CN116229726B - 用于调控目标道路车辆行驶状态的车路协同方法及系统 - Google Patents
用于调控目标道路车辆行驶状态的车路协同方法及系统 Download PDFInfo
- Publication number
- CN116229726B CN116229726B CN202310505823.9A CN202310505823A CN116229726B CN 116229726 B CN116229726 B CN 116229726B CN 202310505823 A CN202310505823 A CN 202310505823A CN 116229726 B CN116229726 B CN 116229726B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- road
- data
- environment
- target road
- 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
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
- G08G1/0125—Traffic data processing
-
- 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
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
-
- 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
- G08G1/096833—Systems involving transmission of navigation instructions to the vehicle where different aspects are considered when computing the route
-
- 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
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Signal Processing (AREA)
- Analytical Chemistry (AREA)
- Computer Networks & Wireless Communication (AREA)
- Chemical & Material Sciences (AREA)
- Mathematical Physics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种用于调控目标道路车辆行驶状态的车路协同方法及系统,涉及到交通控制系统领域,该车路协同方法通过多种手段对道路环境进行信息的冗余获取,保证了云服务器能够构建出可靠的道路模型;基于道路模型可以准确获取到道路的实际环境和车辆的行驶状态,并以此为基础指导车辆的运行,使各辆车辆之间能够保持合适的车距并协调设计各个车辆的行车路线,以避免产生追尾事故等交通意外,保证交通的顺畅性;车辆的驾驶员及车机系统通过云服务器下发的控制建议可获取更大的行车视野和行车信息,克服了车载设备自身的局限性问题;车辆或中转服务器与云服务器之间的通信均可通过两条路线实现,可保证信息的有效传递。
Description
技术领域
本发明涉及到交通控制系统领域,具体涉及到一种用于调控目标道路车辆行驶状态的车路协同方法及系统。
背景技术
要实现云端对车辆进行可靠控制的功能,首先需要解决的技术问题为如何有效的对道路环境进行监测,道路环境包括了道路的路面情况以及道路上的行车情况,现有技术下对道路路面情况的监控往往仅依靠布置在道路上的视觉设备获取,视觉设备一般情况下仅能反映简单的道路环境信息,其数据内容不足以支持云端为车辆制定可靠的控制方案;此外,视觉设备的性能容易受到环境的影响,不能全天候的对道路环境进行有效监测。
另外,如何保证道路环境信息有效可靠的传递至云服务器也是实现云端对车辆进行可靠控制的功能所需要解决的技术问题之一。
发明内容
本发明公开了一种用于调控目标道路车辆行驶状态的车路协同方法及系统,该车路协同方法通过多种手段对道路环境进行信息的冗余获取,保证了云服务器能够构建出可靠的道路模型;基于道路模型可以准确获取到道路的实际环境和车辆的行驶状态,并以此为基础指导车辆的运行,使各辆车辆之间能够保持合适的车距并协调设计各个车辆的行车路线,以避免产生追尾事故等交通意外,保证交通的顺畅性;车辆的驾驶员及车机系统通过云服务器下发的控制建议可获取更大的行车视野和行车信息,克服了车载设备自身的局限性问题;车辆或中转服务器与云服务器之间的通信均可通过两条路线实现,可保证信息的有效传递。
相应的,本发明提供了一种用于调控目标道路车辆行驶状态的车路协同方法,包括:
基于布置在目标道路处的道路监控组件获取所述目标道路的第一环境数据,所述第一环境数据包括一种以上的第一环境子数据,每一种所述第一环境子数据基于对应的一种道路监控设备生成;
基于行驶于所述目标道路上的车辆获取目标道路的第二环境数据,所述第二环境数据包括一种以上的第二环境子数据,每一种所述第二环境子数据基于对应的一种车载设备生成;
所述第一环境数据、所述第二环境数据基于所述目标道路对应的中转服务器发送至云服务器和/或基于所述车辆发送至所述云服务器;
所述云服务器提取有关所述目标道路的第三环境数据并根据所述第三环境数据构建所述目标道路的三维模型,并根据所述第三环境数据在所述三维模型中标定每一个道路监控设备的位置及定义每一个道路监控设备的工作程序;
所述云服务器从所述第一环境数据中解析出每一个所述道路监控设备所对应的第一环境子数据,并根据所述道路监控设备的工作程序加载对应的第一环境子数据;
所述云服务器从所述第二环境数据中解析出车辆的定位信息和/或从所述第一环境数据中解析出所述车辆的定位信息,通过所述定位信息在所述三维模型中的对应位置上构建车辆模型,并在所述车辆模型中加载所述第二环境数据所对应的车载设备以及定义每一个所述车载设备的工作程序;
所述云服务器从所述第二环境数据中解析出每一个所述车载设备所对应的第二环境子数据,并根据所述车载设备的工作程序加载对应的第二环境子数据;
所述云服务器基于加载有第一环境数据和第二环境数据的三维模型导出所述目标道路的实时道路情况和预测道路情况;
所述云服务器根据所述实时道路情况生成实时控制指令以及根据所述预测道路情况生成延时控制指令;
所述云服务器将所述实时道路情况、所述预测道路情况、所述实时控制指令和所述延时控制指令打包为数据包,并将所述数据包直接发送至所述车辆上和/或将所述数据包通过所述中转服务器发送至所述车辆上;
所述车辆在接收到所述数据包后对所述数据包进行解析,基于所述实时道路情况更新所述车辆的设定信息,并根据所述实时控制指令调节所述车辆的运行状态;
在所述车辆没有接收到新的数据包前,所述车辆基于所述预测道路情况更新所述车辆的设定信息,并根据所述延时控制指令调节所述车辆的运行状态。
可行的实施方式,其中一种所述第一环境子数据为基于道路影像设备获取的关于所述目标道路的道路影像数据;
和/或其中一种所述第一环境子数据为基于道路激光雷达设备获取的关于所述目标道路的道路激光数据;
和/或其中一种所述第一环境子数据为基于道路毫米波雷达设备获取的关于所述目标道路的道路毫米波数据;
和/或其中一种所述第一环境子数据为基于道路震动感应设备获取的关于所述目标道路的道路震动数据;
和/或其中一种所述第一环境子数据为基于道路光感设备获取的关于所述目标道路的道路光感数据。
可行的实施方式,其中一种所述第二环境子数据为基于车载影像设备获取的关于所述目标道路的车载影像数据;
和/或其中一种所述第二环境子数据为基于车载激光雷达设备获取的关于所述目标道路的车载激光数据;
和/或其中一种所述第二环境子数据为基于车载毫米波雷达设备获取的关于所述目标道路的车载毫米波数据;
和/或其中一种所述第二环境子数据为基于车载定位设备获取的关于所述目标道路的车辆定位数据。
可行的实施方式,所述第一环境数据和所述第二环境数据基于所述目标道路对应的中转服务器发送至云服务器包括:
所述中转服务器基于有线通讯方式或无线通讯方式与所述道路监控组件进行通信;
所述车辆通过近距离无线广播的方式实时广播所述第二环境数据;
所述中转服务器通过广播接收的方式接收所述第二环境数据,并将所述第一环境数据和所述第二环境数据发送至云服务器。
可行的实施方式,所述第一环境数据和所述第二环境数据基于所述目标道路对应的中转服务器发送至云服务器包括:
所述中转服务器基于有线通讯方式或无线通讯方式与所述道路监控组件进行通信;
所述中转服务器通过近距离无线广播的方式实时广播所述第一环境数据;
所述车辆通过广播接收的方式接收所述第一环境数据,并将所述第一环境数据和所述第二环境数据发送至云服务器。
可行的实施方式,所述云服务器根据所述实时道路情况生成实时控制指令包括:
所述实时控制指令的内容包括安全车速、安全车距、行车路径信息及示警信息。
可行的实施方式,所述云服务器基于加载有第一环境数据和第二环境数据的三维模型导出所述目标道路的预测道路情况包括:
以所述目标道路的行进方向为基准,以所述实时道路情况和所述实时控制指令为基础,从所述目标道路的前方至后方依次预估并规划每一辆车辆的行驶状态;
综合所有车辆的行驶状态并结合所述实时道路情况得到所述目标道路的预测道路情况。
可行的实施方式,所述以所述目标道路的行进方向为基准,以所述实时道路情况和所述实时控制指令为基础,从所述目标道路的前方至后方依次预估并规划每一辆车辆的行驶状态包括:
根据排序将所述目标道路上的车辆依次编号为,n为正整数;
根据预设方式将目标道路划分为个区域,m为正整数;
根据所述目标道路制定一时间跨度P,并根据所述时间跨度制定时间刻度序列,t为正整数,/>;
根据所述m个区域和所述t个时间刻度构建二维关联表;
根据编号依次提取所述车辆,/>,以最短花费时间离开所述目标道路为指标为车辆/>进行行车规划;
在所述行车规划的过程中,以区域作为所述车辆的最小移动单位,并按照时间先后顺序依次生成所述车辆/>的移动轨迹,所述移动轨迹行经的每一个区域均与对应的一个时间刻度关联,在同一时间刻度下,所述m个区域中的任一个区域最多仅允许存在一台车辆。
可行的实施方式,所述云服务器将所述数据包通过所述中转服务器发送至所述车辆上包括:
所述中转服务器通过近距离广播的方式持续广播所述云服务器下发的所述数据包;
所述车辆在所述目标道路上行驶时通过广播接收的方式实时接收所述数据包。
相应的,本发明还提供了一种用于调控目标道路车辆行驶状态的车路协同系统,用于实现所述的用于调控目标道路车辆行驶状态的车路协同方法,包括:
道路监控组件,具有若干类用于获取目标道路的信息的道路监控设备,每一个所述道路监控设备用于产生对应的第一环境子数据;
中转服务器,用于接收每一个所述道路监控设备产生的第一环境子数据;
车辆,具有若干种用于获取目标道路的信息的车载设备,每一种车载设备用于产生对应的第二环境子数据;
云服务器,用于根据所有所述第一环境子数据、所有所述第二环境子数据和所述云服务器内置的第三环境数据生成包括有实时道路情况、预测道路情况、实时控制指令和延时控制指令的数据包;
其中,所述中转服务器还用于向所述云服务器上传所述第一环境子数据和/或经过所述车辆向所述云服务器上传所述第一环境子数据,所述车辆还用于向所述云服务器上传所述第二环境子数据和/或经过所述中转服务器向所述云服务器上传所述第二环境子数据,所述云服务器还用于向所述车辆发送所述数据包和/或经过所述中转服务器向所述车辆发送数据包。
本发明提供了一种用于调控目标道路车辆行驶状态的车路协同方法,通过多种手段对道路环境进行信息的冗余获取,保证了能从获取的信息中构建出可靠的道路模型,通过车辆及中转服务器两条线路将相关数据传递至云服务器,云服务器在利用其强大的计算能力从数据中重构出道路环境,并以此为基础为车辆在道路上的行驶提供实时的控制建议及预测的控制建议,以尽可能的使车辆规避如追尾事故等行车风险,云服务器对车辆发送的控制建议同样通过两条线路进行传递,这能够有效的保证控制建议能够有效的被车辆所接收,车辆通过所接收到的控制建议可在无介入的情况下保证车辆的行车安全性,这对于保证车辆行车安全,避免交通事故的发生具有良好的效果。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它的附图。
图1为本发明实施例的用于调控目标道路车辆行驶状态的车路协同方法流程图。
图2为本发明实施例的在未加载数据状态下的目标道路三维模型立体示意图。
图3为本发明实施例的在未加载数据状态下的目标道路三维模型俯视结构局部放大示意图。
图4为本发明实施例的在三维模型中加载道路影像数据的结构示意图。
图5为本发明实施例的用于调控目标道路车辆行驶状态的车路协同系统结构示意图。
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、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作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
本发明实施例提供了一种用于调控目标道路车辆行驶状态的车路协同方法,通过多种手段对道路环境进行信息的冗余获取,保证了能从获取的信息中构建出可靠的道路模型,通过车辆及中转服务器两条线路将相关数据传递至云服务器,云服务器在利用其强大的计算能力从数据中重构出道路环境,并以此为基础为车辆在道路上的行驶提供实时的控制建议及预测的控制建议,以尽可能的使车辆规避行车风险,云服务器对车辆发送的控制建议同样通过两条线路进行传递,这能够有效的保证控制建议能够有效的被车辆所接收,车辆通过所接收到的控制建议可在外部无介入的情况下保证车辆的行车安全性,这对于保证车辆行车安全,避免交通事故的发生具有良好的效果。
图1为本发明实施例的用于调控目标道路车辆行驶状态的车路协同方法流程图。
具体的,本发明实施例提供的一种用于调控目标道路车辆行驶状态的车路协同方法包括:
S101:基于布置在目标道路处的道路监控组件获取所述目标道路的第一环境数据;
具体的,所述第一环境数据包括一种以上的第一环境子数据,每一种所述第一环境子数据基于对应的一种道路监控设备生成。
需要说明的是,在本发明实施例中,为了避免产生歧义,信息具体是指道路的实体环境内容,而数据则是指信息所转化为可供传输的电流(模拟信号或数字信号)。
具体的,道路监控组件是指安装于目标道路上用于获取关于目标道路特定信息的设备的集合,道路监控组件包括若干类道路监控设备,对于一段具体的目标道路而言,每一类道路监控设备的设置数量可以为多个,具体的数量需要根据单个道路监控设备的工作区域及目标道路的长度或大小决定。相应的,每一种道路监控设备能够将信息转化为特定的一类数据,即本发明实施例所述的第一环境子数据。
基于布设的难度以及后续的实际用途考虑,在本发明实施例中,在道路监控组件上可设置的道路监控设备及所述道路监控设备所获取得到的数据主要包括:
基于道路影像设备获取的关于所述目标道路的道路影像数据;
基于道路激光雷达设备获取的关于所述目标道路的道路激光数据;
基于道路毫米波雷达设备获取的关于所述目标道路的道路毫米波数据;
基于道路震动感应设备获取的关于所述目标道路的道路震动数据;
基于道路光感设备获取的关于所述目标道路的道路光感数据。
具体的,道路影像设备可以为布置在目标道路上方或一侧的影像获取设备,例如摄像头、高速相机等设备,影像获取设备所获取的道路影像数据了目标道路对应区域的路面信息影像,其中包括了道路本身的影像信息以及在对应范围内驶过的车辆影像信息。具体的,每一个道路影像设备所获取到的道路影像数据的覆盖区域是固定的,即每一个道路影像设备具有固定的工作区域,该工作区域是指目标道路上的具体某一区域。
具体的,道路激光数据和道路毫米波数据是基于对应类型的雷达所获取到的波反射数据,其主要用于判断雷达设备的工作区域处的如车辆、行人、路面异物等障碍物反射的波数据,通过波发射及反射的时间差重构出障碍物位置及模型。布置在目标道路上的雷达设备可以根据需求布置,例如布置在空中等位置上,相较于安装于车辆上的雷达设备,其具有更大的监测视野,体积功耗的限制较小等优势。
具体的,道路震动感应设备主要用于获取目标道路的路面震动数据,一般的,道路震动感应设备一般嵌入设置在目标道路中;路面震动主要是由通过目标道路的车辆或行人引起的,综合多个道路震动感应设备所获取的路面震动数据可以反映出汽车在目标道路上的位置。
具体的,道路光感设备设置的位置可以为嵌入设置在目标道路的表面上或布置在目标道路一侧上,其主要具有两方面的作用,一方面,在日光环境下或路灯环境下,车辆在经过道路光感设备上方时会阻碍光线, 道路光感设备设置可反映车辆的行经情况,另一方面,在夜间环境下以及在能见度较低的情况下,道路光感设备会对车辆开启的车灯进行感应,从而判断出车辆的位置情况,例如,车辆在夜间环境打开车灯行驶,根据道路光感设备的监测范围,车辆在行进过程中,对特定的一个道路光感设备的触发情况为,车灯位于道路光感设备监测范围外(车辆还未进入道路光感设备的监测范围)时,道路光感设备未被触发,车灯进入道路光感设备监测范围(车辆行驶进入道路光感设备的监测范围)时,道路光感设备被触发,车灯离开道路光感设备监测范围(车辆行驶离开道路光感设备的监测范围)时,道路光感设备恢复未被触发的状态;当车灯离开道路光感设备监测范围时,道路光感设备的状态变化可反映车辆的位置信息。
实际实施中,还可以根据需求增加更多类型的道路监控设备,以获得更多的关于目标道路的更多信息,其中,同一类型的信息可以是冗余获取的,也可以是独立获取的,冗余获取的信息更有利于保证该方法运行的可靠性。
具体的,本发明实施例所提到的道路监控设备获取得到的相关数据的集合即为第一环境数据。
S102:基于行驶于所述目标道路上的车辆获取目标道路的第二环境数据;
具体的,所述第二环境数据包括一种以上的第二环境子数据,每一种所述第二环境子数据基于对应的一种车载设备生成。
具体的,行驶在所述目标道理上的车辆具有若干种车载设备,部分车载设备所获取的数据(即本发明实施例所述的第二环境子数据)与目标道路的环境信息相关,例如,在本发明实施例中,其中一种所述第二环境子数据为基于车载影像设备获取的关于所述目标道路的车载影像数据,其中一种所述第二环境子数据为基于车载激光雷达设备获取的关于所述目标道路的第二激光数据,其中一种所述第二环境子数据为基于车载毫米波雷达设备获取的关于所述目标道路的车载毫米波数据,其中一种所述第二环境子数据为基于车载定位设备获取的关于所述目标道路的车辆定位数据。
具体的,与道路影像设备相类似,车载影像设备获取得到的车载影像数据是指车辆的车载影像设备所获取的关于车辆外部的目标道路的影像数据,车载影像设备一般具有固定的观察方向和观察范围,相对应的,根据其观察方向和观察范围可得到车载影像设备对目标道路的工作区域。
具体的,与道路雷达设备相类似,车载激光雷达设备和车载毫米波雷达设备的作用为以车辆为中心获取四周障碍物的位置及形状的相关信息数据。
具体的,车载定位设备的作用是获取车辆的定位信息,即车辆在目标道路上的位置信息。
实际实施中,由于车辆是在目标道路中运动的,且由于道路监控设备的设置位置不能够阻碍车辆的运行,因此,车辆所能获取到的第二环境数据与第一环境数据是具有一定程度的差异性的;相应的,第一环境数据和第二环境数据提供了至少两个维度方向上的数据,相较于单一维度方向获取的数据,本发明实施例的实施方式具有更好的数据广泛性和数据可靠性。
S103:所述第一环境数据、所述第二环境数据基于所述目标道路对应的中转服务器发送至云服务器和/或基于所述车辆发送至所述云服务器;
具体的,由于车辆的车机算力的限制,一般的,第一环境数据和第二环境数据的后续应用在云服务器实现,因此,需要保证第一环境数据和第二环境数据传输时的有效性、可靠性和及时性。
需要说明的是,由于道路监控组件内的设备数量众多,且大部分的设备仅为传感器,因此,一般需要设置一中控平台对道路监控设备的数据进行接收、处理及打包后,再进行数据的传输,因此,在本发明实施例中,通过设置一中转服务器对目标道路一定范围内或一定数量的道路监控设备进行数据接收、处理及打包,再通过中转服务器将打包的第一环境数据进行传输。
结合在后续进行说明的应用情况,中转服务器在本发明实施例中的功能为接收道路监控设备所发送的第一环境子数据,对所述第一环境子数据进行打包处理后发送至云服务器和/或发送至车辆,并接收来自于云服务器发送的反馈信息,以及将所述反馈信息传递至车辆等功能。
相对应的,中转服务器和各个道路监控设备之间的通讯方式一般为有线通讯方式,也可以选用无线通讯方式;中转服务器和云服务器的通讯方式可以为有线通讯或无线通讯方式;中转服务器和车辆之间的通讯方式一般为无线通讯方式。
相类似的,由于车辆是自由活动的,车辆与云服务器的通讯方式则一般固化为无线通讯方式。
第一环境数据、第二环境数据的传输可通过中转服务器或车辆实现,具体应用中,为了保证数据能够有效的传递至云服务器,一般的,数据同时经过中转服务器和车辆两条路线进行重复的发送,保证云服务器能够有效的接收到第一环境数据和第二环境数据。
具体的,针对于数据经由中转服务器发送至云服务器的方式,所述第一环境数据和所述第二环境数据基于所述目标道路对应的中转服务器发送至云服务器包括:
所述中转服务器基于有线通讯方式或无线通讯方式与所述道路监控组件进行通信,所述中转服务器将接收到的所述第一环境数据发送至云服务器;
所述车辆通过近距离无线广播的方式实时广播所述第二环境数据,所述中转服务器通过广播接收的方式接收所述第二环境数据并将所述第二环境数据发送至云服务器。
具体的,若第一环境数据和所述第二环境数据需要基于所述目标道路对应的中转服务器进行发送,首先需要解决的问题为如何将第二环境数据从车辆传递至中转服务器。具体的,车辆正常行驶在目标道路上,如果需要通过如蓝牙、WIFI等采用握手协议的通讯方式,则在具体实施中具有很大的延迟性以及操作困难性,因此,本发明实施例采用了广播的方式实现数据的传输。具体的,车辆作为广播发射源,实时通过广播的方式进行第二环境数据的广播;而对于中转服务器而言,中转服务器始终保持的广播接收状态,当车辆行驶经过目标道路并发射广播时,中转服务器即能接收到第二环境数据,而在无车辆行驶经过时,中转服务器虽然保持广播信号接收状态,但不会接收到广播信息。
该实施方式的有益效果在于,中转服务器是持续实时的将数据传递至云服务器,广播接收第二环境数据的方式属于完全被动的数据接收方式,该方式无需车辆与中转服务器之间产生点对点的通信,可以保证数据传递的及时性以及实时性,且车辆的行驶运动也不会过于影响第二环境数据从车辆传递至中转服务器;另外,车辆的广播区域一般通过调节为合适值,使得车辆的广播覆盖范围最多仅能覆盖一至两个中转服务器,保证了上传至云服务器的数据不会过于重复繁杂,减轻云服务器的工作压力;此外,利用广播的覆盖范围特性,可以粗略的通过中转服务器推断出车辆在目标道路上的位置,从而提供了关于车辆额外的定位信息,以更好的辅助车辆进行定位。
同样的,若以车辆作为信息的中转点,第一环境数据可通过中转服务器广播至车辆上,车辆再将第一环境数据发送至云服务器上。
进一步的,为了降低需要传递至云服务器的数据量,在进行第一环境数据和第二环境数据的传播时,仅传递必要信息。具体的,如部分仅具有0、1信号的传感器,默认状态下0信号或1信号可以选择不上传至云服务器,仅上传传感器触发动作时的信号信息,以节省带宽。
S104:所述云服务器通过融合所述第一环境数据、所述第二环境数据和所述云服务器储存的第三环境数据生成所述目标道路的实时道路情况和预测道路情况;
具体的,如果仅凭借第一环境数据和第二环境数据重建目标道路的实体模型会对云服务器造成大量的运算压力,因此,在本发明实施例中生成所述目标道路的实时道路情况和预测道路情况时,还需要依赖所述云服务器储存的第三环境数据。
具体的,关于目标道路的一些固有数据可以预先储存于云服务中,本发明实施例将该类数据称为第三环境数据。具体的,第三环境数据一般为目标道路的不易变化的固有数据,对于计算机而言主要为目标道路的三维模型,该三维模型仅具有目标道路的骨架信息,目标道路的实时路面情况、车辆实时行驶情况等内容则是通过第一环境数据和第二环境数据获取。
因此,相应的,融合所述第一环境数据、所述第二环境数据和所述云服务器储存的第三环境数据的实质为在第三环境数据的基础上,将易变化的第一环境数据和第二环境数据加载至第三环境数据上,从而还原出实时道路情况。
具体的,融合第一环境数据、第二环境数据和第三环境数据的具体方式为:
S201:所述云服务器提取有关所述目标道路的第三环境数据并根据所述第三环境数据构建所述目标道路的三维模型,并根据所述第三环境数据在所述三维模型中标定每一个道路监控设备的位置及定义每一个道路监控设备的工作程序;
具体的,道路监控设备在三维模型中的位置是已知且相对固定的,根据道路监控设备的类型,每一个道路监控设备的工作区域也是已知的,且每一个道路监控设备的工作原理是已知的,有关道路监控设备的工作原理和工作区域等关于道路监控设备的固有参数的集合即为对应道路监控设备的工作程序,工作程序能够从第一环境数据中还原出能在三维模型中表现的信息。
需要注意的是,本发明实施例的所述的工作区域实际即为道路监控设备所获取的数据的来源区域,例如,道路影像设备根据视角方向、视场角度及焦距等因素,仅能获取目标道路上的部分区域的清晰影像,清晰影像所对应的部分基于即为道路影像设备的工作区域;道路激光雷达和道路毫米波雷达分别具有相对应的信息获取半径区域,该信息获取半径区域即为雷达设备的工作区域;道路光感设备的工作区域则是根据光感设备可接收光线的范围决定;而对于道路震动感应设备而言,其一般是通过多个道路震动感应设备联合作用,利用各个道路震动感应设备接收震动信号的时间差异,利用三角定位法等原理推断出车辆所在位置,其工作区域一般为整段目标道路。
在步骤S201中,云服务器构建了一个关于目标道路的三维模型,三维模型中锚定了各个道路监控设备的布置位置,以及定义了每一个道路监控设备的工作程序。参考图2示意的三维模型,该三维模型示出了双向车道,双向车道以中间的绿化带进行分隔,为了示意的清晰性,本发明实施例在图3中示出了单边车道的局部放大示意图,且为了示意的清晰性,在图3中采用俯视图视角。
具体的,根据图2和图3所示结构,单向车道具有三条行车道及一条应急车道,道路光感设备4嵌入设置行车道表面上,道路震动感应设备5则埋入至行车道内,道路影像设备、道路激光雷达设备和道路毫米波雷达设备可整合设置在灯杆3上,以获取更大的工作视野,中转服务器2即可整合设置在灯杆3上,也可以独立设置在目标道路外部。
S202:所述云服务器从所述第一环境数据中解析出每一个所述道路监控设备所对应的第一环境子数据,并根据所述道路监控设备的工作程序加载对应的第一环境子数据;
具体的,将不同的第一环境子数据分配至三维模型中的不同道路监控设备上,利用每一个道路监控设备的工作程序加载相关的数据,能够在三维模型中将每一个道路监控设备所获取的数据所反映的实际信息进行呈现。
具体的,由于不同的数据之间具有冗余性(重复性),为了保证模型重构时的合理性,不同的第一环境子数据具有不同的加载顺序,一般情况下是按照不同道路监控设备获取信息的直接程度决定第一环境子数据的加载顺序。
在本发明实施例中 ,首先加载的数据为道路影像数据,根据图4所示的道路影像数据加载至三维模型上的示意结构,道路影像设备将对应的第一环境子数据(车载影像数据)还原为图像,并根据道路影像设备的设置位置和设置姿态将图像加载至三维模型上,加载区域6为道路影像设备的工作范围。需要注意的是,由于仅是图像信息,在加载至三维模型上时可能会存在一定的偏差。
进一步的,基于相类似的原理,可以再进行雷达设备的第一环境子数据(道路毫米波数据和道路激光数据)的加载,雷达设备通过解析对应的第一环境子数据可获取障碍物距离信息及模型信息,并根据三维模型中雷达设备的布置位置和布置姿态,可将障碍物的模型加载至三维模型上。
进一步的,可以再进行道路光感设备的第一环境子数据(道路光感数据)的加载。具体的,车辆在行经道路光感设备上方时,道路光感设备的状态会产生变化,一般情况下是默认使得道路光感设备发生变化的物体为车辆,可在三维模型对应的位置上设立车辆的模型。
进一步的,可以再进行道路震动感应设备的第一环境子数据的加载,通过联立多个道路震动感应设备所感应到的震动数据和震动数据的接收时间求出车辆在目标道路上的位置,并在三维模型中设立车辆的模型。
具体的,在本发明实施例中,不同的第一环境子数据的最终目的是获取到目标道路的路面情况,重点是获取到目标道路上的车辆行驶情况,不同类型的第一环境子数据所获取的信息最终都是能反映出目标道路上的车辆行驶情况,由于具有冗余性及重复性,一方面当其中某一类道路监控设备失效或数据出现较大误差时,其他类型的道路监控设备能够发挥作用,保证的模型重构的可行性,另一方面,多类道路监控设备所获取的数据的汇总可更精确的定位到车辆在目标道路上的位置信息以及相关的行驶状态信息。
具体的,关于不同的第一环境子数据的加载顺序以及融合顺序,可根据实际需求进行设置,例如,当道路影像数据确认在对应的工作区域存在车辆时,则表示车辆客观存在,其余设备的数据可用于帮助车辆进行精确的定位;若道路影像数据失效,雷达设备发现有车辆,则表示车辆客观存在,可利用道路震动数据和道路光感数据确认车辆的位置;依次类推,通过设置多种道路震动数据,可保证能够准确的预估出车辆的存在性以及得到车辆的行驶状态信息。
S203: 所述云服务器从所述第二环境数据中解析出车辆的定位信息和/或从所述第一环境数据中解析出所述车辆的定位信息,通过所述定位信息在所述三维模型中的对应位置上构建车辆模型,并在所述车辆模型中加载所述第二环境数据所对应的车载设备以及定义每一个所述车载设备的工作程序;
具体的,在步骤S104中得到了车辆在目标道路上的位置,然后在三维模型中构建车辆的车辆模型,并以车辆的车辆模型为基础加载车载设备以及定义每一个车载设备的工作程序。此外,若第一环境数据中的关于车辆定位的内容完全失效,则可以通过车辆本身上传的第二环境数据定位车辆的位置。
当确定车辆在所述三维模型中的具体位置时,相应的,车载设备的位置也随之被确定,车载设备的工作区域也随之被确定。
S204:所述云服务器从所述第二环境数据中解析出每一个所述车载设备所对应的第二环境子数据,并根据所述车载设备的工作程序加载对应的第二环境子数据。
与步骤S202相类似,利用车辆所获取的第二环境数据对目标道路上的信息进行复原并加载至三维模型上。
通过步骤S104至步骤S106,利用目标道路上本身布置有的相关设备并结合行经目标道路上的车辆上的车载设备,可最大化的得目标道路的数据以及最准确的还原出目标道路的实际路况。
需要说明的是,对于云服务器而言,其在三维模型的建立以及数据加载的时候,是同步接收来自于若干个中转服务器以及若干辆车辆的相关数据信息的,相应的,其构建的整个三维模型是远超过一辆车辆所能获取到的信息的,因此,云服务器所构建的三维模型(指加载完各种类型数据后的三维模型)相对于车辆本身的传感器是具有宏观性和预见性的,基于该三维模型能够以目标道路的整体作为对象对内部的车辆进行有效的行车规划。
具体的,最终成型的实时道路情况的实质内容为目标道路的路面情况、所有车辆的位置以及每一台车辆的行进速度等内容,所述路面情况是指路面是否有除了车辆之外的障碍物、封闭维保等内容。
而对于预测道路情况,所述云服务器基于加载有第一环境数据和第二环境数据的三维模型导出所述目标道路的预测道路情况包括:
以所述目标道路的行进方向为基准,以所述实时道路情况和所述实时控制指令为基础,从所述目标道路的前方至后方依次预估并规划每一辆车辆的行驶状态;
综合所有车辆的行驶状态并结合所述实时道路情况得到所述目标道路的预测道路情况。
S104:所述云服务器根据所述实时道路情况生成实时控制指令,以及根据所述预测道路情况生成延时控制指令;
具体的,根据实时道路情况,云服务器可对每一辆车辆的行驶情况进行规划并生成实时控制指令。具体的,本发明实施例所述的实时控制指令一般是一些预警性的指令,例如根据道路情况对每一辆车辆的速度进行上限限制、根据车辆的密度和车速合理限制前后车距离、根据道路情况(例如是否有车道收窄、车道障碍物等)规划车辆的车道变换情况等内容,总而言之,需要在对目标道路内的车辆在目标道路内的行驶进行规则化,从而使得每一台车辆在目标道路上保证行驶安全性以及减少产生车辆堵塞的可能性。
具体的,实时控制指令的内容是根据实时提供的第一环境数据和第二环境数据导出的实时道路情况产生的,其仅能针对实时的路面情况做出匹配的应对;但在实践中,往往会出现车辆没能有效接收到云服务器下发的实时控制指令的情况,因此,在下发实时控制指令的同时,一般还会下发延时控制指令。
具体的,延时控制指令的生成是基于实施控制指令以及实时道路情况实现的。云服务器首先根据实时道路情况将目标道路上不包括车辆在内的客观环境固化,然后根据实时控制指令的内容,假定所有车辆均按照所述实时控制指令的内容行驶,再按照通行顺序依次规划每一辆车辆的行进路线,以尽可能的规避可能产生的事故。
具体的,所述以所述目标道路的行进方向为基准,以所述实时道路情况和所述实时控制指令为基础,从所述目标道路的前方至后方依次预估并规划每一辆车辆的行驶状态包括:
根据排序将所述目标道路上的车辆依次编号为,n为正整数;
根据预设方式将目标道路划分为个区域,m为正整数;
根据所述目标道路制定一时间跨度P,并根据所述时间跨度制定时间刻度序列,t为正整数,/>;
根据所述m个区域和所述t个时间刻度构建二维关联表;
根据编号依次提取所述车辆,/>,以最短花费时间离开所述目标道路为指标为车辆/>进行行车规划;
在所述行车规划的过程中,以区域作为所述车辆的最小移动单位,并按照时间先后顺序依次生成所述车辆/>的移动轨迹,所述移动轨迹行经的每一个区域均与对应的一个时间刻度关联,在同一时间刻度下,所述m个区域中的任一个区域最多仅允许存在一台车辆,即在同一时间刻度下,该目标道路的具体一位置上无法出现两辆车辆,基于该规则,按照排序依次规划每一辆车在目标道路内的行车轨迹。
S105:所述云服务器将所述实时道路情况、所述预测道路情况、所述实时控制指令和所述延时控制指令打包为数据包,并将所述数据包直接发送至所述车辆上或将所述数据包通过所述中转服务器发送至所述车辆上;
具体的,云服务器需要返回至车辆的信息包括所述实时道路情况、所述预测道路情况、所述实时控制指令和所述延时控制指令四方面的内容,其中,实时道路情况为当前整个目标道路上的情况,预测道路情况为云服务器所预测的后续的道路变化情况,所述实时控制指令和所述延时控制指令则是与车辆控制相关的数据。
具体的,实时道路情况能够覆盖整条目标道路,相对于车载设备具有更广泛的视野,对于车辆的驾驶员以及车辆本身可提供较多的参考信息,从而辅助驾驶员和车辆进行更好的驾驶;预测道路情况则是在车辆没接收到最新的实时道路情况前,通过云服务器虚拟得到的目标道路上的预测的道路情况;相类似的,所述实时控制指令和所述延时控制指令则是与实时道路情况和预测道路情况相关联的。
具体的,云服务器回传数据的方式可以为直接发送至车辆,也可以通过中转服务器转发至车辆上。
S106:所述车辆在接收到所述数据包后对所述数据包进行解析,基于所述实时道路情况更新所述车辆的设定信息,并根据所述实时控制指令调节所述车辆的运行状态;
在所述车辆没有接收到新的数据包时,所述车辆基于所述预测道路情况更行所述车辆的设定信息,并根据所述延时控制指令调节所述车辆的运行状态。
具体的,车辆本身一般是由驾驶员以及车机系统辅助控制的,相应的,实时控制指令和延时控制指令根据设定需求可直接参与车辆的运行控制,也可以是仅提供相应的信息参考,车辆的车机系统和驾驶员可根据给出的信息进行对车辆状态的控制及行车路径的规划。
基本的,云服务器能够给车辆提供的参考数据可包括目标道路的实时道路情况信息、目标道路的预测道路情况信息、车辆的实时安全车速、车辆与前车之间的安全距离、车辆的路线规划信息以及额外的示警信息等内容,从而辅助驾驶员及车机系统进行提前准备。
需要说明的是,在现有技术下,通过云服务器实时控制车辆会具有一定的延迟性,因此,车辆的行驶更多的还是依赖驾驶员和车机系统,云服务器下发的数据包在现技术阶段主要为车辆提供目标道路的整体信息,然后给出合理的行驶建议,例如,车速的上限、与前车需要保持的距离、目标道路前方的障碍物情况等内容,在提供了相应的限定数据后,若车机具有辅助驾驶功能,则可以根据相关的限定数据进行辅助驾驶参数的调节,驾驶员也可以根据可视化的图像得到相应的信息从而做出反映,该车路协同方法的实施实质为车辆提供了更大的视野范围、更精确的路面信息等内容,这克服了车辆本身车载设备不可克服的局限性问题。
此外,云服务器所生成所述目标道路的实时道路情况中主要是包括的道路情况和车辆情况两方面的内容,道路情况其实质反映了真实的道路环境中可理解为可供车辆行驶的区域,而车辆情况则是若干车辆在真实的道路环境中的行驶情况;云服务器所生成的预测道路情况是需要基于实时道路情况生成的,短时间内道路情况是不发生改变的,在对车辆的行驶情况进行预测时,可基于现有技术下的多车导航技术实现,本发明采用了序列式依次导航的方式,具体的导航方法实际为有目标的穷举法。实质上,本发明所涉及的相关内容最终需经过计算机代码编程后实现,本发明仅针对其中的重点内容进行说明,其余内容的实施方式可基于现有技术实现。
综上,本发明实施例提供了一种用于调控目标道路车辆行驶状态的车路协同方法,布置在目标道路上的道路监控设备以及行驶在目标道路上的车辆均能向云服务器提供目标道路的路况信息,保证了对目标道路路况的监测范围及监测效果;需要上传至云服务器的数据可通过车辆和中转服务器两条线路进行上传,保证的数据传输的可靠性;云服务器根据目标道路的路况对目标道路内的每一辆车辆进行宏观调控,生成实时控制指令和延时控制指令,延时控制指令可使车辆在无接收到新的实时控制指令时,还能有云服务器预测的参考数据以供参考;同样的,云服务器需要回传至车辆的数据可直接发送至车辆,也可以经中转服务器进行转发,保证了车辆能够尽可能的接收到云服务器的回传数据,保持车辆行车信息的实时性。
图5示出了本发明实施例的用于调控目标道路车辆行驶状态的车路协同系统结构示意图。
相应的,本发明实施例还提供了一种用于调控目标道路车辆行驶状态的车路协同系统,用于所述的用于调控目标道路车辆行驶状态的车路协同方法,包括:
道路监控组件,具有若干类用于获取目标道路的信息的道路监控设备,每一个所述道路监控设备用于产生对应的第一环境子数据;
中转服务器,用于接收每一个所述道路监控设备产生的第一环境子数据;
车辆,具有若干种用于获取目标道路的信息的车载设备,每一种车载设备用于产生对应的第二环境子数据;
云服务器,用于根据所有所述第一环境子数据、所有所述第二环境子数据和所述云服务器内置的第三环境数据生成包括有实时道路情况、预测道路情况、实时控制指令和延时控制指令的数据包;
其中,所述中转服务器还用于向所述云服务器上传所述第一环境子数据和/或经过所述车辆向所述云服务器上传所述第一环境子数据,所述车辆还用于向所述云服务器上传所述第二环境子数据和/或经过所述中转服务器向所述云服务器上传所述第二环境子数据,所述云服务器还用于向所述车辆发送所述数据包和/或经过所述中转服务器向所述车辆发送数据包。
以上对本发明实施例所提供的一种用于调控目标道路车辆行驶状态的车路协同方法及系统进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (8)
1.一种用于调控目标道路车辆行驶状态的车路协同方法,其特征在于,包括:
基于布置在目标道路处的道路监控组件获取所述目标道路的第一环境数据,所述第一环境数据包括一种以上的第一环境子数据,每一种所述第一环境子数据基于对应的一种道路监控设备生成;
基于行驶于所述目标道路上的车辆获取目标道路的第二环境数据,所述第二环境数据包括一种以上的第二环境子数据,每一种所述第二环境子数据基于对应的一种车载设备生成;
所述第一环境数据、所述第二环境数据基于所述目标道路对应的中转服务器发送至云服务器和/或基于所述车辆发送至所述云服务器;
所述云服务器提取有关所述目标道路的第三环境数据并根据所述第三环境数据构建所述目标道路的三维模型,并根据所述第三环境数据在所述三维模型中标定每一个道路监控设备的位置及定义每一个道路监控设备的工作程序;
所述云服务器从所述第一环境数据中解析出每一个所述道路监控设备所对应的第一环境子数据,并根据所述道路监控设备的工作程序加载对应的第一环境子数据;
所述云服务器从所述第二环境数据中解析出车辆的定位信息和/或从所述第一环境数据中解析出所述车辆的定位信息,通过所述定位信息在所述三维模型中的对应位置上构建车辆模型,并在所述车辆模型中加载所述第二环境数据所对应的车载设备以及定义每一个所述车载设备的工作程序;
所述云服务器从所述第二环境数据中解析出每一个所述车载设备所对应的第二环境子数据,并根据所述车载设备的工作程序加载对应的第二环境子数据;
所述云服务器基于加载有第一环境数据和第二环境数据的三维模型导出所述目标道路的实时道路情况和预测道路情况;
所述云服务器根据所述实时道路情况生成实时控制指令以及根据所述预测道路情况生成延时控制指令;
所述云服务器将所述实时道路情况、所述预测道路情况、所述实时控制指令和所述延时控制指令打包为数据包,并将所述数据包直接发送至所述车辆上和/或将所述数据包通过所述中转服务器发送至所述车辆上;
所述车辆在接收到所述数据包后对所述数据包进行解析,基于所述实时道路情况更新所述车辆的设定信息,并根据所述实时控制指令调节所述车辆的运行状态;
在所述车辆没有接收到新的数据包前,所述车辆基于所述预测道路情况更新所述车辆的设定信息,并根据所述延时控制指令调节所述车辆的运行状态;
所述云服务器基于加载有第一环境数据和第二环境数据的三维模型导出所述目标道路的预测道路情况包括:
以所述目标道路的行进方向为基准,以所述实时道路情况和所述实时控制指令为基础,从所述目标道路的前方至后方依次预估并规划每一辆车辆的行驶状态;
综合所有车辆的行驶状态并结合所述实时道路情况得到所述目标道路的预测道路情况;
所述以所述目标道路的行进方向为基准,以所述实时道路情况和所述实时控制指令为基础,从所述目标道路的前方至后方依次预估并规划每一辆车辆的行驶状态包括:
根据排序将所述目标道路上的车辆依次编号为,/>为正整数;
根据预设方式将目标道路划分为个区域,/>为正整数;
根据所述目标道路制定一时间跨度,并根据所述时间跨度制定时间刻度序列, />为正整数,/>;
根据所述个区域和所述/>个时间刻度构建二维关联表;
根据编号依次提取所述车辆,/>,以最短花费时间离开所述目标道路为指标为车辆/>进行行车规划;
在所述行车规划的过程中,以区域作为所述车辆的最小移动单位,并按照时间先后顺序依次生成所述车辆/>的移动轨迹,所述移动轨迹行经的每一个区域均与对应的一个时间刻度关联,在同一时间刻度下,所述/>个区域中的任一个区域最多仅允许存在一台车辆。
2.如权利要求1所述的用于调控目标道路车辆行驶状态的车路协同方法,其特征在于,
其中一种所述第一环境子数据为基于道路影像设备获取的关于所述目标道路的道路影像数据;
和/或其中一种所述第一环境子数据为基于道路激光雷达设备获取的关于所述目标道路的道路激光数据;
和/或其中一种所述第一环境子数据为基于道路毫米波雷达设备获取的关于所述目标道路的道路毫米波数据;
和/或其中一种所述第一环境子数据为基于道路震动感应设备获取的关于所述目标道路的道路震动数据;
和/或其中一种所述第一环境子数据为基于道路光感设备获取的关于所述目标道路的道路光感数据。
3.如权利要求1所述的用于调控目标道路车辆行驶状态的车路协同方法,其特征在于,
其中一种所述第二环境子数据为基于车载影像设备获取的关于所述目标道路的车载影像数据;
和/或其中一种所述第二环境子数据为基于车载激光雷达设备获取的关于所述目标道路的车载激光数据;
和/或其中一种所述第二环境子数据为基于车载毫米波雷达设备获取的关于所述目标道路的车载毫米波数据;
和/或其中一种所述第二环境子数据为基于车载定位设备获取的关于所述目标道路的车辆定位数据。
4.如权利要求1所述的用于调控目标道路车辆行驶状态的车路协同方法,其特征在于,所述第一环境数据和所述第二环境数据基于所述目标道路对应的中转服务器发送至云服务器包括:
所述中转服务器基于有线通讯方式或无线通讯方式与所述道路监控组件进行通信;
所述车辆通过近距离无线广播的方式实时广播所述第二环境数据;
所述中转服务器通过广播接收的方式接收所述第二环境数据,并将所述第一环境数据和所述第二环境数据发送至云服务器。
5.如权利要求1所述的用于调控目标道路车辆行驶状态的车路协同方法,其特征在于,所述第一环境数据和所述第二环境数据基于所述目标道路对应的中转服务器发送至云服务器包括:
所述中转服务器基于有线通讯方式或无线通讯方式与所述道路监控组件进行通信;
所述中转服务器通过近距离无线广播的方式实时广播所述第一环境数据;
所述车辆通过广播接收的方式接收所述第一环境数据,并将所述第一环境数据和所述第二环境数据发送至云服务器。
6.如权利要求1所述的用于调控目标道路车辆行驶状态的车路协同方法,其特征在于,所述云服务器根据所述实时道路情况生成实时控制指令包括:
所述实时控制指令的内容包括安全车速、安全车距、行车路径信息及示警信息。
7.如权利要求1所述的用于调控目标道路车辆行驶状态的车路协同方法,其特征在于,所述云服务器将所述数据包通过所述中转服务器发送至所述车辆上包括:
所述中转服务器通过近距离广播的方式持续广播所述云服务器下发的所述数据包;
所述车辆在所述目标道路上行驶时通过广播接收的方式实时接收所述数据包。
8.一种用于调控目标道路车辆行驶状态的车路协同系统,其特征在于,用于实现权利要求1至7任一项所述的用于调控目标道路车辆行驶状态的车路协同方法,包括:
道路监控组件,具有若干类用于获取目标道路的信息的道路监控设备,每一个所述道路监控设备用于产生对应的第一环境子数据;
中转服务器,用于接收每一个所述道路监控设备产生的第一环境子数据;
车辆,具有若干种用于获取目标道路的信息的车载设备,每一种车载设备用于产生对应的第二环境子数据;
云服务器,用于根据所有所述第一环境子数据、所有所述第二环境子数据和所述云服务器内置的第三环境数据生成包括有实时道路情况、预测道路情况、实时控制指令和延时控制指令的数据包;
其中,所述中转服务器还用于向所述云服务器上传所述第一环境子数据和/或经过所述车辆向所述云服务器上传所述第一环境子数据,所述车辆还用于向所述云服务器上传所述第二环境子数据和/或经过所述中转服务器向所述云服务器上传所述第二环境子数据,所述云服务器还用于向所述车辆发送所述数据包和/或经过所述中转服务器向所述车辆发送数据包。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310505823.9A CN116229726B (zh) | 2023-05-08 | 2023-05-08 | 用于调控目标道路车辆行驶状态的车路协同方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310505823.9A CN116229726B (zh) | 2023-05-08 | 2023-05-08 | 用于调控目标道路车辆行驶状态的车路协同方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116229726A CN116229726A (zh) | 2023-06-06 |
CN116229726B true CN116229726B (zh) | 2023-08-08 |
Family
ID=86575367
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310505823.9A Active CN116229726B (zh) | 2023-05-08 | 2023-05-08 | 用于调控目标道路车辆行驶状态的车路协同方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116229726B (zh) |
Citations (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108447291A (zh) * | 2018-04-03 | 2018-08-24 | 南京锦和佳鑫信息科技有限公司 | 一种智能道路设施系统及控制方法 |
CN108922188A (zh) * | 2018-07-24 | 2018-11-30 | 河北德冠隆电子科技有限公司 | 雷达跟踪定位的四维实景交通路况感知预警监控管理系统 |
CN108961790A (zh) * | 2018-07-24 | 2018-12-07 | 河北德冠隆电子科技有限公司 | 基于四维实景交通仿真的恶劣天气预警管理系统及方法 |
CN109920246A (zh) * | 2019-02-22 | 2019-06-21 | 重庆邮电大学 | 一种基于v2x通信与双目视觉的协同局部路径规划方法 |
CN109935077A (zh) * | 2017-12-15 | 2019-06-25 | 百度(美国)有限责任公司 | 用于为自动驾驶车辆构建车辆与云端实时交通地图的系统 |
CN111127931A (zh) * | 2019-12-24 | 2020-05-08 | 国汽(北京)智能网联汽车研究院有限公司 | 一种智能网联汽车的车路云协同方法、装置及系统 |
CN111260946A (zh) * | 2018-11-30 | 2020-06-09 | 南京锦和佳鑫信息科技有限公司 | 一种基于智能网联系统的自动驾驶货车运营控制系统 |
CN211124362U (zh) * | 2019-10-18 | 2020-07-28 | 长安大学 | 面向智慧公路的多源交通信息感知路侧设备 |
CN111540237A (zh) * | 2020-05-19 | 2020-08-14 | 河北德冠隆电子科技有限公司 | 基于多数据融合的车辆安全行驶保障方案自动生成的方法 |
CN111583630A (zh) * | 2020-04-10 | 2020-08-25 | 河北德冠隆电子科技有限公司 | 基于时空轨迹重构全新道路高精地图快速生成系统与方法 |
CN112835346A (zh) * | 2019-11-04 | 2021-05-25 | 大众汽车(中国)投资有限公司 | 用于控制车辆的方法和系统、及车载自动驾驶系统 |
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 |
JP2022010903A (ja) * | 2020-06-29 | 2022-01-17 | 住友電気工業株式会社 | 路車協調システム、車載装置、路車協調サーバ、路車協調システムの動作方法及びコンピュータプログラム |
CN115257784A (zh) * | 2022-06-15 | 2022-11-01 | 西安电子科技大学 | 基于4d毫米波雷达的车路协同系统 |
WO2022237866A1 (zh) * | 2021-05-12 | 2022-11-17 | 中移智行网络科技有限公司 | 一种车路协同系统、模拟仿真方法、车载设备和路侧设备 |
CN115410384A (zh) * | 2021-05-27 | 2022-11-29 | 北京万集科技股份有限公司 | 交叉路口的路侧交通调度方法及辅助驾驶方法 |
CN115618932A (zh) * | 2022-09-23 | 2023-01-17 | 清华大学 | 基于网联自动驾驶的交通事件预测方法、装置及电子设备 |
US11595619B1 (en) * | 2020-06-02 | 2023-02-28 | Aurora Operations, Inc. | Autonomous vehicle teleoperations system |
CN115953912A (zh) * | 2023-03-10 | 2023-04-11 | 深圳市新创中天信息科技发展有限公司 | 一种基于边缘计算的车路感知设备和方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8352112B2 (en) * | 2009-04-06 | 2013-01-08 | GM Global Technology Operations LLC | Autonomous vehicle management |
CN110351684A (zh) * | 2018-04-04 | 2019-10-18 | 华为技术有限公司 | 传输数据的方法及其装置和系统 |
JP7156217B2 (ja) * | 2019-09-06 | 2022-10-19 | トヨタ自動車株式会社 | 車両遠隔指示システム |
US20220297635A1 (en) * | 2020-03-06 | 2022-09-22 | Sonatus, Inc. | System, method, and apparatus for managing vehicle data collection |
US20220122456A1 (en) * | 2020-10-20 | 2022-04-21 | Here Global B.V. | Explanation of erratic driving behavior |
-
2023
- 2023-05-08 CN CN202310505823.9A patent/CN116229726B/zh active Active
Patent Citations (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109935077A (zh) * | 2017-12-15 | 2019-06-25 | 百度(美国)有限责任公司 | 用于为自动驾驶车辆构建车辆与云端实时交通地图的系统 |
CN108447291A (zh) * | 2018-04-03 | 2018-08-24 | 南京锦和佳鑫信息科技有限公司 | 一种智能道路设施系统及控制方法 |
CN108922188A (zh) * | 2018-07-24 | 2018-11-30 | 河北德冠隆电子科技有限公司 | 雷达跟踪定位的四维实景交通路况感知预警监控管理系统 |
CN108961790A (zh) * | 2018-07-24 | 2018-12-07 | 河北德冠隆电子科技有限公司 | 基于四维实景交通仿真的恶劣天气预警管理系统及方法 |
CN111260946A (zh) * | 2018-11-30 | 2020-06-09 | 南京锦和佳鑫信息科技有限公司 | 一种基于智能网联系统的自动驾驶货车运营控制系统 |
CN109920246A (zh) * | 2019-02-22 | 2019-06-21 | 重庆邮电大学 | 一种基于v2x通信与双目视觉的协同局部路径规划方法 |
CN211124362U (zh) * | 2019-10-18 | 2020-07-28 | 长安大学 | 面向智慧公路的多源交通信息感知路侧设备 |
CN112835346A (zh) * | 2019-11-04 | 2021-05-25 | 大众汽车(中国)投资有限公司 | 用于控制车辆的方法和系统、及车载自动驾驶系统 |
CN111127931A (zh) * | 2019-12-24 | 2020-05-08 | 国汽(北京)智能网联汽车研究院有限公司 | 一种智能网联汽车的车路云协同方法、装置及系统 |
CN111583630A (zh) * | 2020-04-10 | 2020-08-25 | 河北德冠隆电子科技有限公司 | 基于时空轨迹重构全新道路高精地图快速生成系统与方法 |
CN111540237A (zh) * | 2020-05-19 | 2020-08-14 | 河北德冠隆电子科技有限公司 | 基于多数据融合的车辆安全行驶保障方案自动生成的方法 |
US11595619B1 (en) * | 2020-06-02 | 2023-02-28 | Aurora Operations, Inc. | Autonomous vehicle teleoperations system |
JP2022010903A (ja) * | 2020-06-29 | 2022-01-17 | 住友電気工業株式会社 | 路車協調システム、車載装置、路車協調サーバ、路車協調システムの動作方法及びコンピュータプログラム |
WO2022237866A1 (zh) * | 2021-05-12 | 2022-11-17 | 中移智行网络科技有限公司 | 一种车路协同系统、模拟仿真方法、车载设备和路侧设备 |
CN115410384A (zh) * | 2021-05-27 | 2022-11-29 | 北京万集科技股份有限公司 | 交叉路口的路侧交通调度方法及辅助驾驶方法 |
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 |
CN115257784A (zh) * | 2022-06-15 | 2022-11-01 | 西安电子科技大学 | 基于4d毫米波雷达的车路协同系统 |
CN115618932A (zh) * | 2022-09-23 | 2023-01-17 | 清华大学 | 基于网联自动驾驶的交通事件预测方法、装置及电子设备 |
CN115953912A (zh) * | 2023-03-10 | 2023-04-11 | 深圳市新创中天信息科技发展有限公司 | 一种基于边缘计算的车路感知设备和方法 |
Also Published As
Publication number | Publication date |
---|---|
CN116229726A (zh) | 2023-06-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10976745B2 (en) | Systems and methods for autonomous vehicle path follower correction | |
US11314247B2 (en) | Method and system for remotely controlling a vehicle | |
Parent et al. | Intelligent vehicle technologies | |
EP3423326B1 (en) | A vehicle with autonomous driving capability | |
US20180164822A1 (en) | Systems and methods for autonomous vehicle motion planning | |
CN110126825B (zh) | 用于低级别前馈车辆控制策略的系统和方法 | |
CN104094331B (zh) | 确定车辆在道路行车道中的定位的方法,以及用于检测两个车辆之间的对齐和碰撞风险的方法 | |
CN106232444A (zh) | 对在预定情况中的自主车辆的远程协助 | |
EP2855225A1 (en) | Inferring state of traffic signal and other aspects of a vehicle's environment based on surrogate data | |
CN113677581A (zh) | 一种车道保持方法、车载设备和存储介质 | |
CN110888429A (zh) | 车辆导航和控制 | |
US11358615B2 (en) | System and method for determining vehicle orientation in a vehicle consist | |
CN113156927A (zh) | 自动驾驶车辆的安全控制方法及安全控制装置 | |
US20230264699A1 (en) | Drive planning device, storage medium storing computer program for drive planning and drive planning method | |
US11352024B2 (en) | Autonomous vehicle emergency route guidance | |
US12012097B2 (en) | Complementary control system for an autonomous vehicle | |
CN112835346A (zh) | 用于控制车辆的方法和系统、及车载自动驾驶系统 | |
CN116229726B (zh) | 用于调控目标道路车辆行驶状态的车路协同方法及系统 | |
JP7113056B2 (ja) | 自律走行能力を有する車両 | |
JP7476263B2 (ja) | 車両制御装置、車両制御方法及び車両制御プログラム | |
An et al. | Cooperative vehicle control system based on fusion map | |
JP7478285B2 (ja) | 車両、車両制御方法及び車両制御プログラム | |
WO2024084581A1 (ja) | 運転制御システム | |
US20220306162A1 (en) | Vehicle control device, medium for storing computer program for vehicle control, and method for controlling vehicle | |
US20220063620A1 (en) | Vehicle speed and steering control |
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 |