[go: up one dir, main page]

CN115620543B - 交通路口多车协同通行方法、装置及计算机设备 - Google Patents

交通路口多车协同通行方法、装置及计算机设备 Download PDF

Info

Publication number
CN115620543B
CN115620543B CN202211199857.1A CN202211199857A CN115620543B CN 115620543 B CN115620543 B CN 115620543B CN 202211199857 A CN202211199857 A CN 202211199857A CN 115620543 B CN115620543 B CN 115620543B
Authority
CN
China
Prior art keywords
vehicle
value
traffic intersection
function
target
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.)
Active
Application number
CN202211199857.1A
Other languages
English (en)
Other versions
CN115620543A (zh
Inventor
蒋华涛
常琳
杨昊
仲雪君
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Sirun Beijing Technology Co ltd
Original Assignee
Sirun Beijing Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Sirun Beijing Technology Co ltd filed Critical Sirun Beijing Technology Co ltd
Priority to CN202211199857.1A priority Critical patent/CN115620543B/zh
Publication of CN115620543A publication Critical patent/CN115620543A/zh
Application granted granted Critical
Publication of CN115620543B publication Critical patent/CN115620543B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/052—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed
    • 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
    • G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
    • G08G1/096766—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission
    • G08G1/096775—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission where the origin of the information is a central station
    • 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

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Atmospheric Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明涉及一种交通路口多车协同通行方法、装置及计算机设备，所述方法包括利用边缘计算节点接收边缘计算节点覆盖的交通路口的车辆信息；根据车辆信息确定车辆在交通路口的目标收益；构建优化策略模型并求解，得到交通路口每辆车的理论运行速度，最终生成每辆车对应的领导者函数；使得每辆车根据领导者函数和车辆的自身目标函数确定需要采取的车速。本发明利用交通路口处的边缘计算节点，为路口每辆车规划合适的速度，生成每辆车对应的领导者函数，然后下发给各个车辆；车辆结合领导者函数和自身的目标函数，确定在每个周期应该采取的速度，由车辆自身执行决策。本申请既保证了交通路口目标函数的全局最优，又使得各个车辆拥有自主决策的权利。

Description

交通路口多车协同通行方法、装置及计算机设备
技术领域
本发明属于大数据技术领域，具体涉及一种交通路口多车协同通行方法、装置及计算机设备。
背景技术
交通路口合理的通行策略对于提高行车效率具有十分重要的意义。目前交通路口协调机制主要分为两类，一种是基于红绿灯机制的控制系统，它能够通过各种传感器感知路口信息，然后通过设计算法来确定红绿灯的切换时间，从而实现合理协调不同方向的车流。另外一种是基于新兴的车联网技术，路侧计算单元RSU将会实时的获取路口每个车辆的状态信息，从而引导车辆安全高效的通过交通路口。
相关技术中，交通路口传统的红绿灯机制的控制系统，由于信号灯时间一直是固定的，但是各个方向的车流量差异较大，这样就会导致路口资源浪费，大大降低路口的通行效率；融合路口感知数据的红绿灯机制的控制系统，虽然能够根据实时路况改变控制机制，但是仍然是基于红绿灯的方法，只能通过按照时间段的粒度来控制车辆通行，无法精确到对每个车辆行驶状态的引导。目前基于车联网的路口通行控制策略，多采用集中式的方法，由路侧边缘计算设备直接下发指令指挥车辆通行，从而忽略了每个车辆个体的自主决策权。
发明内容
有鉴于此，本发明的目的在于克服现有技术的不足，提供一种交通路口多车协同通行方法、装置及计算机设备，以解决现有技术中车辆经过交通路口时忽略了车辆个体的自主决策权的问题。
为实现以上目的，本发明采用如下技术方案：一种交通路口多车协同通行方法，包括：
利用边缘计算节点接收所述边缘计算节点覆盖的交通路口的车辆信息；
根据所述车辆信息确定车辆在交通路口的目标收益；
以所述目标收益最大化为目标函数构建优化策略模型并求解，得到交通路口每辆车的理论运行速度；
结合所述理论运行速度和车辆预设的自身目标函数生成每辆车对应的领导者函数；
将所述领导者函数发送至车辆自身，以使得每辆车根据所述领导者函数和车辆的自身目标函数确定需要采取的车速。
进一步的，所述根据所述车辆信息确定车辆在交通路口的目标收益，包括
基于拍摄设备存储的高精地图对车辆到交通路口的具体车道进行映射，得到映射关系；
根据所述映射关系，确定车辆在交通路口的安全值、快速值和舒适值；
基于所述安全值、快速值和舒适值确定车辆在交通路口的目标收益；其中，所述目标收益为安全值、快速值和舒适值之和。
进一步的，采用以下方式计算车辆在交通路口的舒适值，
Figure BDA0003872033370000021
采用以下方式计算车辆在交通路口的快速值，
Figure BDA0003872033370000022
采用以下方式计算车辆在交通路口的安全值，
Figure BDA0003872033370000023
采用以下方式计算目标函数，
Figure BDA0003872033370000024
其中，i＝1、2、3...表示接收数据的周期值，j＝1、2、3...表示交通路口中的第j辆车，
Figure BDA0003872033370000031
为第i个周期第j辆车的舒适值，/>
Figure BDA0003872033370000032
表示第i个周期第j辆车采取的速度，/>
Figure BDA0003872033370000033
表示第i-1个周期第j辆车采取的速度，/>
Figure BDA0003872033370000034
为第i个周期第j辆车的快速值，/>
Figure BDA0003872033370000035
表示第i个周期第j辆车采取的速度，/>
Figure BDA0003872033370000036
表示第i-1个周期第j辆车采取的速度，/>
Figure BDA0003872033370000037
是指第i个周期第j辆车的道路安全值，/>
Figure BDA0003872033370000038
是第i周期第j车的位置，/>
Figure BDA0003872033370000039
是第j辆车前车的实际位置，/>
Figure BDA00038720333700000310
为车距，
Figure BDA00038720333700000311
分别为本车和前车的速度，TTC为设置的本路段最大道路安全值，Li为第i个周期的目标函数，αj,βj,δj分别为舒适值、快速值以及安全值对应的权重，f(.)表示数值归一化。
进一步的，所述车辆预设的自身目标函数为
车辆的自身安全值、车辆在交通路口的快速值和舒适值之和。
进一步的，所述车辆的自身安全值为
Figure BDA00038720333700000312
车辆的自身目标函数为，
Figure BDA00038720333700000313
其中，
Figure BDA00038720333700000314
为第i个周期第j辆车的自身目标函数，/>
Figure BDA00038720333700000315
分别为车辆在车辆在交通路口的快速值、舒适值以及车辆的自身安全值，αj,δj分别为车辆在交通路口的快速值和舒适值对应的权重。
进一步的，所述结合所述理论运行速度和车辆预设的自身目标函数生成每辆车对应的领导者函数，包括：
采用Stackelberg博弈方法根据理论运行速度和车辆预设的自身目标函数生成领导者函数，包括：
选择车辆的理论运行速度和车辆的自身安全值得到车辆目标值，将所述目标值确定为参数值；
对所述当前车辆的理论运行速度周围的车辆的速度进行多次采样，通过所述目标函数计算新目标值；
计算新目标值与所述车辆目标值之差，将差值加入拟合点集合中，根据得到的拟合曲线确定领导者函数。
进一步的，通过遗传算法求解所述优化策略模型。
本申请实施例提供一种交通路口多车协同通行装置，包括：
接收模块，用于利用边缘计算节点接收所述边缘计算节点覆盖的交通路口的车辆信息；
确定模块，用于根据所述车辆信息确定车辆在交通路口的目标收益；
求解模块，用于以所述目标收益最大化为目标函数构建优化策略模型并求解，得到交通路口每辆车的理论运行速度；
生成模块，用于结合所述理论运行速度和车辆自身的目标函数生成每辆车对应的领导者函数；
输出模块，用于将所述领导者函数发送至车辆自身，以使得每辆车根据所述领导者函数和车辆自身目标函数确定需要采取的车速。
本申请实施例提供一种计算机设备，包括：存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行上述任一交通路口多车协同通行方法的步骤。
本发明采用以上技术方案，能够达到的有益效果包括：
本发明提供一种交通路口多车协同通行方法、装置及计算机设备，本发明借助交通路口处的边缘计算节点MEC，通过求解该路口处的最优目标函数来为路口每辆车规划合适的速度，并且生成每辆车对应的领导者函数，然后将生成的领导者函数等信息通过RSU设备下发给各个车辆；路口处车辆节点结合领导者函数和自身的目标函数，确定在每个周期应该采取的速度，由车辆自身执行决策。本申请中所提出的通行方法既保证了交通路口目标函数的全局最优，又使得各个车辆拥有自主决策的权利。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明交通路口多车协同通行方法的步骤示意图；
图2为本发明交通路口多车协同通行装置的结构示意图；
图3为本发明交通路口多车协同通行方法实施环境的硬件结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将对本发明的技术方案进行详细的描述。显然，所描述的实施例仅仅是本发明一部分实施例，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得到的所有其它实施方式，都属于本发明所保护的范围。
下面结合附图介绍本申请实施例中提供的一个具体的交通路口多车协同通行方法、装置及计算机设备。
如图1所示，本申请实施例中提供的交通路口多车协同通行方法，包括：
S101，利用边缘计算节点接收所述边缘计算节点覆盖的交通路口的车辆信息；
一些实施例中，所述根据所述车辆信息确定车辆在交通路口的目标收益，包括
基于拍摄设备存储的高精地图对车辆到交通路口的具体车道进行映射，得到映射关系；
根据所述映射关系，确定车辆在交通路口的安全值、快速值和舒适值；
基于所述安全值、快速值和舒适值确定车辆在交通路口的目标收益；其中，所述目标收益为安全值、快速值和舒适值之和。
具体的，本申请中定义舒适性、快速性、安全性的前提条件为基于路侧RSU设备存储的本路段高精度地图MAP信息，完成各个车辆到每个车道映射，进而得到同一车道及相邻车道的碰撞风险及潜在冲突点。
可以理解的是，本申请中交通路口处以周期进行运作，对交通路口的车辆进行标记，本申请中将i＝1、2、3...表示接收数据的周期值，j＝1、2、3...表示交通路口中的第j辆车。
具体的，舒适值定义为相邻两个周期之间的速度差，速度相差过大则会影响乘车舒适度，因此，要使车辆倾向于在周期之间速度变化较小，保证车辆的乘坐体验。采用以下方式计算车辆在交通路口的舒适值，
Figure BDA0003872033370000061
其中，
Figure BDA0003872033370000062
为第i个周期第j辆车的舒适值，/>
Figure BDA0003872033370000063
表示第i个周期第j辆车采取的速度，
Figure BDA0003872033370000064
表示第i-1个周期第j辆车采取的速度。
快速值定义为同等的路口距离下使用尽量少的时间通过路口，也定义为两个周期之间车辆的速度差。要减少通过交通路口的时间，则应保证车辆的速度倾向于在周期之间是不断增大的。采用以下方式计算车辆在交通路口的快速值，
Figure BDA0003872033370000065
其中，
Figure BDA0003872033370000066
为第i个周期第j辆车的快速值，/>
Figure BDA0003872033370000067
表示第i个周期第j辆车采取的速度，
Figure BDA0003872033370000068
表示第i-1个周期第j辆车采取的速度。
道路安全值定义为碰撞时间TTC。采用以下方式计算车辆在交通路口的安全值，
Figure BDA0003872033370000069
其中，
Figure BDA00038720333700000610
是指第i个周期第j辆车的道路安全值，/>
Figure BDA00038720333700000611
是第i周期第j车的位置，/>
Figure BDA00038720333700000612
是第j辆车前车的实际位置，/>
Figure BDA00038720333700000613
为车距，/>
Figure BDA00038720333700000614
为本车和前车的速度。TTC为设置的本路段最大道路安全值。
S102，根据所述车辆信息确定车辆在交通路口的目标收益；
综合上述三个指标，得到交通路口处的目标函数：
Figure BDA0003872033370000071
其中，Li为第i个周期的目标函数，
Figure BDA0003872033370000072
分别为第i个周期第j辆车的快速值、道路安全值、舒适值，αj,βj,δj分别为舒适值、快速值以及安全值对应的权重，f(.)表示数值归一化。
S103，以所述目标收益最大化为目标函数构建优化策略模型并求解，得到交通路口每辆车的理论运行速度；
具体的采用公式(4)可以确定每一轮周期路侧边缘计算节点优化的目标函数，通过最大化此目标函数可以给出每辆车在这个周期应该采取的速度。本申请中通过遗传算法计算此公式作为目标函数的最优化问题，得到每辆车的最合适的速度也就是理论运行速度。
S104，结合所述理论运行速度和车辆预设的自身目标函数生成每辆车对应的领导者函数；
其中，车辆预设的自身目标函数为
车辆的自身安全值、车辆在交通路口的快速值和舒适值之和。
具体的，每个车辆自身的目标函数类似于交通路口的优化策略模型，由三部分构成：车辆自身的安全值、快速值和舒适值。其中车辆的快速值和舒适值与路口优化策略模型中定义的快速值和舒适值一致。
因此，首先计算车辆自身的安全值，具体为对于每个车辆的安全值，定义为每个车辆未来一段时间的轨迹与其他车辆未来一段时间的轨迹冲突可能性的大小以及路口模型得到的安全值与速度的函数关系。本申请中通过v2x技术，每个车辆都将获得周围其他车辆的行驶状态信息，基于此行驶状态信息，每个车辆都可以预测未来一段时间内其他车辆的运行轨迹。本申请拟采用LSTM神经网络来预测周围车辆的运行轨迹。得到预测的轨迹之后，对周围的车辆轨迹及自车的轨迹进行采样，从而得到未来一段时间内车辆是否有碰撞风险。除此之外，路侧的边缘计算节点将会根据优化策略模型的计算结果得到每辆车安全值与速度的函数关系并下发给车辆。由于预测轨迹之间发生碰撞的概率与每辆车的速度紧密相关，因此，综合上述两个因素，得到车辆的的自身安全值为，
Figure BDA0003872033370000081
在确定车辆的快速值、安全值和舒适值后，结合车辆自身的偏好信息就可以给出每个车辆的目标函数，具体公式如下：
Figure BDA0003872033370000082
其中，
Figure BDA0003872033370000083
为第i个周期第j辆车的自身目标函数，/>
Figure BDA0003872033370000084
分别为车辆在本周期内的快速值、舒适值、安全值，αj,δj分别为快速值和舒适值对应的权重。
一些实施例中，所述结合所述理论运行速度和车辆预设的自身目标函数生成每辆车对应的领导者函数，包括：
采用Stackelberg博弈方法根据理论运行速度和车辆预设的自身目标函数生成领导者函数，包括：
选择车辆的理论运行速度和车辆的自身安全值得到车辆目标值，将所述目标值确定为参数值；
对所述当前车辆的理论运行速度周围的车辆的速度进行多次采样，通过所述目标函数计算新目标值；
计算新目标值与所述车辆目标值之差，将差值(V’,θ-ε*α)加入拟合点集合中，根据得到的拟合曲线确定领导者函数。
具体的，得到每个车辆的自身目标函数之后，每辆车在每个周期都希望最大化自身目标函数。需要说明的是，本申请中采用Stackelberg博弈方法生成领导者函数，将车辆的自身安全值与车辆的速度联系起来，从而能够诱导车辆进行速度选择。在整个博弈中将边缘计算节点作为领导者，每个车辆作为跟随者。本方案中将车辆的安全值作为领导者的决策变量，将车辆的速度值作为跟随者的决策变量。
求解领导者函数具体的流程为：移动边缘计算节点首先作为领导者使用优化策略模型计算每辆车合适的速度，然后根据该速度和交通路口整体的收益值变化给出合适的领导者函数。
S105，将所述领导者函数发送至车辆自身，以使得每辆车根据所述领导者函数和车辆的自身目标函数确定需要采取的车速。
具体的，将步骤S105中得到的领导者函数下发给车辆，车辆从领导者函数获取到自身安全值与车辆速度之间的变化关系，然后结合自身的利益函数选择最大化该利益函数的速度。
作为一个具体的实施方式，在交通路口实际场景中，在每轮模型开始时，首先通过计算节点中的优化策略模型计算出所有车辆的合适速度，对于任一车辆，选择该速度V和安全值θ使得车辆收益值为设定好的参数值，然后对速度V周围的速度进行多次采样，通过交通路口整体目标函数计算新收益值，表示如果该车辆选择新速度V’整体的收益情况，之后计算新的收益值与最优化情况下的收益值之差s，将(V’,θ-ε*α)加入拟合点集合中，α为调整的权重值，视车辆的目标函数变化。最后拟合成直线型或者曲线型领导者函数。
本申请提供的交通路口多车协同通行方法的工作原理为，交通路口整体的最优化策略，即通过获取交通路口所有车辆的信息，将每辆车的速度作为决策变量，形成交通路口的整体目标函数，再通过遗传算法来得到每个车辆应当采取的速度。优化策略模型的重点任务为确定交通路口的目标函数。针对人们在交通出行的基本需要，本申请中交通路口全局优化策略模型选取的目标函数主要由三部分构成，分别为舒适值、快速值和安全值。
如图2所示，本申请实施例提供一种交通路口多车协同通行装置，包括：
接收模块201，用于利用边缘计算节点接收所述边缘计算节点覆盖的交通路口的车辆信息；
确定模块202，用于根据所述车辆信息确定车辆在交通路口的目标收益；
求解模块203，用于以所述目标收益最大化为目标函数构建优化策略模型并求解，得到交通路口每辆车的理论运行速度；
生成模块204，用于结合所述理论运行速度和车辆自身的目标函数生成每辆车对应的领导者函数；
输出模块205，用于将所述领导者函数发送至车辆自身，以使得每辆车根据所述领导者函数和车辆自身目标函数确定需要采取的车速。
本申请提供的交通路口多车协同通行装置的工作原理为，接收模块201利用边缘计算节点接收所述边缘计算节点覆盖的交通路口的车辆信息；确定模块202根据所述车辆信息确定车辆在交通路口的目标收益；求解模块203以所述目标收益最大化为目标函数构建优化策略模型并求解，得到交通路口每辆车的理论运行速度；生成模块204结合所述理论运行速度和车辆自身的目标函数生成每辆车对应的领导者函数；输出模块205将所述领导者函数发送至车辆自身，以使得每辆车根据所述领导者函数和车辆自身目标函数确定需要采取的车速。
本申请提供一种计算机设备，包括：存储器1和处理器2，还可以包括网络接口3，所述存储器1存储有计算机程序，存储器1可以包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。该计算机设备存储有操作系统4，存储器是计算机可读介质的示例。所述计算机程序被所述处理器执行时，使得所述处理器执行交通路口多车协同通行方法，图3中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，本申请提供的交通路口多车协同通行方法可以实现为一种计算机程序的形式，计算机程序可在如图3所示的计算机设备上运行。
一些实施例中，所述计算机程序被所述处理器执行时，使得所述处理器执行以下步骤：利用边缘计算节点接收所述边缘计算节点覆盖的交通路口的车辆信息；根据所述车辆信息确定车辆在交通路口的目标收益；以所述目标收益最大化为目标函数构建优化策略模型并求解，得到交通路口每辆车的理论运行速度；结合所述理论运行速度和车辆预设的自身目标函数生成每辆车对应的领导者函数；将所述领导者函数发送至车辆自身，以使得每辆车根据所述领导者函数和车辆的自身目标函数确定需要采取的车速。
本申请还提供一种计算机存储介质，计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光光盘(DVD)或其他光学存储、磁盒式磁带存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。
一些实施例中，本发明还提出了一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，利用边缘计算节点接收所述边缘计算节点覆盖的交通路口的车辆信息；根据所述车辆信息确定车辆在交通路口的目标收益；以所述目标收益最大化为目标函数构建优化策略模型并求解，得到交通路口每辆车的理论运行速度；结合所述理论运行速度和车辆预设的自身目标函数生成每辆车对应的领导者函数；将所述领导者函数发送至车辆自身，以使得每辆车根据所述领导者函数和车辆的自身目标函数确定需要采取的车速。
综上所述，本发明提供一种交通路口多车协同通行方法、装置及计算机设备，本申请借助交通路口处的边缘计算节点MEC，通过求解该路口处的最优化目标函数来为路口每辆车规划合适的速度，并且生成每辆车对应的领导者函数，然后将生成的领导者函数等信息通过RSU设备下发给各个车辆；路口处车辆节点结合领导者函数和自身的目标函数，确定在每个周期应该采取的速度，由车辆自身执行决策。本专利中所提出的通行策略，既保证了交通路口目标函数的全局最优，又使得各个车辆拥有自主决策的权利。
可以理解的是，上述提供的方法实施例与上述的装置实施例对应，相应的具体内容可以相互参考，在此不再赘述。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令方法的制造品，该指令方法实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (8)

1.一种交通路口多车协同通行方法，其特征在于，包括：
利用边缘计算节点接收所述边缘计算节点覆盖的交通路口的车辆信息；
根据所述车辆信息确定车辆在交通路口的目标收益；
以所述目标收益最大化为目标函数构建优化策略模型并求解，得到交通路口每辆车的理论运行速度；
结合所述理论运行速度和车辆预设的自身目标函数生成每辆车对应的领导者函数；
所述结合所述理论运行速度和车辆预设的自身目标函数生成每辆车对应的领导者函数，包括：
采用Stackelberg博弈方法根据理论运行速度和车辆预设的自身目标函数生成领导者函数，包括：
选择车辆的理论运行速度和车辆的自身安全值得到车辆目标值，将所述目标值确定为参数值；
对当前车辆的理论运行速度周围的车辆的速度进行多次采样，通过所述预设的自身目标函数计算新目标值；
计算新目标值与所述车辆目标值之差，将差值加入拟合点集合中，根据得到的拟合曲线确定领导者函数；
将所述领导者函数发送至车辆自身，以使得每辆车根据所述领导者函数和车辆的自身目标函数确定需要采取的车速。
2.根据权利要求1所述的方法，其特征在于，所述根据所述车辆信息确定车辆在交通路口的目标收益，包括
基于拍摄设备存储的高精地图对车辆到交通路口的具体车道进行映射，得到映射关系；
根据所述映射关系，确定车辆在交通路口的安全值、快速值和舒适值；
基于所述安全值、快速值和舒适值确定车辆在交通路口的目标收益；其中，所述目标收益为安全值、快速值和舒适值之和。
3.根据权利要求2所述的方法，其特征在于，
采用以下方式计算车辆在交通路口的舒适值，
Figure QLYQS_1
采用以下方式计算车辆在交通路口的快速值，
Figure QLYQS_2
采用以下方式计算车辆在交通路口的安全值，
Figure QLYQS_3
采用以下方式计算目标收益最大化的目标函数，
Figure QLYQS_4
其中，i=1、2、3．．．表示接收数据的周期值，j=1、2、3．．．表示交通路口中的第j辆车，
Figure QLYQS_21
为第/>
Figure QLYQS_26
个周期第/>
Figure QLYQS_29
辆车的舒适值，/>
Figure QLYQS_6
表示第/>
Figure QLYQS_12
个周期第/>
Figure QLYQS_16
辆车采取的速度，/>
Figure QLYQS_20
表示第/>
Figure QLYQS_19
个周期第/>
Figure QLYQS_23
辆车采取的速度，/>
Figure QLYQS_25
为第/>
Figure QLYQS_28
个周期第/>
Figure QLYQS_22
辆车的快速值，/>
Figure QLYQS_24
是指第/>
Figure QLYQS_27
个周期第/>
Figure QLYQS_30
辆车的道路安全值，/>
Figure QLYQS_7
是第/>
Figure QLYQS_10
周期第/>
Figure QLYQS_14
车的位置，/>
Figure QLYQS_18
是第/>
Figure QLYQS_5
辆车前车的实际位置，/>
Figure QLYQS_9
为车距，/>
Figure QLYQS_13
表示第/>
Figure QLYQS_17
个周期第k辆车采取的速度，TTC为设置的本路段最大道路安全值，/>
Figure QLYQS_8
为第i个周期的目标函数，/>
Figure QLYQS_11
分别为快速值、安全值以及舒适值以及对应的权重，/>
Figure QLYQS_15
表示数值归一化。
4.根据权利要求3所述的方法，其特征在于，所述车辆预设的自身目标函数为
车辆的自身安全值、车辆在交通路口的快速值和舒适值之和。
5.根据权利要求4所述的方法，其特征在于，所述车辆的自身安全值为
Figure QLYQS_31
；
车辆的自身目标函数为，
Figure QLYQS_32
其中，
Figure QLYQS_33
为第i个周期第j辆车的自身目标函数，/>
Figure QLYQS_34
分别为车辆在车辆在交通路口的快速值、舒适值以及车辆的自身安全值，/>
Figure QLYQS_35
分别为车辆在交通路口的快速值和舒适值对应的权重。
6.根据权利要求5所述的方法，其特征在于，
通过遗传算法求解所述优化策略模型。
7.一种交通路口多车协同通行装置，其特征在于，包括：
接收模块，用于利用边缘计算节点接收所述边缘计算节点覆盖的交通路口的车辆信息；
确定模块，用于根据所述车辆信息确定车辆在交通路口的目标收益；
求解模块，用于以所述目标收益最大化为目标函数构建优化策略模型并求解，得到交通路口每辆车的理论运行速度；
生成模块，用于结合所述理论运行速度和车辆自身的目标函数生成每辆车对应的领导者函数；
所述结合所述理论运行速度和车辆预设的自身目标函数生成每辆车对应的领导者函数，包括：
采用Stackelberg博弈方法根据理论运行速度和车辆预设的自身目标函数生成领导者函数，包括：
选择车辆的理论运行速度和车辆的自身安全值得到车辆目标值，将所述目标值确定为参数值；
对当前车辆的理论运行速度周围的车辆的速度进行多次采样，通过所述预设的自身目标函数计算新目标值；
计算新目标值与所述车辆目标值之差，将差值加入拟合点集合中，根据得到的拟合曲线确定领导者函数；
输出模块，用于将所述领导者函数发送至车辆自身，以使得每辆车根据所述领导者函数和车辆自身目标函数确定需要采取的车速。
8.一种计算机设备，其特征在于，包括：存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如权利要求1至6中任一项所述的交通路口多车协同通行方法的步骤。
CN202211199857.1A 2022-09-29 2022-09-29 交通路口多车协同通行方法、装置及计算机设备 Active CN115620543B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211199857.1A CN115620543B (zh) 2022-09-29 2022-09-29 交通路口多车协同通行方法、装置及计算机设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211199857.1A CN115620543B (zh) 2022-09-29 2022-09-29 交通路口多车协同通行方法、装置及计算机设备

Publications (2)

Publication Number Publication Date
CN115620543A CN115620543A (zh) 2023-01-17
CN115620543B true CN115620543B (zh) 2023-06-27

Family

ID=84860028

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211199857.1A Active CN115620543B (zh) 2022-09-29 2022-09-29 交通路口多车协同通行方法、装置及计算机设备

Country Status (1)

Country Link
CN (1) CN115620543B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102963300A (zh) * 2012-12-07 2013-03-13 长安大学 防止车辆转弯时与非机动车发生碰撞的提示装置及其方法
CN105809950A (zh) * 2016-03-28 2016-07-27 重庆邮电大学 一种基于车路协同技术的车辆编队方法及其系统
CN108510769A (zh) * 2018-05-28 2018-09-07 北京交通大学 基于车路协同的移动闭塞交叉口车速引导系统和方法
CN108765926A (zh) * 2018-05-29 2018-11-06 重庆大学 一种基于车车通信的车辆协同跟随方法
KR102323437B1 (ko) * 2021-06-01 2021-11-09 시티아이랩 주식회사 딥러닝 기반 교통량 모니터링 방법, 및 시스템

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011039696A (ja) * 2009-08-07 2011-02-24 Aisin Aw Co Ltd 交通情報案内装置及び交通情報案内プログラム
CN105139677B (zh) * 2015-07-28 2017-08-25 苏州大学 基于车路协同的无控交叉口车辆通行引导系统及其引导方法
CN107742433A (zh) * 2017-09-22 2018-02-27 东南大学 一种基于导航路径的车辆诱导方法及其系统
WO2021237745A1 (zh) * 2020-05-29 2021-12-02 华为技术有限公司 一种辨识车辆列队中异常车辆参数的方法和终端设备
CN111880541B (zh) * 2020-08-03 2022-08-26 中车长春轨道客车股份有限公司 贵重物品运输车队最优行驶速度控制系统及其方法
CN112017438B (zh) * 2020-10-16 2021-08-27 宁波均联智行科技股份有限公司 一种行车决策生成方法及系统
CN116133923A (zh) * 2020-11-30 2023-05-16 浙江吉利控股集团有限公司 一种车辆驾驶方法、装置、计算机存储介质及系统
CN113920740B (zh) * 2021-11-16 2023-12-29 北京白龙马云行科技有限公司 一种联合车辆关联度和博弈论的车路协同驾驶系统及方法
CN114675655B (zh) * 2022-04-18 2025-04-18 北京京东乾石科技有限公司 一种车辆控制方法及装置
CN114898564B (zh) * 2022-07-12 2022-09-30 江苏集萃清联智控科技有限公司 一种非结构化场景下的交叉路口多车协同通行方法及系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102963300A (zh) * 2012-12-07 2013-03-13 长安大学 防止车辆转弯时与非机动车发生碰撞的提示装置及其方法
CN105809950A (zh) * 2016-03-28 2016-07-27 重庆邮电大学 一种基于车路协同技术的车辆编队方法及其系统
CN108510769A (zh) * 2018-05-28 2018-09-07 北京交通大学 基于车路协同的移动闭塞交叉口车速引导系统和方法
CN108765926A (zh) * 2018-05-29 2018-11-06 重庆大学 一种基于车车通信的车辆协同跟随方法
KR102323437B1 (ko) * 2021-06-01 2021-11-09 시티아이랩 주식회사 딥러닝 기반 교통량 모니터링 방법, 및 시스템

Also Published As

Publication number Publication date
CN115620543A (zh) 2023-01-17

Similar Documents

Publication Publication Date Title
CN112389436B (zh) 基于改进lstm神经网络的安全性自动驾驶换道轨迹规划方法
Wang et al. Decision making framework for autonomous vehicles driving behavior in complex scenarios via hierarchical state machine
CN101465058B (zh) 智能式动态路线诱导系统诱导单元决策方法
CN113415288B (zh) 分段式纵向车速规划方法、装置、设备及存储介质
CN114715193B (zh) 一种实时轨迹规划方法及系统
Jiang et al. Learning the policy for mixed electric platoon control of automated and human-driven vehicles at signalized intersection: A random search approach
Xie et al. A DRL based cooperative approach for parking space allocation in an automated valet parking system
Wang et al. Towards the next level of vehicle automation through cooperative driving: A roadmap from planning and control perspective
CN114510032A (zh) 一种保障车辆快速编队稳定的多车协同控制方法及装置
CN113479187A (zh) 一种插电式混合动力汽车分层异步长能量管理方法
Shen et al. Analysis of driving behavior in unprotected left turns for autonomous vehicles using ensemble deep clustering
Fu et al. Framework and operation of digital twin smart freeway
US12085399B2 (en) Modular machine-learning based system for predicting vehicle energy consumption during a trip
Huang Reinforcement learning based adaptive control method for traffic lights in intelligent transportation
CN115620543B (zh) 交通路口多车协同通行方法、装置及计算机设备
Kang et al. Hierarchical energy management strategy for plug-in HEVs based on historical data and real-time speed scheduling
Shim et al. A reinforcement learning algorithm for speed optimization and optimal energy management of advanced driver assistance systems and connected vehicles
Zhang et al. [Retracted] A Data‐Driven Control Strategy for Urban Express Ramp
Wang et al. Connected autonomous vehicle control strategy for mandatory lane-changing at intersection: a cyber-physical system perspective
Qi et al. Integrated Control Strategies for Freeway Bottlenecks with Vehicle Platooning
US12246747B2 (en) Adaptive and fuel efficient planning and control
Chaudhary et al. Deep Reinforcement Learning-Based Speed Predictor for Distributionally Robust Eco-Driving
Ma et al. Machine learning optimization of target velocity curves in hybrid electric trains
CN119022954B (zh) 一种基于路径权重模型的目标路径确定方法和装置
Cao et al. The Design of Vehicle Profile Based on Multivehicle Collaboration for Autonomous Vehicles in Roundabouts

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
GR01 Patent grant
GR01 Patent grant