CN115188198B - 一种自动驾驶运营线路风险评估系统及评估方法 - Google Patents
一种自动驾驶运营线路风险评估系统及评估方法 Download PDFInfo
- Publication number
- CN115188198B CN115188198B CN202211107661.5A CN202211107661A CN115188198B CN 115188198 B CN115188198 B CN 115188198B CN 202211107661 A CN202211107661 A CN 202211107661A CN 115188198 B CN115188198 B CN 115188198B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- line
- road
- matching
- information
- 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
Images
Classifications
-
- 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
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- 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
- G08G1/048—Detecting movement of traffic to be counted or controlled with provision for compensation of environmental or other condition, e.g. snow, vehicle stopped at detector
-
- 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
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Quality & Reliability (AREA)
- Remote Sensing (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开一种自动驾驶运营线路风险评估系统及评估方法,该评估系统包括线路信息采集车、路侧终端、车路匹配PC平台,线路信息采集车上搭载有数字孪生线路信息采集装备,线路信息采集车与路侧终端信息交互,路侧终端与车路匹配PC平台信息交互。借助该评估系统,通过多传感器融合感知、高精度地图、车路无线通信等技术,对实际线路采集信息与地图模块信息融合,将生成的数字孪生线路谱和自动驾驶车辆的使用条件进行对比,并借助赋权匹配算法对结果进行匹配,确定风险高低,从而判断线路是否满足全要素、全时空自动驾驶车辆安全运营的条件。
Description
技术领域
本发明涉及自动驾驶安全技术领域,具体是一种自动驾驶运营线路风险评估系统及评估方法。
背景技术
随着技术的进步,自动驾驶车辆已逐渐由测试示范向商业化运营渗透,在园区、矿区、港口、机场等限定场景下已实现自动驾驶汽车运营,现在开始向开放式自动驾驶出行服务线路探索,规模化使用自动驾驶车辆从事道路运输生产经营活动已指日可待。
然而,与个人使用的私人乘用车不同,使用自动驾驶车辆从事道路运输生产经营活动,其车辆属性为道路运输生产工具,当前无法实现无条件高等级无人驾驶技术,就现阶段技术水平而言,在道路运输生产经营过程中自动驾驶功能的实现需要严格的使用条件,自动驾驶系统对使用条件要求非常苛刻,对行驶环境和线路条件有很高的要求,当自动驾驶系统无法胜任道路环境时,将引发风险,甚至酿成严重的事故。
目前,还没有一种成熟的综合考虑线路全要素、全时空、全周期的自动驾驶运营线路风险评估方法,无法形成对拟运营的自动驾驶车辆其运营线路是否满足安全运营条件进行风险分析,无法保障自动驾驶车辆的使用安全,一旦发生事故,因其营运属性特点,势必将会造成严重的经济损失和人员伤亡。
发明内容
为了解决上述难题,本发明提供一种自动驾驶运营线路风险评估系统及评估方法,通过搭建该自动驾驶运营线路风险评估系统,从拟运营自动驾驶车辆实际使用条件出发,综合考虑道路运输行业特点,制定评估方法,解决全要素、全时空自动驾驶运营风险评估的问题。
本发明所采取的技术方案如下:
一种自动驾驶运营线路风险评估系统,包括线路信息采集车、路侧终端、车路匹配PC平台;
所述线路信息采集车上搭载有数字孪生线路信息采集装备;
所述数字孪生线路信息采集装备包括多源环境感知模块、气象监测模块、路面检测模块、车路通信模块、高精度定位模块;
所述线路信息采集车与路侧终端信息交互,传输所述多源环境感知模块、气象监测模块、路面检测模块、高精度定位模块的信息;
所述路侧终端与车路匹配PC平台信息交互。
进一步地:
所述多源环境感知模块,包括毫米波雷达、双目摄像头、广角摄像头和激光雷达;
所述气象监测模块,包括风速监测传感器、风向监测传感器、光强监测传感器、气压监测传感器、湿度监测传感器、温度监测传感器;
所述路面检测模块,包括路面平整度传感器、路面温湿度传感器、单目摄像头;
所述高精度定位模块通过GPS或北斗对车辆进行定位;
所述车路通信模块将多源环境感知模块、气象监测模块、路面检测模块、高精度定位模块采集的信息发送至所述路侧终端。
进一步地:
所述车路匹配PC平台,内置有高精度地图模块、自动驾驶运营线路风险评估模块和自动驾驶运营线路车路匹配模块;所述高精度地图模块中包含高精度地图库;
所述自动驾驶运营线路风险评估模块中内嵌有线路评估维度和评估算法;
所述自动驾驶运营线路车路匹配模块中内嵌有车路匹配算法。
一种利用上述系统进行的自动驾驶运营线路风险评估方法,包括如下步骤:
S1:生成车辆使用条件
确定拟运营的自动驾驶车辆的车型,将车型说明书中设计运行条件的信息录入到车路匹配PC平台中,生成车辆使用条件;
S2:选取拟运营线路
从车路匹配PC平台的高精度地图模块中选取拟运营线路,同时高精度地图模块输出拟运营线路的构成信息;
S3:采集实际线路要素信息
根据选取的拟运营线路,线路信息采集车沿拟运营线路行驶,在行驶过程中,数字孪生信息采集装备实时记录线路信息,包括路面信息、道路几何特征信息、气象信息、道路照明信息、道路环境信息、车路通信信息;
S4:生成数字孪生线路谱
车路匹配PC平台将线路信息采集车所采集的信息和高精度地图模块提供的线路构成信息进行融合叠加,生成数字孪生线路谱,并将线路谱中非正常态情形进行标记;
S5:对线路本体进行风险评估
当线路本体风险评估未达到设定要求时,则重新执行步骤S2-S4,在步骤S2中选取新的拟运营线路;
当线路本体风险评估达到设定要求时,则执行步骤S6;
S6:对车路适用性匹配进行风险评估
当车路适用性匹配度达到设定要求时,则视所选取的拟运营线路支持自动驾驶车辆运营;
当车路适用性匹配度未达到设定要求时,则视所选取的拟运营线路不支持自动驾驶车辆运营。
进一步地:
对所述线路本体进行风险评估的步骤如下:
1)设定评估维度
2)对评估维度设定权重并进行满分赋值
对每个评估维度进行归一化处理并赋予权重,并确定每个评估维度的满分赋值,设定总评估维度满分为100分,表达式如下:
式中:
3)对评估维度进行实际赋值
对评估维度的实际赋值采用减分制的方法,当系统每识别出一个非正常态标记时,则从对应的评估维度满分赋值分中减去一部分分,直至评估维度的实际赋值为0为止,计算总评估维度实际赋值公式如下:
式中:
4)判断评估风险
进一步地:
对所述车路适用性匹配进行风险评估的方法如下:
得车路适用性匹配度为:
设定车路适用性匹配度阈值;
与现有技术相比,本发明的有益效果体现在:
1、本发明提供的一种自动驾驶运营线路风险评估系统,该评估系统包括线路信息采集车、路侧终端、车路匹配PC平台、手持终端,该评估系统具有功能齐全,结构合理,便于操作等特点。
2、本发明提供的一种自动驾驶运营线路风险评估方法,该评估方法是借助多传感器融合感知、高精度地图、路面无损探伤等技术,对生成的数字孪生线路谱与车辆的使用条件进行匹配,借助赋权匹配算法等方法进行评估,评估方法具有科学性和说服力。
3、本发明通过该评估系统的评估方法,为自动驾驶车辆运营线路审批提供支持,解决了自动驾驶车辆安全运营导致核批困难的难题。
附图说明
附图仅用于示出具体实施例的目的,而并不认为是对本发明的限制。
图1为本发明自动驾驶运营线路风险评估系统架构图;
图2为评估系统中数字孪生线路信息采集装备与路侧终端和车路匹配平台的通信结构图;
图3为评估系统中多源环境感知模块安装示意图;
图4a为评估系统中气象监测模块安装俯视示意图;
图4b为评估系统中气象监测模块安装侧视示意图;
图4c为评估系统中气象监测模块组成图;
图5a为评估系统中路面检测模块安装俯视示意图;
图5b为评估系统中路面检测模块安装侧视示意图;
图5c为评估系统中路面检测模块组成图;
图6为本发明自动驾驶运营线路风险评估方法流程图。
具体实施方式
下面结合附图和实施例对本发明进行详细的描述,但以下实施例和附图并不是对本发明技术方案的限制。
本发明提供一种自动驾驶运营线路风险评估系统,在该系统下对自动驾驶运营线路进行风险评估。
如图1所示,该自动驾驶运营线路风险评估系统包括线路信息采集车1、路侧终端2、车路匹配PC平台3、手持终端4。借助该自动驾驶运营线路风险评估系统,通过多传感器融合感知、高精度地图、车路无线通讯、路面无损探伤等技术,对实际线路采集信息与地图模块信息融合,将生成的数字孪生线路信息谱和自动驾驶车辆的使用条件进行对比评估,并借助赋权匹配算法对结果进行匹配,确定风险高低,从而判断线路是否满足支持自动驾驶车辆安全运营的条件。
如图2所示,所述线路信息采集车1是有人驾驶机动车,除具备普通机动车行驶功能外,还搭载有数字孪生线路信息采集装备。该信息采集装备的核心模块包括有:多源环境感知模块11、气象监测模块12、路面检测模块13、车路通信模块14、高精度定位模块15。多源环境感知模块11、气象监测模块12和路面检测模块13用于采集相关信息,并将采集的相关信息通过车路通信模块14发送至路侧终端2,路侧终端2再发送给车路匹配PC平台3;高精度定位模块15用于对车辆的定位,定位信息也通过路侧终端2发送给车路匹配PC平台3。
如图3所示,多源环境感知模块11至少包括有:毫米波雷达111、双目摄像头112、广角摄像头113和激光雷达114。其中毫米波雷达111有一个,位于车头前下方位置;双目摄像头112有一个,位于前挡风玻璃上方位置;广角摄像头113共计有六个,分布于车身周围;激光雷达114有一个,位于车辆顶部。这些器件用于记录线路信息采集车1的360度环境信息、道路照明情况、路面情况等。
如图4a-4c所示,气象监测模块12较佳的是置于车辆顶部,并配置多种气象监测传感器,具体包括风速监测传感器121、风向监测传感器122、光强监测传感器123、气压监测传感器124、湿度监测传感器125、温度监测传感器126,用于对车辆周围的风速、风向、空气温度、空气湿度、光照强度、大气压力等气象要素进行自动监测。
如图5a-5c所示,路面检测模块13置于车头的前下方,包括:路面平整度传感器131、路面温湿度传感器132、摄像头133(单双目都可以),用于采集路面的平整度和温湿度。
所述数字孪生线路信息采集装备还包括车路通信模块14和高精度定位模块15,车路通信模块用于支持LET-V、5G、DSRC等无线通信方式,与路侧终端2进行实时信息交互。高精度定位模块15的定位级别支持厘米级,用于车辆定位,可通过GPS或北斗实现。
所述路侧终端2间隔地分布在道路两侧,路侧终端2具有无线收发模块,具有信息收发功能,用于与具备车路协同功能的车辆进行信息交互,在本发明中直接与车上的车路通信模块14进行信息交互。
所述车路匹配PC平台3设置于后台服务端,内置有高精度地图模块、自动驾驶运营线路风险评估模块和自动驾驶运营线路车路匹配模块。高精度地图模块中包含有高精度地图库,用于对评估线路的选取。自动驾驶运营线路风险评估模块中包括有设定的线路评估维度、评估算法等。自动驾驶运营线路车路匹配模块中内嵌车路匹配算法,并能生成车路匹配结果值。
车路匹配PC平台3可以通过互联网下载路侧终端2接收的线路信息采集车1采集的信息。
所述手持终端4,通过无线通信方式与车路匹配PC平台3进行信息交互,在对自动驾驶车辆使用条件进行现场核对时,操作人员可使用手持终端4记录信息,并将信息传输至车路匹配PC平台3上。
基于上述自动驾驶运营线路风险评估系统,可以对自动驾驶运营线路进行风险评估,本发明提供一种自动驾驶运营线路风险评估方法,如图6所示,该方法评估步骤包含如下:
S1、生成车辆使用条件
首先申报主体确定拟从事运营的自动驾驶车辆的车型,将车型说明书中有关于设计运行条件的信息录入到车路匹配PC平台3中,从而生成制式车辆使用条件。
S2、选取拟运营线路
申报主体从车路匹配PC平台3的高精度地图模块中选取待评估的自动驾驶拟运营线路,线路的选择具体到道路级别,平台的高精度地图模块同时输出线路构成信息,具体包括线路的交叉口、桥梁、隧道、匝道、收费站类型和数量等信息。
S3、采集实际线路要素信息
根据选择的拟运营线路,操作人员驾驶线路信息采集车1从线路起点出发,按照规定路线行驶至线路终点,并往复一次。在行驶过程中全程开启线路信息采集车1上的数字孪生信息采集设备。采集时间段分别选取完全自然光照明条件下和完全无日光照明条件下两种情况进行。
在线路信息采集车1行驶过程中,数字孪生信息采集装备实时记录选定线路的路面信息、道路几何特征信息、气象信息、道路照明信息、道路环境信息、车路通信信息等。其中路面信息通过路面检测模块13获得,包括道路路面的平整度、路面是否冰雪覆盖等,气象信息通过气象监测模块12获得,包括风速、风向、空气温度、空气湿度、光照强度、大气压力等,道路环境信息通过多源环境感知模块11获得,包括道路标志标线,信号灯种类和数量,临崖、临水情况,道路参与者信息等,车路通信信息通过车路通信模块14获得,位置信息通过高精度定位模块15获得。
S4、生成数字孪生线路谱
线路信息采集车1将所采集的信息通过道路上布设的路侧终端2传输至车路匹配PC平台3上。车路匹配PC平台3将线路信息采集车1所采集的信息和平台中高精度地图模块提供的线路构成信息,包括线路交叉口类型、数量,线路中包含的桥梁、隧道、匝道、收费站等融合叠加后,生成数字孪生线路谱。并将生成的数字孪生线路谱上各要素非正常态情形可使用黑点进行标记,非正常态情形包括路面损伤、标志线污损等情况。线路信息采集车1所采集的信息和平台中高精度地图模块提供的线路构成信息的融合叠加就是图层叠加的过程,属于现有技术,高精度地图有一个基础图层,采集到的信息分图层与基础图层进行叠加。非正常态黑点是采集车采集回来的信息在地图上进行的标记,确保高精度地图能够包括这些信息。
S5、评估线路风险
对生成的数字孪生线路谱和车路适用性的风险评估分为两个阶段,第一阶段为线路本体风险评估,第二阶段为车路适用性匹配风险评估。
S5.1:线路本体风险评估
(1)设定评估维度
自动驾驶运营线路风险评估模块中设定评估维度,本实施例设定九个评估维度进行评估,具体九个评估维度分别是:交通指示信息完整性、道路结构特征适应性、特殊道路设施适应性、路面适应性、路线平面交叉适应性、特殊气象条件适应性、交通参与要素适应性、线路环境适应性、车路通信条件影响性。非正常态黑点标记与上述评估维度对应匹配,是其中一个维度或几个维度的组合。
(2)对评估维度设定权重,并进行满分赋值
利用层次分析和熵权算法,对每个评估维度进行归一化处理并赋予权重,并确定每个评估维度的满分赋值,设定总评估维度满分为100分,表达式如下:
式中:
例如:假设有两个评价维度A1和A2,经过熵权算法并归一化处理后,A1的权重是0.4,A2的权重是0.6,确保所有评分与权重相乘求和的总分为100分,即给A1打100分,A2打100分时,经过权重叠加,总分才能是100分,所以A1的满分是100分,A2的满分是100分。
(3)对评估维度进行实际赋值
对九个评估维度的实际赋值采用减分制的方法,当系统每识别出一个非正常态黑点时,则从对应的评估维度满分赋值分中减5分,并且每个评估维度赋值最低分值为0分。
根据每个评估维度的权重,计算总评估维度实际赋值公式如下:
式中:
例如:假设有两个评价维度A1和A2,经过熵权算法并归一化处理后,A1的权重是0.4,A2的权重是0.6,A1实际评分为98(满分100),A2实际评分为40(满分100),最终总评估维度的实际赋值分是=98×0.4+40×0.6=63.2分。
因此,总评估维度实际赋值通过上述公式的每个评估维度实际赋值和对应的权重可计算得出。
(4)风险评估
设定评估界值,例如为60分。
表1:线路本体风险评估维度和相应权重、赋值
S5.2:车路适用性匹配风险评估
根据拟运营的自动驾驶车辆的设计运行条件和拟运营线路的实际线路信息,通过车路匹配PC平台中的自动驾驶运营线路车路匹配模块,根据内嵌的匹配算法生成车路匹配度结果值。
所述匹配算法,是将车辆设计运行条件和实际线路应用条件一对一进行匹配。设车路需匹配的要素组f总数为m个,f={f1、f2…fm},其中根据车辆设计运行条件生成的要素为a={a1、a2…am},根据实际道路应用条件生成的要素为b={b1、b2…bm},将a与b中的要素对应进行匹配。
规定当ai与bi条件完全一致时,则匹配成功,匹配结果赋值为1,否则不成功,匹配结果赋值为0。例如,当a1与b1条件完全一致时,则匹配成功,匹配结果赋值为Q 1=1;当a2与b2条件不完全一致时,则匹配不成功,匹配结果赋值为Q 1=0。如下表所示:
最后得匹配结果总分为:
如果全部要素都匹配成功,则匹配结果总分为m分,所以记总匹配度为:
Claims (1)
1.一种自动驾驶运营线路风险评估方法,通过如下评估系统实现:设置线路信息采集车、路侧终端、车路匹配PC平台;
所述线路信息采集车上搭载有数字孪生线路信息采集装备,所述数字孪生线路信息采集装备包括多源环境感知模块、气象监测模块、路面检测模块、车路通信模块、高精度定位模块;
所述多源环境感知模块,包括毫米波雷达、双目摄像头、广角摄像头和激光雷达;所述气象监测模块,包括风速监测传感器、风向监测传感器、光强监测传感器、气压监测传感器、湿度监测传感器、温度监测传感器;所述路面检测模块,包括路面平整度传感器、路面温湿度传感器、单目摄像头;所述高精度定位模块通过GPS或北斗对车辆进行定位;
所述线路信息采集车与路侧终端信息交互,传输所述多源环境感知模块、气象监测模块、路面检测模块、高精度定位模块的信息;
所述路侧终端与车路匹配PC平台信息交互;
其特征在于,所述车路匹配PC平台,内置有高精度地图模块、自动驾驶运营线路风险评估模块和自动驾驶运营线路车路匹配模块,所述高精度地图模块中包含高精度地图库,所述自动驾驶运营线路风险评估模块中内嵌有线路评估维度和评估算法,所述自动驾驶运营线路车路匹配模块中内嵌有车路匹配算法;
包括如下步骤:
S1:生成车辆使用条件
确定拟运营的自动驾驶车辆的车型,将车型说明书中设计运行条件的信息录入到车路匹配PC平台中,生成车辆使用条件;
S2:选取拟运营线路
从车路匹配PC平台的高精度地图模块中选取拟运营线路,同时高精度地图模块输出拟运营线路的构成信息;
S3:采集实际线路要素信息
根据选取的拟运营线路,线路信息采集车沿拟运营线路行驶,在行驶过程中,数字孪生信息采集装备实时记录线路信息,包括路面信息、道路几何特征信息、气象信息、道路照明信息、道路环境信息、车路通信信息;
S4:生成数字孪生线路谱
车路匹配PC平台将线路信息采集车所采集的信息和高精度地图模块提供的线路构成信息进行融合叠加,生成数字孪生线路谱,并将线路谱中非正常态情形进行标记;
S5:对线路本体进行风险评估
当线路本体风险评估未达到设定要求时,则重新执行步骤S2-S4,在步骤S2中选取新的拟运营线路;
当线路本体风险评估达到设定要求时,则执行步骤S6;
S6:对车路适用性匹配进行风险评估
当车路适用性匹配度达到设定要求时,则视所选取的拟运营线路支持自动驾驶车辆运营;
当车路适用性匹配度未达到设定要求时,则视所选取的拟运营线路不支持自动驾驶车辆运营;
对所述线路本体进行风险评估的步骤如下:
1)设定评估维度
2)对评估维度设定权重并进行满分赋值
对每个评估维度进行归一化处理并赋予权重,并确定每个评估维度的满分赋值,设定总评估维度满分为100分,表达式如下:
式中:
3)对评估维度进行实际赋值
对评估维度的实际赋值采用减分制的方法,当系统每识别出一个非正常态标记时,则从对应的评估维度满分赋值分中减去一部分分,直至评估维度的实际赋值为0为止,计算总评估维度实际赋值公式如下:
式中:
4)判断评估风险
对所述车路适用性匹配进行风险评估的方法如下:
得车路适用性匹配度为:
设定车路适用性匹配度阈值;
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211107661.5A CN115188198B (zh) | 2022-09-13 | 2022-09-13 | 一种自动驾驶运营线路风险评估系统及评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211107661.5A CN115188198B (zh) | 2022-09-13 | 2022-09-13 | 一种自动驾驶运营线路风险评估系统及评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115188198A CN115188198A (zh) | 2022-10-14 |
CN115188198B true CN115188198B (zh) | 2022-12-13 |
Family
ID=83524361
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211107661.5A Active CN115188198B (zh) | 2022-09-13 | 2022-09-13 | 一种自动驾驶运营线路风险评估系统及评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115188198B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113050455A (zh) * | 2021-03-27 | 2021-06-29 | 上海智能新能源汽车科创功能平台有限公司 | 一种用于智能网联汽车的数字孪生测试系统及控制方法 |
CN114049768A (zh) * | 2021-11-15 | 2022-02-15 | 山东省交通规划设计院集团有限公司 | 一种基于车路协同的低能见度通行车辆引导系统及方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11080806B2 (en) * | 2017-05-23 | 2021-08-03 | Uber Technologies, Inc. | Non-trip risk matching and routing for on-demand transportation services |
EP3631365A2 (en) * | 2017-05-30 | 2020-04-08 | Nauto Global Limited | Systems and methods for safe route determination |
US11468215B2 (en) * | 2018-06-13 | 2022-10-11 | Toyota Jidosha Kabushiki Kaisha | Digital twin for vehicle risk evaluation |
-
2022
- 2022-09-13 CN CN202211107661.5A patent/CN115188198B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113050455A (zh) * | 2021-03-27 | 2021-06-29 | 上海智能新能源汽车科创功能平台有限公司 | 一种用于智能网联汽车的数字孪生测试系统及控制方法 |
CN114049768A (zh) * | 2021-11-15 | 2022-02-15 | 山东省交通规划设计院集团有限公司 | 一种基于车路协同的低能见度通行车辆引导系统及方法 |
Non-Patent Citations (1)
Title |
---|
基于数字孪生的网联自动驾驶测试方法研究;葛雨明 等;《中兴通讯技术》;20220221;第26卷(第01期);第25-29页 * |
Also Published As
Publication number | Publication date |
---|---|
CN115188198A (zh) | 2022-10-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111473980B (zh) | 一种智能汽车自动驾驶能力测试系统 | |
CN107843440B (zh) | 一种自动驾驶车辆性能测试系统及方法 | |
CN109377726B (zh) | 一种基于车联网的高速公路团雾精确警示、诱导系统及方法 | |
CN107782564A (zh) | 一种自动驾驶车辆测评系统及方法 | |
GB2569750A (en) | Comfort-based self-driving planning method | |
CN109118764A (zh) | 一种基于ZigBee的车联网通信系统 | |
CN109724610A (zh) | 一种全信息实景导航的方法及装置 | |
CN109084794B (zh) | 一种路径规划方法 | |
CN113340325B (zh) | 一种验证车路协同路侧感知融合精度的系统、方法及介质 | |
CN104572065A (zh) | 远程车辆监控系统和方法 | |
CN112965077A (zh) | 一种基于车载激光雷达的道路巡检系统与方法 | |
CN112488477A (zh) | 高速公路应急管理系统及方法 | |
CN110962886A (zh) | 轨道智能监控预警系统 | |
CN106772689A (zh) | 一种高速公路气象监测系统 | |
CN115410403B (zh) | 基于无源感知的公路车辆定位追踪方法、装置及可读介质 | |
CN112907955A (zh) | 一种基于信息融合的车路协同系统的评价方法 | |
CN117558129A (zh) | 一种用于高速公路建设用的智能定位系统及方法 | |
CN111127882A (zh) | 一种基于大数据的旅游景区停车场来车数量预测方法 | |
CN115188198B (zh) | 一种自动驾驶运营线路风险评估系统及评估方法 | |
CN206848501U (zh) | 一种高速公路气象监测系统 | |
WO2022087879A1 (zh) | 一种场景文件的获取方法以及装置 | |
CN108593844A (zh) | 一种机动车尾气遥感监控方法 | |
CN116564110A (zh) | 一种基于多无人机协作的交通故障预警装置及方法 | |
CN114299715A (zh) | 一种基于视频、激光雷达与dsrc的高速公路信息检测系统 | |
Entezari et al. | A review on the impacts of connected vehicles on pavement management systems |
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 |