CN105739534A - 基于车联网的无人驾驶车多车协同驾驶方法及装置 - Google Patents

Abstract

本申请公开了基于车联网的无人驾驶车多车协同驾驶方法及装置。所述方法的一具体实施方式包括：实时获取本车当前行车数据与路况信息；接收预定距离内的多辆其他无人驾驶车发送共享的当前行车数据与路况信息；根据所述本车以及所述多辆其他无人驾驶车的当前行车数据与路况信息，经过分析规划本车的行车决策方案，所述行车决策方案包括行车优先级以及行车路线；根据所述行车决策方案生成本车行车指令。该方法使得每辆无人驾驶车可以实时根据本车及周围其他无人驾驶车的当前行车数据及路况信息规划行车决策方案，提高了公共道路使用率以及各无人驾驶车的行车安全等级。

Description

基于车联网的无人驾驶车多车协同驾驶方法及装置

技术领域

本申请涉及无人驾驶汽车领域，具体涉及基于车联网的无人驾驶领域，尤其涉及基于车联网的无人驾驶车多车协同驾驶方法及装置。

背景技术

随着无人驾驶车以及道路交通的发展，对于公共道路的效率及安全也提出了更高的要求。但是现在公共道路上的无人驾驶车都是作为一个独立个体运行，车辆间没有一个交互通信，目前，现有无人车驾驶系统，都是通过识别周围车辆的现在指示灯(转向灯、双闪灯)来判断他车的行车意图。

但是，行车灯的识别主要通过图像来进行识别，摄像头的采集有盲区，同时图像识别有一定延时导致无法准确、及时的了解周围无人驾驶车的行车意图及车辆状况，从而无法准确及时的应对，使得公共道路的使用率不高以及无人驾驶车安全等级也比较低。

发明内容

本申请的目的在于提出一种基于车联网的无人驾驶车多车协同驾驶方法及装置，来解决以上背景技术部分提到的技术问题。

第一方面，本申请提供了一种基于车联网的无人驾驶车多车协同驾驶方法，所述方法包括：实时获取本车当前行车数据与路况信息；接收所述预定距离内的多辆其他无人驾驶车发送共享的当前行车数据与路况信息；根据所述本车以及所述多辆其他无人驾驶车的当前行车数据与路况信息，经过分析规划本车的行车决策方案，所述行车决策方案包括行车优先级以及行车路线；根据所述行车决策方案生成行车指令。

第二方面，本申请提供了一种基于车联网的无人驾驶车多车协同驾驶装置，所述装置包括获取单元，配置用于实时获取本车当前行车数据与路况信息；接收单元，配置用于接收所述预定距离内的多辆其他无人驾驶车发送共享的当前行车数据与路况信息；分析规划单元，配置用于根据所述本车以及所述多辆其他无人驾驶车的当前行车数据与路况信息，经过分析规划本车的行车决策方案，所述行车决策方案包括行车优先级以及行车路线；生成单元，配置用于根据所述行车决策方案生成行车指令。

第三方面，本申请提供了一种无人驾驶车，所述无人驾驶车包括上述基于车联网的无人驾驶车多车协同驾驶装置。

本申请提供的基于车联网的无人驾驶车多车协同驾驶方法及装置，通过车载大脑实时获取本车的当前行车数据及路况信息，并且实时接收预定距离内的多辆其他无人驾驶车发送的行车数据及路况信息，然后根据获取的本车及多辆其他无人驾驶车的当前行车数据及路况信息分析规划本车的行车决策方案，最后根据行车决策方案生成本车行车指令，可以根据其他车辆的当前行车数据及路况信息规划本车合理的行车决策方案，从而提高了公共道路的使用效率以及无人驾驶车的安全等级。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：

图1是本申请的基于车联网的无人驾驶车多车协同驾驶方法及装置可以应用于其中的示例性系统架构图；

图2是根据本申请的基于车联网的无人驾驶车多车协同驾驶方法的一个实施例的流程图；

图3是根据本申请的基于车联网的无人驾驶车多车协同驾驶方法的又一个实施例的流程图；

图4是根据本申请的根据本申请的基于车联网的无人驾驶车多车协同驾驶装置一个实施例的结构示意图；

图5是本申请的多车相互通信及多车与云中心数据交互通信的示意图；

图6是适于用来实现本申请实施例的无人驾驶车车载大脑或云中心的计算机系统的结构示意图。

具体实施方式

下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

图1示出了本申请的基于车联网的无人驾驶车多车协同驾驶方法及装置可以应用于其中的示例性系统架构图100。

如图1所示，系统架构100可以包括无人驾驶车101、无人驾驶车102以及云中心103。无人驾驶车101和无人驾驶车102上均设置有车载大脑，无人驾驶车101的车载大脑和无人驾驶车102的车载大脑相互之间可以通过有线、无线通信链路或者光电缆进行通信，所述无人驾驶车101的车载大脑与云中心103之间以及无人驾驶车102的车载大脑与云中心103之间可以通过有线、无线通信链路或者光电缆进行通信。

无人驾驶车101和102车载大脑例如可以为预先安装有各种软件的智能电脑，用以与其他车载大脑进行交互通信向其他智能电脑发送自身的车速、加速度等信息，同时接收其他车载大脑发送来的其他车载大脑的车速、加速度等信息。车载大脑还可以根据预先安装的软件根据本车的以及其他无人车的车速、加速度、路况信息等进行分析以规划本车的行车决策方案。

云中心可以包括多个云服务器。其中云服务器可以是提供各种服务的服务器，例如为无人驾驶车101及102的车载大脑提供行车规划方案的服务器。云服务器对接收到的无人驾驶车101及102的车载大脑发送的行车数据及路况信息进行分析，规划出对应每一辆无人驾驶车的行车规划方案。

应该理解，图1中的无人驾驶车以及云中心的数目仅仅是示意性的。根据实现需要，可以具有任意数目的无人驾驶车以及云中心。

继续参考图2，其示出了根据本申请的基于车联网的无人驾驶车多车协同驾驶方法的一个实施例的流程200。基于车联网的无人驾驶车多车协同驾驶方法，包括以下步骤：

步骤201实时获取本车当前行车数据与路况信息。

在本实施例中，无人驾驶车包括预先设置在其上的感知模块以及数据预处理模块。在感知模块中可以包括各种传感器用以实时采集本车行驶中的行车信号路况信号等。其中传感器例如可以包括：车速传感器、加速度传感器、角速度传感器、激光雷达、摄像头、GPS导航仪以及惯性传感器等等，其中激光雷达、GPS导航仪以及惯性传感器时广泛采用的器件，此处不赘述。

在本实施例中，感知模块将实时采集到的本车的当前行车信号及路况信号等通过有线连接方式或无线连接方式发送给数据预处理模块。数据预处理模块将接收到的行车信号进行分析处理得到本车当前的行车数据，可选的，行车数据包括车速度、加速度、角速度、车轮转向角度等数据。同时，数据预处理模块接收到的路况信号进行分析处理得到路况信息。

在本实施例中，车载大脑实时获取数据预处理模块对感知模块采集的行车信号、路况信号经过分析计算得到的行车数据及路况信息。例如车载大脑可以实时通过有线连接方式或者无线连接方式接收数据预处理模块发送的上述行车数据及路况信息。

需要指出的是，上述无线连接方式可以包括但不限于3G/4G连接、WiFi连接、蓝牙连接、WiMAX连接、Zigbee连接、UWB(ultrawideband)连接、以及其他现在已知或将来开发的无线连接方式。

步骤202，接收预定距离内的多辆其他无人驾驶车发送共享的当前行车数据与路况信息。

在本实施例中，本车的车载大脑还可以实时通过有线连接方式或者无线通信方式接收预定距离内的多辆其他无人驾驶车的车载大脑发送共享的其他无人驾驶车的当前行车数据及路况信息。

在本实施例的一些可选实现方式中，上述预定距离可以为周围其他车辆与本车之间的距离小于预定阈值，上述预定阈值例如可以为100米。也即本车与周围的其他无人驾驶车之间的距离小于100米。此时本车与周围的其他无人驾驶车之间可以通过短程专用通信方式实现交互通信：本车可以通过短程专用通信方式接收周围其他无人驾驶车实时发送的各辆其他无人驾驶车自身的当前行车数据及当前路况信息。本车还可以通过短程专用通信方式向周围其他无人驾驶车实时发送本车的当前行车数据及当前路况信息。

步骤203，根据本车以及多辆其他无人驾驶车的当前行车数据与路况信息，经过分析规划本车的行车决策方案。

在本实施例中，车载大脑对步骤202得到的本车及预定距离内的多辆其他无人驾驶车的当前行车数据及路况信息进行分析，根据分析结果规划本车的行车决策方案。上述行车决策方案可以包括行车优先级以及行车路线。可选的，行车决策方案例如还可以包括加速、减速、变道、停车等。

当车载大脑根据多辆其他无人驾驶车的行车数据判断前方车辆减速行驶时，可以规划本车也相应减速行驶，以避免发生车与车的碰撞；当车载大脑根据多辆其他无人驾驶车的行车数据判断前方车辆加速行驶时，可以规划本车也相应加速行驶，以使公共道路得到充分使用，提高公共道路使用效率。同时，当车载大脑根据多辆其他无人驾驶车的行车数据判断前方同车道中的车辆损坏行驶时，可以规划本车进行变道行驶。当车载大脑根据本车及多辆其他无人驾驶车的当前路况信息判断前方有紧急事件发生时，可以规划本车停车。

在本实施例的一些可选的实现方式中，上述路况信息包括车道争抢的路段信息，车道争抢的路段例如可以为仅容一车通过的路段。在车道争抢的路段，各辆无人驾驶车的车载大脑可以根据本身及周围其他无人驾驶车的行车速度计算本身的行车优先级。各无人驾驶车根据本身及其他各辆无人驾驶车的行车优先级规划本身的行车次序。例如，行车优先级各不相同时，按照行车优先级由高到低的顺序确定各辆无人驾驶车的行车次序。当发生多辆车具有相同行车优先级的时候，根据具有相同行车优先级的多辆车各自的行车速度确定行车次序，例如速度快的车行车次序在前。各无人驾驶车按照各自的行车次序经过上述车道争抢路段。

上述各无人驾驶车的车载大脑可以根据公式(1)来计算本身的行车优先级：

P1＝V1×P2/V2(1)；

其中，P1为本车在车道争抢路段的行车优先级，V1为车道争抢路段的预定距离内的多辆无人驾驶车的当前平均行车速度，P2为预先设定的本车的初始优先级，V2为本车的当前行车速度。

步骤204，根据行车决策方案生成行车指令。

在本实施例中，本车的车载大脑根据在步骤203中分析规划得到的行车决策方案，生成行车指令指示本车行驶。

在本实施例的一些可选实现方式中，车载大脑在接收预定距离内的多辆其他无人驾驶车的当前行车数据及路况信息的同时，还向预定距离内的多辆其他无人驾驶车发送共享本车当前行车数据与路况信息。这样每辆其他无人驾驶车也可以根据本车的当前行车数据及路况信息分析规划其他无人驾驶车自身的行车决策方案。

本实施例提供的基于车联网的无人驾驶车多车协同驾驶方法，根据本车当前行车数据与路况信息与接收到的预定距离内的多辆其他无人驾驶车的当前行车数据与路况信息，经过分析，规划出本车的行车决策方案；然后根据行车决策方案生成行车指令。实现了实时根据本车及其他车辆的当前行车数据及路况信息规划本车的行车决策方案，从而提高了公共道路使用效率及无人驾驶车的安全等级。

进一步参考图3，其示出了基于车联网的无人驾驶车多车协同驾驶方法的又一个实施例的流程300。该基于车联网的无人驾驶车多车协同驾驶方法300，包括以下步骤：

步骤301，实时获取本车当前行车数据与路况信息。

在本实施例中，预先设置在本车上的感知模块实时采集本车的当前行车信号及路况信号，本车上的数据预处理模块对上述行车信号及路况信号进行分析处理得到本车的当前行车数据及路况信息。其中行车数据例如可以包括行车速度、加速度、角速度、车轮转向角度等。

步骤302，接收预定距离内的多辆其他无人驾驶车发送共享的当前行车数据与路况信息。

在本实施例中，预定距离为本车与周围其他无人驾驶车之间的距离。当预定距离小于预定阈值时，此处，预定阈值例如可以为100米，本车的车载大脑接收预定距离内的多辆其他无人驾驶车发送共享的当前行车数据及路况信息。

在本实施例中，当本车与周围其他无人驾驶车之间的距离大于预定阈值时，本车与周围其他无人驾驶车均可以通过预定通信方式向云中心发送当前行车数据及路况信息，上述云中心可以通过预定通信方式把本车及周围其他无人驾驶车的当前行车数据及路况信息发送给各辆无人驾驶车。此处，预定通信方式例如可以为蜂窝通信方式。

步骤303，根据本车以及多辆其他无人驾驶车的当前行车数据与路况信息，经过分析规划本车的行车决策方案。

在本实施例中，车载大脑对在步骤302中得到的本车及其他无人驾驶车的当前行车数据及路况信息进行分析，根据分析结果规划本车的行车决策方案。上述行车决策方案例如可以包括行车优先级以及行车路线。可选的行车决策方案例如还可以包括加速、减速、变道、停车等。

步骤304，接收云中心发送的行车规划方案。

在本实施例中，本车的车载大脑接收云中心发送的行车规划方案。云中心可以接收预定距离内的包括本车在内的多辆无人驾驶车发送的当前行车数据、路况信息。此处预定距离可以为距离云中心小于10千米。然后云中心对接收到的多辆无人驾驶车的当前行车数据、路况信息分析规划对应于每辆无人驾驶车的行车方案。例如，云中心可以根据前方车辆发送的道路损坏的路况信息，规划出后方车辆绕开此损坏的路段的行车规划方案。值得指出的是，云中心对接收到的多辆无人驾驶车的当前行车数据、路况信息分析规划对应于每辆无人驾驶车的行车方案是目前广泛研究的技术，在此不再赘述。

步骤305，根据行车规划方案调整行车决策方案。

在本实施例中，本车的车载大脑接收云中心发送的行车规划方案，并结合本车的行车数据及路况信息对接收到的行车规划方案进行分析，然后根据行车规划方案调整已规划的行车决策方案。

在本实施例的一些可选实现方式中，路况信息例如可以包括拥堵路况信息。云中心在接收到多个无人驾驶车的行车数据及路况信息分析出在某个路段发生拥堵，并根据拥堵路段的地理位置以及拥堵路段与各辆无人驾驶车之间的距离做出针对每辆无人驾驶车的行车规划方案，比如对与拥堵路段之间的距离大于1公里的无人驾驶车规划出绕开此拥堵路段行车规划方案。无人驾驶车在接收到云中心发出的绕开此拥堵路段的行车规划方案后调整自身的行车路线。

步骤306，根据调整的行车决策方案生成行车指令

上述无人驾驶车的车载大脑根据调整的行车决策方案生成行车指令指示无人驾驶车行驶，

进一步参考图4，作为对上述各图所示方法的实现，本申请提供了一种基于车联网的无人驾驶车多车协同驾驶装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体设置于车载大脑中。

如图4所示，本实施例基于车联网的无人驾驶车多车协同驾驶装置400包括：获取单元401、接收单元402、分析规划单元403以及生成单元404。其中，获取单元401配置用于实时获取本车当前行车数据与路况信息；接收单元402配置用于接收预定距离内的多辆其他无人驾驶车发送共享的当前行车数据与路况信息；分析规划单元403配置用于根据本车以及多辆其他无人驾驶车的当前行车数据与路况信息，经过分析处理对本车的行车决策方案进行规划；生成单元404配置用于根据行车决策方案生成行车指令。

在本实施例中，基于车联网的无人驾驶车多车协同驾驶装置400可以预先设置有感知单元及预处理单元。感知单元中包括多个传感器用以实时采集无人驾驶车在行驶过程中的行车信号以及路况信号，感知单元将采集到的行车信号及路况信号发送给预处理单元。预处理单元对接收到的行车信号及路况信号进行分析处理得到无人驾驶车的实时行车数据及路况信息。

在本实施例的一些可选实现方式中，无人驾驶车的行车数据包括行车速度、加速度、角速度、车轮转向角度等等。

无人驾驶车的车载大脑的获取单元401可以与预处理单元通过有线连接或无线连接方式通信。预处理单元可以实时向本车的获取单元401发送行车数据及路况信息，获取单元401也可以实时从预处理单元读取本车的行车数据及路况信息。

接收单元402可以通过有线或无线通信方式与本车的预定距离内的多辆其他无人驾驶车之间进行信息交互，以接收上述多辆其他无人驾驶车发送的当前行车数据及路况信息。

在本实施例的一些可选的实现方式中，当本车与周围多辆其他无人驾驶车的距离小于预定阈值时，本车与周围多辆其他无人驾驶车通过短程专用通信方式通信。接收单元402进一步配置用于接收各辆其他无人驾驶车通过短程专用通信方式实时发送的自身的当前行车数据、路况信息。值得指出的是，本车与周围多辆其他无人驾驶车之间通信是指的设置在本车及周围多辆其他无人驾驶车上的车载大脑之间的通信。

分析规划单元403对获取单元401获取的本车的当前行车数据、当前路况信息以及接收单元402接收的预定距离内的多辆其他无人驾驶车的当前行车数据、当前路况信息进行分析处理，规划出本车的行车决策方案。此处，行车决策方案可以包括形成优先级与行车路线。可选的行车决策方案还可以包括加速、减速、变道、停车等等。

在本实施例的一些可选的实现方式中，当分析规划单元403根据包括本车及周围其他多辆车的当前路况信息判断有车道争抢的路段，在车道争抢的路段，分析规划单元403可以根据本车的行车速度及周围其他无人驾驶车的行车速度计算本车的行车优先级，同时其他车辆也根据自身的行车速度及周围的车辆的行车速度计算自身的行车优先级。各无人驾驶车的分析规划单元403根据本车及其他各辆无人驾驶车的行车优先级规划本车的行车次序。例如，行车优先级各不相同时，分析规划单元403按照计算出的多辆无人驾驶车的行车优先级由高到低的顺序确定本车的行车次序。当发生多辆车具有相同行车优先级的时候，分析规划单元403根据具有相同行车优先级的多辆车各自的行车速度确定行车次序，例如速度快的无人驾驶车的行车次序在前。各无人驾驶车按照各自的行车次序经过上述车道争抢的路段。

上述各辆无人驾驶车的车载大脑可以根据公式1来计算本车的行车优先级：

P1＝V1×P2/V2(1)；

其中，P1为本车在车道争抢路段的行车优先级，V1为车道争抢路段的预定距离内的多辆无人驾驶车的当前平均行车速度，P2为预先设定的本车的初始优先级，V2为本车的当前行车速度。

在本实施例的一些可选的实现方式中，基于车联网的无人驾驶车多车协同驾驶装置进一步包括第二接收单元(图中未画出)。当本车与多辆其他无人驾驶车之间的预定距离大于预定阈值时，本车及预定距离内的多辆其他无人驾驶车均向云中心发送当前的行车数据及当前路况信息。此处预定阈值例如可以为100米。云中心对接收到的预定距离内的包括本车在内的多辆无人驾驶车的当前行车数据及路况信息进行分析处理，规划出对应于每辆无人驾驶车的行车规划方案。第二接收单元配置用于接收云中心发送的对应于本车的行车规划方案。

在本实施例的一些可选的实现方式中，基于车联网的无人驾驶车多车协同驾驶装置进一步包括调整单元(图中未画出)，配置用于根据行车规划方案调整本车行车决策方案。可选的，调整单元进一步配置用于根据云中心发送的行车规划方案调整出本车对应拥堵路况的行车路线。

在本实施例的一些可选的实现方式中，基于车联网的无人驾驶车多车协同驾驶装置进一步包括发送单元(图中未画出)，配置用于向预定距离内的多辆其他无人驾驶车发送共享本车的当前行车数据与路况信息，以使各辆其他无人驾驶车可以根据本车的当前行车数据与路况信息规划其他无人驾驶车自身的行车决策方案。

本领域技术人员可以理解，上述基于车联网的无人驾驶车多车协同驾驶装置400还包括一些其他公知结构，例如处理器、存储器等，为了不必要地模糊本公开的实施例，这些公知的结构在图4中未示出。

请参考图5，其示出了申请的多车相互通信及多车与云中心数据交互通信的示意图。

在图5中，无人驾驶车A与无人驾驶车B之间以及无人驾驶车B与无人驾驶车C之间的距离均小于等于100米。无人驾驶车A与无人驾驶车B之间以及无人驾驶车B与无人驾驶车C之间可以使用短程专用通信方式交互通信。短程专用通信方式实时性比较高，使得无人驾驶车能够及时获取短距离内其他无人驾驶车的当前行车数据及当前路况信息，便于无人驾驶车的车载大脑分析规划实时的行车决策方案。无人驾驶车A和无人驾驶车C之间的距离大于100米，则超出了短程专用通信方式可以覆盖的范围，无人驾驶车A和无人驾驶车C之间不能使用短程专用通信方式通信。

另外，从图5中可以看出，无人驾驶车A、无人驾驶车B和无人驾驶车C中的每辆无人驾驶车都同时向云中心发送当前行车数据及当前路况信息。云中心根据无人驾驶车A、无人驾驶车B和无人驾驶车C发送的当前行车数据及当前路段信息进行分析计算，规划出对应每辆无人驾驶车的行车规划方案，并向每辆车发送对应于该车的行车规划方案。这样，每辆车都可以从云中心接收到行车规划方案。然后每辆车根据云中心的行车规划方案来调整本车的行车决策方案。

本申请还提供了一种无人驾驶车，该无人驾驶车包括上述图4所示实施例的基于车联网的无人驾驶车多车协同驾驶的装置。

下面参考图6，其示出了适于用来实现本申请实施例的车载大脑或云中心的计算机系统600的结构示意图。

如图6所示，计算机系统600包括中央处理单元(CPU)601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM603中，还存储有系统600操作所需的各种程序和数据。CPU601、ROM602以及RAM603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。

以下部件连接至I/O接口605：包括键盘、鼠标等的输入部分606；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分607；包括硬盘等的存储部分608；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器610上，以便于从其上读出的计算机程序根据需要被安装入存储部分608。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括有形地包含在机器可读介质上的计算机程序，计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分609从网络上被下载和安装，和/或从可拆卸介质611被安装。

附图中的流程图和框图，图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本申请实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括获取单元、接收单元、分析规划单元和生成单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，获取单元还可以被描述为“获取当前行车数据及路况信息的单元”。

作为另一方面，本申请还提供了一种非易失性计算机存储介质，该非易失性计算机存储介质可以是上述实施例中所述装置中所包含的非易失性计算机存储介质；也可以是单独存在，未装配入终端中的非易失性计算机存储介质。上述非易失性计算机存储介质存储有一个或者多个程序，当所述一个或者多个程序被一个设备执行时，使得所述设备：实时获取本车当前行车数据与路况信息；接收预定距离内的多辆其他无人驾驶车发送共享的当前行车数据与路况信息；根据所述本车以及所述多辆其他无人驾驶车的当前行车数据与路况信息，经过分析规划本车的行车决策方案，所述行车决策方案包括行车优先级以及行车路线；根据所述行车决策方案生成本车行车指令。

以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离所述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (15)

1.一种基于车联网的无人驾驶车多车协同驾驶方法，其特征在于，所述方法包括：

实时获取本车当前行车数据与路况信息；

接收预定距离内的多辆其他无人驾驶车发送共享的当前行车数据与路况信息；

根据所述本车以及所述多辆其他无人驾驶车的当前行车数据与路况信息，经过分析规划本车的行车决策方案，所述行车决策方案包括行车优先级以及行车路线；

根据所述行车决策方案生成本车行车指令。

2.根据权利要求1所述的方法，其特征在于，

所述行车数据包括行车速度、加速度、角速度、车轮转向角度；

所述行车决策方案还包括加速、减速、变道、停车。

3.根据权利要求1所述的方法，其特征在于，所述预定距离小于预定阈值；

所述接收所述预定距离内的多辆其他无人驾驶车的发送的当前行车数据、路况信息，包括：

接收所述多辆其他无人驾驶车通过短程专用通信方式实时发送的各辆所述其他无人驾驶车的当前行车数据、路况信息。

4.根据权利要求3所述的方法，其特征在于，所述路况信息包括车道争抢的路段信息；

所述根据所述本车以及所述多辆其他无人驾驶车的当前行车数据、路况信息，经过分析规划本车的行车决策方案，包括根据公式(1)计算本车在所述车道争抢的路段的行车优先级：

P1＝V1×P2/V2(1)；

P1为本车在所述车道争抢的路段的行车优先级，V1为所述车道争抢的路段预定距离内的多辆无人驾驶车的当前平均行车速度，P2为预先设定的本车的初始优先级，V2为本车的当前行车速度。

5.根据权利要求1所述的方法，其特征在于，所述预定距离大于所述预定阈值；所述方法还包括：

接收云中心发送的行车规划方案；以及

根据所述行车规划方案调整所述行车决策方案；

其中，所述云中心发送的行车规划方案是通过如下步骤得到的：

所述云中心接收所述预定距离内的包括本车在内的多辆无人驾驶车发送的当前行车数据、路况信息；

对接收到的所述多辆无人驾驶车的当前行车数据、路况信息分析规划对应于每辆所述无人驾驶车的行车规划方案。

6.根据权利要求5所述的方法，其特征在于，所述路况信息包括拥堵路况信息；以及

所述根据所述行车规划方案调整所述行车决策方案，包括根据云中心发送的行车规划方案调整出对应所述拥堵路况的行车路线。

7.根据权利要求1所述的方法，其特征在于，所述方法还包括向所述预定距离内的多辆其他无人驾驶车发送共享所述本车当前行车数据与路况信息，以使各辆所述其他无人驾驶车根据所述本车的当前行车数据与路况信息规划所述其他无人驾驶车的行车决策方案。

8.一种基于车联网的无人驾驶车多车协同驾驶装置，其特征在于，所述装置包括：

获取单元，配置用于实时获取本车当前行车数据与路况信息；

接收单元，配置用于接收所述预定距离内的多辆其他无人驾驶车发送共享的当前行车数据与路况信息；

分析规划单元，配置用于根据所述本车以及所述多辆其他无人驾驶车的当前行车数据与路况信息，经过分析规划本车的行车决策方案，所述行车决策方案包括行车优先级以及行车路线；

生成单元，配置用于根据所述行车决策方案生成行车指令。

9.根据权利要求8所述的装置，其特征在于，

所述行车数据包括行车速度、加速度、角速度、车轮转向角度；

所述行车决策方案还包括加速、减速、变道、停车。

10.根据权利要求8所述的装置，其特征在于，所述预定距离小于预定阈值；

所述接收单元进一步配置用于：接收各辆所述其他无人驾驶车通过短程专用通信方式实时发送的各辆所述其他无人驾驶车的当前行车数据、路况信息。

11.根据权利要求10所述的装置，其特征在于，所述路况信息包括车道争抢的路段信息；

所述分析规划单元锦进一步配置用于根据公式(1)计算本车在所述仅容一车通过的路段的行车优先级：

P1＝V1×P2/V2(1)；

P1为本车在所述车道争抢的路段的行车优先级，V1为所述车道争抢的路段的预定距离内的多辆无人驾驶车的当前平均行车速度，P2为预先设定的本车的初始优先级，V2为本车的当前行车速度。

12.根据权利要求8所述的装置，其特征在于，所述预定距离大于所述预定阈值；所述装置还包括：

第二接收单元，配置用于接收云中心发送的行车规划方案；以及

调整单元，配置用于根据所述行车规划方案调整所述行车决策方案；

其中，所述云中心发送的行车规划方案是通过如下步骤得到的：

所述云中心接收所述预定距离内的包括本车在内的多辆无人驾驶车发送的当前行车数据、路况信息；

对接收到的所述多辆无人驾驶车的当前行车数据、路况信息分析规划对应于每辆所述无人驾驶车的行车规划方案。

13.根据权利要求12所述的装置，其特征在于，所述路况信息包括拥堵路况信息；以及

调整单元进一步配置用于根据云中心发送的行车规划方案调整对应所述拥堵路况的行车路线。

14.根据权利要求8所述的装置，其特征在于，所述装置还包括发送单元，配置用于向所述预定距离内的多辆其他无人驾驶车发送共享所述本车当前行车数据与路况信息，以使各辆所述其他无人驾驶车根据所述本车的当前行车数据与路况信息规划所述其他无人驾驶车的行车决策方案。

15.一种无人驾驶车，其特征在于，包括权利要求8-14任意一项所述的装置。