CAV碰撞感知预测改道框架仿真验证

Tony Kinchen 提出面向网联自动驾驶车辆（CAV）的碰撞感知预测改道框架，并在仿真中验证：该框架整合 SUMO 微观仿真、基于 DCRNN 的时空交通状态预测、碰撞时间窗前瞻和多目标路径评分，用预测拥堵、实时排放信息、路径长度惩罚和事件时间窗约束决定 CAV 何时偏离原路线。 在三个城市路网场景、五种 CAV 渗透率、三个随机种子及多种基准改道策略下的仿真结果显示，该完整框架在总行程时间、距离和排放上并未全面优于所有基准；其主要优势是运行稳定性——在保持相当的路网整体效率的同时，相比主动改道基准显著降低了改道频率。

AI 根据报道生成 · 48 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。