CN109857104B - 一种基于公路虚拟轨道化的无人驾驶技术 - Google Patents

Abstract

本发明主要提出了一种无人驾驶技术，针对新兴的无人驾驶技术领域，通过将无人驾驶汽车系统类比为铁路系统，设计了一种基于公路虚拟轨道化的无人驾驶技术，进而可为无人驾驶领域的发展提供全新的发展思路。在采用铁路列车运行调度控制思想的基础上，将无人驾驶汽车的公路出行场景虚拟轨道化，通过建立统一集成的的无人驾驶汽车运行调度系统，对在公路出行场景下大规模应用的无人驾驶汽车进行组织调度，进而降低无人驾驶汽车发生事故的概率，同时提高公路出行场景下无人驾驶汽车系统的整体运行效率。

Description

一种基于公路虚拟轨道化的无人驾驶技术

技术领域

本发明涉及无人驾驶技术领域，具体涉及基于公路虚拟轨道化的无人驾驶领域。

背景技术

现有的无人驾驶技术主要集中在智能汽车上，即在普通汽车基础上增加了先进的传感器(雷达、摄像)、控制器、执行器等装置，通过车载传感系统和信息终端实现与人、车、路等的智能信息交换，使汽车具备智能的环境感知能力并能够自动分析汽车行驶的安全及危险状态，使汽车依照人的驾驶意愿到达目的地，最终实现替代人来操作的目的。

上述的既有无人驾驶汽车技术主要针对微观个体层面，即围绕某辆或某几辆无人驾驶汽车在某种场景下的应用进行研究，其一是缺少宏观层面上的综合控制，对无人驾驶汽车的大规模公路应用缺乏整体的考虑，其二是就有无人驾驶汽车需要海量应用场景用于其学习提升，但是即使如此，一旦出现某些特殊场景依旧会对无人驾驶汽车的运行造成致命的安全隐患。

由于公路交通的弱控性，造成了无人驾驶技术在安全性方面一直难以得到有效推广，本方法目标是考虑如何将公路交通的弱控性向强控性转变，因此本方法是考虑采用将公路资源虚拟轨道化技术，从而运用铁路列车运行调度控制技术实现公路交通的强控性，确保无人驾驶的安全稳定。进一步而言，虚拟轨道设计实质上是将无人驾驶汽车的公路出行场景虚拟轨道化，即转化为铁路出行场景，通过将铁路列车运行调度控制的思想和方法应用到无人驾驶出行领域，进而为无人驾驶在现实交通环境下的实际应用开辟新的发展路径。

发明内容

通过建立统一集成的无人驾驶汽车运行调度系统，对在公路出行场景下大规模应用的无人驾驶汽车进行组织调度，进而可降低无人驾驶汽车发生事故的概率，进一步保障无人驾驶汽车的出行安全，同时可提高公路出行场景下无人驾驶汽车系统的整体运行效率。

本发明涉及一种基于公路虚拟轨道化的无人驾驶方法，其特征在于包括如下步骤：

步骤一，对公路进行虚拟轨道化；

步骤二，预生成无人驾驶车辆的初始车流路径，编制无人驾驶车辆的时空轨迹图；

所述时空轨迹图是无人驾驶车辆运行的时间与空间关系的图解，

步骤三，无人驾驶车辆的动态路径规划，并实时调整时空轨迹图。

优选地，虚拟轨道化包括：对公路进行区间分配，述区间分配具体为将一段高速公路区段固定的划分为若干个等间距的控制区间，相邻的控制区间位置始终固定且无缝衔接。

优选地，所述控制区间占据长度视各地区情况而定，优选地5m—10m。

优选地，一辆无人驾驶汽车占据一至两个控制区间，在同一控制区间只准一辆无人驾驶汽车运行。

优选地，控制区间的两端为虚拟信号机，通过虚拟信号机信息传输和信息交互通信实现同一控制区间只准一辆无人驾驶汽车运行。

优选地，虚拟轨道化包括：依据服务区数据，对公路进行节点处理，把服务区虚拟化为铁路系统中的场站调度节点；所述每两个调度节点之间的区段称为控制区段。

优选地，虚拟轨道化包括：对公路进行虚拟道岔设置，所述虚拟道岔设置是将不同车道上相邻的控制区间以虚拟道岔的形式进行连接，并在连接过程中通过虚拟道岔形成不同车道间的新的控制区间。

优选地，所述基于公路虚拟轨道化的无人驾驶方法的输入数据包括基础路网数据、服务区数据、无人驾驶车辆的OD车流量和预测客流数据。

优选地，所述基于公路虚拟轨道化的无人驾驶方法的输出数据是无人驾驶车辆的实时调整后的时空轨迹图。

优选地，所述时空轨迹图的空间通过距离、控制区间或调度节点表示。

优选地，所述时空轨迹图的不同等级的车流密度可由不同颜色或不同线型表示.

优选地，所述时空轨迹图的时间通过天、小时或者分钟表示.

优选地，所述时空轨迹图是体现无人驾驶车辆在各控制区段运行及在各调度节点停车或通过状态的二维线条图。

优选地，依据基础路网数据、无人驾驶车辆OD车流量数据预生成所述初始车流路径。

优选地，依据公路虚拟轨道化数据、无人驾驶车辆OD车流量数据及预测客流数据计算编制无人驾驶车辆的时空轨迹图。

优选地，数据运算处理中心对无人驾驶车辆进行实时路径优化，并将优化后的路径通过车载单元将数据信息传输至无人驾驶车辆，实现所述动态路径规划。

优选地，所述数据运算处理中心是云端管理平台。

优选地，当两辆或多辆无人车待前往相同的下一控制区间时，将下一个控制区间分配给按当前行驶速度能更早到达下一控制区间的早至无人车，待前往相同的下一控制区间的早至无人车以外的无人车在此统称为晚至无人车，对晚至无人车的行驶速度进行一定权重的降低。

本发明还涉及一种无人驾驶车辆，其特征在于使用上述权利要求1-17任一项所述的方法。

本发明还涉及一种程序介质，其特征在于使用上述权利要求1-17任一项所述的方法。

附图说明

图1信息数据交互逻辑结构图

图2本发明方法核心流程框架图

图3本发明方法详细算法流程图

图4高速公路区间分配示意图

图5高速公路节点处理示意图

图6高速公路局部线网示意图

图7高速公路局部线网区间分配和节点处理示意图

图8高速公路虚拟道岔设置示意图

图9无人驾驶车辆区间竞争示意图

图10京津高速公路段虚拟轨道化整体示意图

图11京津高速公路段虚拟轨道化局部示意图

图12无人驾驶车辆调度系统宏观时空轨迹图

图13无人驾驶车辆调度系统中观时空轨迹图

图14无人驾驶车辆调度系统微观时空轨迹图

图15无人驾驶车辆调度系统试验图

具体实施方式

本申请的OD是交通出行量领域通用术语，其含义为O指出行的出发地点，D指出行的目的地，OD交通量就是指起终点间的交通出行量。

公知的列车运行图是由横纵坐标交汇组成的网格图。其横轴表示时间，纵轴表示距离，或者纵轴表示时间，横轴表示距离。

本申请的时空轨迹图是无人驾驶车辆运行的时间与空间关系的图解，是由横纵坐标交汇组成的网格图，其横轴表示时间，纵轴表示距离，或者纵轴表示时间，横轴表示距离。

V2V是车与车之间进行无线信息交换的通信技术。

V2I是车与基础设施之间进行无线信息交换的通信技术。

无人车即无人驾驶车辆。

虚拟信号机为铁路轨道信号机概念在公路虚拟轨道上的具体体现。

调度节点为铁路场站概念在公路虚拟轨道上的具体体现形式，调度节点包括不限于服务区、汽车旅馆，调度节点也可等距设置。

本发明涉及一种基于公路虚拟轨道化的无人驾驶信息数据交互装置，其逻辑结构图如图1所示。

图1是对在公路虚拟轨道化的基础上大规模无人驾驶车辆组织调度过程中的信息数据传输处理过程的简要描述，车辆组织调度过程中的信息传输处理主要涉及主体包括无人车、调度节点、公路基础设施(图中未示出)和数据运算处理中心。

数据运算处理中心优选为云端管理平台。

车与车之间进行无线信息交换通过V2V通信技术，车与基础设施之间进行无线信息交换通过V2I通信技术。V2V、V2I通信技术保证控制区间的占有权、控制车辆间距离以及车辆自身进行换道、转弯等自动驾驶行为时能和周边车辆进行信息交互。

无人车和调度节点间的信息数据传输处理反馈是对两个调度节点之间的区段内运行的无人车的行驶及状态信息数据的采集、处理、存储、备份及传输给数据运算处理中心。无人车和数据运算处理中心间进行信息数据传输处理和数据处理反馈传输，其中数据运算处理中心对无人车的数据处理反馈传输实现了数据运算处理中心对无车的组织调度，其中数据运算处理中心是集成了大数据、云计算、人工智能等技术的计算处理平台系统，通过先进的算法和强大的计算能力和资源对公路虚拟轨道上的大规模无人车传输的海量数据进行运算处理并给出调度结果，并基于此实现对无人车的动态路径规划及时根据传输处理的数据对时空轨迹图进行调整。

基于上述信息数据交互逻辑结构，本发明还涉及一种基于公路虚拟轨道化的无人驾驶方法，方法流程如图2所示。

步骤一，通过区间分配、节点处理和虚拟道岔设置对公路进行虚拟轨道化，将无人驾驶汽车视为火车，将无人驾驶汽车的公路出行场景转化为铁路出行场景。

步骤二，预生成无人驾驶车辆的初始车流路径，编制无人驾驶车辆的时空轨迹图。

所述时空轨迹图是无人驾驶车辆运行的时间与空间关系的图解，是由横纵坐标交汇组成的网格图，其横轴表示时间，纵轴表示距离，或者纵轴表示时间，横轴表示距离。所述距离包括控制区段或调度节点。所述时空轨迹图是体现无人驾驶车辆在各控制区段运行及在各调度节点停车或通过状态的二维线条图。

所述步骤二采用铁路列车运行调度控制的方法，对在公路出行场景下大规模应用的无人驾驶汽车进行组织调度，包括规划并实时调整车辆的行驶路径、对其的直行、变道驾驶行为进行控制及对无人车系统整体运行的管理控制。

步骤三，无人驾驶车辆的动态路径规划，并实时调整时空轨迹图。

所述基于公路虚拟轨道化的无人驾驶方法的输入数据包括基础路网数据、服务区数据、无人驾驶车辆的OD车流量和预测客流数据。

所述基于公路虚拟轨道化的无人驾驶方法的输出数据是无人驾驶车辆的实时调整后的时空轨迹图。

上述方法的详细流程如图3所示，具体地，

所述步骤一包括：

Step 1.1调入基础公路网路数据，依据基础公路网络数据，对公路进行区间分配；所述公路网络数据包括公路、服务区等基础公路数据。

如图4和5所示，所述区间分配具体为将一段高速公路区段固定的划分为若干个等间距的控制区间，相邻的控制区间位置始终固定且无缝衔接。

所述控制区间占据长度视各地区情况而定，优选地5m—10m。

一辆无人驾驶汽车占据一至两个控制区间，其中车身长度小于等于控制区间长度的汽车占据一个控制区间；车身长度超过控制区间长度的汽车占据两个控制区间；同时，在同一控制区间只准一辆无人驾驶汽车运行。

如图4所示，控制区间的两端为虚拟信号机，一旦某控制区间被一辆无人驾驶汽车占用，则通过虚拟信号机信息传输和V2V、V2I信息交互通信实行控制区间封闭，在封闭解除之前，不准许其它无人驾驶汽车驶入。通过利用V2V和V2I技术、卫星定位技术和高精地图技术、5G通信技术和自动控制技术，使前后的无人驾驶汽车通过车-车互联、车-路互联、车-自动控制中心互联的信息交互通信能够自动调整控制以始终保持一定的合适间隔。

Step 1.2依据服务区数据，对公路进行节点处理，把服务区虚拟化为铁路系统的轨道上的调度节点。

所述每两个调度节点之间的区段称为控制区段。

由于高速公路网上不等距的分布着一定数量的服务区，它们在车辆运行过程中发挥着枢纽和车流节点的作用和效果。因此，基于公路上的服务区对公路进行节点处理，即将公路上的服务区类比为铁路系统中的场站，把服务区虚拟化为轨道上的调度节点，如图5所示。每两个服务区/调度节点之间的区段称为控制区段，任一控制区段可包含若干个控制区间，由于各服务区间隔距离不等且位置固定，因而各控制区段的距离存在差别但都已固定。

Step 1.3依据基础公路网络数据，对公路进行虚拟道岔设置。

所述虚拟道岔设置是将不同车道上相邻的控制区间以虚拟道岔的形式进行连接，并在连接过程中通过虚拟道岔形成不同车道间的新的控制区间。

所述虚拟道岔即为铁路轨道道岔概念在所述公路虚拟轨道化后的具体表现形式，实现控制区间锁闭、车辆的路径调整和调度控制。

对高速公路区段进行虚拟道岔设置实现安全准确的对无人驾驶车辆进行控制调度，使无人驾驶车辆能够更好的进行直行、转弯、变道等行为，降低无人驾驶车辆的行驶风险。

为更好的描述区间分配、节点处理和虚拟道岔设置，取一高速公路局部线网为例进行说明，如图6所示。选取的高速公路局部线网共包括4个区段，在不同区段上不等距分布着7个服务区PX，对高速公路局部线网进行区间分配和节点处理，如图7所示。

尔后选取线网中的一部分，即图7圈中所示部分进行虚拟道岔设置。如图8所示，将不同车道上相邻的控制区间通过虚拟道岔的形式进行连接，并在连接过程中通过虚拟道岔形成不同车道间的新的控制区间，以更好的实现控制区间锁闭、车辆的路径调整和调度控制。

以下通过另一个案例对本发明运行机理作具体说明。若图8中控制区间“D1—D2”中的无人车经过路径调整需要从4车道前往1车道，假设无人驾驶车辆运行调度系统在收集并处理数据后为其动态规划调整的一条路径按顺序分别经过并占用“D1—D2”—“D2—C1”—“C1—B2”—“B2—A3”—“A3—A4”区间，当无人车最终需要到达“A3—A4”控制区间时，首先它需要通过虚拟信号机信息交互和V2X信息交互通信确定无人车周围的控制区间的锁闭情况，若待前往的下一个控制区间并未被其他无人车占用，即并未锁闭，则无人车可驶入此区间，否则需重新调整路径。

当两辆或多辆无人车待前往相同的下一控制区间时，会形成区间竞争的局面，即出现如图9圈中所表示的情况，此时无人驾驶车辆自动控制中心会通过对传输数据的收集、处理和判断自动将下一个控制区间分配给按当前行驶速度能更早到达下一控制区间的早至无人车，待前往相同的下一控制区间的早至无人车以外的无人车在此统称为晚至无人车。信息数据传输反馈至晚至无人车的车载系统单元，并对晚至无人车的行驶速度进行一定权重的降低，以确保车早至无人车和晚至无人车不会发生碰撞事故，保证无人驾驶车辆运行的安全。

所述区间分配、节点处理和虚拟道岔设置结束后就完成了公路的虚拟轨道化，也即完成了无人驾驶车辆公路出行场景向铁路出行场景的转化。

Step 1.4保存公路虚拟轨道化数据。

具体地，所述步骤二包括。

Step 2.1依据基础路网数据、无人驾驶车辆OD车流量数据预生成所述初始车流路径。

Step 2.2依据公路虚拟轨道化数据、无人驾驶车辆OD车流量数据及预测客流数据计算编制无人驾驶车辆的时空轨迹图。

以下举例进行详细阐述编制无人驾驶车辆的时空轨迹图。首先如图10所示，对一拥有2节点、2车道、4辆无人驾驶车的高速公路区段进行虚拟轨道化，而后如图11所示通过时空轨迹图的形式对无人驾驶车辆调度系统的调度运行过程进行展现和刻画。

图12以时空轨迹图的形式展示了在拥有5个调度节点的路段上无人驾驶车辆调度系统的调度运行过程，其中时间线间隔为1h，不同节点间距离不同。

具体地，所述步骤三包括：

结合车载单元数据信息传输对无人驾驶车辆进行动态路径规划，即在初始路径的基础上进行路径优化，实现车辆路径动态规划过程中不断寻求更优的路径

车载信息通信模块使得各类物联网终端设备(包括无人驾驶车辆)具备联网信息传输能力，是各类智能终端得以接入物联网(V2V、V2I等)的信息入口。它是连接物联网感知层和网络层的关键环节，所有物联网感知层终端产生的设备数据需要通过无线通信模块汇聚至网络层，进而通过数据运算处理中心对设备进行远程管控，同时经过数据分析，带来管理效率的提升。当一天时间结束，即结束动态路径规划和时空轨迹图的实时调整；数据运算处理中心优选为云端管理平台。

还包括步骤四，对数据保存输出。

为了进一步说明本发明所提出的基于公路虚拟轨道化的无人驾驶技术的可行性与先进性，选取实际公路举例进行具体说明。该例中的公路为京津高速公路段，其是中国华北地区公路网的一部分，包含5个服务区。假设无人驾驶车辆从公路起点的出发间隔为10S，其在调度节点(服务区)的停留时间是10分钟，此外本文假设无人驾驶车辆的行驶速度为80km/h。下表是京津高速公路段的服务区数据表。对京津高速公路段进行虚拟轨道化，如图10、图11所示

依据基础公路网络数据与预设车辆径路，生成包含一天时间内所有无人驾驶车辆时空轨迹的时空轨迹图，其示意图如图12所示。考虑到不同时段的客货运服务需求差异，一天时间粒度(宏观)的无人驾驶车辆轨迹图分时段呈现出不同的车流密度颜色特征。不同等级的车流密度可由不同颜色或不同线型表示，本发明图12不同等级的车流密度分别由不同颜色线型表示。

时空轨迹图上的每一个时间标签，包括小时时间标签和分钟时间标签，其进一步能够细化为小时级粒度(中观)和分钟级粒度(微观)的时空轨迹图，其示意图分别如图13、14所示。

本发明提出的车辆运行调度进行试验，通过对铁路列车运行调度控制思想的吸收和改进，对京津高速公路路段进行了无人车调度系统的运行试验，其试验运行图如图15所示。

本发明主要提出了一种无人驾驶技术，针对新兴的无人驾驶技术领域，通过将无人驾驶汽车系统类比为铁路系统，设计了一种基于公路虚拟轨道化的无人驾驶技术，进而可为无人驾驶领域的发展提供全新的发展思路。在采用铁路列车运行调度控制思想的基础上，将无人驾驶汽车的公路出行场景虚拟轨道化，通过建立统一集成的的无人驾驶汽车运行调度系统，对在公路出行场景下大规模应用的无人驾驶汽车进行组织调度，进而降低无人驾驶汽车发生事故的概率，同时提高公路出行场景下无人驾驶汽车系统的整体运行效率。我们以京津高速为例进行具体实施，验证了本专利方法在求解此类问题上的可行性、高效性、准确性。但具体应用并不仅限于此，该方法不限制公路出行场景的地区、规模，对于任何公路出行场景均可以给出应用结果。

本发明核心改进在于：

1、将无人驾驶汽车公路出行场景转化为铁路出行场景，即将公路虚拟轨道化

无人驾驶汽车通常的出行场景为公路出行场景，包括城市道路、高速公路等，本发明将无人驾驶汽车系统类比为铁路系统，将无人驾驶汽车的公路出行场景转化为铁路出行场景，即将公路虚拟轨道化，为铁路列车运行调度控制思想在无人汽车驾驶领域的应用奠定基础。

2、运用铁路列车运行调度控制的思想对无人驾驶汽车的大规模应用进行组织管理

通过对铁路列车运行调度控制思想的采用，对公路出行场景，主要为高速公路下的无人驾驶汽车系统进行宏观层面的组织管理和调度控制，对路网上无人驾驶汽车的整体运行效率进行优化提高，降低无人驾驶汽车发生事故的概率。

Claims (10)

1.一种基于公路虚拟轨道化的无人驾驶方法，其特征在于包括如下步骤：

步骤一，对公路进行虚拟轨道化，将无人驾驶汽车视为火车，将无人驾驶汽车的公路出行场景转化为铁路出行场景；虚拟轨道化包括：

对公路进行区间分配，所述区间分配具体为将一段高速公路区段固定的划分为若干个等间距的控制区间，相邻的控制区间位置始终固定且无缝衔接；一辆无人驾驶汽车占据一至两个控制区间，在同一控制区间只准一辆无人驾驶汽车运行；

对公路进行节点处理，把服务区虚拟化为铁路系统中的场站调度节点；每两个调度节点之间的区段称为控制区段；

对公路进行虚拟道岔设置，所述虚拟道岔设置是将不同车道上相邻的控制区间以虚拟道岔的形式进行连接，并在连接过程中通过虚拟道岔形成不同车道间的新的控制区间；

当两辆或多辆无人车待前往相同的下一控制区间时，将下一个控制区间分配给按当前行驶速度能更早到达下一控制区间的早至无人车，待前往相同的下一控制区间的早至无人车以外的无人车在此统称为晚至无人车，对晚至无人车的行驶速度进行一定权重的降低；

步骤二，采用铁路列车运行调度控制的方法，对在公路出行场景下大规模应用的无人驾驶汽车进行组织调度，包括规划并实时调整车辆的行驶路径、对其的直行、变道驾驶行为进行控制及对无人车系统整体运行的管理控制；

预生成无人驾驶车辆的初始车流路径，编制无人驾驶车辆的时空轨迹图；

所述时空轨迹图是无人驾驶车辆运行的时间与空间关系的图解；是由横纵坐标交汇组成的网格图，其横轴表示时间，纵轴表示距离，或者纵轴表示时间，横轴表示距离；所述距离包括控制区段或调度节点；所述时空轨迹图是体现无人驾驶车辆在各控制区段运行及在各调度节点停车或通过状态的二维线条图；

所述基于公路虚拟轨道化的无人驾驶方法的输入数据包括基础路网数据、服务区数据、无人驾驶车辆的OD车流量和预测客流数据；所述基于公路虚拟轨道化的无人驾驶方法的输出数据是无人驾驶车辆的实时调整后的时空轨迹图；步骤三，无人驾驶车辆的动态路径规划，并实时调整时空轨迹图；数据运算处理中心对无人驾驶车辆进行实时路径优化，并将优化后的路径通过车载单元将数据信息传输至无人驾驶车辆，实现所述动态路径规划。

2.如权利要求1所述的方法，其特征在于：所述控制区间占据长度为5m—10m。

3.如权利要求1所述的方法，其特征在于：控制区间的两端为虚拟信号机，通过虚拟信号机信息传输和信息交互通信实现同一控制区间只准一辆无人驾驶汽车运行。

4.如权利要求1至3任一项所述的方法，其特征在于：所述时空轨迹图的空间通过距离、控制区间或调度节点表示。

5.如权利要求1至3任一项所述的方法，其特征在于：所述时空轨迹图中不同等级的车流密度由不同颜色或不同线型表示。

6.如权利要求1至3任一项所述的方法，其特征在于：所述时空轨迹图的时间通过天、小时、分钟或者秒来表示。

7.如权利要求1至3任一项所述的方法，其特征在于：依据基础路网数据、无人驾驶车辆OD车流量数据预生成所述初始车流路径。

8.如权利要求1至3任一项所述的方法，其特征在于：依据公路虚拟轨道化数据、无人驾驶车辆OD车流量数据及预测客流数据计算编制无人驾驶车辆的时空轨迹图。

9.如权利要求1所述的方法，其特征在于：所述数据运算处理中心是云端管理平台。

10.一种无人驾驶车辆，其特征在于使用上述权利要求1-9任一项所述的方法。

Images