CN116504089B - 一种基于路面破损因素的无人公交集群灵活调度系统 - Google Patents

一种基于路面破损因素的无人公交集群灵活调度系统 Download PDF

Info

Publication number
CN116504089B
CN116504089B CN202310763275.XA CN202310763275A CN116504089B CN 116504089 B CN116504089 B CN 116504089B CN 202310763275 A CN202310763275 A CN 202310763275A CN 116504089 B CN116504089 B CN 116504089B
Authority
CN
China
Prior art keywords
road surface
information
public transportation
damaged
detection
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
CN202310763275.XA
Other languages
English (en)
Other versions
CN116504089A (zh
Inventor
杨彦鼎
骆嫚
曹恺
蔡营
王月
李凯
王科未
熊迹
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.)
Dongfeng Yuexiang Technology Co Ltd
Original Assignee
Dongfeng Yuexiang 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 Dongfeng Yuexiang Technology Co Ltd filed Critical Dongfeng Yuexiang Technology Co Ltd
Priority to CN202310763275.XA priority Critical patent/CN116504089B/zh
Publication of CN116504089A publication Critical patent/CN116504089A/zh
Application granted granted Critical
Publication of CN116504089B publication Critical patent/CN116504089B/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
    • G08G1/09—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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/54—Extraction of image or video features relating to texture
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/56—Extraction of image or video features relating to colour
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/70—Labelling scene content, e.g. deriving syntactic or semantic representations
    • 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
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Abstract

本发明涉及一种基于路面破损因素的无人公交集群灵活调度系统，包括车端环境检测与应急规划系统、高精度地图误检抑制与校准系统和考虑路面破损的无人公交平台调度系统；所述车端环境检测与应急规划系统，包括传感器道路环境提取模块、路面状态检测模块和应急规划控制算法模块，实时获取路面高程信息、路面颜色信息和路面纹理信息，并利用深度学习检测网络实现路面的检测和分类。本发明不仅能够使得公交车利用车载感知能力识别到道路上的异常情况，尽可能利用自主运动能力避免自身驶入该区域，而且能够防范乘客舒适度降低，防止车身损害，防止造成交通拥堵，防止造成路面进一步损毁。

Description

一种基于路面破损因素的无人公交集群灵活调度系统
技术领域
本发明涉及无人公交调度技术领域，尤其是涉及一种基于路面破损因素的无人公交集群灵活调度系统。
背景技术
当前智慧交通结合单车智能、车路协同以及平台大数据调度技术已经成为解决方案新趋势，智能网联公交调度方案在当前智能网联示范运营中成为关注的重点。现有的公交调度系统主要是通过获取当前交通环境状态，对未来趋势进行预测并进行智能排版调度，常见的预测方式有基于历史数据和基于模型的两种方式：基于历史数据的预测方式虽然简单易实现，但历史交通数据并不能真实的反应未来的变化趋势，满意满足精细化的围观调度需求；基于模型的预测方式通过收集交通状态、天气等信息来建立机理模型，用于推测交通状况的变化趋势，但是环境影响因素较多，数学模型建立较为困难且资源消耗以及参数调试难度大。
在预测完成的基础上，主流的无人公交集群调度方法可分为两大类：基于规则的方法和基于优化算法的方法。基于规则的方法主要基于预设的规则和逻辑来进行调度：例如将每个车辆分配到固定的路线上，并结合道路交通状况预测结果计算相邻公交车之间的发车间隔。这种方法的优点在于简单易实现，但是其缺点在于，各辆公交车一旦发车后将无法根据实际情况动态调整路线和行驶速度，即无法灵活地考虑到道路变化。
发明内容
鉴于以上问题，本发明提供了一种基于路面破损因素的无人公交集群灵活调度系统，不仅能够使得公交车利用车载感知能力识别到道路上的异常情况，尽可能利用自主运动能力避免自身驶入该区域，而且能够防范乘客舒适度降低，防止车身损害，防止造成交通拥堵，防止造成路面进一步损毁。
为了实现上述目的及其他相关目的，本发明提供的技术方案如下：
一种基于路面破损因素的无人公交集群灵活调度系统，包括车端环境检测与应急规划系统、高精度地图误检抑制与校准系统和考虑路面破损的无人公交平台调度系统；
所述车端环境检测与应急规划系统，包括传感器道路环境提取模块、路面状态检测模块和应急规划控制算法模块，实时获取路面高程信息、路面颜色信息和路面纹理信息，并利用深度学习检测网络实现路面的检测和分类，针对路面的检测和分类在局部行车轨迹规划中增加对驶入破损区域的代价惩罚，采用在惯性Cartesian坐标系中进行应激式的轨迹规划；
所述高精度地图误检抑制与校准系统，与所述车端环境检测与应急规划系统连接，获取路面的检测和分类，结合高精度地图中的语义信息对路面状况进行误检筛查，将识别到的破损区域投射在高精度地图中进行破损轮廓分析和判断；
所述考虑路面破损的无人公交平台调度系统，包括通讯模块和公交调度算法模块，通过所述通讯模块与所述车端环境检测与应急规划系统、所述高精度地图误检抑制与校准系统连接，实时获取破损路面数据信息，根据公交调度算法模块，输出无人公交调度数据信息。
进一步的，所述利用深度学习检测网络实现路面的检测和分类包括：
T1.对所述路面高程信息、路面颜色信息和路面纹理信息进行降噪和增强预处理，输出预处理后的路面数据信息；
T2.基于所述预处理后的路面数据信息，采用yolov7网络进行网络迭代训练，输出训练后的路面数据信息；
T3.将所述训练后的路面数据信息和预存的路面破损图片数据信息输入Model网络进行检测和分割，输出路面破损的位置信息、类别信息和面积信息。
进一步的，所述应急规划控制算法模块中的应急规划控制算法包括：
U1.获取路面检测和分类的数据信息，所述路面检测和分类的数据信息包括路面破损的位置信息、类别信息和面积信息；
U2.根据所述路面破损的位置信息、类别信息和面积信息，获取路面破损区域边界点的坐标数据信息，采用改进的人工鱼算法进行特征坐标点提取，输出路面破损区域边界特征点数据信息；
U3.基于所述路面破损区域边界特征点数据信息，采用三次曲线多项式进行局部路径拟合，
，
其中，a0、a1、a2和a3为曲线系数，输出应急规划局部路径数据信息。
进一步的，在步骤U2中，所述改进的人工鱼算法包括：
U21.将所述路面破损区域边界点的坐标数据信息按照横坐标大小进行排序，输出起点和终点的坐标数据信息；
U22.以所述起点的坐标数据信息为人工鱼，步长为任意路面破损区域边界点中相邻两点之间的距离中的最大值，采用正余弦算法进行搜索，输出路面破损区域边界特征点数据信息。
进一步的，所述结合高精度地图中的语义信息对路面状况进行误检筛查为如果在高精度地图中存在固定设施与路面破损区域的轮廓吻合，则判定路面破损区域无效。
进一步的，所述公交调度算法模块中的公交调度算法包括：
H1.基于所述破损路面数据信息，对无人公交的运营路线进行查询，输出与破损路面相关的无人公交运营路线数据信息；
H2.基于所述与破损路面相关的无人公交运营路线数据信息，进行乘客及相关站点信息的查询和考虑，若乘客上车站点与下车站点在所述与破损路面相关的无人公交运营路线上，则不对该破损路面相关的无人公交运营路线进行调整，通过车端的应急规划控制算法模块进行破损路面规避；
H3.若乘客上车站点与下车站点不在所述与破损路面相关的无人公交运营路线上，则通过无人公交运营路线上任意两站点之间路径与时间差的匹配合理程度、乘客通行效率、路网交通态势未来预测趋势构建加权单目标代价函数，
，
其中Gi为第i条运营路线的单目标代价函数，xi为第i条运营路线的路径与时间差的匹配合理程度，yi为第i条运营路线的乘客通行效率，zi为路网交通态势未来预测趋势值，α、β和γ为代价常量参数；
H4.基于所述加权单目标代价函数Gi，对所述乘客上车站点与下车站点不在所述与破损路面相关的无人公交运营路线进行公交线路调整，输出无人公交调度数据信息。
进一步的，在步骤H3中，所述代价常量参数α、β和γ的限制条件为：
。
进一步的，所述无人公交运营路线上任意两站点之间路径与时间差的匹配合理程度的表征为无人公交运营路线上的车辆停靠点有N+1个，构建一个1行N列的解向量来表征。
进一步的，所述车端环境检测与应急规划系统还包括车载激光雷达和车载摄像头，基于所述车载激光雷达获取路面高程信息，基于所述车载摄像头获取路面颜色信息和路面纹理信息。
进一步的，所述车端环境检测与应急规划系统、所述高精度地图误检抑制与校准系统和所述考虑路面破损的无人公交平台调度系统之间通过4G/5G移动通信网络进行通信连接。
本发明具有以下积极效果：
1.本发明通过无人公交的车端环境检测与应急规划系统能够使得公交车利用车载感知能力识别到道路上的异常情况，尽可能利用自主运动能力避免自身驶入该区域，从而防范乘客舒适度降低，防止车身损害，防止造成交通拥堵，防止造成路面进一步损毁。
2.本发明通过考虑路面破损的无人公交平台调度系统进行长远部署，防止未来其他车辆进一步驶入该异常路面区域，从而进一步防范乘客舒适度降低，防止车身损害，防止造成交通拥堵，防止造成路面进一步损毁。
附图说明
图1为本发明系统框架示意图；
图2为本发明利用深度学习检测网络实现路面的检测和分类的示意图；
图3为本发明考虑路面破损的无人公交平台调度系统调度过程示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明经行进一步的详细说明。显然，此处所描述的具体实施例仅仅用于解释本发明，是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域技术普通人员在没有做出创造性劳动的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。
实施例1：如图1所示，一种基于路面破损因素的无人公交集群灵活调度系统，包括车端环境检测与应急规划系统、高精度地图误检抑制与校准系统和考虑路面破损的无人公交平台调度系统；
所述车端环境检测与应急规划系统，包括传感器道路环境提取模块、路面状态检测模块和应急规划控制算法模块，实时获取路面高程信息、路面颜色信息和路面纹理信息，并利用深度学习检测网络实现路面的检测和分类，针对路面的检测和分类在局部行车轨迹规划中增加对驶入破损区域的代价惩罚，采用在惯性Cartesian坐标系中进行应激式的轨迹规划；
所述高精度地图误检抑制与校准系统，与所述车端环境检测与应急规划系统连接，获取路面的检测和分类，结合高精度地图中的语义信息对路面状况进行误检筛查，将识别到的破损区域投射在高精度地图中进行破损轮廓分析和判断；
所述考虑路面破损的无人公交平台调度系统，包括通讯模块和公交调度算法模块，通过所述通讯模块与所述车端环境检测与应急规划系统、所述高精度地图误检抑制与校准系统连接，实时获取破损路面数据信息，根据公交调度算法模块，输出无人公交调度数据信息。
在本实施例中，如图2所示，所述利用深度学习检测网络实现路面的检测和分类包括：
T1.对所述路面高程信息、路面颜色信息和路面纹理信息进行降噪和增强预处理，输出预处理后的路面数据信息；
T2.基于所述预处理后的路面数据信息，采用yolov7网络进行网络迭代训练，输出训练后的路面数据信息；
T3.将所述训练后的路面数据信息和预存的路面破损图片数据信息输入Model网络进行检测和分割，输出路面破损的位置信息、类别信息和面积信息。
在本实施例中，所述应急规划控制算法模块中的应急规划控制算法包括：
U1.获取路面检测和分类的数据信息，所述路面检测和分类的数据信息包括路面破损的位置信息、类别信息和面积信息；
U2.根据所述路面破损的位置信息、类别信息和面积信息，获取路面破损区域边界点的坐标数据信息，采用改进的人工鱼算法进行特征坐标点提取，输出路面破损区域边界特征点数据信息；
U3.基于所述路面破损区域边界特征点数据信息，采用三次曲线多项式进行局部路径拟合，
，
其中，a0、a1、a2和a3为曲线系数，输出应急规划局部路径数据信息。
在本实施例中，在步骤U2中，所述改进的人工鱼算法包括：
U21.将所述路面破损区域边界点的坐标数据信息按照横坐标大小进行排序，输出起点和终点的坐标数据信息；
U22.以所述起点的坐标数据信息为人工鱼，步长为任意路面破损区域边界点中相邻两点之间的距离中的最大值，采用正余弦算法进行搜索，输出路面破损区域边界特征点数据信息。
实施例2：在实施例1的一种基于路面破损因素的无人公交集群灵活调度系统的基础上，下面对本发明作进一步的说明和描述。
在本实施例中，所述结合高精度地图中的语义信息对路面状况进行误检筛查为如果在高精度地图中存在固定设施与路面破损区域的轮廓吻合，则判定路面破损区域无效。
在本实施例中，如图3所示，所述公交调度算法模块中的公交调度算法包括：
H1.基于所述破损路面数据信息，对无人公交的运营路线进行查询，输出与破损路面相关的无人公交运营路线数据信息；
H2.基于所述与破损路面相关的无人公交运营路线数据信息，进行乘客及相关站点信息的查询和考虑，若乘客上车站点与下车站点在所述与破损路面相关的无人公交运营路线上，则不对该破损路面相关的无人公交运营路线进行调整，通过车端的应急规划控制算法模块进行破损路面规避；
H3.若乘客上车站点与下车站点不在所述与破损路面相关的无人公交运营路线上，则通过无人公交运营路线上任意两站点之间路径与时间差的匹配合理程度、乘客通行效率、路网交通态势未来预测趋势构建加权单目标代价函数，
，
其中Gi为第i条运营路线的单目标代价函数，xi为第i条运营路线的路径与时间差的匹配合理程度，yi为第i条运营路线的乘客通行效率，zi为路网交通态势未来预测趋势值，α、β和γ为代价常量参数；
H4.基于所述加权单目标代价函数Gi，对所述乘客上车站点与下车站点不在所述与破损路面相关的无人公交运营路线进行公交线路调整，输出无人公交调度数据信息。
在本实施例中，在步骤H3中，所述代价常量参数α、β和γ的限制条件为：
。
在本实施例中，所述无人公交运营路线上任意两站点之间路径与时间差的匹配合理程度的表征为无人公交运营路线上的车辆停靠点有N+1个，构建一个1行N列的解向量来表征。
在本实施例中，所述车端环境检测与应急规划系统还包括车载激光雷达和车载摄像头，基于所述车载激光雷达获取路面高程信息，基于所述车载摄像头获取路面颜色信息和路面纹理信息。
在本实施例中，所述车端环境检测与应急规划系统、所述高精度地图误检抑制与校准系统和所述考虑路面破损的无人公交平台调度系统之间通过4G/5G移动通信网络进行通信连接。
综上所述，本发明不仅能够使得公交车利用车载感知能力识别到道路上的异常情况，尽可能利用自主运动能力避免自身驶入该区域，而且能够防范乘客舒适度降低，防止车身损害，防止造成交通拥堵，防止造成路面进一步损毁。
以上上述的实施例仅表达了本发明的实施优选方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种基于路面破损因素的无人公交集群灵活调度系统，其特征在于，包括车端环境检测与应急规划系统、高精度地图误检抑制与校准系统和考虑路面破损的无人公交平台调度系统；
所述车端环境检测与应急规划系统，包括传感器道路环境提取模块、路面状态检测模块和应急规划控制算法模块，实时获取路面高程信息、路面颜色信息和路面纹理信息，并利用深度学习检测网络实现路面的检测和分类，针对路面的检测和分类在局部行车轨迹规划中增加对驶入破损区域的代价惩罚，采用在惯性Cartesian坐标系中进行应激式的轨迹规划；
所述高精度地图误检抑制与校准系统，与所述车端环境检测与应急规划系统连接，获取路面的检测和分类，结合高精度地图中的语义信息对路面状况进行误检筛查，将识别到的破损区域投射在高精度地图中进行破损轮廓分析和判断；
所述考虑路面破损的无人公交平台调度系统，包括通讯模块和公交调度算法模块，通过所述通讯模块与所述车端环境检测与应急规划系统、所述高精度地图误检抑制与校准系统连接，实时获取破损路面数据信息，根据公交调度算法模块，输出无人公交调度数据信息。
2.根据权利要求1所述的基于路面破损因素的无人公交集群灵活调度系统，其特征在于，所述利用深度学习检测网络实现路面的检测和分类包括：
T1.对所述路面高程信息、路面颜色信息和路面纹理信息进行降噪和增强预处理，输出预处理后的路面数据信息；
T2.基于所述预处理后的路面数据信息，采用yolov7网络进行网络迭代训练，输出训练后的路面数据信息；
T3.将所述训练后的路面数据信息和预存的路面破损图片数据信息输入Model网络进行检测和分割，输出路面破损的位置信息、类别信息和面积信息。
3.根据权利要求1所述的基于路面破损因素的无人公交集群灵活调度系统，其特征在于，所述应急规划控制算法模块中的应急规划控制算法包括：
U1.获取路面检测和分类的数据信息，所述路面检测和分类的数据信息包括路面破损的位置信息、类别信息和面积信息；
U2.根据所述路面破损的位置信息、类别信息和面积信息，获取路面破损区域边界点的坐标数据信息，采用改进的人工鱼算法进行特征坐标点提取，输出路面破损区域边界特征点数据信息；
U3.基于所述路面破损区域边界特征点数据信息，采用三次曲线多项式进行局部路径拟合，
，
其中，a0、a1、a2和a3为曲线系数，输出应急规划局部路径数据信息。
4.根据权利要求3所述的基于路面破损因素的无人公交集群灵活调度系统，其特征在于，在步骤U2中，所述改进的人工鱼算法包括：
U21.将所述路面破损区域边界点的坐标数据信息按照横坐标大小进行排序，输出起点和终点的坐标数据信息；
U22.以所述起点的坐标数据信息为人工鱼，步长为任意路面破损区域边界点中相邻两点之间的距离中的最大值，采用正余弦算法进行搜索，输出路面破损区域边界特征点数据信息。
5.根据权利要求1所述的基于路面破损因素的无人公交集群灵活调度系统，其特征在于：所述结合高精度地图中的语义信息对路面状况进行误检筛查为如果在高精度地图中存在固定设施与路面破损区域的轮廓吻合，则判定路面破损区域无效。
6.根据权利要求1所述的基于路面破损因素的无人公交集群灵活调度系统，其特征在于，所述公交调度算法模块中的公交调度算法包括：
H1.基于所述破损路面数据信息，对无人公交的运营路线进行查询，输出与破损路面相关的无人公交运营路线数据信息；
H2.基于所述与破损路面相关的无人公交运营路线数据信息，进行乘客及相关站点信息的查询和考虑，若乘客上车站点与下车站点在所述与破损路面相关的无人公交运营路线上，则不对该破损路面相关的无人公交运营路线进行调整，通过车端的应急规划控制算法模块进行破损路面规避；
H3.若乘客上车站点与下车站点不在所述与破损路面相关的无人公交运营路线上，则通过无人公交运营路线上任意两站点之间路径与时间差的匹配合理程度、乘客通行效率、路网交通态势未来预测趋势构建加权单目标代价函数，
，
其中Gi为第i条运营路线的单目标代价函数，xi为第i条运营路线的路径与时间差的匹配合理程度，yi为第i条运营路线的乘客通行效率，zi为路网交通态势未来预测趋势值，α、β和γ为代价常量参数；
H4.基于所述加权单目标代价函数Gi，对所述乘客上车站点与下车站点不在所述与破损路面相关的无人公交运营路线进行公交线路调整，输出无人公交调度数据信息。
7.根据权利要求6所述的基于路面破损因素的无人公交集群灵活调度系统，其特征在于，在步骤H3中，所述代价常量参数α、β和γ的限制条件为：
。
8.根据权利要求6所述的基于路面破损因素的无人公交集群灵活调度系统，其特征在于：所述无人公交运营路线上任意两站点之间路径与时间差的匹配合理程度的表征为无人公交运营路线上的车辆停靠点有N+1个，构建一个1行N列的解向量来表征。
9.根据权利要求1所述的基于路面破损因素的无人公交集群灵活调度系统，其特征在于：所述车端环境检测与应急规划系统还包括车载激光雷达和车载摄像头，基于所述车载激光雷达获取路面高程信息，基于所述车载摄像头获取路面颜色信息和路面纹理信息。
10.根据权利要求1所述的基于路面破损因素的无人公交集群灵活调度系统，其特征在于：所述车端环境检测与应急规划系统、所述高精度地图误检抑制与校准系统和所述考虑路面破损的无人公交平台调度系统之间通过4G/5G移动通信网络进行通信连接。
CN202310763275.XA 2023-06-27 2023-06-27 一种基于路面破损因素的无人公交集群灵活调度系统 Active CN116504089B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310763275.XA CN116504089B (zh) 2023-06-27 2023-06-27 一种基于路面破损因素的无人公交集群灵活调度系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310763275.XA CN116504089B (zh) 2023-06-27 2023-06-27 一种基于路面破损因素的无人公交集群灵活调度系统

Publications (2)

Publication Number Publication Date
CN116504089A CN116504089A (zh) 2023-07-28
CN116504089B true CN116504089B (zh) 2023-09-12

Family

ID=87328722

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310763275.XA Active CN116504089B (zh) 2023-06-27 2023-06-27 一种基于路面破损因素的无人公交集群灵活调度系统

Country Status (1)

Country Link
CN (1) CN116504089B (zh)

Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106296814A (zh) * 2015-05-26 2017-01-04 中国公路工程咨询集团有限公司 公路养护检测与可视化交互方法和系统
CN107330547A (zh) * 2017-06-15 2017-11-07 重庆交通大学 一种城市公交动态调度优化方法及系统
CN111610191A (zh) * 2020-04-20 2020-09-01 武汉理工大学 一种道路检测与修复系统
CN111739308A (zh) * 2019-03-19 2020-10-02 上海大学 面向车路协同的道路异常移动物联监控系统及方法
CN112434706A (zh) * 2020-11-13 2021-03-02 武汉中海庭数据技术有限公司 一种基于图像点云融合的高精度交通要素目标提取方法
KR20210100775A (ko) * 2020-02-06 2021-08-18 엘지전자 주식회사 노면 상태를 검출하기 위한 자율 주행 장치 및 그의 동작 방법
WO2021210251A1 (ja) * 2020-04-17 2021-10-21 株式会社日立製作所 道路状況特定装置および車両システム
CN113961656A (zh) * 2021-10-08 2022-01-21 浪潮云信息技术股份公司 一种基于ipfs技术的分发高精度地图方法及系统
CN114140767A (zh) * 2021-11-23 2022-03-04 上海东普信息科技有限公司 路面检测方法、装置、设备及存储介质
CN114170569A (zh) * 2021-12-10 2022-03-11 山东大学 一种路面异常情况监测方法、系统、存储介质及设备
CN114677660A (zh) * 2022-03-17 2022-06-28 上海伯镭智能科技有限公司 模型训练和道路检测方法及装置
CN115795861A (zh) * 2022-11-25 2023-03-14 东风悦享科技有限公司 一种应用于智能公交路阻调度的仿真系统及方法
CN115909722A (zh) * 2022-10-27 2023-04-04 东风悦享科技有限公司 一种应用于智能公交的路阻调度方法及系统
CN115909787A (zh) * 2023-02-06 2023-04-04 山东科技大学 一种路面破损情况的预警方法、设备及介质
CN115930980A (zh) * 2022-11-08 2023-04-07 华东计算技术研究所（中国电子科技集团公司第三十二研究所） 基于动态道路天气事件的可行区域预测与路径规划系统
CN116185019A (zh) * 2023-02-01 2023-05-30 一汽解放汽车有限公司 无人公交系统控制方法、装置、计算机设备和存储介质

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111061277B (zh) * 2019-12-31 2022-04-05 歌尔股份有限公司 一种无人车全局路径规划方法和装置
EP4227923B1 (en) * 2020-01-16 2024-04-17 C.R.F. Società Consortile per Azioni Automatic recognition of anomalous situations along roads travelled by motor-vehicles for intelligent motorvehicle driving speed control along the roads
US20230182743A1 (en) * 2021-12-15 2023-06-15 Industrial Technology Research Institute Method and system for extracting road data and method and system for controlling self-driving car

Patent Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106296814A (zh) * 2015-05-26 2017-01-04 中国公路工程咨询集团有限公司 公路养护检测与可视化交互方法和系统
CN107330547A (zh) * 2017-06-15 2017-11-07 重庆交通大学 一种城市公交动态调度优化方法及系统
CN111739308A (zh) * 2019-03-19 2020-10-02 上海大学 面向车路协同的道路异常移动物联监控系统及方法
KR20210100775A (ko) * 2020-02-06 2021-08-18 엘지전자 주식회사 노면 상태를 검출하기 위한 자율 주행 장치 및 그의 동작 방법
WO2021210251A1 (ja) * 2020-04-17 2021-10-21 株式会社日立製作所 道路状況特定装置および車両システム
CN111610191A (zh) * 2020-04-20 2020-09-01 武汉理工大学 一种道路检测与修复系统
CN112434706A (zh) * 2020-11-13 2021-03-02 武汉中海庭数据技术有限公司 一种基于图像点云融合的高精度交通要素目标提取方法
CN113961656A (zh) * 2021-10-08 2022-01-21 浪潮云信息技术股份公司 一种基于ipfs技术的分发高精度地图方法及系统
CN114140767A (zh) * 2021-11-23 2022-03-04 上海东普信息科技有限公司 路面检测方法、装置、设备及存储介质
CN114170569A (zh) * 2021-12-10 2022-03-11 山东大学 一种路面异常情况监测方法、系统、存储介质及设备
CN114677660A (zh) * 2022-03-17 2022-06-28 上海伯镭智能科技有限公司 模型训练和道路检测方法及装置
CN115909722A (zh) * 2022-10-27 2023-04-04 东风悦享科技有限公司 一种应用于智能公交的路阻调度方法及系统
CN115930980A (zh) * 2022-11-08 2023-04-07 华东计算技术研究所（中国电子科技集团公司第三十二研究所） 基于动态道路天气事件的可行区域预测与路径规划系统
CN115795861A (zh) * 2022-11-25 2023-03-14 东风悦享科技有限公司 一种应用于智能公交路阻调度的仿真系统及方法
CN116185019A (zh) * 2023-02-01 2023-05-30 一汽解放汽车有限公司 无人公交系统控制方法、装置、计算机设备和存储介质
CN115909787A (zh) * 2023-02-06 2023-04-04 山东科技大学 一种路面破损情况的预警方法、设备及介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
路面不平度识别与地图匹配在车辆定位中的应用;李帅帅;鲍晨;沈勇;;汽车零部件(第01期);13-17 *

Also Published As

Publication number Publication date
CN116504089A (zh) 2023-07-28

Similar Documents

Publication Publication Date Title
Bharadiya Artificial intelligence in transportation systems a critical review
CN114822008B (zh) 派遣和维护自主车辆的车队的协调
JP2021534501A (ja) 道路セグメント類似性判定
CN108216229A (zh) 交通工具、道路线检测和驾驶控制方法及装置
CN111881713A (zh) 一种识别违停地点的方法、系统、装置及存储介质
CN109841080B (zh) 用于交通对象的检测、分类及地理定位的系统和方法
EP3323669B1 (en) Vehicle control unit (vcu) and operating method thereof
CN109902610A (zh) 交通标志识别方法和装置
CN114743401B (zh) 一种基于公交数字化转型的数据可视化公交调度管理平台
CN110705452A (zh) 一种高速公路无人值守收费站设施智能管控方法及系统
CN116050581A (zh) 一种智慧城市地铁行车调度优化方法和物联网系统
Chen et al. Constructing cooperative intelligent transport systems for travel time prediction with deep learning approaches
CN116504089B (zh) 一种基于路面破损因素的无人公交集群灵活调度系统
CN113487872B (zh) 一种基于大数据和人工智能的公交车通行时间预测方法
CN113320537A (zh) 一种车辆控制方法和系统
CN107194505B (zh) 一种基于城市大数据预测公共汽车出行量的方法和系统
CN110796301B (zh) 一种基于ic卡数据的乘客流量预测方法及装置
CN111027859B (zh) 基于机动车状态监控数据挖掘的驾驶风险防范方法及系统
CN117325903A (zh) 轨道智能探伤的高置信决策系统
US11829959B1 (en) System and methods for fully autonomous potholes detection and road repair determination
CN116206451A (zh) 一种智慧交通车流数据分析方法
CN115563761A (zh) 基于时刻表的地铁枢纽站周围道路拥堵预测方法
Xu et al. Towards prediction of bus arrival time using multi-layer perceptron (mlp) and mlp regressor
Saranya Significance of artificial intelligence in the development of sustainable transportation
CN117612140B (zh) 道路场景的识别方法、装置和存储介质及电子设备

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