CN111260924A - 适应边缘计算的交通智能管控与服务发布策略方法 - Google Patents
适应边缘计算的交通智能管控与服务发布策略方法 Download PDFInfo
- Publication number
- CN111260924A CN111260924A CN202010085308.6A CN202010085308A CN111260924A CN 111260924 A CN111260924 A CN 111260924A CN 202010085308 A CN202010085308 A CN 202010085308A CN 111260924 A CN111260924 A CN 111260924A
- Authority
- CN
- China
- Prior art keywords
- data
- intelligent
- facility
- road side
- event
- 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.)
- Granted
Links
- 238000004364 calculation method Methods 0.000 title claims abstract description 60
- 238000000034 method Methods 0.000 title claims abstract description 47
- 230000008520 organization Effects 0.000 claims abstract description 21
- 230000004069 differentiation Effects 0.000 claims abstract description 14
- 230000008447 perception Effects 0.000 claims abstract description 12
- 230000004807 localization Effects 0.000 claims abstract description 8
- 230000006855 networking Effects 0.000 claims abstract description 5
- 238000012545 processing Methods 0.000 claims description 73
- 238000004458 analytical method Methods 0.000 claims description 46
- 238000004891 communication Methods 0.000 claims description 40
- 238000007726 management method Methods 0.000 claims description 36
- 238000012544 monitoring process Methods 0.000 claims description 29
- 230000005540 biological transmission Effects 0.000 claims description 25
- 230000011218 segmentation Effects 0.000 claims description 16
- 230000002159 abnormal effect Effects 0.000 claims description 15
- 230000003044 adaptive effect Effects 0.000 claims description 10
- 230000003068 static effect Effects 0.000 claims description 10
- 230000007613 environmental effect Effects 0.000 claims description 8
- 230000003993 interaction Effects 0.000 claims description 8
- 238000004422 calculation algorithm Methods 0.000 claims description 7
- 230000004927 fusion Effects 0.000 claims description 7
- 238000011217 control strategy Methods 0.000 claims description 6
- 238000005516 engineering process Methods 0.000 claims description 5
- 241000497429 Obus Species 0.000 claims description 3
- 238000010219 correlation analysis Methods 0.000 claims description 3
- 238000007405 data analysis Methods 0.000 claims description 3
- 238000013480 data collection Methods 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 claims description 3
- 238000007499 fusion processing Methods 0.000 claims description 3
- 238000012821 model calculation Methods 0.000 claims description 3
- 230000000737 periodic effect Effects 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 238000011144 upstream manufacturing Methods 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 claims description 3
- 238000012800 visualization Methods 0.000 claims description 3
- 230000009471 action Effects 0.000 claims description 2
- 230000008859 change Effects 0.000 claims description 2
- 238000013461 design Methods 0.000 claims description 2
- 238000009792 diffusion process Methods 0.000 claims description 2
- 230000001502 supplementing effect Effects 0.000 claims 1
- 230000000694 effects Effects 0.000 abstract description 6
- 230000002452 interceptive effect Effects 0.000 description 5
- 230000004044 response Effects 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 210000004258 portal system Anatomy 0.000 description 2
- 101001137642 Homo sapiens Kinase suppressor of Ras 1 Proteins 0.000 description 1
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 102100021001 Kinase suppressor of Ras 1 Human genes 0.000 description 1
- 206010024769 Local reaction Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- PXUQTDZNOHRWLI-OXUVVOBNSA-O malvidin 3-O-beta-D-glucoside Chemical compound COC1=C(O)C(OC)=CC(C=2C(=CC=3C(O)=CC(O)=CC=3[O+]=2)O[C@H]2[C@@H]([C@@H](O)[C@H](O)[C@@H](CO)O2)O)=C1 PXUQTDZNOHRWLI-OXUVVOBNSA-O 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/23—Updating
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/27—Replication, distribution or synchronisation of data between databases or within a distributed database system; Distributed database system architectures therefor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/07—Controlling traffic signals
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Human Resources & Organizations (AREA)
- Data Mining & Analysis (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- General Engineering & Computer Science (AREA)
- Educational Administration (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Analytical Chemistry (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Chemical & Material Sciences (AREA)
- Remote Sensing (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Traffic Control Systems (AREA)
Abstract
适应边缘计算的交通智能管控与服务发布策略方法,实现了超视距线性/网络化条件下跨智能路侧设施节点的高精特征标识地图数据的组织与分发,跨智能路侧设施节点的多源时空交通数据适应性感知与场景智能辨识,跨智能路侧设施节点的本地化作用域计算和差异化策略生成方法,为智能交通,尤其是车路协同应用、未来自动驾驶应用提供了与之相适应的交通设施供给侧的服务能力。
Description
技术领域
本发明属于智能交通的技术领域,具体地涉及一种适应边缘计算的交通智能管控与服务发布策略方法。
背景技术
随着云计算、物联网、大数据、区块链等新一代信息技术的发展,信息计算从单体独立计算迁移到以云计算为核心的逻辑集中式大数据处理。但随着移动终端设备的高度普及以及车路协同辅助驾驶、自动驾驶等的迅速发展,更加智能化的安全、便捷、高效的出行需求对路侧服务的智能化、时效性、精细化提出了更高的要求,这就需要时延更低、宽带占用更少、效率更高的计算模式,也即边缘计算模式。
智能路侧设施是以边缘计算为核心应用的智能化基础设施,是车路协同应用的关键节点。目前智能路侧设施多在封闭式测试区域、半封闭测试区域等进行车路交互的单项测试应用,模拟事件或者人工输入的方式进行场景策略的功能测试;有些应用于信号灯交叉口并与信号灯进行关联开展路口单路侧智能设施的绿波通行;有些应用于停车场ETC收费及信息服务;智能路侧设施的地图或者空间位置数据以高精度地图数据感知采集、预装处理、动态增量/全量更新和云平台中心化处理发布为主,缺乏融合交通事件、环境状况、车辆动态运行状况等的时空策略数据生成应用,同时也缺少超视距路侧线性通道环境下跨智能路侧设施的车道级交通时空策略的生成,没有实现以智能路侧设施覆盖范围内的数据集为单元管理的多单元卸载切换应用。
本发明基于路侧高精度地图数据的有效组织和分发方法,适应融合跨智能路侧设施节点的多源时空交通数据,实现跨智能路侧设施节点的本地化作用域计算和差异化策略的生成方法,为车路协同式信息服务、智能驾驶等应用提供了低时延、精细化、高时效性与智能化的管控决策支撑,提高智能化路侧对单体、群体出行的综合交互服务能力及快速响应能力。
此外,随着信息通信技术和网络技术的发展以及众多智能化设施的应用,包括在取消高速公路省界收费站工程中,建设的大量ETC门架***和相关外场监测设施,如何保证其信息的安全尤为重要。而与之关联的车路协同式辅助驾驶、自动驾驶等应用领域的信息安全也越来越重要,当前智能路侧设施在高精度地图、管控策略、设施接入等方面缺乏互通联动的安全认证及信息的安全分发传输保障。
发明内容
本发明面向车路协同应用等相关业务,通过在路侧部署智能路侧设施节点,实现车载-路侧-中心的多级、低时延交互应用。针对行车视距不良、行车路面状况不良以及交通运行事件等,基于车路协同管控调度,可有效的通过连续部署的智能路侧设施节点联动及时发布预警提示、交通管控等策略;针对危险车辆故障事件(或货物危险异常事件)的及时发现与预警、车辆实时定位信息的采集与处理、本地化交通事件判别处理及预警等,可基于跨智能路侧设施节点的交互共享数据,适应性感知交通运行场景特征,同时,结合车路协同管控调度实现路侧差异化策略的处理、生成和分发。
本发明的技术解决问题是:克服现有技术的不足,提供一种适应边缘计算的交通智能管控与服务发布策略生成及分发方法,其实现了超视距线性/网络化条件下跨智能路侧设施节点的高精特征标识地图数据的组织与分发;跨智能路侧设施节点的多源时空交通数据适应性感知与场景智能辨识;跨智能路侧设施节点的本地化作用域计算和差异化策略生成方法,为智能交通,尤其是车路协同应用、未来智能驾驶应用提供了与之相适应的交通设施供给侧的服务能力。
本发明的技术解决方案是:这种适应边缘计算的交通智能管控与服务发布策略生成及分发方法,该方法包括以下步骤:
(1)在新建智能路侧设施的路段环境下,首先利用多种采集相结合的方式获取车道级高精度地图数据,可采用三维可量测实景影像数据采集、遥感影像数据解析处理、雷达采集、无人机采集等方式;数据成果应具备对象类型、逻辑关系、时效性标识等属性;其中,智能路侧设施包括以边缘计算为节点控制的智能基站、分车道发布设施;
(2)根据步骤(1)获取的高精度地图数据成果,按照交通结构物特征点、上下行方向进行高精度地图数据对象的物理化切分处理,高精度地图数据集合如下:
Amap={Snmz|(n,m,z)}
其中,z为路网编码,m为路网编码z中的路线编码,n为路线m中物理切分的小路段序号,Snmz表示路网z中路线编码为m的路线中第n个切分物理段数据集合;高精度地图数据是智能路侧设施所在一定空间范围内的具有时间特性的标识地图数据,包括物理数据和逻辑数据,用于路侧交通管控与服务策略生成、分发的范围、时效确定;标识地图数据用于路侧智能设施提供本地化交通管控和服务策略分发所需的空间对象,包括不同时间周期下的点、线、面等形式的道路标志标线、车道、道路构造物、监测设施、安全设施及相关沿线设施等,空间对象的属性数据包括对象类型、所属智能路侧设施标识、空间关系等;标识地图按照智能路侧设施布设位置及智能路侧设施计算的时空范围进行分段处理,同时将道路高精数据处理形成以特征单元划分的最小物理段;物理数据为真实世界存在的可视化对象,逻辑数据为提供本地化处理或策略分发所需的非物理化实体对象;
(3)设置智能路侧设施Ei的空间覆盖范围Crij,并与高精度地图数据集合Amap进行叠加分析,确保Amap全部或部分被包含在Crij空间范围中,从而确定智能路侧设施Ei可布设的位置桩号Ki以及通信单元位置桩号集合K′={Kij|(i,j)},Crij为第i个智能路侧设施Ei的空间覆盖范围,可为360度覆盖范围,圆形区域或者椭圆区域,其中圆形区域Crij为半径距离,若为椭圆形区域,Crij则为椭圆中心至椭圆最远点的距离,i为路网z中预置的智能路侧设施节点序号,j为智能路侧设施Ei所接入的通信单元序号;
(4)通过数据组织处理,将位置桩号Ki处的智能路侧设施Ei装载Crij,0>j>r,其中r为接入到智能路侧设施Ei的通信天线数量,覆盖范围内的高精度物理地图数据,数据编码用EiSnmz表示,并将成功装载到Ei的高精度地图数据赋值标识属性Ei;若Ei和Ei+1的覆盖范围有重叠区域,重叠区域的高精度地图物理数据编码分别用EiSnmz&Ei+qSnmz表示,分别装载到Ei和Ei+1,同时将成功装载到Ei和Ei+1的高精度地图数据分别赋值标识属性为Ei和Ei+1。
其中,q表示Ei和Ei+1的重叠区域数量;
(5)在经过步骤(4)处理后,按照路侧-路段-区域的层次进行时空数据组织;时空数据组织包括时空数据的对象类型、存储形态、空间逻辑关系以及传输数据形式,其中存储形态包括部署在道路上的智能路侧设施的存储环境以及时空数据的数据格式、数据分布节点、数据节点关系、应用接口;传输数据形式包括ASN.1、GML、GeoJSON等数据编码形式;
(6)经过步骤(5)处理后,建立路侧级高精位置地图E1至En之间的空间逻辑关联,并根据位置更新进行智能路侧设施秒级数据的更新处理,保持秒级数据的真实性、有效性、准确性;建立路段/路线/通道级数据R1至Ru之间的空间逻辑对应关系,并实现与路侧级高精位置数据的融合处理,按照周期时间T1进行数据同步和更新;建立中心/区域级与路段/路线/通道级数据的对应关系,并进行数据汇聚处理和可视化处理,按周期时间T2进行数据的同步和更新;
(7)将外场监测设施与智能路侧设施E1至En进行本地网络/无线网络连通,并保障高带宽、稳定可靠的数据传输;将外场监测设施的后台管理平台设施与路段/路线/通道管理平台设施进行互联互通,并保障高带宽、稳定可靠的数据传输;智能路侧设施E1至En与外场监测设施、外场监测设施的后台管理平台设施、路段/路线/通道管理平台等可基于云平台模式实现互联互通;
(8)实时感知接入多源交通数据,按照移动终端设施、不同种类的外场路侧设施、不同种类的软件平台以及网络信息安全设施进行分类,分别建立与智能路侧设施的协议接口,并分别以Min、Fin、Pin、Sin进行接入协议类别标识,协议接入的心跳周期分别为TM、TF、TP、SP;
(9)当新增移动终端设施、外场路侧设施、软件平台接入到智能路侧设施时,只需配置协议类型标识即可实现多源交通数据的适应性感知,并可根据接入协议类型进行交通运行数据、交通事件数据、环境数据、载运工具行驶数据、载运工具运行数据、路面状况数据、基础设施状况数据以及应急管控、动态交通管制等的边缘存储或者在线传输;其中,多源交通数据的适应性感知的具体数据还包括ETC收费数据、报送数据、外部***智能接入数据等的协议化接入,可根据协议标识自动化适配数据接口并按照预配置建立心跳数据;
(10)基于智能路侧设施边缘计算能力和时空计算分析,计算并当Ei覆盖区域内Crij以Tm周期接入的车辆平均速度低于阈值速度Vlimit时,则计算生成拥堵事件,并实时将智能路侧设施Ei覆盖范围的地图数据Amap分发给车载终端或软件平台,并标识拥堵信息起止点坐标位置,通过参考点时空计算模型计算得出拥堵信息的起止点桩号位置,同时,智能路侧设施按照Ei检测到的拥堵车辆速度变化,并利用事件影响分析、持续时间估计等方法计算是否实时将Ei覆盖范围内计算的具有桩号位置的拥堵信息向上游Ei-1传输,并在Ei-1进行拥堵信息发布,若高于阈值速度Vlimit时,则解除拥堵信息并将相应段的拥堵状态标记解除;其中(m为当前Ei覆盖区域的车辆数),装载有OBU等专用车载终端通过专用短程通信方式接入,其他车辆位置和速度信息可通过外场监测设施感知接入;
(11)基于智能路侧设施边缘计算能力和时空计算分析,实时计算智能路侧设施Ei以TM、TF、TP、Ts时间周期接入的协议类别为Min、Fin、Pin、Sin的数据,剔除异常数据并经过网络信息安全认证后,实时计算交通参数、交通事件信息、环境信息等,将Ei识别的交通运行数据、交通事件数据、环境数据、载运工具行驶数据、载运工具运行数据、路面状况数据、基础设施状况数据以及应急管控、动态交通管制等数据,与智能路侧设施Ei存储的空间物理单元数据、识别的不良路段数据进行融合叠加分析,并利用时空参考计算模型、事件分析模型计算策略发布的跨路侧智能设施的编号Ei~En,同时进行跨智能路侧设施的分布式关联处理,计算得出交通异常状况的动态桩号位置或范围;
(12)步骤(11)处理生成交通事件信息、环境数据、异常基础设施数据信息等,由所受影响的智能路侧设施Ei~En将其相应事件类别标识和智能路侧设施标识赋予步骤(11)处理生成的数据;
(13)在行业标准规范基础上,设置可维护场景类别库Wx,结合步骤(12)生成的类别标识,并与Wx中的场景标识进行匹配,若有匹配的场景类别Wx,则按照场景库中Wx的流程执行,若没有可匹配的场景类别,可通过自学习算法自动补充场景类别或通过人机录入方式增加场景类别;
(14)利用关联分析方法将步骤(12)和步骤(13)生成的数据进行比对分析,并与智能路侧设施节点空间位置进行叠置分析,智能识别在T时刻Ei~En所需执行的场景类型;
(15)经过步骤(10)~步骤(14)处理,分别计算Ei~En以Tm、Tf、Tp、Ts周期接入的Min、Fin、Pin、Sin协议类型的多源交通数据,记为{EDtmi,EDtfi,EDtpi,EDtsi},并计算识别场景条件下的事件数据集合{WEDtmi,WEDtfi,WEDtpi,WEDtsi|WEDtmi∈EDtmi,WEDtfi∈EDtfi,WEDtpi∈EDtpi,WEDtsi∈EDtsi},接着计算事件数据集合中的事件位置{Kmi,Kfi,Kpi}及其动态影响范围DR={{DKmi,SPEEDmi},{DKfi,SPEEDfi},{DKpi,SPEEDpi}},通过DR元素的叠加分析,计算出Ei距离事件范围边界的里程集合AL={Lmi,Lfi,Lpi};采用时空差异化策略计算模型进行分布式策略计算,并基于数据量、计算资源、服务距离三要素模型动态卸载和管理基于Ei~En的差异化策略处理与生成;
(16)经过步骤(15)处理生成AL,根据智能路侧设施Ei感知接入的车辆实时位置,计算生成策略集STRATEGY={STRATEGYmi,STRATEGYfi,STRATEGYpi|i∈N},并以智能路侧设施Ei所属通信单元实现与车辆的通信交互,同时接收车辆/车载终端的策略请求而被动发送Ei服务信息或事件信息。其中智能路侧设施Ei及其所属通信单元是经过安全信任的授权,包括智能路侧设施Ei的安全认证、生成策略信息的加密处理、混合通信网络下信息的安全分发,以及策略信息传输和分发过程中,在身份、行为、能力方面的可信评估与安全预警。
本发明使用路侧高精度地图数据并进行有效组织,适应融合跨智能路侧设施节点的多源时空交通数据,进行智能路侧执行场景的智能识别和本地化交通管控和服务策略的空间计算、精确匹配,并进行跨智能路侧设施节点的本地化作用域计算和差异化精准管控策略的生成,实现了超视距线型/网络化条件下跨智能路侧设施节点的高精特征标识地图数据的组织与分发,跨智能路侧设施节点的多源时空交通数据适应性感知与场景智能辨识,跨智能路侧设施节点的本地化作用域计算和差异化策略生成,为车路协同式信息服务、智能驾驶等应用提供了低时延、精细化、高时效性与智能化的管控决策支撑,提高智能化路侧对单体、群体出行的综合交互服务能力及快速响应能力。
附图说明
图1是本发明方法中高精度地图物理分段编码,为路网编号1中的编号为1的路线基于智能路侧设施E1、E2、…、En-1、En全覆盖情况下的第1、2、…、n-1、n段的分段情况;如图1,举例说明,S111的下标变量从左至右依次为路段编号、路线编号、路网编号,其中,路段编号为同一路线编号下不同路段的编号;路线编号为按照交通行业标准规定的行政等级公路编码,为全国唯一编码,为便于描述,本专利中以序列号标识,每个序号对应于不同公路编码的路线;路网编号为不同区域路网的唯一编号;
图2是本发明方法中高精度地图物理分段编码,为路网编号1中的编号为2的路线基于智能路侧设施E1、E2、…、En-1、En全覆盖情况下的第1、2、…、n-1、n段的分段情况;
图3是本发明方法中跨视距环境或者隧道环境下的高精度地图物理分段编码,为路网编号1中的编号为1的路线基于智能路侧设施E1的RSU2、RSUn-1、RSUn全覆盖情况下的第1、2、…、n-1、n段的分段情况;
图4是本发明方法中互通立交等复杂路网环境下的高精度地图物理分段编码,为路网编号1中的编号为1的路线基于智能路侧设施E1在互通立交匝道覆盖情况下的第1、2、…段的分段情况;
图5是本发明方法中高精度地图物理分段编码,为路网编号1中的编号为1的路线基于智能路侧设施E1、E2、…、En-1、En部分覆盖情况下的第1、2、…、n-1、n段的分段情况;
图6是本发明实例中高精度地图数据汇聚组织结构;
图7是本发明中跨智能路侧设施节点的本地化计算及差异化策略生成的协作管理流程图。
具体实施方式
这种适应边缘计算的交通智能管控与服务发布策略方法,包括以下步骤:
(1)在新建智能路侧设施的路段环境下,首先利用多种采集相结合的方式获取车道级高精度地图数据,可采用三维可量测实景影像数据采集、遥感影像数据解析处理、雷达采集、无人机采集等方式;数据成果应具备对象类型、逻辑关系、时效性标识等属性;其中,智能路侧设施包括以边缘计算为节点控制的智能基站、分车道发布设施。
(2)根据步骤(1)获取的高精度地图数据成果,按照交通结构物特征点(包括地形、几何线形、基础设施设置、匝道设置、出入口、交叉口、三维实景环境、行政管理界)、上下行方向进行高精度地图数据对象的物理化切分处理,高精度地图数据集合如下:
Amap={Snmz|(n,m,z)}
其中,z为路网编码,m为路网编码z中的路线编码,n为路线m中物理切分的小路段序号,则有,Snmz表示路网z中路线编码为m的路线中第n个切分物理段数据集合。图1~图5为地图数据物理切段示意,其中,Crij为第i个智能路侧设施Ei的空间覆盖范围,可为360度覆盖范围。圆形区域或者椭圆区域,其中圆形区域Crij为半径距离,若为椭圆形区域,Crij则为椭圆中心至椭圆最远点的距离,i为路网z中预置的智能路侧设施节点序号,j为智能路侧设施Ei所接入的通信单元序号;高精度地图数据是智能路侧设施所在一定空间范围内的具有时间特性的标识地图数据,包括物理数据和逻辑数据,用于路侧交通管控与服务策略生成、分发的范围、时效确定;标识地图数据用于路侧智能设施提供本地化交通管控和服务策略分发所需的空间对象,包括不同时间周期下的点、线、面等形式的道路标志标线、车道、道路构造物、监测设施、安全设施及相关沿线设施等,空间对象的属性数据包括对象类型、所属智能路侧设施标识、空间关系等;标识地图按照智能路侧设施布设位置及智能路侧设施计算的时空范围进行分段处理,同时将道路高精数据处理形成以特征单元划分的最小物理段;物理数据为真实世界存在的可视化对象,逻辑数据为提供本地化处理或策略分发所需的非物理化实体对象;举例说明,S111的下标变量从左至右依次为路段编号、路线编号、路网编号,其中,路段编号为同一路线编号下不同路段的编号;路线编号为按照交通行业标准规定的行政等级公路编码,为全国唯一编码,为便于描述,本专利中以序列号标识,每个序号对应于不同公路编码的路线,以下同;路网编号为不同区域路网的唯一编号;
(3)设置智能路侧设施Ei的空间覆盖范围Crij,并与高精度地图数据集合Amap进行叠加分析,确保Amap全部或部分被包含在Crij空间范围中,从而确定智能路侧设施Ei可布设的位置桩号Ki以及通信单元位置桩号集合K′={Kij|(i,j)}。
(4)通过数据组织处理,将位置桩号Ki处的智能路侧设施Ei装载Crij(0>j>r,其中r为接入到智能路侧设施Ei的通信天线数量)覆盖范围内的高精度物理地图数据,数据编码用EiSnmz表示,并将成功装载到Ei的高精度地图数据赋值标识属性Ei;若Ei和Ei+1的覆盖范围有重叠区域,重叠区域的高精度地图物理数据编码分别用EiSnmz&Ei+qSnmz表示,分别装载到Ei和Ei+1,同时将成功装载到Ei和Ei+1的高精度地图数据分别赋值标识属性为Ei和Ei+1。其中,q表示Ei和Ei+1的重叠区域数量。
(5)在经过步骤(4)处理后,可按照路侧-路段(路线/通道)-中心(区域)的层次进行时空数据组织;图6为时空数据组织结构;时空数据组织包括时空数据的对象类型、存储形态、空间逻辑关系以及传输数据形式,其中存储形态包括部署在道路上的智能路侧设施的存储环境以及时空数据的数据格式、数据分布节点、数据节点关系、应用接口;传输数据形式包括ASN.1、GML、GeoJSON等数据编码形式。
(6)经过步骤(5)处理后,建立路侧级高精位置地图E1至En之间的空间逻辑关联,并根据位置更新进行智能路侧设施秒级数据的更新处理,保持秒级数据的真实性、有效性、准确性;建立路段/路线/通道级(区域级)数据R1至Ru之间的空间逻辑对应关系,并实现与路侧级高精位置数据的融合处理,按照周期时间T1(秒级)进行数据同步和更新;建立中心/区域级与路段/路线/通道级数据的对应关系,并进行数据汇聚处理和可视化处理,按周期时间T2(分钟级)进行数据的同步和更新。
(7)在步骤(1)~步骤(6)处理后,将外场监测设施与智能路侧设施E1至En进行本地网络/无线网络连通,并保障高带宽、稳定可靠的数据传输;将外场监测设施的后台管理平台设施(可部署于E1至En)与路段/路线/通道管理平台设施进行互联互通,并保障高带宽、稳定可靠的数据传输;智能路侧设施E1至En与外场监测设施、外场监测设施的后台管理平台设施、路段/路线/通道管理平台等可基于云平台模式实现互联互通。
(8)在步骤(7)处理后,实时感知接入多源交通数据(包括安全认证信息、密钥信息等),按照移动终端设施、不同种类的外场路侧设施(含ETC门架***等)、不同种类的软件平台以及网络信息安全设施进行分类,分别建立与智能路侧设施的协议接口,并分别以Min、Fin、Pin、Sin进行接入协议类别标识,协议接入的心跳周期分别为TM、TF、TP、Ts;
(9)当新增移动终端设施、外场路侧设施、软件平台接入到智能路侧设施时,只需配置协议类型标识即可实现多源交通数据的适应性感知,并可根据接入协议类型进行交通运行数据、交通事件数据、环境数据、载运工具行驶数据、载运工具运行数据、路面状况数据、基础设施状况数据以及应急管控、动态交通管制等的边缘存储或者在线传输;其中,多源交通数据的适应性感知的具体数据还包括ETC收费数据、报送数据、外部***智能接入数据等的协议化接入,可根据协议标识自动化适配数据接口并按照预配置建立心跳数据;
(10)基于智能路侧设施边缘计算能力和时空计算分析,计算并当Ei覆盖区域内Crij以周期接入的车辆平均速度低于阈值速度Vlimit时,则计算生成拥堵事件,并实时将智能路侧设施Ei覆盖范围的地图数据Amap分发给车载终端或软件平台(如信息发布平台),并标识拥堵信息起止点坐标位置,通过参考点时空计算模型计算得出拥堵信息的起止点桩号位置,同时,智能路侧设施按照Ei检测到的拥堵车辆速度变化(如,持续保持在Vlimit以下的时间为10s),并利用事件影响分析、持续时间估计方法计算是否实时将Ei覆盖范围内计算的具有桩号位置的拥堵信息向上游Ei-1传输,并在Ei-1进行拥堵信息发布,若高于阈值速度Vlimit时,则解除拥堵信息并将相应段的拥堵状态标记解除。
(11)基于智能路侧设施边缘计算能力和时空计算分析,实时计算智能路侧设施Ei以TM、TF、TP、Ts时间周期接入的协议类别为Min、Fin、Pin、Sin的数据,剔除异常数据后,实时计算交通参数、交通事件信息(包括对应的桩号或者道路标识点位置)、环境信息(包括低能见度、路面结冰等)等,将并将网络信息安全认证通过的Ei识别的交通运行数据、交通事件数据、环境数据、载运工具行驶数据、载运工具运行数据、路面状况数据、基础设施状况数据以及应急管控、动态交通管制等数据,与智能路侧设施Ei存储的空间物理单元数据、识别的不良路段数据进行融合叠加分析,并利用时空参考计算模型、事件分析模型计算策略发布的跨路侧智能设施的编号Ei~En,同时进行跨智能路侧设施的分布式关联处理,计算得出交通异常状况的动态桩号位置或范围(起止点位置或电子围栏);
(12)步骤(11)处理生成交通事件信息(包括对应的桩号或者道路标识点位置、影响车道)、环境数据(包括低能见度、路面结冰等)、异常基础设施数据信息(异常设施位置或范围)等,由所受影响的智能路侧设施Ei~En将其相应事件类别标识和智能路侧设施标识赋予步骤(11)处理生成的数据;
(13)在行业标准规范基础上,设置可维护场景类别库Wx,结合步骤(12)生成的类别标识,并与Wx中的场景标识进行匹配,若有匹配的场景类别Wx,则按照场景库中Wx的流程执行,若没有可匹配的场景类别,可通过自学习算法自动补充场景类别或通过人机录入方式增加场景类别,其中x∈Z。
(14)利用关联分析方法将步骤(12)和步骤(13)生成的数据进行比对分析,并与智能路侧设施节点空间位置进行叠置分析,智能识别在T时刻Ei~En所需执行的场景类型。
(15)经过步骤(10)~步骤(14)处理,分别计算Ei~En以Tm、Tf、Tp、Ts周期接入的Min、Fin、Pin、Sin协议类型的多源交通数据,记为{EDtmi,EDtfi,EDtpi,EDtsi},并计算识别场景条件下的事件数据集合{WEDtmi,WEDtfi,WEDtpi,WEDtsi|WEDtmi∈EDtmi,WEDtfi∈EDtfi,WEDtpi∈EDtpi,WEDtsi∈EDtsi},接着计算事件数据集合中的事件位置{Kmi,Kfi,Kpi}及其动态影响范围DR={{DKmi,SPEEDmi},{DKfi,SPEEDfi},{DKpi,SPEEDpi}},通过DR元素的叠加分析,计算出Ei距离事件范围边界的里程集合AL={Lmi,Lfi,Lpi};采用时空差异化策略计算模型进行分布式策略计算,并基于数据量、计算资源、服务距离三要素模型动态卸载和管理基于Ei~En的差异化策略处理与生成。
(16)经过步骤(15)处理生成AL,根据智能路侧设施Ei感知接入的车辆实时位置(坐标或桩号),计算生成策略集STRATEGY={STRATEGYmi,STRATEGYfi,STRATEGYpi|i∈N},并以智能路侧设施Ei所属通信单元实现与车辆的通信交互,同时也可接收车辆/车载终端的策略请求而被动发送Ei服务信息或事件信息。其中智能路侧设施Ei及其所属通信单元是经过安全信任的授权,包括智能路侧设施Ei的安全认证、生成策略信息的加密处理、混合通信网络(包括不限于有线通信和无线通信、专用短程通信和以太网通信、公网通信和私网通信等多种混合方式)下信息的安全分发,以及策略信息传输和分发过程中,在身份、行为、能力方面的可信评估与安全预警。
本发明使用路侧高精度地图数据并进行有效组织,适应融合跨智能路侧设施节点的多源时空交通数据,进行智能路侧执行场景的智能识别,并进行跨智能路侧设施节点的本地化作用域计算和差异化精准管控策略的生成,实现了超视距线型/网络化条件下跨智能路侧设施节点的高精特征标识地图数据的组织与分发,跨智能路侧设施节点的多源时空交通数据适应性感知与场景智能辨识,跨智能路侧设施节点的本地化作用域计算和差异化策略生成,为车路协同式信息服务、智能驾驶等应用提供了低时延、精细化、高时效性与智能化的管控决策支撑,提高智能化路侧对单体、群体出行的综合交互服务能力及快速响应能力。
优选地,所述步骤(4)的数据组织处理是基于静态物理数据的路侧端设施存储和组织处理,也可按照动态时空数据进行组织。计算智能路侧设施Ei所在位置桩号Ki处的参考点坐标值Rd,根据GIS动态分段理论计算Ei覆盖范围内所在路段的线性参考坐标序列Rc={r1,r2,…,rg},其中n为Ei覆盖时空范围内满足应用需要的线性参考坐标点的数量,rg表示第g个线性参考坐标值。将作用于Ei的动态时空参考数据标记为EiRc,若Ei和Ei+1的覆盖范围有重叠区域,则在重叠区域的动态时空参考数据标记为EiRc&Ei+qRc,分别在Ei和Ei+1应用时动态调用;其中,智能路侧设施Ei读取以Ei所属时空范围内的空间数据物理单元,同时识别出不良路段信息或危险地段。
优选地,所述步骤(7)中外场监测设施与智能路侧设施E1至En进行本地网络/无线网络连通,并保障高带宽、稳定可靠的数据传输,同时智能路侧设施E1至En之间采用本地网络/无线网络高速联通,具备高带宽、低时延的网络特性,可按照不同的组网方式(环网、星型网等)进行分组的组内和组间互联,可实现E1至En跨智能路侧设施节点之间的高可靠数据传输,并按照数据量(DV)、计算资源(PR)、服务距离(SL)三要素模型进行动态多节点协作管理,图7是本发明中跨智能路侧设施节点的本地化计算及差异化策略生成的协作管理流程图,智能路侧设施可包括边缘计算节点、路侧通信天线中的一种或二者兼有,与车路协同管控管控调度与监测模块进行路侧级信息交互。其中,智能路侧设施E1至En实时感知来自于外场监测设施、监测管理软件模块(平台)、移动终端设施中的一种或多种的各类数据,智能路侧设施Ei的计算资源利用率λi=[(DVi+δDVk-n)*fmi]/PRi,计算时延ti=(DVi+δDVk-n)/[(λi*PRi)*fi]+δDVi/B+δt,智能路侧设施Ei计算出的策略的服务距离SLi=Crij±δk-n。
DVi为智能路侧设施Ei的接入数据量;δDVk-n表示第k至第n个路侧智能设施卸载到Ei进行计算的数据量;fmi表示路侧智能设施Ei的单位数据所需的计算资源;PRi表示路侧智能设施Ei的计算资源,取λ0=0.7;fi表示单位计算资源的处理数据量;δDVi表示智能路侧设施Ei卸载到其他节点的数据量;B表示智能路侧设施之间的传输带宽;δt表示路侧智能设施Ei的需排队时间;δk-n表示跨智能路路侧设施节点重合区域距离,则有,跨智能路侧设施节点协作管理模型Emod={Optimum(DVi,PRi,SLi)|i∈N},用于智能路侧设施策略生成的最优化管理模型。
优选地,所述步骤(11)中的基于智能路侧设施边缘计算能力和时空计算分析,基于车道级数据应用交通事件/状态的辨识分析算法进行不同种类交通事件/状态的辨识判别和态势预测,其中事件/状态记为ETi_(本模型计算的第i_个事件);利用关键点段或不良路段或存在潜在风险的构造物状况辨识模型等方法生成不良路段、关键点段或潜在风险构造物的状态事件或预警提示事件,其中事件记为STi_(本模型计算的第i_个事件);利用平台或报送信息的接入或中心级分析推送事件,与智能路侧设施时空数据进行基于时空范围的叠置分析,生成信息服务或信息事件以及影响范围,其中事件记为PTi_(本模型计算的第i_个事件);利用通道或路网级交通管控模型进行区域/路段级交通处置策略生成,其中管控策略事件记为GTi_(本模型计算的第i_个事件);利用移动终端接入数据或车联网信息进行模型处理并分析生成车辆事件(特情事件、故障事件等),事件记为MTi_(本模型计算的第i_个事件),以上与智能路侧设施管理的时空数据进行时空范围的叠置分析,计算出Ei智能路侧站差异化策略信息并进行作用域内分发。基于以上,跨智能路侧设施节点的本地化作用域计算和差异化策略处理,以事件为例,流程如下:
1)场景类别及空间位置辨识
场景类别辨识通过事件可信分析算法计算出智能路侧设施Ei感知的事件集Event={ETi,STi,PTi,GTi,MTi|i∈N},并针对数据集Event进行多源数据融合计算分析,基于智能路侧设施空间信息进行事件位置与Ei存储或关联路段的匹配处理,得出Event中事件的原始桩号位置,KEvent_ih={f(Ex,Ey),f′(Ex,Ey)},其中Ex表示智能路侧设施经度值或x坐标值,Ey表示智能路侧设施纬度值或y坐标值,f(Ex,Ey)表示(Ex,Ey)坐标对应的起点桩号值,f′(Ex,Ey)表示(Ex,Ey)坐标对应的止点桩号值,则有KEvent_ih表示Event集合中路侧智能设施Ei感知的第h类事件的桩号值,h∈N;
2)路侧影响范围生成
根据步骤1)的计算结果,并结合事件初始影响范围或者影响路段长度计算得出事件影响范围原始空间数据,记为EventScope={NodeList,LinkList,PolygonList},其中NodeList为空间坐标列表,LinkList为空间几何线层列表,PolygonList为空间几何面层列表;利用事件影响分析模型或扩散模型等方法计算出单位时间内事件影响或蔓延速度Espeed,则有从事件发生起的t时刻内事件影响范围为tEventScope={EventScope+f(EventScope,t*Espeed)|t∈R};
3)智能路侧设施时空数据叠置分析
根据步骤2)的计算结果,并将智能路侧设施Ei的信号覆盖区域Crij生成图层EiScope,利用GIS空间叠置分析,生成EventScope和EiScope叠置区域EVScope;
4)差异化策略组织及作用域计算
根据步骤1)~步骤3)的处理,利用高精度地图数据和高精度位置匹配技术,按照不同智能路侧设施Ei及时间t时刻的Event事件影响范围tEventScope,并结合车辆行驶位置制定不同的策略提示或预警数据,并形成基于车道的管控措施或预警数据。同时,根据智能路侧设施Ei的信号覆盖范围,融合tEventScope和EiScope,从而得出差异化策略的作用域数据STRATEGYScope={(tEventScope,EiScope)|i∈N,t∈R};
5)智能化策略融合与生成
按照事件类别、智能路侧设施Ei的空间位置,进行事件Event集合中各类事件影响范围内基于场景类别库Wx(第x个场景类别)的车道限速Speedlimit-s[y]、车道控制Lane[e](e=1,禁行;e=2,限速;e=3,变道;e=4,通行)、预警提示、交通管控等策略的自动拼接生成。其中,e∈N,e值越小,控制措施越严格,Speedlimit-s=min{Speedlimit-s[y]|y∈N};车道控制Lane[e]中e按照1~4的顺序,若对同一车道产生不同的e,则按照最小值计算;策略内容按照绕行、提示、预警、控制的顺序进行处理,若出现同一时空范围内出现不同的处理策略,则按照优先控制、其次预警,依次提示、绕行等的优先级计算;若存在动态和静态交通管控或提示策略,则动态交通管控策略优先,其他策略内容同理,最终形成可按照跨智能路侧设施Ei的策略组织管理内容及分发内容;其中,Speedlimit-s[y]标识以行车方向为基准由右至左计算的第s个车道的第y组限速集合,若存在交通基础设施规定的静态限速值,默认为交通基础设施的静态限速值,若存在动态交通限速值,以动态限速值优先控制,若没有动态限速值和静态限速值,则以设计限速值为默认限速值。
6)步骤1)~步骤5)中,在智能路侧设施Ei~En中进行时空差异化策略计算的各环节,采用基于数据量、计算资源、服务距离三要素模型动态卸载和协同管理Ei~En的差异化数据处理。
本发明所构思的以上技术方案与现有技术相比,具有以下技术特征及有益效果:
(1)本发明方法,适应边缘计算的交通智能管控与服务发布策略方法,基于智能路侧的高精时空数据组织与分发,实现车道级数据在路侧端的支撑应用;
(2)结合多源时空交通数据的适应性感知与场景智能辨识,进行本地化交通管控和服务策略的空间计算、精确匹配,实现以边缘计算为核心的数据时空感知和车道级策略计算,提高通道及路段级的道路运行环境本地反应能力、交通诱导能力、车辆运行监测服务能力等,实现本地处理和运行监测的秒级响应,提升交通安全水平;
(3)实现车载-路侧-中心的多级、低时延交互应用。针对行车视距不良、行车路面状况不良以及交通运行事件等,基于车路协同管控调度,可有效的通过连续部署的智能路侧设施节点联动,及时发布预警提示、交通管控等策略;针对危险车辆故障事件(或货物危险异常事件)的及时发现与预警、车辆实时定位信息的采集与处理、本地化交通事件判别处理及预警等,可基于跨智能路侧设施节点的交互共享数据,适应性感知交通运行场景特征,同时,结合车路协同管控调度实现路侧差异化策略的处理、生成和分发,包括策略信息的安全加密处理、混合通信网络下信息的安全分发,为智能交通,尤其是车路协同应用、未来自动驾驶应用提供了与之相适应的交通设施供给侧的服务能力。
以上所述,仅是本发明的较佳实施例,并非对本发明作任何形式上的限制,凡是依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰,均仍属本发明技术方案的保护范围。
Claims (5)
1.适应边缘计算的交通智能管控与服务发布策略方法,其特征在于:该方法包括以下步骤:
(1)在新建智能路侧设施的路段环境下,首先利用多种采集相结合的方式获取车道级高精度地图数据,采用三维可量测实景影像数据采集、遥感影像数据解析处理、雷达设备采集、无人机采集方式;数据成果具备对象类型、逻辑关系、时效性标识属性;其中,智能路侧设施包括以边缘计算为节点控制的智能基站、分车道发布设施;
(2)根据步骤(1)获取的高精度地图数据成果,按照交通结构物特征点、上下行方向进行高精度地图数据对象的物理化切分处理,高精度地图数据集合如下:
Amap={Snmz|(n,m,z)}
其中,z为路网编码,m为路网编码z中的路线编码,n为路线m中物理切分的小路段序号,Snmz表示路网z中路线编码为m的路线中第n个切分物理段数据集合;高精度地图数据是智能路侧设施所在一定空间范围内的具有时间特性的标识地图数据,包括物理数据和逻辑数据,用于路侧交通管控与服务策略生成、分发的范围、时效确定;标识地图数据用于路侧智能设施提供本地化交通管控和服务策略分发所需的空间对象,包括不同时间周期下的点、线、面等形式的道路标志标线、车道、道路构造物、监测设施、安全设施及相关沿线设施,空间对象的属性数据包括对象类型、所属智能路侧设施标识、空间关系;标识地图按照智能路侧设施布设位置及智能路侧设施计算的时空范围进行分段处理,同时将道路高精数据处理形成以特征单元划分的最小物理段;物理数据为真实世界存在的可视化对象,逻辑数据为提供本地化处理或策略分发所需的非物理化实体对象;
(3)设置智能路侧设施Ei的空间覆盖范围Crij,并与高精度地图数据集合Amap进行叠加分析,确保Amap全部或部分被包含在Crij空间范围中,从而确定智能路侧设施Ei布设的位置桩号Ki以及通信单元位置桩号集合K′={Kij|(i,j)},Crij为第i个智能路侧设施Ei的空间覆盖范围,为360度覆盖范围,圆形区域或者椭圆区域,其中圆形区域Crij为半径距离,若为椭圆形区域,Crij则为椭圆中心至椭圆最远点的距离,i为路网z中预置的智能路侧设施节点序号,j为智能路侧设施Ei所接入的通信单元序号;
(4)通过数据组织处理,将位置桩号Ki处的智能路侧设施Ei装载Crij,0>j>r,其中r为接入到智能路侧设施Ei的通信天线数量,覆盖范围内的高精度物理地图数据,数据编码用EiSnmz表示,并将成功装载到Ei的高精度地图数据赋值标识属性Ei;若Ei和Ei+1的覆盖范围有重叠区域,重叠区域的高精度地图物理数据编码分别用EiSnmz&Ei+qSnmz表示,分别装载到Ei和Ei+1,同时将成功装载到Ei和Ei+1的高精度地图数据分别赋值标识属性为Ei和Ei+1,
其中,q表示Ei和Ei+1的重叠区域数量;
(5)在经过步骤(4)处理后,按照路侧-路段-区域的层次进行时空数据组织;时空数据组织包括时空数据的对象类型、存储形态、空间逻辑关系以及传输数据形式,其中存储形态包括部署在道路上的智能路侧设施的存储环境以及时空数据的数据格式、数据分布节点、数据节点关系、应用接口;传输数据形式包括ASN.1、GML、GeoJSON数据编码形式;
(6)经过步骤(5)处理后,建立路侧级高精位置地图E1至En之间的空间逻辑关联,并根据位置更新进行智能路侧设施秒级数据的更新处理,保持秒级数据的真实性、有效性、准确性;建立路段/路线/通道级数据R1至Ru之间的空间逻辑对应关系,并实现与路侧级高精位置数据的融合处理,按照周期时间T1进行数据同步和更新;建立中心/区域级与路段/路线/通道级数据的对应关系,并进行数据汇聚处理和可视化处理,按周期时间T2进行数据的同步和更新;
(7)将外场监测设施与智能路侧设施E1至En进行本地网络/无线网络连通,并保障高带宽、稳定可靠的数据传输;将外场监测设施的后台管理平台设施与路段/路线/通道管理平台设施进行互联互通,并保障高带宽、稳定可靠的数据传输;智能路侧设施E1至En与外场监测设施、外场监测设施的后台管理平台设施、路段/路线/通道管理平台等可基于云平台模式实现互联互通;
(8)实时感知接入多源交通数据,按照移动终端设施、不同种类的外场路侧设施、不同种类的软件平台以及网络信息安全设施进行分类,分别建立与智能路侧设施的协议接口,并分别以Min、Fin、Pin、Sin进行接入协议类别标识,协议接入的心跳周期分别为TM、TF、TP、Ts;
(9)当新增移动终端设施、外场路侧设施、软件平台接入到智能路侧设施时,只需配置协议类型标识即可实现多源交通数据的适应性感知,并可根据接入协议类型进行交通运行数据、交通事件数据、环境数据、载运工具行驶数据、载运工具运行数据、路面状况数据、基础设施状况数据以及应急管控、动态交通管制的边缘存储或者在线传输;其中,多源交通数据的适应性感知的具体数据还包括ETC收费数据、报送数据、外部***智能接入数据的协议化接入,根据协议标识自动化适配数据接口并按照预配置建立心跳数据;
(10)基于智能路侧设施边缘计算能力和时空计算分析,计算并当Ei覆盖区域内Crij以周期接入的车辆平均速度低于阈值速度Vlimit时,则计算生成拥堵事件,并实时将智能路侧设施Ei覆盖范围的地图数据Amap分发给车载终端或软件平台,并标识拥堵信息起止点坐标位置,通过参考点时空计算模型计算得出拥堵信息的起止点桩号位置,同时,智能路侧设施按照Ei检测到的拥堵车辆速度变化,并利用事件影响分析、持续时间估计方法计算是否实时将Ei覆盖范围内计算的具有桩号位置的拥堵信息向上游Ei-1传输,并在Ei-1进行拥堵信息发布,若高于阈值速度Vlimit时,则解除拥堵信息并将相应段的拥堵状态标记解除;其中m为当前Ei覆盖区域的车辆数,装载有OBU等专用车载终端通过专用短程通信方式接入,其他车辆位置和速度信息可通过外场监测设施感知接入;
(11)基于智能路侧设施边缘计算能力和时空计算分析,实时计算智能路侧设施Ei以TM、TF、TP、Ts时间周期接入的协议类别为Min、Fin、Pin、Sin的数据,剔除异常数据并经网络信息安全认证后,实时计算交通参数、交通事件信息、环境信息,将经过网络信息安全认证的Ei识别的交通运行数据、交通事件数据、环境数据、载运工具行驶数据、载运工具运行数据、路面状况数据、基础设施状况数据以及应急管控、动态交通管制数据,与智能路侧设施Ei存储的空间物理单元数据、识别的不良路段数据进行融合叠加分析,并利用时空参考计算模型、事件分析模型计算策略发布的跨路侧智能设施的编号Ei~En,同时进行跨智能路侧设施的分布式关联处理,计算得出交通异常状况的动态桩号位置或范围;
(12)步骤(11)处理生成交通事件信息、环境数据、异常基础设施数据信息,由所受影响的智能路侧设施Ei~En将其相应事件类别标识和智能路侧设施标识赋予步骤(11)处理生成的数据;
(13)在行业标准规范基础上,设置可维护场景类别库Wi,结合步骤(12)生成的类别标识,并与Wi中的场景标识进行匹配,若有匹配的场景类别Wi,则按照场景库中Wi的流程执行,若没有可匹配的场景类别,通过自学习算法自动补充场景类别或通过人机录入方式增加场景类别;
(14)利用关联分析方法将步骤(12)和步骤(13)生成的数据进行比对分析,并与智能路侧设施节点空间位置进行叠置分析,智能识别在T时刻Ei~En所需执行的场景类型;
(15)经过步骤(10)~步骤(14)处理,分别计算Ei~En以Tm、Tf、Tp、Ts周期接入的Min、Fin、Pin、Sin协议类型的多源交通数据,记为{EDtmi,EDtfi,EDtpi,EDtsi},并计算识别场景条件下的事件数据集合{WEDtmi,WEDtfi,WEDtpi,WEDtsi|WEDtmi∈EDtmi,WEDtfi∈EDtfi,WEDtpi∈EDtpi,WEDtsi∈EDtsi},接着计算事件数据集合中的事件位置{Kmi,Kfi,Kpi}及其动态影响范围DR={{DKmi,SPEEDmi},{DKfi,SPEEDfi},{DKpi,SPEEDpi}},通过DR元素的叠加分析,计算出Ei距离事件范围边界的里程集合AL={Lmi,Lfi,Lpi};采用时空差异化策略计算模型进行分布式策略计算,并基于数据量、计算资源、服务距离三要素模型动态卸载和管理基于网络信息安全认证通过后的Ei~En的差异化策略处理与生成;
(16)经过步骤(15)处理生成AL,根据智能路侧设施Ei感知接入的车辆实时位置,计算生成策略集STRATEGY={STRATEGYmi,STRATEGYfi,STRATEGYpi|i∈N},并以智能路侧设施Ei所属通信单元实现与车辆的通信交互,同时接收车辆/车载终端的策略请求而被动发送Ei服务信息或事件信息,其中智能路侧设施Ei及其所属通信单元是经过安全信任的授权,包括智能路侧设施Ei的安全认证、生成策略信息的加密处理、混合通信网络下信息的安全分发,以及策略信息传输和分发过程中,在身份、行为、能力方面的可信评估与安全预警。
2.根据权利要求1所述的适应边缘计算的交通智能管控与服务发布策略方法,其特征在于:所述步骤(4)的数据组织处理是基于静态物理数据的路侧端设施存储和组织处理,或按照动态时空数据进行组织;计算智能路侧设施Ei所在位置桩号Ki处的参考点坐标值Rd,根据GIS动态分段理论计算Ei覆盖范围内所在路段的线性参考坐标序列Rc={r1,r2,…,rg},其中n为Ei覆盖时空范围内满足应用需要的线性参考坐标点的数量,rg表示第g个线性参考坐标值;将作用于Ei的动态时空参考数据标记为EiRc,若Ei和Ei+1的覆盖范围有重叠区域,则在重叠区域的动态时空参考数据标记为EiRc&Ei+qRc,分别在Ei和Ei+1应用时动态调用;其中,智能路侧设施Ei读取以Ei所属时空范围内的空间数据物理单元,同时识别出不良路段信息或危险地段。
3.根据权利要求2所述的适应边缘计算的交通智能管控与服务发布策略方法,其特征在于:所述步骤(7)中外场监测设施与智能路侧设施E1至En进行本地网络/无线网络连通,并保障高带宽、稳定可靠的数据传输,同时智能路侧设施E1至En之间采用本地网络/无线网络高速联通,具备高带宽、低时延的网络特性,按照不同的组网方式进行分组的组内和组间互联,实现E1至En跨智能路侧设施节点之间的高可靠数据传输,并按照数据量、计算资源、服务距离三要素模型进行动态多节点协作管理,智能路侧设施包括边缘计算节点、路侧通信天线中的一种或二者兼有,与车路协同管控管控调度与监测模块进行路侧级信息交互;其中,智能路侧设施E1至En实时感知来自于外场监测设施、监测管理软件模块、移动终端设施中的一种或多种的各类数据,智能路侧设施Ei的计算资源利用率λi=[(DVi+δDVk-n)*fmi]/PRi,计算时延ti=(DVi+δDVk-n)/[(λi*PRi)*fi]+δDVi/B+δt,智能路侧设施Ei计算出的策略的服务距离SLi=Crij±δk-n;DVi为智能路侧设施Ei的接入数据量;δDVk-n表示第k至第n个路侧智能设施卸载到Ei进行计算的数据量;fmi表示路侧智能设施Ei的单位数据所需的计算资源;PRi表示路侧智能设施Ei的计算资源,取λ0=0.7;fi表示单位计算资源的处理数据量;δDVi表示智能路侧设施Ei卸载到其他节点的数据量;B表示智能路侧设施之间的传输带宽;δt表示路侧智能设施Ei的需排队时间;δk-n表示跨智能路路侧设施节点重合区域距离,则有,跨智能路侧设施节点协作管理模型Emod={Optimum(DVi,PRi,SLi)|i∈N},用于智能路侧设施策略生成的最优化管理模型。
4.根据权利要求3所述的适应边缘计算的交通智能管控与服务发布策略方法,其特征在于:所述步骤(11)中的基于智能路侧设施边缘计算能力和时空计算分析,基于车道级数据应用交通事件/状态的辨识分析算法进行不同种类交通事件/状态的辨识判别和态势预测,其中事件/状态记为ETi_;利用关键点段或不良路段或存在潜在风险的构造物状况辨识模型方法生成不良路段、关键点段或潜在风险构造物的状态事件或预警提示事件,其中事件记为STi_;利用平台或报送信息的接入或中心级分析推送事件,与智能路侧设施时空数据进行基于时空范围的叠置分析,生成信息服务或信息事件以及影响范围,其中事件记为PTi_;利用通道或路网级交通管控模型进行区域/路段级交通处置策略生成,其中管控策略事件记为GTi_,本模型计算的第i_个事件;利用移动终端接入数据或车联网信息进行模型处理并分析生成车辆事件,事件记为MTi_,以上与智能路侧设施管理的时空数据进行时空范围的叠置分析,计算出Ei智能路侧站差异化策略信息并进行作用域内分发。
5.根据权利要求4所述的适应边缘计算的交通智能管控与服务发布策略方法,其特征在于:跨智能路侧设施节点的本地化作用域计算和差异化策略处理流程,以事件为例,包括以下步骤:
1)场景类别及空间位置辨识
场景类别辨识通过事件可信分析算法计算出智能路侧设施Ei感知的事件集Event={ETi,STi,PTi,GTi,MTi|i∈N},并针对数据集Event进行多源数据融合计算分析,基于智能路侧设施空间信息进行事件位置与Ei存储或关联路段的匹配处理,得出Event中事件的原始桩号位置,KEvent_ih={f(Ex,Ey),f′(Ex,Ey)},其中Ex表示智能路侧设施经度值或x坐标值,Ey表示智能路侧设施纬度值或y坐标值,f(Ex,Ey)表示(Ex,Ey)坐标对应的起点桩号值,f′(Ex,Ey)表示(Ex,Ey)坐标对应的止点桩号值,则有KEvent_ih表示Event集合中路侧智能设施Ei感知的第h类事件的桩号值,h∈N;
2)路侧影响范围生成
根据步骤1)的计算结果,并结合事件初始影响范围或者影响路段长度计算得出事件影响范围原始空间数据,记为EventScope={NodeList,LinkList,PolygonList},其中NodeList为空间坐标列表,LinkList为空间几何线层列表,PolygonList为空间几何面层列表;利用事件影响分析模型或扩散模型方法计算出单位时间内事件影响或蔓延速度Espeed,则有从事件发生起的t时刻内事件影响范围为
tEventScope={EventScope+f(EventScope,t*Espeed)|t∈R};
3)智能路侧设施时空数据叠置分析
根据步骤2)的计算结果,并将智能路侧设施Ei的信号覆盖区域Crij生成图层EiScope,利用GIS空间叠置分析,生成EventScope和EiScope叠置区域EVScope;
4)差异化策略组织及作用域计算
根据步骤1)~步骤3)的处理,利用高精度地图数据和高精度位置匹配技术,按照不同智能路侧设施Ei及时间t时刻的Event事件影响范围tEventScope,并结合车辆行驶位置制定不同的策略提示或预警数据,并形成基于车道的管控措施或预警数据;同时,根据智能路侧设施Ei的信号覆盖范围,融合tEventScope和EiScope,从而得出差异化策略的作用域数据STRATEGYScope={(tEventScope,EiScope)|i∈N,t∈R};
5)智能化策略融合与生成
按照事件类别、智能路侧设施Ei的空间位置,进行事件Event集合中各类事件影响范围内基于场景类别库Wx(第x个场景类别)的车道限速Speedlimit-s[y]、车道控制Lane[e](e=1,禁行;e=2,限速;e=3,变道;e=4,通行)、预警提示、交通管控等策略的自动拼接生成,其中,e∈N,e值越小,控制措施越严格,Speedlimit-s=min{Speedlimit-s[y]|y∈N};车道控制Lane[e]中e按照1~4的顺序,若对同一车道产生不同的e,则按照最小值计算;策略内容按照绕行、提示、预警、控制的顺序进行处理,若出现同一时空范围内出现不同的处理策略,则按照优先控制、其次预警,依次提示、绕行等的优先级计算;若存在动态和静态交通管控或提示策略,则动态交通管控策略优先,其他策略内容同理,最终形成可按照跨智能路侧设施Ei的策略组织管理内容及分发内容;其中,Speedlimit-s[y]标识以行车方向为基准由右至左计算的第s个车道的第y组限速集合,若存在交通基础设施规定的静态限速值,默认为交通基础设施的静态限速值,若存在动态交通限速值,以动态限速值优先控制,若没有动态限速值和静态限速值,则以设计限速值为默认限速值;
6)步骤1)~步骤5)中,在智能路侧设施Ei~En中进行时空差异化策略计算的各环节,采用基于数据量、计算资源、服务距离三要素模型动态卸载和协同管理Ei~En的差异化数据处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010085308.6A CN111260924B (zh) | 2020-02-10 | 2020-02-10 | 适应边缘计算的交通智能管控与服务发布策略方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010085308.6A CN111260924B (zh) | 2020-02-10 | 2020-02-10 | 适应边缘计算的交通智能管控与服务发布策略方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111260924A true CN111260924A (zh) | 2020-06-09 |
CN111260924B CN111260924B (zh) | 2021-01-26 |
Family
ID=70949231
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010085308.6A Active CN111260924B (zh) | 2020-02-10 | 2020-02-10 | 适应边缘计算的交通智能管控与服务发布策略方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111260924B (zh) |
Cited By (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111818189A (zh) * | 2020-09-09 | 2020-10-23 | 浙江吉利控股集团有限公司 | 一种车路协同控制***、方法及介质 |
CN111899541A (zh) * | 2020-08-18 | 2020-11-06 | 河南中天高新智能科技股份有限公司 | 一种智能高速公路保通方案发布***和方法 |
CN111899515A (zh) * | 2020-09-29 | 2020-11-06 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种基于智慧道路边缘计算网关的车辆检测*** |
CN111915907A (zh) * | 2020-08-18 | 2020-11-10 | 河南中天高新智能科技股份有限公司 | 一种基于车路协同的多尺度交通信息发布***和方法 |
CN112053562A (zh) * | 2020-09-15 | 2020-12-08 | 黑龙江省交投千方科技有限公司 | 一种基于边缘计算的智能服务开放平台 |
CN112203290A (zh) * | 2020-09-30 | 2021-01-08 | 中国联合网络通信集团有限公司 | Mec节点部署位置确定方法和mec节点部署装置 |
CN112232679A (zh) * | 2020-10-19 | 2021-01-15 | 杭州世创电子技术股份有限公司 | 基于边缘计算的电动车与充电设备动态智能匹配方法 |
CN112243239A (zh) * | 2020-12-21 | 2021-01-19 | 长沙理工大学 | 一种基于立交桥的无人机部署方法及相关装置 |
CN112330159A (zh) * | 2020-11-06 | 2021-02-05 | 盐城郅联空间科技有限公司 | 一种基于区块链的3dgis信息平台管理方法及*** |
CN112434924A (zh) * | 2020-11-18 | 2021-03-02 | 刘凤 | 全电网多源数据下基于云平台的风险稽查监控平台 |
CN112435485A (zh) * | 2020-11-02 | 2021-03-02 | 南京莱斯网信技术研究院有限公司 | 一种用于车路信息协同的*** |
CN112637264A (zh) * | 2020-11-23 | 2021-04-09 | 北京百度网讯科技有限公司 | 一种信息交互方法、装置、电子设备及存储介质 |
CN113409179A (zh) * | 2021-01-26 | 2021-09-17 | 陕西交通电子工程科技有限公司 | 一种用于高速公路的etc门架运行状态监测*** |
CN113741485A (zh) * | 2021-06-23 | 2021-12-03 | 阿波罗智联(北京)科技有限公司 | 车路协同自动驾驶的控制方法、装置、电子设备及车辆 |
CN113888871A (zh) * | 2021-10-20 | 2022-01-04 | 上海电科智能***股份有限公司 | 高速公路交通事件自动化处置联动***及方法 |
CN113936469A (zh) * | 2021-12-09 | 2022-01-14 | 安徽交控信息产业有限公司 | 基于高速公路车道感知设备的交通信息交互***及方法 |
CN114155447A (zh) * | 2021-12-02 | 2022-03-08 | 北京中科智易科技有限公司 | 人工智能大数据采集*** |
CN114374952A (zh) * | 2021-12-24 | 2022-04-19 | 联通智网科技股份有限公司 | 交通事件信息的发送方法、装置和边缘云服务器 |
CN114430415A (zh) * | 2022-01-17 | 2022-05-03 | 中国电子科技集团公司第十五研究所 | 一种智能控制*** |
CN114812578A (zh) * | 2021-01-29 | 2022-07-29 | 中交宇科(北京)空间信息技术有限公司 | 一种动态地图的提供方法、装置及服务平台 |
CN114863701A (zh) * | 2022-04-26 | 2022-08-05 | 北京百度网讯科技有限公司 | 交通信号灯控制方法、装置、电子设备和介质 |
CN115713866A (zh) * | 2022-10-11 | 2023-02-24 | 悉地(苏州)勘察设计顾问有限公司 | 一种基于车辆运行特征的道路静态信息主动服务方法 |
TWI794713B (zh) * | 2020-12-28 | 2023-03-01 | 鴻海精密工業股份有限公司 | 區塊鏈構建方法及相關設備 |
CN116258829A (zh) * | 2023-05-15 | 2023-06-13 | 深圳市中科云科技开发有限公司 | 构建地图的方法、装置和视觉机器人 |
CN117870651A (zh) * | 2024-03-11 | 2024-04-12 | 北京理工大学前沿技术研究院 | 基于rtk-slam技术的地图高精度采集方法、存储器及存储介质 |
CN117975736A (zh) * | 2024-03-29 | 2024-05-03 | 北京市计量检测科学研究院 | 一种无人驾驶车辆车路协同应用场景测试方法及*** |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106251620A (zh) * | 2016-09-26 | 2016-12-21 | 北京东土科技股份有限公司 | 基于智能交通云控制***的中心*** |
CN108022435A (zh) * | 2016-11-01 | 2018-05-11 | ***通信有限公司研究院 | 一种交通控制方法及*** |
CN109034578A (zh) * | 2018-07-13 | 2018-12-18 | 交通运输部公路科学研究所 | 一种综合交通运输网络节点重要度评估方法 |
CN110176153A (zh) * | 2019-05-20 | 2019-08-27 | 重庆大学 | 一种基于边缘计算的盲区车辆碰撞预警方法 |
CN110213716A (zh) * | 2019-05-20 | 2019-09-06 | 北京邮电大学 | 一种基于雾无线接入网络的车联组网方法 |
CN110288846A (zh) * | 2019-06-25 | 2019-09-27 | 江西省高速公路联网管理中心 | 一种v2x路侧单元的覆盖*** |
CN110349423A (zh) * | 2019-06-28 | 2019-10-18 | 京东数字科技控股有限公司 | 一种基于车路协同的路侧*** |
US20190392707A1 (en) * | 2018-06-25 | 2019-12-26 | At&T Intellectual Property I, L.P. | Dynamic edge network management of vehicular traffic |
CN110634297A (zh) * | 2019-10-08 | 2019-12-31 | 交通运输部公路科学研究所 | 基于车载激光雷达的信号灯状态识别及通行控制*** |
CN110647056A (zh) * | 2019-10-28 | 2020-01-03 | 苏州智行众维智能科技有限公司 | 一种基于整车硬件在环的智能网联汽车环境模拟仿真*** |
CN110660221A (zh) * | 2019-10-09 | 2020-01-07 | 浙江省交通规划设计研究院有限公司 | 一种基于车路协同***的信息交互方法及装置 |
-
2020
- 2020-02-10 CN CN202010085308.6A patent/CN111260924B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106251620A (zh) * | 2016-09-26 | 2016-12-21 | 北京东土科技股份有限公司 | 基于智能交通云控制***的中心*** |
CN108022435A (zh) * | 2016-11-01 | 2018-05-11 | ***通信有限公司研究院 | 一种交通控制方法及*** |
US20190392707A1 (en) * | 2018-06-25 | 2019-12-26 | At&T Intellectual Property I, L.P. | Dynamic edge network management of vehicular traffic |
CN109034578A (zh) * | 2018-07-13 | 2018-12-18 | 交通运输部公路科学研究所 | 一种综合交通运输网络节点重要度评估方法 |
CN110176153A (zh) * | 2019-05-20 | 2019-08-27 | 重庆大学 | 一种基于边缘计算的盲区车辆碰撞预警方法 |
CN110213716A (zh) * | 2019-05-20 | 2019-09-06 | 北京邮电大学 | 一种基于雾无线接入网络的车联组网方法 |
CN110288846A (zh) * | 2019-06-25 | 2019-09-27 | 江西省高速公路联网管理中心 | 一种v2x路侧单元的覆盖*** |
CN110349423A (zh) * | 2019-06-28 | 2019-10-18 | 京东数字科技控股有限公司 | 一种基于车路协同的路侧*** |
CN110634297A (zh) * | 2019-10-08 | 2019-12-31 | 交通运输部公路科学研究所 | 基于车载激光雷达的信号灯状态识别及通行控制*** |
CN110660221A (zh) * | 2019-10-09 | 2020-01-07 | 浙江省交通规划设计研究院有限公司 | 一种基于车路协同***的信息交互方法及装置 |
CN110647056A (zh) * | 2019-10-28 | 2020-01-03 | 苏州智行众维智能科技有限公司 | 一种基于整车硬件在环的智能网联汽车环境模拟仿真*** |
Non-Patent Citations (3)
Title |
---|
HONG LIU, YAN ZHANG, AND TAO YANG: "Blockchain-Enabled Security in Electric Vehicles Cloud and Edge Computing", 《IEEE NETWORK》 * |
李玲琳: "基于边缘计算的动态智能交通诱导***设计", 《电脑知识与技术》 * |
王 勇: "基于 5G 边缘计算技术的智慧交通分级决策***", 《网络与通信技术》 * |
Cited By (40)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111899541B (zh) * | 2020-08-18 | 2023-01-31 | 河南中天高新智能科技股份有限公司 | 一种智能高速公路保通方案发布***和方法 |
CN111899541A (zh) * | 2020-08-18 | 2020-11-06 | 河南中天高新智能科技股份有限公司 | 一种智能高速公路保通方案发布***和方法 |
CN111915907A (zh) * | 2020-08-18 | 2020-11-10 | 河南中天高新智能科技股份有限公司 | 一种基于车路协同的多尺度交通信息发布***和方法 |
CN111818189B (zh) * | 2020-09-09 | 2020-12-25 | 浙江吉利控股集团有限公司 | 一种车路协同控制***、方法及介质 |
CN111818189A (zh) * | 2020-09-09 | 2020-10-23 | 浙江吉利控股集团有限公司 | 一种车路协同控制***、方法及介质 |
CN112053562A (zh) * | 2020-09-15 | 2020-12-08 | 黑龙江省交投千方科技有限公司 | 一种基于边缘计算的智能服务开放平台 |
CN111899515A (zh) * | 2020-09-29 | 2020-11-06 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种基于智慧道路边缘计算网关的车辆检测*** |
CN112203290A (zh) * | 2020-09-30 | 2021-01-08 | 中国联合网络通信集团有限公司 | Mec节点部署位置确定方法和mec节点部署装置 |
CN112203290B (zh) * | 2020-09-30 | 2022-07-22 | 中国联合网络通信集团有限公司 | Mec节点部署位置确定方法和mec节点部署装置 |
CN112232679A (zh) * | 2020-10-19 | 2021-01-15 | 杭州世创电子技术股份有限公司 | 基于边缘计算的电动车与充电设备动态智能匹配方法 |
CN112232679B (zh) * | 2020-10-19 | 2023-08-29 | 杭州世创电子技术股份有限公司 | 基于边缘计算的电动车与充电设备动态智能匹配方法 |
CN112435485A (zh) * | 2020-11-02 | 2021-03-02 | 南京莱斯网信技术研究院有限公司 | 一种用于车路信息协同的*** |
CN112435485B (zh) * | 2020-11-02 | 2022-01-25 | 南京莱斯网信技术研究院有限公司 | 一种用于车路信息协同的*** |
CN112330159A (zh) * | 2020-11-06 | 2021-02-05 | 盐城郅联空间科技有限公司 | 一种基于区块链的3dgis信息平台管理方法及*** |
CN112434924A (zh) * | 2020-11-18 | 2021-03-02 | 刘凤 | 全电网多源数据下基于云平台的风险稽查监控平台 |
CN112637264A (zh) * | 2020-11-23 | 2021-04-09 | 北京百度网讯科技有限公司 | 一种信息交互方法、装置、电子设备及存储介质 |
CN112637264B (zh) * | 2020-11-23 | 2023-04-21 | 阿波罗智联(北京)科技有限公司 | 一种信息交互方法、装置、电子设备及存储介质 |
CN112243239B (zh) * | 2020-12-21 | 2021-03-12 | 长沙理工大学 | 一种基于立交桥的无人机部署方法及相关装置 |
CN112243239A (zh) * | 2020-12-21 | 2021-01-19 | 长沙理工大学 | 一种基于立交桥的无人机部署方法及相关装置 |
TWI794713B (zh) * | 2020-12-28 | 2023-03-01 | 鴻海精密工業股份有限公司 | 區塊鏈構建方法及相關設備 |
CN113409179A (zh) * | 2021-01-26 | 2021-09-17 | 陕西交通电子工程科技有限公司 | 一种用于高速公路的etc门架运行状态监测*** |
CN114812578A (zh) * | 2021-01-29 | 2022-07-29 | 中交宇科(北京)空间信息技术有限公司 | 一种动态地图的提供方法、装置及服务平台 |
CN113741485A (zh) * | 2021-06-23 | 2021-12-03 | 阿波罗智联(北京)科技有限公司 | 车路协同自动驾驶的控制方法、装置、电子设备及车辆 |
CN113888871B (zh) * | 2021-10-20 | 2023-05-05 | 上海电科智能***股份有限公司 | 高速公路交通事件自动化处置联动***及方法 |
CN113888871A (zh) * | 2021-10-20 | 2022-01-04 | 上海电科智能***股份有限公司 | 高速公路交通事件自动化处置联动***及方法 |
CN114155447A (zh) * | 2021-12-02 | 2022-03-08 | 北京中科智易科技有限公司 | 人工智能大数据采集*** |
CN114155447B (zh) * | 2021-12-02 | 2022-06-24 | 北京中科智易科技有限公司 | 人工智能大数据采集*** |
CN113936469A (zh) * | 2021-12-09 | 2022-01-14 | 安徽交控信息产业有限公司 | 基于高速公路车道感知设备的交通信息交互***及方法 |
CN114374952A (zh) * | 2021-12-24 | 2022-04-19 | 联通智网科技股份有限公司 | 交通事件信息的发送方法、装置和边缘云服务器 |
CN114430415B (zh) * | 2022-01-17 | 2024-04-16 | 中国电子科技集团公司第十五研究所 | 一种智能控制*** |
CN114430415A (zh) * | 2022-01-17 | 2022-05-03 | 中国电子科技集团公司第十五研究所 | 一种智能控制*** |
CN114863701B (zh) * | 2022-04-26 | 2024-01-16 | 北京百度网讯科技有限公司 | 交通信号灯控制方法、装置、电子设备和介质 |
CN114863701A (zh) * | 2022-04-26 | 2022-08-05 | 北京百度网讯科技有限公司 | 交通信号灯控制方法、装置、电子设备和介质 |
CN115713866A (zh) * | 2022-10-11 | 2023-02-24 | 悉地(苏州)勘察设计顾问有限公司 | 一种基于车辆运行特征的道路静态信息主动服务方法 |
CN115713866B (zh) * | 2022-10-11 | 2023-08-22 | 悉地(苏州)勘察设计顾问有限公司 | 一种基于车辆运行特征的道路静态信息主动服务方法 |
CN116258829A (zh) * | 2023-05-15 | 2023-06-13 | 深圳市中科云科技开发有限公司 | 构建地图的方法、装置和视觉机器人 |
CN117870651A (zh) * | 2024-03-11 | 2024-04-12 | 北京理工大学前沿技术研究院 | 基于rtk-slam技术的地图高精度采集方法、存储器及存储介质 |
CN117870651B (zh) * | 2024-03-11 | 2024-05-07 | 北京理工大学前沿技术研究院 | 基于rtk-slam技术的地图高精度采集方法、存储器及存储介质 |
CN117975736A (zh) * | 2024-03-29 | 2024-05-03 | 北京市计量检测科学研究院 | 一种无人驾驶车辆车路协同应用场景测试方法及*** |
CN117975736B (zh) * | 2024-03-29 | 2024-06-07 | 北京市计量检测科学研究院 | 一种无人驾驶车辆车路协同应用场景测试方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN111260924B (zh) | 2021-01-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111260924B (zh) | 适应边缘计算的交通智能管控与服务发布策略方法 | |
CN110930747B (zh) | 一种基于云计算技术的智能网联交通服务*** | |
Astarita et al. | The use of adaptive traffic signal systems based on floating car data | |
Kong et al. | Multimedia data fusion method based on wireless sensor network in intelligent transportation system | |
JP6994203B2 (ja) | コネクテッド自動運転車のハイウエイシステムとそれを用いた方法 | |
CN104751628A (zh) | 一种车辆监控的方法和*** | |
CN110807917A (zh) | 一种基于云计算的高速公路智能安防*** | |
Rezaei et al. | ReFOCUS: A hybrid fog-cloud based intelligent traffic re-routing system | |
CN112712729A (zh) | 预测运动轨迹的方法和*** | |
Randriamasy et al. | Geolocation process to perform the electronic toll collection using the ITS-G5 technology | |
Nayak et al. | PHVA: A position based high speed vehicle detection algorithm for detecting high speed vehicles using vehicular cloud | |
Ragavan et al. | Traffic video‐based intelligent traffic control system for smart cities using modified ant colony optimizer | |
CN107395757B (zh) | 基于acp方法和社会物理信息***的平行车联网*** | |
CN115116216A (zh) | 基于车路云接口实现的全域协同感知与决策方法、装置 | |
Boubakri et al. | High definition map update for autonomous and connected vehicles: A survey | |
CN109979211A (zh) | 车联网***、交通规划方法、装置、雾计算设备及介质 | |
Chen et al. | Key technologies related to C-V2X applications | |
Shankaran et al. | Intelligent Transport Systems and Traffic Management | |
Ahmad et al. | Internet of Things‐Aided Intelligent Transport Systems in Smart Cities: Challenges, Opportunities, and Future | |
Yang et al. | Stochastic Parameter Identification Method for Driving Trajectory Simulation Processes Based on Mobile Edge Computing and Self‐Organizing Feature Mapping | |
Stankov et al. | Urban Intelligent Transport Management Systems | |
Oskarbski et al. | Multi-level transport systems model for traffic management activities | |
Čolaković et al. | Adaptive Traffic Management Systems Based on the Internet of Things (IoT) | |
Liu et al. | Roadside unit deployment of cooperative vehicle-infrastructure system based on digital measurable image method | |
Hu et al. | Decentralized management of ephemeral traffic incidents |
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 |