车辆换道方法、装置、设备及可读存储介质 |
CN113665574A (zh) * | 2021-10-22 | 2021-11-19 | 清华大学 | 智能汽车换道时长预测及拟人化轨迹规划方法 |
CN114987538A (zh) * | 2021-12-28 | 2022-09-02 | 同济大学 | 一种网联自动驾驶环境下考虑多目标优化的协同换道方法 |
CN114707364A (zh) * | 2022-06-02 | 2022-07-05 | 西南交通大学 | 一种匝道车辆汇流仿真方法、装置、设备及可读存储介质 |
CN115497315A (zh) * | 2022-09-03 | 2022-12-20 | 河海大学 | 一种车路协同环境下的动态公交专用道节能优化控制方法 |
CN115601954A (zh) * | 2022-12-13 | 2023-01-13 | 西南交通大学(Cn) | 一种智能网联车队的换道判断方法、装置、设备及介质 |
Non-Patent Citations (3)
Title |
---|
王振: "面向混合交通流的智能网联汽车换道策略研究与实现" * |
赵树恩: "基于多目标优化的智能车辆换道轨迹规划" * |
陈锦标: "面向混合交通环境的自动车与交叉口协同控制方法研究" * |
Also Published As
Publication number | Publication date |
---|---|
CN115830886B (zh) | 2023-05-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11380193B2 (en) | Method and system for vehicular-related communications | |
WO2021077725A1 (zh) | 一种基于驾驶意图的周围车辆运动状态预测系统及方法 | |
US11348339B2 (en) | Association and tracking for autonomous devices | |
CN110015306B (zh) | 驾驶轨迹获取方法及装置 | |
WO2022052406A1 (zh) | 一种自动驾驶训练方法、装置、设备及介质 | |
JP2018206036A (ja) | 車両制御システム及び方法、並びに走行支援サーバ | |
CN112233413B (zh) | 一种面向智能网联车辆的多车道时空轨迹优化方法 | |
Liu et al. | Distributed MPC for cooperative highway driving and energy-economy validation via microscopic simulations | |
DE102018215668A1 (de) | Vorrichtung, Verfahren und System für autonomes Fahren | |
US20200326719A1 (en) | Autonomous decisions in traffic situations with planning control | |
Tram et al. | Learning when to drive in intersections by combining reinforcement learning and model predictive control | |
CN114707364B (zh) | 一种匝道车辆汇流仿真方法、装置、设备及可读存储介质 | |
Qi et al. | Connected cooperative ecodriving system considering human driver error | |
CN108694841A (zh) | 一种基于v2x技术的智能车辆通行路口红绿灯方法 | |
CN115683145A (zh) | 一种基于轨迹预测的自动驾驶安全避障方法 | |
CN111899509B (zh) | 一种基于车路信息耦合的智能网联汽车状态向量计算方法 | |
CN113515038A (zh) | 一种车辆换道方法、装置、设备及可读存储介质 | |
CN111814766A (zh) | 车辆行为预警方法、装置、计算机设备和存储介质 | |
Mänttäri et al. | Learning to predict lane changes in highway scenarios using dynamic filters on a generic traffic representation | |
CN114446065A (zh) | 一种车辆行驶轨迹优化方法、装置、设备及可读存储介质 | |
Guo et al. | Self-defensive coordinated maneuvering of an intelligent vehicle platoon in mixed traffic | |
CN112542061A (zh) | 基于车联网的借道超车控制方法、装置、系统及存储介质 | |
CN115830886A (zh) | 智能网联车辆协同换道时序计算方法、装置、设备及介质 | |
JP2019164812A (ja) | 車両制御システム及び方法、並びに走行支援サーバ | |
CN116434603A (zh) | 一种基于ssm的自动驾驶车队横纵向同步安全控制方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |