CN116612654A - 一种无人驾驶车队调度方法、装置及电子设备 - Google Patents

Abstract

本说明书实施例提供一种无人驾驶车队调度方法、装置及电子设备，所述方法包括：对目标区域的无人驾驶车队进行全局路径规划，得到全局路径规划结果；基于任务车辆的行驶信息和全局任务路径对应的参考信息，确定任务车辆的局部任务路径；基于局部任务路径的属性信息，优化局部任务路径，得到优化后的局部任务路径信息。根据本说明书实施例所述的无人驾驶车队调度方法，既能够对无人驾驶车队进行统一的全局路径规划，还能够结合车辆的实时行驶信息，综合兼顾多种外部因素，规划车队车辆行驶过程中的局部任务路径，并进行反向局部优化，可以在保证安全的同时有效提升无人驾驶车队的整体效率和调度准确度，且能够推广并应用于多种复杂场景。

Description

一种无人驾驶车队调度方法、装置及电子设备

技术领域

本说明书涉及无人驾驶领域，具体而言，涉及一种无人驾驶车队调度方法、装置及电子设备。

背景技术

随着无人驾驶技术的发展，无人驾驶车队在多种运输场所发挥着重要作用。以港口无人驾驶车队为例，港口无人驾驶车队的调度是港口无人运输系统不可或缺的模块之一，通过对车队进行路径规划和行为控制，保证整个无人运输系统高效、稳定、安全运行。

在现有的无人驾驶车队调度中，一般存在如下几种调度方案：

1. 实时对所有车辆的油门、刹车等进行控制，不仅依赖于强大的算力，且无法处理通用的港口路网，仅适用于全自动化隔离码头，无法向存量港口推广。此外，一般还需要磁钉铺设来保证实时位置的确认，造价、维修成本都偏高。

2. 对各个车辆进行独立规划和控制，由于车辆间的互相影响，经常会发生死锁情况。如果采用红绿灯协助和物理隔离，又会进一步约束港口混行，降低港口的运营效率。

3. 对无人驾驶车队进行统一的路径规划和行为控制，车辆只负责定位和执行。既没有考虑无人驾驶局部规划，也没有考虑外部车辆的影响，因此缺乏智能控制，无法应付混行港口，也无法作为通用方案进行推广。

发明内容

有鉴于此，本说明书提供一种无人驾驶车队调度方法、装置及电子设备，既能够对无人驾驶车队进行统一的全局路径规划，还能够结合车辆的实时行驶信息，综合兼顾多种外部因素，规划车队车辆行驶过程中的局部任务路径，并进行反向局部优化，可以在保证安全的同时有效提升无人驾驶车队的整体效率和调度准确度，且能够推广并应用于多种复杂场景。

本说明书实施例提供一种无人驾驶车队调度方法，所述方法包括：

对目标区域的无人驾驶车队进行全局路径规划，得到全局路径规划结果，其中，所述全局路径规划结果包括所述无人驾驶车队中的任务车辆的全局任务路径；基于所述任务车辆对应的行驶信息和所述全局任务路径对应的参考信息，确定所述任务车辆的局部任务路径；基于所述局部任务路径的属性信息，优化所述局部任务路径，得到优化后的局部任务路径信息。

在一些实施例中，对目标区域的无人驾驶车队进行全局路径规划，得到全局路径规划结果，包括：响应于新增任务，确定所述无人驾驶车队的新增车辆；基于所述新增任务，确定所述新增车辆的起点和终点；基于所述无人驾驶车队中已有任务车辆的已有任务路径以及所述新增车辆的所述起点和所述终点，进行所述全局路径规划，得到所述全局路径规划结果。

在一些实施例中，对目标区域的无人驾驶车队进行全局路径规划，得到全局路径规划结果，包括：构建所述目标区域对应的有向路网图，其中，所述有向路网图中，节点表示路口，边表示道路，所述边的权重与道路长度和/或路口容量相关；基于所述有向路网图以及所述任务车辆的起点和终点，进行所述全局路径规划，得到所述全局路径规划结果。

在一些实施例中，基于所述任务车辆对应的行驶信息和所述全局任务路径对应的参考信息，确定所述任务车辆的局部任务路径，包括：基于障碍物信息和交通规则信息，确定所述局部任务路径的轨迹；基于速度参数，确定所述局部任务路径的速度；基于安全参数和所述速度参数，确定所述局部任务路径的长度。

在一些实施例中，所述局部任务路径的属性信息包括以下中的至少一种：所述局部任务路径的轨迹、所述局部任务路径的速度、所述局部任务路径的长度、所述局部任务路径的优先级以及所述局部任务路径对应的障碍物信息。

在一些实施例中，基于所述局部任务路径的属性信息，优化所述局部任务路径，包括：基于所述属性信息和目标函数，优化所述局部任务路径，其中，所述目标函数基于优化前后的局部任务路径相似度以及不同局部任务路径间的相关性确定，所述相关性表征所述不同局部任务路径对应的任务车辆发生碰撞的概率。

在一些实施例中，所述不同局部任务路径间的相关性通过以下方式确定：基于所述不同局部任务路径对应的属性信息，确定所述不同局部任务路径对应的任务车辆到达路径交汇点的时间差；基于所述时间差，确定所述不同局部任务路径间的相关性。

在一些实施例中，所述优化后的局部任务路径信息包括优化后的局部任务路径和/或所述局部任务路径对应的任务车辆的通行策略。

在一些实施例中，本说明书实施例还提供一种无人驾驶车队调度装置，所述装置包括：全局规划模块，用于对目标区域的无人驾驶车队进行全局路径规划，得到全局路径规划结果，其中，所述全局路径规划结果包括所述无人驾驶车队中的任务车辆的全局任务路径；局部规划模块，用于基于所述任务车辆对应的行驶信息和所述全局任务路径对应的参考信息，确定所述任务车辆的局部任务路径；优化模块，用于基于所述局部任务路径的属性信息，优化所述局部任务路径，得到优化后的局部任务路径信息。

在一些实施例中，本说明书实施例还提供一种电子设备，所述电子设备包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过所述总线通信，所述机器可读指令被所述处理器执行时执行所述的无人驾驶车队调度方法的步骤。

根据本说明书实施例所述的无人驾驶车队调度方法，既能够对无人驾驶车队进行统一的全局路径规划，还能够结合车辆的实时行驶信息，综合兼顾多种外部因素，规划车队车辆行驶过程中的局部任务路径，并进行反向局部优化。可以在保证安全的同时有效提升无人驾驶车队的整体效率和调度准确度，且无需额外进行红绿灯加装、隔离设备加装等，具有快速复制能力，能够推广并应用于多种复杂场景。

附图说明

为了更清楚地说明本说明书实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本说明书的某些实施例，因此不应被看作是对范围的限定，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他相关的附图。

图1示出了本说明书实施例所述的无人驾驶车队调度方法的流程图；

图2示出了本说明书实施例所述的对目标区域的无人驾驶车队进行全局路径规划的流程图；

图3示出了本说明书实施例所述的全局路径规划结果的示意图；

图4示出了本说明书实施例所述的对任务车辆进行局部路径规划的流程图；

图5示出了本说明书实施例所述的局部路径规划的示意图；

图6示出了本说明书实施例所述的任务车辆的局部任务路径的示意图；

图7示出了本说明书实施例所述的局部任务路径优化的流程图；

图8示出了本说明书实施例所述的不同局部任务路径对应的任务车辆到达路径交汇点的时间差的示意图；

图9-12示出了局部任务路径优化过程的示意图；

图13示出了本说明书实施例所述的无人驾驶车队调度装置的结构示意图；

图14示出了本说明书实施例所述的电子设备的结构示意图。

具体实施方式

为使本说明书实施例的目的、技术方案和优点更加清楚，下面将结合本说明书实施例中的附图，对本说明书实施例中的技术方案进行清楚、完整地描述，应当理解，本说明书中附图仅起到说明和描述的目的，并不用于限定本说明书的保护范围。另外，应当理解，示意性的附图并未按实物比例绘制。本说明书中使用的流程图示出了根据本说明书的一些实施例实现的操作。应该理解，流程图的操作可以不按顺序实现，没有逻辑的上下文关系的步骤可以反转顺序或者同时实施。此外，本领域技术人员在本说明书内容的指引下，可以向流程图添加一个或多个其他操作，也可以从流程图中移除一个或多个操作。

另外，所描述的实施例仅仅是本说明书一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本说明书实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本说明书的实施例的详细描述并非旨在限制要求保护的本说明书的范围，而是仅仅表示本说明书的选定实施例。基于本说明书的实施例，本领域技术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，都属于本说明书保护的范围。

需要说明的是，本说明书实施例中将会用到术语“包括”，用于指出其后所声明的特征的存在，但并不排除增加其它的特征。

本说明书实施例提供一种无人驾驶车队调度方法、装置及电子设备，所述无人驾驶车队调度方法包括：对目标区域的无人驾驶车队进行全局路径规划，得到全局路径规划结果，其中，所述全局路径规划结果包括所述无人驾驶车队中的任务车辆的全局任务路径；基于所述任务车辆对应的行驶信息和所述全局任务路径对应的参考信息，确定所述任务车辆的局部任务路径；基于所述局部任务路径的属性信息，优化所述局部任务路径，得到优化后的局部任务路径信息。根据本说明书实施例所述的无人驾驶车队调度方法，既能够对无人驾驶车队进行统一的全局路径规划，还能够结合车辆的实时行驶信息，综合兼顾多种外部因素，规划车队车辆行驶过程中的局部任务路径，并进行反向局部优化。可以在保证安全的同时有效提升无人驾驶车队的整体效率和调度准确度，且无需额外进行红绿灯加装、隔离设备加装等，能够推广并应用于多种复杂场景。

图1示出了本说明书实施例所述的无人驾驶车队调度方法的流程图。在一些实施例中，无人驾驶车队调度方法可以通过调度平台执行，例如，服务器、终端设备、处理设备、电子设备等。

S101、对目标区域的无人驾驶车队进行全局路径规划，得到全局路径规划结果，其中，全局路径规划结果包括无人驾驶车队中的任务车辆的全局任务路径。

目标区域可以指无人驾驶车队执行任务的场所或区域，例如，港口、码头、物流园区、散货集散地等。

无人驾驶车队可以包括多个任务车辆，任务车辆可以与调度平台交互。例如，任务车辆可以接收调度平台发送的控制信息，并根据接收的控制信息执行相关任务。又例如，任务车辆在行驶过程中可以采集行驶信息（例如，定位信息、障碍物信息等），并将行驶信息传输至调度平台。

任务车辆的全局任务路径可以指从起点至终点的全局规划路径。示例性地，起点和/或终点可以包括但不限于岸桥、场桥、堆高机、缓冲区、维修区、充电区、停车场等。在本说明书实施例中，起点和终点的选择与作业任务是解耦的。示例性地，假设某一作业任务为在A点装载第一货物和第二货物，将第一货物运输至到B点，将第二货物运输至C点，则对该作业任务进行解耦，将A点和B点作为一组起点和终点，将B点和C点作为一组起点和终点，并进行相应的全局路径规划。通过将起点和终点与作业任务解耦，可以保证保障全局路径的规划是最小原子操作，不会被作业任务影响。

在一些实施例中，确定各个任务车辆的起点和终点后，调度平台可以执行全局路径规划。在一些实施例中，调度平台可以基于多源多终点的群体路径规划算法（例如，Floyd算法），进行全局路径规划。在一些实施例中，调度平台可以构建目标区域对应的有向路网图，并基于有向路网图进行无人驾驶车队的全局路径规划。更多细节内容可参照图2和图3及其描述，此处不再赘述。

在一些实施例中，在无人驾驶车队执行任务过程中，随着任务的执行、结束、新增任务的启动等，无人驾驶车队中任务车辆的状态处于动态变化中，例如，执行任务状态、空闲状态等。相应地，在一些实施例中，响应于新增任务，调度平台可以确定无人驾驶车队的新增车辆；并基于新增任务，确定新增车辆的起点和终点；进而基于无人驾驶车队中已有任务车辆的已有任务路径以及新增车辆的起点和终点，进行全局路径规划，得到全局路径规划结果。在本说明书中，“新增车辆”可以理解为处于空闲状态的任务车辆或新加入当前无人驾驶车队的任务车辆；“已有任务车辆”可以理解为当前无人驾驶车队中处于执行任务状态的任务车辆。

在一些实施例中，在基于无人驾驶车队中已有任务车辆的已有任务路径以及新增车辆的起点和终点进行全局路径规划时，调度平台可以保持已有任务车辆的已有任务路径不变，并基于有向路网图以及新增车辆的起点和终点，规划新增车辆的任务路径。在这种情况下，全局路径规划结果包括已有任务车辆的已有任务路径和新增车辆的新增任务路径。在一些实施例中，在规划新增车辆的任务路径时，需要考虑新增车辆的任务路径与已有任务路径发生冲撞的概率，优先规划与已有任务路径发生冲撞的概率更低的新增任务路径。通过保持已有任务路径不变，可以降低整体运算量，提高规划效率。

在一些实施例中，在基于无人驾驶车队中已有任务车辆的已有任务路径以及新增车辆的起点和终点进行全局路径规划时，调度平台可以根据已有任务车辆的实时位置、已有任务路径的起点和终点以及新增车辆的起点和终点，进行全局路径规划，得到全局路径规划结果。在这种情况下，需要综合考虑已有任务车辆的已有任务路径以及新增车辆的起点和终点，重新进行整体的全局规划，确定全局最优的全局路径规划结果。通过对已有任务车辆和新增车辆进行整体全局规划，可以确定全局最优的全局路径规划结果，提高全局规划的准确性。

在一些实施例中，调度平台可以综合考虑运算量和准确性，保持部分已有任务路径不变，对部分已有任务车辆和新增车辆进行整体规划。

S102、基于任务车辆对应的行驶信息和全局任务路径对应的参考信息，确定任务车辆的局部任务路径。

任务车辆对应的行驶信息可以指任务车辆在行驶过程中检测或感知的信息。在一些实施例中，任务车辆对应的行驶信息可以包括车辆定位信息、目标检测信息（也可以称之为“障碍物信息”）等或其任意组合。车辆定位信息可以是任务车辆的定位设备检测的实时位置信息；目标检测信息可以是任务车辆的检测设备（例如，雷达、相机、轮速计等）检测到的任务车辆感知范围内的目标（例如，车辆、行人、路侧设备、动物、石块、其他任务车辆等）的相关信息（例如，位置、类别、形状、尺寸等）。

全局任务路径对应的参考信息可以指与任务车辆当前位置附近（例如，预设范围内、预设距离内等）的全局任务路径部分相关的参考信息（例如，交通信息）。在一些实施例中，全局任务路径对应的参考信息可以包括任务车辆当前位置附近（例如，预设范围内、预设距离内等）的全局任务路径部分对应的交通规则信息（例如，最左侧左转、最右侧右转、只允许停止线后等待等）。在一些实施例中，全局任务路径对应的参考信息还可以包括速度参数、安全参数等，用于规划局部任务路径的参考。

任务车辆的局部任务路径可以指任务车辆在未来预设时间段内的局部路径。在一些实施例中，调度平台可以综合考虑任务车辆对应的实时行驶信息和全局任务路径（或部分）对应的参考信息，规划局部任务路径，相应可以实现安全高效的智能控制。

在一些实施例中，调度平台可以基于障碍物信息和交通规则信息，确定局部任务路径的轨迹（例如，避开障碍物且符合交通规则的轨迹），并结合速度参数（例如，道路最高限速）和安全参数（例如，安全长度、安全时长），确定局部任务路径的速度和长度。更多细节内容可见图4-6及其描述，此处不再赘述。

在本说明书实施例中，通过综合考虑障碍物信息、交通规则信息、速度参数及安全参数，进行局部路径规划，可以在保证安全的同时尽可能提高任务车辆的速度，进而提升无人驾驶车队的整体效率和调度准确度。

S103、基于局部任务路径的属性信息，优化局部任务路径，得到优化后的局部任务路径信息。

在一些实施例中，局部任务路径的属性信息可以包括局部任务路径的轨迹、局部任务路径的速度、局部任务路径的长度、局部任务路径的优先级、局部任务路径对应的障碍物信息等或其任意组合。

局部任务路径的轨迹可以体现局部任务路径的形状、方向、走向等。

局部任务路径的速度可以包括局部任务路径各个轨迹点分别对应的速度、全局平均速度、最大速度、最小速度等或其任意组合。

局部任务路径的长度可以体现局部任务路径的起始位置（例如，任务车辆的当前位置）至结束位置间的距离、里程等。

局部任务路径的优先级可以体现局部任务路径或对应的任务车辆的优先通行程度。

局部任务路径对应的障碍物信息可以包括位于局部任务路径预设范围内的障碍物信息（例如，位置、类别、形状、尺寸等）。

在一些实施例中，调度平台可以综合考虑各局部任务路径的属性信息，对局部任务路径的通行策略、轨迹、长度、速度等进行优化，从而避免不同局部任务路径对应的任务车辆发生碰撞或避免局部任务路径与附近障碍物发生碰撞。

在一些实施例中，调度平台可以基于局部任务路径的属性信息和目标函数，优化局部任务路径。在一些实施例中，目标函数可以基于优化前后的局部任务路径相似度以及不同局部任务路径间的相关性确定。在一些实施例中，不同局部任务路径间的相关性（也可以称之为“相关性度量”、“相关性值”或“冲突相关性”）可以表征不同局部任务路径对应的任务车辆发生碰撞的概率。

在一些实施例中，目标函数可以基于优化前后的局部任务路径相似度、不同局部任务路径间的相关性以及局部任务路径的优先级确定。

在一些实施例中，优化后的局部任务路径信息可以包括优化后的局部任务路径和/或局部任务路径对应的任务车辆的通行策略（例如，通行、等待等）。

更多关于局部路径优化的细节内容可见图7-12及其描述，此处不再赘述。

在本说明书实施例中，在进行局部任务路径优化时，通过考虑优化前后的局部任务路径相似度、不同局部任务路径间的相关性（碰撞概率）、局部任务路径的优先级等，可以进一步在保证安全的同时提升整体规划效率和准确度。

在一些实施例中，通过局部任务路径优化得到优化后的局部任务路径信息后，调度平台可以将优化后的局部任务路径信息发送至任务车辆。任务车辆接收到局部任务路径信息后，按照接收的通行策略通行或等待，并沿优化后的局部任务路径行驶。

根据本说明书实施例所述的无人驾驶车队调度方法，首先对目标区域的无人驾驶车队进行全局路径规划，得到全局路径规划结果；其次基于所述任务车辆对应的行驶信息和全局任务路径对应的参考信息，确定任务车辆的局部任务路径；再基于局部任务路径的属性信息，优化局部任务路径，得到优化后的局部任务路径信息。根据本说明书实施例所述的无人驾驶车队调度方法，既能够对无人驾驶车队进行统一的全局路径规划，还能够结合车辆的实时行驶信息，综合兼顾多种外部因素，规划车队车辆行驶过程中的局部任务路径，并进行反向局部优化。可以在保证安全的同时有效提升无人驾驶车队的整体效率和调度准确度，且无需额外进行红绿灯加装、隔离设备加装等，能够推广并应用于多种复杂场景。

此外，无论是局部任务路径规划还是局部任务路径的进一步优化，本说明书所述的无人驾驶车队调度方法均是从全局层面（而不是仅针对单个任务车辆或单个路口）进行规划及优化，从而可以提高整个无人驾驶车队的调度效率和准确度。

在一些实施例中，在任务执行过程中，调度平台可以循环动态执行步骤S101、S102和S103，从而动态更新全局任务路径、局部任务路径及优化的局部任务路径信息。在一些实施例中，调度平台可以以第一预设时间间隔执行全局路径规划，以第二预设时间间隔执行局部任务路径规划，其中，第一预设时间间隔（例如，10秒）大于第二预设时间间隔（例如，1秒）。仅作为示例，调度平台按照10秒量级检测是否有新增任务，若有，则响应用于新增任务，对目标区域的无人驾驶车队进行全局路径规划，并更新全局路径规划结果；此外，按照1秒量级更新局部任务路径。通过设置不同的更新间隔，可以在保证安全的同时，提升无人驾驶车队整体的调度效率。

应当注意的是，上述有关整体流程的描述仅仅是为了示例和说明，而不限定本说明书的适用范围。对于本领域技术人员来说，在本说明书的指导下可以对上述流程进行各种修正和改变。然而，这些修正和改变仍在本说明书的范围之内。

图2示出了本说明书实施例所述的对目标区域的无人驾驶车队进行全局路径规划的流程图。

S201、构建目标区域对应的有向路网图。

在一些实施例中，调度平台可以将目标区域中的道路交汇点（即路口）视为节点，将路口之间的道路视为边，构建有向路网图。在一些实施例中，调度平台可以基于目标区域的地图（例如，电子地图）构建有向路网图。

在一些实施例中，有向路网图中，节点表示路口，边表示道路，边的权重与道路长度和/或路口容量相关。仅作为示例，道路越长，边的权重越大；路口容量越大，边的权重越小，特别地，当路口容量较低时，权重快速增大。

在一些实施例中，边的权重的可以定义为：

（1）

其中，表示边的权重；/>表示道路长度；/>表示道路约束参数，用于约束值域；/>表示路口容量；/>表示路口约束参数，用于约束值域。在一些实施例中，/>和/>可以基于该目标区域的历史数据确定。在一些实施例中，/>和/>可以是系统默认值或用户设定值。在一些实施例中，/>和/>可以针对不同应用场景动态调整。

S202、基于有向路网图以及任务车辆的起点和终点，进行全局路径规划，得到全局路径规划结果。

在一些实施例中，调度平台可以基于多源多终点的群体路径规划算法（例如，Floyd算法），进行全局路径规划。在一些实施例中，全局路径规划结果为全局或群体最优，而非个体最优。

仅作为示例，图3示出了本说明书实施例所述的全局路径规划结果的示意图。如图3所示，任务车辆300的起点为A点，终点为B点。A点和B点间有多条路径可选，例如，第一路径301和第二路径302，第一路径301的长度比第二路径302的长度短。从个体最优的角度来看，该任务车辆300的规划路径应为第一路径301；而从全局最优的角度看，需要综合考虑与其他任务车辆的路径冲突、其他任务车辆的路径长度等，综合选择对全局最优的第二路径302。

应当注意的是，上述有关全局路径规划流程的描述仅仅是为了示例和说明，而不限定本说明书的适用范围。对于本领域技术人员来说，在本说明书的指导下可以对上述流程进行各种修正和改变。然而，这些修正和改变仍在本说明书的范围之内。

图4示出了本说明书实施例所述的对任务车辆进行局部路径规划的流程图。

S401、基于障碍物信息和交通规则信息，确定局部任务路径的轨迹。

结合步骤S102所述，障碍物信息可以是任务车辆感知范围内的目标（例如，车辆、行人、路侧设备、动物、石块、其他任务车辆等）的相关信息（例如，位置、类别、形状、尺寸等）；交通规则信息可以是车辆在道路上行驶的相关规则（例如，最左侧左转、最右侧右转、只允许停止线后等待等）。

相应地，局部任务路径的轨迹为避开任务车辆附近的障碍物且符合交通规则的轨迹。

作为示例，图5示出了本说明书实施例所述的局部路径规划的示意图。如图5所示，经过全局路径规划后，任务车辆501的全局任务路径为502；经过局部任务路径规划后，其局部任务路径为504，避开了附近的障碍物503（例如，行人、车辆等）。

S402、基于速度参数，确定局部任务路径的速度。

在一些实施例中，调度平台可以基于速度参数设定局部任务路径的速度。例如，将局部任务路径各个路径点的速度均设置为与速度参数相同。又例如，将局部任务路径的平均速度设置为与速度参数相同。又例如，将局部任务路径的最大速度设置为与速度参数相同。在一些实施例中，速度参数可以是道路最高限速。在一些实施例中，速度参数可以是历史可以达到的最大速度。在一些实施例中，速度参数可以是任务类型或车辆类型可以匹配的最高安全速度。例如，任务车辆载重越大，则最高安全速度越小。在一些实施例中，速度参数可以是预先设置的车辆最高速度。

在本说明书实施例中，在规划局部任务路径时，尽可能提高局部任务路径的速度，可以尽可能提升无人驾驶车队的工作效率。

S403、基于安全参数和速度参数，确定局部任务路径的长度。

在一些实施例中，调度平台可以综合考虑安全和效率，规划局部任务路径的长度。在一些实施例中，安全参数可以包括安全长度、安全时长等。在一些实施例中，安全长度和/或安全时长可以用于保证任务车辆的安全停车和/或起步。

在一些实施例中，调度平台可以基于下述公式确定局部任务路径的长度：

（2）

其中，表示局部任务路径的长度；/>表示安全长度（也可以称之为“安全容差”）；/>表示速度参数（例如，道路最高限速）；/>表示安全时长。在一些实施例中，/>可以基于该目标区域的历史数据确定。在一些实施例中，/>可以是系统默认值或用户设定值。在一些实施例中，/>可以针对不同应用场景动态调整。

仅作为示例，图6示出了本说明书实施例所述的任务车辆的局部任务路径的示意图。如图6所示，针对4个任务车辆，经过局部路径规划后，分别确定了第一任务车辆601对应的第一局部任务路径、第二任务车辆602对应的第二局部任务路径、第三任务车辆603对应的第三局部任务路径以及第四任务车辆604对应的第四局部任务路径。

应当注意的是，上述有关局部路径规划流程的描述仅仅是为了示例和说明，而不限定本说明书的适用范围。对于本领域技术人员来说，在本说明书的指导下可以对上述流程进行各种修正和改变。然而，这些修正和改变仍在本说明书的范围之内。

图7示出了本说明书实施例所述的局部任务路径优化的流程图。

S701、基于不同局部任务路径对应的属性信息，确定不同局部任务路径对应的任务车辆到达路径交汇点的时间差。

在一些实施例中，调度平台可以基于不同局部任务路径的轨迹、速度、长度、对应的任务车辆的实时位置等，确定不同局部任务路径对应的任务车辆到达路径交汇点的时间差。

仅作为示例，图8示出了本说明书实施例所述的不同局部任务路径对应的任务车辆到达路径交汇点的时间差的示意图。如图8所示，任务车辆801的局部任务路径与其他任务车辆的局部任务路径不存在交汇点，即不可能发生碰撞；任务车辆802与任务车辆804均在2s后到达二者对应的局部任务路径的路径交汇点，则时间差为0s；对于任务车辆803和任务车辆804，任务车辆803将在5s后到达二者对应的局部任务路径的路径交汇点，任务车辆804将在1s后到达路径交汇点，则时间差为4s。

S702、基于时间差，确定不同局部任务路径间的相关性。

在一些实施例中，任务车辆到达路径交汇点的时间差越大，说明任务车辆发生冲撞的概率越低，则对应的局部任务路径间的相关性越低；任务车辆到达路径交汇点的时间差越小，说明任务车辆发生冲撞的概率越高，则对应的局部任务路径间的相关性越高。

在一些实施例中，不同局部任务路径间的相关性可以定义为：

（3）

其中，表示两条局部任务路径间的相关性；/>表示两条局部任务路径对应的任务车辆到达交汇点的时间差；时间差越小，/>越大，当时间差接近0时，/>接近于无穷大；时间差越大，/>越小，特别地，如果两条局部任务路径不存在交汇点，则/>；/>表示相关性约束参数，用于约束值域。在一些实施例中，/>可以基于该目标区域的历史数据确定。在一些实施例中，/>可以是系统默认值或用户设定值。在一些实施例中，/>可以针对不同应用场景动态调整。在一些实施例中，结合公式（2），/>可以与/>相等；在一些实施例中，二者也可以不相等，或者分别独立取值。

S703、基于局部任务路径的属性信息和目标函数，优化局部任务路径，其中，目标函数至少基于不同局部任务路径间的相关性确定。

在一些实施例中，在优化局部任务路径时，目标函数旨在最大化优化前后的局部任务路径相似度，并最小化不同局部任务路径间的相关性，从而实现安全和高效的规划目标。

在一些实施例中，可以将目标函数定义为：

（4）

（5）

其中，和/>表示局部任务路径；/>表示第/>条局部任务路径是否被选中（可以理解为局部任务路径的通行策略，例如，若某条局部任务路径被选中，则其通行策略为“通行”，若未被选中，则其通行策略为“等待”）；/>表示第/>条局部任务路径是否被选中；/>表示两条局部任务路径之间的相关性。

在本说明书实施例中，通过在目标函数中引入优化前后的局部任务路径相似度，可以使得优化后的局部任务路径仍然尽可能以预设速度参数（例如，道路最高限速）行驶，另外通过在目标函数中引入不同局部任务路径间的相关性，可以保证存在较高碰撞概率的路径不会同时被选中，保证行驶安全。

在一些实施例中，在优化局部任务路径时，还可以在目标函数中引入局部任务路径的优先级。也就是说，目标函数可以基于优化前后的局部任务路径相似度、不同局部任务路径间的相关性以及局部任务路径的优先级确定。关于优先级的细节内容可见下文。

在本说明书实施例中，在引入优化前后的局部任务路径相似度以及不同局部任务路径间的相关性基础上，通过在目标函数中再引入局部任务路径的优先级，可以进一步提升局部任务路径优化的效率。

在一些实施例中，调度平台可以基于图论求解方案，进行局部任务路径的优化求解。

在一些实施例中，可以通过如下方式定义目标函数矩阵：

（6）

其中，表示局部任务路径的矩阵表示，例如，/>为局部任务路径/>构成的矩阵；/>表示经过优化后局部任务路径是否被选中的矩阵表示，例如，/>为/>构成的矩阵；/>表示局部任务路径间的相关性的矩阵表示（也可以称之为“相关性矩阵”），例如，/>为/>构成的矩阵；/>表示局部任务路径的优先级或置信度的矩阵表示（也可以称之为“优先级矩阵”或“置信度矩阵”），例如，/>为优先级或置信度/>构成的对角阵；/>为预设参数，用于平衡相似度和优先级的权重。

在一些实施例中，局部任务路径的优先级（或置信度）可以与对应的任务车辆执行的任务优先级相关。例如，任务优先级越高，则局部任务路径的优先级越高。具体例如，装船任务的优先级最高，卸船任务的优先级次之，移箱任务的优先级最低等。在一些实施例中，局部任务路径的优先级（或置信度）可以与对应的任务车辆的历史等待时间相关。例如，历史等待时间越长，则优先级越高；若该任务车辆历史从未等待，则优先级甚至可以设为0（即求解过程中无需考虑该任务车辆的局部任务路径的优先级）。在一些实施例中，在确定局部任务路径的优先级（或置信度）时，可以综合考虑对应的任务车辆执行的任务优先级及历史等待时间。

在一些实施例中，可以将局部任务路径的优先级定义为：

（7）

其中，表示局部任务路径的优先级，/>表示局部任务路径对应的任务优先级；/>表示局部任务路径对应的任务车辆的等待时长；/>表示权重约束参数，用于约束等待时长的权重。在一些实施例中，/>可以基于该目标区域的历史数据确定。在一些实施例中，/>可以是系统默认值或用户设定值。在一些实施例中，/>可以针对不同应用场景动态调整。

在一些实施例中，结合上文，基于图论求解方案，可以对目标函数矩阵求导，通过雅克比矩阵求解局部任务路径的优化结果。仅作为示例，求解过程如下：

（8）

在一些实施例中，优化后的局部任务路径信息（也可以称之为“局部任务路径的优化结果”）可以包括局部任务路径对应的任务车辆的通行策略（例如，通行、等待）。

仅作为示例，图9-12示出了局部任务路径优化过程的示意图。如图9所示，结合图6，第一任务车辆601的局部任务路径与其他任务车辆的局部任务路径不存在交汇点，第二任务车辆602、第三任务车辆603和第四任务车辆604的局部任务路径存在交汇点，若各任务车辆按各自的局部任务路径通行则可能会发生碰撞。相应地，调度平台可以通过上述优化过程，确定第一任务车辆601、第二任务车辆602、第三任务车辆603和第四任务车辆604的通行策略。如图9所示，当前时刻的通行策略为：第一任务车辆601按第一局部任务路径正常通行，第二任务车辆602、第三任务车辆603和第四任务车辆604均通行直至局部停止线（例如，第二局部任务路径、第三局部任务路径和第四局部任务路径的交汇点附近）。

进一步地，结合前文，局部任务路径的优化过程会持续动态进行。如图10所示，该时刻的通行策略为：第一任务车辆601继续通行，第三任务车辆603通行通过第二局部任务路径、第三局部任务路径和第四局部任务路径的交汇点，第二任务车辆602和第四任务车辆604在局部停止线等待。

更进一步地，如图11所示，第一任务车辆601已驶出局部路径优化范围，该时刻的通行策略为：第三任务车辆603继续通行，第二任务车辆602通行通过第二局部任务路径和第四局部任务路径的交汇点，第四任务车辆604在局部停止线等待。

更进一步地，如图12所示，该时刻的通行策略为：第三任务车辆603继续通行，第二任务车辆602已通行通过第二局部任务路径和第四局部任务路径的交汇点，第四任务车辆604启动通行。

在一些实施例中，优化后的局部任务路径信息（也可以称之为“局部任务路径的优化结果”）还可以包括优化后的局部任务路径。也就是说，在进行局部任务路径优化时，调度平台不仅考虑局部任务路径的通行策略（例如，通行、等待），还会在优化过程中对局部任务路径进行调整（例如，调整局部任务路径的轨迹、长度、速度等）。例如，在优化过程中，调度平台可以调整局部任务路径的轨迹（例如，变换车道），从而避免不同局部任务路径对应的任务车辆发生碰撞或避免局部任务路径与障碍物相撞。又例如，在优化过程中，调度平台可以调整局部任务路径的速度（例如，减小速度），从而增大不同局部任务路径到达路径交汇点的时间差，相应避免对应的任务车辆发生碰撞。

相应地，结合上文公式6，在基于目标函数进行局部任务路径的优化时，表示优化后的局部任务路径以及是否被选中的矩阵表示，/>表示优化后的局部任务路径间的相关性的矩阵表示。进一步地，结合步骤S702，优化后的局部任务路径间的相关性基于优化后的局部任务路径对应的任务车辆到达路径交汇点的时间差确定。

在一些实施例中，由于相关性表征不同局部任务路径对应的任务车辆发生碰撞的概率，而局部任务路径本身就考虑了安全长度和安全时长，因此，若优化前后的局部任务路径变化较小，优化前后的路径轨迹变化引起的任务车辆发生碰撞的概率变化在误差允许范围内，则可以依然采用优化前的局部任务路径确定时间差，进而确定相关性。

应当注意的是，上述有关局部路径优化流程的描述仅仅是为了示例和说明，而不限定本说明书的适用范围。对于本领域技术人员来说，在本说明书的指导下可以对上述流程进行各种修正和改变。然而，这些修正和改变仍在本说明书的范围之内。

基于同一发明构思，本说明书实施例还提供了与无人驾驶车队调度方法对应的无人驾驶车队调度装置。图13示出了本说明书实施例所述的无人驾驶车队调度装置的结构示意图。如图13所示，无人驾驶车队调度装置包括全局规划模块1301、局部规划模块1302和优化模块1303。

全局规划模块1301可以用于对目标区域的无人驾驶车队进行全局路径规划，得到全局路径规划结果，其中，全局路径规划结果包括无人驾驶车队中的任务车辆的全局任务路径。

局部规划模块1302可以用于基于任务车辆对应的行驶信息和全局任务路径对应的参考信息，确定任务车辆的局部任务路径。

优化模块1303可以用于基于局部任务路径的属性信息，优化局部任务路径，得到优化后的局部任务路径信息。

在一些实施例中，在对目标区域的无人驾驶车队进行全局路径规划时，全局规划模块1301可以响应于新增任务，确定无人驾驶车队的新增车辆；基于新增任务，确定新增车辆的起点和终点；基于无人驾驶车队中已有任务车辆的已有任务路径以及新增车辆的起点和终点，进行全局路径规划，得到全局路径规划结果。

在一些实施例中，在对目标区域的无人驾驶车队进行全局路径规划时，全局规划模块1301可以构建目标区域对应的有向路网图；基于有向路网图以及任务车辆的起点和终点，进行全局路径规划，得到全局路径规划结果。

在一些实施例中，在确定任务车辆的局部任务路径时，局部规划模块1302可以基于障碍物信息和交通规则信息，确定局部任务路径的轨迹；基于速度参数，确定局部任务路径的速度；基于安全参数和速度参数，确定局部任务路径的长度。

在一些实施例中，在优化局部任务路径时，优化模块1303可以基于属性信息和目标函数，优化局部任务路径，其中，目标函数基于优化前后的局部任务路径相似度以及不同局部任务路径间的相关性确定，相关性表征不同局部任务路径对应的任务车辆发生碰撞的概率。

在一些实施例中，无人驾驶车队调度装置还可以包括相关性确定模块（图中未示出），用于基于不同局部任务路径对应的属性信息，确定不同局部任务路径对应的任务车辆到达路径交汇点的时间差；并基于时间差，确定不同局部任务路径间的相关性。

具体细节描述可见本说明书其他部分，此处不再赘述。

基于同一发明构思，本说明书实施例还提供了与无人驾驶车队调度方法对应的电子设备。图14示出了本说明书实施例所述的电子设备的结构示意图。如图14所示，电子设备1400包括处理器1402、存储器1401和总线。存储器1401存储有处理器1402可执行的机器可读指令，当电子设备1400运行时，处理器1402与存储器1401之间通过总线通信，机器可读指令被处理器1402执行时执行本说明书所述的无人驾驶车队调度方法的步骤。

基于同一发明构思，本说明书实施例还提供了与无人驾驶车队调度方法对应的计算机可读存储介质。该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行本说明书所述的无人驾驶车队调度方法的步骤。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统和装置的具体工作过程，可以参考方法实施例中的对应过程，本说明书中不再赘述。在本说明书所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个模块或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或模块的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本说明书各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。

所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解，本说明书的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，平台服务器，或者网络设备等）执行本说明书各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

以上仅为本说明书的具体实施方式，但本说明书的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本说明书揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本说明书的保护范围之内。因此，本说明书的保护范围应以权利要求的保护范围为准。

Claims (10)

1.一种无人驾驶车队调度方法，其特征在于，所述方法包括：

对目标区域的无人驾驶车队进行全局路径规划，得到全局路径规划结果，其中，所述全局路径规划结果包括所述无人驾驶车队中的任务车辆的全局任务路径；

基于所述任务车辆对应的行驶信息和所述全局任务路径对应的参考信息，确定所述任务车辆的局部任务路径；

基于所述局部任务路径的属性信息，优化所述局部任务路径，得到优化后的局部任务路径信息。

2.根据权利要求1所述的无人驾驶车队调度方法，其特征在于，对目标区域的无人驾驶车队进行全局路径规划，得到全局路径规划结果，包括：

响应于新增任务，确定所述无人驾驶车队的新增车辆；

基于所述新增任务，确定所述新增车辆的起点和终点；

基于所述无人驾驶车队中已有任务车辆的已有任务路径以及所述新增车辆的所述起点和所述终点，进行所述全局路径规划，得到所述全局路径规划结果。

3.根据权利要求1所述的无人驾驶车队调度方法，其特征在于，对目标区域的无人驾驶车队进行全局路径规划，得到全局路径规划结果，包括：

构建所述目标区域对应的有向路网图，其中，所述有向路网图中，节点表示路口，边表示道路，所述边的权重与道路长度和/或路口容量相关；

基于所述有向路网图以及所述任务车辆的起点和终点，进行所述全局路径规划，得到所述全局路径规划结果。

4.根据权利要求1所述的无人驾驶车队调度方法，其特征在于，基于所述任务车辆对应的行驶信息和所述全局任务路径对应的参考信息，确定所述任务车辆的局部任务路径，包括：

基于障碍物信息和交通规则信息，确定所述局部任务路径的轨迹；

基于速度参数，确定所述局部任务路径的速度；

基于安全参数和所述速度参数，确定所述局部任务路径的长度。

5.根据权利要求1所述的无人驾驶车队调度方法，其特征在于，所述局部任务路径的属性信息包括以下中的至少一种：所述局部任务路径的轨迹、所述局部任务路径的速度、所述局部任务路径的长度、所述局部任务路径的优先级以及所述局部任务路径对应的障碍物信息。

6.根据权利要求1所述的无人驾驶车队调度方法，其特征在于，基于所述局部任务路径的属性信息，优化所述局部任务路径，包括：

基于所述属性信息和目标函数，优化所述局部任务路径，其中，所述目标函数基于优化前后的局部任务路径相似度以及不同局部任务路径间的相关性确定，所述相关性表征所述不同局部任务路径对应的任务车辆发生碰撞的概率。

7.根据权利要求6所述的无人驾驶车队调度方法，其特征在于，所述不同局部任务路径间的相关性通过以下方式确定：

基于所述不同局部任务路径对应的属性信息，确定所述不同局部任务路径对应的任务车辆到达路径交汇点的时间差；

基于所述时间差，确定所述不同局部任务路径间的相关性。

8.根据权利要求1所述的无人驾驶车队调度方法，其特征在于，所述优化后的局部任务路径信息包括优化后的局部任务路径和/或所述局部任务路径对应的任务车辆的通行策略。

9.一种无人驾驶车队调度装置，其特征在于，所述装置包括：

全局规划模块，用于对目标区域的无人驾驶车队进行全局路径规划，得到全局路径规划结果，其中，所述全局路径规划结果包括所述无人驾驶车队中的任务车辆的全局任务路径；

局部规划模块，用于基于所述任务车辆对应的行驶信息和所述全局任务路径对应的参考信息，确定所述任务车辆的局部任务路径；

优化模块，用于基于所述局部任务路径的属性信息，优化所述局部任务路径，得到优化后的局部任务路径信息。

10.一种电子设备，其特征在于，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过所述总线通信，所述机器可读指令被所述处理器执行时执行如权利要求1至8任意一项所述的无人驾驶车队调度方法的步骤。