CN114089744B - 一种基于改进Raft算法选择车辆队列领航车的方法 - Google Patents
一种基于改进Raft算法选择车辆队列领航车的方法 Download PDFInfo
- Publication number
- CN114089744B CN114089744B CN202111285053.9A CN202111285053A CN114089744B CN 114089744 B CN114089744 B CN 114089744B CN 202111285053 A CN202111285053 A CN 202111285053A CN 114089744 B CN114089744 B CN 114089744B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- pilot
- vehicles
- pilot vehicle
- queue
- 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
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000011156 evaluation Methods 0.000 claims abstract description 26
- 230000002159 abnormal effect Effects 0.000 claims abstract description 5
- 230000008569 process Effects 0.000 claims description 20
- 230000001133 acceleration Effects 0.000 claims description 15
- 230000006854 communication Effects 0.000 claims description 14
- 238000004891 communication Methods 0.000 claims description 13
- 238000010187 selection method Methods 0.000 claims description 2
- 230000015572 biosynthetic process Effects 0.000 description 10
- 230000006399 behavior Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000007488 abnormal function Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- 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, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- 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, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- 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
- G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- 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
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- 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
- G05D1/0287—Control of position or course in two dimensions specially adapted to land vehicles involving a plurality of land vehicles, e.g. fleet or convoy travelling
- G05D1/0291—Fleet control
- G05D1/0293—Convoy travelling
-
- 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
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及一种基于改进Raft算法选择车辆队列领航车的方法，包括1)车辆队列初始化，将具有相同目的地且车辆间保持稳定较小车距的车辆编队；2)选择临时领航车；3)基于车辆动力性能指标参数的加权评估值选择队列候选领航车；4)利用改进Raft算法选出队列领航车和备用领航车；5)实时检查领航车状态，当领航车出现异常情况时及时采用备用领航车进行工作。本方法在车辆队列行驶时，能够快速选举出领航车，进而有效的控制整个队列的行驶。在发生突发状况时，领航车能够迅速做出反应，从而阻止事故的发生，增强行车安全性。特别地，备用领航车在当前领航车失效或发生故障时，进一步保证车辆队列行驶的安全与稳定性。
Description
技术领域
本发明涉及车辆编队技术领域，特别提供一种基于改进Raft算法选择车辆队列领航车的方法。
背景技术
当今车联网技术蓬勃发展，在自动驾驶技术的基础上，将同一车道内的车辆组建为一个队列，队列包括领航车和跟随车辆，车辆之间保持较小且稳定的间距协作行驶，提高道路吞吐量并减少能耗和尾气排放。车辆编队技术所涉及到的领域引起了广泛关注。
具有简单结构的传统车辆队列，其中跟随车使用前方车辆的信息来控制间距，对道路上的各种情况响应具有局限性，无法预测事情何时发生。列队行驶期间，位于列队行驶最前方的领航车可以控制跟随车，管理整个队列的驾驶。合适的领航车负责协调车队内各车辆，管理控制整个队列的行驶，保证行驶队列中包括的多个车辆之间的安全距离。领航车可以通过车辆间通信来交换行驶队列中包括的多个车辆的行为和状况信息，如车辆位置、速度、加速度等，实时应对交通状况，并在驾驶期间针对具体情况进行调整，当发生突发状况时，领航车会及时积极响应并做出解决方案，从而提高车辆列队行驶通信的安全性。
发明内容
鉴于上述的分析，本发明的目的在于提供一种基于改进Raft算法选择车辆队列领航车的方法，用以实现车辆队列行驶选择合适的领航车来管理整个队列的行驶问题；
本发明的实现目的主要是通过以下技术方案实现：
一种基于改进Raft算法选择车辆队列领航车的方法，所述车辆队列由同一车道内车辆之间保持稳定间距的车辆组建而成，所述车辆队列中的车辆分为领航车和跟随车，领航车的选择方法包括以下步骤：
步骤S1、选择车辆队列中最前方的车辆为临时领航车，若最前方的车辆不能履行领航车的职责，则顺延至车辆队列中的下一车辆作为临时领航车，暂时管理整个队列的驾驶；
步骤S2、基于车辆动力性能指标的加权评估值，选择车辆队列的候选领航车；
步骤S3、利用改进Raft算法选出车辆队列的领航车，并基于得票数阈值选出备用领航车；
步骤S4、实时检查领航车状态，当领航车不能应对交通状况，无法发挥领航车作用时及时切换至备用领航车进行工作，用以管理队列的驾驶和通信。
进一步，所述步骤S2中，在选择领航车之前车辆都会利用车载传感器采集自身的动力性能指标，并计算得到车辆动力性能指标的加权评估值，选择加权评估值大于设定的加权评估标准值的车辆为候选领航车；
车辆动力性能指标包括最高车速和加速时间，将这两个参数的采集值与标准值进行比较，得到动力性因子β为：
β＝αdvβdv+αdtβdt
根据两个参数的采集值和标准值得到评估分值式为：
计算两个参数的加权评估值Dm为：
Dm＝100×αβ
其中αdv、αdt分别为最高车速和加速时间两个参数的权重系数，α为权重系数，且αdv+αdt＝α＝1，βdv、βdt为两个参数的参数因子，β≤1；
其中vm为传感器采集的最高车速值，单位为km/s,vms车辆最高车速的标准值，kv为vm的调节系数，取0.95～0.98之间的值；Tc为传感器采集的加速时间值，Tcs为加速时间的标准值，kT为Tc的调节系数，取1.1～1.2之间的值，基于两个参数的加权评估值Dm选出队列候选领航车，加权评估值Dm大于等于候选领航车的最低标准值的车辆成为队列候选领航车。
进一步，所述步骤S3中改进Raft算法利用节点间投票选出领航车，在改进的Raft集群中具有领航车、跟随车、候选领航车、RSU，其中RSU(路边控制单元)充当监测者的角色，从而判断问题节点进行下一步操作，具体队列领航车的选举过程如下：
Raft给每个车辆分配一个随机的选举超时时间，在选举超时时间内，所有节点都呈等待状态，选举超时时间会随着速度等车辆性能数值下降，且性能更优的车辆选举超时时间减少更快。当选举超时时间下降为0时，跟随节点转化为候选节点；候选节点给自身投票并向另一跟随车辆发送投票请求信息；跟随车辆投票给最先发送投票请求的候选节点。当所有节点投票完成后，按照投票数从高到低排序，得票数最多的候选领航车成为正式领航车。同时，为了应对领航车失效的情况，需选择出备用领航车。设定得票数阈值γ，将得票数大于阈值γ的车辆选为备用领航车，以应对突发状况，减少领航车重新选举的复杂性.
领航车选举之后，向RSU和其他跟随车辆广播信息，跟随车辆将接收到的信息进行处理并传送给RSU，RSU充当监测者将收集到的领航车广播结果和跟随车传送的反馈结果进行验证比较，并且记录和监管反馈错误的节点。如果信息连续匹配不成功，则判定为网络问题导致接收到的信息不完整或节点遭受了恶意攻击。此时RSU行使监测者的权利，将此问题节点删除，以保证车辆队列行使通信的安全性。
进一步，所述步骤S4中，在选举了正式领航车之后，实时检查领航车状态，基于车辆队列通信的不确定性，车辆行驶通信过程中会出现很多意外情况，无法保证领航车持续无差错工作，当所选领航车出现异常状况时，依据步骤S3中选出的备用领航车辆按照得票数从高到低的顺序，在领航车失效的情况下，依次替补担任领航车，管理整个车队的驾驶状况；当所选的备用领航车也失效后，则开始新的一轮选举领航车过程。
本发明的有益效果如下：
本发明提供的基于改进Raft算法的领航车选择方法，有助于提高车辆编队行驶在不同环境下的响应能力。在编队行驶时，领航车所发挥的作用是跟随车所不具备的，领航车管理控制整个队列的驾驶通信，领航车可以向跟随车广播信息，能够有效地保证跟随车沿着领航车的行驶路径行驶，保证了车队行驶车辆的相对间距与速度，保障了车队的安全稳定行驶；在行驶过程中遭遇突发状况时，领航车能够及时发现危险，并做出相应响应，避免事故的发生，大大提升了车辆队列行驶的安全、稳定性；同时，在车辆队列中，增加RSU充当监测者的角色，收集领航车和跟随车传送的信息并进行比较验证，对多次验证不成功的节点进行删除，以提高车辆队列的安全性；在选举过程中依据得票数选取备用领航车，作为出现领航车失效情况的应对方案，降低选举领航车轮数的复杂性，在领航车失效时能够及时利用备用领航车发挥领航车的作用，管理控制整个队列的驾驶通信，保证车辆队列行驶的安全稳定性。
附图说明
图1为本发明实施例车辆编队行驶示意图；
图2为本发明实施例选举领航车总体流程示意图；
图3为本发明实施例选举临时领航车流程示意图；
图4为本发明实施例选举候选领航车流程示意图；
图5为本发明实施例选举领航车和备用领航车流程示意图；
图6为本发明实施实时监测领航车流程示意图。
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，以下结合实施例和附图，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用以解释本发明，并不用于限定本发明。
如图1所示，车辆队列由同一车道内车辆之间保持稳定间距的车辆组建而成，车辆之间可以通过V2X(Vehicle to Everything,车对外界的信息交互)设备进行信息传输与响应，车辆队列包括一辆领航车和其他跟随车，领航车管理控制整个队列的行驶通信，向跟随车广播位置、速度、加速度等信息，使得车队能够安全稳定地行驶。
领航车是车辆队列中的决策车辆，它在队列的前方，管理控制整个车队。领航车具有以下功能：
1)领航车能够实时记录车辆队列行驶状况并能根据当前状态合理决策行驶路径和行为。
2)领航车通过V2X通信设备与跟随车和外界(比如RSU，路侧单元)进行信息交互，将其车辆状态(比如速度、加速度、位置等)、车辆行驶轨迹等信息广播给跟随车辆，使整个车队能够安全稳定地协作行驶。
跟随车是车辆队列中位于领航车之后的所有其他车辆。跟随车具有以下功能：
1)跟随车跟随领航车行驶，根据交通状况和领航车广播结果合理规划行驶路径及行为，并有效准确接收并执行领航车发送的命令，保证车辆队列安全驾驶。
2)跟随车通过V2X通信设备与包括领航车在内的其他车辆进行信息交互和记录，将其位置、状态等信息分发给各个车辆。
本实施例中，车辆编队完成后，由于交通状况的复杂性和不确定性，需要一个领航车来领导整个队列的行驶，广播车辆基本信息，应对出现的突发状况。
如图2所示，选举领航车主要包括五个阶段：第一阶段车辆队列初始化；第二阶段选举车辆队列第一辆拟定的车辆或次前的车辆为临时领航车，在正式选举领航车之前暂时管理控制整个队列的行驶，以保证车辆行驶的安全稳定性；第三阶段基于采集车辆自身的基本性能信息选举候选领航车，利用车辆最高车速和加速时间两个动力性指标参数的计算值与统计值进行比较，计算得到车辆动力性能指标的加权评估值Dm，选定成为候选领航车的最低标准，基于计算的加权评估值选举能够成为领航车的候选领航车集合；第四阶段利用改进Raft算法选举正式领航车和备用领航车；第五阶段实时监测领航车状态，当领航车无法发挥作用时及时切换至备用领航车进行工作，保证车辆队列行驶的安全与稳定性，当领航车和备用领航车都不能正常工作时则判定开始新一轮的选举领航车流程。
本实施例中，在车辆编队完成后，正式开始选举领航车流程之前要选定某一车辆作为临时领航车暂时担任领航车角色，管理整个队列的行驶，以保证车辆行驶的稳定性。
如图3所示，选举临时领航车包括：根据车辆编队原则，选定队列第一辆拟定的车辆作为临时领航车；若该车辆不满足临时领航车功能要求，不能暂时管理控制车队行驶，则选定队列靠前的车辆作为临时领航车。
本实施例中，车辆在开始行驶之前都会利用自身所带的传感器等设备采集相关性能信息，比如车辆速度、加速度、位置信息等等，基于车辆性能指标参数判定车辆队列内成为候选领航车的最低标准，得出候选领航车集合，为选举正式领航车流程减少复杂性。
车辆性能评价指标包括车辆动力性、车辆燃油经济性、车辆的制动性、汽车的平顺性、汽车的能量利用率、车辆操纵稳定性等，对车辆性能数值进行加权处理，利用加权评估值对车辆性能进行评估，加权评估值越高的车辆代表车辆性能越优，越容易成为候选领航车。
本实施例中，采用车辆动力性能指标中的最高车速和加速时间两个参数指标来计算车辆性能的加权评估值Dm，利用两个参数的采集值与标准值进行比较得到评估分值式，基于评估分值式得出车辆性能加权评估值，拟定成为候选领航车的最低标准值，将计算的车辆加权评估值与最低标准值进行比较，得出候选领航车集合。
如图4所示，基于车辆动力选举候选领航车流程包括：首先车辆收集自身的性能信息，比如最高车速和加速度等，通过对车辆性能进行分析，计算出车辆性能加权评估值Dm，如果该值大于成为候选领航车资格的最低标准值，则判定该车辆能够具备成为候选领航车的资格，反之则判定不具备成为候选领航车的资格，基于选举流程可以选举出能够成为候选领航车的集合，为选举正式领航车的过程降低了复杂性，减少了不必要车辆的选举流程。
Raft是一个共识算法，所谓共识，就是多个节点对某个事情达成一致的看法，即使是在部分节点故障、网络延时、网络分割的情况下。在Raft集群中，任意节点同一时刻只能处于领航节点、跟随节点、候选节点三种状态之一，且Raft会给每个节点分配一个随机的选举超时时间(Election Timeout)。在这个时间内，所有节点呈等待状态，不能成为候选节点。同时，选取了领航车之后，领航车会广播给跟随车，所传输时间成为心跳时间，也即领航车工作的时间，当心跳时间超时时，跟随车会判定领航车失效，则开始新一轮选举领航车的过程。
本实施例中提出改进Raft算法，Raft算法不能解决恶意节点攻击的问题，在Raft算法中增加监测者角色，用以接收验证消息并且判断出哪些节点出现问题或者是恶意节点，达到一定错误概率后判定为不合法节点并删除。
本实施例中，RSU(路侧单元)充当监测者的角色，RSU收到领航车反馈的信息后进行记录，并且记录所有跟随车反馈节点错误的节点并一直进行监管，如果某车辆连续出现问题则是网络问题导致通信信息不完整或者节点受到攻击后进行恶意操作，此时RSU履行监测者的权利，将问题车辆排除在领航车候选车辆外，提高车辆列队通信的安全性，减少选举领航车的复杂性。
如图5所示，Raft分配给每个节点一个随机的选举超时时间，当选举超时时间下降为0时，跟随节点转化为候选节点；候选节点先给自身投票后，再向另一跟随车辆发送投票请求信息；跟随车辆投票给最先发送投票请求的候选节点；当所有节点投票完成后，按照投票数从高到低排序，得票数最多的候选领航车成为正式领航车，同时选取得票数大于成为备用领航车的得票数阈值γ的备用领航车集合，以保证正式领航车出现异常的时候，备用领航车承担领航车角色，应对突发状况，保证队列行驶的安安全与稳定。
进一步，领航车选举之后，向RSU和其他跟随车辆广播信息，跟随车辆将接收到的信息处理并传送给RSU，RSU充当监测者将收集到的领航车广播结果和跟随车传送的反馈结果进行验证比较，并且记录和监管反馈错误的节点，如果信息匹配不成功，则判定为网络问题导致接收到的信息不完整或节点遭受了恶意攻击，此时RSU行使监测者的权利，将此问题节点删除，以保证车辆队列行使通信的安全性。
车辆队列在行驶过程中会出现很多不确定的意外情况，而领航车不能保证在车辆到达目的地之前一直正常工作，当领航车功能出现异常时，则利用改进Raft算法选出的备用领航车来发挥领航车的作用，管理控制整个队列的继续行驶，维持车队的安全与稳定性。
如图6所示，本实施例中，选举出领航车之后实时监测领航车状态，当出现领航车异常，无法继续担任领航车的角色时，则采用依据改进Raft算法选举出的备用领航车按照得票数从高到低的顺序，依次替补担任领航车，承担领航车的角色，管理整个车队的驾驶行为和决策，保证车队行驶的安全稳定性；当备用领航车也失效时，则判定该轮选举的领航车和备用领航车失效，开始新一轮的选举领航车流程。
上述实施过程只为说明本发明的技术构思及特点，其目的在于让熟悉此项技术的人士能够了解本发明的内容并据以实施，并不能以此限制本发明的保护范围。可以根据上述说明加以改进或变换，而这些所有改进和变换都应属于本发明所附权利要求的保护范围。
Claims (7)
1.一种基于改进Raft算法选择车辆队列领航车的方法，其特征在于，所述车辆队列由同一车道内车辆之间保持稳定间距的车辆组建而成，所述车辆队列中的车辆分为领航车和跟随车，领航车的选择方法包括以下步骤：
步骤S1、选择车辆队列中最前方的车辆为临时领航车，若最前方的车辆不能履行领航车的职责，则顺延至车辆队列中的下一车辆作为临时领航车；
步骤S2、基于车辆动力性能指标的加权评估值，选择车辆队列的候选领航车；
步骤S3、利用改进Raft算法选出车辆队列的领航车，并基于得票数阈值选出备用领航车；
步骤S4、实时检查领航车状态，当领航车不能应对交通状况，无法发挥领航车作用时及时切换至备用领航车进行工作，用以管理队列的驾驶和通信；
所述步骤S4中Raft集群包括领航车、跟随车、候选领航车和路边控制单元RSU，其中RSU充当监测者的角色，领航车和备用领航车的具体选择过程包括：
给每个车辆分配一个随机的选举超时时间，在选举超时时间内，所有车辆都呈等待状态，选举超时时间会随着车辆动力性能指标下降，且性能更优的车辆选举超时时间减少更快；
当车辆选举超时时间下降为0时，跟随车转化为候选领航车，候选领航车给自身投票并发送投票请求给其余跟随车，跟随车收到投票请求后投票给最先发送投票请求的候选领航车，所有跟随车投票完成后，得票数目最多的候选领航车成为正式领航车；
统计每个候选领航车的得票数，选定大于得票数阈值γ的候选领航车成为备用领航车。
2.根据权利要求1所述的方法，其特征在于，所述步骤S2中，通过车载传感器采集车辆自身的动力性能指标。
3.根据权利要求2所述的方法，其特征在于，所述步骤S2中，选取车辆最高车速和加速时间两个动力性指标的采集值与其标准值比较得到车辆性能的动力性因子，基于动力性因子得出加权评估值，选择加权评估值大于设定的加权评估标准值的车辆为候选领航车；其中，动力性因子β＝αdvβdv+αdtβdt，αdv和αdt分别为最高车速和加速时间的权重系数，αdv+αdt＝1，βdv和βdt分别为最高车速和加速时间的参数因子加权评估值Dm＝100×αβ，α为权重系数。
4.根据权利要求3所述的方法，其特征在于，vm为车载传感器采集的最高车速，kv为vm的调节系数，vms为最高车速的标准值；Tc为车载传感器采集的加速时间，Tcs为加速时间的标准值，kT为Tc的调节系数。
5.根据权利要求1所述的方法，其特征在于，该方法还包括实时检查领航车状态，当领航车不能应对交通状况，无法发挥领航车作用时及时切换至备用领航车进行工作，基于备用领航车的得票数，按照由高至低的顺序选取备用领航车担任领航车角色。
6.根据权利要求1所述的方法，其特征在于，领航车向RSU和跟随车广播消息，跟随车将接收到的消息传送给RSU；RSU将领航车广播的消息和跟随车传送的消息进行比较，将连续出现比较结果不一致问题的跟随车排除在候选领航车之外。
7.根据权利要求1所述的领航车选择方法，其特征在于：所述步骤S4中，实时检查领航车的状态，当选择的领航车出现异常，无法正常响应时，备用领航车及时承担领航车的角色，领导整个车队的行驶，保证车辆队列驾驶的安全性；当所选备用领航车都失效时，则开始重新选举领航车和备用领航车的过程。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111285053.9A CN114089744B (zh) | 2021-11-01 | 2021-11-01 | 一种基于改进Raft算法选择车辆队列领航车的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111285053.9A CN114089744B (zh) | 2021-11-01 | 2021-11-01 | 一种基于改进Raft算法选择车辆队列领航车的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114089744A CN114089744A (zh) | 2022-02-25 |
| CN114089744B true CN114089744B (zh) | 2023-11-21 |
Family
ID=80298574
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111285053.9A Active CN114089744B (zh) | 2021-11-01 | 2021-11-01 | 一种基于改进Raft算法选择车辆队列领航车的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114089744B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116627179B (zh) * | 2023-07-19 | 2023-10-31 | 陕西德鑫智能科技有限公司 | 无人机编队控制方法及装置 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103118440A (zh) * | 2013-02-25 | 2013-05-22 | 江苏物联网研究发展中心 | 车载自组网的动态网格构建方法 |
| CN110400457A (zh) * | 2019-06-25 | 2019-11-01 | 联想(北京)有限公司 | 一种车队控制方法和电子设备 |
| WO2019232789A1 (zh) * | 2018-06-08 | 2019-12-12 | 北京大学深圳研究生院 | 一种基于投票的共识方法 |
| CN110855793A (zh) * | 2019-11-19 | 2020-02-28 | 南昌航空大学 | 一种分布式系统共识方法 |
| CN113470340A (zh) * | 2021-06-30 | 2021-10-01 | 高新兴科技集团股份有限公司 | 一种车辆编队方法及系统 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110445619B (zh) * | 2017-03-30 | 2020-10-16 | 腾讯科技（深圳）有限公司 | 区块链系统、消息处理方法及存储介质 |
| CN107105032B (zh) * | 2017-04-20 | 2019-08-06 | 腾讯科技（深圳）有限公司 | 节点设备运行方法及节点设备 |
-
2021
- 2021-11-01 CN CN202111285053.9A patent/CN114089744B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103118440A (zh) * | 2013-02-25 | 2013-05-22 | 江苏物联网研究发展中心 | 车载自组网的动态网格构建方法 |
| WO2019232789A1 (zh) * | 2018-06-08 | 2019-12-12 | 北京大学深圳研究生院 | 一种基于投票的共识方法 |
| CN110400457A (zh) * | 2019-06-25 | 2019-11-01 | 联想(北京)有限公司 | 一种车队控制方法和电子设备 |
| CN110855793A (zh) * | 2019-11-19 | 2020-02-28 | 南昌航空大学 | 一种分布式系统共识方法 |
| CN113470340A (zh) * | 2021-06-30 | 2021-10-01 | 高新兴科技集团股份有限公司 | 一种车辆编队方法及系统 |
Non-Patent Citations (5)
| Title |
|---|
| Death by Babble: Security and Fault Tolerance of Distributed Consensus in High-Availability Softwarized Networks;Robert Hanmer 等;2019 IEEE Conference on Network Softwarization;266-270 * |
| Fabrication of cell outer membrane mimetic polymer brush on polysulfone surface via RAFT technique;zhang hui 等;Applied Surface Science;第258卷(第24期);第9711-9717页 * |
| Improving Raft When There Are Failures;Christian Fluri 等;2018 Eighth Latin-American Symposium on Dependable Computing;第167-170页 * |
| 一种有线-无线异构网络的媒体感知ARQ 控制方案;赵海涛 等;南京邮电大学学报;第32卷(第1期);第40-45页 * |
| 基于深度学习的车联边缘网络交通事故风险预测算法研究;赵海涛 等;电子与信息学报;第42卷(第1期);50-56 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114089744A (zh) | 2022-02-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108877256B (zh) | 基于无线通信的交叉口附近分散协同自适应巡航控制方法 | |
| CN111311959B (zh) | 多路口协同控制方法、装置、电子设备及存储介质 | |
| CN107507430B (zh) | 一种城市路口交通控制方法及系统 | |
| WO2022127467A1 (zh) | 车辆编队行驶控制方法及相关设备 | |
| CN114089744B (zh) | 一种基于改进Raft算法选择车辆队列领航车的方法 | |
| CN113299107B (zh) | 一种多目标融合的交叉口动态车辆网联速度引导控制方法 | |
| CN109625029B (zh) | 一种列车群进出站控制方法及系统 | |
| CN113099418B (zh) | 一种用于车联网数据传输的区块链任务的优化方法 | |
| CN110855563B (zh) | 一种基于链路可靠性和稳定性的车辆分簇方法 | |
| CN114194207A (zh) | 一种自动驾驶方法、ads及自动驾驶车辆 | |
| CN110782650A (zh) | 基于自适应事件触发的车流分布式协同编队控制方法 | |
| CN112925309A (zh) | 智能网联汽车数据交互方法及交互系统 | |
| CN114074680B (zh) | 基于深度强化学习的车辆换道行为决策方法及系统 | |
| CN113191588A (zh) | 一种分布式驾驶系统的设备分配系统 | |
| CN110194156A (zh) | 智能网联混合动力汽车主动避撞增强学习控制系统和方法 | |
| CN112977556A (zh) | 一种列车制动曲线分段方法、系统及列车控制方法 | |
| Zeng et al. | Federated learning for collaborative controller design of connected and autonomous vehicles | |
| CN114489067B (zh) | 智能网联车辆队列协同驾驶模型预测控制方法 | |
| CN116434524A (zh) | 混合交通流下路侧感知云端规划的无人驾驶系统、方法及车辆 | |
| CN115665859A (zh) | 一种多智能体任务卸载和资源调度联合优化方法 | |
| CN115795861A (zh) | 一种应用于智能公交路阻调度的仿真系统及方法 | |
| CN116127839A (zh) | 一种基于强化学习的公交站场服务中断防治方法 | |
| CN113140108B (zh) | 一种网联智能交通系统中的云端交通态势预测方法 | |
| CN112537340B (zh) | 基于离散通信数据的多列车分散事件触发控制的方法 | |
| CN113297194A (zh) | 一种电动汽车聚合商备用容量虚假数据识别与清洗的方法 |
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 |