CN111341093B - 车队的控制方法、装置、设备及存储介质 - Google Patents

车队的控制方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN111341093B
CN111341093B CN202010144830.7A CN202010144830A CN111341093B CN 111341093 B CN111341093 B CN 111341093B CN 202010144830 A CN202010144830 A CN 202010144830A CN 111341093 B CN111341093 B CN 111341093B
Authority
CN
China
Prior art keywords
information
vehicles
vehicle
time period
road
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.)
Active
Application number
CN202010144830.7A
Other languages
English (en)
Other versions
CN111341093A (zh
Inventor
侯琛
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.)
Tencent Technology Shenzhen Co Ltd
Original Assignee
Tencent Technology Shenzhen Co Ltd
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 Tencent Technology Shenzhen Co Ltd filed Critical Tencent Technology Shenzhen Co Ltd
Priority to CN202010144830.7A priority Critical patent/CN111341093B/zh
Publication of CN111341093A publication Critical patent/CN111341093A/zh
Application granted granted Critical
Publication of CN111341093B publication Critical patent/CN111341093B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/20—Monitoring the location of vehicles belonging to a group, e.g. fleet of vehicles, countable or determined number of vehicles
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
    • G08G1/012—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from other sources than vehicle or roadside beacons, e.g. mobile networks
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/22—Platooning, i.e. convoy of communicating vehicles
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
    • H04W4/44—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for communication between vehicles and infrastructures, e.g. vehicle-to-cloud [V2C] or vehicle-to-home [V2H]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
    • H04W4/46—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for vehicle-to-vehicle communication [V2V]

Abstract

本申请公开了一种车队的控制方法、装置、设备及存储介质，涉及智能车路协同领域。上述方法包括：获取下个时间段内所需路况信息的信息类型；获取下个时间段内信息类型对应的可用资源，可用资源是用于采集与传输路况信息的资源；基于可用资源确定出下个时间段内车队中车辆的可容纳数量；根据可容纳数量从候选车辆中确定出用于采集路况信息的目标车辆，将目标车辆作为车队在下个时间段内的成员车辆。该方法通过在当前时间段预测出下个时间段内车队中可容纳的成员车辆，从当前时间段过渡到下个时间段时，能够实现对成员车辆的及时调整，快速开始对所需路况信息的采集及传输，减少了路况信息采集及传输的延时。

Description

车队的控制方法、装置、设备及存储介质
技术领域
本申请涉及智能车路协同领域，特别涉及一种车队的控制方法、装置、设备及存储介质。
背景技术
智能车路协同是智能交通系统中的重点发展方向，用以全方位实施车车、车路之间的实时信息交互。
不同的车辆上可以安装有不同的车载感知装置，其中，不同的车载感知装置用于采集不同类型的路况信息，进一步地，在车辆行驶过程中，车车之间可以通过无线通信实现实时信息交互，共享采集得到的路况信息。假设在目标时间段内需要采集m种路况信息，可以组建车队，其中，第1,2,3,…,m辆车上安装有采集路况信息I1,I2,…,Im的车载感知装置，从而实现路况信息在车车之间的共享，辅助车队安全行驶。
上述车队是基于对路况信息的需求组建的，但是，并未考虑到实际中通信资源是有限的问题。
发明内容
本申请实施例提供了一种车队的控制方法、装置、设备及存储介质，基于可用资源所支持的车辆数量，提前确定下一个时间段内车队的成员车辆，能够有效的减少从当前时间段过渡到下一个时间段时对路况信息的感知以及传输的延时。所述技术方案如下：
根据本申请的一个方面，提供了一种车队的控制方法，应用于车队控制设备中，该方法包括：
获取下个时间段内所需路况信息的信息类型；
获取下个时间段内信息类型对应的可用资源，可用资源是用于采集与传输路况信息的资源；
基于可用资源确定出下个时间段内车队中车辆的可容纳数量；
根据可容纳数量从候选车辆中确定出用于采集路况信息的目标车辆，将目标车辆作为车队在下个时间段内的成员车辆。
根据本申请的另一方面，提供了一种车队的控制装置，该装置包括：
获取模块，用于获取下个时间段内所需路况信息的信息类型；
获取模块，用于获取下个时间段内信息类型对应的可用资源，可用资源是用于采集与传输路况信息的资源；
确定模块，用于基于可用资源确定出下个时间段内车队中车辆的可容纳数量；
确定模块，用于根据可容纳数量从候选车辆中确定出用于采集路况信息的目标车辆，将目标车辆作为车队在下个时间段内的成员车辆。
根据本申请的另一方面，提供了一种车队控制设备，该车队控制设备包括：
存储器；
与存储器相连的处理器；
其中，处理器被配置为加载并执行可执行指令以实现如上一个方面及其可选实施例所述的车队的控制方法。
根据本申请的另一方面，提供了一种计算机可读存储介质，上述计算机可读存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，上述至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行以实现如上一个方面及其可选实施例所述的车队的控制方法。
本申请实施例提供的技术方案带来的有益效果至少包括：
通过在当前时间段获取下个时间段所需路况信息的信息类型，继而获取下个时间段内上述信息类型对应的可用资源，根据上述可用资源确定出下个时间段内车队中车辆的可容纳数量，从而根据可容纳数量从候选车辆中确定出用于采集路况信息的目标车辆，将目标车辆作为车队在下个时间段内的成员车辆，也就是说，在当前时间段已经预测出下个时间段内车队中可容纳的成员车辆，从当前时间段过渡到下个时间段时，能够实现对成员车辆的及时调整，快速开始对所需路况信息的采集及传输，减少了路况信息采集及传输的延时。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本申请一个示例性实施例提供的车路协同系统的结构示意图；
图2是本申请另一个示例性实施例提供的车路协同系统的结构示意图；
图3是本申请另一个示例性实施例提供的车路协同系统的结构示意图；
图4是本申请一个示例性实施例提供的车队的控制方法的流程图；
图5是本申请另一个示例性实施例提供的车队的控制方法的流程图；
图6是本申请另一个示例性实施例提供的车队的控制方法的流程图；
图7是本申请另一个示例性实施例提供的车队的控制方法的流程图；
图8是本申请另一个示例性实施例提供的车路协同系统的结构示意图；
图9是本申请一个示例性实施例提供的车队的控制装置的框图；
图10是本申请一个示例性实施例提供的服务器的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请实施方式作进一步地详细描述。
对本申请中涉及的名词进行解释如下：
智能交通系统(Intelligent Traffic System，ITS)：又称智能运输系统(Intelligent Transportation System)，是将先进的科学技术(信息技术、计算机技术、数据通信技术、传感器技术、电子控制技术、自动控制理论、运筹学、人工智能等)有效地综合运用于交通运输、服务控制和车辆制造，加强车辆、道路、使用者三者之间的联系，从而形成一种保障安全、提高效率、改善环境、节约能源的综合运输系统。
智能车路协同系统(Intelligent Vehicle Infrastructure CooperativeSystems，IVICS)：简称车路协同系统，是智能交通系统(ITS)的一个发展方向。车路协同系统是采用先进的无线通信和新一代互联网等技术，全方位实施车车、车路动态实时信息交互，并在全时空动态交通信息采集与融合的基础上开展车辆主动安全控制和道路协同管理，充分实现人车路的有效协同，保证交通安全，提高通行效率，从而形成的安全、高效和环保的道路交通系统。
车队控制设备：是指为车辆和/或车队提供辅助安全驾驶服务的设备。在本申请中，该车队控制设备能够控制车队中成员车辆的进入或者离开；还能够接收车辆发送的路况信息，以及向其它车辆下发路况信息等。示例性的，该车队控制设备可以是云服务器，该车队控制设备可以设置在车路协同系统中。
路况信息：是指道路的路基、路面、构造物及附属设施等状况的信息；在行车过程中，路况还包括天气、障碍物、车流量等状况的信息。比如，路况信息可以包括能见度、障碍物信息等。上述不同的路况信息被定义为不同信息类型的路况信息，比如，能见度与障碍物信息即为两种信息类型不同的路况信息。
其中，车辆上可以设置有车载感知装置，该车载感知装置用于采集路况信息；不同类型的车载感知装置用于采集不同类型的路况信息。比如，温湿度传感器用于采集车辆驾驶时所需要的温湿度信息；能见度传感器用于采集行驶道路上的能见度；障碍物检测装置用于检测道路上存在的障碍物。
本申请中提供的方法可以应用于车联网、智能交通系统、车路协同系统、安全辅助驾驶系统等物联网系统中。本申请提供的方法还可以应用于汽车云、车联网、车路协同、安全辅助驾驶、自动驾驶等产品中，特别涉及对采集、传输路况信息有延时要求的车队控制的车路协同、安全辅助驾驶等产品。示例性的，本申请以下提供的示例性实施例以应用于车路协同系统中为例。
请参考图1，示出了一种车路协同系统。在车路协同系统1000中有管理平台、车辆、其他平台或设备。车路协同系统中的平台、车辆或设备通过V2X(Vehicle To Everything，车辆连接一切)服务平台进行信息交互。
其中，管理平台用于控制车路协同系统中的其他平台或设备完成任务。示例性的，车路协同系统中的平台可以包括服务器、应用程序、计算机系统中的至少一个。示例性的，管理平台是车路协同系统的控制中心，管理平台具有管理车路协同系统中的信息、为车辆/其他平台/设备分配任务、调度车路协同系统的资源、协调车路协同系统工作、以及调度车队中车辆中的至少一种功能。示例性的，管理平台可以是如图1所示的交通管理平台101。示例性的，交通管理平台具有车辆驾驶管理、车辆违法监控、信号控制等功能。示例性的，交通管理平台包括车队控制设备，车队控制设备调度车队中车辆，调整车队中成员车辆的组成成分，以合理的分配资源，有效的减小路况信息的采集以及传输的延时。交通管理平台还可以向车辆提供车路协同系统的系统信息，系统信息包括：车队中车辆信息、车辆任务信息、车辆性能信息、任务处理时间中的至少一个。
车辆是车路协同系统中任务的执行者。可选地，任务包括采集、传输路况信息。可选地，不同的车辆上安装有不同类型的车载感知装置，不同类型的车载感知装置用于采集不同类型的路况信息。可选地，一个车辆上安装有至少一个类型的车载感知装置，一个车辆被分配采集至少一个类型的路况信息。示例性的，车队中一个车辆可以被分配采集一个类型的路况信息，以通过路况信息辅助车队行驶。示例性的，路况信息可以包括温湿度信息、障碍物信息、能见度信息等。示例性的，车辆还包括其它车载设备，例如，如图1所示，车辆102包括：车1021、仪表1022、车载导航、车载雷达、手机1023、计算机等。
其他平台或设备是车路协同系统中除管理平台和车辆外的平台或设备。示例性的，其他平台或设备可以协助车辆完成管理平台分配的任务。示例性的，其他平台或设备可以向管理平台申请生成新的任务。示例性的，其他平台或设备可以为车路协同系统提供车路信息。示例性的，其他平台或设备可以是如图1所示的智慧出行服务平台103或/和路侧智能感知节点104。
智慧出行服务平台包括终端上安装的应用程序，终端可以是手机、车载导航、平板、电脑或其他计算机设备。示例性的，智慧出行服务平台可以连接互联网，为车路协同系统提供互联网信息，互联网信息包括：天气情况、地图导航、实时路况、道路拥堵情况中的至少一个。示例性的，智慧出行服务平台用于车辆完成为车辆驾驶员提供非即时服务的任务，非即时服务是不需要立即享有的服务，例如，车辆用智慧出行服务平台完成为车辆驾驶员在下午三点提供天气预报的任务。示例性的，智慧出行服务平台与车辆间的信息交互可以不通过V2X服务平台进行，例如，智慧出行服务平台与手机的信息交互可以通过互联网进行。
路侧智能感知节点用于车辆完成感知系统所在区域周围环境的任务。示例性的，路侧智能感知节点是具有感知功能的装置。示例性的，路侧智能感知节点是安装在道路侧的感应装置。例如，路测智能感知节点是监控摄像、路测雷达、路测感知单元、压力感应器、温度感应器等。示例性的，路测智能感知节点可以为车路协同系统提供路况信息。路况信息包括信号灯实时状态信息、交通标志、车距信息、道路视频信息、车辆图片、车辆号牌、车辆行驶状态、路况实时信息中的至少一个。例如，路况信息可以是交通标志：限速标志、指示标志；车辆号牌：根据监控摄像识别车辆号牌；车辆行驶状态：某辆车以1千米每小时的速度由东向西行驶；路况实时信息：某路段车辆数量过多、行驶速度过慢，是拥堵路段。
V2X服务平台连接车路协同系统中不同平台/设备/车辆，进行信息交互。示例性的，车路协同系统中的不同平台所使用的通信协议不同。V2X服务平台为车路协同系统提供了一个通用的通信协议。示例性的，V2X服务平台是一种通信协议转换器，或，V2X服务平台一种通信协议转换算法。示例性的，V2X服务平台可以称为V2X协议或V2X格式，车路协同系统中的一个平台/设备/车辆将需要传输的信息，转换成V2X协议或V2X格式后，传送给另一个平台/设备/车辆。
示例性的，如图2所示为车路协同系统的一个应用场景，在某个十字路口，有车辆A、车辆B、车辆C、监控摄像D、监控摄像E。监控摄像可以获取十字路口的实时画面，识别车辆A、车辆B、车辆C的车牌；识别信号灯状态；识别路人F、路人G。车辆上装有的雷达感应装置，可以获取车辆A、车辆B、车辆C之间的车距。车辆和监控摄像、车辆和车辆之间可以通过V2X进行信息传输，车辆、监控摄像可以通过V2X将信息上传至管理平台或接受管理平台发送的信息。
示例性的，如图3所示为车路协同系统的另一个应用场景，在某一个路段内有车队行驶；在时间段1内，车队中成员车辆包括车辆A、车辆B、车辆C、车辆D、车辆E、以及车辆F，还通过上述六辆成员车辆采集并向云服务器上报路况信息。在云端服务器中执行本申请提供的车队的控制方法，以对车队中成员车辆进行调整，在时间段2时，车队中成员车辆调整为车辆C、车辆D、车辆E、以及车辆F，通过车辆C、车辆D、车辆E、以及车辆F来采集在时间段2内所需路况信息，并将采集得到的路况信息上报中云服务器。
示例性的，车路协同系统中还可以连接具有其他功能的平台、系统、装置、设备。示例性的，能够与车路协同系统进行信息交互的平台、系统、装置、设备都属于该车路协同系统。
示例性的，车路协同系统中的不同平台可以是是采用相同或不同的编程语言搭建的软件平台。例如，用C语言编写实现智能感知节点的控制程序、用C#语言实现交通管理平台的控制程序，用Python语言实现智慧出现服务平台控制程序，用Java语言调用安卓程序、微信小程序在车载电脑上实现车载系统自检程序。示例性的，各个程序之间不存在依赖关系。
请参考图4，示出了本申请一个示例性实施例提供的车队的控制方法的流程图，该方法应用于如图1所示车路协同系统中的车队控制设备中，该方法包括：
步骤201，获取下个时间段内所需路况信息的信息类型。
车队中的成员车辆采用“分工协作，并发进行”的方式进行路况信息的感知与传输，以实现车路协同；其中，每一个成员车辆上安装有至少一类车载感知装置，每一类车载感知装置对应感知一类路况信息。
车队在不同时间段内经过不同路段，每一个路段内路况信息不同，因此，车队在不同时间段内需要感知的路况信息的信息类型可能不同。为了能够在下个时间段内及时的感知到路况信息，需要提前确定出在下个时间段内车队中的成员车辆，首先，车队控制设备获取下个时间段内所需路况信息的信息类型。
可选地，车队控制设备中设置有路段与所需路况信息的信息类型的对应关系；车队控制设备根据下个时间段、当前路段与当前车速确定出车队行驶的下个路段；从路段与信息类型的对应关系中查找得到与下个路段所需路况信息的信息类型，即下个时间段内所需路况信息的信息类型。
可选地，车队控制设备中设置有所需路况信息的信息类型的预测模型；车队控制设备获取车队的历史行驶信息，将上述历史行驶信息输入预测模型，预测得到下个时间段内所需路况信息的信息类型。示例性的，上述历史行驶信息包括车队在每个时间段驶过的路段、采集的历史路况信息的信息类型等。
可选地，该预测模型是由神经网络模型训练得到的；可选地，该神经网络模型包括循环神经网络(Recurrent Neural Networks，RNN)模型、长短期记忆(Long Short TermMemory，LSTM)模型、以及卷积神经网络(Convolution Neural Networks，CNN)模型中的至少一种，本申请中对神经网络模型的种类不加以限定。
步骤202，获取下个时间段内信息类型对应的可用资源。
上述可用资源是用于采集与传输路况信息的资源。可选地，上述可用资源包括用于传输路况信息的通信资源。针对上述通信资源，不同信息类型的路况信息分配使用不同类型的通信资源，比如，能见度信息与障碍物信息被分配使用带宽不同的通信资源。
存在两个不同时间段内分配车队使用的可用资源的类型和/或资源量不同，因此，车队控制设备获取下个时间段内信息类型对应的可用资源。
步骤203，基于可用资源确定出下个时间段内车队中车辆的可容纳数量。
上述可用资源支持车队中成员车辆对路况信息的采集及传输，由于可用资源的资源量有限，因此，在一个时间段内可用资源支持的车辆数量也有限；车队控制设备确定出在下个时间段内可用资源支持的车辆数量，即为下个时间段内车队中车辆的可容纳数量。
步骤204，根据可容纳数量从候选车辆中确定出用于采集路况信息的目标车辆，将目标车辆作为车队在下个时间段内的成员车辆。
候选车辆包括车队在当前时间段内的成员车辆。可选地，候选车辆还包括与车队之间间隔预设距离的车辆；比如，车队周围1公里内的车辆均作为候选车辆。
上述可容纳数量通过r来表示，车队控制设备从候选车辆中确定出r个目标车辆，其中，上述r个目标车辆能够协作采集所需路况信息；将上述r个目标车辆作为车队在下个时间段内的成员车辆。
需要说明的是，可用资源还可以包括电能与油中的至少一种；车辆向车队控制设备上报自身储备的电能量与油量中的至少一种，车队控制设备还根据电能量与油量中的至少一种确定出车辆支持路况信息采集与传输的时间，即确定车辆储备的电能量与油量中的至少一种是否能够支持在下一个时间段内路况信息的采集与传输；进而确定出在下一个时间段内该车辆是否能够作为成员车辆，即从候选车辆中确定出候选成员车辆；再根据可容纳数量从候选成员车辆中确定出成员车辆。
综上所述，本实施例提供的车队的控制方法，通过在当前时间段获取下个时间段所需路况信息的信息类型，继而获取下个时间段内上述信息类型对应的可用资源，根据上述可用资源确定出下个时间段内车队中车辆的可容纳数量，从而根据可容纳数量从候选车辆中确定出用于采集路况信息的目标车辆，将目标车辆作为车队在下个时间段内的成员车辆，也就是说，在当前时间段已经预测出下个时间段内车队中可容纳的成员车辆，从当前时间段过渡到下个时间段时，能够实现对成员车辆的及时调整，快速开始对所需路况信息的采集及传输，减少了路况信息采集及传输的延时。
基于图4，由于为车队提供的可用资源的资源总量有限，需要控制车队中成员车辆的数量，因此，在调整车队中成员车辆的过程中，首先需要确定出车队在下个时间段内的可容纳数量，示例性的，可以包括以下两种方式：
一、基于可用资源的资源总量与车辆对可用资源的资源消耗量，计算下个时间段内车队中成员车辆的可容纳数量；
二、基于设置的可用资源与可容纳数量之间的对应关系，查找与下个时间段可用资源对应的车队中成员车辆的可容纳数量。
对于上述第一种方式，图4中步骤203可以包括步骤2031至步骤2033，如图5，示意性步骤如下：
步骤2031，获取可用资源的资源总量。
可选地，在下个时间段内车队需要采集及传输n个信息类型的路况信息，n个信息类型对应n类可用资源；车队控制设备获取n类可用资源中每一类可用资源的资源总量，n为正整数。
可选地，不同时间段内分配至车队的第i类可用资源的资源总量不同；可选地，车队控制设备获取第i类可用资源在下个时间段的资源总量，i为正整数。
步骤2032，获取每个候选车辆对可用资源的资源消耗量。
可选地，候选车辆对不同类型的可用资源的资源消耗量不同，车队控制设备获取与可用资源的类型对应的每个候选车辆的资源消耗量。
可选地，不同类型的候选车辆对同一类型的可用资源的资源消耗量相同，且同一类型的候选车辆对不同类型的可用资源的资源消耗量不同；车队控制设备基于可用资源的类型，获取每个候选车辆对应的平均资源消耗量。
可选地，不同类型的候选车辆对同一类型的可用资源的资源消耗量不同，且同一类型的候选车辆对不同类型的可用资源的资源消耗量不同；车队控制设备基于候选车辆的类型与可用资源的类型，获取每个候选车辆对应的资源消耗量。
可选地，不同类型的候选车辆对第一类型的可用资源的资源消耗量相同，对第二类型的可用资源的资源消耗量不同，且同一类型的候选车辆对不同类型的可用资源的资源消耗量不同，其中，第一类型与第二类型不同；车队控制设备基于候选车辆的类型与可用资源的类型，获取每个候选车辆对应的资源消耗量。示例性的，车队控制设备确定可用资源的类型为第一类型，则基于可用资源的类型，获取每个候选车辆的平均资源消耗量；车队控制设备确定可用资源的类型为第二类型，则基于可用资源的类型与候选车辆的类型，获取每个候选车辆的资源消耗量。
步骤2033，根据资源总量与资源消耗量确定出可容纳数量。
可选地，在下个时间段内车队需要采集及传输n个信息类型的路况信息，n个信息类型对应n类可用资源；基于n类可用资源所支持的车辆数目，得到n个候选车辆数目；将n个候选车辆数目中的最小值确定为可容纳数量。
示例性的，若不同类型的候选车辆对同一类型的可用资源的资源消耗量相同，则计算第i类可用资源的资源总量与对应的平均资源消耗量的商值，并对上述商值取整得到第i类可用资源所支持的车辆数目，即候选车辆数目。
对于上述第二种方式，图4中步骤203可以包括步骤2034，如图6，示意性步骤如下：
步骤2034，从对应关系中查找得到下个时间段与可用资源对应的可容纳数量。
在车队控制设备中存储有时间段、可用资源与可容纳数量三者的对应关系。示例性的，默认每个时间段内第i类可用资源的资源总量不变，且不同类型的候选车辆对第i类可用资源的资源消耗量相同，则上述对应关系中第i类可用资源在第j个时间段的可容纳数量是取资源总量与资源消耗量的商值中整数，i、j均为正整数。
可选地，在下个时间段内车队需要采集及传输n个信息类型的路况信息，n个信息类型对应n类可用资源；则车队控制设备从对应关系中查找n类可用资源中每一类可用资源在下个时间段的可容纳数量，得到n个候选可容纳数量；将n个候选可容纳数量中的最小值确定为车队在下个时间段内成员车辆的可容纳数量。
综上所述，本实施例提供的车队的控制方法，基于上述两种方式，来确定车队在下个时间段内成员车辆的可容纳数量，充分地考虑了资源有限的问题，避免了车队内成员车辆因资源限制而使得采集及传输路况信息延时。
在理论上，一辆车上可以安装多个类型的车载感知设备，比如，在一辆车上同时安装有温湿度传感器、能见度传感器、障碍物检测装置；但是，在实际中，一辆车上安装的车载感知装置越多，车辆的感知任务越重，带来的感知延时或传输延时越大，感知到的信息实时性下降。因此，对于一个车队，可采用“分工协作，并发进行”的方式，即在不同的成员车辆上安装不同的车载感知装置，不同的车辆负责感知不同的路况信息。
在不同路况环境中需要感知及传输的路况信息的信息类型不同，或者不同路况环境中不同类型的路况信息重要性发生变化，而由于每一辆车上的车载感知装置有限，且车队规模受可用资源的资源量的限制，车队中的成员车辆需要不断的调整，即选择让需要的车辆待在或者进入车队中，并停止对不需要的车辆的资源供应。示例性的，对基于路况信息的重要性来选择成员车辆的过程进行说明，则图4中步骤204可以包括步骤2041至步骤2044，如图7，步骤如下：
步骤2041，获取当前时间段内候选车辆的历史使用次数。
历史使用次数是指通过候选车辆上车载感知装置采集路况信息的次数；其中，一车辆在一个时间段内作为车队的成员车辆使用则记为一次。
示例性的，假设车队的行驶时间由k个连续的时间段组成，分别记为d1,d2,…,dk，k为正整数。其中，上述时间段的数量及时长是预先设置的。若是一个车辆在当前时间段之前的历史使用次数为q，则该车辆在当前时间段的历史使用次数则为q+1，q为大于等于零的整数。
步骤2042，根据信息类型与对应的历史使用次数计算使用参考值。
使用参考值用于指示下个时间段内采集路况信息时候选车辆的重要性。示例性的，在车辆控制设备中设置有时间段、信息类型与参考值三者的对应关系，该参考值表示每个类型的路况信息的重要性，不同的时间段每个类型的路况信息的重要性不同。
从时间段、信息类型与参考值的对应关系中，车队控制设备查找得到下个时间段与信息类型对应的参考值；基于参考值，按照预设规则对历史使用次数进行调整，得到使用参考值，以衡量下个时间段内各类路况信息的实际上的重要程度。
可选地，参考值包括权重，不同的时间段中各类路况信息的分配权重不同；车队控制设备获取信息类型的分配权重；计算分配权重与历史使用次数的乘积，得到历史使用次数的加权值，将上述加权值确定为使用参考值。
示例性的，若dk为当前时间段，则dk内m类路况信息的分配权重分别为w1,w2,…,wm，其中，w1+w2+…+wm＝1；对应的，dk内采集m类路况信息的候选车辆的历史使用次数为P1,P2,…,Pm；则m类路况信息的使用参考值分别为w1*P1,w2*P2,…,wm*Pm。
步骤2043，基于使用参考值从候选车辆中确定出可容纳数量的目标车辆。
可选地，车队控制设备将至少两个候选车辆对应的使用参考值按照由大到小的顺序排列；将位于头部的可容纳数量r个候选车辆确定为目标车辆，r为正整数。
示例性的，将m类路况信息的使用参考值w1*P1,w2*P2,…,wm*Pm按照由大到小的顺序排列，然后将位于前r位的候选车辆确定为目标车辆；若w1*P1,w2*P2,…,wm*Pm本身是按照由大到小的顺序排列的，则w1*P1,w2*P2,…,wr*Pr对应的候选车辆为目标车辆。
可选地，车队控制设备将至少两个候选车辆对应的使用参考值按照由小到大的顺序排列；将位于尾部的r个候选车辆确定为目标车辆。
示例性的，将m类路况信息的使用参考值w1*P1,w2*P2,…,wm*Pm按照由小到大的顺序排列，然后将位于后r位的候选车辆确定为目标车辆；若w1*P1,w2*P2,…,wm*Pm本身是按照由小到大的顺序排列的，则w(m-r+1)*P(m-r+1),w(m-r+2)*P(m-r+2),…,wm*Pm对应的候选车辆为目标车辆。
步骤2044，将目标车辆作为车队在下个时间段内的成员车辆。
示例性的，候选车辆包括车队在当前时间段内的成员车辆；还包括与车队之间间隔预设距离的车辆，即当前时间段不在车队中的车辆；因此，目标车辆可以是车队中原有的成员车辆，也可以是新加入车队的车辆。
需要说明的是，在一种情况下，在第y+1个时间段内有车辆进入车队，同时有车辆离开车队；比如，如图8，在时间段3时，车队中成员车辆包括车辆A、车辆B、车辆C、车辆D、车辆E、以及车辆F，候选车辆包括车辆A、车辆B、车辆C、车辆D、车辆E、车辆F、车辆G、车辆H、车辆I、以及车辆J；在时间段4时，车队调整后，车队中成员车辆包括车辆A、车辆C、车辆F、以及车辆H，其中，车辆B、车辆D、以及车辆E在时间段4时离开车队，车辆H在时间段4时进入车队。
若是在第y+1个时间段内新加入的车辆没有起到作用、且停止资源供给的车辆离开错了，则确定第y个时间段内的预测未命中；反之，则是命中。比如，在第y+1个时间段内增加了5辆车，离开了5辆车，即有10辆车发生变动；若增加的5辆车中3辆在第y+1个时间段内起作用，离开的5辆车有1辆离开错了，那么3辆车的变动是错的，7辆车的变动是正确的，未命中率是30％，命中率是70％。
综上所述，本实施例提供的车队的控制方法，通过各类路况信息的分配权重与对应车辆的历史使用次数来确定下个时间段内候选车辆的优先级，从而预测得出下个时间段所需的车辆，能够减少对路况信息采集及传输的延时，同时通过按照各类路况信息的重要性来确定车队中成员车辆，以保证能够采集得到实际所需的路况信息，进而保证车辆行驶的安全性、稳定性。
该方法中历史使用次数包括了当前时间段的使用次数，充分考虑到了当前时间段内车辆的使用情况，提高了预测结果的准确性。
还需要说明的是，若各个时间段相加的总时长为24小时，给定的通信资源是2G带宽、电能是100度电，基于此种条件统计总加权延时，总加权延时即各个时间段内的传输每一类路况信息的实际延时与用于表示路况信息重要性的分配权重的乘积的和，如表一，显然执行本申请提供的方法得到的延时减少的效果更好，与现有技术相比，减少了61％。
表一
现有技术的总加权延时 本申请的加权总延时 延时减少量
总加权延时 77秒 30秒 61％
请参考图9，示出了本申请一个示例性实施例提供的车队的控制装置的框图，该装置通过软件、硬件或者二者的结合实现成为服务器的部分或者全部，该装置包括：
获取模块301，用于获取下个时间段内所需路况信息的信息类型；
获取模块301，用于获取所述下个时间段内所述信息类型对应的可用资源，所述可用资源是用于采集与传输所述路况信息的资源；
确定模块302，用于基于所述可用资源确定出所述下个时间段内车队中车辆的可容纳数量；
确定模块302，用于根据所述可容纳数量从候选车辆中确定出用于采集所述路况信息的目标车辆，将所述目标车辆作为所述车队在所述下个时间段内的成员车辆。
在一些实施例中，确定模块302，包括：
获取子模块3021，用于获取所述可用资源的资源总量；
获取子模块3021，用于获取每个所述候选车辆对所述可用资源的资源消耗量；
确定子模块3022，用于根据所述资源总量与所述资源消耗量确定出所述可容纳数量。
在一些实施例中，存在n个信息类型对应的n类可用资源，n为正整数；
确定子模块3022，用于基于所述n类可用资源中每一类可用资源的资源总量与对应的资源消耗量，计算所述每一类可用资源所支持的车辆数目，得到n个候选车辆数目；将所述n个候选车辆数目中的最小值确定为所述可容纳数量。
在一些实施例中，所述车队控制设备中存储有时间段、可用资源与可容纳数量三者的对应关系；
确定模块302，包括：
查找子模块3023，用于从所述对应关系中查找得到所述下个时间段与所述可用资源对应的所述可容纳数量。
在一些实施例中，确定模块302，包括：
获取子模块3021，用于获取当前时间段内所述候选车辆的历史使用次数，所述历史使用次数是指通过所述候选车辆上车载感知装置采集所述路况信息的次数；
计算子模块3024，用于根据所述信息类型与对应的所述历史使用次数计算使用参考值，所述使用参考值用于指示所述下个时间段内采集所述路况信息时所述候选车辆的重要性；
确定子模块3022，用于基于所述使用参考值从所述候选车辆中确定出所述可容纳数量的所述目标车辆。
在一些实施例中，计算子模块3024，用于获取所述信息类型的分配权重；计算所述分配权重与所述历史使用次数的乘积，得到所述历史使用次数的加权值，将所述加权值确定为所述使用参考值。
在一些实施例中，确定子模块3022，用于将至少两个所述候选车辆对应的所述使用参考值按照由大到小的顺序排列；将位于头部的所述可容纳数量r个所述候选车辆确定为所述目标车辆；
或，将至少两个所述候选车辆对应的所述使用参考值按照由小到大的顺序排列；将位于尾部的所述r个所述候选车辆确定为所述目标车辆，r为正整数。
综上所述，本实施例提供的车队的控制装置，通过在当前时间段获取下个时间段所需路况信息的信息类型，继而获取下个时间段内上述信息类型对应的可用资源，根据上述可用资源确定出下个时间段内车队中车辆的可容纳数量，从而根据可容纳数量从候选车辆中确定出用于采集路况信息的目标车辆，将目标车辆作为车队在下个时间段内的成员车辆，也就是说，在当前时间段已经预测出下个时间段内车队中可容纳的成员车辆，从当前时间段过渡到下个时间段时，能够实现对成员车辆的及时调整，快速开始对所需路况信息的采集及传输，减少了路况信息采集及传输的延时。
请参考图10，示出了本申请一个实施例提供的服务器的结构示意图。该服务器用于实施上述实施例中提供的车队的控制方法的步骤。具体来讲：
所述服务器400包括CPU(Central Processing Unit，中央处理器)401、包括RAM(Random Access Memory，随机存取存储器)402和ROM(Read-Only Memory，只读存储器)403的系统存储器404，以及连接系统存储器404和中央处理单元401的系统总线405。所述服务器400还包括帮助计算机内的各个器件之间传输信息的基本I/O(Input/Output，输入/输出)系统406，和用于存储操作系统413、应用程序414和其他程序模块415的大容量存储设备407。
所述基本输入/输出系统406包括有用于显示信息的显示器408和用于用户输入信息的诸如鼠标、键盘之类的输入设备409。其中所述显示器408和输入设备409都通过连接到系统总线405的输入输出控制器410连接到中央处理单元401。所述基本输入/输出系统406还可以包括输入输出控制器410以用于接收和处理来自键盘、鼠标、或电子触控笔等多个其他设备的输入。类似地，输入输出控制器410还提供输出到显示屏、打印机或其他类型的输出设备。
所述大容量存储设备407通过连接到系统总线405的大容量存储控制器(未示出)连接到中央处理单元401。所述大容量存储设备407及其相关联的计算机可读介质为服务器400提供非易失性存储。也就是说，所述大容量存储设备407可以包括诸如硬盘或者CD-ROM(Compact Disc Read-Only Memory，只读光盘)驱动器之类的计算机可读介质(未示出)。
不失一般性，所述计算机可读介质可以包括计算机存储介质和通信介质。计算机存储介质包括以用于存储诸如计算机可读指令、数据结构、程序模块或其他数据等信息的任何方法或技术实现的易失性和非易失性、可移动和不可移动介质。计算机存储介质包括RAM、ROM、EPROM(Erasable Programmable Read-Only Memory，可擦除可编程只读存储器)、EEPROM(Electrically Erasable Programmable Read-Only Memory，电可擦可编程只读存储器)、闪存(Flash Memory)或其他固态存储其技术，CD-ROM、DVD(Digital VersatileDisc，数字通用光盘)或其他光学存储、磁带盒、磁带、磁盘存储或其他磁性存储设备。当然，本领域技术人员可知所述计算机存储介质不局限于上述几种。上述的系统存储器404和大容量存储设备407可以统称为存储器。
根据本申请的各种实施例，所述服务器400还可以通过诸如因特网等网络连接到网络上的远程计算机运行。也即服务器400可以通过连接在所述系统总线405上的网络接口单元411连接到网络412，或者说，也可以使用网络接口单元411来连接到其他类型的网络或远程计算机系统(未示出)。
上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
以上所述仅为本申请的可选实施例，并不用以限制本申请，凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (8)

1.一种车队的控制方法，其特征在于，应用于车队控制设备中，所述方法包括：
基于路段与信息类型之间的对应关系，预测在下个时间段车队行驶的下个路段内所需路况信息的信息类型，每一种路况信息被定义为一种信息类型，所述路况信息包括以下至少一种：道路的路基状况的信息、道路的路面状况的信息、构造物状况的信息、附属设施状况的信息、天气状况的信息、障碍物信息、能见度信息、车流量状况的信息；
获取所述下个时间段内所述信息类型对应的可用资源，所述可用资源是用于支持所述车队中成员车辆对所述路况信息进行采集与传输的资源，所述可用资源包括用于传输所述路况信息的通信资源；
获取所述可用资源的资源总量；获取所述车队内每个候选车辆对所述可用资源的资源消耗量；根据所述资源总量与所述资源消耗量确定出所述下个时间段内所述车队中车辆的可容纳数量；
从所述候选车辆中确定出所述可容纳数量的目标车辆，将所述目标车辆作为所述车队在所述下个时间段内的成员车辆以采集所述下个路段内的所述路况信息。
2.根据权利要求1所述的方法，其特征在于，存在n个信息类型对应的n类可用资源，n为正整数；
所述根据所述资源总量与所述资源消耗量确定出所述下个时间段内所述车队中车辆的可容纳数量，包括：
基于所述n类可用资源中每一类可用资源的资源总量与对应的资源消耗量，计算所述每一类可用资源所支持的车辆数目，得到n个候选车辆数目；
将所述n个候选车辆数目中的最小值确定为所述可容纳数量。
3.根据权利要求1或2所述的方法，其特征在于，所述从所述候选车辆中确定出所述可容纳数量的目标车辆，包括：
获取当前时间段内所述候选车辆的历史使用次数，所述历史使用次数是指通过所述候选车辆上车载感知装置采集所述路况信息的次数；
根据所述信息类型与对应的所述历史使用次数计算使用参考值，所述使用参考值用于指示所述下个时间段内采集所述路况信息时所述候选车辆的重要性；
基于所述使用参考值从所述候选车辆中确定出所述可容纳数量的所述目标车辆。
4.根据权利要求3所述的方法，其特征在于，所述根据所述信息类型与对应的所述历史使用次数计算使用参考值，包括：
获取所述信息类型的分配权重；
计算所述分配权重与所述历史使用次数的乘积，得到所述历史使用次数的加权值，将所述加权值确定为所述使用参考值。
5.根据权利要求3所述的方法，其特征在于，所述基于所述使用参数值从所述候选车辆中确定出所述可容纳数量的所述目标车辆，包括：
将至少两个所述候选车辆对应的所述使用参考值按照由大到小的顺序排列；将位于头部的所述可容纳数量r个所述候选车辆确定为所述目标车辆；
或，
将至少两个所述候选车辆对应的所述使用参考值按照由小到大的顺序排列；将位于尾部的所述r个所述候选车辆确定为所述目标车辆，r为正整数。
6.一种车队的控制装置，其特征在于，所述装置包括：
获取模块，用于基于路段与信息类型之间的对应关系，预测在下个时间段车队行驶的下个路段内所需路况信息的信息类型，每一种路况信息被定义为一种信息类型，所述路况信息包括以下至少一种：道路的路基状况的信息、道路的路面状况的信息、构造物状况的信息、附属设施状况的信息、天气状况的信息、障碍物信息、能见度信息、车流量状况的信息；
所述获取模块，用于获取所述下个时间段内所述信息类型对应的可用资源，所述可用资源是用于支持所述车队中成员车辆对所述路况信息进行采集与传输的资源，所述可用资源包括用于传输所述路况信息的通信资源；
确定模块，用于获取所述可用资源的资源总量；获取所述车队内每个候选车辆对所述可用资源的资源消耗量；根据所述资源总量与所述资源消耗量确定出所述下个时间段内所述车队中车辆的可容纳数量；
所述确定模块，用于从所述候选车辆中确定出所述可容纳数量的目标车辆，将所述目标车辆作为所述车队在所述下个时间段内的成员车辆以采集所述下个路段内的所述路况信息。
7.一种车队控制设备，其特征在于，所述车队控制设备包括：
存储器；
与所述存储器相连的处理器；
其中，所述处理器被配置为加载并执行可执行指令以实现如权利要求1至5任一所述的车队的控制方法。
8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有至少一条指令、至少一段程序、代码集或指令集；所述至少一条指令、所述至少一段程序、所述代码集或所述指令集由处理器加载并执行以实现如权利要求1至5任一所述的车队的控制方法。
CN202010144830.7A 2020-03-04 2020-03-04 车队的控制方法、装置、设备及存储介质 Active CN111341093B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010144830.7A CN111341093B (zh) 2020-03-04 2020-03-04 车队的控制方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010144830.7A CN111341093B (zh) 2020-03-04 2020-03-04 车队的控制方法、装置、设备及存储介质

Publications (2)

Publication Number Publication Date
CN111341093A CN111341093A (zh) 2020-06-26
CN111341093B true CN111341093B (zh) 2023-11-14

Family

ID=71184253

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010144830.7A Active CN111341093B (zh) 2020-03-04 2020-03-04 车队的控制方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN111341093B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112398932B (zh) * 2020-11-04 2023-10-24 腾讯科技（深圳）有限公司 获取路况信息的方法、装置、设备及计算机可读存储介质
CN116702400B (zh) * 2023-08-07 2023-10-13 四川国蓝中天环境科技集团有限公司 一种基于公交车和移动传感器的移动式城市感知优化方法

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018171388A1 (zh) * 2017-03-20 2018-09-27 电信科学技术研究院有限公司 一种进行车队资源配置的方法及相关设备
CN108696839A (zh) * 2017-03-10 2018-10-23 电信科学技术研究院 一种车队通信方法及装置
CN109041248A (zh) * 2018-09-27 2018-12-18 海信集团有限公司 一种车联网资源分配方法、装置、计算装置和存储介质
CN109275172A (zh) * 2017-07-18 2019-01-25 华为技术有限公司 通信路由的建立方法、装置、计算机存储介质和系统
CN109587736A (zh) * 2018-11-27 2019-04-05 北京邮电大学 一种车队的通信资源分配方法
CN109962744A (zh) * 2019-02-25 2019-07-02 北京交通大学 一种c-v2v的资源分配方法及装置
CN110780321A (zh) * 2019-11-08 2020-02-11 腾讯科技（深圳）有限公司 车辆定位方法、装置
CN111260912A (zh) * 2020-01-13 2020-06-09 腾讯科技（深圳）有限公司 车辆编队的处理方法及装置
CN111447592A (zh) * 2020-03-24 2020-07-24 腾讯科技（深圳）有限公司 一种确定传输资源的方法、设备及存储介质
CN112235750A (zh) * 2020-11-05 2021-01-15 腾讯科技（深圳）有限公司 车联网系统中的车辆配置方法、装置、设备及存储介质

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB2535718A (en) * 2015-02-24 2016-08-31 Addison Lee Ltd Resource management
US20200074411A1 (en) * 2016-06-03 2020-03-05 Bae Systems Plc Fleet management system and method
US20180350023A1 (en) * 2017-06-01 2018-12-06 GM Global Technology Operations LLC System and method to condition vehicle availability on demand

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108696839A (zh) * 2017-03-10 2018-10-23 电信科学技术研究院 一种车队通信方法及装置
WO2018171388A1 (zh) * 2017-03-20 2018-09-27 电信科学技术研究院有限公司 一种进行车队资源配置的方法及相关设备
CN108633008A (zh) * 2017-03-20 2018-10-09 电信科学技术研究院 一种进行车队资源配置的方法及相关设备
CN109275172A (zh) * 2017-07-18 2019-01-25 华为技术有限公司 通信路由的建立方法、装置、计算机存储介质和系统
CN109041248A (zh) * 2018-09-27 2018-12-18 海信集团有限公司 一种车联网资源分配方法、装置、计算装置和存储介质
CN109587736A (zh) * 2018-11-27 2019-04-05 北京邮电大学 一种车队的通信资源分配方法
CN109962744A (zh) * 2019-02-25 2019-07-02 北京交通大学 一种c-v2v的资源分配方法及装置
CN110780321A (zh) * 2019-11-08 2020-02-11 腾讯科技（深圳）有限公司 车辆定位方法、装置
CN111260912A (zh) * 2020-01-13 2020-06-09 腾讯科技（深圳）有限公司 车辆编队的处理方法及装置
CN111447592A (zh) * 2020-03-24 2020-07-24 腾讯科技（深圳）有限公司 一种确定传输资源的方法、设备及存储介质
CN112235750A (zh) * 2020-11-05 2021-01-15 腾讯科技（深圳）有限公司 车联网系统中的车辆配置方法、装置、设备及存储介质

Also Published As

Publication number Publication date
CN111341093A (zh) 2020-06-26

Similar Documents

Publication Publication Date Title
US10192448B2 (en) Method to control vehicle fleets to deliver on-demand transportation services
US10473474B2 (en) System and method for vehicle energy estimation, adaptive control and routing
Amirgholy et al. Optimal design of sustainable transit systems in congested urban networks: A macroscopic approach
US20180288502A1 (en) Information collection system and information collection apparatus
US11567495B2 (en) Methods and systems for selecting machine learning models to predict distributed computing resources
CN109712392B (zh) 基于区块链的停车信息处理方法、装置、设备和存储介质
US20110231354A1 (en) Transport management system
CN110969834B (zh) 处理方法、装置、计算机设备、存储介质及车辆调度系统
CN109785611B (zh) 无人驾驶车辆控制方法、装置、服务器及存储介质
CN111341093B (zh) 车队的控制方法、装置、设备及存储介质
EP4138051A1 (en) Method of collecting data from fleet of vehicles
CN114501385A (zh) 一种应用于智能网联交通系统的协同自动驾驶系统
CN111754686B (zh) 一种高速路智慧灯杆的充电方法、装置和系统
Khalid et al. AVPark: Reservation and cost optimization-based cyber-physical system for long-range autonomous valet parking (L-AVP)
CN113763695A (zh) 一种自动驾驶车辆的调度方法和系统
CN113442920A (zh) 编队行驶的控制方法、装置、计算机可读介质及电子设备
CN117546218A (zh) 用于交通预测的分布式多任务机器学习
CN114004077A (zh) 交通仿真转换方法、装置、计算机设备及存储介质
CN113424209A (zh) 使用深度学习多预测器融合和贝叶斯优化的轨迹预测
US11397610B2 (en) Architecture for simulation clock-based simulation of distributed systems
JP7082555B2 (ja) 車両利用支援システム
CN105336157A (zh) 交互式出租车呼叫系统及方法
CN112504291B (zh) 一种车辆导航的方法及装置
CN111862599A (zh) 车辆信息处理方法、装置
CN113516843A (zh) 预计到达时间的确定方法和装置、电子设备以及计算机可读存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
REG Reference to a national code

Ref country code: HK

Ref legal event code: DE

Ref document number: 40024163

Country of ref document: HK

SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant