CN112937607A - 一种用于景区观光车的网联自动驾驶系统及方法 - Google Patents

Abstract

本发明公开了一种用于景区观光车的网联自动驾驶系统和方法。所述系统包括：环境感知模块；人机交互模块；车‑路‑云交互模块；以及决策与控制模块，所述决策与控制模块根据人机交互信息和车联网信息进行旅游路线全局规划，为游客提供最佳旅游线路；如果游客选择系统推荐路线，则所述上层规划子模块直接读取预先存储的旅游路线，并根据景区实际游客分布情况进行线路优化；如果游客选择自定义景区游览点，则所述上层规划子模块根据游客需求和景区当前游客分布情况，在线进行旅游路线规划。

Description

一种用于景区观光车的网联自动驾驶系统及方法

技术领域

本发明涉及自动驾驶车辆领域，特别是涉及一种用于景区观光车的网联自动驾驶系统及方法。

背景技术

随着旅游业的发展，尤其是景区旅游业的不断发展，景区不断扩大，旅游基础设施不断完善。相应地，作为游客代步工具的景区观光车的普及率越来越高，不仅为游客带来了更舒适的观光体验，而且可以提高景区的游客接待能力。

目前景区内使用的观光车一般需配备专业驾驶员，按照预先制定的发车到站时间表完成固定旅游路线的游客接送任务，无法满足游客自由出行的个性化需求，而且观光车行驶安全性依赖于驾驶员的专业技术水平。为此，已经考虑将自动驾驶技术引入至观光车中。

例如，专利文献CN 111785020 A公开了一种自动行驶观光车控制方法及系统。所述制动行驶观光车控制方法采用车载的信息采集单元采集车辆周边环境信息，并采用运行路径上设置的交通监测装置采集路面环境信息，并基于路面环境信息控制行驶的速度，在前方路面拥挤时，切换至远程驾驶模式。

此种自动行驶观光车控制方法及系统在路面拥挤等情况下需要切换至远程驾驶模式，从而对通信实时性、可靠性的要求极高，在通信故障、通信因为某种原因中断等情况下，无法运行，且很容易出现安全事故；另一方面，还需要准备足够数量的远程专业驾驶员，随时待岗，运行成本高。此外，此种自动行驶观光车控制方法及系统完全基于交通监测装置(道路系统)采集的信息来控制行驶速度，适应性差。

发明内容

本发明的目的在于提供一种用于景区观光车的网联自动驾驶系统及方法来提高适应性，避免切换至远程驾驶模式。

为实现上述目的，本发明提供一种用于景区观光车的网联自动驾驶系统，所述用于景区观光车的网联自动驾驶系统包括：

环境感知模块，其用于利用车载传感器感知和检测景区观光车周边环境信息；

人机交互模块，其用于进行人机交互；

车-路-云交互模块，其用于处理车联网信息；以及

决策与控制模块，其用于根据人机交互信息和车联网信息进行旅游路线全局规划，以及用于根据旅游路线全局规划、景区观光车周边环境信息和车联网信息来进行自动驾驶决策和控制，

其中，所述决策与控制模块包括上层规划子模块，所述上层规划子模块根据人机交互信息和车联网信息进行旅游路线全局规划，为游客提供最佳旅游线路；如果游客选择系统推荐路线，则所述上层规划子模块直接读取预先存储的旅游路线，并根据景区实际游客分布情况进行线路优化；如果游客选择自定义景区游览点，则所述上层规划子模块根据游客需求和景区当前游客分布情况，在线进行旅游路线规划。

优选地，所述环境感知模块的工作流程包括如下步骤：

步骤S11，判断消息订阅来源是否准确，如果消息来源可靠则接收车载传感器数据，否则，不接收数据；

步骤S12，根据订阅数据特征判断传感器类型，针对不同传感器类型进行数据解析，解析GNSS数据确定定位系统工作状态，并计算与定位相关的车辆当前位置信息；解析IMU数据获取车辆姿态信息，并计算与姿态相关的车辆当前位置信息；融合上述两类位置信息得到车辆绝对位置信息；解析摄像头数据，将图像转换为二维数据，通过图像匹配识别车辆周边交通要素，所述交通要素包括车辆、行人和/或交通标示；解析激光雷达数据，并进行数据标记与修正处理，提取3D点云数据几何信息和语义信息特征；解析毫米波雷达数据获取车辆周围物理环境信息，所述车辆周围物理环境信息包括车辆与周围车辆的相对距离、相对速度；融合各类传感器信息生成环境模型，所述环境模型包括障碍物地图、车道线地图及交通信号灯；

步骤S13，判断传感器是否有效，如果有效则将融合生成的环境模型及传感器解析数据发送给决策与控制模块，否则，不发送。

优选地，所述用于景区观光车的网联自动驾驶系统还包括：

全局交互模块，所述全局交互模块为所有其他模块提供基本服务，所述基本服务包括状态监控、信息融合、数据记录服务，所述全局交互模块把所有的运行信息统一呈现给平台使用者，也广播出系统的各种运行状态信息；

车内交互模块，所述车内交互模块用于和车辆底层线控系统进行交互，其主要在独立的单片机控制器之上执行，与车载控制器通过串口或CAN总线进行通信，其主要功能包括：1)将纵向期望车速转换为车辆驱动或制动转矩需求，控制刹车、油门及方向盘响应达到期望的行驶状态；2)建立和车辆底层硬件的通信，通过CAN总线读取的车辆基本信息及底层线控系统信息；3)实现驾驶者对平台的基本控制，所述基本控制包括模式切换、急停。

优选地，在正常行驶模式下，所述决策与控制模块以下述方式进行纵向速度规划，基于道路曲率确定纵向期望车速：

式中，v_{lon_tar}为纵向期望车速，单位：km/h；r为道路曲率半径，单位：m；k₁、k₂为比例系数，且k₁＜0，k₂＜0；C₁，C₂为常数项，根据景区实际道路进行标定；

R_con1定义为车辆以最高稳定车速的设定比例行驶时车辆不会出现侧翻的最大转弯半径，称之为安全转弯半径，例如取值范围为5～10m，

其中，道路曲率半径r以下式计算：

车辆从路点i行驶到路点i+m过程中，行驶路径对应的道路平均曲率半径，计算公式如下：

特别的，当m＝1时，根据式(6)计算得到的为相邻两路点之间路径的曲率半径，

其中，

对于旅游线路，基于系统地图获取如下路点信息矩阵：

计算景区观光车在每个路点i对应的航向角：

式中，sgn为符号函数，当

时，sgn＝2；当

时，sgn＝0，

根据公式(2)与公式(3)计算得到的车辆航向角取值范围为[0，360]，车辆正北朝向时车辆航向角为0，按顺时钟方向旋转为正，

根据旅游线路上各路点的车辆坐标信息，车辆从路点i行驶到路点i+1过程中，车辆行驶距离可按照下式进行计算：

根据旅游线路上各路点的车辆航向角信息，车辆从路点i行驶到路点i+1过程中，车辆转向角可按照下式进行计算：

δ_i，i+1＝ψ_i+1-ψ_i (5)

k₁、k₂按照如下公式计算获得：

根据景区观光车底盘性能设计，获得景区观光车最小转弯半径R_min和最低稳定车速V_{s_min，}假设景区观光车最高稳定车速为V_max，认为当道路曲率半径大于设定阈值R_T时，就能够认为车辆为近似直线行驶，

C₁，C₂取值根据景区实际道路和景区观光车动力性能需求进行标定获得，假设景区观光车最大纵向加速度为a_{x_max}，最大侧向加速度为a_{y_max}，要求C₁，C₂的取值应使得v_{lon_tar}满足如下约束：

优选地，对于队列行驶、跟车的场景，采用下述方式进行纵向速度规划，

以通过车联网或车载传感器获取的前车车速为目标车速，以一定的跟车距离为约束进行纵向车速规划，

具体采用下面的线性控制器实现速度控制：

v_{lon_tar}＝k_dis(D_act-D_tar)+k_spd(v_pre-v_flw)+v_pre

式中：v_{lon_tar}为期望纵向车速；k_dis为跟车距离误差增益，D_act为实际跟车车距，D_tar为目标跟车车距，k_spd为速度误差增益，v_pre为前车当前速度，v_flw为自车实际速度。可以根据场景需求选择合适的速度误差及车距误差增益。

在该种模式下，可以同时采用横向运动控制。横向运动控制主要负责完成对规划路径的闭环跟踪，可以设计前馈+反馈控制器采用单点预瞄方式实现路径跟踪。闭环路径跟踪的关键是车辆与预瞄点之间的某些参数偏差最小，如航向角、预瞄角等。预瞄跟踪路径的准确程度很大程度上取决于预瞄距离的选择，预瞄距离选择得小跟踪更精确，但容易出现振荡，预瞄距离选择较大，控制更平顺，但跟踪精度低，比如车辆会在弯路出现切弯的现象。因此，本专利中根据当前道路点曲率的大小通过一个分段的线性函数插值确定合适的预瞄距离，两者之间关系可用如下公式表示：

式中，D_pre为预瞄距离，m；k₃、k₄为比例系数，且k₃＜0，k₄＜0；C₃，C₄为常数项，可以根据景区实际道路进行标定；R_con2通常取值2～10m。

优选地，在行驶过程中检测到有障碍物时，所述决策与控制模块以下述方式进行纵向速度规划，

首先，根据传感器得到的障碍物信息以及地图信息建立道路模型，对当前车道进行区域划分，将景区观光车正前方长度为L的当前车道区域划分为虚拟的停车区域和减速区域；具体地，景区观光车正前方长度为S、宽度为W-2*W₀的区域为停车区域，位于停车区域两侧的为两侧减速区域，位于停车区域前方的为前方减速区域，

其中，L为车辆从当前行驶车速以最大减速度制动到停车的刹车距离；S综合考虑车速和车辆转向特性进行确定，W为虚拟行车安全边界宽度，W₀为两侧行车安全影响宽度，W根据景区观光车宽度H确定，W₀根据观光车最高车速V_max和景区道路限速V_lim确定，

W＝1.6*H，W₀＝(W-H)*(1-V_lim/V_max)/2

其次，根据障碍物的位置和种类来进行纵向速度规划，确定在检测到障碍物的情况下的车速v_prf，

若停车区域内检测到静态或者动态障碍物，v_prf＝0；

若两侧减速区域内有静态障碍物，v_prf＝v_{lon_tar}；

若两侧减速区域内有动态障碍物，v_prf＝v_{lon_tar}-k_bh；

若前方减速区域有静态或者动态障碍物，v_prf＝v_{lon_tar}-k_rl，

其中，v_{lon_tar}为检测到障碍物之前的纵向期望车速，l为障碍物至车辆最短停车距离点的距离；h为两侧减速区域内障碍物到虚拟安全边界的距离。

优选地，为防止因传感器误差不确定性、道路环境不确定性因素导致车辆直线行驶过程中出现意外转向问题，在发布期望转向角、纵向车速及车辆工作状态之前，对期望车速以及转向角之间关系进行安全检查，

通过设定期望车速和转向角之间的安全边界线实现该目标，安全边界线可用如下公式表示：

式中，v_{tar_lim}为特定转向角对应的安全车速限值；k₅、k₆为比例系数，且k₅＜0，k₆＜0；C₅，C₆为常数项，根据观光车底盘特性进行标定；θ_con取值范围为40～60°。

本发明还提供一种用于景区观光车的网联自动驾驶方法，所述方法包括：

利用车载传感器感知和检测景区观光车周边环境信息；

根据人机交互信息和车联网信息进行旅游路线全局规划，以及根据旅游路线全局规划、景区观光车周边环境信息和车联网信息来进行自动驾驶决策和控制，

其中，根据人机交互信息和车联网信息进行旅游路线全局规划，为游客提供最佳旅游线路；如果游客选择系统推荐路线，则直接读取预先存储的旅游路线，并根据景区实际游客分布情况进行线路优化；如果游客选择自定义景区游览点，则根据游客需求，综合考虑景区当前游客分布情况，在线进行旅游路线规划。

优选地，所述用于景区观光车的网联自动驾驶方法采用前述的用于景区观光车的网联自动驾驶系统来实施。

附图说明

图1是根据本发明一实施例的用于景区观光车的网联自动驾驶系统架构的示意图。

图2是环境感知模块的示意性工作流程图。

图3是决策与规划模块的示意性工作流程图。

图4是纵向速度规划示意图。

图5是纵向速度规划区域划分示意图。

图6是车路云交互模块工作流程图。

具体实施方式

如图1所示，根据本发明一实施例的用于景区观光车的网联自动驾驶系统包括：环境感知模块、人机交互模块、车-路-云交互模块、以及决策与控制模块、车内交互模块、全局交互模块等。各模块的具体形式可以根据需要设置，可以采用任何适当的现有技术，例如可以包括实施模块功能的必要硬件和软件。各模块之间连接方式与通信方式可以根据需要设置，可以采用任何适当的现有技术，例如可以采用有线方式连接，或者采用无线方式连接。根据需要，各模块还能够以适当的方式集成与组合。

大体而言，环境感知模块用于利用车载传感器感知和检测景区观光车周边环境信息。人机交互模块用于进行人机交互。车-路-云交互模块用于处理车联网信息。决策与控制模块用于根据人机交互信息和车联网信息进行旅游路线全局规划，以及用于根据旅游路线全局规划、景区观光车周边环境信息和车联网信息来进行自动驾驶决策和控制。

也就是说，环境感知模块通过与车载传感器交互实现周围环境信息的采集与融合；人机交互模块通过与游客交互实现个性化线路定制及主要信息呈现；车路云交互模块对各类车联网信息进行处理加工并发布本车相关信息；决策与控制模块根据各种传感器得到的周围环境信息以及车联网信息确定合理的航向与车速；车内交互模块通过与车辆底层线控系统进行交互保证车辆响应达到期望的行驶状态；全局交互模块为其他模块提供状态监控、信息融合、数据记录等服务。

其中，所述决策与控制模块包括上层规划子模块，所述上层规划子模块根据人机交互信息和车联网信息进行旅游路线全局规划，为游客提供最佳旅游线路；如果游客选择系统推荐路线，则所述上层规划子模块直接读取预先存储的旅游路线，并根据景区实际游客分布情况进行线路优化；如果游客选择自定义景区游览点，则所述上层规划子模块根据游客需求和景区当前游客分布情况，在线进行旅游路线规划。

下面具体介绍各模块的功能及工作流程。

(1)环境感知模块

环境感知模块包含传感器驱动模块和数据融合模块。环境感知模块通过与车载传感器的交互及对感知数据的融合来实现对车辆运动状态、道路交通环境、以及驾驶员行为的感知与监测。

传感器驱动模块主要包含针对各种车载传感器(摄像头、毫米波雷达、激光雷达、超声波雷达、GNSS、IMU等)的驱动模块，负责完成对应车载传感器和自动驾驶系统之间的交互，且负责完成传感器采集数据的预处理，便于自动驾驶系统访问。

GNSS是指全球导航卫星系统定位装置，其利用一组卫星的伪距、星历、卫星发射时间等观测量来进行定位，例如，GPS定位装置与北斗定位装置等。

IMU全称Inertial Measurement Unit，对应中文术语为惯性测量单元，主要是指用来检测和测量加速度与旋转运动的传感器。

数据融合模块主要负责将传感器驱动模块处理后的各种传感器采集信息进行初步的融合处理，建立统一的道路环境模型，供决策与控制模块使用，另外也负责监视各种车载传感器的工作状态。

环境感知模块工作流程如图2所示。

参见图2，所述环境感知模块的工作流程包括如下步骤：

步骤S11，判断消息订阅来源是否准确，如果消息来源可靠则接收车载传感器数据，否则，不接收数据；

步骤S12，根据订阅数据特征判断传感器类型，针对不同传感器类型进行数据解析，解析GNSS数据确定定位系统工作状态，并计算与定位相关的车辆当前位置信息；解析IMU数据获取车辆姿态信息，并计算与姿态相关的车辆当前位置信息；融合上述两类位置信息得到车辆绝对位置信息；解析摄像头数据，将图像转换为二维数据，通过图像匹配识别车辆周边交通要素，所述交通要素包括车辆、行人和/或交通标示；解析激光雷达数据，并进行数据标记与修正处理，提取3D点云数据几何信息和语义信息特征；解析毫米波雷达数据获取车辆周围物理环境信息，所述车辆周围物理环境信息包括车辆与周围车辆的相对距离、相对速度；融合各类传感器信息生成环境模型，所述环境模型包括障碍物地图、车道线地图及交通信号灯；同时监控各类传感器工作状态。

步骤S13，判断传感器是否有效，如果有效则将融合生成的环境模型及传感器解析数据发送给决策与控制模块，否则，不发送。

(2)决策与控制模块

决策与控制模块包括上层规划子模块、环境评估模块、驾驶行为决策模块和运动生成模块。其工作流程如图3所示，详述如下。

上层规划子模块主要根据人机交互信息和车联网信息进行旅游路线全局规划，为游客提供最佳旅游线路；如果游客选择系统推荐路线，则该模块直接读取预先存储的旅游路线，并根据景区实际游客分布情况进行线路优化；如果游客选择自定义景区游览点，则该模块需要根据游客需求，综合考虑景区当前游客分布情况，在线进行旅游路线规划；并将全局最优旅游路线规划结果发送给驾驶行为决策模块。

环境评估模块主要根据车载传感器感知信息和车辆网信息对评估车辆所处环境是否安全，为驾驶行为决策提供依据。其主要检测观光车当前周围静态障碍物、动态障碍物、行人和交通标识等信息，根据这些信息确定观光车当前所处的环境，例如判断当前道路是否有减速交通标识，当前位置附近是否有障碍物或行人等，并将环境评估结果发送给驾驶行为决策模块。

驾驶行为决策模块主要是基于来自上层规划子模块的全局最优旅游路线轨迹和来自环境评估模块的交通要素检测结果，以及根据对当前的行驶道路环境感知信息的理解，来确定观光车当前驾驶状态，在交通规则的约束下根据评估得到的环境状态从已有的行为库里面选择确定应该执行何种类型的行驶操作，比如是执行按照车道线行驶还是执行超车。

运动生成模块根据驾驶行为决策模块选择的行为生成符合驾驶习惯的期望转向角及期望车速，并把计算得到控制命令传送给底层控制模块，主要包括避障运动控制和横、纵向运动控制。

避障运动控制是实时地根据上层规划得到的期望路点及道环境信息确定出车辆可以执行的行驶轨迹。如果检测到车辆前方有障碍物，需要根据当前车速和障碍物位置进行路径重新规划，以当前位置为起点，选取具有一系列横向偏移距离的位姿作为目标位姿，根据车辆动力学微分方程，生成一系列备选参考行驶路径，在每一条行驶曲线上的每一个位置增加车辆的空间位置信息，与障碍物的位置信息对比，筛选掉会发生碰撞的路径，最后在相同的横向位置偏差中只保留一条安全且符合车辆行驶要求的曲线。避障运动控制最终选择一条合适的路径并按照路径对应的横向偏移量偏移预瞄点再利用单点预瞄的方法执行超车或者避障行为。

纵向车速规划主要是根据车辆行驶状态，确立合适、安全的行驶速度期望。根据景区观光车的特点，本发明实施例的网联自动驾驶系统对应三种不同的情况了三种纵向期望速度规划方法：第一种是沿着先验路点信息行驶时的纵向速度规划(常规行驶情况下的纵向期望速度规划)；第二种是在行驶过程中检测到前方有障碍物时的纵向速度规划；第三种是针对一些队列行驶、跟车的场景，根据前车的行驶速度以及车距误差来确定期望的纵向速度规划。

三种纵向期望速度规划方法将在下文中详细展开描述。

(3)全局交互模块

全局交互模块为所有工作模块提供一些基本的服务，主要包含状态监控、信息融合、数据记录等服务，把所有的运行信息统一呈现给平台使用者，也广播出系统的各种运行状态信息。主要功能包括：1)订阅所有模块的广播，从数据总线收听所有模块的广播信息，并根据需求对系统每个模块的工作状态、输出结果进行存储，提供对全局的数据记录服务；2)提供对全局的状态监控服务，通过程序解析出广播信息内容，判断模块的运行状态，如果超过预先设定的时间阈值没有收到某一模块的广播，那么就认为该模块的工作异常，方便了解系统各部分运行状态。

(4)车-路-云交互模块

车-路-云交互模块用于处理车联网相关的各种信息，主要功能包含：1)承载各类车联网环境应用程序，对各类车联网信息进行处理加工；2)各类通信模式的管理，例如各种通信链路来源信息的整合及向外发送链路的选择等。这一部分是网联自动驾驶平台区别于一般自动驾驶平台的主要特点所在。该系统工作流程如图5所示，主要的工作流程为：1)通过订阅通信设备的广播信息(例如路由器)，获得他车、路侧和云端的信息，经过简单的处理、打包然后广播出去。(2)通过订阅驾驶决策模块的广播并经过简单的筛选处理，并确定信息发送的方式，通过车外网广播给对应的通信设备。

(5)人机交互模块

人机交互模块主要完成与游客的交互，其主要功能包括：(1)驾驶者可通过人机交互界面(平板电脑，手机等)表达个性化需求以及实现对观光车运行模式的控制，例如控制车辆停车或运行等，一种典型的应用场景是通过人机交互界面实现个性化旅游线路定制功能。2)将平台的各种相关信息呈现给游客，方便游客了解和监控车辆运行状态及当前位置信息，做出正确决策。

(6)车内交互模块

车内交互模块用于和车辆底层线控系统进行交互，其主要在独立的单片机控制器之上执行，与车载控制器通过串口或CAN总线进行通信。其主要功能包括：1)将纵向期望车速转换为车辆驱动或制动转矩需求，控制刹车、油门及方向盘响应达到期望的行驶状态；2)建立和车辆底层硬件的通信，通过CAN总线读取的车辆基本信息及底层线控系统信息；3)实现驾驶者对平台的基本控制(包含模式切换，急停等)。

下文详细展开描述本发明实施例的三种纵向期望速度规划方法。

第一种纵向期望速度规划方法。

例如，第一种速度规划适用于根据游客选择推荐旅游路线正常行驶时纵向速度规划。全局旅游线路为系统中预先存储的路点信息，纵向速度规划需要考虑道路曲率，若道路曲率较大，车速过高就存在风险，而且会导致路径跟踪出现偏差。因此，本发明根据预瞄点曲率约束纵向车速规划，考虑到景区观光车车速较低(例如最高车速为20km/h)，采用分段线性差值的方式定义纵向期望车速和道路曲率的关系。

也就是说，在正常行驶模式下，所述决策与控制模块以下述方式进行纵向速度规划，基于道路曲率确定纵向期望车速：

式中，v_{lon_tar}为纵向期望车速，单位：km/h；r为道路曲率半径，单位：m；k₁、k₂为比例系数，且k₁＜0，k₂＜0；C₁，C₂为常数项，根据景区实际道路进行标定。

R_con1定义为车辆以最高稳定车速的设定比例(例如60％，或50％-70％范围内的数值)行驶时车辆不会出现侧翻的最大转弯半径，称之为安全转弯半径。取值范围例如为5～10m。

其中，道路曲率半径r以下式计算：

就可以得到车辆从路点i行驶到路点i+m(i+m为自然数)过程中，行驶路径对应的道路平均曲率半径，计算公式如下：

特别的，当m＝1时，根据式(6)计算得到的为相邻两路点之间路径的曲率半径，

其中，

对于旅游线路，基于系统地图获取如下路点信息矩阵：

计算景区观光车在每个路点i对应的航向角：

式中，sgn为符号函数，当

时，sgn＝2；当

对，sgn＝0，

根据公式(2)与公式(3)计算得到的车辆航向角取值范围为[0，360]，车辆正北朝向时车辆航向角为0，按顺时钟方向旋转为正，

根据旅游线路上各路点的车辆坐标信息，车辆从路点i行驶到路点i+1过程中，车辆行驶距离可按照下式进行计算：

根据旅游线路上各路点的车辆航向角信息，车辆从路点i行驶到路点i+1过程中，车辆转向角可按照下式进行计算：

δ_i，i+1＝ψ_i+1-ψ_i (5)

k₁、k₂按照如下公式计算获得：

根据景区观光车底盘性能设计，获得景区观光车最小转弯半径R_min和最低稳定车速V_{s_min}，假设景区观光车最高稳定车速为V_max，认为当道路曲率半径大于设定阈值R_T时，就能够认为车辆为近似直线行驶，

C₁，C₂取值根据景区实际道路和景区观光车动力性能需求进行标定获得，假设景区观光车最大纵向加速度为a_{x_max}，最大侧向加速度为a_{y_max}，要求C₁，C₂的取值应使得v_{lon_tar}满足如下约束：

第二种纵向车速规划方法。

对于队列行驶、跟车的场景，采用下述的第二种纵向车速规划方法进行纵向速度规划。

以通过车联网或车载传感器获取的前车车速为目标车速，以一定的跟车距离为约束进行纵向车速规划，

具体采用下面的线性控制器实现速度控制：

v_{lon_tar}＝k_dis(D_act-D_tar)+k_spd(v_pre-v_flw)+v_pre

式中：v_{lon_tar}为期望纵向车速；k_dis为跟车距离误差增益，D_act为实际跟车车距，D_tar为目标跟车车距，k_spd为速度误差增益，v_pre为前车当前速度，v_flw为自车实际速度。

第三种纵向速度规划方法。

第三种速度规划适用于行驶过程中检测到有障碍物时的纵向速度规划。此时纵向速度规划会根据障碍物和观光车的相对位置关系来确定是否要修正当前的期望车速。

在行驶过程中检测到前方有障碍物时，所述决策与控制模块以下述方式进行纵向速度规划，

首先，根据传感器(如激光雷达)得到的障碍物信息以及地图信息建立道路模型，对当前车道进行区域划分，例如如图5所示。

具体地，将景区观光车正前方长度为L的当前车道区域划分为虚拟的停车区域和减速区域；具体地，景区观光车正前方长度为S、宽度为W-2*W₀的区域为停车区域，位于停车区域两侧的为两侧减速区域，位于停车区域前方的为前方减速区域，例如参见图5。

其中，L为车辆从当前行驶车速以最大减速度制动到停车的刹车距离；S综合考虑车速和车辆转向特性进行确定，W为虚拟行车安全边界宽度，W₀为两侧行车安全影响宽度，W根据景区观光车宽度H确定，W₀根据观光车最高车速V_max和景区道路限速V_lim确定，

W＝1.6*H，W₀＝(W-H)*(1-V_lim/V_max)/2

其次，根据障碍物的位置和种类来进行纵向速度规划，确定在检测到障碍物的情况下的车速v_prf，

若停车区域内检测到静态或者动态障碍物，v_prf＝0；

若两侧减速区域内有静态障碍物，v_prf＝v_{lon_tar}；

若两侧减速区域内有动态障碍物，v_prf＝v_{lon_tar}-k_bh；

若前方减速区域有静态或者动态障碍物，v_prf＝v_{lon_tar}-k_rl，

其中，v_{lon_tar}为检测到障碍物之前的纵向期望车速，l为障碍物至车辆最短停车距离点的距离；h为两侧减速区域内障碍物到虚拟安全边界的距离。

一旦检测到障碍物落到该区域则期望速度为v_prf＝0。若障碍物落在道路两侧的减速区域，则会根据障碍物到减速区边界的距离线性减速v_prf＝v_{lon_tar}-k_bh。当障碍物在车道前方减速区域时，决策模块会根据障碍物到减速区边界的距离来确定参考速度v_prf＝v_{lon_tar}-k_rl。

在图5中，T1、T2、T3、T4为障碍物。其中，T2为骑自行车的人，属于动态障碍物。

为防止因传感器误差不确定性、道路环境不确定性因素导致车辆直线行驶过程中出现意外转向问题，在发布期望转向角、纵向车速及车辆工作状态之前，对期望车速以及转向角之间关系进行安全检查。

具体地，通过设定期望车速和转向角之间的安全边界线实现该目标，安全边界线可用如下公式表示：

式中，v_{tar_lim}为特定转向角对应的安全车速限值；k₅、k₆为比例系数，且k₅＜0，k₆＜0；C₅，C₆为常数项，根据观光车底盘特性进行标定；θ_con取值范围为40～60°。

根据前述安全边界线，安全性检查前先利用曲率来判断车辆是在直道行驶还是在弯道行驶，如果在观光车直道行驶那就用速度插值检查转向角是否超过安全限制；如果观光车弯道行驶则用转向角插值检查速度是否超过安全限制。

如前所述，本发明实施例还提供一种用于景区观光车的网联自动驾驶方法，所述方法包括：

利用车载传感器感知和检测景区观光车周边环境信息；

根据人机交互信息和车联网信息进行旅游路线全局规划，以及根据旅游路线全局规划、景区观光车周边环境信息和车联网信息来进行自动驾驶决策和控制，

其中，根据人机交互信息和车联网信息进行旅游路线全局规划，为游客提供最佳旅游线路；如果游客选择系统推荐路线，则直接读取预先存储的旅游路线，并根据景区实际游客分布情况进行线路优化；如果游客选择自定义景区游览点，则根据游客需求，综合考虑景区当前游客分布情况，在线进行旅游路线规划。

优选地，所述方法采用前述的用于景区观光车的网联自动驾驶系统来实施。也就是说，前文针对用于景区观光车的网联自动驾驶系统进行的描述与限定也适用于所述方法。

本发明实施例提供一种用于景区观光车的网联自动驾驶控制系统逻辑架构，可以实现自主导航、人机交互、旅游路线定制、自动驾驶、紧急停车等多种功能。

本发明实施例独立于自动驾驶感知、决策与控制模块之外设立车-路-云交互模块，能够满足未来智能网联观光车发展需求。未来车联网场景会变得越来越复杂，需要处理信息的量级、复杂程度也会逐渐增大，因此自动驾驶系统中车联网模块的设立给车联网应用更多的可扩展空间同时降低对自动驾驶核心控制的影响。

决策与控制模块中提供了三种计算纵向期望速度规划方法，能够有效应对景区复杂的道路环境，通过设定期望车速和转向角之间的安全边界线能够保障观光车自动驾驶的安全性。

最后需要指出的是：以上实施例仅用以说明本发明的技术方案，而非对其限制。本领域的普通技术人员应当理解：可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种用于景区观光车的网联自动驾驶系统，其特征在于，包括：

环境感知模块，其用于利用车载传感器感知和检测景区观光车周边环境信息；

人机交互模块，其用于进行人机交互；

车-路-云交互模块，其用于处理车联网信息；以及

决策与控制模块，其用于根据人机交互信息和车联网信息进行旅游路线全局规划，以及用于根据旅游路线全局规划、景区观光车周边环境信息和车联网信息来进行自动驾驶决策和控制，

其中，所述决策与控制模块包括上层规划子模块，所述上层规划子模块根据人机交互信息和车联网信息进行旅游路线全局规划，为游客提供最佳旅游线路；如果游客选择系统推荐路线，则所述上层规划子模块直接读取预先存储的旅游路线，并根据景区实际游客分布情况进行线路优化；如果游客选择自定义景区游览点，则所述上层规划子模块根据游客需求和景区当前游客分布情况，在线进行旅游路线规划。

2.如权利要求1所述的用于景区观光车的网联自动驾驶系统，其特征在于，所述环境感知模块的工作流程包括如下步骤：

步骤S11，判断消息订阅来源是否准确，如果消息来源可靠则接收车载传感器数据，否则，不接收数据；

步骤S12，根据订阅数据特征判断传感器类型，针对不同传感器类型进行数据解析，解析GNSS数据确定定位系统工作状态，并计算与定位相关的车辆当前位置信息；解析IMU数据获取车辆姿态信息，并计算与姿态相关的车辆当前位置信息；融合上述两类位置信息得到车辆绝对位置信息；解析摄像头数据，将图像转换为二维数据，通过图像匹配识别车辆周边交通要素，所述交通要素包括车辆、行人和/或交通标示；解析激光雷达数据，并进行数据标记与修正处理，提取3D点云数据几何信息和语义信息特征；解析毫米波雷达数据获取车辆周围物理环境信息，所述车辆周围物理环境信息包括车辆与周围车辆的相对距离、相对速度；融合各类传感器信息生成环境模型，所述环境模型包括障碍物地图、车道线地图及交通信号灯；

步骤S13，判断传感器是否有效，如果有效则将融合生成的环境模型及传感器解析数据发送给决策与控制模块，否则，不发送。

3.如权利要求1所述的用于景区观光车的网联自动驾驶系统，其特征在于，所述用于景区观光车的网联自动驾驶系统还包括：

全局交互模块，所述全局交互模块为所有其他模块提供基本服务，所述基本服务包括状态监控、信息融合、数据记录服务，所述全局交互模块把所有的运行信息统一呈现给平台使用者，也广播出系统的各种运行状态信息；

车内交互模块，所述车内交互模块用于和车辆底层线控系统进行交互，其主要在独立的单片机控制器之上执行，与车载控制器通过串口或CAN总线进行通信，其主要功能包括：1)将纵向期望车速转换为车辆驱动或制动转矩需求，控制刹车、油门及方向盘响应达到期望的行驶状态；2)建立和车辆底层硬件的通信，通过CAN总线读取的车辆基本信息及底层线控系统信息；3)实现驾驶者对平台的基本控制，所述基本控制包括模式切换、急停。

4.如权利要求1-3中任一项所述的用于景区观光车的网联自动驾驶系统，其特征在于，所述决策与控制模块以下述方式进行纵向速度规划，基于道路曲率确定纵向期望车速：

式中，v_{lon_tar}为纵向期望车速，单位：km/h；r为道路曲率半径，单位：m；k₁、k₂为比例系数，且k₁＜0，k₂＜0；C₁，C₂为常数项，根据景区实际道路进行标定；

R_con1定义为车辆以最高稳定车速的设定比例行驶时车辆不会出现侧翻的最大转弯半径，称之为安全转弯半径，

其中，道路曲率半径r以下式计算：

车辆从路点i行驶到路点i+m过程中，行驶路径对应的道路平均曲率半径计算公式如下：

特别地，当m＝1时，根据式(6)计算得到的为相邻两路点之间路径的曲率半径，

其中，

对于旅游线路，基于系统地图获取如下路点信息矩阵：

计算景区观光车在每个路点i对应的航向角：

式中，sgn为符号函数，当

时，sgn＝2；当

时，sgn＝0，

根据公式(2)与公式(3)计算得到的车辆航向角取值范围为[0，360]，车辆正北朝向时车辆航向角为0，按顺时钟方向旋转为正，

根据旅游线路上各路点的车辆坐标信息，车辆从路点i行驶到路点i+1过程中，车辆行驶距离可按照下式进行计算：

根据旅游线路上各路点的车辆航向角信息，车辆从路点i行驶到路点i+1过程中，车辆转向角可按照下式进行计算：

δ_i，i+1＝ψ_i+1-ψ_i (5)

k₁、k₂按照如下公式计算获得：

根据景区观光车底盘性能设计，获得景区观光车最小转弯半径R_min和最低稳定车速V_{s_min}，假设景区观光车最高稳定车速为V_max，认为当道路曲率半径大于设定阈值R_T时，就能够认为车辆为近似直线行驶，

C₁，C₂取值根据景区实际道路和景区观光车动力性能需求进行标定获得，假设景区观光车最大纵向加速度为a_{x_max}，最大侧向加速度为a_{y_max}，要求C₁，C₂的取值应使得v_{lon_tar}满足如下约束：

5.如权利要求1-3中任一项所述的用于景区观光车的网联自动驾驶系统，其特征在于，对于队列行驶、跟车的场景，采用下述方式进行纵向速度规划，

以通过车联网或车载传感器获取的前车车速为目标车速，以一定的跟车距离为约束进行纵向车速规划，

具体采用下面的线性控制器实现速度控制：

v_{lon_tar}＝k_dis(D_act-D_tar)+k_spd(v_pre-v_flw)+v_pre

式中：v_{lon_tar}为期望纵向车速；k_dis为跟车距离误差增益，D_act为实际跟车车距，D_tar为目标跟车车距，k_spd为速度误差增益，v_pre为前车当前速度，v_flw为自车实际速度。

6.如权利要求1-3中任一项所述的用于景区观光车的网联自动驾驶系统，其特征在于，在行驶过程中检测到有障碍物时，所述决策与控制模块以下述方式进行纵向速度规划，

首先，根据传感器得到的障碍物信息以及地图信息建立道路模型，对当前车道进行区域划分，将景区观光车正前方长度为L的当前车道区域划分为虚拟的停车区域和减速区域；具体地，景区观光车正前方长度为S、宽度为W-2*W₀的区域为停车区域，位于停车区域两侧的为两侧减速区域，位于停车区域前方的为前方减速区域，

其中，L为车辆从当前行驶车速以最大减速度制动到停车的刹车距离；S综合考虑车速和车辆转向特性进行确定，W为虚拟行车安全边界宽度，W₀为两侧行车安全影响宽度，W根据景区观光车宽度H确定，W₀根据观光车最高车速V_max和景区道路限速V_lim确定，

W＝1.6*H，W₀＝(W-H)*(1-V_lim/V_max)/2

其次，根据障碍物的位置和种类来进行纵向速度规划，确定在检测到障碍物的情况下的车速v_prf，

若停车区域内检测到静态或者动态障碍物，v_prf＝0；

若两侧减速区域内有静态障碍物，v_prf＝v_{lon_tar}；

若两侧减速区域内有动态障碍物，v_prf＝v_{lon_tar}-k_bh；

若前方减速区域有静态或者动态障碍物，v_prf＝v_{lon_tar}-k_rl，

其中，v_{lon_tar}为检测到障碍物之前的纵向期望车速，l为障碍物至车辆最短停车距离点的距离；h为两侧减速区域内障碍物到虚拟安全边界的距离。

7.如权利要求1-3中任一项所述的用于景区观光车的网联自动驾驶系统，其特征在于，

为防止因传感器误差不确定性、道路环境不确定性因素导致车辆直线行驶过程中出现意外转向问题，在发布期望转向角、纵向车速及车辆工作状态之前，对期望车速以及转向角之间关系进行安全检查，

通过设定期望车速和转向角之间的安全边界线实现该目标，安全边界线可用如下公式表示：

式中，v_{tar_lim}为特定转向角对应的安全车速限值；k₅、k₆为比例系数，且k₅＜0，k₆＜0；C₅，C₆为常数项，根据观光车底盘特性进行标定；θ_con取值范围为40～60°。

8.一种用于景区观光车的网联自动驾驶方法，其特征在于，包括：

利用车载传感器感知和检测景区观光车周边环境信息；

根据人机交互信息和车联网信息进行旅游路线全局规划，以及根据旅游路线全局规划、景区观光车周边环境信息和车联网信息来进行自动驾驶决策和控制，

其中，根据人机交互信息和车联网信息进行旅游路线全局规划，为游客提供最佳旅游线路；如果游客选择系统推荐路线，则直接读取预先存储的旅游路线，并根据景区实际游客分布情况进行线路优化；如果游客选择自定义景区游览点，则根据游客需求，综合考虑景区当前游客分布情况，在线进行旅游路线规划。

9.如权利要求8所述的用于景区观光车的网联自动驾驶方法，其特征在于，

所述决策与控制模块以下述方式进行纵向速度规划，基于道路曲率确定纵向期望车速：

式中，v_{lon_tar}为纵向期望车速，单位：km/h；r为道路曲率半径，单位：m；k₁、k₂为比例系数，且k₁＜0，k₂＜0；C₁，C₂为常数项，根据景区实际道路进行标定；

R_con1定义为车辆以最高稳定车速的设定比例行驶时车辆不会出现侧翻的最大转弯半径，称之为安全转弯半径，取值范围为5～10m，

其中，道路曲率半径r以下式计算：

车辆从路点i行驶到路点i+m过程中，行驶路径对应的道路平均曲率半径，计算公式如下：

特别的，当m＝1时，根据式(6)计算得到的为相邻两路点之间路径的曲率半径，

其中，

对于旅游线路，基于系统地图获取如下路点信息矩阵：

计算景区观光车在每个路点i对应的航向角：

式中，sgn为符号函数，当

时，sgn＝2；当

时，sgn＝0，

根据公式(2)与公式(3)计算得到的车辆航向角取值范围为[0，360]，车辆正北朝向时车辆航向角为0，按顺时钟方向旋转为正，

根据旅游线路上各路点的车辆坐标信息，车辆从路点i行驶到路点i+1过程中，车辆行驶距离可按照下式进行计算：

根据旅游线路上各路点的车辆航向角信息，车辆从路点i行驶到路点i+1过程中，车辆转向角可按照下式进行计算：

δ_i，i+1＝ψ_i+1-ψ_i (5)

k₁、k₂按照如下公式计算获得：

根据景区观光车底盘性能设计，获得景区观光车最小转弯半径R_min和最低稳定车速V_{s_min}，假设景区观光车最高稳定车速为V_max，认为当道路曲率半径大于设定阈值R_T时，就能够认为车辆为近似直线行驶，

C₁，C₂取值根据景区实际道路和景区观光车动力性能需求进行标定获得，假设景区观光车最大纵向加速度为a_{x_max}，最大侧向加速度为a_{y_max}，要求C₁，C₂的取值应使得v_{lon_tar}满足如下约束：

10.如权利要求8所述的用于景区观光车的网联自动驾驶方法，其特征在于，

对于队列行驶、跟车的场景，采用下述方式进行纵向速度规划，

以通过车联网或车载传感器获取的前车车速为目标车速，以一定的跟车距离为约束进行纵向车速规划，

具体采用下面的线性控制器实现速度控制：

v_{lon_tar}＝k_dis(D_act-D_tar)+k_spd(v_pre-v_flw)+v_pre

式中：v_{lon_tar}为期望纵向车速；k_dis为跟车距离误差增益，D_act为实际跟车车距，D_tar为目标跟车车距，k_spd为速度误差增益，v_pre为前车当前速度，v_flw为自车实际速度。

Images