TW202141412A - 自主運輸網路及其操作方法 - Google Patents
自主運輸網路及其操作方法 Download PDFInfo
- Publication number
- TW202141412A TW202141412A TW110104384A TW110104384A TW202141412A TW 202141412 A TW202141412 A TW 202141412A TW 110104384 A TW110104384 A TW 110104384A TW 110104384 A TW110104384 A TW 110104384A TW 202141412 A TW202141412 A TW 202141412A
- Authority
- TW
- Taiwan
- Prior art keywords
- route
- autonomous
- autonomous driving
- vehicle
- control management
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 30
- 230000005540 biological transmission Effects 0.000 claims abstract description 4
- 238000004088 simulation Methods 0.000 claims 1
- 238000007726 management method Methods 0.000 description 27
- 238000004891 communication Methods 0.000 description 17
- 230000033001 locomotion Effects 0.000 description 5
- 238000012937 correction Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 229910000831 Steel Inorganic materials 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000005577 local transmission Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 230000029305 taxis Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0287—Control of position or course in two dimensions specially adapted to land vehicles involving a plurality of land vehicles, e.g. fleet or convoy travelling
- G05D1/0291—Fleet control
- G05D1/0297—Fleet control by controlling means in a control room
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3407—Route searching; Route guidance specially adapted for specific applications
- G01C21/3415—Dynamic re-routing, e.g. recalculating the route when the user deviates from calculated route or after detecting real-time traffic data or accidents
-
- 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
- G08G1/096833—Systems involving transmission of navigation instructions to the vehicle where different aspects are considered when computing the route
- G08G1/096844—Systems involving transmission of navigation instructions to the vehicle where different aspects are considered when computing the route where the complete route is dynamically recomputed based on new data
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/123—Traffic control systems for road vehicles indicating the position of vehicles, e.g. scheduled vehicles; Managing passenger vehicles circulating according to a fixed timetable, e.g. buses, trains, trams
- G08G1/127—Traffic control systems for road vehicles indicating the position of vehicles, e.g. scheduled vehicles; Managing passenger vehicles circulating according to a fixed timetable, e.g. buses, trains, trams to a central station ; Indicators in a central station
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/20—Monitoring the location of vehicles belonging to a group, e.g. fleet of vehicles, countable or determined number of vehicles
- G08G1/202—Dispatching vehicles on the basis of a location, e.g. taxi dispatching
Abstract
本案揭示了一種自主運輸網路(10)及操作方法(100a、100b、100c)。自主運輸網路(10)包括複數個自主駕駛車輛(20),其具有用於在本地計算(240、310)在一起點(30)與一終點之間的一路線(50)的一車載處理器(27)及車輛記憶體(28),以及用於發送該計算的路線(50)的一車輛天線(25)。一控制管理中心(100)包括一控制管理處理器(120)及一中央記憶體(140),並且獨立地計算(250、520)複數個自主駕駛車輛(20)的路線(50)。複數個信標(17)係連接至控制管理中心(100),並從控制管理中心(100)接收重定向資訊,以傳輸至複數個自主駕駛車輛(20)中的一者或多者。
Description
交互參照
本案請求2020年3月9日提出申請的盧森堡專利申請案LU101673及2020年3月9日提出申請的英國專利申請案2003395.7的優先權。盧森堡專利申請案LU101673和英國專利申請案2003395.7的全部揭露內容透過引用併入本案。
本發明涉及一種自主運輸網路及其操作方法。
用語「自動運送網路」或「自動運輸網路」(縮寫為ATN)是特定運送模式的相對較新的名稱,是在於「自動導軌運送」(AGT)的總稱之下。在2010年之前,「個人快速運送(PRT)」這個名稱用於指稱ATN的概念。在歐洲,ATN過去被稱為「小型客車」。此文件提出了ATN概念,並描述了ATN概念的新穎操作方法。
像所有形式的AGT一樣,ATN係由在基礎設施上運行的自動車輛組成,能夠將旅客從起點運送到終點。自動化車輛能夠從起點到終點行駛,而無需任何中間停靠或換乘,諸如在習知的公共汽車、電車(有軌電車)、或火車的傳統運輸系統上。ATN服務通常是非排定時間的,例如計程車,旅行者可以選擇是獨自乘車旅行還是與同伴共乘。
ATN的概念不同於在公共街道上開始出現的自主駕駛車輛。ATN概念通常被認為是類似於火車或公共汽車的公共交通方式,而不是像汽車這樣的個人消費產品。ATN的現今設計概念目前主要依賴於中央控制管理,以分別控制ATN上自主駕駛車輛的運行。
另一方面,自駕車輛通常被描述為「自主駕駛」,但實際上,具有不同級別或等級的車輛自主駕駛。根據汽車工程師協會(SAE)的道路自主駕駛(ORAD)委員會在於2018年6月15日發布於「推薦做法SAE J 3016」中的「道路汽車的分類和與自主駕駛系統相關的用語的定義」中的規定,車輛自主的程度通常分為五個等級。第0級是指沒有駕駛自動化的車輛。車輛的駕駛員完全負責操作車輛的運動。級別0的車輛可能包括安全系統,例如防撞警報。等級1是指具有至少一個駕駛輔助功能(如加速或煞車輔助系統)的車輛。駕駛員負責駕駛任務,但由能夠影響車輛運動的駕駛輔助系統提供支持。等級2描述了具有多個輔助系統以主動影響車輛運動的車輛。等級2的駕駛員仍然負責駕駛任務,並且必須始終主動監控車輛的行駛軌跡。但是,輔助系統會主動為駕駛員提供支持。等級3描述了車輛的所謂「條件自動化」。車輛能夠在某些情況下並有限制地自主駕駛。不需要駕駛員主動監視輔助系統,但是如果輔助系統有要求,則要求駕駛員控制駕駛情況。等級4描述了能夠在正常條件下在沒有人力監督的情況下行駛特定路線的自主駕駛車輛。因此,等級4車輛可以在沒有駕駛員的情況下運行,但在發生衝突情況、在偏遠地區行駛、或在極端天氣條件下行駛時可能需要遠程人員監督。等級5自動化描述了完全自主駕駛的車輛。車輛的操作在任何時候都不需要人力干預。
現有ATN網路對中央控制管理的依賴產生了瓶頸,因為每個自主駕駛車輛都需要與中央控制管理保持幾乎連續的通訊。如果通訊網路過載或ATN網路中某處發生重大事故,而需要中央控制管理部門採取措施,就可能會導致問題。
在美國專利第10,345,805號(Seally,轉讓給Podway Inc.)中概述了諸如中央控制管理的示例,其中,中央控制管理從自主駕駛車輛接收從起點到終點的路線的請求。該中央控制管理器計算出路線,並將行程指令集發送給自主駕駛車輛,以使自主駕駛車輛從起點沿著計算的路線導航到所需的終點。此系統中的該中央控制管理需要連續傳輸來自自主駕駛車輛的大量資料,並且從自主駕駛車輛收集資料。這需要大量的硬體與資料頻寬,並且如果自主駕駛車輛進入連通性較差的區域會引起問題。如果中央控制管理出現故障,那麼自主駕駛車輛將不再能夠導航或重新計算行程。
現今許多ATN概念都依賴於導軌,其係建構為基礎結構的一部分。若將專用基礎設設計成可以與其他交通流或行人分開時,這可能具有其優勢。導軌的設置成本是巨額的,這將延遲ATN網路的發展。倫敦希斯洛機場的5號航站樓的基礎設施就是這種導軌的例子。
由Mineta運輸學院於2014年9月發布的關於「自動運輸網路(ATN):產業狀況和未來前景的回顧」的報告的第12-31號報告中指出,在撰寫此報告之日,世界上仍沒有已經建立了多於十個站的ATN。現今,ATN網路的運作原理是將每個起點映射到所有終點。即使對於一個簡單的五站系統,這也將導致具有20個條目的矩陣,因為五個起點中的每個起點都有四個可能的終點。一個十站系統將有90條可能的路線,並且可以看到,隨著起點和終點數量的增加,列出所有可能路線的O/D矩陣將無法控制。因此,現今的系統是不可擴展的。
在ATN網路中已知道的另一個問題是處理多輛車輛,並優先處理諸如護理人員或警察之類的優先車輛。在美國專利第9,536,427號(Tonguz等人,轉讓給Carnegie Mellon)中提供了一種解決方案。該解決方案使用車輛對車輛的通訊,來依需要建立一優先區域。
US 10,152,053 B1揭露了一種自主駕駛車輛管理系統及一種用於控制車隊的方法。該系統包括複數個自主駕駛車輛,其具有用來計算路線的車載處理器及車輛記憶體。該系統還包括控制管理中心,及用於在控制管理中心與自主駕駛車輛之間進行通訊的複數個信標。該些信標還可用於決定自主駕駛車輛在交通網路內的位置。該方法包括:接收乘客對自主駕駛車輛的乘坐的複數個請求;識別與複數個乘客中的每個乘客有關的人口統計資訊;決定弱勢評分及複數個乘客中的每個乘客的優先序;以及,使其中特定一輛自主駕駛車輛去接載乘客。該弱勢評分係用於評估乘客在分配中的弱勢性,並計算接送每個乘客的優先序。例如,犯罪較高地區及/或人口統計特徵與人口中弱勢群體(例如老年人)相符的乘客可以被認為是更弱勢群體,可以被賦予更高的弱勢評分。該美國專利進一步揭露了使用信標由自主駕駛車輛發送和接收交通資訊。但是,沒有揭示控制管理中心及車載處理器中路線的獨立計算。
US 2009/037086 A1描述了一種使用控制計算機來均衡運輸網路中的自主駕駛車輛的交通流量的方法。控制計算機將網路中有關路線的資訊儲存為向量化圖表,以表示從起點到終點的路線。路線網路包含多個分支點,這些分支點為自主駕駛車輛的行駛創建了路線的單獨分支。至少一些自主駕駛車輛將唯一的車輛識別符及其現今位置發送到交通控制計算機。由自主駕駛車輛發送的資訊包括自主駕駛車輛行駛的終點。該案文件還揭露了一種用於產生路線建議並將其發送給車輛的方法。路線建議包括向車輛發送一分配率V。然後,自主駕駛車輛自身使用分配率V的隨機選擇方案,計算從起點到終點的替代路線。該案文件還教導了一種用於將各個路線建議發送給車輛的方法。該方法包括藉由無線通訊將安裝在道路附近的通訊系統短暫地連接到自主駕駛車輛。將不同的路線建議交替發送到經過的自主駕駛車輛。該美國專利申請案未提到關於控制管理中心與自主駕駛車輛的車載處理器進行獨立路線計算的問題。
因此,需要提供一種具有彈性的自主運輸網路。
本案揭示了一種自主運輸網路。自主運輸網路知道在自主運輸網路內行駛的所有自主駕駛車輛的移動,而不需要自主駕駛車輛不斷地將網路中的位置傳達給控制管理中心。
自主運輸網路包括複數個自主駕駛車輛,其具有用於計算起點與終點之間的路線的一車載處理器及車輛記憶體,以及用於發送該計算的路線的一車輛天線。用於控制運輸網路的控制管理中心,包括控制一管理處理器及一中央記憶體。乘客可以請求從起點到終點的運輸網路中的行駛路線。控制管理處理器獨立地計算從起點到終點的複數個自主駕駛車輛的路線。例如位於交叉路口處的複數個信標連接至控制管理中心,並從控制管理中心接收重定向資訊,以傳輸至複數個自主駕駛車輛中的一者或多者。
該網路使複數個自主駕駛車輛能夠沿著從起點到終點的路線獨立地行駛。控制管理中心知道在自主運輸網路中行駛的複數個自主駕駛車輛的移動,而自主駕駛車輛不必一直與控制管理中心通訊。因此,路線的這種獨立計算,減少了通訊基礎設施的通訊費用。
控制管理中心係適於決定複數個自主駕駛車輛的路線上的衝突狀況。
控制管理中心還用於模擬一交通需求及自主駕駛車輛的路線,以及在沿路線進行一必要的重定向的情況下,決定自主駕駛車輛的校正的路線指令。
本案還揭示了一種包括複數個自主駕駛車輛的一自主運輸網路的操作方法。該方法包括下列步驟:接收從起點到終點的行程的指令;在複數個自主駕駛車輛中的至少一者中,計算從起點到終點的路線;在控制管理中心中獨立地計算從起點到終點的路線;將在複數個自主駕駛車輛之一者中計算的路線與在控制管理中心中獨立計算的路線進行比較;以及,在發生干擾的情況下,將校正的路線指令發送給複數個自主駕駛車輛之一者。發送校正的路線指令的步驟,包括將校正的路線指令發送到多個信標之一者。校正的路線指令可以是速度指令或轉向指令中的一者或多者。
一種用於在自主駕駛車輛的車載處理器中計算從起點到終點的路線的方法,該方法包括從控制管理中心接收用於一行程的指令的步驟。該接收的指令包括行程的起點與終點,並且例如由該些信標進行中繼。該方法還包括在本地計算從起點到終點的一直接路線的步驟。使用車載處理器及儲存在車輛記憶體中的地理資料可以完成路線的在本地的計算。在另一步驟中,該方法包括透過自主駕駛車輛的天線,從控制管理中心接收校正的路線指令。將校正的路線指令指示給複數個自主駕車輛之一者。在接收到校正的路線指令之後,自主駕駛車輛的車載處理器針對到達終點的路線的其餘部分,以在本地重新計算新最佳路線。使用車載處理器、儲存在車輛記憶體中的地理資料、及接收到的校正的路線指令來完成新最佳路線的計算。隨後,自主駕駛車輛繼續沿著校正的新最佳路線行駛。如上所述,自主駕駛車輛包括等級2或等級3的輔助系統。使用車輛地理資料和車載處理器,自主駕駛車輛能夠在運輸網路中自動行駛。該些自主駕駛車輛,因而不需要駕駛員來駕駛自主駕駛車輛。
一種用於在控制管理處理器中計算從起點到終點的路線的方法,包括接收行程的指令的步驟。行程的指令包括行程的起點和終點。控制管理中心分配複數個自主駕駛車輛中的一個自主駕駛車輛以滿足乘客的要求。控制管理處理器使用儲存在中央記憶體中的地理資料獨立計算到達終點的路線。
圖1顯示了根據本文一個態樣的自主運輸網路10的第一示例。自主運輸網路具有在複數個軌道15上行駛的複數個自主駕駛車輛20。軌道15形成一軌道網路,而自主駕駛車輛20能夠在其上行駛。應理解的是,軌道15可以包括諸如鋼軌或混凝土引導元件的導軌,但是也可以包括分開的道路。可設想的是,只要結合了足夠的安全措施,軌道15也可以結合到傳統的道路和街道中。軌道15設置有複數個信標17(類似於導軌地上感應器),其監視自主駕駛車輛20的前進,並且還可以向自主駕駛車輛20發送信號。
自主駕駛車輛20可以停在具有複數個軌道15的停車位中,或者沿著軌道15運動。自主駕駛車輛20通常將由電池供電並且例如在它們位於停車位時可被充電。
自主運輸網路10具有一控制管理中心100,其監視自主駕駛車輛20的進度,但是不直接控制自主駕駛車輛20的進度,將於以下說明。自主駕駛車輛20可以在必要時向控制管理中心100發送和接收資訊,並且自主駕駛車輛20係透過使用與控制管理中心100通訊的位於自動駕駛車輛20上的車輛天線25與控制管理中心100處的通訊天線110的無線連接,而與控制管理中心100連接。控制管理中心100設置有處理器120及中央記憶體140。控制管理中心100使用固定的通訊線路105連接到信標17(然而當然也可以在信標17與控制管理中心100之間的整個距離或若需要在部分距離上使用無線連接)。中央記憶體140包括關於自主運輸網路10的中央地理資料124,其包括信標17的位置。
自主運輸網路10設置有複數個停靠點(也稱為車站),如在鐵路、電車、或公共汽車網路中已知的。停靠點將可清楚地標記給希望使用自主交通網路10的乘客35。自主駕駛車輛20中的車輛記憶體28以網路地圖的形式儲存車輛地理資料24,其具有複數個停靠點的位置,以及在任意兩個停靠點之間沿著軌道15的預先計算的路線的選擇。如將在下文解釋的那樣,在兩個停靠點之間通常會有一個以上的預先計算的路徑,以允許遵循替代路徑。
自主駕駛車輛20不僅具有上述的車輛天線28及車輛記憶體28,而且還將包括車載處理器27,其可以使用車輛記憶體28中的資訊與從信標17接收的任何資訊來控制自主駕駛車輛20。
現在假設在第一個停靠點(稱為起點30)的乘客35希望前往第二個停靠點(稱為終點40)。圖2顯示了此方法的流程。在第一步210中,乘客35將對自主駕駛車輛20提出請求37,並將給出終點40。該請求37可例如透過電話或使用智慧型手機上的應用程式提出。若有提供此功能或打電話到電話服務熱線以安排自主駕駛車輛20之一者在起點30處的接送,則在起點30處使用控制點或資訊點亦為可行的。
在步驟220中,控制管理中心100接收到請求37。請求37將包括關於乘客的起點30及乘客的計劃的終點40的細節。可以透過使用從智慧型手機發送的在請求37中的GPS坐標,或透過在應用程式中發送的停靠點的編號來決定起點30。透過輸入與終點40相對應的停靠點的編號、或終點40的地址、或者選擇代表最接近顯示在智慧型手機的螢幕上在地圖上的地址的停靠點的點,以在步驟225中決定乘客35的終點40。
控制管理中心100儲存藉由請求37接收到的有關起點30(這是希望接載乘客35的地點)與終點40的資料。然後,在步驟230中,控制管理中心100通常將分配最接近乘客35的自主駕駛車輛20,以從起點30接載乘客35。當然,將理解的是,在起點30處可能已經存在自主駕駛車輛20之一者,且乘客35可能實際上站在自主駕駛車輛20之一者的旁邊,以及如NFC通訊之類的其他通訊方式,或可藉由掃描車輛上的條碼或QR碼以用來預約自主駕駛車輛20以供乘客35使用。這些實施例不限制本發明。
然後,自主駕駛車輛20將在步驟240中使用儲存在車輛記憶體28中的車輛地理資料24(網路地圖加上停靠點之間的預先計算的路線),在本地處理器27中以本地計算到達乘客35想去的終點40的路線50。
在步驟250中,大約在同一時間,控制管理系統10將使用控制管理處理器120獨立地計算到達終點40的路線。儲存在自主駕駛車輛20中的車輛地理資料24與儲存在中央記憶體140中的中央地理資料124相同或基本相似,因此控制管理系統10將知道自主駕駛車輛20會在起點30與終點40之間採用的路線。換句話說,與儲存在自主駕駛車輛20中的中央地理資料124相比,儲存在中央記憶體140中的中央地理資料124包括相同或相似的資料。然而,中央地理資料124可以包括更詳細的資料,例如,運輸網路10中的模擬的現今交通狀況。因此,自主駕駛車輛20中的路線計算及控制管理系統10中的路線計算,係基於車輛地理資料24與中央地理資料124即時地彼此獨立地執行,且自始將不考慮任何干擾例如但不限於交通事故、交通擁堵等因素。
一旦已在本地處理器27中計算路線50,則自主駕駛車輛20將開始其從起點30到終點40的行程。與先前技術系統不同的是,自主駕駛車輛20不需將計算的路線50通知給控制管理中心100。如上所述,控制管理中心100透過在步驟250中計算路線50,來得知自主駕駛車輛20的路線。
路線的這種雙重計算的目的,是使控制管理中心100能夠即時決定自主運輸網路10中正在發生的狀況。不會只有一個乘客35請求單一一個自主駕駛車輛20,而是有多個乘客35請求多個自主駕駛車輛20,從複數個起點30前往複數個終點40。控制管理中心100在步驟260中的作用是模擬自主駕駛車輛20的交通需求和路線,並且如果需要的話,將以下列出的示例中更詳細地描述的路線50的改變或調整自主駕駛車輛20的行駛速度。
如果控制管理中心100決定自主駕駛車輛20需要偏向或需要從計算的路線40重定向,則控制管理中心100發送校正的路線指令50cor。控制管理中心100不將這些校正的路線指令50cor直接發送到自主駕駛車輛20,而是在步驟270中將校正的路線資訊發送到信標17中的一者或多者,然後它們可以在步驟275中重定向自主駕駛車輛20或使自主駕駛車輛20減速。
信標17與自主駕駛車輛20之間的通訊是在本地進行的,不需要很多電力。僅需要向自主駕駛車輛20的位置附近的那些信標17提供校正的路線指令50cor,以由自主駕駛車輛20中的個別一者接收。與先前技術的系統不同,如果偵測到可能的衝突,則僅自主駕駛車輛20中的個別一者需要改變路線40。控制管理中心100透過在步驟S250中獨立地計算,獲知自主駕駛車輛20在自主運輸網路10中的位置。因此,控制管理中心100僅需要將校正的路線指令50cor通知給自主駕駛車輛20的位置附近的那些信標17。信標17與自主駕駛車輛20之間資訊的本地傳輸,還減少了自主運輸網路10被駭客入侵的風險,因為所傳輸的資料量非常小並且無線傳輸的距離也很短。
這些校正的路線指令50cor將確保自主駕駛車輛20改變路線50或改變其速度,以下將對此說明。重定向之後的自主駕駛車輛20將使用車輛地理資料24重新計算到達終點40的新最佳路線50new,並且繼續沿著校正的新最佳路線50new到達終點40。控制管理中心100還將能夠決定新最佳路線50new,並且然後將能夠模擬路線(步驟260),以決定是否存在可能需要對自主駕駛車輛20進行進一步重定向的其他問題。
範例1:封閉道路
在圖3A中顯示了對初始計算的路線50的必要校正的示例,其中直接路線50dir在封閉位置55處例如被一故障的自主駕駛車輛20'阻擋。自主駕駛車輛20開始於起點30處,並且在步驟240中計算在步驟240中的直接路線50dir。在步驟250中,由控制管理中心100計算出相同的經計算的直接路線50dir。然而,控制管理中心100已經接收到由於直接路線50dir被故障的自主駕駛車輛20'阻擋因此無法計算直接路徑50dir的資訊。控制管理中心100向位於交叉路口56處的信標17發送資訊,以沿著替代路線50alt重新引導自主駕駛車輛20(步驟270)。自主駕駛車輛20從信標17接收替代路線指令50cor以使用替代路線50alt。在被重定向到替代路線50alt(步驟275)之後,自主駕駛車輛20需要使用車輛地理資料24來計算新路線50new。
控制管理中心100不需要向自主運輸網路100中的所有自主駕駛車輛20廣播關於位置55處的被阻塞路線的資訊。只有那些已經計算出會通過封閉位置55的直接路線50dir的自主駕駛車輛20,將在本地從信標17接收重定向資訊。這消除了從控制管理中心100發送的許多潛在資料的業務量。
自主駕駛車輛20中的車輛記憶體28不需要儲存關於封閉路線的不必要的資訊。這簡化了車載處理器27中的新路線50new的計算,這會使得運用更少的資源來進行更快的計算。車輛記憶體28可以保持較小。
由於控制管理處理器120僅需要通知在封閉路線的開始交叉路口56處的信標17,關於因故障的自主駕駛車輛20'而造成的障礙,因此也減少了控制管理中心使用的資源量。不需要將資訊廣播到所有自主駕駛車輛20。
範例2
在圖3B中顯示了無人駕駛車輛20的有效管理的另一示例,其顯示了三個自主駕駛車輛20a-c共用了圓環57(也稱為「交通環」或「迴轉」)的公共入口,以及另一車輛20d希望進入圓環57。在所有自主駕駛車輛20a-d中的從不同的起點30a-d到終點40的經程式化的計算的路線50,意謂著所有自主駕駛車輛20a-d幾乎同時到達圓環57。在步驟250中,控制管理中心100計算了來自每個自主駕駛車輛20a-d的路線50,並且在控制管理處理器120中進行的計算,識別了在自主駕駛車輛20a-c之間的會車,及在圓環57處與自主駕駛車輛20d的可能衝突。
控制管理中心100能夠在步驟270中,使用位於圓環57入口附近的信標17x和17y,將資訊發送至自主駕駛車輛20a-d。如圖3A所示,沿著另一路線50alt行進將不需要該資訊,而是將包括降低或增加四輛自主駕駛車輛20a-d中的每一者的速度以調節其速度的指令,從而在合併道路上不存在衝突,在圓環57也沒有衝突。這使得自主駕駛車輛20a-d能夠有效利用可用的道路空間,並且可能意味著不需要啟動煞車和停止過程,這會浪費能源。
圖4顯示了描述方法110b的工作流程,該方法110b用於計算自主駕駛車輛20的車載處理器27中從起點30到終點40的路線50。在步驟300中,自主駕駛車輛20接收從起點30到終點40的行程的指令。在步驟310中,車載處理器27以在本地計算從起點30到終點40的一直接路線50dir,以完成指令。使用儲存在車輛記憶體28中的車輛地理資料24以在本地計算直接路線50dir。在步驟320中,如果控制管理中心100已經決定了複數個自主駕駛車輛之一者的校正的路線指令50cor,則自主駕駛車輛20從控制管理中心100接收校正的路線指令50cor。使用例如車輛天線25來完成接收校正的路線指令50cor。透過控制管理中心100將校正的路線指令50cor指示給複數個自主駕駛車輛20之一者。校正的路線指令50cor包括,例如用於將路線50改變為替代路線50alt或改變自主駕駛車輛20的車速的指令。校正的路線指令50cor用於將沿路線50的阻擋位置55指示給複數個自主駕駛車輛20中的至少一者。校正的路線指令50cor還用於降低或提高至少一自主駕駛車輛20的速度,以使在圓環57之前或在圓環57中合併道路時沒有衝突。
在步驟330中,自主駕駛車輛20重新計算針對到達終點40的自主駕駛車輛20的路線50的其餘部分的新最佳路線50new。如上所述,自主駕駛車輛20包括等級2或等級3的輔助系統。自主駕駛車輛20能夠使用車輛地理資料24與車載處理器27在交通網路中自主行駛。因此,自主駕駛車輛20不需要駕駛員來駕駛自主駕駛車輛20。車載處理器27使用儲存在車輛記憶體28中的車輛地理資料24與接收到的校正的路線指令50cor來完成對新最佳路線50new的重新計算。在步驟340中,自主駕駛車輛20繼續沿著校正的新最佳路線50new到達終點40的行程。
圖5顯示了工作流程,該工作流程描述了用於在控制管理處理器120中獨立計算從起點30到終點40的路線50的方法110c。在步驟500中,控制管理中心100接收對乘客35從起點30到終點40的行程的請求。在步驟510中,控制管理中心100分配複數個自主駕駛車輛20之一者來滿足乘客35的請求。將乘客的請求分配給複數個自主駕駛車輛20之一者,例如基於自主駕駛車輛20與乘客35的接近程度。
在步驟520中,控制管理中心100的控制管理處理器120獨立地計算從起點30到終點40的複數個自主駕駛車輛20之一者被分配的路線50。控制管理處理器120使用儲存在中央記憶體140中的中央地理資料124來完成路線50的計算。在步驟530中,控制管理中心100使用從複數個乘客35與控制管理處理器120接收的請求,來模擬交通網路10中的交通需求和自主駕駛車輛20的路線規劃。在步驟540中,控制管理中心100決定校正的路線指令50cor,以使得能夠從路線50重定向複數個自主駕駛車輛20之一者。使用模擬的交通需求來決定校正的路線指令50cor。
在步驟550中,將校正的路線指令50cor中繼到指定的自主駕駛車輛20之一者,以將自主駕駛車輛20重定向到替代路線50alt,或者由自主駕駛車輛20重新計算新最佳路線50new,如在圖4中所詳述(參見如上)。
10:自主運輸網路
15:軌道
17:信標
20:自主駕駛車輛
24:地理資料
25:車輛天線
27:車載處理器
28:車輛記憶體
30:起點
35:乘客
37:請求
40:終點
50:路線
50cor:校正的路線
50alt:替代路線
50dir:直接路線
50new:新最佳路線
55:封閉位置
56:路口
57:圓環
100:控制管理中心
105:固定的通訊線路
110:通訊天線
120:控制管理處理器
124:中央地理資料
130:傳送器
140:中央記憶體
圖1顯示了本文的ATN的概述。
圖2顯示了一個工作流程。
圖3A顯示了基於被封閉的路線對路線的校正。
圖3B顯示了在圓環(交通環)的管理。
圖4顯示了用於計算自主駕駛車輛中的路線的工作流程。
圖5顯示了用於在控制管理中心中計算路線的工作流程。
國內寄存資訊(請依寄存機構、日期、號碼順序註記)
無
國外寄存資訊(請依寄存國家、機構、日期、號碼順序註記)
無
10:自主運輸網路
15:軌道
17:信標
20:自主駕駛車輛
25:車輛天線
27:車載處理器
28:車輛記憶體
30:起點
35:乘客
37:請求
40:終點
50:路線
50cor:校正的路線
100:控制管理中心
105:固定的通訊線路
110:通訊天線
120:控制管理處理器
130:傳送器
140:中央記憶體
Claims (9)
- 一種自主運輸網路(10),包括: 複數個自主駕駛車輛(20),具有用於計算(240)在一起點(30)與一終點(40)之間的一路線(50)的一車載處理器(27)及車輛記憶體(28),及用於發送該計算的路線(50)的一車輛天線(25); 一控制管理中心(100),包括一控制管理處理器(120)及一中央記憶體(140),用於獨立地計算(250)該複數個自主駕駛車輛(20)的該路線(50);以及 複數個信標(17),連接到該控制管理中心(100),並從該控制管理中心(100)接收重定向資訊,以傳輸到該複數個自主駕駛車輛(20)中的一者或多者。
- 如請求項1所述的自主運輸網路(10),其中該複數個信標(17)係位於交叉路口(56)處。
- 如請求項1或2所述的自主運輸網路(10),其中該控制管理中心(100)適於決定該複數個自主駕駛車輛(20)的該些路線(50)中的衝突狀況。
- 如請求項1所述的自主運輸網路(10),其中該控制管理中心(100)還適於模擬(260)一交通需求及該些自主駕駛車輛(20)的該些路線(50),並且用於決定校正的路線指令(50cor)以供該些自主駕駛車輛(20)在沿著該路線(50)需要一重定向的情況。
- 一種包括複數個自主駕駛車輛(20)的一自主運輸網路的操作(100a)的方法,該方法包括下列步驟: 接收從一起點(30)到一終點(40)的一行程的一指令; 在本地計算(240)在複數個自主駕駛車輛(20)中的至少一者中的從該起點(30)到該終點(40)的一路線(50); 在一控制管理中心(100)中獨立地計算(250)從該起點(30)到該終點(40)的該路線(50); 將複數個自主駕駛車輛(20)之一者中計算的該路線(50)與在該控制管理中心(100)中獨立地計算的該路線進行比較(260); 以及,在發生一干擾的情況下, 發送(270)校正的路線指令(50cor)到複數個自主駕駛車輛(20)之一者。
- 如請求項5所述的方法,其中該發送(270)該校正的路線指令(50cor)的步驟包括步驟:發送該些校正的路線指令(50cor)到多個信標(17)之一者。
- 如請求項5或6所述的方法,其中該些校正的路線指令(50cor)包括速度指令或轉向指令中的一者或多者。
- 一種用於在一自主駕駛車輛(20)的一車載處理器(27)中計算從一起點(30)到一終點(40)的一路線(50)的方法(100b),該方法(100b)包括下列步驟: 接收(300)一行程的一指令,該指令包括該行程的該起點(30)及該終點(40); 使用該車載處理器(27)及儲存在一車輛記憶體(28)中的一車輛地理資料(24),以在本地計算(240、310)從該起點(30)到該終點 (40)的一直接路線(50dir); 透過該自主駕駛車輛(20)的一車輛天線(25)接收來自一控制管理中心(100)的針對複數個自主駕駛車輛(20)之一者的一校正的路線指令(50cor); 使用該車載處理器(27)、儲存在該車輛記憶體(28)中的該車輛地理資料(24)、及該接收的校正的路線指令(50cor),以在本地重新計算(330)到該終點(40)的該路線(50)的一其餘部分的一新最佳路線(50new);以及 以該自主駕駛車輛(20)沿著該校正的新最佳路線(50new)繼續(340)該行程。
- 一種用於在一控制管理處理器(120)中的計算從一起點(30)到一終點(40)的一路線(50)的方法(100c),該方法(100c)包括下列步驟: 接收(500)來自一乘客(35)的到一行程的該終點(40)的該行程的一請求; 分配(510)該複數個自主駕駛車輛(20)中的一個自主駕駛車輛(20),以滿足該乘客(35)的該請求; 使用該控制管理處理器(120)及儲存在該中央記憶體(140)中的該中央地理資料(124),獨立地計算(240、520)到該終點(40)的該路線(50); 使用從複數個乘客(35)及控制管理處理器(120)所接收的該請求,來模擬(260、530)一交通需求及在該運輸網路(10)中的該自主駕駛車輛(20)的該路線; 從使用該模擬(260、530)的交通需求的用於該複數個自主駕駛車輛(20)之一者的該路線(50),決定(540)用於一重定向的校正的路線指令(50cor);以及 將該校正的路線指令(50cor)中繼(270、550)到複數個自主駕駛車輛(20)之一者,以將該自主駕駛車輛(20)重定向到一替代路線(50alt),或由該自主駕駛車輛(20)重新計算一新最佳路線(50new)。
Applications Claiming Priority (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
GB2003395.7 | 2020-03-09 | ||
LULU101673 | 2020-03-09 | ||
GB2003395.7A GB2592923A (en) | 2020-03-09 | 2020-03-09 | Autonomous transportation network and method for operating the same |
LU101673A LU101673B1 (en) | 2020-03-09 | 2020-03-09 | Autonomous Transportation Network and Method of Operating the Same |
Publications (1)
Publication Number | Publication Date |
---|---|
TW202141412A true TW202141412A (zh) | 2021-11-01 |
Family
ID=74236223
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW110104384A TW202141412A (zh) | 2020-03-09 | 2021-02-05 | 自主運輸網路及其操作方法 |
Country Status (4)
Country | Link |
---|---|
EP (1) | EP4118505A1 (zh) |
CN (1) | CN115516399A (zh) |
TW (1) | TW202141412A (zh) |
WO (1) | WO2021180398A1 (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2600717A (en) * | 2020-11-05 | 2022-05-11 | Dromos Tech Ag | Transportation network for multi-featured autonomous vehicles |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2525046B2 (ja) * | 1988-10-19 | 1996-08-14 | 株式会社ロボテック研究所 | 移動体の遠隔制御システム |
JP3289565B2 (ja) * | 1995-08-23 | 2002-06-10 | トヨタ自動車株式会社 | 自動操舵システム |
US8116969B2 (en) | 2005-07-18 | 2012-02-14 | Siemens Aktiengesellschaft | Method for equalizing traffic flows and for avoiding and resolving congestion |
US9536427B2 (en) | 2013-03-15 | 2017-01-03 | Carnegie Mellon University | Methods and software for managing vehicle priority in a self-organizing traffic control system |
US9519290B2 (en) * | 2015-01-15 | 2016-12-13 | Nissan North America, Inc. | Associating passenger docking locations with destinations |
US10345805B2 (en) | 2016-04-15 | 2019-07-09 | Podway Ltd. | System for and method of maximizing utilization of a closed transport system in an on-demand network |
CA3067640A1 (en) | 2017-07-06 | 2019-01-10 | Cubic Corporation | Passenger classification-based autonomous vehicle routing |
-
2021
- 2021-02-02 CN CN202180033972.9A patent/CN115516399A/zh active Pending
- 2021-02-02 WO PCT/EP2021/052377 patent/WO2021180398A1/en unknown
- 2021-02-02 EP EP21701829.0A patent/EP4118505A1/en active Pending
- 2021-02-05 TW TW110104384A patent/TW202141412A/zh unknown
Also Published As
Publication number | Publication date |
---|---|
WO2021180398A1 (en) | 2021-09-16 |
CN115516399A (zh) | 2022-12-23 |
EP4118505A1 (en) | 2023-01-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109285373B (zh) | 一种面向整体道路网的智能网联交通系统 | |
US20190311616A1 (en) | Connected and automated vehicle systems and methods for the entire roadway network | |
US8090489B2 (en) | Computerized driverless vehicles and traffic control system | |
CN111376950B (zh) | 一种基于仿生雁群的列车群控制方法和列车控制系统 | |
US20180004215A1 (en) | Path planning of an autonomous vehicle for keep clear zones | |
CN104269048A (zh) | 智能公交系统的动态调度和时刻管理 | |
US10896603B2 (en) | System and method for reducing delays in road traffic | |
JP2003030782A (ja) | 車両の専用道路運行方法およびシステム | |
TW202141412A (zh) | 自主運輸網路及其操作方法 | |
CN108611936A (zh) | 高速公路、高速公路的运行方法及系统 | |
TW202141445A (zh) | 具有交匯點控制方法的自主運輸網絡 | |
CN108470455B (zh) | 一种公交优先系统及控制方法 | |
EP4272197A1 (en) | Method for mixing scheduled and unscheduled vehicles | |
LU101673B1 (en) | Autonomous Transportation Network and Method of Operating the Same | |
JP4117964B2 (ja) | 車両運行システムおよび車両運行方法 | |
US20230274645A1 (en) | Transportation Network for Multi-featured Autonomous Vehicles | |
GB2592923A (en) | Autonomous transportation network and method for operating the same | |
US20230280167A1 (en) | A Method and Infrastructure for Communication of Perturbation Information in an Autonomous Transportation Network | |
JP2019179045A (ja) | 経路探索システム、経路探索方法及びコンピュータプログラム | |
JP2001266286A (ja) | 車両運行方法および車両運行システム | |
US11958602B2 (en) | Integrated engineering system that combines multiple drones and an electro-mechanical drone transportation system to achieve a new method of aviation transportation | |
JP7451112B2 (ja) | ドローン移動システム、およびそれを用いた配送システム | |
JP7187404B2 (ja) | 車両貸出システム | |
JP2000285364A (ja) | 交通支援システム | |
JP2000285363A (ja) | 交通支援システム |