CN114677857A - 基于车联网的园区自动驾驶车辆的车位分配及停车系统 - Google Patents

Abstract

本发明公开了基于车联网的园区自动驾驶车辆的车位分配及停车系统，包括车位检测端、车位发布端、车位申请端以及通信网络架构，其中：车位检测端，包括停车场端的检测单元及路侧的数据单元，负责车位状态检测及发布；车位发布端，为数据云平台，负责车辆与车位的管理和车位最优化推荐；车位申请端，为自动驾驶车辆，负责提出车位申请；通信网络架构，包括通信基站，通信基站通过多种通信方式实现车位检测端、车位发布端、车位申请端之间的通信和协同。本发明融合了“车辆‑道路‑云端‑停车场端”的信息交互，通过场端检测车位、云端规划路线、车端自动驾驶，可以较好地实现对车辆的统一调度及高效管理。

Description

基于车联网的园区自动驾驶车辆的车位分配及停车系统

技术领域

本发明属于自动驾驶领域，具体涉及一种基于车联网的园区自动驾驶车辆的车位分配及停车系统。

背景技术

自动驾驶车辆是一种集环境感知、决策规划、控制执行等功能于一体的智能系统，也称为无人驾驶、无人车辆等，将之与车联网结合，具备智能化与网联化的特点，是当前汽车工业发展的必然趋势及技术创新的主要领域。园区交通场景包括景区观光、园区站点摆渡、公园清扫、固定路线巡逻等作业场景，具有速度较低、路线相对固定、交通参与者较少、安全性可控等特点，被认为是率先实现自动驾驶产业化的重点场景之一。园区自动驾驶车辆需要长时间执行重复性作业，且作业路线相对固定，在车辆作业状态及后台调度系统的指令下，能够做到“召之即来、挥之即去”，需要频繁地行驶于停车场及作业点之间。如何实时合理地为自动驾驶车辆分配停车位及完成高效停车，对于提高园区自动驾驶车辆的运行效率及管理调度有重要的意义。

中国发明专利“一种基于无人驾驶及车联网的自动泊车方法”(专利号ZL201910892986.0)发明了一种无人驾驶车辆的自动泊车方法，通过车联网与无人驾驶技术的结合，车主在移动端输入泊车参数信息及选择泊车模式，可以实现车辆的自动泊车动作；该专利主要适用于载人自动驾驶车辆，针对特定的停车场及具备自动泊车功能的车辆，解决客户泊车难的痛点。

中国发明专利申请“基于临时事件的无人车停车方法、装置及电子设备”(申请号：CN 202110810680.3，申请公布日：2021.08.17)公开了一种基于临时事件的无人车停车方法，能够实现基于临时事件触发无人车停车功能，通过车载传感器和控制器综合检测道路环境、交通规则、障碍物等约束条件，动态调整无人车的停车位置，提升无人车与外界用户之间交互能力和环境应对能力；该专利申请主要解决无人车在临时事件介入情况下的停车决策问题，以确定是否响应临时事件、是否停车、如何停车及停在何处等问题。

中国发明专利“精准选择停车位置的方法、智能控制设备及自动驾驶车辆”(申请号：CN 202110141603.3，申请公布日：2021.05.11)公开了一种自动驾驶车辆精准选择停车位置的方法，通过构建与高精地图相关联的自动驾驶车辆可直接识别位置的地图，准确地确认用户的位置；当车辆当前位置与停车位置之间的距离小于预设的距离时，获取用户关于停车位置的确认信息；为用户提供更加准确的停车位置的地图，确保用户在准确的位置进行上车和下车；该专利申请主要解决自动驾驶车辆停车的合理性决策及停车精准度的问题。

中国发明专利申请“一种车位分配方法及装置”(申请号：CN202011329692.6，申请公布日：2021.02.19)公开了一种适用于自动代客泊车的车位分配方法，该方法通过预设的“车-场”匹配表，获取附近可用的停车场及停车位的优先级排序集合发送给用户以供用户选择，可以实现为不同自动驾驶功能的车辆提供相适应的自动代客泊车的停车场和车位；该专利申请适用于载人自动驾驶车辆，主要依赖于停车场类型设置、车辆功能划分、车-场预匹配等条件。

中国发明专利申请“一种基于人工智能的新能源汽车自动驾驶停车系统”(申请号：202011368423.0，申请公布号：2021.02.19)公开了一种基于人工智能的新能源汽车自动驾驶停车系统，通过电量剩余检测模块检测新能源汽车到达停车场后的剩余电量，并根据历史数据判断汽车能否靠剩余电量到达目的地，根据判断结果选择充电和非充电空车位；在寻找到合适空车位后通过空位扫描模块扫描确认空车位上是否有障碍物，并进一步决策是否停车；该专利申请主要基于车载传感器及控制器，用于解决车辆是否充电、停车位主动选择的问题。

发明专利申请“一种基于自动驾驶的停车系统和方法”(申请号：CN202011473694.2，申请公布日：2021.04.06)公开了一种基于自动驾驶的停车系统和方法，利用三个及以上的场端超声波雷达来确定车辆的定位信息，并基于停车场的电子地图规划到达该空车位的行车路径，将行车路径发送给自动驾驶车辆，从而由自动驾驶车辆基于行车路径自动驾驶到空车位；该专利申请主要针对室内停车场，通过多个超声波雷达来实现车辆定位。

针对上述几项专利，现有自动驾驶车辆的停车系统大部分应用于泊车场景，且针对的行驶路线较为多变，并没有考虑自动驾驶车辆从发出停车申请的位置至停车位之间的路径导航；现有自动驾驶车辆的停车系统大部分基于单车智能实现，即依靠车辆自身的传感器来定位和识别车位，并没有融合“车辆-道路-云端-停车场端”之间的信息交互，不能很好地进行统一的车位调度和路径规划。

本发明根据园区自动驾驶车辆在停车场与作业点之间频繁行驶的需求，及作业路线相对固定的特点，融合了“车辆-道路-云端-停车场端”之间的信息交互，完成自动驾驶车辆的自动申请、最优车位推荐、自动导航至停车位，实现园区自动驾驶车辆的高效管理和调度。

发明内容

本发明目的是：针对园区自动驾驶车辆在停车场与作业点之间频繁行驶的需求，及作业路线相对固定的特点，提出基于车联网的园区自动驾驶车辆的车位分配及停车系统，提高园区自动驾驶车辆的管理和调度效率。

本发明的技术方案是：

基于车联网的园区自动驾驶车辆的车位分配及停车系统，包括车位检测端、车位发布端、车位申请端以及通信网络架构，其中：

车位检测端，负责车位状态检测及发布；

车位发布端，负责车辆与车位的管理和车位最优化推荐；

车位申请端，为自动驾驶车辆，负责提出车位申请；

通信网络架构，包括通信基站，通信基站通过多种通信方式实现车位检测端、车位发布端、车位申请端之间的通信和协同。

优选的，所述车位检测端，包括场端车位检测单元和路侧数据单元；

场端车位检测单元通过车位检测传感器检测车位的空闲状态和车位编号，通过车位检测信号处理器对车位信号进行预处理；

路侧数据单元负责接收自动驾驶车辆发送的车位申请命令，及广播云平台发布的停车位信息。

优选的，所述路侧数据单元包括边缘计算器、路侧数据处理模块和路侧通信模块；

边缘计算器将路侧数据单元的非结构化数据转化为结构化数据，路侧数据处理模块进行数据的初步处理；其中非结构化数据包括摄像头的图像数据，结构化数据包括车位编号、车位位置和车道线。

优选的，所述车位发布端部署于云平台中，包括车位识别定位单元、车位推荐单元、停车管理单元；

车位识别定位单元利用人工智能技术进行停车位识别，得到空闲停车位的编号及位置，当空闲停车位被识别和定位之后，云平台将车位信息存储在车位数据库中，等待车位申请命令；

当自动驾驶车辆发出停车申请命令后，车位推荐单元利用逼近理想解的排序算法，得到空闲停车位的最优排序，并将最优车位推荐给自动驾驶车辆，云平台将更新车位数据库，并不再发布已被推荐的车位至其他车辆；根据上传到云平台的车位申请车辆的定位坐标，云平台将通过访问预存的地图，获得车位申请车辆到被推荐车位的导航路线，最终引导车辆自动驾驶至该车位，完成停车。

优选的，所述车位申请端，包括车载单元、人机交互界面、摄像头/惯性组合导航和微控制器；车载单元负责信号的发送和接收，人机交互界面主要负责人员与停车系统的交互，显示车位和导航路径，摄像头/惯性组合导航负责采集行驶道路两侧的图像数据和车辆自身定位数据，微控制器负责各个模块信号的处理和收发。

优选的，所述通信网络架构中：

车载单元利用Uu口或PC5口，与路侧单元及通信基站通信，发送的数据包括自车定位数据、车辆运动数据、停车位申请命令，接收的数据包括空闲车位的编号和位置数据、导航路线、被推荐空闲车位信息；

路侧单元与车载单元及通信基站通信，向云平台发送自动驾驶车辆的状态信息和车位申请命令，向车载单元发送来自云平台的被推荐车位信息和导航路线信息；

云平台与通信基站通信，通过通信基站接收和发送数据，包括接收路侧单元上传的经边缘计算器初步处理的车辆定位数据、车辆状态数据、车位申请命令，以及通过Uu通信接口上传车位申请命令，并发布推荐车位信息和导航路线信息。

优选的，自动驾驶车辆返回停车场时，车辆控制器向车载单元发出申请车位的命令，车载单元将车位申请命令、当前车身定位数据和车辆状态数据上传到云平台；

云平台将查询车辆附近是否存在可用的停车场，以及停车场内是否存在空闲车位，若不存在空闲车位，则增加搜索空间的距离范围，直到搜索到可用停车场及空闲车位；

完成停车场及空闲车位搜索后，云平台自动确认停车场位置、空闲车位数量及编号；云平台对空闲车位进行排序，挑选出最优停车位，并将该车位推荐至自动驾驶车辆；

自动驾驶车辆确认该空闲车位之后，云平台将更新空闲车位库，将该车位状态变为已占用，不再向其他自动驾驶车辆推荐该车位；云平台根据此时车辆自身定位数据和空闲车位定位数据，调用预存的高精度地图，规划自动驾驶车辆行驶至该推荐车位的路径，并将导航路径发送至自动驾驶车辆；

车载单元接收到云平台发布的导航路线之后，确认该导航路线，启动自动驾驶功能，并将导航路线及车辆状态信息显示于车辆以及云平台的人机交互界面之上，以便于相关人员实时管控车辆行驶状态；

自动驾驶车辆到达所推荐的车位并完成停车操作后，向云平台上传停车完成、车辆编号、停车开始时间信息，云平台持续监控此车位的状态。

优选的，若云平台所推荐的行驶路径不通畅，自动驾驶车辆的车载传感器将检测行驶路径中的不通畅原因，并将道路不通的信息通过车载单元发送至云平台，云平台将根据车辆所在位置，重新推荐最优车位及导航路径。

优选的，车位推荐单元利用逼近理想解的排序算法，得到空闲停车位的最优排序的方法包括：

S1、构造初始矩阵

设有m个方案，n个评价指标，方案集为D＝{d₁,d₂,…d_m}，衡量方案优劣的属性变量为x₁,…,x_n，这时方案集D中的每个方案d_i(i＝1,…,m)的n个指标构造的初始矩阵是A＝[ai1,…,ain]，矩阵A作为n维空间中的一点，能唯一表征方案d_i的品质；

S2、规范化/标准化

用矩阵规划化的方法求得规范决策矩阵，设多属性决策问题的决策矩阵A＝(a_ij)_m×n，计算规范化决策矩阵B＝(b_ij)_m×n，其中，

S3、构造加权规范阵C＝(c_ij)_m×n

设由决策者给定各属性/指标的权重向量为w＝[w₁,w₂,…,w_n]^T，则

c_ij＝w_j·b_ij，其中i＝1,2,…,m；j＝1,2,…,n；

S4、确定正理想解和负理想解

正理想解C⁺由C中每列中的最大值构成：

C⁺＝max(c_i1,c_i2,…,c_im)

负理想解C^-由C中每列中的最小值构成：

C^-＝min(c_i1,c_i2,…,c_im)

S5、计算各目标与理想值之间的欧氏距离

即：计算各个方案到正理想解与负理想解的距离

备选方案d_i到正理想解的距离为：

备选方案d_i到负理想解的距离为：

S6、计算各方案的排队指标值

即：计算评价对象与最优方案的接近程度

按照接近度f_i由降序排列各个方案的优劣顺序，从排序的列表中挑选出最优停车位，并发布给申请车位的自动驾驶车辆。

与现有技术相比，本发明具有以下优势：

(1)本发明融合了“车辆-道路-云端-停车场端”的信息交互，通过场端检测车位、云端规划路线、车端自动驾驶，可以较好地实现对车辆的统一调度及高效管理；

(2)本发明考虑了园区自动驾驶车辆在停车场与作业点之间频繁行驶的需求，及作业路线相对固定的特点，在云端进行路线规划，并发给车辆作为导航路线，可以有效提高车辆的行驶效率和安全性；

(3)本发明采用逼近理想解的排序算法，考虑众多空闲车位的车位信息、车辆状态信息、行驶距离等信息进行车位排序，计算出最优车位推荐之车端，提高园区自动驾驶车辆的停车效率。

附图说明

图1为基于车联网的园区自动驾驶车辆的车位分配及停车系统的架构图；

图2为基于车联网的园区自动驾驶车辆的车位分配及停车系统的场景架构图；

图3为基于车联网的园区自动驾驶车辆的车位分配及停车系统实现流程图；

图4为最优停车位推荐的流程图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、详细地描述。所描述的实施例仅仅是本发明的一部分实施例。

如图1所示，本发明的基于车联网的园区自动驾驶车辆的车位分配及停车系统，包括车位检测端、车位发布端、车位申请端以及通信网络架构。

车位检测端主要负责车位状态检测及发布，包括场端车位检测单元和路侧数据单元。场端车位检测单元通过车位检测传感器(如摄像头、超声波雷达、红外探测器等)检测车位的空闲状态和车位编号，通过车位检测信号处理器对车位信号进行预处理。路侧数据单元负责接收自动驾驶车辆发送的车位申请命令，及广播云平台发布的停车位信息，由边缘计算器、路侧数据处理模块和路侧通信模块组成，由于实时传输的数据量较大，利用现有的通信网络将所有数据都上传云平台，将造成较大的通讯压力，因此路侧数据处理模块进行数据的初步处理，并部署了边缘计算器，将非结构化数据转化为结构化数据，其中非结构化数据包括摄像头的图像数据等，结构化数据包括车位编号、车位位置和车道线等。

车位发布端部署于云控平台之中，主要负责车辆与车位的管理和车位最优化推荐，包括车位识别/定位单元、车位推荐单元、停车管理单元三部分。车位识别/定位单元利用人工智能技术进行停车位识别，得到空闲停车位的编号及位置，当空闲停车位被识别和定位之后，云平台将车位信息存储在服务中，等待车位申请命令；当自动驾驶车辆发出停车申请命令后，车位推荐单元利用逼近理想解的排序算法，得到空闲停车位的最优排序，并将最优车位推荐给自动驾驶车辆，云平台将更新车位数据库，并不再发布已被推荐的车位至其他车辆；根据上传到云平台的车位申请车辆的定位坐标，云平台将通过访问预存的高精度地图，获得车位申请车辆到被推荐车位的导航路线，最终引导车辆自动驾驶至该车位，完成停车。

车位申请端是指自动驾驶车辆，包括车载单元、人机交互界面、摄像头/惯性组合导航和微控制器(MCU)等，车载单元主要负责信号的发送和接收，人机交互界面主要负责人员与停车系统的交互，显示车位和导航路径，摄像头/惯性组合导航主要负责采集行驶道路两侧的图像数据和车辆自身定位数据，微控制器(MCU)主要负责各个模块信号的处理和收发。

图2展示了基于车联网的园区自动驾驶车辆的车位分配及停车系统实现的场景之一，自动驾驶车辆接收到停车指令后，将车辆自动驾驶至云平台所推荐的停车位中，完成停车过程。图示道路两侧是侧方停车车位，在园区场景中还存在其他类型的停车位，只要能够被车位检测装置有效识别及定位，其实施方式与本实施例一致。

在图2所示的实施例中，车载单元利用不同的通信方式(Uu口或PC5口)，与路侧单元及通信基站通信，发送的数据包括自车定位数据、车辆运动数据、停车位申请命令等，接收的数据包括空闲车位的编号和位置数据、导航路线、被推荐空闲车位信息等。路侧单元与车载单元及通信基站通信，向云平台发送自动驾驶车辆的状态信息和车位申请命令，向车载单元发送来自云平台的被推荐车位信息和导航路线信息。云平台主要与通信基站通信，通过通信基站接收和发送数据，包括接收路侧单元上传的经边缘计算器初步处理的车辆定位数据、车辆状态数据、车位申请命令等，以及通过Uu通信接口上传车位申请命令，并发布推荐车位信息和导航路线信息。

图3展示了基于车联网的园区自动驾驶车辆的车位分配及停车系统的实现流程。首先系统完成初始化，自动驾驶车辆遇到需要返回停车场的工况时，车辆控制器(MCU)向车载单元(OBU)发出停车“申请车位”命令(促使自动驾驶车辆发出“申请车位”命令的因素较多，如已完成园区自动驾驶作业、车辆电力不足、后台管理调度等)，OBU与路侧单元及通信基站进行通信，将车位申请命令、当前车身定位数据和车辆状态数据上传到云平台。

云平台中的停车管理服务器将查询车辆附近是否存在可用的停车场，以及停车场内是否存在空闲车位，若不存在空闲车位，则增加搜索空间的距离范围，直到搜索到可用停车场及空闲车位；

进一步地，完成停车场及空闲车位搜索后，云平台系统自动确认停车场位置、空闲车位数量、位置及编号；

进一步地，云平台中的最优车位推荐服务器将利用逼近理想解的排序算法，对空闲车位进行排序，该算法考虑车位信息、车辆状态、行驶距离等因素，挑选出最优停车位，并将该车位推荐至自动驾驶车辆，同时附加此车位的基本信息，如车位类型、距离、位置等；

进一步地，自动驾驶车辆确认该空闲车位之后，云平台将更新空闲车位库，将该车位状态变为已占用，不再向其他自动驾驶车辆推荐该车位；

进一步地，云平台根据此时车辆自身定位数据和空闲车位定位数据，调用预存的高精度地图，规划自动驾驶车辆行驶至该推荐车位的路径，并将导航路径发送至自动驾驶车辆；

进一步地，OBU接收到云平台发布的导航路线之后，确认该导航路线，启动自动驾驶功能(包括但不限于循迹行驶、遇障停车、避障行驶等)，并将导航路线及车辆状态信息显示于车辆以及云平台的人机交互界面之上，以便于相关人员实时管控车辆行驶状态；

进一步地，自动驾驶车辆到达所推荐的车位并完成停车操作后，向云平台上传停车完成、车辆编号、停车开始时间等信息，云平台持续监控此车位的状态。

特别地，若所推荐的行驶路径不通畅(如行车道被堵、交通管制、道路施工等)，自动驾驶车辆的车载传感器(如摄像头、激光雷达等)将检测行驶路径中的不通畅原因，并将“道路不通”的信息通过OBU发送至云平台，云平台将根据车辆所在位置，利用TOPSIS算法重新推荐最优车位及导航路径。

图4展示了最优停车位推荐的流程图，主要利用逼近理想解的排序算法，考虑众多空闲车位的车位信息、车辆状态信息、行驶距离等信息进行车位排序。逼近理想解排序算法的实施步骤包括：

S1、构造初始矩阵

设有m个方案，n个评价指标，方案集为D＝{d₁,d₂,…d_m}，衡量方案优劣的属性变量为x₁,…,x_n，这时方案集D中的每个方案d_i(i＝1,…,m)的n个指标(属性值)构造的初始矩阵是A＝[ai1,…,ain]，矩阵A作为n维空间中的一点，能唯一表征方案d_i的品质。

S2、规范化/标准化

用矩阵规划化的方法求得规范决策矩阵，设多属性决策问题的决策矩阵A＝(a_ij)_m×n，计算规范化决策矩阵B＝(b_ij)_m×n，其中

S3、构造加权规范阵C＝(c_ij)_m×n

设由决策者给定各属性/指标的权重向量为w＝[w₁,w₂,…,w_n]^T，则

c_ij＝w_j·b_ij，其中i＝1,2,…,m；j＝1,2,…,n。

S4、确定正理想解和负理想解

正理想解C⁺由C中每列中的最大值构成：

C⁺＝max(c_i1,c_i2,…,c_im)

负理想解C^-由C中每列中的最小值构成：

C^-＝min(c_i1,c_i2,…,c_im)

S5、计算各目标(方案)与理想值之间的欧氏距离

即：计算各个方案到正理想解与负理想解的距离

备选方案d_i到正理想解的距离为：

备选方案d_i到负理想解的距离为：

S6、计算各方案的排队指标值(即综合评价指数)

即：计算评价对象与最优方案的接近程度

按照接近度f_i由降序排列各个方案的优劣顺序，从排序的列表中挑选出最优停车位，并发布给申请车位的自动驾驶车辆。

上述实施例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。凡根据本发明主要技术方案的精神实质所做的修饰，都应涵盖在本发明的保护范围之内。

Claims (9)

1.基于车联网的园区自动驾驶车辆的车位分配及停车系统，其特征在于，包括车位检测端、车位发布端、车位申请端以及通信网络架构，其中：

车位检测端，负责车位状态检测及发布；

车位发布端，负责车辆与车位的管理和车位最优化推荐；

车位申请端，为自动驾驶车辆，负责提出车位申请；

通信网络架构，包括通信基站，通信基站通过多种通信方式实现车位检测端、车位发布端、车位申请端之间的通信和协同。

2.根据权利要求1所述的基于车联网的园区自动驾驶车辆的车位分配及停车系统，其特征在于，所述车位检测端，包括场端车位检测单元和路侧数据单元；

场端车位检测单元通过车位检测传感器检测车位的空闲状态和车位编号，通过车位检测信号处理器对车位信号进行预处理；

路侧数据单元负责接收自动驾驶车辆发送的车位申请命令，及广播云平台发布的停车位信息。

3.根据权利要求2所述的基于车联网的园区自动驾驶车辆的车位分配及停车系统，其特征在于，所述路侧数据单元包括边缘计算器、路侧数据处理模块和路侧通信模块；

边缘计算器将路侧数据单元的非结构化数据转化为结构化数据，路侧数据处理模块进行数据的初步处理；其中非结构化数据包括摄像头的图像数据，结构化数据包括车位编号、车位位置和车道线。

4.根据权利要求3所述的基于车联网的园区自动驾驶车辆的车位分配及停车系统，其特征在于，所述车位发布端部署于云平台中，包括车位识别定位单元、车位推荐单元、停车管理单元；

车位识别定位单元利用人工智能技术进行停车位识别，得到空闲停车位的编号及位置，当空闲停车位被识别和定位之后，云平台将车位信息存储在车位数据库中，等待车位申请命令；

当自动驾驶车辆发出停车申请命令后，车位推荐单元利用逼近理想解的排序算法，得到空闲停车位的最优排序，并将最优车位推荐给自动驾驶车辆，云平台将更新车位数据库，并不再发布已被推荐的车位至其他车辆；根据上传到云平台的车位申请车辆的定位坐标，云平台将通过访问预存的地图，获得车位申请车辆到被推荐车位的导航路线，最终引导车辆自动驾驶至该车位，完成停车。

5.根据权利要求4所述的基于车联网的园区自动驾驶车辆的车位分配及停车系统，其特征在于，所述车位申请端，包括车载单元、人机交互界面、摄像头/惯性组合导航和微控制器；车载单元负责信号的发送和接收，人机交互界面主要负责人员与停车系统的交互，显示车位和导航路径，摄像头/惯性组合导航负责采集行驶道路两侧的图像数据和车辆自身定位数据，微控制器负责各个模块信号的处理和收发。

6.根据权利要求5所述的基于车联网的园区自动驾驶车辆的车位分配及停车系统，其特征在于，所述通信网络架构中：

车载单元利用Uu口或PC5口，与路侧单元及通信基站通信，发送的数据包括自车定位数据、车辆运动数据、停车位申请命令，接收的数据包括空闲车位的编号和位置数据、导航路线、被推荐空闲车位信息；

路侧单元与车载单元及通信基站通信，向云平台发送自动驾驶车辆的状态信息和车位申请命令，向车载单元发送来自云平台的被推荐车位信息和导航路线信息；

云平台与通信基站通信，通过通信基站接收和发送数据，包括接收路侧单元上传的经边缘计算器初步处理的车辆定位数据、车辆状态数据、车位申请命令，以及通过Uu通信接口上传车位申请命令，并发布推荐车位信息和导航路线信息。

7.根据权利要求6所述的基于车联网的园区自动驾驶车辆的车位分配及停车系统，其特征在于，

自动驾驶车辆返回停车场时，车辆控制器向车载单元发出申请车位的命令，车载单元将车位申请命令、当前车身定位数据和车辆状态数据上传到云平台；

云平台将查询车辆附近是否存在可用的停车场，以及停车场内是否存在空闲车位，若不存在空闲车位，则增加搜索空间的距离范围，直到搜索到可用停车场及空闲车位；

完成停车场及空闲车位搜索后，云平台自动确认停车场位置、空闲车位数量及编号；云平台对空闲车位进行排序，挑选出最优停车位，并将该车位推荐至自动驾驶车辆；

自动驾驶车辆确认该空闲车位之后，云平台将更新空闲车位库，将该车位状态变为已占用，不再向其他自动驾驶车辆推荐该车位；云平台根据此时车辆自身定位数据和空闲车位定位数据，调用预存的高精度地图，规划自动驾驶车辆行驶至该推荐车位的路径，并将导航路径发送至自动驾驶车辆；

车载单元接收到云平台发布的导航路线之后，确认该导航路线，启动自动驾驶功能，并将导航路线及车辆状态信息显示于车辆以及云平台的人机交互界面之上，以便于相关人员实时管控车辆行驶状态；

自动驾驶车辆到达所推荐的车位并完成停车操作后，向云平台上传停车完成、车辆编号、停车开始时间信息，云平台持续监控此车位的状态。

8.根据权利要求7所述的基于车联网的园区自动驾驶车辆的车位分配及停车系统，其特征在于，

若云平台所推荐的行驶路径不通畅，自动驾驶车辆的车载传感器将检测行驶路径中的不通畅原因，并将道路不通的信息通过车载单元发送至云平台，云平台将根据车辆所在位置，重新推荐最优车位及导航路径。

9.根据权利要求4所述的基于车联网的园区自动驾驶车辆的车位分配及停车系统，其特征在于，车位推荐单元利用逼近理想解的排序算法，得到空闲停车位的最优排序的方法包括：

S1、构造初始矩阵

设有m个方案，n个评价指标，方案集为D＝{d₁,d₂,…d_m}，衡量方案优劣的属性变量为x₁,…,x_n，这时方案集D中的每个方案d_i(i＝1,…,m)的n个指标构造的初始矩阵是A＝[ai1,…,ain]，矩阵A作为n维空间中的一点，能唯一表征方案d_i的品质；

S2、规范化/标准化

用矩阵规划化的方法求得规范决策矩阵，设多属性决策问题的决策矩阵A＝(a_ij)_m×n，计算规范化决策矩阵B＝(b_ij)_m×n，其中，

S3、构造加权规范阵C＝(c_ij)_m×n

设由决策者给定各属性/指标的权重向量为w＝[w₁,w₂,…,w_n]^T，则

c_ij＝w_j·b_ij，其中i＝1,2,…,m；j＝1,2,…,n；

S4、确定正理想解和负理想解

正理想解C⁺由C中每列中的最大值构成：

C⁺＝max(c_i1,c_i2,…,c_im)

负理想解C^-由C中每列中的最小值构成：

C^-＝min(c_i1,c_i2,…,c_im)

S5、计算各目标与理想值之间的欧氏距离

即：计算各个方案到正理想解与负理想解的距离

备选方案d_i到正理想解的距离为：

备选方案d_i到负理想解的距离为：

S6、计算各方案的排队指标值

即：计算评价对象与最优方案的接近程度

按照接近度f_i由降序排列各个方案的优劣顺序，从排序的列表中挑选出最优停车位，并发布给申请车位的自动驾驶车辆。

Images