CN109656248A - 一种用于智能车路况分析的测试系统 - Google Patents
一种用于智能车路况分析的测试系统 Download PDFInfo
- Publication number
- CN109656248A CN109656248A CN201811452956.XA CN201811452956A CN109656248A CN 109656248 A CN109656248 A CN 109656248A CN 201811452956 A CN201811452956 A CN 201811452956A CN 109656248 A CN109656248 A CN 109656248A
- Authority
- CN
- China
- Prior art keywords
- data
- decision
- intelligent vehicle
- time
- module
- 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
Links
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/0088—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot characterized by the autonomous decision making process, e.g. artificial intelligence, predefined behaviours
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0217—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with energy consumption, time reduction or distance reduction criteria
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0223—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving speed control of the vehicle
Abstract
本发明提供一种用于智能车路况分析的测试系统,包括:信息获取模块,用于获取智能车行车数据和交通信号数据,所述智能车数据包括智能车的实时速度;导航模块,用于输入目的地并根据决策数据规划汽车行驶路线;决策模块,用于根据获取的交通信号数据生成决策数据;控制模块,用于根据决策模块的决策数据调整智能车的实时速度;本发明通过对路况实时分析,在规划路线上对所有突发事件和红绿灯在时间等待上进行优化,控制汽车加速、减速等,从而减少中间不必要的停车、刹车、熄车等待,提高出行效率,通过本发明可以增加汽车发动机的寿命,同时减少汽车的能量消耗,节约资源。
Description
技术领域
本发明涉及智能车驾驶领域,尤其涉及一种用于智能车路况分析的测试系统。
背景技术
智能车辆是未来汽车的发展方向,我国于上世纪80年代开始着手无人驾驶汽车的研制开发,虽与国外相比还有一些距离,但也取得了阶段性成果,现有的智能汽车能够自动分析汽车行驶的安全及危险状态,并使汽车按照人的意愿到达目的地,但是目前的智能汽车只是通过汽车周围的实况来指挥控制行驶汽车,但在预测上还远远不够,没有涉及全路段(出发地或实时地与目的地之间的路段)的情况分析,这就加大了汽车的损耗和油的消耗。如:只判断当时当地的路况不能预估红绿灯(颜色转换、时长)等交通情况,但不能避免会经常等待交通灯通行,这对汽车有损耗、且耗油量增加,因此,需要一种用于智能车路况分析的测试系统,提高驾驶出行效率。
发明内容
鉴于以上所述现有技术的缺点,本发明提供一种用于智能车路况分析的测试系统,以解决上述技术问题。
本发明提供的一种用于智能车路况分析的测试系统,包括:信息获取模块,用于获取智能车行车数据和交通信号数据,所述智能车数据包括智能车的实时速度;导航模块,用于输入目的地并根据决策数据规划汽车行驶路线;决策模块,用于根据获取的交通信号数据生成决策数据;控制模块,用于根据决策模块的决策数据调整智能车的实时速度。
进一步的,所述交通信号数据包括道路流量数据、交通灯状态数据、交通标志数据和路段限速数据,所述智能车行车数据还包括智能车当前油耗数据。
进一步的,所述决策模块包括智能车行驶路径、智能车匀速速度、智能车行驶加速度以及匀速和非匀速的行驶时间。
进一步的,所述决策模块预先建立有决策模型,通过决策模型获取决策数据;所述的决策模型,通过如下公式获取决策数据:t0+ta+t匀∈(t绿0,t绿1),v匀=v0+a实ta,v阈<v匀<v限,v0<v限},其中,v限为车行驶路段的限速,S实为当前车辆行驶位置与规划路线上最近一个交通灯之间的距离,a实为汽车的实时加速度(受系统中心控制的变量),v0为t0时刻汽车的速度,t0开始做分析初始时刻(当地时间,用于匹配交通系统时间),ta为汽车加速的时间,t匀为匀速行驶时间,v阈为最低匀速行驶速度;所述决策模型为带偏置调节参数的网络控制模型,所述决策模型通过如下公式对决策数据进行选择:am={a1,a2,a3,...ak}为网络输入层,tm={t1,t2,t3,...tk}为输入层网络权重,ve为偏置调节常数;vn={v1,v2,v3,...vk}为网络中间层,tn={t1,t2,t3,...tk}为中间层权重,se为中间层偏置调节参数;此决策模型最终得到最优驾驶路况{am}与{tm}控制行驶汽车。
进一步的,所述一种用于智能车路况分析的测试系统,还包括自动行驶模块,所述自动行驶模块与控制模块连接,将决策数据进行分类{a,t,v,s},决策模型通过控制加速度和加速时间输出路线列表,所述路线列表包括一条或多条规划路径,在路径列表中选择与S实最接近的规划路线作为行驶路线。
本发明的有益效果:本发明中一种用于智能车路况分析的测试系统,对全路段的实时路况分析,同时接入了交通系统,会在本路段(预先设置目的地)上所有突发事件和红绿灯控制系统在时间上做一个优化,控制汽车加速、减速等,从而减少中间不必要的停车、刹车、熄车等待,提高了出行效率,通过本发明可以增加汽车发动机的寿命,同时减少汽车的能量消耗,节约资源。
附图说明
图1是本发明一种用于智能车路况分析的测试系统的原理示意图。
图2是本发明一种用于智能车路况分析的测试系统的决策模型网络关系示意图。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。需要说明的是,以下实施例中所提供的图示仅以示意方式说明本发明的基本构想,图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制,其实际实施时各组件的型态、数量及比例可为一种随意的改变,且其组件布局型态也可能更为复杂。
如图2所示为一种用于智能车路况分析的测试系统的决策模型网络关系示意图,包括:信息获取模块,用于获取智能车行车数据和交通信号数据,所述智能车数据包括智能车的实时速度;导航模块,用于输入目的地并根据决策数据规划汽车行驶路线;决策模块,用于根据获取的交通信号数据生成决策数据;控制模块,用于根据决策模块的决策数据调整智能车的实时速度。
在本实施例中,交通信号数据包括道路流量数据、交通灯状态数据、交通标志数据和路段限速数据,所述智能车行车数据还包括智能车当前油耗数据,决策模块包括智能车行驶路径、智能车匀速速度、智能车行驶加速度以及匀速和非匀速的行驶时间,
在本实施例中通过获取模块获取智能车行车数据和交通信号数据,通过导航模块,用于输入目的地并根据决策数据规划汽车行驶路线,本实施例中的决策模块与交通控制系统连接,能够接收到行驶路段的所有交通信号,例如红绿黄灯时间(精确到s),交通标志,限速情况等,通过决策模块进行路径规划,通过距离和时速预计到达(正通过)交通灯时的时间,与此时交通灯(红绿黄)的状态做一个拟合,通过控制改变速度,让汽车(尽量)每次都避开红/黄灯,使汽车能够无停顿驶过交通灯区域,从而达到降低油耗,节约能耗的作用。
在本实施例中,决策模块预先建立有决策模型,通过决策模型获取决策数据。汽车控制模块通过决策模块分析数据,控制加速度大小和加速时间操控汽车驾驶,控制行驶时间。决策模型通过如下公式获取决策数据:t0+ta+t匀∈(t绿0,t绿1),v匀=v0+a实ta,v阈<v匀<v限,v0<v限}其中,v限为车行驶路段的限速,S实为当前车辆行驶位置与规划路线上最近一个交通灯之间的距离,a实为汽车的实时加速度(受系统中心控制的变量),v0为t0时刻汽车的速度,t0开始做分析初始时刻(当地时间,用于匹配交通系统时间),ta为汽车加速的时间,t匀为匀速行驶时间,v阈为最低匀速行驶速度。
优选地,本实施例还包括自动行驶模块,所述自动行驶模块与控制模块连接,用于根据决策数据控制汽车在规划的行驶路径中自动行驶,首先确定目的地,可以从卫星导入实时路面视频信息,确定最优路 径,并关注最优路径全路段视频信息,通过与交通控制系统连接,接收行驶路段上所有交通信号,如:红绿黄灯时间(精确到s),交通标志,限速情况等,通过距离和时速预计到达(正通过)交通灯时的时间,与此时交通灯(红绿黄)的状态做一个拟合,通过控制改变速度,让汽 车(尽量)每次都避开红/黄灯,无停顿驶过交通灯区域。
在本实施例中,将决策信息进行分类{a,t,v,s},决策模型通过控制加速度和加速时间输出路线列表,所述路线列表包括一条或多条规划路线,在路线列表中选择与S实最接近的规划路线作为行驶路线,通过控制加速度{a}和加速时间{t},输出符合的条件的{s}。如图1所示,预先建立决策模型,通过决策模型获取决策数据,所述决策模型为带偏置调节参数的网络控制模型,所述决策模型通过如下公式对决策数据进行选择:am={a1,a2,a3,...ak}为网络输入层,tm={t1,t2,t3,...tk}为输入层网络权重,ve 为偏置调节常数;vn={v1,v2,v3,...vk}为网络中间层,tn={t1,t2,t3,...tk}为中间层权重,se为中间层偏置调节参数;此决策模型最终得到最优驾驶路况{am}与{tm}控制行驶汽车。在图1的网络关系中,E({a}*{t})找到合适的V,然后通过E({v}*{t})得出S,反馈控制单元由动力系统加速。网络中的ve为偏移量,根据网络学习资料和具体场景限制得出,se通常限制汽车最 低匀速时的速度,免得出现龟速,或超限速情况。({t(1)}={t1(1),t2(1)……t9(1)}为系统加速时间,和保持{v}行驶时间,E为求和符号。{a}、{t}两个序列的内积求和表示变化的加速度与对应加速时间得到一段时间内加速后的速度(即中间层的生成原理),输出层同理可得。根据输出层S序列,选出最接近或等于s实的一组数据,对应得到{a}{t}去控制现实中的系统,达到节能降低磨损的效果。通过以上分析方法,得到加速度和加速时间,发送至控制单元,让汽车执行加速度大小和加速时间的控制,从而选择最优路况。
上述实施例仅例示性说明本发明的原理及其功效,而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下,对上述实施例进行修饰或改变。因此,举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变,仍应由本发明的权利要求所涵盖。
Claims (5)
1.一种用于智能车路况分析的测试系统,其特征在于,包括:信息获取模块,用于获取智能车行车数据和交通信号数据,所述智能车数据包括智能车的实时速度;导航模块,用于输入目的地并根据决策数据规划汽车行驶路线;决策模块,用于根据获取的交通信号数据生成决策数据;控制模块,用于根据决策模块的决策数据调整智能车的实时速度。
2.根据权利要求1所述的一种用于智能车路况分析的测试系统,其特征在于:所述交通信号数据包括道路流量数据、交通灯状态数据、交通标志数据和路段限速数据,所述智能车行车数据还包括智能车当前油耗数据。
3.根据权利要求1所述的一种用于智能车路况分析的测试系统,其特征在于:所述决策模块包括智能车行驶路径、智能车匀速速度、智能车行驶加速度以及匀速和非匀速的行驶时间。
4.根据权利要求1、3所述的决策模块,其特征在于:所述决策模块预先建立有决策模型,通过决策模型获取决策数据,所述的决策模型,通过如下公式获取决策数据:t0+ta+t匀∈(t绿0,t绿1),v匀=v0+a实ta,v阈<v匀<v限,v0<v限},其中,v限为车行驶路段的限速,S实为当前车辆行驶位置与规划路线上最近一个交通灯之间的距离,a实为汽车的实时加速度(受系统中心控制的变量),v0为t0时刻汽车的速度,t0开始做分析初始时刻(当地时间,用于匹配交通系统时间),ta为汽车加速的时间,t匀为匀速行驶时间,v阈为最低匀速行驶速度;所述决策模型通过如下公式对决策数据进行选择:am={a1,a2,a3,...ak}为网络输入层,tm={t1,t2,t3,...tk}为输入层网络权重,ve为偏置调节常数;vn={v1,v2,v3,...vk}为网络中间层,tn={t1,t2,t3,...tk}为中间层权重,se为中间层偏置调节参数;此决策模型最终得到最优驾驶路况{am}与{tm}控制行驶汽车。
5.根据权利要求1所述的一种用于智能车路况分析的测试系统,其特征在于:还包括自动行驶模块,所述自动行驶模块与控制模块连接,将决策数据进行分类{a,t,v,s},决策模型通过控制加速度和加速时间输出路线列表,所述路线列表包括一条或多条规划路径,在路径列表中选择与S实最接近的规划路线作为行驶路线。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811452956.XA CN109656248A (zh) | 2018-11-30 | 2018-11-30 | 一种用于智能车路况分析的测试系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811452956.XA CN109656248A (zh) | 2018-11-30 | 2018-11-30 | 一种用于智能车路况分析的测试系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109656248A true CN109656248A (zh) | 2019-04-19 |
Family
ID=66112015
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811452956.XA Pending CN109656248A (zh) | 2018-11-30 | 2018-11-30 | 一种用于智能车路况分析的测试系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109656248A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110136438A (zh) * | 2019-05-15 | 2019-08-16 | 武汉纵横智慧城市股份有限公司 | 基于人工智能的道路切换方法、装置、设备及存储介质 |
DE102023113872A1 (de) | 2023-05-26 | 2024-04-18 | Audi Aktiengesellschaft | Verfahren zum Betrieb eines Systems mit einem Kraftfahrzeug und mit einer Auswerteeinrichtung |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105938052A (zh) * | 2016-05-30 | 2016-09-14 | 北京联合大学 | 一种用于智能车车辆测试的交互方法及系统 |
CN106679685A (zh) * | 2016-12-29 | 2017-05-17 | 鄂尔多斯市普渡科技有限公司 | 一种用于车辆导航的行车路径规划方法 |
CN107084733A (zh) * | 2017-04-10 | 2017-08-22 | 广东数相智能科技有限公司 | 一种基于无人驾驶的路径规划的方法、装置及系统 |
US20170308094A1 (en) * | 2016-04-26 | 2017-10-26 | Honda Motor Co., Ltd. | Vehicle control system, vehicle control method, and vehicle control program |
CN107380160A (zh) * | 2017-08-30 | 2017-11-24 | 重庆凯泽科技股份有限公司 | 一种汽车自动控制系统及控制方法 |
-
2018
- 2018-11-30 CN CN201811452956.XA patent/CN109656248A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170308094A1 (en) * | 2016-04-26 | 2017-10-26 | Honda Motor Co., Ltd. | Vehicle control system, vehicle control method, and vehicle control program |
CN105938052A (zh) * | 2016-05-30 | 2016-09-14 | 北京联合大学 | 一种用于智能车车辆测试的交互方法及系统 |
CN106679685A (zh) * | 2016-12-29 | 2017-05-17 | 鄂尔多斯市普渡科技有限公司 | 一种用于车辆导航的行车路径规划方法 |
CN107084733A (zh) * | 2017-04-10 | 2017-08-22 | 广东数相智能科技有限公司 | 一种基于无人驾驶的路径规划的方法、装置及系统 |
CN107380160A (zh) * | 2017-08-30 | 2017-11-24 | 重庆凯泽科技股份有限公司 | 一种汽车自动控制系统及控制方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110136438A (zh) * | 2019-05-15 | 2019-08-16 | 武汉纵横智慧城市股份有限公司 | 基于人工智能的道路切换方法、装置、设备及存储介质 |
DE102023113872A1 (de) | 2023-05-26 | 2024-04-18 | Audi Aktiengesellschaft | Verfahren zum Betrieb eines Systems mit einem Kraftfahrzeug und mit einer Auswerteeinrichtung |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108986471B (zh) | 混合交通条件下交叉口车辆引导方法 | |
CN107380160A (zh) | 一种汽车自动控制系统及控制方法 | |
KR101969064B1 (ko) | 딥러닝 기반 도심지 교통 혼잡 예측 및 신호 제어 솔루션 방법 및 이를 실행하는 서버 | |
CN108399762B (zh) | 一种自动驾驶和人工驾驶车辆混行条件下的交叉口通行控制方法 | |
CN107016857B (zh) | 一种信控交叉口左转交通组合设计优化方法 | |
CN106846871B (zh) | 一种根据导航路径规划车速的方法、装置及系统 | |
CN110930697B (zh) | 一种基于规则的智能网联车辆协同汇入控制方法 | |
CN107730920A (zh) | 一种基于道钉灯的动态可变车道控制方法 | |
CN102024335B (zh) | 服务于城市干线道路绿波控制的速度引导方法 | |
CN110910662B (zh) | 车路协同环境下单点自适应交通信号优化控制方法 | |
CN108447263B (zh) | 基于浮动车的干线协调控制交叉口的信号控制评价方法 | |
CN109656248A (zh) | 一种用于智能车路况分析的测试系统 | |
CN104376727B (zh) | 交通干线四路口控制子区双向绿波协调控制方法 | |
CN114120666B (zh) | 一种基于车路协同的智能车速诱导系统 | |
CN104299430A (zh) | 基于车路协同的路外绿波车速引导方法 | |
CN114333364B (zh) | 一种自动驾驶车辆通过信号交叉口生态驾驶方法 | |
CN113570875A (zh) | 一种绿波车速计算方法、装置,设备和存储介质 | |
CN113192343A (zh) | 考虑非机动车过街需求的交叉口动态交通信号控制方法 | |
CN109147327B (zh) | 一种城市道路与铁路交叉部位的道路交通瓶颈改善方法 | |
CN105741585A (zh) | 面向节油的基于车联网的车辆轨迹平滑控制方法 | |
AU2020102415A4 (en) | An adaptive traffic signal control algorithm and system based on speed monitoring | |
CN201616185U (zh) | 主干道路不停车交通信号灯控制系统 | |
CN112133109A (zh) | 一种单交叉口多方向空间占有率均衡控制模型建立方法 | |
CN115662170A (zh) | 智能网联混行条件下高速公路智能网联车辆匝道协作合流控制方法及系统 | |
CN111429731A (zh) | 一种公交多模式调度和沿线交叉口信号配时协同优化方法 |
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: 20190419 |
|
WD01 | Invention patent application deemed withdrawn after publication |