CN110427031A - 自动驾驶车辆诱导系统及方法 - Google Patents
自动驾驶车辆诱导系统及方法 Download PDFInfo
- Publication number
- CN110427031A CN110427031A CN201910733326.8A CN201910733326A CN110427031A CN 110427031 A CN110427031 A CN 110427031A CN 201910733326 A CN201910733326 A CN 201910733326A CN 110427031 A CN110427031 A CN 110427031A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- information
- data
- induced
- networked platforms
- 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.)
- Granted
Links
- 230000001939 inductive effect Effects 0.000 title claims abstract description 46
- 238000000034 method Methods 0.000 title claims abstract description 30
- 230000006698 induction Effects 0.000 claims abstract description 16
- 238000001514 detection method Methods 0.000 claims description 39
- 230000006855 networking Effects 0.000 claims description 25
- 238000000547 structure data Methods 0.000 claims description 22
- 239000012634 fragment Substances 0.000 claims description 21
- 238000011156 evaluation Methods 0.000 claims description 20
- 238000013459 approach Methods 0.000 claims description 19
- 230000009467 reduction Effects 0.000 claims description 15
- 238000012795 verification Methods 0.000 claims description 13
- 230000002159 abnormal effect Effects 0.000 claims description 11
- 230000005540 biological transmission Effects 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 21
- 238000013475 authorization Methods 0.000 description 19
- 241001269238 Data Species 0.000 description 8
- 238000005265 energy consumption Methods 0.000 description 8
- 238000012545 processing Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 7
- 238000012790 confirmation Methods 0.000 description 6
- 238000013507 mapping Methods 0.000 description 6
- 238000012544 monitoring process Methods 0.000 description 5
- 230000033228 biological regulation Effects 0.000 description 4
- 238000007405 data analysis Methods 0.000 description 4
- 238000000354 decomposition reaction Methods 0.000 description 4
- 238000009826 distribution Methods 0.000 description 4
- 238000007726 management method Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000013480 data collection Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 235000013399 edible fruits Nutrition 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 230000008676 import Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 238000005096 rolling process Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- 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
- G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- 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
- G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- 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
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- 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
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
- G05D1/0285—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle using signals transmitted via a public communication network, e.g. GSM network
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Traffic Control Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种自动驾驶车辆诱导系统及方法,所述自动驾驶车辆诱导系统包括:终端设备、控制中心平台以及若干目标车联网平台,所述若干目标车联网平台包括目标车联网平台;所述终端设备,用于获取待诱导车辆的第一控制指令,并将所述第一控制指令发送至所述控制中心平台;所述控制中心平台,用于确定所述待诱导车辆所属的目标车联网平台,并将所述第一控制指令转发至所述目标车联网平台;所述目标车联网平台,用于根据所述第一控制指令对所述待诱导车辆进行诱导。通过设置控制中心平台查找待诱导车辆所属的目标车联网平台,根据目标车联网平台实现对待诱导车辆的诱导,从而实现对处于不同系统的待诱导车辆的有效处理。
Description
技术领域
本发明涉及智能网联技术领域,尤其涉及一种自动驾驶车辆诱导系统及方法。
背景技术
随着自动驾驶及智能网联的发展,自动驾驶通过单车智能解决了安全通行的问题。在完全自动驾驶之前,车辆还可能受到人工操作、外界干扰及单车智能失效而导致车辆不按预期的轨迹运动,同时在多车竞争路权的时候,不同厂家、系统之间缺乏有效的协同最终导致通勤效率降低,最终使得自动驾驶失去其安全高效的特点。
发明内容
本发明的主要目的在于提出一种自动驾驶车辆诱导系统及方法,旨在解决对处于不同系统的自动驾驶车辆进行有效诱导的技术问题。
为实现上述目的,本发明提供一种自动驾驶车辆诱导系统,所述自动驾驶车辆诱导系统包括:终端设备、控制中心平台以及若干目标车联网平台,所述若干目标车联网平台包括目标车联网平台;
所述终端设备,用于获取待诱导车辆的第一控制指令,并将所述第一控制指令发送至所述控制中心平台;
所述控制中心平台,用于确定所述待诱导车辆所属的目标车联网平台,并将所述第一控制指令转发至所述目标车联网平台;
所述目标车联网平台,用于根据所述第一控制指令对所述待诱导车辆进行诱导。
优选地,所述自动驾驶车辆诱导系统还包括权管理中心;
所述授权管理中心,用于获取所述终端设备发送的控制校验请求,对所述控制校验请求进行验证;
所述终端设备,用于在接收到所述授权管理中心的验证确定反馈信息时,将所述第一控制指令发送至所述控制中心平台。
优选地,所述目标车联网平台,还用于采集所述待诱导车辆的当前状态信息,提取所述当前状态信息中的路径信息以及连接线信息;
将所述路径信息以及连接线信息进行分片,并将每个片对应预设映射器,通过所述预设映射器对处于当前片中的数据进行映射,生成预设结构数据;
根据车型信息、天气信息、速度信息、能耗信息以及预设路段信息对所述预设结构数据进行评价,并根据评价结果进行排序;
将排序后的行驶数据进行分组,得到分组数据;
根据所述分组数据通过归约器进行计算,得到所述待诱导车辆的目标速度信息以及目标轨迹信息,根据所述目标速度信息以及目标轨迹信息对所述待诱导车辆进行调整。
优选地,所述目标车联网平台,还用于将所述路径信息以及连接线信息作为检测数据,根据所述检测数据采用误差规则得到剩余误差信息;
根据所述检测数据得到实际数据真值,并根据所述剩余误差信息得到标准差值;
将所述检测数据减去所述实际数据真值的差值与标准差值进行比较,判断比较结果是否满足预设条件,将满足所述预设条件的检测数据确定为异常数据;
将所述异常数据进行剔除,得到处理后的检测数据。
优选地,所述目标车联网平台,还用于获取其他车辆的位置信息以及所述待诱导车辆的位置信息;
在所述其他车辆的位置信息与所述当前待诱导车辆的位置信息均处于在预设范围内时,得到第二控制指令;
根据所述第二控制指令控制所述其他车辆的运行速度以及运行轨迹。
此外,为实现上述目的,本发明还提出一种自动驾驶车辆诱导方法,所述自动驾驶车辆诱导方法基于自动驾驶车辆诱导系统,所述自动驾驶车辆诱导系统包括:终端设备、控制中心平台以及若干目标车联网平台,所述若干目标车联网平台包括目标车联网平台,所述自动驾驶车辆诱导方法包括:
所述终端设备获取待诱导车辆的第一控制指令,并将所述第一控制指令发送至所述控制中心平台;
所述控制中心平台确定所述待诱导车辆所属的目标车联网平台,并将所述第一控制指令转发至所述目标车联网平台;
所述目标车联网平台根据所述第一控制指令对所述待诱导车辆进行诱导。
优选地,所述自动驾驶车辆诱导系统还包括权管理中心;
所述终端设备获取待诱导车辆的第一控制指令,并将所述第一控制指令发送至所述控制中心平台,包括:
所述终端设备获取待诱导车辆的第一控制指令,所述授权管理中心获取所述终端设备发送的控制校验请求,对所述控制校验请求进行验证;
所述终端设备在接收到所述授权管理中心的验证确定反馈信息时,将所述第一控制指令发送至所述控制中心平台。
优选地,所述目标车联网平台根据所述第一控制指令对所述待诱导车辆进行诱导之后,所述方法还包括:
所述目标车联网平台采集所述待诱导车辆的当前状态信息,提取所述当前状态信息中的路径信息以及连接线信息;
将所述路径信息以及连接线信息进行分片,并将每个片对应预设映射器,通过所述预设映射器对处于当前片中的数据进行映射,生成预设结构数据;
根据车型信息、天气信息、速度信息、能耗信息以及预设路段信息对所述预设结构数据进行评价,并根据评价结果进行排序;
将排序后的行驶数据进行分组,得到分组数据;
根据所述分组数据通过归约器进行计算,得到所述待诱导车辆的目标速度信息以及目标轨迹信息,根据所述目标速度信息以及目标轨迹信息对所述待诱导车辆进行调整。
优选地,所述将所述路径信息以及连接线信息进行分片,并将每个片对应预设映射器,通过所述预设映射器对处于当前片中的数据进行映射,生成预设结构数据之前,所述方法还包括:
所述目标车联网平台将所述路径信息以及连接线信息作为检测数据,根据所述检测数据采用误差规则得到剩余误差信息;
根据所述检测数据得到实际数据真值,并根据所述剩余误差信息得到标准差值;
将所述检测数据减去所述实际数据真值的差值与标准差值进行比较,判断比较结果是否满足预设条件,将满足所述预设条件的检测数据确定为异常数据;
将所述异常数据进行剔除,得到处理后的检测数据;
相应地,所述将所述路径信息以及连接线信息进行分片,并将每个片对应预设映射器,通过所述预设映射器对处于当前片中的数据进行映射,生成预设结构数据,包括:
将所述处理后的检测数据中路径信息以及连接线信息进行分片,并将每个片对应预设映射器,通过所述预设映射器对处于当前片中的数据进行映射,生成预设结构数据。
优选地,所述所述目标车联网平台根据所述第一控制指令对所述待诱导车辆进行诱导之后,所述方法还包括:
所述目标车联网平台获取其他车辆的位置信息以及所述待诱导车辆的位置信息;
在所述其他车辆的位置信息与所述待诱导车辆的位置信息均处于在预设范围内时,得到第二控制指令;
根据所述第二控制指令控制所述其他车辆的运行速度以及运行轨迹。
本发明提出的自动驾驶车辆诱导系统,所述自动驾驶车辆诱导系统包括:终端设备、控制中心平台以及若干目标车联网平台,所述若干目标车联网平台包括目标车联网平台;所述终端设备,用于获取待诱导车辆的第一控制指令,并将所述第一控制指令发送至所述控制中心平台;所述控制中心平台,用于确定所述待诱导车辆所属的目标车联网平台,并将所述第一控制指令转发至所述目标车联网平台;所述目标车联网平台,用于根据所述第一控制指令对所述待诱导车辆进行诱导。通过设置控制中心平台查找待诱导车辆所属的目标车联网平台,根据目标车联网平台实现对待诱导车辆的诱导,从而实现对处于不同系统的待诱导车辆的有效处理。
附图说明
图1为本发明自动驾驶车辆诱导系统第一实施例的功能模块示意图;
图2为本发明自动驾驶车辆诱导系统一实施例的车辆终端控制系统流程示意图;
图3为本发明自动驾驶车辆诱导系统第二实施例的功能模块示意图;
图4为本发明自动驾驶车辆诱导系统一实施例的车辆监控和车辆诱导示意图;
图5为本发明自动驾驶车辆诱导系统一实施例的轨迹计算示意图;
图6为本发明自动驾驶车辆诱导系统第三实施例的功能模块示意图;
图7为本发明自动驾驶车辆诱导系统一实施例的车辆诱导整体流程示意图;
图8为本发明自动驾驶车辆诱导方法第一实施例的流程示意图;
图9为本发明自动驾驶车辆诱导方法第二实施例的流程示意图;
图10为本发明自动驾驶车辆诱导方法第三实施例的流程示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
参照图1,图1为本发明自动驾驶车辆诱导系统第一实施例的结构框图。所述自动驾驶车辆诱导系统包括:终端设备10、控制中心平台20以及若干目标车联网平台30,所述若干目标车联网平台30包括目标车联网平台;
所述终端设备10,用于获取待诱导车辆的第一控制指令,并将所述第一控制指令发送至所述控制中心平台20。
可以理解的是,所述第一控制指令为授权终端根据路况分析或者路规政策对行驶在道路上的待诱导车辆下发的控制指令,所述控制指令包括行驶轨迹信息以及速度等,例如在预设路段上限制速度为40km/h,则将行驶在所述预设路段的车辆的速度由60km/h调整为40km/h。
所述控制中心平台20,用于确定所述待诱导车辆所属的目标车联网平台30,并将所述第一控制指令转发至所述目标车联网平台30。
在本实施例中,设有授权终端,通过授权终端手动发起车辆控制诱导命令,还设有控制中心,通过控制中心确认车辆所在的平台,进行命令分发,以及目标车联网平台30,所述目标车联网平台30用于自动或手动的车辆控制和调度;所述待诱导车辆适用于自动驾驶或智能网联化的车辆,从而提供整个车辆诱导系统。
在具体实现中,通过控制中心平台20对所述第一控制指令进行解析,得到应用的目标车辆标识,根据所述目标车辆标识在数据库中查找对应的目标车联网平台30信息,从而实现对处于不同车联网系统的车辆进行控制。
可以理解的是,在所述数据库中还可预先写入车辆标识与对应的目标车联网平台30信息的关系映射表,通过所述关系映射表可实现对目标车辆标识对应的目标车联网平台30信息的查找。
所述目标车联网平台30,用于根据所述第一控制指令对所述待诱导车辆进行诱导。
如图2所示的车辆终端控制系统流程示意图,当其他的系统或者终端发现车辆违规或者行政命令需要对车辆提供强制命令需求时,由授权终端或系统向授权管理中心和控制中心平台发请求,控制管理中心向授权中心确认/校验控制请求,授权中心确认后,控制中心确定车辆所在的目标车联网平台,车辆目标车联网平台向车辆发送强制执行的指令,车辆根据自身单车智能感知的周围情况,执行控制指令,从而实现在自动驾驶出现车辆劫持、违规等其他的违法行为以及及其他规则管理使用时,对车辆的行驶轨迹和轨迹相关速度特性进行调整,以满足管理的需要。
在具体实现中,所述授权终端将控制命令发送至控制中心平台20,控制中心平台20将接收到的控制命令发送至对应的目标车联网平台30,所述对应的目标车联网平台30将所述控制命令发送至目标车辆,所述目标车辆还将返回结果反馈至所述授权终端。
在本实施中,还可对控制命令进行等级划分,识别控制命令的等级信息,将预设等级信息对应的控制命令进行优先处理,例如,将等级信息划分为3个等级,还可进行更多等级的划分,本实施例对此不作限制,等级1的优先级别为最高,所述预设等级信息为等级1,在获取到等级为1的控制命令时,进行优先处理,从而实现对控制命令更有效的处理。
可以理解的是,在获取到控制命令时,对所述控制命令进行解析,在所述控制命令为满足特殊用途停车或者对其他车辆进行强制控制时,对所述控制命令进行加密处理,从而提高信息交互的安全性,其中,加密方式可为消息摘要算法第5版(Message-DigestAlgorithm,MD5),还可为其他加密方式,本实施例对此不作限制。
本实施例通过上述方案,所述自动驾驶车辆诱导系统包括:终端设备10、控制中心平台20以及若干目标车联网平台30,所述若干目标车联网平台30包括目标车联网平台30;所述终端设备10,用于获取待诱导车辆的第一控制指令,并将所述第一控制指令发送至所述控制中心平台20;所述控制中心平台20,用于确定所述待诱导车辆所属的目标车联网平台30,并将所述第一控制指令转发至所述目标车联网平台30;所述目标车联网平台30,用于根据所述第一控制指令对所述待诱导车辆进行诱导。通过设置控制中心平台20查找待诱导车辆所属的目标车联网平台30,根据目标车联网平台30实现对待诱导车辆的诱导,从而实现对处于不同系统的待诱导车辆的有效处理。
进一步地,参照图3,图3为本发明自动驾驶车辆诱导系统第二实施例的结构框图,基于上述图1所示的实施例,提出本发明自动驾驶车辆诱导系统的第二实施例,所述自动驾驶车辆诱导系统还包括权管理中心。
所述授权管理中心40,用于获取所述终端设备10发送的控制校验请求,对所述控制校验请求进行验证。
所述终端设备10,用于在接收到所述授权管理中心40的验证确定反馈信息时,将所述第一控制指令发送至所述控制中心平台20。
在本实施例中,继续如图2所示,通过授权管理中心对授权终端的控制申请进行校验,从而保证数据传输的安全性。
在具体实现中,将控制申请发送至所述授权管理中心40,授权管理中心40将所述控制申请发送至控制中心平台20进行校验,在收到控制校验以及控制确认的反馈信息时,实现对授权终端的验证,可在接收到控制申请时,提取所述控制申请中的账号信息,并将所述账号信息发送至所述控制中心平台20,通过所述控制中心平台20将所述账号信息与授权账号信息进行匹配,从而实现对授权终端的验证。
进一步,所述目标车联网平台30,还用于采集所述待诱导车辆的当前状态信息。
需要说明的是,所述当前状态信息为目标车联网平台30收集的车辆数据,其中包括速度,位置,能源消耗(油耗/电耗)等相关信息,针对不同的车型,载重状态及天气道路等信息,经过大数据分析整理画像,分析出特定的车型通过指定路径的时候最有速度/轨迹曲线。车辆在自身的单车智能无其他干预的情况下,按照诱导信息进行车辆控制,由于多辆车辆由目标车联网平台30统一调度,可以大幅度优化通勤效率,节省社会能源消耗。
通过所述目标车联网平台30对所述当前状态信息进行分析,得到第二控制指令,通过所述第二控制指令调整所述待诱导车辆的运行状态。
在本实施例中,可应用于自动驾驶车辆执法、车辆汇入汇出调度及交通路况无停车通行,同时经过控制中心平台20进行大数据分析,针对不同的时间、车辆、路况及道路铺装状态进行速度轨迹匹配,可进一步优化通勤效率,降低系统能耗。
通过所述目标车联网平台30对所述当前状态信息进行分析,得到所述待诱导车辆的目标速度信息以及目标轨迹信息;将所述目标速度信息以及目标轨迹信息作为所述第二控制指令,通过所述第二控制指令调整所述待诱导车辆的运行状态。
在具体实现中,如图4所示车辆监控和车辆诱导示意图,所述目标车联网平台收集的数据信息包括车辆速度、车辆位置、车辆油耗/电耗、有线网络、天气、道路信息以及地图信息,在收到所有数据时,车辆网平台通过油耗、速度、通勤率以及安全等方面作为评价指标进行评价,根据评价结果得到单车速度/轨迹曲线信息。
具体为:所述目标车联网平台30,还用于采集所述待诱导车辆的当前状态信息,提取所述当前状态信息中的路径信息以及连接线信息;将所述路径信息以及连接线信息进行分片,并将每个片对应预设映射器,通过所述预设映射器对处于当前片中的数据进行映射,生成预设结构数据;根据车型信息、天气信息、速度信息、能耗信息以及预设路段信息对所述预设结构数据进行评价,并根据评价结果进行排序;将排序后的行驶数据进行分组,得到分组数据;根据所述分组数据通过归约器进行计算,得到所述待诱导车辆的目标速度信息以及目标轨迹信息,根据所述目标速度信息以及目标轨迹信息对所述待诱导车辆进行调整。
需要说明的是,所述当前状态信息包括历史数据,通过目标车联网平台30收集所有在网平台的车辆数据,包括时间、车型、驾驶员相关的车辆传感器数据(轨迹,瞬时-平均油耗/电耗,油门,转向、制动),车联网收集的其他的专用平台的数据,天气,交通事件,市政工作计划,红绿灯配时等数据,车联网融合感知的数据,包括车型最优旅程数据,最快速度/油耗等出行规划数据,还包括实时数据,包括车辆当前旅程,包含起点,终点及通过的路径集合,旁车数据,车辆运行过程中,周围其他的车辆传感器实时数据和当前路段旅程数据,第三方的数据平台数据,包含市政,红绿灯,高精地图,道路信息等动态数据,以及车联网融合数据,包含车辆旅行相关数据。
在本实施例中,实车轨迹获取算法为:出行人指定出行信息->车联网规划路径信息->车辆按规划路径行驶->突发状况发生(车联网重新规划路径)->进入诱导区(车联网根据交通参与者及公共事件实时规划调度数据)->车辆参考轨迹速度运行。
采用映射归约模型MapReduce计算框架,按高精度图的路段、连接线进行分片,每个片都对应一个映射器,把映射器对应的所有数据进行映射成key-value结构,按照车型、天气、速度、能耗径行路段评价排序,对映射器处理后的数据进行排序,混洗,分组,将分组后的数据(key,(v1,v2,v3…..)作为归约器的输入,做归约操作,将获取的优质数据存入数据库。
如图5所示的轨迹计算示意图,首先获取单车数据、多车数据以及其他专业数据,在单车数据中得到高精地图路网,并进行单次历史路径分解,将数据源通过分解后的路径进行数据清洗加工以及排序,然后对分解后的路段对应的数据进行计算以及评价,得到路段1评价、路段2评价等等,将评价结果放入大数据进行计算分析,得到实施速度轨迹曲线。
进一步地,所述目标车联网平台30,还用于将所述路径信息以及连接线信息作为检测数据,根据所述检测数据采用误差规则得到剩余误差信息;根据所述检测数据得到实际数据真值,以及根据所述剩余误差信息得到标准差值;将所述检测数据减去所述实际数据真值的差值与标准差值进行比较,判断比较结果是否满足预设条件,将满足预设条件的检测数据确定为异常数据;将所述异常数据进行剔除,得到处理后的检测数据。
在具体实现中,所述检测数据用Ai(i=1,2...n)表示,剩余误差用Vi(i=1,2...n),由误差理论可知随机误差误差服从状态分布,设置S为标准误差,用表示实际数据真值,Li为样本点,n表示取样数量,其中:
式中所述预设条件为满足所述预设条件时,则判定Li为异常点予以剔除。
相应地,所述将所述路径信息以及连接线信息进行分片,并将每个片对应预设映射器,通过所述预设映射器对处于当前片中的数据进行映射,生成预设结构数据,包括:
将所述处理后的检测数据中的路径信息以及连接线信息进行分片,并将每个片对应预设映射器,通过所述预设映射器对处于当前片中的数据进行映射,生成预设结构数据。
本实施例提供的方案,首先通过误差理论对状态信息进行初步筛选,然后通过映射归约通过分片后的数据进行评价计算从而得到待诱导车辆的目标轨迹信息,提高计算轨迹的准确性。
进一步地,参照图6,图6为本发明自动驾驶车辆诱导系统第三实施例的结构框图,基于上述图1或图3所示的实施例,提出本发明自动驾驶车辆诱导系统的第三实施例,以基于图1进行说明:
所述目标车联网平台30',用于获取其他车辆的位置信息以及所述待诱导车辆的位置信息,在所述其他车辆的位置信息与所述当前待诱导车辆的位置信息均处于在预设范围内时,得到第二控制指令,根据所述第二控制指令控制所述其他车辆的运行速度以及运行轨迹。
在本实施例中,在获取到道路信息为十字路口/匝道口时,自动驾驶车辆靠单车智能沿规划路径运动,当人车、车车博弈的时候,自动车辆为了难以避免为保证安全裕度降低通行效率。在道路变窄,匝道通行的时候,该方法可以向范围内的车辆发送调度指令,使得车辆可以按节拍进行调度,提高通勤效率,所述预设范围为其他待诱导车辆与所述当前待诱导车辆相距较近时,即30cm时,还可为其他参数,本实施例对此不作限制。
如图7所示的车辆诱导整体流程示意图,分为调度诱导系统端和网联车辆端,在调度诱导系统端,首先系统启动,进入系统运行,开始进行数据收集,根据收集的数据进行轨迹计算,然后将计算的轨迹数据进行数据存储。
在网联车辆段,首先车路获取路径,进入旅程,并实时进行数据上报,单车根据事件处理进行单车控制运动,在行驶过程中请求通行优化,获取轨迹速度参考,并进行多车协同运动,在监测到突发事件时,将突发事件发送至调度诱导系统端进行事件处理,并将规则下发到网联车辆端,网联车辆端按指定规则执行,并在行驶过程中进行规则事件判断,在无规则事件时则旅行结束,最后退出旅程。
本实施例提供的方案,由于车辆网平台可获得旁车数据,车辆运行过程中,周围其他的车辆传感器实时数据和当前路段旅程数据,可通过控制旁车以及当前待诱导车辆,从而在车车博弈的情况下,提高对车联网车辆的有效控制。
参照图8,本发明提高一种自动驾驶车辆诱导方法,所述自动驾驶车辆诱导方法基于自动驾驶车辆诱导系统,所述自动驾驶车辆诱导系统包括:终端设备、控制中心平台以及若干目标车联网平台,所述若干目标车联网平台包括目标车联网平台,所述自动驾驶车辆诱导方法包括:
步骤S10,所述终端设备获取待诱导车辆的第一控制指令,并将所述第一控制指令发送至所述控制中心平台。
需要说明的是,本实施例的执行主体为自动驾驶车辆诱导设备,还可为其他可实现相同或相似功能的设备,本实施例对此不作限制,在本实施例中,以自动驾驶车辆诱导设备为例进行说明。
可以理解的是,所述第一控制指令为授权终端根据路况分析或者路规政策对行驶在道路上的待诱导车辆下发的控制指令,所述控制指令包括行驶轨迹信息以及速度等,例如在预设路段上限制速度为40km/h,则将行驶在所述预设路段的车辆的速度由60km/h调整为40km/h。
步骤S20,所述控制中心平台确定所述待诱导车辆所属的目标车联网平台,并将所述第一控制指令转发至所述目标车联网平台。
在本实施例中,设有授权终端,通过授权终端手动发起车辆控制诱导命令,还设有控制中心,通过控制中心确认车辆所在的平台,进行命令分发,以及目标车联网平台,所述目标车联网平台用于自动或手动的车辆控制和调度;所述待诱导车辆适用于自动驾驶或智能网联化的车辆,从而提供整个车辆诱导系统。
在具体实现中,通过控制中心平台对所述第一控制指令进行解析,得到应用的目标车辆标识,根据所述目标车辆标识在数据库中查找对应的目标车联网平台信息,从而实现对处于不同车联网系统的车辆进行控制。
可以理解的是,在所述数据库中还可预先写入车辆标识与对应的目标车联网平台信息的关系映射表,通过所述关系映射表可实现对目标车辆标识对应的目标车联网平台信息的查找。
步骤S30,所述目标车联网平台根据所述第一控制指令对所述待诱导车辆进行诱导。
如图2所示的车辆终端控制系统流程示意图,当其他的系统或者终端发现车辆违规或者行政命令需要对车辆提供强制命令需求时,由授权终端或系统向授权管理中心和控制中心平台发请求,控制管理中心向授权中心确认/校验控制请求,授权中心确认后,控制中心确定车辆所在的目标车联网平台,车辆目标车联网平台向车辆发送强制执行的指令,车辆根据自身单车智能感知的周围情况,执行控制指令,从而实现在自动驾驶出现车辆劫持、违规等其他的违法行为以及及其他规则管理使用时,对车辆的行驶轨迹和轨迹相关速度特性进行调整,以满足管理的需要。
在具体实现中,所述授权终端将控制命令发送至控制中心平台,控制中心平台将接收到的控制命令发送至对应的目标车联网平台,所述对应的目标车联网平台将所述控制命令发送至目标车辆,所述目标车辆还将返回结果反馈至所述授权终端。
在本实施中,还可对控制命令进行等级划分,识别控制命令的等级信息,将预设等级信息对应的控制命令进行优先处理,例如,将等级信息划分为3个等级,还可进行更多等级的划分,本实施例对此不作限制,等级1的优先级别为最高,所述预设等级信息为等级1,在获取到等级为1的控制命令时,进行优先处理,从而实现对控制命令更有效的处理。
可以理解的是,在获取到控制命令时,对所述控制命令进行解析,在所述控制命令为满足特殊用途停车或者对其他车辆进行强制控制时,对所述控制命令进行加密处理,从而提高信息交互的安全性,其中,加密方式可为消息摘要算法第5版(Message-DigestAlgorithm,MD5),还可为其他加密方式,本实施例对此不作限制。
本实施例通过上述方案,通过获取待诱导车辆的第一控制指令;将所述第一控制指令发送至控制中心平台,以使所述控制中心平台确定所述待诱导车辆所属的目标车联网平台,并将所述第一控制指令转发至所述目标车联网平台;调用所述目标车联网平台,以使所述目标车联网平台根据所述第一控制指令对所述待诱导车辆进行诱导。通过设置控制中心平台查找待诱导车辆所属的目标车联网平台,根据目标车联网平台实现对待诱导车辆的诱导,从而实现对处于不同系统的待诱导车辆的有效处理。
进一步地,如图9所示,基于第一实施例提出本发明自动驾驶车辆诱导方法第二实施例,在本实施例中,所述自动驾驶车辆诱导系统还包括权管理中心,所述终端设备获取待诱导车辆的第一控制指令,并将所述第一控制指令发送至所述控制中心平台,包括:
步骤S101,所述终端设备获取待诱导车辆的第一控制指令,所述授权管理中心获取所述终端设备发送的控制校验请求,对所述控制校验请求进行验证。
在本实施例中,继续如图2所示,通过授权管理中心对授权终端的控制申请进行校验,从而保证数据传输的安全性。
在具体实现中,将控制申请发送至所述授权管理中心,授权管理中心将所述控制申请发送至控制中心平台进行校验,在收到控制校验以及控制确认的反馈信息时,实现对授权终端的验证,可在接收到控制申请时,提取所述控制申请中的账号信息,并将所述账号信息发送至所述控制中心平台,通过所述控制中心平台将所述账号信息与授权账号信息进行匹配,从而实现对授权终端的验证。
步骤S102,所述终端设备在接收到所述授权管理中心的验证确定反馈信息时,将所述第一控制指令发送至所述控制中心平台。
进一步,所述目标车联网平台采集所述待诱导车辆的当前状态信息。
需要说明的是,所述当前状态信息为目标车联网平台收集的车辆数据,其中包括速度,位置,能源消耗(油耗/电耗)等相关信息,针对不同的车型,载重状态及天气道路等信息,经过大数据分析整理画像,分析出特定的车型通过指定路径的时候最有速度/轨迹曲线。车辆在自身的单车智能无其他干预的情况下,按照诱导信息进行车辆控制,由于多辆车辆由目标车联网平台统一调度,可以大幅度优化通勤效率,节省社会能源消耗。
通过所述目标车联网平台对所述当前状态信息进行分析,根据分析结果调整所述待诱导车辆的运行状态。
在本实施例中,可应用于自动驾驶车辆执法、车辆汇入汇出调度及交通路况无停车通行,同时经过控制中心平台进行大数据分析,针对不同的时间、车辆、路况及道路铺装状态进行速度轨迹匹配,可进一步优化通勤效率,降低系统能耗。
具体为:通过所述目标车联网平台对所述当前状态信息进行分析,得到所述待诱导车辆的目标速度信息以及目标轨迹信息;根据所述目标速度信息以及目标轨迹信息调整所述待诱导车辆的运行状态。
在具体实现中,如图4所示车辆监控和车辆诱导示意图,所述目标车联网平台收集的数据信息包括车辆速度、车辆位置、车辆油耗/电耗、有线网络、天气、道路信息以及地图信息,在收到所有数据时,车辆网平台通过油耗、速度、通勤率以及安全等方面作为评价指标进行评价,根据评价结果得到单车速度/轨迹曲线信息。
进一步地,步骤S30之后,所述方法还包括:
所述目标车联网平台采集所述待诱导车辆的当前状态信息,提取所述当前状态信息中的路径信息以及连接线信息;将所述路径信息以及连接线信息进行分片,并将每个片对应预设映射器,通过所述预设映射器对处于当前片中的数据进行映射,生成预设结构数据;根据车型信息、天气信息、速度信息、能耗信息以及预设路段信息对所述预设结构数据进行评价,并根据评价结果进行排序;将排序后的行驶数据进行分组,得到分组数据;根据所述分组数据通过归约器进行计算,得到所述待诱导车辆的目标速度信息以及目标轨迹信息。
需要说明的是,所述状态信息包括历史数据,通过目标车联网平台收集所有在网平台的车辆数据,包括时间、车型、驾驶员相关的车辆传感器数据(轨迹,瞬时-平均油耗/电耗,油门,转向、制动),车联网收集的其他的专用平台的数据,天气,交通事件,市政工作计划,红绿灯配时等数据,车联网融合感知的数据,包括车型最优旅程数据,最快速度/油耗等出行规划数据,还包括实时数据,包括车辆当前旅程,包含起点,终点及通过的路径集合,旁车数据,车辆运行过程中,周围其他的车辆传感器实时数据和当前路段旅程数据,第三方的数据平台数据,包含市政,红绿灯,高精地图,道路信息等动态数据,以及车联网融合数据,包含车辆旅行相关数据。
在本实施例中,实车轨迹获取算法为:出行人指定出行信息->车联网规划路径信息->车辆按规划路径行驶->突发状况发生(车联网重新规划路径)->进入诱导区(车联网根据交通参与者及公共事件实时规划调度数据)->车辆参考轨迹速度运行。
采用映射归约模型MapReduce计算框架,按高精度图的路段、连接线进行分片,每个片都对应一个映射器,把映射器对应的所有数据进行映射成key-value结构,按照车型、天气、速度、能耗径行路段评价排序,对映射器处理后的数据进行排序,混洗,分组,将分组后的数据(key,(v1,v2,v3…..)作为归约器的输入,做归约操作,将获取的优质数据存入数据库。
如图5所示的轨迹计算示意图,首先获取单车数据、多车数据以及其他专业数据,在单车数据中得到高精地图路网,并进行单次历史路径分解,将数据源通过分解后的路径进行数据清洗加工以及排序,然后对分解后的路段对应的数据进行计算以及评价,得到路段1评价、路段2评价等等,将评价结果放入大数据进行计算分析,得到实施速度轨迹曲线。
进一步地,所述将所述路径信息以及连接线信息进行分片,并将每个片对应预设映射器,通过所述预设映射器对处于当前片中的数据进行映射,生成预设结构数据之前,所述方法还包括:
所述目标车联网平台将所述路径信息以及连接线信息作为检测数据,根据所述检测数据采用误差规则得到剩余误差信息;根据所述检测数据得到实际数据真值,并根据所述剩余误差信息得到标准差值;将所述检测数据减去所述实际数据真值的差值与标准差值进行比较,判断比较结果是否满足预设条件,将满足所述预设条件的检测数据确定为异常数据;将所述异常数据进行剔除,得到处理后的检测数据。
在具体实现中,所述检测数据用Ai(i=1,2...n)表示,剩余误差用Vi(i=1,2...n),由误差理论可知随机误差误差服从状态分布,设置S为标准误差,用表示实际数据真值,Li为样本点,n表示取样数量,其中:
式中所述预设条件为满足所述预设条件时,则判定Li为异常点予以剔除。
相应地,所述将所述路径信息以及连接线信息进行分片,并将每个片对应预设映射器,通过所述预设映射器对处于当前片中的数据进行映射,生成预设结构数据,包括:
将所述处理后的检测数据中的路径信息以及连接线信息进行分片,并将每个片对应预设映射器,通过所述预设映射器对处于当前片中的数据进行映射,生成预设结构数据。
本实施例提供的方案,首先通过误差理论对状态信息进行初步筛选,然后通过映射归约通过分片后的数据进行评价计算从而得到待诱导车辆的目标轨迹信息,提高计算轨迹的准确性。
进一步地,如图10所示,基于第一实施例或第二实施例提出本发明自动驾驶车辆诱导方法第三实施例,在本实施例中,基于第一实施例进行说明,所述步骤S30之后,所述方法还包括:
步骤S301,所述目标车联网平台获取其他待诱导车辆的位置信息以及所述当前待诱导车辆的位置信息。
步骤S302,在所述其他车辆的位置信息与所述待诱导车辆的位置信息均处于在预设范围内时,得到第二控制指令。
在本实施例中,在获取到道路信息为十字路口/匝道口时,自动驾驶车辆靠单车智能沿规划路径运动,当人车、车车博弈的时候,自动车辆为了难以避免为保证安全裕度降低通行效率。在道路变窄,匝道通行的时候,该方法可以向范围内的车辆发送调度指令,使得车辆可以按节拍进行调度,提高通勤效率,所述预设范围为其他待诱导车辆与所述当前待诱导车辆相距较近时,即30cm时,还可为其他参数,本实施例对此不作限制。
步骤S303,根据所述第二控制指令控制所述其他车辆的运行速度以及运行轨迹。
如图7所示的车辆诱导整体流程示意图,分为调度诱导系统端和网联车辆端,在调度诱导系统端,首先系统启动,进入系统运行,开始进行数据收集,根据收集的数据进行轨迹计算,然后将计算的轨迹数据进行数据存储。
在网联车辆段,首先车路获取路径,进入旅程,并实时进行数据上报,单车根据事件处理进行单车控制运动,在行驶过程中请求通行优化,获取轨迹速度参考,并进行多车协同运动,在监测到突发事件时,将突发事件发送至调度诱导系统端进行事件处理,并将规则下发到网联车辆端,网联车辆端按指定规则执行,并在行驶过程中进行规则事件判断,在无规则事件时则旅行结束,最后退出旅程。
本实施例提供的方案,由于车辆网平台可获得旁车数据,车辆运行过程中,周围其他的车辆传感器实时数据和当前路段旅程数据,可通过控制旁车以及当前待诱导车辆,从而在车车博弈的情况下,提高对车联网车辆的有效控制。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在如上所述的一个计算机可读存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台智能终端设备(可以是手机,计算机,终端设备,空调器,或者网络终端设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种自动驾驶车辆诱导系统,其特征在于,所述自动驾驶车辆诱导系统包括:终端设备、控制中心平台以及若干目标车联网平台,所述若干目标车联网平台包括目标车联网平台;
所述终端设备,用于获取待诱导车辆的第一控制指令,并将所述第一控制指令发送至所述控制中心平台;
所述控制中心平台,用于确定所述待诱导车辆所属的目标车联网平台,并将所述第一控制指令转发至所述目标车联网平台;
所述目标车联网平台,用于根据所述第一控制指令对所述待诱导车辆进行诱导。
2.如权利要求1所述的自动驾驶车辆诱导系统,其特征在于,所述自动驾驶车辆诱导系统还包括权管理中心;
所述授权管理中心,用于获取所述终端设备发送的控制校验请求,对所述控制校验请求进行验证;
所述终端设备,用于在接收到所述授权管理中心的验证确定反馈信息时,将所述第一控制指令发送至所述控制中心平台。
3.如权利要求1所述的自动驾驶车辆诱导系统,其特征在于,所述目标车联网平台,还用于采集所述待诱导车辆的当前状态信息,提取所述当前状态信息中的路径信息以及连接线信息;
将所述路径信息以及连接线信息进行分片,并将每个片对应预设映射器,通过所述预设映射器对处于当前片中的数据进行映射,生成预设结构数据;
根据车型信息、天气信息、速度信息、能耗信息以及预设路段信息对所述预设结构数据进行评价,并根据评价结果进行排序;
将排序后的行驶数据进行分组,得到分组数据;
根据所述分组数据通过归约器进行计算,得到所述待诱导车辆的目标速度信息以及目标轨迹信息,根据所述目标速度信息以及目标轨迹信息对所述待诱导车辆进行调整。
4.如权利要求3所述的自动驾驶车辆诱导系统,其特征在于,所述目标车联网平台,还用于将所述路径信息以及连接线信息作为检测数据,根据所述检测数据采用误差规则得到剩余误差信息;
根据所述检测数据得到实际数据真值,并根据所述剩余误差信息得到标准差值;
将所述检测数据减去所述实际数据真值的差值与标准差值进行比较,判断比较结果是否满足预设条件,将满足所述预设条件的检测数据确定为异常数据;
将所述异常数据进行剔除,得到处理后的检测数据。
5.如权利要求1至4中任一项所述的自动驾驶车辆诱导系统,其特征在于,所述目标车联网平台,还用于获取其他车辆的位置信息以及所述待诱导车辆的位置信息;
在所述其他车辆的位置信息与所述当前待诱导车辆的位置信息均处于在预设范围内时,得到第二控制指令;
根据所述第二控制指令控制所述其他车辆的运行速度以及运行轨迹。
6.一种自动驾驶车辆诱导方法,其特征在于,所述自动驾驶车辆诱导方法基于自动驾驶车辆诱导系统,所述自动驾驶车辆诱导系统包括:终端设备、控制中心平台以及若干目标车联网平台,所述若干目标车联网平台包括目标车联网平台,所述自动驾驶车辆诱导方法包括:
所述终端设备获取待诱导车辆的第一控制指令,并将所述第一控制指令发送至所述控制中心平台;
所述控制中心平台确定所述待诱导车辆所属的目标车联网平台,并将所述第一控制指令转发至所述目标车联网平台;
所述目标车联网平台根据所述第一控制指令对所述待诱导车辆进行诱导。
7.如权利要求6所述的自动驾驶车辆诱导方法,其特征在于,所述自动驾驶车辆诱导系统还包括权管理中心;
所述终端设备获取待诱导车辆的第一控制指令,并将所述第一控制指令发送至所述控制中心平台,包括:
所述终端设备获取待诱导车辆的第一控制指令,所述授权管理中心获取所述终端设备发送的控制校验请求,对所述控制校验请求进行验证;
所述终端设备在接收到所述授权管理中心的验证确定反馈信息时,将所述第一控制指令发送至所述控制中心平台。
8.如权利要求6所述的自动驾驶车辆诱导方法,其特征在于,所述目标车联网平台根据所述第一控制指令对所述待诱导车辆进行诱导之后,所述方法还包括:
所述目标车联网平台采集所述待诱导车辆的当前状态信息,提取所述当前状态信息中的路径信息以及连接线信息;
将所述路径信息以及连接线信息进行分片,并将每个片对应预设映射器,通过所述预设映射器对处于当前片中的数据进行映射,生成预设结构数据;
根据车型信息、天气信息、速度信息、能耗信息以及预设路段信息对所述预设结构数据进行评价,并根据评价结果进行排序;
将排序后的行驶数据进行分组,得到分组数据;
根据所述分组数据通过归约器进行计算,得到所述待诱导车辆的目标速度信息以及目标轨迹信息,根据所述目标速度信息以及目标轨迹信息对所述待诱导车辆进行调整。
9.如权利要求8所述的自动驾驶车辆诱导方法,其特征在于,所述将所述路径信息以及连接线信息进行分片,并将每个片对应预设映射器,通过所述预设映射器对处于当前片中的数据进行映射,生成预设结构数据之前,所述方法还包括:
所述目标车联网平台将所述路径信息以及连接线信息作为检测数据,根据所述检测数据采用误差规则得到剩余误差信息;
根据所述检测数据得到实际数据真值,并根据所述剩余误差信息得到标准差值;
将所述检测数据减去所述实际数据真值的差值与标准差值进行比较,判断比较结果是否满足预设条件,将满足所述预设条件的检测数据确定为异常数据;
将所述异常数据进行剔除,得到处理后的检测数据;
相应地,所述将所述路径信息以及连接线信息进行分片,并将每个片对应预设映射器,通过所述预设映射器对处于当前片中的数据进行映射,生成预设结构数据,包括:
将所述处理后的检测数据中路径信息以及连接线信息进行分片,并将每个片对应预设映射器,通过所述预设映射器对处于当前片中的数据进行映射,生成预设结构数据。
10.如权利要求6至9中任一项所述的自动驾驶车辆诱导方法,其特征在于,所述所述目标车联网平台根据所述第一控制指令对所述待诱导车辆进行诱导之后,所述方法还包括:
所述目标车联网平台获取其他车辆的位置信息以及所述待诱导车辆的位置信息;
在所述其他车辆的位置信息与所述待诱导车辆的位置信息均处于在预设范围内时,得到第二控制指令;
根据所述第二控制指令控制所述其他车辆的运行速度以及运行轨迹。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910733326.8A CN110427031B (zh) | 2019-08-08 | 2019-08-08 | 自动驾驶车辆诱导系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910733326.8A CN110427031B (zh) | 2019-08-08 | 2019-08-08 | 自动驾驶车辆诱导系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110427031A true CN110427031A (zh) | 2019-11-08 |
CN110427031B CN110427031B (zh) | 2020-10-02 |
Family
ID=68413574
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910733326.8A Active CN110427031B (zh) | 2019-08-08 | 2019-08-08 | 自动驾驶车辆诱导系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110427031B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111538048A (zh) * | 2020-05-26 | 2020-08-14 | 中国科学院地理科学与资源研究所 | 一种多个无人机入库方法、控制器及无人机 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102970425A (zh) * | 2012-11-15 | 2013-03-13 | 广东好帮手电子科技股份有限公司 | 一种通过智能手机远程控制车载主机的系统及方法 |
CN104392622A (zh) * | 2014-11-07 | 2015-03-04 | 南京富士通南大软件技术有限公司 | 一种基于车联网的多功能辅助驾驶服务系统 |
CN106713430A (zh) * | 2016-12-07 | 2017-05-24 | 深圳市元征科技股份有限公司 | 一种驾驶控制方法及装置 |
US20180063247A1 (en) * | 2016-08-30 | 2018-03-01 | Hyundai Motor Company | Vehicle and controlling method thereof |
CN107993475A (zh) * | 2017-11-28 | 2018-05-04 | 西安艾润物联网技术服务有限责任公司 | 停车场管理方法、装置、系统及计算机可读存储介质 |
CN108091138A (zh) * | 2017-12-29 | 2018-05-29 | 安徽中凯信息产业股份有限公司 | 一种车联网数据处理方法 |
-
2019
- 2019-08-08 CN CN201910733326.8A patent/CN110427031B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102970425A (zh) * | 2012-11-15 | 2013-03-13 | 广东好帮手电子科技股份有限公司 | 一种通过智能手机远程控制车载主机的系统及方法 |
CN104392622A (zh) * | 2014-11-07 | 2015-03-04 | 南京富士通南大软件技术有限公司 | 一种基于车联网的多功能辅助驾驶服务系统 |
US20180063247A1 (en) * | 2016-08-30 | 2018-03-01 | Hyundai Motor Company | Vehicle and controlling method thereof |
CN106713430A (zh) * | 2016-12-07 | 2017-05-24 | 深圳市元征科技股份有限公司 | 一种驾驶控制方法及装置 |
CN107993475A (zh) * | 2017-11-28 | 2018-05-04 | 西安艾润物联网技术服务有限责任公司 | 停车场管理方法、装置、系统及计算机可读存储介质 |
CN108091138A (zh) * | 2017-12-29 | 2018-05-29 | 安徽中凯信息产业股份有限公司 | 一种车联网数据处理方法 |
Non-Patent Citations (2)
Title |
---|
LORENZO SABATTINI等: "Mission Assignment for Multi-Vehicle system in Industrial Environments", 《SCIENCEDIRECT》 * |
上官伟 等: "基于TdPN的无信号交叉口优化控制方法", 《中国公路学报》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111538048A (zh) * | 2020-05-26 | 2020-08-14 | 中国科学院地理科学与资源研究所 | 一种多个无人机入库方法、控制器及无人机 |
Also Published As
Publication number | Publication date |
---|---|
CN110427031B (zh) | 2020-10-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11042619B2 (en) | Vehicle occupant tracking and trust | |
CN105139677B (zh) | 基于车路协同的无控交叉口车辆通行引导系统及其引导方法 | |
CN106601002B (zh) | 车联网环境下的入口匝道车辆通行引导系统及其引导方法 | |
CN109191876B (zh) | 一种基于车联网技术的特殊车辆交通诱导系统及其控制方法 | |
US10346888B2 (en) | Systems and methods to obtain passenger feedback in response to autonomous vehicle driving events | |
CN106153352B (zh) | 一种无人驾驶车辆测试验证平台及其测试方法 | |
Wang et al. | The driving safety field based on driver–vehicle–road interactions | |
CN108407808A (zh) | 一种汽车行驶智能预测系统 | |
CN107571864B (zh) | 无人驾驶车辆的数据采集方法和装置 | |
Fayazi et al. | Vehicle-in-the-loop (VIL) verification of a smart city intersection control scheme for autonomous vehicles | |
CN107782564A (zh) | 一种自动驾驶车辆测评系统及方法 | |
Hao et al. | Developing a framework of eco-approach and departure application for actuated signal control | |
CN109147370A (zh) | 一种智能网联车的高速公路控制系统和特定路径服务方法 | |
CN108292473A (zh) | 自适应自主车辆计划器逻辑 | |
CN108028015A (zh) | 信息处理装置、信息处理方法和程序 | |
CN110023168A (zh) | 车辆控制系统、车辆控制方法及车辆控制程序 | |
CN109949508A (zh) | 一种共享设备的安全管理方法 | |
CN106846898A (zh) | 交通工具的停放协助方法、机器人及系统 | |
CN109062183A (zh) | 新能源汽车远程监控分析方法和系统 | |
CN110884535A (zh) | 一种智能列车系统实现方法 | |
CN109427200A (zh) | 智能无人驾驶系统 | |
CN113450564B (zh) | 一种基于narx神经网络和c-v2x技术的交叉路口的通行方法 | |
CN112669598A (zh) | 一种基于车流量的智慧交通管理系统 | |
CN110427031A (zh) | 自动驾驶车辆诱导系统及方法 | |
CN106898156A (zh) | 交通工具的停放协助方法、飞行器及系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right |
Effective date of registration: 20221104 Address after: No. 88, Shenzhen Industrial Park, High tech Zone, Xiangyang City, Hubei Province, 441104 Patentee after: HUBEI DONRAIN AUTOMOBILE Co.,Ltd. Address before: 441000 No.7 Longzhong Road, Xiangyang City, Hubei Province Patentee before: HUBEI University OF ARTS AND SCIENCE |
|
TR01 | Transfer of patent right |