CN115311839B - 一种低速自动驾驶车辆组队通过复杂场景的方法 - Google Patents

一种低速自动驾驶车辆组队通过复杂场景的方法 Download PDF

Info

Publication number
CN115311839B
CN115311839B CN202210929212.2A CN202210929212A CN115311839B CN 115311839 B CN115311839 B CN 115311839B CN 202210929212 A CN202210929212 A CN 202210929212A CN 115311839 B CN115311839 B CN 115311839B
Authority
CN
China
Prior art keywords
vehicles
vehicle
automatic driving
team
slave
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
Application number
CN202210929212.2A
Other languages
English (en)
Other versions
CN115311839A (zh
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 CN202210929212.2A priority Critical patent/CN115311839B/zh
Publication of CN115311839A publication Critical patent/CN115311839A/zh
Application granted granted Critical
Publication of CN115311839B publication Critical patent/CN115311839B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/22—Platooning, i.e. convoy of communicating vehicles
    • 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
    • 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
    • G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
    • G08G1/096708—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control
    • G08G1/096725—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control where the received information generates an automatic action on the vehicle control
    • 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
    • G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
    • G08G1/096766—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission
    • G08G1/096775—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission where the origin of the information is a central station
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y10/00—Economic sectors
    • G16Y10/40—Transportation
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y20/00—Information sensed or collected by the things
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y20/00—Information sensed or collected by the things
    • G16Y20/10—Information sensed or collected by the things relating to the environment, e.g. temperature; relating to location
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y40/00—IoT characterised by the purpose of the information processing
    • G16Y40/10—Detection; Monitoring
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y40/00—IoT characterised by the purpose of the information processing
    • G16Y40/20—Analytics; Diagnosis
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y40/00—IoT characterised by the purpose of the information processing
    • G16Y40/30—Control
    • G16Y40/35—Management of things, i.e. controlling in accordance with a policy or in order to achieve specified objectives
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y40/00—IoT characterised by the purpose of the information processing
    • G16Y40/50—Safety; Security of things, users, data or systems
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y40/00—IoT characterised by the purpose of the information processing
    • G16Y40/60—Positioning; Navigation
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
    • H04W4/44—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for communication between vehicles and infrastructures, e.g. vehicle-to-cloud [V2C] or vehicle-to-home [V2H]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2209/00—Indexing scheme relating to G06F9/00
    • G06F2209/50—Indexing scheme relating to G06F9/50
    • G06F2209/5011—Pool

Landscapes

  • Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Atmospheric Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Theoretical Computer Science (AREA)
  • General Business, Economics & Management (AREA)
  • Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Economics (AREA)
  • Operations Research (AREA)
  • General Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Environmental & Geological Engineering (AREA)
  • Development Economics (AREA)
  • Toxicology (AREA)
  • Biomedical Technology (AREA)
  • Computer Security & Cryptography (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明涉及一种低速自动驾驶车辆组队通过复杂场景的方法，其包括以下步骤：复杂场景的发现和上报；云端自动驾驶管理系统根据上报上来的复杂场景数据，计算优先级，并按照优先级分配合理的组队车辆，指定主车，其他要组队的车辆定为从车，从车到达指定地点之后，关闭车端无关计算，只启动任务处理相关模块和结果共享模块；若无可组队车辆，主车持续等待；若有可组队车辆，主车与从车之间完成身份的校验后，主车负责分配所有组队车辆的计算任务，从车除了提供能力共享外，同时也会分享所有计算结果，利用主车和从车的计算能力，组队的车辆顺利通过复杂场景。本发明通过组队，不增加软硬件成本的同时，能使自动驾驶车辆通过复杂场景。

Description

一种低速自动驾驶车辆组队通过复杂场景的方法
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组队通过复杂场景的方法。
背景技术
近几年来，自动驾驶技术发展迅速，其中最为代表性的技术为单车智能技术，通俗来说就是一辆自动驾驶车辆上安装各种各类的传感器设备，并且通过车载的计算单元对周边障碍物以及道路情况进行感知，同时通过车载的计算单元，计算可行的决策规划结果，从而达到自动驾驶的目的。
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。当前单车的能力基础，考虑到成本、电池、续航等问题，很难顺利的通过复杂场景。
目前各个自动驾驶公司都在尝试解决自动驾驶传感器以及算力瓶颈与场景复杂度的矛盾，现有技术中，基本上采用两种思路来解决上述的问题，一种是通过不断提升单车车载芯片的能力以及增加传感器的数量与种类来解决复杂场景处理的算力需求，业内不断在尝试通过开发高性能芯片提高单车的性能；另外一种方案就是通过建设固定v2x设备，通过额外的路侧传感器与额外的云端计算能力，辅助自动驾驶单车系统，对其进行整车能力的补足。
对于第一种方案，自动驾驶车辆出厂后，单车车载芯片与传感器为了提升车端算力与传感器能力，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；对于第二种方案，使用v2x技术补足传感器能力与算力的方案，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。
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的传感资源和算力资源有限，因而为了增强自动驾驶车的单车能力，采用提升单车车载芯片和传感器性能的方法会增加软硬件的成本，而采用v2x技术补足传感器能力与算力的方案，成本非常高，而且存在网络延时等问题，提供一种低速自动驾驶车辆组队通过复杂场景的方法。
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组队通过复杂场景的方法，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传感器视野介入的情况，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、云端自动驾驶管理系统根据上报上来的复杂场景数据，计算优先级，并按照优先级分配合理的组队车辆；
S4、指定主车：由云端自动驾驶管理系统从复杂场景上报且需要组队的车辆中选出主车，选出的主车与云端自动驾驶管理系统协商，创建身份校验密钥与通信协议；
S5、从车：除了主车外，其他要组队的车辆定为从车，从车到达指定地点之后，会关闭车端其他无关计算，只启动任务处理相关模块和结果共享模块，并且会与云端自动驾驶管理系统协商，创建身份校验密钥与通信协议；
S6、组队：若无可组队车辆，主车持续等待；若有可组队车辆，主车与从车之间完成身份的校验后，主车负责分配所有组队车辆的计算任务，从车除了提供能力共享外，同时也会分享所有计算结果，利用主车和从车的计算能力，组队的车辆顺利通过复杂场景；
S7、组队的解除：组队的车辆通过复杂场景后，主车发起共享解除，各车各自回到独立自动驾驶状态，继续未完成任务。
作为上述方案的进一步改进，步骤S6中，主车和从车完成组队之后，主车与从车之间的任务数据与指令交互使用加密协议并且通过车端无线通信模块进行交互。通过使用加密协议的车端无线通信模块进行交互，既能提高数据和信号的传输速率，又能提高通信的稳定性和安全性。
作为上述方案的进一步改进，步骤S6中，从车会将车端可用的传感器信息以及算力信息汇总到主车端，形成资源池，由主车统一调配资源池，执行相关的感知识别、地图定位计算、轨迹规划以及控制任务。通过形成资源池，能提高车队的整体能力，使车队的各个车都能够顺利通过复杂场景。
作为上述方案的进一步改进，步骤S6中，从车上能被统一管理的资源包括传感器和算力模块，传感器提供数据共享，算力模块提供任务计算能力的共享。
作为上述方案的进一步改进，所述传感器包括激光雷达、相机、gps、imu、毫米波雷达、超声波雷达及防撞条中的若干种。前述只是举例，在实际应用中，还可能包括自动驾驶车上安装的其他的传感器。
作为上述方案的进一步改进，所述算力模块包括cpu、gpu、fpgs中的若干种。前述只是举例，在实际应用中，还可能包括自动驾驶车上安装的其他的算力模块。
作为上述方案的进一步改进，步骤S7中，队伍解散之后，所有单车的传感器资源与算力资源会重新回归从车，各自进行未完成的任务。在通过复杂场景后，组队解散，能使各个车重新回到单车状态，提高各个单车的任务执行效率。
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。通过上报的复杂场景信息，云端自动驾驶管理系统能够分析出复杂场景的具体情况，并设定相应的优先级，根据优先级来选择实施组队的自动驾驶车辆。
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。前述的复杂场景只是举例，在实际应用中，还可能有其他的复杂场景。
作为上述方案的进一步改进，步骤S3中，组队分配时，优先级的分配原则会考虑自动驾驶车辆的距离远近、车辆任务情况及车辆电量因素。通过综合考虑自动驾驶车辆的距离远近、车辆任务情况及车辆电量因素，能够更好地确定实施组队的自动驾驶车辆。
本发明具有积极的效果：本发明的低速自动驾驶车辆组队通过复杂场景的方法，能将需要通过同一个复杂场景的自动驾驶车辆组成车队，设定主车和从车，将组队的所有车的传感器资源和算力模块整合成资源池，通过主车统一分配任务，各个从车将所有的数据共享，使车队的传感能力和算力都能够增长多倍，使车队顺利通过复杂场景，当车队通过复杂场景后，自动解散组队，各个自动驾驶车的资源再重新回归到自身，继续执行各自的任务。因而，本发明能在不增加研发成本、维护成本与部署成本的情况下，整合组队的自动驾驶车辆的全部资源，使车队的能力增长多倍，使车队能够顺利通过复杂场景。
附图说明
图1为本发明的低速自动驾驶车辆组队通过复杂场景的方法的工作原理图。图中按数字编号为本发明的低速自动驾驶车辆组队通过复杂场景的方法的实施顺序。
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组队通过复杂场景的方法，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传感器视野介入的情况，均视为需要外力协助的复杂场景；
通常，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。
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；上报的复杂场景信息包括复杂场景的位置、时间、路况和类型。
S3、云端自动驾驶管理系统根据上报上来的复杂场景数据，计算优先级，并按照优先级分配合理的组队车辆；组队分配时，优先级的分配原则会考虑自动驾驶车辆的距离远近、车辆任务情况及车辆电量因素。
S4、指定主车：由云端自动驾驶管理系统从复杂场景上报且需要组队的车辆中选出主车，选出的主车与云端自动驾驶管理系统协商，创建身份校验密钥与通信协议；
S5、从车：除了主车外，其他要组队的车辆定为从车，从车到达指定地点之后，会关闭车端其他无关计算，只启动任务处理相关模块和结果共享模块，并且会与云端自动驾驶管理系统协商，创建身份校验密钥与通信协议；
S6、组队：若无可组队车辆，主车持续等待；若有可组队车辆，主车与从车之间完成身份的校验后，主车负责分配所有组队车辆的计算任务，从车除了提供能力共享外，同时也会分享所有计算结果，利用主车和从车的计算能力，组队的车辆顺利通过复杂场景；主车和从车完成组队之后，主车与从车之间的任务数据与指令交互使用加密协议并且通过车端无线通信模块进行交互。
组队后，从车会将车端可用的传感器信息以及算力信息汇总到主车端，形成资源池，由主车统一调配资源池，执行相关的感知识别、地图定位计算、轨迹规划以及控制任务。
从车上能被统一管理的资源包括传感器和算力模块，传感器提供数据共享，算力模块提供任务计算能力的共享。所述传感器包括激光雷达、相机、gps、imu、毫米波雷达、超声波雷达及防撞条中的若干种。所述算力模块包括cpu、gpu、fpgs中的若干种。
S7、组队的解除：组队的车辆通过复杂场景后，主车发起共享解除，各车各自回到独立自动驾驶状态，队伍解散之后，所有单车的传感器资源与算力资源会重新回归从车，各自进行未完成的任务。
本发明的低速自动驾驶车辆组队通过复杂场景的方法，与现有技术中提升单车的传感器和算力的硬件提升方案以及使用v2x技术补足传感器能力与算力的方案相比，不需要增加单车的硬件和软件投入，也不需要增加v2x设备的投入，因而，不会增加软硬件成本、部署成本及维护成本，而是通过软件系统的改进来使多个自动驾驶车辆组成车队，通常优选将2-3个自动驾驶车辆组成一个车队，能将车队的传感器资源和算力资源都整合起来，形成资源池，通过主车来统一向从车分配任务，从车的传感器检测的结果和算力资源计算的结果都共享给其他车辆，通过这种共享，能使车队的能力增加多倍，使车队能够顺利通过复杂场景。而且本发明的低速自动驾驶车辆组队通过复杂场景的方法，与使用v2x技术补足传感器能力与算力的方案相比，在地域上没有任何限制，适用性更广。
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 (10)

1.一种低速自动驾驶车辆组队通过复杂场景的方法，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传感器视野介入的情况，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、组队分配：云端自动驾驶管理系统根据上报上来的复杂场景数据，计算优先级，并按照优先级分配合理的组队车辆；
S4、指定主车：由云端自动驾驶管理系统从复杂场景上报且需要组队的车辆中选出主车，选出的主车与云端自动驾驶管理系统协商，创建身份校验密钥与通信协议；
S5、从车：除了主车外，其他要组队的车辆定为从车，从车到达指定地点之后，会关闭车端其他无关计算，只启动任务处理相关模块和结果共享模块，并且会与云端自动驾驶管理系统协商，创建身份校验密钥与通信协议；
S6、组队：若无可组队车辆，主车持续等待；若有可组队车辆，主车与从车之间完成身份的校验后，主车负责分配所有组队车辆的计算任务，从车除了提供能力共享外，同时也会分享所有计算结果，利用主车和从车的计算能力，组队的车辆顺利通过复杂场景；
S7、组队的解除：组队的车辆通过复杂场景后，主车发起共享解除，各车各自回到独立自动驾驶状态，继续未完成任务。
2.根据权利要求1所述的低速自动驾驶车辆组队通过复杂场景的方法，其特征在于：步骤S6中，主车和从车完成组队之后，主车与从车之间的任务数据与指令交互使用加密协议并且通过车端无线通信模块进行交互。
3.根据权利要求1所述的低速自动驾驶车辆组队通过复杂场景的方法，其特征在于：步骤S6中，从车会将车端可用的传感器信息以及算力信息汇总到主车端，形成资源池，由主车统一调配资源池，执行相关的感知识别、地图定位计算、轨迹规划以及控制任务。
4.根据权利要求1所述的低速自动驾驶车辆组队通过复杂场景的方法，其特征在于：步骤S6中，从车上能被统一管理的资源包括传感器和算力模块，传感器提供数据共享，算力模块提供任务计算能力的共享。
5.根据权利要求4所述的低速自动驾驶车辆组队通过复杂场景的方法，其特征在于：所述传感器包括激光雷达、相机、gps、imu、毫米波雷达、超声波雷达及防撞条中的若干种。
6.根据权利要求4所述的低速自动驾驶车辆组队通过复杂场景的方法，其特征在于：所述算力模块包括cpu、gpu、fpgs中的若干种。
7.根据权利要求4所述的低速自动驾驶车辆组队通过复杂场景的方法，其特征在于：步骤S7中，队伍解散之后，所有单车的传感器资源与算力资源会重新回归从车，各自进行未完成的任务。
8.根据权利要求1所述的低速自动驾驶车辆组队通过复杂场景的方法，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。
9.根据权利要求1所述的低速自动驾驶车辆组队通过复杂场景的方法，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。
10.根据权利要求1所述的低速自动驾驶车辆组队通过复杂场景的方法，其特征在于：步骤S3中，组队分配时，优先级的分配原则会考虑自动驾驶车辆的距离远近、车辆任务情况及车辆电量因素。
CN202210929212.2A 2022-08-03 2022-08-03 一种低速自动驾驶车辆组队通过复杂场景的方法 Active CN115311839B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210929212.2A CN115311839B (zh) 2022-08-03 2022-08-03 一种低速自动驾驶车辆组队通过复杂场景的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210929212.2A CN115311839B (zh) 2022-08-03 2022-08-03 一种低速自动驾驶车辆组队通过复杂场景的方法

Publications (2)

Publication Number Publication Date
CN115311839A CN115311839A (zh) 2022-11-08
CN115311839B true CN115311839B (zh) 2024-05-17

Family

ID=83858749

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210929212.2A Active CN115311839B (zh) 2022-08-03 2022-08-03 一种低速自动驾驶车辆组队通过复杂场景的方法

Country Status (1)

Country Link
CN (1) CN115311839B (zh)

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3287334A2 (en) * 2016-08-26 2018-02-28 Toyota Jidosha Kabushiki Kaisha Information processing apparatus and information processing method
US9953533B1 (en) * 2016-10-25 2018-04-24 Denso International America, Inc. Road hazard warning system
CN111290399A (zh) * 2020-03-18 2020-06-16 清华大学苏州汽车研究院（相城） 一种车队协同驾驶组队控制方法
CN111422196A (zh) * 2020-04-16 2020-07-17 金龙联合汽车工业（苏州）有限公司 一种适用于微巴的智能网联自动驾驶系统及方法
CN111445690A (zh) * 2020-03-03 2020-07-24 北京汽车集团有限公司 车辆组队行驶方法、车辆及系统
CN111766879A (zh) * 2020-06-24 2020-10-13 天津大学 一种基于自主协同导航的智能车编队系统
JP6889796B1 (ja) * 2020-09-15 2021-06-18 株式会社 日立産業制御ソリューションズ 車両走行管理システム、管制センター、車両制御装置、車両走行管理プログラム及び車両走行管理方法
CN113256961A (zh) * 2021-06-25 2021-08-13 上海交通大学 基于车辆编队的路口自主车辆调度与控制方法
CN113485319A (zh) * 2021-06-08 2021-10-08 中兴智能汽车有限公司 基于5g车路协同的自动驾驶系统
WO2021203447A1 (zh) * 2020-04-11 2021-10-14 华为技术有限公司 车辆控制装置、方法、计算机可读存储介质及编队行驶系统
CN113734184A (zh) * 2021-10-18 2021-12-03 交通运输部公路科学研究所 自动驾驶车辆在途组队方法、装置及电子设备
WO2022063331A1 (zh) * 2020-09-25 2022-03-31 金龙联合汽车工业（苏州）有限公司 一种基于v2x的编队行驶智能网联客车

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5737316B2 (ja) * 2013-04-17 2015-06-17 株式会社デンソー 隊列走行システム

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3287334A2 (en) * 2016-08-26 2018-02-28 Toyota Jidosha Kabushiki Kaisha Information processing apparatus and information processing method
US9953533B1 (en) * 2016-10-25 2018-04-24 Denso International America, Inc. Road hazard warning system
CN111445690A (zh) * 2020-03-03 2020-07-24 北京汽车集团有限公司 车辆组队行驶方法、车辆及系统
CN111290399A (zh) * 2020-03-18 2020-06-16 清华大学苏州汽车研究院（相城） 一种车队协同驾驶组队控制方法
WO2021203447A1 (zh) * 2020-04-11 2021-10-14 华为技术有限公司 车辆控制装置、方法、计算机可读存储介质及编队行驶系统
CN111422196A (zh) * 2020-04-16 2020-07-17 金龙联合汽车工业（苏州）有限公司 一种适用于微巴的智能网联自动驾驶系统及方法
CN111766879A (zh) * 2020-06-24 2020-10-13 天津大学 一种基于自主协同导航的智能车编队系统
JP6889796B1 (ja) * 2020-09-15 2021-06-18 株式会社 日立産業制御ソリューションズ 車両走行管理システム、管制センター、車両制御装置、車両走行管理プログラム及び車両走行管理方法
WO2022063331A1 (zh) * 2020-09-25 2022-03-31 金龙联合汽车工业（苏州）有限公司 一种基于v2x的编队行驶智能网联客车
CN113485319A (zh) * 2021-06-08 2021-10-08 中兴智能汽车有限公司 基于5g车路协同的自动驾驶系统
CN113256961A (zh) * 2021-06-25 2021-08-13 上海交通大学 基于车辆编队的路口自主车辆调度与控制方法
CN113734184A (zh) * 2021-10-18 2021-12-03 交通运输部公路科学研究所 自动驾驶车辆在途组队方法、装置及电子设备

Also Published As

Publication number Publication date
CN115311839A (zh) 2022-11-08

Similar Documents

Publication Publication Date Title
CN113965568B (zh) 一种面向城市道路c-v2x网络的边缘计算系统
TW202108419A (zh) 用於與具有不同自主水平的車輛建立協調式駕駛參與的方法和系統
US20200294394A1 (en) Joint Control of Vehicles Traveling on Different Intersecting Roads
JP7334365B2 (ja) 車両交通の適応制御
WO2021102957A1 (zh) 一种车道保持方法、车载设备和存储介质
CN112466115A (zh) 一种基于边缘计算的公交车辆交叉口优先通行控制系统及方法
CN112927543A (zh) 一种车路协同自动驾驶方法、系统及车辆
CN109714422A (zh) 基于自动驾驶的计算资源共享方法、系统及可读存储介质
CN112249034A (zh) 一种汽车大脑系统及车辆驾驶控制方法
US20220065644A1 (en) Vehicle routing using connected data analytics platform
CN112230657B (zh) 面向智能车辆的区域协同驾驶意图调度方法、系统和介质
CN112406905B (zh) 基于交通工具的数据处理方法、装置、计算机及存储介质
DE102023112016A1 (de) Verteiltes verarbeitungssystem für fahrzeuge
CN113844465B (zh) 一种自动驾驶方法及系统
CN112991723B (zh) 一种基于地理区域的智能网联计算机任务并行颗粒度的划分方法、系统及终端
CN115311839B (zh) 一种低速自动驾驶车辆组队通过复杂场景的方法
Xia et al. Lane scheduling around crossroads for edge computing based autonomous driving
Mourllion et al. Collaborative perception for collision avoidance
CN115311880B (zh) 一种低速自动驾驶车辆分布式视野增强方法
CN116135654A (zh) 一种车辆行驶速度生成方法以及相关设备
Qian et al. Optimal control of connected and automated vehicles at unsignalized intersections: Discrete and regroup
CN115469669A (zh) 一种窄路会车方法、装置、设备及存储介质
CN114822048A (zh) 一种网联车的云端规划服务系统及方法
Zhou et al. Unsignalized intersection management strategy for mixed autonomy traffic streams
JP7503618B2 (ja) 車両のスケジューリング方法、装置、電子デバイス、記憶媒体、及びプログラム

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