CN111882904A

CN111882904A - 一种基于边缘计算的港区环境无人重卡车安全预警方法

Info

Publication number: CN111882904A
Application number: CN202010734494.1A
Authority: CN
Inventors: 唐晓峰
Original assignee: Yangzhou University
Current assignee: Yangzhou University
Priority date: 2020-07-27
Filing date: 2020-07-27
Publication date: 2020-11-03
Anticipated expiration: 2040-07-27
Also published as: CN111882904B

Abstract

一种基于边缘计算的港区环境无人重卡车安全预警方法，包括云计算、边缘计算、路侧单元、移动无人驾驶重卡车部分组成。云计算中心用于存储道路交通标志、天气、道路使用者的大量数据，并且进行快速计算的能力；边缘计算用来接收周围潜在的危险道路环境和天气环境的动态信息以及移动车辆群的行驶状态如：车间距、车速、加速度、车辆位置、路况信息和行人、自行车、摩托车、静态障碍物的实时信息，并且根据数据的类型决定对处理完毕的数据信息和其余环境数据信息卸载到云计算中心，以方便云计算中心根据实际的道路行驶情况，向周围无人驾驶重卡车发出预警信息，从而保证车辆的安全行驶。

Description

一种基于边缘计算的港区环境无人重卡车安全预警方法

技术领域

本发明涉及智能汽车领域，具体涉及一种基于边缘计算的港区环境无人重卡车安全预警方法。

背景技术

近年来，无人驾驶重卡车是智能汽车技术在实际工程应用较为广泛的领域。通过与移动无线通信技术的融合，无人驾驶重卡车在港区环境中可以提供较为便利的卸载货物、运输货物的运输能力。然而由于港区环境自身地理位置和气候条件的特殊性，极容易出现雨水、大风和大雾天气，对传感器的感知性能影响较大，同时冰冻雨雪天气会导致路面更加湿滑，附着力降低；同时物流货运车辆和专用工程车辆中，多数以半挂车、货运车辆、客运车辆和特征作业车辆为主，其特点是：车辆体型大、驾驶盲区大、车辆磨损较为严重、普通小型轿车与大型车辆的混合使用的特点，会产生许多不确定性的行驶环境，引起对无人驾驶重卡车的安全行驶的干扰，从而降低无人驾驶重卡车的行驶安全性。

边缘计算是一种新兴的计算范式，可通过靠近港区潜在的危险道路环境的边缘服务器，将无人驾驶重卡车与云计算中心链接起来，形成“无人驾驶重卡车-边缘计算服务器-云计算中心”三位一体的计算模式，如图1所示。云计算中心负责存储整个道路环境的交通标志、天气、道路使用者及其行驶状态的大量数据，并且接受边缘计算服务器发送过来的数据信息；边缘计算服务器负责接收无人驾驶重卡车在潜在的危险道路环境和天气环境下的动态实时数据信息，例如车间距、车速、加速度、车辆位置及路况信息，并且根据数据类型卸载到云计算中心以及提供有限量的计算资源。无人驾驶重卡车所产生的计算任务先经过边缘服务器进行任务决策所需要卸载的数据信息，再确定具体在边缘服务器处理的实时性数据信息，从而有效提高无人驾驶重卡车在恶劣天气及潜在的危险道路环境下的行驶安全性。现有的研究通常都是采用云计算中心与车辆的直接通信方法和对行车状态预测的方法，其中与云计算中心直接通信的方法会存在时延的问题，而周围车辆的行驶状态又难以准确预测，因此需要提出结合港区道路环境潜在的危险区域和无人驾驶重卡车实时的动态信息特点，采用时变性较强的边缘计算服务器，来降低通信时延问题，从而为无人驾驶重卡车的环境感知提供更为安全的行驶功能。

发明内容

基于上述问题，本发明的目的是解决目前无人驾驶重卡车在恶劣的天气下，港区交通流复杂的道路环境中，无人驾驶重卡车对环境感知能力的局限性带来的潜在的行驶危险性和通信时延问题带来的信息滞后性，为无人驾驶重卡车的安全行驶提供技术保障。

本发明的技术方案是：

一种基于边缘计算的港区环境无人重卡车安全预警方法，步骤如下：

S1、在港区交通环境中容易受到天气影响导致的潜在的危险道路区域，构建一个部署有基站、边缘计算服务器、车联网和云计算中心框架的应用场景（在港区道路环境存在潜在的危险行驶区域、靠近跨海大桥的道路交通环境附近以及靠近码头的道路环境，这三类较复杂的道路交通环境附近部署有基站、边缘计算服务器、车联网和云计算中心框架；所述的边缘计算服务器在港区环境周围潜在的危险道路区域各布置一个，在整个港区道路交通环境中部署一个所述的云计算中心；），车辆具备车车通信（Vehicle-to-Vehicle, V2V）和车路通信（Vehicle-to-infrastructure,V2I）的通信能力，其中，边缘计算服务器都会为路过潜在的危险道路区域的无人驾驶重卡车提供服务节点，而云计算中心负责宏观道路车辆数据及交通环境数据信息；

S2、进一步，无人驾驶重卡车通过车载传感器：摄像头、激光雷达、毫米波雷达和超声波雷达传感器实现对周围车辆的环境感知，并且将感知的数据：无人驾驶重卡车自身行驶状态、车间距、周围动态障碍物信息、静态障碍物信息、车辆行驶方向、车速、加速度、路径规划轨迹、车辆位置以及周围其余道路使用者：各种车辆、行人、自行车、摩托车等的车辆状态数据发送到边缘计算服务器；

S3、进一步，边缘计算服务器根据数据的类型决定对数据在本地进行业务的计算处理或者卸载到云计算中心；

具体地：无人驾驶重卡车自身的数据在边缘计算服务器中处理；与无人驾驶重卡车产生行驶关系的其余移动车辆的数据也在边缘计算服务器中处理。其余的所有数据信息都卸载到云计算中心处理；

边缘计算服务器只接收距离服务器50米范围内的各种作业车辆以及道路使用者如：行人、摩托车的数据信息；50米之外的车辆数据采用通过云计算中心来发送和接收数据信息；

靠近边缘计算服务器50米范围之内的无人驾驶重卡车的决策信息和路径规划信息及其行驶状态在边缘计算服务器中处理，以对车辆的行驶行为进行决策；

根据无人驾驶重卡车的行驶行为，有选择性的将数据发送到边缘计算服务器中，无人驾驶重卡车行驶行为不同，发送的数据信息不同。例如超车行为和换道行为的不同，发送给边缘计算服务器的数据不尽相同，那么再将其余所有作业车辆的数据和环境信息通过边缘计算服务器卸载到云计算中心；

S4、进一步，无人驾驶重卡车采用强化学习方法，进行与周围道路环境的障碍物的动态实时信息，如车速、加速度、车间距等的实时观测，并发送到边缘计算服务器；

具体地：采用强化学习方法实现无人驾驶重卡车与周围移动车辆的环境观测，以车速、加速度、车间距作为状态变量，以无人驾驶重卡车的加速度作为动作变量，以车辆间距的误差作为奖励变量，通过无人驾驶重卡车与环境的不断学习观测，将得出的实际的车辆状态变量不断的发送到边缘计算服务器中，以为实时性的道路环境提供准确的数据信息。S5、进一步，将无人驾驶重卡车自身的车辆状态和路径规划的轨迹、与周围动态障碍物和静态障碍物的车间距、车速差以及周围移动车辆的行驶状态数据、路面状况信息留在边缘服务器中进行处理，并将处理完毕的实时数据一并卸载到云计算中心；

具体地：边缘计算服务器将无人驾驶重卡车与周围车辆的数据处理完毕后，将信息发送给无人驾驶重卡车，车辆再重新进行决策和路径、速度规划，然后，实时变化的路径轨迹和速度轨迹发送给边缘计算服务器；（所述的无人驾驶重卡车选择行驶的决策方式，首先由边缘计算服务器获取的周围环境信息后，再根据数据信息决定无人驾驶重卡车的行驶方式；所述的无人驾驶重卡车的路径规划，是在决策了具体的行驶方式后，再重新进行自身的路径规划，并将规划的路径和速度数据信息发送到边缘计算服务器，边缘计算服务器再将更新后的数据信息发送到云计算中心；）

S6、进一步，边缘计算服务器根据计算完毕的数据信息，将安全的数据信息发送到周围所有的道路使用者中，包括无人驾驶重卡车、各种车辆、自行车及摩托车，关键一点是提示无人驾驶重卡车周围或者前方道路的路径规划以安全预警作用；

S7、进一步，无人驾驶重卡车根据边缘计算服务器发送过来的信息，重新进行决策及路径规划和速度规划，并将实时路径规划和速度规划数据信息发送到云计算中心；

S8、进一步，云计算中心根据边缘计算服务器卸载过来的计算实时数据信息，将预警的数据信息发送给整个宏观道路中的无人驾驶重卡车、各种车辆、自行车、摩托车等移动车辆中；

具体地：云计算中心接收到边缘计算服务器的实时数据信息后，云计算中心会在宏观道路环境进行无人驾驶重卡车的预警，确保无人驾驶重卡车在经过潜在的危险道路环境区域更好的决策路径规划，以实现安全性。边缘计算服务器根据更新后的数据信息，发送给周围的行驶车辆，并且根据潜在的危险行驶数据信息，对周围车辆的行驶行为进行安全行驶预警；

S9、无人驾驶重卡车在港区道路环境中可以获取实时性的道路预警安全信息，提前决策并规划路径，起到安全行驶的作用。具体的：云计算中心接收到边缘计算服务器的实时数据信息后，云计算中心会在宏观道路环境对所有的无人驾驶重卡车发出预警信息，确保无人驾驶重卡车实时性的做出行驶决策，以规划出更为安全的行驶路径。

本发明涉包括云计算、边缘计算、路侧单元、移动无人驾驶重卡车部分组成。云计算中心用于存储道路交通标志、天气、道路使用者的大量数据，并且进行快速计算的能力；边缘计算用来接收周围潜在的危险道路环境和天气环境的动态信息以及移动车辆群的行驶状态如：车间距、车速、加速度、车辆位置、路况信息和行人、自行车、摩托车、静态障碍物的实时信息，并且根据数据的类型决定对处理完毕的数据信息和其余环境数据信息卸载到云计算中心，以方便云计算中心根据实际的道路行驶情况，向周围无人驾驶重卡车发出预警信息，从而保证车辆的安全行驶。

本方案采用强化学习算法不断观测港区周围潜在的危险道路环境信息，并且采用边缘计算的方法快速决策并处理周围潜在的道路环境数据信息，以实时调整无人驾驶重卡车，保证了实时性要求较高的数据请求，也降低了数据的时延性，保证了在交通高峰时期和恶劣天气的潜在的危险行驶环境下的无人驾驶重卡车的安全有效的行驶。

附图说明

图1为本发明结构框图；

图2为本发明中的无人驾驶重卡车总体框架示意图。

具体实施方式

以下结合附图和具体实施例对本发明作进一步详细说明，如下：

S101、在发明内容S1中，边缘服务器的布置主要以容易受到天气影响导致的潜在危险道路区域为主，尤其是靠近部分城市附带交通道路环境、靠近跨海大桥的道路交通环境附近以及靠近码头的道路区域，这三类较复杂的道路交通环境附近；

S102、在发明内容S1中，进一步，边缘计算服务器只接收距离服务器50米范围内的各种作业车辆以及行人、摩托车等道路使用者的信息；50米之外的车辆数据采用通过云计算中心来发送和接收数据信息。

S103、在发明内容S2中，无人驾驶重卡车通过车载传感器探测的所有数据发送到边缘计算服务器中，尤其是在靠近潜在的危险道路环境周围，将无人驾驶重卡车的决策信息和路径规划信息发送到边缘计算服务器中，以确定车辆是否变换车道、超车等具体的行驶行为；

S104、在发明内容S3中，根据无人驾驶重卡车的行驶行为，有选择性的将数据发送到边缘计算服务器中，无人驾驶重卡车行驶行为不同，发送的数据信息不同。例如超车行为和换道行为的不同，发送给边缘计算服务器的数据不尽相同，那么再将其余所有作业车辆的数据和环境信息通过边缘计算服务器卸载到云计算中心；

S105、在发明内容S4中，强化学习方法主要用来观测无人驾驶重卡车随着所感知的环境变化而进行的数据信息变化，包括路面的附着系数数据的变化也是在观测范围之内；

S106、在发明内容S5中，无人驾驶重卡车选择行驶的决策方式，首先由边缘计算服务器获取的周围环境信息后，再根据数据信息决定无人驾驶重卡车的行驶方式；

S107、在发明内容S5中，无人驾驶重卡车决策了具体的行驶方式后，再重新进行自身的路径规划，并将规划的路径和速度等数据信息发送到边缘计算服务器，边缘计算服务器再将更新后的数据信息发送到云计算中心；

S108、在发明内容S6中，边缘计算服务器根据更新后的数据信息，发送给周围的行驶车辆，并且根据潜在的危险行驶数据信息，对周围车辆的行驶行为进行安全行驶预警；

S109、在发明内容S8中，云计算中心对距离边缘计算服务器50米之外的作业车辆进行信息预警，这样港区道路环境的无人驾驶车辆与其余作业车辆都会进行适当调整决策信息，并进行安全的行驶行为。

以上所述的具体实施方式，对本发明的目的、技术方案进行了进一步详细说明，所应理解的是，以上所述为本发明的具体实施方式，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims

1.一种基于边缘计算的港区环境无人重卡车安全预警方法，其特征是，包括：

在港区交通环境中容易受到天气影响导致的潜在的危险道路区域，构建一个部署有基站、边缘计算服务器、车联网和云计算中心框架的应用场景，车辆具备车车通信和车路通信的通信能力；

所述的边缘计算服务器为潜在的危险行驶区域的无人驾驶重卡车提供服务节点，而所述的云计算中心负责宏观道路车辆数据及交通环境数据信息。

2.根据权利要求1所述的一种基于边缘计算的港区环境无人重卡车安全预警方法，其特征是，无人驾驶重卡车通过安装在车身上的摄像头、激光雷达、毫米波雷达和超声波雷达传感器实现对周围环境和车辆的感知，并将感知的数据发送到边缘计算服务器中。

3.根据权利要求1所述的一种基于边缘计算的港区环境无人重卡车安全预警方法，其特征是，边缘计算服务器根据无人驾驶重卡车的决策行为，将数据类型对数据信息在本地业务计算处理或者卸载到云计算中心。

4.根据权利要求1所述的一种基于边缘计算的港区环境无人重卡车安全预警方法，其特征是，所述边缘计算服务器只接收距离服务器50米范围内的各种作业车辆以及道路使用者的数据信息；50米之外的车辆数据采用通过云计算中心来发送和接收数据信息。

5.根据权利要求4所述的一种基于边缘计算的港区环境无人重卡车安全预警方法，其特征是，靠近边缘计算服务器50米范围之内的无人驾驶重卡车的决策信息和路径规划信息及其行驶状态在边缘计算服务器中处理，以对车辆的行驶行为进行决策。

6.根据权利要求1所述的一种基于边缘计算的港区环境无人重卡车安全预警方法，其特征是，根据无人驾驶重卡车的行驶行为，有选择性的将数据发送到边缘计算服务器中，无人驾驶重卡车行驶行为不同，发送的数据信息不同。

7.根据权利要求1所述的一种基于边缘计算的港区环境无人重卡车安全预警方法，其特征是，采用强化学习方法实现无人驾驶重卡车与周围移动车辆的环境观测，以车速、加速度、车间距作为状态变量，以无人驾驶重卡车的加速度作为动作变量，以车辆间距的误差作为奖励变量，通过无人驾驶重卡车与环境的不断学习观测，将得出的实际的车辆状态变量不断的发送到边缘计算服务器中，以为实时性的道路环境提供准确的数据信息；

无人驾驶重卡车选择行驶的决策方式，首先由边缘计算服务器获取的周围环境信息后，再根据数据信息决定无人驾驶重卡车的行驶方式；

无人驾驶重卡车的路径规划，是在决策了具体的行驶方式后，再重新进行自身的路径规划，并将规划的路径和速度数据信息发送到边缘计算服务器，边缘计算服务器再将更新后的数据信息发送到云计算中心。

8.根据权利要求7所述的一种基于边缘计算的港区环境无人重卡车安全预警方法，其特征是，边缘计算服务器根据更新后的数据信息，发送给周围的行驶车辆，并且根据潜在的危险行驶数据信息，对周围车辆的行驶行为进行安全行驶预警。

9.根据权利要求8所述的一种基于边缘计算的港区环境无人重卡车安全预警方法，其特征是，云计算中心接收到边缘计算服务器的实时数据信息后，云计算中心会在宏观道路环境对所有的无人驾驶重卡车发出预警信息，确保无人驾驶重卡车实时性的做出行驶决策，以规划出更为安全的行驶路径。