CN113936491A - 一种基于5g网络的自动驾驶路况导航方法、系统及介质 - Google Patents

Abstract

本申请公开了一种基于5G网络的自动驾驶路况导航方法、系统及介质，用以解决现有的自动驾驶导航方法无法对长距离区域进行监测，使得车辆导航范围受限的技术问题。其中，建立与路侧设备、自动驾驶车辆之间的无线通信连接；获取当前监测路段对应的若干帧障碍物数据，并确定相应的障碍物类型；确定障碍物的位置或移动路径，并确定自动驾驶车辆在当前监测路段的避让策略；以及根据预设导航路线，确定自动驾驶车辆所在的当前监测路段的下一监测路段和下一监测路段对应的路侧设备，以获取下一监测路段内的车辆数量；计算下一监测路段的车辆密度，并根据车辆密度确定下一监测路段是否发生拥堵，以确定针对下一监测路段的调度策略。

Description

一种基于5G网络的自动驾驶路况导航方法、系统及介质

技术领域

本申请涉及自动驾驶技术领域，尤其涉及一种基于5G网络的自动驾驶路况导航方法、系统及介质。

背景技术

自动驾驶汽车依靠人工智能、视觉计算、雷达、监控装置和全球定位系统协同合作，经过计算系统分析信息、做出决策，控制执行系统实现车辆加速、减速或转向，从而在无需驾驶员介入的情况下，完成自动行驶。

随着自动驾驶技术的不断发展，对自动驾驶车辆的安全性和可靠性提出了更高要求。现有的自动驾驶导航系统需要依靠海量实时交通数据实现，而实时交通数据则依托于车载传感器获取，但是，车载核心传感器的感知距离有限，无法满足超远距离及遮挡区等非视距环境感知需求，且对于道路发生的突发事件信息也无法做出及时的获取和反馈。

发明内容

本申请实施例提供了一种基于5G网络的自动驾驶路况导航方法、系统及介质，用以解决现有的自动驾驶导航方法无法对长距离区域进行监测，使得车辆导航范围受限的技术问题。

本申请实施例提供了一种基于5G网络的自动驾驶路况导航方法，方法包括：基于5G通信技术，建立与路侧设备、自动驾驶车辆之间的无线通信连接，以便于所述路侧设备获取进入其监测路段内的各车辆信息；其中，所述路侧设备按照预设间隔设置在道路两侧；基于所述自动驾驶车辆所在的当前监测路段的路侧设备，按照预设的时间间隔，获取所述当前监测路段对应的若干帧障碍物数据，并确定相应的障碍物类型；其中，所述障碍物类型包括静止障碍物和移动障碍物；针对各障碍物的障碍物类型，确定所述障碍物的位置或移动路径，并根据所述位置或移动路径，确定所述自动驾驶车辆在所述当前监测路段的避让策略；以及根据预设导航路线，确定所述自动驾驶车辆所在的当前监测路段的下一监测路段和所述下一监测路段对应的路侧设备，以获取所述下一监测路段内的车辆数量；根据所述车辆数量、所述下一监测路段的长度和所述下一监测路段的车道数，计算所述下一监测路段的车辆密度，并根据所述车辆密度确定所述下一监测路段是否发生拥堵，以确定针对所述下一监测路段的调度策略；其中，所述调度策略包括按照预设导航路线行驶、调整预设导航路线。

在本申请的一种实现方式中，确定相应的障碍物类型，具体包括：对所述若干帧障碍物数据进行坐标转换，并从转换后的若干帧障碍物数据中确定任意相邻两帧障碍物数据；根据所述任意相邻两帧障碍物数据的坐标，确定相应的障碍物移动距离，以确定所述障碍物的类型。

在本申请的一种实现方式中，针对各障碍物的障碍物类型，确定所述障碍物的位置或移动路径，并根据所述位置或移动路径，确定所述自动驾驶车辆在所述当前监测路段的避让策略，具体包括：在所述障碍物为静止障碍物的情况下，基于所述当前监测路段的路侧设备，确定所述当前监测路段的车道线位置和路沿位置；根据所述车道线位置和路沿位置，确定所述静止障碍物是否在车道内；若所述静止障碍物在车道内，确定所述静止障碍物对应的车道，并确定所述自动驾驶车辆的预设导航路线是否与所述静止障碍物对应的车道存在冲突，以确定所述自动驾驶车辆在所述当前监测路段的避让策略。

在本申请的一种实现方式中，确定所述自动驾驶车辆的预设导航路线是否与所述静止障碍物对应的车道存在冲突，以确定所述自动驾驶车辆在所述当前监测路段的避让策略，具体包括：在所述预设导航路线与所述静止障碍物对应的车道存在冲突时，基于所述当前监测路段的路侧设备，确定所述静止障碍物的位置，并根据所述静止障碍物的位置，确定所述自动驾驶车辆的可通行区域；根据各所述可通行区域的横向距离、所述自动驾驶车辆的宽度，确定相应的转向方向；针对不同的转向方向，确定所述自动驾驶车辆与所述静止障碍物之间的横向偏移距离和纵向偏移距离，并根据所述横向偏移距离和纵向偏移距离，确定所述自动驾驶车辆的转向半径。

在本申请的一种实现方式中，确定所述障碍物的位置或移动路径，并根据所述位置或移动路径，确定所述自动驾驶车辆在所述当前监测路段的避让策略，具体包括：在所述障碍物为移动障碍物的情况下，基于所述当前监测路段的路侧设备，确定所述自动驾驶车辆前进方向上的道路状态；其中，所述道路状态包括无岔道和存在岔道；根据所述道路状态，预测所述自动驾驶车辆周边车辆的移动路径；根据所述周边车辆的移动路径，确定所述自动驾驶车辆在所述当前监测路段的避让策略。

在本申请的一种实现方式中，根据所述道路状态，预测所述自动驾驶车辆周边车辆的移动路径，具体包括：确定所述自动驾驶车辆周边车辆对应的车道；在所述自动驾驶车辆前进方向上存在岔道的情况下，若所述周边车辆对应的车道为待转车道，则根据所述周边车辆的历史行车轨迹，预测所述周边车辆的移动路径；在所述自动驾驶车辆前进方向上不存在岔道或所述周边车辆对应的车道为直行车道的情况下，确定所述周边车辆当前行车轨迹的行车曲率、所述周边车辆与所在车道左右车道线的横向距离，以及当前行车方向，以构建所述周边车辆的行车状态向量；以及根据所述行车状态向量，确定所述周边车辆当前行车轨迹与车道中线的偏离度，并根据所述偏离度，预测所述周边车辆的移动路径。

在本申请的一种实现方式中，根据所述位置或移动路径，确定所述自动驾驶车辆在所述当前监测路段的避让策略，具体包括：确定所述周边车辆的移动路径与所述自动驾驶车辆的预设导航路线是否存在碰撞，若存在碰撞，则确定相应的碰撞类型；其中，所述碰撞类型包括横向碰撞和纵向碰撞；在存在纵向碰撞的情况下，确定所述周边车辆的移动路径与所述自动驾驶车辆的预设导航路线之间的交点为碰撞位置；根据所述碰撞位置、所述自动驾驶车辆的位置和速度、所述周边车辆的速度和位置，计算所述自动驾驶车辆与所述周边车辆的碰撞时间；根据所述碰撞时间，确定所述自动驾驶车辆的减速时间及相应的减速起点。

在本申请的一种实现方式中，根据所述位置或移动路径，确定所述自动驾驶车辆在所述当前监测路段的避让策略，具体包括：在存在横向碰撞的情况下，确定所述碰撞位置相对于所述自动驾驶车辆的切入方向；根据所述自动驾驶车辆在与所述切入方向相对的方向上的侧方车辆之间的横向距离，以及与其前方车辆之间的纵向距离，确定所述自动驾驶车辆的最小转向半径和最大转向半径；确定所述自动驾驶车辆的转向半径，及所述转向半径对应的转向起点；其中，所述转向半径位于所述最小转向半径和所述最大转向半径之间。

本申请实施例还提供了一种基于5G网络的自动驾驶路况导航系统，系统包括边缘计算服务器、路侧设备；所述边缘计算服务器用于基于5G通信技术，建立与所述路侧设备、自动驾驶车辆之间的无线通信连接，以便于所述路侧设备获取进入其监测路段内的各车辆信息；其中，所述路侧设备按照预设间隔设置在道路两侧；所述边缘计算服务器用于基于所述自动驾驶车辆所在的当前监测路段的路侧设备，按照预设的时间间隔，获取所述当前监测路段对应的若干帧障碍物数据，并确定相应的障碍物类型；其中，所述障碍物类型包括静止障碍物和移动障碍物；所述边缘计算服务器用于针对各障碍物的障碍物类型，确定所述障碍物的位置或移动路径，并根据所述位置或移动路径，确定所述自动驾驶车辆在所述当前监测路段的避让策略；以及所述边缘计算服务器用于根据预设导航路线，确定所述自动驾驶车辆所在的当前监测路段的下一监测路段和所述下一监测路段对应的路侧设备，以获取所述下一监测路段内的车辆数量；所述边缘计算服务器用于根据所述车辆数量、所述下一监测路段的长度和所述下一监测路段的车道数，计算所述下一监测路段的车辆密度，并根据所述车辆密度确定所述下一监测路段是否发生拥堵，以确定针对所述下一监测路段的调度策略；其中，所述调度策略包括按照预设导航路线行驶、调整预设导航路线。

本申请实施例还提供了一种基于5G网络的自动驾驶路况导航非易失性计算机存储介质，存储有计算机可执行指令，计算机可执行指令设置为：基于5G通信技术，建立与路侧设备、自动驾驶车辆之间的无线通信连接，以便于所述路侧设备获取进入其监测路段内的各车辆信息；其中，所述路侧设备按照预设间隔设置在道路两侧；基于所述自动驾驶车辆所在的当前监测路段的路侧设备，按照预设的时间间隔，获取所述当前监测路段对应的若干帧障碍物数据，并确定相应的障碍物类型；其中，所述障碍物类型包括静止障碍物和移动障碍物；针对各障碍物的障碍物类型，确定所述障碍物的位置或移动路径，并根据所述位置或移动路径，确定所述自动驾驶车辆在所述当前监测路段的避让策略；以及根据预设导航路线，确定所述自动驾驶车辆所在的当前监测路段的下一监测路段和所述下一监测路段对应的路侧设备，以获取所述下一监测路段内的车辆数量；根据所述车辆数量、所述下一监测路段的长度和所述下一监测路段的车道数，计算所述下一监测路段的车辆密度，并根据所述车辆密度确定所述下一监测路段是否发生拥堵，以确定针对所述下一监测路段的调度策略；其中，所述调度策略包括按照预设导航路线行驶、调整预设导航路线。

本申请实施例提供的一种基于5G网络的自动驾驶路况方法、设备及介质，至少具备以下有益效果：

构建针对路侧设备、自动驾驶车辆与边缘计算服务器的5G网络，实现了车辆信息和道路信息之间的高效通信，时延低且可靠性高，同时也提高了信息的感知范围，对于长距离区域或车辆即将进入的下一路段的道路信息均能够及时获取并对其进行处理分析，从而针对实时变化的前方道路信息及时做出相应的调控策略，提高了决策效率；

在自动驾驶车辆行驶过程中，基于路侧设备获取道路障碍物信息及相关信息，基于边缘计算服务器对上述信息进行分析，从而对车辆的行驶路径进行相应的规划，避免了车辆在行驶过程中因信息获取不及时或信息范围受限导致躲避障碍物不及时而发生碰撞，降低了安全隐患；

通过车路之间的通信，使得车辆可获知即将进入的路段信息，了解下一路段的交通运行状况，提前对行驶路径进行规划，有效提高了通行效率。

附图说明

此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1为本申请实施例提供的一种基于5G网络的自动驾驶路况导航方法流程图；

图2为本申请实施例提供的一种基于5G网络的自动驾驶路况导航系统逻辑示意图。

具体实施方式

为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本申请一部分实施例，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。

下面通过附图对本申请实施例提出的技术方案进行详细的说明。

图1为本申请实施例提供的一种基于5G网络的自动驾驶路况导航方法流程图。如图1所示，本申请实施例提供的基于5G网络的自动驾驶路况导航方法主要包括以下步骤：

S101、基于5G通信技术，服务器建立与路侧设备、自动驾驶车辆之间的无线通信连接，以便于路侧设备获取进入其监测路段内的各车辆信息；其中，路侧设备按照预设间隔设置在道路两侧。

基于5G通信技术，构建针对自动驾驶体系的5G网络，用于实现服务器、路侧设备和自动驾驶车辆之间的通信。路侧设备按照预设间隔设置在道路两侧，包括路侧单元、激光雷达和摄像头。其中，路侧单元可基于5G网络与搭载了车载单元的车辆进行车路信息交互，获取到进入路侧单元对应监测路段内的各车辆信息，从而计算出相应的路段车流数据。激光雷达和摄像头用于监测路段内的物体，获取到相应的道路障碍物、车道线、车辆位置和速度、道路状态等信息，实现了对道路上物体速度及位置的精确感知。

路侧设备分布在路侧，用于检测对应监测路段的道路和车辆等信息，并将上述信息与服务器进行通信，以使服务器基于当前监测路段的道路状态对进入该路段的车辆进行障碍规避，且基于当前监测路段的下一路段的拥堵情况对即将进入该路段的车辆进行路况提示，实现了车辆在当前监测路段的安全、高效通行，避免了碰撞危险，同时也对车辆的行驶路线进行了合理规划，提升了通行效率。

S102、基于自动驾驶车辆所在的当前监测路段的路侧设备，服务器按照预设的时间间隔，获取当前监测路段对应的若干帧障碍物数据，并确定相应的障碍物类型；其中，障碍物类型包括静止障碍物和移动障碍物。

自动驾驶车辆行驶到某一路段后，通过该路段对应的路侧设备可采集到相应监测路段的障碍物数据，从而对自动驾驶进行障碍碰撞预警。可以理解的是，障碍物数据可通过摄像头和/或激光雷达采集得到，以激光雷达为例，服务器按照预设的时间间隔，获取到激光雷达采集的若干帧障碍物数据后，需判断障碍物是否发生了移动，据此确定出相应的障碍物类型。

具体地，激光雷达采集到的障碍物数据为三维数据，服务器在获取到当前时间间隔的若干帧障碍物数据后，首先需对其进行坐标转换，将其投影至二维平面上。其次，从转换后的若干帧障碍物数据中确定任意相邻两帧障碍物数据，根据任意相邻两帧障碍物数据的坐标，便可确定出障碍物在两帧数据的时间间隔内的移动距离。若障碍物发生了移动，则确定当前监测路段内的该障碍物为移动障碍物；若未发生移动，则确定该障碍物为静止障碍物。

通过路侧设备采集路段上的障碍物数据，用以实现障碍物的实时检测跟踪，有利于在自动驾驶车辆行驶过程中对于其所在路段的障碍物状态进行预判，预测车辆按照当前预设导航路线继续行驶是否有发生碰撞的隐患，提高了自动驾驶的安全性。

在本申请实施例中，服务器可以是边缘计算服务器，可以提高计算效率。

S103、针对各障碍物的障碍物类型，服务器确定障碍物的位置或移动路径，并根据位置或移动路径，确定自动驾驶车辆在当前监测路段的避让策略。

对于不同类型的障碍物，服务器需确定其位置或预测其移动路径，据此判断自动驾驶车辆在当前监测路段为规避此障碍物需进行的避让策略。

在一个实施例中，在障碍物为静止障碍物的情况下，服务器需确定静止障碍物的所在位置，并根据该位置驱动自动驾驶车辆进行避让。

具体地，基于路侧设备和服务器之间的无线通信，服务器可获取到路侧设备采集的当前监测路段的车道线位置和路沿位置信息，据此确定静止障碍物是否在车道内。若静止障碍物在车道外，则不需自动驾驶车辆对其进行避让；若静止障碍物在车道内，则服务器需进一步确定静止障碍物所在的车道。

进一步地，若静止障碍物在车道内，服务器需确定自动驾驶车辆的预设导航路线是否与静止障碍物对应的车道存在冲突，即继续按照预设导航路线前行，自动驾驶车辆是否会与障碍物存在碰撞可能。若存在冲突，则需要使自动驾驶车辆进行换道以规避障碍。

进一步地，在预设导航路线与静止障碍物对应的车道存在冲突时，服务器首先确定静止障碍物的位置，此处的位置不仅表示障碍物的定位坐标，还用于表示静止障碍物的占地大小，然后，根据静止障碍物的位置，确定自动驾驶车辆的可通行区域。例如，当前监测路段单向方向上设有6条车道分别按照1-6的顺序进行编号，若静止障碍物横跨车道3、4，且分别占据车道3和车道4的二分之一，此时，自动驾驶车辆的可通行区域便为车道1-2、5-6以及车道3和4未被占用的一半区域。

更进一步地，服务器确定各可通行区域的横向距离，并将其与自动驾驶车辆的宽度进行比较，只有在可通行区域的横向距离大于车辆宽度的情况下，自动驾驶车辆才可通过该可通行区域规避障碍。若可通行区域的横向距离大于自动驾驶车辆的宽度，则确定该通行区域相对于静止障碍物的方向为转向方向，自动驾驶车辆可沿转向方向进行转向。

其次，在确定相应的转向方向后，服务器需确定出自动驾驶车辆避开当前障碍物所需的转向半径。即针对不同的转向方向，服务器确定自动驾驶车辆与静止障碍物之间的横向偏移距离和纵向偏移距离，其中，横向偏移距离表示在转向方向上自动驾驶车辆与静止障碍物之间的侧向间距，纵向偏移距离表示自动驾驶车辆与静止障碍物之间的距离。

进一步地，根据横向偏移距离和纵向偏移距离，计算二者平方之和的开平方根，从而得到自动驾驶车辆的转向半径。至此，自动驾驶车辆按照转向方向行驶相应的转向半径即可实现变道，避开前方静止障碍物。

需要说明的是，以上步骤均是针对当前监测区域仅存在静止障碍物的情况下进行描述说明。

在一个实施例中，在当前监测路段的障碍物为移动障碍物的情况下，服务器需预测移动障碍物的移动路径，据此判断障碍物的移动路径是否与自动驾驶车辆的行驶路线存在碰撞的可能，以便于自动驾驶车辆根据障碍物的移动路径能够及时做出避让。需要说明的是，移动障碍物包括多种类型，例如行人、车辆等。本申请提供的实施例针对移动车辆作为障碍物的情况，对以下方案进行描述。

具体地，当车辆行驶至道路的不同位置时，其驾驶意图亦存在不同，例如，车辆进入待转车道后一般就会进行转弯操作。因此，服务器可基于路侧设备，确定自动驾驶车辆前进方向上的道路状态，即前方路段是否存在岔道，然后根据道路状态，预测其周边车辆的移动路径。

首先，服务器分别确定自动驾驶车辆周边车辆对应的车道为直行车道或待转车道。其中，周边车辆表示自动驾驶车辆的前后车辆及相邻车道上的车辆。

在自动驾驶车辆前进方向上存在岔道的情况下，如果周边车辆对应的车道为待转车道，则根据周边车辆的历史行车轨迹，预测周边车辆的移动路径。在一种可能实现的方式中，将周边车辆的历史行车轨迹输入预先训练完成的轨迹预测模型，获取相应的移动路径预测结果。

在自动驾驶车辆前进方向上不存在岔道或周边车辆对应的车道为直行车道的情况下，此时周边车辆暂未存在换道意图，那么，服务器需进一步确定周边车辆的行驶意图，以便确定相应的移动路径。

具体地，确定周边车辆当前行车轨迹的行车曲率、周边车辆与所在车道左右车道线的横向距离，以及当前行车方向，构建相应的行车状态向量。其中，行车曲率为车辆角速度与线速度之比，用于描述当前轨迹的偏离程度。

然后，服务器根据行车状态向量，进行矩阵运算，从而计算得到周边车辆当前行车轨迹与车道中线的偏离度。

最终，服务器根据偏离度与预设阈值的大小，预测周边车辆的移动路径。在偏离度小于预设阈值的情况下，判定周边车辆的行驶意图为正常前行，此时的预测结果为按照当前路径继续前行；在偏离度大于预设阈值的情况下，说明周边车辆意欲换道，需根据当前行车方向和距离左右车道线的横向距离，预测周边车辆即将更换至哪一车道，得到相应的移动路径。

进一步地，服务器在确定移动障碍物的移动路径后，根据该移动路径和自动驾驶车辆的预设导航路线，确定自动驾驶车辆与移动障碍物之间是否存在碰撞风险，若存在碰撞风险，还需进一步确定自动驾驶车辆针对移动障碍物的避让策略。

具体地，确定周边车辆的移动路径与自动驾驶车辆的预设导航路线是否存在碰撞，若存在碰撞，则确定相应的碰撞类型。其中，碰撞类型包括横向碰撞和纵向碰撞，横向碰撞表示周边车辆换道切入至自动驾驶车辆所在车道的过程中与自动驾驶车辆存在碰撞，纵向碰撞表示周边车辆已成功切入至自动驾驶车辆所在车道，而自动驾驶车辆因避让不及时与切入车辆发生碰撞。

在一个实施例中，当自动驾驶车辆与周边车辆存在纵向碰撞时，服务器确定周边车辆的移动路径与自动驾驶车辆的预设导航路线之间的交点为碰撞位置，并根据碰撞位置，确定自动驾驶车辆的减速时间，以确保在周边车辆切入自动驾驶车辆所在车道后，自动驾驶车辆可通过及时减速避免发生碰撞。

具体地，服务器根据碰撞位置、自动驾驶车辆的位置和速度、周边车辆的速度和位置，计算自动驾驶车辆与周边车辆的碰撞时间。周边车辆在切入自动驾驶车辆所在车道后，自动驾驶车辆若不及时进行减速，当到达碰撞时间时就会与周边车辆发生碰撞。

进一步地，服务器需在碰撞时间之前，从中确定出减速时间和相应的减速器点，以使自动驾驶车辆在该时间点进行减速。

在一个实施例中，当自动驾驶车辆与周边车辆存在横向碰撞时，说明周边车辆在切入自动驾驶车辆所在车道的过程中就有可能会与其发生碰撞，因此，此时的自动驾驶车辆应当进行换道来规避移动障碍物。

具体地，服务器确定周边车辆的移动路径与自动驾驶车辆的预设导航路线之间的交点为碰撞位置，并确定碰撞位置相对于自动驾驶车辆的切入方向，即确定周边车辆是从自动驾驶车辆的左方或右方切入进车道的。

进一步地，服务器确定自动驾驶车辆在与切入方向相对的方向上的侧方车辆之间的横向距离，以及自动驾驶车辆与其前方车辆之间的纵向距离，据此计算出自动驾驶车辆的最小转向半径和最大转向半径。其中，最小转向半径表示自动驾驶车辆在换道转向时不与前方车辆发生碰撞所对应的转向半径，最大转向半径表示自动驾驶车辆在换道转向时不与侧方车辆发生碰撞所对应的转向半径。

进一步地，根据最小转向半径和最大转向半径，从中确定自动驾驶车辆的转向半径及相应的转向起点，从而使自动驾驶车辆通过与周边车辆切入方向的相对方向进行换道。只要自动驾驶车辆的转向半径在最小转向半径和最大转向半径之间，便可在换道时保证不与周边车辆发生碰撞，这样既避免了与换道车辆发生碰撞，还在规避移动障碍物的同时确保不与其他周边车辆发生碰撞，进一步提高了车辆行驶的安全性。

需要说明的是，可以先执行步骤S103再执行S104和S105，或者可以先执行S104和S105再执行S103，亦或者可以S103和S104、S105同时执行，在本申请实施例中不做限定。

S104、服务器根据预设导航路线，确定自动驾驶车辆所在的当前监测路段的下一监测路段和下一监测路段对应的路侧设备，以获取下一监测路段内的车辆数量。

在自动驾驶车辆行驶过程中，服务器会根据其预设导航路线，确定当前监测路段的下一监测路段以及相应的路侧设备，这样服务器通过与下一监测路段的路侧设备进行通信，便可在未进入下一监测路段之前获取到该路段对应的车辆信息，进而判断出下一监测路段的拥堵状况。

借助于5G低时延、高可靠性的特性，实现了车路之间的高性能信息交互，这样，自动驾驶车辆可提前获取即将进入的路段的道路状态，提前对行驶路径进行规划。

S105、服务器根据车辆数量、下一监测路段的长度和下一监测路段的车道数，计算下一监测路段的车辆密度，并根据车辆密度确定下一监测路段是否发生拥堵，以确定针对下一监测路段的调度策略；其中，调度策略包括按照预设导航路线行驶、调整预设导航路线。

服务器通过计算车辆数量与长度、车道数二者乘积的比值，得到下一监测路段的车辆密度。车辆密度用于衡量瞬时时刻内监测路段的车辆数量，因此，可通过车辆密度确定下一监测路段是否发生拥堵。

在一种可能实现的方式中，服务器根据预设的交通运行级别、各交通运行级别对应的车辆密度以及下一监测路段的车辆密度，确定下一监测路段对应的交通运行级别，并判断是否发生拥堵。其中，交通运行级别包括畅通、轻微拥堵和严重拥堵。

进一步地，根据交通运行级别，确定针对下一监测路段的调度策略。当下一监测路段畅通或轻微拥堵时，确定自动驾驶车辆按照预设导航路线行驶；当下一监测路段严重拥堵时，在预设导航路线的基础上相应调整自动驾驶车辆的行车路线。

通过服务器、路侧设备和自动驾驶车辆之间的协同合作，使得自动驾驶车辆在还未驶入下一监测路段的情况下便可提前获知此路段的交通运行情况，从而提前规划行驶路径，规避风险，同时也扩大了自动驾驶车辆对于路况的感知范围，提升了导航效率。

以上为本申请提出的方法实施例。基于同样的思路，本申请的一些实施例还提供了上述方法对应的系统和介质。

在一个实施例中，基于5G网络的自动驾驶路况导航系统包括边缘计算服务器、路侧设备。

其中，边缘计算服务器用于基于5G通信技术，建立与路侧设备、自动驾驶车辆之间的无线通信连接，以便于路侧设备获取进入其监测路段内的各车辆信息；其中，路侧设备按照预设间隔设置在道路两侧；

边缘计算服务器用于基于自动驾驶车辆所在的当前监测路段的路侧设备，按照预设的时间间隔，获取当前监测路段对应的若干帧障碍物数据，并确定相应的障碍物类型；其中，障碍物类型包括静止障碍物和移动障碍物；

边缘计算服务器用于针对各障碍物的障碍物类型，确定障碍物的位置或移动路径，并根据位置或移动路径，确定自动驾驶车辆在当前监测路段的避让策略；以及边缘计算服务器用于根据预设导航路线，确定自动驾驶车辆所在的当前监测路段的下一监测路段和下一监测路段对应的路侧设备，以获取下一监测路段内的车辆数量；

边缘计算服务器用于根据车辆数量、下一监测路段的长度和下一监测路段的车道数，计算下一监测路段的车辆密度，并根据车辆密度确定下一监测路段是否发生拥堵，以确定针对下一监测路段的调度策略；其中，调度策略包括按照预设导航路线行驶、调整预设导航路线。

路侧设备用于获取进入其监测路段内的各车辆信息，及监测路段的障碍物数据和道路信息。

图2为本申请实施例提供的一种基于5G网络的自动驾驶路况导航系统逻辑示意图。如图2所示，车载单元设于车辆内部，搭载了车载单元的车辆可基于5G网络与路侧单元进行车路信息交互，从而使路侧设备获取进入其监测路段内的各车辆信息。下一监测路段的路侧设备可根据各车辆信息计算出相应的车辆数量，并将车辆数量发送至边缘计算服务器，以便于边缘计算服务器根据下一监测路段的车辆数量判断出其运行状态。而当前监测路段的路侧设备在获取进入其监测路段内的各车辆信息的同时，还可获取监测路段的障碍物数据和道路信息，并与边缘计算服务器进行通信。边缘计算服务器据此确定出自动驾驶车辆正在行驶的当前监测路段的道路障碍物状态，并生成相应的避让策略，避免自动驾驶车辆在行驶过程中发生碰撞。

本申请的一些实施例提供的一种基于5G网络的自动驾驶路况导航非易失性计算机存储介质，存储有计算机可执行指令，计算机可执行指令设置为：如上的一种基于移动端的无障碍服务方法。

本申请中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于设备和介质实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

本申请实施例提供的设备和介质与方法是一一对应的，因此，设备和介质也具有与其对应的方法类似的有益技术效果，由于上面已经对方法的有益技术效果进行了详细说明，因此，这里不再赘述设备和介质的有益技术效果。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。

内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

还需要说明的是，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、商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、商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、商品或者设备中还存在另外的相同要素。

以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (10)

1.一种基于5G网络的自动驾驶路况导航方法，其特征在于，所述方法包括：

基于5G通信技术，建立与路侧设备、自动驾驶车辆之间的无线通信连接，以便于所述路侧设备获取进入其监测路段内的各车辆信息；其中，所述路侧设备按照预设间隔设置在道路两侧；

基于所述自动驾驶车辆所在的当前监测路段的路侧设备，按照预设的时间间隔，获取所述当前监测路段对应的若干帧障碍物数据，并确定相应的障碍物类型；其中，所述障碍物类型包括静止障碍物和移动障碍物；

针对各障碍物的障碍物类型，确定所述障碍物的位置或移动路径，并根据所述位置或移动路径，确定所述自动驾驶车辆在所述当前监测路段的避让策略；以及

根据预设导航路线，确定所述自动驾驶车辆所在的当前监测路段的下一监测路段和所述下一监测路段对应的路侧设备，以获取所述下一监测路段内的车辆数量；

根据所述车辆数量、所述下一监测路段的长度和所述下一监测路段的车道数，计算所述下一监测路段的车辆密度，并根据所述车辆密度确定所述下一监测路段是否发生拥堵，以确定针对所述下一监测路段的调度策略；其中，所述调度策略包括按照预设导航路线行驶、调整预设导航路线。

2.根据权利要求1所述的一种基于5G网络的自动驾驶路况导航方法，其特征在于，确定相应的障碍物类型，具体包括：

对所述若干帧障碍物数据进行坐标转换，并从转换后的若干帧障碍物数据中确定任意相邻两帧障碍物数据；

根据所述任意相邻两帧障碍物数据的坐标，确定相应的障碍物移动距离，以确定所述障碍物的类型。

3.根据权利要求1所述的一种基于5G网络的自动驾驶路况导航方法，其特征在于，针对各障碍物的障碍物类型，确定所述障碍物的位置或移动路径，并根据所述位置或移动路径，确定所述自动驾驶车辆在所述当前监测路段的避让策略，具体包括：

在所述障碍物为静止障碍物的情况下，基于所述当前监测路段的路侧设备，确定所述当前监测路段的车道线位置和路沿位置；

根据所述车道线位置和路沿位置，确定所述静止障碍物是否在车道内；

若所述静止障碍物在车道内，确定所述静止障碍物对应的车道，并确定所述自动驾驶车辆的预设导航路线是否与所述静止障碍物对应的车道存在冲突，以确定所述自动驾驶车辆在所述当前监测路段的避让策略。

4.根据权利要求3所述的一种基于5G网络的自动驾驶路况导航方法，其特征在于，确定所述自动驾驶车辆的预设导航路线是否与所述静止障碍物对应的车道存在冲突，以确定所述自动驾驶车辆在所述当前监测路段的避让策略，具体包括：

在所述预设导航路线与所述静止障碍物对应的车道存在冲突时，基于所述当前监测路段的路侧设备，确定所述静止障碍物的位置，并根据所述静止障碍物的位置，确定所述自动驾驶车辆的可通行区域；

根据各所述可通行区域的横向距离、所述自动驾驶车辆的宽度，确定相应的转向方向；

针对不同的转向方向，确定所述自动驾驶车辆与所述静止障碍物之间的横向偏移距离和纵向偏移距离，并根据所述横向偏移距离和纵向偏移距离，确定所述自动驾驶车辆的转向半径。

5.根据权利要求1所述的一种基于5G网络的自动驾驶路况导航方法，其特征在于，确定所述障碍物的位置或移动路径，并根据所述位置或移动路径，确定所述自动驾驶车辆在所述当前监测路段的避让策略，具体包括：

在所述障碍物为移动障碍物的情况下，基于所述当前监测路段的路侧设备，确定所述自动驾驶车辆前进方向上的道路状态；其中，所述道路状态包括无岔道和存在岔道；

根据所述道路状态，预测所述自动驾驶车辆周边车辆的移动路径；

根据所述周边车辆的移动路径，确定所述自动驾驶车辆在所述当前监测路段的避让策略。

6.根据权利要求5所述的一种基于5G网络的自动驾驶路况导航方法，其特征在于，根据所述道路状态，预测所述自动驾驶车辆周边车辆的移动路径，具体包括：

确定所述自动驾驶车辆周边车辆对应的车道；

在所述自动驾驶车辆前进方向上存在岔道的情况下，若所述周边车辆对应的车道为待转车道，则根据所述周边车辆的历史行车轨迹，预测所述周边车辆的移动路径；

在所述自动驾驶车辆前进方向上不存在岔道或所述周边车辆对应的车道为直行车道的情况下，确定所述周边车辆当前行车轨迹的行车曲率、所述周边车辆与所在车道左右车道线的横向距离，以及当前行车方向，以构建所述周边车辆的行车状态向量；以及根据所述行车状态向量，确定所述周边车辆当前行车轨迹与车道中线的偏离度，并根据所述偏离度，预测所述周边车辆的移动路径。

7.根据权利要求6所述的一种基于5G网络的自动驾驶路况导航方法，其特征在于，根据所述位置或移动路径，确定所述自动驾驶车辆在所述当前监测路段的避让策略，具体包括：

确定所述周边车辆的移动路径与所述自动驾驶车辆的预设导航路线是否存在碰撞，若存在碰撞，则确定相应的碰撞类型；其中，所述碰撞类型包括横向碰撞和纵向碰撞；

在存在纵向碰撞的情况下，确定所述周边车辆的移动路径与所述自动驾驶车辆的预设导航路线之间的交点为碰撞位置；

根据所述碰撞位置、所述自动驾驶车辆的位置和速度、所述周边车辆的速度和位置，计算所述自动驾驶车辆与所述周边车辆的碰撞时间；

根据所述碰撞时间，确定所述自动驾驶车辆的减速时间及相应的减速起点。

8.根据权利要求7所述的一种基于5G网络的自动驾驶路况导航方法，其特征在于，根据所述位置或移动路径，确定所述自动驾驶车辆在所述当前监测路段的避让策略，具体包括：

在存在横向碰撞的情况下，确定所述碰撞位置相对于所述自动驾驶车辆的切入方向；

根据所述自动驾驶车辆在与所述切入方向相对的方向上的侧方车辆之间的横向距离，以及与其前方车辆之间的纵向距离，确定所述自动驾驶车辆的最小转向半径和最大转向半径；

确定所述自动驾驶车辆的转向半径，及所述转向半径对应的转向起点；其中，所述转向半径位于所述最小转向半径和所述最大转向半径之间。

9.一种基于5G网络的自动驾驶路况导航系统，其特征在于，所述系统包括边缘计算服务器、路侧设备；

所述边缘计算服务器用于基于5G通信技术，建立与所述路侧设备、自动驾驶车辆之间的无线通信连接，以便于所述路侧设备获取进入其监测路段内的各车辆信息；其中，所述路侧设备按照预设间隔设置在道路两侧；

所述边缘计算服务器用于基于所述自动驾驶车辆所在的当前监测路段的路侧设备，按照预设的时间间隔，获取所述当前监测路段对应的若干帧障碍物数据，并确定相应的障碍物类型；其中，所述障碍物类型包括静止障碍物和移动障碍物；

所述边缘计算服务器用于针对各障碍物的障碍物类型，确定所述障碍物的位置或移动路径，并根据所述位置或移动路径，确定所述自动驾驶车辆在所述当前监测路段的避让策略；以及

所述边缘计算服务器用于根据预设导航路线，确定所述自动驾驶车辆所在的当前监测路段的下一监测路段和所述下一监测路段对应的路侧设备，以获取所述下一监测路段内的车辆数量；

所述边缘计算服务器用于根据所述车辆数量、所述下一监测路段的长度和所述下一监测路段的车道数，计算所述下一监测路段的车辆密度，并根据所述车辆密度确定所述下一监测路段是否发生拥堵，以确定针对所述下一监测路段的调度策略；其中，所述调度策略包括按照预设导航路线行驶、调整预设导航路线。

10.一种基于5G网络的自动驾驶路况导航非易失性计算机存储介质，存储有计算机可执行指令，其特征在于，所述计算机可执行指令设置为：

基于5G通信技术，建立与路侧设备、自动驾驶车辆之间的无线通信连接，以便于所述路侧设备获取进入其监测路段内的各车辆信息；其中，所述路侧设备按照预设间隔设置在道路两侧；

基于所述自动驾驶车辆所在的当前监测路段的路侧设备，按照预设的时间间隔，获取所述当前监测路段对应的若干帧障碍物数据，并确定相应的障碍物类型；其中，所述障碍物类型包括静止障碍物和移动障碍物；

针对各障碍物的障碍物类型，确定所述障碍物的位置或移动路径，并根据所述位置或移动路径，确定所述自动驾驶车辆在所述当前监测路段的避让策略；以及

根据预设导航路线，确定所述自动驾驶车辆所在的当前监测路段的下一监测路段和所述下一监测路段对应的路侧设备，以获取所述下一监测路段内的车辆数量；

根据所述车辆数量、所述下一监测路段的长度和所述下一监测路段的车道数，计算所述下一监测路段的车辆密度，并根据所述车辆密度确定所述下一监测路段是否发生拥堵，以确定针对所述下一监测路段的调度策略；其中，所述调度策略包括按照预设导航路线行驶、调整预设导航路线。

Images