CN112683285A - 一种基于边缘计算的高精度地图数据交互方法 - Google Patents
一种基于边缘计算的高精度地图数据交互方法 Download PDFInfo
- Publication number
- CN112683285A CN112683285A CN202011402899.1A CN202011402899A CN112683285A CN 112683285 A CN112683285 A CN 112683285A CN 202011402899 A CN202011402899 A CN 202011402899A CN 112683285 A CN112683285 A CN 112683285A
- Authority
- CN
- China
- Prior art keywords
- map
- vehicle
- information
- precision map
- precision
- 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
Abstract
本发明涉及一种基于边缘计算高精度地图数据交互方法,通过梳理面向自动驾驶车辆的高精度地图需求等级;分析智能高精度地图部署在边缘计算节点上的生态;建立基于路段边缘计算设备的信息传输模型;并依据信息传输模型提供高精度地图服务。本发明根据车辆自动化等级划分为车辆针对不同的驾驶场景,结合当前的安全和效率应用,进行高精度地图信息传输,将边缘计算、C‑V2X车路协同和智能高精度地图三者整合,共同发挥功效,安全高效,解决目前智能高精度地图在智能网联车信息服务领域遇到的现实问题,填补相关领域的技术空缺。
Description
技术领域
本发明涉及高精度地图技术领域,具体地说是涉及一种基于边缘计算高精度地图数据交互方法。
背景技术
当前,智能网联车行业的快速发展,为高精度地图信息服务提供了现实需求。截止2020年,具备L1-L2级辅助驾驶功能的车辆已经开始大规模商业量产化,L3级以上的具备部分或高度自动驾驶功能的车辆则已经进入大规模实测阶段。对具备自动驾驶功能的智能网联车辆而言,高精度地图和道路标志标线一样,都是满足基本出行需求的道路交通基础设施,是一种刚需。
然而,当前的高精度地图应用存在两个主要问题:其一,为自动驾驶提供服务的高精度地图其数据结构和交互格式尚不明确,传统的电子导航用高精度地图在格式、描述和关联上规则与自动驾驶的现实需求都存在不小差异,同时偏重于静态的环境描述,无法表征半动态、动态地图信息;其二,目前的高精度地图主要作为静态文件部署在车载端,不仅受限于车辆单视角,难以实时了解道路拥堵和排队信息,同时增加了车载端的计算载荷,此外到达新的城市或环境后还需要进行大规模的地图数据下载或更新。
目前市场上还没有一款成熟的以边缘计算设备为载体提供C-V2X高精度地图信息服务的关键技术或产品。刘经南,詹骄等,智能高精地图数据逻辑结构与关键技术[J],测绘学报,2019,48(8),虽然提出了智能高精度地图的总体逻辑结构,但并未阐明智能高精度地图在路端边缘计算设备如何部署并提供相关信息服务的具体方法。相关地图标准虽然对地图需要具备的基本元素和数据交互格式做了规定,但面向V2X服务的车路信息交互标准中的地图部分和面向车辆自动驾驶辅助标准中的地图部分还尚未融合成为一个有机的整体。当前常用的边缘计算设备架构,虽然已经在一定程度上意识到高精度地图在边缘计算相关业务服务中的重要性,但还尚未就高精度地图的部署和应用提出一个综合性的功能规划。总体而言,如何将边缘计算、C-V2X车路协同、智能高精度地图三者整合起来共同发挥功效,目前相关技术还处于空白。
因此,设计一种基于边缘计算的高精度地图数据交互方法,解决目前智能高精度地图在智能网联车信息服务领域遇到的现实问题,填补相关领域的技术空缺,同时为后续的标准研究提供技术支撑和实物验证基础,对本领域技术人员来说是十分必要的。
发明内容
有鉴于此,本申请的目的在于提供一种基于边缘计算的高精度地图数据交互方法,为基于路端边缘计算设备的C-V2X高精度智能地图信息服务阐明高精度地图在车-路-云边缘计算系统中的传递模式和流程,明确部署在边缘计算节点上的智能高精度地图应该具备的层次。
为了达到上述目的,本申请提供如下技术方案。
一种基于边缘计算的高精度地图数据交互方法,包括以下步骤:
S1、梳理面向自动驾驶车辆的高精度地图需求等级;
S2、分析智能高精度地图部署在边缘计算节点上的生态;
S3、建立基于路段边缘计算设备的信息传输模型;
S4、依据信息传输模型提供高精度地图服务。
优选地,所述高精度地图包括静态高清地图、动态高清地图、智能高清地图。
优选地,所述静态高清地图包括静态地图和交通流信息,采用高精度POS+图像提取;
所述动态高清地图包括动态交通信息和动态事件信息,采用高精度POS+激光点云提取;
所述智能高清地图融合了静态地图、动态交通信息、动态事件信息,具备多源数据融合和分析模块,采用,所述多源数据融合包括专业采集数据和众包源数据。
优选地,所述步骤S1中的高精度地图的需求层次包括:L3级自动驾驶车辆系统、L4级自动驾驶车辆系统和L5级自动驾驶车辆系统。
优选地,所述L3级自动驾驶车辆系统为特定场景实现自动驾驶,采用所述静态高清地图进行动态目标识别;
所述L4级自动驾驶车辆系统为特定环境实现自动驾驶,采用所述动态高清地图进行动态目标识别;
所述L5级自动驾驶车辆系统为任意环境实现完全自动驾驶,采用智能高清地图进行动态目标识别和环境自适应。
优选地,所述步骤S2中引入分析地图生态的改进信息传输模型为:
HT=(P1,P2,U1',U2',C,M,F)
式中,C为客观世界;M为地图;P1为制图者集合;P2为用图者集合;U2’为制图者对空间环境的认识;U2’为用图者对空间环境的认识;F为用户认知特征及需求。
优选地,所述C包括静态路网、交通事件、交通流、动态物体和交通环境;
所述P1包括路测设备、MEC边缘计算设备、中心云端和具备C-2VX网联功能的车辆;
所述P2包括智能网联车辆和中心云端;
所述M为以边缘计算节点为依托,在C-V2X网联环境下提供信息服务的智能高精度地图;
所述U1’包括感知的地理环境和认知的地理环境;
所述U2’包括感知的地理环境和认知的地理环境;
所述F包括对地图的认知需求和对环境的认知需求。
优选地,所述路测设备包括视频监测器、雷达、红绿灯、气象监测器、路面监测器和路测单元,所述智能网联车辆包括车载传感器,所述车载传感器包括摄像头、激光雷达和车载单元。
优选地,所述步骤S3中的信息传输模型的建立方法包括以下几个步骤:
1)通过通讯手段获取地图需求认知F;
2)通过路测设备、车载传感器获取地图信息U1’;
3)通过V2X信息交互标准进行U1’加工形成M;
4)通过网联通讯手段将M传递给P2,P2通过通讯设备接收;
5)P2基于V2X信息交互标准进行消息解码工作,根据F聚焦对应内容;
6)车辆对边缘计算节点提供的地图服务做出评价,同时上传车辆采集的动态地图信息;
7)中心云从整个区域的角度对边缘计算节点提供的地图信息进行规划和引导;
8)基于P2对环境的认知需求F以及中心云端的引导,对边缘计算节点地图信息服务的范围和侧重点进行调整。
优选地,所述通讯手段为C-V2X通讯手段,所述V2X信息交互标准包括合作式协议,所述网联通讯手段包括5G/LTE-V2X通讯手段,所述通讯设备包括C-V2X通讯设备。
优选地,所述步骤S4中的高精度地图的服务场景包括:待转区通行辅助、可变车道通行辅助、车辆换道辅助、潮汐车辆通行辅助、车辆禁停提醒和专用车道占道提醒。
本发明所获得的有益技术效果:
1)本发明根据自动驾驶车辆的等级划分,阐述其搭载的相应地图精度和形态,明确部署在边缘计算节点上的智能高精度地图的层次;
2)本发明将改进的柯拉斯尼地图信息传输模型引入路端边缘计算设备中,阐明高精度地图在车-路-云边缘计算系统中的传递模式,进一步明确地图信息传输过程的主体构成、传输指向和信息流;
3)本发明通过车辆自动化等级划分为车辆针对不同的驾驶场景,结合当前的安全和效率应用,进行高精度地图信息传输和高精度地图服务,将边缘计算、C-V2X车路协同和智能高精度地图三者整合,共同发挥功效,安全高效。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,从而可依照说明书的内容予以实施,并且为了让本申请的上述和其他目的、特征和优点能够更明显易懂,以下以本申请的较佳实施例并配合附图详细说明如后。
根据下文结合附图对本申请具体实施例的详细描述,本领域技术人员将会更加明了本申请的上述及其他目的、优点和特征。
附图说明
为了更清楚地说明本申请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,下面描述中的附图是本申请的一些实施例,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。在所有附图中,类似的元件或部分一般由类似的附图标记标识。附图中,各元件或部分并不一定按照实际的比例绘制。
图1是本发明引入路段边缘计算设备中的信息传输模型的结构和流程图。
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。在下面的描述中,提供诸如具体的配置和组件的特定细节仅仅是为了帮助全面理解本申请的实施例。因此,本领域技术人员应该清楚,可以对这里描述的实施例进行各种改变和修改而不脱离本申请的范围和精神。另外,为了清楚和简洁,实施例中省略了对已知功能和构造的描述。
应该理解,说明书通篇中提到的“一个实施例”或“本实施例”意味着与实施例有关的特定特征、结构或特性包括在本申请的至少一个实施例中。因此,在整个说明书各处出现的“一个实施例”或“本实施例”未必一定指相同的实施例。此外,这些特定的特征、结构或特性可以任意适合的方式结合在一个或多个实施例中。
此外,本申请可以在不同例子中重复参考数字和/或字母。这种重复是为了简化和清楚的目的,其本身并不指示所讨论各种实施例和/或设置之间的关系。
本文中术语“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,单独存在B,同时存在A和B三种情况,本文中术语“/和”是描述另一种关联对象关系,表示可以存在两种关系,例如,A/和B,可以表示:单独存在A,单独存在A和B两种情况,另外,本文中字符“/”,一般表示前后关联对象是一种“或”关系。
本文中术语“至少一种”,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B的至少一种,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。
还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,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。
实施例1
一种基于边缘计算的高精度地图数据交互方法,包括以下步骤:
S1、梳理面向自动驾驶车辆的高精度地图需求等级;
S2、分析智能高精度地图部署在边缘计算节点上的生态;
S3、建立基于路段边缘计算设备的信息传输模型;
S4、依据信息传输模型提供高精度地图服务。
进一步的,所述高精度地图包括静态高清地图、动态高清地图、智能高清地图。
进一步的,所述静态高清地图包括静态地图和交通流信息,采用高精度POS+图像提取;
所述动态高清地图包括动态交通信息和动态事件信息,采用高精度POS+激光点云提取;
所述智能高清地图融合了静态地图、动态交通信息、动态事件信息,具备多源数据融合和分析模块,采用,所述多源数据融合包括专业采集数据和众包源数据。
进一步的,所述步骤S1中的高精度地图的需求层次包括:L3级自动驾驶车辆系统、L4级自动驾驶车辆系统和L5级自动驾驶车辆系统。
进一步的,所述L3级自动驾驶车辆系统为特定场景实现自动驾驶,采用所述静态高清地图进行动态目标识别;
所述L4级自动驾驶车辆系统为特定环境实现自动驾驶,采用所述动态高清地图进行动态目标识别;
所述L5级自动驾驶车辆系统为任意环境实现完全自动驾驶,采用智能高清地图进行动态目标识别和环境自适应。
进一步的,所述步骤S3中的信息传输模型的建立方法包括以下几个阶段:
1)地图需求认知阶段:通过通讯手段获取所述地图认知需求F;
2)地图信息获取阶段:将路测设备和车载传感器获取的环境信息、本地存储的基本地图信息、所述地图认知需求F结合,形成所述U1’;
3)地图信息加工阶段:将U1’基于V2X信息交互标准,进行相应的信息加工,形成M,M由多个网联消息组成,通过网联通讯手段将相关消息传递给P2;
4)地图信息解译阶段:P2通过通讯设备接收地图消息,基于V2X信息交互标准进行消息解码工作,根据F聚焦对应内容;
5)地图信息反馈和更新阶段:车辆对边缘计算节点提供的地图服务做出评价,同时上传车辆采集的动态地图信息,中心云则从整个区域的角度对边缘计算节点提供的地图信息进行规划和引导;
6)地图服务引导阶段:基于P2对环境的认知需求F以及中心云端的引导,对边缘计算节点地图信息服务的范围和侧重点进行调整。
进一步的,所述通讯手段为C-V2X通讯手段,所述V2X信息交互标准包括合作式协议,所述网联通讯手段包括5G/LTE-V2X通讯手段,所述通讯设备包括C-V2X通讯设备。
所述步骤S4中的高精度地图的服务场景包括:待转区通行辅助、可变车道通行辅助、车辆换道辅助、潮汐车辆通行辅助、车辆禁停提醒和专用车道占道提醒。
本实施例所获得的有益技术效果:
1)本发明根据自动驾驶车辆的等级划分,阐述其搭载的相应地图精度和形态,明确部署在边缘计算节点上的智能高精度地图的层次;
2)本发明将改进的柯拉斯尼地图信息传输模型引入路端边缘计算设备中,阐明高精度地图在车-路-云边缘计算系统中的传递模式,进一步明确地图信息传输过程的主体构成、传输指向和信息流;
3)本发明根据车辆自动化等级划分为车辆针对不同的驾驶场景,结合当前的安全和效率应用,进行高精度地图信息传输,将边缘计算、C-V2X车路协同和智能高精度地图三者整合,共同发挥功效,安全高效。
实施例2
本实施例是在上述实施例1的基础上进行阐述,与上述实施例1相同之处不予赘述。
本实施例主要介绍信息传输模型的结构和流程。
如附图1所示,所述步骤S2中引入分析地图生态的改进信息传输模型为:
HT=(P1,P2,U1',U2',C,M,F)
式中,C为客观世界;M为地图;P1为制图者集合;P2为用图者集合;U2’为制图者对空间环境的认识;U2’为用图者对空间环境的认识;F为用户认知特征及需求。
进一步的,所述C包括静态路网、交通事件、交通流、动态物体和交通环境;
所述P1包括路测设备、MEC边缘计算设备、中心云端和具备C-2VX网联功能的车辆;
所述P2包括智能网联车辆和中心云端;
所述M为以边缘计算节点为依托,在C-V2X网联环境下提供信息服务的智能高精度地图;
所述U1’包括感知的地理环境和认知的地理环境;
所述U2’包括感知的地理环境和认知的地理环境;
所述F包括对地图的认知需求和对环境的认知需求。
进一步的,所述路测设备包括视频监测器、雷达、红绿灯、气象监测器、路面监测器和路测单元,所述智能网联车辆包括车载传感器,所述车载传感器包括摄像头、激光雷达和车载单元。
本实施例将改进的柯拉斯尼地图信息传输模型引入路端边缘计算设备中,阐明高精度地图在车-路-云边缘计算系统中的传递模式,进一步明确地图信息传输过程的主体构成、传输指向和信息流。
实施例3
本实施例是在上述实施例1或2中的任一项的基础上进行阐述,与上述实施例1或2相同之处不予赘述。
本实施例主要介绍信息传输模型使用方法,主要包括以下步骤:
1)通过C-V2X通讯手段获取车辆个性化的地图认知需求F;
2)通过路测设备和车载传感器从客观世界C中获取本地存储的基本地图信息、交通事件、交通流、动态物体、交通环境信息;并将上述信息与所述地图认知需求F结合,并通过地图服务引导,形成所述U1’;
3)将形成的U1’基于V2X信息交互标准约束,进行相应的信息加工和C-V2X通讯手段加工形成M,M由多个网联消息组成,通过网联通讯手段将相关消息传递给P2;
4)P2通过通讯设备接收地图消息,基于V2X信息交互标准进行消息解码工作,根据F聚焦对应内容,形成U2’;
5)车辆对边缘计算节点提供的地图服务做出评价,同时上传车辆采集的动态地图信息,中心云则从整个区域的角度对边缘计算节点提供的地图信息进行规划和引导;
6)基于P2对环境的认知需求F以及中心云端的引导,对边缘计算节点地图信息服务的范围和侧重点进行调整。
本实施例的操作方式简便快捷,将边缘计算、C-V2X车路协同和智能高精度地图三者整合,共同发挥功效,安全高效。
实施例4
本实施例是在上述实施例1-3的基础上进行的,与上述实施例不同之处不予赘述。
本实施例主要介绍高精度地图服务场景的类别。
所述高精度地图服务基于S3所建立的信息传输模型,以用户为中心,监测、识别并自适应用户需求与场景变化,通过自我调整与自我组织提供与当前场景最为匹配的信息服务。
所述高精度地图服务场景主要包括以下几类:
1)第一类服务场景:待转区通行辅助;
针对环境:左转、直行待转区;
传播地图信息侧重:待行区静态地图、动态车辆和交通信号数据;
地图服务策略:边缘计算节点;
步骤包括:
1.判断车辆是否进入待行区;
2.提供待行区静动态高精度地图;
3.预警车辆闯红灯和非法越线行为。
2)第二类服务场景:可变车道通行辅助;
针对环境:可变车道;
传播地图信息侧重:可变车道静态地图、车道排队、动态车辆和交通信号数据;
地图服务策略:边缘计算节点;
步骤包括:
1.判断车辆是否接近可变车道;
2.提供一定时段内可变车道随时间变化的拓扑关系以及当前车道拥堵情况;
3.辅助车辆决策进入或离开可变车道。
3)第三类服务场景:车辆换道辅助;
针对环境:有车道分隔线的车道;
传播地图信息侧重:车道分隔线的拓扑表达,动态车辆数据;
地图服务策略:边缘计算节点;
步骤包括:
1.判断车辆是否进行换道动作;
2.提供换道相关车道分隔线的属性和拓扑表达信息;
3.预警车辆非法换道行为。
4)第四类服务场景:潮汐车道通行辅助;
针对环境:潮汐车道;
传播地图信息侧重:潮汐车道静态地图、车道排队、动态车辆和交通信号数据;地图服务策略:边缘计算节点
步骤包括:
1.判断车辆是否接近潮汐车道;
2.提供一定时段内潮汐车道随时间变化的拓扑关系以及当前车道拥堵情况;
3.预警车辆逆向行驶,辅助车辆进入潮汐车道。
5)第五类服务场景:车辆禁停提醒;
针对环境:有网状线禁停区的路口或路段;
传播地图信息侧重:禁停区静态地图、附近交通流、动态车辆数据;
地图服务策略:边缘计算节点;
步骤包括:
1.判断车辆是否接近禁停区;
2.提供禁停区的几何位置和拓扑信息,附近车辆排队情况;
3.预警车辆禁停区停车。
6)第六类服务场景:专用车道占道提醒;
针对环境:公交专用道或有特殊限行标志的车道;
传播地图信息侧重:专用道静态地图(含交通标牌提醒);
地图服务策略:边缘计算节点;
步骤包括:
1.判断车辆是否进入专用道;
2.提供专用车道针对的车辆类型,专用车道生效的时间、范围;
3.预警车辆违章进入专用车道。
以上所述仅为本发明的优选实施例而已,其并非因此限制本发明的保护范围,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,通过常规的替代或者能够实现相同的功能在不脱离本发明的原理和精神的情况下对这些实施例进行变化、修改、替换、整合和参数变更均落入本发明的保护范围内。
Claims (10)
1.一种基于边缘计算的高精度地图数据交互方法,其特征在于,包括以下步骤:
S1、梳理面向自动驾驶车辆的高精度地图需求等级;
S2、分析智能高精度地图部署在边缘计算节点上的生态;
S3、建立基于路段边缘计算设备的信息传输模型;
S4、依据信息传输模型提供高精度地图服务。
2.根据权利要求1所述的一种基于边缘计算的高精度地图数据交互方法,其特征在于,所述高精度地图包括静态高清地图、动态高清地图、智能高清地图。
3.根据权利要求2所述的一种基于边缘计算的高精度地图数据交互方法,其特征在于,所述静态高清地图包括静态地图和交通流信息,采用高精度POS+图像提取;
所述动态高清地图包括动态交通信息和动态事件信息,采用高精度POS+激光点云提取;
所述智能高清地图融合了静态地图、动态交通信息、动态事件信息,具备多源数据融合和分析模块,采用,所述多源数据融合包括专业采集数据和众包源数据。
4.根据权利要求1所述的一种基于边缘计算的高精度地图数据交互方法,其特征在于,所述步骤S1中高精度地图的需求层次包括:L3级自动驾驶车辆系统、L4级自动驾驶车辆系统和L5级自动驾驶车辆系统。
5.根据权利要求1所述的一种基于边缘计算的高精度地图数据交互方法,其特征在于,
所述L3级自动驾驶车辆系统为特定场景实现自动驾驶,采用所述静态高清地图进行动态目标识别;
所述L4级自动驾驶车辆系统为特定环境实现自动驾驶,采用所述动态高清地图进行动态目标识别;
所述L5级自动驾驶车辆系统为任意环境实现完全自动驾驶,采用智能高清地图进行动态目标识别和环境自适应。
6.根据权利要求1所述的一种基于边缘计算的高精度地图数据交互方法,其特征在于,所述步骤S2中引入分析地图生态的改进信息传输模型为:
HT=(P1,P2,U1',U2',C,M,F)
式中,C为客观世界;M为地图;P1为制图者集合;P2为用图者集合;U2’为制图者对空间环境的认识;U2’为用图者对空间环境的认识;F为用户认知特征及需求。
7.根据权利要求6所述的一种基于边缘计算的高精度地图数据交互方法,其特征在于,
所述C包括静态路网、交通事件、交通流、动态物体和交通环境;
所述P1包括路测设备、MEC边缘计算设备、中心云端和具备C-2VX网联功能的车辆;
所述P2包括智能网联车辆和中心云端;
所述M为以边缘计算节点为依托,在C-V2X网联环境下提供信息服务的智能高精度地图。
所述U1’包括感知的地理环境和认知的地理环境;
所述U2’包括感知的地理环境和认知的地理环境;
所述F包括对地图的认知需求和对环境的认知需求。
8.权利要求1中的所述的一种基于边缘计算的高精度地图数据交互方法,其特征在于,所述步骤S3中的信息传输模型建立方法包括以下几个步骤:
1)通过通讯手段获取地图需求认知F;
2)通过路测设备、车载传感器获取地图信息U1’;
3)通过V2X信息交互标准进行U1’加工形成M;
4)通过网联通讯手段将M传递给P2,P2通过通讯设备接收;
5)P2基于V2X信息交互标准进行消息解码工作,根据F聚焦对应内容;
6)车辆对边缘计算节点提供的地图服务做出评价,同时上传车辆采集的动态地图信息;
7)中心云从整个区域的角度对边缘计算节点提供的地图信息进行规划和引导;
8)基于P2对环境的认知需求F以及中心云端的引导,对边缘计算节点地图信息服务的范围和侧重点进行调整。
9.根据权利要求8中所述的一种基于边缘计算的高精度地图数据交互方法,其特征在于,所述通讯手段为C-V2X通讯手段,所述V2X信息交互标准包括合作式协议,所述网联通讯手段包括5G/LTE-V2X通讯手段,所述通讯设备包括C-V2X通讯设备。
10.根据权利要求1中所述的一种基于边缘计算的高精度地图数据交互方法,其特征在于,所述步骤S4中的高精度地图的服务场景包括:待转区通行辅助、可变车道通行辅助、车辆换道辅助、潮汐车辆通行辅助、车辆禁停提醒和专用车道占道提醒。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011402899.1A CN112683285B (zh) | 2020-12-04 | 2020-12-04 | 一种基于边缘计算的高精度地图数据交互方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011402899.1A CN112683285B (zh) | 2020-12-04 | 2020-12-04 | 一种基于边缘计算的高精度地图数据交互方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112683285A true CN112683285A (zh) | 2021-04-20 |
CN112683285B CN112683285B (zh) | 2022-08-19 |
Family
ID=75447273
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011402899.1A Active CN112683285B (zh) | 2020-12-04 | 2020-12-04 | 一种基于边缘计算的高精度地图数据交互方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112683285B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115203216A (zh) * | 2022-05-23 | 2022-10-18 | 中国测绘科学研究院 | 一种面向自动驾驶地图在线更新场景的地理信息数据分类分级及保护方法及系统 |
CN115346387A (zh) * | 2021-04-28 | 2022-11-15 | 通用汽车环球科技运作有限责任公司 | 用于减少违规停车的智能停车辅助系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001066149A (ja) * | 1999-08-30 | 2001-03-16 | Aisin Aw Co Ltd | ナビゲーション装置 |
JP2002221899A (ja) * | 2001-01-29 | 2002-08-09 | Matsushita Electric Ind Co Ltd | デジタル地図の位置情報伝達方法とそれに使用する装置 |
CN109213161A (zh) * | 2018-08-31 | 2019-01-15 | 北京航空航天大学 | 基于边缘计算的agv控制系统及方法 |
CN110160544A (zh) * | 2019-06-12 | 2019-08-23 | 北京深思敏行科技有限责任公司 | 一种基于边缘计算的高精度地图众包更新系统 |
US20200182629A1 (en) * | 2017-07-07 | 2020-06-11 | Robert Bosch Gmbh | Method for verifying a digital map of a higher-level automated vehicle, corresponding device and computer program |
CN111781933A (zh) * | 2020-07-27 | 2020-10-16 | 扬州大学 | 一种基于边缘计算和空间智能的高速自动驾驶车辆实现系统及方法 |
-
2020
- 2020-12-04 CN CN202011402899.1A patent/CN112683285B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001066149A (ja) * | 1999-08-30 | 2001-03-16 | Aisin Aw Co Ltd | ナビゲーション装置 |
JP2002221899A (ja) * | 2001-01-29 | 2002-08-09 | Matsushita Electric Ind Co Ltd | デジタル地図の位置情報伝達方法とそれに使用する装置 |
US20200182629A1 (en) * | 2017-07-07 | 2020-06-11 | Robert Bosch Gmbh | Method for verifying a digital map of a higher-level automated vehicle, corresponding device and computer program |
CN109213161A (zh) * | 2018-08-31 | 2019-01-15 | 北京航空航天大学 | 基于边缘计算的agv控制系统及方法 |
CN110160544A (zh) * | 2019-06-12 | 2019-08-23 | 北京深思敏行科技有限责任公司 | 一种基于边缘计算的高精度地图众包更新系统 |
CN111781933A (zh) * | 2020-07-27 | 2020-10-16 | 扬州大学 | 一种基于边缘计算和空间智能的高速自动驾驶车辆实现系统及方法 |
Non-Patent Citations (3)
Title |
---|
XIONG WANGTIANPENG WEIGUIHAI CHEN: "ECASS: Edge computing based auxiliary sensing system for self-driving vehicles", 《JOURNAL OF SYSTEMS ARCHITECTURE》 * |
刘经南等: "智能高精地图数据逻辑结构与关键技术", 《测绘学报》 * |
唐洁等: "面向无人驾驶的边缘高精地图服务", 《中兴通讯技术》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115346387A (zh) * | 2021-04-28 | 2022-11-15 | 通用汽车环球科技运作有限责任公司 | 用于减少违规停车的智能停车辅助系统 |
CN115203216A (zh) * | 2022-05-23 | 2022-10-18 | 中国测绘科学研究院 | 一种面向自动驾驶地图在线更新场景的地理信息数据分类分级及保护方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112683285B (zh) | 2022-08-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20230004874A1 (en) | Vehicle Map Service System | |
CN110958567B (zh) | 共享由自主运载工具感知的经分类的对象 | |
Barmpounakis et al. | Intelligent transportation systems and powered two wheelers traffic | |
US11348453B2 (en) | Method and apparatus for dynamic speed aggregation of probe data for high-occupancy vehicle lanes | |
CN112683285B (zh) | 一种基于边缘计算的高精度地图数据交互方法 | |
Sotelo et al. | Introduction to the special issue on emergent cooperative technologies in intelligent transportation systems | |
EP3822939A1 (en) | Method, apparatus, and system for automatic road closure detection during probe anomaly | |
CN114179829A (zh) | 多端协同的车辆行驶方法、装置、系统及介质 | |
Gelbal et al. | Hardware-in-the-Loop and Road Testing of RLVW and GLOSA Connected Vehicle Applications | |
Fernandez et al. | Associated reality: A cognitive human–machine layer for autonomous driving | |
Boubakri et al. | High definition map update for autonomous and connected vehicles: A survey | |
Puphal et al. | Online and predictive warning system for forced lane changes using risk maps | |
WO2023083043A1 (zh) | 一种不可通行区域确认方法、装置、设备及可读存储介质 | |
CN113324552B (zh) | 一种基于边缘计算的智能汽车高精度地图系统 | |
US20230222905A1 (en) | Method, apparatus, and system for traffic light signal phase and timing verification using sensor data and probe data | |
CN113157832A (zh) | 一种基于边缘计算的智能汽车高精度地图生成方法 | |
Fazekas et al. | Detecting change in the urban road environment along a route based on traffic sign and crossroad data | |
Al-Ezaly et al. | An innovative traffic light recognition method using vehicular ad-hoc networks | |
Sanusi et al. | Development of a knowledge base for multiyear infrastructure planning for connected and automated vehicles | |
Sahli et al. | Towards a Network of Dynamic Message Signs for Congestion Alerting | |
Prasada et al. | Novel approach in IoT-based smart road with traffic decongestion strategy for smart cities | |
Creß et al. | Intelligent transportation systems using roadside infrastructure: A literature survey | |
Petrovska et al. | Innovative web applications for analyzing traffic operations | |
US11885625B1 (en) | Data fusion system | |
US20230358558A1 (en) | Method, apparatus, and system for determining a lane marking confusion index based on lane confusion event detections |
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 |