CN118082771B - 一种电机车无人驾驶控制方法 - Google Patents

Abstract

本发明公开了一种电机车无人驾驶控制方法，通过于轨道划分为多个连续的路段，并于路段的两侧分别设置对射式光电传感器；通过对射式光电传感器实时检测是否到有物体穿过；将检测到有物体穿过的路段标记为第一目标路段，电机车的处理器基于第一目标路段与电机车之间的实时距离，以及电机车的当前车速计算第一容错距离；通过比较第一容错距离和最短制动距离的大小来判断是否立即制动，若尚且不需要立即制动，则基于摄像头拍摄的实时图像判断第一目标路段是否确实存在影响车辆通行的障碍物，即通过二次判断来排除干扰事件，避免因误判而导致的紧急制动。

Description

一种电机车无人驾驶控制方法

技术领域

本发明涉及电机车控制技术领域，具体涉及一种电机车无人驾驶控制方法。

背景技术

无人驾驶（自动驾驶）是多种高精尖学科和技术在车辆上的融合。关于自动驾驶的分级，目前国际上普遍认可的是SAE（国际汽车工程师协会）的分级标准，即分为L0-L5，共六级。

在复杂的道路情况下，完全实现自动驾驶目前相对困难，但在一些特殊的细分领域，自动驾驶却可以率先实现落地，例如港口的集装箱货车、钢铁厂中的内部物流车，货物运输的电机车等；这些区域的道路环境相对单一，外部干扰因素少，能够实现一定程度的自动驾驶。

目前，货物运输有轨电机车的自动驾驶方案中，多采用远程遥控的方式来控制电机车的行驶，电机车驾驶过程中通过设置于车头的雷达来实时判断前方是否具有障碍物，这种方案存在如下缺陷：雷达的检测范围有限，并不能够精准且及时的获取轨道前方任一位置是否存在障碍物，安全性有待提升。

发明内容

本发明的主要目的是提供一种电机车无人驾驶控制方法，旨在解决现有技术中轨道电机车的雷达检测范围有限，并不能够精准且及时的获取轨道前方任一位置是否存在障碍物的问题。

本发明提出的技术方案为：

一种电机车无人驾驶控制方法，应用于电机车无人驾驶控制系统；所述系统包括电机车、处理器、控制器、对射式光电传感器、摄像头和位置传感器；电机车用于在轨道上行驶；处理器和控制器均设置于电机车；对射式光电传感器的数量为多个；对射式光电传感器包括发射端和接收端；轨道包括多个路段，每个路段的一侧的起点和终点分别对应设置有发射端和接收端，每个路段的另一侧的起点和终点分别对应设置有发射端和接收端；每个路段的中部对应设置有1个位置传感器；每个路段至少对应设置有1个摄像头，以用于对轨道进行实况拍摄；对射式光电传感器、摄像头和位置传感器均与处理器通信连接；所述方法，包括：

当对射式光电传感器实时检测到有物体穿过时，处理器将检测到有物体穿过的对射式光电传感器所对应的路段标记为第一目标路段；

处理器基于第一目标路段对应的位置传感器获取第一目标路段与电机车之间的实时距离，并基于实时距离和电机车的当前车速计算第一容错距离；

当第一容错距离小于或等于电机车的最短制动距离时，处理器通过控制器控制电机车以最大制动能力进行制动；

当第一容错距离大于电机车的最短制动距离时，处理器通过控制器控制电机车减速，并基于摄像头拍摄的实时图像进行图像识别以判断第一目标路段是否存在影响车辆通行的障碍物；

若存在，处理器通过控制器控制电机车进行制动；

若不存在，处理器通过控制器控制电机车解除制动。

优选的，所述系统还包括与处理器通信连接的云服务器；云服务器存储有制动数据，制动数据包括车速，以及与车速对应的最短制动距离；电机车同样设置有与处理器通信连接的位置传感器；所述处理器基于第一目标路段对应的位置传感器获取第一目标路段与电机车之间的实时距离，并基于实时距离和电机车的当前车速计算第一容错距离，包括：

处理器基于电机车本身的位置传感器，以及第一目标路段的位置传感器获取第一目标路段与电机车之间的实时距离；

处理器获取电机车的当前车速，并基于第一目标路段与电机车之间的实时距离和当前车速计算第一容错距离：

，

式中，为第一容错距离，单位为米；为电机车的当前车速，单位米每秒；为故障判断时长，取正数，单位为秒；为第一目标路段与电机车之间的实时距离，单位为米；为第一目标路段的长度，单位为米；

所述当第一容错距离小于或等于电机车的最短制动距离时，处理器通过控制器控制电机车以最大制动能力进行制动，之前还包括：

处理器基于制动数据获取电机车在当前车速对应的最短制动距离。

优选的，所述系统还包括与云服务器通信连接的管理终端；每个电机车对应设置有唯一的机车编号；所述当第一容错距离小于或等于电机车的最短制动距离时，处理器通过控制器控制电机车以最大制动能力进行制动，之后还包括：

处理器生成告警信息，并将告警信息发送至云服务器，其中，告警信息包括当前正在以最大制动能力进行制动的电机车的机车编号；

云服务器基于告警信息将告警信息对应的电机车标记为第一目标机车；

云服务器将处于第一目标机车之后，且距离第一目标机车最近的电机车标记为第二目标机车；

云服务器实时获取第一目标机车和第二目标机车之间的距离，并标记为两车距离，实时将两车距离发送至第二目标机车；

云服务器获取通过管理终端输入的预估故障处理时长，并发送至第二目标机车；

第二目标机车的处理器对预估故障处理时长进行矫正后得到矫正预估时长，并基于矫正预估时长、第二目标机车的当前车速，以及第二目标机车的当前车速所对应的最短制动距离计算生成第二容错距离：

，

式中，为第二容错距离，单位为米；为矫正预估时长，单位为秒；为第二目标机车的当前车速，单位为米每秒；为第二目标机车的当前车速所对应的最短制动距离，单位为米；

当两车距离大于第二容错距离时，第二目标机车的处理器通过控制器控制车辆按照当前车速进行行驶；

当两车距离小于或等于第二容错距离时，第二目标机车的处理器计算得到目标车速，其中，目标车速小于第二目标机车的当前车速；

第二目标机车的处理器通过控制器控制第二目标机车降速至目标车速，并以目标车速进行行驶。

优选的，所述当两车距离小于或等于第二容错距离时，第二目标机车的处理器计算得到目标车速，包括：

第二目标机车的处理器令目标车速为，第二目标机车从当前车速降至目标车速所耗费的时长为，两车距离为，电机车的长度为，则第二目标机车降速后符合第一公式：

（1），

第二目标机车的处理器基于第一公式计算得到目标车速：

，

式中，为目标车速，单位为米每秒；为两车距离，单位为米；为第二目标机车从当前车速降至目标车速所耗费的时长，单位为秒；A为第一冗余速度，单位米每秒，取正数。

优选的，所述第二目标机车的处理器对预估故障处理时长进行矫正后得到矫正预估时长，包括：

云服务器获取过去第一预设时间段的历史故障处理数据，其中，历史故障处理数据包括每个故障事件所对应的预估故障处理时长和实际故障处理时长，故障事件为路段出现影响车辆通行的障碍物；

云服务器基于历史故障处理数据生成时长比例系数：

，

式中，为时长比例系数；为第i个故障事件所对应的预估故障处理时长，单位为秒；为第i个故障事件所对应的实际故障处理时长，单位为秒；i为小于或等于N的正整数，N为历史故障处理数据中故障事件的总数量；

云服务器基于时长比例系数对管理终端输入的预估故障处理时长进行矫正以得到矫正预估时长：

，

式中，为矫正预估时长，单位为秒；为管理终端输入的预估故障处理时长，单位为秒。

优选的，还包括：

云服务器获取过去第一预设时间段内各路段出现影响车辆通行的障碍物的次数，并标记为故障次数：

云服务器将故障次数大于第一预设数量的路段标记为第二目标路段，并将第二目标路段、与第二目标路段相邻的前第二预设数量个路段，以及与第二目标路段相邻的后第二预设数量个路段合并标记为第一目标区域段；

云服务器将故障次数小于或等于第一预设数量且大于或等于1的路段标记为第三目标路段，并将第三目标路段、与第三目标路段相邻的前第二预设数量个路段，以及与第三目标路段相邻的后第二预设数量个路段合并标记为第二目标区域段，其中，当第一目标区域段和第二目标区域段出现重叠时，优先标记第一目标区域段；

云服务器将第一目标区域段按照故障次数从多至少的顺序排列，其中，第一目标区域段的排列序号为：[G₁,...G_k,...,G_K]，第G_k个第一目标区域段表示顺序为第k的第一目标区域段，K为第一目标区域段的总数量；

云服务器将轨道除第一目标区域段和第二目标区域段之外的区域段标记为正常区域段；

云服务器获取轨道的总里程，以及电机车行驶前确定的目标时限，并基于目标时限和轨道的总里程计算第一目标区域段对应的行驶速度、第二目标区域段对应的行驶速度和正常区域段对应的行驶速度，并发送至电机车的处理器；

电机车于轨道行驶时，处理器通过控制器控制电机车在第一目标区域段按照第一目标区域段对应的行驶速度行驶，在第二目标区域段按照第二目标区域段对应的行驶速度行驶，在正常目标区域段按照正常目标区域段对应的行驶速度行驶。

优选的，所述云服务器获取电机车行驶前确定的目标时限，以及轨道的总里程，并基于目标时限和轨道的总里程计算第一目标区域段对应的行驶速度、第二目标区域段对应的行驶速度和正常区域段对应的行驶速度的计算公式为：

，

，

，

式中，为第G_k个第一目标区域段对应的行驶速度，单位为米每秒；为第一预设数量；为第G_k个第一目标区域段所对应的第二目标路段的故障次数；为第二目标区域段对应的行驶速度，单位为米每秒；为正常区域段对应的行驶速度，单位为米每秒；为轨道的总里程，单位为米；为目标时限，单位为秒；为第p个第二目标区域段的总长度，单位为米，p为小于或等于P的正整数，P为第二目标区域段的总数量；为第G_k个第一目标区域段的长度，单位为米；B为第二冗余速度，单位米每秒，取正数。

优选的，所述处理器基于第一目标路段对应的位置传感器获取第一目标路段与电机车之间的实时距离，并基于实时距离和电机车的当前车速计算第一容错距离，之后还包括：

当第一容错距离大于电机车的最短制动距离时，处理器通过控制器控制电机车减速，并向云服务器发送反馈信息，其中，反馈信息包括本电机车的机车编号；

摄像头将拍摄的第一目标路段的实时图像发送至管理终端；

管理终端将第一目标路段的实时图像进行显示，并获取管理人员输入的判断指令，其中，判断指令包括出现路障和未出现路障中任一项；

管理终端将判断指令通过云服务器发送至反馈信息对应的电机车的处理器；

当判断指令为出现路障时，处理器确定第一目标路段存在影响车辆通行的障碍物；

当判断指令为未出现路障时，处理器确定第一目标路段不存在影响车辆通行的障碍物。

优选的，所述系统还包括与管理终端通信连接的移动终端；所述管理终端将第一目标路段的实时图像进行显示，并获取管理人员输入的判断指令，之后还包括：

当判断指令为出现路障时，管理终端生成报警信息并发送至移动终端。

通过上述技术方案，能实现以下有益效果：

本发明提出的电机车无人驾驶控制方法能够更加精准且及时的获取轨道前方任一位置是否存在障碍物；通过于轨道划分为多个连续的路段，并于路段的两侧分别设置对射式光电传感器；通过对射式光电传感器实时检测是否到有物体穿过，进而实时获取轨道任一位置的路况；将检测到有物体穿过的路段标记为第一目标路段，电机车的处理器基于第一目标路段与电机车之间的实时距离，以及电机车的当前车速计算第一容错距离；通过比较第一容错距离和最短制动距离的大小来判断是否立即制动，若尚且不需要立即制动，则基于摄像头拍摄的实时图像判断第一目标路段是否确实存在影响车辆通行的障碍物，即通过二次判断来排除干扰事件，避免因误判而导致的紧急制动；若确实出现障碍物，则通过控制器控制电机车继续制动；本方案能够基于连续设置的对射式光电传感器来实时检测轨道的任一位置是否到有物体穿过，相比传统技术方案，检测范围更大，安全性更高。

附图说明

为了更清楚地说明本发明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发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图示出的结构获得其他的附图。

图1为本发明提出的一种电机车无人驾驶控制方法第一实施例的流程图。

具体实施方式

应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

本发明提出一种电机车无人驾驶控制方法。

如附图1所示，在本发明提出的一种电机车无人驾驶控制方法的一实施例中，本电机车无人驾驶控制方法应用于电机车无人驾驶控制系统；所述系统包括电机车、处理器、控制器、对射式光电传感器、摄像头和位置传感器；电机车用于在轨道上行驶；处理器和控制器均设置于电机车；对射式光电传感器的数量为多个；对射式光电传感器包括发射端和接收端；轨道包括多个路段，每个路段的一侧的起点和终点分别对应设置有发射端和接收端（同一对射式光电传感器的发射端和接收端彼此正相对，发送端向接收端发送激光，接收端实时接收激光，当接收端某时刻未接收到激光时，说明有物体穿过发射端和接收端之间（杂物或行人），即轨道具有存在障碍物的风险），每个路段的另一侧的起点和终点分别对应设置有发射端和接收端（即轨道的每个路段的两侧分别设置有1个对射式光电传感器）；每个路段的中部对应设置有1个位置传感器；每个路段至少对应设置有1个摄像头（可设置于轨道的电线支撑架上），以用于对轨道进行实况拍摄；对射式光电传感器、摄像头和位置传感器均与处理器通信连接；本实施例包括如下步骤：

步骤S110：当对射式光电传感器实时检测到有物体穿过时，处理器将检测到有物体穿过的对射式光电传感器所对应的路段标记为第一目标路段。

具体的，这里的第一目标路段即是具有存在障碍物的风险的路段。

步骤S120：处理器基于第一目标路段对应的位置传感器获取第一目标路段与电机车之间的实时距离，并基于实时距离和电机车的当前车速计算第一容错距离。

具体的，这里的第一容错距离即是基于实时距离并考虑到延时判断时长（即后续判断第一目标路段是否确实出现故障物）后留着电机车进行制动的实际距离。

步骤S130：当第一容错距离小于或等于电机车的最短制动距离时，处理器通过控制器控制电机车以最大制动能力进行制动。

具体的，当第一容错距离小于或等于电机车的最短制动距离时，说明电机车距离第一目标路段的距离较近，以最大制动能力（对应最短制动距离）进行制动时仍不能保证电机车在第一目标路段之前停下，故为了安全，直接以最大制动能力进行制动。

步骤S140：当第一容错距离大于电机车的最短制动距离时，处理器通过控制器控制电机车减速，并基于摄像头拍摄的实时图像进行图像识别以判断第一目标路段是否存在影响车辆通行的障碍物。

具体的，当第一容错距离大于电机车的最短制动距离时，说明电机车距离第一目标路段的距离较远，具有一定的容错空间，为了防止出现误判而紧急制动，可以先控制电机车以非最大制动能力减速（例如以50%的制动能力进行制动），然后同时基于摄像头拍摄的实时图像进行图像识别以判断第一目标路段是否存在影响车辆通行的障碍物。

步骤S150：若存在，处理器通过控制器控制电机车进行制动。

具体的，若存在障碍物，继续进行制动。

步骤S160：若不存在，处理器通过控制器控制电机车解除制动。

具体的，若不存在障碍物，处理器通过控制器解除制动，并恢复正常行驶即可。

本发明提出的电机车无人驾驶控制方法能够更加精准且及时的获取轨道前方任一位置是否存在障碍物；通过于轨道划分为多个连续的路段，并于路段的两侧分别设置对射式光电传感器；通过对射式光电传感器实时检测是否到有物体穿过，进而实时获取轨道任一位置的路况；将检测到有物体穿过的路段标记为第一目标路段，电机车的处理器基于第一目标路段与电机车之间的实时距离，以及电机车的当前车速计算第一容错距离；通过比较第一容错距离和最短制动距离的大小来判断是否立即制动，若尚且不需要立即制动，则基于摄像头拍摄的实时图像判断第一目标路段是否确实存在影响车辆通行的障碍物，即通过二次判断来排除干扰事件，避免因误判而导致的紧急制动；若确实出现障碍物，则通过控制器控制电机车继续制动；本方案能够基于连续设置的对射式光电传感器来实时检测轨道的任一位置是否到有物体穿过，相比传统技术方案，检测范围更大，安全性更高。

在本发明提出的一种电机车无人驾驶控制方法的第二实施例中，基于第一实施例，所述系统还包括与处理器通信连接的云服务器；云服务器存储有制动数据，制动数据包括车速，以及与车速对应的最短制动距离；电机车同样设置有与处理器通信连接的位置传感器；步骤S120，包括如下步骤：

步骤S210：处理器基于电机车本身的位置传感器，以及第一目标路段的位置传感器获取第一目标路段与电机车之间的实时距离。

步骤S220：处理器获取电机车的当前车速，并基于第一目标路段与电机车之间的实时距离和当前车速计算第一容错距离：

，

式中，为第一容错距离，单位为米；为电机车的当前车速，单位米每秒；为故障判断时长（具体为判断第一目标路段是否确实存在影响车辆通行的障碍物所需要的时长，该判断步骤可以是人工判断，也可以是通过图像识别来判断，例如5秒），取正数，单位为秒；为第一目标路段与电机车之间的实时距离，单位为米；为第一目标路段的长度，单位为米。

具体的，本实施例给出了第一容错距离的具体计算方案，该计算公式中，第一容错距离考虑了在故障判断时长期间电机车仍然以当前速度进行行驶的距离，还考虑了第一目标路段的一半距离（因位置传感器设置于路段的中部）。

步骤S130，之前还包括如下步骤：

步骤S230：处理器基于制动数据获取电机车在当前车速对应的最短制动距离。

具体的，因不同的车速所对应的最短制动距离不相同，故需要通过查询制动数据以获取电机车在当前车速对应的最短制动距离。

在本发明提出的一种电机车无人驾驶控制方法的第三实施例中，基于第二实施例，所述系统还包括与云服务器通信连接的管理终端（即实时监控管理人员所使用的终端）；每个电机车对应设置有唯一的机车编号；步骤S130，之后还包括如下步骤：

步骤S310：处理器生成告警信息，并将告警信息发送至云服务器，其中，告警信息包括当前正在以最大制动能力进行制动的电机车的机车编号。

步骤S320：云服务器基于告警信息将告警信息对应的电机车标记为第一目标机车。

步骤S330：云服务器将处于第一目标机车之后，且距离第一目标机车最近的电机车标记为第二目标机车。

具体的，这里的第二目标机车因是距离第一目标机车最近的电机车，故需要基于其与第一目标机车的实时距离来判断是否需要进行减速。

步骤S340：云服务器实时获取第一目标机车和第二目标机车之间的距离，并标记为两车距离，实时将两车距离发送至第二目标机车。

具体的，这里的两车距离即是第一目标机车和第二目标机车之间的实时距离。

步骤S350：云服务器获取通过管理终端输入的预估故障处理时长（预估故障处理时长即是管理人员输入的能够将障碍物完全移除的预估时长，例如5分钟），并发送至第二目标机车。

步骤S360：第二目标机车的处理器对预估故障处理时长进行矫正后得到矫正预估时长，并基于矫正预估时长、第二目标机车的当前车速，以及第二目标机车的当前车速所对应的最短制动距离计算生成第二容错距离：

，

式中，为第二容错距离，单位为米；为矫正预估时长，单位为秒；为第二目标机车的当前车速，单位为米每秒；为第二目标机车的当前车速所对应的最短制动距离，单位为米。

具体的，这里的第二容错距离即是考虑到矫正预估时长和第二目标机车的当前车速所对应的最短制动距离的安全距离，也就是说，第一目标机车和第二目标机车之间的实时距离大于第二容错距离时，第二目标机车尚不需要减速；第一目标机车和第二目标机车之间的实时距离小于或等于第二容错距离时，第二目标机车需要减速。

步骤S370：当两车距离大于第二容错距离时，第二目标机车的处理器通过控制器控制车辆按照当前车速进行行驶。

步骤S380：当两车距离小于或等于第二容错距离时，第二目标机车的处理器计算得到目标车速，其中，目标车速小于第二目标机车的当前车速。

具体的，当两车距离小于或等于第二容错距离时，第二目标机车需要降速，这里的目标车速即是车速下降的目标值，第二目标机车在目标车速下行驶时，能够保证不与第一目标机车出现碰撞。

步骤S390：第二目标机车的处理器通过控制器控制第二目标机车降速至目标车速，并以目标车速进行行驶。

在本发明提出的一种电机车无人驾驶控制方法的第四实施例中，基于第三实施例，步骤S380，包括如下步骤：

步骤S410：第二目标机车的处理器令目标车速为，第二目标机车从当前车速降至目标车速所耗费的时长为，两车距离为，电机车的长度为，则第二目标机车降速后符合第一公式：

（1），

具体的，上述第一公式的含义在于：当第二目标机车从当前车速下降至目标车速时，两车距离至少应等于第二目标机车的当前车速所对应的最短制动距离，加上矫正预估时长减去降速所耗费时长乘以目标车速，再加上第二目标机车在降速过程中所行驶的距离；这样就能够保证即使在矫正预估时长的最后一刻才完成障碍物的移除，也能够防止第二目标机车与第一目标机车相碰撞。

步骤S110：第二目标机车的处理器基于第一公式计算得到目标车速：

，

式中，为目标车速，单位为米每秒；为两车距离，单位为米；为第二目标机车从当前车速降至目标车速所耗费的时长，单位为秒；A为第一冗余速度，单位米每秒，取正数（例如2米每秒）。

在本发明提出的一种电机车无人驾驶控制方法的第五实施例中，基于第三实施例，所述第二目标机车的处理器对预估故障处理时长进行矫正后得到矫正预估时长，包括如下步骤：

步骤S510：云服务器获取过去第一预设时间段（例如过去1年）的历史故障处理数据，其中，历史故障处理数据包括每个故障事件所对应的预估故障处理时长和实际故障处理时长，故障事件为路段出现影响车辆通行的障碍物。

步骤S520：云服务器基于历史故障处理数据生成时长比例系数：

，

式中，为时长比例系数；为第i个故障事件所对应的预估故障处理时长，单位为秒；为第i个故障事件所对应的实际故障处理时长，单位为秒；i为小于或等于N的正整数，N为历史故障处理数据中故障事件的总数量。

步骤S530：云服务器基于时长比例系数对管理终端输入的预估故障处理时长进行矫正以得到矫正预估时长：

，

式中，为矫正预估时长，单位为秒；为管理终端输入的预估故障处理时长，单位为秒。

具体的，时长比例系数能够反应每个故障事件所对应的预估故障处理时长和实际故障处理时长的比例关系，故通过时长比例系数能够对预估故障处理时长进行矫正，以得到更加准确的矫正预估时长。

在本发明提出的一种电机车无人驾驶控制方法的第六实施例中，基于第二实施例，本实施例还包括如下步骤：

步骤S610：云服务器获取过去第一预设时间段（例如过去1年）内各路段出现影响车辆通行的障碍物的次数，并标记为故障次数。

步骤S620：云服务器将故障次数大于第一预设数量（例如3次）的路段标记为第二目标路段，并将第二目标路段、与第二目标路段相邻的前第二预设数量（第二预设数量与各路段的长度相关，应保证第一目标区域段的长度不小于5000米，则如果路段的长度为100米，则相应的第二预设数量的取值为25）个路段，以及与第二目标路段相邻的后第二预设数量个路段合并标记为第一目标区域段。

步骤S630：云服务器将故障次数小于或等于第一预设数量且大于或等于1的路段标记为第三目标路段，并将第三目标路段、与第三目标路段相邻的前第二预设数量个路段，以及与第三目标路段相邻的后第二预设数量个路段合并标记为第二目标区域段，其中，当第一目标区域段和第二目标区域段出现重叠时，优先标记第一目标区域段。

步骤S640：云服务器将第一目标区域段按照故障次数从多至少的顺序排列，其中，第一目标区域段的排列序号为：[G₁,...G_k,...,G_K]，第G_k个第一目标区域段表示顺序为第k的第一目标区域段，K为第一目标区域段的总数量。

步骤S650：云服务器将轨道除第一目标区域段和第二目标区域段之外的区域段标记为正常区域段。

具体的，这里的第一目标区域段即是具有相对高风险容易出现障碍物的区域段，第二目标区域段即是具有相对中风险出现障碍物的区域段；正常区域段即是具有相对低风险出现障碍物的区域段。

步骤S660：云服务器获取轨道的总里程，以及电机车行驶前确定的目标时限，并基于目标时限和轨道的总里程计算第一目标区域段对应的行驶速度、第二目标区域段对应的行驶速度和正常区域段对应的行驶速度，并发送至电机车的处理器。

步骤S670：电机车于轨道行驶时，处理器通过控制器控制电机车在第一目标区域段按照第一目标区域段对应的行驶速度行驶，在第二目标区域段按照第二目标区域段对应的行驶速度行驶，在正常目标区域段按照正常目标区域段对应的行驶速度行驶。

具体的，不同风险的路段对应设置不同的形式速度，具体为第一目标区域段对应的行驶速度最慢，正常区域段对应的行驶速度最快；从而在保证运输效率的同时，兼顾安全性。

在本发明提出的一种电机车无人驾驶控制方法的第七实施例中，基于第六实施例，所述云服务器获取电机车行驶前确定的目标时限，以及轨道的总里程，并基于目标时限和轨道的总里程计算第一目标区域段对应的行驶速度、第二目标区域段对应的行驶速度和正常区域段对应的行驶速度的计算公式为：

，

，

，

式中，为第G_k个第一目标区域段对应的行驶速度，单位为米每秒；为第一预设数量；为第G_k个第一目标区域段所对应的第二目标路段的故障次数；为第二目标区域段对应的行驶速度，单位为米每秒；为正常区域段对应的行驶速度，单位为米每秒；为轨道的总里程，单位为米；为目标时限，单位为秒；为第p个第二目标区域段的总长度，单位为米，p为小于或等于P的正整数，P为第二目标区域段的总数量；为第G_k个第一目标区域段的长度，单位为米；B为第二冗余速度，单位米每秒，取正数（考虑到电机车在行驶过程中可能出现的意外减速，需要设置第二冗余速度，例如2米每秒）。

具体的，本实施例给出了第一目标区域段对应的行驶速度、第二目标区域段对应的行驶速度和正常区域段对应的行驶速度的计算公式；其中，第一目标区域段对应的行驶速度考虑了第一目标区域段所对应的第二目标路段的故障次数，具体为第一目标区域段所对应的第二目标路段的故障次数越多，则该第一目标区域段出现障碍物的风险越高，则对应的行驶速度越慢；第二目标区域段采用标准速度进行行驶；正常区域段采用比更大的速度（）进行行驶，且上述三个不同区域段的行驶速度能够满足在目标时限内行驶完轨道的总里程。

在本发明提出的一种电机车无人驾驶控制方法的第八实施例中，基于第三实施例，步骤S120，之后还包括如下步骤：

步骤S810：当第一容错距离大于电机车的最短制动距离时，处理器通过控制器控制电机车减速，并向云服务器发送反馈信息，其中，反馈信息包括本电机车的机车编号。

步骤S820：摄像头将拍摄的第一目标路段的实时图像发送至管理终端。

步骤S830：管理终端将第一目标路段的实时图像进行显示，并获取管理人员输入的判断指令，其中，判断指令包括出现路障和未出现路障中任一项。

步骤S840：管理终端将判断指令通过云服务器发送至反馈信息对应的电机车的处理器。

步骤S850：当判断指令为出现路障时，处理器确定第一目标路段存在影响车辆通行的障碍物。

步骤S860：当判断指令为未出现路障时，处理器确定第一目标路段不存在影响车辆通行的障碍物。

具体的，本实施例给出了通过人工判断第一目标路段是否确实存在影响车辆通行的障碍物的方案。

在本发明提出的一种电机车无人驾驶控制方法的第九实施例中，基于第八实施例，所述系统还包括与管理终端通信连接的移动终端；步骤S830，之后还包括如下步骤：

步骤S910：当判断指令为出现路障时，管理终端生成报警信息并发送至移动终端。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，计算机软件产品存储在一个存储介质（如ROM/RAM、磁碟、光盘）中，包括若干指令用以使得一台终端（可以是手机，计算机，服务器，空调器，或者网络设备等）执行本发明各个实施例所述的方法。

上面结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，这些均属于本发明的保护之内。

Claims (9)

1.一种电机车无人驾驶控制方法，其特征在于，应用于电机车无人驾驶控制系统；所述系统包括电机车、处理器、控制器、对射式光电传感器、摄像头和位置传感器；电机车用于在轨道上行驶；处理器和控制器均设置于电机车；对射式光电传感器的数量为多个；对射式光电传感器包括发射端和接收端；轨道包括多个路段，每个路段的一侧的起点和终点分别对应设置有发射端和接收端，每个路段的另一侧的起点和终点分别对应设置有发射端和接收端；每个路段的中部对应设置有1个位置传感器；每个路段至少对应设置有1个摄像头，以用于对轨道进行实况拍摄；对射式光电传感器、摄像头和位置传感器均与处理器通信连接；所述方法，包括：

当对射式光电传感器实时检测到有物体穿过时，处理器将检测到有物体穿过的对射式光电传感器所对应的路段标记为第一目标路段；

处理器基于第一目标路段对应的位置传感器获取第一目标路段与电机车之间的实时距离，并基于实时距离和电机车的当前车速计算第一容错距离；

当第一容错距离小于或等于电机车的最短制动距离时，处理器通过控制器控制电机车以最大制动能力进行制动；

当第一容错距离大于电机车的最短制动距离时，处理器通过控制器控制电机车减速，并基于摄像头拍摄的实时图像进行图像识别以判断第一目标路段是否存在影响车辆通行的障碍物；

若存在，处理器通过控制器控制电机车进行制动；

若不存在，处理器通过控制器控制电机车解除制动。

2.根据权利要求1所述的一种电机车无人驾驶控制方法，其特征在于，所述系统还包括与处理器通信连接的云服务器；云服务器存储有制动数据，制动数据包括车速，以及与车速对应的最短制动距离；电机车同样设置有与处理器通信连接的位置传感器；所述处理器基于第一目标路段对应的位置传感器获取第一目标路段与电机车之间的实时距离，并基于实时距离和电机车的当前车速计算第一容错距离，包括：

处理器基于电机车本身的位置传感器，以及第一目标路段的位置传感器获取第一目标路段与电机车之间的实时距离；

处理器获取电机车的当前车速，并基于第一目标路段与电机车之间的实时距离和当前车速计算第一容错距离：

，

式中，为第一容错距离，单位为米；为电机车的当前车速，单位米每秒；为故障判断时长，取正数，单位为秒；为第一目标路段与电机车之间的实时距离，单位为米；为第一目标路段的长度，单位为米；

所述当第一容错距离小于或等于电机车的最短制动距离时，处理器通过控制器控制电机车以最大制动能力进行制动，之前还包括：

处理器基于制动数据获取电机车在当前车速对应的最短制动距离。

3.根据权利要求2所述的一种电机车无人驾驶控制方法，其特征在于，所述系统还包括与云服务器通信连接的管理终端；每个电机车对应设置有唯一的机车编号；所述当第一容错距离小于或等于电机车的最短制动距离时，处理器通过控制器控制电机车以最大制动能力进行制动，之后还包括：

处理器生成告警信息，并将告警信息发送至云服务器，其中，告警信息包括当前正在以最大制动能力进行制动的电机车的机车编号；

云服务器基于告警信息将告警信息对应的电机车标记为第一目标机车；

云服务器将处于第一目标机车之后，且距离第一目标机车最近的电机车标记为第二目标机车；

云服务器实时获取第一目标机车和第二目标机车之间的距离，并标记为两车距离，实时将两车距离发送至第二目标机车；

云服务器获取通过管理终端输入的预估故障处理时长，并发送至第二目标机车；

第二目标机车的处理器对预估故障处理时长进行矫正后得到矫正预估时长，并基于矫正预估时长、第二目标机车的当前车速，以及第二目标机车的当前车速所对应的最短制动距离计算生成第二容错距离：

，

式中，为第二容错距离，单位为米；为矫正预估时长，单位为秒；为第二目标机车的当前车速，单位为米每秒；为第二目标机车的当前车速所对应的最短制动距离，单位为米；

当两车距离大于第二容错距离时，第二目标机车的处理器通过控制器控制车辆按照当前车速进行行驶；

当两车距离小于或等于第二容错距离时，第二目标机车的处理器计算得到目标车速，其中，目标车速小于第二目标机车的当前车速；

第二目标机车的处理器通过控制器控制第二目标机车降速至目标车速，并以目标车速进行行驶。

4.根据权利要求3所述的一种电机车无人驾驶控制方法，其特征在于，所述当两车距离小于或等于第二容错距离时，第二目标机车的处理器计算得到目标车速，包括：

第二目标机车的处理器令目标车速为，第二目标机车从当前车速降至目标车速所耗费的时长为，两车距离为，电机车的长度为，则第二目标机车降速后符合第一公式：

（1），

第二目标机车的处理器基于第一公式计算得到目标车速：

，

式中，为目标车速，单位为米每秒；为两车距离，单位为米；为第二目标机车从当前车速降至目标车速所耗费的时长，单位为秒；A为第一冗余速度，单位米每秒，取正数。

5.根据权利要求3所述的一种电机车无人驾驶控制方法，其特征在于，所述第二目标机车的处理器对预估故障处理时长进行矫正后得到矫正预估时长，包括：

云服务器获取过去第一预设时间段的历史故障处理数据，其中，历史故障处理数据包括每个故障事件所对应的预估故障处理时长和实际故障处理时长，故障事件为路段出现影响车辆通行的障碍物；

云服务器基于历史故障处理数据生成时长比例系数：

，

式中，为时长比例系数；为第i个故障事件所对应的预估故障处理时长，单位为秒；为第i个故障事件所对应的实际故障处理时长，单位为秒；i为小于或等于N的正整数，N为历史故障处理数据中故障事件的总数量；

云服务器基于时长比例系数对管理终端输入的预估故障处理时长进行矫正以得到矫正预估时长：

，

式中，为矫正预估时长，单位为秒；为管理终端输入的预估故障处理时长，单位为秒。

6.根据权利要求2所述的一种电机车无人驾驶控制方法，其特征在于，还包括：

云服务器获取过去第一预设时间段内各路段出现影响车辆通行的障碍物的次数，并标记为故障次数：

云服务器将故障次数大于第一预设数量的路段标记为第二目标路段，并将第二目标路段、与第二目标路段相邻的前第二预设数量个路段，以及与第二目标路段相邻的后第二预设数量个路段合并标记为第一目标区域段；

云服务器将故障次数小于或等于第一预设数量且大于或等于1的路段标记为第三目标路段，并将第三目标路段、与第三目标路段相邻的前第二预设数量个路段，以及与第三目标路段相邻的后第二预设数量个路段合并标记为第二目标区域段，其中，当第一目标区域段和第二目标区域段出现重叠时，优先标记第一目标区域段；

云服务器将第一目标区域段按照故障次数从多至少的顺序排列，其中，第一目标区域段的排列序号为：[G₁,...G_k,...,G_K]，第G_k个第一目标区域段表示顺序为第k的第一目标区域段，K为第一目标区域段的总数量；

云服务器将轨道除第一目标区域段和第二目标区域段之外的区域段标记为正常区域段；

云服务器获取轨道的总里程，以及电机车行驶前确定的目标时限，并基于目标时限和轨道的总里程计算第一目标区域段对应的行驶速度、第二目标区域段对应的行驶速度和正常区域段对应的行驶速度，并发送至电机车的处理器；

电机车于轨道行驶时，处理器通过控制器控制电机车在第一目标区域段按照第一目标区域段对应的行驶速度行驶，在第二目标区域段按照第二目标区域段对应的行驶速度行驶，在正常目标区域段按照正常目标区域段对应的行驶速度行驶。

7.根据权利要求6所述的一种电机车无人驾驶控制方法，其特征在于，所述云服务器获取电机车行驶前确定的目标时限，以及轨道的总里程，并基于目标时限和轨道的总里程计算第一目标区域段对应的行驶速度、第二目标区域段对应的行驶速度和正常区域段对应的行驶速度的计算公式为：

，

，

，

式中，为第G_k个第一目标区域段对应的行驶速度，单位为米每秒；为第一预设数量；为第G_k个第一目标区域段所对应的第二目标路段的故障次数；为第二目标区域段对应的行驶速度，单位为米每秒；为正常区域段对应的行驶速度，单位为米每秒；为轨道的总里程，单位为米；为目标时限，单位为秒；为第p个第二目标区域段的总长度，单位为米，p为小于或等于P的正整数，P为第二目标区域段的总数量；为第G_k个第一目标区域段的长度，单位为米；B为第二冗余速度，单位米每秒，取正数。

8.根据权利要求3所述的一种电机车无人驾驶控制方法，其特征在于，所述处理器基于第一目标路段对应的位置传感器获取第一目标路段与电机车之间的实时距离，并基于实时距离和电机车的当前车速计算第一容错距离，之后还包括：

当第一容错距离大于电机车的最短制动距离时，处理器通过控制器控制电机车减速，并向云服务器发送反馈信息，其中，反馈信息包括本电机车的机车编号；

摄像头将拍摄的第一目标路段的实时图像发送至管理终端；

管理终端将第一目标路段的实时图像进行显示，并获取管理人员输入的判断指令，其中，判断指令包括出现路障和未出现路障中任一项；

管理终端将判断指令通过云服务器发送至反馈信息对应的电机车的处理器；

当判断指令为出现路障时，处理器确定第一目标路段存在影响车辆通行的障碍物；

当判断指令为未出现路障时，处理器确定第一目标路段不存在影响车辆通行的障碍物。

9.根据权利要求8所述的一种电机车无人驾驶控制方法，其特征在于，所述系统还包括与管理终端通信连接的移动终端；所述管理终端将第一目标路段的实时图像进行显示，并获取管理人员输入的判断指令，之后还包括：

当判断指令为出现路障时，管理终端生成报警信息并发送至移动终端。