CN111540237B - 基于多数据融合的车辆安全行驶保障方案自动生成的方法 - Google Patents
基于多数据融合的车辆安全行驶保障方案自动生成的方法 Download PDFInfo
- Publication number
- CN111540237B CN111540237B CN202010425529.3A CN202010425529A CN111540237B CN 111540237 B CN111540237 B CN 111540237B CN 202010425529 A CN202010425529 A CN 202010425529A CN 111540237 B CN111540237 B CN 111540237B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- information
- data
- vehicles
- driving
- 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
- G08G1/16—Anti-collision systems
-
- 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
-
- 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
- G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
- G08G1/0175—Detecting movement of traffic to be counted or controlled identifying vehicles by photographing vehicles, e.g. when violating traffic rules
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
- G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
- G08G1/096708—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
- G08G1/166—Anti-collision systems for active traffic, e.g. moving vehicles, pedestrians, bikes
Abstract
本发明提出了一种基于多数据融合的车辆安全行驶保障方案自动生成的方法,包括:路侧传感器采集其检测范围内行驶车辆的动态信息、特征信息、路况信息和交通状态信息;安装有感知定位车载单元的车辆在行驶过程中动态采集其自身的动态信息、周围路况和环境信息;路侧传感器与车载单元感知传感器同时经过静态扫描与动态扫描数据采集的方式实时获取道路上有无异常事件出现、异常行为目标出现;此外系统同时会启用防碰撞安全原则判断目标间未来有无出现碰撞的可能,如有以上任何一种情况出现,则系统会通过不同客户端专用通信通道将相应的预警告警信息、控制、提示信息,下发到即将通过该异常区域不同类型的车辆改变其运动状态来保障车辆和行人的安全。
Description
技术领域
本发明涉及行为分析、数据融合、目标跟踪定位、通信传输、自动控制、高精地图绘制、智慧交通技术领域,特别涉及用于车辆安全行驶所需的多数据融合的方法。
背景技术
2019年很多车厂开始对自动驾驶车辆进入小规模量产,都在为提升整车的智能化、舒适性、安全性而不断付出努力。但是在单车自动驾驶安全方面仍需做进一步的提升。很多测试机构都在对于一些汽车的驾驶辅助功能进行验证,但大部分的评测结果都非常令人失望、美国伊利诺伊大学香槟分校的一个研究团队开发了一种针对自动驾驶的故障评估技术,在对百度Apollo3.0和英伟达专有自动驾驶系统DriveAV的测试中,短短4小时就发现了561个关键安全故障!这个研究团队致力于使用人工智能和机器学习,通过软件和硬件的改进来提高自动驾驶技术的安全性。这个团队之前曾分析了自动驾驶公司从2014年至2017年提交的所有安全报告(涵盖144辆自动驾驶汽车,累计行驶1116605英里),最终得出一个让人大跌眼镜的结论:“在行驶相同里程的情况下,人类驾驶汽车发生事故的可能性比自动驾驶汽车少4000倍。”美国特斯拉事故、Uber测试车事故、国内自动驾驶车辆发布会时撞人事件等都会让人联想到智能车不智能,而这些车辆都有一个共同的特点就是不能快速捕捉到从黑暗中突然出现的行人,无法对整体路况进行准确判断来调整自己的行驶状态,无法对6秒内突如其来的事件做出准确判断,甚至是由于道路施工或交通管制而造成的临时道路封闭、管制、行驶路径更改等交通环境、交通路况、通行状态、路面基础设施发生改变,而车载端高精地图没有及时更新而导致的交通事故大有所在,很多起事故事件表明,现有自动驾驶车辆的感知系统存在不同视角盲区,同时感知距离不长、获取实时信息有限,所以自动驾驶汽车不安全的原因还是车辆自身感知系统以及安全辅助信息不够完善。
针对这样的自动驾驶现状,现有技术提出了车路协同系统,来为自动驾驶车辆提供更加精准的实时可靠的路况信息、也让自动驾驶车辆的感知能力做到无限延长,来进一步自动驾驶车辆的安全性,通过汽车与道路之间协同运作来实现汽车的高度自动化。车路协同是一种交互,这种交互能够让交通的参与方的意图得到非常精准的诠释,不会只是靠猜测这辆车要发生什么样的行为,而是能够准确的知道,因此可做出准确的判断。
通路车路协同系统与车辆自身感知系统数据相互融合后,路端固定感知设备能够为自动驾驶车辆提供足够的决策依据甚至指令,自动驾驶车辆本身发展的复杂度也会大大降低,成本也会大大降低。因为它不需要遍历所有的场景,自动驾驶商业化也可以提前到来。除了车端和路端的感知和通讯设施,交通部门也在规划对道路本身进行智能化改造,以适应自动驾驶的需要。综上可见,车路协同对于自动驾驶汽车的安全性提高、成本降低等都有一定的促进作用,同时可以解决堵车、提升道路利用率。当然了对于构建未来城市,车路协同也是必要的。因此发展车路协同是实现高度自动化的有效途径。符合完全自动驾驶需要的“智能汽车+智能化道路+车路协同”才刚刚开始。Waymo和特斯拉等公司的单车智能虽然逐步成熟起来,但是离完全自动驾驶还有相当的距离,自动驾驶竞争正从上半场进入下半场。车路协同、自动驾驶领域无疑是发展最快,最受重视的技术之一。
但是车路协同现阶段普遍不被道路交通管理者所认可,主要的困难存在以下几点:、
(1)车路协同系统投资成本太高,而其主要的价值就是提供车与路况感知设备之间的通信工作,来辅助全自动驾驶车辆或半自动驾驶车辆的辅助驾驶功能。
(2)很多新技术还都是处于概念状态不能很好落地,即使有少部分成熟技术也只能用在环境比较干净、交通状态比较单一的试验区内,为自动驾驶或半自动驾驶实验车辆做技术验证使用不能被大范围的普及。
(3)现有的技术无法保证现阶段混合是交通模式下,自动驾驶车辆和普通驾驶车辆的安全,而因为这种混合模式使得交通管理和道路通畅变得更难。
(4)现有系统无法给真正行驶在道路上普通车辆的司乘人员提升智慧交通所带来的安全性和舒适性。
(5)虽然以道路为核心的车路协同系统,是建立在公路基础设施数字化升级的基础上,让交通系统能够实时感知道路、车辆与行人的各种状况,在发展汽车智能化的同时,通过发展路网的采集、过滤、分析、处理能力,使人、车、路能够高度协同,但是由于路况感知设备技术不成熟还有有待于进一步提高,如激光雷达感知设备、视频感知设备、短距毫米波雷达感知设备等都不能全天候、多环境下使用,都使得车路协同系统受到了更多的限制。而最要命的就是现在的车路协同系统和安装在道路上固定的路况感知设备以及行驶在道路上的自动驾驶车辆和半自动驾驶车辆不能有效的连结,使得三个庞大的系统成为了智慧交通中孤立的“岛”,无法支撑起“全面”交通系统的智慧化。
可以预见的是,在未来20-30年之间,面向于公众的智慧道路上所行驶的车辆将会是混合模式,以智慧高速为例在其上面行驶的车辆将会包括:全自动驾驶车辆、半自动辅助人工驾驶车辆、全人工驾驶车辆,而对于国省道以及城市道路则会更加复杂,包括:行人、电动车、农用车、家畜等更加复杂的混合通行方式。而不是单一类别车辆通行方式。要能够给行驶在道路上车辆推送精准的信息,就需要路侧感知设备对以上车辆能够全面感知,持续跟踪并能精准的获取每一辆车的详细信息。
发明内容
本发明的目的旨在至少解决所述技术缺陷之一。
为此,本发明的目的在于提出一种基于多数据融合的车辆安全行驶保障方案自动生成的方法。
为了实现上述目的,本发明的实施例提供一种基于多数据融合的车辆安全行驶保障方案自动生成的方法,包括如下步骤:
步骤S1,利用安装于路侧的多个路侧传感器采集其范围自身检测范围内的所有类型行驶车辆的动态信息、特征信息、路况信息和交通状态信息;安装有感知定位车载单元的车辆在行驶过程中动态采集自身的动态信息、周围路况和环境信息;
步骤S2,由所述路侧服务平台将来自所述路侧传感器采集的每一辆的动态信息信息和来自所述车牌抓拍摄像机采集的特征信息进行数据融合,然后将融合后的数据进一步与车载单元采集的数据进行融合,将融合后的数据进行实时轨迹行为分析并于路侧传感器与车载单元传感器采集的异常事件信息与预存的高精地图数据做进一步融合,并在其中标注出其虽在的位置、类型以及影响的区域和范围;
步骤S3,同时启用防碰撞安全原则判断目标间未来有无出现碰撞的可能事件,如有异常事件或碰撞可能事件的任何一种情况出现,则自动生成对应的车辆安全行驶保障方案,并通过不同客户端专用通信通道将相应的预警告警信息、控制、提示信息,下发到即将通过该异常区域不同类型的车辆改变其运动状态来保障车辆和行人的安全。
进一步,所述最终异常事件数据信息,包括:异常事件信息包括:异常车辆信息和异常道路信息;异常车辆事件信息包括:车辆有无异常情况出现、异常行为出现;道路异常事件信息包括:有无危险行人出现、有无危险动物出现、有无道路塌方、有无山体滑坡、有无抛洒物出现、有无落石出现或其他影响正常道路通行的危险情况;
所述车辆特征信息包括:车辆车牌信息、车标信息、车系信息、车型信息、车辆颜色信息;交通状态信息包括:畅通、拥堵、堵塞、排队信息。
进一步,在所述步骤S2中,
所述路侧传感器实时采集到的每辆车动态信息与车牌抓拍摄像机采集的车辆特征信息同时送入到路侧服务平台中,由所述路侧服务平台采用同步触发采集关联机制进行数据融合,融合后的数据形成一个完整的车辆数据信息被系统实时调取使用,此过程也适用于路侧传感器与ETC路侧单元同步采集融合关联机制获取车辆完整数据信息方式,并通过扫描的方式对检测区域内的每一个车辆进行实时跟踪定位来获取实时位置信息和轨迹信息以及状态变化。
进一步,在所述步骤S3中,所述系统通过路侧传感器静态扫描、安装有车载单元的车辆行驶过程中动态扫描以及通过对每一辆车行为轨迹实时分析后获取的异常事件监测信息与预存本区域的高精地图数据采用差分计算方法找出其其中不同之处,通过叠加增强计算方法将两个数据来源中未重叠的部分内容进行相互补充和完善,并将该异常事件所在的位置信息、车道信息、类型信息、影响区域、安全避让范围、安全避让方法与预存本区域的高精地图数据进行叠加融合,形成具有安全指导形式交通专用高精地图数据信息。
进一步,所述自动生成对应的车辆安全行驶保障方案,包括如下步骤:
由所述路侧传感器根据不同的异常事件类型与内容,进行态势感知,根据态势感知结果和事物的运动类型,分别生成新的高精地图及对应的车辆安全行驶保障方案,其中,
(1)对于静止不动危害车辆安全行驶、行人出行安全保障通行方案:
将异常事件的位置和车道在所述高精地图上进行标记,并标记出告警区域以及告警信息,根据车辆的安全避让范围、安全避让方法以及最优行驶轨迹规划出车辆在该区域正确的车辆行驶路径和通行方案,并根据车辆的实时位置信息和运动速度,生成该车辆的规避风险生成协同通行方案、预警信息、告警信息、车辆控制信息;该车辆安全行驶保障方案适合于所有无人驾驶车辆、自动驾驶以及人工辅助驾驶车辆以及普通人工驾驶车辆的安全行驶方案以及基于V2X车路协同系统的安全辅助保障通行方案;
(2)对于位置、状态、形态实时发生变化危害车辆安全行驶、行人出行安全保障通行方案:
将所述路侧传感器和车辆传感器融合后数据中所有动态数据提取出来,并对每个目标车辆进行实时跟踪定位与行为分析,根据惯性导航工作原理生成该车辆预行驶的路径;
对每个目标车辆的行为进行实时分析,当判断出现异常行为时,以目标车辆的实时所在位置为起点动态的向前规划出告警区域,其中,所述告警区域会与异常事件的位置同步向前移动,并向该车辆发出警告提示,同时为车辆生成避险通行路径,通过专用通信通道进行点对点的发出预警告警信息,并通过发送控制命令使其停止下来。
进一步,对于静止不动危害车辆安全行驶、行人出行安全保障通行方案,生成的车辆控制信息,包括:减速行驶、变道避让、编队行驶、匀速行驶、分离编队、变道避让、加速行驶。
进一步,对于位置、状态、形态实时发生变化危害车辆安全行驶、行人出行安全保障通行方案,启动防碰撞安全策略,包括:
预测正常在道路上行驶的车辆、行人或动物与目标车辆是否有交汇点,如果有交汇点则将形成交汇点的两个目标物体列为关注对象,以交汇点为起始点,根据每个目标物体的实时速度、运动方向、运动态势、所在位置为判断条件,进行模拟碰撞并输出发生碰撞的概率估计,标记出一般关注对象和重点关注对象,对一般关注对象和重点关注对象的动态数据进行实时提取,生成完整的预警信息,辅助、提示并控制无人驾驶车辆、自动驾驶车辆或人工辅助驾驶车辆及全人工驾驶车辆改变现在的行驶状态,进行潜在的危险避让。
进一步,对于位置、状态、形态实时发生变化危害车辆安全行驶、行人出行安全保障通行方案,生成预警事件,包括:将异常事件避让通行预警事件所包含的所有辅助提示信息以及预测有无交汇可能生成的避让通行预警事件所包含的所有预警信息、告警信息、控制信息、辅助提示信息,再次汇总并叠加到该区域高精地图形成预警事件信息,分别发送到路侧服务平台或第三方服务平台中去,并通过专用通信通道发送给相应的车辆、行人以及其他事物上供不同客户端使用。
进一步,对于位置、状态、形态实时发生变化危害车辆安全行驶、行人出行安全保障通行方案,生成避险通行路径,包括:将异常事件目标列为高度关注对象,并寻找同一条车道上相向而行的车辆,搜索范围为告警区域为起点继续向前延伸预设长度区域车道的防碰撞搜索范围,该搜索范围伴随告警区域动态向前延申;根据搜索范围内所有车辆的行驶状态以及相邻车道的繁忙程度自动的为车辆生成避险通行路径和预警告警提示信息,提示信息并促使无人驾驶车辆、自动驾驶车辆、人工辅助驾驶车辆以及全人工驾驶车辆改变现在的行驶状态,避免碰撞、安全行驶。
进一步,所述路侧服务平台通过以下一种或多种方式实时获取车辆完整的数据信息:
(1)通过路侧传感器与车牌抓拍摄像机融合后获取;
(2)通过路侧传感器与ETC路侧单元同步采集融合关联机制获取;
(3)通过具有感知定位功能的车载单元与V2X路测通信单元通过短程通信识别技术获取;
(4)通过具有感知定位功能的车载单元与第三方服务平台采用4G/5G或其他专用数据传输通信通道获取;
然后将获取车辆完整数据信息的方式方法以及通信通道加以区别并与对应的车辆进行一一关联融合,形成具有专用通信方式与完整车辆信息的数据供系统实时调取使用,通过以不同采集方式、不同通信方式获取车辆的完整数据信息以及车辆自身标识信息,进而区分出该车辆属于无人驾驶车辆、自动驾驶车辆、人工辅助驾驶车辆、道路勘察测绘车辆、全人工驾驶车辆,将以上不同车辆的类别信息、车辆完整的数据信息、专用通信通道信息做进一步的关联融合,形成完整的车辆全面信息,供系统实时调取使用。
本发明能够有效的避免由于靠车辆传感器单一感知设备无法检侧到的距离较远、较小但危害较大的障碍物、抛洒物、塌方、路障以及临时交通管制而造成的行驶路径改变而发生的交通事故和二次事故;能够有效的避免由于靠车辆传感器单一感知设备无法检侧到“盲区”内的行人或危险事物,可以使车辆的感知能力以及距离无限的延申;能够实现自动驾驶、车路协同需要的“智能汽车+智能化道路+车路协同”各类功能要求;通过此种方式在保障车辆安全行驶前提下,辅助其改变行驶状态如:变道、超车、匀速行驶等等功能;通过此种方式实现大范围的全类型车辆的协同行驶,来进一步提升整个道路的通行效率。本发明所获得的数据能够形成车辆“安全行驶模型”来指导道路所有运行的车辆安全行驶规避危险;通过本发明所获得的数据能够形成“危险预警告警模型”,可以对那些非法、行驶异常、行为异常的车辆进行警告以及提示,一旦触发相关判断机制立即输出异常行为报警信息,并对相应的车辆进行点对点信息提示和取证。过本发明所获得的数据可以使路感知设备与边缘计算相设备互结合后能够形成功能更加庞大的安全保障体系,为自动驾驶车辆、半自动辅助人工驾驶车辆和全人工驾驶车辆提供足够的决策依据甚至指令,自动驾驶车辆行驶安全性会得到本质上的提升。通过本发明可以使自动驾驶车辆本身发展的复杂度也会大大降低,成本也会大大降低。因为它不需要遍历所有的场景,自动驾驶商业化也可以提前到来。
本发明附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解,其中:
图1为根据本发明实施例的基于多数据融合的车辆安全行驶保障方案自动生成的方法的流程图;
图2为根据本发明实施例的路侧传感器、车载单元的布局及交通状态示意图;
图3为根据本发明实施例的路侧传感器和车载单元对同一辆车的数据融合示意图;
图4为根据本发明实施例的针对静止事物的高精地图数据与异常事件信息数据融合示意图;
图5为根据本发明实施例的针对移动事物的高精地图数据与异常事件信息数据融合示意图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本发明,而不能理解为对本发明的限制。
下面就结合具体的实施方式对本发明的基于多数据融合的车辆安全行驶保障方案自动生成的方法进行详细说明,实现对多方来源的车辆数据进行多次融合,形成实际道路上每一真实车辆在整个系统中的投影并建立相应的通信机制。
如图1所示,本发明实施例的基于多数据融合的车辆安全行驶保障方案自动生成的方法,其特征在于,包括如下步骤:
步骤S1,利用安装于路侧的多个路侧传感器采集其范围自身检测范围内的所有类型行驶车辆的动态信息、特征信息、路况信息和交通状态信息;安装有感知定位车载单元的车辆在行驶过程中动态采集自身的动态信息、周围路况和环境信息;
参考图2,在道路的一侧,每隔预设距离均安装有路侧传感器S1,每隔路侧传感器S1均覆盖其前方一定区域行驶通过的车辆。利用路侧传感器S1可以采集道路上通过的无人驾驶车辆、自动驾驶车辆、人工辅助驾驶车辆(这三个类型的车辆记为S7类型车辆)和普通全人工驾驶车辆(记为S7类型车辆)。
在本发明的实施例中,车辆的动态信息包括:每辆车的实时运动速度、运动方向、经纬度位置、车辆尺寸、车辆类型、方向角、所在车道、运动轨迹、整个系统中的车辆唯一ID身份编号、车辆有无异常情况、异常行为出现等。
需要说明的是,车辆的动态信息不限于上述举例,还可以包括其他类型的动态数据,根据实际需要选择采集的数据类型。
路侧传感器S1将上述采集到的车辆动态信息发送至到路侧服务平台S2,由路侧服务平台S2对这些数据进行实时分析处理。路侧服务平台S2是一个软硬件相结合的数据处理系统。
利用安装于公路旁的多个车牌抓拍摄像机,采集行驶车辆的车辆特征信息,并上传至路侧服务平台,通过同步触发关联机制将车辆的特征信息与车辆的动态信息融合在一起形成车辆完整的数据子信息,供系统实时调取使用。
具体来说,具有感知定位功能的车载单元安装在无人驾驶车辆、自动驾驶车辆、人工辅助驾驶车辆、道路勘察测绘车辆内,通过车载单元中包含的各类传感器和定位模块可以动态实时获取车辆的位置信息、自身周围的路况信息、环境信息、标识标线信息、危害车辆其安全行驶的事件信息、道路安全行驶辅助基础设施、车辆安全行驶的各类操作数据信息。
参考图2,在道路的一侧,每隔预设距离均安装有车牌抓拍摄像机S4,利用车牌抓拍摄像机S4可以获取行驶到该摄像机所覆盖区域内所有车辆的特征信息
另外,对于安装有车载单元(OBU)的车辆,也可以通过ETC路侧天线对车辆安装的车载单元(OBU)进行识别与读取来获取车辆完整的特征信息和数据信息。
在本发明的实施例中,车辆特征信息包括:车辆的颜色、车型、品牌、商标、车牌、驾驶员信息、类别、生产年代信息等。周围路况和环境信息包括:有无异常事件事故车辆以及这些车辆所在位置信息,道路上有无抛洒物、落石、塌方、拥堵。
需要说明的是,车辆的特征信息、周围路况和环境信息不限于上述举例,还可以包括其他类型的动态数据,根据实际需要选择采集的数据类型。
通过上述步骤可以由路侧传感器和车牌抓拍摄像机实现对静态信息的采集。对于无人驾驶车辆、自动驾驶车辆、人工辅助驾驶车辆,其车辆信息相对容易获取,可通车路协同系统与车辆上所装的车路协同车载单元实现相互通信,来获取该车辆的自身标识信息(包括实时的动态信息与车辆静态信息)。对于普通车辆,可以通过一些其他辅助设备来获取如车牌抓拍摄像机或ETC系统车载单元来获取。
在获取到上述车辆信息的基础上,通过将上述车辆信息精准的发送每一辆车上去,从而可以使车的感知能力无限延长、感知功能更加强大、决策机制更加精准。而如果要做到这种全面感知、全信息获取、点对点数据精准推送,则必须实现对上述数据的更多的数据融合。基于此,本发明采用下述步骤,实现对数据的两次融合。通过车路协同双向通信获取的自动驾驶车辆或半自动辅助人工驾驶车辆自身标识数据,通过本发明提出的融合机制融合在一起。
步骤S2,由路侧服务平台将来自所述路侧传感器采集的每一辆的动态信息信息和来自所述车牌抓拍摄像机采集的特征信息进行数据融合,然后将融合后的数据进一步与车载单元采集的数据进行融合,将融合后的数据进行实时轨迹行为分析并于路侧传感器与车载单元传感器采集的异常事件信息与预存的高精地图数据做进一步融合,并在其中标注出其虽在的位置、类型以及影响的区域和范围。
路侧传感器实时采集到的车辆动态信息与车牌抓拍摄像机采集的车辆特征信息同时送入到路侧服务平台中,由路侧服务平台采用同步触发采集关联机制进行数据融合,融合后的数据形成一个完整的车辆数据信息被系统实时调取使用,此过程也适用于路侧传感器与ETC路侧单元同步采集融合关联机制获取车辆完整数据信息方式,并通过扫描的方式对检测区域内的每一个车辆进行实时跟踪定位来获取实时位置信息和轨迹信息以及状态变化。
路侧传感器和车载单元采集的各类数据均传送至路侧服务平台,路侧服务平台根据采集的数据进行多方面的数据融合与逆向时空轨迹重构,将每一个车辆、行人、物体的全信息数据以及异常事件全信息数据以利用逆向时空轨迹重构的方式获得的全新数据与该区域原始高精地图数据进行差分对比,将差异之处与原有高精地图进行叠加生成全新的道路高精地图,大数据服务平台将路侧传感单元以及车载传感器采集回来的异常路况信息、异常交通事件事故信息、异常交通状态信息叠加并融合至全新道路高精地图中,并在全新道路高精地图中标注出其所在的位置,影响范围、发展态势以及生成预警告警提示信息内容以及允许车辆正常安全行驶的通行方案,为无人驾驶车辆、自动驾驶车辆、人工辅助驾驶车辆安全行驶所需道路提供专用高精地图,以及供其他不同用户端调取使用。
在本发明的实施例中路侧服务平台通过以下一种或多种方式实时获取车辆完整的数据信息:
(1)通过路侧传感器与车牌抓拍摄像机融合后获取;
(2)通过路侧传感器与ETC路侧单元同步采集融合关联机制获取;
(3)通过具有感知定位功能的车载单元(OBU)与V2X路测通信单元(RSU)通过短程通信识别技术获取;
(4)通过具有感知定位功能的车载单元(OBU)与第三方服务平台采用4G/5G或其他专用数据传输通信通道获取;
然后,将获取车辆完整数据信息的方式方法以及通信通道加以区别并与对应的车辆进行一一关联融合,形成具有专用通信方式与完整车辆信息的数据供系统实时调取使用,通过以不同采集方式、不同通信方式获取车辆的完整数据信息以及车辆自身标识信息,进而区分出该车辆属于无人驾驶车辆、自动驾驶车辆、人工辅助驾驶车辆、道路勘察测绘车辆、全人工驾驶车辆,将以上不同车辆的类别信息、车辆完整的数据信息、专用通信通道信息做进一步的关联融合,形成完整的车辆全面信息,供系统实时调取使用。
具体的,由路侧服务平台S2将车辆的动态信息和车牌抓拍摄像机的车辆特征信息进行第一次融合,由此每辆车均携带有包括车辆的动态信息和车辆的特征信息的完整的数据信息,然后采用预设车辆身份信息编制原则为上述每一辆携带有完整信息的车辆,在系统中生成唯一的车辆身份信息和ID身份编号,记为D1数据,这部分数据为静态数据。
参考图3,路侧服务平台S2通过V2X车路协同路侧通信单元(RSU)S3与路面上的自动驾驶车辆、半自动人工辅助驾驶车辆进行双向通信,获取无人驾驶车辆、自动驾驶车辆和人工辅助驾驶车辆的信息,即为上述车辆安装有V2X车路协同系统车载单元(OBU)中嵌入的车辆信息,记为D2数据。其中,D2数据例如为:车辆的颜色、车型、品牌、商标、车牌、车辆机器编码信息、车辆的实时经纬度定位信息等。这部分数据为动态数据。
路侧服务平台将D1数据和D2数据进行第二次融合,如果融合成功则将融合成功的车辆数据记为D3数据,并利用D3数据替换D1数据。
具体的,路侧服务平台S2将V2X车路协同路侧通信单元S3获取的无人驾驶车辆、自动驾驶车辆、人工辅助驾驶车辆的D2数据与带有唯一车辆身份信息和ID身份编号的车辆数据D1进行第二次融合,融合后系统将对每一辆的数据再做进一步的完善形成数据D3。如果融合成功后系统会将新生成的D3数据替代原先生成的D1数据,如果在二次融合过程中D1没有与D2数据融合的或融合未成功的则将对这些车辆的数据修改成D4数据。通过上述两次融合方式,道路上每一实际行驶的车辆都在路侧服务平台中形成了数据投影,将被跟踪的所有车辆数据融合完毕后,形成全新的D3数据类型的车辆与D4数据类型的车辆都将会被路侧服务平台进行实时持续的关注与跟踪定位。
下面对本发明中的第一次融合和第二次融合的具体形式进行说明。
首先说明的是,由于路侧传感器S1采集的各类数据精度都会因为安装工艺、地理环境、路况状态、车辆或物体遮挡、通信延时、时钟同步等问题而造成的偏差或短暂丢失。此外装有V2X车载单元的无人驾驶车辆、自动驾驶车辆、人工辅助驾驶车辆,其定位模块(例如北斗、伽利略、GPS定位模块)所获取的实时经纬度信息(米级或亚米级)与路侧传感器S1所采集的经纬度信息(厘米级)不能保障完全一致或重合,这是因为两者设备间的对目标定位精度不一样,甚至是由于安装施工过程中造成的偏差。从而会导致第二次数据融合和数据传递失败。为解决上述问题,本发明采用以下两种融合机制实现对数据融合,克服上述问题。
在本发明的实施例中,第一次融合和第二次融合可以采用以下两种形式完成:
(1)通过车辆特征信息进行融合机制
通过路侧传感器S1、车牌抓拍摄像机S4与路侧服务平台(边缘计算服务器)S2,共同完成并生成带有唯一的车辆身份信息和ID身份编号的D1数据中的车辆特征数据(例如,车牌、车型、颜色、品牌、商标等),将D1数据中的车辆特征数据与D2数据中的车辆特征数据进行一一对比,如果满足车牌、车型和颜色三个条件相同,则进行关联融合。
即,将D1数据中的车辆特征数据与D2数据中的车辆特征数据进行一一对比,只要车牌、车型和颜色三个条件相同,即可进行关联融合。数据中的其他项目作为参考项,而不是必要项,其他项目即使不相同,也不影响关联融合。
(2)阴影伴随式融合机制
参考图2所示,阴影伴随式融合目标关联机制原理为,当车辆进入系统根据实际路况设定检测区域S4(也称目标活动范围)时,路侧传感器S1采集的车辆数据经路侧服务平台S2生成完整的车辆数据S5(即D1数据),其中,该数据包括:车辆的经纬度信息、点迹信息、轨迹信息、运动方向信息、速度信息、车道信息提取出来准备做目标关联使用。
路侧服务平台S2通过V2X车路协同路侧通信单元S3获取的S6(D2数据)中未包含的车辆特征信息只包含车辆的动态信息以及其他信息数据提取出来,这些信息包括但不限于车辆的经纬度信息、点迹信息、轨迹信息、运动方向信息、速度信息、车道信息等数据,准备做目标关联使用。
由于路侧传感器S1与V2X车路协同路侧通信单元S3的工作原理不一样,获取的数据方式的不同、对同一辆车辆跟踪定位精度有误差等多种原因,都会导致两个途径获取的同一辆的动态信息完全相同而直接进行融合关联。但是两个设备都是对同一目标进行实时获取数据,因此这个车辆所产生的动态数据变化都会在两个设备获得数据中产生同样的变化如影随行,因此在系统S4设定的检测范围内出现有类似于重影或阴影的现象,此时系统会以带有完整信息被实时跟踪车辆数据信息S5(D1数据)的目标数据列为真实目标或主要目标,再将车辆数据信息S6(D2数据)目标为虚假目标或辅助目标。
本发明以真实目标为中心设定一个关联目标范围S7。例如,以真实目标为中心半径为5米(此值可以根据实际情况进行调节,该值越大则关联的精度越高,但关联的机会越低,反之则相反)的圆形为目标关联范围,在此范围内所有的目标列为有效关联目标对象,超过此为范围的目标列为无效目标关联对象,对于无效目标关联对象系统不在关注,系统以目标的实时运动速度、目标运动方向、经纬度、车辆尺寸、车辆类型、所在车道为参考比较关联对象,并与预先设定的关联合并值为参考值以及符合该规律点迹连续重复出现次数M(M为一个可调整的值在1-10范围内进行整数选择)为判断是否关联融合的判定条件。
对于满足这些要求的真实目标与虚假目标进行关联融合,融合后的目标动态信息会以虚假目标动态信息为准,并将该目标车辆标注为自动驾驶车辆或半自动人工辅助驾驶车辆,将其中的ID身份编号进行修正,完成两个数据关联融合工作。如果在数据融合关联过程中未成功,则持续此动作直至找到车辆动态信息变化一样新的阴影出现以及融合成功为止。
采用上述阴影伴随式融合方式,通过路侧传感器S1与V2X车路协同路侧通信单元S3,对同一辆车各自分别获取的经纬度信息与点迹轨迹信息进行实时分析与对比,找到符合阴影伴随规律的车辆数据进行融合。采用上述阴影伴随式融合机制做进一步融合,可以确保二次数据融合的万无一失。
在完成了上述融合后,根据融合结果对车辆类型进行划分。具体的,将D3数据对应的车辆类型标记为无人驾驶车辆、自动驾驶车辆、人工辅助驾驶车辆;如果无法通过专用的通信通道如:V2X路侧通信单元、5G通信通道、ETC通信单元或第三方通信方式获取以上车辆信息并且融合失败的,则将融合失败的车辆数据记为D4数据,将D4数据对应的车辆类型标记为普通人工驾驶车辆。
(1)无人驾驶车辆、自动驾驶车辆、人工辅助驾驶车辆
对于无人驾驶车辆、自动驾驶车辆、人工辅助驾驶车辆,采用V2X车路协同路侧短程通信通道或5G专用通信通道与车辆进行通信和数据交互。
(2)普通人工驾驶车辆
对于普通人工驾驶车辆,采用第三方云端服务平台与车辆进行通信和数据交互;或者通过路侧安装的可变情报板进行点对点的精准信息提示,至此每辆车的通信机制也建立完成。
由此,通过将路侧传感器获取的每一辆车的动态数据和车牌抓拍摄像机/车载单元获取的车辆特征数据精准的融合,形成一个完成的车辆数据信息,从而可以实现对车辆数据的全面感知,获得车辆的精确数据。通过获取车辆的精确数据,可以实现对车辆状态和前方道路状况的精确判断,从而为无人驾驶车辆、自动驾驶车辆、人工辅助驾驶车辆、普通人工驾驶车辆分别生成对应的行驶保障方案,进而可以为无人驾驶车辆、自动驾驶车辆、人工辅助驾驶车辆、普通人工驾驶车辆,均提供有效的安全保障,保障行驶安全、出行安全的目的。
本发明将路侧传感器获取的完整的车辆信息与无人驾驶车辆、自动驾驶车辆、人工辅助驾驶车辆、普通人工驾驶车辆自身标识数据中的位置信息以及普通车辆的客户端(手机导航、平板电脑)信息精准的融合后,才能在路侧传感器所获取的海量数据中寻找到那个需要推送数据和准备接收数据的车辆。只有车辆能够在茫茫车海中找到自己的位置并能获取超过自身传感器范围外的感知数据时,对于无人驾驶车辆、自动驾驶车辆安全行驶才会真正的有保障,发送给人工辅助驾驶车辆和全人工驾驶车辆的各类提示信息才会有意义。
由路侧传感器通过对融合后的数据进行分析,实现对公路的实时扫描和检测,判断在该公路上是否出现交通异常事件,当检测到交通异常事件后,将上述对应的异常信息再叠加上经纬度信息或位置信息后分别发送到V2X车路协同路侧通信设备上传到路侧服务平台;由路侧服务平台进行数据分析获得异常事件数据信息,将上述分析得到的异常事件数据信息再与车辆自身的车载传感器采集的异常事件数据信息进行融合,得到最终的异常事件信息。
在本发明的实施例中,异常事件信息包括:异常车辆信息和异常道路信息;异常车辆事件信息包括:车辆有无异常情况出现、异常行为出现;道路异常事件信息包括:有无危险行人出现、有无危险动物出现、有无道路塌方、有无山体滑坡、有无抛洒物出现、有无落石出现或其他影响正常道路通行的危险情况等;车辆特征信息包括:车辆车牌信息、车标信息、车系信息、车型信息、车辆颜色信息等;交通状态信息包括:畅通、拥堵、堵塞、排队等信息。
异常行为包括:是指一辆或大量辆车在道路的某一位置或某一区域出现不安正常行驶路径、通行方向行驶的行为现象。如:大量车辆在某一区域或位置出现突然减速、加速、变道行驶等行为,或车辆长时间在避险车道上行驶、大型货车长时间占用快速车道。
通过这种异常行为分析可以发现即将发生或隐藏的重大交通隐患,而这种隐患是无法被路侧传感器S1和装有车载传感器车辆S7(无人驾驶车辆、自动驾驶车辆、人工辅助驾驶车辆)及时发现的现象或事物。无人驾驶车辆、自动驾驶车辆、人工辅助驾驶车辆可以通过自身的各类传感器,来动态的感知并采集所经过道路的异常环境、异常事物以及危险事物的靠近,路侧服务平台S2将以上异常信息再叠加上经纬度信息或位置信息后分别发送到V2X车路协同路侧通信设备上传到路侧服务平台中或通过第三方通信通道上传到第三方服务平台中去,供后期数据融合处理使用。以上数据也可以通过第三方导航服务平台,如:高德、百度、谷歌等地图服务商来获取更多的数据来源。
路侧服务平台系统S2将路侧传感器S1发送过来的数据经处理分析后获得异常事件数据信息与无人驾驶车辆、自动驾驶车辆、人工辅助驾驶车辆,通过其自身传感器采集的异常事件数据信息进行融合。具体的,采用差分计算方法并根据异常事件的位置信息、经度纬度、类型信息作为判断条件,去掉两个数据来源中重叠的部分内容。再通过叠加增强计算方法并根据异常事件的位置信息、经度纬度、类型信息作为判断条件,将两个数据来源中未重叠的部分内容进行相互补充和完善,形成最终异常事件数据信息。
在本发明的实施例中,最终异常事件数据信息,包括:异常事件的类型和所在位置,其中,异常事件的类型包括:异常车辆、异常路况、异常交通、异常区域;所在位置包括车道、经纬度、区域。
将生成的最终的异常事件信息与预存的本区域的高精地图数据进行叠加融合,将异常事件在高精地图上进行标记,根据不同的异常事件类型与内容,进行态势感知,根据态势感知结果和事物的运动类型,分别生成新的高精地图及对应的协同通行方案、预警信息、告警信息、车辆控制信息。
具体来说,由于能够使车辆发生交通事件事故的异常事件类型不一样,因此系统必须能够根据不同的异常事件类型与内容,进行态势感知(例如针对静止不动的事物、移动的事物)以形成不同方案给予应对,才能够在根本上避免交通事故的发生。态势是指物体的运动状态以及运动规律,对于位置始终保持不变,不存在运动现象的事物称为静止事物,如道路上出现的抛洒物、静止不动的落石、塌方、事故车辆等。如果位置实时变动并有运动速度和方向伴随的事物称为移动事物,如道路上行驶的车辆、行人、动物、滚落中的山石等。根据态势的感知生成有效的控制指令或提示信息以及告警信息能够有效避免相互碰撞事故的发生。
步骤S3,同时启用防碰撞安全原则判断目标间未来有无出现碰撞的可能事件,如有异常事件或碰撞可能事件的任何一种情况出现,则自动生成对应的车辆安全行驶保障方案,并通过不同客户端专用通信通道将相应的预警告警信息、控制、提示信息,下发到即将通过该异常区域不同类型的车辆改变其运动状态来保障车辆和行人的安全。由路侧服务平台对异常事件中的车辆异常行为进行分析,在高精地图上标记出危险区域和行驶路径。
然后对每辆车进行实时跟踪定位,当判断有即将进入或已经进入预警区域或危险区域的车辆、行人或其他事物时,根据目标物体的类型建立对应的专属通信通道,并通过专属通信通道,向与车辆预先绑定的终端设备上发送匹配的安全行驶和预警保障方案。
在本步骤中,针对无人驾驶车辆、自动驾驶车辆、人工辅助驾驶车辆、普通人工驾驶车辆、行人或其他事物的不同类型,分别建立对应的专属通信通道。
在本发明的实施例中,安全行驶和预警保障方案,包括:当检测到异常事件时,通过专项通信通道向与车辆预先绑定的终端设备下发预警、告警信息、通行方案、控制指令来保障车辆的安全驾驶,协助并保障车辆、行人或其他事物的安全、减少事件事故的发生、提高道路通行效率。
数据中心运行的大数据服务平台通过路侧传感器以及车载单元传感器进行的实时态势感知以及检测获取的各类数据信息,并根据影响危害车辆安全行驶的不同异常事件类型与内容形成不同的车辆通行保障方案。系统会根据异常事件发生的过程与产生的原因、运动状态、运动规律的不同,对异常事件做进一步的定义;对于位置始终保持不变,不存在运动现象的事物称为静止危害事件,如:道路上出现的抛洒物、静止不动的落石、塌方、事故车辆等。如位置、状态、形态实时变动并有运动速度和方向伴随的事物称为移动危害事件,如道路上行驶的车辆、行人、动物、滚落中的山石等。大数据服务平台根据各个被跟踪目标的发展态势提前为其生成一一对应及有效的控制指令或提示信息以及告警信息,使行驶中的车辆有效避免相互碰撞事故的发生。
数据中心中的大数据服务平台通过实时接收来自于安装在路侧传感器和安装有车载单元发送过来的各类数据,根据以上不同危害影响车辆安全行驶以及行人出行的危险事件进行实时位置感知和态势感知,并将危险异常事件叠加到该道路区域高精地图上生成新的高精地图及对应的车辆安全行驶保障方案。
具体的,自动生成对应的车辆安全行驶保障方案,包括如下步骤:
由路侧传感器根据不同的异常事件类型与内容,进行态势感知,根据态势感知结果和事物的运动类型,分别生成新的高精地图及对应的车辆安全行驶保障方案,其中,
(1)对于静止不动危害车辆安全行驶、行人出行安全保障通行方案:
将异常事件的位置和车道在所述高精地图上进行标记,并标记出告警区域以及告警信息,根据车辆的最优行驶轨迹规划出车辆在该区域正确的车辆行驶路径和通行方案,并根据车辆的实时位置信息、运动方向和运动速度,生成该车辆的规避风险生成协同通行方案、预警信息、告警信息、车辆控制信息;该车辆安全行驶保障方案适合于所有无人驾驶车辆、自动驾驶以及人工辅助驾驶车辆以及普通人工驾驶车辆的安全行驶方案以及基于V2X车路协同系统的安全辅助保障通行方案。
如图4所示,将异常事件的位置和车道在所述高精地图上进行标记,并标记出告警区域以及告警信息,根据车辆的最优行驶轨迹规划出车辆在该区域正确的车辆行驶路径和通行方案,并根据车辆的实时位置信息和运动速度,生成该车辆的规避风险生成协同通行方案、预警信息、告警信息、车辆控制信息。
将本区域的高精地图数据以及异常事件S11信息进行叠加融合,并将异常事件S11所在的位置、车道标注在高精地图上,并在影响交通的车道以及事件所在的区域标记出告警区域以及告警信息,防止车辆与其发生碰撞。
为了能够使即将通过该路段的行驶车辆有足够的反应时间以及避免造成二次事故,在以异常事件的为中心前后500-3000米(该值可以根据实际影响范围大小自动生成或人工设置)的区域划定预警区域,提示过往司乘人员或自动驾驶车辆注意安全,调整行驶状态注意避让。此外系统为了使车辆在此区域内有序行驶、提高道路的通行效率、规避车辆之间刮蹭、减少拥堵和排队等待时间,因此系统会根据车辆的最优行驶轨迹规划出车辆在该区域正确的车辆行驶路径和通行方案,本根据通行方案生成车辆的控制信息,并根据车辆的实时位置信息(经纬度信息、车道信息)以及运动速度计算出该车辆即将经过该区域的时间、距离、避让措施等信息,至此对于静止不动事物系统的多数据融合以及为规避风险生成协同通行方案模型已经完成;此种模型适合于所有自动驾驶以及半自动驾驶车辆以及普通人工驾驶车辆的安全行驶方案以及基于V2X车路协同系统的安全辅助保障通行方案。
在本发明的实施例中,车辆的控制信息包括车辆的减速行驶、变道避让、编队行驶、匀速行驶、分离编队、变道避让、加速行驶。
需要说明的是,车辆的控制信息不限于上述举例,还可以包括其他内容,根据需要进行采集,在此不再赘述。
(2)对于位置、状态、形态实时发生变化危害车辆安全行驶、行人出行安全保障通行方案:
将路侧传感器和车辆传感器融合后数据中所有动态数据提取出来,并对每个目标车辆进行实时跟踪定位与行为分析,根据惯性导航工作原理生成该车辆预行驶的路径;
对每个目标车辆的行为进行实时分析,当判断出现异常行为时,以目标车辆的实时所在位置为起点动态的向前规划出告警区域,其中,告警区域会与异常事件的位置同步向前移动,并向该车辆发出警告提示,同时为车辆生成避险通行路径,通过专用通信通道进行点对点的发出预警告警信息,并通过发送控制命令使其停止下来。
如图5所示,将所述路侧传感器和车辆传感器融合后数据中所有动态数据提取出来,并对每个目标车辆进行实时跟踪定位与行为分析,生成该车辆预行驶的路径。对每个目标车辆的行为进行实时分析,当判断出现异常行为时,以目标车辆的实时所在位置为起点动态的向前规划出告警区域,并向该车辆发出警告提示,同时为车辆生成避险通行路径,生成该车辆的规避风险生成协同通行方案、预警信息、告警信息、车辆控制信息。
目标态势实时感知:系统把路侧传感器和车辆传感器融合后数据中所有动态数据提取出来,并对每个目标对象进行实时跟踪定位与行为分析,根据惯性导航的工作原理生成车辆预行驶的路径S9。其中,动态数据包括:目标的实时运动轨迹、运动速度、加速度、所在车道、运动方向、方向角、目标类型等。
异常事件实时分析:通过对每个目标的行为实时分析来找出那些有异常行为的目标,并将其列为异常事件S2,S2为不按道路规定行驶方向行驶的车辆即逆行车辆,其在道路的一条车道上反方向逆向行驶,为了避免与正前方行驶过来的车辆发生正面碰撞,以该异常事件的,目标实时所在位置为起点动态的向前画出告警区域S3,告警区域S3会与异常事件S2的位置同步向前移动。此时系统会对该目标通过专用通信通道(V2X路侧短程通信通道、第三方服务管理平台通信通道)进行点对点的发出警告,并通过控制命令使其停止下来。使其按照正常的道路行驶规范要求行驶。为了保障相向行驶的车辆有足够的反应时间进行避让,因此告警区域S3一般定义长度为不少于100米,宽度为车道宽度3.5米(普通国省道或城市交通道路)或3.75米(高速公路或快速路)长方形告警区域。
生成避险通行路径:将异常事件目标S2列为高度关注对象,并寻找同一条车道上相向而行的车辆,搜索范围为告警区域S3为起点继续向前延申长为3公里(此数值可根据实际需求动态调整)宽为一个车道的长方形防碰撞搜索范围S8,该搜索范围也会伴随告警区域S3动态向前延伸。系统将会根据搜索范围内所有车辆的行驶状态以及相邻车道的繁忙程度自动的为车辆生成避险通行路径S5和告警提示,辅助、提示无人驾驶车辆、自动驾驶车辆、人工辅助驾驶车辆、普通人工驾驶车辆改变现在的行驶状态,避免碰撞、安全行驶。
启动防碰撞安全策略:系统将正常在道路上行驶的车辆、出行的行人、动物或其他事物,按照其之前的运动态势并采用惯性导航思维,对其即将行驶的预通过路径S9无限向前延申,并寻找是否与其他被实时跟踪的目标有无交汇点S6,如果有交汇点S6则系统则会将形成交汇点的两个目标物体列为关注对象。并以交汇点S6为起始点根据每个目标物体的实时速度、移动方向、发展态势、所在位置信息(经纬度信息、车道信息)为判断条件,通过目标数据轨迹重构以及环境模拟、状态模拟检测交汇的目标是否有碰撞的可能性,发生碰撞可能性数值可定义为0-100%。
0代表:无碰撞,100%代表:绝对会发生碰撞。当该数值在40%50%时,系统将两个即将交汇的目标列为一般性关注对象,进行持续关注,直到两个目标离开交汇处S6为止。当该数据低于40%时,系统将两个即将交汇的目标列为非关注对象,而不会在对其关注。当该数值大于等于50%以上时,系统将会对即将交汇的两个目标列为重点关注对象,并对其进行实时关注直到两个目标点离开交汇处S6为止。系统将对一般关注对象和重点关注对象的动态数据进行实时提取,并以交汇点S6为起始点,进行数据运算分别得出两个目标点距离交汇处S6的实时距离、时间以及交汇处的位置信息并结合对方目标类型信息,生成一个完整的预警信息,辅助、提示自动驾驶车辆或半自动驾驶车辆以及全人工驾驶车辆改变现在的行驶状态,避免碰撞、安全行驶。
生成预警事件,包括:将异常事件避让通行预警事件所包含的所有辅助提示信息以及预测有无交汇可能生成的避让通行预警事件所包含的所有辅助提示信息,再次汇总并叠加到该区域高精地图S1形成预警事件信息,分别发送到路侧服务平台或第三方服务平台中去,并通过专用通信通道发送给相应的车辆、行人以及其他事物上供不同客户端使用。
本发明对每个目标物体都进行实时跟踪定位,并寻找确认即将进入或已经进入预警区域或危险区域的车辆、行人或其他事物、并根据目标物体的类型(无人驾驶、自动驾驶车辆、人工驾驶辅助车辆、全人工驾驶车辆、行人或其他事物)建立不同的通信机制,并利用与对应的专属通信通道将,将以上的预警信息、告警信息、通行方案、控制指令等重要数据下发到相应的终端设备上,来协助并保障车辆、行人或其他事物的安全、减少事件事故的发生、提高道路通行效率。
本发明通过对从路侧感知设备采集的车辆动态信息、从车载单元采集的车辆静态数据进行融合,从而可以实现对车辆数据的全面感知,从而延长车辆的感知能力,有效的避免由于路侧单一感知设备无法检测到的距离较远、较小但危害较大的障碍物、抛洒物、塌方、路障以及临时交通管制而造成的行驶路径改变而发生的交通事故和二次事故;有效的避免由于靠车辆传感器单一感知设备无法检测到“盲区”内的行人或危险事物,可以使车辆的感知能力以及距离无限的延伸。并且,本发明为每辆车提供量身定制的安全行驶保障方案和预警报警保障方案,每一辆不同属性的车辆,通过自身的感知设备获取自己周围的交通状况,在结合路测车路协同设备发送过来更加广域、丰富的数据信息能够为自动驾驶车辆提供更加明知的决策和执行力来保证车辆的自身和其他车辆的行驶安全。
通过多数据融合可以对每一辆车都能进行精准定位与区分,再结合车路协同设备可以获取每一辆车的专属通信通道为每一个车辆传输有效精准的数据,但是由于车路协同路测RSU通信单元的通信带宽都是有限的只有几十兆,面对如此庞大的数据量和众多的“需求者”。以车路协同现有的通信能力是远远不够的,另外车载的计算单元运算和处理能力也是有限的无法处理如此庞大的数据。因此就需要将数据做进一步的过滤筛减,留下最有用的、最有效的、最精炼的数据推送给车辆,为此本发明可以采用分层、等级、区域、预警、警告、控制等建立安全的数据模型来精简数据做到精准数据点对点推送。
本发明可以为无人驾驶车辆、自动驾驶车辆、人工辅助驾驶车辆、普通人工驾驶车辆以及第三方需要客户端提供更加可靠、准确、及时的预警信息、告警信息、通行方案、控制指令等重要数据信息,以保障行驶安全、出行安全的目的。通过多系统、多方面、多数融合的方式形成的预警信息、告警信息、通行方案、控制指令等重要数据会比单一侧量设备或单一数据来源生成的高精地图数据的可靠性更高。本发明能够对路况状态、交通状态发生变化以及道路上出现异常交通事故、障碍物危及行车安全时做出及时反映,快速的生成相对应的预警信息、告警信息、通行方案、控制指令等辅助信息,能够避免自动驾驶车辆、半自动人工辅助驾驶车辆、全人工驾驶车辆造成重大交通事故以及避免二次事故的发生,能够有效的避免由于路侧单一感知设备无法检侧到的距离较远、较小但危害较大的障碍物、抛洒物、塌方、路障以及临时交通管制而造成的行驶路径改变而发生的交通事故和二次事故。
本发明能够有效的避免由于靠车辆传感器单一感知设备无法检侧到的距离较远、较小但危害较大的障碍物、抛洒物、塌方、路障以及临时交通管制而造成的行驶路径改变而发生的交通事故和二次事故;能够有效的避免由于靠车辆传感器单一感知设备无法检侧到“盲区”内的行人或危险事物,可以使车辆的感知能力以及距离无限的延申;能够实现自动驾驶、车路协同需要的“智能汽车+智能化道路+车路协同”各类功能要求;通过此种方式在保障车辆安全行驶前提下,辅助其改变行驶状态如:变道、超车、匀速行驶等等功能;通过此种方式实现大范围的全类型车辆的协同行驶,来进一步提升整个道路的通行效率。本发明所获得的数据能够形成车辆“安全行驶模型”来指导道路所有运行的车辆安全行驶规避危险;通过本发明所获得的数据能够形成“危险预警告警模型”,可以对那些非法、行驶异常、行为异常的车辆进行警告以及提示,一旦触发相关判断机制立即输出异常行为报警信息,并对相应的车辆进行点对点信息提示和取证。过本发明所获得的数据可以使路感知设备与边缘计算相设备互结合后能够形成功能更加庞大的安全保障体系,为自动驾驶车辆、半自动辅助人工驾驶车辆和全人工驾驶车辆提供足够的决策依据甚至指令,自动驾驶车辆行驶安全性会得到本质上的提升。通过本发明可以使自动驾驶车辆本身发展的复杂度也会大大降低,成本也会大大降低。因为它不需要遍历所有的场景,自动驾驶商业化也可以提前到来。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在不脱离本发明的原理和宗旨的情况下在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。本发明的范围由所附权利要求及其等同限定。
Claims (8)
1.一种基于多数据融合的车辆安全行驶保障方案自动生成的方法,其特征在于,包括如下步骤:
步骤S1,利用安装于路侧的多个路侧传感器采集其范围自身检测范围内的所有类型行驶车辆的动态信息、特征信息、路况信息和交通状态信息;安装有感知定位车载单元的车辆在行驶过程中动态采集自身的动态信息、周围路况和环境信息;
步骤S2,由所述路侧服务平台将来自所述路侧传感器采集的每一辆的动态信息信息和来自车牌抓拍摄像机采集的特征信息进行数据融合,然后将融合后的数据进一步与车载单元采集的数据进行融合,将融合后的数据进行实时轨迹行为分析并于路侧传感器与车载单元传感器采集的异常事件信息与预存的高精地图数据做进一步融合,并在其中标注出其所在的位置、类型以及影响的区域和范围;所述路侧传感器实时采集到的每辆车动态信息与车牌抓拍摄像机采集的车辆特征信息同时送入到路侧服务平台中,由所述路侧服务平台采用同步触发采集关联机制进行数据融合,融合后的数据形成一个完整的车辆数据信息被系统实时调取使用,此过程也适用于路侧传感器与ETC路侧单元同步采集融合关联机制获取车辆完整数据信息方式,并通过扫描的方式对检测区域内的每一个车辆进行实时跟踪定位来获取实时位置信息和轨迹信息以及状态变化;路侧传感器和车载单元采集的各类数据均传送至路侧服务平台,路侧服务平台根据采集的数据进行多方面的数据融合与逆向时空轨迹重构,将每一个车辆、行人、物体的全信息数据以及异常事件全信息数据以利用逆向时空轨迹重构的方式获得的全新数据与该区域原始高精地图数据进行差分对比,将差异之处与原有高精地图进行叠加生成全新的道路高精地图,大数据服务平台将路侧传感单元以及车载传感器采集回来的异常路况信息、异常交通事件事故信息、异常交通状态信息叠加并融合至全新道路高精地图中,并在全新道路高精地图中标注出其所在的位置,影响范围、发展态势以及生成预警告警提示信息内容以及允许车辆正常安全行驶的通行方案,为无人驾驶车辆、自动驾驶车辆、人工辅助驾驶车辆安全行驶所需道路提供专用高精地图,以及供其他不同用户端调取使用;
步骤S3,同时启用防碰撞安全原则判断目标间未来有无出现碰撞的可能事件,如有异常事件或碰撞可能事件的任何一种情况出现,则自动生成对应的车辆安全行驶保障方案,并通过不同客户端专用通信通道将相应的预警告警信息、控制、提示信息,下发到即将通过该异常区域不同类型的车辆改变其运动状态来保障车辆和行人的安全;所述自动生成对应的车辆安全行驶保障方案,包括如下步骤:
由所述路侧传感器根据不同的异常事件类型与内容,进行态势感知,根据态势感知结果和事物的运动类型,分别生成新的高精地图及对应的车辆安全行驶保障方案,其中,
(1)对于静止不动危害车辆安全行驶、行人出行安全保障通行方案:
将异常事件的位置和车道在所述高精地图上进行标记,并标记出告警区域以及告警信息,根据车辆的安全避让范围、安全避让方法以及最优行驶轨迹规划出车辆在该区域正确的车辆行驶路径和通行方案,并根据车辆的实时位置信息和运动速度,生成该车辆的规避风险生成协同通行方案、预警信息、告警信息、车辆控制信息;该车辆安全行驶保障方案适合于所有无人驾驶车辆、自动驾驶以及人工辅助驾驶车辆以及普通人工驾驶车辆的安全行驶方案以及基于V2X车路协同系统的安全辅助保障通行方案;
(2)对于位置、状态、形态实时发生变化危害车辆安全行驶、行人出行安全保障通行方案:
将所述路侧传感器和车辆传感器融合后数据中所有动态数据提取出来,并对每个目标车辆进行实时跟踪定位与行为分析,根据惯性导航工作原理生成该车辆预行驶的路径;
对每个目标车辆的行为进行实时分析,当判断出现异常行为时,以目标车辆的实时所在位置为起点动态的向前规划出告警区域,其中,所述告警区域会与异常事件的位置同步向前移动,并向该车辆发出警告提示,同时为车辆生成避险通行路径,通过专用通信通道进行点对点的发出预警告警信息,并通过发送控制命令使其停止下来。
2.如权利要求1所述的基于多数据融合的车辆安全行驶保障方案自动生成的方法,其特征在于,在所述步骤S2中,异常事件信息包括:异常车辆信息和异常道路信息;异常车辆事件信息包括:车辆有无异常情况出现、异常行为出现;道路异常事件信息包括:有无危险行人出现、有无危险动物出现、有无道路塌方、有无山体滑坡、有无抛洒物出现、有无落石出现或其他影响正常道路通行的危险情况;
所述车辆特征信息包括:车辆车牌信息、车标信息、车系信息、车型信息、车辆颜色信息;交通状态信息包括:畅通、拥堵、堵塞、排队信息。
3.如权利要求1所述的基于多数据融合的车辆安全行驶保障方案自动生成的方法,其特征在于,在所述步骤S3中,通过路侧传感器静态扫描、安装有车载单元的车辆行驶过程中动态扫描以及通过对每一辆车行为轨迹实时分析后获取的异常事件监测信息与预存本区域的高精地图数据采用差分计算方法找出其其中不同之处,通过叠加增强计算方法将两个数据来源中未重叠的部分内容进行相互补充和完善,并将该异常事件所在的位置信息、车道信息、类型信息、影响区域、安全避让范围、安全避让方法与预存本区域的高精地图数据进行叠加融合,形成具有安全指导形式交通专用高精地图数据信息。
4.如权利要求1所述的基于多数据融合的车辆安全行驶保障方案自动生成的方法,其特征在于,对于静止不动危害车辆安全行驶、行人出行安全保障通行方案,生成的车辆控制信息,包括:减速行驶、变道避让、编队行驶、匀速行驶、分离编队、加速行驶。
5.如权利要求1所述的基于多数据融合的车辆安全行驶保障方案自动生成的方法,其特征在于,对于位置、状态、形态实时发生变化危害车辆安全行驶、行人出行安全保障通行方案,启动防碰撞安全策略,包括:
预测正常在道路上行驶的车辆、行人或动物与目标车辆是否有交汇点,如果有交汇点则将形成交汇点的两个目标物体列为关注对象,以交汇点为起始点,根据每个目标物体的实时速度、运动方向、运动态势、所在位置为判断条件,进行模拟碰撞并输出发生碰撞的概率估计,标记出一般关注对象和重点关注对象,对一般关注对象和重点关注对象的动态数据进行实时提取,生成完整的预警信息,辅助、提示并控制无人驾驶车辆、自动驾驶车辆或人工辅助驾驶车辆及全人工驾驶车辆改变现在的行驶状态,进行潜在的危险避让。
6.如权利要求1所述的基于多数据融合的车辆安全行驶保障方案自动生成的方法,其特征在于,对于位置、状态、形态实时发生变化危害车辆安全行驶、行人出行安全保障通行方案,生成预警事件,包括:将异常事件避让通行预警事件所包含的所有辅助提示信息以及预测有无交汇可能生成的避让通行预警事件所包含的所有预警信息、告警信息、控制信息、辅助提示信息,再次汇总并叠加到该区域高精地图形成预警事件信息,分别发送到路侧服务平台或第三方服务平台中去,并通过专用通信通道发送给相应的车辆、行人以及其他事物上供不同客户端使用。
7.如权利要求1所述的基于多数据融合的车辆安全行驶保障方案自动生成的方法,其特征在于,对于位置、状态、形态实时发生变化危害车辆安全行驶、行人出行安全保障通行方案,生成避险通行路径,包括:将异常事件目标列为高度关注对象,并寻找同一条车道上相向而行的车辆,搜索范围为告警区域为起点继续向前延伸预设长度区域车道的防碰撞搜索范围,该搜索范围伴随告警区域动态向前延申;根据搜索范围内所有车辆的行驶状态以及相邻车道的繁忙程度自动的为车辆生成避险通行路径和预警告警提示信息,提示信息并促使无人驾驶车辆、自动驾驶车辆、人工辅助驾驶车辆以及全人工驾驶车辆改变现在的行驶状态,避免碰撞、安全行驶。
8.如权利要求1所述的基于多数据融合的车辆安全行驶保障方案自动生成的方法,其特征在于,
所述路侧服务平台通过以下一种或多种方式实时获取车辆完整的数据信息:
(1)通过路侧传感器与车牌抓拍摄像机融合后获取;
(2)通过路侧传感器与ETC路侧单元同步采集融合关联机制获取;
(3)通过具有感知定位功能的车载单元与V2X路测通信单元通过短程通信识别技术获取;
(4)通过具有感知定位功能的车载单元与第三方服务平台采用4G/5G或其他专用数据传输通信通道获取;
然后将获取车辆完整数据信息的方式方法以及通信通道加以区别并与对应的车辆进行一一关联融合,形成具有专用通信方式与完整车辆信息的数据供系统实时调取使用,通过以不同采集方式、不同通信方式获取车辆的完整数据信息以及车辆自身标识信息,进而区分出该车辆属于无人驾驶车辆、自动驾驶车辆、人工辅助驾驶车辆、道路勘察测绘车辆、全人工驾驶车辆,将以上不同车辆的类别信息、车辆完整的数据信息、专用通信通道信息做进一步的关联融合,形成完整的车辆全面信息,供系统实时调取使用。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010425529.3A CN111540237B (zh) | 2020-05-19 | 2020-05-19 | 基于多数据融合的车辆安全行驶保障方案自动生成的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010425529.3A CN111540237B (zh) | 2020-05-19 | 2020-05-19 | 基于多数据融合的车辆安全行驶保障方案自动生成的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111540237A CN111540237A (zh) | 2020-08-14 |
CN111540237B true CN111540237B (zh) | 2021-09-28 |
Family
ID=71976002
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010425529.3A Active CN111540237B (zh) | 2020-05-19 | 2020-05-19 | 基于多数据融合的车辆安全行驶保障方案自动生成的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111540237B (zh) |
Families Citing this family (60)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112124319B (zh) * | 2020-08-28 | 2021-04-23 | 青岛慧拓智能机器有限公司 | 一种智能驾驶系统 |
CN114170807B (zh) * | 2020-09-11 | 2023-04-28 | 北京聚利科技有限公司 | 车辆轨迹信息获取方法、装置、设备和存储介质 |
CN112085960A (zh) * | 2020-09-21 | 2020-12-15 | 北京百度网讯科技有限公司 | 车路协同信息处理方法、装置、设备及自动驾驶车辆 |
CN114283606A (zh) * | 2020-09-27 | 2022-04-05 | 阿波罗智联(北京)科技有限公司 | 用于车辆导航的方法、装置、设备、系统和云控平台 |
CN112124200A (zh) * | 2020-09-27 | 2020-12-25 | 深圳市宝尔爱迪科技有限公司 | 车辆无盲区行驶安全监控系统 |
CN112330972A (zh) * | 2020-10-22 | 2021-02-05 | 清华大学 | 车联关键信息分类预警方法及车载装置 |
CN112433519A (zh) * | 2020-11-09 | 2021-03-02 | 温州大学大数据与信息技术研究院 | 一种无人驾驶检测系统及车辆行驶检测方法 |
CN112466141A (zh) * | 2020-11-12 | 2021-03-09 | 深圳慧拓无限科技有限公司 | 一种面向车路协同的智能网联路端设备交互方法、系统及存储介质 |
CN112298211A (zh) * | 2020-11-19 | 2021-02-02 | 北京清研宏达信息科技有限公司 | 一种基于5g分级决策的自动驾驶行人让行方案 |
CN112419773A (zh) * | 2020-11-19 | 2021-02-26 | 成都云科新能汽车技术有限公司 | 一种基于云控平台的车路协同无人驾驶控制系统 |
CN114627678A (zh) * | 2020-11-26 | 2022-06-14 | 上海博泰悦臻网络技术服务有限公司 | 内轮差区域的安全监控方法、介质、监控设备及监控系统 |
CN112598899A (zh) * | 2020-12-03 | 2021-04-02 | 中国联合网络通信集团有限公司 | 一种数据处理方法和装置 |
CN112581760B (zh) * | 2020-12-09 | 2022-06-24 | 武汉速智智能交通服务有限公司 | 一种智慧交通的交通数据匹配方法以及装置 |
CN112560724B (zh) * | 2020-12-22 | 2023-12-05 | 阿波罗智联(北京)科技有限公司 | 车辆监控方法、装置和云控平台 |
CN112712733B (zh) * | 2020-12-23 | 2022-01-11 | 交通运输部公路科学研究所 | 基于车路协同的碰撞预警方法、系统和路侧单元 |
CN112764013B (zh) * | 2020-12-25 | 2024-03-01 | 北京百度网讯科技有限公司 | 自动驾驶车辆感知系统测试方法、装置、设备及存储介质 |
CN114694368A (zh) * | 2020-12-28 | 2022-07-01 | 比亚迪股份有限公司 | 车辆的管控系统 |
CN112950997B (zh) * | 2021-01-29 | 2022-08-30 | 长城汽车股份有限公司 | 一种应急联动方法与系统 |
CN114944071B (zh) * | 2021-02-07 | 2023-08-11 | 广州汽车集团股份有限公司 | 车辆行驶预警处理方法、装置及存储介质 |
CN113034898B (zh) * | 2021-03-01 | 2022-06-24 | 湖南汽车工程职业学院 | 一种基于云计算的道路畅通显示系统 |
CN113034952B (zh) * | 2021-03-01 | 2022-02-22 | 长沙理工大学 | 一种基于车路协同的路段交通安全实时预警系统 |
CN113223325A (zh) * | 2021-03-26 | 2021-08-06 | 南京市德赛西威汽车电子有限公司 | 一种安全通过无信号灯路口的方法 |
CN113183983B (zh) * | 2021-04-07 | 2024-01-30 | 浙江吉利控股集团有限公司 | 控制车辆的方法、装置、电子设备、存储介质及程序产品 |
CN113127590B (zh) * | 2021-04-09 | 2021-11-26 | 中移智行网络科技有限公司 | 地图更新方法及设备 |
CN113422797B (zh) * | 2021-05-11 | 2022-10-11 | 中国科学院计算技术研究所 | 一种用于车联网的更新地图的方法及系统 |
WO2022267035A1 (zh) * | 2021-06-25 | 2022-12-29 | 华为技术有限公司 | 车辆的控制方法、设备及存储介质 |
CN113470359B (zh) * | 2021-07-13 | 2022-05-10 | 合肥工业大学 | 基于5g-v2x的道路大规模拥堵告警方法及系统 |
CN113405555B (zh) * | 2021-08-19 | 2021-11-23 | 智己汽车科技有限公司 | 一种自动驾驶的定位传感方法、系统及装置 |
CN113851017A (zh) * | 2021-08-19 | 2021-12-28 | 复旦大学 | 一种基于路侧rsu的行人车辆识别预警多功能系统 |
CN113870553B (zh) * | 2021-08-20 | 2023-08-29 | 西安电子科技大学 | 一种面向混合交通流的路网运行状态检测系统及方法 |
CN113734162B (zh) * | 2021-08-24 | 2023-06-06 | 北京百度网讯科技有限公司 | 一种车辆间的避障方法、装置及电子设备 |
CN113724520B (zh) * | 2021-08-31 | 2023-06-13 | 上海商汤临港智能科技有限公司 | 车路协同信息处理方法、装置、电子设备以及存储介质 |
CN113724519A (zh) * | 2021-08-31 | 2021-11-30 | 上海商汤临港智能科技有限公司 | 一种车辆控制系统、路侧设备以及车路协同系统 |
CN113870593A (zh) * | 2021-09-09 | 2021-12-31 | 华中科技大学 | 一种面向自动驾驶汽车的路权动态分配方法 |
CN114333366B (zh) * | 2021-09-28 | 2023-07-21 | 宁波均联智行科技股份有限公司 | 基于v2x的危险预警方法及装置 |
CN113771879A (zh) * | 2021-09-28 | 2021-12-10 | 长安大学 | 一种无人驾驶车辆行驶的道路运输系统框架设计方法 |
CN114038239B (zh) * | 2021-11-08 | 2022-11-25 | 青岛海信网络科技股份有限公司 | 一种车辆碰撞预警方法及装置 |
CN114202920A (zh) * | 2021-12-09 | 2022-03-18 | 江苏工程职业技术学院 | 一种新能源汽车用道路智能分析设备 |
CN114363826A (zh) * | 2021-12-22 | 2022-04-15 | 长沙智能驾驶研究院有限公司 | 一种信息提示方法、装置、设备及可读存储介质 |
CN114374952A (zh) * | 2021-12-24 | 2022-04-19 | 联通智网科技股份有限公司 | 交通事件信息的发送方法、装置和边缘云服务器 |
CN114301938B (zh) * | 2021-12-24 | 2024-01-02 | 阿波罗智联(北京)科技有限公司 | 车路协同车辆事件确定方法、相关装置及计算机程序产品 |
CN114550442B (zh) * | 2021-12-31 | 2023-11-03 | 中智行(上海)交通科技有限公司 | 一种基于车路协同的自动驾驶车辆状态评估及预警方法 |
CN114333330B (zh) * | 2022-01-27 | 2023-04-25 | 浙江嘉兴数字城市实验室有限公司 | 一种基于路侧边缘全息感知的交叉口事件检测系统 |
CN114639261A (zh) * | 2022-02-15 | 2022-06-17 | 江苏大学 | 一种基于导航的车道级定制服务信息精准推送系统及方法 |
WO2023159528A1 (zh) * | 2022-02-26 | 2023-08-31 | 华为技术有限公司 | 一种数据生成、使用方法及装置 |
CN114319196B (zh) * | 2022-03-07 | 2022-05-10 | 沧州市交通运输局 | 一种高保护性道路施工防撞护栏及其使用方法 |
CN114882717A (zh) * | 2022-03-16 | 2022-08-09 | 仓擎智能科技(上海)有限公司 | 一种基于车路协同的物体检测系统和方法 |
CN114724366B (zh) * | 2022-03-29 | 2023-06-20 | 北京万集科技股份有限公司 | 辅助驾驶方法、装置、设备和存储介质 |
CN115188181A (zh) * | 2022-05-18 | 2022-10-14 | 合众新能源汽车有限公司 | 一种多融合道路车辆感知、导航方法及系统 |
CN114954336B (zh) * | 2022-06-07 | 2023-04-28 | 中国第一汽车股份有限公司 | 车辆侧方防碾压的处理方法、装置及车辆 |
CN115064007A (zh) * | 2022-06-13 | 2022-09-16 | 中国第一汽车股份有限公司 | 异常路况提示方法、装置、系统、车联网车辆和存储介质 |
CN114822089B (zh) * | 2022-06-23 | 2022-10-14 | 中国民用航空总局第二研究所 | 一种航空公司地面运行车辆离线违规告警方法及装置 |
CN115440075A (zh) * | 2022-07-22 | 2022-12-06 | 中智行(苏州)科技有限公司 | 一种实现车路协同场景全链路性能追踪的方法 |
CN115346370B (zh) * | 2022-08-10 | 2023-11-03 | 重庆大学 | 基于智能交通的路口防碰撞系统及方法 |
CN115578864A (zh) * | 2022-12-08 | 2023-01-06 | 常州星宇车灯股份有限公司 | 一种高速公路自动驾驶上下匝道危险预警控制系统及方法 |
CN116092314B (zh) * | 2022-12-30 | 2024-01-30 | 深圳市生态环境智能管控中心 | 一种基于5g和车路协同技术的动态限速提示系统 |
CN115909749B (zh) * | 2023-01-09 | 2023-07-14 | 广州通达汽车电气股份有限公司 | 车辆运行道路风险预警方法、装置、设备及存储介质 |
CN116129641A (zh) * | 2023-02-13 | 2023-05-16 | 中南大学 | 一种基于多端协同辨识的车辆安全态势计算方法及系统 |
CN116229726B (zh) * | 2023-05-08 | 2023-08-08 | 湖南车路协同智能科技有限公司 | 用于调控目标道路车辆行驶状态的车路协同方法及系统 |
CN117727183A (zh) * | 2024-02-18 | 2024-03-19 | 南京淼瀛科技有限公司 | 结合车路协同的自动驾驶安全预警方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107229690A (zh) * | 2017-05-19 | 2017-10-03 | 广州中国科学院软件应用技术研究所 | 基于路侧传感器的高精度动态地图数据处理系统及方法 |
CN110517483A (zh) * | 2019-08-06 | 2019-11-29 | 杭州博信智联科技有限公司 | 一种路况信息处理方法及数字轨路侧单元 |
CN110570674A (zh) * | 2019-09-06 | 2019-12-13 | 杭州博信智联科技有限公司 | 车路协同数据交互方法、系统、电子设备及可读存储介质 |
CN110874945A (zh) * | 2018-08-31 | 2020-03-10 | 百度在线网络技术(北京)有限公司 | 基于车路协同的路侧感知系统及其车辆控制方法 |
CN110880235A (zh) * | 2018-09-05 | 2020-03-13 | 阿里巴巴集团控股有限公司 | 路况信息处理系统中的路侧设备、处理方法及装置 |
CN111429739A (zh) * | 2018-12-20 | 2020-07-17 | 阿里巴巴集团控股有限公司 | 一种辅助驾驶方法和系统 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2940672B1 (en) * | 2014-04-29 | 2018-03-07 | Fujitsu Limited | Vehicular safety system |
US10764728B2 (en) * | 2015-07-23 | 2020-09-01 | Lg Electronics Inc. | Method and apparatus for supporting V2X function for X2 procedure in wireless communication system |
CN105611499B (zh) * | 2016-01-15 | 2019-04-19 | 宇龙计算机通信科技(深圳)有限公司 | 一种v2v传输机制中控制面信令处理方法及系统 |
CN106448222A (zh) * | 2016-11-03 | 2017-02-22 | 海华电子企业(中国)有限公司 | 一种基于v2x技术的车载通信装置及方法 |
CN108520626A (zh) * | 2018-03-20 | 2018-09-11 | 深圳市金溢科技股份有限公司 | V2x车载终端、路侧基站、路况信息获取方法及系统 |
CN108922188B (zh) * | 2018-07-24 | 2020-12-29 | 河北德冠隆电子科技有限公司 | 雷达跟踪定位的四维实景交通路况感知预警监控管理系统 |
-
2020
- 2020-05-19 CN CN202010425529.3A patent/CN111540237B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107229690A (zh) * | 2017-05-19 | 2017-10-03 | 广州中国科学院软件应用技术研究所 | 基于路侧传感器的高精度动态地图数据处理系统及方法 |
CN110874945A (zh) * | 2018-08-31 | 2020-03-10 | 百度在线网络技术(北京)有限公司 | 基于车路协同的路侧感知系统及其车辆控制方法 |
CN110880235A (zh) * | 2018-09-05 | 2020-03-13 | 阿里巴巴集团控股有限公司 | 路况信息处理系统中的路侧设备、处理方法及装置 |
CN111429739A (zh) * | 2018-12-20 | 2020-07-17 | 阿里巴巴集团控股有限公司 | 一种辅助驾驶方法和系统 |
CN110517483A (zh) * | 2019-08-06 | 2019-11-29 | 杭州博信智联科技有限公司 | 一种路况信息处理方法及数字轨路侧单元 |
CN110570674A (zh) * | 2019-09-06 | 2019-12-13 | 杭州博信智联科技有限公司 | 车路协同数据交互方法、系统、电子设备及可读存储介质 |
Non-Patent Citations (1)
Title |
---|
基于车—路视觉协同的行车环境感知方法研究;穆柯楠;《中国博士学位论文全文数据库 信息科技辑》;20170515;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111540237A (zh) | 2020-08-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111540237B (zh) | 基于多数据融合的车辆安全行驶保障方案自动生成的方法 | |
CN111524357B (zh) | 用于车辆安全行驶所需的多数据融合的方法 | |
CN111524362B (zh) | 基于多数据融合的车辆安全行驶保障系统与方法 | |
CN111402588B (zh) | 基于时空轨迹重构异常道路高精地图快速生成系统与方法 | |
US11842642B2 (en) | Connected automated vehicle highway systems and methods related to heavy vehicles | |
US11935402B2 (en) | Autonomous vehicle and center control system | |
CN111583630B (zh) | 基于时空轨迹重构全新道路高精地图快速生成系统与方法 | |
CN111578964B (zh) | 基于时空轨迹重构高精地图道路信息快速生成系统及方法 | |
CN111223302B (zh) | 移动载具用外部坐标实时三维路况辅助装置及该系统 | |
CN108475472B (zh) | 驾驶辅助方法及装置 | |
US20220332348A1 (en) | Autonomous driving method, related device, and computer-readable storage medium | |
CN114586082A (zh) | 增强的车载装备 | |
CN102903254B (zh) | 先进安全车辆中的学校区域安全装置及其方法 | |
CN113968216B (zh) | 一种车辆碰撞检测方法、装置及计算机可读存储介质 | |
CN108496212B (zh) | 驾驶辅助方法及装置 | |
EP4086875A1 (en) | Self-driving method and related device | |
CN112654549A (zh) | 控制车辆驾驶模式切换的方法和装置 | |
KR102386960B1 (ko) | 커넥티드 자동화 차량 도로 시스템 및 방법 | |
CN110271542A (zh) | 车辆控制装置、车辆控制方法及存储介质 | |
CN110562269A (zh) | 一种智能驾驶车辆故障处理的方法、车载设备和存储介质 | |
CN112606831A (zh) | 一种用于客车的防碰撞警示信息对外交互方法及系统 | |
CN113748448B (zh) | 基于车辆的虚拟停止线和让行线检测 | |
WO2021261228A1 (ja) | 障害物情報管理装置、障害物情報管理方法、車両用装置 | |
CN112907961B (zh) | 一种基于车路协同的匝道汇入方法及系统 | |
CN112829762A (zh) | 一种车辆行驶速度生成方法以及相关设备 |
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 |