CN112026786A - 智能车的协同驾驶控制系统及多车协同驾驶控制系统 - Google Patents
智能车的协同驾驶控制系统及多车协同驾驶控制系统 Download PDFInfo
- Publication number
- CN112026786A CN112026786A CN202010938801.8A CN202010938801A CN112026786A CN 112026786 A CN112026786 A CN 112026786A CN 202010938801 A CN202010938801 A CN 202010938801A CN 112026786 A CN112026786 A CN 112026786A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- intelligent
- communication module
- driving control
- control system
- 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.)
- Granted
Links
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
- B60W30/14—Adaptive cruise control
- B60W30/16—Control of distance between vehicles, e.g. keeping a distance to preceding vehicle
- B60W30/165—Automatically following the path of a preceding lead vehicle, e.g. "electronic tow-bar"
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
- G01S13/06—Systems determining position data of a target
- G01S13/08—Systems for measuring distance only
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
- G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
- G01S17/06—Systems determining position data of a target
- G01S17/08—Systems determining position data of a target for measuring distance only
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
- G01S17/931—Lidar systems specially adapted for specific applications for anti-collision purposes of land 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]
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W2050/0062—Adapting control system settings
- B60W2050/0075—Automatic parameter input, automatic initialising or calibrating means
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2556/00—Input parameters relating to data
- B60W2556/45—External transmission of data to or from the vehicle
- B60W2556/65—Data transmitted between vehicles
Abstract
本发明实施例公开了一种智能车的协同驾驶控制系统及多车协同驾驶控制系统,智能车的协同驾驶控制系统包括:车载控制器、环境感知装置、定位装置、车用无线通信模块及云通信模块,其中,车载控制器分别与环境感知装置、定位装置、车用无线通信模块及云通信模块电连接,车载控制器还用于基于人工鱼群,根据外部环境信息、位姿信息及其他外部环境信息及其他位姿信息对智能车进行驾驶控制。在本发明实施例中,通过获取智能车的外部环境信息及位姿信息,且获取到需要协同驾驶的其他智能车的外部环境信息及其他位姿信息,使得能够对智能车实现智能驾驶控制,且能够实现与其他智能车的协同驾驶,具备协同性好、智能性高、且安全性高的优点。
Description
技术领域
本发明涉及智能交通技术领域,尤其涉及一种智能车的协同驾驶控制系统及多车协同驾驶控制系统。
背景技术
随着社会经济科技的不断发展,城镇化进程加速,道路建设越来越通达,买车的用户也越来越多。随着汽车保有量的逐年上升,居民交通出行的需求增高,交通问题日益凸显,交通拥堵和交通事故也经常发生,且交通拥堵已经成为了一种城市病,早高峰、晚高峰、节假日等出门总是会遇上堵车。
为了提高交通效率和增强交通安全,国内外很多研究院和车企科技公司纷纷研究车路协同技术,但是现阶段已经生产和使用的都是比较基础的驾驶辅助设备,且多是针对于单辆车辆,或者针对某一特定车队,协同性较差,车辆行驶效率不高,且安全性不能满足要求。
发明内容
本发明的主要目的在于提供一种智能车的协同驾驶控制系统及多车协同驾驶控制系统,可以解决现有技术中的车辆的协同性较差、智能性较低、安全性无法满足等问题。
为实现上述目的,本发明第一方面提供一种智能车的协同驾驶控制系统,所述系统包括:车载控制器、环境感知装置、定位装置、车用无线通信模块、云通信模块;
所述车载控制器分别与所述环境感知装置、所述定位装置、所述车用无线通信模块、及所述云通信模块电连接;
所述环境感知装置用于获取所述智能车的车辆外部环境信息,并将所述车辆外部环境信息发送给所述车载控制器;
所述定位装置用于实时获取所述智能车的位姿信息,并将所述位姿信息反馈给所述车载控制器;
所述车载控制器用于将所述车辆外部环境信息及所述位姿信息通过所述车用无线通信模块发送给需要协同驾驶的其他智能车,接收所述其他智能车反馈的其他车辆外部环境信息及其他位姿信息,及将所述车辆外部环境信息及所述位姿信息通过所述云通信模块发送给云服务器;
所述车载控制器还用于基于人工鱼群算法,根据所述外部环境信息、所述位姿信息、所述其他外部环境信息及其他位姿信息对所述智能车进行驾驶控制。
优选地,所述环境感知装置包括激光雷达、毫米波雷达及摄像头,所述激光雷达、毫米波雷达及摄像头均与所述车载控制器电连接;
所述激光雷达用于采集所述智能车与周围物体之间的第一距离数据,所述毫米波雷达用于在雨、雾、烟或者灰尘环境下确定所述智能车与周围物体的第二距离数据,所述摄像头则用于采集所述智能车周围的图像环境;
所述车载控制器则用于根据所述第一距离数据和所述第二距离数据,结合所述图像环境,得到所述智能车的车辆外部环境信息。
优选地,所述车载控制器还用于将所述环境图像输入预设的交通场景分类识别模型中,得到所述交通场景分类识别模型输出的所述智能车的交通场景类别。
优选地,所述交通场景分类识别模型是按照如下方式训练得到的,包括:
获取交通场景语义分割数据中的环境图像的样本图像,及所述样本图像对应的交通场景类别;
利用所述样本图像及所述样本图像对应的交通场景类别输入至预设的tensorflow深度学习模型中进行训练,将收敛时得到的模型确定为所述交通场景分类识别模型。
优选地,所述智能车的协同驾驶控制系统还包括:车载存储器,所述车载存储器与所述车载控制器电连接,所述车载存储器用于存储所述智能车的车辆外部环境信息及所述位姿信息。
优选地,所述车用无线通信模块为V2X通信模块、V2I通信模块、V2P通信模块或者V2N通信模块。
优选地,所述车用无线通信模块还用于获取道路基础电子设备进行通信,获取所述道路基础电子设备发送的道路交通信息。
为实现上述目的,本发明第二方面提供一种多车协同驾驶控制系统,所述系统包括:多辆智能车,且所述智能车具有如第一方面所述的智能车的协同驾驶控制系统,所述多辆所述智能车之间通过智能车上的所述车用无线通信模块实现信息交互。
优选的,所述多车协同驾驶控制系统还包括云服务器,所述云服务器用于根据所述多辆智能车通过所述云通信模块发送的车辆外部环境信息及位姿信息,对所述多辆智能车进行协同驾驶控制。
优选地,所述多车协同驾驶控制系统还包括用户端,所述用户端用于从所述云服务器调取所述多辆智能车中的至少一辆智能车的相关数据。
采用本发明实施例,具有如下有益效果:
本发明提供一种智能车的协同驾驶控制系统,该系统包括:车载控制器、环境感知装置、定位装置、车用无线通信模块及云通信模块,其中,车载控制器分别与环境感知装置、定位装置、车用无线通信模块及云通信模块电连接,该环境感知装置用于获取智能车的车辆外部环境信息,并将该车辆外部环境信息发送给车载控制器,定位装置则用于实时获取智能车的位姿信息,并将位姿信息反馈给车载控制器,车载控制器用于将车辆外部环境信息及位姿信息通过车用无线通信模块发送给需要协同驾驶的其他智能车,接收其他智能车反馈的其他车辆外部环境信息及其他位姿信息,及将车辆外部环境信息及所述位姿信息通过云通信模块发送给云服务器,车载控制器还用于基于人工鱼群,根据外部环境信息、位姿信息及其他外部环境信息及其他位姿信息对智能车进行驾驶控制。在本发明实施例中,通过获取智能车的外部环境信息及位姿信息,且获取到需要协同驾驶的其他智能车的外部环境信息及其他位姿信息,使得能够对智能车实现智能驾驶控制,且能够实现与其他智能车的协同驾驶,具备协同性好、智能性高、且安全性高的优点。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例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本发明的一些实施例,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。
其中:
图1为本发明实施例中智能车的协同驾驶控制系统的结构示意图;
图2为本发明实施例中智能车与云服务器的构成的系统的结构示意图;
图3为本发明实施例中多车协同驾驶控制系统的结构示意图
图4为本发明实施例中为特定车队或车群的协同控制策略的示意图。
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,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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,都属于本发明保护的范围。
请参阅图1,为本发明一种智能车的协同驾驶控制系统的结构示意图,该系统包括:车载控制器101、环境感知装置102、定位装置103、车用无线通信模块104、云通信模块105;
车载控制器分别与环境感知装置、定位装置、车用无线通信模块、及云通信模块电连接;
环境感知装置用于获取智能车的车辆外部环境信息,并将车辆外部环境信息发送给车载控制器;
定位装置用于实时获取智能车的位姿信息,并将位姿信息反馈给车载控制器;
车载控制器用于将车辆外部环境信息及位姿信息通过车用无线通信模块发送给需要协同驾驶的其他智能车,接收其他智能车反馈的其他车辆外部环境信息及其他位姿信息,及将车辆外部环境信息及位姿信息通过云通信模块发送给云服务器;
车载控制器还用于基于人工鱼群算法,根据外部环境信息、位姿信息、其他外部环境信息及其他位姿信息对智能车进行驾驶控制。
请参阅图2,图2为智能车与云服务器的构成的系统的结构示意图,且还包括用户端。
在本发明实施例中,环境感知装置使用多种不同类型的传感器设备,在一种可行的实现方式中,包括激光雷达、毫米波雷达及摄像头,激光雷达、毫米波雷达及摄像头均与车载控制器电连接。
其中,激光雷达是以发射激光束探测位置、速度等特征量的雷达系统,其工作原理是发射激光束,然后将接收到的反射回来的信号与发射信号进行比较,则可以得到第一距离数据,因此,激光雷达可用于采集智能车与周围物体之间的第一距离数据,该第一距离数据至少包含距离值,此外,还可以包含方位、高度、速度、姿态、甚至形状等参数,从而实现对智能车的周围物体的探测、跟踪及识别。在一种可行的实现方式中,可以在智能车的四个侧面分别设置激光雷达,包括智能车的前车牌所在的表面、智能车车尾所在的表面、智能车的左侧面及智能车的右侧面,使得车载控制器能够获取到智能车各个方向的第一距离数据。
其中,毫米波雷达是工作在毫米波段探测的雷达,通常毫米波是指30~300GHz频率的波,毫米波介于微波和厘米波之间,因此,毫米波雷达兼有微波雷达和光电雷达的一些优点。毫米波雷达可以用于在雨、雾、烟或者灰尘环境下确定智能车与周围物体的第二距离数据,该第二距离数据至少包含高精度的距离值,方位等等。在一种可行的实现方式中,可以在智能车的四个侧面分别设置毫米波雷达,例如,在智能车的前车牌所在的表面、智能车车尾所在的表面、智能车的左侧面及智能车的右侧面分别设置毫米波雷达,优选地,在设置激光雷达和毫米波雷达时,可以将位于同一侧的激光雷达和毫米波雷达之间的距离设置为小于某一个距离,使得能够利用激光雷达和毫米波雷达的数据可以互补,得到更准确的数据。
在本发明实施例中,摄像头则用于采集智能车周围的图像环境,在设置时,基于需要设置摄像头的个数,使得摄像头能够获取到车前方、车后方、车左侧及车右侧的图像数据,其中,该摄像头可以获取到环境细节,帮助车辆进行环境感知,描绘物体的外观和形状、读取标志等。
进一步地,激光雷达获取到的第一数据数据将发送给车载控制器,毫米波雷达获取的第二距离数据也将发送给车载控制器,车载控制器则用于根据第一距离数据和第二距离数据,结合摄像头采集的图像环境,得到智能车的车辆外部环境信息。
在本发明实施例中,定位装置包括GPS定位系统、北斗定位系统及IMU惯导单元,可以获取车辆的位姿信息,其中,该位姿信息包括位置信息和姿态信息,其中,上述的GPS定位系统和北斗定位系统是用于获取到位置信息,位置信息包括经度、纬度、方位角、速度和时间点等等,IMU惯导单元用于获取到姿态信息,姿态信息包括:角速度、加速度、航向角及俯仰角等等。
在本发明实施例中,车载控制器可以基于人工鱼群算法,根据上述的外部环境信息、位姿信息、其他外部环境信息及其他位姿信息对智能车进行驾驶控制。
在本发明实施例中,上述的智能车可以是单独行驶的智能车,也可以是由多辆智能车形成的需要协同驾驶的车队,因此,本发明实施例中的技术方案可以应用在特定车队,或者随着区域变化组成的多智能车群系统。其中,特定车队是指车队内的智能车的数量是确定的,且包含哪些智能车也是确定的,随着区域变化是指智能车可以根据需要选择加入或者退出多智能车群系统。在本发明实施例中将以特定车队为例进行描述,后续不做赘述。
在另一种可行的实现方式中,车载控制器还用于将环境图像输入预设的交通场景分类识别模型中,得到交通场景分类识别模型输出的智能车的交通场景类别。
其中,上述的交通场景分类识别模型可以是tensorflow深度学习框架,且可识别的交通场景包括:顺畅交通场景、半顺畅交通场景、半拥挤交通场景及拥挤交通场景。具体的,可以按照如下方式训练得到交通场景分类识别模型:
获取交通场景语义分割数据中的环境图像的样本图像,及样本图像对应的交通场景类别;利用样本图像及样本图像对应的交通场景类别输入至预设的tensorflow深度学习模型中进行训练,将收敛时得到的模型确定为交通场景分类识别模型。
在本发明实施例中,交通场景语义分割数据中包含采集到的不同交通场景下的样本图像,需要对样本图像进行标记,标记其对应的交通场景类别,且在标记交通场景类别之后,还可以进行训练集和测试集的划分,训练集用于对模型进行训练,测试集则用于测试模型的训练结果。需要说明的是,在训练过程中利用模型输出的结果、样本图像对应的交通场景类别及预先设置的损失函数得到损失值,确定该损失值是否收敛,若该损失值收敛,则确定交通场景分类识别模型已经完成训练,若该损失值不收敛,则确定需要继续进行迭代训练,直至损失值收敛。其中,损失值收敛可以有两种情况,一种是迭代训练的次数达到预设次数,如500次,另一种是,当前得到的损失值与前一次得到的损失值的差值小于或等于预设值,该预设值较小,趋近于零。
进一步地,上述的训练过程可以是在处理能力较强的设备上实现的,且在训练完成之后,可以导入至车载控制器中,使得车载控制器能够将摄像头采集到的图像环境输入至交通场景分类识别模型中,得到输出的智能车的交通场景,使得能够有效的实现交通场景的识别,便于对智能车进行驾驶控制。
进一步地,上述的车载控制器可以是基于树莓派的嵌入式系统的设备,使得该车载控制器具有尺寸小的优点。
进一步地,上述的智能车的协同驾驶控制系统还包括车载存储器,车载存储器与车载控制器电连接,车载存储器用于存储智能车的车辆外部环境信息及位姿信息,进一步地,还可以存储其他智能车的其他车辆外部环境信息及其他位姿信息。
在本发明实施例中,上述的车用无线通信模块为V2X通信模块、V2I通信模块、V2P通信模块或者V2N通信模块,且该车用无线通信模块是在5G数字移动通信协议的基础上构建的通信模块。
需要说明的是,在本发明实施例中的特定车队中,每辆智能车都相当于一个智能体,享有同等的优先级,智能车可以通过车用无线通信模块将其车辆外部环境信息及位姿信息传输给特定车队内的其他智能车,以实现智能车与智能车之间的信息共享。优选的,该车用无线通信模块还可以与道路基础电子设备进行信息交互,具体的,车用无线通信模块还用于获取道路基础电子设备进行通信,获取道路基础电子设备发送的道路交通信息,该道路基础电子设备可以是交通信号灯,该道路交通信息可以是信号数据,智能车可以通过车用无线通信模块获取到以该智能车为中心的预设范围内的交通信号灯的信号数据,使得车载控制器能够利用车用无线通信模块获取到的信号数据辅助控制智能车的驾驶,例如,若获取到的信号数据为红灯,且红灯还需要闪烁50s,则可以控制智能车开始减速直至停车,使得能够实现智能车与路标基础设施之间的通信。
需要说明的是,优选的是V2X通信模块,V2X通信模块拥有非常广的使用范围,它具有突破视觉死角和跨越遮挡物的信息获取能力,同时可以和其他智能车共享实时驾驶状态信息。另外,V2X是唯一不受天气状况影响的车用传感技术,无论雨、雾或强光照射都不会影响其正常工作。
进一步地,在本发明实施例中,车载控制器还用于基于人工鱼群、根据外部环境信息、位姿信息、其他外部环境信息及其他位姿信息对智能车进行驾驶控制。
其中,人工鱼群算法是一种基于模拟鱼群行为的优化算法,此算法主要将鱼类活动分为觅食行为、聚群行为、追尾行为和随机行为这四种行为,并依据这些行为来进行问题的最优求解。为了更好的理解本发明实施例中的技术方案,下面将对这四种行为进行描述。
1)觅食行为
这是鱼趋向食物的一种活动,一般认为它是通过视觉或味觉来感知水中的食物量或食物浓度来选择行动的方向。设置人工鱼当前状态,并在其感知范围内随机选择另一个状态,如果得到的状态的目标函数大于当前的状态,则向新选择得到的状态靠近一步,反之,重新选取新状态,判断是否满足条件,选择次数达到一定数量后,如果仍然不满足条件,则随机移动一步。
算法描述:以人工鱼Xi为例,在其视野内随机选择一个状态Xj,Xj=Xi+Visuanl*Rand(),其中,Xi表示当前状态的人工鱼,Rand()表示随机函数,Visuanl表示人工鱼的视野,分别计算Xi与Xj的目标函数值Yi与Yj,如果发现Yj比Yi好,则Xi向Xj的方向移动一步: 其中,Step表示人工鱼移动的最大步长,表示Xi的位置,表示Xj的位置。否则,Xi继续在其视野内选择状态Xj,判断是否满足前进条件,反复尝试预设次数后,仍没有满足前进条件,则执行随机行为。
(2)聚群行为
大量或少量的鱼聚集成群,进行集体觅食和躲避敌害,这是它们在进化过程中形成的一种生存方式。人工鱼探索当前邻居内的伙伴数量,并计算伙伴的中心位置,然后把新得到的中心位置的目标函数与当前位置的目标函数相比较,如果中心位置的目标函数优于当前位置的目标函数并且不是很拥挤,则当前位置向中心位置移动一步,否则执行觅食行为。鱼聚群时会遵守两条规则:一是尽量向邻近伙伴的中心移动,二是避免过分拥挤。
算法描述:以人工鱼Xi为例,搜索当前视野领域内(dij<Vaisual)的伙伴数目nf和中心位置Xc,若则表明伙伴中心位置状态较优且不太拥挤,则Xi朝伙伴的中心位置移动一步:否则进行觅食行为。其中,dij表示人工鱼个体i与j之间的距离,即dij=|Xi-Xj|,δ表示拥挤度因子。
(3)追尾行为
当某一条鱼或几条鱼发现食物时,它们附近的鱼会尾随而来,导致更远处的鱼也会尾随过来。人工鱼探索周围邻居鱼的最优位置,当最优位置的目标函数值大于当前位置的目标函数值并且不是很拥挤,则当前位置向最优邻居鱼移动一步,否则执行觅食行为。
(4)随机行为
它是觅食行为的一个缺省行为,指人工鱼在视野内随机移动。当发现食物时,会向食物逐渐增多的方向快速的移动。
本发明实施例中的人工鱼群算法是与智能车的驾驶控制相关的算法,且具有逃逸行为,可以避免车辆在紧急情况下发生碰撞事故的危险。在特定车队行驶的场景下,每辆智能车可以看作是一个智能主体,进行觅食行动,寻找到达下一个分目的地(如下一个交叉口)的最优解,期间,同一道路上的其他智能车可以进行聚群行为,从无序运动到有序运动,提高道路行驶的效率,通过判断智能车与智能车之间的追尾行为,达到对智能车的车速及与其他车的车距的控制,当遇到危险时,进行逃逸行为,可以避免智能车在紧急情况下发生碰撞事故的危险,随机行为则用于打破当前状态,以随机的新的状态进行寻找行车最优解的可能。
本发明实施例可有效提高行车智能性、提高车辆通行效率,增强行车安全性。可实现智能车实时感知周围环境、车群系统内包含的需要协同行驶的多辆智能车之间可以互相进行数据交互,智能确定行车场景,并实现驾驶控制。此外,还可以实现需要协同驾驶的多辆智能车的车队队形变换、巡航、跟车、保持车距、换道、超车等驾驶行为,且还可以通过人工鱼群实现需要协同驾驶的多辆智能车之间的协同驾驶,实现短距离规划、集群行驶、车速控制等操作。且本发明实施例的应用场景也很多,例如,可以用于货车车队的运输作业,也可以用于车路协同环境下多辆智能车联网联控智能驾驶。
请参阅图3,为本发明实施例中多车协同驾驶控制系统的结构示意图,包括多辆智能车,且每辆智能车都具有如前述实施例中的智能车的协同驾驶控制系统,多辆智能车之间通过车用无线通信模块实现信息交互。
且进一步地,多车协同驾驶控制系统还包括云服务器,云服务器用于根据多辆智能车通过云通信模块发送的车辆外部环境信息及位姿信息,对多辆智能车进行协同驾驶控制。
且进一步地,多车协同驾驶控制系统还包括用户端,用户端用于从云服务器调取多辆智能车中的至少一辆智能车的相关数据。
在本发明实施例中,通过设置云服务器,使得智能车能够将车辆外部环境信息及位姿信息发送给与云服务器,云服务器能够根据接收到的多辆智能车的车辆外部环境信息及位姿信息对智能车进行决策控制。
需要说明的是,智能车上的车载控制器在利用交通场景类型识别模型确定智能车的交通场景之后,将识别到的交通场景发送给云服务器。
云服务器可以确定智能车的交通场景,可以是顺畅交通场景、半顺畅交通场景、半拥挤交通场景及拥挤交通场景,可根据不同交通场景及上述的车辆外部环境信息及位姿信息决定不同的驾驶控制策略。
对于特定车队或者其他车群内的智能车,将根据各智能车的车辆外部环境信息及位姿信息,确定领航车和跟随车,其中,领航车将执行巡航行为,跟随车将执行跟车行为,且云服务器将根据各智能车的交通场景控制领航车及跟随车执行右换道、保持车道、左换道及超车等策略,且可以理解的,不同的智能车的,执行的策略可以不同,比如,有些车执行左换道、有些车执行右换道,有些车保持车道,这个就涉及到对特定车队或者车群的整体的控制,具体的,在交通场景为顺畅交通场景时,可以指示特定车队或车群保持队形,在其他的如半顺畅交通场景、半拥挤交通场景及拥挤交通场景下,指示特定车队或车群变换队形,且具体的,在拥挤交通场景下,控制特定车队或车群变形成一字型,在半拥挤交通场景下,控制特定车队或车群变成三角形或者菱形,在半顺畅交通场景下,控制特定车队或车群变成矩阵型,云服务器可以基于对特定车队或车群的变换队形的需求确定各智能车的换道方式。
请参阅图4,为特定车队或车群的协同控制策略的示意图,其中,场景感知是指确定是智能车的控制,还是对特定车队或车群的整体控制,单车是指智能车,巡航是指执行领航行为的领航车、跟车是指执行跟车行为的跟随车,拥挤场景即为上述的拥挤交通场景,顺畅场景即为上述的顺畅交通场景、半拥挤场景即为上述的半拥挤交通场景、半顺畅场景即为上述的半顺畅交通场景。
在本发明实施例中,上述的多车协同驾驶控制系统是基于云存储和分布式计算机的运系统,实现了对分布式的多传感器多物理域数据采集系统、交通场景分类识别系统、智能车、车辆网、多车协同等的一体化运行及管理,达到协同运行,整体控制的目的。
具体的,上述云服务器具有强大的的大数据存储与分布式计算的功能,使得云服务器可以通过云通信模块获取到智能车通过车用无线通信模块采集到的车、路、交通等环境的信息,并进行云系统存储,且在云服务器还可以实现多车系统驾驶控制等等,此外,通过设置用户端的方式,可以由具有权限的人员通过用户端从云服务器获取存储的数据,该存储的数据包括历史数据与实施数据,获得全方面的信息,可以实现多车协同驾驶控制的一体化运行及管理,达到协同运行,整体控制的效果。
在本发明实施例中,上述的智能车的协同驾驶控制系统可以实现智能车与智能车之间的通信,智能车与道路基础电子设备之间的通信,且智能车的协同驾驶控制系统中包含车载控制器,该车载控制器中包含交通场景分类识别模型,能够有效的实现对交通场景的分类识别,以便于确定智能车所处的状态。且还可以基于人工鱼群算法对智能车进行控制,以实现觅食行为、聚群行为、追尾行为、随机行为及逃逸行为,可以实现智能车的路径规划,使得智能车从无序驾驶变成有序驾驶,有效实现智能车与智能车之间的距离速度的控制,以避免智能车与智能车的碰撞事故等。此外,还可以对特定车队或者其他的车群进行整体控制,比如变换车形、换道等等,减少人工操作,提高智能化,且可以理解的是,上述的智能车的协同驾驶控制系统具备协同性好、智能性高、且安全性高的优点。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一非易失性计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种智能车的协同驾驶控制系统,其特征在于,所述系统包括:车载控制器、环境感知装置、定位装置、车用无线通信模块、云通信模块;
所述车载控制器分别与所述环境感知装置、所述定位装置、所述车用无线通信模块、及所述云通信模块电连接;
所述环境感知装置用于获取所述智能车的车辆外部环境信息,并将所述车辆外部环境信息发送给所述车载控制器;
所述定位装置用于实时获取所述智能车的位姿信息,并将所述位姿信息反馈给所述车载控制器;
所述车载控制器用于将所述车辆外部环境信息及所述位姿信息通过所述车用无线通信模块发送给需要协同驾驶的其他智能车,接收所述其他智能车反馈的其他车辆外部环境信息及其他位姿信息,及将所述车辆外部环境信息及所述位姿信息通过所述云通信模块发送给云服务器;
所述车载控制器还用于基于人工鱼群算法,根据所述外部环境信息、所述位姿信息、所述其他外部环境信息及其他位姿信息对所述智能车进行驾驶控制。
2.根据权利要求1所述的智能车的协同驾驶控制系统,其特征在于,所述环境感知装置包括激光雷达、毫米波雷达及摄像头,所述激光雷达、毫米波雷达及摄像头均与所述车载控制器电连接;
所述激光雷达用于采集所述智能车与周围物体之间的第一距离数据,所述毫米波雷达用于在雨、雾、烟或者灰尘环境下确定所述智能车与周围物体的第二距离数据,所述摄像头则用于采集所述智能车周围的图像环境;
所述车载控制器则用于根据所述第一距离数据和所述第二距离数据,结合所述图像环境,得到所述智能车的车辆外部环境信息。
3.根据权利要求2所述的智能车的协同驾驶控制系统,其特征在于,所述车载控制器还用于将所述环境图像输入预设的交通场景分类识别模型中,得到所述交通场景分类识别模型输出的所述智能车的交通场景类别。
4.根据权利要求3所述的智能车的协同驾驶控制系统,其特征在于,所述交通场景分类识别模型是按照如下方式训练得到的,包括:
获取交通场景语义分割数据中的环境图像的样本图像,及所述样本图像对应的交通场景类别;
利用所述样本图像及所述样本图像对应的交通场景类别输入至预设的tensorflow深度学习模型中进行训练,将收敛时得到的模型确定为所述交通场景分类识别模型。
5.根据权利要求1所述的智能车的协同驾驶控制系统,其特征在于,所述智能车的协同驾驶控制系统还包括:车载存储器,所述车载存储器与所述车载控制器电连接,所述车载存储器用于存储所述智能车的车辆外部环境信息及所述位姿信息。
6.根据权利要求1所述的智能车的协同驾驶控制系统,其特征在于,所述车用无线通信模块为V2X通信模块、V2I通信模块、V2P通信模块或者V2N通信模块。
7.根据权利要求1所述的智能车的协同驾驶控制系统,其特征在于,所述车用无线通信模块还用于获取道路基础电子设备进行通信,获取所述道路基础电子设备发送的道路交通信息。
8.一种多车协同驾驶控制系统,其特征在于,所述系统包括:多辆智能车,且所述智能车具有如权利要求1至7任意一项所述的智能车的协同驾驶控制系统,所述多辆所述智能车之间通过智能车上的所述车用无线通信模块实现信息交互。
9.根据权利要求8所述的多车协同驾驶控制系统,其特征在于,所述多车协同驾驶控制系统还包括云服务器,所述云服务器用于根据所述多辆智能车通过所述云通信模块发送的车辆外部环境信息及位姿信息,对所述多辆智能车进行协同驾驶控制。
10.根据权利要求9所述的多车协同驾驶控制系统,其特征在于,所述多车协同驾驶控制系统还包括用户端,所述用户端用于从所述云服务器调取所述多辆智能车中的至少一辆智能车的相关数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010938801.8A CN112026786B (zh) | 2020-09-09 | 2020-09-09 | 智能车的协同驾驶控制系统及多车协同驾驶控制系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010938801.8A CN112026786B (zh) | 2020-09-09 | 2020-09-09 | 智能车的协同驾驶控制系统及多车协同驾驶控制系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112026786A true CN112026786A (zh) | 2020-12-04 |
CN112026786B CN112026786B (zh) | 2022-03-01 |
Family
ID=73585102
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010938801.8A Active CN112026786B (zh) | 2020-09-09 | 2020-09-09 | 智能车的协同驾驶控制系统及多车协同驾驶控制系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112026786B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113050678A (zh) * | 2021-03-02 | 2021-06-29 | 山东罗滨逊物流有限公司 | 基于人工智能的自主协同控制方法及系统 |
CN114179829A (zh) * | 2021-12-24 | 2022-03-15 | 中汽创智科技有限公司 | 多端协同的车辆行驶方法、装置、系统及介质 |
CN114578370A (zh) * | 2022-04-06 | 2022-06-03 | 北京安录国际技术有限公司 | 一种激光雷达协同应用系统和应用方法 |
CN115396060A (zh) * | 2022-08-30 | 2022-11-25 | 深圳市智鼎自动化技术有限公司 | 一种基于激光的同步控制方法及相关装置 |
CN116546067A (zh) * | 2023-06-20 | 2023-08-04 | 广东工业大学 | 一种基于鸿蒙系统的车联网编队方法、系统及介质 |
CN116798232A (zh) * | 2023-08-09 | 2023-09-22 | 重庆邮电大学 | 一种联合车辆优先级和人工鱼群的多车协同决策系统 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105551306A (zh) * | 2016-02-23 | 2016-05-04 | 江苏大学 | 一种基于鱼群效应的车队避撞系统以及避撞方法 |
CN106289295A (zh) * | 2016-08-30 | 2017-01-04 | 深圳市轱辘车联数据技术有限公司 | 一种自驾游的车辆跟随方法和装置 |
CN106547880A (zh) * | 2016-10-26 | 2017-03-29 | 重庆邮电大学 | 一种融合地理区域知识的多维度地理场景识别方法 |
CN107195176A (zh) * | 2017-07-07 | 2017-09-22 | 北京汽车集团有限公司 | 用于车队的控制方法和装置 |
CN108216236A (zh) * | 2017-12-25 | 2018-06-29 | 东软集团股份有限公司 | 车辆控制方法、装置、车辆及存储介质 |
CN108829087A (zh) * | 2018-07-19 | 2018-11-16 | 山东省科学院自动化研究所 | 一种自动驾驶汽车的智能测试系统及测试方法 |
CN109933023A (zh) * | 2018-12-19 | 2019-06-25 | 吉林大学 | 基于低功耗广域网的网联车管理系统 |
CN110991284A (zh) * | 2019-11-22 | 2020-04-10 | 北京航空航天大学 | 一种基于场景预分类的光学遥感图像语句描述生成方法 |
CN111422196A (zh) * | 2020-04-16 | 2020-07-17 | 金龙联合汽车工业(苏州)有限公司 | 一种适用于微巴的智能网联自动驾驶系统及方法 |
-
2020
- 2020-09-09 CN CN202010938801.8A patent/CN112026786B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105551306A (zh) * | 2016-02-23 | 2016-05-04 | 江苏大学 | 一种基于鱼群效应的车队避撞系统以及避撞方法 |
CN106289295A (zh) * | 2016-08-30 | 2017-01-04 | 深圳市轱辘车联数据技术有限公司 | 一种自驾游的车辆跟随方法和装置 |
CN106547880A (zh) * | 2016-10-26 | 2017-03-29 | 重庆邮电大学 | 一种融合地理区域知识的多维度地理场景识别方法 |
CN107195176A (zh) * | 2017-07-07 | 2017-09-22 | 北京汽车集团有限公司 | 用于车队的控制方法和装置 |
CN108216236A (zh) * | 2017-12-25 | 2018-06-29 | 东软集团股份有限公司 | 车辆控制方法、装置、车辆及存储介质 |
CN108829087A (zh) * | 2018-07-19 | 2018-11-16 | 山东省科学院自动化研究所 | 一种自动驾驶汽车的智能测试系统及测试方法 |
CN109933023A (zh) * | 2018-12-19 | 2019-06-25 | 吉林大学 | 基于低功耗广域网的网联车管理系统 |
CN110991284A (zh) * | 2019-11-22 | 2020-04-10 | 北京航空航天大学 | 一种基于场景预分类的光学遥感图像语句描述生成方法 |
CN111422196A (zh) * | 2020-04-16 | 2020-07-17 | 金龙联合汽车工业(苏州)有限公司 | 一种适用于微巴的智能网联自动驾驶系统及方法 |
Non-Patent Citations (1)
Title |
---|
林元凯,程涛: "基于条件生成对抗网络的交通环境多任务", 《计量与测试技术》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113050678A (zh) * | 2021-03-02 | 2021-06-29 | 山东罗滨逊物流有限公司 | 基于人工智能的自主协同控制方法及系统 |
CN114179829A (zh) * | 2021-12-24 | 2022-03-15 | 中汽创智科技有限公司 | 多端协同的车辆行驶方法、装置、系统及介质 |
CN114578370A (zh) * | 2022-04-06 | 2022-06-03 | 北京安录国际技术有限公司 | 一种激光雷达协同应用系统和应用方法 |
CN115396060A (zh) * | 2022-08-30 | 2022-11-25 | 深圳市智鼎自动化技术有限公司 | 一种基于激光的同步控制方法及相关装置 |
CN116546067A (zh) * | 2023-06-20 | 2023-08-04 | 广东工业大学 | 一种基于鸿蒙系统的车联网编队方法、系统及介质 |
CN116546067B (zh) * | 2023-06-20 | 2023-09-08 | 广东工业大学 | 一种基于鸿蒙系统的车联网编队方法、系统及介质 |
CN116798232A (zh) * | 2023-08-09 | 2023-09-22 | 重庆邮电大学 | 一种联合车辆优先级和人工鱼群的多车协同决策系统 |
CN116798232B (zh) * | 2023-08-09 | 2024-03-26 | 重庆邮电大学 | 一种联合车辆优先级和人工鱼群的多车协同决策系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112026786B (zh) | 2022-03-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112026786B (zh) | 智能车的协同驾驶控制系统及多车协同驾驶控制系统 | |
US11235763B2 (en) | Method, apparatus, device and readable storage medium for preventing vehicle collision | |
US10688991B2 (en) | Systems and methods for unprotected maneuver mitigation in autonomous vehicles | |
US10606270B2 (en) | Controlling an autonomous vehicle using cost maps | |
US20180150081A1 (en) | Systems and methods for path planning in autonomous vehicles | |
US10488861B2 (en) | Systems and methods for entering traffic flow in autonomous vehicles | |
DE112016003585B4 (de) | Fahrzeugsteuervorrichtung, Fahrzeugsteuerverfahren und Fahrzeugsteuerprogramm | |
WO2021103511A1 (zh) | 一种设计运行区域odd判断方法、装置及相关设备 | |
CN108216236B (zh) | 车辆控制方法、装置、车辆及存储介质 | |
DE102019100572A1 (de) | Systeme und verfahren für die wegplanung in autonomen fahrzeugen | |
US20210213873A1 (en) | Collaborative Vehicle Headlight Directing | |
CN114945492B (zh) | 协作式交通工具前灯引导 | |
CN112133089A (zh) | 一种基于周围环境与行为意图的车辆轨迹预测方法、系统及装置 | |
CN113916246A (zh) | 一种无人驾驶避障路径规划方法和系统 | |
CN110232335A (zh) | 驾驶场景分类方法及电子设备 | |
DE102019115421A1 (de) | System und verfahren zur steuerung eines autonomen fahrzeugs | |
US11294386B2 (en) | Device and method for determining U-turn strategy of autonomous vehicle | |
DE102019113862A1 (de) | Systeme und verfahren zum vorhersagen von objektverhalten | |
DE102021127118A1 (de) | Identifizieren von Objekten mit LiDAR | |
DE112021006299T5 (de) | Verfahren und Systeme zur Bodensegmentierung mittels Graphenschnitten | |
US20230415762A1 (en) | Peer-to-peer occupancy estimation | |
US20220153296A1 (en) | Trajectory planning with obstacle avoidance for autonomous driving vehicles | |
LU501360B1 (en) | Cooperative driving control system for intelligent vehicle and multi-vehicle cooperative driving control system | |
US20230211777A1 (en) | Assistance system with leader determination module for automated vehicle in a merging trajectory | |
EP3967978B1 (en) | Detecting a construction zone by a lead autonomous vehicle (av) and updating routing plans for following autonomous vehicles (avs) |
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 |