CN113895442B - 一种基于路侧与车端协同感知的车辆行驶决策方法及系统 - Google Patents
一种基于路侧与车端协同感知的车辆行驶决策方法及系统 Download PDFInfo
- Publication number
- CN113895442B CN113895442B CN202111184206.0A CN202111184206A CN113895442B CN 113895442 B CN113895442 B CN 113895442B CN 202111184206 A CN202111184206 A CN 202111184206A CN 113895442 B CN113895442 B CN 113895442B
- Authority
- CN
- China
- Prior art keywords
- event
- vehicle
- data
- road
- decision
- 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
Classifications
-
- 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
-
- 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
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
-
- 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
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W2050/0001—Details of the control system
- B60W2050/0043—Signal treatments, identification of variables or parameters, parameter estimation or state estimation
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Abstract
本发明公开了一种基于路侧与车端协同感知的车辆行驶决策方法及系统,包括获取任一事件的感知数据,基于感知数据的来源判断事件属于车端事件、路侧事件还是交集事件;若判定为车端事件,则车端以事件的车端感知数据作为驾驶决策的依据;若判定为路侧事件,则将事件的路侧感知数据发送至车端,车端以接收到的路侧感知数据作为驾驶决策的依据;若判定为交集事件,则进一步判断事件的车端感知与路侧感知之间的误差是否大于误差阈值,若大于误差阈值,则选择高置信度对应的感知数据作为决策的依据;若小于或等于误差阈值,则以车端感知数据或路侧感知数据作为车端决策的依据;该方法解决了当车端感知与路侧感知不一致时,车端如何做出决策的问题。
Description
技术领域
本发明涉及自动驾驶技术领域,具体涉及一种基于路侧与车端协同感知的车辆行驶决策方法及系统。
背景技术
车路协同是采用先进的无线通信和新一代互联网等技术,全方位实施车车、车路动态实时信息交互,并在全时空动态交通信息采集与融合的基础上开展车辆主动安全控制和道路协同管理,充分实现人车路的有效协同,保证交通安全,提高通行效率,从而形成的安全、高效和环保的道路交通系统;随着车辆智能化水平的提高,车端感知设备随之增多,如人工驾驶模式下,车辆可通过摄像头检测车道线,实现车道偏离预警功能,又如人工驾驶模式下,车辆可通过毫米波雷达,检测本车与前车车距及相对速度,实现碰撞预警功能;在自动驾驶模式下,车端传感器的数量及功能则更为丰富。
在车辆智能化与道路智能化发展的过程中,如何对车端感知数据及路侧感知数据进行划分,并在车辆行驶过程中,当车端感知设备感知的数据与路侧感知设备感知的数据存在差异时,到底该信任哪一个数据,如,车端传感器感知本车与前车距离10米,但路侧感知设备感知本车与前车距离15米,哪组数据才是最值得信任的数据,这是目前车路协同急需解决的问题。
发明内容
针对上述问题,本发明的一个目的是提供一种基于路侧与车端协同感知的车辆行驶决策方法,该方法将感知事件划分为车端事件、路侧事件和交集事件,并建立各自的事件库;在交集事件中,建立各类事件对车端数据及路侧数据的信任程度,并通过记录事件、储存数据和后台优化学习的方式,完善交集事件中各类事件对车端数据及路侧数据的信任程度;无论是人工驾驶模式还是自动驾驶模式,该方法有效解决了当车端感知数据与路侧感知数据不一致时,车端该依据哪组数据做出决策的置信度问题。
本发明的第二个目的是提供一种基于路侧与车端协同感知的车辆行驶决策系统。
本发明所采用的第一个技术方案是:一种基于路侧与车端协同感知的车辆行驶决策方法,包括:
获取任一事件的感知数据,基于所述感知数据的来源判断所述事件属于车端事件、路侧事件还是交集事件;
若判定所述事件为车端事件,则车辆以所述事件的车端感知数据作为驾驶决策的依据;
若判定所述事件为路侧事件,则将所述事件的路侧感知数据发送至车端,则车辆以接收到的所述路侧感知数据作为驾驶决策的依据;
若判定所述事件为交集事件,则进一步判断所述事件的车端感知数据与路侧感知数据之间的误差是否大于误差阈值:
若所述误差大于误差阈值,则进一步判断所述事件车端感知数据的置信度是否大于路侧感知数据的置信度:若所述车端感知数据的置信度大于所述路侧感知数据的置信度,则以车端感知数据作为车辆决策的依据;若所述车端感知数据的置信度小于所述路侧感知数据的置信度,则以路侧感知数据作为车辆决策的依据;
若所述误差小于或等于误差阈值,则以车端感知数据或路侧感知数据作为车辆决策的依据。
优选地,所述车端事件的判定包括:
当任一事件的感知数据来源于车端传感器的检测,且该事件并未被路侧传感器检测到,则将所述事件判定为车端事件。
优选地,所述车端事件的判定包括:
当任一事件的感知数据来源于车端传感器的检测,且路侧传感器对所述事件也进行了检测但并未将路侧传感器检测的数据发送至车端,则将所述事件判定为车端事件。
优选地,所述路侧事件的判定包括:
当任一事件的感知数据来源于路侧传感器的检测,且该事件并未被车端传感器检测到,则将所述事件判定为路侧事件。
优选地,所述交集事件的判定包括:
当任一事件的感知数据同时来源于车端传感器的检测和路侧传感器的检测,且车端将路侧传感器检测的数据或车端传感器检测到的数据作为驾驶决策的依据,则将所述事件判定为交集事件。
优选地,所述误差阈值采用碰撞时间的方法设置为两车相对距离与两车相对速度的比值。
优选地,基于所述事件被车端传感器检测到的次数以及车辆以车端检测数据为依据进行行驶决策时的成功次数来设定所述事件中车端感知数据的置信度。
优选地,基于所述事件被路侧检测到并发送给车端的次数以及车辆以路侧检测数据为依据进行行驶决策时的成功次数来设定所述事件中路侧感知数据的置信度。
优选地,还包括基于车辆行驶过程中收集的数据更新各类交集事件的误差阈值和置信度。
本发明所采用的第二个技术方案是:一种基于路侧与车端协同感知的车辆行驶决策系统,包括判断模块、车端事件决策模块、路侧事件决策模块和交集事件决策模块;
所述判断模块用于获取任一事件的感知数据,基于所述感知数据的来源判断所述事件属于车端事件、路侧事件还是交集事件;
所述车端事件决策模块用于当判定所述事件为车端事件时,车辆以所述事件的车端感知数据作为驾驶决策的依据;
所述路侧事件决策模块用于当判定所述事件为路侧事件时,将所述事件的路侧感知数据发送至车端,则车辆以接收到的所述路侧感知数据作为驾驶决策的依据;
所述交集事件决策模块用于当判定所述事件为交集事件时,进一步判断所述事件的车端感知数据与路侧感知数据之间的误差是否大于误差阈值:
若所述误差大于误差阈值,则进一步判断所述事件车端感知数据的置信度是否大于路侧感知数据的置信度:若所述车端感知数据的置信度大于所述路侧感知数据的置信度,则以车端感知数据作为车辆决策的依据;若所述车端感知数据的置信度小于所述路侧感知数据的置信度,则以路侧感知数据作为车辆决策的依据;
若所述误差小于或等于误差阈值,则以车端感知数据或路侧感知数据作为车辆决策的依据。
上述技术方案的有益效果:
(1)本发明公开的一种基于路侧与车端协同感知的车辆行驶决策方法,该方法有效解决了当车端感知数据与路侧感知数据不一致时,该信任哪组数据的置信度问题。
(2)本发明中对车端感知、路侧感知数据进行了事件划分,分为车端事件、路侧事件和交集事件;本发明中的交集事件是对车端感知与路侧感知算法的检验,本应当车端与路侧均检测到的事件,只有一方检测到时,通过后台学习优化,优化路侧及车端感知算法。
(3)本发明对交集事件各类事件进行误差阈值划分,设定了车端与路侧误差超过阈值时,车辆对各数据的信任程度,并可在后续运行过程中不断优化各类事件对数据的信任度。
附图说明
图1为本发明一个实施例提供的一种基于路侧与车端协同感知的车辆行驶决策方法的流程图;
图2为本发明一个实施例提供的路侧与车端协同感知的示意图;
图3为本发明一个实施例提供的路侧与车端协同感知的工作原理图;
图4为本发明一个实施例提供的车端感知信息及路侧感知事件划分示意图;
图5为本发明一个实施例提供的车辆行驶过程应用步骤的流程图;
图6为本发明一个实施例提供的一种基于路侧与车端协同感知的车辆行驶决策系统的结构示意图。
具体实施方式
下面结合附图和实施例对本发明的实施方式作进一步详细描述。以下实施例的详细描述和附图用于示例性地说明本发明的原理,但不能用来限制本发明的范围,即本发明不限于所描述的优选实施例,本发明的范围由权利要求书限定。
在本发明的描述中,需要说明的是,除非另有说明,“多个”的含义是两个或两个以上;术语“第一”“第二”等仅用于描述目的,而不能理解为指示或暗示相对重要性;对于本领域的普通技术人员而言,可视具体情况理解上述术语在本发明中的具体含义。
实施例1
如图1所示,本实施例公开了一种基于路侧与车端协同感知的车辆行驶决策方法,包括以下步骤:
S100:获取任一事件的感知数据,基于感知数据的来源判断该事件属于车端事件、路侧事件还是交集事件;若判定该事件为车端事件,则执行步骤S200;若判定该事件为路侧事件,则执行步骤S300;若判定该事件为交集事件,则执行步骤S400;
如图2和图3所示,路侧与车端协同感知时,系统包括车辆1、路侧设备2、路侧系统平台3和车辆管理平台4;其中,车辆1为人工驾驶车辆或自动驾驶车辆,车辆1包括车端感知设备(车端传感器)101、车端计算及存储单元102和车载通信单元103,车端感知设备101例如为摄像头、毫米波雷达、超声波雷达、激光雷达等单个设备或组合(但并不限于此),车端计算及存储单元102用于计算及储存数据,车载通信单元103用于向路侧或平台发送、接收数据;路侧设备2包括路侧传感器201、计算及存储单元202和路侧通信单元203,路侧传感器201例如为摄像头、毫米波雷达、超声波雷达、激光雷达等单个设备或组合(但并不限于此),计算及存储单元202用于计算及储存数据,路侧通信单元203用于与车辆或平台进行数据传输;路侧系统平台3包括通信单元301、储存单元302和计算单元303,通信单元301用于接收、发送系统数据,储存单元302用于储存数据及事件,计算单元303用于算法及数据运算;车辆管理平台4包括通信单元401、储存单元402和计算单元403,通信单元401用于接收、发送系统数据,储存单元402用于储存数据及事件,计算单元403用于算法及数据运算。
如图4所示,基于任一事件感知数据的来源(车端感知的信息或/和路侧感知的信息)将该事件进行了梳理与事件划分,划分为车端事件、路侧事件和交集事件;
当任一事件的感知数据来源于车端传感器的检测,并且该事件并未被路侧传感器检测到,则将该事件判定为车端事件,即车端事件是由车端传感器对外部环境(事件)进行检测、计算获得,而路侧传感器(路侧设备)不对该环境(事件)进行检测、计算,则该事件被判定为车端事件;若判定为车端事件,则只相信车端传感器检测的数据;
当任一事件的感知数据来源于路侧传感器的检测,即由路侧传感器(路侧设备)对环境(事件)进行检测、计算获得的数据,并将由路侧传感器检测的数据发送给车端(车辆),车端传感器一般检测不到该事件(环境状态)的数据,则将该事件判定为路侧事件;若判定为路侧事件,则只相信路侧传感器检测的数据;
当任一事件的感知数据同时来源于车端传感器的检测和路侧传感器的检测,即当车端传感器和路侧传感器同时检测到该事件(某一环境状态)的数据,且车端将路侧传感器检测的数据(路侧感知数据)或车端传感器检测到的数据(车端感知数据)作为驾驶决策的依据,则将该事件判定为交集事件;若车端(车辆)不将接收到的路侧感知数据作为驾驶决策的依据,则将该事件判定为车端事件。
进一步的,在一个实施例中,当任一事件的感知数据来源于车端传感器的检测,并且路侧传感器对该事件也进行了检测但并未将路侧传感器检测的数据发送至车端,则将该事件判定为车端事件,即路侧传感器对该环境(事件)进行检测、计算但不发送给车辆则判定为车端事件。
车端事件来源于车端传感器,路侧事件来源于路侧传感器,当车端接收到路侧发送来的事件信息,则表明接收到了路侧事件,属于路侧事件或交集事件;当路侧感知到事件,但没有发送给车端或车端未接收到路侧事件,不属于路侧事件,依据车端感知决策,并将事件作为车端事件进行记录;
基于车端事件、路侧事件和交集事件分别构建车端事件数据库、路侧事件数据库和交集事件数据库;例如车端事件数据库包括车辆距左右车道线距离等;路侧事件数据库包括前方1km路面有抛洒物、前方5km大雾、匝道有车辆汇入、鬼探头等;交集事件数据库包括车辆距前车车距、临近车辆未来行驶轨迹等(但并不限于此);车端事件数据库、路侧事件数据库和交集事件数据库中的各车端事件、路侧事件以及交集事件不是固定的,而是随着时间变化的,例如车辆前方1km施工,这时候路侧感知到了并发送给了车辆,但车端无法感知道(车辆感知范围一般在250-300m),这时候事件为路侧事件;当车辆距离施工200m,路侧感知到的同时,车辆也感知到了,这个事件则变为了交集事件。
对交集事件数据库中的各类交集事件进行误差阈值划分;设定各类交集事件中车端与路侧误差超过阈值时,车辆对各数据的信任程度(置信度)。
本发明中对车端感知、路侧感知数据进行了事件划分,分为车端事件、路侧事件和交集事件,有效解决了当车端感知数据与路侧感知数据不一致时,该信任哪组数据的置信度问题。
S200:当判定该事件为车端事件时,车辆以车端传感器检测的该事件数据(车端感知数据)作为驾驶决策的依据,该车端传感器检测的数据(事件数据)将被车辆的存储单元(102)记录,如果路侧系统平台(3)需要该事件数据进行分析,则将该事件数据发送给路侧系统平台(3);
S300:当判定该事件为路侧事件时,将路侧传感器检测的事件数据(路侧感知数据)发送至车端,车辆以接收到路侧传感器检测的事件数据(路侧感知数据)作为驾驶决策的依据;车辆1中的车端计算及存储单元102将接收到的上述路侧事件及路侧感知数据进行记录、存储;
S400:当判定该事件为交集事件时,则进一步判断该事件的车端感知数据(车端传感器检测的该事件数据)与路侧感知数据(路侧传感器检测的该事件数据)之间的误差是否大于误差阈值,若大于误差阈值,表明车端感知与路侧感知差别较大,则进一步判断该事件车端感知数据的置信度是否大于路侧感知数据的置信度,若车端感知数据的置信度大于路侧感知数据的置信度,则以车端感知数据作为车端决策的依据,若车端感知数据的置信度小于路侧感知数据的置信度,则以路侧感知数据作为车端决策的依据;若车端感知数据的置信度等于路侧感知数据的置信度,则以车端感知数据或路侧感知数据作为车端决策的依据,优先依托车端感知进行决策(基于置信度在车端感知数据与路侧感知数据中选择高置信度对应的感知数据作为决策的依据);若小于或等于误差阈值,表明车端感知与路侧感知差别不大,则以车端感知数据或路侧感知数据作为决策的依据;车辆1中的车端计算及存储单元102将接收到的上述交集事件、路侧感知数据及车端感知数据进行记录、存储。
各类事件的误差阈值不同,同一事件的误差阈值也不是固定值,会进行动态调整;误差阈值根据一定的公式方法来进行设计,例如误差阈值采用TTC(碰撞时间)的方法进行设置,TTC计算公式为两车相对距离(当前车的车头到前车车尾或当前车的车头到障碍物最近的边缘)/两车相对速度;
误差阈值会一直进行动态调整、更新,例如随着两车相对速度或/和两车相对距离的改变,误差阈值也会不断变化,当两车相距100m,两车相对速度为5m/s,TTC=20s,此时将阈值设定为5m,表示车端检测与路端检测的允许误差范围在5m内,因为有20秒的时间,5m的误差不会影响安全;当两车相距100m,两车相对速度为20m/s,TTC=5s,此时若还将阈值设定为5m,则会对安全造成影响,为了保证安全,这时候阈值可能需设定为10cm。
根据任一事件被车端传感器检测到的次数以及车辆以车端检测数据为依据进行行驶决策时的成功次数来设定该事件中车端感知数据的置信度(信任程度);根据该事件被路侧检测到并发送给车端的次数以及车辆以路侧检测数据为依据进行行驶决策时的成功次数来设定该事件中路侧感知数据的置信度;例如某类事件被车端传感器检测到1w次,车辆以车端检测的数据为依据进行行驶决策,成功了9900次,失败了10次,那该事件的车端感知数据的置信度为99%;该类事件被路侧传感器检测并发送给车辆1000次,车辆以该路侧检测的数据为依据进行行驶决策,成功900次,失败100次,那该事件的路端感知数据的置信度为90%;此处的失败并不是指发生了碰撞,而是没有达到行驶要求的值,例如车辆在车道线中央行驶,要求车辆偏离车道线中线不能超过20cm,如果超过便定为失败,没超过定为成功,这里的失败,车辆可能还在车道线内,并没有出车道线,也没有碰撞。
进一步的,在一个实施例中,通过车辆行驶过程中不断收集的数据及事件,不断优化、调整车端事件、路侧事件和交集事件的数据库;并对交集事件数据库中各类事件的误差阈值及置信度进行调整、更新;对各类交集事件,车端与路侧误差超过阈值时,车辆对各数据的信任度进行调整。
本发明通过在交集事件中建立各类事件对车端数据及路侧数据的信任程度,并通过记录事件、储存数据和后台优化学习的方式,不断完善、更新交集事件中各类事件对车端数据及路侧数据的信任程度;无论是人工驾驶模式还是自动驾驶模式,该方法有效解决了当车端感知数据与路侧感知数据不一致时,车端该依据哪组数据做出决策的置信度问题。
如图5所示,车辆行驶过程应用步骤为:
步骤1:车辆启动,时间t=0;
步骤2:车辆的车端传感器101感知周围环境状态,同时车辆的车载通信单元103接收路侧感知设备发来的感知事件(路侧感知数据);
步骤3:车辆判断是否接收到的路侧感知事件,若是,则执行步骤5,若否,则执行步骤4;
步骤4:判断车端传感器101是否检测到车端感知事件(车端感知数据),若是,则判定为车端事件,将该车端感知数据作为驾驶决策的依据,该车端感知数据(事件信息)将被车辆的车端计算及存储单元102记录,如果路侧系统平台3需要该车端感知数据进行分析,则将车端感知数据从车端上传给路侧系统平台,并执行步骤7;若车端传感器101未检测到车端感知数据,则执行步骤7;
步骤5:进一步判断车辆的车端传感器101是否检测到相同事件(车端感知数据),若是,则判定为交集事件,执行步骤6,若否,则判定为路侧事件,依托路侧感知(路侧感知数据)进行决策,车端记录该事件,将记录事件上传到车辆1中的车端计算及存储单元102进行存储,对感知算法、数据进行处理、优化,执行步骤7;
步骤6:进一步判断车端感知的数据与路侧感知的数据是否超出误差阈值,若是,则选择高置信度对应的感知数据作为决策的依据;车端记录此次事件信息,同时将记录的事件上传至车辆1中的车端计算及存储单元102进行存储,对感知算法、数据进行处理优化,进而更新误差阈值,执行步骤7;若否,则以车端感知数据或路侧感知数据作为车端决策的依据,执行步骤7;
步骤7:t=t+1,重复步骤2。
实施例2
如图6所示,本实施例公开了一种基于路侧与车端协同感知的车辆行驶决策系统,包括判断模块、车端事件决策模块、路侧事件决策模块和交集事件决策模块;
判断模块用于获取任一事件的感知数据,基于感知数据的来源判断所述事件属于车端事件、路侧事件还是交集事件;
车端事件决策模块用于当判定事件为车端事件时,车辆以事件的车端感知数据作为驾驶决策的依据;
路侧事件决策模块用于当判定事件为路侧事件时,将事件的路侧感知数据发送至车端,则车辆以接收到的路侧感知数据作为驾驶决策的依据;
交集事件决策模块用于当判定事件为交集事件时,进一步判断事件的车端感知数据与路侧感知数据之间的误差是否大于误差阈值:
若误差大于误差阈值,则进一步判断事件车端感知数据的置信度是否大于路侧感知数据的置信度:若车端感知数据的置信度大于路侧感知数据的置信度,则以车端感知数据作为车辆决策的依据;若车端感知数据的置信度小于路侧感知数据的置信度,则以路侧感知数据作为车辆决策的依据;
若误差小于或等于误差阈值,则以车端感知数据或路侧感知数据作为车辆决策的依据。
进一步的,在一个实施例中,基于路侧与车端协同感知的车辆行驶决策系统还包括更新模块,更新模块用于基于车辆行驶过程中收集的数据更新各类交集事件的误差阈值和置信度。
虽然已经参考优选实施例对本发明进行了描述,但在不脱离本发明范围的情况下,可以对其进行各种改进并且可以用等效物替换其中的部件。尤其是,只要不存在结构冲突,各个实施例中所提到的各项技术特征均可以任意方式组合起来。本发明并不局限于文中公开的特定实施例,而是包括落入权利要求范围内的所有技术方案。本发明未详细阐述部分属于本领域技术人员的公知技术。
Claims (6)
1.一种基于路侧与车端协同感知的车辆行驶决策方法,其特征在于,包括:
获取任一事件的感知数据,基于所述感知数据的来源判断所述事件属于车端事件、路侧事件还是交集事件;
若判定所述事件为车端事件,则车辆以所述事件的车端感知数据作为驾驶决策的依据;
若判定所述事件为路侧事件,则将所述事件的路侧感知数据发送至车端,则车辆以接收到的所述路侧感知数据作为驾驶决策的依据;
若判定所述事件为交集事件,则进一步判断所述事件的车端感知数据与路侧感知数据之间的误差是否大于误差阈值:
若所述误差大于误差阈值,则进一步判断所述事件车端感知数据的置信度是否大于路侧感知数据的置信度:若所述车端感知数据的置信度大于所述路侧感知数据的置信度,则以车端感知数据作为车辆决策的依据;若所述车端感知数据的置信度小于所述路侧感知数据的置信度,则以路侧感知数据作为车辆决策的依据;
若所述误差小于或等于误差阈值,则以车端感知数据或路侧感知数据作为车辆决策的依据;
其中,所述车端事件的判定包括:
当任一事件的感知数据来源于车端传感器的检测,且该事件并未被路侧传感器检测到,则将所述事件判定为车端事件;当任一事件的感知数据来源于车端传感器的检测,且路侧传感器对所述事件也进行了检测但并未将路侧传感器检测的数据发送至车端,则将所述事件判定为车端事件;
所述路侧事件的判定包括:
当任一事件的感知数据来源于路侧传感器的检测,且该事件并未被车端传感器检测到,则将所述事件判定为路侧事件;
所述交集事件的判定包括:
当任一事件的感知数据同时来源于车端传感器的检测和路侧传感器的检测,且车端将路侧传感器检测的数据或车端传感器检测到的数据作为驾驶决策的依据,则将所述事件判定为交集事件。
2.根据权利要求1所述的车辆行驶决策方法,其特征在于,所述误差阈值采用碰撞时间的方法设置为两车相对距离与两车相对速度的比值。
3.根据权利要求1所述的车辆行驶决策方法,其特征在于,
基于所述事件被车端传感器检测到的次数以及车辆以车端检测数据为依据进行行驶决策时的成功次数来设定所述事件中车端感知数据的置信度。
4.根据权利要求1所述的车辆行驶决策方法,其特征在于,
基于所述事件被路侧检测到并发送给车端的次数以及车辆以路侧检测数据为依据进行行驶决策时的成功次数来设定所述事件中路侧感知数据的置信度。
5.根据权利要求1所述的车辆行驶决策方法,其特征在于,还包括基于车辆行驶过程中收集的数据更新各类交集事件的误差阈值和置信度。
6.一种基于路侧与车端协同感知的车辆行驶决策系统,其特征在于,包括判断模块、车端事件决策模块、路侧事件决策模块和交集事件决策模块;
所述判断模块用于获取任一事件的感知数据,基于所述感知数据的来源判断所述事件属于车端事件、路侧事件还是交集事件;
所述车端事件决策模块用于当判定所述事件为车端事件时,车辆以所述事件的车端感知数据作为驾驶决策的依据;
所述路侧事件决策模块用于当判定所述事件为路侧事件时,将所述事件的路侧感知数据发送至车端,则车辆以接收到的所述路侧感知数据作为驾驶决策的依据;
所述交集事件决策模块用于当判定所述事件为交集事件时,进一步判断所述事件的车端感知数据与路侧感知数据之间的误差是否大于误差阈值:
若所述误差大于误差阈值,则进一步判断所述事件车端感知数据的置信度是否大于路侧感知数据的置信度:若所述车端感知数据的置信度大于所述路侧感知数据的置信度,则以车端感知数据作为车辆决策的依据;若所述车端感知数据的置信度小于所述路侧感知数据的置信度,则以路侧感知数据作为车辆决策的依据;
若所述误差小于或等于误差阈值,则以车端感知数据或路侧感知数据作为车辆决策的依据;
其中,所述车端事件的判定包括:
当任一事件的感知数据来源于车端传感器的检测,且该事件并未被路侧传感器检测到,则将所述事件判定为车端事件;当任一事件的感知数据来源于车端传感器的检测,且路侧传感器对所述事件也进行了检测但并未将路侧传感器检测的数据发送至车端,则将所述事件判定为车端事件;
所述路侧事件的判定包括:
当任一事件的感知数据来源于路侧传感器的检测,且该事件并未被车端传感器检测到,则将所述事件判定为路侧事件;
所述交集事件的判定包括:
当任一事件的感知数据同时来源于车端传感器的检测和路侧传感器的检测,且车端将路侧传感器检测的数据或车端传感器检测到的数据作为驾驶决策的依据,则将所述事件判定为交集事件。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111184206.0A CN113895442B (zh) | 2021-10-11 | 2021-10-11 | 一种基于路侧与车端协同感知的车辆行驶决策方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111184206.0A CN113895442B (zh) | 2021-10-11 | 2021-10-11 | 一种基于路侧与车端协同感知的车辆行驶决策方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113895442A CN113895442A (zh) | 2022-01-07 |
CN113895442B true CN113895442B (zh) | 2023-08-01 |
Family
ID=79191385
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111184206.0A Active CN113895442B (zh) | 2021-10-11 | 2021-10-11 | 一种基于路侧与车端协同感知的车辆行驶决策方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113895442B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114530041B (zh) * | 2022-02-16 | 2023-05-02 | 交通运输部公路科学研究所 | 一种基于准确率的车路协同融合感知新方法 |
CN115273473A (zh) * | 2022-07-29 | 2022-11-01 | 阿波罗智联(北京)科技有限公司 | 路侧设备感知信息的处理方法、装置及自动驾驶车辆 |
CN115862188A (zh) * | 2022-12-01 | 2023-03-28 | 西部科学城智能网联汽车创新中心(重庆)有限公司 | 一种基于云端感知异常驾驶的方法及装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2019079454A (ja) * | 2017-10-27 | 2019-05-23 | 住友電気工業株式会社 | 車両制御システム、機能通知装置、機能通知方法およびコンピュータプログラム |
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 |
WO2021184841A1 (zh) * | 2020-03-19 | 2021-09-23 | 中移(上海)信息通信科技有限公司 | 车联网方法、装置、设备、存储介质及系统 |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3941312B2 (ja) * | 1999-12-24 | 2007-07-04 | 株式会社日立製作所 | 道路交通システム及びその情報処理方法 |
WO2004065163A2 (en) * | 2003-01-23 | 2004-08-05 | Siemens Vdo Automotive Corporation | Vehicle passenger restraint system with distributed sensors |
CN110874945A (zh) * | 2018-08-31 | 2020-03-10 | 百度在线网络技术(北京)有限公司 | 基于车路协同的路侧感知系统及其车辆控制方法 |
CN111768642A (zh) * | 2019-04-02 | 2020-10-13 | 上海图森未来人工智能科技有限公司 | 车辆的道路环境感知和车辆控制方法、系统、设备及车辆 |
CN110211372A (zh) * | 2019-04-18 | 2019-09-06 | 深圳中集智能科技有限公司 | 车路协同集成感知控制系统及方法 |
CN111127931B (zh) * | 2019-12-24 | 2021-06-11 | 国汽(北京)智能网联汽车研究院有限公司 | 一种智能网联汽车的车路云协同方法、装置及系统 |
CN111586143B (zh) * | 2020-04-30 | 2023-09-29 | 腾讯科技(深圳)有限公司 | 从服务器请求数据的方法、车路协同设备、装置和介质 |
CN111524357B (zh) * | 2020-05-19 | 2022-01-07 | 河北德冠隆电子科技有限公司 | 用于车辆安全行驶所需的多数据融合的方法 |
CN111984015B (zh) * | 2020-08-26 | 2022-09-09 | 扬州大学 | 一种基于混合增强智能的自动驾驶车辆实现方法 |
CN112562314B (zh) * | 2020-11-02 | 2022-06-24 | 福瑞泰克智能系统有限公司 | 基于深度融合的路端感知方法、装置、路端设备和系统 |
CN112950678A (zh) * | 2021-03-25 | 2021-06-11 | 上海智能新能源汽车科创功能平台有限公司 | 一种基于车路协同的超视距融合感知系统 |
CN113259905A (zh) * | 2021-06-07 | 2021-08-13 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种自适应运行的车路协同方法、装置及系统 |
-
2021
- 2021-10-11 CN CN202111184206.0A patent/CN113895442B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2019079454A (ja) * | 2017-10-27 | 2019-05-23 | 住友電気工業株式会社 | 車両制御システム、機能通知装置、機能通知方法およびコンピュータプログラム |
WO2021184841A1 (zh) * | 2020-03-19 | 2021-09-23 | 中移(上海)信息通信科技有限公司 | 车联网方法、装置、设备、存储介质及系统 |
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 |
Also Published As
Publication number | Publication date |
---|---|
CN113895442A (zh) | 2022-01-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113895442B (zh) | 一种基于路侧与车端协同感知的车辆行驶决策方法及系统 | |
US10838423B2 (en) | Intelligent vehicle navigation systems, methods, and control logic for deriving road segment speed limits | |
US11151867B2 (en) | Traffic condition system for internet of vehicles based on image recognition | |
JP7152395B2 (ja) | 車両隊列のためのギャップ測定 | |
CN111524362B (zh) | 基于多数据融合的车辆安全行驶保障系统与方法 | |
CN106379319B (zh) | 一种汽车辅助驾驶系统及控制方法 | |
EP3547215A1 (en) | Systems and methods for automatically training neural networks | |
CN111052202A (zh) | 用于基于相对定位的安全自主驾驶的系统和方法 | |
US20220080977A1 (en) | Systems and methods to manage vehicles under anomalous driving behavior | |
KR20180078973A (ko) | 목표차량의 운전패턴에 따른 협조 적응 순항 제어 시스템 | |
CN113085852A (zh) | 自动驾驶车辆的行为预警方法、装置及云端设备 | |
WO2021026178A1 (en) | System, controller and method for maintaining an advanced driver assistance system as active | |
US20230221128A1 (en) | Graph Exploration for Rulebook Trajectory Generation | |
CN115223131A (zh) | 一种自适应巡航的跟随目标车辆检测方法、装置及汽车 | |
US11521491B2 (en) | Priority vehicle management | |
JP4872188B2 (ja) | 運転支援装置 | |
CN115497323B (zh) | 基于v2x的车辆协同变道方法及设备 | |
CN113781798B (zh) | 一种基于偏振光的车辆管控方法及系统 | |
US20230079116A1 (en) | Adaptive communication for a vehicle in a communication network | |
EP3879510A1 (en) | Traffic management server, and method and computer program for traffic management using same | |
CN115240405A (zh) | 一种交通信息管理方法、系统、网络设备及存储介质 | |
CN114202949B (zh) | 高速公路智能网联汽车相邻车辆辨别及参考路径调整方法 | |
CN115966100B (zh) | 一种行车安全控制方法及系统 | |
CN113345248B (zh) | 非信控交叉口安全预警和管控方法和系统 | |
US20230298469A1 (en) | Apparatus and method for cooperative escape zone detection |
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 |