CN116580570A - 智能网联条件下交叉口内部通行线路失效后的车辆轨迹控制方法 - Google Patents
智能网联条件下交叉口内部通行线路失效后的车辆轨迹控制方法 Download PDFInfo
- Publication number
- CN116580570A CN116580570A CN202310562723.XA CN202310562723A CN116580570A CN 116580570 A CN116580570 A CN 116580570A CN 202310562723 A CN202310562723 A CN 202310562723A CN 116580570 A CN116580570 A CN 116580570A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- intersection
- time
- track
- accident
- 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 64
- 206010039203 Road traffic accident Diseases 0.000 claims abstract description 15
- 241000725585 Chicken anemia virus Species 0.000 claims description 47
- 238000004422 calculation algorithm Methods 0.000 claims description 12
- 230000033001 locomotion Effects 0.000 claims description 9
- 230000001133 acceleration Effects 0.000 claims description 5
- 101000872084 Danio rerio Delta-like protein B Proteins 0.000 claims description 2
- 238000005457 optimization Methods 0.000 claims description 2
- 230000035484 reaction time Effects 0.000 claims description 2
- 230000008859 change Effects 0.000 abstract description 8
- 235000006679 Mentha X verticillata Nutrition 0.000 description 18
- 235000002899 Mentha suaveolens Nutrition 0.000 description 18
- 235000001636 Mentha x rotundifolia Nutrition 0.000 description 18
- 230000008901 benefit Effects 0.000 description 7
- 238000009795 derivation Methods 0.000 description 4
- 238000002474 experimental method Methods 0.000 description 4
- 230000001976 improved effect Effects 0.000 description 4
- 238000004088 simulation Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000006698 induction Effects 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000011217 control strategy Methods 0.000 description 2
- 230000001934 delay Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- 239000000446 fuel Substances 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 229920006395 saturated elastomer Polymers 0.000 description 2
- 206010033799 Paralysis Diseases 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000011961 computed axial tomography Methods 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000034994 death Effects 0.000 description 1
- 231100000517 death Toxicity 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/07—Controlling traffic signals
-
- 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
-
- 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
Abstract
本发明涉及一种智能网联条件下交叉口内部通行线路失效后的车辆轨迹控制方法,属于车辆轨迹控制领域。该方法将交叉口前长度为d的路段设置为车辆缓冲区,配置控制中心、车辆检测器、摄像头和路侧单元(RSU);车辆进入缓冲区后所有车辆在缓冲线前可自由变道,车辆缓冲区内不允许变道;检测交叉口是否发生交叉口交通事故:若发生交叉口事故则控制中心考虑事故车辆位置,为各后续车辆分配新的轨迹规划;否则控制中心考虑队列长度,为CAV分配通行资源、优化CAV行车轨迹,并将控制CAV通过交叉口。本发明能够针对交叉口处因交通事故引发的拥堵进行快速疏导,提升事故救援速度和交通系统整体运行效率。
Description
技术领域
本发明属于车辆轨迹控制领域,涉及一种智能网联条件下交叉口内部通行线路失效后的车辆轨迹控制方法。
背景技术
在交通运输系统中,交叉口是道路交通的瓶颈,交叉口管理更是维护交通安全和通畅最具挑战的任务之一。据统计,在美国报告的所有事故中,有超过44%的事故发生在交叉口区域内,每年导致8500人死亡和大约100万人受伤。此外,交叉口交通事故(Intersection traffic accidents,ITA)容易造成交通拥堵等额外损失,对自然和人力资源造成巨大浪费。当ITA发生时,如何快速救援受伤人员并解除交通拥堵是亟需解决的交通问题之一。
针对城市路口的交通事故拥堵问题,研究者们已经提出了多种解决方案来疏导。其中,路径诱导方法(减少部分道路和路口的交通需求)和事故现场处理方法(恢复路口通行能力)最受关注。由于事故现场的复杂性,事故路段容易发生拥堵。然而,当ITA发生在主干道上时,由于交叉口的故障,路径诱导方法的效果并不明显。因此,需要引入事故现场处理等技术来有效减少交通拥堵。Aslani等人提出用于实时适应动态交通网络的动作-评价自适应交通信号控制器(Actor-critic adaptive traffic signal controllers,A-CATs)。但是,由于事故车道的瘫痪,低通行能力仍然是事故路口面临的最大问题。
近年来,智能网联车辆(CAV)融合了车联网和无人驾驶技术的优势,为建设安全、高效和可持续发展的下一代交通系统提供了强有力的技术支持。目前研究表明,当CAV市场渗透率达到100%时,协同交通流模型可以将无信号或信号交叉口的通行能力提升40%以上。设想这样一个场景,CAV技术得到蓬勃发展和全面普及,路网中所有车辆都为CAV车辆,由信号灯控制的交叉口逐渐消失并被CAV之间的协同通行取代。然而,由于车辆遵循预设轨迹自动驾驶,一旦交叉口内部出现由于失效车辆导致的交通拥堵,车辆在交叉口的协同将难以实现。因此,提高在纯CAV交通流条件下适应ITA的能力,使其能够在尽量减小事故影响的条件下处理交通事故是值得探讨的问题。
在该背景下,构建一种纯CAV场景下能够有效解决交叉口事故现场处理效率低和当前协同交通模型的局限性问题的方法具有重要意义。
发明内容
有鉴于此,本发明的目的在于提供一种智能网联条件下交叉口内部通行线路失效后的车辆轨迹控制方法,对交叉口处因交通事故引发的拥堵进行快速疏导,提升事故救援速度和交通系统整体运行效率。
为达到上述目的,本发明提供如下技术方案:
一种智能网联条件下交叉口内部通行线路失效后的车辆轨迹控制方法,包括步骤:
S1、将交叉口前长度为d的路段设置为车辆缓冲区,配置控制中心、车辆检测器、摄像头和路侧单元(RSU),其中,RSU通过全息感知系统捕捉CAV轨迹,并将信息传输给控制中心,CAV受控制中心指令通过交叉口,摄像头可识别交叉口事故并确定事故车辆的位置;车辆进入缓冲区后所有车辆在缓冲线前可自由变道,车辆缓冲区内不允许变道;
S2、检测交叉口是否发生交叉口交通事故,若发生交叉口事故则执行步骤S3,否则执行步骤S4;
S3、控制中心考虑事故车辆位置,为各后续车辆分配新的轨迹规划;
S4、控制中心考虑队列长度,为CAV分配通行资源、优化CAV行车轨迹,并将控制指令发送给CAV;
S5、CAV按照S4中的控制指令通过交叉口。
进一步地,步骤S3中各后续车辆新轨迹规划的具体步骤如下:
S31、确定事故车辆所处车道的行进方向(直行或左转);
S32、根据不同的车道行进方向,为其规划相应的车辆轨迹方案(SS或SL)。
具体地,S32中,车辆轨迹重规划方案的方式如下:
a)事故车辆为直行车辆的轨迹重规划方案SS
在t时刻,事故车辆中心的位置为:
{xijk(t),yijk(t)}={d+4.5B,Yb} (1)
其中,xijk(t)和yijk(t)分别表示事故车辆Vijk在t时刻的中心坐标,B表示车道宽度,Yb表示控制中心可获得的y轴坐标。
令表示冲突点到起始点的距离,其中ξ∈{1,2,…,n}表示冲突点编号,S表示直行,令l′表示事故车辆中心点与起点线之间的距离,令d表示交叉口最右侧车道的转弯半径。则有:
l′=Yb (3)
当控制中心规划轨迹时,后续车辆的轨迹重规划方案SS可以表示为:
其中,ΔB为一个常数,是指在不影响其他车辆正常行驶的情况下,允许车辆占据部分行驶车道的距离大小,表示坐标原点与事故车辆的连线Or1P和坐标y轴之间的夹角。
b)事故车辆为左转车辆的轨迹重规划方案SL
在t时刻,事故车辆中心的位置为:
{xijk(t),yijk(t)}={Xb,Yb} (5)
其中,xijk(t)和yijk(t)分别表示车辆Vijk在t时刻的中心坐标。Xb、Yb分别表示控制中心可获得的x、y轴坐标。
令表示冲突点到起始点的距离,其中ξ∈{1,2,…,n}表示冲突点编号,L表示左转,令l′表示事故车辆中心点与起点线之间的距离,令d表示交叉口最右侧车道的转弯半径。则有:
其中,
式中,α1表示坐标原点与事故车辆的连线Or1P和坐标y轴之间的夹角,α2表示坐标原点与事故车辆的连线Or1P和坐标x轴之间的夹角,R表示左转车辆在交叉口内部的转弯半径,θ表示事故车辆中心位置到交叉入口起始线的夹角。
当控制中心规划轨迹时,其他车辆的轨迹重规划方案SL可以表示为:
其中,ΔB为一个常数,是指在不影响其他车辆正常行驶的情况下,允许车辆占据部分行驶车道的距离大小。
进一步地,步骤S4中控制中心考虑队列长度,为CAV分配通行资源并优化CAV行车轨迹的具体步骤如下:
S41、选取队列长度最长的车道优先分配交叉口通行资源;
S42、对路口进行网格化处理,并利用cell-span的二元数据结构来描述路口时空资源,其中cell作为空间的基本单位,span代表时间的基本单位;其次用二元数据结构M={0,1}表示cell的状态,0表示空闲,1表示占用;最后利用投影算法为CAV分配通行资源;
S43、基于三段式线性方法求解CAV在车辆缓冲区的轨迹,返回步骤S41,直到所有CAV均分配了可行的通行轨迹。
具体地,步骤S42中,利用投影算法为CAV分配通行资源的计算如下:
为了获得车辆到达交叉口起始点的状态S2(t2,v2),则车辆到达交叉口的时间t2应满足条件:
mint2=t1+Tα (10)
subject to:
式中,t1和t2分别表示车辆进入车辆缓冲区和到达交叉口的时间,Tα表示在控制中心控制下CAV在车辆缓冲区行驶的时间,Δt表示安全时间间隔,是CAV在车辆缓冲区行驶的平均速度,Lα是车辆缓冲区的长度,/>是冲突点时间占用集合。
上式中,的计算方法:
式中,是冲突点Cn的时间占用集合,/>和/>分别表示元胞占用的开始和结束时间,νn是已预定通过冲突点Cn的车辆集合;/>表示进口方向ξ的车道轨迹上第n个冲突点的资源占用时间记录,其中 为车辆从起始线匀速行驶至冲突点Cn的时间,其中v2表示车辆到达交叉口的速度;/>表示/>在时间上倒退时间因此,/>是/>的投影。
车辆达到交叉口停车线的最短时间点mint2:
若时,则有:
否则:
具体地,S43中,基于三段式线性方法求解CAV在车辆缓冲区轨迹,具体如下:
假设是车辆/>的速度函数且在时间段[t1,t2]中连续可微,其中,S1和S2分别表示车辆初始状态和到达交叉口的状态,t1和t2分别表示初始时间和达到交叉口的时间。车辆将遵循以下动态约束:
subject to:
式中,v1和v2分别表示车辆初始速度和到达交叉口的速度,x∈[t1,t2],vmax和vmin分别表示车辆缓冲区车辆行驶被允许的最大和最小速度;amax表示加速度,amax>0,amin表示减速度,amin<0;ΔS表示安全距离,表示前车的速度函数;σ是损失时间的总和,包括机器延迟时间和反应时间;Lm-1表示前车长度。
在动力学约束条件下,车辆所能行驶的最大和最小距离计算公式如下:
subject to:
则有:
其中,L={Lmax,Lmin}表示车辆所能行驶的距离,Lmax和Lmin分别表示车辆可以行驶的最大和最小距离;v1和v2分别表示车辆的初始速度和到达交叉口的速度;v′m和vm分别代表车辆在规定距离内所能达到的最大和最小速度;t表示三段式持续的总时间;tt1和tt2分别表示第一阶段和第三阶段的持续时间;a1和a2分别表示第一阶段和第三阶段的加速度。
三段式求解是指在三段式控制模式下的求解方法,即车辆通过变速运动(第一阶段)、匀速阶段(第二阶段)和变速阶段(第三阶段)使车辆以状态S2(t2,v2)到达交叉口。若L∈[Lmin,Lmax],则该问题通过三段式求解算法求解如下:
subject to:
其中,a1,a2∈[amin,amax],tm1,tm2∈[t1,t2],vmed表示匀速阶段的速度。记tf=tm1-t1为第一阶段的变速运动所用时间,ts=tm2-tm1为第二阶段的匀速运动所用时间,tt=t2-tm2为第三阶段的变速运动所用时间,则:
vmed=v1+a1tf (25)
a1tf+a2tt=v2-v1 (26)
ts=t-tf-tt (27)
为了使每辆车在车辆缓冲区都能够平稳行驶,设计的车辆轨迹控制模型如下:
min(|a1(tm1-t1)|+|a2(t2-tm2)|) (28)
subject to:车辆可以行驶的距离L。
执行完上述车辆轨迹优化的步骤后,将该车道标记为已分配通行资源且获得优化车辆轨迹,否则存在通行资源冲突,返回步骤S42中重新进行通行资源分配。
上述所有约束条件组成一个多约束数学优化模型,对其求解,若有可行解,则得到CAV轨迹控制方案。
本发明的有益效果在于:本发明能对智能网联环境下无信号灯控制的道路交叉口交通事故问题进行路网供给侧控制的路径重分配,从而为解决现有事故条件下交叉口拥堵问题提供参考方向,使交通系统的整体运行效率得到提升。
本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述,并且在某种程度上,基于对下文的考察研究对本领域技术人员而言将是显而易见的,或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。
附图说明
为了使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作优选的详细描述,其中:
图1为交叉口布置示意图;
图2为交叉口车辆轨迹平面示意图;
图3为交叉口车辆轨迹规划集;
图4为车辆轨迹控制的投影算法示意图;
图5为车辆轨迹控制方法流程示意图;
图6为车辆在交叉口车辆缓冲区的时空轨迹;
图7为车辆在交叉口车辆缓冲区的速度变化曲线;
图8为交叉口仿真布局示意图;
图9为不同轨迹规划下不同控制策略的性能示意图;
图10为车辆仿真时在车辆缓冲区和核心区的时空轨迹;
图11为不同救援时间和不同控制方法下能耗和吞吐量。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本发明的精神下进行各种修饰或改变。需要说明的是,以下实施例中所提供的图示仅以示意方式说明本发明的基本构想,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。
其中,附图仅用于示例性说明,表示的仅是示意图,而非实物图,不能理解为对本发明的限制;为了更好地说明本发明的实施例,附图某些部件会有省略、放大或缩小,并不代表实际产品的尺寸;对本领域技术人员来说,附图中某些公知结构及其说明可能省略是可以理解的。
实施例1
本实施例基于以下假设:
(1)在智能路口附近设置多个RSU和一个网联车辆中心(控制中心)以协调车辆运动。RSU通过全息感知系统(例如激光雷达、毫米波雷达和北斗导航卫星系统)捕抓CAV的轨迹,然后将信息传输到控制中心。
(2)每辆CAV在接近路口时都会与控制中心(通过RSU)进行通信,并定期共享信息。每辆CAV接收并严格遵循控制中心的相应指令。CAV状态(速度、加速度、轨迹)的测量误差和通信延迟小到可以忽略不计。
(3)缓冲区内不允许变道,车辆在整个核心区(交叉口内部)保持匀速运动。
(4)如果车辆未获得通过许可,则以缓慢的固定速度(如6m/s)行驶并等待通过指令(未经授权到达第二个停车线时停车等候)。
(5)路口发生事故,控制中心将控制信号灯对已经进入缓冲区的车辆队列进行消散,并禁止所有车辆进入缓冲区,直到制定新的车辆轨迹计划并且缓冲区内所有车辆都已清空。
考虑一个双向六车道的典型交叉口,将交叉口前长度为d的路段设置为车辆缓冲区(BA),配置控制中心、车辆检测器、摄像头、RSU,其中,RSU通过全息感知系统捕捉CAV轨迹,并将信息传输给控制中心,CAV受控制中心指令通过交叉口,摄像头可识别交叉口事故并确定事故车辆的位置,车辆进入缓冲区后所有车辆在缓冲线前可自由变道,车辆缓冲区内不允许变道,如图1所示。
为解决智能网联下交叉口处因障碍物引发的交通事故,需对车辆轨迹进行重规划。令表示从方向i的车道k(k∈K)进入交叉口的车辆,其到达状态为S2(t2,v2),并从方向j的车道k离开交叉口;v2和t2分别表示到达车速和时间,m为车辆编号。S1(t1,v1)是车辆在BA中的当前状态,v1和t1分别是车速和时间。假设Wm和Lm分别是车辆/>的宽度和长度,B是车道宽度。另外,令/>表示车辆/>在时间t的车辆中心坐标。Or和Or1是用于制定标准坐标系的坐标原点,Rijk是转弯半径。假设θ表示车辆中心与原点的直线与x轴正方向的夹角,α表示交叉点与原点的直线与x轴正方向的夹角。如图2所示交叉口车辆事故的一般情况,包括直行和左转的车辆。令/>表示冲突点(Conflict section,CS)与起始线(第一停止线)之间的距离,下标ξ∈{1,2,3,…,n}为CS编号,上标λ∈{S,L}是表示直行或左转的方向指示符。l′是事故车辆中点到起始线的距离。由轨迹规划模型得到车辆直行和左转的轨迹重规划解决方案SS和SL,假设S={S1,S2,S3,S4,S5,S6,L1,L2,L3,L4,L5,L6}作为轨迹规划集,如图3所示。此外,一旦交叉口发生事故,阻塞车道的状态将转换为救援专用道。为简洁起见,插图中仅给出了一条救援轨迹。因此,救援人员可以通过救援通道快速到达事故现场,无需担心交通拥堵。
此外,现行交通法中还有涉及紧急情况的特种车辆,例如消防车、救护车和警车等。为了紧急救援,特种车辆须尽快抵达救援地,以确保人身财产安全,并在最大程度上降低损失。因此,特种车辆可能会快速行驶,易对其他车辆构成危险,基于障碍物位置的交叉口路线重规划模型可以有效得解决此类问题。即使在没有发生交叉口交通事故的情况下,运用该模型特种车辆也可以优先使用救援车道,进行快速救援任务。
为实现对路口时空资源的定量描述,对路口进行网格化处理,并利用cell-span的二元数据结构来描述路口时空资源,其中cell作为空间的基本单位,span代表时间的基本单位。M={0,1},0表示空闲,1表示占用。如图4所示,车辆的轨迹穿过四个CS(即C1,C2,C3,C4),这些冲突点CS被视为单元格。在BA中,每辆车都会调整其速度以满足所需的状态S2(t2,v2)。因此,所有车辆都可以畅通无阻地通过交叉口。
要实现交叉口处因障碍物引发的交通事故问题,进行路径重规划并协调交通流,有两个关键问题需要解决:
(1)根据障碍物位置信息为各后续车辆分配新的轨迹规划;
(2)在新的轨迹规划下,实现车辆协同控制。
为便于计算,对车辆的时间维度以相对时间描述,单位为秒(s),空间距离单位为米(m),速度单位为米/秒(m/s)。假设交叉口长度为23m,交叉口各进口车道停车线到冲突点的距离由步骤S3中的新车辆轨迹重规划计算得到。
本实施例中的主要参数如表1所示:
表1参数设置
结合图5对本发明所述方法做出详细说明:
S1、RSU通过全息感知系统获取各车道CAV信息;RSU检测到从0时刻起,交叉口路段中车道N2、S2、W1和E1先后有车到达缓冲区,各车道车辆信息如表2所示:
表2各车道的车辆信息
S2、检测到交叉口发生交叉口交通事故;
S3、为各车道分配新的轨迹规划;
首先,RSU通过车辆检测器获取障碍物位置信息{xijk(t),yijk(t)}={17.6,12.8};
根据障碍物位置信息,可以确定障碍物为直行车辆,因此为各车道分配轨迹重规划方案SS,则有:
冲突点1、2、3和4到起始点的距离分别为:
事故车辆中心点到起点线的距离l′=Yb=12.8。
假定允许跨越其他车道的安全距离ΔB=0.2,则有:
l′+L/2+ΔB=12.8+1.8/2+0.2=13.9
坐标原点与事故车辆的连线Or1P和坐标y轴之间的夹角为:
根据规划方案SS中的条件:
可知,此时该交叉口所分配的新轨迹规划为S4。
S4、为CAV分配通行资源并优化CAV行车轨迹;
由表2可知,各车道车辆数相同,故以车辆进入缓冲区先后顺序为准,分别为车辆A、B、C和D分配通行资源并优化其行车轨迹;
(1)车辆A的轨迹控制方案制定过程如下:
a)为车辆A分配可行的通行资源;
为了获取进入核心区的状态参数S2(v2,t2),需计算车辆A进入核心区的最早时间mint2。
由则车辆A进入核心区的最早时间为:
mint2=(25-17)/5+[120-(252-172)/(2×5)]/25+0≈5.1
接下来,基于投影算法的集合运算,求取可行的通行资源:
此时记录为空,状态参数S2(v2,t2)中的速度v2未知。
b)基于三段式线性方法求解车辆A在缓冲区的优化轨迹;
由于车辆A的速度v2不受其他车辆的影响,假定其进入交叉口速度为最大值vmax=25,则有v2=vmax=25,t2=mint2=5.1,即S2(25,5.1)。
显然此时的状态S2(25,5.1)满足式(16)中车辆动态约束条件,经式(16)~(22),求解得到:
第一个变速阶段所用时间:
tt1=(25-17)/5=1.6
第二个变速阶段所用时间:
tt2=(25-25)/(-5)=0
从状态S1(17,0)到S2(25,5.1)所用总时间tall=t2-t1=5.1-0=5.1,由条件tall-tt1-tt2=5.1-1.6-0=3.5>0可知,车辆可行驶的最大距离和最小距离分别为:
显然La=120∈[Lmin,Lmax]=[91.4,120.1],故S2(25,5.1)满足三段式求解条件。
由表2可知车辆A初始状态为S1(17,0),根据S1(17,0)和S2(25,5.1),经式(23)~(28),可求得车辆A在缓冲区动力学控制参数如表3所示。
表3车辆A在缓冲区动力学控制参数
由a)可知,mint2=5.1,根据通行资源的约束条件,则有:
则此时记录此时冲突点被占用的情况,由式(13)反推可得:
故由上述推导,可知车辆A能够以状态S2(25,5.1)到达交叉口处,并以v2=25匀速驶过交叉口。
(2)车辆B的轨迹控制方案制定过程如下:
a)为车辆B分配可行的通行资源;
为了获取进入核心区的状态参数S2(v2,t2),需计算车辆B进入核心区的最早时间mint2。
由则车辆B进入核心区的最早时间为:
mint2=(25-17)/5+[120-(252-102)/(2×5)]/25+1=6.7
接下来,基于投影算法的集合运算,求取可行的通行资源:
此时的记录为空,状态参数S2(v2,t2)中的速度v2未知。
b)基于三段式线性法求解车辆B在缓冲区优化轨迹;
由于车辆B的速度v2不受其他车辆的影响,假定其进入交叉口速度为最大值vmax=25,则有v2=vmax=25,t2=mint2=6.7,即S2(25,6.7)。
显然此时的状态S2(25,6.7)满足式(16)中车辆动态约束条件,经式(16)~(22),求解得到:第一个变速阶段所用时间tt1=(25-10)/5=3,第二个变速阶段所用时间tt2=(25-25)/(-5)=0,从状态S1(10,1)到S2(25,6.7)所用总时间tall=t2-t1=6.7-1=5.7,由条件tall-tt1-tt2=5.7-3-0=2.7>0可知,车辆可行驶的最大距离和最小距离分别为:
显然La=120∈[Lmin,Lmax]=[72.5,120.0],故S2(25,6.7)满足三段式求解条件。
由表2可知车辆B初始状态为S1(10,1),根据三段式线性方法,由S1(10,1)和S2(25,6.7),经式(23)~(28),可求得车辆B在缓冲区动力学控制参数如表4所示。
表4车辆B在缓冲区动力学控制参数
由a)可知,此时mint2=6.7,根据通行资源的约束条件,则有:
则此时记录此时冲突点被占用的情况,由公式(13)反推可得:
故由上述推导,可知车辆B能够以状态S2(25,6.7)到达交叉口处,并以v2=25匀速驶过交叉口。
(3)车辆C的轨迹控制方案制定过程如下:
a)为车辆C分配可行的通行资源;
为了获取进入核心区的状态参数S2(v2,t2),需计算车辆C进入核心区的最早时间mint2。
由则车辆C进入核心区的最早时间为:
(25-12)/5+[120-(252-122)/(2×5)]/25+4.5≈10.0
为了获得可行的通行资源,取mint2=24.5,基于投影算法的集合运算,公式如下:
由于因此:
b)基于三段式线性方法求解车辆C在缓冲区的优化轨迹;
由于车辆C的速度v2不受其他车辆的影响,假定其进入交叉口速度为最大值vmax=25,则有v2=vmax=25,t2=mint2=24.5,即S2(25,24.5)。
显然此时的状态S2(25,24.5)满足式(16)中车辆动态约束条件,经式(16)~(22),求解得到:第一个变速阶段所用时间tt1=(25-12)/5=2.6,第二个变速阶段所用时间tt2=(25-25)/(-5)=0,从状态S1(12,4.5)到S2(25,24.5)所用总时间tall=t2-t1=24.5-4.5=20,由条件tall-tt1-tt2=20-2.6=17.4>0可知,车辆可行驶的最大距离和最小距离分别为:
显然La=120∈[Lmin,Lmax]=[76.9,185.6],故S2(25,24.5)满足三段式求解条件。
由表2可知车辆C初始状态为S1(12,4.5),根据三段式控制方法,由S1(12,4.5)和S2(25,24.5),经式(23)~(28),可求得车辆C在缓冲区动力学控制参数如表5所示。
表5车辆C在缓冲区动力学控制参数
由a)可知,mint2=24.5,根据通行资源的约束条件,则有:
则记录此时冲突点被占用情况,由公式(13)反推可得:
故由上述推导,可知车辆C能够以状态S2(25,24.5)到达交叉口处,并以v2=25匀速驶过交叉口。
(4)车辆D的轨迹控制方案制定过程如下:
a)为车辆D分配可行的通行资源;
为了获取进入核心区的状态参数S2(v2,t2),需计算车辆D进入核心区的最早时间mint2。
由则车辆D进入核心区的最早时间为:
(25-17)/5+[120-(252-172)/(2×5)]/25+5≈10.0
为了获得可行的通行资源,取mint2=24.5,基于投影算法的集合运算:
由于因此:
b)基于三段式线性方法求解车辆D在缓冲区的优化轨迹;
由于车辆D的速度v2不受其他车辆的影响,假定其进入交叉口速度为vmax=25,则有v2=vmax=25,t2=mint2=24.5,即S2(25,24.5)。
显然此时的状态S2(25,24.5)满足式(16)中车辆动态约束条件,经式(16)~(22),求解得到:第一个变速阶段所用时间tt1=(25-17)/5=1.6,第二个变速阶段所用时间tt2=(25-25)/(-5)=0,从状态S1(17,5)到S2(25,24.5)所用总时间tall=t2-t1=24.5-5=19.5,由条件tall-tt1-tt2=19.5-1.6=17.9>0可知,车辆可行驶的最大距离和最小距离分别为:
显然La=120∈[Lmin,Lmax]=[91.4,481.1],故S2(25,24.5)满足三段式求解条件。
由表2可知车辆D初始状态为S1(17,5),根据三段式控制方法,由S1(17,5)和S2(25,6.7),经式(23)~(26),可求得车辆D在缓冲区动力学控制参数如表6所示。
表6车辆D在缓冲区动力学控制参数
由a)可知,此时mint2=24.5,根据通行资源的约束条件,则有:
则记录此时冲突点被占用的情况,由公式(13)反推可得:
故由上述推导,可知车辆D能够以状态S2(25,24.5)到达交叉口处,并以v2=25匀速驶过交叉口。
S5、CAV根据控制指令通过交叉口。
经过步骤S1~S4,车道N2、S2、W1和E1中的车辆A、B、C和D获得相应的车辆轨迹控制方案,并按照控制中心的控制指令安全通过交叉口。其中,车辆A、B、C和D在缓冲区的时空轨迹和速度变化曲线分别如图6、7所示。
实施例2
本实施例对车辆轨迹控制方法的应用过程进行详细说明,并将其与四向交叉口的传统信号控制方法进行比较。最后,在仿真软件SUMO中建立仿真模型,实现仿真可视化。
为简单起见,本实施例只给出轨迹规划S4(S4∈S)的交叉口几何平面布置,如图8所示。在此图中,交叉口为双向6车道,右转车流实行渠化分流,内侧车道为左转车道,中间车道为直行车道,因此具有普遍代表性。此外,每个入口包含三个宽为3.2m的车道,并且缓冲区内禁止换道。假设其中的值分别表示直行、右转和左转。每个入口的车道可分为三种类型:(1)两个转向标志:该车道包括两种车辆(/>中的两种);(2)一个转向标志:该车道仅包括一种车辆(/>中的一种);(3)无方向标志:这条车道只对救援车辆开放。
两种交通控制方法,包括本发明所提出的方法和传统的信号控制方法,用于测试轨迹规划方案集。仿真的交通流输入为400到1200veh/edge/h。此外,一旦任何车道上的队列超出缓冲区大于50米,则认为路网进入饱和状态。假设BA长度为135米,第一、第二停车线间距为35米。
两种方法的车辆延误的比较如图9所示。结果显示,不同的轨迹规划对每辆车的延误有显著影响,尤其是对于接近饱和的交通流量。关于交叉口处因障碍物引发的交通事故问题所提出的路径重规划方法中,可以得出,各种轨迹规划方案的通行能力,其排序为L3<L6<S6<L5<S4<L2<L4=S3=S5<S2<L1<S1。通过数据分析可以发现,车道合并大致可分为三类:(1)左转+直行,承担85%的车流量,穿越8-9个冲突点;(2)左转+右转,承担40%的车流量,穿越6-7个冲突点;(3)直行+右转,承担75%的车流量,穿越5-6个冲突点。因此,可得出结论:车道合并导致的冲突点更少,所能承载的交通量更大。
由于路网饱和,导致一些仿真数据不可用。实验表明,与信号灯控制方法相比,在所提出的方法控制下每辆车的平均延误可以减少大约95%。此外,所提出的方法显著提高了交叉口的最大通行能力(图9中至少1600veh/h)。在较高交通量条件下(1200veh/edge/h),所提出方法的每辆车平均延误为14.9秒,只有L3方案进入饱和状态。
选取L2轨迹重规划方案进行仿真,其中信号灯控制方法的流量输入为700veh/edge/h,控制中心控制方法的流量输入为1000veh/edge/h。不同控制策略下东西两个进口方向的车辆时空轨迹如图10所示。如图10(a)和(b)所示,在中等交通量条件下,几乎所有受信号控制的车辆都必须等待信号灯,导致交通流走走停停,车均延误65.03s。另一方面,如图10(c)和(d)所示,在更高的交通量条件下,由控制中心控制的交通流畅通无阻,车均延误仅为5.43s。此外,图10(a)和(c)都显示了车辆在西入口的轨迹,该入口有封闭车道,而图10(b)和(d)中的东入口是正常的。实验表明由于采用了Webster算法和基于队列长度的优先级算法,尽管某些入口存在封闭车道,西入口和东入口的车辆队列长度相似。
根据路线规划算法,每个轨迹规划方案中都配有救援专用车道,这样可以减少救援车辆到达时间和救援对交通的干扰,从而显著提高救援效率。为了量化评估缩短救援时间的优点,测试不同救援时间和不同控制方法下的交叉口车辆能耗(使用SUMO的默认的排放模型)和吞吐量。如图11所示,在高交通量(1000veh/edge/h)条件下,信号灯控制(无事故)和信号灯控制(L2方案)管理下,交叉口均处于饱和状态(油耗=156ml/veh),而本发明方法(L2方案)控制下交叉口交通流畅通无阻(燃料消耗=69ml/veh)。实验表明,即使在ITA条件下,本发明方法的油耗和吞吐量均优于信号灯控制(无事故)。故新轨迹方案中配备的救援专用车道可以有效减少求援时间,提高救援效率。
假设车辆诱导方法可以减少事故路段(包含封闭车道的进口方向)的输入交通流量。为评估车辆诱导带来的收益,进一步提高交叉口效率,仿真并测试事故路段多种交通流量输入分别对信号控制、改进DFROC-L2以及控制中心控制,三种控制方法其车均延误的影响。如表7所示,车辆诱导方法对控制中心控制的方法和改进的DROCF方法有很好的促进作用,但对传统的信号控制方法影响不大,并且本发明所提出的方法比改进DROCF方法具有更好的性能。通过比较,可以发现在车辆引导量较低(300veh/edge/h)的情况下,所提出的控制方法可以减少58.9%的行程延误,而信号灯控制方法只能减少7.7%的行程延误。这进一步说明,宏观和微观联合控制可以更好地缓解智能网联环境下的交通拥堵。此外,实验表明通过对改进的DROCF方法控制下的阻塞路段进行交通诱导(仅100veh/edge/h)可以提高路网效率,即:从饱和状态过渡到不饱和状态。其原因是在阻塞路段容易发生饱和,通过减少低通行能力路段的输入交通量可以避免路段饱和。
表7事故路段车辆诱导对车均延误的影响(单位s)
a流量=1000veh/h
b流量=1200veh/h
最后说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本技术方案的宗旨和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (6)
1.一种智能网联条件下交叉口内部通行线路失效后的车辆轨迹控制方法,其特征在于:包括以下步骤:
S1、将交叉口前长度为d的路段设置为车辆缓冲区,配置控制中心、车辆检测器、摄像头和路侧单元(RSU),其中,RSU通过全息感知系统捕捉CAV轨迹,并将信息传输给控制中心,CAV受控制中心指令通过交叉口,摄像头识别交叉口事故并确定事故车辆的位置;
S2、检测交叉口是否发生交通事故,若发生交叉口事故则执行步骤S3,否则执行步骤S4;
S3、控制中心根据事故车辆位置为各后续车辆分配新的轨迹规划;
S4、控制中心根据队列长度为CAV分配通行资源,优化CAV行车轨迹,并将控制指令发送给CAV;
S5、CAV按照S4中的控制指令通过交叉口。
2.根据权利要求1所述的方法,其特征在于:步骤S3具体为,确定事故车辆所处车道的行进方向,根据不同的车道行进方向规划车辆轨迹方案。
3.根据权利要求2所述的方法,其特征在于:车辆轨迹的规划如下所示:
a)事故车辆为直行的车辆轨迹规划:
在t时刻,事故车辆中心的位置为:
{xijk(t),yijk(t)}={d+4.5B,Yb}
其中,xijk(t)和yijk(t)分别表示事故车辆Vijk在t时刻的中心坐标,B表示车道宽度,Yb表示控制中心获得的y轴坐标;
令表示冲突点到起始点的距离,其中ξ∈{1,2,…,n}表示冲突点编号,S表示直行,令l′表示事故车辆中心点与起点线之间的距离,令d表示交叉口最右侧车道的转弯半径,则有:
l′=Yb
当控制中心规划轨迹时,后续车辆的轨迹规划SS为:
其中,ΔB为一个常数,是指在不影响其他车辆正常行驶的情况下,允许车辆占据部分行驶车道的距离大小,表示坐标原点与事故车辆的连线Or1P和坐标y轴之间的夹角;
b)事故车辆为左转的车辆轨迹规划:
在t时刻,事故车辆中心的位置为:
{xijk(t),yijk(t)}=Xb,Yb}
其中,Xb、Yb分别表示控制中心获得的x轴、y轴坐标;
令表示冲突点到起始点的距离,其中ξ∈{1,2,…,n}表示冲突点编号,L表示左转,令l′表示事故车辆中心点与起点线之间的距离,令d表示交叉口最右侧车道的转弯半径,则有:
其中,
式中,α1表示坐标原点与事故车辆的连线Or1P和坐标y轴之间的夹角,α2表示坐标原点与事故车辆的连线Or1P和坐标x轴之间的夹角,R表示左转车辆在交叉口内部的转弯半径,θ表示事故车辆中心位置到交叉口起始线的夹角;
当控制中心规划轨迹时,其他车辆的轨迹规划SL为:
4.根据权利要求1所述的方法,其特征在于:步骤S4包括:
S41、选取队列长度最长的车道优先分配交叉口通行资源;
S42、对路口进行网格化处理,并利用cell-span的二元数据结构来描述路口时空资源,其中cell表示空间的基本单位,span代表时间的基本单位;用二元数据结构M={0,1}表示cell的状态,0表示空闲,1表示占用;再利用投影算法为CAV分配通行资源;
S43、基于三段式线性方法求解CAV在车辆缓冲区的轨迹,返回步骤S41,直到所有CAV均分配了可行的通行轨迹。
5.根据权利要求4所述的方法,其特征在于:步骤S42具体为:计算使车辆以状态S2(t2,v2)到达交叉口起始点的时间t2,其应满足:
min t2=t1+Tα
subject to:
式中,t1和t2分别表示车辆进入车辆缓冲区和到达交叉口的时间,Tα表示在控制中心控制下CAV在车辆缓冲区行驶的时间,Δt表示安全时间间隔,表示CAV在车辆缓冲区行驶的平均速度,Lα表示车辆缓冲区的长度,/>表示冲突点时间占用集合;
其中,为:
式中,是冲突点Cn的时间占用集合,/>和/>分别表示元胞占用的开始和结束时间,vn表示已预定通过冲突点Cn的车辆集合;/>表示进口方向ξ的车道/>轨迹上第n个冲突点的资源占用时间记录,其中ξ∈{E,W,S,N},/>n=1,2,...;表示车辆从起始线匀速行驶至冲突点Cn的时间,其中v2表示车辆到达交叉口的速度;表示/>在时间轴上倒退时间/>λ∈{L,S}。
6.根据权利要求4所述的方法,其特征在于:步骤S43具体为:
车辆遵循以下动态约束:
subject to:
式中,表示车辆/>的速度函数且在时间段[t1,t2]中连续可微,S1和S2分别表示车辆初始状态和到达交叉口的状态,t1和t2分别表示初始时间和达到交叉口的时间;v1和v2分别表示车辆初始速度和到达交叉口的速度,x∈[t1,t2],vmax和vmin分别表示车辆缓冲区车辆行驶被允许的最大和最小速度;amax表示加速度,amax>0,amin表示减速度,amin<0;ΔS表示安全距离,/>表示前车的速度函数;σ表示损失时间的总和,包括机器延迟时间和反应时间;Lm-1表示前车长度;
在动力学约束条件下,车辆所能行驶的最大和最小距离为:
subject to:
则有:
其中,L={Lmax,Lmin}表示车辆所能行驶的距离,Lmax和Lmin分别表示车辆可以行驶的最大和最小距离;v1和v2分别表示车辆的初始速度和到达交叉口的速度;v′m和vm分别代表车辆在规定距离内所能达到的最大和最小速度;t表示三段式持续的总时间;tt1和tt2分别表示第一阶段和第三阶段的持续时间;a1和a2分别表示第一阶段和第三阶段的加速度;
通过三段式求解CAV轨迹如下:
subject to:
其中,a1,a2∈[amin,amax],tm1,tm2∈[t1,t2],vmed表示匀速阶段的速度;记tf=tm1-t1为第一阶段变速运动所用时间,ts=tm2-tm1为第二阶段匀速运动所用时间,tt=t2-tm2为第三阶段变速运动所用时间,则:
vmed=v1+a1tf,
a1tf+a2tt=v2-v1,
ts=t-tf-tt
CAV轨迹控制模型为:
min(|a1(tm1-t1)|+|a2(t2-tm2)|)
subject to:车辆可以行驶的距离L;
执行完上述车辆轨迹优化的步骤后,将该车道标记为已分配通行资源且获得优化车辆轨迹,否则存在通行资源冲突,返回步骤S42中重新进行通行资源分配;
上述所有约束条件组成一个多约束数学优化模型,对其求解,若有可行解,则得到CAV轨迹控制方案。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310562723.XA CN116580570A (zh) | 2023-05-18 | 2023-05-18 | 智能网联条件下交叉口内部通行线路失效后的车辆轨迹控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310562723.XA CN116580570A (zh) | 2023-05-18 | 2023-05-18 | 智能网联条件下交叉口内部通行线路失效后的车辆轨迹控制方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116580570A true CN116580570A (zh) | 2023-08-11 |
Family
ID=87533624
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310562723.XA Pending CN116580570A (zh) | 2023-05-18 | 2023-05-18 | 智能网联条件下交叉口内部通行线路失效后的车辆轨迹控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116580570A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190236948A1 (en) * | 2018-01-29 | 2019-08-01 | Fujitsu Limited | Fragmentation-aware intelligent autonomous intersection management using a space-time resource model |
CN111383481A (zh) * | 2020-03-03 | 2020-07-07 | 东南大学 | 城市拥堵路口智能网联汽车绿色通行车速优化方法 |
CN112767715A (zh) * | 2020-12-29 | 2021-05-07 | 合肥工业大学 | 一种交叉路口交通信号灯与智能网联汽车的协同控制方法 |
CN113689692A (zh) * | 2021-07-14 | 2021-11-23 | 东南大学 | 智能网联混合交通流信号交叉口车辆到达预测修正方法 |
CN113807588A (zh) * | 2021-09-19 | 2021-12-17 | 广州丹雅科技有限公司 | 基于交通事故的行车路径规划方法及装置 |
US20210394797A1 (en) * | 2020-06-23 | 2021-12-23 | Cavh Llc | Function allocation for automated driving systems |
-
2023
- 2023-05-18 CN CN202310562723.XA patent/CN116580570A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190236948A1 (en) * | 2018-01-29 | 2019-08-01 | Fujitsu Limited | Fragmentation-aware intelligent autonomous intersection management using a space-time resource model |
CN111383481A (zh) * | 2020-03-03 | 2020-07-07 | 东南大学 | 城市拥堵路口智能网联汽车绿色通行车速优化方法 |
US20210394797A1 (en) * | 2020-06-23 | 2021-12-23 | Cavh Llc | Function allocation for automated driving systems |
CN112767715A (zh) * | 2020-12-29 | 2021-05-07 | 合肥工业大学 | 一种交叉路口交通信号灯与智能网联汽车的协同控制方法 |
CN113689692A (zh) * | 2021-07-14 | 2021-11-23 | 东南大学 | 智能网联混合交通流信号交叉口车辆到达预测修正方法 |
CN113807588A (zh) * | 2021-09-19 | 2021-12-17 | 广州丹雅科技有限公司 | 基于交通事故的行车路径规划方法及装置 |
Non-Patent Citations (2)
Title |
---|
HUANG XIN 等: "Dynamic Trajectory-Based Traffic Dispersion Method for Intersection Traffic Accidents in an Intelligent and Connected Environment", IEEE, pages 84 - 100 * |
徐泽洲 等: "智能网联汽车自动驾驶行为决策方法研究", <复杂系统与复杂性科学>, vol. 18, no. 3, pages 88 - 94 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Vahidi et al. | Energy saving potentials of connected and automated vehicles | |
CN101859494B (zh) | 车队车辆管理 | |
EP3776512B1 (en) | Joint control of vehicles traveling on different intersecting roads | |
Rios-Torres et al. | A survey on the coordination of connected and automated vehicles at intersections and merging at highway on-ramps | |
Liu et al. | Trajectory planning for autonomous intersection management of connected vehicles | |
Jang et al. | Concepts of airspace structures and system analysis for uas traffic flows for urban areas | |
Kumaravel et al. | Optimal coordination of platoons of connected and automated vehicles at signal-free intersections | |
Ahmane et al. | Modeling and controlling an isolated urban intersection based on cooperative vehicles | |
CN107274684A (zh) | 一种车路协同环境下单点交叉口信号控制策略选择方法 | |
Chalaki et al. | Time-optimal coordination for connected and automated vehicles at adjacent intersections | |
Hou et al. | Cooperative and integrated vehicle and intersection control for energy efficiency (CIVIC-E 2) | |
Deng et al. | Cooperative platoon formation of connected and autonomous vehicles: Toward efficient merging coordination at unsignalized intersections | |
CN113053167A (zh) | 一种混合交通环境下互联车辆十字路口无碰撞管理方法 | |
Khayatian et al. | Cooperative driving of connected autonomous vehicles using responsibility-sensitive safety (RSS) rules | |
Othman et al. | Connectivity and automation as enablers for energy-efficient driving and road traffic management | |
Younes et al. | Towards a sustainable highway road-based driving protocol for connected and self-driving vehicles | |
CN113971883A (zh) | 车路协同自动驾驶方法及高效运输系统 | |
Isukapati et al. | Analysis of trends in data on transit bus dwell times | |
CN116580570A (zh) | 智能网联条件下交叉口内部通行线路失效后的车辆轨迹控制方法 | |
Ou et al. | Optimization of bus scheduling and bus-berth matching at curbside stops under connected vehicle environment | |
Asaduzzaman | A traffic signal control algorithm for emergency vehicles | |
Zhou et al. | Unsignalized intersection management strategy for mixed autonomy traffic streams | |
Pauca et al. | Travel Time Minimization at Roundabouts for Connected and Automated Vehicles | |
Fazli et al. | Platoon-based Traffic Management Method for Autonomous Driving Systems | |
CN116129635B (zh) | 一种基于编队的单点无信号交叉口智能调度方法与系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |