CN110488830B - 面向智能车辆速度节能规划的高精度地图信息预解析系统及预解析方法 - Google Patents

Abstract

本发明面向智能车辆速度节能规划的高精度地图信息预解析系统及预解析方法，所述系统包括CAN通讯信号接收模块、信号解析处理模块、状态监视与故障管理模块和CAN通讯信号发送模块。所述方法包括解析工作输入信号的前期准备；根据车辆当前位置的定位信息，通过插值的方式去查询高精度地图数据包，解析当前道路信息；根据车辆当前位置的定位信息，通过插值的方式去查询高精度地图数据包，解析前方道路信息；根据解析得到的当前道路信息和前方道路信息约束车辆速度；智能车辆状态监视与故障管理；提取并输出解析数据及速度约束。本发明不仅实现了稳、准、快的地图数据解析，并且提前预测前方一定区域内的各种静态道路信号，实现速度规划安全、节能。

Description

面向智能车辆速度节能规划的高精度地图信息预解析系统及 预解析方法

技术领域

本发明属于智能车辆控制技术领域，具体涉及面向智能车辆速度节能规划的高精度地图信息预解析系统及预解析方法。

背景技术

随着汽车电子、互联网、信息科技等技术水平的不断提升，汽车正在向“电动化”、“网联化”、“智能化”、“共享化”这“新四化”方向发展，新一轮科技革命和产业变革蓄势待发，智能网联汽车已成为汽车技术发展的大势。在这样的发展背景下，美国、德国、日本等汽车强国，争相进行智能网联汽车的研究，并取得可喜成果，我国作为一个汽车大国也进行相应的研究，在探索的过程中不断完善，智能网联汽车必定成为汽车未来的发展重点。

汽车智能化是指基于通信互联，使汽车具有环境感知、决策和控制运动能力，融合各种信号以最终实现汽车自动驾驶的目标。而在智能车的环境当中，车辆位置、路线及道路静态信息等信息在智能车的控制决策中有着举足轻重的地位。目前，车辆位置、路线及道路静态信息等信号主要通过全球定位模块(GPS)与高精度地图获取。

高精度地图重要性日益凸显,已成为实现无人驾驶和智能交通不可或缺的重要一环。高精度地图提供的信息不仅增加了车道属性相关数据,还增加了高架物体、防护栏、障碍物、道路边缘类型、路边地标等多种类型数据。

多元异构的海量地图数据需要占用大量存储空间，数据规模庞大，因此，目前高精度地图在实际使用过程中存在两个难点：一是如何通过复杂解析算法得到智能车所在位置的道路限速、曲率和坡度等静态道路信号的同时，保证信号的高效性与准确性；二是如何根据需要对智能车的速度有合理的提前约束或规划，以满足安全性和经济性的功能需求。

发明内容

针对上述现有技术中存在的不足，本发明提供了面向智能车辆速度节能规划的高精度地图信息预解析系统及预解析方法，本发明不仅实现了稳、准、快的地图数据解析，并且提前预测前方一定区域内的各种静态道路信号，实现速度规划安全、节能。结合说明书附图，本发明的技术方案如下：

面向智能车辆速度节能规划的高精度地图信息预解析系统的解析方法：

所述预解析方法具体如下：

S1：解析工作输入信号的前期准备；

本步骤中，将获得车辆当前位置的定位信息及其他高精度地图解析所需要的信号通过CAN通讯信号接收模块从汽车CAN总线输入到信号解析处理模块中；

S2：根据车辆当前位置的定位信息，通过插值的方式去查询高精度地图数据包，解析当前道路信息；

本步骤中，在信号解析处理模块的当前道路信息解析单元中通过当前位置、当前坡度、当前曲率、当前限速以及当前交通场景相应的解析算法解析对应的当前位置、当前坡度、当前曲率、当前限速以及当前交通场景信息；

S3：根据车辆当前位置的定位信息，通过插值的方式去查询高精度地图数据包，解析前方道路信息；

本步骤中，在信号解析处理模块的前方道路信息解析单元中通过前方坡度、前方曲率、前方限速以及前方交通场景相应的解析算法解析对应的前方坡度、前方曲率、前方限速以及前方交通场景信息；

S4：根据解析得到的当前道路信息和前方道路信息约束车辆速度；

本步骤中，在信号解析处理模块的速度单元中通过根据前方曲率、前方限速和前方交通场景信息约束车辆速度的解析算法获得相应的带预测的弯道限速、带预测的道路限速和带预测的场景限速信息；

S5：智能车辆状态监视与故障管理；

本步骤中，在车辆状态监视与故障管理模块中进行包括地图有效性信息的处理和地图有效性的逻辑判断过程在内的地图有效性的解析过程，获得地图有效性信息；

S6：提取并输出解析数据及速度约束。

本步骤中，通过信号解析处理模块的速度约束单元将步骤S4中获得的“带预测的弯道限速”、“带预测的道路限速”和“带预测的场景限速”取最小值，作为“当前允许的最大速度”，并通过信号提取单元将步骤S2中解析得到的“当前位置”、“当前坡度”、“当前曲率”、“当前限速”和“当前交通场景类型”，步骤S3中解析得到的“预测域坡度点位置值”和“预测域坡度值”,本步骤得到的“当前允许的最大速度”，以及步骤S5中解析得到的“地图有效性”信息提取出来，并将上述提取出来的信号通过CAN通讯信号发送模块发送到CAN总线。

所述步骤S2中，解析当前位置、当前坡度、当前曲率、当前限速以及当前交通场景信息的具体过程如下：

一、解析当前位置信息：

所述当前位置的解析过程中，输入信号为“当前位置初值”u1和“路径清除指令”u3；输出信号为“当前位置值”；

当前位置的解析算法具体过程为：首先判断“当前位置初值”u1是否不等于0且“当前位置初值”u1不等于上一时刻的“当前位置初值”u2，若条件不成立，表示地图数据出现异常，信号需要重新初始化，参数Pos1＝0；如果条件成立，则地图数据无异常，则继续进行判断“路径清除指令”u3是否与上一时刻的“路径清除指令”u4存在上升沿阶跃变化，若存在上升沿阶跃变化，即完成了路径清除并初始化了路径，则参数Pos1＝0；若“路径清除指令”无阶跃发生，则参数Pos1＝u1；最终将参数Pos1赋值给“当前位置值”信号；

二、解析当前坡度信息：

所述当前坡度的解析过程中，输入信号为“坡度点位置初值”v1、“路径清除指令”u3、“坡度初值”v5以及“当前位置值”u6，输出信号为“当前坡度值”；

当前坡度的解析算法具体过程为：首先判断“坡度点位置初值”v1是否不等于0且“坡度点位置初值”v1不等于上一时刻的“坡度点位置初值”值v2，若条件不成立，表示地图数据出现异常，信号需要重新初始化，参数Pos2＝0；如果条件成立，则地图数据无异常，则继续进行判断“路径清除指令”u3是否与上一时刻的“路径清除指令”u4存在上升沿阶跃变化，若“路径清除指令”存在上升沿阶跃变化，即完成了路径清除并初始化了路径，参数Pos2＝0、value2＝0；若“路径清除指令”无阶跃发生，则参数Pos2＝v1、Value2＝v5；然后将参数Pos2赋值给“坡度点位置值”信号，其代表地图标记的坡度点距离路径起点的距离信息，将参数Value2赋值给“坡度值”信号，其代表地图标记的坡度点的具体坡度值信息；接着继续将“坡度点位置值”信号定义为v7，将“坡度值”信号定义为v8，计算v7的最小值和v7的最大值，组成区间[min(v7)max(v7)]，然后判断v8是否属于计算的区间[min(v7)max(v7)]，如果v8不属于计算的区间[min(v7)max(v7)]并且v8小于min(v7)，则将“当前位置值”u6赋值成min(v7)；如果u8大于max(v7)，则将“当前位置值”u6赋值成max(v7)；然后采用线性插值的方式查询高精度地图数据包，通过“当前位置值”u6插值“坡度点位置值”v7得到参数Pos3，继续通过插值得到的参数Pos3查表“坡度值”v8得到参数Value3；最后将参数Value3赋值给“当前坡度值”信号；

三、解析当前曲率信息：

所述当前曲率的解析过程中，输入信号为“曲率点位置初值”s1、“路径清除指令”u3、“曲率初值”s5、“当前位置值”u6，输出信号为“当前曲率值”信号；

当前曲率的解析算法具体过程为：首先判断“曲率点位置初值”s1是否不等于0且“曲率点位置初值”s1不等于上一时刻的“曲率点位置初值”s2值，若条件不成立，表示地图数据出现异常，信号需要重新初始化，参数Pos4＝0；如果条件成立，则地图数据无异常，则继续进行判断“路径清除指令”u3是否与上一时刻的“路径清除指令”u4存在上升沿阶跃变化，若“路径清除指令”存在上升沿阶跃变化，即完成了路径清除并初始化了路径，参数Pos4＝0、Value4＝0；若“路径清除指令”无阶跃发生，则参数Pos4＝s1、Value4＝s5；然后将参数Pos4赋值给“曲率点位置值”信号，其代表地图标记的曲率点距离路径起点的距离信息，将参数Value4赋值给“曲率值”信号，其代表地图标记的曲率点的具体曲率值信息；接着继续将“曲率点位置值”定义为s7，将“曲率值”定义为s8，计算s7的最小值和s7的最大值，组成区间[min(s7)max(s7)]，然后判断s8是否属于计算的区间[min(s7)max(s7)]，如果s8不属于计算的区间[min(s7)max(s7)]并且s8小于min(s7)，则将“当前位置值”u6赋值成min(s7)；如果s8大于max(s7)，则将“当前位置值”u6赋值成max(s7)；然后采用线性插值的方式查询高精度地图数据包，通过“当前位置值”u6插值“曲率点位置值”s7得到参数Pos5，继续通过插值得到的参数Pos5查表“曲率值”s8得到参数Value5；最后将参数Value5赋值给“当前曲率值”信号；

四、解析当前限速信息：

所述当前限速的解析过程中，输入信号为“限速点位置初值”m1、“路径清除指令”u3、“限速初值”m5、“当前位置值”u6，输出信号为“当前限速值”信号；

当前限速的解析算法具体过程为：首先判断“限速点位置初值”m1是否不等于0且“限速点位置初值”m1不等于上一时刻的“限速点位置初值”m2值，若条件不成立，表示地图数据出现异常，信号需要重新初始化，参数Pos6＝0；如果条件成立，则地图数据无异常，则继续进行判断“路径清除指令”u3是否与上一时刻的“路径清除指令”u4存在上升沿阶跃变化，其中，通过上升沿阶跃信号触发器是否被触发进行判断，若“路径清除指令”存在上升沿阶跃变化，即完成了路径清除并初始化了路径，参数Pos6＝0、Value6＝0；若“路径清除指令”无阶跃发生，则参数Pos6＝m1、Value6＝u5；然后将参数Pos6赋值给“限速点位置值”信号，其代表地图标记的限速点距离路径起点的距离信息，将参数Value6赋值给“限速值”信号，其代表地图标记的限速点的具体限速值信息；接着继续将“限速点位置值”定义为m7，将“限速值”定义为m8，计算m7的最小值和m7的最大值，组成区间[min(m7)max(m7)]，然后判断m8是否属于计算的区间[min(m7)max(m7)]，如果m8不属于计算的区间[min(m7)max(m7)]并且m8小于min(m7)，则将“当前位置值”u6赋值成min(m7)；如果m8大于max(m7)，则将“当前位置值”u6赋值成max(m7)；然后采用线性插值的方式查询高精度地图数据包，通过“当前位置值”u6插值“限速点位置值”m7得到参数Pos，继续通过插值得到的参数Pos查表“限速值”m8得到参数Value7，进一步将Value7参数转化成单位为千米每小时的限速值Limit，最后将限速值Limit赋值给“当前限速值”信号；其中Value7取值范围为0至31之间的整数，当Value7为0时，输出Limit为维持上一时刻的限速值不变；当Value7为31时，输出Limit为23km/h；当Value7为1至30之间的整数时，输出Limit为五倍的输入值；

五、解析当前交通场景信息：

所述当前交通场景的解析过程中，输入信号为“交通场景位置初值”t1、“路径清除指令”u3、“交通场景初值”t5、“当前位置值”u6，输出信号为“当前交通场景”信号；

当前交通场景的解析算法具体过程为：首先判断“交通场景位置初值”t1是否不等于0且“交通场景位置初值”t1不等于上一时刻的“交通场景位置初值”t2值，若条件不成立，表示地图数据出现异常，信号需要重新初始化，参数Pos8＝0；如果条件成立，则地图数据无异常，则继续进行判断“路径清除指令”u3是否与上一时刻的“路径清除指令”u4存在上升沿阶跃变化，若“路径清除指令”存在上升沿阶跃变化，即完成了路径清除并初始化了路径，参数Pos8＝0、Type8＝0；若“路径清除指令”无阶跃发生，则参数Pos8＝t1、Type8＝t5；然后将参数Pos8赋值给“交通场景点位置值”信号，其代表地图标记的交通场景点距离路径起点的距离信息；将参数Type8赋值给“交通场景类型”信号，其代表地图标记的交通场景点的具体交通场景类型信息；接着继续将“交通场景点位置值”定义为t7，将“交通场景类型”定义为t8，计算t7的最小值、最大值，组成区间[min(t7)max(t7)]，然后判断t8是否属于计算的区间[min(t7)max(t7)]，如果没有并且t8小于min(t7)，则将“当前位置值”u6赋值成min(t7)，如果t8大于max(t7)，则将“当前位置值”u6赋值成max(t7)。然后采用线性插值的方式查询高精度地图数据包，通过“当前位置值”u6插值“交通场景点位置值”t7得到参数Pos9，继续通过插值得到的参数Pos9查表“交通场景类型”t8得到参数Type9，最后将参数Type9赋值给“当前交通场景”信号；

所述步骤S3中，解析前方坡度、前方曲率、前方限速以及前方交通场景的具体过程如下：

一、解析前方坡度信息：

所述前方坡度的解析过程中，输入信号为“坡度点位置值”v7、“当前位置值”u6和“坡度值”v8，输出信号为“预测域坡度点位置值”信号和“预测域坡度值”；

前方坡度的解析算法具体过程为：首先定义两个中间参量，分别为预设坡度距离参数D1和单位坡度距离参数i1，如果i1小于D1，则通过(u6+i1)大小的值去插值“坡度点位置值”v7得参数Pos10，再通过参数Pos10的值查表“坡度值”v8得参数Value10，然后将数组F1的第i1个位置赋值成Pos11，将数组E1的第i1个位置赋值成Value11，在参量i1自身加1之后，返回到之前的判断条件中重新判断i1是否小于D1；重复以上循环，当判断条件不成立，即i1不小于D1时，跳离循环，将“当前位置值”u6赋值给“预测域坡度点位置值”信号，将“坡度值”v8赋值给“预测域坡度值”信号；

二、解析前方曲率信息：

所述前方曲率的解析过程中，输入信号为“曲率点位置值”s7、“当前位置值”u6和“曲率值”s8；输出信号为“预测域曲率点位置值”和“预测域曲率值”信号；

前方曲率的解析算法具体过程为：首先定义两个中间参量，分别为预设曲率距离参数D2和单位曲率距离参数i2，如果i2小于D2，则通过u6+i2大小的值去插值s7得参数Pos12，再通过参数Pos12的值查表“曲率值”s8得参数Value12，然后将数组F1的第i2个位置赋值成Pos13，将数组E2的第i2个位置赋值成Value13，在参量i2自身加1之后，返回到之前的判断条件中重新判断i2是否小于D2；重复以上循环，当判断条件不成立，即i2不小于D2时，跳离循环，将“当前位置值”u6赋值给“预测域曲率点位置值”信号，将“曲率值”s8赋值给“预测域曲率值”信号；

三、解析前方限速信息：

所述前方限速的解析过程中，输入信号为“限速点位置值”m7、“当前位置值”u6和“限速值”m8；输出信号为“预测域限速点位置值”和“预测域限速值”信号；

前方限速的解析算法具体过程为：首先定义两个中间参量，分别为预设限速距离参数D3和单位限速距离参数i3，如果i3小于D3，则通过u6+i3大小的值去插值m7得参数Pos14，再通过参数Pos14的值查表“限速值”m8得参数Value14，然后将数组F1的第i3个位置赋值成Pos15，将数组E3的第i3个位置赋值成Value15，在参量i3自身加1之后，返回到之前的判断条件中重新判断i3是否小于D3；重复以上循环，当判断条件不成立，即i3不小于D3时，跳离循环，将“当前位置值”u6赋值给“预测域限速点位置值”信号，将“当前位置值”u6赋值给“预测域限速值”信号；

四、解析前方交通场景信息：

所述前方交通场景的解析过程中，输入信号为“交通场景点位置值”t7、“当前位置值”u6、和“交通场景类型”t8，输出信号为“预测域交通场景点位置值”和“预测域交通场景类型”信号；

前方交通场景的解析算法具体过程为：首先定义两个中间参量，分别为预设交通场景距离参数D4和单位交通场景距离参数i4，如果i4小于D4，则通过u6+i4大小的值去插值t7得参数Pos16，再通过参数Pos16的值查表t8得参数Type16，然后将数组F1的第i4个位置赋值成Pos17，将数组E4的第i4个位置赋值成Type17，在参量i4自身加1之后，返回到之前的判断条件中重新判断i4是否小于D4；重复以上循环，当判断条件不成立，即i4不小于D4时，跳离循环，将“当前位置值”u6赋值给“预测域交通场景点位置值”信号，将“交通场景类型”t8赋值给“预测域交通场景类型”信号。

所述步骤S4中，根据前方曲率、前方限速和前方交通场景信息约束车辆速度,解析获得带预测的弯道限速、带预测的道路限速和带预测的场景限速的具体过程如下：

一、解析获得带预测的弯道限速：

根据前方曲率信息约束车辆速度的过程中，输入信号为“曲率点位置值”s7、“当前位置值”u6和“曲率值”s8，输出信号为“带预测的弯道限速”，“当前位置值”u6赋值Position1，在Position1的基础上加N代表将此刻的位置先前挪了N米，并将“当前位置值”u6赋值成Position1+N；

根据前方曲率信息约束车辆速度的算法具体过程为：首先计算“曲率点位置值”s7的最大值max(s7)和最小值min(s7)，并判断“当前位置值”u6是否位于区间[min(s7)max(s7)]内，如果“当前位置值”u6小于“曲率点位置值”s7的最小值min(s7)，则令“当前位置值”u6等于“曲率点位置值”s7的最小值min(s7)；同样，如果“当前位置值”u6大于“曲率点位置值”s7的最大值max(s7)，则令“当前位置值”u6等于“曲率点位置值”s7的最大值max(s7)；若“当前位置值”u6恰好位于区间[min(s7)max(s7)]内，则用“当前位置值”u6去插值“曲率点位置值”s7，找到车辆“当前位置值”u6位置时所对应的在“曲率点位置值”s7中的位置Pos18，然后利用Pos18查表“曲率值”s8，即可得到“曲率点位置值”s7位置处道路的曲率值Value18；接下来对Value18进行筛选，设定Value18在以特定区间内所允许最高车速Limit为相应的设定值，最后将Limit赋值给输出量“预测位置弯道允许车速”；同样的方法，只是改变“曲率点位置值”s7赋值，获得若干个“预测位置弯道允许车速”值；最后将上述若干个“预测位置弯道允许车速”值取最小值，即为“带预测的弯道限速”信号；

二、解析获得带预测的道路限速：

根据前方限速信息约束车辆速度的过程中，输入信号为“限速点位置值”m7、“当前位置值”u6和“限速值”m8，输出信号为“带预测的道路限速”，“当前位置值”u6赋值Position2，在“当前位置值”Position2的基础上加N2代表将此刻的位置先前挪了N2米，并将“当前位置值”u6赋值成Position2+N2；

根据前方限速信息约束车辆速度的算法具体过程为：首先计算“限速点位置值”m7的最大值max(m7)和最小值min(m7)，并判断“当前位置值”u6是否位于区间[min(m7)max(m7)]内,如果“当前位置值”u6小于“限速点位置值”m7的最小值min(m7)，则令“当前位置值”u6等于min(m7)；同样，如果“当前位置值”u6大于“限速点位置值”m7的最大值max(m7)，则令“当前位置值”u6等于max(m7)；若u6恰好位于区间[min(m7)max(m7)]内，则用“当前位置值”u6去插值“限速点位置值”m7，找到车辆“当前位置值”u6位置时所对应的在“限速点位置值”m7中的位置Pos19，然后利用Pos19查表“限速值”m8，即可得到“限速点位置值”m7位置处道路的限速值Value19，接下来对Value19进行筛选，将没有量纲的参数Value19转化成单位为千米每小时的限速值Limit；最后将Limit赋值给输出量“预测位置道路限速”；同样的方法，只是改变“当前位置值”u6赋值对应预测前方预测域内的限速车速，获得若干“预测位置道路限速”值，最后将上述若干“预测位置道路限速”值取最小值，即为“带预测的道路限速”信号；

三、解析获得带预测的交通场景限速：

根据前方限速信息约束车辆速度的过程中，输入信号为“交通场景点位置值”t7、“当前位置值”u6和“交通场景类型”t8，输出信号为“带预测的场景限速”，“当前位置值”u6赋值Position3，在Position3的基础上加N3代表将此刻的位置先前挪了N3米，并将“当前位置值”u6赋值成(Position3+N3)；

根据前方交通场景信息约束车辆速度的算法具体过程为：首先计算“交通场景点位置值”t7的最大值max(t7)和最小值min(t7)，并判断“当前位置值”u6是否位于区间[min(t7)max(t7)]内，如果“当前位置值”u6小于“交通场景点位置值”t7的最小值min(t7)，则令“当前位置值”u6等于min(t7)；同样，如果“当前位置值”u6大于“交通场景点位置值”t7的最大值max(t7)，则令“当前位置值”u6等于max(t7)；若u6恰好位于区间[min(t7)max(t7)]内，则用“当前位置值”u6去插值“交通场景点位置值”t7，找到车辆“当前位置值”u6位置时所对应的在“交通场景点位置值”t7中的位置Pos19，然后利用Pos19查表“交通场景类型”m8，即可得到“交通场景类型点位置值”t7位置处道路的交通场景类型Type20；接下来对Type20进行筛选，如果Type20等于某特定值，则允许最高车速Limit为相应的设定值一；否则Limit等于相应的设定值二；最后将Limit赋值给输出量“预测位置场景允许车速”。同样的方法，只是改变“当前位置值”u6赋值，对应预测前方预测域内的交通场景允许车速，获得若干“预测位置场景允许车速”值；最后将上述若干“预测位置场景允许车速”值取最小值，即可得到“带预测的场景限速”信号；

所述步骤S5中，获得地图有效性信息的具体过程如下：

所述地图有效性的解析过程为：输入信号为“地图可信度”r1；输出信号为“GPS信号有效性”信号；其中，在“地图可信度”的定义中，取值0表示信号差，取值1表示信号一般，取值2表示信号良好，取值3表示信号非常好；“地图可信度”r1如果小于等于3且大于2，则将数值3赋值给输出信号“GPS信号有效性”；“地图可信度”r1如果小于等于2且大于1，将数值2赋值给输出信号“GPS信号有效性”；“地图可信度”r1如果小于等于1且大于0，将数值1赋值给输出信号“GPS信号有效性”；然而，如果信号r1等于0，则将输出信号“GPS信号有效性”维持上一时刻的数值不发生变化；

地图有效性的逻辑判断过程为：输入信号为“GPS信号有效性”GPS_valid、“路径清除指令”u3和“当前位置值”u6；输出信号为“地图有效性”信号；当逻辑判断的起点是“关闭”状态，此状态下flag为0，接着，当信号“路径清除指令”u3等于2时，进入“挂起”状态，此状态下flag也为0，接着，如果信号“当前位置值”u6大于100，则进入“打开”状态，此状态的flag为1；接着，如果信号“路径清除指令”u3由2变为1，则状态由“打开”进入“关闭”状态；当在“打开”状态下，信号“GPS信号有性”GPS_valid等于0或1时，状态由“打开”进入“挂起”状态；接着，当信号GPS_valid等于2或3，状态会由“挂起”状态再次进入“打开”状态，在上述过程中信号flag时刻输出给信号“地图有效性”，并且flag等于1表示地图有效,已使用；flag等于0表示地图无效，不能使用。

与现有技术相比，本发明的有益效果在于：

1、本发明所述的高精度地图信息预解析系统中，所设计的功能模块及功能单元层次分明，条理清晰，结构合理，功能完整，不仅可以解析出当前位置的坡度、曲率、限速和交通场景等静态道路信息，还可以预测出前方一定区域内的各种静态道路信息。

2、本发明所述的高精度地图信息预解析系统中，不仅在每一步的解析单元中嵌有故障监视与管理的算法，还单独设计有状态监视与故障管理模块，方便该模块对错误信号及时作出的反应和处理，有效降低解析信号的错误率。

3、本发明所述的高精度地图信息预解析系统及解析方法能够根据当前或预测区域内的曲率、限速和交通场景等地图信号对速度有考虑安全性的约束，或考虑经济性的规划，进而获得一个具有参考价值的当前位置允许的车速。

4、本发明所述的高精度地图信息预解析系统及解析方法能够将当前及预测域内坡度的位置点及点所对应的坡度值解析出来，如果智能车的控制算法中增加预测节能算法，提前预测前方预测区域的上坡或下坡，就能够做到上坡提前加速，下坡提前减速，实现车辆能量消耗最低化，符合绿色发展理念。

附图说明

图1为本发明所述的高精度地图信息预解析系统的结构框图；

图2为本发明所述的高精度地图信息预解析系统信号传递框图；

图3为本发明所述的高精度地图信息预解析系统在实际应用中的拓扑流程图；

图4a、4b和4c为本发明所述的高精度地图信息预解析系统中，特殊地图初始信号的定义解释图，其中：

图4a为路径清除指令信号的定义解释图；

图4b为地图可信度信号的定义解释图；

图4c为交通场景初值信号的定义解释图；

图5为本发明所述系统中的前道路信息解析单元中，地图当前位置信息解析流程框图；

图6为本发明所述系统中的前道路信息解析单元中，地图当前坡度信息解析流程框图；

图7为本发明所述系统中的前道路信息解析单元中，地图当前曲率信息解析流程框图；

图8为本发明所述系统中的前道路信息解析单元中，地图当前限速信息解析流程框图；

图9为本发明所述系统中的前道路信息解析单元中，地图当前交通场景信息解析流程框图；

图10为本发明所述系统中的前方道路信息预测单元中，地图前方坡度信息解析流程框图；

图11为本发明所述系统中的前方道路信息预测单元中，地图前方曲率信息解析流程框图；

图12为本发明所述系统中的前方道路信息预测单元中，地图前方限速信息解析流程框图；

图13为本发明所述系统中的前方道路信息预测单元中，地图前方交通场景信息解析流程框图；

图14为本发明所述的高精度地图信息预解析系统中，地图曲率信号定义解释及预测方法示意图；

图15为本发明所述系统中的速度约束单元中，预测前方曲率信息允许的最高车速流程框图；

图16为本发明所述的高精度地图信息预解析系统中，地图限速信号定义解释及预测方法示意图；

图17为本发明所述系统中的速度约束单元中，预测前方限速信息允许的最高车速流程框图；

图18为本发明所述的高精度地图信息预解析系统中，地图交通场景信号定义解释及预测方法示意图；

图19为本发明所述系统中的速度约束单元中，预测前方交通场景信息允许的最高车速流程框图；

图20为本发明所述的高精度地图信息预解析系统中，状态监视与故障管理模块工作流程图；

图21为本发明所述系统中的速度约束单元、信号提取单元与CAN通讯信号发送模块之间的信号传递框图；

图22为本发明所述的高精度地图信息预解析方法流程框图。

具体实施方式

为清楚、完整地描述本发明所述技术方案及其具体工作过程，结合说明书附图，本发明的具体实施方式如下：

本发明提供了一种面向智能车辆速度节能规划的高精度地图信息预解析系统，本发明所述系统通过CAN通讯接收或传递整个解析算法的输入和输出信号，并与车辆的其他控制系统完成信号的互通，通过解析处理模块获取当前及前方道路的坡度、曲率、限速和交通场景信息，并计算出考虑安全性或节能性的合理规划车速，另外还设计了为保证解析过程顺利运行的状态监视与故障管理模块。

如图1所示，本发明所述高精度地图信息预解析系统包括CAN通讯信号接收模块、信号解析处理模块、状态监视与故障管理模块和CAN通讯信号发送模块；

所述CAN通讯信号接收模块与CAN通讯信号发送模块分别作为本发明所述高精度地图信息预解析系统的输入端和输出端，用于实现本系统与控制器中其他系统之间实现信息互通。作为输入端的CAN通讯信号接收模块用于将高精度地图解析所需要的信号从汽车CAN总线输入到本系统的信号解析处理模块中，为信号解析处理模块进行地图信号解析处理提供较全面的先期准备工作；作为输出端的CAN通讯信号发送模块负责将高精度地图解析并提取出来的信号从本系统的信号解析处理模块输出到汽车CAN总线，为信号解析处理模块完成地图信号解析处理后提供较合理的后期发送工作。

所述信号解析处理模块作为本发明所述系统中的核心模块，其完成了本发明所述系统的主要工作。在ADAS高级辅助驾驶模块的相关标准及准则规范下，信号解析处理模块通过设计合理、高效的解析方法，解析出当前位置的静态道路信息，并预测前方一定预测域内的静态道路信息，根据经验或规范，由速度约束算法针对当前位置的静态道路信息和前方一定预测域内的静态道路信息得出当前位置的最大允许车速，满足行车安全性的需要；或得出当前位置的经济性最佳参考车速，满足驾驶经济性的功能。

如图1所示，所述信号解析处理模块由当前道路信息解析单元、前方道路信息预测单元、速度约束单元和信号提取单元组成；其中：所述当前道路信息解析单元用于将从地图数据包里插值来的当前位置的道路坡度、曲率、限速和交通场景等初值数据信息通过相应的解析算法解析成较准确的坡度、曲率、限速和交通场景等信息；前方道路信息预测单元用于预测前方一定预测域内的道路静态信息；考虑安全因素，所述速度约束单元用于综合计算出当前及预测域内的坡度、曲率、限速和交通场景信息对应的车辆允许最高车速，或者考虑经济性因素，所述速度约束单元又根据当前及预测域内的坡度、曲率、限速和交通场景信息规划出一系列车速状态量，以满足经济性最优；所述信号提取单元用于将车辆动力学控制或约束的关键道路信号筛选出来，最后通过CAN通讯信号发送模块将信号输出至汽车CAN总线，方便智能车控制器或其他模块对道路信息的使用。

如图21所示，在信号解析处理模块中，所述速度约束单元、信号提取单元和信号发送单元所完成的工作。速度约束单元将道路曲率、限速和交通场景约束的三个速度“带预测的弯道限速”、“带预测的道路限速”和“带预测的场景限速”取了最小值，表示成“当前允许的最大速度”，其为综合考虑安全性的最高车速。信号提取单元负责将解析模块处理的关键信号提取出来，通过信号发送模块发送到CAN总线，以供上层汽车动力学控制的使用。提取并发送的信号包括：“当前允许的最大速度”、“地图有效性”、“当前位置值”、“当前坡度值”、“当前曲率值”、“当前限速值”、“当前交通场景类型”，以及“预测域坡度位置值”和“预测域坡度值”。

所述状态监视与故障管理模块是独立于前述的信号解析处理模块、CAN通讯信号接收模块和CAN通讯信号发送模块的，状态监视与故障管理模块主要用来保证解析过程及结果信号的准确性，该模块包括状态监视单元和故障管理单元，所述状态监视单元用于时刻监视地图数据包解析过程及结果中的各种信号是否在允许变化范围内变化，验证解析工作流程是否井然有序、解析结果状态是否正确无误，若出现错误或其他异常情况，即故障发生时，则通过所述故障管理单元对相应的故障事故采取不同的操作管理措施，对错误完成纠正管理工作。所述状态监视单元监视到的几种明显的解析错误包括：当前位置信号小于等于上一时刻的位置信号，坡度、曲率或限速的位置值不是累计而逐渐递增的，坡度、曲率或限速的具体值出现较大的阶跃变化，GPS信号精度极差；所述故障管理单元的管理纠错方式有：初始化或顺延上一次正常状态下的相应值。

这里需要说明的是，在信号解析处理模块中的具体信号解析处理过程中，同样镶嵌有不同的监视或者管理过程，但此处设置单独的状态监视与故障管理模块可以保证整个高精度地图信息预解析过程的快速性和多重安全性。

如图2所示，通过CAN通讯信号接收模块从汽车CAN总线输入的高精度地图解析所需的信号包括：安装在车轮上的霍尔式轮速传感器所测得的“车速”信号，GPS及惯导组合定位模块计算的表示车辆位置的“当前位置初值”信号，能够初始化所选路径的“路径清除指令”信号，表示当前时刻车辆位置信息插值地图数据包所得具体地图数据的可信度的“地图可信度”信号，以及地图数据包里有关道路静态信息，所述道路静态信息包括：“坡度点位置初值”和“坡度初值”、“曲率点位置初值”和“曲率初值”、“限速点位置初值”和“限速初值”，以及“交通场景位置初值”和“交通场景初值”。

所述信号解析处理模块中，当前道路信息解析单元用于将从地图数据包里插值来的当前位置的道路坡度、曲率、限速和交通场景等初值数据信息解析成较准确的坡度、曲率、限速和交通场景等信息，其中，包括：“坡度点位置值”、“坡度值”和“当前坡度值”，“曲率点位置值”、“曲率值”和“当前曲率值”，“限速点位置值”、“限速值”和“当前限速值”，“交通场景点位置值”、“交通场景类型”和“当前交通场景类型”，以及“当前位置值”、“地图有效性”和“GPS信号有效性”。

所述信号解析处理模块中，前方道路信息预测单元预测的前方一定预测域内的道路静态信息包括：“预测域坡度点位置值”和“预测域坡度值”信号、“预测域曲率点位置值”和“预测域曲率值”信号、“预测域限速点位置值”和“预测域限速值”信号，以及“预测域交通场景点位置值”和“预测域交通场景类型”信号。

所述信号解析处理模块中，速度约束单元考虑安全性因素或经济性因素，获得并向外输出信号为“当前允许最大车速”；

所述信号解析处理模块中，信号提取单元将车辆动力学控制或约束的关键道路信号筛选出来，并通过CAN通讯信号发送模块将信号输出至汽车CAN总线，方便智能车控制器或其他模块对道路信息的使用，所述关键道路信号包括：“地图有效性”，“当前位置值”，“当前坡度值”，“当前曲率值”，“当前限速值”，“当前交通场景类型”，“当前允许最大速度”，以及“预测域坡度点位置值”和“预测域坡度值”信号。

为进一步说明本发明所述高精度地图信息预解析系统在智能车辆行驶过程中的实际意义，如图3所示，下面对智能车辆从通过本发明所述高精度地图信息预解析系统进行地图数据预解析工作到实际应用的过程做简要介绍：

首先，GPS及惯性传感器组成的组合定位模块对智能车辆的位置进行计算，得出车辆当前位置的定位信息，然后将定位信息通过CAN通讯信号接收模块向CAN通讯发送，通过插值的方式去查询高精度地图数据包，得到相应的道路数据初值信息，然后将道路数据初值与车辆的定位信息一同带到含有基于快速原型控制器dSPACE的带预测域的地图信号解析算法的信号解析处理模块中，并且在状态监视和故障管理模块的辅助下，提取出道路的解析信息，将这些道路的具体解析信息通过CAN通讯信号发送模块发送到CAN通讯中，此时同样基于快速原型控制器dSPACE的车辆中央控制器会在CAN通讯中得到在信号解析处理模块中预测域算出的允许车速约束，车辆中央控制器向CAN通讯发送带编码的刹车踏板的执行器指令，实现安全性为主的速度约束；或者中央控制器得到在信号解析处理模块中预测域内坡度信号，车辆中央控制器向CAN通讯发送带编码的油门踏板的执行器指令，实现经济性为主的速度规划。

根据上述面向智能车辆速度节能规划的高精度地图信息预解析系统，本发明还提供了面向智能车辆速度节能规划的高精度地图信息预解析方法，所述预解析方法具体如下：

S1：解析工作输入信号的前期准备；

在本步骤中，所述的前期准备工作包括以下四部分：

1、采集高精度地图数据包并将该数据包置于车辆底层CAN通讯；

2、通过GPS及惯性传感器组成的组合定位模块对车辆的位置进行计算，得出车辆当前位置的定位信息，并确保所述定位信息能够传输至车辆底层CAN通讯；

3、接着将上述高精度地图信息预解析系统中信号解析处理模块中的各相关解析算法下载至车辆的dSPACE快速控制器中；

4、对车辆进行智能化改装，使车辆的油门踏板及刹车踏板能够在dSPACE快速控制器的控制下执行动作；

S2：根据车辆当前位置的定位信息，通过插值的方式去查询高精度地图数据包，解析当前道路信息；

所述当前道路信息包括当前位置、当前坡度、当前曲率、当前限速以及当前交通场景；

如图5所示，智能车辆的当前位置解析过程在所述预解析系统中信号解析处理模块的当前道路信息解析单元中完成，当前道路信息解析单元中嵌有当前位置的解析算法；

所述当前位置的解析过程中，输入信号为“当前位置初值”u1和“路径清除指令”u3；输出信号为“当前位置值”；如图4a所示，“路径清除指令”的定义中，其中取值0为未定义，取值1为路径清楚指令，该指令表示开始清除智能车辆之前预选的路径；取值2为点云数据发送完成指令，该指令表示清除工作完成且新的地图点云数据已重新发送；

当前位置的解析算法具体过程为：首先判断“当前位置初值”u1是否不等于0且“当前位置初值”u1不等于上一时刻的“当前位置初值”u2，若条件不成立，表示地图数据出现异常，信号需要重新初始化，参数Pos＝0；如果条件成立，则地图数据无异常，则继续进行判断“路径清除指令”u3是否与上一时刻的“路径清除指令”u4存在上升沿阶跃变化，其中，通过上升沿阶跃信号触发器输出的触发信号进行判断，若“路径清除指令”存在上升沿阶跃变化，则上升沿阶跃信号触发器输出的触发信号“1”，表示“路径清除指令”信号刚刚有从1至2的阶跃变化，完成了路径清除并初始化了路径，参数Pos1＝0；若“路径清除指令”无阶跃发生，则上升沿阶跃信号触发器输出的触发信号“0”，则参数Pos1＝u1；最终将参数Pos1赋值给“当前位置值”信号，完成智能车辆的当前位置解析。

如图6所示，智能车辆的当前坡度解析过程在所述预解析系统中信号解析处理模块的当前道路信息解析单元中完成，当前道路信息解析单元中嵌有当前坡度的解析算法；

所述当前坡度的解析过程中，输入信号为“坡度点位置初值”v1、“路径清除指令”u3、“坡度初值”v5以及“当前位置值”u6，输出信号为“当前坡度值”；如图4a所示，“路径清除指令”的定义中，其中取值0为未定义，取值1为路径清楚指令，该指令表示开始清除智能车辆之前预选的路径；取值2为点云数据发送完成指令，该指令表示清除工作完成且新的地图点云数据已重新发送；

当前坡度的解析算法具体过程为：首先判断“坡度点位置初值”v1是否不等于0且“坡度点位置初值”v1不等于上一时刻的“坡度点位置初值”值v2，若条件不成立，表示地图数据出现异常，信号需要重新初始化，参数Pos2＝0；如果条件成立，则地图数据无异常，则继续进行判断“路径清除指令”u3是否与上一时刻的“路径清除指令”u4存在上升沿阶跃变化，其中，通过上升沿阶跃信号触发器是否被触发进行判断，若“路径清除指令”存在上升沿阶跃变化，则上升沿阶跃信号触发器被触发，表示“路径清除指令”信号刚刚有从1至2的阶跃变化，完成了路径清除并初始化了路径，参数Pos2＝0、Value2＝0；若“路径清除指令”无阶跃发生，则上升沿阶跃信号触发器没有被触发，则参数Pos2＝v1、Value2＝v5；然后将参数Pos2赋值给“坡度点位置值”信号，其代表地图标记的坡度点距离路径起点的距离信息，将参数Value2赋值给“坡度值”信号，其代表地图标记的坡度点的具体坡度值信息；接着继续将“坡度点位置值”定义为v7，将“坡度值”信号定义为v8，计算v7的最小值和v7的最大值，组成区间[min(v7)max(v7)]，然后判断v8是否属于计算的区间[min(v7)max(v7)]，如果v8不属于计算的区间[min(v7)max(v7)]并且v8小于min(v7)，则将“当前位置值”u6赋值成min(v7)；如果v8大于max(v7)，则将“当前位置值”u6赋值成max(v7)；然后采用线性插值的方式查询高精度地图数据包，通过“当前位置值”u6插值“坡度点位置值”v7得到参数Pos3，继续通过插值得到的参数Pos3查表“坡度值”v8得到参数Value3；最后将参数Value3赋值给“当前坡度值”信号，完成了当前坡度信息的解析。

如图7所示，智能车辆的当前曲率解析过程在所述预解析系统中信号解析处理模块的当前道路信息解析单元中完成，当前道路信息解析单元中嵌有当前曲率的解析算法；

所述当前曲率的解析过程中，输入信号为“曲率点位置初值”s1、“路径清除指令”u3、“曲率初值”s5、“当前位置值”u6，输出信号为“当前曲率值”信号；如图4a所示，“路径清除指令”的定义中，其中取值0为未定义，取值1为路径清楚指令，该指令表示开始清除智能车辆之前预选的路径；取值2为点云数据发送完成指令，该指令表示清除工作完成且新的地图点云数据已重新发送。

当前曲率的解析算法具体过程为：首先判断“曲率点位置初值”s1是否不等于0且“曲率点位置初值”s1不等于上一时刻的“曲率点位置初值”s2值，若条件不成立，表示地图数据出现异常，信号需要重新初始化，参数Pos4＝0；如果条件成立，则地图数据无异常，则继续进行判断“路径清除指令”u3是否与上一时刻的“路径清除指令”u4存在上升沿阶跃变化，其中，通过上升沿阶跃信号触发器是否被触发进行判断，若“路径清除指令”存在上升沿阶跃变化，则上升沿阶跃信号触发器被触发，表示“路径清除指令”信号刚刚有从1至2的阶跃变化，完成了路径清除并初始化了路径，参数Pos4＝0、Value4＝0；若“路径清除指令”无阶跃发生，则上升沿阶跃信号触发器没有被触发，则参数Pos4＝s1、Value4＝s5；然后将参数Pos4赋值给“曲率点位置值”信号，其代表地图标记的曲率点距离路径起点的距离信息，将参数value赋值给“曲率值”信号，其代表地图标记的曲率点的具体曲率值信息；接着继续将“曲率点位置值”定义为s7，将“曲率值”定义为s8，计算s7的最小值和s7的最大值，组成区间[min(s7)max(s7)]，然后判断s8是否属于计算的区间[min(s7)max(s7)]，如果s8不属于计算的区间[min(s7)max(s7)]并且s8小于min(s7)，则将“当前位置值”u6赋值成min(s7)；如果s8大于max(s7)，则将“当前位置值”u6赋值成max(s7)；然后采用线性插值的方式查询高精度地图数据包，通过“当前位置值”u6插值“曲率点位置值”s7得到参数Pos，继续通过插值得到的参数Pos查表“曲率值”s8得到参数Value5；最后将参数Value5赋值给“当前曲率值”信号，完成了当前曲率信息的解析。

如图8所示，智能车辆的当前限速解析过程在所述预解析系统中信号解析处理模块的当前道路信息解析单元中完成，当前道路信息解析单元中嵌有当前限速的解析算法；

所述当前限速的解析过程中，输入信号为“限速点位置初值”m1、“路径清除指令”u3、“限速初值”m5、“当前位置值”u6，输出信号为“当前限速值”信号；如图4a所示，“路径清除指令”的定义中，其中取值0为未定义，取值1为路径清楚指令，该指令表示开始清除智能车辆之前预选的路径；取值2为点云数据发送完成指令，该指令表示清除工作完成且新的地图点云数据已重新发送。

当前限速的解析算法具体过程为：首先判断“限速点位置初值”m1是否不等于0且“限速点位置初值”m1不等于上一时刻的“限速点位置初值”m2值，若条件不成立，表示地图数据出现异常，信号需要重新初始化，参数Pos6＝0；如果条件成立，则地图数据无异常，则继续进行判断“路径清除指令”u3是否与上一时刻的“路径清除指令”u4存在上升沿阶跃变化，其中，通过上升沿阶跃信号触发器是否被触发进行判断，若“路径清除指令”存在上升沿阶跃变化，则上升沿阶跃信号触发器被触发，表示“路径清除指令”信号刚刚有从1至2的阶跃变化，完成了路径清除并初始化了路径，参数Pos6＝0、Value6＝0；若“路径清除指令”无阶跃发生，则上升沿阶跃信号触发器没有被触发，则参数Pos6＝m1、Value6＝m5；然后将参数Pos6赋值给“限速点位置值”信号，其代表地图标记的限速点距离路径起点的距离信息，将参数Value6赋值给“限速值”信号，其代表地图标记的限速点的具体限速值信息；接着继续将“限速点位置值”定义为m7，将“限速值”定义为m8，计算m7的最小值和m7的最大值，组成区间[min(m7)max(m7)]，然后判断m8是否属于计算的区间[min(m7)max(m7)]，如果u8不属于计算的区间[min(m7)max(m7)]并且m8小于min(m7)，则将“当前位置值”u6赋值成min(m7)；如果m8大于max(m7)，则将“当前位置值”u6赋值成max(m7)；然后采用线性插值的方式查询高精度地图数据包，通过“当前位置值”u6插值“限速点位置值”m7得到参数Pos7，继续通过插值得到的参数Pos7查表“限速值”m8得到参数Value7，这里参数Value7是没有量纲的参数值，需要进行switch转换，将无意义的Value7参数转化成单位为千米每小时的限速值Limit。最后将限速值Limit赋值给“当前限速值”信号，完成了当前限速信息的解析。其中switch转换的输入Value7是无量纲的参数，取值范围为0至31之间的整数，当Value为0时，输出Limit为维持上一时刻的限速值不变；当Value7为31时，输出Limit为23km/h；当Value为1至30之间的整数时，输出LimitL为五倍的输入值。

如图9所示，智能车辆的当前交通场景解析过程在所述预解析系统中信号解析处理模块的当前道路信息解析单元中完成，当前道路信息解析单元中嵌有当前交通场景的解析算法；

所述当前交通场景的解析过程中，输入信号为“交通场景位置初值”t1、“路径清除指令”u3、“交通场景初值”t5、“当前位置值”u6，输出信号为“当前交通场景”信号；如图4a所示，“路径清除指令”的定义中，其中取值0为未定义，取值1为路径清楚指令，该指令表示开始清除智能车辆之前预选的路径；取值2为点云数据发送完成指令，该指令表示清除工作完成且新的地图点云数据已重新发送；图4c所示，“交通场景初值”的定义中，其中取值0为未定义，取值3为停止线，取值4为人行横道，取值5为横向减速带，取值6为纵向减速带。

当前交通场景的解析算法具体过程为：首先判断“交通场景位置初值”t1是否不等于0且“交通场景位置初值”t1不等于上一时刻的“交通场景位置初值”t2值，若条件不成立，表示地图数据出现异常，信号需要重新初始化，参数Pos8＝0；如果条件成立，则地图数据无异常，则继续进行判断“路径清除指令”u3是否与上一时刻的“路径清除指令”u4存在上升沿阶跃变化，其中，通过上升沿阶跃信号触发器是否被触发进行判断，若“路径清除指令”存在上升沿阶跃变化，则上升沿阶跃信号触发器被触发，表示“路径清除指令”信号刚刚有从1至2的阶跃变化，完成了路径清除并初始化了路径，参数Pos8＝0、Type8＝0；若“路径清除指令”无阶跃发生，则上升沿阶跃信号触发器没有被触发，则参数Pos8＝t1、Type8＝t5；然后将参数Pos8赋值给“交通场景点位置值”信号，其代表地图标记的交通场景点距离路径起点的距离信息；将参数Type8赋值给“交通场景类型”信号，其代表地图标记的交通场景点的具体交通场景类型信息；接着继续将“交通场景点位置值”8定义为t7，将“交通场景类型”定义为t8，计算t7的最小值、最大值，组成区间[min(t7)max(t7)]，然后判断t8是否属于计算的区间[min(t7)max(t7)]，如果没有并且t8小于min(t7)，则将“当前位置值”u6赋值成min(t7)，如果t8大于max(t7)，则将“当前位置值”u6赋值成max(t7)。然后采用线性插值的方式查询高精度地图数据包，通过“当前位置值”u6插值“交通场景点位置值”t7得到参数Pos9，继续通过插值得到的参数Pos9查表“交通场景类型”t8得到参数Type9，最后将参数Type9赋值给“当前交通场景”信号，完成了当前交通场景信息的解析。

此外，本步骤所述的当前道路信息解析过程中，所述状态监视与故障管理模块时刻监视解析过程及结果是否出现错误，所述错误包括：当前位置信号小于等于上一时刻的位置信号，坡度、曲率或限速的位置值不是累计而逐渐递增的，坡度、曲率或限速的具体值出现较大的阶跃变化，GPS信号精度极差；且所述状态监视与故障管理模块对所述错误进行纠正管理，纠正管理过程为：初始化或顺延上一次正常状态下的相应值。

S3：根据车辆当前位置的定位信息，通过插值的方式去查询高精度地图数据包，解析前方道路信息；

所述前方道路信息包括前方坡度、前方曲率、前方限速以及前方交通场景；

如图10所示，智能车辆的前方坡度解析过程在所述预解析系统中信号解析处理模块的前方道路信息解析单元中完成，前方道路信息解析单元中嵌有前方坡度的解析算法，本实施例中以前方300m内坡度信息的解析为例；

所述前方坡度的解析过程中，输入信号为“坡度点位置值”v7、“当前位置值”u6和“坡度值”v8，输出信号为“预测域坡度点位置值”信号和“预测域坡度值”。

前方坡度的解析算法具体过程为：首先定义两个中间参量，分别为预设坡度距离参数D1和单位坡度距离参数i1，本实施例中，以前方300m内坡度的解析为例，故D＝300，设定单位坡度距离参数i1＝1，如果i1小于D1，则通过(u6+i1)大小的值去插值“坡度点位置值”v7得参数Pos10，再通过参数Pos10的值查表“坡度值”v8得参数Value10，然后将数组F1的第i个位置赋值成Pos11，将数组E1的第i1个位置赋值成Value11，在参量i1自身加1之后，返回到之前的判断条件中重新判断i1是否小于D1。重复以上循环，当判断条件不成立，即i1不小于D1时，跳离循环，将“当前位置值”u6赋值给“预测域坡度点位置值”信号，将“坡度值”v8赋值给“预测域坡度值”信号，完成前方坡度信息的预测。

如图11所示，智能车辆的前方曲率解析过程在所述预解析系统中信号解析处理模块的前方道路信息解析单元中完成，前方道路信息解析单元中嵌有前方曲率的解析算法，本实施例中以前方300m内曲率信息的解析为例；

所述前方曲率的解析过程中，输入信号为“曲率点位置值”s7、“当前位置值”u6和“曲率值”s8；输出信号为“预测域曲率点位置值”和“预测域曲率值”信号。

前方曲率的解析算法具体过程为：首先定义两个中间参量，分别为预设曲率距离参数D2和单位曲率距离参数i2，本实施例中，以前方300m内曲率的解析为例，故D＝300，设定单位坡度距离参数i2＝1，如果i2小于D2，则通过(u6+i2)大小的值去插值s7得参数Pos12，再通过参数Pos12的值查表“曲率值”s8得参数Value12，然后将数组F1的第i2个位置赋值成Pos13，将数组E2的第i2个位置赋值成Value13，在参量i2自身加1之后，返回到之前的判断条件中重新判断i2是否小于D2。重复以上循环，当判断条件不成立，即i2不小于D2时，跳离循环，将“当前位置值”u6赋值给“预测域曲率点位置值”信号，将“曲率值”s8赋值给“预测域曲率值”信号，完成前方曲率信息的预测。

如图12所示，智能车辆的前方限速解析过程在所述预解析系统中信号解析处理模块的前方道路信息解析单元中完成，前方道路信息解析单元中嵌有前方限速的解析算法，本实施例中以前方300m内限速信息的解析为例；

所述前方限速的解析过程中，输入信号为“限速点位置值”m7、“当前位置值”u6和“限速值”m8；输出信号为“预测域限速点位置值”和“预测域限速值”信号。

前方限速的解析算法具体过程为：首先定义两个中间参量，分别为预设限速距离参数D3和单位限速距离参数i3，本实施例中，以前方300m内曲率的解析为例，故D＝300，设定单位坡度距离参数i3＝1，如果i3小于D3，则通过u6+i3大小的值去插值m7得参数Pos14，再通过参数Pos14的值查表“限速值”m8得参数Value14，然后将数组F1的第i3个位置赋值成Pos15，将数组E3的第i3个位置赋值成Value15，在参量i3自身加1之后，返回到之前的判断条件中重新判断i3是否小于D3。重复以上循环，当判断条件不成立，即i3不小于D3时，跳离循环，将“当前位置值”u6赋值给“预测域限速点位置值”信号，将“当前位置值”u6赋值给“预测域限速值”信号，完成了前方限速信息的预测。

如图13所示，智能车辆的前方交通场景解析过程在所述预解析系统中信号解析处理模块的前方道路信息解析单元中完成，前方道路信息解析单元中嵌有前方交通场景的解析算法，本实施例中以前方300m内交通场景信息的解析为例；

所述前方交通场景的解析过程中，输入信号为“交通场景点位置值”t7、“当前位置值”u6、和“交通场景类型”t8，输出信号为“预测域交通场景点位置值”和“预测域交通场景类型”信号。

前方交通场景的解析算法具体过程为：首先定义两个中间参量，分别为预设交通场景距离参数D4和单位交通场景距离参数i4，本实施例中，以前方300m内交通场景的解析为例，故D4＝300，设定单位坡度距离参数i4＝1，如果i4小于D4，则通过u6+i4大小的值去插值t7得参数Pos16，再通过参数Pos16的值查表t8得参数Type16，然后将数组F1的第i4个位置赋值成Pos17，将数组E4的第i4个位置赋值成Type17，在参量i4自身加1之后，返回到之前的判断条件中重新判断i4是否小于D4。重复以上循环，当判断条件不成立，即i4不小于D4时，跳离循环，将“当前位置值”u6赋值给“预测域交通场景点位置值”信号，将“交通场景类型”t8赋值给“预测域交通场景类型”信号，完成前方交通场景信息的预测。

此外，本步骤所述的前方道路信息解析过程中，所述状态监视与故障管理模块时刻监视解析过程及结果是否出现错误，所述错误包括：当前位置信号小于等于上一时刻的位置信号，坡度、曲率或限速的位置值不是累计而逐渐递增的，坡度、曲率或限速的具体值出现较大的阶跃变化，GPS信号精度极差；且所述状态监视与故障管理模块对所述错误进行纠正管理，纠正管理过程为：初始化或顺延上一次正常状态下的相应值。

S4：根据解析得到的当前道路信息和前方道路信息约束车辆速度；

所述约束车辆速度包括带预测的弯道限速、带预测的道路限速和带预测的场景限速。

所述带预测的弯道限速，即根据前方曲率信息约束车辆速度，具体过程如下：

如图14所示，“当前位置值”信号和“曲率点位置值”信号的定义方式，以及根据前方曲率信息约束车辆速度的原理为：以“路径清除指令”完成位置点为起点逐渐累加车辆里程，即路径清除指令为2，路径清除完成，此时当前位置值信号的起点就要定义在此处，以此处为起点重新开始累计路程，所得结果为“当前位置值”信号；当“路径清除指令”完成，同时其他的道路信息的位置也要以新的定义起点重新定义，此时“曲率点位置值”信号就确定成了一个常值，表示路线上曲率点的位置。曲率预测的方法即在“当前位置值”信号的基础上分别累加五个不同大小的数值，得知前方五个不远处的曲率大小，即设置五个预测延伸距离；注意，此处预测的信息都是“五个点”处的曲率信息，而不是一个区域内的，所以需要向前延伸不同的距离。若只有一个较大的延伸距离dis_pre5，车辆在弯道前较远距离处开始减速，慢慢行驶过一段距离，延伸距离dis_pre5下的预测位置已经驶离了弯道，虽然车辆现在还没有进入弯道，但此时车辆没有了弯道允许最大车速的限制，开始自由行驶，属于危险工况，应当避免。所以设置多个预测延伸距离，保证车子开始预测到弯道，到正式驶离弯道的过程中，总会有一个预测延伸距离在弯道中，限制车子的车速，确保安全性。

如图15所示，根据前方曲率信息约束车辆速度的过程在所述预解析系统中信号解析处理模块的速度约束单元中完成，速度约束单元中嵌有根据前方曲率信息约束车辆速度的解析算法，本实施例中，以预测前方10米曲率所允许的车速为例。

所述根据前方曲率信息约束车辆速度的过程中，输入信号为“曲率点位置值”s7、“当前位置值”u6和“曲率值”s8，输出信号为“带预测的弯道限速”，“当前位置值”u6赋值Position1，在Position1的基础上加10代表将此刻的位置先前挪了10米，并将“当前位置值”u2赋值成(Position1+10)。

根据前方曲率信息约束车辆速度的算法具体过程为：首先计算“曲率点位置值”s7的最大值max(s7)和最小值min(s7)，并判断“当前位置值”u6是否位于区间[min(s7)max(s7)]内。如果“当前位置值”u6小于“曲率点位置值”s7的最小值min(s7)，则令“当前位置值”u6等于“曲率点位置值”s7的最小值min(s7)；同样，如果“当前位置值”u6大于“曲率点位置值”s7的最大值max(s7)，则令“当前位置值”u6等于“曲率点位置值”s7的最大值max(s7)；若“当前位置值”u6恰好位于区间[min(s7)max(s7)]内，则用“当前位置值”u6去插值“曲率点位置值”s7，找到车辆“当前位置值”u6位置时所对应的在“曲率点位置值”s7中的位置Pos18，然后利用Pos18查表“曲率值”s8，即可得到“曲率点位置值”s7位置处道路的曲率值Value18；接下来对Value18进行筛选，设定：如果Value18大于50小于200，允许最高车速Limit等于25km/h；如果Value18大于200小于400，允许最高车速Limit等于35km/h；如果Value18大于400小于600，允许最高车速Limit等于40km/h；同样，如果Value18大于600，允许最高车速Limit等于101km/h；最后将Limit赋值给输出量“预测位置弯道允许车速1”。同样的方法，只是改变“曲率点位置值”u6赋值依次为(Position+20)、(Position+30)、(Position+40)、(Position+50)，对应预测前方20-50米区域内的曲率允许车速，分得到“预测位置弯道允许车速2”、“预测位置弯道允许车速3”、“预测位置弯道允许车速4”和“预测位置弯道允许车速5”。最后将上述五组预测位置弯道允许车速取最小值，即可得到“带预测的弯道限速”信号，其表示为保证安全性且只考虑曲率时，智能车的允许最高车速，即根据前方曲率信息约束的车辆速度。

所述带预测的道路限速，即根据前方限速信息约束车辆速度，具体过程如下：

如图16所示，“当前位置值”信号和“限速点位置值”信号的定义方式，以及根据前方限速信息约束车辆速度的原理为：以“路径清除指令”完成位置点为起点，逐渐累加车辆里程，即路径清除指令为2，路径清除完成，此时当前位置值信号的起点就要定义在此处，以此处为起点重新开始累计路程，所得结果为“当前位置值”信号；当“路径清除指令”完成，同时其他的道路信息的位置也要以新的定义起点重新定义，“限速点位置值”信号就确定成了一个常值，表示路线上限速点的位置。限速预测的方法即在“当前位置值”信号的基础上分别累加五个不同大小的数值，得知前方五个不远处的限速大小，即设置五个预测延伸距离；注意，此处预测的信息都是“五个点”处的限速信息，而不是一个区域内的，所以需要向前延伸不同的距离。若只有一个较大的延伸距离dis_pre5，车辆在弯道前较远距离处开始减速，慢慢行驶过一段距离，延伸距离dis_pre5下的预测位置已经驶离了限速牌，虽然车辆现在还没有经过限速牌，但此时车辆没有了限速允许最大车速的限制，开始自由行驶，属于危险工况，应当避免。所以设置多个预测延伸距离，保证车子开始预测到限速牌，到正式驶离限速牌的过程中，总会有一个预测延伸距离在起作用，限制车子的车速，确保安全性。

如图17所示，根据前方限速信息约束车辆速度的过程在所述预解析系统中信号解析处理模块的速度约束单元中完成，速度约束单元中嵌有根据前方限速信息约束车辆速度的解析算法，本实施例中，以预测前方10米限速所允许的车速为例。

所述根据前方限速信息约束车辆速度的过程中，输入信号为“限速点位置值”m7、“当前位置值”u6和“限速值”m8，输出信号为“带预测的道路限速”，“当前位置值”u6赋值Position2，在“当前位置值”Position2的基础上加10代表将此刻的位置先前挪了10米，并将“当前位置值”u6赋值成(Position2+10)。

根据前方限速信息约束车辆速度的算法具体过程为：首先计算“限速点位置值”m7的最大值max(m7)和最小值min(m7)，并判断“当前位置值”u6是否位于区间[min(m7)max(m7)]内。如果“当前位置值”u6小于“限速点位置值”m7的最小值min(m7)，则令“当前位置值”u6等于min(m7)；同样，如果“当前位置值”u6大于“限速点位置值”m7的最大值max(m7)，则令“当前位置值”u6等于max(m7)；若u6恰好位于区间[min(m7)max(m7)]内，则用“当前位置值”u6去插值“限速点位置值”m7，找到车辆“当前位置值”u6位置时所对应的在“限速点位置值”m7中的位置Pos19，然后利用Pos19查表“限速值”m8，即可得到“限速点位置值”m7位置处道路的限速值Value19，接下来对Value19进行筛选，将没有量纲的参数转化成具体速度意义的限速值Limit；最后将Limit赋值给输出量“预测位置道路限速1”。同样的方法，只是改变“当前位置值”u6赋值依次为(Position+20)、(Position+30)、(Position+40)、(Position+50)，对应预测前方20-50米区域内的限速车速，分得到“预测位置道路限速2”、“预测位置道路限速3”、“预测位置道路限速4”、“预测位置道路限速5”，最后将上述五组预测位置道路限速取最小值，即可得到“带预测的道路限速”信号，其表示为保证安全性且只考虑限速时，智能车的允许最高车速，即根据前方限速信息约束车辆速度。

所述带预测的场景限速，即根据前方交通场景信息约束车辆速度，具体过程如下：

如图18所示，“当前位置值”信号和“交通场景点位置值”信号的定义方式，以及根据前方交通场景信息约束车辆速度的原理为：以“路径清除指令”完成位置点为起点，逐渐累加车辆里程，所得结果为“当前位置值”信号；当“路径清除指令”完成，“交通场景点位置值”信号就确定成了一个常值，表示路线上交通场景点的位置。交通场景预测的方法即在“当前位置值”信号的基础上分别累加五个不同大小的数值，得知前方五个不远处的交通场景。

如图19所示，根据前方交通场景信息约束车辆速度的过程在所述预解析系统中信号解析处理模块的速度约束单元中完成，速度约束单元中嵌有根据前方交通场景信息约束车辆速度的解析算法，本实施例中，以预测前方10米交通场景所允许的车速为例。

所述根据前方限速信息约束车辆速度的过程中，输入信号为“交通场景点位置值”t7、“当前位置值”u6和“交通场景类型”t8，输出信号为“带预测的场景限速”，“当前位置值”u6赋值Position3，在Position3的基础上加10代表将此刻的位置先前挪了10米，并将“当前位置值”u6赋值成(Position3+10)。

根据前方交通场景信息约束车辆速度的算法具体过程为：

首先计算“交通场景点位置值”t7的最大值max(t7)和最小值min(t7)，并判断“当前位置值”u6是否位于区间[min(t7)max(t7)]内。如果“当前位置值”u6小于“交通场景点位置值”t7的最小值min(t7)，则令“当前位置值”u6等于min(t7)；同样，如果“当前位置值”u6大于“交通场景点位置值”t7的最大值max(t7)，则令“当前位置值”u6等于max(t7)；若u6恰好位于区间[min(t7)max(t7)]内，则用“当前位置值”u6去插值“交通场景点位置值”t7，找到车辆“当前位置值”u6位置时所对应的在“交通场景点位置值”t7中的位置Pos20，然后利用Pos02查表“交通场景类型”t8，即可得到“交通场景类型点位置值”t7位置处道路的交通场景类型Type20；接下来对Type20进行筛选，如果Type20等于3或5，允许最高车速Limit等于20km/h；否则Limit等于100km/h。最后将Limit赋值给输出量“预测位置场景允许车速1”。同样的方法，只是改变“当前位置值”u6赋值依次为(Position+20)、(Position+30)、(Position+40)、(Position+50)，对应预测前方20-50米区域内的交通场景允许车速，分得到“预测位置场景允许车速2”、“预测位置场景允许车速3”、“预测位置场景允许车速4”、“预测位置场景允许车速5”。最后将上述预测位置场景允许车速取最小值，即可得到“带预测的场景限速”信号，其表示为保证安全性且只考虑交通场景时，智能车的允许最高车速。

此外，本步骤所述的当速度约束过程中，所述状态监视与故障管理模块时刻监视约束过程及结果是否出现错误，所述错误包括：当前位置信号小于等于上一时刻的位置信号，坡度、曲率或限速的位置值不是累计而逐渐递增的，坡度、曲率或限速的具体值出现较大的阶跃变化，GPS信号精度极差；且所述状态监视与故障管理模块对所述错误进行纠正管理，纠正管理过程为：初始化或顺延上一次正常状态下的相应值。

S5：智能车辆状态监视与故障管理；

如图20所示，智能车辆状态监视与故障管理过程在所述预解析系统中的状态监视与故障管理模块中完成，其有解析地图有效性的功能。

所述地图有效性的解析过程包括地图有效性信息的处理和地图有效性的逻辑判断：

地图有效性信息的处理过程如下，如图20上半部分所示：

输入信号为“地图可信度”r1；输出信号为“GPS信号有效性”信号；如图4b所示，“地图可信度”的定义中，其中取值0表示信号差，取值1表示信号一般，取值2表示信号良好，取值3表示信号非常好；

“地图可信度”r1如果小于等于3且大于2，则将数值3赋值给输出信号“GPS信号有效性”；“地图可信度”r1如果小于等于2且大于1，将数值2赋值给输出信号“GPS信号有效性”；“地图可信度”r1如果小于等于1且大于0，将数值1赋值给输出信号“GPS信号有效性”；然而，如果信号r1等于0，则将输出信号“GPS信号有效性”维持上一时刻的数值不发生变化。

地图有效性的逻辑判断过程如下，如图20下半部分所示：

输入信号为“GPS信号有效性”GPS_valid、“路径清除指令”u3和“当前位置值”u6；输出信号为“地图有效性”信号；如图4a所示，“路径清除指令”的定义中，其中取值1为路径清楚指令，该指令表示开始清除智能车辆之前预选的路径；取值2为点云数据发送完成指令，该指令表示清除工作完成且新的地图点云数据已重新发送；

当逻辑判断的起点是“关闭”状态，此状态下flag为0，接着，当信号“路径清除指令”u3等于2时，进入“挂起”状态，此状态下flag也为0，接着，如果信号“当前位置值”u6大于100，则进入“打开”状态，此状态的flag为1；接着，如果信号“路径清除指令”u3由2变为1，则状态由“打开”进入“关闭”状态；

当在“打开”状态下，信号“GPS信号有效性”GPS_valid等于0或1时，状态由“打开”进入“挂起”状态；接着，当信号GPS_valid等于2或3，状态会由“挂起”状态再次进入“打开”状态。在此过程中信号flag时刻输出给信号“地图有效性”，并且flag等于1表示地图有效,已使用；flag等于0表示地图无效，不能使用。

S6：提取并输出解析数据及速度约束；

如图21所示，速度约束单元将步骤S4中获得的道路曲率、限速和交通场景约束的三个速度“带预测的弯道限速”、“带预测的道路限速”和“带预测的场景限速”取最小值，作为“当前允许的最大速度”，其为综合考虑安全性的最高车速；信号提取单元将步骤S2中当前道路解析单元中解析到的“当前位置”、“当前坡度”、“当前曲率”、“当前限速”和“当前交通场景类型”，步骤S3中前方道路解析单元中解析到的“预测域坡度点位置值”和“预测域坡度值”步骤S4中速度约束单元中解析到的“当前允许的最大速度”，以及步骤S5中解析到的“地图有效性”信号提取出来，并将上述提取出来的信号通过CAN通讯信号发送模块发送到CAN总线，方便智能车控制器或其他模块对道路信息的使用，完成控制智能车辆的目标。

Claims (2)

1.面向智能车辆速度节能规划的高精度地图信息预解析方法：

所述预解析方法具体如下：

S1：解析工作输入信号的前期准备；

本步骤中，将获得车辆当前位置的定位信息及其他高精度地图解析所需要的信号通过CAN通讯信号接收模块从汽车CAN总线输入到信号解析处理模块中；

S2：根据车辆当前位置的定位信息，通过插值的方式去查询高精度地图数据包，解析当前道路信息；

本步骤中，在信号解析处理模块的当前道路信息解析单元中通过当前位置、当前坡度、当前曲率、当前限速以及当前交通场景相应的解析算法解析对应的当前位置、当前坡度、当前曲率、当前限速以及当前交通场景信息；

具体过程如下：

一、解析当前位置信息：

所述当前位置的解析过程中，输入信号为“当前位置初值”u1和“路径清除指令”u3；输出信号为“当前位置值”；

当前位置的解析算法具体过程为：首先判断“当前位置初值”u1是否不等于0且“当前位置初值”u1不等于上一时刻的“当前位置初值”u2，若条件不成立，表示地图数据出现异常，信号需要重新初始化，参数Pos1＝0；如果条件成立，则地图数据无异常，则继续进行判断“路径清除指令”u3是否与上一时刻的“路径清除指令”u4存在上升沿阶跃变化，若存在上升沿阶跃变化，即完成了路径清除并初始化了路径，则参数Pos1＝0；若“路径清除指令”无阶跃发生，则参数Pos1＝u1；最终将参数Pos1赋值给“当前位置值”信号；

二、解析当前坡度信息：

所述当前坡度的解析过程中，输入信号为“坡度点位置初值”v1、“路径清除指令”u3、“坡度初值”v5以及“当前位置值”u6，输出信号为“当前坡度值”；

当前坡度的解析算法具体过程为：首先判断“坡度点位置初值”v1是否不等于0且“坡度点位置初值”v1不等于上一时刻的“坡度点位置初值”值v2，若条件不成立，表示地图数据出现异常，信号需要重新初始化，参数Pos2＝0；如果条件成立，则地图数据无异常，则继续进行判断“路径清除指令”u3是否与上一时刻的“路径清除指令”u4存在上升沿阶跃变化，若“路径清除指令”存在上升沿阶跃变化，即完成了路径清除并初始化了路径，参数Pos2＝0、Value2＝0；若“路径清除指令”无阶跃发生，则参数Pos2＝v1、Value2＝v5；然后将参数Pos2赋值给“坡度点位置值”信号，其代表地图标记的坡度点距离路径起点的距离信息，将参数Value2赋值给“坡度值”信号，其代表地图标记的坡度点的具体坡度值信息；接着继续将“坡度点位置值”定义为v7，将“坡度值”定义为v8，计算v7的最小值和v7的最大值，组成区间[min(v7)max(v7)]，然后判断v8是否属于计算的区间[min(v7)max(v7)]，如果v8不属于计算的区间[min(v7)max(v7)]并且v8小于min(v7)，则将“当前位置值”u6赋值成min(v7)；如果v8大于max(v7)，则将“当前位置值”u6赋值成max(v7)；然后采用线性插值的方式查询高精度地图数据包，通过“当前位置值”u6插值“坡度点位置值”v7得到参数Pos3，继续通过插值得到的参数Pos3查表“坡度值”v8得到参数Value3；最后将参数Value3赋值给“当前坡度值”信号；

三、解析当前曲率信息：

所述当前曲率的解析过程中，输入信号为“曲率点位置初值”s1、“路径清除指令”u3、“曲率初值”s5、“当前位置值”u6，输出信号为“当前曲率值”信号；

当前曲率的解析算法具体过程为：首先判断“曲率点位置初值”s1是否不等于0且“曲率点位置初值”s1不等于上一时刻的“曲率点位置初值”s2值，若条件不成立，表示地图数据出现异常，信号需要重新初始化，参数Pos4＝0；如果条件成立，则地图数据无异常，则继续进行判断“路径清除指令”u3是否与上一时刻的“路径清除指令”u4存在上升沿阶跃变化，若“路径清除指令”存在上升沿阶跃变化，即完成了路径清除并初始化了路径，参数Pos4＝0、Value4＝0；若“路径清除指令”无阶跃发生，则参数Pos4＝s1、Value4＝s5；然后将参数Pos4赋值给“曲率点位置值”信号，其代表地图标记的曲率点距离路径起点的距离信息，将参数Value4赋值给“曲率值”信号，其代表地图标记的曲率点的具体曲率值信息；接着继续将“曲率点位置值”定义为s7，将“曲率值”定义为s8，计算s7的最小值和s7的最大值，组成区间[min(s7)max(s7)]，然后判断s8是否属于计算的区间[min(s7)max(s7)]，如果s8不属于计算的区间[min(s7)max(s7)]并且s8小于min(s7)，则将“当前位置值”u6赋值成min(s7)；如果s8大于max(s7)，则将“当前位置值”u6赋值成max(s7)；然后采用线性插值的方式查询高精度地图数据包，通过“当前位置值”u6插值“曲率点位置值”s7得到参数Pos5，继续通过插值得到的参数Pos5查表“曲率值”s8得到参数Value5；最后将参数Value5赋值给“当前曲率值”信号；

四、解析当前限速信息：

所述当前限速的解析过程中，输入信号为“限速点位置初值”m1、“路径清除指令”u3、“限速初值”m5、“当前位置值”u6，输出信号为“当前限速值”信号；

当前限速的解析算法具体过程为：首先判断“限速点位置初值”m1是否不等于0且“限速点位置初值”m1不等于上一时刻的“限速点位置初值”m2值，若条件不成立，表示地图数据出现异常，信号需要重新初始化，参数Pos6＝0；如果条件成立，则地图数据无异常，则继续进行判断“路径清除指令”u3是否与上一时刻的“路径清除指令”u4存在上升沿阶跃变化，其中，通过上升沿阶跃信号触发器是否被触发进行判断，若“路径清除指令”存在上升沿阶跃变化，即完成了路径清除并初始化了路径，参数Pos6＝0、Value6＝0；若“路径清除指令”无阶跃发生，则参数Pos6＝m1、Value6＝m5；然后将参数Pos6赋值给“限速点位置值”信号，其代表地图标记的限速点距离路径起点的距离信息，将参数Value6赋值给“限速值”信号，其代表地图标记的限速点的具体限速值信息；接着继续将“限速点位置值”定义为m7，将“限速值”定义为m8，计算m7的最小值和m7的最大值，组成区间[min(m7)max(m7)]，然后判断m8是否属于计算的区间[min(m7)max(m7)]，如果m8不属于计算的区间[min(m7)max(m7)]并且m8小于min(m7)，则将“当前位置值”u6赋值成min(m7)；如果m8大于max(m7)，则将“当前位置值”u6赋值成max(m7)；然后采用线性插值的方式查询高精度地图数据包，通过“当前位置值”u6插值“限速点位置值”m7得到参数Pos7，继续通过插值得到的参数Pos7查表“限速值”m8得到参数Value7，进一步将Val ue7参数转化成单位为千米每小时的限速值Limit，最后将限速值Limit赋值给“当前限速值”信号；其中Value7取值范围为0至31之间的整数，当Value7为0时，输出Limit为维持上一时刻的限速值不变；当Value7为31时，输出Limit为23km/h；当Value7为1至30之间的整数时，输出Limit为五倍的输入值；

五、解析当前交通场景信息：

所述当前交通场景的解析过程中，输入信号为“交通场景位置初值”t1、“路径清除指令”u3、“交通场景初值”t5、“当前位置值”u6，输出信号为“当前交通场景”信号；

当前交通场景的解析算法具体过程为：首先判断“交通场景位置初值”t1是否不等于0且“交通场景位置初值”t1不等于上一时刻的“交通场景位置初值”t2值，若条件不成立，表示地图数据出现异常，信号需要重新初始化，参数Pos8＝0；如果条件成立，则地图数据无异常，则继续进行判断“路径清除指令”u3是否与上一时刻的“路径清除指令”u4存在上升沿阶跃变化，若“路径清除指令”存在上升沿阶跃变化，即完成了路径清除并初始化了路径，参数Pos8＝0、Type8＝0；若“路径清除指令”无阶跃发生，则参数Pos8＝t1、Type8＝t5；然后将参数Pos8赋值给“交通场景点位置值”信号，其代表地图标记的交通场景点距离路径起点的距离信息；将参数Type8赋值给“交通场景类型”信号，其代表地图标记的交通场景点的具体交通场景类型信息；接着继续将“交通场景点位置值”定义为t7，将“交通场景类型”定义为t8，计算t7的最小值、最大值，组成区间[min(t7)max(t7)]，然后判断t8是否属于计算的区间[min(t7)max(t7)]，如果没有并且t8小于min(t7)，则将“当前位置值”u6赋值成min(t7)，如果t8大于max(t7)，则将“当前位置值”u6赋值成max(t7)；然后采用线性插值的方式查询高精度地图数据包，通过“当前位置值”u6插值“交通场景点位置值”t7得到参数Pos9，继续通过插值得到的参数Pos9查表“交通场景类型”t8得到参数Type9，最后将参数Type9赋值给“当前交通场景”信号；

S3：根据车辆当前位置的定位信息，通过插值的方式去查询高精度地图数据包，解析前方道路信息；

本步骤中，在信号解析处理模块的前方道路信息解析单元中通过前方坡度、前方曲率、前方限速以及前方交通场景相应的解析算法解析对应的前方坡度、前方曲率、前方限速以及前方交通场景信息；

具体过程如下：

一、解析前方坡度信息：

所述前方坡度的解析过程中，输入信号为“坡度点位置值”v7、“当前位置值”u6和“坡度值”v8，输出信号为“预测域坡度点位置值”信号和“预测域坡度值”；

前方坡度的解析算法具体过程为：首先定义两个中间参量，分别为预设坡度距离参数D1和单位坡度距离参数i1，如果i1小于D1，则通过u6+i1大小的值去插值“坡度点位置值”v7得参数Pos10，再通过参数Pos10的值查表“坡度值”v8得参数Value10，然后将数组F1的第i1个位置赋值成Pos11，将数组E1的第i1个位置赋值成Value11，在参量i1自身加1之后，返回到之前的判断条件中重新判断i1是否小于D1；重复以上循环，当判断条件不成立，即i1不小于D1时，跳离循环，将“当前位置值”u6赋值给“预测域坡度点位置值”信号，将“坡度值”v8赋值给“预测域坡度值”信号；

二、解析前方曲率信息：

所述前方曲率的解析过程中，输入信号为“曲率点位置值”s7、“当前位置值”u6和“曲率值”s8；输出信号为“预测域曲率点位置值”和“预测域曲率值”信号；

前方曲率的解析算法具体过程为：首先定义两个中间参量，分别为预设曲率距离参数D2和单位曲率距离参数i2，如果i2小于D2，则通过u6+i2大小的值去插值s7得参数Pos12，再通过参数Pos12的值查表“曲率值”s8得参数Valu e12，然后将数组F1的第i2个位置赋值成Pos13，将数组E2的第i2个位置赋值成Value13，在参量i2自身加1之后，返回到之前的判断条件中重新判断i2是否小于D2；重复以上循环，当判断条件不成立，即i2不小于D2时，跳离循环，将“当前位置值”u6赋值给“预测域曲率点位置值”信号，将“曲率值”s8赋值给“预测域曲率值”信号；

三、解析前方限速信息：

所述前方限速的解析过程中，输入信号为“限速点位置值”m7、“当前位置值”u6和“限速值”m8；输出信号为“预测域限速点位置值”和“预测域限速值”信号；

前方限速的解析算法具体过程为：首先定义两个中间参量，分别为预设限速距离参数D3和单位限速距离参数i3，如果i3小于D3，则通过u6+i3大小的值去插值m7得参数Pos14，再通过参数Pos14的值查表“限速值”m8得参数Valu e14，然后将数组F1的第i3个位置赋值成Pos15，将数组E3的第i3个位置赋值成Value15，在参量i3自身加1之后，返回到之前的判断条件中重新判断i3是否小于D3；重复以上循环，当判断条件不成立，即i3不小于D3时，跳离循环，将“当前位置值”u6赋值给“预测域限速点位置值”信号，将“当前位置值”u6赋值给“预测域限速值”信号；

四、解析前方交通场景信息：

所述前方交通场景的解析过程中，输入信号为“交通场景点位置值”t7、“当前位置值”u6、和“交通场景类型”t8，输出信号为“预测域交通场景点位置值”和“预测域交通场景类型”信号；

前方交通场景的解析算法具体过程为：首先定义两个中间参量，分别为预设交通场景距离参数D4和单位交通场景距离参数i4，如果i4小于D4，则通过u6+i4大小的值去插值t7得参数Pos16，再通过参数Pos16的值查表t8得参数Ty pe16，然后将数组F1的第i4个位置赋值成Pos17，将数组E4的第i4个位置赋值成Type17，在参量i4自身加1之后，返回到之前的判断条件中重新判断i4是否小于D4；重复以上循环，当判断条件不成立，即i4不小于D4时，跳离循环，将“当前位置值”u6赋值给“预测域交通场景点位置值”信号，将“交通场景类型”t8赋值给“预测域交通场景类型”信号；

S4：根据解析得到的当前道路信息和前方道路信息约束车辆速度；

本步骤中，在信号解析处理模块的速度单元中通过根据前方曲率、前方限速和前方交通场景信息约束车辆速度的解析算法获得相应的带预测的弯道限速、带预测的道路限速和带预测的场景限速信息；

具体过程如下：

一、解析获得带预测的弯道限速：

根据前方曲率信息约束车辆速度的过程中，输入信号为“曲率点位置值”s7、“当前位置值”u6和“曲率值”s8，输出信号为“带预测的弯道限速”，“当前位置值”u6赋值Position1，在Position1的基础上加N代表将此刻的位置先前挪了N米，并将“当前位置值”u6赋值成Position1+N；

根据前方曲率信息约束车辆速度的算法具体过程为：首先计算“曲率点位置值”s7的最大值max(s7)和最小值min(s7)，并判断“当前位置值”u6是否位于区间[min(s7)max(s7)]内，如果“当前位置值”u6小于“曲率点位置值”s7的最小值min(s7)，则令“当前位置值”u6等于“曲率点位置值”s7的最小值min(s7)；同样，如果“当前位置值”u6大于“曲率点位置值”s7的最大值max(s7)，则令“当前位置值”u6等于“曲率点位置值”s7的最大值max(s7)；若“当前位置值”u6恰好位于区间[min(s7)max(s7)]内，则用“当前位置值”u6去插值“曲率点位置值”s7，找到车辆“当前位置值”u6位置时所对应的在“曲率点位置值”s7中的位置Pos18，然后利用Pos18查表“曲率值”s8，即可得到“曲率点位置值”s7位置处道路的曲率值Value18；接下来对Value18进行筛选，设定Value18在以特定区间内所允许最高车速Limit为相应的设定值，最后将Lim it赋值给输出量“预测位置弯道允许车速”；同样的方法，只是改变“曲率点位置值”s7赋值，获得若干个“预测位置弯道允许车速”值；最后将上述若干个“预测位置弯道允许车速”值取最小值，即为“带预测的弯道限速”信号；

二、解析获得带预测的道路限速：

根据前方限速信息约束车辆速度的过程中，输入信号为“限速点位置值”m7、“当前位置值”u6和“限速值”m8，输出信号为“带预测的道路限速”，“当前位置值”u6赋值Position2，在Position2的基础上加N2代表将此刻的位置先前挪了N2米，并将“当前位置值”u6赋值成Position2+N2；

根据前方限速信息约束车辆速度的算法具体过程为：首先计算“限速点位置值”m7的最大值max(m7)和最小值min(m7)，并判断“当前位置值”u6是否位于区间[min(m7)max(m7)]内,如果“当前位置值”u6小于“限速点位置值”m7的最小值min(m7)，则令“当前位置值”u6等于min(m7)；同样，如果“当前位置值”u6大于“限速点位置值”m7的最大值max(m7)，则令“当前位置值”u6等于max(m7)；若u6恰好位于区间[min(m7)max(m7)]内，则用“当前位置值”u6去插值“限速点位置值”m7，找到车辆“当前位置值”u6位置时所对应的在“限速点位置值”m7中的位置Pos19，然后利用Pos19查表“限速值”m8，即可得到“限速点位置值”m7位置处道路的限速值Value19，接下来对Value19进行筛选，将没有量纲的参数Value19转化成单位为千米每小时的限速值Limit；最后将Limit赋值给输出量“预测位置道路限速”；同样的方法，只是改变“当前位置值”u6赋值对应预测前方预测域内的限速车速，获得若干“预测位置道路限速”值，最后将上述若干“预测位置道路限速”值取最小值，即为“带预测的道路限速”信号；

三、解析获得带预测的交通场景限速：

根据前方限速信息约束车辆速度的过程中，输入信号为“交通场景点位置值”t7、“当前位置值”u6和“交通场景类型”t8，输出信号为“带预测的场景限速”，“当前位置值”u6赋值Position3，在Position3的基础上加N代表将此刻的位置先前挪了N3米，并将“当前位置值”u6赋值成Position3+N3；

根据前方交通场景信息约束车辆速度的算法具体过程为：首先计算“交通场景点位置值”t7的最大值max(t7)和最小值min(t7)，并判断“当前位置值”u6是否位于区间[min(t7)max(t7)]内，如果“当前位置值”u6小于“交通场景点位置值”t7的最小值min(t7)，则令“当前位置值”u6等于min(t7)；同样，如果“当前位置值”u6大于“交通场景点位置值”t7的最大值max(t7)，则令“当前位置值”u6等于max(t7)；若u6恰好位于区间[min(t7)max(t7)]内，则用“当前位置值”u6去插值“交通场景点位置值”t7，找到车辆“当前位置值”u6位置时所对应的在“交通场景点位置值”t7中的位置Pos20，然后利用Pos20查表“交通场景类型”t8，即可得到“交通场景类型点位置值”t7位置处道路的交通场景类型Type20；接下来对Type20进行筛选，如果Type20等于某特定值，则允许最高车速Limit为相应的设定值一；否则Limit等于相应的设定值二；最后将Limit赋值给输出量“预测位置场景允许车速”；同样的方法，只是改变“当前位置值”u6赋值，对应预测前方预测域内的交通场景允许车速，获得若干“预测位置场景允许车速”值；最后将上述若干“预测位置场景允许车速”值取最小值，即可得到“带预测的场景限速”信号；

S5：智能车辆状态监视与故障管理；

本步骤中，在车辆状态监视与故障管理模块中进行包括地图有效性信息的处理和地图有效性的逻辑判断过程在内的地图有效性的解析过程，获得地图有效性信息；

S6：提取并输出解析数据及速度约束；

本步骤中，通过信号解析处理模块的速度约束单元将步骤S4中获得的“带预测的弯道限速”、“带预测的道路限速”和“带预测的场景限速”取最小值，作为“当前允许的最大速度”，并通过信号提取单元将步骤S2中解析得到的“当前位置”、“当前坡度”、“当前曲率”、“当前限速”和“当前交通场景类型”，步骤S3中解析得到的“预测域坡度点位置值”和“预测域坡度值”,本步骤得到的“当前允许的最大速度”，以及步骤S5中解析得到的“地图有效性”信息提取出来，并将上述提取出来的信号通过CAN通讯信号发送模块发送到CAN总线。

2.如权利要求1所述面向智能车辆速度节能规划的高精度地图信息预解析方法，其特征在于：

所述步骤S5中，获得地图有效性信息的具体过程如下：

所述地图有效性的解析过程为：输入信号为“地图可信度”r1；输出信号为“GPS信号有效性”信号；其中，在“地图可信度”的定义中，取值0表示信号差，取值1表示信号一般，取值2表示信号良好，取值3表示信号非常好；“地图可信度”r1如果小于等于3且大于2，则将数值3赋值给输出信号“GPS信号有效性”；“地图可信度”r1如果小于等于2且大于1，将数值2赋值给输出信号“GPS信号有效性”；“地图可信度”r1如果小于等于1且大于0，将数值1赋值给输出信号“GPS信号有效性”；然而，如果信号r1等于0，则将输出信号“GPS信号有效性”维持上一时刻的数值不发生变化；

地图有效性的逻辑判断过程为：输入信号为“GPS信号有效性”GPS_valid、“路径清除指令”u3和“当前位置值”u6；输出信号为“地图有效性”信号；当逻辑判断的起点是“关闭”状态，此状态下flag为0，接着，当信号“路径清除指令”u3等于2时，进入“挂起”状态，此状态下flag也为0，接着，如果信号“当前位置值”u6大于100，则进入“打开”状态，此状态的flag为1；接着，如果信号“路径清除指令”u3由2变为1，则状态由“打开”进入“关闭”状态；当在“打开”状态下，信号“GPS信号有性”GPS_valid等于0或1时，状态由“打开”进入“挂起”状态；接着，当信号GPS_valid等于2或3，状态会由“挂起”状态再次进入“打开”状态，在上述过程中信号flag时刻输出给信号“地图有效性”，并且flag等于1表示地图有效,已使用；flag等于0表示地图无效，不能使用。

Images