科研之友
微信
新浪微博
Facebook
分享链接
摘要
现有的交通环岛通行优化研究多以无损通信为背景，结合车辆速度等基础数据设计协同策略，忽略了影响交通策略的外界环境等数据，无法满足实际应用的需要。为解决实际通信受限问题，根据智能网联汽车的车-路-环境协同特点，提出一种结合用户画像，基于车辆状态预测的环岛车辆协同换道策略。设计基于时空特征的车辆预测方法 AP-LSTM，捕捉车辆关键时空特征以实现小样本轨迹预测，有效提高小样本车辆轨迹预测的准确性和实时性。同时，设计基于预测机制的车辆协同算法PMC，弥补车辆协同决策在实时通信受限的条件下所缺失的车辆状态信息，通过历史数据对车辆未来状态进行预测，在此基础上，结合Stackelberg博弈对交通环岛路口处的车辆进行协同控制。在SUMO平台上的实验结果表明，相比长短时记忆算法，所提AP-LSTM预测方法的均方根误差较低，相比SUMO算法，所提PMC协同算法的加速度标准差降低51.7%，且平均速度提高3.0%，有效提高交通环岛的通行效率和驾驶平稳性。
- 单位
