CN109448434A - 无人驾驶车辆群体决策方法 - Google Patents

无人驾驶车辆群体决策方法 Download PDF

Info

Publication number
CN109448434A
CN109448434A CN201811202780.2A CN201811202780A CN109448434A CN 109448434 A CN109448434 A CN 109448434A CN 201811202780 A CN201811202780 A CN 201811202780A CN 109448434 A CN109448434 A CN 109448434A
Authority
CN
China
Prior art keywords
vehicle
planning
automatic driving
track
state
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201811202780.2A
Other languages
English (en)
Inventor
张亮
熊伟成
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Individual
Original Assignee
Individual
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Individual filed Critical Individual
Priority to CN201811202780.2A priority Critical patent/CN109448434A/zh
Publication of CN109448434A publication Critical patent/CN109448434A/zh
Pending legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G08SIGNALLING
    • G08GTRAFFIC CONTROL SYSTEMS
    • G08G1/00Traffic control systems for road vehicles
    • G08G1/16Anti-collision systems
    • G08G1/166Anti-collision systems for active traffic, e.g. moving vehicles, pedestrians, bikes
    • GPHYSICS
    • G08SIGNALLING
    • G08GTRAFFIC CONTROL SYSTEMS
    • G08G1/00Traffic control systems for road vehicles
    • G08G1/09Arrangements for giving variable traffic instructions
    • G08G1/0962Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0968Systems involving transmission of navigation instructions to the vehicle
    • GPHYSICS
    • G08SIGNALLING
    • G08GTRAFFIC CONTROL SYSTEMS
    • G08G1/00Traffic control systems for road vehicles
    • G08G1/20Monitoring the location of vehicles belonging to a group, e.g. fleet of vehicles, countable or determined number of vehicles

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Traffic Control Systems (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本发明实施例公开了一种无人驾驶车辆群体决策方法,包括:步骤1:通过自组织通信网络,群体内车辆间相互发送各自当前状态及规划航迹;步骤2:每辆车根据自身的状态和接收到的其他车辆的状态各自进行碰撞检测,检测是否有可能发生碰撞;若是,进入步骤3;若否,则进入步骤4;步骤3:检测到可能发生碰撞的车辆之间进行协同重规划,协同规划完成后,相互间再发送各自的当前状态及重新规划的航迹,进入步骤2;步骤4:分别开始执行协同规划的路径。本发明实施例利用安装在无人驾驶车辆上的自组织通信网络,实现车辆群体内部的去中心化共同决策和协同控制,具有可扩展性强、可靠性强、优化复杂度小、计算时间短、安全系数高等优点。

Description

无人驾驶车辆群体决策方法
技术领域
本发明涉及无人驾驶网络协同控制技术领域,尤其涉及一种无人驾驶车辆群体决策方法。
背景技术
近些年来随着科学技术的飞速发展,无人驾驶车辆在感知、决策、控制等能力上都有了大幅的提升,已逐步从实验室阶段走向实际应用,但无人驾驶车辆的大规模应用,仍面临着诸多政策和技术问题,其中,多车之间的协同是需要解决的关键问题之一。在车车之间缺乏协同的情况下,多辆无人驾驶车辆之间往往容易形成死锁,导致系统无法正常运行。当前,多车协同往往基于中心化的协同调度,即所有车辆将自身的状态(包括当前位置、速度以及规划路径)发送至中央调度系统,中央调度系统进行统一的调度协调。这种中心化的协调存在几大问题:
1.所有车辆需要通过无线网络跟中央调度系统通信,当无线网络信号较差或寻址时间过长时,会导致中央调度系统给出的调度指令错误或失效;
2.中心化调度系统的计算时间随车辆数量的增多而快速增加,当车辆数量增加到一定数目时,优化复杂度过高而导致计算时间过长,致使调度系统失效;
3.当车辆运行速度比较快时,中心化的调度系统由于延迟较大,调度不及时,车车间存在着潜在碰撞的危险。
发明内容
本发明实施例所要解决的技术问题在于,提供一种无人驾驶车辆群体决策方法,以使实现无人驾驶车辆群体内部的去中心化共同决策和协同控制。
为了解决上述技术问题,本发明实施例提出了一种无人驾驶车辆群体决策方法,包括:
步骤1:通过自组织通信网络,群体内车辆间相互发送各自当前状态及规划航迹;
步骤2:每辆车根据自身的状态和接收到的其他车辆的状态各自进行碰撞检测,检测是否有可能发生碰撞;若是,进入步骤3;若否,则进入步骤4;
步骤3:检测到可能发生碰撞的车辆之间进行协同重规划,协同规划完成后,相互间再发送各自的当前状态及重新规划的航迹,进入步骤2;
步骤4:分别开始执行协同规划的路径。
本发明实施例通过提出一种无人驾驶车辆群体决策方法,包括步骤1~步骤4,利用安装在无人驾驶车辆上的自组织通信网络,实现车辆群体内部的去中心化共同决策和协同控制,具有可扩展性强、可靠性强、优化复杂度小、计算时间短、安全系数高等优点。
附图说明
图1是本发明实施例的无人驾驶车辆群体决策方法的流程图。
图2是本发明实施例的无人驾驶车辆群体决策方法的具体流程示意图。
具体实施方式
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结合,下面结合附图和具体实施例对本发明作进一步详细说明。
本发明实施例中若有方向性指示(诸如上、下、左、右、前、后……)仅用于解释在某一特定姿态(如附图所示)下各部件之间的相对位置关系、运动情况等,如果该特定姿态发生改变时,则该方向性指示也相应地随之改变。
另外,在本发明中若涉及“第一”、“第二”等的描述仅用于描述目的,而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。
请参照图1~图2,本发明实施例的无人驾驶车辆群体决策方法包括步骤1~步骤4。
步骤1:通过安装在无人驾驶车辆上的自组织通信网络,群体内车辆间相互发送各自当前状态及规划航迹。本发明实施例利用安装在无人驾驶车辆上的自组织通信网络(可采用电信网络来替代),实现车辆群体内部的去中心化共同决策和协同控制。
步骤2:每辆车根据自身的状态和接收到的其他车辆的状态各自进行碰撞检测,检测是否有可能发生碰撞;若是,进入步骤3;若否,则进入步骤4。
步骤3:检测到可能发生碰撞的车辆之间进行协同重规划,协同规划完成后,相互间再发送各自的当前状态及重新规划的航迹,进入步骤2。
步骤4:分别开始执行协同规划的路径。
作为一种实施方式,步骤1的具体方法如下:
利用自组织通信网络,群体内每辆车将自身的当前状态(x,y,φ)0,及规划航迹(x(t),y(t),φ(t))发送至群体其他成员,同时接收来自群体其他成员的状态和规划航迹(x(t),y(t),φ(t))i,其中,x、y、φ分别表示车辆在地图中横坐标、纵坐标及航线。
作为一种实施方式,步骤2中的具体方法如下:
群体内每辆车根据自身的状态(x,y,φ)0和规划航迹(x(t),y(t),φ(t)),以及接收到的其他车辆的状态和规划航迹(x(t),y(t),φ(t))i,形成轨迹簇然后各自进行碰撞检测,检测自身是否会和群体内的其他车辆在某个时间有发生碰撞的可能。本发明实施例的群体中的每辆车各自进行碰撞检测,在某辆车检测到与另外的车辆会发生潜在的碰撞后,相互之间进行协同路径重规划,实现了去中心化的快速碰撞检测及快速重规划。
作为一种实施方式,步骤2中采用如下方法进行检测碰撞的可能:
对于群体内的第j辆车,其检测到与第k辆车在某个时刻T的距离Djk(T),
当,Djk(T)≤δ时(δ表示安全距离),则判定两辆车有发生碰撞的风险;若j检测到其未来轨迹上会和多辆不同的车发生碰撞,则首先处理最近时刻的碰撞。
作为一种实施方式,步骤3中的具体方法如下:
当第j辆车检测到自身将会和第k辆车在未来T时刻会在地点(X(T),Y(T))发生碰撞后,则j和k相互进行握手通信,同意启动协同规划以避免碰撞;
j和k进行协同规划使代价函数Cjk最小,代价函数为:
其中,Cj,0为与j车辆自身相关的代价,计算因子包括速度限制、角度限制、舒适度限制、通过时间等;Cj,i为第j辆车与第i辆车相关的代价,计算因子包括路权、车辆间最小距离、道路区域空闲时间等。j和k进行协同规划完成后,相互间再发送各自的当前状态及重新规划的航迹,确保无碰撞发生;在确认无碰撞发生后,j和k分别开始执行协同规划的路径,如图2所示。本发明实施例的协同路径重规划的代价函数由潜在碰撞车辆自身的因素和相互间相关的因素组成,从而实现了协同路径最优规划;本发明实施例的路径协同方法,无需经过中央调度系统,即可实现车辆间的无碰撞路径协同及最优路径规划。
本发明实施例的去中心化的无人驾驶车辆群体决策方法,在无需中心节点或中央控制系统的情况下,实现多辆车的路径协同控制及碰撞避免,具有可扩展性强、可靠性强、优化复杂度小、计算时间短、安全系数高等优点。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同范围限定。

Claims (5)

1.一种无人驾驶车辆群体决策方法,其特征在于,包括:
步骤1:通过自组织通信网络,群体内车辆间相互发送各自当前状态及规划航迹;
步骤2:每辆车根据自身的状态和接收到的其他车辆的状态各自进行碰撞检测,检测是否有可能发生碰撞;若是,进入步骤3;若否,则进入步骤4;
步骤3:检测到可能发生碰撞的车辆之间进行协同重规划,协同规划完成后,相互间再发送各自的当前状态及重新规划的航迹,进入步骤2;
步骤4:分别开始执行协同规划的路径。
2.如权利要求1所述的无人驾驶车辆群体决策方法,其特征在于,步骤1的具体方法如下:
利用自组织通信网络,群体内每辆车将自身的当前状态(x,y,φ)0,及规划航迹(x(t),y(t),φ(t))发送至群体其他成员,同时接收来自群体其他成员的状态和规划航迹(x(t),y(t),φ(t))i,其中,x、y、φ分别表示车辆在地图中横坐标、纵坐标及航线。
3.如权利要求2所述的无人驾驶车辆群体决策方法,其特征在于,步骤2中的具体方法如下:
群体内每辆车根据自身的状态(x,y,φ)0和规划航迹(x(t),y(t),φ(t)),以及接收到的其他车辆的状态和规划航迹(x(t),y(t),φ(t))i,形成轨迹簇然后各自进行碰撞检测,检测自身是否会和群体内的其他车辆在某个时间有发生碰撞的可能。
4.如权利要求3所述的无人驾驶车辆群体决策方法,其特征在于,所述步骤2中采用如下方法进行检测碰撞的可能:
对于群体内的第j辆车,其检测到与第k辆车在某个时刻T的距离Djk(T),
当,Djk(T)≤δ时(δ表示安全距离),则判定两辆车有发生碰撞的风险;若j检测到其未来轨迹上会和多辆不同的车发生碰撞,则首先处理最近时刻的碰撞。
5.如权利要求3所述的无人驾驶车辆群体决策方法,其特征在于,所述步骤3中的具体方法如下:
当第j辆车检测到自身将会和第k辆车在未来T时刻会在地点(X(T),Y(T))发生碰撞后,则j和k相互进行握手通信,同意启动协同规划以避免碰撞;
j和k进行协同规划使代价函数Cjk最小,代价函数为:
其中,Cj,0为与j车辆自身相关的代价,计算因子包括速度限制、角度限制、舒适度限制、通过时间;Cj,i为第j辆车与第i辆车相关的代价,计算因子包括路权、车辆间最小距离、道路区域空闲时间。
CN201811202780.2A 2018-10-16 2018-10-16 无人驾驶车辆群体决策方法 Pending CN109448434A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811202780.2A CN109448434A (zh) 2018-10-16 2018-10-16 无人驾驶车辆群体决策方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811202780.2A CN109448434A (zh) 2018-10-16 2018-10-16 无人驾驶车辆群体决策方法

Publications (1)

Publication Number Publication Date
CN109448434A true CN109448434A (zh) 2019-03-08

Family

ID=65545683

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811202780.2A Pending CN109448434A (zh) 2018-10-16 2018-10-16 无人驾驶车辆群体决策方法

Country Status (1)

Country Link
CN (1) CN109448434A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111735466A (zh) * 2020-01-02 2020-10-02 北京京东乾石科技有限公司 一种多车协同轨迹规划方法、装置、设备及存储介质
CN113276889A (zh) * 2021-06-29 2021-08-20 东风汽车集团股份有限公司 自动驾驶汽车控制方法、装置、设备及可读存储介质
CN113419547A (zh) * 2021-08-25 2021-09-21 北京三快在线科技有限公司 一种多车协同控制方法及装置

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1534553A (zh) * 2004-05-10 2004-10-06 中国科学院计算技术研究所 利用无线自组织网络技术实现高速公路上的汽车防撞方法
CN103754224A (zh) * 2014-01-24 2014-04-30 清华大学 一种车辆多目标协调换道辅助自适应巡航控制方法
CN104616541A (zh) * 2015-02-03 2015-05-13 吉林大学 基于鱼群效应的无信号交叉口车车协同控制系统
CN105549597A (zh) * 2016-02-04 2016-05-04 同济大学 一种基于环境不确定性的无人车动态路径规划方法
CN105739534A (zh) * 2016-04-22 2016-07-06 百度在线网络技术(北京)有限公司 基于车联网的无人驾驶车多车协同驾驶方法及装置
CN105809130A (zh) * 2016-03-08 2016-07-27 武汉大学 一种基于双目深度感知的车辆可行驶区域计算方法
CN105929848A (zh) * 2016-06-28 2016-09-07 南京邮电大学 一种三维环境中的多无人机系统的航迹规划方法
WO2016144558A1 (en) * 2015-03-06 2016-09-15 Qualcomm Incorporated Real-time occupancy mapping system for autonomous vehicles
CN106515726A (zh) * 2016-10-25 2017-03-22 北汽福田汽车股份有限公司 用于辅助驾驶的方法和装置
CN108536171A (zh) * 2018-03-21 2018-09-14 电子科技大学 一种多约束下多无人机协同跟踪的路径规划方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1534553A (zh) * 2004-05-10 2004-10-06 中国科学院计算技术研究所 利用无线自组织网络技术实现高速公路上的汽车防撞方法
CN103754224A (zh) * 2014-01-24 2014-04-30 清华大学 一种车辆多目标协调换道辅助自适应巡航控制方法
CN104616541A (zh) * 2015-02-03 2015-05-13 吉林大学 基于鱼群效应的无信号交叉口车车协同控制系统
WO2016144558A1 (en) * 2015-03-06 2016-09-15 Qualcomm Incorporated Real-time occupancy mapping system for autonomous vehicles
CN105549597A (zh) * 2016-02-04 2016-05-04 同济大学 一种基于环境不确定性的无人车动态路径规划方法
CN105809130A (zh) * 2016-03-08 2016-07-27 武汉大学 一种基于双目深度感知的车辆可行驶区域计算方法
CN105739534A (zh) * 2016-04-22 2016-07-06 百度在线网络技术(北京)有限公司 基于车联网的无人驾驶车多车协同驾驶方法及装置
CN105929848A (zh) * 2016-06-28 2016-09-07 南京邮电大学 一种三维环境中的多无人机系统的航迹规划方法
CN106515726A (zh) * 2016-10-25 2017-03-22 北汽福田汽车股份有限公司 用于辅助驾驶的方法和装置
CN108536171A (zh) * 2018-03-21 2018-09-14 电子科技大学 一种多约束下多无人机协同跟踪的路径规划方法

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111735466A (zh) * 2020-01-02 2020-10-02 北京京东乾石科技有限公司 一种多车协同轨迹规划方法、装置、设备及存储介质
CN113276889A (zh) * 2021-06-29 2021-08-20 东风汽车集团股份有限公司 自动驾驶汽车控制方法、装置、设备及可读存储介质
CN113419547A (zh) * 2021-08-25 2021-09-21 北京三快在线科技有限公司 一种多车协同控制方法及装置
CN113419547B (zh) * 2021-08-25 2021-12-31 北京三快在线科技有限公司 一种多车协同控制方法及装置

Similar Documents

Publication Publication Date Title
CN106705955B (zh) 一种海量级agv调度方法及其系统
CN110171419B (zh) 用于控制队列行驶的装置和方法
CN109448434A (zh) 无人驾驶车辆群体决策方法
US20230106791A1 (en) Control device for vehicle and automatic driving system
CN109737977A (zh) 自动驾驶车辆定位方法、装置及存储介质
KR102512969B1 (ko) 무인 반송차의 제어 방법, 제어 장치 및 기억 매체
AU2021254609A1 (en) Determining a topological location of a client device using received radio signatures
US20130197719A1 (en) Vehicle system and vehicle control method
WO2015034459A1 (en) Elevator dispatch using facial recognition
CN105957337A (zh) 订单处理方法及装置
US20190258270A1 (en) Traveling control system for autonomous traveling vehicles, server apparatus, and autonomous traveling vehicle
CN111210640B (zh) 基于广播通信的agv单机交管方法、电子设备和存储介质
CN110825099B (zh) 一种智慧公路的巡检无人机控制方法和装置
US20200193835A1 (en) Traffic control apparatus, traffic control system, traffic control method, and non-transitory computer recording medium
JPWO2020110915A1 (ja) 情報処理装置、および情報処理システム、並びに情報処理方法
CN109839928A (zh) 无人车及其远距离防对撞方法、装置和系统
CN103514750A (zh) 基于dsrc的防跟车干扰方法、装置及应用系统
KR102501642B1 (ko) 차량간 통신기능을 이용한 주차유도 방법 및 그 장치
CN113008237A (zh) 一种路径规划方法及装置、飞行器
CN107403564A (zh) 一种无人机的飞行防撞方法
US11676489B2 (en) Operation management apparatus and operation management method of autonomous travel vehicle
KR20160083328A (ko) 무인 항공기를 이용한 차량 번호 인식 방법
CN112305499A (zh) 一种根据光源进行定位的方法及装置
KR20210000220A (ko) 이동체에서 드론을 이용하는 방법 및 장치
CN117935597A (zh) 一种交叉路口智能协同路径规划系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20190308

WD01 Invention patent application deemed withdrawn after publication