CN113593221B - 信息价值评估式驾驶系统、网联车辆系统和数据传输方法 - Google Patents

信息价值评估式驾驶系统、网联车辆系统和数据传输方法 Download PDF

Info

Publication number
CN113593221B
CN113593221B CN202110769952.XA CN202110769952A CN113593221B CN 113593221 B CN113593221 B CN 113593221B CN 202110769952 A CN202110769952 A CN 202110769952A CN 113593221 B CN113593221 B CN 113593221B
Authority
CN
China
Prior art keywords
vehicle
information
state information
value
communication
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
Application number
CN202110769952.XA
Other languages
English (en)
Other versions
CN113593221A (zh
Inventor
汪洋
丁丽琴
张天琳
窦文豪
孙晨阳
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.)
Shenzhen Graduate School Harbin Institute of Technology
Original Assignee
Shenzhen Graduate School Harbin Institute of Technology
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 Graduate School Harbin Institute of Technology filed Critical Shenzhen Graduate School Harbin Institute of Technology
Priority to CN202110769952.XA priority Critical patent/CN113593221B/zh
Publication of CN113593221A publication Critical patent/CN113593221A/zh
Application granted granted Critical
Publication of CN113593221B publication Critical patent/CN113593221B/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
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
    • G08G1/0112—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from the vehicle, e.g. floating car data [FCD]
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
    • 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
    • G08G1/096833—Systems involving transmission of navigation instructions to the vehicle where different aspects are considered when computing the route
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/10—Protocols in which an application is distributed across nodes in the network
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
    • 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]

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Traffic Control Systems (AREA)

Abstract

信息价值评估式驾驶系统、网联车辆系统和数据传输方法。其中，网联车辆系统包括车辆信息采集模块、车辆信息价值计算模块、车辆通信模块和驾驶决策计算模块。网联车辆系统根据这些模块搭建了一个特殊的数据处理流程，并且网联车辆在与其余网联车辆、路侧系统和云平台系统通信时对传输的信息进行价值评估，最终可以实现在智能网联车数量多或者少，交通参与者数量多或少，通信状态良好或较差等交通环境下，将车辆自身状态信息和目标感知信息可靠、实时地传输给其余网联车辆、路侧系统和云平台系统，进而达到保障道路交通安全，提高通行效率的目的。

Description

信息价值评估式驾驶系统、网联车辆系统和数据传输方法
技术领域
本发明涉及智能交通系统领域，具体涉及一种信息价值评估式智能网联驾驶系统、网联车辆系统、数据传输方法和计算机介质。
背景技术
随着先进的5G通信技术和人工智能技术的发展，智能网联驾驶系统成为了智能交通系统的一个重要研究方向。随着网联车辆的增加以及网联车辆计算能力越来越强大，车与车之间，车与路之间共享的数据量也随之增加，这将给传输过程带来一定的通信压力，最终导致真正有效的信息无法传输，造成一定的道路交通安全隐患。
目前存在的网联车辆系统的设计方法和面向车路协同场景的网联车辆系统设计方法中，设计的系统只考虑了网联车辆内部存在什么模块实现什么功能以及如何利用从外部获取的信息提高自己的感知能力。没有考虑在不同交通场景下，网联车辆如何向路侧系统以及其余网联车辆有效地传输自身感知的信息。同时已有的网联车辆系统在设计的过程中没有考虑因交通参与者密集而导致通信压力大这种情况，在这种情况下更需要保证安全性的感知消息有效传输。
发明内容
针对上述技术问题，本发明提供一种信息价值评估式智能网联驾驶系统、网联车辆系统和数据传输方法。
根据第一方面，一种实施例中提供一种信息价值评估式智能网联驾驶系统，包括：网联车辆系统、路侧系统和云平台系统；
所述网联车辆系统包括车辆信息采集模块、车辆信息价值模块、车辆通信模块和车辆驾驶决策计算模块；所述车辆信息采集模块用于采集自车状态信息和车辆周围环境感知数据；所述车辆周围环境感知数据包括车辆目标感知信息；所述车辆信息价值模块用于根据自车状态信息、车辆周围环境感知信息、车辆通信信道状态信息和通信网络状态信息，生成一个传输车辆感知数据数值；所述车辆通信模块用于按照事件的优先级对传输数据进行排队，并根据所述传输车辆感知数据数值选择数据压缩的方法、压缩比、编码方式和车辆目标感知信息与自车状态信息传输方式，还根据传输车辆感知数据数值对信道中的频谱资源进行分配，所述车辆通信模块还向所述车辆信息价值模块发送所述车辆通信信道状态信息和通信网络状态信息；所述车辆驾驶决策计算模块用于根据自车状态信息和从车侧通信模块获取的辅助驾驶信息，执行所述车辆路径规划和行驶决策；
所述路侧系统用于采集道路环境目标信息，进行目标匹配，执行云平台系统的任务指令；
所述云平台系统用于接收汇总所述网联车辆系统传输的自车状态信息和所述路侧系统传输的路侧目标感知信息，生成一个包含全局信息的全局目标检索库；所述云平台系统还根据所述全局目标检索库进行全局交通参与者信息统计、全局交通流量分析与预测和全局交通路况信息。
根据第二方面，一种实施例中提供一种信息价值评估式网联车辆系统，包括：
车辆信息采集模块，用于采集自车状态信息和车辆周围环境感知数据；所述车辆周围环境感知数据包括车辆目标感知信息；
车辆信息价值模块，用于根据自车状态信息、车辆周围环境感知信息、车辆通信信道状态信息和通信网络状态信息，生成一个传输车辆感知数据数值；
车辆通信模块，用于按照事件的优先级对传输数据进行排队，并根据所述传输车辆感知数据数值选择数据压缩的方法、压缩比、编码方式和车辆目标感知信息与自车状态信息传输方式，还根据传输车辆感知数据数值对信道中的频谱资源进行分配；所述车辆通信模块还向所述车辆信息价值模块发送所述车辆通信信道状态信息和通信网络状态信息。
在一实施例中，所述车辆通信模块根据所述传输车辆感知数据数值选择数据压缩的方法、压缩比、编码方式和车辆目标感知信息与自车状态信息传输方式，还根据传输车辆感知数据数值对信道中的频谱资源进行分配包括：
当所述传输车辆感知数据数值大于车辆阈值时，占用额外通信资源，对于车路通信，智能网联车辆系统传输自车状态信息和详细车辆目标感知信息，对于车车通信，智能网联车辆系统传输自车状态信息和车辆目标感知信息概要；所述自车状态信息包括车辆位置、车辆大小、行驶速度和行驶方向；所述详细车辆目标感知信息包括目标感知信息的原始级数据和特征级数据中的一者；所述车辆目标感知信息概要包括目标的位置、运动方向、大小和种类中的一者或多者；
当所述传输车辆感知数据数值小于或等于车辆阈值时，占用基础通信资源，对于车路通信，智能网联车辆系统传输自车状态信息和车辆目标感知信息概要，对于车车通信，智能网联车辆系统传输自车状态信息。
在一实施例中，所述车辆阈值由车辆通信模块根据通信信道状态和通信网络状态自适应设置，具体包括：
定期对信道进行评估，根据信道的阶数、多普勒频移和多径时延评估信道，判断信道是否稳定，信道越稳定，所述车辆阈值越小；
监测传输时延、吞吐量两个网络性能指标，联合所述传输时延和吞吐量两个网络性能指标设置所述车辆阈值的大小；所述车辆阈值与传输时延呈正比关系，与吞吐量呈反比关系。
在一实施例中，所述网联车辆系统还包括：车辆驾驶决策计算模块；
所述车辆驾驶决策计算模块用于根据自车状态信息和从车侧通信模块获取的辅助驾驶信息，执行所述车辆路径规划和行驶决策；
所述辅助驾驶信息包括安全预警、交通事故信息和服务类信息，所述辅助驾驶信息由路侧系统传输到车辆通信模块，或者，由云平台系统传输到车辆通信模块。
根据第三方面，一种实施例中提供一种信息价值评估式网联车辆数据传输方法，包括：
控制采集自车状态信息和车辆周围环境感知数据；所述车辆周围环境感知数据包括车辆目标感知信息；
根据自车状态信息、车辆周围环境感知信息、车辆通信信道状态信息和通信网络状态信息，生成一个传输车辆感知数据数值；
按照事件的优先级对传输数据进行排队，并根据所述传输车辆感知数据数值选择数据压缩的方法、压缩比、编码方式和车辆目标感知信息与自车状态信息传输方式，还根据传输车辆感知数据数值对信道中的频谱资源进行分配。
根据第四方面，一种实施例中提供一种计算机介质，其特征在于，所述介质上存储有程序，所述程序能够被处理器执行以实现本文任一实施例中所述的方法。
依据上述实施例的信息价值评估式智能网联驾驶系统、网联车辆系统和数据传输方法，其中，网联车辆系统包括车辆信息采集模块、车辆信息价值计算模块、车辆通信模块和驾驶决策计算模块。网联车辆系统根据这些模块搭建了一个特殊的数据处理流程，并且网联车辆在与其余网联车辆、路侧系统和云平台系统通信时对传输的信息进行价值评估，最终可以实现在智能网联车数量多或者少，交通参与者数量多或少，通信状态良好或较差等交通环境下，将车辆自身状态信息和目标感知信息可靠、实时地传输给其余网联车辆、路侧系统和云平台系统，进而达到保障道路交通安全，提高通行效率的目的。
附图说明
图1为一种实施例的信息价值评估式智能网联驾驶系统的示意图；
图2为一种实施例信息价值评估式智能网联驾驶系统的功能模块架构图；
图3为一种实施例的信息价值评估式网联车辆系统的价值计算模块的功能逻辑图；
图4为另一种实施例的信息价值评估式智能网联驾驶系统的功能模块架构图；
图5为一种实施例的信息价值评估式智能网联驾驶系统的价值计算模块的功能逻辑图；
图6为一种实施例的信息价值评估式网联车辆数据传输方法的流程图；
图7为一种实施例的信息价值评估式网联车辆数据传输方法中“根据所述传输车辆感知数据数值选择数据压缩的方法、压缩比、编码方式和车辆目标感知信息与自车状态信息传输方式”的流程图；
图8为一种实施例的信息价值评估式网联车辆数据传输方法中“辅助驾驶”的流程图。
具体实施方式
下面通过具体实施方式结合附图对本发明作进一步详细说明。其中不同实施方式中类似元件采用了相关联的类似的元件标号。在以下的实施方式中，很多细节描述是为了使得本申请能被更好的理解。然而，本领域技术人员可以毫不费力的认识到，其中部分特征在不同情况下是可以省略的，或者可以由其他元件、材料、方法所替代。在某些情况下，本申请相关的一些操作并没有在说明书中显示或者描述，这是为了避免本申请的核心部分被过多的描述所淹没，而对于本领域技术人员而言，详细描述这些相关操作并不是必要的，他们根据说明书中的描述以及本领域的一般技术知识即可完整了解相关操作。
另外，说明书中所描述的特点、操作或者特征可以以任意适当的方式结合形成各种实施方式。同时，方法描述中的各步骤或者动作也可以按照本领域技术人员所能显而易见的方式进行顺序调换或调整。因此，说明书和附图中的各种顺序只是为了清楚描述某一个实施例，并不意味着是必须的顺序，除非另有说明其中某个顺序是必须遵循的。
本文中为部件所编序号本身，例如“第一”、“第二”等，仅用于区分所描述的对象，不具有任何顺序或技术含义。而本申请所说“连接”、“联接”，如无特别说明，均包括直接和间接连接(联接)。
在车路协同场景中，随着交通参与者数量的增加，车与路之间需要传递的感知数据爆炸性增长，这将给无线通信系统带来一定的压力，进而安全类的感知信息不一定能达到低延时高可靠的传输条件。因此，发明人提出一种信息价值评估式智能网联驾驶系统，通过车-路-云三者协同工作控制，三个平台中分别经过特殊的数据处理流程，在不同场景下数据交互的内容不同，以实现在多智能网联车/少智能网联车，多交通参与者/少交通参与者，通信信道状态良好/通信信道状态较差等交通环境下，感知目标信息、预警类信息和服务类信息可靠、实时地传输进而提高道路交通安全，提高通行效率。
本发明公开的一种信息价值评估式智能网联驾驶系统包括网联车辆系统，路侧系统，云平台系统。网联车辆主要感知自身状态和周围环境。将自身行驶状态信息和环境感知信息传输给路侧设施，将自身行驶状态信息上传给云平台。网联车辆利用从云/路获取的信息以及自身感知的信息进行路径规划，行驶决策。路侧系统主要执行局部交通信息统计，局部交通状态监控，局部交通管控信息发布等任务。路侧向网联车辆传输局部服务信息和局部安全预警信息，向云平台传输局部环境感知信息。路侧系统根据从全局获取的信息执行任务，调整交通指挥灯时长策略。云平台主要执行全局交通信息统计，全局交通状态监控，全局交通管控信息发布等任务。云平台向网联车辆传输地图服务数据，向路侧传输管控信息。
本发明公开的一种信息价值评估式智能网联驾驶系统利用车-路-云三者协同控制，充分地考虑了在多智能网联车/少智能网联车，多交通参与者/少交通参与者，通信信道状态良好/通信信道状态较差等交通环境下，如何保证感知目标信息、预警类信息和服务类信息可靠、实时地传输。
本发明公开的一种信息价值评估式智能网联驾驶系统中每个系统内部的特殊数据处理流程，确保了最后每个系统向其余的系统提供什么样的信息，以什么数据形式传输。
本发明公开的一种信息价值评估式智能网联驾驶系统中涉及的信息价值计算模块利用感知信息和信道状态，判断车与车、车与路、路与云之间是否占用额外的通信资源传输感知数据。并且根据信息价值计算模块输出的数值选择数据预处理的方式。
本发明公开的一种信息价值评估式智能网联驾驶系统中的路侧系统充分的考虑了路侧信息采集不完全的情况，利用网联车辆采集的数据来弥补这一部分的缺失。
下面通过具体实施例来对本发明进行说明。
实施例一：
请参考图1，为本发明一种实施例的信息价值评估式智能网联驾驶系统的示意图，信息价值评估式智能网联驾驶系统包括网联车辆系统10、路侧系统20和云平台系统30。
网联车辆系统10用于采集自车状态信息和车辆周围环境感知信息，所述车辆周围环境感知信息包括车辆目标感知信息；所述网联车辆系统10还根据自车状态信息、车辆周围环境感知信息、车辆通信信道状态信息和通信网络状态信息，生成一个传输车辆感知数据数值，并根据所述传输车辆感知数据数值判断以何种数据形式传输车辆目标感知信息和自车状态信息。在一实施例中，网联车辆系统10向路侧系统20传输自车状态信息和车辆环境感知信息，向云平台系统30传输自车状态信息。
请参考图2，在一实施例中，网联车辆系统10包括车辆信息采集模块101、车辆信息价值计算模块102、车辆通信模块103和驾驶决策计算模块104。
车辆信息采集模块101用于采集自车状态信息和车辆周围环境感知数据，所述车辆周围环境感知数据包括车辆目标感知信息，例如，通过自车搭载的RTK-GPS获取自车状态信息，通过视觉传感器和雷达传感器获取车辆周围环境感知信息。在一实施例中，自车状态信息包括车辆ID、车辆位置、车辆大小、行驶速度和行驶方向。
车辆信息价值计算模块102用于根据自车状态信息、车辆周围环境感知信息、车辆通信信道状态信息和通信网络状态信息，生成一个传输车辆感知数据数值。
车辆通信模块103用于按照事件的优先级对传输数据进行排队，并根据所述传输车辆感知数据数值选择数据压缩的方法、压缩比、编码方式和车辆目标感知信息与自车状态信息传输方式，还根据传输车辆感知数据数值对信道中的频谱资源进行分配；所述车辆通信模块103还向所述车辆信息价值模块102发送所述车辆通信信道状态信息和通信网络状态信息。
车辆驾驶决策计算模块104用于根据自车状态信息和从车侧通信模块获取的辅助驾驶信息，执行所述车辆路径规划和行驶决策。在一实施例中，辅助驾驶信息包括安全预警、交通事故信息和服务类信息。
道路上存在各种类型的车辆，人工驾驶的车辆、不具备智能系统的车辆、不具备激光雷达的智能车辆等。这种情况会长时间存在，这对道路交通安全构成了极大的威胁。对于那些不具备通信能力的车辆，周围车辆无法与其进行通信获取其相关信息。同时单车的感知范围存在一定的局限性，车路协同技术能够提供超视距信息以及盲区信息。因此有必要引入路侧设施对道路上的交通参与者进行一个更全面的了解。可以借用感知范围更广的路侧设施对其感知，然后将感知结果比如检测目标的位置、预测的运动轨迹、速度、种类等信息利用V2X技术传输给具有通信能力的车辆或者智能车辆，既能起到预警作用又便于这些车辆执行后续的决策规划。对于不具备通信能力的人工驾驶车辆则可以通过地图导航软件获取相关信息。
路侧系统20用于采集道路环境目标的图像信息和位置信息；所述路侧系统20接收所述网联车辆系统的自车状态信息和车辆目标感知信息，对目标进行关联、匹配和融合，扩充路侧系统采集的目标信息，生成一个局部目标检索库。在一实施例中，路侧系统20向网联车辆系统10传输辅助驾驶信息，向云平台系统30传输路侧目标感知信息。
请参考图2，在一实施例中，路侧系统20包括路侧信息采集模块201、目标关联匹配模块202、局部信息计算模块203、路侧通信模块205和全局决策信息处理模块206。
路侧信息采集模块201包括视觉传感器和雷达传感器，用于采集道路环境目标的图像信息和位置信息。
目标关联匹配模块202用于根据路侧通信模块获取的所述网联车辆系统的自车状态信息和车辆目标感知信息，对目标进行关联、匹配和融合，扩充路侧系统采集的目标信息，生成一个局部目标检索库。
局部信息计算模块203用于根据所述局部目标检索库输出路侧目标感知信息。在一实施例中，局部信息计算模块203接收任务指令解析结果后执行相应任务生成局部安全预警、局部交通事故信息和局部服务类信息。
路侧通信模块205用于向网联车辆系统10传输辅助驾驶信息，向云平台系统30传输路侧目标感知信息。
全局决策信息处理模块206用于通过路侧通信模块获取云平台系统对路侧下达的任务指令，对任务指令进行解析，将解析结果传输到局部信息计算模块203。
云平台系统30用于接收汇总所述网联车辆系统10传输的自车状态信息和所述路侧系统20传输的路侧目标感知信息，生成一个包含全局信息的全局目标检索库；所述云平台系统还根据所述全局目标检索库进行全局交通参与者信息统计、全局交通流量分析与预测和全局交通路况信息。在一实施例中，云平台系统30向网联车辆系统10传输辅助驾驶信息，向路侧系统20传输任务指令。
请参考图2，在一实施例中，云平台系统30包括云端通信模块301、信息整合模块302、全局信息计算模块303和服务与监管模块304。
云端通信模块301与路侧通信模块之间混合使用无线通信技术和光纤通信技术进行通信，用于向车辆通信模块103传输辅助驾驶信息，向路侧通信模块205传输任务指令。
信息整合模块302用于汇总由云端通信模块获取的车辆自车状态信息和路侧目标感知信息，生成一个包含全局信息的全局目标检索库。
全局信息计算模块303用于通过所述全局目标检索库进行全局范围内的交通参与者统计，全局交通流量分析与预测，全局交通路况分析，生成辅助驾驶信息，通过服务与监管模块304生成全局管控信息、道路管理策略，向路侧系统下达任务指令，通过地图服务上传全局交通路况信息、异常交通流量信息和全局紧急事件信息。
本发明的核心之一在于根据获取的信息与通信信道状态选择信息传输方式，下面对网联车辆系统10如何选择信息传输方式进行说明。
请参考图2与图3，一实施例中，车辆信息价值计算模块102从车辆信息采集模块101获取车辆周围环境感知信息ev和自车状态信息vs，从车辆通信模块103获取车辆信道状态信息csv和通信网络状态信息crv，利用函数f(·)生成一个传输车辆感知数据d的数值pvt(d)，记公式为pvt(d)＝f(d|vs，csv，crv，ev)，利用该数值pvt(d)判断以何种数据形式传输车辆目标感知数据。车辆通信模块103从车辆价值计算模块获取数值pvt(d)，当pvt(d)的值大于设定的车辆阈值tv，占用额外通信资源传输附加数据，对于车路通信，智能网联车辆系统传输自车状态信息和详细车辆目标感知信息，对于车车通信，智能网联车辆系统传输自车状态信息和车辆目标感知信息概要；所述自车状态信息包括车辆位置、车辆大小、行驶速度和行驶方向；所述详细车辆目标感知信息包括目标感知信息的原始级数据和特征级数据中的一者；所述车辆目标感知信息概要包括目标的位置、运动方向、大小和种类中的一者或多者。当pvt(d)的值小于设定的车辆阈值tv时，占用基础通信资源，对于车路通信，智能网联车辆系统传输自车状态信息和车辆目标感知信息概要，对于车车通信，智能网联车辆系统传输自车状态信息。在一实施例中，车辆阈值tv由车辆通信模块103根据车辆信道状态信息csv和通信网络状态信息crv自适应生成。在一实施例中，车辆通信模块103定期对信道进行评估，根据信道的阶数、多普勒频移和多径时延等参数评估信道，判断信道是否稳定，信道越稳定，车辆阈值越小，根据实时的通信网络状态，主要监测传输时延和吞吐量两个网络性能指标，联合两个性能指标设置车辆阈值的大小，车辆阈值与传输时延呈正比关系，传输时延越大表示实时通信网络状态越差，因此车辆阈值越大，车辆阈值与吞吐量呈反比关系，吞吐量越大表示此时通信网络状态越好，因此车辆阈值越小。在一实施例中，可以预设一个表征信道状态稳定的多径时延阈值，当多径时延大于预设的多径时延阈值时认定当前信道状态不稳定，此时选择不进行通信。
在一实施例中，通过训练神经网络模型的方法来获得函数f(·)。在训练过程中神经网络的输入参数为车辆信道状态信息、通信网络状态信息、车辆周围环境感知信息和自车状态信息，输出参数为传输车辆感知数据数值，传输车辆感知数据数值的取值范围为[0，1]。一实施例中，车辆信道状态信息包括信道阶数和多径时延，通信网络状态信息包括传输时延和吞吐量，车辆周围环境感知信息包括车辆感知目标数量和车辆感知目标种类数量，自车状态信息包括自车行驶速度。
在一实施例中，根据车辆信道状态信息csv利用现有的信道评价方法评估信道是否稳定，稳定时信道状态值x1为1，不稳定时信道状态值x1为0.5。通信网络状态信息crv包括传输时延x2和吞吐量x3。车辆周围环境感知信息ev包括车辆感知目标数量x4和车辆感知目标种类数量x5。自车状态信息vs包括自车行驶速度x6。σ表示sigmoid函数。y为传输车辆感知数据数值，取值范围为[0，1]。α，β为线性条件约束参数。函数f(·)可表示如下式：
Figure BDA0003148213870000091
吞吐量x3值越大表示通信网络性能越好，传输时延x2值越大表示通信网络性能越差，因此信息价值(传输车辆感知数据数值)与吞吐量成正比，与传输时延成反比。车辆感知目标数量x4与车辆感知目标种类数量x5的比值越大表示当前车辆能感知越多的目标，从车辆角度表明当前行驶路段不拥堵，车与车之间的距离较大，车辆之间检测到冗余目标的概率较小，因此信息价值与车辆感知目标数量与车辆感知目标种类数量的比值成正比。自车行驶速度x6越大表示当前的交通通行效率越好，因此信息价值与自车行驶速度成正比。上述公式中表征的各参数关系与此一致。
本领域技术人员可以理解，上述实施例中给出的信息价值计算方法并非全部的信息价值计算方法，只是用于帮助理解本发明，并不用以限制本发明。
请参考图4和图5，在一实施例中，路侧系统20包括路侧信息价值计算模块204，目标关联匹配模块202从路侧通道模块205获取车辆目标感知信息，从路侧信息采集模块201获取路侧道路环境目标的图像信息和位置信息，对目标进行关联、匹配和融合，扩充路侧系统采集的目标信息，生成一个局部目标检索库。局部信息计算模块203根据局部目标检索库计算并输出一个路侧目标感知信息，路侧信息价值计算模块204用于根据所述路侧目标感知信息、路侧通信信道状态信息和通信网络状态信息，生成一个传输路侧感知数据数值。相应地，路侧通信模块205用于按照事件的优先级对传输数据进行排队，并根据传输路侧感知数据数值选择数据压缩的方法、压缩比、编码方式和路侧目标感知信息传输方式，还根据传输路侧感知数据数值对信道中的频谱资源进行分配；所述路侧通信模块205还向所述路侧信息价值计算模块发送所述路侧通信信道状态信息和通信网络状态信息。
在一实施例中，路侧信息价值计算模块204从局部信息计算模块203获取路侧目标感知信息ei，从路侧通信模块205获取路侧信道状态信息csi和通信网络状态信息cri，利用函数t(·)生成一个传输路侧感知数据a数值pit(a)，计算公式记为pit(a)＝t(a|csi，cri，ei)。根据此数值判断如何传输路侧目标感知数据。路侧通信模块205从路侧信息价值计算模块204获取数值pit(a)，当pit(a)大于设定的路侧阈值ti时，占用额外通信资源传输附加数据，对于车路通信，广播传输目标的位置、目标的大小、目标的种类、交通事故信息和安全预警，对于路云通信，路侧系统向云平台系统传输路侧目标感知信息的原始级数据或特征级数据中的一者。当pit(a)小于设定的路侧阈值ti时，占用基础通信资源，对于车路通信，单播或组播传输目标的位置、目标的大小、目标的种类和交通事故信息，对于路云通信，路侧系统向云平台系统传输路侧目标感知信息的概要信息；所述概要信息包括目标的位置、运动方向、大小、种类中的一者或多者。在一实施例中，路侧阈值ti由路侧通信模块205根据路侧信道状态信息csi和通信网络状态信息cri自适应生成。在一实施例中，路侧通信模块205定期对信道进行评估，根据信道的阶数、多普勒频移和多径时延等参数评估信道，判断信道是否稳定，信道越稳定，路侧阈值越小，根据实时的通信网络状态，主要监测传输时延和吞吐量两个网络性能指标，联合两个性能指标设置路侧阈值的大小，路侧阈值与传输时延呈正比关系，传输时延越大表示实时通信网络状态越差，因此路侧阈值越大，路侧阈值与吞吐量呈反比关系，吞吐量越大表示此时通信网络状态越好，因此路侧阈值越小。在一实施例中，可以预设一个表征信道状态稳定的多径时延阈值，当多径时延大于预设的多径时延阈值时认定当前信道状态不稳定，此时选择不进行通信。
本领域技术人员可以理解，本发明中信息价值计算模块的功能主要是评判一个目标的感知数据是否值得传输并且以什么形式、是否占用额外的通信资源传输目标感知数据。
对于车辆信息价值计算模块，根据单车感知的目标信息、实时车辆通信信道状态和通信网络状态，计算传输车辆感知数据数值，所述传输车辆感知数据数值用于表征感知目标传输的价值，例如，某一网联车辆感知到一交通事故信息，交通事故信息对于自动驾驶安全性影响较大，所以该感知信息的传输价值较大，计算出来的传输车辆感知数据数值也就较大。据此实现了在多车情况和通信压力大的情况下，减少冗余信息传输带来的额外开销，保证在网联车辆之间、网联车辆与路侧系统之间的信息能够得到有效的传输。在一实施例中，计算传输车侧感知数据数值时，需要获取车辆通信信道状态信息和通信网络状态信息，获取车辆对周围环境的目标感知信息，包括感知到的目标个数、目标种类和目标位置，获取车辆自身行驶状态，包括车辆位置，车辆大小，行驶速度和行驶方向，利用所述三个条件计算每个目标的传输车辆感知数据数值。
实施例二：
请参考图6，本发明一实施例中提供一种信息价值评估式网联车辆数据传输方法，包括步骤S100-S120，下面具体说明。
步骤S100：控制采集自车状态信息和车辆周围环境感知数据；所述车辆周围环境感知数据包括车辆目标感知信息。
步骤S110：根据自车状态信息、车辆周围环境感知信息、车辆通信信道状态信息和通信网络状态，生成一个传输车辆感知数据数值。
步骤S120：根据所述传输车辆感知数据数值选择数据压缩的方法、压缩比、编码方式和车辆目标感知信息与自车状态信息传输方式，还根据传输车辆感知数据数值对信道中的频谱资源进行分配。
请参考图7，在一实施例中，步骤S120包括根据所述传输车辆感知数据数值选择数据压缩的方法、压缩比、编码方式和车辆目标感知信息与自车状态信息传输方式的步骤S121-S127。
步骤S121：获取传输车辆感知数据数值。
步骤S123：判断传输车辆感知数据数值是否大于阈值。在一实施例中，所述阈值根据通信状态自适应生成，定期对信道进行评估，根据信道的阶数、多普勒频移和多径时延等参数评估信道，判断信道是否稳定，信道越稳定，车辆阈值越小，根据实时的通信网络状态，主要监测传输时延和吞吐量两个网络性能指标，联合两个性能指标设置车辆阈值的大小，车辆阈值与传输时延呈正比关系，传输时延越大表示实时通信网络状态越差，因此车辆阈值越大，车辆阈值与吞吐量呈反比关系，吞吐量越大表示此时通信网络状态越好，因此车辆阈值越小。在一实施例中，可以预设一个表征信道状态稳定的多径时延阈值，当多径时延大于预设的多径时延阈值时认定当前信道状态不稳定，此时选择不进行通信。
若步骤S123判断结果为是，执行步骤步骤S125：车路通信，传输自车状态信息和详细车辆目标感知信息；车车通信，智能网联车辆系统传输自车状态信息和车辆目标感知信息概要。在一实施例中，当所述传输车辆感知数据数值大于车辆阈值时，占用额外通信资源，对于车路通信，智能网联车辆系统传输自车状态信息和详细车辆目标感知信息，对于车车通信，智能网联车辆系统传输自车状态信息和车辆目标感知信息概要。
若步骤S123判断结果为否，执行步骤S127：车路通信，传输自车状态信息和车辆目标感知信息概要；车车通信，传输自车状态信息。在一实施例中，当所述传输车辆感知数据数值小于车辆阈值时，占用基础通信资源，对于车路通信，智能网联车辆系统传输自车状态信息和车辆目标感知信息概要，对于车车通信，智能网联车辆系统传输自车状态信息。
在一实施例中，所述自车状态信息包括车辆位置、车辆大小、行驶速度和行驶方向；所述详细车辆目标感知信息包括目标感知信息的原始级数据和特征级数据中的一者；所述车辆目标感知信息概要包括目标的位置、运动方向、大小和种类中的一者或多者。
请参考图8，在一实施例中，所述信息价值评估式网联车辆数据传输方法还包括辅助驾驶的步骤S130-S140。
步骤S130：获取辅助驾驶信息。
步骤S140：根据自车状态信息和辅助驾驶信息，执行所述车辆路径规划和行驶决策。在一实施例中，辅助驾驶信息包括安全预警、交通事故信息和服务类信息。在一实施例中，所述辅助驾驶信息由路侧系统传输到车辆通信模块，或者，由云平台系统传输到车辆通信模块。
本领域技术人员可以理解，上述实施方式中各种方法的全部或部分功能可以通过硬件的方式实现，也可以通过计算机程序的方式实现。当上述实施方式中全部或部分功能通过计算机程序的方式实现时，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：只读存储器、随机存储器、磁盘、光盘、硬盘等，通过计算机执行该程序以实现上述功能。例如，将程序存储在设备的存储器中，当通过处理器执行存储器中程序，即可实现上述全部或部分功能。另外，当上述实施方式中全部或部分功能通过计算机程序的方式实现时，该程序也可以存储在服务器、另一计算机、磁盘、光盘、闪存盘或移动硬盘等存储介质中，通过下载或复制保存到本地设备的存储器中，或对本地设备的系统进行版本更新，当通过处理器执行存储器中的程序时，即可实现上述实施方式中全部或部分功能。
以上应用了具体个例对本发明进行阐述，只是用于帮助理解本发明，并不用以限制本发明。对于本发明所属技术领域的技术人员，依据本发明的思想，还可以做出若干简单推演、变形或替换。

Claims (8)

1.信息价值评估式智能网联驾驶系统，其特征在于，包括：网联车辆系统、路侧系统和云平台系统；
所述网联车辆系统包括车辆信息采集模块、车辆信息价值模块、车辆通信模块和车辆驾驶决策计算模块；所述车辆信息采集模块用于采集自车状态信息和车辆周围环境感知数据；所述车辆周围环境感知数据包括车辆目标感知信息；所述车辆信息价值模块用于根据自车状态信息、车辆周围环境感知信息、车辆通信信道状态信息和通信网络状态信息，生成一个传输车辆感知数据数值；所述车辆通信模块用于按照事件的优先级对传输数据进行排队，并根据所述传输车辆感知数据数值选择数据压缩的方法、压缩比、编码方式和车辆目标感知信息与自车状态信息传输方式，还根据传输车辆感知数据数值对信道中的频谱资源进行分配，所述车辆通信模块还向所述车辆信息价值模块发送所述车辆通信信道状态信息和通信网络状态信息；所述车辆驾驶决策计算模块用于根据自车状态信息和从车侧通信模块获取的辅助驾驶信息，执行车辆路径规划和行驶决策；
所述路侧系统用于采集道路环境目标信息，进行目标匹配，执行云平台系统的任务指令生成辅助驾驶信息；
所述云平台系统用于接收汇总所述网联车辆系统传输的自车状态信息和所述路侧系统传输的路侧目标感知信息，生成一个包含全局信息的全局目标检索库；所述云平台系统还根据所述全局目标检索库进行全局交通参与者信息统计、全局交通流量分析与预测和全局交通路况信息。
2.信息价值评估式网联车辆系统，其特征在于，包括：
车辆信息采集模块，用于采集自车状态信息和车辆周围环境感知数据；所述车辆周围环境感知数据包括车辆目标感知信息；
车辆信息价值模块，用于根据自车状态信息、车辆周围环境感知信息、车辆通信信道状态信息和通信网络状态信息，生成一个传输车辆感知数据数值；
车辆通信模块，用于按照事件的优先级对传输数据进行排队，并根据所述传输车辆感知数据数值选择数据压缩的方法、压缩比、编码方式和车辆目标感知信息与自车状态信息传输方式，还根据传输车辆感知数据数值对信道中的频谱资源进行分配；所述车辆通信模块还向所述车辆信息价值模块发送所述车辆通信信道状态信息和通信网络状态信息，具体包括：当所述传输车辆感知数据数值大于车辆阈值时，占用额外通信资源，对于车路通信，智能网联车辆系统传输自车状态信息和详细车辆目标感知信息，对于车车通信，智能网联车辆系统传输自车状态信息和车辆目标感知信息概要；所述自车状态信息包括车辆位置、车辆大小、行驶速度和行驶方向；所述详细车辆目标感知信息包括目标感知信息的原始级数据和特征级数据中的一者；所述车辆目标感知信息概要包括目标的位置、运动方向、大小和种类中的一者或多者；当所述传输车辆感知数据数值小于或等于车辆阈值时，占用基础通信资源，对于车路通信，智能网联车辆系统传输自车状态信息和车辆目标感知信息概要，对于车车通信，智能网联车辆系统传输自车状态信息。
3.如权利要求2所述的信息价值评估式网联车辆系统，其特征在于，所述车辆阈值由车辆通信模块根据通信信道状态和通信网络状态自适应设置，具体包括：
定期对信道进行评估，根据信道的阶数、多普勒频移和多径时延评估信道，判断信道是否稳定，信道越稳定，所述车辆阈值越小；
监测传输时延、吞吐量两个网络性能指标，联合所述传输时延和吞吐量两个网络性能指标设置所述车辆阈值的大小；所述车辆阈值与传输时延呈正比关系，与吞吐量呈反比关系。
4.如权利要求2所述的信息价值评估式网联车辆系统，其特征在于，还包括：车辆驾驶决策计算模块；
所述车辆驾驶决策计算模块用于根据自车状态信息和从车侧通信模块获取的辅助驾驶信息，执行车辆路径规划和行驶决策；
所述辅助驾驶信息包括安全预警、交通事故信息和服务类信息，所述辅助驾驶信息由路侧系统传输到车辆通信模块，或者，由云平台系统传输到车辆通信模块。
5.信息价值评估式网联车辆数据传输方法，其特征在于，包括：
控制采集自车状态信息和车辆周围环境感知数据；所述车辆周围环境感知数据包括车辆目标感知信息；
根据自车状态信息、车辆周围环境感知信息、车辆通信信道状态信息和通信网络状态信息，生成一个传输车辆感知数据数值；
按照事件的优先级对传输数据进行排队，并根据所述传输车辆感知数据数值选择数据压缩的方法、压缩比、编码方式和车辆目标感知信息与自车状态信息传输方式，还根据传输车辆感知数据数值对信道中的频谱资源进行分配，具体包括：当所述传输车辆感知数据数值大于车辆阈值时，占用额外通信资源，对于车路通信，智能网联车辆系统传输自车状态信息和详细车辆目标感知信息，对于车车通信，智能网联车辆系统传输自车状态信息和车辆目标感知信息概要；所述自车状态信息包括车辆位置、车辆大小、行驶速度和行驶方向；所述详细车辆目标感知信息包括目标感知信息的原始级数据和特征级数据中的一者；所述车辆目标感知信息概要包括目标的位置、运动方向、大小和种类中的一者或多者；当所述传输车辆感知数据数值小于或等于车辆阈值时，占用基础通信资源，对于车路通信，智能网联车辆系统传输自车状态信息和车辆目标感知信息概要，对于车车通信，智能网联车辆系统传输自车状态信息。
6.如权利要求5所述的信息价值评估式网联车辆数据传输方法，其特征在于，所述车辆阈值由车辆通信模块根据通信信道状态和通信网络状态自适应设置，具体包括：
定期对信道进行评估，根据信道的阶数、多普勒频移和多径时延评估信道，判断信道是否稳定，信道越稳定，所述车辆阈值越小；
监测传输时延、吞吐量两个网络性能指标，联合所述传输时延和吞吐量两个网络性能指标设置所述车辆阈值的大小；所述车辆阈值与传输时延呈正比关系，与吞吐量呈反比关系。
7.如权利要求5所述的信息价值评估式网联车辆数据传输方法，其特征在于，还包括：
获取辅助驾驶信息；
根据自车状态信息和辅助驾驶信息，执行车辆路径规划和行驶决策；
所述辅助驾驶信息包括安全预警、交通事故信息和服务类信息，所述辅助驾驶信息由路侧系统传输到车辆通信模块，或者，由云平台系统传输到车辆通信模块。
8.一种计算机介质，其特征在于，所述介质上存储有程序，所述程序能够被处理器执行以实现如权利要求5-7中任一项所述的方法。
CN202110769952.XA 2021-07-05 2021-07-05 信息价值评估式驾驶系统、网联车辆系统和数据传输方法 Active CN113593221B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110769952.XA CN113593221B (zh) 2021-07-05 2021-07-05 信息价值评估式驾驶系统、网联车辆系统和数据传输方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110769952.XA CN113593221B (zh) 2021-07-05 2021-07-05 信息价值评估式驾驶系统、网联车辆系统和数据传输方法

Publications (2)

Publication Number Publication Date
CN113593221A CN113593221A (zh) 2021-11-02
CN113593221B true CN113593221B (zh) 2022-09-20

Family

ID=78246323

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110769952.XA Active CN113593221B (zh) 2021-07-05 2021-07-05 信息价值评估式驾驶系统、网联车辆系统和数据传输方法

Country Status (1)

Country Link
CN (1) CN113593221B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114884952A (zh) * 2022-05-25 2022-08-09 北京百度网讯科技有限公司 车辆监测中的采集数据处理、车辆监测控制方法及装置
CN117104161B (zh) * 2023-09-19 2024-04-16 深圳达普信科技有限公司 基于车辆传感器的智能座舱环境感知及控制方法及系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109714730A (zh) * 2019-02-01 2019-05-03 清华大学 用于车车及车路协同的云控平台系统及协同系统和方法
CN110493116A (zh) * 2018-05-14 2019-11-22 广州小鹏汽车科技有限公司 一种车联网数据传输方法及装置
CN110493747A (zh) * 2019-08-06 2019-11-22 中交信息技术国家工程实验室有限公司 一种车联网环境下基于协同通信的自适应传输机制
CN112466141A (zh) * 2020-11-12 2021-03-09 深圳慧拓无限科技有限公司 一种面向车路协同的智能网联路端设备交互方法、系统及存储介质
CN112514425A (zh) * 2020-03-06 2021-03-16 华为技术有限公司 数据传输方法、车端设备和网络侧设备
CN112616131A (zh) * 2020-12-11 2021-04-06 北京邮电大学 一种基于视频内容优先级的车联网资源分配方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130278441A1 (en) * 2012-04-24 2013-10-24 Zetta Research and Development, LLC - ForC Series Vehicle proxying
CN109118758B (zh) * 2018-07-24 2020-10-02 南京锦和佳鑫信息科技有限公司 一种面向移动共享的智能网联交通管理系统
CN110738851A (zh) * 2019-10-17 2020-01-31 中国公路工程咨询集团有限公司 一种车路协同数据资源管理系统和方法
CN112584353B (zh) * 2020-12-09 2022-07-15 重庆邮电大学 一种车载终端v2x消息过滤与转发系统

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110493116A (zh) * 2018-05-14 2019-11-22 广州小鹏汽车科技有限公司 一种车联网数据传输方法及装置
CN109714730A (zh) * 2019-02-01 2019-05-03 清华大学 用于车车及车路协同的云控平台系统及协同系统和方法
CN110493747A (zh) * 2019-08-06 2019-11-22 中交信息技术国家工程实验室有限公司 一种车联网环境下基于协同通信的自适应传输机制
CN112514425A (zh) * 2020-03-06 2021-03-16 华为技术有限公司 数据传输方法、车端设备和网络侧设备
CN112466141A (zh) * 2020-11-12 2021-03-09 深圳慧拓无限科技有限公司 一种面向车路协同的智能网联路端设备交互方法、系统及存储介质
CN112616131A (zh) * 2020-12-11 2021-04-06 北京邮电大学 一种基于视频内容优先级的车联网资源分配方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
基于云重心理论的信息价值测评研究;赵峰;《统计与信息论坛》;20100810;全文 *
渗透测试的车联网通信安全与防范措施研究;王龙村;《中国信息化》;20191120;全文 *

Also Published As

Publication number Publication date
CN113593221A (zh) 2021-11-02

Similar Documents

Publication Publication Date Title
Aoki et al. Cooperative perception with deep reinforcement learning for connected vehicles
CN113596102B (zh) 车路协同式交通系统、路侧系统和数据处理方法
US11521496B2 (en) Lane-borrowing vehicle driving method and control center
CN111123933B (zh) 车辆轨迹规划的方法、装置、智能驾驶域控制器和智能车
CN110488802B (zh) 一种网联环境下的自动驾驶车辆动态行为决策方法
CN110562258B (zh) 一种车辆自动换道决策的方法、车载设备和存储介质
US11597395B2 (en) Systems and methods to manage vehicles under anomalous driving behavior
US20240071221A1 (en) Systems and methods for implementing multimodal safety operations with an autonomous agent
CN112106124A (zh) 用于使用v2x和传感器数据的系统和方法
CN113593221B (zh) 信息价值评估式驾驶系统、网联车辆系统和数据传输方法
WO2021128278A1 (en) Driving safety systems
CN114758502B (zh) 双车联合轨迹预测方法及装置、电子设备和自动驾驶车辆
US11691634B1 (en) On-vehicle driving behavior modelling
DE102021132722A1 (de) Auswählen von testszenarien zum bewerten der leistung autonomer fahrzeuge
US20230415762A1 (en) Peer-to-peer occupancy estimation
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
CN115158319A (zh) 车辆变道方法、装置、电子设备和存储介质
Younes Real-time traffic distribution prediction protocol (TDPP) for vehicular networks
Formosa et al. A new modeling approach for predicting vehicle-based safety threats
CN112349100B (zh) 一种基于网联环境的多视角行车风险评估方法及装置
Fu et al. A novel warning/avoidance algorithm for intersection collision based on Dynamic Bayesian Networks
CN115063995A (zh) 一种快速路突发瓶颈区网联自动车控制方法及装置
Ucar et al. Chain of Interdependent Vehicular Micro Clouds
Belmekki Multi-level risk and collective perception for high quality of service automated mobility in a highly dynamic V2X connected environment
Lu et al. An anti-collision algorithm for self-organizing vehicular ad-hoc network using deep learning

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