交叉路口的管理是交通控制中最具有挑战性的任务之一,目前交叉路口都是由停车标志或者红绿灯管理,这些技术旨在管理车流量,提高交叉路口的通行效率和安全性。随着中国经济的高速发展,人民生活质量的不断提高,近年来私家车数量爆发式增长,越来越多的车辆涌入城市交通流,交通灯策略的弊端开始显现。在很多情况下,即使交叉路口内没有车辆,红绿灯策略也会要求车辆在交叉路口边缘等待,导致了频繁的交通堵塞,严重影响了城市的经济效益和居民的生活质量,造成了大量的经济损失。随着人工智能、视觉计算、无线通信技术等研究的飞速发展,无人驾驶技术也越来越成熟,无人驾驶和智能交通系统(ITS)成为人们关注的热点话题之一。无人驾驶车辆的优势在于,它们可以相互协作、协调,也可以与交叉路口的控制中心进行交互,为智能交叉路口管理开辟了可能。在不久的将来,无人驾驶车辆将成为城市交通的核心,目前已有许多研究者预见这一未来且提出了很多智能交叉路口管理策略,然而这些控制策略存在不能实时控制、模型不够优化等问题,因此提出更高效的智能控制策略具有重要意义。本文提出了用于管理无人驾驶车辆在交叉路口通行的智能管理协议,同时为无人驾驶车辆提供路径推荐服务。首先,本文提出了智能管理协议的假设,定义了车辆通信消息类型及允许执行的操作,提供优先级确定及相应的速度调整策略,大幅度的减少车辆在交叉路口的平均等待时间。其次,将SMOTE、RF、GBDT算法应用于预测车辆在路口的平均等待时间。使用SMOTE算法处理初始数据集生成平衡数据集,再采用RF、GBDT算法训练模型、预测等待时间。与使用初始数据集训练相比,基于SMOTE算法生成的数据集训练模型、预测时间更加高效、准确。接着,提出用于解决路径规划问题的iEigenAnt算法,通过数学分析、实验结果、案例研究的方式证明算法的高效性,再将iEigenAnt算法应用于交通网络中寻找最短路径问题,找到多个较短路径。最后,根据行驶时间最短,即道路上行驶时间与路口等待时间之和最小,或行驶距离最短的标准为无人驾驶车辆推荐路径。本文的主要贡献如下:·提出用于管理无人驾驶车辆在交叉路口通行的智能管理协议。相对于传统的红绿灯管理策略,能够极大程度减少车辆在交叉路口的等待时间,提高交叉路口通行效率。·预测无人驾驶车辆在此协议下,不同车流量情况下在交叉路口的等待时间。将合成少数类样本过采样技术(SMOTE)应用到智能管理协议领域,提高了预测准确性,获得良好的预测结果。·提出了改进的iEigenAnt蚁群算法,用于解决寻找最短路径问题。首先通过数学分析及实验结果、案例学习证明此算法在解决组合优化问题时的高效性,再将此算法应用到路径规划问题,找出多个较短路径。最后,根据行驶时间最短、行驶距离最短的标准为无人驾驶车辆推荐路径。