CN111785011A - 道路车辆监测调控方法、装置、***和计算机设备 - Google Patents
道路车辆监测调控方法、装置、***和计算机设备 Download PDFInfo
- Publication number
- CN111785011A CN111785011A CN201910269104.5A CN201910269104A CN111785011A CN 111785011 A CN111785011 A CN 111785011A CN 201910269104 A CN201910269104 A CN 201910269104A CN 111785011 A CN111785011 A CN 111785011A
- Authority
- CN
- China
- Prior art keywords
- road
- vehicle
- node
- environment
- data
- 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.)
- Pending
Links
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
- G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
- G08G1/0116—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from roadside infrastructure, e.g. beacons
-
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
-
- 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
- G08G1/048—Detecting movement of traffic to be counted or controlled with provision for compensation of environmental or other condition, e.g. snow, vehicle stopped at detector
-
- 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
-
- 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
- G08G1/0969—Systems involving transmission of navigation instructions to the vehicle having a display in the form of a map
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/097—Supervising of traffic control systems, e.g. by giving an alarm if two crossing streets have green light simultaneously
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
Landscapes
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Life Sciences & Earth Sciences (AREA)
- Atmospheric Sciences (AREA)
- Educational Administration (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请涉及一种道路车辆监测调控方法、装置、***、计算机设备和存储介质及一种高速公路。所述方法包括:获取路侧单元发送的道路环境数据和道路车辆数据;根据道路环境数据确定携带环境节点状态的道路环境节点,并根据道路车辆数据确定携带行驶状态数据的道路车辆节点;根据道路环境节点和道路车辆节点生成当前局部瞬态地图;根据环境节点状态和行驶状态数据,对当前局部瞬态地图进行节点预测,得到预测局部瞬态地图;根据预测局部瞬态地图生成车辆调控信息,并通过路侧单元将车辆调控信息发送至道路车辆,车辆调控信息用于调控道路车辆的行驶状态。采用本方法能够确保道路车辆安全行驶,提高道路交通的安全性。
Description
技术领域
本申请涉及道路交通控制技术领域,特别是涉及一种道路车辆监测调控方法、装置、***、计算机设备和存储介质以及一种高速公路。
背景技术
自动驾驶是指汽车具备自动实现路径规划、行为决策和运动规划(速度和轨迹规划)等驾驶任务的能力,汽车能像机器人那样依靠自身能力实现的自动驾驶,称作自主式自动驾驶。
随着自动驾驶技术的发展,在不久的将来,自动驾驶车辆将和非自动驾驶车辆形成混合车流环境,成为新一代的交通***,即智能网联交通***。如何对新一代交通***中行驶的各种车辆进行监控,确保车辆的安全行驶,改善交通***安全性是当下面临的严峻考验。
发明内容
基于此,有必要针对上述技术问题,提供一种能够确保道路车辆安全行驶,提高道路交通安全性的道路车辆监测调控方法、装置、***、计算机设备和存储介质以及一种高速公路。
一种道路车辆监测调控方法,所述方法包括:
获取路侧单元发送的道路环境数据和道路车辆数据,道路环境数据由路侧感知设备获取并发送至路侧单元,道路车辆数据由道路车辆的车载单元获取并发送至路侧单元;
根据道路环境数据确定携带环境节点状态的道路环境节点,并根据道路车辆数据确定携带行驶状态数据的道路车辆节点;
根据道路环境节点和道路车辆节点生成当前局部瞬态地图;
根据环境节点状态和行驶状态数据,对当前局部瞬态地图进行节点预测,得到预测局部瞬态地图;
根据预测局部瞬态地图生成车辆调控信息,并通过路侧单元将车辆调控信息发送至道路车辆,车辆调控信息用于调控道路车辆的行驶状态。
在其中一个实施例中,根据道路环境数据确定携带环境节点状态的道路环境节点包括:
获取道路环境数据的置信度;
当道路环境数据的置信度满足预设的置信度阈值时,基于目标检测和目标跟踪,从道路环境数据中确定携带环境节点状态的道路环境节点。
在其中一个实施例中,根据道路车辆数据确定携带行驶状态数据的道路车辆节点包括:
从道路车辆数据中提取各道路车辆对应的车辆数据包;
当从预设的车辆节点数据库中未匹配到道路车辆对应已存在的道路车辆节点时,从车辆数据包中提取道路车辆对应的行驶状态数据,并根据行驶状态数据生成道路车辆对应的道路车辆节点。
在其中一个实施例中,在从道路车辆数据中提取各道路车辆对应的车辆数据包之后,还包括:
当从车辆节点数据库中匹配到道路车辆对应已存在的道路车辆节点时,从车辆数据包中提取道路车辆对应的行驶状态数据,并根据行驶状态数据对已存在的道路车辆节点进行更新,得到道路车辆节点。
在其中一个实施例中,根据环境节点状态和行驶状态数据,对当前局部瞬态地图进行节点预测,得到预测局部瞬态地图包括:
获取预设的道路预测周期和预测终止次数阈值;
根据道路预测周期、环境节点状态和行驶状态数据,对当前局部瞬态地图中的道路环境节点和道路车辆节点进行更新,得到预测道路环境节点和预测道路车辆节点;
根据预测道路环境节点和预测道路车辆节点生成预测局部瞬态地图,并确定当前预测次数;
当当前预测次数小于预测终止次数阈值时,根据当前预测次数对道路预测周期进行更新,并返回根据道路预测周期、环境节点状态和行驶状态数据,对当前局部瞬态地图中的道路环境节点和道路车辆节点进行更新,得到预测环境节点和预测车辆节点的步骤。
在其中一个实施例中,环境节点状态包括环境节点速度和环境节点加速度;行驶状态数据包括行驶速度和行驶加速度;根据道路预测周期、环境节点状态和行驶状态数据,对当前局部瞬态地图中的道路环境节点和道路车辆节点进行更新,得到预测道路环境节点和预测道路车辆节点包括:
根据道路预测周期、环境节点速度和环境节点加速度得到道路环境节点的环境节点预测位移,并根据道路预测周期、行驶速度和加速度得到道路车辆节点的车辆节点预测位移;
根据环境节点预测位移和道路环境节点的当前位置,得到道路环境节点的预测位置,并根据车辆节点预测位移和道路车辆节点的当前位置,得到道路车辆节点的预测位置;
根据道路环境节点的预测位置对道路环境节点进行更新,得到预测道路环境节点,并根据道路车辆节点的预测位置对道路车辆节点进行更新,得到预测道路车辆节点。
在其中一个实施例中,车辆调控信息包括调度信息和告警信息;根据预测局部瞬态地图生成车辆调控信息包括:
当预测局部瞬态地图中预测道路车辆节点存在危险事件时,根据道路车辆数据确定道路车辆的驾驶控制类型;
当驾驶控制类型为自动驾驶时,生成调度信息;否则,生成告警信息。
在其中一个实施例中,在生成调度信息之后,还包括:
根据调度信息对道路车辆节点进行更新,得到调度后的调度车辆节点;
将调度车辆节点作为预测道路车辆节点,并返回根据预测道路环境节点和预测道路车辆节点生成预测局部瞬态地图的步骤。
在其中一个实施例中,在根据预测局部瞬态地图生成车辆调控信息之后,还包括:
接收远端服务器发送的远端调控信息和路网气候数据;
根据远端调控信息和路网气候数据对车辆调控信息进行更新,并将更新后的车辆调控信息作为车辆调控信息。
一种道路车辆监测调控装置,所述装置包括:
道路数据获取模块,用于获取路侧单元发送的道路环境数据和道路车辆数据,道路环境数据由路侧感知设备获取并发送至路侧单元,道路车辆数据由道路车辆的车载单元获取并发送至路侧单元;
道路数据分析模块,用于根据道路环境数据确定携带环境节点状态的道路环境节点,并根据道路车辆数据确定携带行驶状态数据的道路车辆节点;
瞬态地图生成模块,用于根据道路环境节点和道路车辆节点生成当前局部瞬态地图;
瞬态地图预测模块,用于根据所述环境节点状态和行驶状态数据,对当前局部瞬态地图进行节点预测,得到预测局部瞬态地图;
车辆调控模块,用于根据预测局部瞬态地图生成车辆调控信息,并通过路侧单元将车辆调控信息发送至道路车辆,车辆调控信息用于调控道路车辆的行驶状态。
一种道路车辆监测调控***,所述***包括设于车辆上的车载单元、设于道路边侧的路侧单元、路侧感知设备、以及如上所述的道路车辆监测调控装置;
路侧单元分别与车载单元、路侧感知设备和道路车辆监测调控装置中的道路数据获取模块通信连接。
一种高速公路,所述高速公路包括车道和上所述的道路车辆监测调控***;道路车辆监测调控***对车道中的道路车辆进行监测调控。
一种计算机设备,包括存储器和处理器,存储器存储有计算机程序,处理器执行计算机程序时实现以下步骤:
获取路侧单元发送的道路环境数据和道路车辆数据,道路环境数据由路侧感知设备获取并发送至路侧单元,道路车辆数据由道路车辆的车载单元获取并发送至路侧单元;
根据道路环境数据确定携带环境节点状态的道路环境节点,并根据道路车辆数据确定携带行驶状态数据的道路车辆节点;
根据道路环境节点和道路车辆节点生成当前局部瞬态地图;
根据环境节点状态和行驶状态数据,对当前局部瞬态地图进行节点预测,得到预测局部瞬态地图;
根据预测局部瞬态地图生成车辆调控信息,并通过路侧单元将车辆调控信息发送至道路车辆,车辆调控信息用于调控道路车辆的行驶状态。
一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
获取路侧单元发送的道路环境数据和道路车辆数据,道路环境数据由路侧感知设备获取并发送至路侧单元,道路车辆数据由道路车辆的车载单元获取并发送至路侧单元;
根据道路环境数据确定携带环境节点状态的道路环境节点,并根据道路车辆数据确定携带行驶状态数据的道路车辆节点;
根据道路环境节点和道路车辆节点生成当前局部瞬态地图;
根据环境节点状态和行驶状态数据,对当前局部瞬态地图进行节点预测,得到预测局部瞬态地图;
根据预测局部瞬态地图生成车辆调控信息,并通过路侧单元将车辆调控信息发送至道路车辆,车辆调控信息用于调控道路车辆的行驶状态。
上述道路车辆监测调控方法、装置、***、计算机设备和存储介质及高速公路,根据路侧单元发送的道路环境数据确定携带环境节点状态的道路环境节点,根据路侧单元发送的道路车辆数据确定携带行驶状态数据的道路车辆节点,由道路环境节点和道路车辆节点生成当前局部瞬态地图,再根据环境节点状态和行驶状态数据对当前局部瞬态地图进行节点预测,得到预测局部瞬态地图,并根据预测局部瞬态地图生成车辆调控信息,以实现对道路车辆的行驶状态进行调控。通过环境节点状态和行驶状态数据对生成的当前局部瞬态地图进行节点预测得到预测局部瞬态地图,并根据预测局部瞬态地图生成对应的车辆调控信息对道路车辆的行驶状态进行调控,可以对道路车辆进行及时调控,避免交通事故发生,确保道路车辆的安全行驶,从而提高了道路交通的安全性。
附图说明
图1为一个实施例中道路车辆监测调控方法的应用环境图;
图2为一个实施例中道路车辆监测调控方法的流程示意图;
图3为一个实施例中路侧单元的结构示意图;
图4为一个实施例中车载单元的结构示意图;
图5为一个实施例中节点预测处理的流程示意图;
图6为另一个实施例中节点预测处理的应用环境图;
图7为另一个实施例中道路车辆监测调控方法的流程示意图;
图8为一个实施例中道路车辆监测调控装置的结构框图;
图9为一个实施例中道路车辆监测调控***的结构框图;
图10为一个实施例中高速公路的结构示意图;
图11为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请提供的道路车辆监测调控方法,可以应用于如图1所示的应用环境中。其中,车载单元102与路侧单元106通过网络进行通信,路侧感知设备104与路侧单元106进行通信,路侧单元106与边缘服务器108通过网络进行通信。车载单元102将获取到的道路车辆数据发送至路侧单元106,路侧感知设备104将获取到的道路环境数据发送至路侧单元106,路侧单元106将得到的道路环境数据和道路车辆数据发送至边缘服务器108,边缘服务器108根据路侧单元106发送的道路环境数据确定携带环境节点状态的道路环境节点,根据路侧单元106发送的道路车辆数据确定携带行驶状态数据的道路车辆节点,由道路环境节点和道路车辆节点生成当前局部瞬态地图,再根据环境节点状态和行驶状态数据对当前局部瞬态地图进行节点预测,得到预测局部瞬态地图,并根据预测局部瞬态地图生成车辆调控信息,将车辆调控信息通过路侧单元106下发至道路车辆,以实现对道路车辆的行驶状态进行调控。
其中,车载单元(On board Unit,OBU)102和路侧单元(Road Side Unit,RSU)106均可以为采用DSRC(Dedicated Short Range Communication,专用短程通信)技术的微波装置,其中,路侧单元102也可以用独立的服务器或者是多个服务器组成的服务器集群来实现;路侧感知设备104可以包括各种传感器,如采集视频图像的摄像机、毫米波雷达、激光雷达、超声波雷达、大雾检测器和温湿度传感器等;边缘服务器108可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中,如图2所示,提供了一种道路车辆监测调控方法,以该方法应用于图1中的边缘服务器为例进行说明,包括以下步骤:
步骤S201:获取路侧单元发送的道路环境数据和道路车辆数据,道路环境数据由路侧感知设备获取并发送至路侧单元,道路车辆数据由道路车辆的车载单元获取并发送至路侧单元。
其中,路侧单元和路侧感知设备均设于道路边侧,路侧单元和路侧感知设备可以共杆设置,即共用同一通信杆,并通过有线方式以既定的数据接口和通信协议,如局域网、CAN(Controller Area Network,控制器局域网络)、IIC(Inter-Integrated Circuit,集成电路总线)等实现互联,以确保数据传递效率。路侧单元用于面向边缘服务器的上行感知数据传输和面向道路车辆的下行数据发布。路侧单元还可以包括定位模块,以作为道路车辆的定位基站,为其提供差分定位服务,从而辅助道路车辆自动驾驶。路侧感知设备用于获取预设范围内的全息路况感知并将感知数据上报,具体可以但不限于包括摄像头组、毫米波雷达、激光雷达、超声波雷达、大雾检测器和温湿度传感器等传感器。
如图3所示,为一个实施例中路侧单元的结构示意图。该实施例中,路侧单元内置有定位模块、5G uu(5th-Generation User Equipment,第五代移动通信技术的用户设备)接口/有线通信接口、短距离通信模块(包括5G PC5接口和DSRC接口)和路侧处理单元等,其中,定位模块用于路侧单元定位,路侧处理单元用于数据处理,各通信模块和接口用于收发数据。
车载单元设置于道路车辆上,车载单元是车路协同的最终接收终端。车载单元可以通过车内接口可以直接访问车内数据,如速度、档位、方向盘转角等。在具体实现时,鉴于实时性需求,车载单元将获取的道路车辆数据以5G的PC5接口,经D2D(Device-to-Device,设备到设备),即端对端方式发送给周边的路侧单元,以保证短距离通信的实时性和可靠性。此外,车载单元也可以通过PC5接口接收路侧单元发来的车辆调控信息,并根据该车辆调控信息调整车辆的行驶状态。如图4所示,为一个实施例中车载单元的结构示意图。该实施例中,车载单元包括定位模块、5G uu接口、车载处理单元和短距离通信模块(包括5G PC5接口和DSRC接口),其中,车载处理单元用于数据处理,各通信模块和接口用于收发数据。
在一些实施例中,为了给非网联车辆和网联车辆提供基础路侧信息支撑,路侧单元还可以通过不同网络层级进行数据收发。于物理层发布路侧实时视频和图像;于逻辑层将发布道路的结构信息,如可行驶区域和车道线等;于应用层发布障碍物、事故位置、盲区车辆等信息。三层信息可以通过不同的信道发送,如物理层通过5G或DSRC等传送,应用层和逻辑层通过LTE-V(Long Term Evolution-Vehicle,长期演进-车辆通信)或DSRC传送。具体地,通过物理层将路侧感知设备获取的道路环境数据中的实时视频图像发送至道路车辆,即通过路侧高清摄像头的视频获取为驾驶员扩展视野范围,达到超视距观察路况的目的。鉴于视频的数据量需求;该层数据传输采用5G的eMBB(Enhanced Mobile Broadband,增强移动宽带)实现。在逻辑层根据感知结果将局部地图发向过往道路车辆,其中含有局部车道线信息、可行使区域变化信息和标牌信息等;该层信息将以LTE-V以广播模式实现传输,为周期较长的信息帧,以供道路车辆实现局部瞬态地图最底层静态数据的加载。在应用层将根据路侧实时感知的结果发布障碍物位置、事故位置、抛洒物检测结果等信息;该层结果实时性要求高,因此采用5G的PC5接口或DSRC实现信息发布,以供驾驶车辆实现局部瞬态地图中高层动态数据的加载。在应用层将动态感知结果的路侧分析及决策结果的反馈信息,采用5G的PC5接口或DSRC实现信息发布,以便高速运动的道路车辆能够高可靠、低时延的接收最新的决策结果,实现路端决策。
本实施例中,路侧感知设备将获取的道路环境数据发送至路侧单元,道路车辆的车载单元将获取的道路车辆数据发送至路侧单元,由路侧单元将得到的道路环境数据和道路车辆数据发送至边缘服务器,由边缘服务器根据道路环境数据和道路车辆数据进行道路车辆监测调控处理。
在具体应用时,边缘服务器可以为MEC(Mobile Edge Computing,移动边缘计算单元),其是一种新的分布式网络资源模型。MEC铺设点贴近路侧单元,负责预定范围内各路侧单元数据的汇总,能提供本地场景感知的处理,并且具备时延很低、降低云端的计算负载、降低整个网络的带宽开销等优点。
步骤S203:根据道路环境数据确定携带环境节点状态的道路环境节点,并根据道路车辆数据确定携带行驶状态数据的道路车辆节点。
节点可以为道路中的各目标对象,包括道路环境节点和道路车辆节点,节点携带有状态参数,节点携带的状态参数具体如位置、速度等可以通过节点元素进行描述。具体实现时,节点可以为数据表,即道路中的目标对象对应于一数据表,数据表中的元素即节点元素,为各节点携带的状态参数,用于描述各节点。
其中,道路环境节点为路侧感知设备感知获取的道路环境中的对象,如可以为道路中出现的行人、路障等无法与路侧单元进行通信的道路环境对象。道路环境节点可以根据道路环境数据确定,如根据道路中落石的具***置数据确定对应的落石节点。道路环境节点携带环境节点状态,环境节点状态用于描述对应道路环境节点的具体状态,例如道路环境节点的位置、运动速度、加速度等。在具体实现时,对于道路环境节点,可以基于目标检测和目标跟踪从路侧感知设备获取的道路环境数据确定各道路环境节点及其携带的环境节点状态,即该道路环境节点的状态参数。
道路车辆节点表征道路中载有车载单元可与路侧单元进行通信的道路车辆,道路车辆节点携带行驶状态数据,行驶状态数据用于描述该道路车辆的运动状态,具体可以包括但不限于行驶速度、加速度和转向角等,道路车辆节点和道路车辆节点对应的行驶状态数据可以根据道路车辆数据确定。
步骤S205:根据道路环境节点和道路车辆节点生成当前局部瞬态地图。
得到道路环境节点和道路车辆节点后,根据表征道路环境对象的道路环境节点和表征道路中道路车辆的道路车辆节点生成当前局部瞬态地图。局部瞬态地图(LocalTransient Map,LTM)反映了该道路范围内的交通状况,具体可以包括各道路车辆的位置、间隔距离,及道路中环境对象的位置等。在具体实现时,可以根据道路环境节点和道路车辆节点分别对应携带的节点元素,即道路环境节点携带的环境节点状态或道路车辆节点携带的行驶状态数据进行地图建模,将各道路环境节点和道路车辆节点标注于地图中,形成当前时刻的当前局部瞬态地图。
步骤S207:根据环境节点状态和行驶状态数据,对当前局部瞬态地图进行节点预测,得到预测局部瞬态地图。
得到当前局部瞬态地图后,根据道路环境节点对应携带的环境节点状态和道路车辆节点对应携带的行驶状态数据,对当前局部瞬态地图中的道路环境节点和道路车辆节点进行节点预测,生成进行推演预测的预测局部瞬态地图。具体地,可以根据环境节点状态和行驶状态数据分别计算在预定时间后,当前局部瞬态地图中的道路环境节点和道路车辆节点的位置,从而实现推演预测,并根据预测后的道路环境节点和道路车辆节点生成预测局部瞬态地图。此外,还可以基于预定时间积分,推演预测未来多个时刻的预测局部瞬态地图,得到预测局部瞬态地图组,并根据预测局部瞬态地图组进行安全隐患分析,如某路段湿滑结冰,需要控制某道路车辆的行驶速度发生改变,使其通过此处时减速行驶。
步骤S209:根据预测局部瞬态地图生成车辆调控信息,并通过路侧单元将车辆调控信息发送至道路车辆,车辆调控信息用于调控道路车辆的行驶状态。
得到预测局部瞬态地图后,根据该预测局部瞬态地图生成对应的车辆调控信息,并通过路侧单元将车辆调控信息发送至道路车辆,车辆调控信息用于调控道路车辆的行驶状态。具体地,可以在根据预测局部瞬态地图判断需要进行调控时生成对应的车辆调控信息,将车辆调控信息发送至路侧单元,具体可以基于局域网有线方式将车辆调控信息发送至路侧单元,并由路侧单元将车辆调控信息下发至对应的道路车辆,道路车辆的车载单元接收到该车辆调控信息后,根据车辆调控信息对道路车辆的行驶状态进行相应调控,从而及时对道路车辆进行调控,避免事故发生,确保道路车辆的安全行驶,从而提高了道路交通的安全性。
上述道路车辆监测调控方法中,根据路侧单元发送的道路环境数据确定携带环境节点状态的道路环境节点,根据路侧单元发送的道路车辆数据确定携带行驶状态数据的道路车辆节点,由道路环境节点和道路车辆节点生成当前局部瞬态地图,再根据环境节点状态和行驶状态数据对当前局部瞬态地图进行节点预测,得到预测局部瞬态地图,并根据预测局部瞬态地图生成车辆调控信息,以实现对道路车辆的行驶状态进行调控。通过环境节点状态和行驶状态数据对生成的当前局部瞬态地图进行节点预测得到预测局部瞬态地图,并根据预测局部瞬态地图生成对应的车辆调控信息对道路车辆的行驶状态进行调控,可以对道路车辆进行及时调控,避免交通事故发生,确保道路车辆的安全行驶,从而提高了道路交通的安全性。
在其中一个实施例中,根据道路环境数据确定携带环境节点状态的道路环境节点包括:获取道路环境数据的置信度;当道路环境数据的置信度满足预设的置信度阈值时,基于目标检测和目标跟踪,从道路环境数据中确定携带环境节点状态的道路环境节点。
本实施例中,边缘服务器循环接收路侧单元发送的道路环境数据,具体可以采用唯一的IP(Internet Protocol Address,网际协议地址)地址与路侧单元实现通信,并使用特定的ID(Identity,身份标识)号进行数据握手校验。对于得到的道路环境数据,可以通过置信度判断其是否有效。一般地,传感器对于道路环境节点的检测设有置信度,如雷达视频的行人检测设有置信度,参考行人置信度和行人的类型模板可以判断道路环境数据的可靠性,从而判断其是否是有效信息,比如行人不可能突然出现于路中间,如果出现了,就要视频结合雷达去融合结果进行判断,判断结果有效后才进行后续处理。
具体地,在根据道路环境数据确定携带环境节点状态的道路环境节点时,获取道路环境数据的置信度,置信度反映了该道路环境数据的可靠性。将道路环境数据的置信度与预设的置信度阈值进行比较,在道路环境数据的置信度满足置信度阈值,如大于该置信度阈值时,基于目标检测,如基于区域提名的目标检测算法和基于端到端学习的目标检测算法等,从道路环境数据中识别出各道路环境对象,得到各道路环境节点。其中,基于区域提名的目标检测算法包括但不限于R-CNN(Regions with Convolutional Neural Networkfeatures)、Fast R-CNN(Fast Regions with Convolutional Neural Networkfeatures)、Faster R-CNN(Faster Regions with Convolutional Neural Networkfeatures)等;基于端到端学习的目标检测算法包括但不限于YOLO(You Only Look Once)和SSD(Single Shot MultiBox Detector,单点多框检测)。并基于目标跟踪,如均值漂移算法、基于卡尔曼滤波的目标跟踪、基于粒子滤波的目标跟踪和基于对运动目标建模等,确定该道路环境对象的状态参数,该状态参数即为道路环境节点携带的环境节点状态,用于描述环境识别节点的所处状态。进一步地,基于目标跟踪还可以确定该道路环境节点是否为已存在节点,若是,则可以直接进行环境节点状态更新,以实现对道路环境节点的更新;若否,则创建对应的道路环境节点。不同的道路环境对象进行目标检测后对应于不同的道路环境节点,如对于落石和行人,对道路环境数据进行目标检测时,会识别区分为不同的道路环境对象,对应生成不同的道路环境节点。
此外,若接收到远端服务器,如中心云的节点更新信息,例如宏观调度信息或其他边缘服务器反馈的异常信息等,也可以根据接收到的节点更新信息对对应道路环境节点进行更新或创建。得到道路环境节点后,将该道路环境节点同步保存至环境节点数据库中,以便后续进行节点匹配处理。
在其中一个实施例中,根据道路车辆数据确定携带行驶状态数据的道路车辆节点包括:从道路车辆数据中提取各道路车辆对应的车辆数据包;当从预设的车辆节点数据库中未匹配到道路车辆对应已存在的道路车辆节点时,从车辆数据包中提取道路车辆对应的行驶状态数据,并根据行驶状态数据生成道路车辆对应的道路车辆节点。
本实施例中,边缘服务器循环接收路侧单元发送的道路车辆数据,并根据该道路车辆数据确定携带行驶状态数据的道路车辆节点。具体地,从道路车辆数据中提取各道路车辆对应的车辆数据包,车辆数据包包括车载单元针对所属道路车辆感知获取到的车辆信息,可以但不限于行驶速度、加速度、车辆标识信息如车辆ID等。具体实现时可以根据上传道路车辆数据的车载单元进行车辆数据包的提取,车载单元设置于各道路车辆中,不同车载单元所属不同的道路车辆。判断该车辆数据包对应的道路车辆是否为瞬态地图数据库中已存在的节点,具体可以根据该车辆数据包与车辆节点数据库中的各道路车辆节点进行匹配查询,例如,可以根据车辆数据包中携带的车辆ID与车辆节点数据库中的各道路车辆节点的ID进行比较,从而确定该道路车辆是否为已存在的车辆对象。其中,车辆节点数据库可由边缘服务器预先设置,用于存储得到的各道路车辆节点,并通过车辆ID对各道路车辆节点进行管控。当从车辆节点数据库中未匹配到道路车辆对应的道路车辆节点时,表明该道路车辆为首次出现,从车辆数据包中提取道路车辆对应的行驶状态数据,并根据行驶状态数据生成该道路车辆对应的道路车辆节点,行驶状态数据反映了道路车辆的运动状态。
另一方面,若在车辆节点数据库中匹配到道路车辆对应已存在的道路车辆节点时,可以直接将该已存在的道路车辆节点作为道路车辆对应的道路车辆节点。此外,得到道路车辆节点后,将该道路车辆节点同步保存至车辆节点数据库中,以便后续进行道路车辆节点匹配处理。
在其中一个实施例中,在从道路车辆数据中提取各道路车辆对应的车辆数据包之后,还包括:当从车辆节点数据库中匹配到道路车辆对应已存在的道路车辆节点时,从车辆数据包中提取道路车辆对应的行驶状态数据,并根据行驶状态数据对已存在的道路车辆节点进行更新,得到道路车辆节点。
本实施例中,当从车辆节点数据库中匹配到道路车辆对应已存在的道路车辆节点时,表明该道路车辆非首次出现,可以直接将匹配到的道路车辆节点作为道路车辆对应的道路车辆节点,并通过车辆数据包中提取的行驶状态数据对已存在的道路车辆节点进行更新,得到道路车辆最新对应的道路车辆节点。
在其中一个实施例中,如图5所示,节点预测处理,即根据环境节点状态和行驶状态数据,对当前局部瞬态地图进行节点预测,得到预测局部瞬态地图包括:
步骤S501:获取预设的道路预测周期和预测终止次数阈值。
本实施例中,在满足预设的道路地图预测条件时,根据道路车辆节点的行驶状态数据对当前局部瞬态地图中的道路环境节点和道路车辆节点基于时间为微元的积分推演预测,得到预测局部瞬态地图,根据该预测局部瞬态地图可以判断是否存在安全隐患,如是否存在追尾、碰撞等交通事故。其中,道路地图预测条件可以为当节点预测次数未达到预测终止次数阈值,从而可以重复进行多次节点预测;而在节点预测次数达到预测终止次数阈值时,终止本次节点预测。
在进行节点预测时,基于当前局部瞬态地图中的道路环境节点对应携带的环境节点状态和道路车辆节点对应携带的行驶状态数据,如速度、加速度等状态信息,按每种事件的态势模板进行以时间为微元的积分,积分时间范围可以为局部瞬态地图生成周期T(在单次循环中为nT和(n+1)T之间的T时间)。在算出每个节点T周期过后的节点状态后,得到对应的预测节点,边缘服务器按得到的预测节点进行该时间点预测局部瞬态地图的生成,并从中找寻可能存在的危险。在循环预测过程中,当满足预测次数n达到阈值时将结束循环,并对可能产生危险的车辆按照车辆既定种类(在车辆的车载单元发给路侧单元的道路车辆数据的设置,分为可线控车辆和非可线控车辆)产生调度信息或告警信息,并将其发送至对应车辆进行调控。当产生调度信息后,鉴于对方车辆可按照既定协议实现调度控制,所以边缘服务器将以调度后的结果继续进行预测局部瞬态地图的生成,以提取第二层的潜在威胁车辆进行提前告警或调度。
具体地,获取预设的道路预测周期和预测终止次数阈值。道路预测周期为节点预测时时间积分的单位,预测终止次数阈值为进行节点预测处理的次数。如道路预测周期为T,预测终止次数阈值为N,则进行NT时刻共N次的节点预测,生成各时刻对应的预测局部瞬态地图。
步骤S503:根据道路预测周期、环境节点状态和行驶状态数据,对当前局部瞬态地图中的道路环境节点和道路车辆节点进行更新,得到预测道路环境节点和预测道路车辆节点。
根据道路预测周期、环境节点状态和行驶状态数据,对当前局部瞬态地图中的道路环境节点和道路车辆节点进行更新,得到预测道路环境节点和预测道路车辆节点。一般地,当前局部瞬态地图中各道路环境节点为固定的环境对象,如固定设置的标志牌,或不可预测的环境对象,例如对于行人、落石等突发性不可预测对象,通过对其进行目标跟踪后确定的环境节点状态结合时间进行节点预测,得到预测道路环境节点。而道路车辆节点则可以根据其对应携带的行驶状态数据结合时间进行节点预测,得到预测道路车辆节点。例如,环境节点状态包括环境节点速度和环境节点加速度,则可以根据环境节点速度和环境节点加速度和道路预测周期确定该道路环境节点的预测位置,从而得到对应的预测道路环境节点;若行驶状态数据包括行驶速度和加速度,则可以根据道路预测周期、行驶速度和加速度确定该道路车辆节点的预测位置,从而得到对应的预测道路车辆节点。
步骤S505:根据预测道路环境节点和预测道路车辆节点生成预测局部瞬态地图,并确定当前预测次数。
得到预测道路环境节点和预测道路车辆节点后,根据预测道路环境节点和预测道路车辆节点生成预测局部瞬态地图,预测局部瞬态地图为该道路预测周期时刻对应的推演预测地图。确定当前预测次数,具体可对预测次数增1处理,得到当前预测次数,初始的当前预测次数为0。
步骤S507:当当前预测次数小于预测终止次数阈值时,根据当前预测次数对道路预测周期进行更新,并返回根据道路预测周期、环境节点状态和行驶状态数据,对当前局部瞬态地图中的道路环境节点和道路车辆节点进行更新,得到预测环境节点和预测车辆节点的步骤。
将当前预测次数小于预测终止次数阈值时,重复进行多次节点预测。具体根据当前预测次数对道路预测周期进行更新,返回对当前局部瞬态地图中的道路环境节点和道路车辆节点进行更新的步骤,从而实现对更长时间范围的推演预测。
如图6所示,为一个实施例中对当前局部瞬态地图进行推演预测,得到预测局部瞬态地图并对道路车辆进行调控的示意图。其中,道路某处发生落石被路侧感知设备检测到后,针对该落石生成对应落石节点,落实的位置信息将会作为节点元素,落石节点显示于当前局部瞬态地图,即LTM(0)中。此时,LTM中存在以V1前进的car1和以V2前进的car2(V2>V1),为简化模型,将其加速度假设为0,即两车视为匀速。
当前局部瞬态地图,即LTM(0)生成后,边缘服务器将通过现有数据以T为时间周期,依次隔T时间周期进行最多N次节点预测,对应得到预测局部瞬态地图LTM(nT),(n∈N+)。对于每一次预测得到的LTM(nT),从中检测出car1与落石的碰撞可能(图略),对应产生车辆调控信息并通过路侧单元实现发布,调控car1进行变道,避免发生碰撞。车辆调控信息发布后,边缘服务器将以调度结果继续进行节点预测,并从预测局部瞬态地图中检测出car1变道后将与未曾减速的car2有碰撞的可能,并继续发布车辆调控信息,让car2在car1变道实现之前提开始前减速或者变道,从而实现对道路车辆进行及时调控,确保道路车辆的安全行驶。
在其中一个实施例中,环境节点状态包括环境节点速度和环境节点加速度;行驶状态数据包括行驶速度和行驶加速度;根据道路预测周期、环境节点状态和行驶状态数据,对当前局部瞬态地图中的道路环境节点和道路车辆节点进行更新,得到预测道路环境节点和预测道路车辆节点包括:根据道路预测周期、环境节点速度和环境节点加速度得到道路环境节点的环境节点预测位移,并根据道路预测周期、行驶速度和加速度得到道路车辆节点的车辆节点预测位移;根据环境节点预测位移和道路环境节点的当前位置,得到道路环境节点的预测位置,并根据车辆节点预测位移和道路车辆节点的当前位置,得到道路车辆节点的预测位置;根据道路环境节点的预测位置对道路环境节点进行更新,得到预测道路环境节点,并根据道路车辆节点的预测位置对道路车辆节点进行更新,得到预测道路车辆节点。
本实施例中,环境节点状态包括环境节点速度和环境节点加速度;行驶状态数据包括行驶速度和行驶加速度,对当前局部瞬态地图中的道路车辆节点进行更新时,一方面可以通过道路预测周期、环境节点速度和环境节点加速度对道路环境节点的位置进行预测,另一方面可以通过道路预测周期、行驶速度和加速度对道路车辆节点的位置进行预测。
具体地,根据道路预测周期、环境节点速度和环境节点加速度得到道路环境节点的环境节点预测位移,根据道路预测周期、行驶速度和加速度得到道路车辆节点的车辆节点预测位移,环境节点预测位移表征了经过道路预测周期的时间后,该道路环境节点的运动情况,而车辆节点预测位移表征了该道路车辆以当前的行驶状态进行行驶,在道路预测周期的时间内的行驶距离。得到环境节点预测位移和道路车辆节点的车辆节点预测位移后,根据环境节点预测位移和道路环境节点的当前位置,得到道路环境节点的预测位置,且根据该车辆节点预测位移和道路车辆节点的当前位置,确定该道路车辆节点的预测位置,即该道路车辆节点行驶道路预测周期的时间后的所处位置。再根据道路环境节点的预测位置对道路环境节点进行更新,得到预测道路环境节点,并根据道路车辆节点的预测位置对道路车辆节点进行更新,得到预测道路车辆节点。
在其中一个实施例中,车辆调控信息包括调度信息和告警信息;根据预测局部瞬态地图生成车辆调控信息包括:当预测局部瞬态地图中预测车辆节点存在危险事件时,根据道路车辆数据确定道路车辆的驾驶控制类型;当驾驶控制类型为自动驾驶时,生成调度信息;否则,生成告警信息。
本实施例中,对于自动驾驶车辆和非自动驾驶车辆,可以生成不同的车辆调控信息进行调控。其中,车辆调控信息包括调度信息和告警信息,调度信息可作用于自动驾驶车辆,直接控制自动驾驶车辆进行行驶状态调整;告警信息作用于非自动驾驶车辆,其用于提示非自动驾驶车辆的驾驶员进行行驶状态调整。
具体地,当预测局部瞬态地图中预测车辆节点存在危险事件时,例如预测道路车辆节点之间或预测道路车辆节点与预测道路环境节点之间产生碰撞时,表明存在安全隐患,根据道路车辆数据确定道路车辆的驾驶控制类型,如根据道路车辆数据中包括的车辆驾驶类型标识信息判断道路车辆的驾驶控制类型。驾驶控制类型包括自动驾驶和非自动驾驶,一般地,自动驾驶车辆为可线控车辆,可以通过线控进行行驶状态调整,而非自动驾驶车辆为非可线控车辆。当驾驶控制类型为自动驾驶时,生成调度信息;否则,生成告警信息。对于自动驾驶的道路车辆,调度信息由道路车辆的车载单元接收后,车载单元与底层线控单元通信,按照调度信息完成车体驾驶行为的调整。
在其中一个实施例中,在生成调度信息之后,还包括:根据调度信息对道路车辆节点进行更新,得到调度后的调度车辆节点;将调度车辆节点作为预测道路车辆节点,并返回根据预测道路环境节点和预测道路车辆节点生成预测局部瞬态地图的步骤。
本实施例中,在确定道路车辆的驾驶控制类型为自动驾驶,生成调度信息后,鉴于该道路车辆可按照既定协议实现调度控制,所以边缘服务器将以调度后的结果继续进行预测局部瞬态地图的生成,以提取第二层的潜在威胁车辆进行提前告警或调度。
具体地,在生成调度信息并发送至对应道路车辆后,该道路车辆按照接收到的调度信息进行调度,控制其行驶状态。所以,可以根据调度信息确定该道路车辆经调度后的调度车辆节点,具体可以根据调度信息对道路车辆节点进行更新得到调度后的调度车辆节点,该调度车辆节点携带有调度状态数据,调度状态数据描述了调度车辆节点的状态,如位置、速度等。基于该携带有调度状态数据的调度车辆节点进行后续节点预测,具体可以将调度车辆节点作为预测道路环境节点,并返回根据预测道路环境节点和预测道路车辆节点生成预测局部瞬态地图的步骤,以实现对调度车辆节点的进一步预测,并确保节点预测的次数不超过预测终止次数阈值,在避免道路车辆因一次调度后产生危险事件的同时,控制调度后的节点预测跨度,从而有效确保车辆的行驶安全。
在其中一个实施例中,在根据预测局部瞬态地图生成车辆调控信息之后,还包括:接收远端服务器发送的远端调控信息和路网气候数据;根据远端调控信息和路网气候数据对车辆调控信息进行更新,并将更新后的车辆调控信息作为车辆调控信息。
本实施例中,相比于边缘服务器,远端服务器可提供全局的集中式控制,而且具有更有强的计算和存储能力。远端服务器通过一定接口对实时路网的状态,如拥堵状况、高速出口信息、弯道信息等,进行接入以辅助边缘服务器的调控。具体地,可以通过远端服务器对道路车辆进行调控,也可以接收远端服务器下发的宏观感知数据以辅助调控,如路网气候数据。具体地,接收远端服务器发送的远端调控信息和路网气候数据,远端调控信息可以对道路车辆进行调控,路网气候数据用于描述宏观的路网情况和天气情况。根据远端调控信息和路网气候数据对车辆调控信息进行更新,并将更新后的车辆调控信息作为车辆调控信息。在接收到远端服务器发送的远端调控信息和路网气候数据后,对车辆调控信息进行更新,以实现远端服务器的远程、宏观调控,进一步确保道路车辆的安全行驶,从而提高了道路交通的安全性。
在其中一个实施例中,如图7所示,提供了一种道路车辆监测调控方法,包括以下步骤:
步骤S701:获取路侧单元发送的道路环境数据和道路车辆数据,道路环境数据由路侧感知设备获取并发送至路侧单元,道路车辆数据由道路车辆的车载单元获取并发送至路侧单元。
路侧单元和路侧感知设备可以共杆设于道路边侧,并通过有线方式实现互联。车载单元设置于道路车辆上,车载单元是车路协同的最终接收终端。车载单元可以通过车内接口可以直接访问车内数据。
步骤S702:获取道路环境数据的置信度;
步骤S703:当道路环境数据的置信度满足预设的置信度阈值时,基于目标检测和目标跟踪,从道路环境数据中确定携带环境节点状态的道路环境节点;
步骤S704:从道路车辆数据中提取各道路车辆对应的车辆数据包;
步骤S705:当从预设的车辆节点数据库中未匹配到道路车辆对应已存在的道路车辆节点时,从车辆数据包中提取道路车辆对应的行驶状态数据,并根据行驶状态数据生成道路车辆对应的道路车辆节点;
步骤S706:根据道路环境节点和道路车辆节点生成当前局部瞬态地图。
根据道路环境数据确定携带环境节点状态的道路环境节点,道路环境节点表征路侧感知设备感知获取的道路环境中的对象,环境节点状态用于描述对应道路环境节点的具体状态。根据道路车辆数据确定携带行驶状态数据的道路车辆节点,道路车辆节点为道路中载有车载单元可与路侧单元进行通信的道路车辆,行驶状态数据用于描述该道路车辆的运动状态。再根据表征道路环境对象的道路环境节点和表征道路中道路车辆的道路车辆节点生成当前局部瞬态地图。
步骤S707:根据环境节点状态和行驶状态数据,对当前局部瞬态地图进行节点预测,得到预测局部瞬态地图。
在满足预设的道路地图预测条件时,根据道路车辆节点的行驶状态数据对当前局部瞬态地图中的道路环境节点和道路车辆节点基于时间为微元的积分推演预测,得到预测局部瞬态地图,根据该预测局部瞬态地图可以判断是否存在安全隐患,如是否存在追尾、碰撞等交通事故。具体包括:获取预设的道路预测周期和预测终止次数阈值;根据道路预测周期、环境节点状态和行驶状态数据,对当前局部瞬态地图中的道路环境节点和道路车辆节点进行更新,得到预测道路环境节点和预测道路车辆节点;根据预测道路环境节点和预测道路车辆节点生成预测局部瞬态地图,并确定当前预测次数;当当前预测次数小于预测终止次数阈值时,根据当前预测次数对道路预测周期进行更新,并返回根据道路预测周期、环境节点状态和行驶状态数据,对当前局部瞬态地图中的道路环境节点和道路车辆节点进行更新,得到预测环境节点和预测车辆节点的步骤。
步骤S708:车辆调控信息包括调度信息和告警信息;当预测局部瞬态地图中预测道路车辆节点存在危险事件时,根据道路车辆数据确定道路车辆的驾驶控制类型;
步骤S709:当驾驶控制类型为自动驾驶时,生成调度信息;否则,生成告警信息;
步骤S710:接收远端服务器发送的远端调控信息和路网气候数据;
步骤S711:根据远端调控信息和路网气候数据对车辆调控信息进行更新,并将更新后的车辆调控信息作为车辆调控信息;
步骤S712:通过路侧单元将车辆调控信息发送至道路车辆。
对于自动驾驶车辆和非自动驾驶车辆,可以生成不同的车辆调控信息进行调控。调度信息可作用于自动驾驶车辆,直接控制自动驾驶车辆进行行驶状态调整;告警信息作用于非自动驾驶车辆,其用于提示非自动驾驶车辆的驾驶员进行行驶状态调整。当预测局部瞬态地图中预测道路车辆节点存在危险事件时,例如预测车辆节点之间或预测车辆节点与道路环境节点之间产生碰撞时,表明存在安全隐患,根据道路车辆数据确定道路车辆的驾驶控制类型,根据驾驶控制类型生成对应类型的车辆调控信息,用于调控道路车辆的行驶状态。此外,还可以通过远端服务器对道路车辆进行调控,也可以接收远端服务器下发的宏观感知数据以辅助调控,如路网气候数据,以实现远端服务器的远程、宏观调控,进一步确保道路车辆的安全行驶,从而提高了道路交通的安全性。
应该理解的是,虽然图2、5、7的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图2、5、7中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图8所示,提供了一种道路车辆监测调控装置80,包括:道路数据获取模块801、道路数据分析模块803、瞬态地图生成模块805、瞬态地图预测模块807和车辆调控模块809,其中:
道路数据获取模块801,用于获取路侧单元发送的道路环境数据和道路车辆数据,道路环境数据由路侧感知设备获取并发送至路侧单元,道路车辆数据由道路车辆的车载单元获取并发送至路侧单元;
道路数据分析模块803,用于根据道路环境数据确定携带环境节点状态的道路环境节点,并根据道路车辆数据确定携带行驶状态数据的道路车辆节点;
瞬态地图生成模块805,用于根据道路环境节点和道路车辆节点生成当前局部瞬态地图;
瞬态地图预测模块807,用于根据所述环境节点状态和行驶状态数据,对当前局部瞬态地图进行节点预测,得到预测局部瞬态地图;
车辆调控模块809,用于根据预测局部瞬态地图生成车辆调控信息,并通过路侧单元将车辆调控信息发送至道路车辆,车辆调控信息用于调控道路车辆的行驶状态。
在其中一个实施例中,道路数据分析模块803包括置信度确定单元和环境节点确定单元,其中:置信度确定单元,用于获取道路环境数据的置信度;环境节点确定单元,用于当道路环境数据的置信度满足预设的置信度阈值时,基于目标检测和目标跟踪,从道路环境数据中确定携带环境节点状态的道路环境节点。
在其中一个实施例中,道路数据分析模块803包括数据包提取单元和车辆节点确定单元,其中:数据包提取单元,用于从道路车辆数据中提取各道路车辆对应的车辆数据包;车辆节点确定单元,用于当从预设的车辆节点数据库中未匹配到道路车辆对应已存在的车辆节点时,从车辆数据包中提取道路车辆对应的行驶状态数据,并根据行驶状态数据生成道路车辆对应的道路车辆节点。
在其中一个实施例中,还包括车辆节点更新模块,用于当从车辆节点数据库中匹配到道路车辆对应已存在的道路车辆节点时,从车辆数据包中提取道路车辆对应的行驶状态数据,并根据行驶状态数据对已存在的道路车辆节点进行更新,得到道路车辆节点。
在其中一个实施例中,瞬态地图预测模块807包括预测参数获取单元、节点预测单元、预测地图生成单元和预测周期更新单元,其中:预测参数获取单元,用于获取预设的道路预测周期和预测终止次数阈值;节点预测单元,用于根据道路预测周期、环境节点状态和行驶状态数据,对当前局部瞬态地图中的道路环境节点和道路车辆节点进行更新,得到预测道路环境节点和预测道路车辆节点;预测地图生成单元,用于根据预测道路环境节点和预测道路车辆节点生成预测局部瞬态地图,并确定当前预测次数;预测周期更新单元,用于当当前预测次数小于预测终止次数阈值时,根据当前预测次数对道路预测周期进行更新,并返回根据道路预测周期、环境节点状态和行驶状态数据,对当前局部瞬态地图中的道路环境节点和道路车辆节点进行更新,得到预测环境节点和预测车辆节点的步骤。
在其中一个实施例中,环境节点状态包括环境节点速度和环境节点加速度;行驶状态数据包括行驶速度和行驶加速度;节点预测单元包括位移确定子单元、位置预测子单元和节点预测子单元,其中:位移确定子单元,用于根据道路预测周期、环境节点速度和环境节点加速度得到道路环境节点的环境节点预测位移,并根据道路预测周期、行驶速度和加速度得到道路车辆节点的车辆节点预测位移;位置预测子单元,用于根据环境节点预测位移和道路环境节点的当前位置,得到道路环境节点的预测位置,并根据车辆节点预测位移和道路车辆节点的当前位置,得到道路车辆节点的预测位置;节点预测子单元,用于根据道路环境节点的预测位置对道路环境节点进行更新,得到预测道路环境节点,并根据道路车辆节点的预测位置对道路车辆节点进行更新,得到预测道路车辆节点。
在其中一个实施例中,车辆调控信息包括调度信息和告警信息;车辆调控模块809包括驾驶类型确定单元和调控信息生成单元,其中:驾驶类型确定单元,用于当预测局部瞬态地图中预测车辆节点存在危险事件时,根据道路车辆数据确定道路车辆的驾驶控制类型;调控信息生成单元,用于当驾驶控制类型为自动驾驶时,生成调度信息;否则,生成告警信息。
在其中一个实施例中,还包括调度节点确定模块和调度节点预测模块,其中:调度节点确定模块,用于根据调度信息对道路车辆节点进行更新,得到调度后的调度车辆节点;调度节点预测模块,用于将调度车辆节点作为预测道路车辆节点,并返回根据预测道路环境节点和预测道路车辆节点生成预测局部瞬态地图的步骤。
在其中一个实施例中,还包括远端信息获取模块和调控信息更新模块,其中:远端信息获取模块,用于接收远端服务器发送的远端调控信息和路网气候数据;调控信息更新模块,用于根据远端调控信息和路网气候数据对车辆调控信息进行更新,并将更新后的车辆调控信息作为车辆调控信息。
在一个实施例中,如图9所示,提供了一种道路车辆监测调控***92,包括设于车辆上的车载单元82、设于道路边侧的路侧单元84、路侧感知设备86、以及如上所述的道路车辆监测调控装置80;
路侧单元84分别与车载单元82、路侧感知设备86和道路车辆监测调控装置80中的道路数据获取模块801通信连接。
在一个实施例中,如图10所示,提供了一种高速公路,包括车道94和上所述的道路车辆监测调控***92;道路车辆监测调控***92对车道94中的道路车辆进行监测调控。
关于道路车辆监测调控装置和道路车辆监测调控***的具体限定可以参见上文中对于道路车辆监测调控方法的限定,在此不再赘述。上述道路车辆监测调控装置和道路车辆监测调控***中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图11所示。该计算机设备包括通过***总线连接的处理器、存储器和网络接口。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作***和计算机程序。该内存储器为非易失性存储介质中的操作***和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种道路车辆监测调控方法。
本领域技术人员可以理解,图11中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器存储有计算机程序,处理器执行计算机程序时实现以下步骤:
获取路侧单元发送的道路环境数据和道路车辆数据,道路环境数据由路侧感知设备获取并发送至路侧单元,道路车辆数据由道路车辆的车载单元获取并发送至路侧单元;
根据道路环境数据确定携带环境节点状态的道路环境节点,并根据道路车辆数据确定携带行驶状态数据的道路车辆节点;
根据道路环境节点和道路车辆节点生成当前局部瞬态地图;
根据环境节点状态和行驶状态数据,对当前局部瞬态地图进行节点预测,得到预测局部瞬态地图;
根据预测局部瞬态地图生成车辆调控信息,并通过路侧单元将车辆调控信息发送至道路车辆,车辆调控信息用于调控道路车辆的行驶状态。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:获取道路环境数据的置信度;当道路环境数据的置信度满足预设的置信度阈值时,基于目标检测和目标跟踪,从道路环境数据中确定携带环境节点状态的道路环境节点。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:从道路车辆数据中提取各道路车辆对应的车辆数据包;当从预设的车辆节点数据库中未匹配到道路车辆对应已存在的道路车辆节点时,从车辆数据包中提取道路车辆对应的行驶状态数据,并根据行驶状态数据生成道路车辆对应的道路车辆节点。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:当从车辆节点数据库中匹配到道路车辆对应已存在的道路车辆节点时,从车辆数据包中提取道路车辆对应的行驶状态数据,并根据行驶状态数据对已存在的道路车辆节点进行更新,得到道路车辆节点。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:获取预设的道路预测周期和预测终止次数阈值;根据道路预测周期、环境节点状态和行驶状态数据,对当前局部瞬态地图中的道路环境节点和道路车辆节点进行更新,得到预测道路环境节点和预测道路车辆节点;根据预测道路环境节点和预测道路车辆节点生成预测局部瞬态地图,并确定当前预测次数;当当前预测次数小于预测终止次数阈值时,根据当前预测次数对道路预测周期进行更新,并返回根据道路预测周期、环境节点状态和行驶状态数据,对当前局部瞬态地图中的道路环境节点和道路车辆节点进行更新,得到预测环境节点和预测车辆节点的步骤。
在一个实施例中,环境节点状态包括环境节点速度和环境节点加速度;行驶状态数据包括行驶速度和行驶加速度;处理器执行计算机程序时还实现以下步骤:根据道路预测周期、环境节点速度和环境节点加速度得到道路环境节点的环境节点预测位移,并根据道路预测周期、行驶速度和加速度得到道路车辆节点的车辆节点预测位移;根据环境节点预测位移和道路环境节点的当前位置,得到道路环境节点的预测位置,并根据车辆节点预测位移和道路车辆节点的当前位置,得到道路车辆节点的预测位置;根据道路环境节点的预测位置对道路环境节点进行更新,得到预测道路环境节点,并根据道路车辆节点的预测位置对道路车辆节点进行更新,得到预测道路车辆节点。
在一个实施例中,车辆调控信息包括调度信息和告警信息;处理器执行计算机程序时还实现以下步骤:当预测局部瞬态地图中预测道路车辆节点存在危险事件时,根据道路车辆数据确定道路车辆的驾驶控制类型;当驾驶控制类型为自动驾驶时,生成调度信息;否则,生成告警信息。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:根据调度信息对道路车辆节点进行更新,得到调度后的调度车辆节点;将调度车辆节点作为预测道路车辆节点,并返回根据预测道路环境节点和预测道路车辆节点生成预测局部瞬态地图的步骤。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:接收远端服务器发送的远端调控信息和路网气候数据;根据远端调控信息和路网气候数据对车辆调控信息进行更新,并将更新后的车辆调控信息作为车辆调控信息。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
获取路侧单元发送的道路环境数据和道路车辆数据,道路环境数据由路侧感知设备获取并发送至路侧单元,道路车辆数据由道路车辆的车载单元获取并发送至路侧单元;
根据道路环境数据确定携带环境节点状态的道路环境节点,并根据道路车辆数据确定携带行驶状态数据的道路车辆节点;
根据道路环境节点和道路车辆节点生成当前局部瞬态地图;
根据环境节点状态和行驶状态数据,对当前局部瞬态地图进行节点预测,得到预测局部瞬态地图;
根据预测局部瞬态地图生成车辆调控信息,并通过路侧单元将车辆调控信息发送至道路车辆,车辆调控信息用于调控道路车辆的行驶状态。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:获取道路环境数据的置信度;当道路环境数据的置信度满足预设的置信度阈值时,基于目标检测和目标跟踪,从道路环境数据中确定携带环境节点状态的道路环境节点。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:从道路车辆数据中提取各道路车辆对应的车辆数据包;当从预设的车辆节点数据库中未匹配到道路车辆对应已存在的道路车辆节点时,从车辆数据包中提取道路车辆对应的行驶状态数据,并根据行驶状态数据生成道路车辆对应的道路车辆节点。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:当从车辆节点数据库中匹配到道路车辆对应已存在的道路车辆节点时,从车辆数据包中提取道路车辆对应的行驶状态数据,并根据行驶状态数据对已存在的道路车辆节点进行更新,得到道路车辆节点。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:获取预设的道路预测周期和预测终止次数阈值;根据道路预测周期、环境节点状态和行驶状态数据,对当前局部瞬态地图中的道路环境节点和道路车辆节点进行更新,得到预测道路环境节点和预测道路车辆节点;根据预测道路环境节点和预测道路车辆节点生成预测局部瞬态地图,并确定当前预测次数;当当前预测次数小于预测终止次数阈值时,根据当前预测次数对道路预测周期进行更新,并返回根据道路预测周期、环境节点状态和行驶状态数据,对当前局部瞬态地图中的道路环境节点和道路车辆节点进行更新,得到预测环境节点和预测车辆节点的步骤。
在一个实施例中,环境节点状态包括环境节点速度和环境节点加速度;行驶状态数据包括行驶速度和行驶加速度;计算机程序被处理器执行时还实现以下步骤:根据道路预测周期、环境节点速度和环境节点加速度得到道路环境节点的环境节点预测位移,并根据道路预测周期、行驶速度和加速度得到道路车辆节点的车辆节点预测位移;根据环境节点预测位移和道路环境节点的当前位置,得到道路环境节点的预测位置,并根据车辆节点预测位移和道路车辆节点的当前位置,得到道路车辆节点的预测位置;根据道路环境节点的预测位置对道路环境节点进行更新,得到预测道路环境节点,并根据道路车辆节点的预测位置对道路车辆节点进行更新,得到预测道路车辆节点。
在一个实施例中,车辆调控信息包括调度信息和告警信息;计算机程序被处理器执行时还实现以下步骤:当预测局部瞬态地图中预测道路车辆节点存在危险事件时,根据道路车辆数据确定道路车辆的驾驶控制类型;当驾驶控制类型为自动驾驶时,生成调度信息;否则,生成告警信息。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:根据调度信息对道路车辆节点进行更新,得到调度后的调度车辆节点;将调度车辆节点作为预测道路车辆节点,并返回根据预测道路环境节点和预测道路车辆节点生成预测局部瞬态地图的步骤。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:接收远端服务器发送的远端调控信息和路网气候数据;根据远端调控信息和路网气候数据对车辆调控信息进行更新,并将更新后的车辆调控信息作为车辆调控信息。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (14)
1.一种道路车辆监测调控方法,所述方法包括:
获取路侧单元发送的道路环境数据和道路车辆数据,所述道路环境数据由路侧感知设备获取并发送至所述路侧单元,所述道路车辆数据由道路车辆的车载单元获取并发送至所述路侧单元;
根据所述道路环境数据确定携带环境节点状态的道路环境节点,并根据所述道路车辆数据确定携带行驶状态数据的道路车辆节点;
根据所述道路环境节点和所述道路车辆节点生成当前局部瞬态地图;
根据所述环境节点状态和所述行驶状态数据,对所述当前局部瞬态地图进行节点预测,得到预测局部瞬态地图;
根据所述预测局部瞬态地图生成车辆调控信息,并通过所述路侧单元将所述车辆调控信息发送至所述道路车辆,所述车辆调控信息用于调控所述道路车辆的行驶状态。
2.根据权利要求1所述的方法,其特征在于,所述根据所述道路环境数据确定携带环境节点状态的道路环境节点包括:
获取所述道路环境数据的置信度;
当所述道路环境数据的置信度满足预设的置信度阈值时,基于目标检测和目标跟踪,从所述道路环境数据中确定携带环境节点状态的道路环境节点。
3.根据权利要求1所述的方法,其特征在于,所述根据所述道路车辆数据确定携带行驶状态数据的道路车辆节点包括:
从所述道路车辆数据中提取各所述道路车辆对应的车辆数据包;
当从预设的车辆节点数据库中未匹配到所述道路车辆对应已存在的道路车辆节点时,从所述车辆数据包中提取所述道路车辆对应的行驶状态数据,并根据所述行驶状态数据生成所述道路车辆对应的道路车辆节点。
4.根据权利要求3所述的方法,其特征在于,在所述从所述道路车辆数据中提取各所述道路车辆对应的车辆数据包之后,还包括:
当从所述车辆节点数据库中匹配到所述道路车辆对应已存在的道路车辆节点时,从所述车辆数据包中提取所述道路车辆对应的行驶状态数据,并根据所述行驶状态数据对所述已存在的道路车辆节点进行更新,得到道路车辆节点。
5.根据权利要求1所述的方法,其特征在于,所述根据所述环境节点状态和所述行驶状态数据,对所述当前局部瞬态地图进行节点预测,得到预测局部瞬态地图包括:
获取预设的道路预测周期和预测终止次数阈值;
根据所述道路预测周期、所述环境节点状态和所述行驶状态数据,对所述当前局部瞬态地图中的所述道路环境节点和所述道路车辆节点进行更新,得到预测道路环境节点和预测道路车辆节点;
根据所述预测道路环境节点和所述预测道路车辆节点生成预测局部瞬态地图,并确定当前预测次数;
当所述当前预测次数小于所述预测终止次数阈值时,根据所述当前预测次数对所述道路预测周期进行更新,并返回所述根据所述道路预测周期、所述环境节点状态和所述行驶状态数据,对所述当前局部瞬态地图中的所述道路环境节点和所述道路车辆节点进行更新,得到预测环境节点和预测车辆节点的步骤。
6.根据权利要求5所述的方法,其特征在于,所述环境节点状态包括环境节点速度和环境节点加速度;所述行驶状态数据包括行驶速度和行驶加速度;所述根据所述道路预测周期、所述环境节点状态和所述行驶状态数据,对所述当前局部瞬态地图中的所述道路环境节点和所述道路车辆节点进行更新,得到预测道路环境节点和预测道路车辆节点包括:
根据所述道路预测周期、所述环境节点速度和所述环境节点加速度得到所述道路环境节点的环境节点预测位移,并根据所述道路预测周期、所述行驶速度和所述加速度得到所述道路车辆节点的车辆节点预测位移;
根据所述环境节点预测位移和所述道路环境节点的当前位置,得到所述道路环境节点的预测位置,并根据所述车辆节点预测位移和所述道路车辆节点的当前位置,得到所述道路车辆节点的预测位置;
根据所述道路环境节点的预测位置对所述道路环境节点进行更新,得到预测道路环境节点,并根据所述道路车辆节点的预测位置对所述道路车辆节点进行更新,得到预测道路车辆节点。
7.根据权利要求5所述的方法,其特征在于,所述车辆调控信息包括调度信息和告警信息;所述根据所述预测局部瞬态地图生成车辆调控信息包括:
当所述预测局部瞬态地图中所述预测道路车辆节点存在危险事件时,根据所述道路车辆数据确定所述道路车辆的驾驶控制类型;
当所述驾驶控制类型为自动驾驶时,生成所述调度信息;否则,生成所述告警信息。
8.根据权利要求7所述的方法,其特征在于,在所述生成所述调度信息之后,还包括:
根据所述调度信息对所述道路车辆节点进行更新,得到调度后的调度车辆节点;
将所述调度车辆节点作为所述预测道路车辆节点,并返回所述根据所述预测道路环境节点和所述预测道路车辆节点生成预测局部瞬态地图的步骤。
9.根据权利要求1至8任意一项所述的方法,其特征在于,在所述根据所述预测局部瞬态地图生成车辆调控信息之后,还包括:
接收远端服务器发送的远端调控信息和路网气候数据;
根据所述远端调控信息和所述路网气候数据对所述车辆调控信息进行更新,并将更新后的车辆调控信息作为所述车辆调控信息。
10.一种道路车辆监测调控装置,其特征在于,所述装置包括:
道路数据获取模块,用于获取路侧单元发送的道路环境数据和道路车辆数据,所述道路环境数据由路侧感知设备获取并发送至所述路侧单元,所述道路车辆数据由道路车辆的车载单元获取并发送至所述路侧单元;
道路数据分析模块,用于根据所述道路环境数据确定携带环境节点状态的道路环境节点,并根据所述道路车辆数据确定携带行驶状态数据的道路车辆节点;
瞬态地图生成模块,用于根据所述道路环境节点和所述道路车辆节点生成当前局部瞬态地图;
瞬态地图预测模块,用于根据所述环境节点状态和所述行驶状态数据,对所述当前局部瞬态地图进行节点预测,得到预测局部瞬态地图;
车辆调控模块,用于根据所述预测局部瞬态地图生成车辆调控信息,并通过所述路侧单元将所述车辆调控信息发送至所述道路车辆,所述车辆调控信息用于调控所述道路车辆的行驶状态。
11.一种道路车辆监测调控***,其特征在于,所述***包括设于车辆上的车载单元、设于道路边侧的路侧单元、路侧感知设备、以及如权利要求10所述的道路车辆监测调控装置;
所述路侧单元分别与所述车载单元、所述路侧感知设备和所述道路车辆监测调控装置中的所述道路数据获取模块通信连接。
12.一种高速公路,其特征在于,所述高速公路包括车道和如权利要求11所述的道路车辆监测调控***;所述道路车辆监测调控***对所述车道中的道路车辆进行监测调控。
13.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至9中任一项所述方法的步骤。
14.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至9中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910269104.5A CN111785011A (zh) | 2019-04-04 | 2019-04-04 | 道路车辆监测调控方法、装置、***和计算机设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910269104.5A CN111785011A (zh) | 2019-04-04 | 2019-04-04 | 道路车辆监测调控方法、装置、***和计算机设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111785011A true CN111785011A (zh) | 2020-10-16 |
Family
ID=72755087
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910269104.5A Pending CN111785011A (zh) | 2019-04-04 | 2019-04-04 | 道路车辆监测调控方法、装置、***和计算机设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111785011A (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112349100A (zh) * | 2020-11-09 | 2021-02-09 | 紫清智行科技(北京)有限公司 | 一种基于网联环境的多视角行车风险评估方法及装置 |
CN112802340A (zh) * | 2020-12-31 | 2021-05-14 | 深圳云天励飞技术股份有限公司 | 车辆行驶数据处理方法、***及相关装置 |
CN113112840A (zh) * | 2021-03-15 | 2021-07-13 | 上海交通大学 | 一种基于车路协同的无人车超视距导航***及方法 |
CN113837127A (zh) * | 2021-09-28 | 2021-12-24 | 中国科学技术大学先进技术研究院 | 一种地图和v2v数据融合模型和方法、***及介质 |
CN114187759A (zh) * | 2021-11-19 | 2022-03-15 | 东南大学 | 一种基于数据驱动模型的路侧单元驾驶辅助方法及装置 |
CN114387784A (zh) * | 2022-01-17 | 2022-04-22 | 深圳市鹏城交通网络股份有限公司 | 一种基于路网全息感知的交通信号控制*** |
CN114694368A (zh) * | 2020-12-28 | 2022-07-01 | 比亚迪股份有限公司 | 车辆的管控*** |
CN114973702A (zh) * | 2022-04-21 | 2022-08-30 | 安徽皖通科技股份有限公司 | 基于大数据交通协同指挥*** |
CN115022821A (zh) * | 2022-06-20 | 2022-09-06 | 中国联合网络通信集团有限公司 | 车联网安全通信方法、rsu、车辆、装置及*** |
CN115131988A (zh) * | 2021-03-25 | 2022-09-30 | 长沙智能驾驶研究院有限公司 | 车辆变道方法、装置、设备及计算机存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104050477A (zh) * | 2014-06-27 | 2014-09-17 | 西北工业大学 | 基于道路辅助信息和显著性检测的红外图像车辆检测方法 |
WO2016123424A1 (en) * | 2015-01-29 | 2016-08-04 | Scope Technologies Holdings Limited | Remote accident monitoring and vehcile diagnostic distributed database |
CN107430006A (zh) * | 2014-12-02 | 2017-12-01 | 凯文·孙林·王 | 避免事故的方法和*** |
CN107749193A (zh) * | 2017-09-12 | 2018-03-02 | 华为技术有限公司 | 驾驶风险分析及风险数据发送方法及装置 |
CN108447291A (zh) * | 2018-04-03 | 2018-08-24 | 南京锦和佳鑫信息科技有限公司 | 一种智能道路设施***及控制方法 |
CN109416873A (zh) * | 2016-06-24 | 2019-03-01 | 瑞士再保险有限公司 | 具有自动化风险控制***的自主或部分自主机动车辆及其相应方法 |
-
2019
- 2019-04-04 CN CN201910269104.5A patent/CN111785011A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104050477A (zh) * | 2014-06-27 | 2014-09-17 | 西北工业大学 | 基于道路辅助信息和显著性检测的红外图像车辆检测方法 |
CN107430006A (zh) * | 2014-12-02 | 2017-12-01 | 凯文·孙林·王 | 避免事故的方法和*** |
WO2016123424A1 (en) * | 2015-01-29 | 2016-08-04 | Scope Technologies Holdings Limited | Remote accident monitoring and vehcile diagnostic distributed database |
CN109416873A (zh) * | 2016-06-24 | 2019-03-01 | 瑞士再保险有限公司 | 具有自动化风险控制***的自主或部分自主机动车辆及其相应方法 |
CN107749193A (zh) * | 2017-09-12 | 2018-03-02 | 华为技术有限公司 | 驾驶风险分析及风险数据发送方法及装置 |
CN108447291A (zh) * | 2018-04-03 | 2018-08-24 | 南京锦和佳鑫信息科技有限公司 | 一种智能道路设施***及控制方法 |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112349100A (zh) * | 2020-11-09 | 2021-02-09 | 紫清智行科技(北京)有限公司 | 一种基于网联环境的多视角行车风险评估方法及装置 |
CN114694368A (zh) * | 2020-12-28 | 2022-07-01 | 比亚迪股份有限公司 | 车辆的管控*** |
CN112802340A (zh) * | 2020-12-31 | 2021-05-14 | 深圳云天励飞技术股份有限公司 | 车辆行驶数据处理方法、***及相关装置 |
CN112802340B (zh) * | 2020-12-31 | 2023-03-03 | 深圳云天励飞技术股份有限公司 | 车辆行驶数据处理方法、***及相关装置 |
CN113112840A (zh) * | 2021-03-15 | 2021-07-13 | 上海交通大学 | 一种基于车路协同的无人车超视距导航***及方法 |
CN115131988A (zh) * | 2021-03-25 | 2022-09-30 | 长沙智能驾驶研究院有限公司 | 车辆变道方法、装置、设备及计算机存储介质 |
CN113837127A (zh) * | 2021-09-28 | 2021-12-24 | 中国科学技术大学先进技术研究院 | 一种地图和v2v数据融合模型和方法、***及介质 |
CN114187759A (zh) * | 2021-11-19 | 2022-03-15 | 东南大学 | 一种基于数据驱动模型的路侧单元驾驶辅助方法及装置 |
CN114387784A (zh) * | 2022-01-17 | 2022-04-22 | 深圳市鹏城交通网络股份有限公司 | 一种基于路网全息感知的交通信号控制*** |
CN114973702A (zh) * | 2022-04-21 | 2022-08-30 | 安徽皖通科技股份有限公司 | 基于大数据交通协同指挥*** |
CN114973702B (zh) * | 2022-04-21 | 2023-08-11 | 安徽皖通科技股份有限公司 | 基于大数据交通协同指挥*** |
CN115022821A (zh) * | 2022-06-20 | 2022-09-06 | 中国联合网络通信集团有限公司 | 车联网安全通信方法、rsu、车辆、装置及*** |
CN115022821B (zh) * | 2022-06-20 | 2023-06-02 | 中国联合网络通信集团有限公司 | 车联网安全通信方法、rsu、车辆、装置及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111785011A (zh) | 道路车辆监测调控方法、装置、***和计算机设备 | |
CN108322512B (zh) | 用于处理车辆中的本地数据和云数据的方法、***以及云服务器 | |
US11714417B2 (en) | Initial trajectory generator for motion planning system of autonomous vehicles | |
US10712160B2 (en) | Vehicle traction map for autonomous vehicles | |
CN111653113B (zh) | 车辆的局部路径确定方法、装置、终端和存储介质 | |
US20180265084A1 (en) | Traveling path generation apparatus and traveling path generation method | |
US10018472B2 (en) | System and method to determine traction of discrete locations of a road segment | |
US20180056998A1 (en) | System and Method for Multi-Vehicle Path Planning Technical Field | |
US11237564B2 (en) | Motion planning system of an autonomous vehicle | |
US20220058893A1 (en) | System and Method to Determine Traction Ability of Vehicles in Operation | |
CN109109786B (zh) | 基于众包的虚拟传感器生成以及虚拟传感器应用控制 | |
US20200073405A1 (en) | Vehicle navigation and control | |
US10755565B2 (en) | Prioritized vehicle messaging | |
US20220289179A1 (en) | Trajectory checker | |
CN113677581A (zh) | 一种车道保持方法、车载设备和存储介质 | |
CN111833597A (zh) | 具有规划控制的交通情形中的自主决策 | |
CN113844465B (zh) | 一种自动驾驶方法及*** | |
US10841761B2 (en) | Adaptive vehicle-to-infrastructure communications | |
US11024175B2 (en) | Adaptive vehicle-infrastructure communications | |
CN113771841A (zh) | 用于车队的驾驶辅助***、方法、计算机设备和存储介质 | |
US20220306122A1 (en) | Methods and systems for autonomous path planning triggered by freeway rubbernecking | |
US10974727B2 (en) | Transportation infrastructure communication and control | |
WO2023244994A1 (en) | Method for detecting an imminent collision of a vehicle | |
US20230079116A1 (en) | Adaptive communication for a vehicle in a communication network | |
CN113178088A (zh) | 向车辆广播的基础设施部件 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20201016 |
|
RJ01 | Rejection of invention patent application after publication |