CN116629546A - 基于高精定位和数字孪生的试车场智能排程和管理系统 - Google Patents
基于高精定位和数字孪生的试车场智能排程和管理系统 Download PDFInfo
- Publication number
- CN116629546A CN116629546A CN202310602337.9A CN202310602337A CN116629546A CN 116629546 A CN116629546 A CN 116629546A CN 202310602337 A CN202310602337 A CN 202310602337A CN 116629546 A CN116629546 A CN 116629546A
- Authority
- CN
- China
- Prior art keywords
- test
- vehicle
- intelligent
- precision positioning
- reservation
- 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.)
- Pending
Links
- 238000012360 testing method Methods 0.000 title claims abstract description 297
- 230000004888 barrier function Effects 0.000 claims abstract description 20
- 238000011161 development Methods 0.000 claims abstract description 6
- 238000007405 data analysis Methods 0.000 claims abstract description 4
- 238000007726 management method Methods 0.000 claims description 34
- 238000000034 method Methods 0.000 claims description 22
- 238000012544 monitoring process Methods 0.000 claims description 22
- 230000001133 acceleration Effects 0.000 claims description 20
- 238000013507 mapping Methods 0.000 claims description 19
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000005516 engineering process Methods 0.000 claims description 9
- 238000012549 training Methods 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 8
- 238000012797 qualification Methods 0.000 claims description 7
- 230000003993 interaction Effects 0.000 claims description 6
- 238000011056 performance test Methods 0.000 claims description 6
- 230000004044 response Effects 0.000 claims description 6
- 238000005096 rolling process Methods 0.000 claims description 6
- 238000004519 manufacturing process Methods 0.000 claims description 5
- 230000000007 visual effect Effects 0.000 claims description 5
- 238000012800 visualization Methods 0.000 claims description 5
- 230000007613 environmental effect Effects 0.000 claims description 4
- 238000005286 illumination Methods 0.000 claims description 4
- 230000006978 adaptation Effects 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 claims description 3
- 230000006399 behavior Effects 0.000 claims description 3
- 238000004891 communication Methods 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 3
- 238000013499 data model Methods 0.000 claims description 3
- 238000013461 design Methods 0.000 claims description 3
- 238000009826 distribution Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 claims description 3
- 238000007689 inspection Methods 0.000 claims description 3
- 230000002452 interceptive effect Effects 0.000 claims description 3
- 239000000463 material Substances 0.000 claims description 3
- 238000005457 optimization Methods 0.000 claims description 3
- 238000001556 precipitation Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 230000000630 rising effect Effects 0.000 claims description 3
- 238000011076 safety test Methods 0.000 claims description 3
- GOLXNESZZPUPJE-UHFFFAOYSA-N spiromesifen Chemical compound CC1=CC(C)=CC(C)=C1C(C(O1)=O)=C(OC(=O)CC(C)(C)C)C11CCCC1 GOLXNESZZPUPJE-UHFFFAOYSA-N 0.000 claims description 3
- 230000005477 standard model Effects 0.000 claims description 3
- 230000003068 static effect Effects 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 7
- 230000008859 change Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
Classifications
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/904—Browsing; Visualisation therefor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project management
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- 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)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Operations Research (AREA)
- Databases & Information Systems (AREA)
- Quality & Reliability (AREA)
- Evolutionary Computation (AREA)
- Computer Hardware Design (AREA)
- Educational Administration (AREA)
- Geometry (AREA)
- Development Economics (AREA)
- Manufacturing & Machinery (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Game Theory and Decision Science (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及转向系统技术领域,具体地说是一种基于高精定位和数字孪生的试车场智能排程和管理系统。一种基于高精度定位和数字孪生的试车场智能管理系统,其特征在于:高精度定位系统:基于C/S架构开发,有虚拟道闸、区域管理、违规报警、数据分析、视频联动、道闸联动等功能;数字孪生系统:将试车场运行和业务属性信息高效集成,实现试车场场地道路、建筑物模型生动逼真展示;智能排程系统:根据试验人员的试验需求,结合实际天气、场地、车辆以及高精度定位系统及数字孪生系统的相关信息组成的排程算法,自动排出车辆入场试验的时间计划。同现有技术相比,实现试车场运营的智能化协同管理。
Description
技术领域
本发明涉及转向系统技术领域,具体地说是一种基于高精定位和数字孪生的试车场智能排程和管理系统。
背景技术
车辆在量产前的研发时期,需要在每个研发阶段,由专业驾驶人员在封闭的测试场内完成各种工况的鲁棒性、耐久性能等整车试验。试验内容涉及激烈驾驶,驾驶人员存在安全隐患。现有的试车场大多基于单一的IC卡管理系统,摄像头人工识别,GPS定位车辆车速和位置,对讲机呼叫,人工登记预约场地,等等常规的方法对场内试验车辆进行管理。
传统的系统有以下问题:1.人工依赖性强,试验场管理员工作量大,智能化程度低,安全隐患大;2.监测信息和数据有限,无法全面获取试验数据;3.只能在平面地图上象征性地看到场内车辆的运行情况,无法和监控视频联动,不能三维显示;4.对试验车辆和驾驶人员不能同时做到实施监管,没有危险预判,报警体系,安全隐患大;5.场地预约繁琐不科学,无法根据实际场地使用情况随机应变,无法最大限度、科学的利用场地、车辆、设备资源。
发明内容
本发明为克服现有技术的不足,提供一种基于高精定位和数字孪生的试车场智能排程和管理系统,提供一种安全、准确、高效、信息化的高精定位系统和车辆、道路等信息三维可视化、实时智能化的数字孪生系统,从而实现试车场运营的智能化协同管理。
为实现上述目的,设计一种基于高精度定位和数字孪生的试车场智能管理系统,包括高精度定位系统、数字孪生系统、智能排程系统,其特征在于:
高精度定位系统:基于C/S架构开发,有虚拟道闸、区域管理、违规报警、数据分析、视频联动、道闸联动等功能;
数字孪生系统:将试车场运行和业务属性信息高效集成,实现试车场场地道路、建筑物模型生动逼真展示;
智能排程系统:根据试验人员的试验需求,结合实际天气、场地、车辆以及高精度定位系统及数字孪生系统的相关信息组成的排程算法,自动排出车辆入场试验的时间计划;
所述的高精度定位系统的操作流程如下:
S11,现场测绘,现场实地测绘对所有实际目标进行打点采集定位数据;
S12,制作高精度地图并导入GIS平台,用测绘数据生成基础地图,通过制图软件绘制精确矢量地图和瓦片地图;
S13,地图图层和工具栏配置,在平面高精地图上对使用场所进行标绘编辑,添加实用工具栏;
S14,电子围栏和道闸设置,根据实际需求设置对应电子围栏,并设置围栏的对应试验规则,在道闸实际位置前后设置虚拟电子围栏,当车辆定位到该围栏内,服务器通过车载GNSS定位设备ID获取通行权限,并进行处理;
S15,实时任务标注,基于GIS地理位置查询车辆、设备等任务的分布情况,在地图上进行实时点位标注;
S16,基于位置的数据模型算法,针对各类超速、越界、违停、动态响应超限情况等算法模型的运算及规则设置;
S17,车辆违规报警,根据步骤S16设置的规则,结合车辆的行驶状态进行违规预判提醒,探测到违规情况实时报警;
S18,高精定位设备信息查看,高精度定位GNSS接收机,集成5G通讯模块,可查看车辆实时定位、车辆违规行为报警、车辆行驶轨迹、车辆跟踪联动等设备状态信息;
S19,车辆运动轨迹数据分析及回放,对各试验车辆运动轨迹,如各种工况下测试规范的速度、纵向加速度、侧向加速度、横摆角速度,车道偏移量等数据进行动力学分析,组建测试规范库,服务于自动驾驶和自动测试,所有运动轨迹均可实现历史回放;
所述的数字孪生系统的操作流程如下:
S21,CAD图纸转数字化1:1建模,平面图形,首先进行各种模型的建立;
S22,虚拟场景搭建,根据步骤S21中的模型导入虚拟场景适配,搭建成符合试验场运营的试验场景和培训场景;
S23,UI交互设计,提供多种交互浏览方式;
S24,场景漫游,通过键盘控制物体在场景中移动,结合虚幻引擎的物理引擎,运用制定好的物理学,动力学等规则,实现汽车第一/第三人称的漫游;
S25,虚实映射,虚拟映射现实:在虚拟场景中构造出现实状态信息,包括信号灯信息同步,显示屏信息同步等;现实映射虚拟:通过GIS技术,场地监控图像识别等技术,根据现实场景中的变化来改变虚拟场景;
S26,由步骤S24和步骤S25中的场景漫游和虚实映射现实技术,可根据实际试验场内具体需求,制作成大雨、火情、事故等虚拟特效场景,用于举办驾驶培训、安全讲座等;
S27,虚拟场景下车辆和视频监控的数据联动,通过鼠标点击道闸控制面板,操作控制现实场地中的道闸开关,当视角为跟踪某试验车辆时,可实时进行监控视频查看,并且可以同步以三维动态的形式实时展示,当高精定位系统监测到车辆存在危险时,数字孪生系统自动切换到相关车辆上,进行视频和三维模型的播报;
所述的智能排程系统的操作流程如下:
S31,智能排程系统可以在手机小程序和PC端进行试验预约,支持预约任务所需资源排程计算,计算在预约申请期间是否能够资源满足,如满足,则给出预约成功的提示;如不满足,则提示因何资源问题,并给出优化建议,同时上升至管理中心处;
S32,智能排程系统支持排程资源实现可视化,多种类任务、多资源状态、利用数字孪生系统展示,可以在试验开始前模拟出试验中的场景,在资源冲突时,三维演示试验场景,支持管理中心做出决策;
S33,智能排程系统支持预约审批排程定算,高优先级预约由管理中心领导审批后,排程定算,锁定相关资源;
S34,智能排程系统支持车辆、设备及物资等多资源的计划排程计算;
S35,智能排程系统支持任务或资源使用超时后,自动重新排程计算,若没有资源满足继续试验,警报通知相关试验车辆和人员。
所述的步骤S13中,实用工具栏包括全景、缩放、平移、测距、定位、查询。
所述的步骤S16中,动态响应超限情况为速度、纵向加速度、侧向加速度、横摆角速度、车道偏移量是否超过测试规范边界。
所述的步骤S21中,各种模型的建立包括场地道路、道闸、监控、停车场、办公区、树木植被、周围环境等模型。
所述的步骤S23中,交互浏览方式包括自动漫游和手动漫游,提供人行、车行等多浏览模式,可以方便对三维视图进行缩放、旋转、俯仰等操作,可以自定义行驶路线,在三维场景中任意沿线行驶、环绕行驶等。
所述的智能排程系统包括环境、试验车辆、试验人员、试验设备、试验场地、试验内容和规范、优先级顺序七大领域模型。
所述的环境模型:联动试验场内气象观测站信息和场内视频监控环境信息,判断试验预约的可行性和任务分配的合理性;大雨、大雾、大雪、场内施工等恶劣环境情况禁止预约入场;光照、降水量、路面湿滑等情况等限制预约60kph以上的试验申请;
所述的试验车辆模型:联动试验场智能管理系统内车辆库中车辆具体信息,判断试验预约的可行性和任务分配的合理性;车辆SSF值大于1.3,禁止做车速大于30kph以上的倒车绕圆试验;车辆状态为L2阶段,禁止做L3/L4阶段的试验;
所述的试验人员模型:联动试验场智能管理系统内试验人员信息,判断试验预约的可行性和任务分配的合理性,试验人员驾驶资质必须与试验内容匹配,不得预约超过驾驶资质的相关试验;
所述的试验设备模型:联动试验场智能管理系统内试验设备信息,防滚架、陀螺仪、扭矩方向盘、举升机信息,判断试验预约的可行性和任务分配的合理性,未安装防滚架,禁止预约高危险项试验;未安装陀螺仪、扭矩方向盘,禁止预约可控性试验;
所述的试验场地模型:试验场地分为动态性能测试区、低附测试区、综合坏路测试区、低速广场测试区、直线性能测试区,根据试验内容和规范,场地实际预约情况,智能匹配试验场地;
所述的试验内容和规范模型:试验内容包括鲁棒性、可控性、坏路、低附、功能检查、滥用;试验规范包括低车速倒车转向、中车速倒车转向、中低车速小g值转向试验、中低车速大g值转向试验、高车速小g值转向试验、高车速大g值转向试验,高精定位系统中所有的试验数据将存储在试验内容和规范模型中,根据试验内容和规范,作为智能排列入场试验的依据之一;
所述的优先级顺序模型:所有智能排程的入场计划,以安全试验为前提保障,环境、试验车辆、试验人员、试验设备等模型判断,若存在安全隐患,则禁止预约入场。
所述的SSF=H/2T,其中,SSF为静态稳定系数,T为车辆轮距,单位是mm,H为车辆质心高度,单位是mm。
所述的排程算法的流程如下:
S351,判断能否入场:根据环境、试验车辆、试验人员、试验设备四大模型中的条件,判断能否入场;
S352,判断优先级是否冲突:根据优先级顺序模型判断试验任务是否有冲突,若没有冲突,则按照预约顺序排程;若存在冲突,则调用试验内容和规范模型中的数据库;
S353,试验内容和规范模型数据库:高精定位系统把所有试验数据均存储在该数据库中,数据库中大量数据,结合数字孪生系统中车辆在试验过程中的实际动态表现,制定试验规范的风险等级,分为高、中、低;高危试验,相关场地内只允许一辆车进行试验;中风险试验,根据场地大小,保证实际试验中车辆距离S的情况下设置场内允许车辆N1;低风险试验,可同时允许场内车辆达到最大容量N2(N2≤N1);S=(V+μg)V/μg,V为车速,μ为地面附着系数,g为重力加速度;
S354,智能排程实时调整:试验过程中的,排程系统会根据场地实际使用情况,对未排上的试验任务实时排程,并通过系统进行实时发布。
所述的步骤S353中的数据包括车辆信息、车速、侧向加速度、横摆角速度等数据。
本发明同现有技术相比,提供一种基于高精定位和数字孪生的试车场智能排程和管理系统,提供一种安全、准确、高效、信息化的高精定位系统和车辆、道路等信息三维可视化、实时智能化的数字孪生系统,从而实现试车场运营的智能化协同管理。
附图说明
图1为本发明高精定位功能展示示意图。
图2为本发明孪生系统功能展示示意图。
图3为本发明数字孪生系统三维重建和视频结合示意图。
图4为本发明安全管理培训示意图。
图5为本发明智能排程中驾驶人员资质示意图。
图6为本发明智能排程中试验场地种类示意图。
图7为本发明智能排程流程示意图。
具体实施方式
下面根据附图对本发明做进一步的说明。
如图1至图6所示,一种基于高精度定位和数字孪生的试车场智能管理系统,高精度定位系统:基于C/S架构开发,有虚拟道闸、区域管理、违规报警、数据分析、视频联动、道闸联动等功能;通过采集道路及车道线制作高精定位GIS地图,使用GNSS设备采集车辆行驶轨迹和速度等信息,统计车辆行驶区域,时间和里程,分析车辆的实时状态,进行姿态评估和预判,违规报警。
数字孪生系统:将试车场运行和业务属性信息高效集成,实现试车场场地道路、建筑物模型生动逼真展示;在虚拟现实中,构造出所需用场景,进行驾驶培训和安全演练等工作。在三维可视化环境中,对试验车辆测试的信息实时显示,将高精度定位系统中的违规报警车辆直观动态展示,并实时联动相关车辆的视频监控。
智能排程系统:根据试验人员的试验需求,结合实际天气、场地、车辆以及高精度定位系统及数字孪生系统的相关信息组成的排程算法,自动排出车辆入场试验的时间计划。
高精度定位系统的操作流程如下:
S11,现场测绘,现场实地测绘对所有实际目标进行打点采集定位数据;
S12,制作高精度地图并导入GIS平台,用测绘数据生成基础地图,通过制图软件绘制精确矢量地图和瓦片地图;
S13,地图图层和工具栏配置,在平面高精地图上对使用场所进行标绘编辑,添加实用工具栏;
S14,电子围栏和道闸设置,根据实际需求设置对应电子围栏,并设置围栏的对应试验规则,在道闸实际位置前后设置虚拟电子围栏,当车辆定位到该围栏内,服务器通过车载GNSS定位设备ID获取通行权限,并进行处理;
S15,实时任务标注,基于GIS地理位置查询车辆、设备等任务的分布情况,在地图上进行实时点位标注;
S16,基于位置的数据模型算法,针对各类超速、越界、违停、动态响应超限情况等算法模型的运算及规则设置;
S17,车辆违规报警,根据步骤S16设置的规则,结合车辆的行驶状态进行违规预判提醒,探测到违规情况实时报警;
S18,高精定位设备信息查看,高精度定位GNSS接收机,集成5G通讯模块,可查看车辆实时定位、车辆违规行为报警、车辆行驶轨迹、车辆跟踪联动等设备状态信息;
S19,车辆运动轨迹数据分析及回放,对各试验车辆运动轨迹,如各种工况下测试规范的速度、纵向加速度、侧向加速度、横摆角速度,车道偏移量等数据进行动力学分析,组建测试规范库,服务于自动驾驶和自动测试,所有运动轨迹均可实现历史回放;
数字孪生系统的操作流程如下:
S21,CAD图纸转数字化1:1建模,平面图形,首先进行各种模型的建立;
S22,虚拟场景搭建,根据步骤S21中的模型导入虚拟场景适配,搭建成符合试验场运营的试验场景和培训场景;
S23,UI交互设计,提供多种交互浏览方式;
S24,场景漫游,通过键盘控制物体在场景中移动,结合虚幻引擎的物理引擎,运用制定好的物理学,动力学等规则,实现汽车第一/第三人称的漫游;
S25,虚实映射,虚拟映射现实:在虚拟场景中构造出现实状态信息,包括信号灯信息同步,显示屏信息同步等;现实映射虚拟:通过GIS技术,场地监控图像识别等技术,根据现实场景中的变化来改变虚拟场景;如现实场地中出现车辆,会在虚拟场景中自动生成车辆,并追踪场地中车辆位置;
S26,由步骤S24和步骤S25中的场景漫游和虚实映射现实技术,可根据实际试验场内具体需求,制作成大雨、火情、事故等虚拟特效场景,用于举办驾驶培训、安全讲座等;
S27,虚拟场景下车辆和视频监控的数据联动,通过鼠标点击道闸控制面板,操作控制现实场地中的道闸开关,当视角为跟踪某试验车辆时,可实时进行监控视频查看,并且可以同步以三维动态的形式实时展示,当高精定位系统监测到车辆存在危险时,数字孪生系统自动切换到相关车辆上,进行视频和三维模型的播报;智能排程系统的操作流程如下:
S31,智能排程系统可以在手机小程序和PC端进行试验预约,支持预约任务所需资源排程计算,计算在预约申请期间是否能够资源满足,如满足,则给出预约成功的提示;如不满足,则提示因何资源问题,并给出优化建议,同时上升至管理中心处;
S32,智能排程系统支持排程资源实现可视化,多种类任务、多资源状态、利用数字孪生系统展示,可以在试验开始前模拟出试验中的场景,在资源冲突时,三维演示试验场景,支持管理中心做出决策;
S33,智能排程系统支持预约审批排程定算,高优先级预约由管理中心领导审批后,排程定算,锁定相关资源;
S34,智能排程系统支持车辆、设备及物资等多资源的计划排程计算;
S35,智能排程系统支持任务或资源使用超时后,自动重新排程计算,若没有资源满足继续试验,警报通知相关试验车辆和人员。
步骤S13中,实用工具栏包括全景、缩放、平移、测距、定位、查询。
步骤S16中,动态响应超限情况为速度、纵向加速度、侧向加速度、横摆角速度、车道偏移量是否超过测试规范边界。
步骤S21中,各种模型的建立包括场地道路、道闸、监控、停车场、办公区、树木植被、周围环境等模型。
步骤S23中,交互浏览方式包括自动漫游和手动漫游,提供人行、车行等多浏览模式,可以方便对三维视图进行缩放、旋转、俯仰等操作,可以自定义行驶路线,在三维场景中任意沿线行驶、环绕行驶等。
智能排程系统包括环境、试验车辆、试验人员、试验设备、试验场地、试验内容和规范、优先级顺序七大领域模型。
环境模型:联动试验场内气象观测站信息和场内视频监控环境信息,判断试验预约的可行性和任务分配的合理性;大雨、大雾、大雪、场内施工等恶劣环境情况禁止预约入场;光照、降水量、路面湿滑等情况等限制预约60kph以上的试验申请;
所述的试验车辆模型:联动试验场智能管理系统内车辆库中车辆具体信息,判断试验预约的可行性和任务分配的合理性;车辆SSF(即SSF=H/2T)值大于1.3,禁止做车速大于30kph以上的倒车绕圆试验;车辆状态为L2阶段,禁止做L3/L4阶段的试验;
所述的试验人员模型:联动试验场智能管理系统内试验人员信息,判断试验预约的可行性和任务分配的合理性,试验人员驾驶资质必须与试验内容匹配,不得预约超过驾驶资质的相关试验;
所述的试验设备模型:联动试验场智能管理系统内试验设备信息,防滚架、陀螺仪、扭矩方向盘、举升机信息,判断试验预约的可行性和任务分配的合理性,未安装防滚架,禁止预约高危险项试验;未安装陀螺仪、扭矩方向盘,禁止预约可控性试验;
所述的试验场地模型:试验场地分为动态性能测试区、低附测试区、综合坏路测试区、低速广场测试区、直线性能测试区,根据试验内容和规范,场地实际预约情况,智能匹配试验场地;
所述的试验内容和规范模型:试验内容包括鲁棒性、可控性、坏路、低附、功能检查、滥用;试验规范包括低车速倒车转向、中车速倒车转向(即高风险项)、中低车速小g值转向试验、中低车速大g值转向试验(即高风险项)、高车速小g值转向试验、高车速大g值转向试验(即高风险项),高精定位系统中所有的试验数据将存储在试验内容和规范模型中,根据试验内容和规范,作为智能排列入场试验的依据之一;
优先级顺序模型:所有智能排程的入场计划,以安全试验为前提保障,环境、试验车辆、试验人员、试验设备等模型判断,若存在安全隐患,则禁止预约入场。
优先级顺序分为高、中、低三种,排程算法中以此为排序基础。高优先级需要领导特批审核,享有优先锁定场地的权限,正常情况下,同一时刻只能有1个高优先级任务,若同时存在2个紧急试验需求,则根据数字孪生系统模拟出2个试验共同进行时的场景,参考试验内容和规范,由控制中心判断是否可以同时进行或者先完成某一个。中优先级,是试验人员根据项目需求,在3天内需要完成的任务,按照预约时间的先后顺序进行排程。低优先级,是试验人员根据项目需求,在5天内需要完成的任务,按照预约时间的先后顺序进行排程。每个试验任务的场地预约若没有资源冲突,则按照最佳试验时间(光照、温度、场地使用情况等因素综合)排程。若同一优先级在同一时刻和场地都有试验需求,则根据试验内容和规范,依据高精定位系统数据库中具体试验数据,判断是否允许共同安全使用。若不允许,则根据预约顺序和情况,智能排出试验顺序。低优先级,按照预约顺序进行合理排程。
排程算法的流程如下:
S351,判断能否入场:根据环境、试验车辆、试验人员、试验设备四大模型中的条件,判断能否入场;
S352,判断优先级是否冲突:根据优先级顺序模型判断试验任务是否有冲突,若没有冲突,则按照预约顺序排程;若存在冲突,则调用试验内容和规范模型中的数据库;
S353,试验内容和规范模型数据库:高精定位系统把所有试验数据均存储在该数据库中,同一个试验规范,所做出的测试工况相同,数据库中大量数据,结合数字孪生系统中车辆在试验过程中的实际动态表现,制定试验规范的风险等级,分为高、中、低;高危试验,相关场地内只允许一辆车进行试验;中风险试验,根据场地大小,保证实际试验中车辆距离S的情况下设置场内允许车辆N1;低风险试验,可同时允许场内车辆达到最大容量N2(N2≤N1);S=(V+μg)V/μg,V为车速,μ为地面附着系数,g为重力加速度;
S354,智能排程实时调整:试验过程中的,排程系统会根据场地实际使用情况,对未排上的试验任务实时排程,并通过系统进行实时发布。
步骤S353中的数据包括车辆信息、车速、侧向加速度、横摆角速度等数据。
本发明新增高精度定位系统,将试验场内测试车辆准确定位,通过速度、纵向加速度、侧向加速度、横摆角速度、车道偏移量等信号采集以监测车辆的动态变化,进行姿态评估和预判,违规报警,高效可靠地完成车辆信息管理。
通过高精定位系统对车辆进行定位,实时绘制行驶轨迹并保存。行驶轨迹有助于研究整车试验规范,可用于智能自动驾驶测试。所有数据用于智能排程中试验内容和规范制定的依据,高风险测试项的确定。
新增数字孪生系统,通过三维可视化和视频监控结合的方法,以非常直观的方式掌握试车场在整个运营过程中的实时情况,使管理人员更有效的决策管理。
数字孪生系统中,虚实映射与设备联动,可实现高精度定位系统中的车辆姿态轨迹三维重现,支持试验场场地安全管理培训等工作的完成。对智能排程结果进行模拟运行,客观、直观地提前显示所有的试验状态。
场地预约智能化,最大限度地提高车辆、场地、设备的利用率,保证试验人员在最佳时间完成相关试验任务。
Claims (10)
1.一种基于高精定位和数字孪生的试车场智能排程和管理系统,包括高精度定位系统、数字孪生系统、智能排程系统,其特征在于:
高精度定位系统:基于C/S架构开发,有虚拟道闸、区域管理、违规报警、数据分析、视频联动、道闸联动等功能;
数字孪生系统:将试车场运行和业务属性信息高效集成,实现试车场场地道路、建筑物模型生动逼真展示;
智能排程系统:根据试验人员的试验需求,结合实际天气、场地、车辆以及高精度定位系统及数字孪生系统.的相关信息组成的排程算法,自动排出车辆入场试验的时间计划;
所述的高精度定位系统的操作流程如下:
S11,现场测绘,现场实地测绘对所有实际目标进行打点采集定位数据;
S12,制作高精度地图并导入GIS平台,用测绘数据生成基础地图,通过制图软件绘制精确矢量地图和瓦片地图;
S13,地图图层和工具栏配置,在平面高精地图上对使用场所进行标绘编辑,添加实用工具栏;
S14,电子围栏和道闸设置,根据实际需求设置对应电子围栏,并设置围栏的对应试验规则,在道闸实际位置前后设置虚拟电子围栏,当车辆定位到该围栏内,服务器通过车载GNSS定位设备ID获取通行权限,并进行处理;
S15,实时任务标注,基于GIS地理位置查询车辆、设备等任务的分布情况,在地图上进行实时点位标注;
S16,基于位置的数据模型算法,针对各类超速、越界、违停、动态响应超限情况等算法模型的运算及规则设置;
S17,车辆违规报警,根据步骤S16设置的规则,结合车辆的行驶状态进行违规预判提醒,探测到违规情况实时报警;
S18,高精定位设备信息查看,高精度定位GNSS接收机,集成5G通讯模块,可查看车辆实时定位、车辆违规行为报警、车辆行驶轨迹、车辆跟踪联动等设备状态信息;
S19,车辆运动轨迹数据分析及回放,对各试验车辆运动轨迹,如各种工况下测试规范的速度、纵向加速度、侧向加速度、横摆角速度,车道偏移量等数据进行动力学分析,组建测试规范库,服务于自动驾驶和自动测试,所有运动轨迹均可实现历史回放;
所述的数字孪生系统的操作流程如下:
S21,CAD图纸转数字化1:1建模,平面图形,首先进行各种模型的建立;
S22,虚拟场景搭建,根据步骤S21中的模型导入虚拟场景适配,搭建成符合试验场运营的试验场景和培训场景;
S23,UI交互设计,提供多种交互浏览方式;
S24,场景漫游,通过键盘控制物体在场景中移动,结合虚幻引擎的物理引擎,运用制定好的物理学,动力学等规则,实现汽车第一/第三人称的漫游;
S25,虚实映射,虚拟映射现实:在虚拟场景中构造出现实状态信息,包括信号灯信息同步,显示屏信息同步等;现实映射虚拟:通过GIS技术,场地监控图像识别等技术,根据现实场景中的变化来改变虚拟场景;
S26,由步骤S24和步骤S25中的场景漫游和虚实映射现实技术,可根据实际试验场内具体需求,制作成大雨、火情、事故等虚拟特效场景,用于举办驾驶培训、安全讲座等;
S27,虚拟场景下车辆和视频监控的数据联动,通过鼠标点击道闸控制面板,操作控制现实场地中的道闸开关,当视角为跟踪某试验车辆时,可实时进行监控视频查看,并且可以同步以三维动态的形式实时展示,当高精定位系统监测到车辆存在危险时,数字孪生系统自动切换到相关车辆上,进行视频和三维模型的播报;
所述的智能排程系统的操作流程如下:
S31,智能排程系统可以在手机小程序和PC端进行试验预约,支持预约任务所需资源排程计算,计算在预约申请期间是否能够资源满足,如满足,则给出预约成功的提示;如不满足,则提示因何资源问题,并给出优化建议,同时上升至管理中心处;
S32,智能排程系统支持排程资源实现可视化,多种类任务、多资源状态、利用数字孪生系统展示,可以在试验开始前模拟出试验中的场景,在资源冲突时,三维演示试验场景,支持管理中心做出决策;
S33,智能排程系统支持预约审批排程定算,高优先级预约由管理中心领导审批后,排程定算,锁定相关资源;
S34,智能排程系统支持车辆、设备及物资等多资源的计划排程计算;
S35,智能排程系统支持任务或资源使用超时后,自动重新排程计算,若没有资源满足继续试验,警报通知相关试验车辆和人员。
2.根据权利要求1所述的基于高精定位和数字孪生的试车场智能排程和管理系统,其特征在于:所述的步骤S13中,实用工具栏包括全景、缩放、平移、测距、定位、查询。
3.根据权利要求1所述的基于高精定位和数字孪生的试车场智能排程和管理系统,其特征在于:所述的步骤S16中,动态响应超限情况为速度、纵向加速度、侧向加速度、横摆角速度、车道偏移量是否超过测试规范边界。
4.根据权利要求1所述的基于高精定位和数字孪生的试车场智能排程和管理系统,其特征在于:所述的步骤S21中,各种模型的建立包括场地道路、道闸、监控、停车场、办公区、树木植被、周围环境等模型。
5.根据权利要求1所述的基于高精定位和数字孪生的试车场智能排程和管理系统,其特征在于:所述的步骤S23中,交互浏览方式包括自动漫游和手动漫游,提供人行、车行等多浏览模式,可以方便对三维视图进行缩放、旋转、俯仰等操作,可以自定义行驶路线,在三维场景中任意沿线行驶、环绕行驶等。
6.根据权利要求1所述的基于高精定位和数字孪生的试车场智能排程和管理系统,其特征在于:所述的智能排程系统包括环境、试验车辆、试验人员、试验设备、试验场地、试验内容和规范、优先级顺序七大领域模型。
7.根据权利要求6所述的基于高精定位和数字孪生的试车场智能排程和管理系统,其特征在于:所述的环境模型:联动试验场内气象观测站信息和场内视频监控环境信息,判断试验预约的可行性和任务分配的合理性;大雨、大雾、大雪、场内施工等恶劣环境情况禁止预约入场;光照、降水量、路面湿滑等情况限制预约60kph以上的试验申请;
所述的试验车辆模型:联动试验场智能管理系统内车辆库中车辆具体信息,判断试验预约的可行性和任务分配的合理性;车辆SSF值大于1.3,禁止做车速大于30kph以上的倒车绕圆试验;车辆状态为L2阶段,禁止做L3/L4阶段的试验;所述的试验人员模型:联动试验场智能管理系统内试验人员信息,判断试验预约的可行性和任务分配的合理性,试验人员驾驶资质必须与试验内容匹配,不得预约超过驾驶资质的相关试验;
所述的试验设备模型:联动试验场智能管理系统内试验设备信息,防滚架、陀螺仪、扭矩方向盘、举升机信息,判断试验预约的可行性和任务分配的合理性,未安装防滚架,禁止预约高危险项试验;未安装陀螺仪、扭矩方向盘,禁止预约可控性试验;
所述的试验场地模型:试验场地分为动态性能测试区、低附测试区、综合坏路测试区、低速广场测试区、直线性能测试区,根据试验内容和规范,场地实际预约情况,智能匹配试验场地;
所述的试验内容和规范模型:试验内容包括鲁棒性、可控性、坏路、低附、功能检查、滥用;试验规范包括低车速倒车转向、中车速倒车转向、中低车速小g值转向试验、中低车速大g值转向试验、高车速小g值转向试验、高车速大g值转向试验,高精定位系统中所有的试验数据将存储在试验内容和规范模型中,根据试验内容和规范,作为智能排列入场试验的依据之一;
所述的优先级顺序模型:所有智能排程的入场计划,以安全试验为前提保障,环境、试验车辆、试验人员、试验设备等模型判断,若存在安全隐患,则禁止预约入场。
8.根据权利要求7所述的基于高精定位和数字孪生的试车场智能排程和管理系统,其特征在于:所述的SSF=H/2T,其中,SSF为静态稳定系数,T为车辆轮距,单位是mm,H为车辆质心高度,单位是mm。
9.根据权利要求1所述的基于高精定位和数字孪生的试车场智能排程和管理系统,其特征在于:所述的排程算法的流程如下:
S351,判断能否入场:根据环境、试验车辆、试验人员、试验设备四大模型中的条件,判断能否入场;
S352,判断优先级是否冲突:根据优先级顺序模型判断试验任务是否有冲突,若没有冲突,则按照预约顺序排程;若存在冲突,则调用试验内容和规范模型中的数据库;
S353,试验内容和规范模型数据库:高精定位系统把所有试验数据均存储在该数据库中,数据库中大量数据,结合数字孪生系统中车辆在试验过程中的实际动态表现,制定试验规范的风险等级,分为高、中、低;高危试验,相关场地内只允许一辆车进行试验;中风险试验,根据场地大小,保证实际试验中车辆距离S的情况下设置场内允许车辆N1;低风险试验,可同时允许场内车辆达到最大容量N2(N2≤N1);S=(V+μg)V/μg,V为车速,μ为地面附着系数,g为重力加速度;
S354,智能排程实时调整:试验过程中的,排程系统会根据场地实际使用情况,对未排上的试验任务实时排程,并通过系统进行实时发布。
10.根据权利要求9所述的基于高精定位和数字孪生的试车场智能排程和管理系统,其特征在于:所述的步骤S353中的数据包括车辆信息、车速、侧向加速度、横摆角速度等数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310602337.9A CN116629546A (zh) | 2023-05-26 | 2023-05-26 | 基于高精定位和数字孪生的试车场智能排程和管理系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310602337.9A CN116629546A (zh) | 2023-05-26 | 2023-05-26 | 基于高精定位和数字孪生的试车场智能排程和管理系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116629546A true CN116629546A (zh) | 2023-08-22 |
Family
ID=87637781
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310602337.9A Pending CN116629546A (zh) | 2023-05-26 | 2023-05-26 | 基于高精定位和数字孪生的试车场智能排程和管理系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116629546A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117315601A (zh) * | 2023-11-28 | 2023-12-29 | 湖南天烽科技有限公司 | 基于遥感技术的车辆危险行为ai识别报警系统 |
-
2023
- 2023-05-26 CN CN202310602337.9A patent/CN116629546A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117315601A (zh) * | 2023-11-28 | 2023-12-29 | 湖南天烽科技有限公司 | 基于遥感技术的车辆危险行为ai识别报警系统 |
CN117315601B (zh) * | 2023-11-28 | 2024-02-23 | 湖南天烽科技有限公司 | 基于遥感技术的车辆危险行为ai识别报警系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108364494B (zh) | 道路交通智能管理方法、系统及平台 | |
CN105761490B (zh) | 对危化品运输车辆在服务区停靠的预警方法 | |
US8612090B2 (en) | Methods, apparatus, and systems for acquiring and analyzing vehicle data and generating an electronic representation of vehicle operations | |
CN100437660C (zh) | 基于全方位视觉传感器的违章车辆监控装置 | |
US20160379486A1 (en) | Apparatus and system to manage monitored vehicular flow rate | |
CN114879631A (zh) | 一种基于数字孪生云控平台的自动驾驶测试系统和方法 | |
CN103971558A (zh) | 一种机动车驾驶人培训智能机器人系统 | |
CN107810133A (zh) | 自主车辆的回退请求 | |
CN108711300A (zh) | 群体智能泊车方法、系统及计算机可读存储介质 | |
DE19724919A1 (de) | Verfahren zum Erzeugen, Verschmelzen und Aktualisieren von in einem Zielführungssystem nutzbaren Daten | |
JP6994203B2 (ja) | コネクテッド自動運転車のハイウエイシステムとそれを用いた方法 | |
US20100198606A1 (en) | Remote control system and method of the infringement to the traffic regulations | |
CN116629546A (zh) | 基于高精定位和数字孪生的试车场智能排程和管理系统 | |
CN104200659A (zh) | 一种不按规定线路行驶的重点车辆交通违法行为判定方法 | |
CN112950935A (zh) | 一种基于大数据平台的高速交通管控系统 | |
CN107229680A (zh) | 一种渣土车违规作业追溯方法和系统 | |
CN110660223A (zh) | 一种车辆定位追踪和管理系统 | |
CN111508262B (zh) | 对城市停车位资源的智能化管理方法 | |
CN115762120A (zh) | 基于快速路全路段的全息感知预警系统 | |
CN115311894A (zh) | 基于大数据分析的智慧停车管理方法、系统、终端及介质 | |
CN116258342A (zh) | 停车管理服务系统 | |
CN113724496B (zh) | 一种全场景道路交通安全隐患排查方法以及排查系统 | |
US20100292971A1 (en) | Method and testing device for testing a traffic-control system | |
CN115440071B (zh) | 一种自动驾驶违规停车检测方法 | |
CN112308447A (zh) | 试验场管理系统及方法 |
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 |