CN115086382A - 一种低速自动驾驶车辆分布式算力增强方法 - Google Patents

一种低速自动驾驶车辆分布式算力增强方法 Download PDF

Info

Publication number
CN115086382A
CN115086382A CN202210927857.2A CN202210927857A CN115086382A CN 115086382 A CN115086382 A CN 115086382A CN 202210927857 A CN202210927857 A CN 202210927857A CN 115086382 A CN115086382 A CN 115086382A
Authority
CN
China
Prior art keywords
vehicle
automatic driving
vehicles
computing power
complex scene
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
Application number
CN202210927857.2A
Other languages
English (en)
Inventor
潘余昌
任祥华
程长军
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jiuzhi Suzhou Intelligent Technology Co ltd
Original Assignee
Jiuzhi Suzhou Intelligent Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Jiuzhi Suzhou Intelligent Technology Co ltd filed Critical Jiuzhi Suzhou Intelligent Technology Co ltd
Priority to CN202210927857.2A priority Critical patent/CN115086382A/zh
Publication of CN115086382A publication Critical patent/CN115086382A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46—Multiprogramming arrangements
    • G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
    • G06F9/5061—Partitioning or combining of resources
    • G06F9/5066—Algorithms for mapping a plurality of inter-dependent sub-tasks onto a plurality of physical CPUs
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/10—Protocols in which an application is distributed across nodes in the network
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/10—Protocols in which an application is distributed across nodes in the network
    • H04L67/104—Peer-to-peer [P2P] networks
    • H04L67/1044—Group management mechanisms 
    • H04L67/1046—Joining mechanisms
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/10—Protocols in which an application is distributed across nodes in the network
    • H04L67/104—Peer-to-peer [P2P] networks
    • H04L67/1061—Peer-to-peer [P2P] networks using node-based peer discovery mechanisms
    • 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)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Computing Systems (AREA)
  • Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种低速自动驾驶车辆分布式视野增强方法，其包括以下步骤：自动驾驶车辆发现复杂场景，并向云端自动驾驶管理系统上报复杂场景信息；云端自动驾驶管理系统根据上报的复杂场景信息，计算优先级与可分配的哨兵车辆，并且按照优先级分配哨兵车辆；执行哨兵任务的车辆，到达指定地点之后，只启动传感器相关模块，关闭车端其他无关计算，并与云端自动驾驶管理系统通讯，创建身份校验密钥与通信协议，开启哨兵模式；其他正常行驶的自动驾驶车辆，在到达复杂场景的时候，选择是否使用哨兵车辆提供的分布式视野增强服务，进行视野增强；哨兵模式解除后，哨兵车辆返程。本发明能优化自动驾驶效果，且不增加硬件和部署成本。

Description

一种低速自动驾驶车辆分布式算力增强方法
技术领域
本发明涉及自动驾驶技术领域，特别是涉及一种低速自动驾驶车辆分布式算力增强方法。
背景技术
现有的技术方案，基本有三种思路，一种是通过不断提升单车车载芯片的能力来解决复杂场景处理的算力需求；另外一种方案就是通过建设固定v2x设备，通过云端计算的方式，辅助自动驾驶单车系统，对其进行算力能力的补足；最后一种就是借用周边单车车辆的算力，进行共享。
自动驾驶路况的复杂程度是一个长期需要解决的问题，而且在车辆进行自动驾驶的时候，场景一直处在变化的过程当中，对算力的需求是随着场景复杂程度的变化而变化。当前单车的算力基础，考虑到成本、电池、续航等问题，能力上很难能够覆盖复杂场景。
现有技术方案中，第一种提升单车车载芯片的能力的方案，自动驾驶车辆出厂后，单车车载芯片为了提升算力，需要对硬件软件进行升级或者更换，维护等成本与代价较高；第二种使用v2x技术补足算力的方案，目前只能在固定场景下进行安装，安装成本与区域非常固定，且成本非常高，为了不影响正常交通，安装的位置通常较高，维护的成本与代价也非常高。除了成本以外，网络延时也是一个较大的影响因素，若延时较大，则自动驾驶车辆的实时性无法保障。第三种方案借用周边单个车辆的算力进行共享，往往其他车辆也有复杂的自动驾驶任务，在行进中，很难有大量空闲的算力用于共享。
发明内容
本发明的目的在于针对背景技术中所述的现有技术中自动驾驶单车在遇到复杂场景时车载芯片的算力不足，而现有的解决方案会增加单车车载芯片的软硬件成本，或使用v2x技术部署和维护的成本高，且具有场景局限性，或借用周边车辆的算力进行共享，因为周边车辆在行进时空闲算力有限，算力共享效果较差等问题，提供一种低速自动驾驶车辆分布式算力增强方法。
为实现以上目的，本发明通过以下技术方案予以实现：一种低速自动驾驶车辆分布式算力增强方法，其包括以下步骤：
S1、复杂场景的发现：正常行驶的所有自动驾驶车辆均有对复杂场景的发现能力，若是自动驾驶车辆在某特定环境下无法通行、通行困难或者云端自动驾驶管理系统评判需要更丰富的算力支持的情况，均视为需要外力协助的复杂场景；
S2、复杂场景上报：发现复杂场景的自动驾驶车辆主动向云端自动驾驶管理系统上报复杂场景信息；
S3、侍从车辆分配：云端自动驾驶管理系统根据上报上来的复杂场景信息，计算优先级与可分配的侍从车辆，并且按照优先级分配侍从车辆；
S4、侍从模式：执行侍从任务的车辆，到达指定地点之后，只启动任务处理相关模块，关闭车端其他无关计算，并与云端自动驾驶管理系统通讯，创建身份校验密钥与通信协议，开启侍从模式；
S5、分布式算力增强网络：分配的侍从车辆组成分布式算力增强网络，其他正常行驶的自动驾驶车辆在到达分布式算力增强网络特定距离的时候，若任务路线经过侍从车辆的服务区域，正常行驶的自动驾驶车辆根据当前场景的实际情况，选择是否使用侍从车辆提供的分布式算力增强网络服务，若使用服务，则需要通过身份密钥验证，建立车到车安全连接，并进行任务再分配；
S6、网络任务分配：被服务的自动驾驶车辆，会获得分布式算力增强网络内的所有节点的侍从车辆的算力资源信息，以及侍从车辆所在网络内的空间位置信息，根据主车实际的任务情况，合理分配子任务给网络内的所有节点的侍从车辆，使被服务的自动驾驶车辆顺利通过复杂场景；
S7、当复杂场景发生变化之后，经过该侍从服务区域的自动驾驶车辆均判定无需再使用分布式算力增强网络服务，则将解除建议发送给云端自动驾驶管理系统，云端自动驾驶管理系统根据实际情况解除侍从模式，侍从车辆返程。
作为上述方案的进一步改进，所述任务处理相关模块包括车载的cpu、gpu模块及额外的fpga模块，任务处理相关模块的共享方式为通过车到车的安全链路，侍从车辆进入侍从模式之后，会接收其他车辆通过加密协议发送过来的所有的数据和控制指令，并且利用本车可用的算力单元，完成任务的计算，并将结果通过加密协议反馈给其他车辆。
作为上述方案的进一步改进，所述步骤S2中，复杂场景信息包括复杂场景的位置、时间、路况和类型。
作为上述方案的进一步改进，所述的复杂场景包括无红绿灯路口、或几种超大型路口、机非混行道路、不规则施工道路、临时管制道路或停靠点中的任意一种。
作为上述方案的进一步改进，步骤S3中，按优先级分配侍从车辆时，要根据各个自动驾驶车辆与复杂场景的距离远近、各自动驾驶车辆的任务情况及车辆电量来设定优先级，并确定执行侍从任务的侍从车辆。
作为上述方案的进一步改进，步骤S5中，分布式算力增强网络能同时服务于多个经过复杂场景的自动驾驶车辆，若有多个自动驾驶车辆同时接入网络，根据系统的优先级，优先处理优先级高的车辆的任务，并通知优先级低的车辆等待。
作为上述方案的进一步改进，步骤S5中，自动驾驶车辆接入分布式算力增强网络之后，会根据分布式算力增强网络实际的资源情况，分配计算任务，分配的方式通过车到车的安全链路，侍从车辆进入侍从模式之后，会接收其他车辆通过加密协议发送过来的所有的数据和控制指令，并且利用侍从车辆可用的所有算力单元，完成任务的计算，并将结果通过加密协议反馈给其他车辆。
作为上述方案的进一步改进，步骤S6中，在分配子任务时，按照高并发原则来分配。高并发原则是指网络内的侍从车辆可以同时处理来自于同一个任务的子任务，一个任务尽可能拆成很多较小的子任务，以充分利用网络并发能力，来提高任务的处理效率。
本发明具有积极的效果：本发明的低速自动驾驶车辆分布式算力增强方法，采用在云端自动驾驶车辆管理系统设计相应的侍从车辆分配模块，当自动驾驶车辆发现复杂场景，单车算力不足，无法正常通行时，向云端自动驾驶车辆管理系统报告复杂场景信息，云端自动驾驶车辆管理系统根据复杂场景信息和各个自动驾驶车辆的实际情况分配侍从车辆，侍从车辆行驶至云端自动驾驶车辆管理系统分配的节点位置后，关闭车端其他无关计算，只启动任务处理相关模块，分配的侍从车辆组成分布式算力增强网路，正常行驶的车辆在到达该复杂场景后，如果需要使用分布式算力增强网路提供的算力增强服务，则需要进行身份密钥验证，建立车到车安全连接，并进行任务再分配，根据每个节点的位置以及每个节点的侍从车辆的算力资源信息来分配对应的算力子任务，这样通过整合分布式算力增强网络的算力资源就能够解决复杂场景的算力不足的问题，使自动驾驶车辆能够顺利地通过该复杂场景。本发明不需要增加单车的车载硬件或软件成本，也不需要部署专用设备，因而其实施成本、维护成本较低，而且避免采用周边行驶的车辆的算力共享，通过云端自动驾驶管理系统，采用了专用的侍从车辆来提供算力资源，保障自动驾驶车辆能够得到充足的算力支持，顺利通过复杂场景。
附图说明
图1为本发明的低速自动驾驶车辆分布式算力增强方法的工作原理图。图中按数字编号为本发明的低速自动驾驶车辆分布式算力增强方法的实施顺序。
具体实施方式
下面通过实施例对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。
一种低速自动驾驶车辆分布式算力增强方法，其包括以下步骤：
S1、复杂场景的发现：正常行驶的所有自动驾驶车辆均有对复杂场景的发现能力，若是自动驾驶车辆在某特定环境下无法通行、通行困难或者经云端自动驾驶管理系统评判需要更丰富的算力支持的情况，均视为需要外力协助的复杂场景；复杂场景通常包括无红绿灯路口、或几种超大型路口、机非混行道路、不规则施工道路、临时管制道路或停靠点中的任意一种；上述仅为举例，在实际应用中，还可能有其他的复杂场景。
S2、复杂场景上报：发现复杂场景的自动驾驶车辆主动向云端自动驾驶管理系统上报复杂场景信息；复杂场景信息包括复杂场景的位置、时间、路况和类型；复杂场景信息包括复杂场景的位置、时间、路况和类型。
S3、侍从车辆分配：云端自动驾驶管理系统根据上报上来的复杂场景信息，计算优先级与可分配的侍从车辆，并且按照优先级分配侍从车辆；按优先级分配侍从车辆时，要根据各个自动驾驶车辆与复杂场景的距离远近、各自动驾驶车辆的任务情况及车辆电量来设定优先级，并确定执行侍从任务的侍从车辆。
S4、侍从模式：执行侍从任务的车辆，到达指定地点之后，只启动任务处理相关模块，关闭车端其他无关计算，并与云端自动驾驶管理系统通讯，创建身份校验密钥与通信协议，开启侍从模式；任务处理相关模块包括车载的cpu、gpu模块及额外的fpga模块，任务处理相关模块的共享方式为通过车到车的安全链路，侍从车辆进入侍从模式之后，会接收其他车辆通过加密协议发送过来的所有的数据和控制指令，并且利用本车可用的算力单元，完成任务的计算，并将结果通过加密协议反馈给其他车辆。
S5、分布式算力增强网络：分配的侍从车辆组成分布式算力增强网络，其他正常行驶的自动驾驶车辆在到达分布式算力增强网络特定距离的时候，若任务路线经过侍从车辆的服务区域，正常行驶的自动驾驶车辆根据当前场景的实际情况，选择是否使用侍从车辆提供的分布式算力增强网络服务，若使用服务，则需要通过身份密钥验证，建立车到车安全连接，并进行任务再分配。
S6、网络任务分配：被服务的自动驾驶车辆，会获得分布式算力增强网络内的所有节点的侍从车辆的算力资源信息，以及侍从车辆所在网络内的空间位置信息，根据主车实际的任务情况，合理分配子任务给网络内的所有节点的侍从车辆，分配的原则是以高并发为主要原则。
自动驾驶车辆接入分布式算力增强网络之后，会根据分布式算力增强网络实际的资源情况，分配计算任务，分配的方式通过车到车的安全链路，侍从车辆进入侍从模式之后，会接收其他车辆通过加密协议发送过来的所有的数据和控制指令，并且利用侍从车辆可用的所有算力单元，完成任务的计算，并将结果通过加密协议反馈给其他车辆。
分布式算力增强网络能同时服务于多个经过复杂场景的自动驾驶车辆，若有多个自动驾驶车辆同时接入网络，根据系统的优先级，优先处理优先级高的车辆的任务，并通知优先级低的车辆等待。
S7、当复杂场景发生变化之后，经过该侍从服务区域的自动驾驶车辆均判定无需再使用分布式算力增强网络服务，则将解除建议发送给云端自动驾驶管理系统，云端自动驾驶管理系统根据实际情况解除侍从模式，侍从车辆返程。
本发明的低速自动驾驶车辆分布式算力增强方法，通过云端自动驾驶管理系统来对自动驾驶车辆和侍从车辆进行统一的调度和管理，当发现复杂场景时，能够自动计算优先级，并分配所需数量的侍从车辆来执行侍从任务，使其他正常行驶的车辆在经过该复杂场景时，选择是否需要使用侍从车辆组成的分布式算力增强网络，如果要使用分布式算力增强网络，则要通过身份验证，建立于分布式增强网络的连接协议，通过云端自动驾驶管理系统来向分布式算力增强网络中的各个侍从车辆和经过复杂场景的自动驾驶车辆分配计算任务，自动驾驶车辆利用分布式算力增强网络的算力资源，能够顺利的通过复杂场景。而分布式算力增强网络能服务于多个自动驾驶车辆的算力增强，提高其利用率；待到复杂场景状况发生变化，所有经过该复杂场景的自动驾驶车辆都向云端自动驾驶管理系统反馈不需要算力增强时，可以结束侍从任务，通过云端自动驾驶管理系统为侍从车辆分配新的任务，使其转化为正常行驶车辆，或是分配新的侍从任务，使侍从车辆行驶至新的复杂场景开始新的侍从任务。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (8)

1.一种低速自动驾驶车辆分布式算力增强方法，其特征在于：其包括以下步骤：
S1、复杂场景的发现：正常行驶的所有自动驾驶车辆均有对复杂场景的发现能力，若是自动驾驶车辆在某特定环境下无法通行、通行困难或者云端自动驾驶管理系统评判需要更丰富的算力支持的情况，均视为需要外力协助的复杂场景；
S2、复杂场景上报：发现复杂场景的自动驾驶车辆主动向云端自动驾驶管理系统上报复杂场景信息；
S3、侍从车辆分配：云端自动驾驶管理系统根据上报上来的复杂场景信息，计算优先级与可分配的侍从车辆，并且按照优先级分配侍从车辆；
S4、侍从模式：执行侍从任务的车辆，到达指定地点之后，只启动任务处理相关模块，关闭车端其他无关计算，并与云端自动驾驶管理系统通讯，创建身份校验密钥与通信协议，开启侍从模式；
S5、分布式算力增强网络：分配的侍从车辆组成分布式算力增强网络，其他正常行驶的自动驾驶车辆在到达分布式算力增强网络特定距离的时候，若任务路线经过侍从车辆的服务区域，正常行驶的自动驾驶车辆根据当前场景的实际情况，选择是否使用侍从车辆提供的分布式算力增强网络服务，若使用服务，则需要通过身份密钥验证，建立车到车安全连接，并进行任务再分配；
S6、网络任务分配：被服务的自动驾驶车辆，会获得分布式算力增强网络内的所有节点的侍从车辆的算力资源信息，以及侍从车辆所在网络内的空间位置信息，根据主车实际的任务情况，合理分配子任务给网络内的所有节点的侍从车辆，使被服务的自动驾驶车辆顺利通过复杂场景；
S7、当复杂场景发生变化之后，经过该侍从服务区域的自动驾驶车辆均判定无需再使用分布式算力增强网络服务，则将解除建议发送给云端自动驾驶管理系统，云端自动驾驶管理系统根据实际情况解除侍从模式，侍从车辆返程。
2.根据权利要求1所述的低速自动驾驶车辆分布式算力增强方法，其特征在于：所述任务处理相关模块包括车载的cpu、gpu模块及额外的fpga模块，任务处理相关模块的共享方式为通过车到车的安全链路，侍从车辆进入侍从模式之后，会接收其他车辆通过加密协议发送过来的所有的数据和控制指令，并且利用本车可用的算力单元，完成任务的计算，并将结果通过加密协议反馈给其他车辆。
3.根据权利要求1所述的低速自动驾驶车辆分布式算力增强方法，其特征在于：所述步骤S2中，复杂场景信息包括复杂场景的位置、时间、路况和类型。
4.根据权利要求1所述的低速自动驾驶车辆分布式算力增强方法，其特征在于：所述的复杂场景包括无红绿灯路口、或几种超大型路口、机非混行道路、不规则施工道路、临时管制道路或停靠点中的任意一种。
5.根据权利要求1所述的低速自动驾驶车辆分布式算力增强方法，其特征在于：步骤S3中，按优先级分配侍从车辆时，要根据各个自动驾驶车辆与复杂场景的距离远近、各自动驾驶车辆的任务情况及车辆电量来设定优先级，并确定执行侍从任务的侍从车辆。
6.根据权利要求1所述的低速自动驾驶车辆分布式算力增强方法，其特征在于：步骤S6中，分布式算力增强网络能同时服务于多个经过复杂场景的自动驾驶车辆，若有多个自动驾驶车辆同时接入网络，根据系统的优先级，优先处理优先级高的车辆的任务，并通知优先级低的车辆等待。
7.根据权利要求1所述的低速自动驾驶车辆分布式算力增强方法，其特征在于：步骤S6中，自动驾驶车辆接入分布式算力增强网络之后，会根据分布式算力增强网络实际的资源情况，分配计算任务，分配的方式通过车到车的安全链路，侍从车辆进入侍从模式之后，会接收其他车辆通过加密协议发送过来的所有的数据和控制指令，并且利用侍从车辆可用的所有算力单元，完成任务的计算，并将结果通过加密协议反馈给其他车辆。
8.根据权利要求1所述的低速自动驾驶车辆分布式算力增强方法，其特征在于：步骤S6中，在分配子任务时，按照高并发原则来分配。
CN202210927857.2A 2022-08-03 2022-08-03 一种低速自动驾驶车辆分布式算力增强方法 Pending CN115086382A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210927857.2A CN115086382A (zh) 2022-08-03 2022-08-03 一种低速自动驾驶车辆分布式算力增强方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210927857.2A CN115086382A (zh) 2022-08-03 2022-08-03 一种低速自动驾驶车辆分布式算力增强方法

Publications (1)

Publication Number Publication Date
CN115086382A true CN115086382A (zh) 2022-09-20

Family

ID=83243904

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210927857.2A Pending CN115086382A (zh) 2022-08-03 2022-08-03 一种低速自动驾驶车辆分布式算力增强方法

Country Status (1)

Country Link
CN (1) CN115086382A (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040199316A1 (en) * 2003-04-02 2004-10-07 Toyoda Koki Kabushiki Kaisha Vehicle motion control method and vehicle motion control apparatus
CN109714422A (zh) * 2018-12-28 2019-05-03 深圳市易成自动驾驶技术有限公司 基于自动驾驶的计算资源共享方法、系统及可读存储介质
CN112882809A (zh) * 2021-02-23 2021-06-01 国汽(北京)智能网联汽车研究院有限公司 一种驾驶任务的计算终端确定方法、装置及计算机设备
CN112925657A (zh) * 2021-01-18 2021-06-08 国汽智控(北京)科技有限公司 一种车路云协同处理系统及方法
WO2022000202A1 (zh) * 2020-06-29 2022-01-06 曹庆恒 一种基于智能交通系统的车辆联合行驶方法、系统及助力车
CN114312847A (zh) * 2022-01-13 2022-04-12 安徽江淮汽车集团股份有限公司 一种自动驾驶车辆的横向控制方法及装置
CN114464005A (zh) * 2022-02-28 2022-05-10 重庆长安汽车股份有限公司 一种车辆辅助驾驶的方法及系统
CN114475630A (zh) * 2022-01-19 2022-05-13 上汽通用五菱汽车股份有限公司 控车协同决策方法、装置、车辆及计算机可读存储介质
CN114721692A (zh) * 2022-05-06 2022-07-08 阿波罗智能技术(北京)有限公司 自动驾驶模型的升级系统、方法及装置

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040199316A1 (en) * 2003-04-02 2004-10-07 Toyoda Koki Kabushiki Kaisha Vehicle motion control method and vehicle motion control apparatus
CN109714422A (zh) * 2018-12-28 2019-05-03 深圳市易成自动驾驶技术有限公司 基于自动驾驶的计算资源共享方法、系统及可读存储介质
WO2022000202A1 (zh) * 2020-06-29 2022-01-06 曹庆恒 一种基于智能交通系统的车辆联合行驶方法、系统及助力车
CN112925657A (zh) * 2021-01-18 2021-06-08 国汽智控(北京)科技有限公司 一种车路云协同处理系统及方法
CN112882809A (zh) * 2021-02-23 2021-06-01 国汽(北京)智能网联汽车研究院有限公司 一种驾驶任务的计算终端确定方法、装置及计算机设备
CN114312847A (zh) * 2022-01-13 2022-04-12 安徽江淮汽车集团股份有限公司 一种自动驾驶车辆的横向控制方法及装置
CN114475630A (zh) * 2022-01-19 2022-05-13 上汽通用五菱汽车股份有限公司 控车协同决策方法、装置、车辆及计算机可读存储介质
CN114464005A (zh) * 2022-02-28 2022-05-10 重庆长安汽车股份有限公司 一种车辆辅助驾驶的方法及系统
CN114721692A (zh) * 2022-05-06 2022-07-08 阿波罗智能技术(北京)有限公司 自动驾驶模型的升级系统、方法及装置

Similar Documents

Publication Publication Date Title
CN109379727B (zh) 车联网中基于mec的任务分布式卸载与协作执行方案
JP6992500B2 (ja) 電力管理システム
CN102393747B (zh) 无人机集群的协作交互方法
CN112925657A (zh) 一种车路云协同处理系统及方法
CN103256931B (zh) 无人机的可视导航系统
CN111158900B (zh) 轻量化分布式并行计算系统及方法
CN109343946B (zh) 一种软件定义车联网计算任务迁移和调度方法
CN110928658A (zh) 一种车边云协同架构的协同任务迁移系统及算法
Pereira et al. A novel fog-based resource allocation policy for vehicular clouds in the highway environment
CN115080210A (zh) 基于边缘计算的车载算力共享系统、方法、设备及介质
WO2023072101A1 (zh) 一种车辆控制方法、装置及系统
CN111405481A (zh) 一种网络资源调度方法、装置、系统、电子设备及介质
Siddiqi et al. Dynamic priority-based efficient resource allocation and computing framework for vehicular multimedia cloud computing
Yen et al. Decentralized configuration protocols for low-cost offloading from multiple edges to multiple vehicular fogs
CN116432938A (zh) 一种车辆运载任务分配方法及系统
CN113254220A (zh) 网联汽车负载协同控制方法、装置、设备及存储介质
CN115086382A (zh) 一种低速自动驾驶车辆分布式算力增强方法
CN111400028B (zh) 一种列车管理的负载均衡处理方法
CN110677301B (zh) 一种5g网络中多交换机单控制器软件定义传输控制方法
CN108833486B (zh) 面向复杂车载雾计算系统环境的混合动态任务调度方法
CN115564319B (zh) 一种共享单车的调度方法、装置及可读存储介质
CN111615082B (zh) 一种异构自动驾驶车辆编队计算任务协同执行方法
CN111376953B (zh) 一种为列车下发计划的方法及系统
CN115311839B (zh) 一种低速自动驾驶车辆组队通过复杂场景的方法
Panda et al. An efficient virtual machine management algorithm for vehicular clouds

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