CN115035732A - 一种固定车道场景的车路协同调度方法 - Google Patents
一种固定车道场景的车路协同调度方法 Download PDFInfo
- Publication number
- CN115035732A CN115035732A CN202210385463.9A CN202210385463A CN115035732A CN 115035732 A CN115035732 A CN 115035732A CN 202210385463 A CN202210385463 A CN 202210385463A CN 115035732 A CN115035732 A CN 115035732A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- lane
- road
- vehicles
- scheduling
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/07—Controlling traffic signals
- G08G1/08—Controlling traffic signals according to detected number or speed of vehicles
-
- 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
- G08G1/052—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed
-
- 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
- G08G1/096805—Systems involving transmission of navigation instructions to the vehicle where the transmitted instructions are used to compute a route
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
- G08G1/166—Anti-collision systems for active traffic, e.g. moving vehicles, pedestrians, bikes
Abstract
本发明适用于智能控制技术改进领域,提供了一种固定车道场景的车路协同调度方法,在车路协同调度中包括车、道路、摄像头、边缘计算单元及智能交通云端中心的通信要素,所述调度方法包括:S1、根据设定的目的地在导航地图中规划行程路径;S2、依据行程路径边缘计算单元对路径信息做行驶规划;S3、根据行驶路径规划对行驶的车辆进行提前做好路况行驶调度。该算法运行和决策控制放在边缘计算设备,而不是单台智能车中,使得车的运算配置不需要太高,可以节省单台车的成本;在边缘计算设备中运行的算法,通过整体视角来看待交通,使得交通的决策达到全局最优,避免陷入局部拥堵。调度算法适合在某些场景的车路协同环境中加以运用。
Description
技术领域
本发明属于智能控制技术改进领域,尤其涉及一种固定车道场景的车路协同调度方法。
背景技术
自动驾驶是未来汽车的发展方向,业内一般是定义了L0~L5总共6个等级,越往后智能化越高,到了L4就可以实现大部分道路的完全自动驾驶或者高度自动驾驶。
但是单纯靠汽车本身的智能达到自动驾驶至少有几个方面的缺点:首先,汽车高度自动驾驶需要配备多个及多种传感器(摄像头,激光雷达,毫米波雷达,高精度定位及IMU惯导等),同时需要提高计算单元的处理能力,这些无形当中增加了汽车的成本;其次,汽车本身的高度智能也只是从它自身考虑达到的最佳解状态,它相当于技术娴熟的老师傅在驾驶,但各师傅都只考虑自身,这有可能造成交通的进一步混乱。一般在交通复杂,车流量多的地方,单纯的汽车智能只能陷入局部的最优解,而达不到宏观全局的,对全体车辆考虑的最优解。
鉴于单车智能的缺点,业内已经有共识,单纯的靠单车智能解决不了所有问题。为了解决这些问题,需要有更高维度的数据参与,这就需要车路协同技术。车路协同是指道路本身也具备智能化,车可以和道路基础设施通信。比如通过安装地磁车辆检测器,可以统计路上有多少车辆,或者通过摄像头采集整个道路画面,通过AI识别出车辆数。车可以获得道路的相关信息,如交通灯或者限速标志等等。同时车和车之间也可以相互通信,传输数据。这些技术在车联网行业里分别对应缩写V2X和V2V。
因为边缘计算设备含有全局的数据,如果可以在这一侧计算并控制车辆,将有可能达到全路段车辆的最优调度。5G技术的日渐成熟和应用使得这种方式变得可行,因其低延迟和高带宽的特性,特别是低延迟特性使得边缘计算设备控制车辆不会太迟缓。
发明内容
本发明的目的在于提供一种固定车道场景的车路协同调度方法,旨在解决上述的技术问题。
本发明是这样实现的,一种固定车道场景的车路协同调度方法,在车路协同调度中包括车、道路、摄像头、边缘计算单元及智能交通云端中心的通信要素,所述固定车道场景的车路协同调度方法包括以下步骤:
S1、根据设定的目的地在导航地图中规划行程路径;
S2、依据行程路径边缘计算单元对路径信息做行驶规划;
S3、根据行驶路径规划对行驶的车辆进行提前做好路况行驶调度。
本发明的进一步技术方案是:所述步骤S1中在行程路径规划中对路口的左转或右转或并道等信息进行路段标注。
本发明的进一步技术方案是:在车辆行驶过程中通过车辆的高精度的定位数据和路况信息采集的数据实时上报给边缘计算单元,边缘计算单元根据实时信息统计路况车道的车辆信息,依据路况车道的车辆信息调配行驶车辆完成左转或右转的变道。
本发明的进一步技术方案是:在车辆行驶中根据路况的实时信息对边缘计算单元对行驶路径进行实时调整并将调度信息发送给行驶的车辆进行路径变更。
本发明的进一步技术方案是:步骤S3中行驶中根据边缘计算单元同时的车道车辆数判断是否需要变更车道,如需要变道,则需要多车辆进行增加安全性,如不需要变道,则没有变道的当前车辆正常行驶。
本发明的进一步技术方案是:在增加安全性中对当前车道的第m辆车变道之前可通过V2V通知当前车道后方第m+1车辆适当提速,并通知目标车道后方车辆适当减速。
本发明的进一步技术方案是:未变道车辆的控制逻辑是通过激光雷达获得车距,或者V2V方式通知经纬度坐标,换算成车距;根据短时间的两次车距和自身车速计算前车的车速。
本发明的进一步技术方案是:依据换算得到的车距和前车车速对当前车辆进行提速和降速调整相邻辆车之间保持在安全距离行驶。
本发明的有益效果是:该算法运行和决策控制放在边缘计算设备,而不是单台智能车中,使得车的运算配置不需要太高,可以节省单台车的成本;在边缘计算设备中运行的算法,是站在“上帝”的整体视角来看待交通,可以使得交通的决策达到全局最优,避免陷入局部拥堵。调度算法适合在某些场景的车路协同环境中加以运用。
附图说明
图1是本发明实施例提供的车路协同各要素之间的通信连接图。
图2是本发明实施例提供的道路示意图。
图3是本发明实施例提供的车辆调度算法流程图。
具体实施方式
如图1-3所示,本发明提供的固定车道场景的车路协同调度方法,通过车载和其它智能体的V2X(V2V和V2I)互联技术,依托于5G的低时延和高带宽特性,针对固定车道(即车道数不变)的场景,如何调度每辆智能车。在保证安全的情况下,使得车辆流通量最大。
车路协同包括几个通信要素:车、道路、摄像头,边缘计算单元以及智能交通云端中心。如图1所示。其中车和车之间通过V2V技术可以实现直接交互,比如车速,变道提醒等数据;通过V2I,车可以获取道路的相关信息,如交通灯,交通标志等。车上带的传感器(摄像头画面数据、雷达数据,GNSS精确定位坐标等)数据通过5G网络实时传输到就近的边缘计算单元,由此计算单元决策对车的控制。道路设施监测的数据,比如车流量,有否发生事故等通过网络上报边缘计算单元,交通监控摄像头采集的车辆或者其它信息也上报边缘计算单元。
最终的算法决策放在边缘计算单元,利用5G网络的低时延特性,端到端传输时延可以控制在10ms以内。因为数据或者指令需要来回交互,即使这样,也可以保证在几十ms内对车辆进行控制,避免高时延造成的控制延误。
全局的车辆交通控制是一个非常复杂的数学模型,需要考虑的因素包括:车速,车距,总的车流量,道路的车道数,限速值,交通灯等情况,以及当下的环境:包括天气环境,道路施工,临时交通事故等情况。
本发明方案暂不考虑特殊的环境因素,同时对每条车道限速假设都一样。针对这种场景,边缘计算单元如何做决策,使得整体车流量最大。车流量最大,我们就认为达到了一个全局最优解。
为了进一步解释方案,这里只考虑单向车流量,且单向车道数为4,其中各只有1条左转车道和右转车道,直行车道有2条。如图2道路示意图所示。对于车道数不一样的场景,也可以通过本发明的方法演化得出。
可以设定100米或1公里为1个单位里程(根据车段长度及车流情况来设定单位里程),如果道路单位里程的车辆数总共为N俩,其中a辆车要左转,b辆车要右转,剩下的车都直行。考虑让每条车道在单位里程的车辆数尽量一致。这样可以保证在一段时间流经路口的车流量最大。
分几种情况调度:
1. 对于需要左转的车辆来讲,如果它已经在1车道上则保持此车道行驶;如果它在2车道上则由边缘计算设备调度其就近变入1车道;而3车道和4车道的车辆此时不允许变入1车道,如果3车道或4车道的车辆要左转,算法必须保证在上一段单位里程时已经调度其变入2车道;即算法保证不能在一段单位里程里连续多次变道。
2. 在1车道的车辆如果不需要左转,算法需要调度其就近进入2车道;即使1车道可以直行,如果该车道的车辆在近2个单位里程需要右转,也需要此时变入2车道。对于4车道的车辆变入3车道也是一样的策略。
3. 中间车道的车辆要尽量平均,即每个车道最好有(N-a-b)/2辆车。但是往往没有那么刚好,这就需要将密集车道的车辆变入另外的车道。但是在此之前,必须判断2车道的哪些车在下一个单位里程需要右转,3车道的哪些车在下一个单位里程需要左转。算法优先调度这些车辆就近变道。
4. 当必须变道的车辆完成变道后,此时如果2车道的车辆数仍多于3车道的车辆数且超过2辆时,则多出的车辆需要一半变入3车道。如果是3车道的车辆数多于2车道超过2辆时,则类似处理。否则不需要再变道。
5. 我们建立一个坐标系,横向为X轴,纵向为Y轴,每辆车看做是坐标轴上的点。那么2车道往3车道变入(若是3车道变入2车道的流程一样),相当于在坐标系里寻找x=2时比较密集的点,且x=3时比较稀疏的点。
采用如下方法:
5.1 遍历第2车道,从最前方的第1辆车到最后1辆,计算前后车距y2[m-1]-y2[m],其中m表示第m辆车,m>=1,y2[0]可以认为无穷大,这样第1辆车的车距就是无穷大,即前方无车。
5.2 从m=2开始,即第2辆车开始遍历。
5.3 如果第m辆车并没有准备下一个单位里程左转,那么寻找第3车道的坐标点y3[n-1]>y2[m-1]且y3[n]<y2[m],其中n为第3车道的第n辆车,n>=1,y3[0]也是无穷大。进入5.4步骤。否则,跳转到5.5步骤。
5.4 上个步骤,如果能找到3车道对应的点n,则对2车道的第m辆车做变道调度,准备变入3车道的第n-1辆车和第n辆车之间,变车道的车辆数count增1。反之,如果没找到n,则放弃。
5.5 m值增1,重新回到5.3步骤进行查找。如此循环,直到2车道和3车道的车辆数相差不超过1辆,或者车道内的所有车遍历结束。
以上所阐述的技术方案,主要是说明算法如何决策变道,而算法是运行在边缘计算设备中的。对于不需要变道的车辆,只需要控制好前后车距或车速,而这个控制可以由车辆本身自主完成,因为具有L2驾驶级别的车辆就可以完成这个目标,不需要边缘计算设备参与。
本发明可以在某些智能交通路段进行部署实施,要求路段行驶的都是无人驾驶车辆,各个车辆的传感器数据,道路基础设施数据,道路摄像头采集画面等实时上传边缘计算设备,边缘计算拥有该路段的所有智能体的数据,根据这些数据来调度车辆。
第一步,无人驾驶汽车在行驶之前都会由用户或者算法告知一个目的地,通过这个目的地,导航地图就可以做出大致的路径规划,即需要在哪个路口左转或者右转等等。这些数据在开始行驶时提交边缘计算设备。边缘计算设备就掌握了某台车需要在哪个路口做左转或者右转的信息,可以提前调度。
第二步,在某个特定的单位里程上,边缘计算设备需要调度那些马上左转、右转,以及即将(在近两个单位里程需要)左转、右转的车辆完成变道。
第三步,通过车辆的高精度定位数据,因为可以达到车道级别定位,这些数据实时上报边缘计算设备,那么边缘计算设备就可以统计出单位里程上,每个车道所包含的车辆数。也就是知道那条车道车太多,哪条车道车比较少。
这里假设2车道的车辆数为C[2],3车道的车辆数为C[3]。按照C[2] >= C[3]的方式给出调度(如果C[3]>=C[2]则是类似的调度算法)进入下一步。
第四步,将技术方案中的第4和5步骤转换成实际的算法流程图,如图3所示。其中m,n,y2[m]和y3[n]代表的意思同技术方案中的表述。
如此就完成了车辆的变道调度。
上面处理步骤中,如果需要变道,可以通过如下处理增加安全性:如2车道的第m辆车,变道之前可以通过V2V通知当前车道后方车辆即第m+1辆车适当提速,同时通知目标3车道后方车辆即第n辆车适当减速。
如果不需要变道,对于前车没有变道(并入或者驶出)的当前车辆,该车辆的控制逻辑如下:通过激光雷达获得车距,或者V2V方式通知经纬度坐标,换算成车距。在很短时间内的两次车距获得,同时结合自身的车速,可以计算出前车的车速。通过车距及前车车速,做适当提速或减速,使得每辆车的距离刚好保持在行驶安全距离上。因为当车距小于安全距离时,会有安全隐患,可能造成事故;而当车距太长则不利于交通的疏导,容易造成局部拥堵。只有刚好控制在安全距离上,才算是最优。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种固定车道场景的车路协同调度方法,在车路协同调度中包括车、道路、摄像头、边缘计算单元及智能交通云端中心的通信要素,其特征在于,所述固定车道场景的车路协同调度方法包括以下步骤:
S1、根据设定的目的地在导航地图中规划行程路径;
S2、依据行程路径边缘计算单元对路径信息做行驶规划;
S3、根据行驶路径规划对行驶的车辆进行提前做好路况行驶调度。
2.根据权利要求1所述的固定车道场景的车路协同调度方法,其特征在于,所述步骤S1中在行程路径规划中对路口的左转或右转或并道等信息进行路段标注。
3.根据权利要求2所述的固定车道场景的车路协同调度方法,其特征在于,在车辆行驶过程中通过车辆的高精度的定位数据和路况信息采集的数据实时上报给边缘计算单元,边缘计算单元根据实时信息统计路况车道的车辆信息,依据路况车道的车辆信息调配行驶车辆完成左转或右转的变道。
4.根据权利要求3所述的固定车道场景的车路协同调度方法,其特征在于,在车辆行驶中根据路况的实时信息对边缘计算单元对行驶路径进行实时调整并将调度信息发送给行驶的车辆进行路径变更。
5.根据权利要求4所述的固定车道场景的车路协同调度方法,其特征在于,步骤S3中行驶中根据边缘计算单元同时的车道车辆数判断是否需要变更车道,如需要变道,则需要多车辆进行增加安全性,如不需要变道,则没有变道的当前车辆正常行驶。
6.根据权利要求5所述的固定车道场景的车路协同调度方法,其特征在于,在增加安全性中对当前车道的第m辆车变道之前可通过V2V通知当前车道后方第m+1车辆适当提速,并通知目标车道后方车辆适当减速。
7.根据权利要求6所述的固定车道场景的车路协同调度方法,其特征在于,未变道车辆的控制逻辑是通过激光雷达获得车距,或者V2V方式通知经纬度坐标,换算成车距;根据短时间的两次车距和自身车速计算前车的车速。
8.根据权利要求7所述的固定车道场景的车路协同调度方法,其特征在于,依据换算得到的车距和前车车速对当前车辆进行提速和降速调整相邻辆车之间保持在安全距离行驶。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210385463.9A CN115035732A (zh) | 2022-04-13 | 2022-04-13 | 一种固定车道场景的车路协同调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210385463.9A CN115035732A (zh) | 2022-04-13 | 2022-04-13 | 一种固定车道场景的车路协同调度方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115035732A true CN115035732A (zh) | 2022-09-09 |
Family
ID=83118785
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210385463.9A Pending CN115035732A (zh) | 2022-04-13 | 2022-04-13 | 一种固定车道场景的车路协同调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115035732A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105844967A (zh) * | 2016-05-16 | 2016-08-10 | 广州大学 | 基于车车通信的车辆碰撞预警及主动控制方法 |
CN107221193A (zh) * | 2016-03-21 | 2017-09-29 | 中国移动通信集团广东有限公司 | 控制车辆终端变道的方法、道路分段设备、车辆终端 |
CN111367292A (zh) * | 2020-03-20 | 2020-07-03 | 特路(北京)科技有限公司 | 自动驾驶汽车智能道路系统 |
CN113450583A (zh) * | 2021-09-01 | 2021-09-28 | 长沙理工大学 | 一种车路协同下高速公路可变限速和变道协同控制方法 |
-
2022
- 2022-04-13 CN CN202210385463.9A patent/CN115035732A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107221193A (zh) * | 2016-03-21 | 2017-09-29 | 中国移动通信集团广东有限公司 | 控制车辆终端变道的方法、道路分段设备、车辆终端 |
CN105844967A (zh) * | 2016-05-16 | 2016-08-10 | 广州大学 | 基于车车通信的车辆碰撞预警及主动控制方法 |
CN111367292A (zh) * | 2020-03-20 | 2020-07-03 | 特路(北京)科技有限公司 | 自动驾驶汽车智能道路系统 |
CN113450583A (zh) * | 2021-09-01 | 2021-09-28 | 长沙理工大学 | 一种车路协同下高速公路可变限速和变道协同控制方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3437343B1 (de) | Verfahren, vorrichtungen und computerprogramm zum initiieren oder durchführen eines kooperativen fahrmanövers | |
CN111433698B (zh) | 自动车辆的实时车道变换选择 | |
CN108062094B (zh) | 基于处理器实现车辆行驶轨迹规划的自主系统和方法 | |
CN109087503B (zh) | 一种基于v2x的车车协同系统及方法 | |
CN105739534B (zh) | 基于车联网的无人驾驶车多车协同驾驶方法及装置 | |
US10229590B2 (en) | System and method for improved obstable awareness in using a V2X communications system | |
DE102010013647B4 (de) | Kolonnenfahrzeugmanagement | |
CN104442826B (zh) | 为车辆驾驶员提供支持的车辆中装置、车辆和方法 | |
CN105835882A (zh) | 自动行车方法和装置 | |
CN114287027B (zh) | 用于对车辆队列中的车辆进行分组的方法 | |
CN107305737A (zh) | 一种车辆优先排序系统 | |
DE102020129456A1 (de) | Trajektorienvorhersage aus einer vorberechneten oder dynamisch generierten bank von trajektorien | |
EP3702983A1 (en) | Transportation system and method | |
DE102012218935A1 (de) | Autobahneinfädelassistent und -steuerung | |
CN112068571A (zh) | 一种用于无人驾驶的车辆编队系统和方法 | |
CN104680820A (zh) | 一种基于梯度场的交通流车联网系统及交通流控制方法 | |
DE102020128155A1 (de) | Bedingte bewegungsvorhersagen | |
DE112018003795T5 (de) | Parkverwaltungssystem und parkverwaltungsverfahren | |
CN112689024B (zh) | 一种车路协同的货车队列换道方法、装置及系统 | |
DE102021133742A1 (de) | Planung einer trajektorie eines autonomen fahrzeugs mit dynamischem zustand | |
CN108646738A (zh) | 一种驾驶辅助功能调用装置及方法 | |
CN110517527A (zh) | 异构多源无线传感网络及其自主无人泊车方法 | |
WO2019040024A2 (en) | SYSTEM AND METHOD FOR DIFFUSION BY ROUTING AND PROCESSING TRAFFIC WARNING INFORMATION TO ADVISE A DRIVER | |
CN109341710A (zh) | 不确定环境的交通网上快速抵达目的地的动态规划法 | |
US11794762B2 (en) | Peer-to-peer occupancy estimation |
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 |