CN117351704A - 一种基于边缘计算网关的车路协同数据感知方法和系统 - Google Patents

Abstract

本发明提供一种基于边缘计算网关的车路协同数据感知方法和系统，其中，方法包括：边缘计算网关采集道路信息，根据所述道路信息得到车辆补盲信息；根据所述车辆补盲信息生成车路协同应用；将所述车路协同应用下发给车辆。智能道路具有人工智能驱动的交通监控解决方案，可检测车辆、行人和骑自行车的人，并实现安全的驾驶。使用边缘计算网关采集道路信息，能够为自动驾驶汽车补全盲区，边缘计算网关将数据处理的负担从云端转移到设备端，降低数据传输的延迟和成本。

Description

一种基于边缘计算网关的车路协同数据感知方法和系统

技术领域

本发明涉及自动驾驶技术领域，尤其涉及一种基于边缘计算网关的车路协同数据感知方法和系统。

背景技术

随着人工和智能的发展，智能驾驶技术也逐渐发展，智能驾驶能够帮助解决电动车的充电、节能等核心问题，电动车智能交互系统的背后是将车身机械语言和车联网电子信息语言统一起来，所有信息可以上传下达，实现车与人、车与云的互联。自动驾驶作为智能驾驶中的重要组成部分，也有这重要的意义首先自动驾驶汽车安装了感应器与雷达，能够让人们更安全的驾驶汽车，减少疲劳驾驶和醉驾等的危害；其次，自动驾驶汽车能够给更多人节省更多的时间。最后，自动驾驶汽车相对来说比较环保，提高燃油效率、减少温室气体排放，同时也能够让更多人能够实现自驾游。

但是当前自动驾驶技术中，如果自动驾驶车辆直接接收路侧数据，无法处理冗余数据，对云端的依赖比较大，数据处理的效率和响应速度低。自动驾驶汽车主要通过摄像头、激光雷达、毫米波雷达感知，这些设备或多或少都再某些情况下无法获取最新状态，路侧数据感知速度低，给自动驾驶技术带来较大局限性。

发明内容

基于此，有必要针对上述技术问题，提供一种基于边缘计算网关的车路协同数据感知方法和系统。

一种基于边缘计算网关的车路协同数据感知方法，包括以下步骤：

边缘计算网关采集道路信息，根据所述道路信息得到车辆补盲信息；

根据所述车辆补盲信息生成车路协同应用；

将所述车路协同应用下发给车辆。

在其中一个实施例中，边缘计算网关采集道路信息包括：

连接多个地图导航软件，获取所述导航软件的地图数据；

根据所述地图数据得到道路信息。

在其中一个实施例中，获取所述导航软件的地图数据，之前还包括：

生成授权信息，将所述授权信息发送给所述地图导航软件。

在其中一个实施例中，根据所述地图数据得到道路信息包括：

获取实时数据中同种数据类别的多个第一数据，将所述第一数据存储为获取数据表；其中，所述获取数据表包括：数据类别、导航软件名称、导航数据；

判断同种数据类别不同导航软件名称的导航数据是否相同；

响应于所述导航数据相同，将所述数据类别和所述导航数据存储；

响应于所述导航数据不同，对所述导航数据进行数据矫正，得到矫正导航数据；

将所述数据类别和所述矫正导航数据存储；

所述所述数据类别、导航数据和所述矫正导航数据构成所述道路信息。

在其中一个实施例中，对所述导航数据进行数据矫正，得到矫正导航数据包括：

选取任一导航软件，截取得到所述导航数据的视频图像及备注信息；

根据所示视频图像及备注信息进行数据矫正，得到矫正导航数据。

在其中一个实施例中，根据所述道路信息得到车辆补盲信息包括：

获取车辆信息；

根据所述车辆信息和所述道路信息生成路况分析表；

根据所述路况分析表得到车辆补盲信息。

在其中一个实施例中，根据所述车辆信息和所述道路信息生成路况分析表包括：

根据所述道路信息获取车辆信息中历史停车次数信息；

根据所述历史停车次数信息和所述道路信息生成路况分析表。

在其中一个实施例中，根据所述车辆补盲信息生成车路协同应用：

根据所述车辆补盲信息生成应用配置信息及应用下发标识；

将所述应用配置信息及应用下发标识封装为车路协同应用。

在其中一个实施例中，将所述车路协同应用下发给车辆，之后还包括：

接收车辆反馈的行驶信息，根据所述行驶信息进行车路协同应用更新。

一种基于边缘计算网关的车路协同数据感知系统，用于实现如上所述的一种基于边缘计算网关的车路协同数据感知方法，包括：

数据采集模块，用于边缘计算网关采集道路信息，根据所述道路信息得到车辆补盲信息；

应用生成模块，用于根据所述车辆补盲信息生成车路协同应用；

应用下发模块，用于将所述车路协同应用下发给车辆。

相比于现有技术，本发明的优点及有益效果在于：本发明能够在边缘计算网关采集道路信息后，根据道路信息得到车辆的补盲信息，然后根据车辆补盲信息再生产车路协同应用，将车路协同应用下发给车辆，使得车辆能在设备端进行数据的处理。降低数据传输的延迟和成本的情况下，提高判断的准确度，增加了事件反应的灵敏性减少事故的发生。

附图说明

图1为一个实施例中一种基于边缘计算网关的车路协同数据感知方法的流程示意图；

图2为一个实施例中一种基于边缘计算网关的车路协同数据感知系统的结构示意图。

具体实施方式

在进行本发明具体实施方式说明之前，先对本发明的整体构思进行如下说明：

本发明主要是自动驾驶过程研发的，目前自动驾驶车辆直接接收路侧数据，无法处理冗余数据，对云端的依赖比较大，数据处理的效率和响应速度低。自动驾驶汽车主要通过摄像头、激光雷达、毫米波雷达感知，这些设备或多或少都再某些情况下无法获取最新状态，路侧数据感知速度低，给自动驾驶技术带来较大局限性。

大多数自动驾驶车辆方案中，由于激光雷达垂直视场角(FOV)范围以及顶置安装方式的限制，车身四周近场区域会出现激光雷达难以覆盖的感知盲区，这个区域潜在的低矮障碍物(常见如宠物、小孩等)，隐藏着大量未被解决的边角案例，有极大的风险。这对于所有准备落地的自动驾驶方案，是急需解决的问题。

发明人经过分析发现，出现上面的这些问题的主要原因是完全在云端处理数据，将云端处理的数据的负担转移到设备端就可以避免前述问题了。因此本发明提出了一种基于边缘计算网关的车路协同数据感知方法和系统，在边缘计算网关采集道路信息后，根据道路信息得到车辆的补盲信息，然后根据车辆补盲信息再生产车路协同应用，将车路协同应用下发给车辆，使得车辆能在设备端进行数据的处理。

介绍完本发明的整体构思后，为了使本发明的目的、技术方案及优点更加清楚明白，下面通过具体实施方式结合附图对本发明做进一步详细说明。

需要说明的是，除非另外定义，本说明书一个或多个实施例使用的技术术语或者科学术语应当为本发明所属领域内具有一般技能的人士所理解的通常意义。本说明书一个或多个实施中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同，而不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电性的连接，不管是直接的还是间接的。“上”、“下”、“左”、“右”等仅用于表示相对位置关系，当被描述对象的绝对位置改变后，则该相对位置关系也可能相应地改变。

在一个实施例中，如图1所示，提供了一种基于边缘计算网关的车路协同数据感知方法，包括以下步骤：

步骤S101，边缘计算网关采集道路信息，根据所述道路信息得到车辆补盲信息。

具体地，由边缘计算网关采集道路信息，通过边缘计算网关对路侧如信号灯、车道弯度、车辆，实现全局感知，为单车补盲，根据采集到的道路信息可以得到车辆补盲信息。大多数自动驾驶车辆方案中，由于激光雷达垂直视场角(FOV)范围以及顶置安装方式的限制，车身四周近场区域会出现激光雷达难以覆盖的感知盲区，车辆补盲信息就是能够通过道路信息，将盲区内的消息补充完成的信息，例：车辆补盲消息为车身右下部有动物或车辆下方有坑洞。

在本实施例中，将需要在云端处理的信息转移到边缘网关进行处理，减少了云端处理的负担，降低数据传输的延迟和成本。路侧设备是车路协同的“眼睛”之一，帮助车辆互通互联、感知环境，边缘计算网关可以实现车辆之间、车路之间、车与行人、车与云端之间的全面信息交互。

在此基础上，边缘计算网关采集道路信息包括：

连接多个地图导航软件，获取所述导航软件的地图数据；

根据所述地图数据得到道路信息。

具体的，获取多个地图导航软件中的地图数据，地图数据包括：信号灯数据、车道弯度数据、车辆行驶数据、行人数据和其余车辆数据(非机动车)，根据地图数据可以得到道路信息。

在本实施例中，获取多个地图导航软件中的地图数据，能够对地图数据的准确性进行校准，选择准确性最高的地图数据，能够保证源数据的精确。

在此基础上，获取所述导航软件的地图数据，之前还包括：

生成授权信息，将所述授权信息发送给所述地图导航软件。

具体的，需要生成一个授权信息，需要获取多个地图导航软件的授权，将授权信息发送给多个地图导航软件。

在本实施例中，生成授权信息，获得多个地图导航软件获取信息的手段，保证地图数据获取的正规性。

在此基础上，边缘计算网关采集道路信息，还包括：

获取智能道路内存储的道路信息。

具体的，智能道路具有人工智能驱动的交通监控解决方案，可检测车辆、行人和骑自行车的人，并实现安全的驾驶。边缘计算网管直接获取智能道路内存储的道路信息，实现信息的快速获取。

在此基础上，根据所述地图数据得到道路信息包括：

获取实时数据中同种数据类别的多个第一数据，将所述第一数据存储为获取数据表；其中，所述获取数据表包括：数据类别、导航软件名称、导航数据；

判断同种数据类别不同导航软件名称的导航数据是否相同；

响应于所述导航数据相同，将所述数据类别和所述导航数据存储；

响应于所述导航数据不同，对所述导航数据进行数据矫正，得到矫正导航数据；

将所述数据类别和所述矫正导航数据存储；

所述所述数据类别、导航数据和所述矫正导航数据构成所述道路信息。

具体的，每个地图导航软件中都有相同数据类别的信息，数据类别可以为信号灯数据、车道弯度数据、车辆行驶数据、行人数据和其余车辆数据(非机动车)等，获取实时数据中，多个导航数据中，同一个类别的数据作为第一数据，按照数据类别和地图导航软件的导航软件名称和具体的导航数据将第一数据存储为获取数据表，具体表如下表1所示。

表一获取数据表格式

根据获取数据表判断同一数据类别下，多个地图导航软件的导航数据是否相同，若是相同，将数据类别和导航数据存储；若是不同，对导航数据进行数据矫正，得到矫正导航数据；将数据类别和矫正导航数据存储。

本实施例中，获取多个地图导航软件同一数据类别的多个导航数据，将多个导航数据进行对比，如果数据相同则保存此数据，若是差距较大则对数据进行矫正，能够保证获取的导航数据的精确性，防止仅通过一个地图导航数据获取数据，误差较大的情况出现。

在此基础上，对所述导航数据进行数据矫正，得到矫正导航数据包括：

选取任一导航软件，截取得到所述导航数据的视频图像及备注信息；

根据所示视频图像及备注信息进行数据矫正，得到矫正导航数据。

具体的，需要矫正导航数据时，选取任意导航软件，截取得到这个数据的视频图像和此段视频图像对应的备注信息，根据视频图像和备注信息分析具体实际的导航数据，例：具体红绿灯情况，行驶车辆的数量，道路拥堵情况等。根据实际的导航数据进行数据矫正，得到矫正导航数据。

本实施例中，根据实际的视频截图进行导航数据的矫正，能够得到更好的导航数据，提高了数据的准确性，保证了车辆控制的准确性。

在此基础上，根据所述道路信息得到车辆补盲信息包括：

获取车辆信息；

根据所述车辆信息和所述道路信息生成路况分析表；

根据所述路况分析表得到车辆补盲信息。

具体的，获取多个车辆的车辆信息，例：车辆型号、车辆编号、车辆行驶记录和历史停车次数等，然后根据车辆信息和道路信息生成路况分析表，通过路况分析表得到车辆盲补信息。

在本实施例中，通过边缘计算网关对路侧如信号灯、车道弯度、车辆，实现全局感知，为车辆补盲。

在此基础上，根据所述车辆信息和所述道路信息生成路况分析表包括：

根据所述道路信息获取车辆信息中历史停车次数信息；

根据所述历史停车次数信息和所述道路信息生成路况分析表。

具体的，根据道路信息获取当前路段的信息，然后从车辆信息中查找此路段下历史停车次数信息，根据历史停车次数信息和道路信息中的路况和红绿灯情况等生成路况分析表，例此路段历史停车次数多，红绿灯时间短，则生成此路段路况差较差消息，生成路况分析表。

步骤S102，根据所述车辆补盲信息生成车路协同应用。

具体地，根据不同的车辆生成不同的车路协同应用，通过车路协同应用进行车辆控制。

在此基础上，根据所述车辆补盲信息生成车路协同应用：

根据所述车辆补盲信息生成应用配置信息及应用下发标识；

将所述应用配置信息及应用下发标识封装为车路协同应用。

具体的，根据称量补盲信息生成应用配置信息，和应用下发标识，应用配置信息主要是车辆控制消息和路况提醒，应用下发标识包括需要下发的车辆的信息，表示应用配置完成，可以下发此应用。

在此基础上，将所述车路协同应用下发给车辆，之后还包括：

接收车辆反馈的行驶信息，根据所述行驶信息进行车路协同应用更新。

接收车辆反馈的形式信息，根据形式信息实时调整车路协同应用，能够保证车路协同应用调整车辆的时效性和准确性，降低发生车祸的几率。

步骤S103，将所述车路协同应用下发给车辆。

具体地，将车路协同应用下发给车辆，车辆接收到车路协同应用，从车路协同应用中获取到车辆控制消息，根据车辆控制消息进行车辆控制，同时将路况提醒消息通过语音播报。

本发明能够在边缘计算网关采集道路信息后，根据道路信息得到车辆的补盲信息，然后根据车辆补盲信息再生产车路协同应用，将车路协同应用下发给车辆，使得车辆能在设备端进行数据的处理。降低数据传输的延迟和成本的情况下，提高判断的准确度，增加了事件反应的灵敏性减少事故的发生。智能道路具有人工智能驱动的交通监控解决方案，可检测车辆、行人和骑自行车的人，并实现安全的驾驶。使用边缘计算网关采集道路信息，能够使自动驾驶汽车多一双“眼睛”，边缘计算网关将数据处理的负担从云端转移到设备端，降低数据传输的延迟和成本。

需要说明的是，本发明实施例的方法可以由单个设备执行，例如一台计算机或服务器等。本实施例的方法也可以应用于分布式场景下，由多台设备相互配合来完成。在这种分布式场景的情况下，这多台设备中的一台设备可以只执行本发明实施例的方法中的某一个或多个步骤，这多台设备相互之间会进行交互以完成所述的方法。

需要说明的是，上述对本发明的一些实施例进行了描述。其它实施例在所附权利要求书的范围内。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上述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。

基于同一发明构思，与上述任意实施例方法相对应的，本发明还提供了一种基于边缘计算网关的车路协同数据感知系统。

参考图2，所述一种基于边缘计算网关的车路协同数据感知系统，包括：

数据采集模块201，用于边缘计算网关采集道路信息，根据所述道路信息得到车辆补盲信息；

应用生成模块202，用于根据所述车辆补盲信息生成车路协同应用；

应用下发模块203，用于将所述车路协同应用下发给车辆。

为了描述的方便，描述以上装置时以功能分为各种模块分别描述。当然，在实施本发明时可以把各模块的功能在同一个或多个软件和/或硬件中实现。

上述实施例的装置用于实现前述任一实施例中相应的一种基于边缘计算网关的车路协同数据感知方法，并且具有相应的方法实施例的有益效果，在此不再赘述。

所属领域的普通技术人员应当理解：以上任何实施例的讨论仅为示例性的，并非旨在暗示本发明的范围(包括权利要求)被限于这些例子；在本发明的思路下，以上实施例或者不同实施例中的技术特征之间也可以进行组合，步骤可以以任意顺序实现，并存在如上所述的本发明实施例的不同方面的许多其它变化，为了简明它们没有在细节中提供。

流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。

另外，为简化说明和讨论，并且为了不会使本发明实施例难以理解，在所提供的附图中可以示出或可以不示出与集成电路(IC)芯片和其它部件的公知的电源/接地连接。此外，可以以框图的形式示出装置，以便避免使本发明实施例难以理解，并且这也考虑了以下事实，即关于这些框图装置的实施方式的细节是高度取决于将要实施本发明实施例的平台的(即，这些细节应当完全处于本领域技术人员的理解范围内)。在阐述了具体细节(例如，电路)以描述本发明的示例性实施例的情况下，对本领域技术人员来说显而易见的是，可以在没有这些具体细节的情况下或者这些具体细节有变化的情况下实施本发明实施例。因此，这些描述应被认为是说明性的而不是限制性的。

尽管已经结合了本发明的具体实施例对本发明进行了描述，但是根据前面的描述，这些实施例的很多替换、修改和变型对本领域普通技术人员来说将是显而易见的。例如，其它存储器架构(例如，动态RAM(DRAM))可以使用所讨论的实施例。

本发明实施例旨在涵盖落入所附权利要求的宽泛范围之内的所有这样的替换、修改和变型。因此，凡在本发明实施例的精神和原则之内，所做的任何省略、修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于边缘计算网关的车路协同数据感知方法，其特征在于，包括：

边缘计算网关采集道路信息，根据所述道路信息得到车辆补盲信息；

根据所述车辆补盲信息生成车路协同应用；

将所述车路协同应用下发给车辆。

2.根据权利要求1所述一种基于边缘计算网关的车路协同数据感知方法，其特征在于，所述边缘计算网关采集道路信息包括：

连接多个地图导航软件，获取所述导航软件的地图数据；

根据所述地图数据得到道路信息。

3.根据权利要求2所述一种基于边缘计算网关的车路协同数据感知方法，其特征在于，所述获取所述导航软件的地图数据，之前还包括：

生成授权信息，将所述授权信息发送给所述地图导航软件。

4.根据权利要求2所述一种基于边缘计算网关的车路协同数据感知方法，其特征在于，所述根据所述地图数据得到道路信息包括：

获取实时数据中同种数据类别的多个第一数据，将所述第一数据存储为获取数据表；其中，所述获取数据表包括：数据类别、导航软件名称、导航数据；

判断同种数据类别不同导航软件名称的导航数据是否相同；

响应于所述导航数据相同，将所述数据类别和所述导航数据存储；

响应于所述导航数据不同，对所述导航数据进行数据矫正，得到矫正导航数据；

将所述数据类别和所述矫正导航数据存储；

所述所述数据类别、导航数据和所述矫正导航数据构成所述道路信息。

5.根据权利要求4所述一种基于边缘计算网关的车路协同数据感知方法，其特征在于，所述对所述导航数据进行数据矫正，得到矫正导航数据包括：

选取任一导航软件，截取得到所述导航数据的视频图像及备注信息；

根据所示视频图像及备注信息进行数据矫正，得到矫正导航数据。

6.根据权利要求1所述一种基于边缘计算网关的车路协同数据感知方法，其特征在于，所述根据所述道路信息得到车辆补盲信息包括：

获取车辆信息；

根据所述车辆信息和所述道路信息生成路况分析表；

根据所述路况分析表得到车辆补盲信息。

7.根据权利要求1所述一种基于边缘计算网关的车路协同数据感知方法，其特征在于，所述根据所述车辆信息和所述道路信息生成路况分析表包括：

根据所述道路信息获取车辆信息中历史停车次数信息；

根据所述历史停车次数信息和所述道路信息生成路况分析表。

8.根据权利要求1所述一种基于边缘计算网关的车路协同数据感知方法，其特征在于，所述根据所述车辆补盲信息生成车路协同应用：

根据所述车辆补盲信息生成应用配置信息及应用下发标识；

将所述应用配置信息及应用下发标识封装为车路协同应用。

9.根据权利要求1所述一种基于边缘计算网关的车路协同数据感知方法，其特征在于，所述将所述车路协同应用下发给车辆，之后还包括：

接收车辆反馈的行驶信息，根据所述行驶信息进行车路协同应用更新。

10.一种基于边缘计算网关的车路协同数据感知系统，其特征在于，用于实现如权利要求1-9所述的一种基于边缘计算网关的车路协同数据感知方法，包括：

数据采集模块，用于边缘计算网关采集道路信息，根据所述道路信息得到车辆补盲信息；

应用生成模块，用于根据所述车辆补盲信息生成车路协同应用；

应用下发模块，用于将所述车路协同应用下发给车辆。