广告
百度Apollo车路协同自动驾驶典型实践场景和技术优势
2022-12-25 17:54:52· 来源：汽车测试网
应用效果：
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：汽车车身结构设计分析浅析
- 上一篇：地图参考位置协议
广告 
最新资讯
-
使用 HEADlab 测量电流
2026-01-23 17:13
-
奇石乐持续推进全球碳中和战略
2026-01-23 16:47
-
吉利汽车，新公司落户湖北！
2026-01-23 16:12
-
直播｜车载光通信技术路线及测试挑战
2026-01-23 13:05
-
重磅！工信部明确新车准入须开展30000km可
2026-01-23 13:05
