CN116030636A - 一种公交车速动态规划的方法和系统 - Google Patents
一种公交车速动态规划的方法和系统 Download PDFInfo
- Publication number
- CN116030636A CN116030636A CN202310308987.2A CN202310308987A CN116030636A CN 116030636 A CN116030636 A CN 116030636A CN 202310308987 A CN202310308987 A CN 202310308987A CN 116030636 A CN116030636 A CN 116030636A
- Authority
- CN
- China
- Prior art keywords
- acceleration
- deceleration
- bus
- vehicle
- expressed
- 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
- 238000000034 method Methods 0.000 title claims abstract description 32
- 230000001133 acceleration Effects 0.000 claims abstract description 95
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 15
- 239000002245 particle Substances 0.000 claims abstract description 11
- 238000004088 simulation Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000010276 construction Methods 0.000 claims description 5
- 238000012545 processing Methods 0.000 abstract description 6
- 238000007726 management method Methods 0.000 abstract description 2
- 230000006870 function Effects 0.000 description 19
- 238000005516 engineering process Methods 0.000 description 8
- 238000004458 analytical method Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008054 signal transmission Effects 0.000 description 2
- 102100034112 Alkyldihydroxyacetonephosphate synthase, peroxisomal Human genes 0.000 description 1
- 101000799143 Homo sapiens Alkyldihydroxyacetonephosphate synthase, peroxisomal Proteins 0.000 description 1
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000000848 angular dependent Auger electron spectroscopy Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000009412 basement excavation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000000452 restraining effect Effects 0.000 description 1
Images
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种公交车速动态规划的方法和系统，属于基于管理目的的数据处理系统和方法技术领域，所述方法包括：根据公交车的车速和加减速，获得公交车的到站时间；预测到站时二次进站次数；预测公交车运营时长；基于二次进站次数、运营时长和加减速次数的加权和，建立目标函数；利用粒子群迭代算法对加减速进行迭代，求解目标函数，获得加减速序列；基于加减速序列，获得公交车的车速控制曲线。目标函数体现了二次进站次数、运营时长、以及加减速的次数，保障公交运行效率的情况下，减少二次进站次数和加减速次数，避免或减少二次进站的情况下，减少加减速次数；减少对公交车运行的干涉，提高公交车的驾驶体验和乘坐体验。
Description
技术领域
本发明涉及基于管理目的的数据处理系统和方法技术领域，具体涉及一种公交车速动态规划的方法和系统。
背景技术
现阶段，快速公交行业普遍存在进站拥堵问题：车辆进站时停车泊位上已经有车辆占用，后续车辆不得不停在站外等候，前方泊位的车辆离开之后，后面的车辆再启动进站，这样造成了车辆二次进站，在很大程度上降低了快速公交出行品质，对运营效率也造成了很大影响，具体的影响包括：车辆拥堵会导致车辆的运营速度降低；线路上的车头时距不均衡，乘客的等待时间变长，站台乘客拥挤，上下车拥挤等；车辆载客不均匀，造成运力的浪费。因此，需要一种能够动态规划公交车速的方法，避免公交或快速公交的二次进站。
当前，在智慧交通、车联网、自动驾驶领域，各项技术都在快速突破。在智能感知方面，传感技术不断突破，激光雷达、毫米波雷达、车载智能终端已应用到车辆ADAS等方面。通信方面，4G网络已实现普及，车载以太网、车云间移动信号传输标准都已经达到了智慧交通实用水平。同时，5G技术的到来，将更适合车辆高速行驶状况下的信号的实时传输。平台技术方面，芯片技术、云计算、人工智能算法的进步使得大量的车辆行驶信息能够在短时间内获得处理，并产生反馈输出，修正信号决策。在自动驾驶领域，L2级别的自动驾驶技术如ACC、AEB等也较为普遍。这些技术为实现公交动态车速规划的实现奠定了基础。
发明内容
针对现有技术中存在的上述技术问题，本发明提供一种公交车速动态规划的方法和系统，对公交车的车速进行动态规划，避免或减少二次进站。
本发明公开了一种公交车速动态规划的方法，所述方法包括：根据公交车的车速和加减速，获得公交车的到站时间；预测到站时二次进站的情况；获得公交车运营时长；基于二次进站次数、运营时长和加减速次数的加权和，建立目标函数；利用粒子群迭代算法对加减速进行迭代，求解目标函数，获得加减速序列；基于所述加减速序列，获得公交车的车速控制曲线。
优选的，还包括对车速控制曲线进行迭代的方法：根据多个运行公交班次的车速控制曲线，获得车速和加减速，执行步骤101-106。
优选的，所述目标函数表示为：
f(a) = min{λ 1
ω 1
+λ 2
ω 2
+λ 3
ω 3
}
其中，α表示为加速度，
f(a)表示为目标函数，
min( )表示为最小化，
λ 1 、
λ 2 、
λ 3 为权重系数，
ω 1 为二次进站次数之和，
ω 2 为公交班次的运营时长，
ω 3 为车辆加减速次数之和。
其中，
n i 表示为第
i个班次的二次进站次数，
n表示为班次总量，
T im 表示第
i个班次到达最后一个站的时间，
T i0 为第
i个班次的始发时间；表示为第
i个班次在第
l个时间的加速度，表示为加速度的个数，表示为加速度不为零，则I为1。
优选的，加减速序列表示为：
其中，的时间属性表示为
t+l×L；
t为时刻，
L表示为加减速的时间片段长度；
根据加速度序列获得速度序列，速度序列中每
i个班次的第
k个行驶车速可以表示为：。
优选的，加速度约束：
若加速度为正时，满足约束：；
若加速度为负时，满足约束：；
其中 ，a、b、c、d为常数。
优选的，对车速进行约束的方法包括：
采集公交班次的历史数据；
根据所述历史数据，分析所述班次在道路位置的最大车速；
基于所述最大车速，对车速进行约束。
优选的，步骤106中所述车速控制曲线包括S-V曲线，S表示为距离始发站的距离，V开示为车速；
步骤107中，结合高精度地图、线路数据、站点数据、班次数据，通过车速控制曲线进行模拟仿真计算，获取车辆途径地点的GPS坐标及到达时刻。
优选的，模拟仿真计算中，基于多元回归模型预测停车时间；
停车时间计算公式表示为：
tp = k1×候车人数+k2×上次停车时长+k3×本车满载率+k4
其中，
tp为停车时间
，k1、
k2、
k3和
k4为多元回归模型的系
数。
本发明还提供一种用于实现上述方法的系统，包括：仿真模块、模型构建模块和车速规划模块，
所述仿真模块用于根据公交车的车速和加速度，获得公交车的到站时间；预测到站时二次进站的情况；并获得公交车运营时长；
所述模型构建模块用于基于二次进站次数、运营时长和加减速次数的加权和，建立目标函数；
所述车速规划模块用于利用粒子群迭代算法对加减速进行迭代，求解目标函数，获得加减速的序列；并基于所述加减速序列，获得公交车的车速控制曲线。
与现有技术相比，本发明的有益效果为：目标函数体现了二次进站次数、运营时长、以及加减速的次数，求解目标函数得到的加减速序列，保障公交运行效率的情况下，减少二次进站次数和加减速次数，避免或减少二次进站的情况下，减少加减速次数；减少对公交车运行的干涉，提高公交车的驾驶体验和乘坐体验。
附图说明
图1是本发明的公交车速动态规划的方法流程图；
图2是本发明的系统逻辑框图。
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的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的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。
下面结合附图对本发明做进一步的详细描述：
一种公交车速动态规划的方法，如图1所示，所述方法包括：
步骤101：根据公交车的车速和加减速，获得公交车的到站时间。可以根据站点与站点之间的所有车辆的位置、速度、进出站情况，预测公交车的到站时间。
步骤102：预测到站时二次进站的情况。可以通过站点数据和多次公交车的到站时间，预测到站时二次进站的情况，如二次进站次数。
步骤103：预测公交车运营时长。运营时长为某班次公交车到达终点站的时间与始发时间之差，反应了公交车的运营效率。
步骤104：基于二次进站次数、运营时长和加减速次数的加权和，建立目标函数。
步骤105：利用粒子群迭代算法对加减速进行迭代，求解目标函数，获得加减速序列。加减速可用加速度进行表示，加速度为负时表示减速，为正时表示加速。
步骤106：基于所述加减速序列，获得公交车的车速控制曲线。
将车速控制曲线发送给公交车的终端，公交车的终端根据车速控制曲线，动态规划车速，例如通过自动驾驶控制车速、使到车辆间距合理。所述车速控制曲线可以采用S-V曲线，S表示为距离始发站的距离，用于表示公交车的位置，V开示为车速。
步骤107：根据多个运行公交班次的车速控制曲线，获得车速和加减速，执行步骤101-106。
对车速控制曲线进行迭代或更新，如每隔一定时间X，迭代/更新一次车速控制曲线。在一个具体实施例，结合高精度地图、线路数据、站点数据、班次数据，通过车速控制曲线进行模拟仿真计算，获取车辆途径地点的GPS坐标及到达时刻。
目标函数体现了二次进站次数、运营时长、以及加减速的次数，求解目标函数得到的加减速序列，保障公交运行效率的情况下，减少二次进站次数和加减速次数，避免或减少二次进站的情况下，减少加减速次数；减少对公交车运行的干涉，提高公交车的驾驶体验和乘坐体验。
步骤104中，一个具体的目标函数表示为：
f(a) = min{λ
1
ω
1
+λ
2
ω
2
+λ
3
ω
3
}
其中，
α表示为加速度，
f(a)表示为目标函数，
min( )表示为最小化，
λ 1 、
λ 2 、
λ 3 为权重系数，
ω 1 为二次进站次数之和，
ω 2 为公交班次的运营时长，
ω 3 为车辆加减速次数之和。
其中，
n i 表示为第
i个班次的二次进站次数，
n表示为班次总量，
T im 表示第
i个班次到达最后一个站的时间，
T i0 为第
i个班次的始发时间；表示为第
i个班次在第
l个时间的加速度，表示为加速度的个数，表示为若加速度不为零，则I为1，为零，则I为0。
加减速序列可以表示为：
其中，对应的时间属性表示为
t+l×L；
t为当前时间或某个指定时刻，
L表示为加减速的时间片段长度。加减速序列反应了在某个特定时间的加速度，在一个具体实施例中，
L取值为1-10秒，但不限于此。
根据加速度序列可以获得速度序列，速度序列中每
i个班次的第
k个行驶车速可以表示为：。
在求解目标函数过程中，可以采用以下任一约束或它们的组合：加速度约束和速度约束。
加速度约束表示为：
若加速度为正时，满足约束：；
若加速度为负时，满足约束：；
其中 ，a、b、c、d为常数。加速度约束可提高乘客的体验。加速度值为0时，为匀速行驶。还可以对加减速的总时长进行约束，如小于阈值。
对车速进行约束的方法：采集公交班次的历史数据；根据所述历史数据，分析所述班次在道路位置的最大车速；基于所述最大车速，对车速进行约束。
实施例1
一、数据采集和预处理：
所采集的数据包括：线路数据、站点数据、车辆信息、泊位数据、高精地图、场站数据、历史班次、CAN数据、乘车数据（如刷卡数据）、环境数据、车辆GPS、站台乘客数量、以及红绿灯数据等。
在所有BRT线路上，安装高精度定位设备，进行GPS数据采集，每个线路至少采集1辆车1周的数据，推荐采集所有辆车1个月的数据。使用Kafka、mqtt、Hadoop等大数据处理技术对其他系统中的数据，根据实际情况进行离线、在线、实时数据采集和存储。
使用采集的数据制作高精度地图，包括计算分析道路坡度、限速数据。高精度地图主要包含车道级别的线路轨迹数据、站点GPS坐标，道路的限速数据、道路的坡度数据。高精度地图数据主要通过安装在车辆上的分米级高精度定位设备采集制作完成，采集的数据字段包含经度、纬度、航向角、高程、GPS车速。通过采集车辆若干月的数据进行分析，能够分析出道路位置的最大车速情况，作为道路的限速模型。通过采集的高程数据分析出道路的坡度数据。高精度地图可以采用扩展的OpenDrive格式。
在车辆上下门位置及站台上安装摄像头，分别分析统计车辆上下车的人数及站台上的人数。
对采集的数据进行预处理和分析，为数据建模做准备。例如进行数据清洗和规整，其中数据清洗主要包含数据的冗余处理、数据缺失处理和异常数据的发现等。数据分析主要包含乘客刷卡OD数据的分析、车辆车载人数的分析处理等。
二、数据建模
建立的模型可以包括：到站时间预测模型、到站后的停车时间预测模型、车位位置估算模型、加减速决策模型等。
到站时间预测模型用于根据站点与站点之间的所有车辆的位置、速度、进出站情况采用机器学习回归算法预估所有车辆的到站时间；或者利用采集的车辆时间和位置数据，使用车辆的S-V曲线预估车辆的到站时间。
停车时间预测模型用于预测停车时间。可以利用乘客刷卡数据、车辆位置数据、车辆历史停车数据和车辆满载率等数据，挖掘回归算法训练建立车辆停车时间预测模型。可以基于多元回归模型预测停车时间；停车时间计算公式表示为：
tp = k1×候车人数+k2×上次停车时长+k3×本车满载率+k4
其中，
tp为停车时间
，k1、
k2、
k3和
k4为多元回归模型的系
数。
车辆位置估算模型用于估算车辆的位置。在实际运营中会存在少量的GPS位置不准确的情况，可以根据高精度地图模型及车辆的轮速信号，使用轮速时间积分的方式计算相对位置，来估算出信号不佳时的车辆坐标、位置。
加减速决策模型用于利用粒子群迭代算法对加减速进行迭代，求解目标函数，获加减速序列和车辆控制曲线，如S-V曲线。
使用优化算法每X秒钟计算一次位置车速控制曲线，记录起始位置经纬度坐标。计算的车速曲线为未来2X秒内推荐的车速曲线。
公交车的终端根据收到的s-v曲线采用PID控制算法进行车速跟随。
三、车速动态规划效果评价
通过对实际运营数据的分析、统计进站时二次进站的次数、车辆接管的次数（加减速次数）、车头时距保持的距离不合理次数、车速不平稳等监控指标，及时发现车速规划模型、到达时间预估模型等算法的不足，并进行改进，不断迭代完善，从而实现避免二次进站的目标。
在一个具体实施例中，为实现本发明的公交车速动态规划的方法，对公交车进行了硬件升级，主要包括车辆智能化升级，司机智能化辅助等内容。车辆智能化升级，主要包括：车辆采用亚米级及以上的车辆定位系统、车辆加装智能控制终端、智能化语音提醒设备、智能屏幕等，能够从硬件上实现车辆的纵向控制。司机智能化辅助，主要包括：为司机加装PAD等形式的智能屏，为司机进行车速提醒，前方车距及位置提醒，前方车辆进展状态提醒等。
车辆使用新能源电动车辆、具有地盘线控功能，能够实现车辆的纵向控制。通过动态车速规划与车速纵向控制，实现车辆在站点与站点之间的车速动态规划，无需司机踩踏油门或刹车，进一步体现了电气化、数据化、智能化。
实施例2
本实施例提供一种用于实现上述方法的系统，如图2所示，包括仿真模块1、模型构建模块2和车速规划模块3，
仿真模块1用于根据公交车的车速和加速度，获得公交车的到站时间；预测到站时二次进站的情况；并获得公交车运营时长；
模型构建模块2用于基于二次进站次数、运营时长和加减速次数的加权和，建立目标函数；
车速规划模块3用于利用粒子群迭代算法对加减速进行迭代，求解目标函数，获得加减速的序列；并基于所述加减速序列，获得公交车的车速控制曲线。
本发明实现公交系统中的车辆（如BRT快速车）速动态规划，通过自动驾驶控制达到车辆间距合理保持，避免或避免进站时的二次进站问题；能够根据客流情况预估车辆停靠时间，提前做出加速或减速决策，避免车辆串车拥挤，能够提高公交车的运营效率，节约运行变动成本。实现了车辆的纵向车速控制，实现车速的平稳运营，提高乘客的乘车体验。
以上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。
Claims (10)
1.一种公交车速动态规划的方法，其特征在于，所述方法包括：
步骤101：根据公交车的车速和加减速，获得公交车的到站时间；
步骤102：预测到站时二次进站次数；
步骤103：预测公交车运营时长；
步骤104：基于二次进站次数、运营时长和加减速次数的加权和，建立目标函数；
步骤105：利用粒子群迭代算法对加减速进行迭代，求解目标函数，获得加减速序列；
步骤106：基于所述加减速序列，获得公交车的车速控制曲线。
2.根据权利要求1所述的方法，其特征在于，还包括对车速控制曲线进行迭代的方法：
步骤107：根据多个运行公交班次的车速控制曲线，获得车速和加减速，执行步骤101-106。
3.根据权利要求1所述的方法，其特征在于，所述目标函数表示为：
f(a) = min{λ
1
ω
1
+λ
2
ω
2
+λ
3
ω
3
}
其中，α表示为加速度，f(a)表示为目标函数，min( )表示为最小化，λ 1 、λ 2 、λ 3 为权重系数，ω 1 为二次进站次数之和，ω 2 为公交班次的运营时长，ω 3 为车辆加减速次数之和。
4.根据权利要求3所述的方法，其特征在于，
其中，n i 表示为第i个班次的二次进站次数，n表示为班次总量，T im 表示第i个班次到达最后一个站的时间，T i0 为第i个班次的始发时间；表示为第i个班次在第l个时间的加速度，表示为加速度的个数，表示为不为零，则I为1。
5.根据权利要求3所述的方法，其特征在于，加减速序列表示为：
其中，的时间属性表示为t+l×L；t为时刻，L表示为加减速的时间片段长度；
根据加速度序列获得速度序列，速度序列中每i个班次的第k个行驶车速表示为：
。
6.根据权利要求4所述的方法，其特征在于，还包括加速度约束：
若加速度为正时，满足约束：；
若加速度为负时，满足约束：；
其中 ，a、b、c、d为常数。
7.根据权利要求1所述的方法，其特征在于，还包括对车速进行约束的方法：
采集公交班次的历史数据；
根据所述历史数据，分析所述班次在道路位置的最大车速；
基于所述最大车速，对车速进行约束。
8.根据权利要求1所述的方法，其特征在于，步骤106中所述车速控制曲线包括S-V曲线，S表示为距离始发站的距离，V开示为车速；
结合高精度地图、线路数据、站点数据、班次数据，通过车速控制曲线进行模拟仿真计算，获取车辆途径地点的GPS坐标及到达时刻。
9.根据权利要求8所述的方法，其特征在于，模拟仿真计算中，基于多元回归模型预测停车时间；
停车时间计算公式表示为：
tp = k1×候车人数+k2×上次停车时长+k3×本车满载率+k4
其中，tp为停车时间，k1、k2、k3和k4为多元回归模型的系数。
10.一种公交车速动态规划的系统，其特征在于，用于实现如权利要求1-9任一项所述的方法，所述系统包括：仿真模块、模型构建模块和车速规划模块，
所述仿真模块用于根据公交车的车速和加速度，获得公交车的到站时间；预测到站时二次进站的情况；并获得公交车运营时长；
所述模型构建模块用于基于二次进站次数、运营时长和加减速次数的加权和，建立目标函数；
所述车速规划模块用于利用粒子群迭代算法对加减速进行迭代，求解目标函数，获得加减速的序列；并基于所述加减速序列，获得公交车的车速控制曲线。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310308987.2A CN116030636A (zh) | 2023-03-28 | 2023-03-28 | 一种公交车速动态规划的方法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310308987.2A CN116030636A (zh) | 2023-03-28 | 2023-03-28 | 一种公交车速动态规划的方法和系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116030636A true CN116030636A (zh) | 2023-04-28 |
Family
ID=86079844
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310308987.2A Pending CN116030636A (zh) | 2023-03-28 | 2023-03-28 | 一种公交车速动态规划的方法和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116030636A (zh) |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102346809A (zh) * | 2011-06-30 | 2012-02-08 | 中国人民解放军理工大学工程兵工程学院 | 一种将爆破振动加速度转换为速度的方法 |
| CN205451517U (zh) * | 2015-11-01 | 2016-08-10 | 重庆交通大学 | 一种基于运行车速分析的智能公交车调度系统 |
| CN108407786A (zh) * | 2018-03-16 | 2018-08-17 | 安徽大鸿智能科技有限公司 | 用于快速公交车的控制系统 |
| CN108749814A (zh) * | 2018-05-24 | 2018-11-06 | 北理慧动（常熟）车辆科技有限公司 | 一种智能驾驶车辆行驶控制方法 |
| CN110126815A (zh) * | 2019-04-10 | 2019-08-16 | 百度在线网络技术（北京）有限公司 | 用于协助交通工具的驾驶控制的方法、装置、设备和介质 |
| CN111340289A (zh) * | 2020-02-25 | 2020-06-26 | 杭州电子科技大学 | 一种基于遗传算法的公交发车与车速调整优化方法及系统 |
| CN111645685A (zh) * | 2020-06-05 | 2020-09-11 | 上海元城汽车技术有限公司 | 一种经济车速的规划方法、装置、存储介质及设备 |
| CN111899547A (zh) * | 2020-07-08 | 2020-11-06 | 长安大学 | 多线路公交站台泊位分配及车辆速度引导方法及其系统 |
| GB202103435D0 (en) * | 2021-03-12 | 2021-04-28 | Five Ai Ltd | Implementing slowdown manoeuvres in autonomous vehicles |
| CN113135113A (zh) * | 2020-01-19 | 2021-07-20 | 郑州宇通客车股份有限公司 | 一种全局soc规划方法及装置 |
| CN114834467A (zh) * | 2022-05-18 | 2022-08-02 | 北京京东乾石科技有限公司 | 自动驾驶车辆的控制运行方法、装置及无人车 |
| CN114861514A (zh) * | 2021-02-03 | 2022-08-05 | 华为技术有限公司 | 一种车辆行驶方案的规划方法、装置和存储介质 |
| CN115047766A (zh) * | 2022-06-13 | 2022-09-13 | 西南交通大学 | 一种基于预测控制模型的速度规划方法 |
-
2023
- 2023-03-28 CN CN202310308987.2A patent/CN116030636A/zh active Pending
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102346809A (zh) * | 2011-06-30 | 2012-02-08 | 中国人民解放军理工大学工程兵工程学院 | 一种将爆破振动加速度转换为速度的方法 |
| CN205451517U (zh) * | 2015-11-01 | 2016-08-10 | 重庆交通大学 | 一种基于运行车速分析的智能公交车调度系统 |
| CN108407786A (zh) * | 2018-03-16 | 2018-08-17 | 安徽大鸿智能科技有限公司 | 用于快速公交车的控制系统 |
| CN108749814A (zh) * | 2018-05-24 | 2018-11-06 | 北理慧动（常熟）车辆科技有限公司 | 一种智能驾驶车辆行驶控制方法 |
| CN110126815A (zh) * | 2019-04-10 | 2019-08-16 | 百度在线网络技术（北京）有限公司 | 用于协助交通工具的驾驶控制的方法、装置、设备和介质 |
| CN113135113A (zh) * | 2020-01-19 | 2021-07-20 | 郑州宇通客车股份有限公司 | 一种全局soc规划方法及装置 |
| CN111340289A (zh) * | 2020-02-25 | 2020-06-26 | 杭州电子科技大学 | 一种基于遗传算法的公交发车与车速调整优化方法及系统 |
| CN111645685A (zh) * | 2020-06-05 | 2020-09-11 | 上海元城汽车技术有限公司 | 一种经济车速的规划方法、装置、存储介质及设备 |
| CN111899547A (zh) * | 2020-07-08 | 2020-11-06 | 长安大学 | 多线路公交站台泊位分配及车辆速度引导方法及其系统 |
| CN114861514A (zh) * | 2021-02-03 | 2022-08-05 | 华为技术有限公司 | 一种车辆行驶方案的规划方法、装置和存储介质 |
| GB202103435D0 (en) * | 2021-03-12 | 2021-04-28 | Five Ai Ltd | Implementing slowdown manoeuvres in autonomous vehicles |
| CN114834467A (zh) * | 2022-05-18 | 2022-08-02 | 北京京东乾石科技有限公司 | 自动驾驶车辆的控制运行方法、装置及无人车 |
| CN115047766A (zh) * | 2022-06-13 | 2022-09-13 | 西南交通大学 | 一种基于预测控制模型的速度规划方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20220227394A1 (en) | Autonomous Vehicle Operational Management | |
| WO2021136130A1 (zh) | 一种轨迹规划方法及装置 | |
| JP7140849B2 (ja) | 確率的オブジェクト追跡及び予測フレームワーク | |
| CN110562258B (zh) | 一种车辆自动换道决策的方法、车载设备和存储介质 | |
| CN106846871B (zh) | 一种根据导航路径规划车速的方法、装置及系统 | |
| CN109584600B (zh) | 应用于无人驾驶公交车的时刻表可靠性的自动化控制方法 | |
| WO2018147872A1 (en) | Autonomous vehicle operational management control | |
| CN108603763A (zh) | 行驶计划生成装置、行驶计划生成方法和行驶计划生成程序 | |
| WO2022142839A1 (zh) | 一种图像处理方法、装置以及智能汽车 | |
| KR20210069954A (ko) | 빅데이터를 활용한 인공지능 기반 통합 교통 신호 제어 시스템 및 방법 | |
| CN116013101B (zh) | 一种基于网联环境的无信号路口速度建议系统和方法 | |
| WO2019088977A1 (en) | Continual planning and metareasoning for controlling an autonomous vehicle | |
| CN108847019B (zh) | 一种计算可变线路公交车辆到达固定站点行程时间的方法 | |
| JP2024517167A (ja) | 系統的最適化を伴う車両案内 | |
| CN113781839A (zh) | 一种基于车路协同的十字路口高效通行方法及交通系统 | |
| CN117416344A (zh) | 自主驾驶系统中校车的状态估计 | |
| CN117007052A (zh) | 机场无人驾驶车辆安全运行检测方法、电子设备及存储介质 | |
| US20240067195A1 (en) | Transfer Learning with Experience Filter for Vehicle Operation | |
| CN116030636A (zh) | 一种公交车速动态规划的方法和系统 | |
| CN113053100A (zh) | 一种公交到站时间的预估方法及装置 | |
| CN116386365B (zh) | 一种提升港区道路安全性的交通路径诱导方法及系统 | |
| US20240017744A1 (en) | Operational weather management | |
| EP4386510A1 (en) | Methods and systems for handling occlusions in operation of autonomous vehicle | |
| CN118097998B (zh) | 道路状态提示方法、系统、存储介质及电子设备 | |
| RU2777862C1 (ru) | Система формирования энергоэффективного навигационного маршрута эксплуатируемого транспортного средства |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20230428 |