百度Apollo车路协同自动驾驶典型实践场景和技术优势
基于北京亦庄各个路口的实际交通流数据,分别采用自适应控制方法,以及基于GNN的数据预测 与补全方法(原理见图6.48),对区域信号灯进行优化控制性能比较,如表6.4所示,全天延误表示0点至24点内的平均延误;早高峰延误表示早7时至9时内的平均延误;平峰延误表示10时至16时 内的平均延误。结果表明,基于GNN的数据预测与补全方法,在不同时段内均可有效提升交通通 行效率,降低车均延误。
表 6.4 基于GNN预测的区域信号控制与自适应区域信号控制对比(亦庄)
图 6.48 基于GNN流量预测的区域信号控制示意图
- 下一篇:标准 | SAE J3101车辆的硬件保护安全(1)
- 上一篇:地图参考位置协议
-
汽车测试网V课堂
-
微信公众号
-
汽车测试网手机站
编辑推荐
最新资讯
-
设计仿真 | 解读 Cradle CFD 2024.1 新功能
2024-09-20 15:44
-
运用车辆模型革新电池包开发-Chroma Power
2024-09-20 15:38
-
海克斯康获批省级科技成果转化中试示范基地
2024-09-20 13:38
-
沃尔沃与西港的合资公司命名--Cespira
2024-09-20 13:35
-
特斯拉宣布推出欧洲Semi纯电动重卡计划
2024-09-20 13:35