CN117549906B - 基于5g短切片专网传输的汽车自动驾驶控制方法及系统 - Google Patents
基于5g短切片专网传输的汽车自动驾驶控制方法及系统 Download PDFInfo
- Publication number
- CN117549906B CN117549906B CN202410036205.9A CN202410036205A CN117549906B CN 117549906 B CN117549906 B CN 117549906B CN 202410036205 A CN202410036205 A CN 202410036205A CN 117549906 B CN117549906 B CN 117549906B
- Authority
- CN
- China
- Prior art keywords
- offset distance
- load
- real
- degree
- calculation model
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 96
- 230000005540 biological transmission Effects 0.000 title claims description 21
- 230000008569 process Effects 0.000 claims abstract description 65
- 238000004364 calculation method Methods 0.000 claims abstract description 45
- 230000004044 response Effects 0.000 claims abstract description 4
- 230000003993 interaction Effects 0.000 claims description 26
- 238000011478 gradient descent method Methods 0.000 claims description 11
- 230000011218 segmentation Effects 0.000 claims description 11
- 238000005516 engineering process Methods 0.000 description 11
- 238000012544 monitoring process Methods 0.000 description 10
- 238000012549 training Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 4
- 230000014509 gene expression Effects 0.000 description 4
- 230000005484 gravity Effects 0.000 description 4
- 238000005457 optimization Methods 0.000 description 4
- 230000002093 peripheral effect Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000004642 transportation engineering Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/12—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to parameters of the vehicle itself, e.g. tyre models
- B60W40/13—Load or weight
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/0098—Details of control systems ensuring comfort, safety or stability not otherwise provided for
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/08—Interaction between the driver and the control system
- B60W50/14—Means for informing the driver, warning the driver or prompting a driver intervention
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/001—Planning or execution of driving tasks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W2050/0001—Details of the control system
- B60W2050/0019—Control system elements or transfer functions
- B60W2050/0028—Mathematical models, e.g. for simulation
- B60W2050/0031—Mathematical model of the vehicle
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2520/00—Input parameters relating to overall vehicle dynamics
- B60W2520/10—Longitudinal speed
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2552/00—Input parameters relating to infrastructure
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Traffic Control Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明属于交通工具装运配载技术领域。具体涉及基于5G短切片专网传输的汽车自动驾驶控制方法及系统，该方法包括获取货物装载过程中的初始配载偏移距离以及目标路线的参数信息，将初始配载偏移距离和目标路线的参数信息输入配载平衡计算模型，以得到实时配载偏移距离；判断所述实时配载偏移距离是否大于设定阈值；响应于实时配载偏移距离大于设定阈值，输出提示存在偏载风险的告警信号。根据本发明的方案，解决了目前交通工具在装运过程中难以有效地平衡配载的问题。
Description
技术领域
本发明一般地涉及交通工具装运配载技术领域。更具体地，本发明涉及基于5G短切片专网传输的汽车自动驾驶控制方法及系统。
背景技术
随着AI技术的不断发展，车辆也逐步从辅助驾驶向无人驾驶转变。自动驾驶技术帮助降低50%-80%的人力成本，新型车辆平台帮助整个车的全生命周期成本降低20%，而调度平台能帮助车辆运营效率提升10%。
对于自动驾驶货运形态，除了需要配置普通的驾驶功能，还需要兼顾运输过程中的配载平衡。配载平衡是在完成配载工作的基础上，将需要运输的货物、行李、旅客等在内部进行合理配置，以确保交通工具的重心符合重心要求。对于很多交通工具来说配载平衡都至关重要，配载不平衡会提升车辆在运输过程中的失衡程度，尤其是运输过程中的路况条件不好、运输距离过长时，将会大大增加交通工具在运输过程中的事故风险。
基于此，目前在货物运输过程中，通常会借助相应的通信技术获取运输过程中的路况信息，从而对装车过程、驾驶过程等进行指导。由于不同路段的路况不同，对货物运输过程会产生较大的影响。因此，如何借助现有的通信技术、导航技术等实现配载过程指导，对于提升运输效率，减少货物损失具有重要意义。其中，5G切片技术作为5G的关键技术之一，它可将现有物理网络进行业务逻辑分割，形成独立的业务逻辑网络，为具有不同业务要求的行业提供相互隔离、管理功能可协商定制的网络服务。
目前的配载过程通常是根据旅客人数、待装载货物的重量等进行配置，或者是统一称量、计算调度后统一进行装运。例如授权公告号为CN109784808B、名称为一种基于配载平衡的交通工具即时装运方法的中国发明专利中，就公开了根据配载平衡对交通工具在装载货物时的装载方式进行指导。但其方案中，在进行装载时，并没有结合车辆在运输过程中配载平衡因素所引发的不安全状况进行配载过程指导，导致交通工具装载运输过程中仍然存在偏载倒塌风险。
基于此，如何解决目前交通工具的装运过程难以有效地平衡配载的问题，是目前研究的重点。
发明内容
为解决上述一个或多个技术问题，本发明提出通过结合初始配载偏移距离以及目标路线的参数信息检测货物是否则运输过程中存在偏载倒塌风险，实现对运输数据的监测分析，有效提升了交通工具装运过程的可靠性，提升了配载效率和运输安全性。为此，本发明在如下的多个方面中提供方案。
在第一方面中，本发明提供了一种基于5G短切片专网传输的汽车自动驾驶控制方法，包括：获取货物装载过程中的初始配载偏移距离以及目标路线的参数信息；将所述初始配载偏移距离和目标路线的参数信息输入配载平衡计算模型，以得到实时配载偏移距离；所述配载平衡计算模型包括：，式中，Y表示实时配载偏移距离，UL表示目标路线的路况偏移交互度， PL表示目标路线中的弯道偏移交互度，/>表示平均车速，y0表示初始配载偏移距离，S表示货物的散乱程度，A1、A2、A4和A5表示超参数；
判断所述实时配载偏移距离是否大于设定阈值；响应于实时配载偏移距离大于设定阈值，输出提示存在偏载风险的告警信号。
在一个实施例中，其中所述获取货物装载过程中的初始配载偏移距离包括：获取货物装载过程中各侧处重量传感器感应的重量信息；根据所述重量信息确定所述初始配载偏移距离。
在一个实施例中，所述目标路线的参数信息包括路线长度、颠簸程度、转弯弧度、转弯次数以及货物的散乱程度。
在一个实施例中，其中所述配载平衡计算模型的获取方式包括：根据目标路线的路况偏移交互度、弯道偏移交互度、平均车速和货物的散乱程度构建配载平衡初始计算模型；根据随机梯度下降法对所述配载平衡初始计算模型进行优化，以得到配载平衡计算模型。
在一个实施例中，所述路况偏移交互度包括：，式中，li是对目标路线L划分M段后的第i段的路线长度，Ti表示第i段的颠簸程度。
在一个实施例中，所述弯道偏移交互度包括：，其中，C是转弯次数，θk为第k次转弯的弧度，rk是第k次转弯的半径，PL表示目标路线L的弯道偏移交互度。
在一个实施例中，所述货物的散乱程度获取方式包括：对货物装载区域图像进行语义分割，并对货物区域和非货物区域进行标记，以识别出货物装载区域的凸包；根据所述凸包计算所有非货物区域的标记值对应的均方差，以表征货物的散乱程度。
在一个实施例中，所述根据随机梯度下降法对所述配载平衡初始计算模型进行优化，以得到配载平衡计算模型包括：根据任意一次运输过程中实际的实时偏移距离和实时偏移距离之间的误差；所述误差采用以下计算公式计算得到：，式中，ei表示误差，Yi表示任意一次计算得到的实时配载偏移距离，/>表示实时偏移距离；
对所述误差求偏导，并通过随机梯度下降法对超参数进行迭代计算，以使得所述误差对应的误差平方和最小，其中所述误差平方和包括：，式中，Q表示误差平方和；
将误差平方和最小时对应的超参数代入所述配载平衡初始计算模型，以得到配载平衡计算模型。
在一个实施例中，所述响应于实时配载偏移距离大于设定阈值，输出提示存在偏载风险的告警信号还包括：根据所述实时配载偏移距离调整装车过程，以减小初始配载偏移距离和货物的散乱程度。
在第二方面中，本发明还提供了一种基于5G短切片专网传输的汽车自动驾驶控制系统，包括：处理器；以及存储器，其存储有用于汽车自动驾驶控制的计算机指令，当所述计算机指令由所述处理器运行时，使得设备执行根据前文中所述的一种基于5G短切片专网传输的汽车自动驾驶控制方法。
有益效果：根据本发明的方案，可以通过在运输工具运输货物之前，先通过目标路线确定出各指标值，并带入关系式模型获得具体的实时配载偏移距离，如果在装车的过程中发现距离超过设定阈值，则发出预警，同时调整装车过程，从而结合运输过程实现了准确而可靠的装车指导，减少货物在运输过程中偏载风险，保证货物在运输工程中的安全性。
进一步，可以通过测量各侧处的重量信息，快速确认货物装载过程中的重心位置，从而确定当前的偏移情况，从而实现准确而可靠的运输信息监测。
进一步，在上述方案中，通过对配载平衡计算模型进行优化设计，有效提升了装载过程监测的可靠性和准确性，为装车指导提供可靠依据，保证了配载过程的准确性且提升了运输安全性。
附图说明
通过参考附图阅读下文的详细描述，本发明示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中，以示例性而非限制性的方式示出了本发明的若干实施方式，并且相同或对应的标号表示相同或对应的部分，其中：
图1是示意性示出根据本发明的实施例的一种基于5G短切片专网传输的汽车自动驾驶控制方法的流程图；
图2是示意性示出根据本发明的实施例的初始配载偏移距离的确定方法的流程图；
图3是示意性示出根据本发明的实施例的配载平衡计算模型的确定方法的流程图；
图4是示意性示出根据本发明的实施例的配载平衡初始计算模型优化方法的流程图；
图5是示意性示出根据本发明的实施例的在某段目标路线运输时配载信息监测过程的示意图；
图6是示意性示出根据本发明的实施例的一种基于5G短切片专网传输的汽车自动驾驶控制系统的结构图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，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，都属于本发明保护的范围。
本方案以货车装载过程为例，对本发明的方案进行详细说明。货车装载过程中，通常是以货车本身的重心为基准，对装载过程进行指导。然而，该过程仅仅是基于当前时刻货车的稳定性进行配载，而对于货车沿着目标路线进行运输时，可能出现的道路状况等对配载平衡的影响并没有涉及。这就导致虽然货车按照规定进行装车后，在运输过程中仍然存在偏载倒塌的风险。
基于此，本发明中通过5G短切片技术实现目标路线中路况信息的快速、可靠获取，并结合目标路线运输过程中影响配载平衡的因素，对装车过程进行数据监测，实现在装车过程中的实时告警，提供有效的装车指导，从而保证了配载平衡，提升了运输过程的可靠性。
下面结合附图来详细描述本发明的具体实施方式。
图1是示意性示出根据本发明的实施例的一种基于5G短切片专网传输的汽车自动驾驶控制方法100的流程图。
如图1所示，在步骤S101处，获取货物装载过程中的初始配载偏移距离以及目标路线的参数信息。在一些实施例中，该目标路线的参数信息包括路线长度、颠簸程度、转弯弧度、转弯次数以及货物的散乱程度。
在步骤S102处，将初始配载偏移距离和目标路线的参数信息输入配载平衡计算模型，以得到实时配载偏移距离。
配载平衡计算模型包括：，式中，Y表示实时配载偏移距离，UL表示目标路线的路况偏移交互度， PL表示目标路线中的弯道偏移交互度，/>表示平均车速，y0表示初始配载偏移距离，S表示货物的散乱程度，A1、A2、A4和A5表示超参数。
在步骤S103处，判断实时配载偏移距离是否大于设定阈值。
在步骤S104处，响应于实时配载偏移距离大于设定阈值，输出提示存在偏载风险的告警信号。在一些实施例中，还可以根据实时配载偏移距离调整装车过程，以减小初始配载偏移距离和货物的散乱程度。例如可以根据货物总重心投影距车辆纵中心线的偏移程度调整。
通过上述方法，可以在装载货物时，每阶段的装载过程均进行上述过程的监测，当配载偏移距离大于设定阈值并进行告警时，可以及时对该阶段的装载过程进行调整，并重新利用上述方法进行数据监测，从而实现准确的装车指导。
图2是示意性示出根据本发明的实施例的初始配载偏移距离的确定方法200的流程图。
如图2所示，在步骤S201处，获取货物装载过程中各侧处重量传感器感应的重量信息。在一些实施例中，在交通工具装载货物时，获取交通工具以车辆纵中心线为界的左右两部分的重量，其中可通过在左右两侧各设置一个重量传感器进行获取，以便于根据左右两部分的重量获得交通工具的初始配载偏移距离。
在步骤S202处，根据重量信息确定初始配载偏移距离。通过配载偏移距离表征交通工具在装载货物时左右两侧的偏移程度。后续在每次装车时，也将通过记录车辆在不同距离和位置处的配载偏移距离实现数据的采集。
需要说明的是，针对每一阶段的装车过程，均可以通过上述方法获得该阶段对应的初始配载偏移距离，并应用于上述运输信息监测过程中。
图3是示意性示出根据本发明的实施例的配载平衡计算模型的确定方法300的流程图。
如图3所示，在步骤S301处，根据目标路线的路况偏移交互度、弯道偏移交互度、平均车速和货物的散乱程度构建配载平衡初始计算模型。在一些实施例中，获得初始配载偏移距离后，接下来就是构建关系式用以表征不同变量对实时配载偏移距离的影响程度（在货物运输过程中实时监测实时配载偏移距离），进一步地，需要获取各变量，从而构建出关系式。在本实施例中对实时配载偏移距离的影响因素包括目标路线的路况偏移交互度、弯道偏移交互度、平均车速和货物的散乱程度等，利用这些因素构建计算模型，可以实现准确监测。
在步骤S302处，根据随机梯度下降法对配载平衡初始计算模型进行优化，以得到配载平衡计算模型。由于上述构建的计算模型中各变量之间为非线性关系，利用随机梯度下降法可以获取准确的关系式模型以进行计算。
在一些实施例中，首先根据货车从出发地到目的地的导航路线，确定出路线长度、路线的颠簸程度和转弯弧度、转弯次数。不同路段可设置不同的编号，且颠簸程度随着编号的增加而增大。路线长度和路线的颠簸程度关联度较高，可以分段计算出总的路况偏移交互度UL。上述路况偏移交互度包括：，式中，li是对目标路线L划分M段后的第i段的路线长度，Ti表示第i段的颠簸程度。
接下来需要确定弯道偏移交互度。首先需要确定运输工具的配载偏移方向，以车辆纵中心线为界分为左右两个方向，本方案中将配载偏移侧所在的方向作为负方向，将另外一个方向作为正方向。示例性的，运输工具的左侧比右侧重，导致配载偏移方向在左侧，因此以车辆纵中心线为界，将左侧所在方向作为负方向，右侧作为正方向，因此车辆在转弯时，如果向右转，则转弯角度为正值，如果向左转，转弯角度为负值，由此可以得到弯道偏移交互度，具体包括：，其中，C是转弯次数，θk为第k次转弯的弧度，rk是第k次转弯的半径，PL表示目标路线L的弯道偏移交互度。
上述划分正负方向的原因在于，如果车辆的一侧发生偏载，如左侧，那么车辆在转弯过程中会受到惯性离心力的作用，如果车辆往右转弯，货物会惯性靠左，进一步加剧偏载偏移距离，此时转弯弧度为正值，值越大则越大，同理如果车辆向左转弯，则货物会惯性靠右，此时转弯弧度为负值，值越大/>越小，但也大于1，反映出转弯会加剧车辆的偏载风险。
路况偏移交互度和速度有关，同时弯道偏移交互度也和速度有关，因此可以在构建完弯道偏移交互度后通过速度将二者联系起来。例如上述路况偏移交互度和弯道偏移交互度/>均和车速有关，因此可以合并为（/>+/>）/>，/>表示平均车速。
在一些实施例中，货物的散乱程度获取方式包括：对货物装载区域图像进行语义分割，并对货物区域和非货物区域进行标记，以识别出货物装载区域的凸包。根据所述凸包计算所有非货物区域的标记值对应的均方差，以表征货物的散乱程度。在一些实施例中，可以通过图像处理手段获取装车平整度，即货物的散乱程度。
在一个应用场景中，通过语义分割网络进行目标识别分割，车辆标记为1，货物标记为2，其余标记为0。然后对图像进行识别，识别后获取所有货物区域的凸包，在此凸包内计算所有非货物区域的均方差，用这个均方差表征货物的散乱程度S。
以上结合各指标因素就可以构建配载平衡计算模型。具体的，通过整合上述关系式，可以得到对应的关系式：。
虽然根据上述过程已经构建了三个主要指标的关系式，但是这些关系式并不能准确反映配载平衡情况，只是在客观规律上大致反映各因素之间的关系，其中A1到A5为超参数，可以通过随机梯度下降法对上述非线性关系式进行回归，从而获得准确的关系式模型来指导运输工具的运输过程。接下来将详细阐述该优化过程。
图4是示意性示出根据本发明的实施例的配载平衡初始计算模型优化方法400的流程图。
如图4所示，在步骤S401处，根据任意一次运输过程中实际的实时偏移距离和实时偏移距离之间的误差。该误差采用以下计算公式计算得到：，式中，ei表示误差，Yi表示任意一次计算得到的实时配载偏移距离，/>表示实时偏移距离。
在步骤S402处，对误差求偏导，并通过随机梯度下降法对超参数进行迭代计算，以使得所述误差对应的误差平方和最小。其中误差平方和包括：，式中，Q表示误差平方和。
在一些实施例中，例如可以令上述误差公式的偏导函数等于0，并通过随机梯度下降法不断调整超参数的梯度实现对超参数的反复迭代，从而使Q达到最小确定出合适的超参数值。
在步骤S403处，将误差平方和最小时对应的超参数代入配载平衡初始计算模型，以得到配载平衡计算模型。
在一些实施例中，将计算出的超参数值带入上述关系式模型中得到具体的实时配载偏移距离的计算模型。然后在运输工具运输货物之前，先通过目标路线确定出各指标值，并代入关系式模型获得具体的实时配载偏移距离，如果在装车的过程中发现距离超过对应的一般偏载距离标准100mm，则发出预警。同时调整装车过程，减少初始配载偏移距离y0和货物的散乱程度S，从而减少货物在运输过程中偏载风险，保证货物在运输工程中的安全性。
图5是示意性示出根据本发明的实施例的在某段目标路线运输时配载信息监测过程的示意图。
如图5所示，首先可以根据货车从出发地到目的地的导航路线，确定出路线长度L，路线的颠簸程度T和转弯弧度θ、转弯次数C。不同路段可设置不同的编号，且颠簸程度随着编号的增加而增大，所述编号为自然数字，示例性的，高速路段的颠簸程度为1，普通公路的颠簸路段为2，土路的颠簸程度为3。
由于货车在出发前已经由导航软件确定好行驶路线，因此本发明中货车在行驶路线中所需经过的转弯次数皆可以根据导航软件规划的整体路线预先确定。示例性的，货车在行驶过程中，可以根据导航软件中的“探路”功能进行模拟导航，导航每次提醒“右转”或“左转”时记一次转弯次数（例如导航语音播报一次“转弯”就记一次转弯次数，不提示就不计）。转弯弧度由当前车辆的行进方向和转弯后的行进方向的夹角确定，如图中的θ1到θ4。
转弯半径可以根据现有文献中的常用公式进行计算，例如可以满足关系式：，其中/>为货车长度。
货车的散乱程度的采集方式可以是：使用工业RGB相机对装载好货物的货车进行图像采集，并将采集到的图像输入已经训练好的语义分割网络中进行目标检测。其中，在语义分割网络的训练过程中，可以采集大量的装载有货物的货车图片作为训练数据集，并对所述训练数据集进行标记来获取标签图片数据集，其中车辆标记为1，货物标记为2，其余标记为0，损失函数使用交叉熵损失函数。在训练过程中，将训练数据集中的图片依次输入语义分割网络中，并通过交叉熵损失函数计算语义分割网络的输出和对应的标签图片之间的损失，通过反向传播调整神经网络的参数，以使在下次的训练过程中使所述损失减小，通过不断的训练使损失减小到预定值（或减小到0），此时可获得训练好的语义分割网络。
通过训练好的语义分割网络对装载有货物的货车进行目标检测，从而分割出货物、货车和货物间的空隙（因为训练时的标签不同，输出的颜色也不相同），计算属于标签2的所有货物的凸包，则在此凸包内只存在货物和货物间的间隙两种类别。在装车过程中，货物分布的越整齐越好，这时候各货物之间的间隙也应该是均匀的，若货物散乱，则货物之间的间隙也会不均匀。因此本发明中通过该凸包内除货物以外的所有被分割出的间隙之间的面积均方差来表示货物的散乱程度S。
针对上述超参数A1到A5，可以取值为A1=4×10-5，A2=2×10-4，A3=0.1，A4=0.04，A5=10。
在获取上述各参数后，示例性的，若货车长度为6米，在图5中共有到/>共五段路，各路段对应的公里长度为20、30、2、30、22，平均速度为64km/h，y0=50mm，（各单位按国标，计算过程不带量纲）对应的颠簸程度为1、2、3、3、2，则UL=20×1+30×2+2×3+30×3+22×2=220。
此时，。转弯弧度θ1到θ4分别为90°、30°、45°、45°。
根据公式，对应的转弯半径为3、6、4、4，则，设S==50，A4·S=0.04×50=20，则Y=（0.0088+0.14）×400+20+10=89.5。由于89.5小于偏载距离标准100mm，所以不发出预警。此时可以按照固定的装车流程继续装车，如果计算超出偏载距离标准，则重新进行装车，从而保证运输过程中的配载平衡。基于此，实现在运输过程中信息的有效监测，保证了运输过程的安全性。
图6是示意性示出根据本发明的实施例的一种基于5G短切片专网传输的汽车自动驾驶控制系统600的结构图。
在本发明的另一方面中，还提供了一种基于5G短切片专网传输的汽车自动驾驶控制系统，包括：处理器；以及存储器，其存储有用于汽车自动驾驶控制的计算机指令，当所述计算机指令由所述处理器运行时，使得设备执行根据前述一个或多个实施例中所述的基于5G短切片专网传输的汽车自动驾驶控制方法。
如图6中所示，该系统中的设备501可以包括CPU5011，其可以是通用CPU、专用CPU或者其他信息处理以及程序运行的执行单元。进一步，设备501还可以包括大容量存储器5012和只读存储器ROM 5013，其中大容量存储器5012可以配置用于存储各类数据以及多媒体网络所需的各种程序，ROM 5013可以配置成存储对于设备501的加电自检、系统中各功能模块的初始化、系统的基本输入/输出的驱动程序及引导操作系统所需的数据。
进一步，设备501还包括其他的硬件平台或组件，例如示出的TPU（TensorProcessing Unit，张量处理单元）5014、GPU（Graphic Processing Unit，图形处理器）5015、FPGA（Field Programmable Gate Array，现场可编程逻辑门阵列）5016和MLU（MemoryLogic Unit)，存储器逻辑单元）5017。可以理解的是，尽管在设备501中示出了多种硬件平台或组件，但这里仅仅是示例性的而非限制性的，本领域技术人员可以根据实际需要增加或移除相应的硬件。例如，设备501可以仅包括CPU作为公知硬件平台和另一硬件平台作为本发明的测试硬件平台。
本发明的设备501还包括通信接口5018，从而可以通过该通信接口5018连接到局域网/无线局域网（LAN/WLAN）505，进而可以通过LAN/WLAN连接到本地服务器506或连接到因特网（“Internet”）507。替代地或附加地，本发明的设备501还可以通过通信接口5018基于无线通信技术直接连接到因特网或蜂窝网络，例如基于第三代（“3G”）、第四代（“4G”）或第5代（“5G”）的无线通信技术。在一些应用场景中，本发明的设备501还可以根据需要访问外部网络的服务器508以及可能的数据库509。
设备501的外围设备可以包括显示装置502、输入装置503以及数据传输接口504。在一个实施例中，显示装置502可以例如包括一个或多个扬声器和/或一个或多个视觉显示器。输入装置503可以包括例如键盘、鼠标、麦克风、姿势捕捉相机，或其他输入按钮或控件，其配置用于接收数据的输入或用户指令。数据传输接口504可以包括例如串行接口、并行接口或通用串行总线接口（“USB”）、小型计算机系统接口（“SCSI”）、串行ATA、火线（“FireWire”）、PCI Express和高清多媒体接口（“HDMI”）等，其配置用于与其他设备或系统的数据传输和交互。
本发明的设备501的上述CPU 5011、大容量存储器5012、只读存储器ROM 5013、TPU5014、GPU 5015、FPGA 5016、MLU 5017和通信接口5018可以通过总线5019相互连接，并且通过该总线与外围设备实现数据交互。在一个实施例中，通过该总线5019，CPU 5011可以控制设备501中的其他硬件组件及其外围设备。
在工作中，本发明的设备501的处理器CPU 5011可以通过输入装置503或数据传输接口504获取媒体数据包，并调取存储于存储器5012中的计算机程序指令或代码运输信息等进行计算。从上面关于本发明模块化设计的描述可以看出，本发明的系统可以根据应用场景或需求进行灵活地布置而不限于附图所示出的架构。
虽然本说明书已经示出和描述了本发明的多个实施例，但对于本领域技术人员显而易见的是，这样的实施例只是以示例的方式提供的。本领域技术人员会在不偏离本发明思想和精神的情况下想到许多更改、改变和替代的方式。应当理解的是在实践本发明的过程中，可以采用对本文所描述的本发明实施例的各种替代方案。
Claims (7)
1.一种基于5G短切片专网传输的汽车自动驾驶控制方法，其特征在于，包括：
获取货物装载过程中的初始配载偏移距离以及目标路线的参数信息；将所述初始配载偏移距离和目标路线的参数信息输入配载平衡计算模型，以得到实时配载偏移距离，所述配载平衡计算模型包括：
式中，Y表示实时配载偏移距离，UL表示目标路线的路况偏移交互度，PL表示目标路线中的弯道偏移交互度，表示平均车速，y0表示初始配载偏移距离，S表示货物的散乱程度，A1、A2、A4和A5表示超参数；
判断所述实时配载偏移距离是否大于设定阈值；
响应于实时配载偏移距离大于设定阈值，输出提示存在偏载风险的告警信号；
其中所述配载平衡计算模型的获取方式包括：
根据目标路线的路况偏移交互度、弯道偏移交互度、平均车速和货物的散乱程度构建配载平衡初始计算模型；
根据随机梯度下降法对所述配载平衡初始计算模型进行优化，以得到配载平衡计算模型；
所述路况偏移交互度包括：
式中，li是对目标路线L划分M段后的第i段的路线长度，Ti表示第i段的颠簸程度；
所述弯道偏移交互度包括：
其中，C是转弯次数，θk为第k次转弯的弧度，rk是第k次转弯的半径，PL表示目标路线L的弯道偏移交互度。
2.根据权利要求1所述的一种基于5G短切片专网传输的汽车自动驾驶控制方法，其特征在于，其中所述获取货物装载过程中的初始配载偏移距离包括：
获取货物装载过程中各侧处重量传感器感应的重量信息；
根据所述重量信息确定所述初始配载偏移距离。
3.根据权利要求1所述的一种基于5G短切片专网传输的汽车自动驾驶控制方法，其特征在于，所述目标路线的参数信息包括路线长度、颠簸程度、转弯弧度、转弯次数以及货物的散乱程度。
4.根据权利要求1所述的一种基于5G短切片专网传输的汽车自动驾驶控制方法，其特征在于，所述货物的散乱程度获取方式包括：
对货物装载区域图像进行语义分割，并对货物区域和非货物区域进行标记，以识别出货物装载区域的凸包；
根据所述凸包计算所有非货物区域的标记值对应的均方差，以表征货物的散乱程度。
5.根据权利要求4所述的一种基于5G短切片专网传输的汽车自动驾驶控制方法，其特征在于，所述根据随机梯度下降法对所述配载平衡初始计算模型进行优化，以得到配载平衡计算模型包括：
根据任意一次运输过程中实际的实时偏移距离和实时偏移距离之间的误差；所述误差采用以下计算公式计算得到：
式中，ei表示误差，Yi表示任意一次计算得到的实时配载偏移距离，表示实时偏移距离；
对所述误差求偏导，并通过随机梯度下降法对超参数进行迭代计算，以使得所述误差对应的误差平方和最小，其中所述误差平方和包括：
式中，Q表示误差平方和；
将误差平方和最小时对应的超参数代入所述配载平衡初始计算模型，以得到配载平衡计算模型。
6.根据权利要求1所述的基于5G短切片专网传输的汽车自动驾驶控制方法，其特征在于，所述响应于实时配载偏移距离大于设定阈值，输出提示存在偏载风险的告警信号还包括：
根据所述实时配载偏移距离调整装车过程，以减小初始配载偏移距离和货物的散乱程度。
7.一种基于5G短切片专网传输的汽车自动驾驶控制系统，其特征在于，包括：
处理器；以及
存储器，其存储有用于汽车自动驾驶控制的计算机指令，当所述计算机指令由所述处理器运行时，使得设备执行根据权利要求1-6的任意一项所述的一种基于5G短切片专网传输的汽车自动驾驶控制方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410036205.9A CN117549906B (zh) | 2024-01-10 | 2024-01-10 | 基于5g短切片专网传输的汽车自动驾驶控制方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410036205.9A CN117549906B (zh) | 2024-01-10 | 2024-01-10 | 基于5g短切片专网传输的汽车自动驾驶控制方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117549906A CN117549906A (zh) | 2024-02-13 |
| CN117549906B true CN117549906B (zh) | 2024-03-26 |
Family
ID=89818921
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410036205.9A Active CN117549906B (zh) | 2024-01-10 | 2024-01-10 | 基于5g短切片专网传输的汽车自动驾驶控制方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117549906B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH08244981A (ja) * | 1995-03-16 | 1996-09-24 | Honda Motor Co Ltd | 貨物積載バランス評価方法 |
| CN101593321A (zh) * | 2009-06-30 | 2009-12-02 | 北京交通大学 | 一种车辆货物装载方法以及货物装载方案确定装置 |
| CN108446870A (zh) * | 2018-01-30 | 2018-08-24 | 天津大学 | 一种大件货陆运安全综合决策方法 |
| CN113011809A (zh) * | 2021-01-26 | 2021-06-22 | 浙江双友物流器械股份有限公司 | 一种多路况运输的货物位移监测方法 |
| KR20220068664A (ko) * | 2020-11-19 | 2022-05-26 | (주)토탈소프트뱅크 | 화물 선적 계획 방법을 이용한 화물선적관리장치 및 방법 |
| WO2022168733A1 (ja) * | 2021-02-08 | 2022-08-11 | 株式会社Ihi | 重心位置判定装置及び方法 |
| KR102558340B1 (ko) * | 2022-02-22 | 2023-07-21 | 주식회사 디티인터내셔널 | 화물 적재 시스템 및 화물 적재 방법 |
-
2024
- 2024-01-10 CN CN202410036205.9A patent/CN117549906B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH08244981A (ja) * | 1995-03-16 | 1996-09-24 | Honda Motor Co Ltd | 貨物積載バランス評価方法 |
| CN101593321A (zh) * | 2009-06-30 | 2009-12-02 | 北京交通大学 | 一种车辆货物装载方法以及货物装载方案确定装置 |
| CN108446870A (zh) * | 2018-01-30 | 2018-08-24 | 天津大学 | 一种大件货陆运安全综合决策方法 |
| KR20220068664A (ko) * | 2020-11-19 | 2022-05-26 | (주)토탈소프트뱅크 | 화물 선적 계획 방법을 이용한 화물선적관리장치 및 방법 |
| CN113011809A (zh) * | 2021-01-26 | 2021-06-22 | 浙江双友物流器械股份有限公司 | 一种多路况运输的货物位移监测方法 |
| WO2022168733A1 (ja) * | 2021-02-08 | 2022-08-11 | 株式会社Ihi | 重心位置判定装置及び方法 |
| KR102558340B1 (ko) * | 2022-02-22 | 2023-07-21 | 주식회사 디티인터내셔널 | 화물 적재 시스템 및 화물 적재 방법 |
Non-Patent Citations (1)
| Title |
|---|
| 基于遗传算法的铁路小型集装箱装车配载优化;杨广全;梁永刚;刘平;;铁道货运;20170525(05);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117549906A (zh) | 2024-02-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11580857B2 (en) | Apparatus and method for safety improvement by collaborative autonomous vehicles | |
| Hiekata et al. | Systems analysis for deployment of internet of things (IoT) in the maritime industry | |
| US11926315B2 (en) | Electronic apparatus for detecting risk factors around vehicle and method for controlling same | |
| US11945481B2 (en) | Method and apparatus for tracking and controlling virtual marshalling trains, electronic device, and readable storage medium | |
| CN109903558A (zh) | 一种道路桥梁车辆荷载监控系统及监控方法 | |
| EP3961183A1 (en) | Impact speed control method and apparatus, storage medium and electronic device | |
| CN116523270B (zh) | 一种物流运输任务自动调度方法、设备、服务器及介质 | |
| US20230040713A1 (en) | Simulation method for autonomous vehicle and method for controlling autonomous vehicle | |
| CN117549906B (zh) | 基于5g短切片专网传输的汽车自动驾驶控制方法及系统 | |
| US20210201260A1 (en) | System and Method for Transportation Management | |
| CN109945880B (zh) | 路径规划方法、相关设备及可读存储介质 | |
| CN104165676A (zh) | 通过轴动态监控、轴组秤量的动态车辆高精度称重方法 | |
| CN113884170B (zh) | 货车偏载识别方法、装置及计算机可读存储介质 | |
| US11125578B2 (en) | Subscription based smart refueling | |
| US20230162542A1 (en) | Device and method for handling a data associated with energy consumption of a vehicle | |
| US11525728B1 (en) | Systems and methods for determining an estimated weight of a vehicle | |
| US20210390795A1 (en) | Distributed System | |
| CN115272166A (zh) | 模型训练方法、缺陷目标检测方法、装置及存储介质 | |
| CN114895670A (zh) | 机器人碰撞预测方法及装置、电子设备和存储介质 | |
| CN112668971A (zh) | 运输预警信息处理方法及装置 | |
| CN112230659A (zh) | 精准规划运动轨迹的方法、智能控制设备及自动驾驶车辆 | |
| US20230150517A1 (en) | Systems and methods for determining an estimated weight of a vehicle | |
| CN114347032B (zh) | 一种复合agv机器人的控制方法及系统 | |
| CN116386365B (zh) | 一种提升港区道路安全性的交通路径诱导方法及系统 | |
| CN117592891B (zh) | 一种用于危险化学品的物流管理系统 |
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 |