Cooperative CAVs optimal trajectory planning for collision avoidance and merging in the weaving section
Cooperative CAVs optimal trajectory planning for collision avoidance and merging in the weaving section
复制标题
协作 CAV 优化轨迹规划，用于编织段的避碰和汇合
DOI：
10.1080/21680566.2020.1845852
复制
发表时间：
2020-11
期刊：
影响因子：
--
通讯作者：
杨澜
中科院分区：
文献类型：
--
作者：
景首才;赵祥模;惠飞;Asad J. Khattak;杨澜
交织路段可能会造成大规模的拥堵和事故问题。互联和自动驾驶汽车（CAV）通过有效的通信和控制来提高交通安全和效率。为此，本研究提出了一个集中的合作车辆轨迹规划框架SAE 4级或5级自动化。针对交织段的复杂运动，提出了纵向最优轨迹控制方法，以避免碰撞。这提高了交通效率，减少了燃料消耗和驾驶员的不适。侧擦碰撞预测算法考虑到车辆的几何特征，并预测碰撞的时间。建立了带安全约束的匝道合流序列模型，以避免匝道上、出口车辆碰撞。通过仿真验证了该模型的有效性，并将其与基线进行了比较，证明了该方法在提高安全性、降低燃油消耗和旅行时间方面的潜力。
Weaving sections may cause massive congestion and accident problems. Connected and automated vehicles (CAVs) are acknowledged to improve traffic safety and efficiency through effective communication and control. To this end, this study proposes a centralized cooperative vehicle trajectory planning framework for SAE Level 4 or 5 automation. Specifically, focusing on the complex movements at weaving sections, the longitudinal optimal trajectory control is proposed to avoid collisions. This improves traffic efficiency and reduces fuel consumption and driver discomfort. A sideswipe collision prediction algorithm takes into account the geometric features of vehicles and predicts the time of the collision. The merging sequences model with safety constraints is developed to avoid the collision between the on-ramp and off-ramp vehicles. The effectiveness of the proposed model is validated through simulations, where the proposed method is compared with the baseline to demonstrate its potential in improving safety and reducing the fuel consumption and travel time.
登录
查看更多内容
DOI：
10.1016/j.trc.2017.01.003
发表时间：
2017-03-01
影响因子：
8.3
作者：
Liu, Hao;Wei, Heng;Yang, Y. Jeffrey
通讯作者：
Yang, Y. Jeffrey
DOI：
10.1016/j.automatica.2018.03.056
发表时间：
2016-02
期刊：
Autom.
影响因子：
--
作者：
Andreas A. Malikopoulos;C. Cassandras;Yue J. Zhang
通讯作者：
Andreas A. Malikopoulos;C. Cassandras;Yue J. Zhang
孤立路口交通信号优化与网联车辆速度控制协同方法
DOI：
10.1109/tits.2018.2849029
发表时间：
2019-04
影响因子：
8.5
作者：
Xu Biao;Ban Xuegang Jeff;Bian Yougang;Li Wan;Wang Jianqiang;Li Shengbo Eben;Li Keqiang
通讯作者：
Li Keqiang
DOI：
10.1109/cdc.2000.912805
发表时间：
2000-12
期刊：
Proceedings of the 39th IEEE Conference on Decision and Control (Cat. No.00CH37187)
影响因子：
--
作者：
Xiao-Yun Lu;UC Karl J. Hedrick PATH;Rfs Berkeley;Bldg;Richmond St;Ca
通讯作者：
Xiao-Yun Lu;UC Karl J. Hedrick PATH;Rfs Berkeley;Bldg;Richmond St;Ca
DOI：
10.1109/cdc.2017.8264312
发表时间：
2017-03
期刊：
2017 IEEE 56th Annual Conference on Decision and Control (CDC)
影响因子：
--
作者：
Yue Zhang-;Andreas A. Malikopoulos;C. Cassandras
通讯作者：
Yue Zhang-;Andreas A. Malikopoulos;C. Cassandras