CN111487975A - 一种基于智能网联系统的港口卡车自动编队方法及系统 - Google Patents

一种基于智能网联系统的港口卡车自动编队方法及系统 Download PDF

Info

Publication number
CN111487975A
CN111487975A CN202010365481.1A CN202010365481A CN111487975A CN 111487975 A CN111487975 A CN 111487975A CN 202010365481 A CN202010365481 A CN 202010365481A CN 111487975 A CN111487975 A CN 111487975A
Authority
CN
China
Prior art keywords
vehicle
target
grid
path
running
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.)
Pending
Application number
CN202010365481.1A
Other languages
English (en)
Inventor
张祖锋
殷嘉伦
胡阳
张雪峰
孙玉哲
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.)
Changjia Fengxing Suzhou Intelligent Technology Co ltd
Original Assignee
Changjia Fengxing Suzhou Intelligent Technology 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 Changjia Fengxing Suzhou Intelligent Technology Co ltd filed Critical Changjia Fengxing Suzhou Intelligent Technology Co ltd
Priority to CN202010365481.1A priority Critical patent/CN111487975A/zh
Publication of CN111487975A publication Critical patent/CN111487975A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05DSYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02Control of position or course in two dimensions
    • G05D1/021Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0287Control of position or course in two dimensions specially adapted to land vehicles involving a plurality of land vehicles, e.g. fleet or convoy travelling
    • G05D1/0291Fleet control
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05DSYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02Control of position or course in two dimensions
    • G05D1/021Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0221Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05DSYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02Control of position or course in two dimensions
    • G05D1/021Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0287Control of position or course in two dimensions specially adapted to land vehicles involving a plurality of land vehicles, e.g. fleet or convoy travelling
    • G05D1/0291Fleet control
    • G05D1/0295Fleet control by at least one leading vehicle of the fleet

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)
  • Traffic Control Systems (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)

Abstract

本发明公开了基于智能网联系统的港口卡车自动编队方法,该方法包括:港口内的总控系统接收港口内所有车辆的位置信息,判断当前车辆相对于自动驾驶车队是否符合车辆编队要求;第一车辆接收总控系统发送的目标指令和当前车辆发送的行驶参数,并控制第一车辆保持匀速行驶,并通过高精度定位模块向当前车辆发送第一车辆的行驶参数;当前车辆通过路径规划A*算法计算出当前车辆与第一车辆之间的行驶路径,并通过决策系统计算出当前车辆的目标速度,当前车辆变速直至与第一车辆的行驶速度一致,完成目标指令。在路径规划中,采用改进的A*算法,对港口内车辆与目标地点之间、车辆与车辆之间的路径规划能够得出曲线路径,提高自动驾驶的安全性。

Description

一种基于智能网联系统的港口卡车自动编队方法及系统
技术领域
本发明属于智能网联汽车技术领域,尤其是涉及一种基于智能网联系统的港口卡车自动编队方法及系统。
背景技术
智能网联汽车,即ICV(Intelligent Connected Vehicle),是指车联网与智能车的有机联合,搭载车载传感器、控制器、执行器等装置,并融合现代通信与网络技术,实现车与人、车、路、后台等智能信息交换共享,实现安全、舒适、节能、高效行驶,并最终成为能够执行自动驾驶功能的车辆,此外车辆之间、车辆和路侧设备之间可以相互通信,传输的信息包括车辆的位置、运动状态等。
车辆的编队行驶是车联网的重要应用之一,现有研究表明车辆的编队行驶可以有效减小车间距离,从而提高了交通密度以及通行能力,从而提升交通的安全性与效率。通常车队中包括一辆领队车辆即头车和依次跟随头车车辆行驶的跟随车辆。对于复杂的开放环境下的道路交通环境,现有的车辆编队技术研究都是仿真模拟等理论性研究,但是在港口场景下没有随意走动的行人,作业车辆的种类较为单一,车辆编队技术具有较好的现实应用前景。
目前的编队以车辆跟随技术为主,车辆跟随技术仅限于跟随车辆检测到可被跟随的车辆的状态后,而对自身的跟随车辆的控制,不存在车车协同与车路协同等智能网联汽车的技术,高度依赖于车辆的检测结果,这种车辆编队是随机的、零散的,对港口内这种大规模的车辆运行与管理起不到良好的效果。
因此,为了解决上述技术问题,对车队更好地管理而提供一种港口卡车自动编队方法。
发明内容
本发明的目的是提供一种用于控制港口内车辆的运行、顺利跟随其他车辆或汇入车流,并在港口内的车辆进行全局路径规划或局部路径规划的基于智能网联系统的港口卡车自动编队方法。
本发明的技术方案如下:
一种基于智能网联系统的港口卡车自动编队方法,该方法包括:
港口内的总控系统接收港口内所有车辆的位置信息,判断当前车辆相对于自动驾驶车队是否符合车辆编队要求,如果符合车辆编队要求,则总控系统向当前车辆及自动驾驶车队发送目标指令,如果不符合车辆编队要求,则当前车辆保持初始状态行驶,所述自动驾驶车队是由处于自动驾驶模式的多辆车辆组成,第一目标车辆为多辆车辆之一,且该第一目标车辆为自动驾驶车队中的最末辆车;
所述第一目标车辆接收所述总控系统发送的目标指令和当前车辆发送的第一行驶参数,控制第一目标车辆保持匀速行驶,并通过高精度定位模块向当前车辆发送第一目标车辆的行驶参数;
所述当前车辆接收所述第一目标车辆发送的第一行驶参数,通过局部路径规划模块的A*算法规划出当前车辆的最优行驶路径,并通过决策系统根据最优行驶路径、当前车辆的行驶参数、第一目标车辆的第一行驶参数计算出当前车辆的目标速度,通过控制模块控制当前车辆变速,直至当前车辆与第一目标车辆保持安全距离,且当前车辆的目标速度与第一目标车辆的行驶速度一致,从而完成目标指令。
在上述技术方案中,所述目标指令用于控制所述当前车辆变速至计算出的当前车辆的目标速度。
在上述技术方案中,所述行驶参数包括车辆的当前位置、行驶方向、行驶角度、行驶速度和行驶角速度。
在上述技术方案中,该方法还包括:
所述总控系统获取的第二目标车辆的第二行驶参数,所述第二目标车辆为所述多辆车辆之一,且所述第一目标车辆和第二目标车辆在所述自动驾驶车队中的位置相邻,所述第一目标车辆为第二目标车辆的前车,所述第二目标车辆为自动驾驶车队中第一目标车辆的后面多辆车之一;
所述第一目标车辆、第二目标车辆接收所述总控系统发送的目标指令和所述当前车辆发送的行驶参数,并控制第一目标车辆保持匀速行驶,通过高精度定位模块向当前车辆发送第一目标车辆的第一行驶参数,所述第二目标车辆接收所述当前车辆的行驶参数及目标指令后,向当前车辆发送第二目标车辆的第二行驶参数;
所述当前车辆接收所述第一目标车辆的行驶参数,通过局部路径规划模块A*算法计算出当前车辆与第一目标车辆的最优行驶路径,并根据所述最优行驶路径、当前车辆的行驶参数、第一目标车辆的第一行驶参数计算出当前车辆的目标速度,控制当前车辆变速,并控制当前车辆向第二目标车辆发送当前车辆的行驶参数;
所述第二目标车辆接收所述当前车辆的行驶参数,并根据最优行驶路径计算出第二目标车辆的目标运行速度,控制第二目标车辆减速;
所述当前车辆变速直至控制当前车辆插入所述第一目标车辆与第二目标车辆之间,所述当前车辆与第一目标车辆、第二目标车辆保持安全距离,且控制当前车辆的行驶速度与第一目标车辆、第二目标车辆的行驶速度一致,完成目标指令。
在上述技术方案中,所述A*算法的计算最优行驶路径方法,包括以下步骤:
Q1.在对已制作好港口平面图的栅格地图的基础上,对港口内任一车辆,该车辆的起始位置信息为PS,该车辆的目标位置信息为PE,对起始位置信息在所述栅格地图内对应的节点记为起始节点A,对目标位置信息在所述栅格地图内对应的节点记为目标节点B,把起始节点A加入Open-List;
Q2.将起始节点A相邻的栅格中可通行栅格加入Open-List,将起点节点A作为所述可通行栅格的父节点,然后将起点节点A从Open-List中取出并加入至Close-List中;
Q3.遍历Open-List,计算Open-List中每个栅格与父节点的评价函数f,由如下公式计算得出:
f=g+h;
其中,g为从父节点到该栅格的路径的实际耗散,车辆沿横向或纵向移动的实际耗散为10,沿对角线方向移动的路径耗散为14;h为从该栅格到目标节点最优路径的估计耗散,所述最优路径是指当车辆只能沿横向或纵向移动并且忽略路径中的障碍物时的最短路径,而估计耗散是最优路径所经过的栅格数的10倍;
Q4.将Q3.中得到的最小的评价函数f所对应的栅格作为选定的栅格C,将栅格C从Open-List中取出并移入Close-List,并对选定的栅格C的相邻栅格进行判断,
Q4-1.如果该相邻栅格是不可抵达的栅格或已在Open-List中,忽略该相邻栅格;
Q4-2.如果该相邻栅格不在Open-List中,则把它加入Open-List,把该栅格C设置为该相邻方格的父方格,并记录该栅格C的f、g和h值;
Q4-3.如果该相邻栅格已在Open-List中,检查经该相邻栅格是否更优:记栅格C的父节点到栅格C的g值与栅格C到该相邻栅格的g值之和为g1,记栅格C的父节点直接到该相邻栅格的g值为g2,如果g2值更小,将该相邻栅格设置为选定的栅格C,并重新计算其f和g值;
Q5.重复步骤Q3-Q4,直到把目标节点的目标位置信息PE加入至Open-List中或者查找终点失败;若查找终点失败表示此时Open-List中为空,没有路径,重新开始查找;若把目标节点加入至Open-List中表示此时已找到路径,所述Open-List即为规划路径,该规划路径从起始节点A的起始位置信息PS开始,沿父节点移动直至目标节点B的目标位置信息PE,根据规划路径的长度计算出行驶车速,由如下公式计算:
Figure BDA0002476596650000041
其中,d为全局规划路径的长度、
Figure BDA0002476596650000042
为港口内最大行驶速度、T为所需的到达时间。
在上述技术方案中,所述A*算法中在对已制作好的港口的栅格地图的制作方法包括以下步骤:
S1.设置栅格地图的分辨率即栅格的大小;
S2.根据所述栅格地图的分辨率在港口平面图上划分出M×N个栅格,并生成对应大小的M×N的矩阵,所述矩阵元素数量等于栅格数;
S3.根据港口内的可通行栅格与不可通行栅格(为了车辆运行安全,栅格内只要有不可通行的区域即为不可通行栅格)对矩阵元素进行赋值,可通行栅格对应的矩阵元素赋值为0,不可通行栅格对应的矩阵元素赋值为1,最后所得到M×N矩阵的栅格地图。
本发明的另一个目的是提供一种基于智能网联系统的港口卡车自动编队,所述系统应用如所述的港口卡车自动编队方法,包括:总控系统和在港口内的多个卡车上的单车自动驾驶系统;
所述总控系统用于宏观调控港口内的车辆运行状态,所述总控系统包括车辆调度系统、全局路径规划系统和工况系统,所述工况系统用于根据生产需求,向所述车辆调度系统发送目标指令,采集港口的天气状况并向全局路径规划系统发送所述天气状况;所述全局路径规划系统内嵌入有A*算法,用于接收所述工况系统发送的目标指令和所述单车自动驾驶系统发送的车辆状态,寻找距离生产需求最近的车辆,采用A*算法计算出全局规划路径,生成全局规划调度指令,并将该全局规划调度指令及全局路径规划路径发送至所述车辆调度系统;所述车辆调度系统用于接收所述全局路径规划系统发送的全局规划调度指令及工况系统发送的天气状况,并向所述目标指令中指定的车辆发送全局规划调度指令;
所述单车自动驾驶系统用于采集并向总控系统发送港口内的每个车辆的车辆状态,并接收总控系统发出的目标指令,控制车辆按照目标指令运行;
所述总控系统与单车自动驾驶系统之间通讯连接,所述总控系统的各个子系统通讯连接,所述单车自动驾驶系统内的各个模块之间通讯连接。
在上述技术方案中,所述单车自动驾驶系统包括高精度定位模块、局部路径规划模块、决策模块和控制模块;
所述高精度定位模块用于获取当前车辆或汇入车辆的位置信息,所述高精度定位模块包括差分GPS和高精度组合惯导;
所述局部路径规划模块内嵌入有A*算法,用于规划计算当前车辆或汇入车辆与自动驾驶车队内的目标车辆之间的局部规划路径,采用所述A*算法规划计算出局部规划路径;
所述决策模块用于根据所述局部规划路径的长度、当前车辆或汇入车辆的运行速度、自动驾驶车队的目标车辆的运行速度及安全距离计算出当前车辆或汇入车辆的跟随行驶速度及加速度;
所述控制模块用于接收所述局部规划路径、跟随行驶速度及加速度以控制车辆的行驶。
在上述技术方案中,所述目标指令包括目标地点PE、所需车辆数目N和所需的到达时间T。
在上述技术方案中,所述局部路径规划模块与全局路径规划系统中均嵌入A*算法以用于计算规划出当前车辆与目标地点、当前车辆与目标车辆之间的路径。
本发明具有的优点和积极效果是:
1.本发明提供了一种基于智能网联系统的港口卡车自动编队系统,通过总控系统与单车自动驾驶系统之间的数据通信,控制港口内的车辆运行状态,使得车辆运行中能够顺利跟随或汇入车流,提高港口内车辆运行安全性与效率。
2.在全局路径规划系统和局部路径规划模块中,采用改进的A*算法,对港口内车辆到目标地点之间进行全局路径规划,也能够在当前车辆与目标车辆之间的局部路径规划,能为车辆运行提高最优路径,节约能源,为港口内作业提供及时的供给,提高港口作业效率。
附图说明
图1是本发明的系统的架构图;
图2是本发明中车辆跟随的流程图;
图3是本发明中车辆跟随状态的车辆编队行驶的示意图;
图4是本发明中车辆汇入的流程图;
图5是本发明中车辆汇入状态的车辆编队行驶的示意图;
图6是本发明中A*算法的3个相邻栅格示意图;
具体实施方式
下面将结合本发明实施例中的附图,对本发明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发明的一部分实施例,而不是全部实施例。基于本发明的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都应属于本发明保护的范围。
本发明实施例的技术方案可以应用于各种通信系统,例如:全球移动通讯(GlobalSystem of Mobile communication,简称为“GSM”)系统、码多分址(Code DivisionMultiple Access,简称为“CDMA”)系统、宽带码多分址(Wideband Code DivisionMultiple Access,简称为“WCDMA”)系统、通用分组无线业务(General Packet RadioService,简称为“GPRS”)、长期演进(Long Term Evolution,简称为“LTE”)系统、LTE频分双工(Frequency Division Duplex,简称为“FDD”)系统、LTE时分双工(Time DivisionDuplex,简称为“TDD”)、通用移动通信系统(Universal Mobile TelecommunicationSystem,简称为“UMTS”)、全球互联微波接入(Worldwide Interoperability forMicrowave Access,简称为“WiMAX”)通信系统或5G系统等。
实施例1
如图所示,在车辆编队行驶过程中,本发明的基于智能网联系统的港口卡车自动编队方法,具体为当前车辆的跟随编队方法,包括以下步骤:
(1)港口内的总控系统接收港口内所有车辆的位置信息,判断当前车辆相对于自动驾驶车队是否符合跟随模式(跟随模式即当前车辆的前面具有自动驾驶车队中的目标车辆,且该当前车辆与所述的自动驾驶车队具有一段相同的行驶路径):
所述自动驾驶车队是由处于自动驾驶模式的一辆或多辆车辆组成,如果自动驾驶车队是由一辆车组成,第一目标车辆即为该车辆,如果自动驾驶车队是由多辆车组成,第一目标车辆即为车队中最后的一辆车;如果当前车辆的前面具有自动驾驶车队(所述当前车辆与目标车辆之间的距离如果小于安全距离则增加距离,如果当前车辆与第一目标车辆之间的距离大于安全距离,则减小距离,但不要求当前车辆与第一目标车辆之间的距离小于安全距离),则总控系统同意跟随模式,并向当前车辆和目标车辆发送车辆跟随指令;如果当前车辆的前面不具有自动驾驶车队,则当前车辆保持初始状态行驶;
(2)所述第一目标车辆接收到车辆跟随指令和所述当前车辆发送的行驶参数,控制目标车辆保持匀速行驶,并通过高精度定位模块向当前车辆发送第一目标车辆的第一行驶参数,其中,所述行驶参数包括车辆的当前位置、行驶方向、角度和加速度;
(3)所述当前车辆接收所述第一目标车辆发送的第一行驶参数,通过局部路径规划模块采用A*算法规划出当前车辆的最优局部行驶路径,并根据该最优局部行驶路径、当前车辆的运行速度、目标车辆的运行速度及当前车辆与目标车辆的最小安全距离,计算出当前车辆的最优行驶速度及加速度,控制当前车辆开始变速;
(4)重复所述(2)-(3),直至控制当前车辆的行驶速度与第一目标车辆的运行速度一致,且两者保持最小安全距离,从而完成当前车辆与目标车辆的跟随。
实施例2
如图4-5所示,为了描述方便,图5中以车队中的车辆排列的顺序为第一目标车辆Car1、汇入车辆、第二目标车辆Car2为例阐述根据本发明实施例的控制车辆编队汇入行驶的方法,应理解,本发明实施例中,车队中还可以包括其他的车辆,本发明车队中车辆的数量不作限定。
在车辆编队行驶过程中,本发明的基于智能网联系统的港口卡车自动编队方法,具体为当前车辆的汇入车队中的编队方法,包括以下步骤:
(1)港口内的总控系统接收港口内所有车辆的位置信息,判断汇入车辆(即当前车辆,在本实施例中称为汇入车辆)相对于自动驾驶车辆是否符合车辆汇入车流模式(车辆汇入车流模式为汇入车辆与自动驾驶车队中的2个目标车辆之间,且该汇入车辆与所述自动驾驶车队具有一段相同的行驶路径),
所述自动驾驶车队中的2个目标车辆为相邻的两辆车,分别为第一目标车辆Car1、第二目标车辆Car2,其中,第一目标车辆Car1是自动驾驶车队中被插入位置的前一辆车,第二目标车辆Car2是自动驾驶车队中被插入位置的后侧车辆中的头车,即汇入车辆需要汇入第一目标车辆Car1与第二目标车辆Car2之间;
当所述汇入车辆的前面具有自动驾驶车队,且汇入车辆需要插入到第一目标车辆Car1与第二目标车辆Car2之间时,则总控系统同意汇入车辆,并分别向汇入车辆、第一目标车辆Car1及第二目标车辆Car2发送车辆汇入指令;
(2)所述第一目标车辆Car1接收所述的车辆汇入指令及汇入车辆的行驶参数后,保持匀速行驶,并向汇入车辆发送其第一行驶参数;所述目标车辆Car2接收所述车辆汇入指令及汇入车辆的行驶参数后,同时目标车辆Car2向汇入车辆发送其第二行驶参数,其中,所述行驶参数、第一行驶参数、第二行驶参数均包括车辆的当前位置、行驶方向、角度和加速度;
(3)所述汇入车辆接收所述的车辆汇入指令、目标车辆Car1的第一行驶参数及杜尔目标车辆Car2的第二行驶参数后,通过局部路径规划模块采用A*算法计算出汇入的最优局部行驶路径,并通过决策系统计算出汇入车辆的汇入行驶速度及加速度,并控制汇入车辆运行同时将汇入车辆的当前位置、运行速度及加速度发送给第二目标车辆Car2;
(4)所述第二目标车辆Car2接收所述汇入车辆的行驶参数后,通过决策系统根据安全距离,计算出第二目标车辆Car2最优的运行速度及加速度,并向第二目标车辆Car2除头车外的余下车辆发送计算出的所述最优的运行速度及加速度,通过控制模块控制第二目标车辆Car2的行驶;
(5)重复上述步骤(2)-(4),直至汇入车辆插入所述第一目标车辆Car1与第二目标车辆Car2之间,并与第一目标车辆Car1与第二目标车辆Car2的运行状态一致,且保持安全距离,从而完成汇入车辆的车辆汇入车流。
在本发明实施例的控制车辆汇入车流的编队行驶的方法,可以避免整个车队或车队中的部分车辆在加速过程中,前后车辆之间、汇入车辆和前方非本车队的车辆、车队最后一辆车和后方非本车队来车相撞,提高车辆汇入编队的行车安全性。
实施例3
如图1所示,本发明的基于智能网联系统的港口卡车自动编队系统,包括:
总控系统,用于宏观调控港口内的车辆运行状态;
单车自动驾驶系统,用于采集并向总控系统发送港口内的每个车辆的车辆状态,并接收总控系统发出的目标指令,控制车辆按照目标指令运行;
所述总控系统与单车自动驾驶系统之间通讯连接,所述总控系统的各个子系统通讯连接,所述单车自动驾驶系统内的各个模块之间通讯连接。
进一步地说,所述总控系统包括车辆调度系统、全局路径规划系统和工况系统;
所述工况系统用于根据生产需求,向所述车辆调度系统发送目标指令,采集港口的天气状况并向全局路径规划系统发送所述天气状况;
所述全局路径规划系统用于接收目标指令和单车自动驾驶系统发送的车辆状态,寻找距离生产需求最近的卡车,采用A*算法计算出全局规划路径,生成全局规划调度指令,并将该全局规划调度指令及全局路径规划路径发送至所述车辆调度系统;
所述车辆调度系统用于接收所述全局路径规划系统发送的全局规划调度指令及工况系统发送的天气状况,并向所述目标指令中指定的车辆发送全局运行指令;其中,所述全局运行指令包括目标地点、全局规划路径和全局行驶车速。
进一步地说,所述目标指令包括目标地点PE、所需车辆数目N和所需的到达时间T。
进一步地说,所述单车自动驾驶系统包括高精度定位模块、局部路径规划模块、决策模块和控制模块;
所述高精度定位模块用于获取当前车辆或汇入车辆的位置信息,所述高精度定位模块包括差分GPS和高精度组合惯导(型号为OXTS RT 3003);
所述局部路径规划模块内嵌装有A*算法,用于规划计算当前车辆或汇入车辆与自动驾驶车队内的目标车辆之间的局部规划路径,采用所述A*算法规划计算出局部规划路径;
所述决策模块用于根据所述局部规划路径的长度、当前车辆或汇入车辆的运行速度、自动驾驶车队的目标车辆的运行速度及最小安全距离计算出当前车辆或汇入车辆的跟随行驶速度及加速度;
所述控制模块用于接收所述局部规划路径、跟随行驶速度及加速度以控制车辆的行驶。
进一步地说,所述局部路径规划模块与全局路径规划系统均需要制作港口的栅格地图;
其中,所述的栅格地图的制作方法,包括以下步骤:
S1.设置栅格地图的分辨率即栅格的大小,(本实施例中的栅格为与卡车大小相同或相近的正方形);
S2.根据所述栅格地图的分辨率在港口平面图上划分出M×N个栅格,并生成对应大小的M×N的矩阵,所述矩阵元素数量等于栅格数;
S3.根据港口内的可通行栅格与不可通行栅格(为了车辆运行安全,栅格内只要有不可通行的区域即为不可通行栅格)对矩阵元素进行赋值,可通行栅格对应的矩阵元素赋值为0,不可通行栅格对应的矩阵元素赋值为1,最后所得到M×N矩阵的栅格地图。
进一步地说,所述局部路径规划模块与全局路径规划系统中均嵌入A*算法以用于计算规划出车辆与目标地点、车辆与车辆之间的路径;
其中,所述全局路径规划系统中的A*算法,在所述栅格地图的基础上,包括以下步骤:
Q1.在对已制作好港口平面图的栅格地图的基础上,对港口内任一车辆,该车辆的起始位置信息为PS,该车辆的目标位置信息为PE,对起始位置信息在所述栅格地图内对应的节点记为起始节点A,对目标位置信息在所述栅格地图内对应的节点记为目标节点B,把起始节点A加入Open-List;
Q2.将起始节点A相邻的栅格中可通行栅格加入Open-List,将起点节点A作为所述可通行栅格的父节点,然后将起点节点A从Open-List中取出并加入至Close-List中;
Q3.遍历Open-List,计算Open-List中每个栅格与父节点的评价函数f,由如下公式计算得出:
f=g+h;
其中,g为从父节点到该栅格的路径的实际耗散,车辆沿横向或纵向移动的实际耗散为10,沿对角线方向移动的路径耗散为14;h为从该栅格到目标节点最优路径的估计耗散,所述最优路径是指当车辆只能沿横向或纵向移动并且忽略路径中的障碍物时的最短路径,而估计耗散是最优路径所经过的栅格数的10倍;
Q4.将Q3.中得到的最小的评价函数f所对应的栅格作为选定的栅格C,将栅格C从Open-List中取出并移入Close-List,并对选定的栅格C的相邻栅格进行判断,
Q4-1.如果该相邻栅格是不可抵达的栅格或已在Open-List中,忽略该相邻栅格;
Q4-2.如果该相邻栅格不在Open-List中,则把它加入Open-List,把该栅格C设置为该相邻方格的父方格,并记录该栅格C的f、g和h值;
Q4-3.如果该相邻栅格已在Open-List中,检查经该相邻栅格是否更优:记栅格C的父节点到栅格C的g值与栅格C到该相邻栅格的g值之和为g1,记栅格C的父节点直接到该相邻栅格的g值为g2,如果g2值更小,将该相邻栅格设置为选定的栅格C,并重新计算其f和g值;
Q5.重复步骤Q3-Q4,直到把目标节点的目标位置信息PE加入至Open-List中或者查找终点失败;若查找终点失败表示此时Open-List中为空,没有路径,重新开始查找;若把目标节点加入至Open-List中表示此时已找到路径,所述Open-List即为规划路径,该规划路径从起始节点A的起始位置信息PS开始,沿父节点移动直至目标节点B的目标位置信息PE,根据规划路径的长度计算出行驶车速,由如下公式计算:
Figure BDA0002476596650000101
其中,d为全局规划路径的长度、
Figure BDA0002476596650000102
为港口内最大行驶速度、T为所需的到达时间。
进一步地说,所述步骤Q4中栅格C的相邻栅格,在使用A*算法进行路径规划时,一般将卡车当作质点,但实际情况中卡车是具有尺寸的,而且在港口内,除了停车时倒行容易导致发生交通事故,所以传统的A*算法所采用的8方向运动不适用与卡车实际运行,还会造成路径规划运算量过大。因此规定栅格C的相邻栅格为沿车辆运行方向(如图6中箭头所指方向)的3个相邻方格(如图6中灰色栅格)。
进一步地说,所述局部路径规划模块应用A*算法的规划方法,包括以下步骤:
401.当前车辆/汇入车辆接收所述总控系统发出的目标指令及目标车辆信息,并接收所述目标车辆发送的位置、车辆行驶参数;
402.采用A*算法计算出当前车辆/汇入车辆与目标车辆之间的局部规划路径;
403.所述当前车辆/汇入车辆不断接收目标车辆发送的位置、行驶参数的信息,实时更新局部规划路径,并将计算得到的局部规划路径发送给当前车辆/汇入车辆及目标车辆的决策系统,控制当前车辆/汇入车辆变速以使当前车辆/汇入车辆与目标车辆的运行状态一直,并保持安全距离。
进一步地说,行驶参数包括车辆速度、安全距离Dsafety。
实施例4
在实施例3的基础上,所述总控系统包括发送器、接收器、处理器、存储器和总线系统。其中,发送器、接收器、处理器和存储器通过总线系统连接。
所述存储器用于存储指令;
所述处理器用于执行该存储器存储的指令,当所述指令被执行时,处理器可以确定自动驾驶车队中的第一车辆的第一行驶参数,自动驾驶车队由处于自动驾驶模式的多辆车辆组成,第一车辆为多辆车辆之一;
发送器用于向目标车辆发送控制信息(包括跟随指令、汇入指令),控制信息用于控制第一车辆按照第一行驶参数行驶;发送器还用于向第一车辆发送自动驾驶车队的车队信息,所述车队信息包括自动驾驶车队的全局规划路径或局部规划路径;
所述接收器用于接收第一车辆在根据车队信息和第一车辆的车辆信息确定加入自动驾驶车队时发送的加入车队请求。
以上对本发明的一个实施例进行了详细说明,但所述内容仅为本发明的较佳实施例,不能被认为用于限定本发明的实施范围。凡依本发明申请范围所作的等同变化与改进等,均应仍归属于本发明的专利涵盖范围之内。

Claims (10)

1.一种基于智能网联系统的港口卡车自动编队方法,其特征在于,该方法包括:
港口内的总控系统接收港口内所有车辆的位置信息,判断当前车辆相对于自动驾驶车队是否符合车辆编队要求,如果符合车辆编队要求,则总控系统向当前车辆及自动驾驶车队发送目标指令,如果不符合车辆编队要求,则当前车辆保持初始状态行驶,所述自动驾驶车队是由处于自动驾驶模式的多辆车辆组成,第一目标车辆为多辆车辆之一,且该第一目标车辆为自动驾驶车队中的最末辆车;
所述第一目标车辆接收所述总控系统发送的目标指令和当前车辆发送的第一行驶参数,控制第一目标车辆保持匀速行驶,并通过高精度定位模块向当前车辆发送第一目标车辆的行驶参数;
所述当前车辆接收所述第一目标车辆发送的第一行驶参数,通过局部路径规划模块的A*算法规划出当前车辆的最优行驶路径,并通过决策系统根据最优行驶路径、当前车辆的行驶参数、第一目标车辆的第一行驶参数计算出当前车辆的目标速度,通过控制模块控制当前车辆变速,直至当前车辆与第一目标车辆保持安全距离,且当前车辆的目标速度与第一目标车辆的行驶速度一致,从而完成目标指令。
2.一种基于智能网联系统的港口卡车自动编队方法,其特征在于:该方法包括:
所述总控系统获取的第二目标车辆的第二行驶参数,所述第二目标车辆为所述多辆车辆之一,且所述第一目标车辆和第二目标车辆在所述自动驾驶车队中的位置相邻,所述第一目标车辆为第二目标车辆的前车,所述第二目标车辆为自动驾驶车队中第一目标车辆的后面多辆车之一;
所述第一目标车辆、第二目标车辆接收所述总控系统发送的目标指令和所述当前车辆发送的行驶参数,并控制第一目标车辆保持匀速行驶,通过高精度定位模块向当前车辆发送第一目标车辆的第一行驶参数,所述第二目标车辆接收所述当前车辆的行驶参数及目标指令后,向当前车辆发送第二目标车辆的第二行驶参数;
所述当前车辆接收所述第一目标车辆的行驶参数,通过局部路径规划模块A*算法计算出当前车辆与第一目标车辆的最优行驶路径,并根据所述最优行驶路径、当前车辆的行驶参数、第一目标车辆的第一行驶参数计算出当前车辆的目标速度,控制当前车辆变速,并控制当前车辆向第二目标车辆发送当前车辆的行驶参数;
所述第二目标车辆接收所述当前车辆的行驶参数,并根据最优行驶路径计算出第二目标车辆的目标运行速度,控制第二目标车辆减速;
所述当前车辆变速直至控制当前车辆插入所述第一目标车辆与第二目标车辆之间,所述当前车辆与第一目标车辆、第二目标车辆保持安全距离,且控制当前车辆的行驶速度与第一目标车辆、第二目标车辆的行驶速度一致,完成目标指令。
3.根据权利要求1或2所述的港口卡车自动编队方法,其特征在于:所述目标指令用于控制所述当前车辆变速至计算出的当前车辆的目标速度。
4.根据权利要求3所述的港口卡车自动编队方法,其特征在于:所述行驶参数包括车辆的当前位置、行驶方向、行驶角度、行驶速度和行驶角速度。
5.根据权利要求1或2所述的港口卡车自动编队方法,其特征在于:所述A*算法的计算最优行驶路径方法,包括以下步骤:
Q1.在对已制作好港口平面图的栅格地图的基础上,对港口内任一车辆,该车辆的起始位置信息为PS,该车辆的目标位置信息为PE,对起始位置信息在所述栅格地图内对应的节点记为起始节点A,对目标位置信息在所述栅格地图内对应的节点记为目标节点B,把起始节点A加入Open-List;
Q2.将起始节点A相邻的栅格中可通行栅格加入Open-List,将起点节点A作为所述可通行栅格的父节点,然后将起点节点A从Open-List中取出并加入至Close-List中;
Q3.遍历Open-List,计算Open-List中每个栅格与父节点的评价函数f,由如下公式计算得出:
f=g+h;
其中,g为从父节点到该栅格的路径的实际耗散,车辆沿横向或纵向移动的实际耗散为10,沿对角线方向移动的路径耗散为14;h为从该栅格目标节点最优路径的估计耗散,所述最优路径是指当车辆只能沿横向或纵向移动并且忽略路径中的障碍物时的最短路径,而估计耗散是最优路径所经过的栅格数的10倍;
Q4.将Q3.中得到的最小的评价函数f所对应的栅格作为选定的栅格C,将栅格C从Open-List中取出并移入Close-List,并对选定的栅格C的相邻栅格进行判断,
Q4-1.如果该相邻栅格是不可抵达的栅格或已在Open-List中,忽略该相邻栅格;
Q4-2.如果该相邻栅格不在Open-List中,则把它加入Open-List,把该栅格C设置为该相邻方格的父方格,并记录该栅格C的f、g和h值;
Q4-3.如果该相邻栅格已在Open-List中,检查经该相邻栅格是否更优:记栅格C的父节点到栅格C的g值与栅格C到该相邻栅格的g值之和为g1,记栅格C的父节点直接到该相邻栅格的g值为g2,如果g2值更小,将该相邻栅格设置为选定的栅格C,并重新计算其f和g值;
Q5.重复步骤Q3-Q4,直到把目标节点的目标位置信息PE加入至Open-List中或者查找终点失败;若查找终点失败表示此时Open-List中为空,没有路径,重新开始查找;若把目标节点加入至Open-List中表示此时已找到路径,所述Open-List即为规划路径,该规划路径从起始节点的起始位置信息PS开始,沿父节点移动直至目标节点的目标位置信息PE,根据规划路径的长度计算出行驶车速,由如下公式计算:
Figure FDA0002476596640000031
其中,d为全局规划路径的长度、
Figure FDA0002476596640000032
为港口内最大行驶速度、T为所需的到达时间。
6.根据权利要求5所述的港口卡车自动编队方法,其特征在于,所述A*算法中在对已制作好的港口的栅格地图的制作方法包括以下步骤:
S1.设置栅格地图的分辨率即栅格的大小;
S2.根据所述栅格地图的分辨率在港口平面图上划分出M×N个栅格,并生成对应大小的M×N的矩阵,所述矩阵元素数量等于栅格数;
S3.根据港口内的可通行栅格与不可通行栅格(为了车辆运行安全,栅格内只要有不可通行的区域即为不可通行栅格)对矩阵元素进行赋值,可通行栅格对应的矩阵元素赋值为0,不可通行栅格对应的矩阵元素赋值为1,最后所得到M×N矩阵的栅格地图。
7.一种基于智能网联系统的港口卡车自动编队系统,其特征在于,实现如权利要求1-6任一项权利要求所述的港口卡车自动编队方法的基于智能网联系统的港口卡车自动编队系统,包括:总控系统和在港口内的多个卡车上的单车自动驾驶系统;
所述总控系统用于宏观调控港口内的车辆运行状态,所述总控系统包括车辆调度系统、全局路径规划系统和工况系统,所述工况系统用于根据生产需求,向所述车辆调度系统发送目标指令,采集港口的天气状况并向全局路径规划系统发送所述天气状况;所述全局路径规划系统用于接收所述工况系统发送的目标指令和所述单车自动驾驶系统发送的车辆状态,寻找距离生产需求最近的车辆,采用A*算法计算出全局规划路径,生成全局规划调度指令,并将该全局规划调度指令及全局路径规划路径发送至所述车辆调度系统;所述车辆调度系统用于接收所述全局路径规划系统发送的全局规划调度指令及工况系统发送的天气状况,并向所述目标指令中指定的车辆发送全局规划调度指令;
所述单车自动驾驶系统用于采集并向总控系统发送港口内的每个车辆的车辆状态,并接收总控系统发出的目标指令,控制车辆按照目标指令运行;
所述总控系统与单车自动驾驶系统之间通讯连接,所述总控系统的各个子系统通讯连接,所述单车自动驾驶系统内的各个模块之间通讯连接。
8.根据权利要求7所述的港口卡车自动编队系统,其特征在于:所述单车自动驾驶系统包括高精度定位模块、局部路径规划模块、决策模块和控制模块;
所述高精度定位模块用于获取当前车辆或汇入车辆的位置信息,所述高精度定位模块包括差分GPS和高精度组合惯导;
所述局部路径规划模块用于规划计算当前车辆或汇入车辆与自动驾驶车队内的目标车辆之间的局部规划路径,采用所述A*算法规划计算出局部规划路径;
所述决策模块用于根据所述局部规划路径的长度、当前车辆或汇入车辆的运行速度、自动驾驶车队的目标车辆的运行速度及最小安全距离计算出当前车辆或汇入车辆的跟随行驶速度及加速度;
所述控制模块用于接收所述局部规划路径、跟随行驶速度及加速度以控制车辆的行驶。
9.根据权利要求8所述的港口卡车自动编队系统,其特征在于:所述目标指令包括目标地点PE、所需车辆数目N和所需的到达时间T。
10.根据权利要求9所述的港口卡车自动编队系统,其特征在于:所述局部路径规划模块与全局路径规划系统中均嵌入A*算法以用于计算规划出当前车辆与目标地点、当前车辆与目标车辆之间的路径。
CN202010365481.1A 2020-04-30 2020-04-30 一种基于智能网联系统的港口卡车自动编队方法及系统 Pending CN111487975A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010365481.1A CN111487975A (zh) 2020-04-30 2020-04-30 一种基于智能网联系统的港口卡车自动编队方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010365481.1A CN111487975A (zh) 2020-04-30 2020-04-30 一种基于智能网联系统的港口卡车自动编队方法及系统

Publications (1)

Publication Number Publication Date
CN111487975A true CN111487975A (zh) 2020-08-04

Family

ID=71795140

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010365481.1A Pending CN111487975A (zh) 2020-04-30 2020-04-30 一种基于智能网联系统的港口卡车自动编队方法及系统

Country Status (1)

Country Link
CN (1) CN111487975A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112037502A (zh) * 2020-08-05 2020-12-04 深圳技术大学 一种智巴车队控制方法、系统和计算机可读存储介质
WO2022027353A1 (zh) * 2020-08-05 2022-02-10 深圳技术大学 一种智巴车队控制方法、系统和计算机可读存储介质
WO2022078067A1 (zh) * 2020-10-15 2022-04-21 广州大学 面向智能车辆的区域协同驾驶意图调度方法、系统和介质
CN115246417A (zh) * 2021-07-29 2022-10-28 上海仙途智能科技有限公司 作业执行方法、装置、设备及计算机可读存储介质

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105835882A (zh) * 2016-03-01 2016-08-10 乐视云计算有限公司 自动行车方法和装置
CN107798861A (zh) * 2017-11-30 2018-03-13 湖北汽车工业学院 一种车辆协作式编队行驶方法及系统
CN107990903A (zh) * 2017-12-29 2018-05-04 东南大学 一种基于改进a*算法的室内agv路径规划方法
CN108444488A (zh) * 2018-02-05 2018-08-24 天津大学 基于等步采样a*算法的无人驾驶局部路径规划方法
CN108983789A (zh) * 2018-08-20 2018-12-11 广东华中科技大学工业技术研究院 一种无人艇的路径规划和布放调度方法
CN109765909A (zh) * 2019-03-07 2019-05-17 北京主线科技有限公司 V2x系统应用在港口的方法
CN109947098A (zh) * 2019-03-06 2019-06-28 天津理工大学 一种基于机器学习策略的距离优先最佳路径选择方法
CN110132291A (zh) * 2019-05-16 2019-08-16 深圳数翔科技有限公司 用于港口的栅格地图生成方法、系统、设备及存储介质
CN110322684A (zh) * 2019-08-08 2019-10-11 北京佑仁天下网络科技有限公司 一种车队动态组队方法、组队设备终端
CN110837800A (zh) * 2019-11-05 2020-02-25 畅加风行(苏州)智能科技有限公司 一种面向港口恶劣天气的目标检测和识别的方法
US20200073408A1 (en) * 2018-09-03 2020-03-05 Hyundai Motor Company Platooning controller, system including the same, and method thereof

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105835882A (zh) * 2016-03-01 2016-08-10 乐视云计算有限公司 自动行车方法和装置
CN107798861A (zh) * 2017-11-30 2018-03-13 湖北汽车工业学院 一种车辆协作式编队行驶方法及系统
CN107990903A (zh) * 2017-12-29 2018-05-04 东南大学 一种基于改进a*算法的室内agv路径规划方法
CN108444488A (zh) * 2018-02-05 2018-08-24 天津大学 基于等步采样a*算法的无人驾驶局部路径规划方法
CN108983789A (zh) * 2018-08-20 2018-12-11 广东华中科技大学工业技术研究院 一种无人艇的路径规划和布放调度方法
US20200073408A1 (en) * 2018-09-03 2020-03-05 Hyundai Motor Company Platooning controller, system including the same, and method thereof
CN109947098A (zh) * 2019-03-06 2019-06-28 天津理工大学 一种基于机器学习策略的距离优先最佳路径选择方法
CN109765909A (zh) * 2019-03-07 2019-05-17 北京主线科技有限公司 V2x系统应用在港口的方法
CN110132291A (zh) * 2019-05-16 2019-08-16 深圳数翔科技有限公司 用于港口的栅格地图生成方法、系统、设备及存储介质
CN110322684A (zh) * 2019-08-08 2019-10-11 北京佑仁天下网络科技有限公司 一种车队动态组队方法、组队设备终端
CN110837800A (zh) * 2019-11-05 2020-02-25 畅加风行(苏州)智能科技有限公司 一种面向港口恶劣天气的目标检测和识别的方法

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112037502A (zh) * 2020-08-05 2020-12-04 深圳技术大学 一种智巴车队控制方法、系统和计算机可读存储介质
WO2022027353A1 (zh) * 2020-08-05 2022-02-10 深圳技术大学 一种智巴车队控制方法、系统和计算机可读存储介质
WO2022078067A1 (zh) * 2020-10-15 2022-04-21 广州大学 面向智能车辆的区域协同驾驶意图调度方法、系统和介质
CN115246417A (zh) * 2021-07-29 2022-10-28 上海仙途智能科技有限公司 作业执行方法、装置、设备及计算机可读存储介质
CN115246417B (zh) * 2021-07-29 2023-08-25 上海仙途智能科技有限公司 作业执行方法、装置、设备及计算机可读存储介质

Similar Documents

Publication Publication Date Title
CN111487975A (zh) 一种基于智能网联系统的港口卡车自动编队方法及系统
CN107798861A (zh) 一种车辆协作式编队行驶方法及系统
CN110271556A (zh) 自主车辆的基于云的场景规划的驾驶系统和控制逻辑
EP4071661A1 (en) Automatic driving method, related device and computer-readable storage medium
CN108011947A (zh) 一种车辆协作式编队行驶系统
CN109410561B (zh) 一种高速路车辆匀异质编队行驶控制方法
CN106004860B (zh) 车辆行驶控制装置
CN109945882A (zh) 一种无人驾驶车辆路径规划与控制系统及方法
CN105245563A (zh) 一种基于车辆节点连通稳定度的动态分簇方法
CN111768612A (zh) 基于c-v2x的车辆编队行驶策略控制方法
CN105774800A (zh) 一种混合车辆队列中车辆间的碰撞缓解方法及装置
CN111204340B (zh) 用于控制自主车辆的系统和方法
CN109087503A (zh) 一种基于v2x的车车协同系统及方法
KR20170041166A (ko) 차량용 네트워크에 기초하여 자율 차량을 위한 자가-자동화된 주차장을 위한 디바이스 및 방법
CN112068571A (zh) 一种用于无人驾驶的车辆编队系统和方法
CN113264049B (zh) 一种智能网联车队协作换道控制方法
CN112967516B (zh) 快速停车场端关键参数与整车匹配全局动态路径规划方法
CN109523807B (zh) 一种交通路网车辆分布式控制方法
CN112767715B (zh) 一种交叉路口交通信号灯与智能网联汽车的协同控制方法
CN115662131B (zh) 网联环境下道路事故路段的多车道协同换道方法
Baskar et al. Hierarchical traffic control and management with intelligent vehicles
CN110415557A (zh) 基于5g、c-v2x和自动驾驶技术的停车场逆向寻车系统及方法
CN115938154A (zh) 基于场端协同的大型电动卡车的自主泊车系统的设置方法
CN113954827B (zh) 一种考虑定位误差和通信时延的交叉口车辆碰撞概率计算方法及系统
CN108592930B (zh) 基于大系统优化和车联网的新能源汽车智能辅助驾驶方法

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20200804

RJ01 Rejection of invention patent application after publication