CN113110449B - 一种车辆自动驾驶技术的仿真模拟系统 - Google Patents
一种车辆自动驾驶技术的仿真模拟系统 Download PDFInfo
- Publication number
- CN113110449B CN113110449B CN202110400277.3A CN202110400277A CN113110449B CN 113110449 B CN113110449 B CN 113110449B CN 202110400277 A CN202110400277 A CN 202110400277A CN 113110449 B CN113110449 B CN 113110449B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- route
- simulation
- data
- environment
- 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.)
- Active
Links
- 238000004088 simulation Methods 0.000 title claims abstract description 84
- 238000005516 engineering process Methods 0.000 title claims abstract description 31
- 230000003993 interaction Effects 0.000 claims abstract description 15
- 238000000034 method Methods 0.000 claims abstract description 14
- 238000004458 analytical method Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 4
- 230000007613 environmental effect Effects 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 9
- 230000000694 effects Effects 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 6
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
- G05D1/0251—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means extracting 3D information from a plurality of images taken from different locations, e.g. stereo vision
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0223—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving speed control of the vehicle
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0257—Control of position or course in two dimensions specially adapted to land vehicles using a radar
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Aviation & Aerospace Engineering (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Electromagnetism (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种车辆自动驾驶技术的仿真模拟系统,包括:物理端交互模块,用于实时获取物理端的状态数据与环境数据,向车辆发送反馈控制信号;行驶仿真模块,用于实时仿真模拟物理端的运行状态;路线拟订模块,用于根据交通状态数据生成最佳行驶引导路线;车辆控制模块,用于根据最佳行驶引导路线与运行状态生成反馈控制信号;路线拟订模块的设置,达到了通过获取交通状态数据后仿真模拟车辆行驶过程以得到耗时最短的最佳行驶路径的目的,减少了使用者在日常行驶中在道路上所耗费的时间,同时当多设备共同使用该路线拟订方式时,能够一定程度上缓解交通堵塞等情况的发生,具有良好的交通管控效果。
Description
技术领域
本发明涉及自动驾驶相关领域,具体是一种车辆自动驾驶技术的仿真模拟系统。
背景技术
当前在汽车相关领域中,处于前沿技术的未来的主要两个发展趋势分别为新能源汽车技术和自动驾驶汽车技术,其中,新能源汽车技术在最近数年各大厂商的共同研发与努力下,技术已经逐步趋向于成熟,而自动驾驶汽车技术在汽车行业依然属于不完善不够成熟的技术,能够掌握自动驾驶技术的汽车公司数量极少,且技术达到成熟能够将其运用至现有车辆投入民用的公司更是只有少数几家,因此在未来数年,对于汽车厂商来说,自动驾驶技术仍是主要抢夺的技术领域。
自动驾驶汽车技术是一种依靠人工智能、视觉计算、雷达、监控装置和全球定位系统协同合作,由带电脑计算全自主计算操控车辆的技术,他能给使得人们的出行更加方便和安全,其能够避免人工驾驶时可能出现的反应不及时与操作失误等带来的安全隐患,同时,也能够有效的避免长时间驾驶的疲劳感引发事故的可能性。
现有技术中自动驾驶汽车的自动驾驶仿真模拟系统主要解决车辆行驶中的安全问题,防止事故的发生,如今车辆的大量普及使得道路变得拥堵,尤其是部分主要线路段,经常产生长达数公里的堵车情况,行驶中会浪费大量的时间,现有技术中的自动驾驶仿真系统并不能解决这一问题。
发明内容
本发明的目的在于提供一种车辆自动驾驶技术的仿真模拟系统,以解决上述背景技术中提出部分路线车辆拥堵浪费驾驶者时间的问题。
为实现上述目的,本发明提供如下技术方案:
一种车辆自动驾驶技术的仿真模拟系统,包括以下部分:
物理端交互模块,用于实时获取物理端的状态数据与环境数据,向车辆发送反馈控制信号;
行驶仿真模块,用于根据状态数据和环境数据实时仿真模拟物理端的运行状态,该运行状态用于表征车辆运行状态与实时环境状态;
路线拟订模块,用于根据交通状态数据生成最佳行驶引导路线,所述最佳行驶引导路线用于表征考虑路线拥堵情况与红绿灯状态后到达目的地的最快行驶路径;
车辆控制模块,用于根据最佳行驶引导路线与运行状态生成反馈控制信号。
作为本发明的进一步方案:所述路线拟订模块包括:
路线拟订单元,用于拟订生成多组行驶引导路线,多组所述行驶引导路线具有相同的初始点与目的地;
数据请求单元,用于根据行驶引导路线信息向服务器请求相对应的所述交通状态数据;
路线决策单元,用于根据多个所述行驶引导路线与相对应的所述交通状态数据进行仿真模拟,以获取最佳行驶引导路线。
作为本发明的再进一步方案:所述路线拟订单元具体包括:
计划设定子单元,用于接收并识别来自用户设定的目的地信息,根据定位系统获取当前地理位置信息,并根据当前地理位置信息设定初始点;
路线生成子单元,用于访问地图数据库,根据初始点与目的地信息获取范围内的交通路线信息,并依据交通路线信息生成行驶引导路线。
作为本发明的再进一步方案:所述路线决策单元具体包括:
数据接收子单元,用于接收来自服务器的交通状态数据;
耗时模拟子单元,用于根据交通状态数据对每个所述行驶引导路线进行多次加速行驶模拟,以获得每个所述行驶引导路线需要的时间花费期望值;
比对决策子单元,用于根据耗时模拟子单元所生成的时间花费期望值对多个所述行驶引导路线进行比对,获取时间花费期望最小的形式引导路线,该形式引导路线为最佳形式引导路线。
作为本发明的再进一步方案:所述数据接收子单元接收的交通状态数据包括:
实时路况拥堵状态,用于表征某一条相对应路线上的车辆拥堵程度;
实时红绿灯状态,用于表征在获取该数据时的某一相对应路线上红绿灯的状态以及该所述红绿灯的变换规则。
作为本发明的再进一步方案:所述物理端交互模块包括:
车辆采集子模块,用于通过传感器设备采集车辆的状态数据,所述状态数据包括车辆的运行速度、车辆载重;
环境采集子模块,用于通过传感器设备采集车辆周边的环境数据,所述环境数据包括路面状态,障碍物分布状态;
控制反馈子模块,用于向车辆发送反馈控制信号以达到在物理端控制车辆的目的。
作为本发明的再进一步方案:所述行驶仿真模块包括:
车辆仿真子模块,用于根据车辆的状态数据建立仿真车辆,并接收来自车辆控制模块的反馈控制信号,根据反馈控制信号对仿真车辆进行仿真控制;
环境仿真子模块,用于根据环境数据建立车辆行驶的环境仿真模型。
作为本发明的再进一步方案:所述环境仿真子模块包括:
三维生成单元,用于建立三维空间模型,并根据车辆的状态数据在三维空间建立车辆实时轨迹;
环境补全单元,用于根据环境采集单元所采集的车辆周边环境数据在三维空间模型中进行环境补全;
运动分析单元,用于根据三维空间模型对车辆周边的环境数据进行运动分析,并对运动体进行追踪标记。
作为本发明的再进一步方案:所述车辆控制模块包括:
线路识别单元,用于根据车辆位置信息和最佳行驶引导路线对环境仿真子模块所生成的三维空间模型进行识别,以引导仿真车辆进行变道和转向动作;
障碍躲避单元,用于引导仿真车辆对环境仿真子模块所生成的三维空间模型中的障碍物进行躲避;
运动体预演单元,用于根据历史数据对被追踪标记的运动体进行运动演算,引导仿真车辆进行躲避;
控制生成单元,用于根据线路识别单元、障碍躲避单元和运动体预演单元的输出生成反馈控制信号。
作为本发明的再进一步方案:所述交通状态数据还包括相对应路线的道路行驶限速,所述道路行驶限速用于引导仿真车辆的运行速度。
与现有技术相比,本发明的有益效果是:路线拟订模块的设置,达到了通过获取交通状态数据后仿真模拟车辆行驶过程以得到耗时最短的最佳行驶路径的目的,减少了使用者在日常行驶中在道路上所耗费的时间,同时当多设备共同使用该路线拟订方式时,能够一定程度上缓解交通堵塞等情况的发生,具有良好的交通管控效果。
附图说明
图1为一种车辆自动驾驶技术的仿真模拟系统的结构框图。
图2为一种车辆自动驾驶技术的仿真模拟系统中路线拟订单元的结构框图。
图3为一种车辆自动驾驶技术的仿真模拟系统中路线拟订模块的详细结构框图。
图4为一种车辆自动驾驶技术的仿真模拟系统中物理端交互模块的结构框图。
图5为一种车辆自动驾驶技术的仿真模拟系统中行驶仿真模块的结构框图。
图6为一种车辆自动驾驶技术的仿真模拟系统中车辆控制模块的结构框图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
以下结合具体实施例对本发明的具体实现方式进行详细描述。
如图1所述,为本发明一个实施例提供的一种车辆自动驾驶技术的仿真模拟系统,包括:
S100,物理端交互模块,用于实时获取物理端的状态数据与环境数据,向车辆发送反馈控制信号。
S300,行驶仿真模块,用于根据状态数据和环境数据实时仿真模拟物理端的运行状态,该运行状态用于表征车辆运行状态与实时环境状态。
S500,路线拟订模块,用于根据交通状态数据生成最佳行驶引导路线,所述最佳行驶引导路线用于表征考虑路线拥堵情况与红绿灯状态后到达目的地的最快行驶路径。
S700,车辆控制模块,用于根据最佳行驶引导路线与运行状态生成反馈控制信号。
本发明实施例中,物理端交互模块S100是仿真模拟系统与物理端的交互模块,在这里,物理端所表示的内容为车辆本身、设置在车辆上的各种传感器雷达以及摄像头等数据采集设备,以完成对状态数据和环境数据的采集;行驶仿真模块S300是根据物理端交互模块S100所采集的数据内容为依据进行在计算机中建立仿真模型,在该仿真模型中,所仿真的内容为道路环境信息以及对象车辆周边所存在的其他车辆信息,仿真模型为实时不断更新的动态模型;路线拟订模块S500的作用是根据实时更新的交通状态数据(这里的交通状态数据指的是道路各处的车辆密集程度,堵车的情况以及红绿灯的更新频率等内容,通过现有车辆的定位系统联合交通管理部门便可以得到这一相关内容),对达到目的地的多种路线所需要花费的时间进行预演算,得到每条路线所需要花费的时间,以挑选最优的最快行驶路径;通过这样的步骤进行处理之后,可以有效的解决传统的自动驾驶导航方式进入到堵塞的道路后,浪费大量时间的情况的发生,当具备该仿真系统的车辆较多时,也能够起到一定的车辆分流效果,将大量的车流进行分流至流畅的道路,可以有效的解决现有道路经常拥堵的情况。
如图2和图3所示,作为本发明一个优选的实施例,所述路线拟订模块S500包括:
S501,路线拟订单元,用于拟订生成多组行驶引导路线,多组所述行驶引导路线具有相同的初始点与目的地。
S503,数据请求单元,用于根据行驶引导路线信息向服务器请求相对应的所述交通状态数据。
S505,路线决策单元,用于根据多个所述行驶引导路线与相对应的所述交通状态数据进行仿真模拟,以获取最佳行驶引导路线。
可以理解的是,S501所执行的内容与传统的导航方式是基本一致的,通过确定的初始点与目的地获得多个不同的行驶方案,在S503所执行的功能中,交通状态数据包括道路的车辆密度,拥堵情况,拥堵车辆的前进速度以及红绿灯的变化频率等内容,S505所执行的内容则是通过这些交通状态数据的内容对每一条行驶引导路线进行加速的模拟仿真,来确定最快的行驶路线(或交通状态最好的行驶路线)。
具体的来说,所述路线拟订单元S501具体包括:
S5011,计划设定子单元,用于接收并识别来自用户设定的目的地信息,根据定位系统获取当前地理位置信息,并根据当前地理位置信息设定初始点。
S5012,路线生成子单元,用于访问地图数据库,根据初始点与目的地信息获取范围内的交通路线信息,并依据交通路线信息生成行驶引导路。
可以理解的是,S5011所识别的用户设定的目的地信息可以是通过语音输入的也可以是通过点触的形式输入的,输入后的目的地信息转化为程序和机器可以识别的代码从而被S5011所识别,这里转化过程所牵涉到的相关步骤与单元均做了省略处理。
更具体的来说,所述路线决策单元S505具体包括:
S5051,数据接收子单元,用于接收来自服务器的交通状态数据。
S5052,耗时模拟子单元,用于根据交通状态数据对每个所述行驶引导路线进行多次加速行驶模拟,以获得每个所述行驶引导路线需要的时间花费期望值。
S5053,比对决策子单元,用于根据耗时模拟子单元所生成的时间花费期望值对多个所述行驶引导路线进行比对,获取时间花费期望最小的形式引导路线,该形式引导路线为最佳形式引导路线。
可以理解的是,这里S5051所获取的数据信息包括道路拥堵车辆的数量,拥堵中车辆的前进速度以及红绿灯的变化规则等多种数据,S5052通过结合这些数据进行加速模拟(因为为预先的模拟,因此后续的数据均采用模拟前获取的内容进行的,并不能代表后续的情况变化所产生的差值,因此最终产生的时间只是作为判定使用的预估值,并不能体现完全的时间占用与路途经历),获得行驶完全程所消耗的时间,并通过S5053进行决策。
更具体的来说,所述数据接收子单元接收S5051的交通状态数据包括:
实时路况拥堵状态,用于表征某一条相对应路线上的车辆拥堵程度。
实时红绿灯状态,用于表征在获取该数据时的某一相对应路线上红绿灯的状态以及该所述红绿灯的变换规则。
在本发明实施例中,实时路况拥堵状态包括了拥堵车辆的数量,拥堵车辆的前进时的前进速度等,实时红绿灯状态包括的是每一个红绿灯此时此刻的状态与读秒状态,以及每一个红绿灯的变化规则,即红绿灯的转变间隔。
如图4所示,作为本发明另一个优选的实施例,所述物理端交互模块S100包括:
S101,车辆采集子模块,用于通过传感器设备采集车辆的状态数据,所述状态数据包括车辆的运行速度、车辆载重。
S103,环境采集子模块,用于通过传感器设备采集车辆周边的环境数据,所述环境数据包括路面状态,障碍物分布状态。
S105,控制反馈子模块,用于向车辆发送反馈控制信号以达到在物理端控制车辆的目的。
本发明实施例中,对物理端交互模块S100进行了详细的拆分说明,其通过车辆采集子模块S101、环境采集子模块S103同时对车辆的运行状态数据和车辆周边的障碍物数据进行采集,障碍物的采集是为了通过处理防止车辆与障碍物发生碰撞,路面状态以及车辆载重的采集是为了提供给车辆仿真模拟时对车辆的刹车等动作进行评估,以达到在不同环境时预留一定的安全使用范围。
如图5所示,作为本发明另一个优选的实施例,所述行驶仿真模块S300包括:
S301,车辆仿真子模块,用于根据车辆的状态数据建立仿真车辆,并接收来自车辆控制模块的反馈控制信号,根据反馈控制信号对仿真车辆进行仿真控制。
S303,环境仿真子模块,用于根据环境数据建立车辆行驶的环境仿真模型。
具体的来说,所述环境仿真子模块包括:
S3031,三维生成单元,用于建立三维空间模型,并根据车辆的状态数据在三维空间建立车辆实时轨迹。
S3033,环境补全单元,用于根据环境采集单元所采集的车辆周边环境数据在三维空间模型中进行环境补全。
S3035,运动分析单元,用于根据三维空间模型对车辆周边的环境数据进行运动分析,并对运动体进行追踪标记。
本发明实施例中,通过环境仿真子模块S303根据相关数据建立周边环境的三维空间模型并补全环境中的移动与静态物体信息,车辆仿真子模块S301在三维空间模型中进行车辆模拟,值得说明的是,这里所说的三维空间模型并非一定是已经完全建立为人可以理解的图像三维模型,其可以是仅仅用于相关程序和单元进行判断的数据模型。
如图6所示,作为本发明另一个优选的实施例,所述车辆控制模块S700包括:
S701,线路识别单元,用于根据车辆位置信息和最佳行驶引导路线对环境仿真子模块所生成的三维空间模型进行识别,以引导仿真车辆进行变道和转向动作。
S703,障碍躲避单元,用于引导仿真车辆对环境仿真子模块所生成的三维空间模型中的障碍物进行躲避。
S705,运动体预演单元,用于根据历史数据对被追踪标记的运动体进行运动演算,引导仿真车辆进行躲避。
S707,控制生成单元,用于根据线路识别单元、障碍躲避单元和运动体预演单元的输出生成反馈控制信号。
本发明实施例中,车辆控制模块S700的用途是进行车辆的控制,这一系列的控制是基于行驶仿真模块S300的空间模型的,因此也是基于物理端交互模块S100所采集的多项数据的,在这里,各单元的控制动作均是直接作用于仿真车辆的,同时通过物理端交互模块S100作用于物理端控制的车辆。
作为本发明另一个优选的实施例,所述交通状态数据还包括相对应路线的道路行驶限速,所述道路行驶限速用于引导仿真车辆的运行速度。
容易理解的是,在不同路段行驶时,车辆均是有限速要求的,通过交通状态数据获取该限速要求,保证车辆的安全行驶。
本发明提供了一种车辆自动驾驶技术的仿真模拟系统,该系统包括物理端交互模块、行驶仿真模块、路线拟订模块和车辆控制模块,通过路线拟订模块的设置,达到了获取交通状态数据后仿真模拟车辆行驶过程以得到耗时最短的最佳行驶路径的目的,减少了使用者在日常行驶中在道路上所耗费的时间,同时当多设备共同使用该路线拟订方式时,能够一定程度上缓解交通堵塞等情况的发生,具有良好的交通管控效果。
应该理解的是,虽然本发明各实施例的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,各实施例中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
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。
本领域技术人员在考虑说明书及实施例处的公开后,将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由权利要求指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变,本公开的范围仅由所附的权利要求来限制。
Claims (7)
1.一种车辆自动驾驶技术的仿真模拟系统,其特征在于,所述系统包括:
物理端交互模块,用于实时获取物理端的状态数据与环境数据,向车辆发送反馈控制信号;
行驶仿真模块,用于根据状态数据和环境数据实时仿真模拟物理端的运行状态,该运行状态用于表征车辆运行状态与实时环境状态;
路线拟订模块,用于根据交通状态数据生成最佳行驶引导路线,所述最佳行驶引导路线用于表征考虑路线拥堵情况与红绿灯状态后到达目的地的最快行驶路径;
车辆控制模块,用于根据最佳行驶引导路线与运行状态生成反馈控制信号;
所述行驶仿真模块包括:
车辆仿真子模块,用于根据车辆的状态数据建立仿真车辆,并接收来自车辆控制模块的反馈控制信号,根据反馈控制信号对仿真车辆进行仿真控制;
环境仿真子模块,用于根据环境数据建立车辆行驶的环境仿真模型;
所述环境仿真子模块包括:
三维生成单元,用于建立三维空间模型,并根据车辆的状态数据在三维空间建立车辆实时轨迹;
环境补全单元,用于根据环境采集单元所采集的车辆周边环境数据在三维空间模型中进行环境补全;
运动分析单元,用于根据三维空间模型对车辆周边的环境数据进行运动分析,并对运动体进行追踪标记;
所述车辆控制模块包括:
线路识别单元,用于根据车辆位置信息和最佳行驶引导路线对环境仿真子模块所生成的三维空间模型进行识别,以引导仿真车辆进行变道和转向动作;
障碍躲避单元,用于引导仿真车辆对环境仿真子模块所生成的三维空间模型中的障碍物进行躲避;
运动体预演单元,用于根据历史数据对被追踪标记的运动体进行运动演算,引导仿真车辆进行躲避;
控制生成单元,用于根据线路识别单元、障碍躲避单元和运动体预演单元的输出生成反馈控制信号。
2.根据权利要求1所述的一种车辆自动驾驶技术的仿真模拟系统,其特征在于,所述路线拟订模块包括:
路线拟订单元,用于拟订生成多组行驶引导路线,多组所述行驶引导路线具有相同的初始点与目的地;
数据请求单元,用于根据行驶引导路线信息向服务器请求相对应的所述交通状态数据;
路线决策单元,用于根据多个所述行驶引导路线与相对应的所述交通状态数据进行仿真模拟,以获取最佳行驶引导路线。
3.根据权利要求2所述的一种车辆自动驾驶技术的仿真模拟系统,其特征在于,所述路线拟订单元具体包括:
计划设定子单元,用于接收并识别来自用户设定的目的地信息,根据定位系统获取当前地理位置信息,并根据当前地理位置信息设定初始点;
路线生成子单元,用于访问地图数据库,根据初始点与目的地信息获取范围内的交通路线信息,并依据交通路线信息生成行驶引导路线。
4.根据权利要求3所述的一种车辆自动驾驶技术的仿真模拟系统,其特征在于,所述路线决策单元具体包括:
数据接收子单元,用于接收来自服务器的交通状态数据;
耗时模拟子单元,用于根据交通状态数据对每个所述行驶引导路线进行多次加速行驶模拟,以获得每个所述行驶引导路线需要的时间花费期望值;
比对决策子单元,用于根据耗时模拟子单元所生成的时间花费期望值对多个所述行驶引导路线进行比对,获取时间花费期望最小的形式引导路线,该形式引导路线为最佳形式引导路线。
5.根据权利要求4所述的一种车辆自动驾驶技术的仿真模拟系统,其特征在于,所述数据接收子单元接收的交通状态数据包括:
实时路况拥堵状态,用于表征某一相对应路线上的车辆拥堵程度;
实时红绿灯状态,用于表征在获取该数据时的某一相对应路线上红绿灯的状态以及该所述红绿灯的变换规则。
6.根据权利要求1所述的一种车辆自动驾驶技术的仿真模拟系统,其特征在于,所述物理端交互模块包括:
车辆采集子模块,用于通过传感器采集车辆的状态数据,所述状态数据包括车辆的运行速度、车辆载重;
环境采集子模块,用于通过传感器采集车辆周边的环境数据,所述环境数据包括路面状态,障碍物分布状态;
控制反馈子模块,用于向车辆发送反馈控制信号以达到在物理端控制车辆的目的。
7.根据权利要求1所述的一种车辆自动驾驶技术的仿真模拟系统,其特征在于,所述交通状态数据还包括相对应路线的道路行驶限速,所述道路行驶限速用于引导仿真车辆的运行速度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110400277.3A CN113110449B (zh) | 2021-04-14 | 2021-04-14 | 一种车辆自动驾驶技术的仿真模拟系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110400277.3A CN113110449B (zh) | 2021-04-14 | 2021-04-14 | 一种车辆自动驾驶技术的仿真模拟系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113110449A CN113110449A (zh) | 2021-07-13 |
CN113110449B true CN113110449B (zh) | 2022-08-23 |
Family
ID=76716758
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110400277.3A Active CN113110449B (zh) | 2021-04-14 | 2021-04-14 | 一种车辆自动驾驶技术的仿真模拟系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113110449B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113655732A (zh) * | 2021-08-17 | 2021-11-16 | 上海电气集团智能交通科技有限公司 | 一种磁钉引导自动驾驶公交车的智能交通仿真系统及其仿真方法 |
CN115049167B (zh) * | 2022-08-16 | 2022-11-08 | 北京市城市规划设计研究院 | 交通态势预测方法、装置、设备及存储介质 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2515284A1 (en) * | 2011-04-17 | 2012-10-24 | Dario Ragno | Predictive vehicular traffic management solution |
KR101326847B1 (ko) * | 2011-12-12 | 2013-11-20 | 기아자동차주식회사 | 차량의 운전 모드 안내 시스템 및 그 방법 |
US10877476B2 (en) * | 2017-11-30 | 2020-12-29 | Tusimple, Inc. | Autonomous vehicle simulation system for analyzing motion planners |
CN111123735B (zh) * | 2018-10-31 | 2022-09-09 | 百度在线网络技术(北京)有限公司 | 自动驾驶仿真运行方法和装置 |
CN109657355B (zh) * | 2018-12-20 | 2021-05-11 | 安徽江淮汽车集团股份有限公司 | 一种车辆道路虚拟场景的仿真方法及系统 |
CN110263381A (zh) * | 2019-05-27 | 2019-09-20 | 南京航空航天大学 | 一种自动驾驶车辆测试仿真场景生成方法 |
CN112286206B (zh) * | 2020-11-17 | 2024-01-23 | 苏州智加科技有限公司 | 自动驾驶的模拟方法、系统、设备、可读存储介质及平台 |
-
2021
- 2021-04-14 CN CN202110400277.3A patent/CN113110449B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN113110449A (zh) | 2021-07-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112389427B (zh) | 车辆轨迹优化方法、装置、电子设备和存储介质 | |
US11726477B2 (en) | Methods and systems for trajectory forecasting with recurrent neural networks using inertial behavioral rollout | |
CN109557912B (zh) | 一种自动驾驶特种作业车辆的决策规划方法 | |
JP7444874B2 (ja) | 方法、非一時的コンピュータ可読媒体、および、車両 | |
CN110861650B (zh) | 车辆的路径规划方法、装置,车载设备和存储介质 | |
CN109727469B (zh) | 一种多车道下自动驾驶车辆综合危险度评估方法 | |
Khodayari et al. | A historical review on lateral and longitudinal control of autonomous vehicle motions | |
CN110304074B (zh) | 一种基于分层状态机的混合式驾驶方法 | |
JP3714258B2 (ja) | 車両用推奨操作量生成装置 | |
CN113110449B (zh) | 一种车辆自动驾驶技术的仿真模拟系统 | |
DE102016113903A1 (de) | Fahrzeugfahrstreckenbestimmung | |
CN114005280B (zh) | 一种基于不确定性估计的车辆轨迹预测方法 | |
CN113916246A (zh) | 一种无人驾驶避障路径规划方法和系统 | |
Zhang et al. | Human-lead-platooning cooperative adaptive cruise control | |
Huang et al. | Design and performance evaluation of mixed manual and automated control traffic | |
CN111290399B (zh) | 一种车队协同驾驶组队控制方法 | |
Li et al. | Semantic-level maneuver sampling and trajectory planning for on-road autonomous driving in dynamic scenarios | |
CN111267852B (zh) | 一种车队协同驾驶巡航控制方法 | |
Muzahid et al. | Deep reinforcement learning-based driving strategy for avoidance of chain collisions and its safety efficiency analysis in autonomous vehicles | |
Wei et al. | Game theoretic merging behavior control for autonomous vehicle at highway on-ramp | |
CN116758741A (zh) | 一种多维度不确定性感知的智能汽车碰撞概率预测方法 | |
CN115123303A (zh) | 车辆驾驶状态展示方法、装置、电子设备和存储介质 | |
Kanchwala et al. | Development of an intelligent transport system for EV | |
CN114442630A (zh) | 一种基于强化学习和模型预测的智能车规划控制方法 | |
US11436504B1 (en) | Unified scene graphs |
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 |