CN215061785U - 基于雾计算的自动驾驶辅助路灯 - Google Patents

Abstract

本实用新型公开了一种基于雾计算的自动驾驶辅助路灯，包括电线杆，所述电线杆底部设有雾计算微型机箱，雾计算微型机箱通过光缆和云端的服务器相连，雾计算微型机箱内设有数据存储模块、数据计算分析模块和通信交互模块；所述电线杆上部连接有支杆，支杆的另一端设有路灯，支杆上还设有5G天线和摄像模组，摄像模组包括高清摄像头，毫米波雷达和激光雷达；所述电线杆顶部设有太阳能光伏面板。基于雾计算的自动驾驶辅助路灯可以大大减缓延迟，帮助车辆实现精准定位，道路规划，及时避障，避免拥塞；同时还可以减少往云端发送的数据量，降低通信延迟，有效降低数据处理的成本。

Description

基于雾计算的自动驾驶辅助路灯

技术领域

本实用新型涉及一种路灯，尤其涉及一种基于雾计算的自动驾驶辅助路灯。

背景技术

随着科技的进一步发展，无人驾驶汽车的发展也愈发迅速。主流的无人驾驶汽车主要是依靠车内的计算机系统，通过车身上自带的高清摄像头，激光雷达，毫米波雷达和超声波雷达，来感知驾驶过程中车身周围的环境，从来达到控制车身位置、车速和避障。从某种意义上来说，无人自动驾驶的出现改变了传统驾驶模式，将容易失误的人变成了精准迅速的机器。自动驾驶汽车的行驶模式可以更加节能高效，交通拥堵以及对空气的污染将会得以减弱。全球知名经济咨询机构IHS环球透视汽车部门预测，预计至2035年自动驾驶汽车全球总销量将由2025年的23万辆上升至1180万辆，而无人驾驶的全自动化汽车将于2030年左右面世。市场和发展前景是巨大的。

但由于汽车本身硬件条件和算力限制，只能处理车身周围的路况消息。自动驾驶汽车识别错误，高速失控致人死亡的事件近几年也是频繁见诸于报端，车辆与辅助路灯之间交互传输时延长。

现有的自动驾驶辅助路灯的解决方案是，先将采集到的地图和路况数据通过光纤或者无线的方式送到云端，云端对数据进行集合分批并行处理，再传回数据采集端。但是这样会带来两个方面问题，一是地图和实时路况数据一般较大，频繁的上传和下载会给核心网络和基站带来巨大压力；二是由于数据量庞大而繁杂，会消耗大量计算资源和时间，大大提高了通信延迟，对安全可靠性提出了挑战。

实用新型内容

实用新型目的：本实用新型旨在提供一种运用雾计算微型基站提高处理数据的速度和准确性，减小车辆和辅助路灯之间交互传输时延的自动驾驶辅助路灯。

技术方案：本实用新型的基于雾计算的自动驾驶辅助路灯，包括电线杆，所述电线杆底部设有雾计算微型机箱，雾计算微型机箱通过光缆和云端的服务器相连，雾计算微型机箱内设有数据存储模块、数据计算分析模块和通信交互模块；所述电线杆上部连接有支杆，支杆的另一端设有路灯，支杆上还设有5G天线和摄像模组，摄像模组包括高清摄像头，毫米波雷达和激光雷达；所述电线杆顶部设有太阳能光伏面板。

进一步地，所述雾计算微型机箱外部设有散热器。

进一步地，所述电线杆与支杆通过活动铰链连接。

进一步地，所述电线杆与太阳能光伏面板通过活动铰链连接。

进一步地，所述路灯为高压钠灯。

有益效果：与现有技术相比，本实用新型具有如下显著优点：基于雾计算的自动驾驶辅助路灯，相当于把云端算力下放到每个雾计算微型基站，运用数据卸载技术，事先将每个地区高清地图资源载入雾计算微型基站，把算力放到接入网络层和终端用户层，交互到的数据在靠近车辆端完成计算处理，通过第五代移动蜂窝技术传给车辆，大大减缓延迟，帮助车辆实现精准定位，道路规划，及时避障，避免拥塞；同时还可以减少往云端发送的数据量，降低通信延迟，有效降低数据处理的成本。

附图说明

图1为本实用新型的结构示意图；

图2为路况模拟图；

图3为整体网络结构拓扑图；

图4为雾计算微型基站内部结构原理图。

具体实施方式

下面结合附图对本实用新型的技术方案作进一步说明。

如图1所示，本自动驾驶辅助路灯，其主要组成部分为：1-太阳能光伏面板，2-活动铰链，3-电线杆，7-摄像模组，8-路灯，9-雾计算微型机箱，10-散热器，11-光纤，12-云服务器，13-5G天线，14-支杆。

本实用新型主要采用的是辅助路灯上的高清摄像头，毫米波雷达和激光雷达来做到道路上实时数据的捕捉，采集到的数据通过路灯内的光纤传输到底部的雾计算微型基站，进行实时数据处理。采集到的路况信息通过5G移动蜂窝通信技术与过往的车辆进行交汇。

在灯座的底部是一个可以进行雾计算的微型基站，或称为雾层。雾层中部署有贴近用户的、高密度的计算和存储设备，极大地降低了传统云计算的时延，同时也能给予用户移动性的支持。内部可以分为底层硬件层和上层服务层，底层硬件层又可以分为硬件与虚拟层和资源分配与监控层。其整体网络结构拓扑图如图3所示，雾计算微型基站内部结构原理图如图4所示。

本实用新型在设计时，考虑城市路况一般为双向四车道(15米)或者六车道(22.5米)，灯的高度大致相当于需要被照明马路的宽度。只在一侧照明时按照H≌L计算，在两侧照明时按照H≌L/2计算，H为路灯高度(米)，L为路宽(米)，所以本设计路灯高度为7.5米。

底部雾计算微型机箱内含数据存储模块，数据计算分析模块，通信交互模块等。通过光缆和云端的服务器相连，利用数据卸载和本地传感器数据处理，在闲时进行区域高清地图资源下载和更新。当车辆经过路灯集成摄像头和传感器感知区域时，汽车本身捕捉到的数据通过5G传给路灯微型基站，路灯结合自身感知的路况数据，结合雾计算可以根据已有实时地图资源，做出实时情景感知地图构建，帮助车精准定位，区分车辆前后位置路况，完成路径规划，再通过5G反传给自动驾驶汽车，合理规划道路上每一辆车的位置和速度。雾计算本身结合神经网络和深度学习，每一次捕捉的路况、地图数据和汽车交互数据，都会为下一次计算做出修正。

集成摄像头和传感器部分主要包含有源传感器和无源传感器。

摄像头传感器，通过收集反射到三维环境上的光来构建出二维图像，但是很受天气环境影响，不同的自然光反射，会对图像质量有较大影响。本实验新型为了加强测距效果，采用多组镜头，利用三角测算原理实现距离测量。

激光雷达，发射激光光束，通过激光遇到障碍反向的激光束进行测算。计算间隔时间，是目前最有效的物体模型和距离的感知方案，实现距离最长为120m。但激光雷达成本较高，可以在车况较为复杂的路段进行选装。

毫米波雷达，通过无线电进行测距。但毫米波雷达容易被相当导电性物体反射，且其余无线电波也会对其形成干扰，要配合上述雷达一起使用。

顶部为太阳能光伏板，主要为日常路灯供能，结余的电量可以为微型基站提供电力，作为其备用电源。2为四个活动铰链，方便路灯安装时角度位置调整固定。8路灯为高压钠灯，亮度高，透雾性好。散热器可选用立式风冷散热箱，主要目的是散掉机箱内多余热量，保证处理器等硬件在正常频率工作，不会因过热而降频。11为光纤，保证了雾计算微型基站和远端云服务的连接。12为云服务器，起到统一调度，合理分配资源的作用。

Claims (5)

1.一种基于雾计算的自动驾驶辅助路灯，包括电线杆(3)，其特征在于，所述电线杆(3)底部设有雾计算微型机箱(9)，雾计算微型机箱(9)通过光缆(11)和云端的服务器相连(12)，雾计算微型机箱(9)内设有数据存储模块、数据计算分析模块和通信交互模块；所述电线杆(3)上部连接有支杆(14)，支杆(14)的另一端设有路灯(8)，支杆(14)上还设有5G天线(13)和摄像模组(7)，摄像模组(7)包括高清摄像头，毫米波雷达和激光雷达；所述电线杆(3)顶部设有太阳能光伏面板(1)。

2.根据权利要求1所述的基于雾计算的自动驾驶辅助路灯，其特征在于，所述雾计算微型机箱(9)外部设有散热器(10)。

3.根据权利要求1所述的基于雾计算的自动驾驶辅助路灯，其特征在于，所述电线杆(3)与支杆(14)通过活动铰链连接。

4.根据权利要求1所述的基于雾计算的自动驾驶辅助路灯，其特征在于，所述电线杆(3)与太阳能光伏面板(1)通过活动铰链连接。

5.根据权利要求1所述的基于雾计算的自动驾驶辅助路灯，其特征在于，所述路灯(8)为高压钠灯。

Images