CN111583693A - 一种城市道路智能交通协同运行***及智能车辆控制方法 - Google Patents
一种城市道路智能交通协同运行***及智能车辆控制方法 Download PDFInfo
- Publication number
- CN111583693A CN111583693A CN202010377918.3A CN202010377918A CN111583693A CN 111583693 A CN111583693 A CN 111583693A CN 202010377918 A CN202010377918 A CN 202010377918A CN 111583693 A CN111583693 A CN 111583693A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- information
- road section
- traffic
- base station
- 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
- 238000000034 method Methods 0.000 title claims abstract description 19
- 238000010276 construction Methods 0.000 claims abstract description 34
- 238000004088 simulation Methods 0.000 claims abstract description 33
- 230000010354 integration Effects 0.000 claims abstract description 18
- 238000012544 monitoring process Methods 0.000 claims abstract description 15
- 238000001514 detection method Methods 0.000 claims abstract description 4
- 230000001133 acceleration Effects 0.000 claims description 36
- 238000004891 communication Methods 0.000 claims description 24
- 238000005094 computer simulation Methods 0.000 claims description 22
- 238000013528 artificial neural network Methods 0.000 claims description 9
- 230000007246 mechanism Effects 0.000 claims description 9
- 238000005516 engineering process Methods 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 6
- 238000005265 energy consumption Methods 0.000 claims description 3
- 238000007726 management method Methods 0.000 claims description 2
- 239000002245 particle Substances 0.000 claims description 2
- 239000003795 chemical substances by application Substances 0.000 description 41
- 230000006399 behavior Effects 0.000 description 15
- 206010039203 Road traffic accident Diseases 0.000 description 8
- 238000010586 diagram Methods 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 239000004576 sand Substances 0.000 description 3
- 230000005611 electricity Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000008187 granular material Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000013618 particulate matter Substances 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- GOLXNESZZPUPJE-UHFFFAOYSA-N spiromesifen Chemical compound CC1=CC(C)=CC(C)=C1C(C(O1)=O)=C(OC(=O)CC(C)(C)C)C11CCCC1 GOLXNESZZPUPJE-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- 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
- G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
- G08G1/096766—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission
- G08G1/096775—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission where the origin of the information is a central station
-
- 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
- G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
- G08G1/096708—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control
- G08G1/096725—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control where the received information generates an automatic action on the vehicle control
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Atmospheric Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明属于车辆智能控制及交通安全技术领域,特别涉及一种城市道路智能交通协同运行***及智能车辆控制方法,包括多智能体车辆模块、场景构建基站***和云计算端;多智能体车辆模块包括设置在多智能体车辆内部的指令接收***、电子控制单元、执行***、自车状态信息模块和紧急脱离按钮;场景构建基站***安装在城市的各个交通要道,探测范围完整覆盖整个城市,包括车辆状态信息集成***、路段信息采集***、交通状况采集***、天气监测***和地面控制端;云计算端包括场景接收***、动力学仿真***、二重限制***、路径规划***和指令发射***;本发明可实时获取行驶路段场景信息和交规信息,动态调整车辆行驶状态,灵活指挥车辆安全有效运行。
Description
技术领域
本发明属于车辆智能控制及交通安全技术领域,特别涉及一种城市道路智能交通协同运行***及智能车辆控制方法。
背景技术
随着汽车智能化等级的提高,内部集成的电子电气***越发复杂,由于电子电气故障、失效或者***非失效情况下的功能不足导致的异常危害日益突出。从2009年的丰田“刹车门”事件,到2015年的Jeep 自由光事件,再到2017年的特斯拉,Uber交通事故,都引发了人们对自动驾驶安全的担忧。
安全技术可分为主动安全技术和被动安全技术。被动安全是在事故发生过程中或发生后起作用,主动安全则是预先防范,做到防患于未然,从根本上避免交通事故发生。在交通事故中有很大一部分是由于驾驶员不遵守交通规则引起的,驾驶员经验不足、状态不佳、心态起伏、信息欠缺等因素都会引发驾驶员不合理的操作,也会造成汽车非预期行驶现象发生,这就给交通事故埋下了隐患。因此,如果有一种结合主动安全技术的交通运行***,可以做到获取当前车辆行驶场景,并按照交规,主动实时地干预和调整车辆的行驶行为,实现对车辆的自动控制,便消除了驾驶员不合理操作导致的危害,对减少交通事故,保护人们的生命安全具有重要意义。
目前安装在车辆上的各种传感器在提高车辆性能的同时也增加了车辆负担,车辆结构变得复杂,各传感器之间的干扰更容易发生,各种感知传感器的性能也很难满足所有的道路场景和天气状况,一些性能突出的传感器虽然能有效解决上述问题,但其高昂的价格超出了大部分客户的承担范围,大大制约了智能车的普及。
发明内容
本发明的目的在于提供一种统筹度高、调度灵活并能减少汽车电子电气复杂集成的城市道路智能交通协同运行***及智能车辆控制方法,它能够结合交通场景与交通规则,实时并灵活地指挥车辆的运行,即主动干预和调整车辆行驶,能可靠有效地避免由于人为违反交通规则导致的事故和由于信息偏差导致的交通拥堵。
为了达到上述目的,本发明提供了如下技术方案:
一种城市道路智能交通协同运行***,其包括多智能体车辆模块、场景构建基站***和云计算端;
所述多智能体车辆模块包括设置在多智能体车辆内部的指令接收***、电子控制单元、执行***、自车状态信息模块和紧急脱离按钮;其中:
指令接收***分别和场景构建基站***的地面控制端和云计算端通过无线通讯相连接,用于接收场景构建基站***的地面控制端和云计算端发出的指令;
电子控制单元分别和指令接收***和执行***连接,接收指令接收***的指令,并发送至执行***;
执行***与车辆驱动机构、制动机构、转向机构和应急***相连接,用于响应电子控制单元的指令和控制多智能体车辆;
自车状态信息模块与场景构建基站***的车辆状态信息集成***通过无线通讯相连接,自车状态信息模块包括自车参数信息和行驶状态信息;
所述行驶状态信息包括:前轮转角δ和纵向车速Vx;
自车状态信息模块实时地将多智能体车辆的相关信息发送至场景构建基站***的车辆状态信息集成***;
紧急脱离按钮布置在电子控制单元和执行***之间,必要时能够中断电子控制单元与执行***之间的无线通讯,驾驶员能够按下该按钮以脱离智能交通的管控,由驾驶员控制车辆,智能交通依旧会记录车辆的行驶信息,便于后续的责任判定;
场景构建基站***安装在城市的各个交通要道,探测范围完整覆盖整个城市,其包括车辆状态信息集成***、路段信息采集***、交通状况采集***、天气监测***和地面控制端;其中,
车辆状态信息集成***与基站范围内的多智能体车辆内部的自车状态信息模块通过无线通讯相连接,用于接收并集成基站范围内的各车辆的自车参数信息和行驶状态信息;经集成的车辆状态信息最终传输至场景构建基站***的地面控制端和云计算端,车辆状态信息作为地面控制端和云计算端的动力学仿真***的输入参数进行相关项的运算;
路段信息采集***通过该路段预先设计时设定好的信息数据库获取基站范围内的车辆行驶路段的道路自身属性信息和道路交规信息;
交通状况信息采集***通过流量观测器、分布式监控网络收集各路段的交通状况信息;所述交通状况信息包括:包括车流量、人流量的数据流量信息和路段场景图像信息;
天气监测***通过安装在路段周围的感光元件、湿度传感器、温度传感器、颗粒监测器分别收集四周的可见度、温度、湿度、颗粒物,并将其处理为相应的数据信息,结合天气预报信息判定当前天气属性;
地面控制端与基站范围内的多智能体车辆内部的指令接收***通过无线通讯相连接,向基站范围内的多智能体车辆内部的指令接收***发出指令,实时控制多智能体车辆行为;
场景构建基站***基于无线通讯技术,将上述车辆状态信息、路段信息、交通状况信息和天气信息传输给地面控制端和云计算端,地面控制端实时控制车辆行为使其符合交通规则,云计算端实时决策符合各车型的行驶方案;
所述云计算端包括场景接收***、动力学仿真***、二重限制***、路径规划***和指令发射***;
场景接收***和场景构建基站***通过无线通讯相连接,接收场景构建基站***发送的车辆状态信息、路段信息、交通状况信息和天气属性,其中车辆状态信息将导入动力学仿真***进行车辆行驶的实时仿真;
动力学仿真***和场景接收***和二重限制***连接,通过接收场景接收***输出的车辆状态信息,将前轮转角δ、纵向车速Vx代入多自由度整车动力学模型仿真中,输出此基站范围内的各多智能体车辆的横摆角速度ωr、侧向车速Vy、侧向加速度ay,并输入给二重限制***;
二重限制***包括一个安全行驶数据库,其将动力学仿真***输出的横摆角速度ωr、侧向车速Vy、侧向加速度ay与安全行驶数据库中各车型所匹配的期望的横摆角速度ωre、侧向车速Vye、侧向加速度aye比较,并将结果反馈至动力学仿真***,若动力学仿真***输出的横摆角速度ωr、侧向车速Vy、侧向加速度ay在期望范围内则不进行干预,若动力学仿真***输出的横摆角速度ωr、侧向车速Vy、侧向加速度ay超出安全行驶数据库中各车型所匹配的期望的横摆角速度ωre、侧向车速Vye、侧向加速度aye,动力学仿真***将以期望值为目标,计算车辆安全行驶允许的最大纵向车速Vxe和最大前轮转角δe,所述允许的最大纵向车速Vxe和最大前轮转角δe发送至多智能体车辆的指令接收***并调整多智能体车辆行驶状态,再次确保行驶安全;
路径规划***根据输入的车辆状态信息、路段信息、交通状况信息和天气信息,基于深度神经网络计算出对于不同车型的当前车辆能耗最低,耗时最短的行驶路径,优先处理容易造成拥堵的车型,通过指令发射***发射指令,实现对拥挤路段的分流。
所述自车参数信息包括:车辆型号、整车质量m、前轴侧偏刚度 k1、后轴侧偏刚度k2、前轴距a、后轴距b和车辆绕z轴的转动惯量Iz。
所述道路自身属性信息包括:路段属性:如高速路段、城市路段、应急车道路段;路段宽度、路段视距、路段车道数、路面情况、路段弯道半径、路段坡度。
所述道路交规信息包括:警告交通标志路段、禁止交通标志路段、指示交通标志路段、指路交通标志路段、道路施工交通标志路段、辅助交通标志路段、带禁止标线路段、带指示标线路段、带警告标线路段。
流量观测器收集路段内的包括车流量和人流量的数据流量信息;分布式监控网络收集包括路段场景的图像信息。
利用如所述的城市道路智能交通协同运行***的智能车辆控制方法,包括以下步骤:
1)利用场景构建基站***采集基站范围内的交通信息,包括多智能体车辆的自车参数信息和行驶状态信息、路段信息、交通状况信息和天气信息,将所采集信息实时发送至地面控制端和云计算端;
2)地面控制端与基站范围内的多智能体车辆内部的指令接收***通过无线通讯相连接,向基站范围内的多智能体车辆内部的指令接收***发出指令,实时控制多智能体车辆行为;
3)云计算端将接收到的车辆状态信息导入动力学仿真***对车辆进行实时的动力学仿真,并输出此基站范围内的各多智能体车辆的横摆角速度ωr、侧向车速Vy、侧向加速度ay给二重限制***,在二重限制***中,将动力学仿真***输出的横摆角速度ωr、侧向车速Vy、侧向加速度ay与安全行驶数据库中各车型所匹配的期望的横摆角速度ωre、侧向车速Vye、侧向加速度aye比较,并将结果反馈至动力学仿真***;若动力学仿真***输出的横摆角速度ωr、侧向车速Vy、侧向加速度ay在期望范围内则不进行干预,若动力学仿真***输出的横摆角速度ωr、侧向车速Vy、侧向加速度ay超出安全行驶数据库中各车型所匹配的期望的横摆角速度ωre、侧向车速Vye、侧向加速度aye,动力学仿真***将以期望值为目标,计算车辆安全行驶允许的最大纵向车速Vxe和最大前轮转角δe,所述允许的最大纵向车速Vxe和最大前轮转角δe发送至多智能体车辆的指令接收***并调整多智能体车辆行驶状态,再次确保行驶安全;
同时云计算端对车辆状态信息、路段信息、交通状况信息和天气信息进行运算,利用深度神经网络算法,对拥堵路段实施适当分流、对处于恶劣天气状况下的车辆实施出行限制和避险路径规划,并通过指令发射***发射指令控制车辆按照最优路径行驶;
4)多智能体车辆模块接收场景构建基站***和云计算端的命令,在遵守交通规则的前提下,行驶最优路径;
当出现紧急事故不得不退出协同运行***时,驾驶员按下紧急脱离按钮,自己驾驶车辆,其驾驶行为和结果都会被车辆状态信息集成***记录,作为之后责任判定的依据。
与现有技术相比,本发明的有益效果在于:
1、本发明可以实时获取行驶路段场景信息和交规信息,动态调整车辆行驶状态,灵活指挥车辆安全有效运行,避免了人为违反交通规则导致的交通事故。
2、本发明能减少汽车电子电气复杂集成,多智能体车辆上只需安装指令接收装置、ECU等基础电子电气***,无需使用激光雷达,环视摄像头,毫米波雷达等各种传统自动驾驶必备的感知传感器,结构得到简化,价格易于接受。
3、本发明具有适用性广、***度高、调整灵活的特点,适用于各种车型和各种城市场景,具有重要的推广应用价值。
附图说明
图1为本发明的一种城市道路智能交通协同运行***的简化示意图;
图2为本发明的一种城市道路智能交通协同运行***的***原理图;
图3为天气监测***需要收集的天气信息和智能交通相应的响应策略的部分实例;
图4为交通状况采集***需要收集的交通信息和智能交通相应的响应策略的部分实例。
具体实施方式
下面结合附图对本发明的具体实施方式作进一步说明。
图1为本发明的一种城市道路智能交通协同运行***的简化示意图;图2为本发明的一种城市道路智能交通协同运行***的***原理图;图3为天气监测***需要收集的天气信息和智能交通相应的响应策略的部分实例;图4为交通状况采集***需要收集的交通信息和智能交通相应的响应策略的部分实例。
如图1所示,城市道路智能交通协同运行***包括多智能体车辆模块、场景构建基站***和云计算端。
如图2所示,所述多智能体车辆模块包括设置在多智能体车辆内部的指令接收***、电子控制单元(ECU)、执行***、自车状态信息模块和紧急脱离按钮。其中:
指令接收***分别和场景构建基站***的地面控制端和云计算端通过无线通讯相连接,用于接收场景构建基站***的地面控制端和云计算端发出的指令。
电子控制单元(ECU)分别和指令接收***和执行***连接,接收指令接收***的指令,并发送至执行***。
执行***与车辆驱动机构、制动机构、转向机构和应急***等相连接,用于响应电子控制单元(ECU)的指令和控制多智能体车辆。
自车状态信息模块与场景构建基站***的车辆状态信息集成***通过无线通讯相连接,自车状态信息模块包括自车参数信息和行驶状态信息。
所述自车参数信息包括:车辆型号、整车质量m、前轴侧偏刚度 k1、后轴侧偏刚度k2、前轴距a、后轴距b和车辆绕z轴的转动惯量Iz等。
所述行驶状态信息包括:前轮转角δ和纵向车速Vx。
自车状态信息模块实时地将多智能体车辆的相关信息发送至场景构建基站***的车辆状态信息集成***。
紧急脱离按钮布置在电子控制单元(ECU)和执行***之间,必要时能够中断电子控制单元(ECU)与执行***之间的无线通讯,驾驶员能够按下该按钮以脱离智能交通的管控,由驾驶员控制车辆,智能交通依旧会记录车辆的行驶信息,便于后续的责任判定。
场景构建基站***安装在城市的各个交通要道,探测范围完整覆盖整个城市,其包括车辆状态信息集成***、路段信息采集***、交通状况采集***、天气监测***和地面控制端。其中,
车辆状态信息集成***与基站范围内的多智能体车辆内部的自车状态信息模块通过无线通讯相连接,用于接收并集成基站范围内的各车辆的自车参数信息和行驶状态信息。经集成的车辆状态信息最终传输至场景构建基站***的地面控制端和云计算端,车辆状态信息作为地面控制端和云计算端的动力学仿真***的输入参数进行相关项的运算,为智能交通干预车辆的行驶行为提供相应依据。
路段信息采集***通过该路段预先设计时设定好的信息数据库获取基站范围内的车辆行驶路段的道路自身属性信息和道路交规信息,所述道路自身属性信息包括:路段属性:如高速路段、城市路段、应急车道路段等;路段宽度、路段视距、路段车道数、路面情况、路段弯道半径、路段坡度等。所述道路交规信息包括:警告交通标志路段、禁止交通标志路段、指示交通标志路段、指路交通标志路段、道路施工交通标志路段、辅助交通标志路段、带禁止标线路段、带指示标线路段、带警告标线路段等。
道路自身属性信息和道路交规信息用于地面控制端主动干预车辆行驶,如表1所示。如在工作日的早高峰7:00-9:00和晚高峰17:00-19:00 时间段,地面控制端自动限制乘用车等其他车型驶入公交车专用车道。在道路交叉口,地面控制端控制车辆主动避让行人,转弯车辆主动避让直行车辆等。
表1为路段信息采集***需要收集的部分路段信息和相应策略
交通状况信息采集***通过流量观测器、分布式监控网络收集各路段的交通状况信息。所述交通状况信息包括:包括车流量、人流量的数据流量信息和路段场景图像信息,是地面控制端干预车辆和云计算端进行路径规划和最优行驶方案制定的依据。
其中,流量观测器收集路段内的包括车流量和人流量的数据流量信息;分布式监控网络收集包括路段场景的图像信息。数据流量信息主要用来判断该路段的拥堵程度,场景图像信息将基于拥堵程度,进一步判断路段当前状况,是属于堵车,还是事故,或施工等其他情况。
天气监测***通过安装在路段周围的感光元件、湿度传感器、温度传感器、颗粒监测器分别收集四周的可见度、温度、湿度、颗粒物等环境信息并将其处理为相应的数据信息,结合天气预报信息判定当前天气属性,如:晴天、阴天、雨天、雾天、雪天、雾霾、扬沙、沙尘暴、大风等。恶劣天气情况下,车辆的行驶将受到一定程度的限制。在雨天、雪天情况下,基站***会在原有路段速度限制的基础上再次限速,通过进一步降低最高限速的方式来减少车辆发生滑移等不稳定运动的概率;对于一些事故易发路段,如长下坡路段,多弯道路段等,基站***会直接关闭危险路段的通行权,禁止车辆驶入。与此同时,云计算端会根据不同车型,规划出符合各车的替代路线并将指令发送至车辆。在沙尘暴天气下,基站***会禁止车辆的出行行为,对于已经在外行驶的车辆,云计算端会计算车辆附近的避险点,根据不同的车型,规划出符合各车的避险路径,使得更多车辆能尽快进入避险点,如图3所示。
地面控制端与基站范围内的多智能体车辆内部的指令接收***通过无线通讯相连接,向基站范围内的多智能体车辆内部的指令接收***发出指令,实时控制多智能体车辆行为。
场景构建基站***基于5G或其他无线通讯技术,将上述车辆状态信息、路段信息、交通状况信息和天气信息等数据和图像信息传输给地面控制端和云计算端,地面控制端实时控制车辆行为使其符合交通规则,云计算端实时决策符合各车型的行驶方案,通过主动干预和调整此区域车辆的行驶行为,减少因人为违反交通规则导致的交通事故和因信息偏差导致的交通拥堵等事件的发生。
所述云计算端包括场景接收***、动力学仿真***、二重限制***、路径规划***和指令发射***。
场景接收***和场景构建基站***通过无线通讯相连接,接收场景构建基站***发送的车辆状态信息、路段信息、交通状况信息和天气属性,其中车辆状态信息将导入动力学仿真***进行车辆行驶的实时仿真。
动力学仿真***和场景接收***和二重限制***连接,通过接收场景接收***输出的车辆状态信息,将前轮转角δ、纵向车速Vx代入多自由度整车动力学模型仿真中,输出此基站范围内的各多智能体车辆的横摆角速度ωr、侧向车速Vy、侧向加速度ay等无法直接测量但与车辆安全行驶密切相关的参数,并输入给二重限制***。
二重限制***包括一个安全行驶数据库,其将动力学仿真***输出的横摆角速度ωr、侧向车速Vy、侧向加速度ay与安全行驶数据库中各车型所匹配的期望的横摆角速度ωre、侧向车速Vye、侧向加速度aye比较,并将结果反馈至动力学仿真***,若动力学仿真***输出的横摆角速度ωr、侧向车速Vy、侧向加速度ay在期望范围内则不进行干预,若动力学仿真***输出的横摆角速度ωr、侧向车速Vy、侧向加速度ay超出安全行驶数据库中各车型所匹配的期望的横摆角速度ωre、侧向车速Vye、侧向加速度aye,动力学仿真***将以期望值为目标,计算车辆安全行驶允许的最大纵向车速Vxe和最大前轮转角δe,所述允许的最大纵向车速Vxe和最大前轮转角δe发送至多智能体车辆的指令接收***并调整多智能体车辆行驶状态,再次确保行驶安全。
路径规划***根据输入的车辆状态信息、路段信息、交通状况信息和天气信息等数据和图像信息,基于深度神经网络计算出对于不同车型的当前车辆能耗最低,耗时最短的行驶路径,优先处理容易造成拥堵的货车、大客车等车型,通过指令发射***发射指令,实现对拥挤路段的适当分流。
所述深度神经网络是一门现有技术,其应用在路径规划***中的具体方案如下:
a、路径规划***首先根据获取的车辆目的地信息为其规划多条可达路径。
b、当当前路段不可继续行驶时,路径规划***根据深度神经网络算法,结合大量样本训练出来的选择结果,为车辆自动选择可替代行驶路径。所述算法用y=f(car,lan,wea,tra,……)来表示,其中car、lan、 wea、tra分别表示车辆状态信息、路段信息、天气信息、交通状况信息,y是关于上述信息的函数,决定选择的可替代行驶路径。算法基于大量的测试样本训练得出,所述测试样本为多次合理路径规划方案的集合,并且在每次路径规划结束之后,***将根据驾驶员反馈满意度,将此次合理样本加入到测试样本中,实时更新和不断丰富测试样本库,有利于优化训练结果,之后得到更加合理的路径规划方案。
对于堵车路段,场景构建基站***的地面控制端首先通过指令控制车辆减速慢行并互相保持安全车距,云计算端的路径规划***规划出可替代行驶路径,云计算端将即将进入拥堵路段的车辆安排至替代路径,以免拥堵继续恶化,同时,优先给予拥挤路段中公交车、大客车、大货车的道路通行权,以便尽快扩大道路流量,缓解拥堵严重度。
对于事故路段,场景构建基站***的地面控制端通过指令控制车辆减速慢行,并主动规避事故区域,避免二次事故的发生,云计算端的路径规划***规划符合各车型的可替代行驶路径,云计算端适当分流,通过减少事故路段车流量的方式,来达到降低二次事故发生,以及加快事故处理进度的目的。
对于施工路段,场景构建基站***提前关闭路段的通行权,指示车辆绕行,路径规划模块规划符合各车型的可替代行驶路径。
云计算端将各行驶方案合理分配至各车辆。其处理步骤见图4。
本发明的城市道路智能交通协同运行***及智能车辆控制方法包括以下步骤:
1、利用场景构建基站***采集基站范围内的交通信息,包括多智能体车辆的自车参数信息和行驶状态信息、路段信息、交通状况信息和天气信息,将所采集信息实时发送至地面控制端和云计算端。
2、地面控制端与基站范围内的多智能体车辆内部的指令接收***通过无线通讯相连接,向基站范围内的多智能体车辆内部的指令接收***发出指令,实时控制多智能体车辆行为。
在早晚高峰期间限制乘用车等其他车型驶入公交专用道、在交叉路口控制车辆主动避让行人,转弯车辆主动避让直行车辆、在陡坡路段控制下坡车辆主动礼让上坡车辆。通过以上一系列措施,保证车辆的行为符合交通规则,减少因人为违反交通规则导致的交通事故和因信息偏差导致的交通拥堵等事件的发生。
3、云计算端将接收到的车辆状态信息导入动力学仿真***对车辆进行实时的动力学仿真,并输出此基站范围内的各多智能体车辆的横摆角速度ωr、侧向车速Vy、侧向加速度ay给二重限制***,在二重限制***中,将动力学仿真***输出的横摆角速度ωr、侧向车速Vy、侧向加速度ay与安全行驶数据库中各车型所匹配的期望的横摆角速度ωre、侧向车速Vye、侧向加速度aye比较,并将结果反馈至动力学仿真***;若动力学仿真***输出的横摆角速度ωr、侧向车速Vy、侧向加速度ay在期望范围内则不进行干预,若动力学仿真***输出的横摆角速度ωr、侧向车速Vy、侧向加速度ay超出安全行驶数据库中各车型所匹配的期望的横摆角速度ωre、侧向车速Vye、侧向加速度aye,动力学仿真***将以期望值为目标,计算车辆安全行驶允许的最大纵向车速 Vxe和最大前轮转角δe,所述允许的最大纵向车速Vxe和最大前轮转角δe发送至多智能体车辆的指令接收***并调整多智能体车辆行驶状态,再次确保行驶安全。
同时云计算端对车辆状态信息、路段信息、交通状况信息和天气信息进行运算,利用深度神经网络算法,对拥堵路段实施适当分流、对处于恶劣天气状况下的车辆实施出行限制和避险路径规划,并通过指令发射***发射指令控制车辆按照最优路径行驶,减少堵车概率和危险事件,提高了通行效率、行驶经济性和安全性。
4、多智能体车辆模块接收场景构建基站***和云计算端的命令,在遵守交通规则的前提下,行驶最优路径。
当出现紧急事故不得不退出协同运行***时,驾驶员按下紧急脱离按钮,自己驾驶车辆,其驾驶行为和结果都会被车辆状态信息集成***记录,作为之后责任判定的依据。
Claims (6)
1.一种城市道路智能交通协同运行***,其特征在于:其包括多智能体车辆模块、场景构建基站***和云计算端;
所述多智能体车辆模块包括设置在多智能体车辆内部的指令接收***、电子控制单元、执行***、自车状态信息模块和紧急脱离按钮;其中:
指令接收***分别和场景构建基站***的地面控制端和云计算端通过无线通讯相连接,用于接收场景构建基站***的地面控制端和云计算端发出的指令;
电子控制单元分别和指令接收***和执行***连接,接收指令接收***的指令,并发送至执行***;
执行***与车辆驱动机构、制动机构、转向机构和应急***相连接,用于响应电子控制单元的指令和控制多智能体车辆;
自车状态信息模块与场景构建基站***的车辆状态信息集成***通过无线通讯相连接,自车状态信息模块包括自车参数信息和行驶状态信息;
所述行驶状态信息包括:前轮转角δ和纵向车速Vx;
自车状态信息模块实时地将多智能体车辆的相关信息发送至场景构建基站***的车辆状态信息集成***;
紧急脱离按钮布置在电子控制单元和执行***之间,必要时能够中断电子控制单元与执行***之间的无线通讯,驾驶员能够按下该按钮以脱离智能交通的管控,由驾驶员控制车辆,智能交通依旧会记录车辆的行驶信息,便于后续的责任判定;
场景构建基站***安装在城市的各个交通要道,探测范围完整覆盖整个城市,其包括车辆状态信息集成***、路段信息采集***、交通状况采集***、天气监测***和地面控制端;其中,
车辆状态信息集成***与基站范围内的多智能体车辆内部的自车状态信息模块通过无线通讯相连接,用于接收并集成基站范围内的各车辆的自车参数信息和行驶状态信息;经集成的车辆状态信息最终传输至场景构建基站***的地面控制端和云计算端,车辆状态信息作为地面控制端和云计算端的动力学仿真***的输入参数进行相关项的运算;
路段信息采集***通过该路段预先设计时设定好的信息数据库获取基站范围内的车辆行驶路段的道路自身属性信息和道路交规信息;
交通状况信息采集***通过流量观测器、分布式监控网络收集各路段的交通状况信息;所述交通状况信息包括:包括车流量、人流量的数据流量信息和路段场景图像信息;
天气监测***通过安装在路段周围的感光元件、湿度传感器、温度传感器、颗粒监测器分别收集四周的可见度、温度、湿度、颗粒物,并将其处理为相应的数据信息,结合天气预报信息判定当前天气属性;
地面控制端与基站范围内的多智能体车辆内部的指令接收***通过无线通讯相连接,向基站范围内的多智能体车辆内部的指令接收***发出指令,实时控制多智能体车辆行为;
场景构建基站***基于无线通讯技术,将上述车辆状态信息、路段信息、交通状况信息和天气信息传输给地面控制端和云计算端,地面控制端实时控制车辆行为使其符合交通规则,云计算端实时决策符合各车型的行驶方案;
所述云计算端包括场景接收***、动力学仿真***、二重限制***、路径规划***和指令发射***;
场景接收***和场景构建基站***通过无线通讯相连接,接收场景构建基站***发送的车辆状态信息、路段信息、交通状况信息和天气属性,其中车辆状态信息将导入动力学仿真***进行车辆行驶的实时仿真;
动力学仿真***和场景接收***和二重限制***连接,通过接收场景接收***输出的车辆状态信息,将前轮转角δ、纵向车速Vx代入多自由度整车动力学模型仿真中,输出此基站范围内的各多智能体车辆的横摆角速度ωr、侧向车速Vy、侧向加速度ay,并输入给二重限制***;
二重限制***包括一个安全行驶数据库,其将动力学仿真***输出的横摆角速度ωr、侧向车速Vy、侧向加速度ay与安全行驶数据库中各车型所匹配的期望的横摆角速度ωre、侧向车速Vye、侧向加速度aye比较,并将结果反馈至动力学仿真***,若动力学仿真***输出的横摆角速度ωr、侧向车速Vy、侧向加速度ay在期望范围内则不进行干预,若动力学仿真***输出的横摆角速度ωr、侧向车速Vy、侧向加速度ay超出安全行驶数据库中各车型所匹配的期望的横摆角速度ωre、侧向车速Vye、侧向加速度aye,动力学仿真***将以期望值为目标,计算车辆安全行驶允许的最大纵向车速Vxe和最大前轮转角δe,所述允许的最大纵向车速Vxe和最大前轮转角δe发送至多智能体车辆的指令接收***并调整多智能体车辆行驶状态,再次确保行驶安全;
路径规划***根据输入的车辆状态信息、路段信息、交通状况信息和天气信息,基于深度神经网络计算出对于不同车型的当前车辆能耗最低,耗时最短的行驶路径,优先处理容易造成拥堵的车型,通过指令发射***发射指令,实现对拥挤路段的分流。
2.如权利要求1所述的城市道路智能交通协同运行***,其特征在于:所述自车参数信息包括:车辆型号、整车质量m、前轴侧偏刚度k1、后轴侧偏刚度k2、前轴距a、后轴距b和车辆绕z轴的转动惯量Iz。
3.如权利要求1所述的城市道路智能交通协同运行***,其特征在于:所述道路自身属性信息包括:路段属性:如高速路段、城市路段、应急车道路段;路段宽度、路段视距、路段车道数、路面情况、路段弯道半径、路段坡度。
4.如权利要求1所述的城市道路智能交通协同运行***,其特征在于:所述道路交规信息包括:警告交通标志路段、禁止交通标志路段、指示交通标志路段、指路交通标志路段、道路施工交通标志路段、辅助交通标志路段、带禁止标线路段、带指示标线路段、带警告标线路段。
5.如权利要求1所述的城市道路智能交通协同运行***,其特征在于:其中,流量观测器收集路段内的包括车流量和人流量的数据流量信息;分布式监控网络收集包括路段场景的图像信息。
6.利用如权利要求1~5之一所述的城市道路智能交通协同运行***的智能车辆控制方法,其特征在于:包括以下步骤:
1)利用场景构建基站***采集基站范围内的交通信息,包括多智能体车辆的自车参数信息和行驶状态信息、路段信息、交通状况信息和天气信息,将所采集信息实时发送至地面控制端和云计算端;
2)地面控制端与基站范围内的多智能体车辆内部的指令接收***通过无线通讯相连接,向基站范围内的多智能体车辆内部的指令接收***发出指令,实时控制多智能体车辆行为;
3)云计算端将接收到的车辆状态信息导入动力学仿真***对车辆进行实时的动力学仿真,并输出此基站范围内的各多智能体车辆的横摆角速度ωr、侧向车速Vy、侧向加速度ay给二重限制***,在二重限制***中,将动力学仿真***输出的横摆角速度ωr、侧向车速Vy、侧向加速度ay与安全行驶数据库中各车型所匹配的期望的横摆角速度ωre、侧向车速Vye、侧向加速度aye比较,并将结果反馈至动力学仿真***;若动力学仿真***输出的横摆角速度ωr、侧向车速Vy、侧向加速度ay在期望范围内则不进行干预,若动力学仿真***输出的横摆角速度ωr、侧向车速Vy、侧向加速度ay超出安全行驶数据库中各车型所匹配的期望的横摆角速度ωre、侧向车速Vye、侧向加速度aye,动力学仿真***将以期望值为目标,计算车辆安全行驶允许的最大纵向车速Vxe和最大前轮转角δe,所述允许的最大纵向车速Vxe和最大前轮转角δe发送至多智能体车辆的指令接收***并调整多智能体车辆行驶状态,再次确保行驶安全;
同时云计算端对车辆状态信息、路段信息、交通状况信息和天气信息进行运算,利用深度神经网络算法,对拥堵路段实施适当分流、对处于恶劣天气状况下的车辆实施出行限制和避险路径规划,并通过指令发射***发射指令控制车辆按照最优路径行驶;
4)多智能体车辆模块接收场景构建基站***和云计算端的命令,在遵守交通规则的前提下,行驶最优路径;
当出现紧急事故不得不退出协同运行***时,驾驶员按下紧急脱离按钮,自己驾驶车辆,其驾驶行为和结果都会被车辆状态信息集成***记录,作为之后责任判定的依据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010377918.3A CN111583693B (zh) | 2020-05-07 | 2020-05-07 | 一种城市道路智能交通协同运行***及智能车辆控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010377918.3A CN111583693B (zh) | 2020-05-07 | 2020-05-07 | 一种城市道路智能交通协同运行***及智能车辆控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111583693A true CN111583693A (zh) | 2020-08-25 |
CN111583693B CN111583693B (zh) | 2021-06-15 |
Family
ID=72126289
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010377918.3A Expired - Fee Related CN111583693B (zh) | 2020-05-07 | 2020-05-07 | 一种城市道路智能交通协同运行***及智能车辆控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111583693B (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112363509A (zh) * | 2020-11-18 | 2021-02-12 | 重庆美沣秦安汽车驱动***有限公司 | 基于无线通信汽车自动驾驶方法、***、存储介质及终端 |
CN112606848A (zh) * | 2020-11-24 | 2021-04-06 | 浙大宁波理工学院 | 车路协同无人驾驶控制***及控制方法 |
CN112744226A (zh) * | 2021-01-18 | 2021-05-04 | 国汽智控(北京)科技有限公司 | 基于驾驶环境感知的自动驾驶智能自适应方法及*** |
CN113052118A (zh) * | 2021-04-07 | 2021-06-29 | 上海浩方信息技术有限公司 | 基于高速快球摄像机实现场景变换视频分析检测的方法、***、装置、处理器及存储介质 |
CN113192330A (zh) * | 2021-04-26 | 2021-07-30 | 上海德衡数据科技有限公司 | 基于多智能体的车辆管理方法、管理***、设备及介质 |
CN113370997A (zh) * | 2021-08-11 | 2021-09-10 | 北京赛目科技有限公司 | 车辆自动驾驶的控制方法、装置、电子设备及存储介质 |
CN113516354A (zh) * | 2021-04-29 | 2021-10-19 | 重庆天智慧启科技有限公司 | 城市环境大数据协同管理中心*** |
CN113570897A (zh) * | 2021-07-28 | 2021-10-29 | 山东高速建设管理集团有限公司 | 一种高速公路改扩建工程车道级智能诱导方法 |
CN114005272A (zh) * | 2021-09-30 | 2022-02-01 | 淮阴工学院 | 一种基于5g云计算终端的道路交通调控方法 |
WO2023044755A1 (en) * | 2021-09-24 | 2023-03-30 | Intel Corporation | Systems, devices, and methods for adapting traffic to prioritized vehicle routes |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105741595A (zh) * | 2016-04-27 | 2016-07-06 | 常州加美科技有限公司 | 一种基于云端数据库的无人驾驶车辆导航行车方法 |
CN108052100A (zh) * | 2017-11-23 | 2018-05-18 | 南京航空航天大学 | 一种智能网联电动汽车控制***及其控制方法 |
JP2018128799A (ja) * | 2017-02-07 | 2018-08-16 | トヨタ自動車株式会社 | 自動運転装置、及び自動運転方法 |
CN108961749A (zh) * | 2018-07-12 | 2018-12-07 | 南方科技大学 | 一种智能交通***以及智能交通控制方法 |
CN110263381A (zh) * | 2019-05-27 | 2019-09-20 | 南京航空航天大学 | 一种自动驾驶车辆测试仿真场景生成方法 |
US20190380016A1 (en) * | 2019-07-25 | 2019-12-12 | Lg Electronics Inc. | Electronic apparatus and method for providing information for a vehicle |
-
2020
- 2020-05-07 CN CN202010377918.3A patent/CN111583693B/zh not_active Expired - Fee Related
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105741595A (zh) * | 2016-04-27 | 2016-07-06 | 常州加美科技有限公司 | 一种基于云端数据库的无人驾驶车辆导航行车方法 |
JP2018128799A (ja) * | 2017-02-07 | 2018-08-16 | トヨタ自動車株式会社 | 自動運転装置、及び自動運転方法 |
CN108052100A (zh) * | 2017-11-23 | 2018-05-18 | 南京航空航天大学 | 一种智能网联电动汽车控制***及其控制方法 |
CN108961749A (zh) * | 2018-07-12 | 2018-12-07 | 南方科技大学 | 一种智能交通***以及智能交通控制方法 |
CN110263381A (zh) * | 2019-05-27 | 2019-09-20 | 南京航空航天大学 | 一种自动驾驶车辆测试仿真场景生成方法 |
US20190380016A1 (en) * | 2019-07-25 | 2019-12-12 | Lg Electronics Inc. | Electronic apparatus and method for providing information for a vehicle |
Non-Patent Citations (1)
Title |
---|
朱冰等: "基于场景的自动驾驶汽车虚拟测试研究进展", 《中国公路学报》 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112363509A (zh) * | 2020-11-18 | 2021-02-12 | 重庆美沣秦安汽车驱动***有限公司 | 基于无线通信汽车自动驾驶方法、***、存储介质及终端 |
CN112606848A (zh) * | 2020-11-24 | 2021-04-06 | 浙大宁波理工学院 | 车路协同无人驾驶控制***及控制方法 |
CN112606848B (zh) * | 2020-11-24 | 2022-06-10 | 浙大宁波理工学院 | 车路协同无人驾驶控制方法 |
CN112744226A (zh) * | 2021-01-18 | 2021-05-04 | 国汽智控(北京)科技有限公司 | 基于驾驶环境感知的自动驾驶智能自适应方法及*** |
CN113052118A (zh) * | 2021-04-07 | 2021-06-29 | 上海浩方信息技术有限公司 | 基于高速快球摄像机实现场景变换视频分析检测的方法、***、装置、处理器及存储介质 |
CN113192330A (zh) * | 2021-04-26 | 2021-07-30 | 上海德衡数据科技有限公司 | 基于多智能体的车辆管理方法、管理***、设备及介质 |
CN113516354A (zh) * | 2021-04-29 | 2021-10-19 | 重庆天智慧启科技有限公司 | 城市环境大数据协同管理中心*** |
CN113570897A (zh) * | 2021-07-28 | 2021-10-29 | 山东高速建设管理集团有限公司 | 一种高速公路改扩建工程车道级智能诱导方法 |
CN113370997A (zh) * | 2021-08-11 | 2021-09-10 | 北京赛目科技有限公司 | 车辆自动驾驶的控制方法、装置、电子设备及存储介质 |
WO2023044755A1 (en) * | 2021-09-24 | 2023-03-30 | Intel Corporation | Systems, devices, and methods for adapting traffic to prioritized vehicle routes |
CN114005272A (zh) * | 2021-09-30 | 2022-02-01 | 淮阴工学院 | 一种基于5g云计算终端的道路交通调控方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111583693B (zh) | 2021-06-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111583693B (zh) | 一种城市道路智能交通协同运行***及智能车辆控制方法 | |
CN111717192B (zh) | 一种自动驾驶车辆的控制方法及*** | |
CN111367292A (zh) | 自动驾驶汽车智能道路*** | |
CN108922177A (zh) | 一种无人驾驶车辆通过交叉路口时速度控制***及方法 | |
CN110531746B (zh) | 一种自动驾驶车辆控制方法及***、车辆 | |
CN112950811B (zh) | 融合整车安全的新能源汽车区域运行风险评估及预警*** | |
CN104627180A (zh) | 一种半主动巡航控制***及其方法 | |
CN111402626B (zh) | 一种基于车路协同的安全跟车距离控制***及控制方法 | |
CN112660130A (zh) | 基于智能网联信息的新能源汽车滑行控制***、方法及新能源汽车 | |
CN104691545A (zh) | 适应性车辆防碰撞方法 | |
CN113628437A (zh) | 基于云控平台的无人矿车交叉路口安全通行方法 | |
CN113723699A (zh) | 恶劣天气高速公路安全车速矫正把控预警方法及*** | |
EP3495193B1 (de) | Verfahren zum betreiben eines kraftfahrzeugs | |
CN112925309A (zh) | 智能网联汽车数据交互方法及交互*** | |
CN116206440A (zh) | 一种基于智慧高速的交通流采集、预测、管控及信息化推送***及方法 | |
CN113129610A (zh) | 不利天气高速公路自适应可变限速与信息协同控制*** | |
CN113335293B (zh) | 一种线控底盘的高速公路路面探测*** | |
CN116564095A (zh) | 基于cps的重点车辆高速公路隧道预测巡航云控制方法 | |
DE102022100068A1 (de) | Steuerung der fahrzeugleistung basierend auf daten im zusammenhang mit einer atmosphärischen bedingung | |
CN113119945B (zh) | 一种基于环境模型的汽车高级辅助驾驶*** | |
CN116714579B (zh) | 基于车路协同的自动驾驶车辆预见性安全控制方法及*** | |
CN116013101B (zh) | 一种基于网联环境的无信号路口速度建议***和方法 | |
CN116564084A (zh) | 一种基于纯路端感知的网联式辅助驾驶控制方法及*** | |
CN116229762A (zh) | 一种基于智能发光标线的交叉口右转车碰撞预警方法 | |
DE102019200973B4 (de) | Fahrzeugsteuerungssystem |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20210615 |