CN105741595B - 一种基于云端数据库的无人驾驶车辆导航行车方法 - Google Patents

Abstract

本发明提出了一种基于云端数据库的无人驾驶车辆导航行车方法，包括云端数据库、车载终端和地面GPS基站三个模块。由无人驾驶车辆通过本车的车载终端输入目的地，并将此信息与本车的位置信息和车况信息传输到云端数据库，再由云端综合所有相关信息，进行计算规划，将最佳的行车方案传输到车辆系统，由车辆控制系统执行；同时，车辆行驶时实时采集周围的环境信息，然后上传至云端数据库，实现云端数据库的实时同步更新，保证云端数据的可靠性和实时性。本发明能够在雨雪天气、夜间灯光昏暗、路面或标志牌被覆盖等特殊环境下，为车辆提供详尽的地图信息。

Description

一种基于云端数据库的无人驾驶车辆导航行车方法

技术领域

本发明涉及交通导航领域，尤其涉及无人驾驶车辆的导航行车方法。

背景技术

无人驾驶车辆依靠车内计算机系统为主的智能设备来实现无人驾驶的，集计算机体系结构、人工智能、视觉计算、自动控制等众多技术于一体。它在公共安全、城市交通和汽车制造等领域有着广阔的前景和很高的实用价值，目前也得到了许多国家与大型车辆制造企业的高度重视。

为了保证无人驾驶车辆的安全行驶，车辆须对周围道路信息和环境信息有准确的了解。而无人驾驶系统其中的难点就在于对路旁交通及周围环境情况的辨别能力，若无人驾驶系统采集到的数据不准确，极有可能导致事故的发生。尤其是在特殊天气或环境下，如下雨或下雪，道路被覆盖等，无人驾驶系统的雷达、摄像机等设备无法准确采集信息，或者GPS信号较弱，无法准确定位车辆位置，都会使无人驾驶车辆寸步难行，大大削弱了其实用性和可靠性。

发明内容

本发明提出了一种基于云端数据库的无人驾驶车辆导航行车方法，用于实现无人驾驶车辆依据云端数据库的规划信息行驶，系统包括云端数据库、车载终端和地面GPS基站，车载终端分别与云端数据库、地面GPS基站采用无线通讯的方式进行信息交互。

所述的云端数据库包括高精度地图、行车方案规划系统和车辆监控系统。云端能够同时接收多个车载终端上传的车辆运行参数、实时位置和路况信息，然后进行数据处理计算、整合信息，以便根据实际路况，更新数据库内容，建立交通路况的实时虚拟模型，规划最佳行驶路径，及时调整行车方案，传输至无人驾驶车辆车载终端。

所述的高精度地图包含各类道路信息、实时交通信息和车辆实时位置信息，其信息来源除了现有地图和专业地图信息采集员建立及更新的道路信息外，还有行驶中无人驾驶车辆上传的实时信息，即每一辆与云端进行信息交互的无人驾驶车辆都是“地图信息采集员”，都为高精度地图提供实时的道路信息和交通信息等相关信息，保证了该高精度地图内容的准确性、及时性和有效性。该地图包含的道路信息分别为交通标线、道路路口、道路交通信号灯、道路交通标志牌和位置服务信息：

(1)交通标线包括指示标线、禁止标线、警告标线和减速标线；

(2)道路路口主要有十字路口、Y字路口、T字路口、转盘路口、X型路口、错位T型路口、错位Y型路口、立体交叉路口、高架桥、隧道等；

(3)道路交通信号灯包括机动车信号灯、非机动车信号灯、人行横道信号灯、车道信号灯、方向指示信号灯(箭头信号灯)、闪光警告信号灯和铁路平交信号灯等；

(4)道路交通标志可分为主标志和辅助标志两类，主标志又分为警告标志、禁令标志、指示标志、指路标志、旅游区标志和道路施工安全标志六种；辅助标志就是在交通标志下方的提示牌；

(5)位置服务信息指的是特定地点位置信息，主要分为娱乐类、服务类、生活类三个大类。

另外，云端将实时接收车载终端上传的道路信息、周围建筑信息和交通信息，实时更新高精度地图，以便云端更好地、更准确地规划行车路线和行车方案，避开影响行车的路段，计算出最佳规划路径。

所述的高精度地图根据道路的具体信息内容，将其拆分成若干个道路元素，且每个道路元素内容包含其所属类别、具体类型、具体内容和地理坐标等，再利用特征建模技术的方式，用一个6维的特征向量来表示该道路元素RE(Road Element)：RE＝{RE_Category，RE_Type，RE_Content，RE_Note，RE_Coordinates，RE_Extensions}。

其中，RE_Category表示该道路元素所属的类别，RE_Type表示该道路元素的具体类型，RE_Content表示该道路元素的具体内容信息，RE_Note为内容信息的注解，RE_Coordinates为该道路元素的地理坐标(X，Y，Z)，RE_Extensions为扩展项，是对剩余内容进行描述和解释，此扩展项内容可以为空。

所述的云端数据库中的行车方案规划系统是根据无人驾驶车辆的所在位置和车载终端上传的目的地，按照道路信息和交通信息等规划行车路线和行车方案，然后传输到车载终端，并根据车辆定位系统提供的车辆的实时位置、高精度地图提供的实时交通信息和更新的道路信息、以及车载终端上传的目的地变更信息，及时调整行车路线和行车方案，然后向无人驾驶车辆车载终端发出提醒和变更方案。一般地，该系统规划的行车方案包括常规路线(即最佳路线)、距离最短路线、用时最少路线、高速(包括高架)路线，然后由车主进行选择，若用户未及时确认路线的选择，则系统会默认选择常规路线。

所述的车辆监控系统包括车辆状态监控系统和车辆定位系统两个子系统。其中，车辆状态监控系统就是接收车载终端上传的车辆实时的行驶信息和车辆的设备状态信息，实现对车辆状态的实时监控；车辆定位系统是用于获取车辆实时所在位置，并融合到高精度地图中，判断是否发生路线偏离或者其他情况，以便云端及时调整行车路线方案，同时也能够根据每辆车的位置信息，判断可能拥堵路段或已拥堵路段，提醒其他车辆绕行，缓减交通压力。该系统包括云端的定位终端接收器、地面设立的基准站和无人驾驶车辆上的车载GPS终端。其中，车载GPS终端分别与终端定位终端接收器和基准站进行信息交互，利用RTK技术，确定车辆的实时位置。

所述的无人驾驶车辆的车载终端，能够将车辆的目的地指令、状态信息、实时位置信息等上传至云端数据库，实现云端对本车的监控和行车方案规划，同时能够下载云端传输的路况环境信息和行车方案信息，以便控制车辆行驶到达目的地。在行车时，车载终端也将由本车设备采集到的实时路况环境信息与由云端下载的相关信息进行对比，判断环境信息是否发生变化，一旦发生变化，立即将新的环境信息数据上传至云端，及时更新云端数据库；同时根据实际道路环境信息，由车辆的控制系统自主规划行车方案，即一旦发现行车环境变化，以实际情况为优先。

所述的地面GPS基站用于车辆定位，每个基站都需要安置一台GPS接收机和一个RTK设备，用于接收卫星信号和将其观测到的相关的卫星信息和已知的本身坐标信息，计算出基准站到卫星距离的改正参数，然后再将该数据实时发送给相应无人驾驶车辆的车载GPS终端。

本发明提出的导航行车方法是无人驾驶车辆通过本车的车载终端输入目的地，并将此信息与本车目前所在位置传输到云端数据库，再由云端进行计算规划，将最佳的行车方案传输到车辆系统，由车辆控制系统执行；同时，车辆行驶时实时采集周围的环境信息，然后将与下载信息不同的环境信息和道路信息的相关数据，上传至云端数据库，实现云端数据库的实时更新同步。该导航行车方法具体步骤如下：

步骤1：启动车辆，通过车辆终端的交互系统输入目的地；

步骤2：连接云端数据库，将目的地信息、车况信息和本车当前所处位置信息等相关信息上传至云端数据库；

步骤3：根据车辆上传信息和道路信息以及交通信息等，由云端数据库进行计算规划，得出行车方案，再将方案信息传输至车载终端；

步骤4：车辆根据下载的地图信息和行车方案行驶，并利用车辆设备实时采集周围环境信息和道路信息；

步骤5：将采集到的实时信息与由云端数据库下载的环境信息和道路信息作对比；

步骤6：判断实时信息和云端数据是否一致，若信息发生变化，则执行步骤7，若内容一致，则执行步骤9；

步骤7：将实时信息传输至云端数据库，覆盖原有信息，更新数据库；

步骤8：车辆根据实际环境信息和道路信息，自主规划行车方案，再按照规划的方案行驶；

步骤9：判断行车途中是否发生变化，需要调整行车路线，若发生变化，执行步骤2，若没有变化，则执行步骤10；

步骤10：按照下载的规划方案，继续行车，直至到达目的地，结束。

与现有技术相比，本发明具有如下的有益效果：

(1)云端数据库不仅能够提供导航路线，还能够提供具体的无人驾驶车辆行车方案，缩短了车辆系统计算规划时间，大大提高无人驾驶车辆的行车效率和行车安全性；

(2)在特殊天气和环境下，如雨雪天气、路面或标志牌被覆盖、夜间无路灯或灯光较暗等，能够为车辆提供详尽、准确的地图信息，保证车辆在部分设备无法正常使用的情况下也能掌握相应的道路信息；

(3)本发明为车辆导航提出了更为精确、内容更详尽的三维高精度地图，对于需要高精度地图数据的应用和技术有着重要的意义；

(4)无人驾驶车辆为云端提供实时道路信息和路况信息，能够实时更新高精度地图，为车辆出行提供更加精准可靠的路线和地图。

附图说明

图1是基于云端数据库的无人驾驶车辆导航行车方法的系统结构图；

图2是高精度地图道路元素信息的内容划分结构图；

图3是高精度地图中某十字路口的道路信息坐标表示图；

图4是高精度地图中某环岛的道路信息坐标表示图；

图5是导航行车方法的具体步骤流程图；

图6是一条模拟行车路径的显示图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步的详细阐述说明。

本发明提出了一种基于云端数据库的无人驾驶汽车行车方法，是无人驾驶车辆根据云端规划的行车路线和行车方案进行行驶，同时采集实时的周围环境信息和路况信息，以及本车的定位信息和车况信息，一并上传至云端，更新云端数据库，实现云端对车辆的监控。

参照图1所示，基于云端数据库的无人驾驶汽车行车方法，包括云端数据库、车载终端和地面GPS基站三个模块。其中，车载终端分别与云端数据库、地面GPS基站采用无线通讯的方式进行信息交互：车载终端将车辆目的地、行车况信息、实时位置和路况信息等相关信息上传至云端数据库；云端数据库是将路况环境和行车方案传输至车载终端；地面GPS基站是将计算得出的改正参数发送到车载终端。

所述的云端数据库，其存储内容包括高精度地图、行车方案规划系统和车辆监控系统。云端能够同时接收多个车载终端上传的车辆运行参数、实时位置和路况信息，然后进行数据处理计算、整合信息，以便根据实际路况，更新数据库内容，建立交通路况的实时虚拟模型，规划最佳行驶路径，及时调整行车方案，传输至无人驾驶车辆车载终端。

云端数据库中高精度地图一般包含各类道路信息、实时交通信息和车辆实时位置信息，其包含的道路信息分为交通标线、道路路口、道路交通信号灯、道路交通标志牌和位置服务信息：

(1)交通标线包括指示标线、禁止标线、警告标线和减速标线等。

指示标线是指示车行道、行驶方向、路面边缘、人行横道等设施的标线，包括：双向两车道路面中心线、车行道分界线、车行道边缘线、左转弯待转区线、左转弯导向线、人行横道线、高速公路车距确认标线、高速公路出入口标线、停车位标线、港湾式停靠站标线、收费岛标线、导向箭头、路面文字标线等。

禁止标线包括：禁止超车线、禁止路边停放车辆线、停止线、停车让行线、减速让行线、非机动车禁驶区标线、导流线、网状线、中心圈、专用车道线、禁止掉头标记等。

减速标线用以警告车辆驾驶人前方应减速慢行。还有立面标记用以提醒驾驶人注意，在车行道或近旁有高出路面的构筑物，以防止碰撞的标记。

(2)道路路口主要有：十字路口、Y字路口、T字路口、转盘路口、X型路口、错位T型路口、错位Y型路口、立体交叉路口、高架桥、隧道等。

(3)道路交通信号灯包括：机动车信号灯、非机动车信号灯、人行横道信号灯、车道信号灯、方向指示信号灯(箭头信号灯)、闪光警告信号灯和铁路平交信号灯等。

(4)道路交通标志可分为主标志和辅助标志两类。

主标志又可分为警告标志、禁令标志、指示标志、指路标志、旅游区标志和道路施工安全标志六种。其中，警告标志有49种，禁令标志有43种，指示标志有29种，指路标志有146种，旅游区标志有17种，道路施工安全标志有26种。

在交通标志下方的提示牌，又可称为辅助标志，分为4种：表示时间、表示车辆种类、表示区域或距离、表示警告或禁令的理由。

(5)位置服务信息指的是特定地点位置信息，主要分为娱乐类、服务类、生活类：

(a)娱乐类包括：餐饮、住宿、商场、剧院、公园广场、旅游景点等；

(b)服务类包括：车站、机场、火车站、银行、加油站、服务区、停车场、车辆维修厂等；

(c)生活类包括：小区、学校、超市、医院、公司大厦等。

另外，云端将接收的车载终端上传的实时道路信息、周围建筑信息和交通信息，以及本车的实时位置信息，以便云端更好地规划行车路线，计算最佳规划路径。一般影响行车、需要避开的因素包括：上下班(学)高峰期等造成的交通拥堵路段、发生交通事故路段、临时或长期施工路段、路面易积水路段、路面坑洼路段等。

高精度地图内容的信息来源除了现有地图和专业地图信息采集员建立及更新的道路信息外，还有行驶中无人驾驶车辆上传的实时信息，即每一辆与云端进行信息交互的无人驾驶车辆都是“地图信息采集员”，都为高精度地图提供实时的道路信息和交通信息等相关信息，保证了该高精度地图内容的准确性、及时性和有效性。

为了将高精度地图数据化，根据道路的具体信息内容，本发明将其拆分成若干个道路元素，且每个道路元素内容包含其所属类别、具体类型、具体内容和地理坐标等。参照图2所示，利用特征建模技术的方式，用一个6维的特征向量来表示该道路元素RE(RoadElement)：RE＝{RE_Category，RE_Type，RE_Content，RE_Note，RE_Coordinates，RE_Extensions}。

其中：

(1)RE_Category表示该道路元素所属的类别，主要包括交通标线、交通信号灯、交通标志、特殊路口和位置服务信息等。

(2)RE_Type表示该道路元素的具体类型。若以交通标线为例，主要包括指示标线、禁止标线、警告标线和减速标线等；若以交通信号灯为例，则包括机动车信号灯、非机动车信号灯、人行横道信号灯和闪光警告信号灯等。

(3)RE_Content表示该道路元素的具体内容信息。如该指示标线是双向车道路面中心线；该机动车信号灯为转弯信号灯。

(4)RE_Note为内容信息的注解。如该中心线是白色单实线；该转弯信号灯为左转信号灯。

(5)RE_Coordinates为该道路元素的地理坐标(X，Y，Z)。

(6)RE_Extensions为扩展项，根据不同道路元素所包含的具体信息，若前五项无法将其信息表述清楚，可将剩余内容都在此扩展项中进行描述和解释，若前五项能够表述清楚，则此扩展项内容为空，不用显示。

选取高精度地图上的某十字路口为例，参照图3所示，十字路口包括：交通信号灯、交通标志牌(包括禁止停车、限速标志等)、双向四车道中心线、车行道分界线、车行道边缘线、禁止变换车道线、停车线、人行横道线、左转弯导向线、直行或右转弯导向线、建筑物等，路口所有的道路信息都利用上述的方法，用一个特征向量进行表示。

图3中有多种交通标线，为使例图更加简捷明了，每一类交通标线只选择一条进行详细描述；图3中有四根交通信号灯立柱，也只选取其中一根进行描述。

如图3所示，交通信号灯、交通标志牌(包括禁止停车、限速标志等)都安置在一根立柱上，横向排列。具体的道路元素表示方法如下：

(1)左转指示信号灯可以用{TLi，MoS，TuS，L，(x_e1，y_e1，z_e1)}表示，其中TLi表示该道路元素属于交通信号灯(Traffic Lights)、MoS表示机动车灯(Motorvehicle Signals)、TuS表示转向信号灯(Turn Signals)、L表示左转(Left)、(x_e1，y_e1，z_e1)为该信号灯的地理位置坐标。

同样地，直行与右转指示信号灯可以用{TLi，MoS，TuS，S&R，(x_e2，y_e2，z_e2)}表示，其中S&R表示直行和右转(Straight&Right)。

(2)限速标志牌用{TSi，MaS，InS，SpL，(x_d1，y_d1，z_d1)}和{TSi，AuS，MaxS，60，(x_d1，y_d1，z_d1)}表示。其中{TSi，MaS，InS，SpL，(x_d1，y_d1，z_d1)}代表主标志，TSi表示该道路元素属于交通标志(Traffic Sign)，MaS表示主标志(Main Sign)，InS表示该标志牌为指示标志牌(Informational Sign)，SpL表示该指示标志牌为限速标志(Speed Limit)，(x_d1，y_d1，z_d1)为该标志牌的地理位置坐标；{TSi，AuS，MaxS，60，(x_d1，y_d1，z_d1)}表示相应的辅助标志，其中AuS表示辅助标志(Auxiliary Sign)，MaxS表示最高时速(Max Speed)，60表示该路段最高时速为60km/h。

同样地，禁止停车标志牌可以用{TSi，MaS，PrS，NP，(x_d2，y_d2，z_d2)}表示，其中PrS表示该标志牌为禁令标志牌(Prohibition Sign)，NP表示禁止停车(No Parking)，无辅助标志。

如图3所示，人行横道线的表示方法是将人行横道线最外围的四个角分别表示，即用四个角的特征向量来描述该人行横道线区域。如图3所示，人行横道线的区域四个角的特征向量分别为{TMa，InM，CwL，C1，(x_c1，y_c1，z_c1)}、{TMa，InM，CwL，C2，(x_c2，y_c2，z_c2)}、{TMa，InM，CwL，C3，(x_c3，y_c3，z_c3)}和{TMa，InM，CwL，C4，(x_c4，y_c4，z_c4)}，其中TMa表示该道路元素属于交通标线(Traffic Markings)，InM表示该交通标线为指示标线(Indicative Marking)，CwL表示该标线为人行横道线(Crosswalk Line)，C1、C2、C3、C4分别表示该位置为人行横道区域的四个角(Corner)，(x_c1，y_c1，z_c1)、(x_c2，y_c2，z_c2)、(x_c3，y_c3，z_c3)、(x_c4，y_c4，z_c4)分别为四个角相应的地理坐标。

参照图3所示，左转弯导向线可以用{TMa，InM，GuL，L，(x_a1，y_a1，z_a1)}表示，其中GuL表示导向线(Guide Line)，L表示该导向线是左转导向线，(x_a1，y_a1，z_a1)为该导向线的地理坐标。

同样地，直行导向线可以用{TMa，InM，GuL，S，(x_a2，y_a2，z_a2)}表示，其中S表示该导向线是直行导向线；直行和右转导向线用{TMa，InM，GuL，S&R，(x_a3，y_a3，z_a3)}表示，其中S&R表示直行和右转，即本车道可直行也可右转。

另外，车行道分界线在十字路口分为两段，一段为实线，另一段为虚线部分，且都须用两个特征向量表示，一个表示起点，一个表示终点。实线部分，即禁止变道区域的特征向量分别为{TMa，InM，LDL，WSSL，(x_j1，y_j1，z_j1)}、{TMa，InM，LDL，WSSL，(x_j2，y_j2，z_j2)}，其中LDL表示车行道分界线(Lane-dividing line)，WSSL表示白色单实线(White Single SolidLine)，(x_j1，y_j1，z_j1)和(x_j2，y_j2，z_j2)分别为起始点的地理坐标；虚线部分，即可变道区域的特征向量分别为{TMa，InM，LDL，WSDL，(x_j3，y_j3，z_j3)}、{TMa，InM，DiL，WSDL，(x_j4，y_j4，z_j4)}，其中WSDL表示白色单虚线(White Single dashed Line)，(x_j3，y_j3，z_j3)和(x_j4，y_j4，z_j4)分别为起始点的地理坐标；

同样地，双向四车道中心线也是用两个特征向量表示，一个为起点，另一个为终点，分别为{TMa，InM，CeL，WSSL，(x_k1，y_k1，z_k1)}、{TMa，InM，CeL，WSSL，(x_k2，y_k2，z_k2)}，其中CeL表示双向车道的中心线(Center Line)，WSSL表示白色单实线(White Single SolidLine)，(x_k1，y_k1，z_k1)和(x_k2，y_k2，z_k2)分别为起始点的地理坐标。

车行道边缘线用两个特征向量{TMa，InM，LEL，WSL，(x_h1，y_h1，z_h1))、{TMa，InM，LEL，WSL，(x_h2，y_h2，z_h2)}表示，其中LEL表示车行道边缘线(Lane Edge Line)，WSL表示白实线(White Solid Line)；停车线用{TMa，BoL，StL，WSL，(x_b1，y_b1，z_b1)}、{TMa，BoL，StL，WSL，(x_b2，y_b2，z_b2)}表示，其中BoL表示该交通标线为禁止标线(Ban on Line)，StL表示停车线(Stop Line)。

十字路口路边的建筑物也是利用表示一系列角的方式来进行表示，具体的是根据建筑的实际轮廓确定角的数量，如图3所示，该建筑物只需4个角就能表示，其特征向量分别为{LBS，Name，Address，C1，(x_f1，y_f1，z_f1)}、{LBS，Name，Address，C2，(x_f2，y_f2，z_f2)}、{LBS，Name，Address，C3，(x_f3，y_f3，z_f3)}、{LBS，Name，Address，C4，(x_f4，y_f4，z_f4)}，其中LBS表示该道路元素属于位置服务信息(Location Based Service)，Name表示该建筑物的名称，如创新大厦，Address为该建筑物的具体地址，如江苏省常州市钟楼区*路*号，C1、C2、C3、C4为该建筑物的区域的四个边角，其相应的地理坐标分别为(x_f1，y_f1，z_f1)、(x_f2，y_f2，z_f2)、(x_f3，y_f3，z_f3)、(x_f4，y_f4，z_f4)。

选取高精度地图上的某一环岛为例，参照图4所示，环岛路口包括：双向四车道中心线、车行道分界线、车行道边缘线、禁止变换车道线、停车线、人行横道线、右转弯导向线、直行线、环岛外围边缘线、环岛区车道分界线、环岛中心区域等。

图4中有多种交通标线，为使例图更加简捷明了，每一类交通标线只选择一条进行详细描述。

如图4所示，人行横道线的表示方法是将人行横道线最外围的四个角分别表示，即用四个角的特征向量来描述该人行横道线区域，这四个角的特征向量分别为{TMa，InM，CwL，C21，(x_c1，y_c1，z_c1)}、{TMa，InM，CwL，C22，(x_c2，y_c2，z_c2)}、{TMa，InM，CwL，C23，(x_c3，y_c3，z_c3)}和{TMa，InM，CwL，C24，(x_c4，y_c4，z_c4)}。

图4中左转弯导向线可以用{TMa，InM，GuL，L，(x_a1，y_a1，z_a1)}表示；直行导向线可以用{TMa，InM，GuL，S，(x_a2，y_a2，z_a2)}表示。

双向四车道中心线、车行道分界线、车行道边缘线、停车线等用两个特征向量进行描述，具体的是将标线的起始端分别标注。按此方法，双向四车道中心线可以用{TMa，InM，CeL，WSSL，(x_k1，y_k1，z_k1)}、{TMa，InM，CeL，WSSL，(x_k2，y_k2，z_k2)}表示；车行道边缘线可以用两个特征向量{TMa，InM，LEL，WSL，(x_h1，y_h1，z_h1)}、{TMa，InM，LEL，WSL，(x_h2，y_h2，z_h2)}表示；停车线用{TMa，BoL，StL，WSL，(x_b1，y_b1，z_b1)}、{TMa，BoL，StL，WSL，(x_b2，y_b2，z_b2)}进行表示。

另外，车行道分界线在路口分为两段，一段为实线，另一段为虚线部分。其中实线部分，即禁止变道区域的特征向量分别为{TMa，InM，LDL，WSSL，(x_j1，y_j1，z_j1)}、{TMa，InM，LDL，WSSL，(x_j2，y_j2，z_j2)}；虚线部分，即可变道区域的特征向量分别为{TMa，InM，LDL，WSDL，(x_j3，y_j3，z_j3)}、{TMa，InM，DiL，WSDL，(x_j4，y_j4，z_j4)}。

参照图4所示，环岛属于特殊路口，其中心区域可以用{SCr，Rb，CeA，EL，(x_e1，y_e1，z_e1)，(Ra，r_e1)}表示，其中SCr表示该道路元素属于特殊路口(Special Crossings)，Rb表示该路口为环岛(Roundabout)，CeA表示环岛的中心区域(Center Area)，EL表示该中心区域的边缘线(Edge Line)，(Ra，r_e1)表示该中心区域的半径(Radius)，即环岛的内环半径为r_e1，(x_e1，y_e1，z_e1)为环岛中心点坐标；环岛区域的车道线可以用{SCr，Rb，LDL，WSDL，(x_e1，y_e1，z_e1)，(Ra，r_e2)}表示；另外，环岛外围边缘线用两个特征向量进行描述，分别为{SCr，Rb，PEL，WSSL，(x_e2，y_e2，z_e2)，(Cu，c_e2)}、{SCr，Rb，PEL，WSSL，(x_e3，y_e3，z_e3)，(Cu，c_e3)}，其中PEL表示环岛的外围边缘线(Peripheral Edge Line)，(Cu，c_e2)、(Cu，c_e3)表示该环岛外围边缘线的曲率(Curvature)分别为c_e2、c_e3。

云端数据库中的行车方案规划系统是根据无人驾驶车辆的所在位置和车载终端上传的目的地，按照道路信息和交通信息等规划行车路线和行车方案，然后传输到车载终端，并根据车辆定位系统提供的车辆的实时位置、高精度地图提供的实时交通信息和最新的道路信息、以及车载终端上传的目的地变更信息，及时调整行车路线和行车方案，然后向无人驾驶车辆车载终端发出提醒和变更方案。一般地，该系统规划的行车方案包括常规路线(即最佳路线)、距离最短路线、用时最少路线、高速(包括高架)路线，然后由车主进行选择，若用户未及时确认路线的选择，则系统会默认选择常规路线。

云端数据库中车辆监控系统包括车辆状态监控系统和车辆定位系统两个子系统。其中，车辆状态监控系统就是接收车载终端上传的车辆实时的行驶信息，如速度、加速度、转向角角度等，以及车辆的设备状态信息，如车载电脑、传感器等，以便让云端实时了解车辆的状态和运行信息，实现对车辆状态的实时监控。

另外，车辆定位系统是用于获取车辆实时所在位置，并融合到高精度地图中，由车辆终端判断是否发生路线偏离或者其他情况，一旦发生偏离，车辆终端及时将信息发送至云端，以便云端及时调整行车路线方案，同时也能够根据每辆车的位置信息，判断可能拥堵路段或已拥堵路段，提醒其他车辆绕行，缓减交通压力。该系统包括云端的定位终端接收器、地面设立的基准站和无人驾驶车辆上的车载GPS终端。其中，定位终端接收器和基准站分别与车载GPS终端相连，进行信息交互：

(1)云端的定位终端接收器作用是接收和处理无人驾驶车辆上传的实时定位信息，并将相应信息融合到高精度地图中，确认该车辆的当前位置，判断是否与规划路线发生偏离；一旦车辆行驶路线发生偏离，该系统立即将车辆当前位置信息传输至行车方案规划系统，重新规划行车方案，并发送给无人驾驶车辆，提示是否改变行车方案。

(2)基准站需要安置一台GPS接收机和一个RTK设备，用于接收卫星信号和将其观测到的相关的卫星信息和已知的本身坐标信息，计算出基准站到卫星距离的改正参数，然后再将该数据实时发送给相应无人驾驶车辆的车载GPS终端。在一定的区域内，需要架设一定数量的基准站，其一般架设在周围视野开阔、点位较高、电磁干扰弱的地方。

(3)车载GPS终端是接收相应基准站传输的改正参数信息，同时采集GPS的观测数据，利用RTK(实时动态控制)技术，将观测数据进行改正处理，提高定位精度，再通过坐标转换得到更为精确的车辆实时坐标，并将该信息传输到云端的定位终端接收器。

RTK技术是基于在波形为观测值得实时动态定位技术，利用参考站和移动站，即基站和车辆之间观测误差的空间相关性，通过差分的方式除去移动站观测数据中的大部分误差，以达到厘米级的高精度，能够满足无人驾驶车辆的定位要求。一般RTK测量距离不超过10km。

本发明还提出了另一种车辆定位的方法，根据车辆当前车速、转向角度、加速度、最近确定车辆所在位置，以及高精度地图当前位置的地理环境信息等数据，计算出当前车辆的位置，具体步骤是：

(1)获取该车辆最近确定的所在位置和车辆周围的地理环境信息；

(2)通过车辆上的传感器获取车辆在最近确定位置的车速和转向角度、行驶过程中当前的加速度、当前的车速和转向角度；

(3)根据以上的数据信息，计算得出车辆以目前行驶状态和行车路线所行驶的距离；

(4)再结合高精度地图的地理环境信息，确定车辆的当前所在位置。

所述的无人驾驶车辆的车载终端，能够将车辆的目的地指令、状态信息、实时位置信息等上传至云端数据库，实现云端对本车的监控和行车方案规划，同时能够下载云端传输的路况环境信息和行车方案信息，以便控制车辆行驶到达目的地。在行车时，车载终端也将由本车设备采集到的实时路况环境信息与由云端下载的相关信息进行对比，判断环境信息是否发生变化，一旦发生变化，立即将新的环境信息数据上传至云端，及时更新云端数据库；同时根据实际道路环境信息，由车辆的控制系统自主规划行车方案，即一旦发现行车环境变化，以实际情况为优先。

所述的地面GPS基站用于车辆定位，每个基站都需要安置一台GPS接收机和一个RTK设备，用于接收卫星信号和将其观测到的相关的卫星信息和已知的本身坐标信息，计算出基准站到卫星距离的改正参数，然后再将该数据实时发送给相应无人驾驶车辆的车载GPS终端。

本发明提出的导航行车方法是无人驾驶车辆通过本车的车载终端输入目的地，并将此信息与本车的位置信息和车况信息传输到云端数据库，再由云端综合所有相关信息，进行计算规划，将最佳的行车方案传输到车辆系统，由车辆控制系统执行；同时，车辆行驶时实时采集周围的环境信息，对比下载的道路信息和实时采集的信息有无差异，如果有差异则上传至云端数据库，实现云端数据库的实时更新同步。参照图5所示，该方法具体步骤如下：

步骤501：启动车辆，通过车辆终端的交互系统输入目的地；

步骤502：连接云端数据库，将目的地信息、车况信息和本车当前所处位置信息等相关信息上传至云端数据库；

步骤503：根据车辆上传信息和道路信息以及交通信息等，由云端数据库进行计算规划，得出行车方案，再将方案信息传输至车载终端；

步骤504：车辆根据下载的地图信息和行车方案行驶，并利用车辆设备实时采集周围环境信息和道路信息；

步骤505：将采集到的实时信息与由云端数据库下载的环境信息和道路信息作对比；

步骤506：判断实时信息和云端数据是否一致，若信息发生变化，则执行步骤507，若内容一致，则执行步骤509；

步骤507：将实时信息传输至云端数据库，覆盖原有信息，更新数据库；

步骤508：车辆根据实际环境信息和道路信息，自主规划行车方案，再按照规划的方案行驶；

步骤509：判断行车途中是否发生变化，需要调整行车路线，若发生变化，执行步骤502，若没有变化，则执行步骤510；

步骤510：按照下载的规划方案，继续行车，直至到达目的地，结束。

参照图6所示，本发明建立了一个模拟行车路径，设定目的地，由云端数据库进行路径规划，行车方案中依次经过的路段包含十字路口、环岛、上坡、立交桥、T型路口、隧道、Y型路口、弯道、行车道变宽、X型路口。下面根据路段的不同和车辆的行驶路线，详细阐述车辆正常行驶所需的路况环境信息和行车方案：

(1)直行路段：通过高精度地图获得车道线布置和精确的坐标，通过差分GPS算法实现精确定位，按照从云端数据库下载的行车规划，现在车辆在靠右边的车道直行。行驶过程中，不断获得车辆位置，并计算车辆是否在车道线内行驶，是否有超速等违规行为，同时与车载摄像机和环境识别系统采集的信息对比，保证车辆行驶在预定的车道线内。若车辆无违规，在规定车道内，该路段行车方案为维持原有状态，匀速直行。

(2)十字路口右转：通过高精度地图提供的信息，车辆按照规划在到达路口前，已知该路口右转的转弯半径，以及行车路线和转弯速度、转弯角度、转弯位置等行车规划信息，也已知有无禁止右转、限速等的标志；但是，还需要通过车载摄像机和环境识别系统再次确认有无禁止右转标志，并以车载设备确认的信息为准。若无禁止右转标志，也无其他影响行驶的车辆或行人、障碍物，该路段行车方案为在距离路口100m处，若车辆不在最右边车道，则变道至最右边车道，若在最右边车道，保持直行，开启右转向灯，减速至转弯速度，到达转弯位置，按照方案提供的转向角度和速度进行右转，到达目的车道，关闭转向灯。

(3)环岛路段转至左边车道：通过高精度地图提供的信息，车辆按照规划在到达路口前，已知该环岛的道路布置和内外环半径，以及完成左转的行车路线和转弯角度、行车速度等行车规划信息，也已知有无限速的标志；但是，还需要通过车载摄像机和环境识别系统再次确认标志、行车线等信息，并以车载设备确认的信息为准。若无任何影响行车的因素、道路信息也无变化，该路段行车方案为在距离环岛入口100m处，若车辆不在最左边车道，则车辆进行变道，至最左边车道，若车辆位于最左边车道，直行至方案指定的环岛入口转弯处，然后根据方案提供的转向角度、速度、行车路线，进行绕环岛行驶，至出环岛处开启右转向灯，按照规定角度和速度行车，到达直行车道，关闭转向灯。

(4)上坡：通过高精度地图提供的信息，车辆按照规划在上坡前，已知坡度的大小、有无限速标志等道路信息。在行驶过程中，不断获得车辆位置，并计算车辆是否在规定的车道线内行驶，是否有超速等违规行为，同时与车载摄像机和环境识别系统采集的信息对比，保证车辆行驶在预定的车道线内。若车辆无违规，在规定车道内，该路段行车方案为按照规划的行车方案，调整车速，保持直行。

(5)立交桥转至左边车道：通过高精度地图提供的信息，车辆按照规划在到达路口前，已知该立交桥的类型和道路布置，以及行车路线和转弯角度、行车速度等行车规划信息，也已知有无限速的标志。但是，还需要通过车载摄像机和环境识别系统再次确认标志、行车线等信息，并以车载设备确认的信息为准。若无任何影响行车的因素、道路信息也无变化，该路段行车方案为根据立交桥类型，在距离左转入口200m处，判断车辆是否位于最右边车道，若不在，进行变道至最右边车道，若在，保持直行，在距离左转入口50m处开始减速至方案规定的转弯速度，打开右转向灯，到达转弯位置，按规定角度、速度进行转弯，到达直行车道，关闭转向灯。若在行车途中，在规定车道的前方有车辆行驶缓慢，无法以规定速度行驶，车辆须进行减速，并与前车保持安全行车距离，仍以规划路线行驶，不可变道超车。

(6)T型路口右转：通过高精度地图提供的信息，车辆按照规划在到达路口前，已知该路口右转的转弯半径，以及行车路线和转弯速度、转弯角度、转弯位置等行车规划信息，也已知有无禁止右转、限速等的标志；但是，还需要通过车载摄像机和环境识别系统再次确认有无禁止右转标志，并以车载设备确认的信息为准。若无禁止右转标志，也无其他影响行驶的车辆或行人、障碍物，该路段行车方案为在距离路口100m处，判断车辆是否在最右边车道，若不在，则变道至最右边车道，若在，保持直行，并进行减速，直至减为方案规定的转弯速度，开启右转向灯，车辆到达规定的转弯处时，按照方案中的转弯角度和速度进行转弯，若车辆前方出现行人，须立即减速或停车，等行人通过后，若还在原行车线路上，由车辆按照之前的规划路线重新规划转弯角度和转弯速度等行车信息，若已发生路线偏离，则由车辆系统重新规划行车路线和行车信息，直至到达目的车道，关闭右转向灯。

(7)隧道：通过高精度地图提供的信息，车辆按照规划在进入隧道前，已知隧道类型、长度、上下坡度、车道线布置、有无限速标志等道路信息。但是，还需要通过车载摄像机和环境识别系统再次确认标志、行车线等信息，并以车载设备确认的信息为准。若无任何影响行车的因素、道路信息也无变化，该路段行车方案为根据隧道限速牌，在距离入口处50m处开始减速至规定速度，然后保持匀速直行，隧道中没有GPS信号时，车辆无法准确定位，我们根据预定行车方案，使用摄像机和环境设备系统，保持在车道内行驶，直至离开隧道。

(8)Y型路口左转：通过高精度地图提供的信息，车辆按照规划在到达路口前，已知该路口的角度、车道线布置等道路信息，以及行车路线和转弯速度、转弯角度、转弯位置等行车规划信息，也已知有无禁止左转、限速等的标志。但是，还需要通过车载摄像机和环境识别系统再次确认有无禁止左转标志，并以车载设备确认的信息为准。若无禁止左转标志，也无其他影响行驶的车辆或行人、障碍物，该路段行车方案为在距离路口100m处，判断车辆是否位于最左边车道，若不是，车辆变道至最左边车道，若是，车辆保持直行，然后在距离路口50m处开始减速至转弯规定速度，打开左转向灯，到达规定的转弯点，按照方案中的转向角度和速度进行转弯，到达目标车道，关闭转向灯。

(9)弯道：通过高精度地图提供的信息，车辆按照规划在到达路口前，已知该路口的转弯半径，以及转弯速度、转弯角度、转弯位置等行车规划信息，也已知有无限速等的标志。但是，还需要通过车载摄像机和环境识别系统再次确认有限速等标志，并以车载设备确认的信息为准。若无限速等标志，也无其他影响行驶因素，该路段行车方案为根据弯道弧度，在距离弯道入口50m处开始减速至规定速度，再按照方案中的转向角度和速度进行转弯，到达目标车道。

(10)行车道变宽：通过高精度地图提供的信息，车辆按照规划在到达路口前，已知该路段的行车道布置变化情况和规划的行车路线及速度，也已知该路段有无限速等标志。但是，还需要通过车载摄像机和环境识别系统再次确认有限速等标志，并以车载设备确认的信息为准。若无限速等标志，也无其他影响行驶因素，该路段行车方案为根据相应的行车方案，将车辆变道至指定车道，然后匀速直行。

(11)X型路口左转：通过高精度地图提供的信息，车辆按照规划在到达路口前，已知该路口的角度、车道线布置等道路信息，以及行车路线和转弯速度、转弯角度、转弯位置等行车规划信息，也已知有无禁止左转、限速等的标志。但是，还需要通过车载摄像机和环境识别系统再次确认有无禁止左转等标志，并以车载设备确认的信息为准。若无禁止左转标志，也无其他影响行驶的车辆或行人、障碍物，该路段行车方案为在距离路口100m处，判断车辆是否位于最左边车道，若不是，车辆变道至最左边车道，若是，车辆保持直行，然后在距离路口50m处开始减速至转弯规定速度，打开左转向灯，到达规定的转弯点，按照方案中的转向角度和速度进行转弯，到达目标车道，关闭转向灯。

(12)变道：通过高精度地图提供的信息，车辆在变道前已知该路段车道布置线，从高精地图中获得车道线否为虚线，但仍需要通过车载摄像机和环境识别系统再次车道线是否为虚线，并以车载设备确认的信息为准。若确认为虚线，可以变道，则该路段行车方案为在距离目的地100m处，判断车辆是否可以安全变道，若是符合变道条件，开启右转向灯，然后根据方案规定的速度和转向角度进行变道，直至到达目的地，关闭转向灯。

上述实施例的描述是为便于该技术领域的普通技术人员能理解和应用本发明。熟悉本领域技术的人员显然可以容易地对这些实施例做出各种修改，并把在此说明的一般原理应用到其他实施例中而不必经过创造性的劳动。因此，以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明技术思想下所作的任何修改、等同替换、改进等，均应包含在本发明的权利保护范围之内。

Claims (6)

1.一种基于云端数据库的无人驾驶车辆导航行车方法，其特征在于，该方法包括云端数据库、车载终端和地面GPS基站三个模块；其中，车载终端分别与云端数据库、地面GPS基站采用无线通讯的方式进行信息交互：

(1)车载终端将相关信息上传至云端数据库，其中所述相关信息包括车辆目的地、车况信息、实时位置，并下载云端传输的相应行车方案信息；行车时发现实际路况与云端下载路况不同，以实际路况为准，进行自主规划，并将有变化的路况信息发送至云端，更新云端数据库；

(2)云端数据库是根据车载终端上传的信息和实时路况信息，进行行车规划，再将相应的路况环境和行车方案传输至车载终端；

(3)地面GPS基站是利用RTK技术，计算得出基站到卫星距离的改正参数，并将该参数发送到车载终端；

所述的云端数据库包括：

(1)高精度地图，包含各类道路信息、实时交通信息和车辆实时位置信息；其包含的道路信息分为交通标线、道路路口、道路交通信号灯、道路交通标志牌和位置服务信息；

(2)行车方案规划系统，是根据车辆当前所在位置和车载终端上传的目的地信息，按照道路信息和交通信息规划行车路线和行车方案，然后传输到车载终端，并根据车辆定位系统提供的车辆的实时位置、高精度地图提供的实时交通信息和更新的道路信息、以及车载终端上传的目的地变更信息，及时调整行车路线和行车方案，然后向车辆的车载终端发出提醒和变更方案；

(3)车辆监控系统，包括车辆状态监控系统和车辆定位系统两个子系统；其中，车辆状态监控系统就是接收车载终端上传的车辆实时的行驶信息，其中所述车辆实时的行驶信息包括速度、加速度、转向角角速度，以及车辆的设备状态信息，所述设备状态信息包括车载电脑、传感器；车辆定位系统是获取车辆实时所在位置，并融合到高精度地图中，判断是否发生路线偏离或者其他情况，同时也能够根据每辆车的位置信息，判断可能拥堵路段或已拥堵路段。

2.根据权利要求1所述的基于云端数据库的无人驾驶车辆导航行车方法，其特征在于，所述的高精度地图，其信息来源包括：

(1)现有地图；

(2)专业地图信息采集员采集的地图信息；

(3)与云端数据库相连的无人驾驶车辆上传的实时信息；

云端接收来自无人驾驶车辆的实时信息后，会及时自动地更新高精度地图的数据。

3.根据权利要求1所述的基于云端数据库的无人驾驶车辆导航行车方法，其特征在于，所述的高精度地图，是将其拆分成若干个道路元素，且每个道路元素内容包含其所属类别、具体类型、具体内容和地理坐标，再利用特征建模技术的方式，用一个6维的特征向量来表示该道路元素RE(Road Element)：

RE＝{RE_Category，RE_Type，RE_Content，RE_Note，RE_Coordinates，RE_Extensions}；

其中：

(1)RE_Category表示该道路元素所属的类别，主要包括交通标线、交通信号灯、交通标志、特殊路口和位置服务信息；

(2)RE_Type表示该道路元素的具体类型；

(3)RE_Content表示该道路元素的具体内容信息；

(4)RE_Note为内容信息的注解；

(5)RE_Coordinates为该道路元素的地理坐标(X，Y，Z)；

(6)RE_Extensions为扩展项，根据不同道路元素所包含的具体信息，若前五项无法将其信息表述清楚，可将剩余内容都在此扩展项中进行描述和解释，若前五项能够表述清楚，则此扩展项内容为空，不用显示。

4.根据权利要求1所述的基于云端数据库的无人驾驶车辆导航行车方法，其特征在于，所述的行车方案规划系统，规划的行车方案包括4种路线：

(1)常规路线，即最佳路线；

(2)距离最短路线；

(3)用时最少路线；

(4)高速路线，其中所述高速路线包括高架路线；

确认路线选择的方法是，首先由用户进行选择，若用户在一定时间内没有选择路线方案，则系统会默认选择常规路线。

5.根据权利要求1所述的基于云端数据库的无人驾驶车辆导航行车方法，其特征在于，所述的车辆定位系统包括：

(1)定位终端接收器，位于云端，用于接收和处理无人驾驶车辆上传的车辆实时定位信息，并融合到高精度地图中，确认该车辆的当前位置，判断是否与规划路线发生偏离；

(2)基准站，在一定的区域内，需要架设一定数量的基准站，其架设在周围视野开阔、点位较高、电磁干扰弱的地方，每个基准站需要安装一台GPS接收机和一个RTK设备，用于连续跟踪接收卫星信号，根据其观测到的相关的卫星信息和已知的本身坐标信息，计算出基准站到卫星距离的改正参数，然后再将该数据实时发送给相应无人驾驶车辆的车载GPS终端；

(3)车载GPS终端，用于接收相应基准站传输的改正参数信息，同时采集GPS的观测数据，利用RTK技术，将观测数据进行改正处理，提高定位精度，得到更为精确的车辆实时坐标，并将该信息传输到云端的定位终端接收器。

6.根据权利要求1所述的基于云端数据库的无人驾驶车辆导航行车方法，其特征在于，该方法包括如下步骤：

步骤1：启动车辆，通过车辆终端的交互系统输入目的地；

步骤2：连接云端数据库，将目的地信息、车况信息和本车当前所处位置信息上传至云端数据库；

步骤3：根据车辆上传信息和道路信息以及交通信息，由云端数据库进行计算规划，得出行车方案，再将方案信息传输至车载终端；

步骤4：车辆根据下载的地图信息和行车方案行驶，并利用车辆设备实时采集周围环境信息和道路信息；

步骤5：将采集到的实时信息与由云端数据库下载的环境信息和道路信息作对比；

步骤6：判断实时信息和云端数据是否一致，若信息发生变化，则执行步骤7，若内容一致，则执行步骤9；

步骤7：将实时信息传输至云端数据库，覆盖原有信息，更新数据库；

步骤8：车辆根据实际环境信息和道路信息，自主规划行车方案，再按照规划的方案行驶；

步骤9：判断行车途中是否发生变化，需要调整行车路线，若发生变化，执行步骤2，若没有变化，则执行步骤10；

步骤10：按照下载的规划方案，继续行车，直至到达目的地，结束。