10.19678/j.issn.1000-3428.0065947
基于用户画像与Stackelberg博弈的交通环岛通行策略
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.
智能网联汽车、车辆画像、状态预测、Stackelberg博弈、环岛通行
49
TP391(计算技术、计算机技术)
国家自然科学基金;国家自然科学基金;国家重点研发计划;新疆维吾尔自治区自然科学基金;新疆维吾尔自治区天山青年计划项目
2023-09-25（万方平台首次上网日期，不代表论文的发表时间）
共9页
208-216
