CN117037507A - 基于云控平台的网联车路径调整方法、装置、设备和介质 - Google Patents
基于云控平台的网联车路径调整方法、装置、设备和介质 Download PDFInfo
- Publication number
- CN117037507A CN117037507A CN202310865829.7A CN202310865829A CN117037507A CN 117037507 A CN117037507 A CN 117037507A CN 202310865829 A CN202310865829 A CN 202310865829A CN 117037507 A CN117037507 A CN 117037507A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- internet
- control platform
- running track
- connected vehicle
- 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
- 238000000034 method Methods 0.000 title claims abstract description 61
- 230000007613 environmental effect Effects 0.000 claims abstract description 43
- 230000008447 perception Effects 0.000 claims abstract description 15
- 230000008859 change Effects 0.000 claims description 16
- 238000004458 analytical method Methods 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 16
- 230000006870 function Effects 0.000 description 11
- 230000008569 process Effects 0.000 description 10
- 238000004590 computer program Methods 0.000 description 9
- 238000012545 processing Methods 0.000 description 9
- 230000006872 improvement Effects 0.000 description 8
- 230000006399 behavior Effects 0.000 description 6
- 238000006073 displacement reaction Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 229920001296 polysiloxane Polymers 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 239000010979 ruby Substances 0.000 description 1
- 229910001750 ruby Inorganic materials 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
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
- G08G1/042—Detecting movement of traffic to be counted or controlled using inductive or magnetic detectors
-
- 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
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Traffic Control Systems (AREA)
Abstract
本说明书实施例公开了一种基于云控平台的网联车路径调整方法、装置、设备和介质,方法包括:路侧感知设备采集感知数据,感知数据至少包括环境车辆和网联车辆的位置信息;路侧感知设备发送感知数据至云控平台;云控平台基于感知数据,分析得到环境车辆和网联车辆的第一预测行驶轨迹;云控平台基于网联车辆的位置信息,确定网联车辆预定范围内的环境车辆集合的第二预测行驶轨迹;云控平台基于第一预测行驶轨迹和第二预测行驶轨迹以及网联车辆的预设行驶轨迹,生成控制指令,控制指令用于控制网联车辆的行驶状态,以使网联车辆按照预设行驶轨迹行驶;云控平台将控制指令发送至网联车辆。本说明书实施例提供的方法能够提高网联车辆路径预测的精准度。
Description
技术领域
本申请涉及自动驾驶技术领域,尤其涉及一种基于云控平台的网联车路径调整方法、装置、设备和介质。
背景技术
在自动驾驶中,车辆行为预测是非常关键的一项技术。通过对周围车辆、行人和障碍物的分析和预测,自动驾驶系统可以做出更加准确和安全的决策。例如,当自动驾驶汽车行驶在道路上时,它需要预测其他车辆的行驶路线、速度和行为,以便能够做出合适的避让和超车决策。这对于实现更加安全和高效的自动驾驶交通非常重要。
车路云一体化系统是一种集车辆、道路和云计算为一体的智能交通系统。它通过路侧传感器等设备,收集车辆和道路的实时数据,将这些数据上传至云控进行处理和分析,从而实现交通信息的共享和交通管理、网联车辆的智能化。车路云一体化系统可以实现实时交通监测、智能路况预测、智能调度和路径规划等功能,可以提升交通安全、减少拥堵,同时也能为城市交通规划和智能交通系统的发展提供支持。
现有技术中,应用于自动驾驶的预测算法部署在自动驾驶车辆上。基于单车智能的预测功能,数据量有限,无法处理大量的数据,单车上能获取到的数据量相对较少,因此预测结果不够准确。单车智能的硬件性能有限,无法处理大规模的数据和复杂的算法,因此其算法复杂度通常较低,无法处理复杂的交通场景和多变的路况,预测准确性会受到影响。单车智能设备只能对其感知范围内车辆的行为进行预测,无法获取较远车辆和道路的信息,因此预测精度会受到影响。
发明内容
本说明书实施例提供一种基于云控平台的网联车路径调整方法方法、装置、设备和计算机可读介质,以解决现有技术中网联车辆路径预测准确度低的问题。
为解决上述技术问题,本说明书实施例是这样实现的:
本说明书实施例提供的基于云控平台的网联车路径调整方法,包括:
路侧感知设备采集感知数据,所述感知数据至少包括环境车辆和网联车辆的位置信息;
所述路侧感知设备发送所述感知数据至云控平台;
所述云控平台基于所述感知数据,分析得到所述环境车辆和网联车辆的第一预测行驶轨迹;
所述云控平台基于所述网联车辆的位置信息,确定所述网联车辆预定范围内的环境车辆集合的第二预测行驶轨迹;
所述云控平台基于所述第一预测行驶轨迹和所述第二预测行驶轨迹以及所述网联车辆的预设行驶轨迹,生成控制指令,所述控制指令用于控制所述网联车辆的行驶状态,以使所述网联车辆按照所述预设行驶轨迹行驶;
所述云控平台将所述控制指令发送至所述网联车辆。
可选的,所述分析得到所述环境车辆和网联车辆的第一预测行驶轨迹之后,还包括:
获取所述环境车辆和网联车辆的对应的车道标识;
将所述第一预测行驶轨迹数据按照所述车道标识对应进行存储。
可选的,所述第一预测行驶轨迹包括经纬度行驶轨迹和frenet行驶轨迹,所述经纬度行驶轨迹表示所述车辆随时间变化的经纬度变化轨迹,所述frenet行驶轨迹表示所述车辆随时间变化时沿着所述车辆所在车道方向的距离变化轨迹。
可选的,所述确定所述网联车辆预定范围内的环境车辆集合的第二预测行驶轨迹之后,还包括:
所述云控平台发送所述环境车辆集合的经纬度行驶轨迹至所述网联车辆。
可选的,所述云控平台基于所述第一预测行驶轨迹和所述第二预测行驶轨迹以及所述网联车辆的预设行驶轨迹,生成控制指令,具体包括:
所述云控平台将所述环境车辆集合和所述网联车辆的frenet行驶轨迹放在统一坐标系中,判断所述网联车辆的预设行驶轨迹与所述环境车辆集合的第二预测行驶轨迹是否存在重合,得到判断结果;
当所述判断结果表示所述网联车辆的预设行驶轨迹与所述环境车辆的第二预测行驶轨迹存在重合时,生成控制指令。
本说明书实施例提供的一种基于云控平台的网联车路径调整装置,包括:
数据采集模块,用于采集感知数据,所述感知数据至少包括环境车辆和网联车辆的位置信息;
数据发送模块,用于发送所述感知数据至云控平台;
分析模块,用于基于所述感知数据,分析得到所述环境车辆和网联车辆的第一预测行驶轨迹;
确定模块,用于基于所述网联车辆的位置信息,确定所述网联车辆预定范围内的环境车辆集合的第二预测行驶轨迹;
调整模块,用于基于所述第一预测行驶轨迹和所述第二预测行驶轨迹以及所述网联车辆的预设行驶轨迹,生成控制指令,所述控制指令用于控制所述网联车辆的行驶状态,以使所述网联车辆按照所述预设行驶轨迹行驶;
指令发送模块,用于将所述控制指令发送至所述网联车辆。
可选的,所述装置还包括:
获取模块,用于获取所述环境车辆和网联车辆的对应的车道标识;
存储模块,用于将所述第一预测行驶轨迹数据按照所述车道标识对应进行存储。
本说明书实施例提供的一种基于云控平台的网联车路径调整设备,包括:路侧感知设备和云控平台,其中,
所述路侧感知设备用于感知数据,所述感知数据至少包括环境车辆和网联车辆的位置信息;
所述云控平台用于基于所述感知数据,分析得到所述环境车辆和网联车辆的第一预测行驶轨迹;
所述云控平台还用于基于所述网联车辆的位置信息,确定所述网联车辆预定范围内的环境车辆集合的第二预测行驶轨迹;所述云控平台还用于基于所述第一预测行驶轨迹和所述第二预测行驶轨迹以及所述网联车辆的预设行驶轨迹,生成控制指令,所述控制指令用于控制所述网联车辆的行驶状态,以使所述网联车辆按照所述预设行驶轨迹行驶;所述云控平台还用于将所述控制指令发送至所述网联车辆。
本说明书实施例提供的一种计算机可读介质,其上存储有计算机可读指令,所述计算机可读指令可被处理器执行以实现一种基于云控平台的网联车路径调整方法。
本说明书一个实施例至少能够达到以下有益效果:
通过把路侧感知设备采集的感知数据发送至云控平台,云控平台能够基于感知数据,分析得到环境车辆和网联车辆的第一预测行驶轨迹,并进一步根据网联车辆的位置信息,确定影响网联车辆的车辆集合的第二预测行驶轨迹,基于第一预测行驶轨迹和第二预测行驶轨迹以及网联车辆的预设行驶轨迹,生成控制指令,控制网联车辆的行驶状态,以使网联车辆按照预设行驶轨迹行驶。与单车智能设备相比,云控平台可以得到海量数据,通过云控平台数据存储和处理能力,可以同时处理大量的数据,提高预测结果的准确性。云控平台借助路侧感知设备可以得到覆盖范围广且连续的感知数据,提升了网联车辆预测的精准度。
附图说明
为了更清楚地说明本说明书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申请中记载的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本说明书实施例提供的基于云控平台的网联车路径调整方法的流程示意图;
图2为本说明书实施例提供的车辆行为预测示意图;
图3为说明书实施例提供的网联车辆的预设行驶轨迹的示意图;
图4为本说明书实施例提供的环境车辆和网联车辆在同一坐标系的位移时间图;
图5为本说明书实施例提供的换道场景中的位移时间示意图;
图6为本说明书实施例提供的基于云控平台的网联车路径调整装置的结构示意图;
图7为本说明书实施例提供的基于云控平台的网联车路径调整设备的结构示意图。
具体实施方式
为使本说明书一个或多个实施例的目的、技术方案和优点更加清楚,下面将结合本说明书具体实施例及相应的附图对本说明书一个或多个实施例的技术方案进行清楚、完整地描述。显然,所描述的实施例仅是本说明书的一部分实施例,而不是全部的实施例。基于本说明书中的实施例,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,都属于本说明书一个或多个实施例保护的范围。
应当理解,尽管在本申请文件中可能采用术语第一、第二、第三等来描述各种信息,但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。
以下结合附图,详细说明本说明书各实施例提供的技术方案。
图1为本说明书实施例提供的一种基于云控平台的网联车路径调整方法的流程示意图。如图1所示,该流程可以包括以下步骤:
步骤102:路侧感知设备采集感知数据,所述感知数据至少包括环境车辆和网联车辆的位置信息。
步骤104:所述路侧感知设备发送所述感知数据至云控平台。
路侧感知设备可以为摄像机、毫米波雷达、激光雷达等传感器,采集感知路段的交通参与者、路况等信息。交通参与者可以包括车辆、行人、车道线、人行横道等。路侧感知设备可以通过路云网关将感知数据发送至云控平台。
步骤106:所述云控平台基于所述感知数据,分析得到所述环境车辆和网联车辆的第一预测行驶轨迹。
云控平台对来自路侧感知设备的感知数据经过解析后,可以预测车辆的第一预测行驶轨迹,第一预测行驶轨迹可以表示车辆在当前时刻之后的预定时间内的轨迹。例如:车辆在当前时刻5秒内的行驶轨迹。
云控平台可以存储有高精度地图数据,可以提供车辆周围环境的详细信息,例如:道路、交通标志、交通灯、车道线等。第一预测行驶轨迹可以包括车速的预测、换道的预测和车道分叉处车道选择的预测。
云控平台在进行预测时,一方面,车辆在各时刻的速度可以被预测;另一方面,车辆在车道分叉处有多种选择,例如在路口可以左转、右转和直行,在分叉处走哪一个分支也可以被预测。图2为本说明书实施例提供的车辆行为预测示意图。如图2所示,车辆在分岔口时可以选择右换道行驶、左换道行驶也可以保持在当前车道上。如果车辆不换道,通过预测出的速度和车辆所在的道路可以预测得到车辆的第一预测行驶轨迹,第一预测行驶轨迹可以为每一单位时刻的路径,例如:0.1秒之后车辆的位置信息以及速度是多少。如果车辆换道的话,通过车辆当前所在的车道中心线和未来即将到达的车道中心线可以得到车辆未来的换道轨迹;未来即将到达的车道中心线可以通过预测出来的左换道或者右换道行为,可以得到车辆即将到达的车道中心线。
需要说明的是,云控平台在对车辆进行第一预测行驶轨迹时,云控平台约定车辆在规则道路上按照高精度地图以及对应交通规则行驶,例如:车辆直行的时候会沿着车道中心线行驶。其中,规则道路可以是具有道路标识的道路,不规则道路可以是空旷停车场、野外等可随意行驶的地方。云控平台在预测各个环境车辆按照交通规则行驶,云控平台可以借助感知数据判定某些环境车辆处于违反交通法规的状态,对于违反交通规则的车辆,云控平台的预测算法不做处理,例如:正在逆行的环境车辆,其下一步的动作是难以预测的,云控平台只会记录它当前的状态。
步骤108:所述云控平台基于所述网联车辆的位置信息,确定所述网联车辆预定范围内的环境车辆集合的第二预测行驶轨迹。
预定范围内的环境车辆集合可以是在网联车辆在行驶过程中会影响网联车辆行驶的车辆,预定范围可以根据车辆的驾驶状态以及车辆自身的尺寸参数进行确定。例如:预定范围可以为150米,以网联车辆当前位置信息为中心画一个半径为150米的圆形,圆形内部的环境车辆均可以被定义为环境车辆集合。第二预测行驶轨迹为环境车辆集合在预定时间段内的第一预测行驶轨迹。
步骤110:所述云控平台基于所述第一预测行驶轨迹和所述第二预测行驶轨迹以及所述网联车辆的预设行驶轨迹,生成控制指令,所述控制指令用于控制所述网联车辆的行驶状态,以使所述网联车辆按照所述预设行驶轨迹行驶。
需要说明的是,网联车辆的预设行驶轨迹可以为预先设定的路径,图3为说明书实施例提供的网联车辆的预设行驶轨迹的示意图。如图3所示,网联车辆从A地点到B地点,会直行到达C地点,右转后直行到达B地点。
步骤112:所述云控平台将所述控制指令发送至所述网联车辆。
图1中的方法,将路侧感知设备采集的感知数据发送至云控平台,云控平台能够基于感知数据,分析得到环境车辆和网联车辆的第一预测行驶轨迹,并进一步根据网联车辆的位置信息,确定影响网联车辆的车辆集合的第二预测行驶轨迹,基于第一预测行驶轨迹和第二预测行驶轨迹以及网联车辆的预设行驶轨迹,生成控制指令,控制网联车辆的行驶状态,以使网联车辆按照预设行驶轨迹行驶。与单车智能设备相比,云控平台可以得到海量数据,而且云控数据存储和处理能力很强,可以同时处理大量的数据,因此预测结果会因为训练集数据量的增加而更准确。云控平台借助路侧感知设备可以得到覆盖范围广且连续的感知数据,提升了网联车辆预测的精准度。
基于图1的方法,本说明书实施例还提供了该方法的一些具体实施方式,下面进行说明。
可选的,所述第一预测行驶轨迹包括经纬度行驶轨迹和frenet行驶轨迹,所述经纬度行驶轨迹表示所述车辆随时间变化的经纬度变化轨迹,所述frenet行驶轨迹表示所述车辆随时间变化时沿着所述车辆所在车道方向的距离变化轨迹。
其中,frenet行驶轨迹包括4个参数,分别是车道标识、s坐标、l坐标以及时刻,s坐标表示车辆距离当前道路的起点的长度,l坐标表示车辆偏离当前车道中线线的长度。也就是说,frenet行驶轨迹反映车辆在某时刻下在某条车道上距离当前道路起始点的距离,以及车辆在当前时刻偏离车道中心线的距离。
经纬度行驶轨迹包括三个参数,分别是经度、纬度和时刻,即经纬度行驶轨迹反映的是在某时刻车辆的经纬度信息。
为了方便查询车辆的第一预测行驶轨迹,本说明书实施例提供的基于云控平台的网联车路径调整方法在分析得到所述环境车辆和网联车辆的第一预测行驶轨迹之后,还可以包括:
获取所述环境车辆和网联车辆的对应的车道标识;
将所述第一预测行驶轨迹数据按照所述车道标识对应进行存储。
第一预测行驶轨迹可以存储在云控平台中的地图数据库中,将第一预测行驶轨迹按照车道标识进行存储之后,便于根据车道标识查询车辆的第一预测行驶轨迹。
由于网联车辆上搭载的地图并非高精度地图,为了搜寻到网联车辆周围的环境车辆集合,本说明书实施例提供的基于云控平台的网联车路径调整方法在确定所述网联车辆预定范围内的环境车辆集合的第二预测行驶轨迹之后,还包括:
所述云控平台发送所述环境车辆集合的经纬度行驶轨迹至所述网联车辆。
作为一种可选的实施方式,本说明书实施例中提供的基于云控平台的网联车路径调整方法中云控平台基于所述第一预测行驶轨迹和所述第二预测行驶轨迹以及所述网联车辆的预设行驶轨迹,生成控制指令,具体可以包括:
所述云控平台将所述环境车辆集合和所述网联车辆的frenet行驶轨迹放在统一坐标系中,判断所述网联车辆的预设行驶轨迹与所述环境车辆集合的第二预测行驶轨迹是否存在重合,得到判断结果;
当所述判断结果表示所述网联车辆的预设行驶轨迹与所述环境车辆的第二预测行驶轨迹存在重合时,生成控制指令。
云控平台在搜寻到环境车辆集合后,确定环境车辆集合的第二预测行驶轨迹后,将第二预测行驶轨迹中的frenet行驶轨迹输入到云控平台的规划算法之中,作为网联车辆路径规划的依据。具体地,云控平台可以将借助高精度地图,可以将网联车的预设行驶轨迹与第二预测行驶轨迹同一个frenet坐标系下进行表达,以方便进行规划。
根据上面的说明,本说明书实施例提供的一种实际应用场景下,网联车辆换道为例进行说明。网联车辆A的预设行驶路径是确定的,网联车辆A需要向右转换道行驶。环境车辆B和环境车辆C在网联车辆A的右侧车道行驶,沿右侧车道直行。网联车辆A在当前车道时,环境车辆B和环境车辆C不会对网联车辆A的行驶产生影响。当网联车辆需要换道时,环境车辆B和环境车辆C将会影响网联车辆A的行驶,环境车辆B和环境车辆C可以作为网联车辆A的环境车辆集合中的车辆。
将网联车辆A、环境车辆B和环境车辆C的frenet行驶轨迹中的s坐标与对应时刻放在统一坐标下。图4为本说明书实施例提供的环境车辆和网联车辆在同一坐标系的位移时间图。如图4所示,t1到t2时刻环境车辆B与网联车辆A行驶路径相交,t3到t4时刻环境车辆C与网联车辆A行事路径相交。网联车辆A只要避开这些区域就可以避免与环境车辆的碰撞。
图5为本说明书实施例提供换道场景中的位移时间示意图。网联车辆A向右换道,插入环境车辆B和C之间。将环境车辆B和环境车辆C以及网联车辆A的frenet坐标系下的S坐标放置于同一坐标系下,网联车辆A车头到环境车辆C车尾、网联车辆A的车尾到环境车辆B车头的距离满足安全条件时才能换道,借助这种方式,未来几秒钟内何时网联车辆可以换道被预测得到。例如:网联车辆A的车头与环境车辆C车尾的距离S1大于网联车辆A的车身长度L且网联车辆A的车尾与环境车辆B车头的距离S2也大于网联车辆A的车身长度。
基于同样的思路,本说明书实施例还提供了上述方法对应的装置。图6为本说明书实施例提供的一种基于云控平台的网联车路径调整装置的结构示意图。如图6所示,该装置可以包括:
数据采集模块601,用于采集感知数据,所述感知数据至少包括环境车辆和网联车辆的位置信息;
数据发送模块603,用于发送所述感知数据至云控平台;
分析模块605,用于基于所述感知数据,分析得到所述环境车辆和网联车辆的第一预测行驶轨迹;
确定模块607,用于基于所述网联车辆的位置信息,确定所述网联车辆预定范围内的环境车辆集合的第二预测行驶轨迹;
调整模块609,用于基于所述第一预测行驶轨迹和所述第二预测行驶轨迹以及所述网联车辆的预设行驶轨迹,生成控制指令,所述控制指令用于控制所述网联车辆的行驶状态,以使所述网联车辆按照所述预设行驶轨迹行驶;
指令发送模块611,用于将所述控制指令发送至所述网联车辆。
基于图6的装置,本说明书实施例还提供了该方法的一些具体实施方案,下面进行说明。
可选的,所述装置还包括:
获取模块,用于获取所述环境车辆和网联车辆的对应的车道标识;
存储模块,用于将所述第一预测行驶轨迹数据按照所述车道标识对应进行存储。
基于同样的思路,本说明书实施例还提供了上述方法对应的设备,包括:路侧感知设备和云控平台,其中,
所述路侧感知设备用于感知数据,所述感知数据至少包括环境车辆和网联车辆的位置信息;
所述云控平台用于基于所述感知数据,分析得到所述环境车辆和网联车辆的第一预测行驶轨迹;
所述云控平台还用于基于所述网联车辆的位置信息,确定所述网联车辆预定范围内的环境车辆集合的第二预测行驶轨迹;所述云控平台还用于基于所述第一预测行驶轨迹和所述第二预测行驶轨迹以及所述网联车辆的预设行驶轨迹,生成控制指令,所述控制指令用于控制所述网联车辆的行驶状态,以使所述网联车辆按照所述预设行驶轨迹行驶;所述云控平台还用于将所述控制指令发送至所述网联车辆。
图7为本说明书实施例提供的一种基于云控平台的网联车路径调整设备的结构示意图。如图7所示,设备700可以包括:
至少一个处理器710;以及,
与所述至少一个处理器通信连接的存储器730;其中,
所述存储器730存储有可被所述至少一个处理器710执行的指令720,所述指令被所述至少一个处理器710执行,以使所述至少一个处理器710能够执行上述基于云控平台的网联车路径调整方法。
基于同样的思路,本说明书实施例还提供了上述方法对应的计算机可读介质。计算机可读介质上存储有计算机可读指令,所述计算机可读指令可被处理器执行上述基于云控平台的网联车路径调整方法。
上述对本说明书特定实施例进行了描述,在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可。
本说明书实施例提供的装置、设备与方法是对应的,因此,装置、设备也具有与对应方法类似的有益技术效果,由于上面已经对方法的有益技术效果进行了详细说明,因此,这里不再赘述对应装置、设备的有益技术效果。
在20世纪90年代,对于一个技术的改进可以很明显地区分是硬件上的改进(例如,对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而,随着技术的发展,当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此,不能说一个方法流程的改进就不能用硬件实体模块来实现。例如,可编程逻辑器件(Programmable Logic Device,PLD)(例如现场可编程门阵列(FieldProgrammable GateArray,FPGA))就是这样一种集成电路,其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字符系统“集成”在一片PLD上,而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且,如今,取代手工地制作集成电路芯片,这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现,它与程序开发撰写时所用的软件编译器相类似,而要编译之前的原始代码也得用特定的编程语言来撰写,此称之为硬件描述语言(Hardware Description Language,HDL),而HDL也并非仅有一种,而是有许多种,如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等,目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚,只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中,就可以很容易得到实现该逻辑方法流程的硬件电路。
控制器可以按任何适当的方式实现,例如,控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit,ASIC)、可编程逻辑控制器和嵌入微控制器的形式,控制器的例子包括但不限于以下微控制器:ARC 625D、AtmelAT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320,存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道,除了以纯计算机可读程序代码方式实现控制器以外,完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件,而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至,可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
上述实施例阐明的系统、装置、模块或单元,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的,计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便,描述以上装置时以功能分为各种单元分别描述。当然,在实施本申请时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字符多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带式磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白,本申请的实施例可提供为方法、系统或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
以上所述仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (9)
1.一种基于云控平台的网联车路径调整方法,其特征在于,包括:
路侧感知设备采集感知数据,所述感知数据至少包括环境车辆和网联车辆的位置信息;
所述路侧感知设备发送所述感知数据至云控平台;
所述云控平台基于所述感知数据,分析得到所述环境车辆和网联车辆的第一预测行驶轨迹;
所述云控平台基于所述网联车辆的位置信息,确定所述网联车辆预定范围内的环境车辆集合的第二预测行驶轨迹;
所述云控平台基于所述第一预测行驶轨迹和所述第二预测行驶轨迹以及所述网联车辆的预设行驶轨迹,生成控制指令,所述控制指令用于控制所述网联车辆的行驶状态,以使所述网联车辆按照所述预设行驶轨迹行驶;
所述云控平台将所述控制指令发送至所述网联车辆。
2.根据权利要求1所述的基于云控平台的网联车路径调整方法,其特征在于,所述分析得到所述环境车辆和网联车辆的第一预测行驶轨迹之后,还包括:
获取所述环境车辆和网联车辆的对应的车道标识;
将所述第一预测行驶轨迹数据按照所述车道标识对应进行存储。
3.根据权利要求1所述的基于云控平台的网联车路径调整方法,其特征在于,所述第一预测行驶轨迹包括经纬度行驶轨迹和frenet行驶轨迹,所述经纬度行驶轨迹表示所述车辆随时间变化的经纬度变化轨迹,所述frenet行驶轨迹表示所述车辆随时间变化时沿着所述车辆所在车道方向的距离变化轨迹。
4.根据权利要求3所述的基于云控平台的网联车路径调整方法,其特征在于,所述确定所述网联车辆预定范围内的环境车辆集合的第二预测行驶轨迹之后,还包括:
所述云控平台发送所述环境车辆集合的经纬度行驶轨迹至所述网联车辆。
5.根据权利要求3所述的基于云控平台的网联车路径调整方法,其特征在于,所述云控平台基于所述第一预测行驶轨迹和所述第二预测行驶轨迹以及所述网联车辆的预设行驶轨迹,生成控制指令,具体包括:
所述云控平台将所述环境车辆集合和所述网联车辆的frenet行驶轨迹放在统一坐标系中,判断所述网联车辆的预设行驶轨迹与所述环境车辆集合的第二预测行驶轨迹是否存在重合,得到判断结果;
当所述判断结果表示所述网联车辆的预设行驶轨迹与所述环境车辆的第二预测行驶轨迹存在重合时,生成控制指令。
6.一种基于云控平台的网联车路径调整装置,其特征在于,包括:
数据采集模块,用于采集感知数据,所述感知数据至少包括环境车辆和网联车辆的位置信息;
数据发送模块,用于发送所述感知数据至云控平台;
分析模块,用于基于所述感知数据,分析得到所述环境车辆和网联车辆的第一预测行驶轨迹;
确定模块,用于基于所述网联车辆的位置信息,确定所述网联车辆预定范围内的环境车辆集合的第二预测行驶轨迹;
调整模块,用于基于所述第一预测行驶轨迹和所述第二预测行驶轨迹以及所述网联车辆的预设行驶轨迹,生成控制指令,所述控制指令用于控制所述网联车辆的行驶状态,以使所述网联车辆按照所述预设行驶轨迹行驶;
指令发送模块,用于将所述控制指令发送至所述网联车辆。
7.根据权利要求6所述的基于云控平台的网联车路径调整装置,其特征在于,所述装置还包括:
获取模块,用于获取所述环境车辆和网联车辆的对应的车道标识;
存储模块,用于将所述第一预测行驶轨迹数据按照所述车道标识对应进行存储。
8.一种基于云控平台的网联车路径调整设备,其特征在于,包括:路侧感知设备和云控平台,其中,
所述路侧感知设备用于感知数据,所述感知数据至少包括环境车辆和网联车辆的位置信息;
所述云控平台用于基于所述感知数据,分析得到所述环境车辆和网联车辆的第一预测行驶轨迹;
所述云控平台还用于基于所述网联车辆的位置信息,确定所述网联车辆预定范围内的环境车辆集合的第二预测行驶轨迹;所述云控平台还用于基于所述第一预测行驶轨迹和所述第二预测行驶轨迹以及所述网联车辆的预设行驶轨迹,生成控制指令,所述控制指令用于控制所述网联车辆的行驶状态,以使所述网联车辆按照所述预设行驶轨迹行驶;所述云控平台还用于将所述控制指令发送至所述网联车辆。
9.一种计算机可读介质,其上存储有计算机可读指令,其特征在于,所述计算机可读指令可被处理器执行以实现权利要求1至6中任一项所述的基于云控平台的网联车路径调整方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310865829.7A CN117037507A (zh) | 2023-07-14 | 2023-07-14 | 基于云控平台的网联车路径调整方法、装置、设备和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310865829.7A CN117037507A (zh) | 2023-07-14 | 2023-07-14 | 基于云控平台的网联车路径调整方法、装置、设备和介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117037507A true CN117037507A (zh) | 2023-11-10 |
Family
ID=88632607
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310865829.7A Pending CN117037507A (zh) | 2023-07-14 | 2023-07-14 | 基于云控平台的网联车路径调整方法、装置、设备和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117037507A (zh) |
-
2023
- 2023-07-14 CN CN202310865829.7A patent/CN117037507A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111190427B (zh) | 一种轨迹规划的方法及装置 | |
CN110262486B (zh) | 一种无人驾驶设备运动控制方法及装置 | |
US10642268B2 (en) | Method and apparatus for generating automatic driving strategy | |
CN111114543B (zh) | 一种轨迹预测方法及装置 | |
CN112839855B (zh) | 一种轨迹预测方法与装置 | |
CN112306059B (zh) | 一种控制模型的训练方法、控制方法以及装置 | |
CN112629550B (zh) | 一种预测障碍物轨迹以及模型训练的方法及装置 | |
CN110174856A (zh) | 车辆的驾驶模式切换控制设备和方法以及车辆系统 | |
CN111208838A (zh) | 一种无人驾驶设备的控制方法及装置 | |
CN113968243B (zh) | 一种障碍物轨迹预测方法、装置、设备及存储介质 | |
CN111062372B (zh) | 一种预测障碍物轨迹的方法及装置 | |
CN109754636A (zh) | 停车位协同感知识别、停车辅助方法、装置 | |
CN110942181A (zh) | 一种障碍物轨迹预测的方法及装置 | |
CN111238523A (zh) | 一种运动轨迹的预测方法及装置 | |
CN112327864A (zh) | 一种无人驾驶设备的控制方法及控制装置 | |
CN116001811A (zh) | 一种自动驾驶车辆的轨迹规划方法、装置及设备 | |
CN112896179A (zh) | 车辆操作参数 | |
CN117037507A (zh) | 基于云控平台的网联车路径调整方法、装置、设备和介质 | |
CN116300842A (zh) | 一种无人设备控制方法、装置、存储介质及电子设备 | |
CN112987754B (zh) | 一种无人设备的控制方法、装置、存储介质及电子设备 | |
CN112668669B (zh) | 一种路面摩擦系数估计方法、装置和电子设备 | |
CN111681435A (zh) | 基于边缘计算的交通控制方法、装置、电子设备及存储介质 | |
CN117944719A (zh) | 一种车辆轨迹规划方法、装置、设备及介质 | |
CN117351117B (zh) | 一种道路结构的更新方法、装置、存储介质、设备 | |
CN118111451A (zh) | 生成轨迹预测模型的训练数据的方法、装置及设备 |
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 |