考虑信息流特征的高速公路车路协同场景和功能划分方法

    公开(公告)号:CN115862333A

    公开(公告)日:2023-03-28

    申请号:CN202211562375.8

    申请日:2022-12-07

    申请人: 东南大学

    摘要: 本发明公开了一种考虑信息流特征的高速公路车路协同场景和功能划分方法,具体为:步骤1,根据信息传递的交互性和精准性,对高速公路车路协同系统进行场景分类;步骤2:针对每一种场景,根据该场景下的业务需求,确定该场景所需的功能;步骤3:采用层次分析法确定每个功能在高速公路车路协同系统中的整体重要度性系数;步骤4:采用聚类算法,根据功能整体重要性系数对功能业务进行聚类划分。本发明通过对高速公路车路协同系统按照信息流特征进行场景和功能业务的划分,可以更好的服务信息交互,保证重要的信息需求优先处理,从而提高高速公路车路协同系统的示范应用,对高速公路车路协同技术的推广也具有促进作用。

    基于网联车轨迹数据的绿波行进车速不确定性量化方法

    公开(公告)号:CN115100875B

    公开(公告)日:2023-05-16

    申请号:CN202210630060.6

    申请日:2022-06-06

    申请人: 东南大学

    摘要: 本发明公开了一种基于网联车轨迹数据的绿波行进车速不确定性量化方法,包括:将网联车轨迹点与实际道路路段进行地图匹配,计算网联车轨迹点到下游交叉口的距离;对车辆运行状态进行划分;将轨迹点汇聚到相应的路段元胞内;获得多条不同时间间隔内的路段元胞绿波行进车速序列;利用隐马尔科夫模型对元胞绿波行进车速进行联合分布建模,输入多条不同时间间隔内的元胞绿波行进车速序列进行训练,确定元胞绿波行进车速联合分布;获取若干组路段元胞绿波行进车速样本,计算空间平均值得到路段绿波行进车速样本,确定路段绿波行进车速分布。本发明实现了绿波行进车速的不确定性量化,为支撑鲁棒信号协调控制提供了现实可靠依据。

    基于网联车轨迹数据的绿波行进车速不确定性量化方法

    公开(公告)号:CN115100875A

    公开(公告)日:2022-09-23

    申请号:CN202210630060.6

    申请日:2022-06-06

    申请人: 东南大学

    IPC分类号: G08G1/052 G08G1/01 G06K9/62

    摘要: 本发明公开了一种基于网联车轨迹数据的绿波行进车速不确定性量化方法,包括:将网联车轨迹点与实际道路路段进行地图匹配,计算网联车轨迹点到下游交叉口的距离;对车辆运行状态进行划分;将轨迹点汇聚到相应的路段元胞内;获得多条不同时间间隔内的路段元胞绿波行进车速序列;利用隐马尔科夫模型对元胞绿波行进车速进行联合分布建模,输入多条不同时间间隔内的元胞绿波行进车速序列进行训练,确定元胞绿波行进车速联合分布;获取若干组路段元胞绿波行进车速样本,计算空间平均值得到路段绿波行进车速样本,确定路段绿波行进车速分布。本发明实现了绿波行进车速的不确定性量化,为支撑鲁棒信号协调控制提供了现实可靠依据。