考虑环保意识的电动自行车使用者出行方式转变预测方法

    公开(公告)号:CN113762727A

    公开(公告)日:2021-12-07

    申请号:CN202110930805.6

    申请日:2021-08-13

    Applicant: 东南大学

    Abstract: 本发明公开了考虑环保意识的电动自行车使用者出行方式转变预测方法,该方法考虑电动自行车使用者的环保意识水平的影响,结合个人、家庭和社会经济特征以及出行特征作为影响因素,针对原始出行方式不同的五种类型的电动自行车使用者,结合替代出行方式,划分成二十五种出行方式转换类型,运用混合多项逻辑模型,挖掘电动自行车使用者出行方式的转变机理,建立环保意识影响下电动自行车使用者出行方式转变模型,预测电动自行车使用者在无法使用电动自行车时最有可能使用的替代出行方式。本发明可以为道路交通管理者和公共交通运营者制定和修改交通规划政策和措施提供参考,为道路交通可持续性发展提供依据。

    一种智能通信延时补偿自动驾驶队列控制器增益的优化方法

    公开(公告)号:CN118331117A

    公开(公告)日:2024-07-12

    申请号:CN202410407068.5

    申请日:2024-04-07

    Applicant: 东南大学

    Abstract: 本发明公开了一种智能通信延时补偿自动驾驶队列控制器增益的优化方法,包括步骤1、队列初始行驶状态;步骤2、队列数据传递;步骤3、构建CACC控制模型;步骤4、动态调整CACC控制模型系数。本发明通过利用车车通信获取车队信息,例如车辆加速度、速度和位置信息,将速度跟踪与位置跟踪作为控制策略的状态输入,并提出车队协同式自适应巡航CACC的精准控制策略。为了深入剖析该策略的性能,针对无延迟理想环境和有通讯延迟两种不同场景下的稳定性进行了分析。最终,为了验证算法的实效性与可靠性,我们采用搭建的联合仿真技术,对算法的可行性进行了验证,进一步提高了自动驾驶队列的稳定性。

    一种非对称干道协调控制方法

    公开(公告)号:CN103136941A

    公开(公告)日:2013-06-05

    申请号:CN201310025258.2

    申请日:2013-01-23

    Applicant: 东南大学

    Abstract: 本发明公开了一种非对称干道协调控制方法,根据干道各股车流的流量比进行非对称相位设计,尽量保证同一相位中车流流量比相近,减少绿灯时间浪费;为提高绿灯时间利用效率、同时保证各股车流正常运行,建立了各个相位绿灯时间允许区间计算方法;根据交叉口间距、车流行程速度以及协调相位车流红灯期间排队车辆放行所需时间提出单向协调控制提出最佳相位差;最终根据各个相位绿灯时间允许区间及单向最佳相位差确定交叉口相位相序、协调相位差及相位绿灯时间。本发明的方法可以优化干道交通流处于不平衡状态时双向协调控制效果,减少干道车辆延误、提高绿灯利用效率,在城市道路交通控制管理方面具有实际的工程运用价值。

    一种基于两车碰撞时间的机动车有效交通冲突识别方法

    公开(公告)号:CN103106811A

    公开(公告)日:2013-05-15

    申请号:CN201310013309.X

    申请日:2013-01-15

    Applicant: 东南大学

    Abstract: 本发明公开了一种基于两车碰撞时间的机动车有效交通冲突识别方法,该方法包括选择冲突点、判断两冲突车辆是否采取了避险行为等步骤,通过分别调查两辆冲突车辆采取避险行为时的碰撞距离、行驶速度,求出两辆车辆的碰撞时间,进而判断是否具有发生交通事故的风险,以此作为依据进行有效交通冲突的识别。与传统单纯依靠避险行为进行交通冲突识别方法相比,本发明提出的方法可以排除一些不具有交通事故发生可能的伪冲突,使得交通冲突调查结果与实际交通事故具有更密切的联系,进而提高交通冲突调查的有效性和可靠性,为应用交通冲突技术进行交通安全评价提供良好的冲突数据。

    考虑驾驶行为异质性和参数相关性的道路交通流速度预测方法与系统

    公开(公告)号:CN118470958A

    公开(公告)日:2024-08-09

    申请号:CN202410497878.4

    申请日:2024-04-24

    Applicant: 东南大学

    Abstract: 本发明公开了一种考虑驾驶行为异质性和参数相关性的道路交通流速度预测方法与系统,包括:采用交通流速度的方差代表驾驶员驾驶行为的异质性,用数理统计模型,建立交通流速度的方差与车流密度的定量关系;采用交通流模型建立交通流速度、速度方差和车流密度之间的定量化关系,构建考虑驾驶行为异质性的道路交通流速度预测模型;采用相关随机参数模型代表交通流参数的相关性,构建考虑交通流参数相关性的道路交通流速度预测模型;采用贝叶斯更新在同一模型框架内,同时对两阶段交通流模型所有参数进行标定,经过多次迭代更新能够同时使两个阶段的模型拟合优度最好。本发明能够更加精准地预测道路交通流速度,提高了道路交通状态预判的准确性。

    一种基于几何学习轨迹预测的交通冲击波预测方法

    公开(公告)号:CN118468119A

    公开(公告)日:2024-08-09

    申请号:CN202410433093.0

    申请日:2024-04-11

    Applicant: 东南大学

    Abstract: 本发明公开了一种基于几何学习轨迹预测的交通冲击波预测方法,包括步骤1、构建车辆轨迹预测模型;步骤2、构建模型样本库;步骤3、模型训练;步骤4、轨迹预测;步骤5、速度计算;步骤6、计算小波能量;步骤7、绘制能量时间序列图。本发明通过提取自车与周围车辆、车辆与道路环境之间的交互特征,充分考虑车辆驾驶行为的不确定性,建立基于几何深度学习的车辆轨迹预测模型,预测轨迹计算得到车辆在未来一段时间内的运行速度,将预测得到的车辆速度序列输入小波分析工具,预测交通流中交通冲击波的产生。本发明为动态车速控制、交通冲击波的消除提供基础,在缓解快速路交织区拥堵问题上具有实际的工程应用价值和意义。

    一种面向自动驾驶专用道的车辆轨迹优化控制方法

    公开(公告)号:CN119078871A

    公开(公告)日:2024-12-06

    申请号:CN202410528158.X

    申请日:2024-04-29

    Applicant: 东南大学

    Abstract: 本发明提出了一种面向自动驾驶专用道的车辆轨迹优化控制方法,包括:设计混合流条件下的自动驾驶专用道,获取车辆运行信息与环境信息,分别基于DDPG算法和DQN算法设计具有针对性的跟驰与换道模型,训练得到最优车辆轨迹优化控制器,对智能网联车辆进行控制。本发明在自动驾驶专用道基础上采用深度强化学习框架对网联自动驾驶车辆进行轨迹优化控制,考虑专用道汇入的微观收益与宏观收益,对优化专用道设置场景下的自动驾驶轨迹控制方法具有重要的理论意义和实际价值。

    混合交通流环境下以自动驾驶轨迹消散交通激波的方法

    公开(公告)号:CN118470957A

    公开(公告)日:2024-08-09

    申请号:CN202410433505.0

    申请日:2024-04-11

    Applicant: 东南大学

    Abstract: 本发明公开了混合交通流环境下以自动驾驶轨迹消散交通激波的方法,包括步骤1、设置控制区域;步骤2、获取前2辆人工驾驶车辆行驶轨迹;步骤3、计算人工驾驶车辆行驶参数;步骤4、预测第p辆人工驾驶车辆行驶轨迹;步骤5、预测每辆自动驾驶车辆的行驶轨迹;步骤6、自动驾驶车辆速度控制;步骤6‑1、划分空间离散点;步骤6‑2、规划行驶约束条件;步骤6‑3、速度和加速度规划。本发明能够减少车辆在交通激波发生队列中的行驶时间,有利于提高固定瓶颈区域的整体通行效率,降低瓶颈区域的潜在交通事故风险和燃油消耗,在缓解城市固定瓶颈区域的交通拥堵问题上具有实际的工程应用价值和意义。

Patent Agency Ranking