一种基于人工智能的自动驾驶车辆汇入间隙选择优化方法

    公开(公告)号:CN115578865B

    公开(公告)日:2023-08-29

    申请号:CN202211189386.6

    申请日:2022-09-28

    Applicant: 东南大学

    Abstract: 本发明公开了一种基于人工智能的自动驾驶车辆汇入间隙选择优化方法,具体包括:获取自动驾驶车辆及目标车道车辆微观数据;确定自动驾驶车辆可汇入间隙;计算自动驾驶车辆汇入安全成本;计算自动驾驶车辆汇入效率成本;计算自动驾驶车辆最低汇入总成本以优化间隙选择。本发明提供的方法综合考虑了自动驾驶车辆汇入过程的安全、效率方面,使自动驾驶车辆汇入间隙选择方法更加科学高效,进而减少汇入过程带来的安全隐患,同时提高车辆运行效率。

    一种基于混合交通流的智能网联车辆上匝道汇入控制协议

    公开(公告)号:CN116386385A

    公开(公告)日:2023-07-04

    申请号:CN202310130127.4

    申请日:2023-02-17

    Applicant: 东南大学

    Abstract: 本发明公开了一种基于混合交通流的智能网联车辆上匝道汇入控制协议,包括步骤为:拥堵判断;区域划分为汇入区,让行区和减速区;跟驰状态;根据平均车速计算预估换道时间;根据安全加速度设计理想汇入控制间距;当上匝道口判断为拥堵时,对处于让行区、汇入区和减速区的智能网联车辆,进行分区域分别控制。本发明提供考虑了整体系统的效益和风险,进行了较为平衡的控制协议设计,提出的主干道车辆理想控制间距能够有效保证上匝道车辆在拥挤时段的换道要求,并且不要求智能网联车辆提前进行编组形成队列,使得该控制协议具有较强的普适性。

    一种基于启发式规则的车辆换道轨迹识别方法

    公开(公告)号:CN116168354A

    公开(公告)日:2023-05-26

    申请号:CN202310130123.6

    申请日:2023-02-17

    Applicant: 东南大学

    Abstract: 本发明公开了一种基于启发式规则的车辆换道轨迹识别方法,包括步骤为:对原始轨迹数据按全局时间排序,判断原始数据集是否将不同时间段的观测数据分开记录;按照不同的记录时间段对原始数据集进行分类保存;对数据集中的轨迹坐标信息进行平滑处理;运用启发式轨迹识别换到轨迹,并得到换道动作起始点和终止点;进行最终的换道模型五车的数据匹配,完成高阶数据的计算。本发明根据常见车辆轨迹数据集的数据特征,对车辆换道轨迹识别提取的各方面细节和规则进行了详述,进而为后续基于换道行为细节的模型算法提供数据支撑,为换道模型的创新发展奠定基础。

    一种基于人工智能的自动驾驶车辆汇入间隙选择优化方法

    公开(公告)号:CN115578865A

    公开(公告)日:2023-01-06

    申请号:CN202211189386.6

    申请日:2022-09-28

    Applicant: 东南大学

    Abstract: 本发明公开了一种基于人工智能的自动驾驶车辆汇入间隙选择优化方法,具体包括:获取自动驾驶车辆及目标车道车辆微观数据;确定自动驾驶车辆可汇入间隙;计算自动驾驶车辆汇入安全成本;计算自动驾驶车辆汇入效率成本;计算自动驾驶车辆最低汇入总成本以优化间隙选择。本发明提供的方法综合考虑了自动驾驶车辆汇入过程的安全、效率方面,使自动驾驶车辆汇入间隙选择方法更加科学高效,进而减少汇入过程带来的安全隐患,同时提高车辆运行效率。

    一种微观换道轨迹的分段提取方法

    公开(公告)号:CN113807009B

    公开(公告)日:2022-11-18

    申请号:CN202111008674.2

    申请日:2021-08-31

    Applicant: 东南大学

    Inventor: 董长印 王昊

    Abstract: 本发明公开了一种微观换道轨迹的分段提取方法,所述方法包括:采集道路交通微观信息,确定微观换道轨迹的分段提取类型,包括一段式、两段式、三段式、四段式和六段式,再根据目标车辆换道前后的车辆位置、速度、加速度等信息,确定区分微观换道轨迹分段提取不同类型的判定条件。该方法根据车辆运动轨迹特征,精细化切分换道轨迹,为运动轨迹评价、优质信息提取、优质特征学习提供科学合理的判别条件,为提升道路交通通行效率和行车安全提供理论基础。

    一种基于群集理论的智能网联队列合流控制方法

    公开(公告)号:CN115032931A

    公开(公告)日:2022-09-09

    申请号:CN202210677594.4

    申请日:2022-06-15

    Applicant: 东南大学

    Abstract: 本发明公开了一种基于群集理论的智能网联队列合流控制方法,方法包括:系统动态方程建模,所述方程中变量包括车辆横纵向位置、速度和控制输入;在智能网联组群驶入合流区断面时刻,依据智能网联队列合流次序建立智能网联队列的领航车之间的网络拓扑;根据智能网联队列的网络拓扑和智能网联队列长度确定理想控制间距;根据理想控制间距设计智能网联组群控制协议;设计智能网联队列控制协议。本发明提供的方法综合考虑了横向控制在合流场景下的适用性,提出的人工函数能够更好地适用不同合流场景,进而实现队列和组群控制,为道路交通安全提供保障。

    基于策略梯度的多模式交通自适应信号控制方法及装置

    公开(公告)号:CN113362618B

    公开(公告)日:2022-08-09

    申请号:CN202110619439.2

    申请日:2021-06-03

    Abstract: 本发明公开了一种基于策略梯度的多模式交通自适应信号控制方法及装置,方法包括:获取目标交叉口和多模式交通流信息;根据交叉口信息进行仿真建模还原;构建多模式交通仿真流量生成函数;依据公交、社会车辆、行人及非机动车的不同特性提取多模式交通状态;构建优化人均延误变化量的奖励值;设计基于流量的经验回放池并进行采样;以改进的策略梯度框架训练神经网络;输出多模式交通自适应信号控制智能体。本发明提供的方法综合考虑了公交、社会车辆、行人及非机动车等多模式交通的权益,为道路交通管理者提供决策依据。

    一种基于纳什Q学习算法的交叉口联合信号控制方法

    公开(公告)号:CN113487891B

    公开(公告)日:2022-07-01

    申请号:CN202110623777.3

    申请日:2021-06-04

    Abstract: 本发明公开了一种基于纳什Q学习算法的交叉口联合信号控制方法,属于交通信号自适应控制技术领域,包括以下步骤:构建相邻交叉口协调控制模型并确立强化学习的状态、动作、奖励信息;构建纳什Q学习网络控制模型;获取模型训练和测试数据;训练纳什Q学习网络模型;对控制区域交叉口实施联合协同控制。本发明在基于强化学习思想实现交叉口自学习控制的基础上,考虑交叉口间存在的联系对交叉口整体区域控制效果的,在交叉口的协同博弈中实现交叉口间的纳什均衡控制。本发明通过博弈控制理论,实现相邻交叉口间的协调控制,在一定程度上缓解了因相邻交叉口缺乏合作机制而造成的拥堵问题。

Patent Agency Ranking