-
公开(公告)号：CN115100878A
公开(公告)日：2022-09-23
申请号：CN202210644159.1
申请日：2022-06-08
Applicant: 东南大学
Abstract: 本发明公开了基于变邻域搜索算法的考虑行人通行的交叉口调度方法，在车路协同系统中，基于通信模块与计算机模块统一的交叉口管理器获取通过自动交叉口区域车辆的运行信息，交叉口管理器根据信息，通过设计出的基于人均最小延迟的通用框架制定出交叉口内网联自动驾驶汽车与行人的通行顺序，同时设计了一种可变邻域搜索算法来进行优化，求得车辆和行人的最优通过方案。本发明以高承载车辆有更高的通行权通过交叉口为特点之一，与传统的驱动交通信号控制相比更能减少车辆的延迟，更加关注自动交叉口的安全性和效率。
-
公开(公告)号：CN114495499B
公开(公告)日：2023-02-14
申请号：CN202210070831.0
申请日：2022-01-21
Applicant: 东南大学
Abstract: 本发明公开了一种多目标智能网联车辆协同优化控制方法，涉及智能网联车辆优化技术领域，本发明通过目标交叉口中各个进道口在预设通信范围内的各个目标车辆，分别针对目标交叉口的各个进道口，建立跟驰模型，应用跟驰模型，获得各个目标车辆通过目标交叉口的跟驰顺序。通过本发明的技术方案能够使得各个方向的车辆在通过冲突区域时降低车辆延误，提高道路通行效率，缓解交通拥堵，减少车辆在通行潜在冲突区域过程中的能源消耗，促进绿色交通发展。
-
公开(公告)号：CN113689720B
公开(公告)日：2022-08-05
申请号：CN202110795100.8
申请日：2021-07-14
Applicant: 东南大学
Abstract: 本发明公开了一种基于卷积神经网络的自动交叉口通行决策方法，步骤依次为，建立自动交叉口模型；基于计划树的方法确定所有可行的通过顺序；采集车辆轨迹数据，利用计划树列举出所有候选的通过顺序，遍历每种顺序并得到各顺序对应的时耗，建立用于描述交通状态和通行顺序的张量，构建张量‑时耗数据库；构建并训练卷积神经网络，通过训练好的卷积神经网络得到最短时耗的张量对应的通行顺序作为最终通行方案。本发明可显著减少计算时间，降低行车延误，提高通行速度。
-
公开(公告)号：CN116580556A
公开(公告)日：2023-08-11
申请号：CN202310535715.6
申请日：2023-05-12
Applicant: 东南大学
IPC: G08G1/01 , G06N3/092 , G08G1/052 , G08G1/08 , G08G1/081 , G08G1/09 , G08G1/0967 , G08G1/0968
Abstract: 本发明公开了一种基于离线强化学习的交叉口车辆轨迹优化方法、系统，具体步骤如下：搭建智能网联环境下交叉口信号灯与网联车辆的通信场景，设定场景内车辆与信号灯的通信距离阈值，当车辆行驶至信号灯的控制区域时，双方可进行信息交互。收集信号交叉口网联车辆的运行轨迹和信号相位配时数据，将车辆在交叉口的行驶过程抽象为马尔科夫决策过程，将车辆旅行时间、车辆能耗、碰撞时间等作为马尔科夫决策奖励函数的参数，构建适用的数据集，在离线状态下通过强化学习方法训练车辆智能体得到适用的交叉口通行策略。本发明可应用于交叉口的车辆控制，通过控制车辆加速度使车辆按照最优轨迹行驶，实现车辆的节能减排和安全性能提升。
-
Patent Agency Ranking
公开(公告)号：CN114495499A
公开(公告)日：2022-05-13
申请号：CN202210070831.0
申请日：2022-01-21
Applicant: 东南大学
Abstract: 本发明公开了一种多目标智能网联车辆协同优化控制方法，涉及智能网联车辆优化技术领域，本发明通过目标交叉口中各个进道口在预设通信范围内的各个目标车辆，分别针对目标交叉口的各个进道口，建立跟驰模型，应用跟驰模型，获得各个目标车辆通过目标交叉口的跟驰顺序。通过本发明的技术方案能够使得各个方向的车辆在通过冲突区域时降低车辆延误，提高道路通行效率，缓解交通拥堵，减少车辆在通行潜在冲突区域过程中的能源消耗，促进绿色交通发展。
-
公开(公告)号：CN113689720A
公开(公告)日：2021-11-23
申请号：CN202110795100.8
申请日：2021-07-14
Applicant: 东南大学
Abstract: 本发明公开了一种基于卷积神经网络的自动交叉口通行决策方法，步骤依次为，建立自动交叉口模型；基于计划树的方法确定所有可行的通过顺序；采集车辆轨迹数据，利用计划树列举出所有候选的通过顺序，遍历每种顺序并得到各顺序对应的时耗，建立用于描述交通状态和通行顺序的张量，构建张量‑时耗数据库；构建并训练卷积神经网络，通过训练好的卷积神经网络得到最短时耗的张量对应的通行顺序作为最终通行方案。本发明可显著减少计算时间，降低行车延误，提高通行速度。
-
公开(公告)号：CN115100878B
公开(公告)日：2023-05-16
申请号：CN202210644159.1
申请日：2022-06-08
Applicant: 东南大学
Abstract: 本发明公开了基于变邻域搜索算法的考虑行人通行的交叉口调度方法，在车路协同系统中，基于通信模块与计算机模块统一的交叉口管理器获取通过自动交叉口区域车辆的运行信息，交叉口管理器根据信息，通过设计出的基于人均最小延迟的通用框架制定出交叉口内网联自动驾驶汽车与行人的通行顺序，同时设计了一种可变邻域搜索算法来进行优化，求得车辆和行人的最优通过方案。本发明以高承载车辆有更高的通行权通过交叉口为特点之一，与传统的驱动交通信号控制相比更能减少车辆的延迟，更加关注自动交叉口的安全性和效率。
-
公开(公告)号：CN114360266B
公开(公告)日：2022-12-13
申请号：CN202111560168.4
申请日：2021-12-20
Applicant: 东南大学
Abstract: 本发明公开了一种网联车探测状态感知的交叉口强化学习信号控制方法，在网联自动驾驶车辆具有一定市场渗透率的情况下，将交叉口进口道划分为一定数目的网格，以网联自动驾驶车辆作为移动传感器，探测周围车辆的实时位置、速度等数据，将数据填充到相应的进口道网格中，形成网格填充矩阵。将信号灯视作智能体并设计马尔可夫决策过程，以网格填充矩阵作为智能体状态，以相位切换为动作，以车辆更新等待时间为奖励函数。采用深度策略梯度算法训练智能体，可以减少车辆的等待时间，同时实现排队长度以及平均速度的优化。本发明提出的方法能够在对信号交通口进行控制时减少交通拥堵，缓解因交通拥堵带来的交通延误和碳排放及能源消耗。
-
公开(公告)号：CN114360266A
公开(公告)日：2022-04-15
申请号：CN202111560168.4
申请日：2021-12-20
Applicant: 东南大学
Abstract: 本发明公开了一种网联车探测状态感知的交叉口强化学习信号控制方法，在网联自动驾驶车辆具有一定市场渗透率的情况下，将交叉口进口道划分为一定数目的网格，以网联自动驾驶车辆作为移动传感器，探测周围车辆的实时位置、速度等数据，将数据填充到相应的进口道网格中，形成网格填充矩阵。将信号灯视作智能体并设计马尔可夫决策过程，以网格填充矩阵作为智能体状态，以相位切换为动作，以车辆更新等待时间为奖励函数。采用深度策略梯度算法训练智能体，可以减少车辆的等待时间，同时实现排队长度以及平均速度的优化。本发明提出的方法能够在对信号交通口进行控制时减少交通拥堵，缓解因交通拥堵带来的交通延误和碳排放及能源消耗。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.015 seconds)
