一种基于车辆规划路径的强化学习区域信号控制方法

    公开(公告)号:CN113487902A

    公开(公告)日:2021-10-08

    申请号:CN202110534127.1

    申请日:2021-05-17

    Abstract: 本发明公开了一种基于车辆规划路径的强化学习区域信号控制方法,具体为在车联网环境下,收集智能体控制范围内交叉口所有车辆的规划路径信息以及位置信息,利用强化学习PPO2算法,对区域内的道路交叉口进行分布式信号控制,实现区域交通联动优化。具体为给出多智能体强化学习在区域交通信号控制的控制框架;基于车辆规划路径信息和车辆位置信息定义道路交通状态;定义交叉口信号控制的动作变量;以减小交叉口排队长度,减小车辆延误和避免下游交通堵塞为目标定义智能体与交通环境交互奖励;同时提出“距离因子”衡量PPO2算法产生的控制方案与排队优先长度优先策略产生方案的距离,避免PPO2算法输出不良控制方法造成道路交通不正常扰动。

    基于交通仿真的多模式交通信息采集单元长度确定方法

    公开(公告)号:CN113420395A

    公开(公告)日:2021-09-21

    申请号:CN202110570478.8

    申请日:2021-05-25

    Applicant: 东南大学

    Abstract: 本发明公开了一种基于交通仿真的多模式交通信息采集单元长度确定方法,方法包括:获取目标交叉口进口道检测范围内的交通设施信息;确定所述交通信息采集单元的综合评价指标,包括仿真的准确性和高效性;根据行人与非机动车的分离情况,确定基于交通仿真的非机动车与行人交通信息采集单元;确定其基于交通仿真的机动车交通信息采集单元;本发明按照将交叉口进口道一个长的检测范围依据混行比例不同划分为一系列小的交通信息检测单元,相比于较大的交通信息检测范围,小的检测单元获取的交通信息更加精确,输入仿真软件后更能反映真实的交通状态,在采集单元划分集中筛选出最优的划分方案,达到最优化划分交通信息采集单元的目的。

    基于轨迹数据的上匝道车辆换道仿真模型分类方法及装置

    公开(公告)号:CN113361613A

    公开(公告)日:2021-09-07

    申请号:CN202110659080.1

    申请日:2021-06-15

    Applicant: 东南大学

    Abstract: 本发明公开了一种基于轨迹数据的上匝道车辆换道仿真模型分类方法及装置,包括:获取所有车辆在每一时刻的微观跟驰参数;提取具有换道行为的车辆并对车辆的换道行为计算换道前后时刻对应的车辆换道指标,并计算换道指标变化比;人工标注换道行为类别标签,通过换道行为所对应的车辆换道指标以及换道指标变化比,确定分类决策函数的计算式;利用分类决策函数确定车辆的换道行为类别,进而得到车辆换道仿真模型分类结果。本发明提供的方法综合考虑换道车辆一定范围内其他车辆的相互作用,对于车辆换道行为评估更加准确可靠,进而对于车辆换道行为划分更加合理,从而实现对车辆换道行为的定指标准确分类。

    一种主路优先控制交叉口交通仿真方法及装置

    公开(公告)号:CN113312752A

    公开(公告)日:2021-08-27

    申请号:CN202110453278.4

    申请日:2021-04-26

    Applicant: 东南大学

    Abstract: 本发明涉及一种主路优先控制交叉口交通仿真方法及装置,基于主路优先的无信控交叉口特定交通运行场景,确定交叉口内次路车辆、以及相作用的多股主路车流为研究对象,通过仿真推演预测相冲突交互车辆的行驶轨迹,有助于次路车辆从众多推演的通行方案中做出更为高效的穿行决策,实现无信控交叉口车流组织的仿真通行,综合考虑了多股冲突车流相互冲突交织时车辆运行仿真的问题,把次路车辆作为研究目标,并结合动力学模型分析其穿越多股主路车流的通行决策,决策方案与仿真结果更为真实和全面地反应无信控交叉口内车流组织,大大提升无信控交叉口车辆通行效率,为提升道路通行能力,减少出现延误提供了科学合理的决策方案和决策依据。

    一种基于PPO和图卷积神经网络区域交叉口信号控制方法

    公开(公告)号:CN113299079A

    公开(公告)日:2021-08-24

    申请号:CN202110331958.9

    申请日:2021-03-29

    Abstract: 本发明公开了一种基于PPO和图卷积神经网络区域交叉口信号控制方法,包括以下步骤:构建交叉口协调控制区域并确立强化学习的状态、动作、奖励信息和图卷积神经网络的特征矩阵;构建区域交叉口分层信号控制模型;构建回放经验池,处理和提取训练数据和测试数据;训练区域交叉口分层信号控制模型;对区域交叉口进行统筹联合控制。本发明对控制区域建立多层信号控制模型,下层模型基于PPO算法构建多智能体控制模型;上层模型基于图卷积神经网络对各个交叉口进行统筹协调控制。本发明通过构建两层控制结构,既减少了单点控制模型的运算负担,又实现了对控制区域的总体最优控制,提高了控制区域内的车辆运行效率。

    一种智能车换道行为风险等级确定方法及装置

    公开(公告)号:CN113240901A

    公开(公告)日:2021-08-10

    申请号:CN202110245165.5

    申请日:2021-03-05

    Applicant: 东南大学

    Abstract: 本发明公开了智能车换道行为风险等级确定方法及装置,定义从安全性指标、高效性指标和舒适性指标综合评价智能车换道行为的风险等级;通过换道微观信息计算在目标车辆换道前后均处于目标车辆通信范围内的车辆的换道行为风险综合评价指标;依据车辆换道行为风险综合评价指标的历史数据百分比划分,确定当前综合评价指标在两种数据库下分别对应的风险等级,进而确定目标车辆当前的换道行为风险等级。本发明综合考虑换道车辆与通行范围内所有车辆的相互作用,利用换道车辆的历史数据评价目标车辆的换道风险,换道行为风险等级评价更加全面和精确,进而为驾驶员或智能车提供科学合理的判断和决策依据,为道路交通安全和行驶效率提供保障。

    一种面向跟车安全的无人驾驶车辆控制参数标定方法

    公开(公告)号:CN106355880B

    公开(公告)日:2018-08-21

    申请号:CN201610881029.4

    申请日:2016-10-09

    Applicant: 东南大学

    Abstract: 本发明公开了一种面向跟车安全的无人驾驶车辆控制参数标定方法,通过采集人工驾驶车辆轨迹数据信息,提取人工驾驶车辆前后车跟车数据集,并计算人工驾驶车辆安全指标,同时利用人工驾驶车辆数据计算无人驾驶车辆数据集,并计算无人驾驶车辆安全指标,通过人工驾驶车辆和无人驾驶车辆的安全指标来建立目标安全函数,检测无人驾驶车辆控制参数,最终确定使得目标安全函数最小的参数作为无人驾驶车辆的控制参数。本发明的有益效果为:将已有人工车辆的数据进行挖掘,结合无人驾驶车辆的安全跟车目标,保障无人驾驶车辆的安全性。

Patent Agency Ranking