CN111371904B - 云边端协同的高速公路云控系统及控制方法 - Google Patents
云边端协同的高速公路云控系统及控制方法 Download PDFInfo
- Publication number
- CN111371904B CN111371904B CN202010192205.XA CN202010192205A CN111371904B CN 111371904 B CN111371904 B CN 111371904B CN 202010192205 A CN202010192205 A CN 202010192205A CN 111371904 B CN111371904 B CN 111371904B
- Authority
- CN
- China
- Prior art keywords
- cloud
- road
- control
- traffic
- edge
- 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
Links
Images
Classifications
-
- 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
- G08G1/0112—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from the vehicle, e.g. floating car data [FCD]
-
- 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
- G08G1/0116—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from roadside infrastructure, e.g. beacons
-
- 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
- G08G1/0125—Traffic data processing
- G08G1/0133—Traffic data processing for classifying traffic situation
-
- 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
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
- G08G1/0145—Measuring and analyzing of parameters relative to traffic conditions for specific applications for active traffic flow control
-
- 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
- H04L67/10—Protocols in which an application is distributed across nodes in the 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/029—Location-based management or tracking services
-
- 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]
Abstract
本发明涉及一种智能交通云控系统,充分运用云计算、边缘计算、大数据和人工智能等技术,提出一种云‑边‑端协同道路交通云控平台技术架构,可以克服现有交通运行管理与监控系统技术架构缺陷。以此技术架构设计开发的高速公路云控平台,能够实现在确保安全的前提下提高路网运行效率,使高速公路使用者能够获得更加及时、有效、个性化的驾驶和出行辅助信息,以及支持车路协同自动驾驶实际应用等功能。
Description
技术领域
本申请涉及智慧交通技术领域,特别涉及一种云-边-端协同的道路交通云控平台技术架构及其控制方法。
背景技术
建设智慧交通,推动大数据、物联网、人工智能、区块链等技术与交通行业的深度融合,实现交通基础设施网、运输服务网、能源与信息网络的融合发展,提升交通系统管理、运营和安全效能,是构建安全、便捷、高效、绿色、经济的现代化综合交通体系的重要抓手之一。
高速公路作为我国交通基础设施的重要组成部分和客货运输的骨干网络,已成为我国智慧交通建设的重要领域和新技术、新业态等应用的重要场景。多年来,为保障高速公路的高效管理和安全运营,我国公路交通行业设计了由监控系统、通信系统、收费系统、供配电系统、照明系统、隧道机电系统等组成的高速公路机电系统,并结合公路管理实际,提出了由监控(收费)站-监控(收费)分中心-监控(收费)中心的分级管理架构,在路网管理层面,建设了分级交通运行协调指挥中心(TOCC)或路网监控管理中心,有效实现了交通流量、交通事故、施工养护等信息的采集、传输、处理及发布,保障了高速公路的安全、可靠、高效运营。
近年来,一方面,我国高速公路路网规模日益扩大,网络节点日益增多,路网运营管理压力日益加大;另一方面,自动驾驶、车路协同、智能网联汽车等技术快速发展,应用落地迫切需要高速公路信息的感知、处理和发布更加准确、及时和有效。现有的高速公路机电系统技术架构和管理体制面临重大挑战,主要表现为:
一是系统开放性挑战。现有高速公路机电系统是基于通信专网的封闭性系统,主要通过路侧布设的摄像头、气象检测器、车辆检测器等外场监控设施采集交通流和环境等信息,但对于通过车路协同交互的车辆等信息以及道路使用者的状态信息等缺少外部信息输入途径;同时,系统内部的收费、监控和应急通讯等子系统也相互独立封闭,需要提高系统的开放性。
二是精准及时信息服务挑战。现有高速公路机电系统基础数据基本是逐层上报模式,信息计算处理主要部署在上层的TOCC或监控中心,各层级TOCC的计算能力未被充分利用,信息发布也主要采用“自上而下”逐级发布模式;同时,信息服务主要以统计报表为主,精准定位到不同道路使用者和管理者的及时信息服务能力亟待提高。
三是智能决策控制挑战。智慧交通系统的核心能力体现在系统的智能决策和控制能力,在现有高速公路机电系统中,沉淀了大量的交通运行数据,但由于系统技术架构不能适应云计算平台、人工智能算法等要求,无法实现对高速公路路网运行的智能决策和自主控制,也不能满足对车路协同自动驾驶车辆的信息支持需求。
在现有技术中,文献1(文献号请参见下文)以服务智能网联汽车,减轻车端的计算压力为目的,提出了一种云端包括中心云、区域云、边缘云三级平台的云控平台架构,其中边缘云也是基于云计算技术架构,且与中心云和区域云之间是数据的扁平化直接调用与共享模式。该云控平台架构仅是一种云端平台的技术架构,构建的是包括云平台与智能网联汽车两个对象的云—端协同控制系统。文献2(文献号请参见下文)以解决中心系统计算压力大、运行速率低为目的,提出了一种用于包括中心系统、若干控制服务器和若干现场设备的智能交通云控制系统的数据处理和控制实施方法,采用的是传统自上而下管控指令处理方式,未强调和应用云计算架构和云控制技术。
可见,现有技术笼统地提出了自端设备向上,分层级地布置若干云设备的架构模型。然而在交通管理的实际运行中,基于该分层的云设备架构却衍生出若干问题,主要体现在:
第一方面,低层设备与高层设备在工作模式与运行状态上存在明显差异,例如,最底层的端设备除了需要向上层传输原始采集数据之外,还需要高速、短时延地获取上层的管控指令(如基于其上传的数据),而现有技术中由于多层云设备的设置,这造成了响应与传输的长时延,当从顶层云设备(如中心云,或者区域云)获得管控指令并逐级发送到端设备时,往往无法满足其高速、短时延的需求。
第二方面,当前的云架构,由于云设备基于云计算架构而设置,在数据传输与处理的过程中通常普适性地采用数据共享管理,而在交通管理领域,由于低层设备是直接联系到交通路况的直接相关设备,需要及时、快速地做实时交通状况进行采集、分析并做出指示,因而对设备的算力集中性要求更高,如果分散算力用于云设备之间的数据共享,则往往造成资源不足以应对实时数据处理的需求。但是如果在云设备之间采取数据集中存储、处理的方案又势必造成高昂的设备部署、维护成本,两者之间的矛盾亟需克服。
第三方面,在现有的交通控制云架构中,往往仅注重从顶层云设备到底层端设备的大控制闭环构建,而忽略了从“边”的角度去考虑低层设备之间不同于高层设备的高效传输、快速处理、短时延响应需求。如果只是笼统地将低层设备纳入整个大控制闭环之中,则其资源通常被高层设备所占用(有时并非处于运行状态,而是处于对高层设备的指令等候状态),造成低层设备无法充分发挥高效处理“边”层级任务的作用。并且基于此,本申请发明人又进一步考虑到,若构建“边”侧的小控制闭环会容易造成对整个大控制闭环控制响应的贻误,两者之间的矛盾同样亟需解决。
文献1:CN109688224A
文献2:CN106251620B
综上,亟需提出一种适用于车路协同应用场景、采用云-边-端协同机制、数据驱动的交通云控系统技术架构方案。
发明内容
为解决上述问题,根据本发明的第一方面,提供一种道路交通云控系统,所述系统具有自下而上依层级布置的交通数据处理与管控指令传递的架构,包括:端设备、边子系统、和云子系统,所述终端设备包括智能车载设备、传统路侧设备和/或智能路侧设备,所述智能车载设备用于采集交通车辆数据和/或接收交通管控指令,所述传统路侧设备、智能路侧设备用于采集交通状态和交通环境数据和/或实现交通管控指令的发布,其特征在于:所述云子系统自下而上依层级包括:基于云计算架构的路段云和其上级云;
所述边子系统包括:所述路段云和设置在道路沿线路侧的基于本地计算架构的边缘计算控制设备。
这样一来,本发明通过在云子系统之下配置边子系统,并通过在边子系统中设置云计算架构边缘计算设备+本地计算架构边缘计算设备的灵活配置,在确保边、端能够有效融入云控层级架构的同时,确保端设备能够高速、短时延的获取基于边缘决策的管控指令。
进一步的,所述路段云与所述边缘计算控制设备形成:上下层级架构、或者同时具备上下层级与同级关系架构的边子系统。
进一步的,所述上级云自下而上依层级包括:区域云和路网云,并且在所述区域云与所述路网云之间及其各自同级之间,具有所述交通数据的直接调用与共享架构。
进一步的,所述路段云与所述上级云之间,不具有所述交通数据的直接调用与共享架构。
进一步的,所述边子系统与所述端设备之间形成边侧控制闭环。
进一步的,所述云子系统、所述边子系统以及所述端设备之间形成云侧控制闭环。
根据本发明的第二方面,提供一种交通控制方法,该方法应用于如上所述的交通云控系统,其特征在于,所述方法包括:
所述边子系统接收来自所述端设备的边缘计算请求;
识别所述边缘计算请求中的第一属性;
判断若所述第一属性满足第一预设条件,则由所述边缘计算控制设备处理所述边缘计算请求;
判断若所述第一属性满足第二预设条件,则由所述路段云处理所述边缘计算请求;
其中,所述第一属性包括所述端设备距离所述边子系统的路段范围、和/或所述边缘计算请求的时延要求;
所述第一预设条件包括窄路段范围、和/或短时延要求;
所述第二预设条件包括宽路段范围、和/或长时延要求。
进一步的,所述方法进一步包括:
所述边缘计算控制设备接收所述边缘计算请求并识别其中的所述第一属性;
所述边缘计算控制设备判断所述第一属性满足所述第二预设条件;
所述边缘计算控制设备将所述边缘计算请求转发至所述路段云以处理所述边缘计算请求。
进一步的,所述方法包括:
所述路段云运行在当前的所述边侧控制闭环时,接收来自所述上级云的第一管控指令;
基于所述第一管控指令,所述路段云退出当前的所述边侧控制闭环。
进一步的,所述基于所述第一管控指令,所述路段云退出当前的所述边侧控制闭环,包括:
所述第一管控指令中包含有指示所述路段云退出当前边侧控制闭环的退出指令;
基于该退出指令,所述路段云退出当前的所述边侧控制闭环。
进一步的,所述基于所述第一管控指令,所述路段云退出当前的所述边侧控制闭环,包括:
所述第一管控指令中包含所述云侧控制闭环的控制执行指令;
所述路段云对所述控制执行指令进行预推演;
判断若该预推演结果影响当前边侧控制闭环的运行结果,则所述路段云退出当前的所述边侧控制闭环。
因此,本发明通过在云子系统之下配置边子系统,并通过在边子系统中设置云计算架构边缘计算设备+本地计算架构边缘计算设备的灵活配置,在边、端能够有效融入云控层级架构的同时,确保端设备能够高速、短时延的获取基于边缘决策的管控指令。此外,有效解决了低层设备为了数据共享而分散算力与数据集中存储、处理方案的高成本、低效率之间的矛盾。并且,在整个云侧大控制闭环中进一步提出构建边侧的小控制闭环,同时解决了边侧小控制闭环容易造成对整个云侧大控制闭环控制响应贻误的问题。
附图说明
为了更清楚地说明本申请的实施方式或现有技术中的技术方案,下面将对实施方式或现有技术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示例性的,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,还可以根据提供的附图引伸获得其它的实施附图。
本说明书所绘示的文字说明、连接关系等,均仅用以配合说明书所揭示的内容,以供熟悉此技术的人士了解与阅读,并非用以限定本申请可实施的限定条件,故不具技术上的实质意义,任何形式的修饰、连接关系的改变或文字说明的调整,在不影响本申请所能产生的功效及所能达成的目的下,均应仍落在本申请所揭示的技术内容得能涵盖的范围内。
图1是本发明交通云控系统的架构示意图;
图2是本发明交通控制方法中一种实施方式的流程示意图;
图3是本发明交通控制方法中另一种实施方式对应的控制关系示意图。
图4是本发明交通控制方法中另一种实施方式的流程示意图;
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
在本申请实施例中使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本申请。在本申请实施例中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。
应当理解,本文中使用的术语“和/或”仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系。
取决于语境,如在此所使用的词语“如果”、“若”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。类似地,取决于语境,短语“如果确定”或“如果检测(陈述的条件或事件)”可以被解释成为“当确定时”或“响应于确定”或“当检测(陈述的条件或事件)时”或“响应于检测(陈述的条件或事件)”。
还需要说明的是,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商品或者系统不仅包括那些要素,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商品或者系统所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的商品或者系统中还存在另外的相同要素。
参见附图1,为本发明的交通云控系统架构示意图,系统具有自下而上依层级布置的交通数据与管控指令传递架构,包括:端设备、边子系统、和云子系统。需要说明的是,本发明中的“交通数据”既包括原始数据(如端设备所采集的),也包括中间数据(如边子系统和云子系统对端设备采集数据进行处理所产生的中间结果)和结果数据。
并且,云子系统自下而上依层级包括:基于云计算架构的路段云和其上级云。作为非限定性示例,这里的上级云可以自下而上包括如附图1中所示的区域云与路网云。
边子系统包括:路段云和设置在道路沿线路侧的基于本地计算架构的边缘计算控制设备(如附图1中的ECCS)。
这样一来,本发明通过在云子系统之下配置边子系统,并通过在边子系统中设置云计算架构边缘计算设备+本地计算架构边缘计算设备的灵活配置,在边、端能够有效融入云控层级架构的同时,确保端设备能够高速、短时延的获取基于边缘决策的管控指令。
并且基于该云控系统架构,本发明提出了用于道路(如高速公路)交通的云-边-端协同云控平台技术。关于该系统的架构中的各部分,下面结合附图1进行更为详细的说明:
(1)端(端设备)
高速公路云控平台的端设备,是指高速公路上有稳定可靠网络连接、能实时在线的终端设备。主要包括两类:
一类是路侧终端设备。既包括现有高速公路机电系统中沿线布设的视频监测器、气象检测器、车辆检测器、可变情报板等普通路侧设备(GRSU)(或称传统路侧设备),也包括高速公路智慧化建设或改造时沿线布设的具有I2X直连通信功能、信息采集功能、本地决策与控制功能的智能路侧设备(IRSU)。IRSU的核心功能是利用I2X直连通信进行X2I信息接收和I2X信息发布,以及利用无线或有线通信链路与路段云实现信息交互。IRSU通常都集成了GRSU的功能,比如视频监测器,具备信息采集功能。IRSU也通常配置有计算处理单元,一般采用单片机、FPGA等微处理器或微控制器,具备比较简单的、固定算法的本地计算功能。
另一类是车辆侧智能终端设备。既包括高速公路上行驶的具有V2X直连通信功能的智能网联汽车,也包括高速公路上行驶的车辆内部安装或者携带的智能终端设备,比如车载导航仪、不停车收费车载终端(ETC-OBU)、智能手机等。从向高速公路云控平台提供信息的角度看,车辆侧智能终端设备要提供车辆位置、车速等动态数据,以及车型、车牌号等车辆静态数据;从接受高速公路云控平台提供信息的角度看,车辆侧智能终端设备能接受IRSU、路侧边缘计算控制站和云端(路段云、区域云和路网云)发来的信息。
(2)边(边子系统)
高速公路云控平台的边,是指高速公路沿线部署的具有边缘计算能力的设施,主要包括两类:路侧边缘计算控制站(Edge Computing&Control Station,ECCS)和路段云控中心(Cloud Control Center-Road Section,CCC-RS),路段云控中心亦可称为路段云(如附图1中所示)。ECCS部署在高速公路沿线路侧,路段云根据实际功能需求部署,一般部署在路段管理处机房。
路段上的边和端形成一个边缘监测控制小闭环(或称边侧控制闭环)。边的核心功能是对本路段上的端所采集到的交通流、交通事件、交通环境等数据进行实时融合感知和边缘洞察计算,实现对本路段交通状况的及时动态调整和精确管控。在边的层面所实施的管控以智能自主管控为主,人工操作为辅,故适合本路段的成熟有效管控策略算法库是边的核心组件。
边的另一个重要功能是存储本路段上的端采集到的海量基础信息和自身边缘计算和控制产生的海量中间数据,并对海量信息数据进行有目地的分析处理,形成的处理结果上传至区域云或路网云。此外,边需要有稳定可靠网络连接,向下能与端实时在线,向上能与区域云和路网云有足够带宽的专线连接。
值得注意的是,ECCS和路段云都具有边缘计算能力,但在功能上有明确的分工,故其性能配置上也有不同:
一方面,ECCS负责其所在一个特定范围或者场景,比如500米路段范围(窄路段范围)、合流区等的信息处理和决策管控,计算处理涉及交通安全、短时延要求(比如100毫秒以内)的感知信息,并及时发布,故需要具有I2X直连通信功能,但不采用云计算中心的技术架构。
另一方面,路段云负责其所在一个路段的信息处理和决策管控,路段长度可从几公里到几十公里(宽路段范围),计算处理该路段涉及交通安全和出行服务、长时延要求(比如1秒以内)的感知信息,并推送给端设备进行发布。路段云采用云计算的技术架构,相邻的路段云组成一个私有云,形成一个动态可扩展的虚拟化资源池,包括计算、软件、数据访问和存储等能力和服务。
这样一来,通过对不同路段范围、和/或不同时延要求边缘计算请求的分工处理,能够最大限度利用边设备资源,并避免单一设备被不同需求的计算请求所占用,从而导致相应需求的计算请求无法得到有效满足。
(3)云(云子系统)
高速公路云控平台的云,是指云计算技术架构的高速公路运行控制中心,即云控中心。按照所管理的高速公路路网数量多少、所属行政区划不同或运营管理层级差别,云控中心可分为三级,分别为路段云控中心(CCC-RS)、区域云控中心(Cloud Control Center-Roads Regional,CCC-RR)、路网云控中心(Cloud Control Center-Road Network,CCC-RN),简称为路段云、区域云和路网云。
可知,路段云同时包含于边子系统与云子系统中。路段云的物理机房部署在路段旁边,由路段管理单位负责使用和管理,其技术特征和功能架构如前所述。区域云和路网云可基于基础架构即服务(IaaS)、平台即服务(PaaS)或软件即服务(SaaS)等服务构建,其物理机房不需要在区域或路网本地,通常在专业云计算服务公司的IDC机房,主要承担对海量数据的存储和复杂任务的计算处理,提供预警、提示等出行服务类信息处理,其时延一般在分钟级别。
区域云和路网云可根据需求采用较多人工管控的方式,一般设有人工值守的监控指挥中心,比如,一个省份的高速公路云控平台,全省高速公路TOCC负责使用和管理路网云,各地市高速公路TOCC负责使用和管理区域云。但是,从计算和存储能力来看,由于采用了云计算技术架构,区域云和路网云可以仅是一个逻辑上的划分(而非物理硬件上的划分),区域云和路网云使用者仅对数据访问和处理的范围和权限不同,选用的IasS、PaaS和SaaS等云服务不同,数据在区域云和路网云之间,以及路网云与区域云之间可实现直接调用,避免传统架构下数据共享方面的技术障碍。
整个云控平台的云与边、端形成一个中枢监测控制闭环(或称云侧控制闭环),区域云和路网云的核心功能是对集中存储的海量数据进行大数据分析,实现区域路网和整个路网的交通优化和管控。路段云则一方面主要对本路段上交通流、交通事件、交通环境等数据进行边缘洞察计算,实现对本路段交通状况的及时动态调整和精确管控;另一方面可与其下级设备(直到端设备)之间形成边侧控制闭环,而路段云在云侧、边侧控制闭环之间起到承上启下、闭环切换的作用。
借助云计算技术结构所能提供的强大数据处理和存储能力以及资源池的易扩容性,可在区域云与路网云之间及其各自同级之间,构建交通数据的直接调用与共享架构,建立所管理公路网的全域全量全时状态检测系统,为路网级交通组织优化和管控策略实施效果仿真评测等提供数据基础。其中,全量包括路网交通状态、交通事件状态、交通环境状态;全时是指7×24小时的每时每刻。相应的,在路段云与区域云、路段云与路网云以及路段云同级之间(如附图1中的路段云1、2、3),不构建所述交通数据的直接调用与共享架构。这样一来,就能够有效解决了低层设备为了数据共享而分散算力与数据集中存储、处理方案的高成本、低效率之间的矛盾。
路网云和区域云要基于数据驱动控制理论生成管控策略,利用完全共享的全域全量全时交通数据,以路段云上传的数据作为系统输入,智能预测路网运行状态和控制参数,生成管控策略,并自动或通过人工控制终端设备,实现对高速公路路网运行的智慧管控。该管控策略可根据系统输入数据和控制输出的反馈数据进行智能迭代,提高策略针对性和实施效果。
需要说明的是,路段云与边缘计算控制设备形成:上下层级架构(如附图1所示,ECCS与端设备之间互通,路段云与ECCS之间互通)、或者同时具备上下层级与同级关系架构。更为优选的是,路段云与边缘计算控制设备形成同时具备上下层级与同级关系架构,在该架构下路段云除了与ECCS互通之外,还能够直接与端设备之间互通。
参见附图2-4,本发明的第二方面,还提供一种交通控制方法,该方法应用于如上的云交通控制系统。
作为本发明交通控制方法的一种实施方式,参见附图2,其可包括:
边子系统接收来自端设备的边缘计算请求;
识别边缘计算请求中的第一属性;
判断若第一属性满足第一预设条件,则由边缘计算控制设备处理边缘计算请求;
判断若第一属性满足第二预设条件,则由路段云处理边缘计算请求;
其中,第一属性包括端设备距离边子系统的路段范围、和/或边缘计算请求的时延要求;
第一预设条件包括窄路段范围(如500米路段范围)、和/或短时延要求(如100毫秒以内);
第二预设条件包括宽路段范围(如路段长度可从几公里到几十公里)、和/或长时延要求(如1秒以内)。
这样一来,本发明通过对不同路段范围、和/或不同时延要求边缘计算请求的分工处理,能够最大限度利用边设备资源,并避免单一设备被不同需求的计算请求所占用,从而导致相应需求的计算请求无法得到有效满足。
在本实施方式中,进一步优选地:
边缘计算控制设备接收边缘计算请求并识别其中的第一属性;
边缘计算控制设备判断第一属性满足第二预设条件;
边缘计算控制设备将边缘计算请求转发至路段云以处理边缘计算请求。
这样一来,可以令端设备“集中”于其负责的原始数据采集工作,而无需另辟资源来决策将边缘计算请求发送给路段云还是边缘计算控制设备。边缘计算控制设备可以统一搜集端设备的计算请求,并将满足第二预设条件的请求转发路段云,避免自身资源被过度占用。
在本发明交通控制方法的另一个实施方式中,参见附图3,可包括:
路段云运行在当前的边侧控制闭环时,接收来自上级云的第一管控指令;
基于第一管控指令,路段云退出当前的边侧控制闭环。
这样,路段云运行在当前的边侧控制闭环的同时,还能够监测上级云发送过来的管控指令,并当满足条件时及时退出当前的边侧控制闭环,避免边侧的小控制闭环造成对整个云侧大控制闭环控制响应的贻误。
在本实施方式中,优选地,基于第一管控指令,路段云退出当前的边侧控制闭环,包括:
第一管控指令中包含有指示路段云退出当前边侧控制闭环的退出指令;
基于该退出指令,路段云退出当前的边侧控制闭环。
作为非限定性的示例,该退出指令可以是上级云检测到路段云被小控制闭环任务所占用,并且上级云在大控制闭环中具有更高优先级的任务需要立即处理,则可通过退出指令的发出指示路段云直接采取退出边侧控制闭环的动作。
在本实施方式中,优选地,参见附图4,基于第一管控指令,路段云退出当前的边侧控制闭环,包括:
第一管控指令中包含云侧控制闭环的控制执行指令;
路段云对控制执行指令进行预推演;
判断若该预推演结果影响当前边侧控制闭环的运行结果,则路段云退出当前的边侧控制闭环。
作为非限定性的示例,例如,预推演结果得到的某参数A是当前边侧控制闭环所执行任务中所必须的参数,并且预推演结果得到的参数A相对于执行任务中采用的参数A发生了变化,则其必然导致会对前边侧控制闭环的运行结果产生影响,因此路段云可退出当前的边侧控制闭环,避免当前任务的无效执行。
综上,本发明充分运用云计算、边缘计算、大数据和人工智能等技术,提出一种道路(如高速公路)交通云-边-端协同云控平台技术架构,可以克服现有公路交通运行管理与监控系统技术架构缺陷。以此技术架构设计开发的高速公路云控平台,能够实现在确保安全的前提下提高路网运行效率,使高速公路使用者能够获得更加及时、有效、个性化的驾驶和出行辅助信息,以及支持车路协同自动驾驶实际应用等功能。
以上各实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述各实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的范围。
Claims (12)
1.一种道路交通云控系统,所述系统具有自下而上依层级布置的交通数据处理与管控指令传递架构,包括:端设备、边子系统和云子系统,所述端设备包括:智能车载设备、传统路侧设备和/或智能路侧设备,所述智能车载设备用于采集车辆运行数据和/或接收交通管控指令,所述传统路侧设备、智能路侧设备用于采集交通状态和交通环境数据和/或实现交通管控指令的发布;
其特征在于:所述云子系统自下而上依层级包括:基于云计算架构的路段云和其上级云;所述边子系统包括:所述路段云和设置在道路沿线路侧的基于本地计算架构的边缘计算控制设备;
其中,所述边子系统能够接收来自所述端设备的边缘计算请求;并且,所述路段云用于处理宽路段范围、和/或长时延要求的所述边缘计算请求,所述边缘计算控制设备用于处理窄路段范围、和/或短时延要求的所述边缘计算请求。
2.根据权利要求1所述的道路交通云控系统,其特征在于:所述路段云与所述边缘计算控制设备形成:上下层级架构、或者同时具备上下层级与同级关系架构。
3.根据权利要求1所述的道路交通云控系统,其特征在于:所述上级云自下而上依层级包括:区域云和路网云,并且在所述区域云与所述路网云之间及其各自同级之间,具有所述交通数据的扁平化直接调用与共享架构。
4.根据权利要求3所述的道路交通云控系统,其特征在于:所述路段云与所述上级云之间,不具有所述交通数据的直接调用与共享架构。
5.根据权利要求1-4中任一所述的道路交通云控系统,其特征在于:所述边子系统与所述端设备之间形成边侧控制闭环。
6.根据权利要求1-4任一所述的道路交通云控系统,其特征在于:所述云子系统、所述边子系统与所述端设备之间形成云侧控制闭环。
7.根据权利要求5所述的道路交通云控系统,其特征在于:所述云子系统、所述边子系统与所述端设备之间形成云侧控制闭环。
8.一种交通控制方法,该方法应用于权利要求1-7中任一所述的道路交通云控系统,其特征在于,所述方法包括:
所述边子系统接收来自所述端设备的所述边缘计算请求;
识别所述边缘计算请求中的第一属性;
判断若所述第一属性满足第一预设条件,则由所述边缘计算控制设备处理所述边缘计算请求;
判断若所述第一属性满足第二预设条件,则由所述路段云处理所述边缘计算请求;
其中,所述第一属性包括所述端设备距离所述边子系统的路段范围、和/或所述边缘计算请求的时延要求;
所述第一预设条件包括窄路段范围、和/或短时延要求;
所述第二预设条件包括宽路段范围、和/或长时延要求。
9.根据权利要求8所述的交通控制方法,其特征在于,所述方法进一步包括:
所述边缘计算控制设备接收所述边缘计算请求并识别其中的所述第一属性;
所述边缘计算控制设备判断所述第一属性满足所述第二预设条件;
所述边缘计算控制设备将所述边缘计算请求转发至所述路段云以处理所述边缘计算请求。
10.根据权利要求8或9所述的交通控制方法,该方法应用于权利要求5或7所述的道路交通云控系统,其特征在于,所述方法包括:
所述路段云运行在当前的所述边侧控制闭环时,接收来自所述上级云的第一管控指令;
基于所述第一管控指令,所述路段云退出当前的所述边侧控制闭环。
11.根据权利要求10所述的交通控制方法,其特征在于,所述基于所述第一管控指令,所述路段云退出当前的所述边侧控制闭环,包括:
所述第一管控指令中包含有指示所述路段云退出当前边侧控制闭环的退出指令;
基于该退出指令,所述路段云退出当前的所述边侧控制闭环。
12.根据权利要求10所述的交通控制方法,该方法应用于权利要求7所述的道路交通云控系统,其特征在于,所述基于所述第一管控指令,所述路段云退出当前的所述边侧控制闭环,包括:
所述第一管控指令中包含所述云侧控制闭环的控制执行指令;
所述路段云对所述控制执行指令进行预推演;
判断若该预推演结果影响当前边侧控制闭环的运行结果,则所述路段云退出当前的所述边侧控制闭环。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010192205.XA CN111371904B (zh) | 2020-03-18 | 2020-03-18 | 云边端协同的高速公路云控系统及控制方法 |
US17/206,048 US20210295684A1 (en) | 2020-03-18 | 2021-03-18 | Cloud-edge-end cooperative highway cloud control system and control method |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010192205.XA CN111371904B (zh) | 2020-03-18 | 2020-03-18 | 云边端协同的高速公路云控系统及控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111371904A CN111371904A (zh) | 2020-07-03 |
CN111371904B true CN111371904B (zh) | 2020-11-10 |
Family
ID=71210641
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010192205.XA Active CN111371904B (zh) | 2020-03-18 | 2020-03-18 | 云边端协同的高速公路云控系统及控制方法 |
Country Status (2)
Country | Link |
---|---|
US (1) | US20210295684A1 (zh) |
CN (1) | CN111371904B (zh) |
Families Citing this family (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111554107B (zh) * | 2020-03-27 | 2021-04-16 | 北京星云互联科技有限公司 | 交通管控方法、管理平台、路侧设备及系统 |
US11410548B2 (en) * | 2020-04-13 | 2022-08-09 | Toyota Motor Engineering & Manufacturing North America, Inc. | Systems and methods of creating and utilizing dependent vehicular micro clouds |
CN111798665B (zh) * | 2020-09-10 | 2021-01-19 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种道路系统 |
CN112468569A (zh) * | 2020-11-23 | 2021-03-09 | 华能国际电力股份有限公司 | 一种基于“云计算”工业视频级联的生产实时监管架构 |
CN112394701A (zh) * | 2020-12-10 | 2021-02-23 | 之江实验室 | 一种基于云边端混合计算环境的多机器人云控系统 |
CN112249034B (zh) * | 2020-12-14 | 2021-04-13 | 国汽智控(北京)科技有限公司 | 一种汽车大脑系统及车辆驾驶控制方法 |
CN113362605B (zh) * | 2021-07-23 | 2022-06-21 | 上海交通大学 | 基于潜在同质区域分析的分布式高速路优化系统及方法 |
CN113808389A (zh) * | 2021-08-11 | 2021-12-17 | 深圳市金溢科技股份有限公司 | 车路协同系统、边缘计算单元、中心云平台及信息处理方法 |
CN113848921B (zh) * | 2021-09-29 | 2023-10-13 | 中国第一汽车股份有限公司 | 车路云协同感知的方法和系统 |
CN113963538B (zh) * | 2021-10-19 | 2022-06-10 | 交通运输部公路科学研究所 | 基于数据自流动的智慧公路信息物理系统 |
CN113888871B (zh) * | 2021-10-20 | 2023-05-05 | 上海电科智能系统股份有限公司 | 高速公路交通事件自动化处置联动系统及方法 |
CN113971047B (zh) * | 2021-10-22 | 2023-06-23 | 中国联合网络通信集团有限公司 | 分级平行系统的构建方法、应用方法、计算机设备及介质 |
CN114228743B (zh) * | 2021-11-30 | 2023-08-29 | 上汽通用五菱汽车股份有限公司 | 无人物流车控制方法、装置、系统和可读存储介质 |
CN114333306A (zh) * | 2021-12-23 | 2022-04-12 | 大陆投资(中国)有限公司 | 路侧系统 |
CN114500223B (zh) * | 2022-01-21 | 2024-01-16 | 深圳日浩科技现代服务业有限公司 | 一种基于云应用的双组织管理系统及其方法 |
CN114785817A (zh) * | 2022-02-28 | 2022-07-22 | 济南三星灯饰有限公司 | 智慧灯杆设备的云边协同场景联动方法 |
CN114338678A (zh) * | 2022-03-10 | 2022-04-12 | 国汽智控(北京)科技有限公司 | 一种智能网联汽车操作系统应用层切换方法及装置 |
CN115102953B (zh) * | 2022-04-13 | 2023-08-08 | 北京智芯微电子科技有限公司 | 配电网云边端协同管控系统及方法 |
CN115116223A (zh) * | 2022-06-22 | 2022-09-27 | 兰州交通大学 | 一种基于云计算城市道路交通信息的监测系统 |
CN115297150B (zh) * | 2022-08-04 | 2023-09-22 | 北京物资学院 | 一种车载单元控制方法及系统 |
CN116248738B (zh) * | 2023-05-12 | 2023-07-28 | 煤炭科学技术研究院有限公司 | 基于云边端的边缘控制方法和装置 |
CN117319490B (zh) * | 2023-10-31 | 2024-04-16 | 广东利通科技投资有限公司 | 一种面向智慧公路的人工智能应用协同控制系统及其方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109493620A (zh) * | 2017-09-11 | 2019-03-19 | 阿里巴巴集团控股有限公司 | 一种交通路况分析系统、方法以及装置 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10721631B2 (en) * | 2018-04-11 | 2020-07-21 | At&T Intellectual Property I, L.P. | 5D edge cloud network design |
CN109714730B (zh) * | 2019-02-01 | 2021-03-19 | 清华大学 | 用于车车及车路协同的云控平台系统及协同系统和方法 |
CN110430266B (zh) * | 2019-08-06 | 2021-07-13 | 腾讯科技(深圳)有限公司 | 一种边云协同数据传输方法、装置、设备及存储介质 |
-
2020
- 2020-03-18 CN CN202010192205.XA patent/CN111371904B/zh active Active
-
2021
- 2021-03-18 US US17/206,048 patent/US20210295684A1/en not_active Abandoned
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109493620A (zh) * | 2017-09-11 | 2019-03-19 | 阿里巴巴集团控股有限公司 | 一种交通路况分析系统、方法以及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN111371904A (zh) | 2020-07-03 |
US20210295684A1 (en) | 2021-09-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111371904B (zh) | 云边端协同的高速公路云控系统及控制方法 | |
Luo et al. | A new framework of intelligent public transportation system based on the internet of things | |
US20200334979A1 (en) | Predictive, integrated and intelligent system for control of times in traffic lights | |
CN108831151B (zh) | 无人驾驶公交车应急调度系统及方法 | |
CN110533901B (zh) | 一种无人驾驶车辆群组的充电调度方法和云管理服务器 | |
Amirgholy et al. | Optimal design of sustainable transit systems in congested urban networks: A macroscopic approach | |
CN104424812B (zh) | 一种公交到站时间预测系统和方法 | |
CN111882894A (zh) | 一种智能交通信号灯控制方法及系统 | |
CN109993968A (zh) | 基于车联网的交通控制系统 | |
CN113965568A (zh) | 一种面向城市道路c-v2x网络的边缘计算系统 | |
CN112466115A (zh) | 一种基于边缘计算的公交车辆交叉口优先通行控制系统及方法 | |
CN102122437A (zh) | 道路交通管理决策支持装置 | |
CN109979220A (zh) | 一种用于汽车出行的高速服务区智能系统 | |
CN106920412A (zh) | 适用于车路协同的智能交通运行系统及方法 | |
CN112309122A (zh) | 一种基于多系统协同的智慧公交分级决策系统 | |
CN103366224B (zh) | 一种基于公交网络的乘客需求预测系统和方法 | |
CN109816978B (zh) | 考虑驾驶员动态响应行为的区域群体交通诱导系统及方法 | |
CN105574154A (zh) | 一种基于大数据平台的城市宏观区域信息分析系统 | |
CN115116257A (zh) | 基于边缘云服务的车辆调度方法、装置、设备及介质 | |
CN111986337A (zh) | 基于机器人的路侧停车收费管理系统及方法 | |
CN110033613B (zh) | 基于区域交通同步性的智慧城市管理方法及系统 | |
CN110197585A (zh) | 一种基于TR-Min-Min算法的城市智能交通处理系统及方法 | |
CN116261120B (zh) | 一种基于云边端协同的v2x服务动态迁移方法及系统 | |
CN113963538B (zh) | 基于数据自流动的智慧公路信息物理系统 | |
CN115762131A (zh) | 一种应用于公共交通的智能行车计划编制方法及系统 |
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 |