CN112802356A - 一种基于物联网的车辆自动驾驶方法及终端 - Google Patents

一种基于物联网的车辆自动驾驶方法及终端 Download PDF

Info

Publication number
CN112802356A
CN112802356A CN202011614658.3A CN202011614658A CN112802356A CN 112802356 A CN112802356 A CN 112802356A CN 202011614658 A CN202011614658 A CN 202011614658A CN 112802356 A CN112802356 A CN 112802356A
Authority
CN
China
Prior art keywords
electric vehicle
intersection
vehicle
speed
road
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
Application number
CN202011614658.3A
Other languages
English (en)
Other versions
CN112802356B (zh
Inventor
刘伟峰
陈涛
程华灼
席磊磊
袁海英
陈敦介
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.)
Microgrid Union Technology Chengdu Co ltd
Original Assignee
Shenzhen Micronet Force Information 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 Shenzhen Micronet Force Information Technology Co Ltd filed Critical Shenzhen Micronet Force Information Technology Co Ltd
Priority to CN202011614658.3A priority Critical patent/CN112802356B/zh
Publication of CN112802356A publication Critical patent/CN112802356A/zh
Priority to PCT/CN2021/135086 priority patent/WO2022142997A1/zh
Application granted granted Critical
Publication of CN112802356B publication Critical patent/CN112802356B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G08G1/0968—Systems involving transmission of navigation instructions to the vehicle
    • G08G1/096805—Systems involving transmission of navigation instructions to the vehicle where the transmitted instructions are used to compute a route
    • G08G1/096811—Systems involving transmission of navigation instructions to the vehicle where the transmitted instructions are used to compute a route where the route is computed offboard
    • 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
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B60W30/09—Taking automatic action to avoid collision, e.g. braking and steering
    • 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
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B60W30/095—Predicting travel path or likelihood of collision
    • B60W30/0956—Predicting travel path or likelihood of collision the prediction being responsive to traffic or environmental parameters
    • 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
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/02—Alarms for ensuring the safety of persons
    • G08B21/06—Alarms for ensuring the safety of persons indicating a condition of sleep, e.g. anti-dozing alarms

Landscapes

  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Emergency Management (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Mathematical Physics (AREA)
  • Traffic Control Systems (AREA)

Abstract

本申请涉及一种基于物联网的车辆自动驾驶方法及终端，包括：计算从所述出发地到所述目的地的路径；实时采集电动车周围环境的状况，判断是否出现紧急避让情况；如果出现紧急避让情况，则首先判断所述紧急避让情况所属类别，然后采取与所述紧急避让情况所属类别相应的避让措施；如果未出现紧急避让情况，按预定路线行驶；判断所述电动车在行驶过程中是否将所述电动车的速度进行调整；实时监测所述电动车是否处于下坡状态，当判断所述电动车处于下坡状态时，对所述电动车进行降速处理；定时检测所述电动车上的乘坐人员的面部表情特征，根据所述面部表情特征判断所述乘坐人员是否疲劳，当判断所述乘坐人员处于疲劳状态时，对所述乘坐人员进行提醒。

Description

一种基于物联网的车辆自动驾驶方法及终端
技术领域
本申请涉及智能驾驶技术领域，尤其涉及一种基于物联网的车辆自动驾驶方法及终端。
背景技术
智能驾驶技术领域在智能交通领域方面是极为重要的组成部分，随着计算能力的迅速提升以及智能交通自动化需求的日益提升，越来越多的国家研究机构与公司企业更多地关注智能驾驶这一领域。随之带来的问题也日益严重，如造成城市交通拥堵、交通事故频发等。现有的自动驾驶技术多应用于汽车领域，应用到电动车的很少，因此有必要提供一种适用于电动车的自动驾驶技术。同时据估算，我国电动车保有量为3亿量左右，而电动车能走的道路不足汽车道路的十分之一，相较于汽车，电动车更容易出现交通拥堵现象。现有的导航系统，在提供导航服务时，一般基于最短路径算法计算出发地到目的地的路径，然而很多时候最短路径不一定等于是最优路径，特别是在城市交通当中，这一点尤为凸显，可能最短的路径最为拥堵，花费的时间更长，显然仅仅考虑路径最短是不合理的。
总之，有必要提供一种适用于电动车的自动驾驶技术，及适用于此自动驾驶技术的路径导航方法。
发明内容
为了解决上述技术问题或者至少部分地解决上述技术问题，本申请提供了一种基于物联网的车辆自动驾驶方法及装置。
第一方面，本申请提供了一种适用于电动车的自动驾驶方法，具体内容如下：
步骤S1：获取出发地和目的地。
用户在出发前，在搭载于电动车上的客户端上输入出发地和目的地。
S2、路径规划：基于最优路径算法，计算从所述出发地到所述目的地的路径，具体包括：
S21、利用实时路况信息得到有向赋权图G＝(V,E)，其中，V表示交叉口集合，E表示交叉口之间的路段集合；
其中，V＝{v1,v2,...,vi,...,vq}，vi表示第i个交叉口，q表示交叉口的数目，E＝{ei,j＝(vi,vj)|i,j＝1,2,...,q}，ei,j表示第i个交叉口vi与第j个交叉口vj之间的路段；令路段ei,j所对应的权重为wi,j，且
Figure BDA0002876168720000021
其中
Figure BDA0002876168720000022
表示所述路段ei,j的效率系数，
Figure BDA0002876168720000023
表示所述路段ei,j的安全系数，
Figure BDA0002876168720000024
表示所述路段ei,j的路面质量系数，Li,j表示所述路段ei,j的长度；
S22、将所述交叉口集合V中的点划分为已处理的点的集合P和未处理的点的集合T；初始状态下所述集合P中的点为与所述出发地距离最近的交叉口eini，所述集合T＝V-{eini}，其中符号ini表示所述交叉口集合V中与所述出发地距离最近的交叉口的序号；
S23、用邻接矩阵Link表示所述有向赋权图G，其中若所述交叉口集合V中第m个交叉口vm与第n个交叉口vn之间不存在路段，则令wm,n为正无穷大，其中1≤m,n≤q且m≠n；
S24、选择vr，使得Link[r]＝Min{Link[ini]|vini∈V-P}，其中vr为当前求得的一条从所述出发地出发的最优路径的终点，并令P＝P∪{vr}；
S25、修改从所述出发地出发到任意节点vk的最优路径，若Link[r]+Link[r,k]<Link[k]，则令Link[r]+Link[r,k]＝Link[k]；
S26、重复步骤S24和步骤S25，直至求得所述出发地到所述目的地的最优路径。
S3、实时采集电动车周围环境的状况，判断是否出现紧急避让情况；
如果出现紧急避让情况，则首先判断所述紧急避让情况所属类别，然后采取与所述紧急避让情况所属类别相应的避让措施；
如果未出现紧急避让情况，则按预定路线行驶；
所述紧急避让情况包括：
(1)电动车正前方的物体为静止的；
(2)电动车正前方的物体为运动的；
(3)所述电动车在十字路口直行时对面有左转车辆；
(4)所述电动车在十字路口直行时对面有右转车辆；
S4、根据预先存储的高清地图判断是否到达路口；
当判断到达路口时，分析采集的所述电动车周围环境中是否存在交警并识别所述交警的手势，然后基于电动车的车辆状况信息、所述交警的手势、所述电动车的周围环境信息规划所述电动车的局部路径；
S5、根据所述预先存储的高清地图，当判断所述电动车需拐弯时，根据如下公式判断采取拐弯动作时所述电动车的功率W；
W＝kmV cosθ；
其中m为所述电动车及所述电动车所载人员、所载货物的质量总和；k为根据所述电动车拐弯前的瞬时速度V确定的安全系数，范围在0.5-0.9之间，θ为所述电动车拐弯时所述电动车的车把的转向角；
S6、根据如下公式判断所述电动车在行驶过程中是否将所述电动车的速度进行调整；
Figure BDA0002876168720000041
当V阈值速度大于预设速度且所述电动车前方预设距离内没有障碍物时，将所述电动车加速，加速比例范围为0.1-0.3，其中
Figure BDA0002876168720000042
为所述电动车前方预设距离内车辆的平均速度，y为所述预设距离内车辆的数量。
S7、实时监测所述电动车是否处于下坡状态，当判断所述电动车处于下坡状态时，对所述电动车进行降速处理；
S8、定时检测所述电动车上的乘坐人员的面部表情特征，根据所述面部表情特征判断所述乘坐人员是否疲劳，当判断所述乘坐人员处于疲劳状态时，对所述乘坐人员进行提醒。
优选地，所述利用实时路况信息得到有向赋权图之前，还包括：
利用所述电动车上安装的客户端接收云端服务器发送的实时路况信息；
所述客户端与所述云端服务器的通信连接方式为5G技术。
优选地，在所述电动车行驶过程中，所述云端服务器定时接收所述电动车的位置信息，并根据所述位置信息确定所述电动车上安装的客户端下一个要连入的基站，将所述电动车上安装的客户端的物理标识符提前发送到所述下一个要连入的基站；所述下一个要连入的基站接收所述物理标识符，基于所述物理标识符预先准备与所述电动车上安装的客户端建立通信连接所需的资源；当所述电动车行驶至所述下一个要连入的基站的覆盖范围时，所述电动车上安装的客户端与所述下一个要连入的基站建立通信连接。
优选地，所述路段ei,j的路面质量系数的衡量因素包括：所述路段ei,j的路况属性、路段服务、纵向坡度、限行状态；所述路况属性包括所述路段ei,j的路宽、所述路段ei,j的路面平整程度、所述路段ei,j的坡度。
优选地，所述电动车在十字路口直行时对面有左转车辆时，采取的应对方案为：计算所述左转车辆的转向角、左转速度，根据所述转向角和所述左转速度计算所述左转车辆的转向时间；根据所述转向时间计算所述左转车辆左转过程中，所述电动车的行驶路程；根据所述行驶路程判断现有状态所述电动车能否安全通过，若能，则不需采取避让，若不能，对所述电动车进行降速处理，重新判断所述电动车能否安全通过，若能，则依所述降速处理后的速度通过所述十字路口，若不能，继续降速，直至能够安全通过所述十字路口。
优选地，步骤S8中所述判断所述乘坐人员是否疲劳具体包括：
采用Adaboost方法提取所述脸部视频图像中的人脸图像；
对所述人脸图像进行滤波处理，滤除所述脸部视频图像采集过程中产生的噪声，对滤波处理后的图像进行差分处理，得到凸显人眼瞳孔的差分图像；
对所述差分图像进行图像增强操作，突出所述差分图像中人眼的瞳孔部分；
采用如下公式对图像增强处理后的人脸图像进行自适应阈值处理，从而将人脸图像进行二值化处理：
S＝ω0*(u-u0)2+ω1*u2+α(u-u1)
其中，ω0为背景像素点占待处理整幅图像的比例，u0为背景像素点的平均灰度，ω1为前景像素点占整幅图像的平均灰度，u1为前景像素点的平均灰度，u为待处理整幅图像的平均灰度，S为所述待处理整幅图像的方差，α修正系数，范围为0.1-0.15；
建立卷积神经网络模型，通过卷积层提取出人眼特征，对所述乘坐人员是否闭眼进行分类；
求出预定时间内乘坐人员眼睛闭合时长相对所述预设时间所占的百分比，当所述百分比超过预定比例时，判定所述乘坐人员处于疲劳状态。
第二方面，本申请提供了一种适用于电动车的自动驾驶装置，包括如下内容：
路径规划模块，用于基于最优路径算法，计算从所述出发地到所述目的地的路径；
环境感知模块，用于实时采集电动车周围环境的状况，判断是否出现紧急避让情况；如果出现紧急避让情况，则首先判断所述紧急避让情况所属类别，然后采取与所述紧急避让情况所属类别相应的避让措施；如果未出现紧急避让情况，则按预定路线行驶；
第一速度调整模块，用于判断所述电动车在行驶过程中是否将所述电动车的速度进行调整；
第二速度调整模块，用于实时监测所述电动车是否处于下坡状态，当判断所述电动车处于下坡状态时，对所述电动车进行降速处理；
疲劳监测模块，用于定时检测所述电动车上的乘坐人员的面部表情特征，根据所述面部表情特征判断所述乘坐人员是否疲劳，当判断所述乘坐人员处于疲劳状态时，对所述乘坐人员进行提醒。
本申请实施例提供的上述技术方案与现有技术相比具有如下优点：
本发明提出了一种适用于电动车的自动驾驶方法，而且提供了一种适用于此方法的最优路径计算法方法，应用本发明的方法，能够根据道路的具体情况规划出电动车从出发地到目的地的最佳路径，而且本发明中提出了适用于电动车拐弯时的电动车的功率的估算方法，能够保证行车安全。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。
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，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的一种适用于电动车的自动驾驶方法的流程示意图；
图2为本申请实施例提供的一种适用于电动车的自动驾驶方法中所涉及到的最优路径算法的实施场景示意图；
图3为本申请实施例提供的一种适用于电动车的自动驾驶装置的示意图。
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的一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
智能驾驶技术领域在智能交通领域方面是极为重要的组成部分，随着计算能力的迅速提升以及智能交通自动化需求的日益提升，越来越多的国家研究机构与公司企业更多地关注智能驾驶这一领域，然而现有的自动驾驶技术多应用于汽车领域，应用到电动车的很少，因此有必要提供一种适用于电动车的自动驾驶技术。同时据估算，我国电动车保有量为3亿辆左右，而电动车能走的道路不足汽车道路的十分之一，相较于汽车，电动车更容易出现交通拥堵的现象。在我国的三四线城市，相当大一部分居民的出行代步工具采用电动车，现有的导航系统，在提供导航服务时，一般基于最短路径算法计算出发地到目的地的路径，然而很多时候最短路径不一定等于是最优路径，特别是在城市交通当中，这一点尤为凸显，可能最短的路径最为拥堵，花费的时间更长，显然仅仅考虑路径最短是不合理的。因此，有必要提供一种适用于电动车的自动驾驶技术，及适用于此自动驾驶技术的路径导航方法。
本说明书实施例提供了一种适用于电动车的自动驾驶方法，以下结合附图，详细说明本申请各实施例提供的技术方案。
图1为本说明书实施例提供的一种适用于电动车的自动驾驶方法的流程示意图，从程序的执行角度而言，流程的执行主体可以为搭载于电动车上的客户端的程序。
如图1所示，该流程可以包括以下步骤：
步骤S1：获取出发地和目的地。
用户在出发前，在搭载于电动车上的客户端上输入出发地和目的地。
S2、路径规划：基于最优路径算法，计算从所述出发地到所述目的地的路径，具体包括：
S21、利用实时路况信息得到有向赋权图G＝(V,E)，其中，V表示交叉口集合，E表示交叉口之间的路段集合；
其中，V＝{v1,v2,...,vi,...,vq}，vi表示第i个交叉口，q表示交叉口的数目，E＝{ei,j＝(vi,vj)|i,j＝1,2,...,q}，ei,j表示第i个交叉口vi与第j个交叉口vj之间的路段；令路段ei,j所对应的权重为wi,j，且
Figure BDA0002876168720000081
其中
Figure BDA0002876168720000082
表示所述路段ei,j的效率系数，
Figure BDA0002876168720000083
表示所述路段ei,j的安全系数，
Figure BDA0002876168720000084
表示所述路段ei,j的路面质量系数，Li,j表示所述路段ei,j的长度；
S22、将所述交叉口集合V中的点划分为已处理的点的集合P和未处理的点的集合T；初始状态下所述集合P中的点为与所述出发地距离最近的交叉口eini，所述集合T＝V-{eini}，其中符号ini表示所述交叉口集合V中与所述出发地距离最近的交叉口的序号；
S23、用邻接矩阵Link表示所述有向赋权图G，其中若所述交叉口集合V中第m个交叉口vm与第n个交叉口vn之间不存在路段，则令wm,n为正无穷大，其中1≤m,n≤q且m≠n；
S24、选择vr，使得Link[r]＝Min{Link[ini]|vini∈V-P}，其中vr为当前求得的一条从所述出发地出发的最优路径的终点，并令P＝P∪{vr}；
S25、修改从所述出发地出发到任意节点vk的最优路径，若Link[r]+Link[r,k]<Link[k]，则令Link[r]+Link[r,k]＝Link[k]；
S26、重复步骤S24和步骤S25，直至求得所述出发地到所述目的地的最优路径。
现有技术中，在进行路径规划时，多基于最短路径算法规划从出发地到目的地的路径，然而大多数情况下，这只是一种理论上的最佳路径，在实际的实践过程中可能由于堵车、限行、道路状况差等问题使得规划出来的最短路径不能使人们满意，而且同一段道路在不同时段的通行状况也是不一样的，这些问题的存在都影响用户在短时间段内的出行体验。本实施例技术方案中的最佳路径算法，在考虑路段ei,j的权重时，不单纯考虑所述路段ei,j的实际物理长度，还根据实时交通信息确定此路段的效率系数
Figure BDA0002876168720000091
安全系数
Figure BDA0002876168720000092
和路面质量系数
Figure BDA0002876168720000093
以所述效率系数
Figure BDA0002876168720000094
安全系数
Figure BDA0002876168720000095
和路面质量系数
Figure BDA0002876168720000096
之和与所述路段ei,j的实际物理长度Li,j的乘积作为所述路段ei,j的权重，这样能够更科学合理地反映此路段ei,j的通行效率，从而使最后得到的从出发地到目的地的路径结果更为客观，更符合实际情况。
其中，效率系数
Figure BDA0002876168720000101
用于衡量路段ei,j的通行效率(比如，此路段上通行的车辆较多时，此路段的效率系数
Figure BDA0002876168720000102
大)，安全系数
Figure BDA0002876168720000103
用于衡量在路段ei,j上行驶时的安全系数(比如路段ei,j上有重型车辆通过时，路段ei,j的安全程度较低)，路面质量系数
Figure BDA0002876168720000104
用于衡量路段ei,j道路的质量程度，当此路段ei,j道路建设时所用的材料质量差时，此路段ei,j的道路的质量不好，其路面质量系数
Figure BDA0002876168720000105
大。
具体地，所述路段ei,j的路面质量系数
Figure BDA0002876168720000106
的衡量因素包括：所述路段ei,j的路况属性、路段服务、纵向坡度、限行状态；所述路况属性包括所述路段ei,j的路宽、所述路段ei,j的路面平整程度、所述路段ei,j的坡度。
举例说明，图2中，用户所在的出发地为A点，其目的地为F点，各点之间的物理长度为LA,B＝6、LA,C＝3、LB,D＝5、LC,D＝3、LB,C＝2、LD,F＝3、LD,E＝2、LC,E＝4、LE,F＝5。在现有技术中，在规划从出发地A点到目的地F点的最短长度路径时，得到的路径结果是：A→C→D→F，这样总路程是9。此时，假设通过实时采集的路段交通信息得知，此时交叉口D点到交叉口F点之间的路段发生交通拥堵，并且有大型车辆通过，此时路段eD,F的效率系数
Figure BDA0002876168720000107
安全系数
Figure BDA0002876168720000108
路面质量系数
Figure BDA0002876168720000109
则根据本说明书实施例中的技术方案，在规划从出发地A点到目的地F点的路径时，得到的路径结果是：A→C→E→F。
S3、实时采集电动车周围环境的状况，判断是否出现紧急避让情况；
如果出现紧急避让情况，则首先判断所述紧急避让情况所属类别，然后采取与所述紧急避让情况所属类别相应的避让措施；
如果未出现紧急避让情况，则按预定路线行驶；
所述紧急避让情况包括：
(1)电动车正前方的物体为静止的；
(2)电动车正前方的物体为运动的；
(3)所述电动车在十字路口直行时对面有左转车辆；
(4)所述电动车在十字路口直行时对面有右转车辆；
S4、根据预先存储的高清地图判断是否到达路口；
当判断到达路口时，分析采集的所述电动车周围环境中是否存在交警并识别所述交警的手势，然后基于电动车的车辆状况信息、所述交警的手势、所述电动车的周围环境信息规划所述电动车的局部路径；
S5、根据所述预先存储的高清地图，当判断所述电动车需拐弯时，根据如下公式判断采取拐弯动作时所述电动车的功率W；
W＝kmV cosθ；
其中m为所述电动车及所述电动车所载人员、所载货物的质量总和；k为根据所述电动车拐弯前的瞬时速度V确定的安全系数，范围在0.5-0.9之间，θ为所述电动车拐弯时所述电动车的车把的转向角；
S6、根据如下公式判断所述电动车在行驶过程中是否将所述电动车的速度进行调整；
Figure BDA0002876168720000111
当V阈值速度大于预设速度且所述电动车前方预设距离内没有障碍物时，将所述电动车加速，加速比例范围为0.1-0.3，其中
Figure BDA0002876168720000112
为所述电动车前方预设距离内车辆的平均速度，y为所述预设距离内车辆的数量。
S7、实时监测所述电动车是否处于下坡状态，当判断所述电动车处于下坡状态时，对所述电动车进行降速处理；
可以采用在电动车上安装倾角传感器的方法，实时监测电动车是否处于下坡状态，当监测到电动车处于下坡状态时，对电动车进行降速处理，以保证行车安全。
S8、定时检测所述电动车上的乘坐人员的面部表情特征，根据所述面部表情特征判断所述乘坐人员是否疲劳，当判断所述乘坐人员处于疲劳状态时，对所述乘坐人员进行提醒。
基于图1的方法，本说明书实施例还提供了该方法的一些具体实施方式，下面进行说明。
本实施例技术方案中，所述利用实时路况信息得到有向赋权图之前，还包括：
利用所述电动车上安装的客户端接收云端服务器发送的实时路况信息；所述客户端与所述云端服务器的通信连接方式为5G技术。
进一步优化方案，在所述电动车行驶过程中，所述云端服务器定时接收所述电动车的位置信息，并根据所述位置信息确定所述电动车上安装的客户端下一个要连入的基站，将所述电动车上安装的客户端的物理标识符提前发送到所述下一个要连入的基站；所述下一个要连入的基站接收所述物理标识符，基于所述物理标识符预先准备与所述电动车上安装的客户端建立通信连接所需的资源；当所述电动车行驶至所述下一个要连入的基站的覆盖范围时，所述电动车上安装的客户端与所述下一个要连入的基站建立通信连接。
在电动车行驶过程中，搭载于电动车上的客户端需要与周围的基站建立通信连接，以便实时接收一些与道路交通情况相关的信息，尤其是一些与电动车的实时驾驶状态的安全密切相关的信息，由于电动车在行驶过程中其位置是实时发生变化的，在电动车位置范围超过所连接的基站的覆盖范围时，就需要接入另外一个基站，现有技术中，在电动车的客户端切换所连接的基站时，可能发生此客户端已经与上一个连接的基站的通信连接已经断开，但未与下一个将要连接的基站建立通信连接的情况(这可能是因为电动车所要连接的下一个基站的处于满负荷工作状态，没有与此客户端建立通信连接的资源，或者是此基站与客户端建立通信连接的延时相对较长，此较长的延时超出客户端未连接到基站的状态时间容忍度的阈值，而且需要说明的是，在电动车的自动驾驶应用中，搭载于电动车上的客户端与基站未保持通信连接状态的时间容忍度极低，这样才能够保证电动车的自动驾驶的安全性)，由于本发明实施例涉及的是电动车的自动驾驶，搭载于电动车上的客户端需要实时接收基站不定时发送的路况信息，以便保证电动车自动驾驶的安全，即本实施例要求搭载于电动车的客户端需要实时与基站保持通信连接。本实施中，由于提前计算出了电动车的行驶路径，则云端服务器可以实时接收电动车的位置信息，当监测到电动车在预设时段内将要驶离某个基站的覆盖范围时，可以将所述电动车上安装的客户端的物理标识符提前发送到所述下一个要连入的基站，这样所述下一个要连入的基站可以接收所述此客户端的物理标识符，然后基于所述物理标识符预先准备与所述电动车上安装的客户端建立通信连接所需的资源，这样可以有效缩短与客户端建立通信连接的时间，同时由于预先分配了与此客户端建立通信连接所需的资源，这样能够保证此客户端能够与此下一个要连入的基站建立通信连接，从而能够极大程度上保证电动车自动驾驶的安全性。
进一步优化方案，所述电动车在十字路口直行时对面有左转车辆时，采取的应对方案为：计算所述左转车辆的转向角、左转速度，根据所述转向角和所述左转速度计算所述左转车辆的转向时间；根据所述转向时间计算所述左转车辆左转过程中，所述电动车的行驶路程；根据所述行驶路程判断现有状态所述电动车能否安全通过，若能，则不需采取避让，若不能，对所述电动车进行降速处理，重新判断所述电动车能否安全通过，若能，则依所述降速处理后的速度通过所述十字路口，若不能，继续降速，直至能够安全通过所述十字路口。
进一步优化方案，步骤S8中所述判断所述乘坐人员是否疲劳具体包括：
采用Adaboost方法提取所述脸部视频图像中的人脸图像；
对所述人脸图像进行滤波处理，滤除所述脸部视频图像采集过程中产生的噪声，对滤波处理后的图像进行差分处理，得到凸显人眼瞳孔的差分图像；
对所述差分图像进行图像增强操作，突出所述差分图像中人眼的瞳孔部分；
采用如下公式对图像增强处理后的人脸图像进行自适应阈值处理，从而将人脸图像进行二值化处理：
S＝ω0*(u-u0)2+ω1*u2+α(u-u1)
其中，ω0为背景像素点占待处理整幅图像的比例，u0为背景像素点的平均灰度，ω1为前景像素点占整幅图像的平均灰度，u1为前景像素点的平均灰度，u为待处理整幅图像的平均灰度，S为所述待处理整幅图像的方差，α修正系数，范围为0.1-0.15；
建立卷积神经网络模型，通过卷积层提取出人眼特征，对所述乘坐人员是否闭眼进行分类；
求出预定时间内乘坐人员眼睛闭合时长相对所述预设时间所占的百分比，当所述百分比超过预定比例时，判定所述乘坐人员处于疲劳状态。
本发明提出了一种适用于电动车的自动驾驶方法，而且提供了一种适用于此方法的最优路径计算法方法，应用本发明的方法，能够根据道路的具体情况规划出电动车从出发地到目的地的最佳路径，而且本发明中提出了适用于电动车拐弯时的电动车的功率的估算方法，能够保证行车安全。
基于同样的思路，本说明书实施例还提供了上述方法对应的装置。图3为本说明书实施例提供的对应于图1的一种适用于电动车的自动驾驶装置的结构示意图。如图3所示，该装置可以包括：
路径规划模块，用于基于最优路径算法，计算从所述出发地到所述目的地的路径；
环境感知模块，用于实时采集电动车周围环境的状况，判断是否出现紧急避让情况；如果出现紧急避让情况，则首先判断所述紧急避让情况所属类别，然后采取与所述紧急避让情况所属类别相应的避让措施；如果未出现紧急避让情况，则按预定路线行驶；
第一速度调整模块，用于判断所述电动车在行驶过程中是否将所述电动车的速度进行调整；
第二速度调整模块，用于实时监测所述电动车是否处于下坡状态，当判断所述电动车处于下坡状态时，对所述电动车进行降速处理；
疲劳监测模块，用于定时检测所述电动车上的乘坐人员的面部表情特征，根据所述面部表情特征判断所述乘坐人员是否疲劳，当判断所述乘坐人员处于疲劳状态时，对所述乘坐人员进行提醒。
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，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅是本发明的具体实施方式，使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。

Claims (8)

1.一种基于物联网的车辆自动驾驶方法，其特征在于，所述方法包括：
S1、获取出发地和目的地；
S2、路径规划：基于最优路径算法，计算从所述出发地到所述目的地的路径，具体包括：
S21、利用实时路况信息得到有向赋权图G＝(V,E)，其中，V表示交叉口集合，E表示交叉口之间的路段集合；
其中，V＝{v1,v2,...,vi,...,vq}，vi表示第i个交叉口，q表示交叉口的数目，E＝{ei,j＝(vi,vj)|i,j＝1,2,...,q}，ei,j表示第i个交叉口vi与第j个交叉口vj之间的路段；令路段ei,j所对应的权重为wi,j，且
Figure FDA0002876168710000011
其中
Figure FDA0002876168710000012
表示所述路段ei,j的效率系数，
Figure FDA0002876168710000013
表示所述路段ei,j的安全系数，
Figure FDA0002876168710000014
表示所述路段ei,j的路面质量系数，Li,j表示所述路段ei,j的长度；
S22、将所述交叉口集合V中的点划分为已处理的点的集合P和未处理的点的集合T；初始状态下所述集合P中的点为与所述出发地距离最近的交叉口eini，所述集合T＝V-{eini}，其中符号ini表示所述交叉口集合V中与所述出发地距离最近的交叉口的序号；
S23、用邻接矩阵Link表示所述有向赋权图G，其中若所述交叉口集合V中第m个交叉口vm与第n个交叉口vn之间不存在路段，则令wm,n为正无穷大，其中1≤m,n≤q且m≠n；
S24、选择vr，使得Link[r]＝Min{Link[ini]|vini∈V-P}，其中vr为当前求得的一条从所述出发地出发的最优路径的终点，并令P＝P∪{vr}；
S25、修改从所述出发地出发到任意节点vk的最优路径，若Link[r]+Link[r,k]<Link[k]，则令Link[r]+Link[r,k]＝Link[k]；
S26、重复步骤S24和步骤S25，直至求得所述出发地到所述目的地的最优路径；
S3、实时采集电动车周围环境的状况，判断是否出现紧急避让情况；
如果出现紧急避让情况，则首先判断所述紧急避让情况所属类别，然后采取与所述紧急避让情况所属类别相应的避让措施；
如果未出现紧急避让情况，则按预定路线行驶；
所述紧急避让情况包括：
(1)电动车正前方的物体为静止的；
(2)电动车正前方的物体为运动的；
(3)所述电动车在十字路口直行时对面有左转车辆；
(4)所述电动车在十字路口直行时对面有右转车辆；
S4、根据预先存储的高清地图判断是否到达路口；
当判断到达路口时，分析采集的所述电动车周围环境中是否存在交警并识别所述交警的手势，然后基于电动车的车辆状况信息、所述交警的手势、所述电动车的周围环境信息规划所述电动车的局部路径；
S5、根据所述预先存储的高清地图，当判断所述电动车需拐弯时，根据如下公式判断采取拐弯动作时所述电动车的功率W；
W＝kmVcosθ；
其中m为所述电动车及所述电动车所载人员、所载货物的质量总和；k为根据所述电动车拐弯前的瞬时速度V确定的安全系数，范围在0.5-0.9之间，θ为所述电动车拐弯时所述电动车的车把的转向角；
S6、根据如下公式判断所述电动车在行驶过程中是否将所述电动车的速度进行调整；
Figure FDA0002876168710000031
当V阈值速度大于预设速度且所述电动车前方预设距离内没有障碍物时，将所述电动车加速，加速比例范围为0.1-0.3，其中
Figure FDA0002876168710000032
为所述电动车前方预设距离内车辆的平均速度，y为所述预设距离内车辆的数量；
S7、实时监测所述电动车是否处于下坡状态，当判断所述电动车处于下坡状态时，对所述电动车进行降速处理；
S8、定时检测所述电动车上的乘坐人员的面部表情特征，根据所述面部表情特征判断所述乘坐人员是否疲劳，当判断所述乘坐人员处于疲劳状态时，对所述乘坐人员进行提醒。
2.根据权利要求1所述的自动驾驶方法，所述利用实时路况信息得到有向赋权图之前，还包括：
利用所述电动车上安装的客户端接收云端服务器发送的实时路况信息；
所述客户端与所述云端服务器的通信连接方式为5G技术。
3.根据权利要求2所述的自动驾驶方法，其特征在于，在所述电动车行驶过程中，所述云端服务器定时接收所述电动车的位置信息，并根据所述位置信息确定所述电动车上安装的客户端下一个要连入的基站，将所述电动车上安装的客户端的物理标识符提前发送到所述下一个要连入的基站；所述下一个要连入的基站接收所述物理标识符，基于所述物理标识符预先准备与所述电动车上安装的客户端建立通信连接所需的资源；当所述电动车行驶至所述下一个要连入的基站的覆盖范围时，所述电动车上安装的客户端与所述下一个要连入的基站建立通信连接。
4.根据权利要求1所述的自动驾驶方法，其特征在于，所述路段ei,j的路面质量系数的衡量因素包括：所述路段ei,j的路况属性、路段服务、纵向坡度、限行状态；所述路况属性包括所述路段ei,j的路宽、所述路段ei,j的路面平整程度、所述路段ei,j的坡度。
5.根据权利要求1所述的自动驾驶方法，其特征在于，所述电动车在十字路口直行时对面有左转车辆时，采取的应对方案为：计算所述左转车辆的转向角、左转速度，根据所述转向角和所述左转速度计算所述左转车辆的转向时间；根据所述转向时间计算所述左转车辆左转过程中，所述电动车的行驶路程；根据所述行驶路程判断现有状态所述电动车能否安全通过，若能，则不需采取避让，若不能，对所述电动车进行降速处理，重新判断所述电动车能否安全通过，若能，则依所述降速处理后的速度通过所述十字路口，若不能，继续降速，直至能够安全通过所述十字路口。
6.根据权利要求1所述的电动车的自动驾驶方法，步骤S8中所述判断所述乘坐人员是否疲劳具体包括：
采用Adaboost方法提取所述脸部视频图像中的人脸图像；
对所述人脸图像进行滤波处理，滤除所述脸部视频图像采集过程中产生的噪声，对滤波处理后的图像进行差分处理，得到凸显人眼瞳孔的差分图像；
对所述差分图像进行图像增强操作，突出所述差分图像中人眼的瞳孔部分；
采用如下公式对图像增强处理后的人脸图像进行自适应阈值处理，从而将人脸图像进行二值化处理：
S＝ω0*(u-u0)2+ω1*u2+α(u-u1)
其中，ω0为背景像素点占待处理整幅图像的比例，u0为背景像素点的平均灰度，ω1为前景像素点占整幅图像的平均灰度，u1为前景像素点的平均灰度，u为待处理整幅图像的平均灰度，S为所述待处理整幅图像的方差，α修正系数，范围为0.1-0.15；
建立卷积神经网络模型，通过卷积层提取出人眼特征，对所述乘坐人员是否闭眼进行分类；
求出预定时间内乘坐人员眼睛闭合时长相对所述预设时间所占的百分比，当所述百分比超过预定比例时，判定所述乘坐人员处于疲劳状态。
7.一种适用于电动车的自动驾驶装置，应用于其特征在于，所述装置包括：
路径规划模块，用于基于最优路径算法，计算从所述出发地到所述目的地的路径；
环境感知模块，用于实时采集电动车周围环境的状况，判断是否出现紧急避让情况；如果出现紧急避让情况，则首先判断所述紧急避让情况所属类别，然后采取与所述紧急避让情况所属类别相应的避让措施；如果未出现紧急避让情况，则按预定路线行驶；
第一速度调整模块，用于判断所述电动车在行驶过程中是否将所述电动车的速度进行调整；
第二速度调整模块，用于实时监测所述电动车是否处于下坡状态，当判断所述电动车处于下坡状态时，对所述电动车进行降速处理；
疲劳监测模块，用于定时检测所述电动车上的乘坐人员的面部表情特征，根据所述面部表情特征判断所述乘坐人员是否疲劳，当判断所述乘坐人员处于疲劳状态时，对所述乘坐人员进行提醒。
8.一种终端，其特征在于，包括：
处理器；
存储器，用于存储计算机可执行指令；
当所述处理器执行所述计算机可执行指令时，所述处理器执行权利要求1-6中任一项所述的电动车的自动驾驶方法。
CN202011614658.3A 2020-12-30 2020-12-30 一种基于物联网的车辆自动驾驶方法及终端 Active CN112802356B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202011614658.3A CN112802356B (zh) 2020-12-30 2020-12-30 一种基于物联网的车辆自动驾驶方法及终端
PCT/CN2021/135086 WO2022142997A1 (zh) 2020-12-30 2021-12-02 基于物联网的车辆自动驾驶方法及终端

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011614658.3A CN112802356B (zh) 2020-12-30 2020-12-30 一种基于物联网的车辆自动驾驶方法及终端

Publications (2)

Publication Number Publication Date
CN112802356A true CN112802356A (zh) 2021-05-14
CN112802356B CN112802356B (zh) 2022-01-04

Family

ID=75804629

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011614658.3A Active CN112802356B (zh) 2020-12-30 2020-12-30 一种基于物联网的车辆自动驾驶方法及终端

Country Status (2)

Country Link
CN (1) CN112802356B (zh)
WO (1) WO2022142997A1 (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114604341A (zh) * 2022-04-02 2022-06-10 深圳摩吉智行科技有限公司 一种基于自动转向和回位的电动两轮车行驶的方法
WO2022142997A1 (zh) * 2020-12-30 2022-07-07 微网优联科技(成都)有限公司 基于物联网的车辆自动驾驶方法及终端
CN115366909A (zh) * 2022-10-21 2022-11-22 四川省公路规划勘察设计研究院有限公司 长大纵坡路段驾驶员事故动态预警方法、装置及电子设备

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115230740B (zh) * 2022-08-19 2023-05-09 创辉达设计股份有限公司 一种基于iot与l4自动驾驶的智慧交安方法及系统
CN117935231B (zh) * 2024-03-20 2024-06-07 杭州臻稀生物科技有限公司 一种无感式疲劳驾驶监测干预方法

Citations (27)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2898404A1 (en) * 2012-09-21 2015-07-29 Civilized Cycles Incorporated Versatile electric bicycle systems
CN204623748U (zh) * 2015-04-21 2015-09-09 刘鹏军 一种自动驾驶自行车
CN106314439A (zh) * 2015-06-29 2017-01-11 刘鹏军 一种智能自行车
CN106679685A (zh) * 2016-12-29 2017-05-17 鄂尔多斯市普渡科技有限公司 一种用于车辆导航的行车路径规划方法
CN107305740A (zh) * 2016-04-21 2017-10-31 斑马网络技术有限公司 路况预警方法、设备、服务器、控制设备及操作系统
US20180001952A1 (en) * 2016-07-01 2018-01-04 Regents Of The University Of Minnesota Collision detection
CN107948265A (zh) * 2017-11-16 2018-04-20 北京摩拜科技有限公司 车辆管理方法、车辆、服务器、客户端及车辆系统
CN108327840A (zh) * 2018-04-13 2018-07-27 京东方科技集团股份有限公司 自行车的自主平衡系统、自行车和自行车智能控制方法
CN108327841A (zh) * 2018-01-26 2018-07-27 浙江大学 一种自平衡无人驾驶自行车及其控制方法
CN108609019A (zh) * 2018-05-09 2018-10-02 浙江金之路信息科技有限公司 一种基于人工智能平台的电动车自动驾驶方法
CN109583151A (zh) * 2019-02-20 2019-04-05 百度在线网络技术（北京）有限公司 车辆的行驶轨迹预测方法及装置
CN109697845A (zh) * 2017-10-23 2019-04-30 临沂华庚新材料科技有限公司 一种小型无轨无人驾驶智能电车系统及其方法
CN109801508A (zh) * 2019-02-26 2019-05-24 百度在线网络技术（北京）有限公司 路口处障碍物的运动轨迹预测方法及装置
CN109974662A (zh) * 2019-04-24 2019-07-05 重庆理工大学 用于道路信息采集的自行车与道路信息采集方法
CN110341715A (zh) * 2019-07-24 2019-10-18 北京智行者科技有限公司 无人车坡道速度控制方法及装置
WO2020008027A1 (fr) * 2018-07-05 2020-01-09 Rayvolt, Inc Système de commande d'une bicyclette hybride, et bicyclette hybride équipée d'un tel système de commande
CN111354132A (zh) * 2018-12-20 2020-06-30 大众汽车有限公司 用于运行自动车队的方法和用于自动车队车辆的服务模块
CN211308858U (zh) * 2019-11-11 2020-08-21 曲阜师范大学 带有平衡调节功能的智能自行车
CN111615478A (zh) * 2018-01-25 2020-09-01 日产自动车株式会社 自动驾驶车辆的控制方法以及控制装置
DE102020203655A1 (de) * 2020-03-20 2020-10-08 Daimler Ag Verfahren zum Bereitstellen und Übertragen einer reduzierten Fahrzeugdatenmenge für teleoperiertes Fahren
CN111806435A (zh) * 2020-06-25 2020-10-23 安徽理工大学 一种低速电动车自动循迹控制系统
CN111829545A (zh) * 2020-09-16 2020-10-27 深圳裹动智驾科技有限公司 自动驾驶车辆及其运动轨迹的动态规划方法及系统
CN111874141A (zh) * 2020-06-05 2020-11-03 上海电机学院 一种电动自行车平衡装置及电动自行车
CN111985614A (zh) * 2020-07-23 2020-11-24 中国科学院计算技术研究所 一种构建自动驾驶决策系统的方法、系统和介质
CN112009497A (zh) * 2020-07-06 2020-12-01 南京奥联新能源有限公司 电动车的驾驶模式切换方法
CN112109733A (zh) * 2020-09-15 2020-12-22 东风汽车集团有限公司 一种基于无人驾驶车的上下坡控制系统及方法
CN112150807A (zh) * 2020-09-18 2020-12-29 腾讯科技（深圳）有限公司 车辆预警方法和装置、存储介质及电子设备

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105151043B (zh) * 2015-08-19 2018-07-06 内蒙古麦酷智能车技术有限公司 一种无人驾驶汽车紧急避让的方法
CN107813817A (zh) * 2016-08-25 2018-03-20 大连楼兰科技股份有限公司 无人驾驶系统、无人驾驶方法及车辆
CN110979321B (zh) * 2019-12-30 2021-03-19 北京深测科技有限公司 一种用于无人驾驶车辆的障碍物躲避方法
CN112802356B (zh) * 2020-12-30 2022-01-04 深圳市微网力合信息技术有限公司 一种基于物联网的车辆自动驾驶方法及终端

Patent Citations (27)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2898404A1 (en) * 2012-09-21 2015-07-29 Civilized Cycles Incorporated Versatile electric bicycle systems
CN204623748U (zh) * 2015-04-21 2015-09-09 刘鹏军 一种自动驾驶自行车
CN106314439A (zh) * 2015-06-29 2017-01-11 刘鹏军 一种智能自行车
CN107305740A (zh) * 2016-04-21 2017-10-31 斑马网络技术有限公司 路况预警方法、设备、服务器、控制设备及操作系统
US20180001952A1 (en) * 2016-07-01 2018-01-04 Regents Of The University Of Minnesota Collision detection
CN106679685A (zh) * 2016-12-29 2017-05-17 鄂尔多斯市普渡科技有限公司 一种用于车辆导航的行车路径规划方法
CN109697845A (zh) * 2017-10-23 2019-04-30 临沂华庚新材料科技有限公司 一种小型无轨无人驾驶智能电车系统及其方法
CN107948265A (zh) * 2017-11-16 2018-04-20 北京摩拜科技有限公司 车辆管理方法、车辆、服务器、客户端及车辆系统
CN111615478A (zh) * 2018-01-25 2020-09-01 日产自动车株式会社 自动驾驶车辆的控制方法以及控制装置
CN108327841A (zh) * 2018-01-26 2018-07-27 浙江大学 一种自平衡无人驾驶自行车及其控制方法
CN108327840A (zh) * 2018-04-13 2018-07-27 京东方科技集团股份有限公司 自行车的自主平衡系统、自行车和自行车智能控制方法
CN108609019A (zh) * 2018-05-09 2018-10-02 浙江金之路信息科技有限公司 一种基于人工智能平台的电动车自动驾驶方法
WO2020008027A1 (fr) * 2018-07-05 2020-01-09 Rayvolt, Inc Système de commande d'une bicyclette hybride, et bicyclette hybride équipée d'un tel système de commande
CN111354132A (zh) * 2018-12-20 2020-06-30 大众汽车有限公司 用于运行自动车队的方法和用于自动车队车辆的服务模块
CN109583151A (zh) * 2019-02-20 2019-04-05 百度在线网络技术（北京）有限公司 车辆的行驶轨迹预测方法及装置
CN109801508A (zh) * 2019-02-26 2019-05-24 百度在线网络技术（北京）有限公司 路口处障碍物的运动轨迹预测方法及装置
CN109974662A (zh) * 2019-04-24 2019-07-05 重庆理工大学 用于道路信息采集的自行车与道路信息采集方法
CN110341715A (zh) * 2019-07-24 2019-10-18 北京智行者科技有限公司 无人车坡道速度控制方法及装置
CN211308858U (zh) * 2019-11-11 2020-08-21 曲阜师范大学 带有平衡调节功能的智能自行车
DE102020203655A1 (de) * 2020-03-20 2020-10-08 Daimler Ag Verfahren zum Bereitstellen und Übertragen einer reduzierten Fahrzeugdatenmenge für teleoperiertes Fahren
CN111874141A (zh) * 2020-06-05 2020-11-03 上海电机学院 一种电动自行车平衡装置及电动自行车
CN111806435A (zh) * 2020-06-25 2020-10-23 安徽理工大学 一种低速电动车自动循迹控制系统
CN112009497A (zh) * 2020-07-06 2020-12-01 南京奥联新能源有限公司 电动车的驾驶模式切换方法
CN111985614A (zh) * 2020-07-23 2020-11-24 中国科学院计算技术研究所 一种构建自动驾驶决策系统的方法、系统和介质
CN112109733A (zh) * 2020-09-15 2020-12-22 东风汽车集团有限公司 一种基于无人驾驶车的上下坡控制系统及方法
CN111829545A (zh) * 2020-09-16 2020-10-27 深圳裹动智驾科技有限公司 自动驾驶车辆及其运动轨迹的动态规划方法及系统
CN112150807A (zh) * 2020-09-18 2020-12-29 腾讯科技（深圳）有限公司 车辆预警方法和装置、存储介质及电子设备

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022142997A1 (zh) * 2020-12-30 2022-07-07 微网优联科技(成都)有限公司 基于物联网的车辆自动驾驶方法及终端
CN114604341A (zh) * 2022-04-02 2022-06-10 深圳摩吉智行科技有限公司 一种基于自动转向和回位的电动两轮车行驶的方法
CN114604341B (zh) * 2022-04-02 2024-06-04 深圳摩吉智行科技有限公司 一种基于自动转向和回位的电动两轮车行驶的方法
CN115366909A (zh) * 2022-10-21 2022-11-22 四川省公路规划勘察设计研究院有限公司 长大纵坡路段驾驶员事故动态预警方法、装置及电子设备

Also Published As

Publication number Publication date
CN112802356B (zh) 2022-01-04
WO2022142997A1 (zh) 2022-07-07

Similar Documents

Publication Publication Date Title
CN112802356B (zh) 一种基于物联网的车辆自动驾驶方法及终端
CN110488802B (zh) 一种网联环境下的自动驾驶车辆动态行为决策方法
US10636161B2 (en) Image recognition system
US10606264B2 (en) Control method and control device of automatic driving vehicle
CN101681426B (zh) 图像处理设备和图像处理方法
CN110738870B (zh) 用于避免碰撞路线的系统和方法
JP5900454B2 (ja) 車両用車線案内システム及び車両用車線案内方法
US20200160537A1 (en) Deep Structured Scene Flow for Autonomous Devices
US11585669B2 (en) Vehicle routing using connected data analytics platform
CN111178286B (zh) 姿态轨迹预测方法、装置及电子设备
CN108932470A (zh) 图像处理系统、图像处理方法、信息处理装置和记录介质
CN113165646A (zh) 用于检测车辆周围的风险因素的电子设备及其控制方法
Raja et al. SPAS: Smart pothole-avoidance strategy for autonomous vehicles
CN112109710A (zh) 调整用于道路车辆速度调节控制的系统功能性的调谐参数设置的方法
Toledo et al. State dependence in lane-changing models
CN114932918A (zh) 一种智能网联车在各种路况下行驶的行为决策方法及系统
KR102287136B1 (ko) 주행상황 정보융합 기반 주행경로 가변화 방법 및 시스템
JP7454685B2 (ja) 車両走行路内のデブリの検出
CN113424209A (zh) 使用深度学习多预测器融合和贝叶斯优化的轨迹预测
CN108074395B (zh) 一种身份识别的方法及装置
CN116295496A (zh) 一种自动驾驶车辆路径规划方法、装置、设备及介质
CN116358584A (zh) 一种自动驾驶车辆路径规划方法、装置、设备及介质
CN114413923B (zh) 一种行驶路线推荐方法、装置、存储介质及系统
CN114056337B (zh) 车辆行驶行为预测方法、装置及计算机程序产品
CN115526053A (zh) 一种道路建模方法、装置以及设备

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
TR01 Transfer of patent right

Effective date of registration: 20230310

Address after: No. 502, Building 5, No. 528, Yuefei Road, Shibantan Street, Xindu District, Chengdu, Sichuan, 610000

Patentee after: Microgrid union Technology (Chengdu) Co.,Ltd.

Address before: B808, Fu'an technology building, 013 Gaoxin South 1st Road, Yuehai street, Nanshan District, Shenzhen, Guangdong 518000

Patentee before: SHENZHEN WEIWANG LIHE INFORMATION TECHNOLOGY CO.,LTD.

TR01 Transfer of patent right