System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 交通状态确定制造技术_技高网

交通状态确定制造技术

技术编号:43355110 阅读:23 留言:0更新日期:2024-11-19 17:41
服务器访问来自道路部分上的多个联网运载工具(CV)的子集中的各个CV的运载工具数据,运载工具数据包括位置、速度和车头间距其中至少之一。服务器基于所访问的运载工具数据来生成长期共享世界模型。服务器通过将交通流模型应用于长期共享世界模型、使用长期共享世界模型来生成数据结构,该数据结构通过位置和时间来表示道路部分上的预测未来速度。服务器向联网自主运载工具(CAV)传输用于基于所生成的数据结构来控制CAV的操作的控制信号。

【技术实现步骤摘要】
【国外来华专利技术】

本公开大体上涉及联网运载工具和联网自动化运载工具,并且更特别地,涉及生成道路的长期共享世界模型并将该长期共享世界模型用于联网自动化运载工具的操作。


技术介绍

1、交通拥堵在例如损失的工时、过量的碳排放和增加的运载工具事故可能性方面具有高成本。作为能够在网络上传输数据的联网运载工具(cv)和能够在网络上传输数据并在网络上接收控制信号的联网自动化运载工具(cav)的道路上的运载工具的比例正在增加。


技术实现思路

1、本文公开了在运载工具正行驶通过运载工具运输网络时使用信念状态确定进行实时决策的方面、特征、要素、实现和实施例。

2、所公开的实施例的一方面是一种用于生成控制信号并将所述控制信号传输到运载工具的方法。所述方法包括:访问来自道路部分上的多个联网运载工具即多个cv的子集中的各个cv的运载工具数据,所述运载工具数据包括位置、速度和车头间距其中至少之一。所述方法包括基于所访问的运载工具数据来生成长期共享世界模型。所述方法包括:通过将交通流模型应用于所述长期共享世界模型、使用所述长期共享世界模型来生成数据结构,所述数据结构通过位置和时间来表示所述道路部分上的预测未来速度。所述方法包括向联网自主运载工具即cav传输用于基于所生成的数据结构来控制所述cav的操作的控制信号。

3、所公开的实施例的一方面是一种用于生成控制信号并将所述控制信号传输到运载工具的设备。所述设备包括处理器和存储器。所述存储器存储指令。所述处理器执行指令以:访问来自道路部分上的多个联网运载工具即多个cv的子集中的各个cv的运载工具数据,所述运载工具数据包括位置、速度和车头间距其中至少之一。所述处理器执行指令以基于所访问的运载工具数据来生成长期共享世界模型。所述处理器执行指令以:通过将交通流模型应用于所述长期共享世界模型、使用所述长期共享世界模型来生成数据结构,所述数据结构通过位置和时间来表示所述道路部分上的预测未来速度。所述处理器执行指令以向联网自主运载工具即cav传输用于基于所生成的数据结构来控制所述cav的操作的控制信号。

4、所公开的实施例的一方面是一种用于生成控制信号并将所述控制信号传输到运载工具的计算机可读介质。所述计算机可读介质存储指令。所述指令包括代码以:访问来自道路部分上的多个联网运载工具即多个cv的子集中的各个cv的运载工具数据,所述运载工具数据包括位置、速度和车头间距其中至少之一。所述指令包括代码以基于所访问的运载工具数据来生成长期共享世界模型。所述指令包括代码以:通过将交通流模型应用于所述长期共享世界模型、使用所述长期共享世界模型来生成数据结构,所述数据结构通过位置和时间来表示所述道路部分上的预测未来速度。所述指令包括代码以:向联网自主运载工具即cav传输用于基于所生成的数据结构来控制所述cav的操作的控制信号。

5、下文进一步详细描述这些以及本文公开的方法、设备、过程和算法的其他方面、特征、要素、实现和实施例的变型。

本文档来自技高网...

【技术保护点】

1.一种方法,包括:

2.根据权利要求1所述的方法,其中,接近所述CV的所述附加运载工具包括以下各项其中至少之一:在与所述CV相邻的车道中在所述CV的前方的运载工具、以及在与所述CV相邻的车道中在所述CV的后方的运载工具。

3.根据权利要求1所述的方法,其中,所述控制服务器从包括所述CV的多个CV接收所述速度数据和所述车头间距数据,其中,基于来自所述多个CV的所述速度数据来计算所述速度校正因子,其中,基于来自所述多个CV的所述车头间距数据来计算所述车头间距校正因子。

4.根据权利要求1所述的方法,其中,所述预测引擎利用存储从所述多个CV和多个道路传感器所接收到的数据的长期共享世界模型。

5.根据权利要求1所述的方法,其中,基于所述速度校正因子和所述车头间距校正因子来调整所确定的未来流包括:将所确定的未来流乘以所述速度校正因子与所述车头间距校正因子的商。

6.根据权利要求1所述的方法,其中,基于所述速度校正因子来调整所确定的未来平均速度包括:将所确定的未来平均速度乘以所述速度校正因子。

7.根据权利要求1所述的方法,其中,基于所述车头间距校正因子来调整所确定的未来密度包括:将所确定的未来密度除以所述车头间距校正因子。

8.一种设备,包括:

9.根据权利要求8所述的设备,其中,接近所述CV的所述附加运载工具包括以下各项其中至少之一:在与所述CV相邻的车道中在所述CV的前方的运载工具、以及在与所述CV相邻的车道中在所述CV的后方的运载工具。

10.根据权利要求8所述的设备,其中,所述控制服务器从包括所述CV的多个CV接收所述速度数据和所述车头间距数据,其中,基于来自所述多个CV的所述速度数据来计算所述速度校正因子,其中,基于来自所述多个CV的所述车头间距数据来计算所述车头间距校正因子。

11.根据权利要求8所述的设备,其中,所述预测引擎利用存储从所述多个CV和多个道路传感器所接收到的数据的长期共享世界模型。

12.根据权利要求8所述的设备,其中,基于所述速度校正因子和所述车头间距校正因子来调整所确定的未来流包括:将所确定的未来流乘以所述速度校正因子与所述车头间距校正因子的商。

13.根据权利要求8所述的设备,其中,基于所述速度校正因子来调整所确定的未来平均速度包括:将所确定的未来平均速度乘以所述速度校正因子。

14.根据权利要求8所述的设备,其中,基于所述车头间距校正因子来调整所确定的未来密度包括:将所确定的未来密度除以所述车头间距校正因子。

15.一种存储指令的非暂态计算机可读介质,所述指令在由处理器执行时使所述处理器进行操作,所述操作包括:

16.根据权利要求15所述的计算机可读介质,其中,接近所述CV的所述附加运载工具包括以下各项其中至少之一:在与所述CV相邻的车道中在所述CV的前方的运载工具、以及在与所述CV相邻的车道中在所述CV的后方的运载工具。

17.根据权利要求15所述的计算机可读介质,其中,所述控制服务器从包括所述CV的多个CV接收所述速度数据和所述车头间距数据,其中,基于来自所述多个CV的所述速度数据来计算所述速度校正因子,其中,基于来自所述多个CV的所述车头间距数据来计算所述车头间距校正因子。

18.根据权利要求15所述的计算机可读介质,其中,所述预测引擎利用存储从所述多个CV和多个道路传感器所接收到的数据的长期共享世界模型。

19.根据权利要求15所述的计算机可读介质,其中,基于所述速度校正因子和所述车头间距校正因子来调整所确定的未来流包括:将所确定的未来流乘以所述速度校正因子与所述车头间距校正因子的商。

20.根据权利要求15所述的计算机可读介质,其中,基于所述速度校正因子来调整所确定的未来平均速度包括:将所确定的未来平均速度乘以所述速度校正因子。

...

【技术特征摘要】
【国外来华专利技术】

1.一种方法,包括:

2.根据权利要求1所述的方法,其中,接近所述cv的所述附加运载工具包括以下各项其中至少之一:在与所述cv相邻的车道中在所述cv的前方的运载工具、以及在与所述cv相邻的车道中在所述cv的后方的运载工具。

3.根据权利要求1所述的方法,其中,所述控制服务器从包括所述cv的多个cv接收所述速度数据和所述车头间距数据,其中,基于来自所述多个cv的所述速度数据来计算所述速度校正因子,其中,基于来自所述多个cv的所述车头间距数据来计算所述车头间距校正因子。

4.根据权利要求1所述的方法,其中,所述预测引擎利用存储从所述多个cv和多个道路传感器所接收到的数据的长期共享世界模型。

5.根据权利要求1所述的方法,其中,基于所述速度校正因子和所述车头间距校正因子来调整所确定的未来流包括:将所确定的未来流乘以所述速度校正因子与所述车头间距校正因子的商。

6.根据权利要求1所述的方法,其中,基于所述速度校正因子来调整所确定的未来平均速度包括:将所确定的未来平均速度乘以所述速度校正因子。

7.根据权利要求1所述的方法,其中,基于所述车头间距校正因子来调整所确定的未来密度包括:将所确定的未来密度除以所述车头间距校正因子。

8.一种设备,包括:

9.根据权利要求8所述的设备,其中,接近所述cv的所述附加运载工具包括以下各项其中至少之一:在与所述cv相邻的车道中在所述cv的前方的运载工具、以及在与所述cv相邻的车道中在所述cv的后方的运载工具。

10.根据权利要求8所述的设备,其中,所述控制服务器从包括所述cv的多个cv接收所述速度数据和所述车头间距数据,其中,基于来自所述多个cv的所述速度数据来计算所述速度校正因子,其中,基于来自所述多个cv的所述车头间距数据来计算所述车头间距校正因子。

11.根据权利要求8所述的设备,其中,所述预测引擎...

【专利技术属性】
技术研发人员:A·R·克莱德赫F·C·周V·詹姆斯N·M·拜格L·彼得森
申请(专利权)人:北美日产公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1