CN112233424A - 一种车路协同的货车队列纵向控制方法、装置及*** - Google Patents
一种车路协同的货车队列纵向控制方法、装置及*** Download PDFInfo
- Publication number
- CN112233424A CN112233424A CN202011494412.7A CN202011494412A CN112233424A CN 112233424 A CN112233424 A CN 112233424A CN 202011494412 A CN202011494412 A CN 202011494412A CN 112233424 A CN112233424 A CN 112233424A
- Authority
- CN
- China
- Prior art keywords
- road
- vehicle
- information
- edge cloud
- cloud
- 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
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
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/20—Monitoring the location of vehicles belonging to a group, e.g. fleet of vehicles, countable or determined number of vehicles
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Traffic Control Systems (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Abstract
本申请提供一种车路协同的货车队列纵向控制方法、装置及***,方法包括:货车队列所在路段对应的第一边缘云从中心云获取路网的交通信息以及货车队列的货车的车辆基础信息;第一边缘云从对应的路侧计算设施获取设施对路面的感知信息;第一边缘云从货车队列获取车辆对路面的感知信息和车辆行驶工况信息;第一边缘云根据获取的交通信息、车辆基础信息、设施对路面的感知信息、车辆对路面的感知信息、车辆行驶工况信息以及第一边缘云自身获得的货车队列所在路段的道路状态信息,生成协同控制策略并向货车队列发送协同控制策略;货车队列根据协同控制策略进行货车纵向控制。本申请能获取更加全面的货车队列的交互信息,提高货车队列纵向控制的稳定性。
Description
技术领域
本发明涉及自动驾驶和智能交通领域,尤其涉及一种车路协同的货车队列纵向控制方法、装置及***。
背景技术
随着自动驾驶和车路协同技术的快速发展,在车路一体化融合的背景下,可以全方位的实现车车、车路之间的动态信息交互以及车路协同控制,在动态信息交互以及车路协同控制中车辆队列的管理与控制的关注度极高。而货车队列在车辆队列的管理与控制中的占比较大,因此货车队列是动态信息交互以及车路协同控制中的关注重点。货车队列是指多辆货车通过自动控制技术以较短的车间距在道路上行驶。货车队列行驶需要考虑车辆个体稳定性和队列稳定性。个体稳定性是指每个跟随车辆与前车间距误差的稳定性,当前车速度改变时,跟随车辆的速度能够平稳的过渡到跟前车一致的速度,车间距能收敛到一个固定值。队列稳定也叫串稳定(或弦稳定),是指当车队任意车辆的速度改变时(扰动),车间距误差沿着队列向后传播要收敛,防止跟随车与前车的追尾碰撞。
现有车路协同的货车队列的控制方法为货车队列的领头车的队列纵向控制器利用车间通信(Vehicle to Vehicle,V2V)的车队内信息计算出每辆跟随车的期望加速度,并下发给每辆跟随车的队列纵向控制器,来调整车间距到期望间距。
上述现有技术车路协同的货车队列的控制方法存在的问题为:获取的货车队列的交互信息缺少实时的共享信息和准确的预测信息,只有车队内的信息使得货车队列的交互信息不够全面而导致货车队列的预见性差,进而导致货车队列的速度突然变化引起的纵向控制的稳定性较低。
发明内容
本申请实施例的目的是提供一种车路协同的货车队列纵向优化控制方法、装置及***,解决现有技术获取的货车队列的交互信息不够全面导致货车队列纵向控制的稳定性较低的问题。
为解决上述技术问题,本申请实施例提供如下技术方案:
本申请第一方面提供一种车路协同的货车队列纵向控制方法,应用于路端,所述路端包括中心云、多个边缘云和多个路侧计算设施,所述中心云与所述多个边缘云连接,每个所述边缘云与多个所述路侧计算设施连接;每个所述边缘云对应公路中的一个路段,所述路侧计算设施设置在路侧;所述方法包括:
货车队列所在路段对应的第一边缘云从所述中心云获取路网的交通信息以及所述货车队列的货车的车辆基础信息;
所述第一边缘云从对应的路侧计算设施获取设施对路面的感知信息;
所述第一边缘云从所述货车队列获取车辆对路面的感知信息和车辆行驶工况信息;
所述第一边缘云根据获取的所述交通信息、所述车辆基础信息、所述设施对路面的感知信息、所述车辆对路面的感知信息、所述车辆行驶工况信息以及所述第一边缘云自身获得的货车队列所在路段的道路状态信息,生成协同控制策略并向所述货车队列发送所述协同控制策略,所述货车队列能够根据所述协同控制策略进行货车纵向控制。
在本申请第一方面的一些变更实施方式中,所述货车队列所在路段对应的第一边缘云从所述中心云获取路网的交通信息以及所述货车队列的货车的车辆基础信息之前,所述方法还包括:
所述第一边缘云接收货车队列发送的注册请求;
所述第一边缘云根据所述注册请求对所述货车队列进行注册。
在本申请第一方面的一些变更实施方式中,所述生成协同控制策略并向所述货车队列发送所述协同控制策略之后,所述方法还包括:
在所述货车队列从所在路段进入相邻路段前,所述第一边缘云确定相邻路段对应的第二边缘云是否具备直连数据通道;
若是,则所述第一边缘云将获取的所述货车队列的相关信息发给所述第二边缘云;
若否,则所述第一边缘云将获取的所述货车队列的相关信息发送给中心云,所述中心云将收到的所述相关信息发送给所述第二边缘云。
在本申请第一方面的一些变更实施方式中,所述多个边缘云设置有路端纵向控制模型和所述货车队列设置有车端纵向控制模型,所述路端纵向控制模型和所述车端纵向控制模型能够独立工作也能够协同工作,所述方法还包括:
所述中心云在满足触发条件时对所述路端纵向控制模型和所述车端纵向控制模型进行更新。
在本申请第一方面的一些变更实施方式中,所述生成协同控制策略并向所述货车队列发送所述协同控制策略之后,所述方法还包括:
确定计算时延与通信时延总和是否满足协同控制要求;
若是,所述路端纵向控制模型和所述车端纵向控制模型进入协同工作模式;
若否,所述路端纵向控制模型和所述车端纵向控制模型进入独立工作模式。
本申请第二方面提供车路协同的货车队列纵向控制方法,应用于货车队列,所述货车队列包括多个货车,所述方法包括:
所述货车队列获取车辆对路面的感知信息和车辆行驶工况信息;
将所述感知信息和车辆行驶工况信息发送给货车队列所在路段对应的第一边缘云;
接收所述第一边缘云发送的协同控制策略;所述协同控制策略是所述第一边缘云根据从中心云获取的交通信息和车辆基础信息,从路侧计算设施获取的设施对路面的感知信息,从所述货车队列获得的车辆对路面的感知信息和车辆行驶工况信息以及所述第一边缘云自身获得的货车队列所在路段的道路状态信息生成的;
根据所述协同控制策略进行货车纵向控制。
本申请第三方面提供车路协同的货车队列纵向控制方法,货车队列包括多个货车;路端包括中心云、多个边缘云和多个路侧计算设施,所述中心云与所述多个边缘云连接,每个所述边缘云与多个所述路侧计算设施连接;每个所述边缘云对应公路中的一个路段,所述路侧计算设施设置在路侧;所述方法包括:
货车队列所在路段对应的第一边缘云从所述中心云获取路网的交通信息以及所述货车队列的货车的车辆基础信息;
所述第一边缘云从对应的路侧计算设施获取设施对路面的感知信息;
所述货车队列获取车辆对路面的感知信息和车辆行驶工况信息,并向所述第一边缘云发送所述感知信息和所述车辆行驶工况信息;
所述第一边缘云根据所述交通信息、所述车辆基础信息、所述施对路面的感知信息、所述车辆对路面的感知信息、所述车辆行驶工况信息以及所述第一边缘云自身获得的货车队列所在路段的道路状态信息,生成协同控制策略并向所述货车队列发送所述协同控制策略;
所述货车队列根据所述协同控制策略进行货车纵向控制。
本申请第四方面提供路端设备,所述设备包括:中心云、多个边缘云和多个路侧计算设施,所述中心云与所述多个边缘云连接,每个所述边缘云与多个所述路侧计算设施连接;每个所述边缘云对应公路中的一个路段,所述路侧计算设施设置在路侧;
所述中心云,用于获取路网的交通信息以及货车队列的货车的车辆基础信息;
所述路侧计算设施,用于获取设施对路面的感知信息;
货车队列所在路段对应的第一边缘云,用于从所述中心云获取路网的交通信息以及所述货车队列的货车的车辆基础信息;
所述第一边缘云,用于从对应的路侧计算设施获取设施对路面的感知信息;
所述第一边缘云,用于从所述货车队列获取车辆对路面的感知信息和车辆行驶工况信息;
所述第一边缘云,用于根据获取的所述交通信息、所述车辆基础信息、所述设施对路面的感知信息、所述车辆对路面的感知信息、所述车辆行驶工况信息以及所述第一边缘云自身获得的货车队列所在路段的道路状态信息,生成协同控制策略并向所述货车队列发送所述协同控制策略,所述货车队列能够根据所述协同控制策略进行货车纵向控制。
本申请第五方面提供货车队列,所述货车队列包括多个货车;
所述货车队列,用于获取车辆对路面的感知信息和车辆行驶工况信息;用于将所述感知信息和车辆行驶工况信息发送给货车队列所在路段对应的第一边缘云;用于接收所述第一边缘云发送的协同控制策略;所述协同控制策略是所述第一边缘云根据从中心云获取的交通信息和车辆基础信息,从路侧计算设施获取的设施对路面的感知信息,从所述货车队列获得的车辆对路面的感知信息和车辆行驶工况信息以及云自身获得的货车队列所在路段的道路状态信息生成的;以及用于根据所述协同控制策略进行货车纵向控制。
本申请第六方面提供车路协同的货车队列纵向控制***,所述***包括货车队列和路端设备;其中,
所述货车队列包括多个货车;
所述路端设备包括中心云、多个边缘云和多个路侧计算设施,所述中心云与所述多个边缘云连接,每个所述边缘云与多个所述路侧计算设施连接;每个所述边缘云对应公路中的一个路段,所述路侧计算设施设置在路侧;
货车队列所在路段对应的第一边缘云,用于从所述中心云获取路网的交通信息以及所述货车队列的货车的车辆基础信息;
所述第一边缘云,用于从对应的路侧计算设施获取设施对路面的感知信息;
所述货车队列,用于获取车辆对路面的感知信息和车辆行驶工况信息,并向第一边缘云发送感知信息和车辆行驶工况信息;
所述第一边缘云,用于根据所述交通信息、所述车辆基础信息、所述施对路面的感知信息、所述车辆对路面的感知信息、所述车辆行驶工况信息以及所述第一边缘云自身获得的货车队列所在路段的道路状态信息,生成协同控制策略并向所述货车队列发送所述协同控制策略;
所述货车队列,用于根据所述协同控制策略进行货车纵向控制。
本申请第七方面提供一种电子设备,所述电子设备包括:至少一个处理器;以及与所述处理器连接的至少一个存储器、总线;其中,所述处理器、存储器通过所述总线完成相互间的通信;所述处理器用于调用所述存储器中的程序指令,以执行上述第一方面或第一方面任一种可选的实施例所述的车路协同的货车队列纵向控制方法。
本申请第八方面提供一种计算机可读存储介质,所述存储介质包括存储的程序,其中,在所述程序运行时控制所述存储介质所在设备执行上述第一方面或第一方面任一种可选的实施例所述的车路协同的货车队列纵向控制方法。
相较于现有技术,本申请第一方面提供的车路协同的货车队列纵向控制方法,路端包括中心云、多个边缘云和多个路侧计算设施,中心云与多个边缘云连接,每个边缘云与多个路侧计算设施连接,货车队列所在路段对应的第一边缘云从中心云获取路网的交通信息以及货车队列的货车的车辆基础信息,第一边缘云从对应的路侧计算设施获取设施对路面的感知信息,货车队列获取车辆对路面的感知信息和车辆行驶工况信息,并向第一边缘云发送感知信息和车辆行驶工况信息,第一边缘云根据交通信息、车辆基础信息、设施对路面的感知信息、车辆对路面的感知信息、车辆行驶工况信息以及第一边缘云自身获得的货车队列所在路段的道路状态信息,生成协同控制策略并向货车队列发送协同控制策略,货车队列根据协同控制策略进行货车纵向控制;可以通过中心云、多个边缘云和多个路侧计算设施与货车队列进行信息交互,来实现货车队列的纵向控制,使得获取到实时的共享信息和准确的预测信息,进而使货车队列的交互信息更加全面,货车队列的预见性更高,提高货车队列的纵向控制的稳定性;能够解决获取的货车队列的交互信息不够全面导致货车队列纵向控制的稳定性较低的问题。
本申请第四方面提供的路端设备和第五方面提供的货车队列,与本申请第一方面提供的车路协同的货车队列纵向控制方法有相同的有益效果。
附图说明
通过参考附图阅读下文的详细描述,本申请示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中,以示例性而非限制性的方式示出了本申请的若干实施方式,相同或对应的标号表示相同或对应的部分,其中:
图1示意性地示出了车路协同的货车队列纵向控制方法的路端架构图;
图2示意性地示出了车路协同的货车队列纵向控制方法的流程图一;
图3示意性地示出了车路协同的货车队列纵向控制方法的流程图二;
图4示意性地示出了现有货车队列纵向控制的架构图;
图5示意性地示出了车路协同的货车队列纵向控制的路端与货车队列的架构图;
图6示意性地示出了车路协同的货车队列纵向控制的车路协同的应用服务的部署图;
图7示意性地示出了电子设备的结构图。
具体实施方式
下面将参照附图更详细地描述本申请的示例性实施方式。虽然附图中显示了本申请的示例性实施方式,然而应当理解,可以以各种形式实现本申请而不应被这里阐述的实施方式所限制。相反,提供这些实施方式是为了能够更透彻地理解本申请,并且能够将本申请的范围完整的传达给本领域的技术人员。
需要注意的是:除非另有说明,本申请使用的技术术语或者科学术语应当为本申请所属领域技术人员所理解的通常意义。
下面对本发明实施例中的方法进行详细说明。
本发明实施例提供了一种车路协同的货车队列纵向控制方法,首先需要说明的是,本发明实施例提供的车路协同的货车队列纵向控制方法需要构建由路端和车端组成的车路协同***,可以通过路端和车端的数据交互实现智能车路协同。车端是指货车队列,货车队列包括多个货车。
图1为本发明实施例的车路协同的货车队列纵向控制方法的路端架构图,参见图1所示,路端包括中心云、多个边缘云(边缘云l、边缘云i、边缘云i+l和边缘云N等)和多个路侧计算设施(路测计算设施l、路测计算设施j和路测计算设施M等)。中心云与多个边缘云连接,例如,中心云与边缘云l、边缘云i、边缘云i+l和边缘云N等连接。每个边缘云与多个路侧计算设施连接,例如,边缘云i与路测计算设施l、路测计算设施j和路测计算设施M等连接。每个边缘云对应公路中的一个路段,例如,边缘云l对应路段l,边缘云i对应路段i,边缘云i+l对应路段i+l,边缘云N对应路段N。路侧计算设施设置在路侧,中心云与多个边缘云的连接以及每个边缘云与多个路侧计算设施的连接,可以是通过光纤连接,也可以是通过无线连接,本发明实施例不做具体限定。
具体的,路侧计算设施为:安装在高速公路路侧或者中央隔离带的外场设备,具备V2X通信模块,可以与车辆进行短程通信。主要用于小范围路面实时感知数据的计算和信息发布、向边缘云上传路面感知信息,同时也用做边缘云向车辆发布信息的V2X通信管道,也称边缘计算单元。路侧计算设施通过光纤通信采集附近500 m ~1 km范围内的多个、多类固定式路面传感设备(如用于道路目标识别的毫米波雷达、激光雷达、高清摄像机,监测道路结冰团雾湿滑等的路面遥感传感器等)的数据,同时也利用V2X通信采集进入该范围内的车辆上传数据,并进行初步的多模态多源融合感知计算。
边缘云为:部署在高速公路路段(50~100公里左右)附近的云计算平台,用来装载各类低时延、大算力的实时***通应用服务和自动驾驶应用服务,用于本路段的交通控制与诱导和自动驾驶服务。边缘云通过固定式路侧计算设施和移动式车载传感器采集本路段范围内的道路状况数据,处理本路段范围内的道路动态数据和交通数据,具有比路侧计算设施更高的计算能力。与本路段内车辆的无线通信不经过核心网,具有比中心云更低的通信时延,满足自动驾驶的低时延需求。
中心云为:泛在的云计算平台,采集高速公路路网的宏观交通数据,进行交通历史数据的统计分析,进行路网静态信息或非实时信息(如交通管控信息、静态交通事件信息)的发布,进行货车队列车辆动力学特性采集和模型优化。
图2示意性地示出了本发明实施例中的一种车路协同的货车队列纵向控制方法的流程图一,参见图2所示,该方法可以包括:
S201、货车队列所在路段对应的第一边缘云从中心云获取路网的交通信息以及货车队列的货车的车辆基础信息。
具体的,第一边缘云为货车队列所在路段对应的边缘云。中心云先获取路网的交通信息以及货车队列的货车的车辆基础信息,货车队列所在路段对应的边缘云再通过固定式路侧计算设施和移动式车载传感器,从中心云获取路网的交通信息以及货车队列的货车的车辆基础信息。
路网的交通信息可以为高速公路路网的宏观交通数据。车辆基础信息可以为货车队列车辆动力学特性、车辆ID、车辆类型等。
S202、第一边缘云从对应的路侧计算设施获取设施对路面的感知信息。
具体的,路侧计算设施先获取设施对路面的感知信息,然后第一边缘云从对应的路侧计算设施获取设施对路面的感知信息。
S203、货车队列获取车辆对路面的感知信息和车辆行驶工况信息,并向第一边缘云发送感知信息和车辆行驶工况信息。
具体的,货车队列先获取车辆对路面的感知信息和车辆行驶工况信息,再向第一边缘云发送感知信息和车辆行驶工况信息,第一边缘云就能从货车队列中获取到车辆对路面的感知信息和车辆行驶工况信息。车辆行驶工况信息是指车辆运输行驶过程中的工作状况,可以为加速、减速、转弯等。
S204、第一边缘云根据交通信息、车辆基础信息、设施对路面的感知信息、车辆对路面的感知信息、车辆行驶工况信息以及第一边缘云自身获得的货车队列所在路段的道路状态信息,生成协同控制策略并向货车队列发送协同控制策略。
具体的,第一边缘云根据步骤S201获取的交通信息、车辆基础信息,步骤S202获取的设施对路面的感知信息,步骤S203获取的车辆对路面的感知信息、车辆行驶工况信息以及自身获得的货车队列所在路段的道路状态信息,生成协同控制策略并向货车队列发送协同控制策略。道路状态信息可以为坡度、弯道曲率、限速以及路面平整度等。
S205、货车队列根据协同控制策略进行货车纵向控制。
具体的,货车队列根据步骤S204生成的协同控制策略进行货车纵向控制。
本发明实施例提供的车路协同的货车队列纵向控制方法,路端包括中心云、多个边缘云和多个路侧计算设施,中心云与多个边缘云连接,每个边缘云与多个路侧计算设施连接,货车队列所在路段对应的第一边缘云从中心云获取路网的交通信息以及货车队列的货车的车辆基础信息,第一边缘云从对应的路侧计算设施获取设施对路面的感知信息,货车队列获取车辆对路面的感知信息和车辆行驶工况信息,并向第一边缘云发送感知信息和车辆行驶工况信息,第一边缘云根据交通信息、车辆基础信息、设施对路面的感知信息、车辆对路面的感知信息、车辆行驶工况信息以及第一边缘云自身获得的货车队列所在路段的道路状态信息,生成协同控制策略并向货车队列发送协同控制策略,货车队列根据协同控制策略进行货车纵向控制;可以通过中心云、多个边缘云和多个路侧计算设施与货车队列进行信息交互,来实现货车队列的纵向控制,使得获取到实时的共享信息和准确的预测信息,进而使货车队列的交互信息更加全面,货车队列的预见性更高,提高货车队列的纵向控制的稳定性;能够解决获取的货车队列的交互信息不够全面导致货车队列纵向控制的稳定性较低的问题。
进一步地,作为图2所示方法的细化和扩展,本发明实施例还提供了一种车路协同的货车队列纵向控制方法。图3示意性地示出了本发明实施例中的车路协同的货车队列纵向控制方法的流程图二,参见图3所示,本发明实施例提供的车路协同的货车队列纵向控制方法可以包括:
S301、货车队列向第一边缘云发送注册请求。
具体的,当货车队列进入到被边缘云覆盖的所在路段时,货车队列向该边缘云发送货车队列注册请求。由于每个路段对应一个边缘云,货车队列在进入到每个路段时都要向该路段对应的边缘云发送货车队列注册请求。
示例性的,路段l对应的边缘云为边缘云l,货车队列在进入到路段l时,向边缘云l发送货车队列注册请求;路段i对应的边缘云为边缘云i,货车队列在进入到路段i时,向边缘云i发送货车队列注册请求。
S302、第一边缘云根据注册请求对货车队列进行注册。
具体的,第一边缘云根据步骤S301发送的注册请求对货车队列进行注册。由于每个路段对应一个第一边缘云,货车队列在进入到每个路段时都要向该路段对应的第一边缘云发送货车队列注册请求,因此每个路段对应的第一边缘云都要根据注册请求对货车队列进行注册。
示例性的,货车队列在进入到路段l时,路段l对应的边缘云为边缘云l,边缘云l根据步骤S301发送的注册请求对货车队列进行注册;货车队列在进入到路段N时,路段N对应的边缘云为边缘云N,边缘云N根据步骤S301发送的注册请求对货车队列进行注册。
S303、货车队列所在路段对应的第一边缘云从中心云获取路网的交通信息以及货车队列的货车的车辆基础信息。
步骤S303与步骤S201相同,故在此不再赘述。
示例性的,货车队列所在路段为路段l,路段l对应的第一边缘云为边缘云l,当货车队列行驶在路段l时,边缘云l从中心云获取路网的交通信息以及货车队列的货车的车辆基础信息。
S304、第一边缘云从对应的路侧计算设施获取设施对路面的感知信息。
具体的,路侧计算设施先获取设施对路面的感知信息,然后第一边缘云从对应的路侧计算设施获取设施对路面的感知信息。
示例性的,货车队列所在路段为路段i,路段i对应的第一边缘云为边缘云i,边缘云i与多个路侧计算设施(路侧计算设施l、路侧计算设施j、路侧计算设施M等)连接,边缘云i从对应的路侧计算设施l、路侧计算设施j、路侧计算设施M等路侧计算设施获取设施对路面的感知信息。
在实际应用中,路测计算设施可也用作边缘云向车辆发布信息的V2X通信管道,也称作边缘计算单元。
S305、货车队列获取车辆对路面的感知信息和车辆行驶工况信息,并向第一边缘云发送感知信息和车辆行驶工况信息。
具体的,货车队列先获取车辆对路面的感知信息和车辆行驶工况信息,再向第一边缘云发送感知信息和车辆行驶工况信息,第一边缘云就能从货车队列中获取到车辆对路面的感知信息和车辆行驶工况信息。车辆行驶工况信息是指车辆运输行驶过程中的工作状况,可以为加速、减速、转弯等。
示例性的,货车队列所在路段为路段i,路段i对应的第一边缘云为边缘云i,货车队列获取车辆对路面的感知信息和车辆行驶工况信息,并向边缘云i发送感知信息和车辆行驶工况信息,边缘云i就能从货车队列中获取到车辆对路面的感知信息和车辆行驶工况信息。货车队列所在路段为路段N,路段N对应的第一边缘云为边缘云N,货车队列获取车辆对路面的感知信息和车辆行驶工况信息,并向边缘云N发送感知信息和车辆行驶工况信息,边缘云N就能从货车队列获取到车辆对路面的感知信息和车辆行驶工况信息。
获取车辆对路面的感知信息是与车辆的感知能力有关,感知能力越低获取的车辆对路面的感知信息越少,感知能力越高获取的车辆对路面的感知信息越多,使得获取的信息更加全面。
S306、第一边缘云根据交通信息、车辆基础信息、设施对路面的感知信息、车辆对路面的感知信息、车辆行驶工况信息以及第一边缘云自身获得的货车队列所在路段的道路状态信息,生成协同控制策略并向货车队列发送协同控制策略。
具体的,针对组建的货车队列,第一边缘云以节能和队列稳定性最优为目标,根据步骤S303获取的交通信息、车辆基础信息,步骤S304获取的设施对路面的感知信息,步骤S305获取的车辆对路面的感知信息、车辆行驶工况信息以及自身获得的货车队列所在路段的道路状态信息,生成协同控制策略并向货车队列发送协同控制策略。道路状态信息可以为坡度、弯道曲率、限速以及路面平整度等。协同控制策略可以是基于位置和速度诱导的策略。
作为本发明实施例一种可选的实施方式,在生成协同控制策略的同时,第一边缘云可以实时维护一个货车队列的列表,并对其中每一个货车队列进行基于位置的、个性化的动态信息发布或协同控制。个性化的动态信息发布主要是发布货车队列的实时位置、速度。
具体的,图4示意性地示出了本发明实施例中的现有货车队列纵向控制的架构图,参见图4所示,其中,货车N、货车、货车i和货车l等为货车队列的车辆,货车l为领头车。、、和均为分布式队列控制器,保证相邻队列成员(货车N、货车、货车i和货车l等)之间的间距稳定保持在一个间距期望值,、、和均为期望加速度。货车N对应的期望加速度为,分布式队列控制器为;货车对应的期望加速度为 ,分布式队列控制器为;货车i对应的期望加速度为,分布式队列控制器为 ;货车l对应的期望加速度为,分布式队列控制器为。当跟随车与前车的当前间距偏离 时,分布式队列控制器就会向下层车辆控制器发送期望加速度,调整车间距到。为货车l的速度,t为货车l的行驶时间,与t的关系图给出了货车l的速度随行驶时间的变化趋势。
现有的货车队列的领头车的队列纵向控制器利用信息流拓扑(V2V)的车队内信息计算出每辆跟随车的期望加速度,并下发给每辆跟随车的分布式队列纵向控制器,来调整车间距到期望间距。现有的货车队列运行控制技术缺乏全局信息、视觉穿透信息、超视距信息、盲区信息,会产生由于预见性差导致速度突然变化引起的间距不稳定。只有基于V2V的车队内信息共享和模型预测,信息量不够。此外,对于一些以节能为目标的纵向优化控制模型,要求算力很高,车载端难以实现。
具体的,本申请的图5为克服图4问题的架构图。图5示意性地示出了本发明实施例中的车路协同的货车队列纵向控制的路端与货车队列的架构图,参见图5所示,路侧计算设施与边缘云、边缘云与中心云通过光纤连接,可以保证数据传输的极低时延。同时,在车路协同的货车队列纵向控制的路端与货车队列的架构中,边缘云和中心云均可通过蜂窝移动通信(如4G/5G)和专用短程通信(如V2X)与车辆进行数据交互,而路侧计算设施主要采用专用短程通信与车辆进行数据交互。通过信息拓扑流(即中心云、多个边缘云和多个路侧计算设施与货车队列的信息交互),获取到更加全面的全局信息、视觉穿透信息、超视距信息、盲区信息,使得货车队列的预见性更高,货车队列的纵向控制的稳定性更高,以及通过信息拓扑流边缘云将实时维护更新该路段货车队列的列表,并对其中每一个货车队列进行基于位置、个性化的动态信息发布或协同控制。
同时,在车路协同的货车队列纵向控制的信息交互过程中,需要进行的车路信息交互内容如表1所示,表1为货车队列纵向控制的信息交互。
表1
S307、在货车队列从所在路段进入相邻路段前,第一边缘云确定相邻路段对应的第二边缘云是否具备直连数据通道。若是,则执行步骤S308,若否,则执行步骤S309。
具体的,在货车队列从所在路段进入相邻路段前,将涉及到边缘云的切换,第一边缘云确定相邻路段对应的第二边缘云是否具备直连数据通道,若是,则执行步骤S308,若否,则执行步骤S309。
S308、第一边缘云将获取的货车队列的相关信息发给第二边缘云。
具体的,如果第一边缘云确定相邻路段对应的第二边缘云具备直连数据通道,则第一边缘云将获取的货车队列的相关信息发给第二边缘云。货车队列的相关信息可以为车辆对路面的感知信息和车辆行驶工况信息等。
具体的,第一边缘云将获取的货车队列的相关信息发给第二边缘云,第二边缘云利用第一边缘云获取的货车队列的相关信息与第二边缘云自身获取的货车队列的相关信息进行控制货车队列。
示例性的,第一边缘云为货车队列在路段i对应的边缘云为边缘云i,第二边缘云为货车队列从路段i行驶到路段i+l对应的边缘云为边缘云i+l。边缘云i获取了感知信息i和车辆行驶工况信息i,可以进行云端控制队列,边缘云i将感知信息i和车辆行驶工况信息i发给边缘云i+l;货车队列从路段i行驶到路段i+l,同样也要利用边缘云i发送的感知信息i和车辆行驶工况信息i,可以更快运用历史时刻信息(在路段i处的感知信息i和车辆行驶工况信息i)和自身获取的现有信息(在路段i+l处的感知信息i+l和车辆行驶工况信息i+l)进行云端控制货车队列。
S309、第一边缘云将获取的货车队列的相关信息发送给中心云,中心云将收到的相关信息发送给第二边缘云。
具体的,如果第一边缘云确定相邻路段对应的第二边缘云不具备直连数据通道,则第一边缘云将获取的货车队列的相关信息发送给中心云,中心云将收到的相关信息发送给第二边缘云。
如果第一边缘云确定相邻路段对应的第二边缘云不具备直连数据通道,货车队列的相关信息可以通过中心云中转,将第一边缘云将该队列的实时的相关信息与第二边缘云进行一定周期的定时同步,可以保证信息为最新信息,确保相关信息的准确性。
S310、中心云在满足触发条件时对路端纵向控制模型和车端纵向控制模型进行更新。
其中,多个边缘云设置有路端纵向控制模型和货车队列设置有车端纵向控制模型,路端纵向控制模型和车端纵向控制模型能够独立工作也能够协同工作。
具体的,中心云在主动或者被动请求的情况下,定期或者不定期更新路端纵向控制模型和车端纵向控制模型。此处的定期或不定期可以根据实际情况确定,本发明实施例不作具体限定。
作为本发明的一种可选的实施例,可以在中心云中存储路端纵向控制模型和车端纵向控制模型。
S311、确定计算时延与通信时延总和是否满足协同控制要求。若是,则执行步骤S312,若否,则执行步骤S313。
具体的,确定计算时延与通信时延总和是否满足协同控制要求可以为能实时的传输信息和发送指令。
S312、路端纵向控制模型和车端纵向控制模型进入协同工作模式。
具体的,若计算时延与通信时延总和满足协同控制要求,则路端纵向控制模型和车端纵向控制模型进入协同工作模式。协同工作模式可以包括协同感知、协同决策、协同控制和通信互联等,是一个多环的过程。
车端纵向控制模型将货车队列纵向控制模型中对算力要求极高的计算部分(即货车队列纵向控制器实际运行时计算力负载过高,难以在货车队列控制器快速运行的部分)卸载到边缘云,边缘云结合全局感知信息完成计算,并将计算结果返回给货车队列控制器;计算结果可以包括队列每辆车的速度、位置,输出队列每辆车的理想加速度。
货车队列控制器根据边缘云返回的计算结果生成队列每辆车的理想加速度并由每辆车的底层控制器操控车辆动力***或刹车***来执行该加速度。
S313、路端纵向控制模型和车端纵向控制模型进入独立工作模式。
具体的,若计算时延与通信时延总和不满足协同控制要求,则路端纵向控制模型和车端纵向控制模型进入独立工作模式。独立工作模式可以为边缘云只与货车队列进行协同感知,或者为边缘云只对货车队列进行速度诱导和实时交通事件发布。
在实际应用中,若计算时延与通信时延总和不满足协同控制要求,则边缘云只与货车队列进行协同感知,具体为边缘云将货车队列前方1公里的目标位置、速度、大小、类型等感知数据下发给货车队列,为货车队列提供遮挡造成的穿透视野、超视距感知、预见性感知、盲区感知等扩展感知能力。货车队列根据边缘云提供的扩展感知能力,可以及时进行速度规划,提高队列稳定性并节约能耗。
在实际应用中,若计算时延与通信时延总和不满足协同控制要求,则边缘云只对货车队列进行速度诱导和实时交通事件发布,具体为对于速度诱导,边缘云综合分析当前实时交通流、短时交通流预测、当前道路限速等速度相关参数,定时向货车队列发送前方1公里的建议行驶速度,货车队列的领头车结合自身感知选择执行边缘云的速度诱导;对于实时交通事件发布,边缘云给出需要改变速度的交通事件后,领头车根据事先规则形成速度决策(包括目标速度和加速时间),并下发给队列跟随车辆。速度相关参数可以为道路交通***的限速信息,事先规则可以为所限定的交通速度规划和通过协同自适应巡航控制(Cooperative Adaptive Cruise Control,CACC)模型获取的目标速度和加速时间。
作为本发明的一种可选的实施例,当货车队列进入无车路协同基础设施的道路,或者车路通信出现问题,或者货车队列判断所接收到的车路协同数据不可信时,货车队列纵向控制切换到到CACC模型控制机制。
S314、货车队列根据协同控制策略进行货车纵向控制。
具体的,货车队列根据协同控制策略,由每辆车的底层控制器进行货车纵向控制。
下面对本发明提供的车路协同的货车队列纵向控制方法的又一实施例进行介绍,本发明实施例针对端(智能汽车或智能终端)、边(路侧计算设施和边缘云)、云(中心云)三者构成新一代的高速公路智能车路协同***的特点,实现路侧计算设施与边缘云、边缘云与中心云通过光纤链接,保证数据传输的极低时延,旨在提高货车队列运行时纵向的稳定性。
图6示意性地示出了本发明实施例中的车路协同的货车队列纵向控制的车路协同的应用服务的部署图,参见图5所示,车路协同是指采用先进的无线通信和新一代互联网等技术,全方位实施车车、车路动态实时信息交互,并在全时空动态交通信息采集与融合的基础上开展车辆主动安全控制和道路协同管理,充分实现人车路的有效协同,保证交通安全,提高通行效率,从而形成的安全、高效和环保的道路交通***。车路协同环境下,道路全局的实时信息共享扩展了成员车的环境感知能力,信息获取更全面,动力学参数更准确,进而使得货车队列的纵向控制能够更准确,更有预见性。为了实现车路协同环境下的货车队列纵向控制,需要在车端安装基于车路协同的控制算法,并在路端部署应用服务,如图 5所示。路测计算设施可以进行车辆数据采集、多源数据融合、车路数据融合和超视距道路状况广播。边缘云可以进行突发交通时间信息发布、实时队列最优速度诱导、限速提醒、队列协同控制以及高精度地图动态更新。中心云可以进行交通流短时预测、队列全局最优路径计算、道路基础信息发布、缓变交通事件信息发布以及队列动力学模型优化。车端可以进行车辆工况数据上传、车辆道路感知数据上传、车辆动力学参数上传、车辆货运信息上传、货车队列控制参数接收、全局交通信息接收以及超视距道路感知信息接收。
车端负责移动式道路状况数据采集和自身行驶工况数据的上传,并接收边云的道路状况信息和自动驾驶协同感知与协同决策信息;路侧计算设施负责局部小范围(500米~1000米左右)固定式道路状况数据采集、数据初步计算,并提供车路直连数据通信管道;边缘云负责路段级(50~100公里左右)道路状况数据实时采集和数据精细计算,并进行道路状况信息发布和自动驾驶协同感知与决策信息发布;中心云负责全局交通数据的采集和计算,并进行全局交通信息的发布;V2X通信***(如:LTE-V2X和NR-V2X)形成无线自组织网实现车车间和车路间直连实时传输的信息管道。其中,路端应用服务分别安装部署在边缘云、中心云和路侧计算设施中。边缘云和中心云需部署货车队列应用服务;路侧计算设施安装有通用性的车路协同应用服务软件。利用边缘云和中心云的货车队列专用应用服务和路侧计算设施的通用车路协同应用服务,可以进行实时的信息互联,扩展了成员车的环境感知能力,信息获取更全面,动力学参数更准确,进而可以提高货车队列纵向控制的性能。
本实施例包括以下步骤:
步骤一,构建由路端和车端组成的车路协同***,通过路端和车端的数据交互实现智能车路协同。其中,路端由路侧计算设施、边缘云、中心云组成。
具体的,本申请实施例中,定义车路协同***中路端的路侧计算设施为:安装在高速公路路侧或者中央隔离带的外场设备,具备V2X通信模块,可以与车辆进行短程通信。
路侧计算设施主要用于小范围路面实时感知数据的计算和信息发布、向边缘云上传路面感知信息,同时也用做边缘云向车辆发布信息的V2X通信管道,也称边缘计算单元。路侧计算设施通过光纤通信采集附近500 m ~1 km范围内的多个、多类固定式路面传感设备(如用于道路目标识别的毫米波雷达、激光雷达、高清摄像机,监测道路结冰团雾湿滑等的路面遥感传感器等)的数据,同时也利用V2X通信采集进入该范围内的车辆上传数据,并进行初步的多模态多源融合感知计算。
具体的,本申请实施例中,定义车路协同***中路端的边缘云为:部署在高速公路路段(50~100公里左右)附近的云计算平台,用来装载各类低时延、大算力的实时***通应用服务和自动驾驶应用服务,用于本路段的交通控制与诱导和自动驾驶服务。
边缘云通过固定式路侧计算设施和移动式车载传感器采集本路段范围内的道路状况数据,处理本路段范围内的道路动态数据和交通数据,具有比路侧计算设施更高的计算能力。与本路段内车辆的无线通信不经过核心网,具有比中心云更低的通信时延,满足自动驾驶的低时延需求。
具体的,本申请实施例中,定义车路协同***中路端的中心云为:泛在的云计算平台,采集高速公路路网的宏观交通数据,进行交通历史数据的统计分析,进行路网静态信息或非实时信息(如交通管控信息、静态交通事件信息)的发布,进行货车队列车辆动力学特性采集和模型优化。
步骤二,在边缘云和货车分别部署队列纵向控制模型。
具体的,两个队列纵向控制模型可以独立工作,也可以协同工作。其中边缘云的优势是可以低时延的完成大算力的计算。纵向控制模型可以参考现有技术中公开的内容,纵向控制模型主要进行队列纵向方向和距离速度控制。
步骤三,中心云更新边缘云和车端的货车队列纵向控制模型和道路基础信息。
具体的,在中心云上存储纵向控制模型参数和纵向控制模型,中心云在主动或者被动请求的情况下,定期或者不定期更新边缘云和车端的货车队列纵向控制模型和道路基础信息。道路基础信息包括坡度、弯道曲率等,纵向控制模型参数包括前轮速度方向、前轮转角等。
步骤四,货车进入边缘云的覆盖路段,先向该边缘云进行货车队列注册。
具体的,每个路段对应的边缘云都需要货车队列注册。
步骤五,边缘云开启货车队列服务功能,形成个性化的协同控制策略。
具体的,货车队列在所在路段的边缘云注册成功后,边缘云立刻开启对该货车队列的服务功能。针对新组建的货车队列,边缘云以节能和队列稳定性最优为目标,针对队列成员动力学参数和将要行驶的道路基础特性(如坡度、弯道等),形成个性化的协同控制策略。同时,边缘云将实时维护一个货车队列的列表,并对其中每一个货车队列进行基于位置的、个性化的动态信息发布或协同控制(主要是位置、速度诱导)。货车队列的列表是对货车队列的货车进行排序,例如N辆车,即货车队列的列表是1-N。动态信息发布主要是发布货车队列的实时位置、速度。
步骤六,当货车队列从一个路段进入另一个路段时,根据路段信息获取数据情况进行切换策略制定。
具体的,本申请实施例中,如果相邻路段边缘云具备直连数据通道,则边缘云在适当的时候主动将该队列的相关数据发送到下一个边缘云;如果相邻路段边缘云不具备直连数据通道,则货车队列的相关数据通过中心云中转。
具体的,本申请实施例中,当货车队列即将离开上一个路段时(如1公里左右后进入下一个路段),上一个边缘云将该队列的实时参数与下一个边缘云进行一定周期的定时同步,直到切换完毕。
步骤七,判别是否具备端边协同控制功能,且计算时延与通信时延总和是否满足要求。
具体的,货车队列控制器将货车队列纵向控制模型中对算力要求极高的计算部分卸载也可以说难以在货车队列控制器快速运行的计算部分,放入边缘云,边缘云结合全局感知信息完成计算,并将计算结果返回给货车队列控制器。货车队列控制器根据边缘云返回的计算结果生成队列每辆车的理想加速度并由每辆车的底层控制器操控车辆动力***或刹车***来执行该加速度。计算结果可以为队列每辆车的速度、位置,从而根据速度和位置得到队列每辆车的理想加速度。
具备端边协同控制功能具体为车端安装了传感器和通信设备,路侧和云端也同样有通信设备存在,通过通信设备在车车之间实现通信互联和控制指令发送端口。计算时延与通信时延总和满足协同控制要求是指能够进行实时的信息传输和指令发送。
步骤八,当货车队列具备端边融合协同控制功能,且计算时延与通信时延总和满足协同控制要求时,货车队列进入协同控制模式,返回生成队列每辆车的理想加速度。
具体的,本申请实施例中,货车队列控制器将货车队列纵向控制模型中对算力要求极高的计算部分卸载到边缘云,边缘云结合全局感知信息完成计算,并将计算结果返回给货车队列控制器。
具体的,本申请实施例中,货车队列控制器根据边缘云返回的计算结果生成队列每辆车的理想加速度并由每辆车的底层控制器操控车辆动力***或刹车***来执行该加速度。
步骤九,当货车队列不具备与边缘云进行协同控制功能,或者检测到计算时延与通信时延总和达不到协同控制要求时,边缘云只与货车队列进行协同感知或货车队列进行速度诱导和实时交通事件发布。
具体的,本申请实施例中,当货车队列不具备与边缘云进行控制级协同的功能时,边缘云只与货车队列进行协同感知。此时,边缘云将货车队列前方1公里的目标位置、速度、大小、类型等感知数据下发给货车队列,为货车队列提供遮挡造成的穿透视野、超视距感知、预见性感知、盲区感知等扩展感知能力。货车队列根据边缘云提供的扩展感知能力,可以及时进行速度规划,提高队列稳定性并节约能耗。
协同控制可以包括协同感知、协同决策、协同控制、通信互联等,是一个多环的过程。边缘云只与货车队列进行协同感知,也就是“货车队列不具备与边缘云进行控制级协同的功能,或者检测到计算时延与通信时延总和达不到协同控制要求时”,不满足“协同决策、协同控制、通信互联”。
具体的,本申请实施例中,当货车队列不具备与边缘云进行控制级协同的功能时,边缘云只对货车队列进行速度诱导和实时交通事件发布。对于速度诱导,边缘云综合分析当前实时交通流、短时交通流预测、当前道路限速等速度相关参数,定时向货车队列发送前方1公里的建议行驶速度,货车队列的领头车结合自身感知选择执行边缘云的速度诱导;对于实时交通事件发布,边缘云给出需要改变速度的交通事件后,领头车根据事先规则形成速度决策(包括目标速度和加速时间),并下发给队列跟随车辆。
速度相关信息是指是道路交通***的限速信息。全局感知信息包括当前实时交通流、短时交通流预测、当前道路限速等速度相关参数。实现规则指所限定的交通速度规划和通过协同自适应巡航控制CACC模型获取的目标速度和加速时间。
基于同一发明构思,作为对上述车路协同的货车队列纵向控制方法的实现,本发明实施例还提供了一种路端设备。该路端设备可以包括:中心云、多个边缘云和多个路侧计算设施,所述中心云与所述多个边缘云连接,每个所述边缘云与多个所述路侧计算设施连接;每个所述边缘云对应公路中的一个路段,所述路侧计算设施设置在路侧;所述中心云,用于获取路网的交通信息以及所述货车队列的货车的车辆基础信息;所述路侧计算设施,用于获取设施对路面的感知信息;货车队列所在路段对应的第一边缘云,用于从所述中心云获取路网的交通信息以及所述货车队列的货车的车辆基础信息;所述第一边缘云,用于从对应的路侧计算设施获取设施对路面的感知信息;所述第一边缘云,用于从所述货车队列获取车辆对路面的感知信息和车辆行驶工况信息;所述第一边缘云,用于根据获取的所述交通信息、所述车辆基础信息、所述施对路面的感知信息、所述车辆对路面的感知信息、所述车辆行驶工况信息以及所述第一边缘云自身获得的货车队列所在路段的道路状态信息,生成协同控制策略并向所述货车队列发送所述协同控制策略,所述货车队列能够根据所述协同控制策略进行货车纵向控制。
作为本发明实施例一种可选的实施例方式,所述第一边缘云,还用于在所述货车队列所在路段对应的第一边缘云从所述中心云获取路网的交通信息以及所述货车队列的货车的车辆基础信息之前,接收货车队列发送的注册请求,根据所述注册请求对所述货车队列进行注册。
作为本发明实施例一种可选的实施例方式,所述第一边缘云,还用于在所述生成协同控制策略并向所述货车队列发送所述协同控制策略之后,在所述货车队列从所在路段进入相邻路段前,确定相邻路段对应的第二边缘云是否具备直连数据通道;若是,则将获取的所述货车队列的相关信息发给所述第二边缘云;若否,则将获取的所述货车队列的相关信息发送给中心云,所述中心云将收到的所述相关信息发送给所述第二边缘云。
作为本发明实施例一种可选的实施例方式,所述中心云,还用于在满足触发条件时对所述路端纵向控制模型和所述车端纵向控制模型进行更新;所述路端的多个边缘云设置有路端纵向控制模型和所述货车队列设置有车端纵向控制模型,所述路端纵向控制模型和所述车端纵向控制模型能够独立工作也能够协同工作。
作为本发明实施例一种可选的实施例方式,所述路端设备,还用于在所述生成协同控制策略并向所述货车队列发送所述协同控制策略之后,确定计算时延与通信时延总和是否满足协同控制要求;若是,所述路端纵向控制模型和所述车端纵向控制模型进入协同工作模式;若否,所述路端纵向控制模型和所述车端纵向控制模型进入独立工作模式。
基于同一发明构思,作为对上述车路协同的货车队列纵向控制方法的实现,本发明实施例还提供了一种货车队列。所述货车队列包括多个货车;所述货车队列,用于获取车辆对路面的感知信息和车辆行驶工况信息;用于将所述感知信息和车辆行驶工况信息发送给货车队列所在路段对应的第一边缘云;用于接收所述第一边缘云发送的协同控制策略;所述协同控制策略是所述第一边缘云根据从中心云获取的交通信息和车辆基础信息,从路侧计算设施获取的设施对路面的感知信息,从所述货车队列获得的车辆对路面的感知信息和车辆行驶工况信息以及云自身获得的货车队列所在路段的道路状态信息生成的;以及用于根据所述协同控制策略进行货车纵向控制。
作为本发明实施例一种可选的实施例方式,所述货车队列,还用于在所述将所述感知信息和车辆行驶工况信息发送给货车队列所在路段对应的第一边缘云之前,向所述第一边缘云发送注册请求,所述第一边缘云能够根据所述注册请求对所述货车队列进行注册。
作为本发明实施例一种可选的实施例方式,所述货车队列,还用于接收所述中心云发送的所述车端纵向控制模型更新信息。所述货车队列设置有车端纵向控制模型和路端的多个边缘设置有路端纵向控制模型,所述车端纵向控制模型和所述路端纵向控制模型能够独立工作也能够协同工作。
作为本发明实施例一种可选的实施例方式,所述货车队列,还用于在所述接收所述第一边缘云发送的协同控制策略之后,接收在所述货车队列从所在路段进入相邻路段前,所述第一边缘云确定相邻路段对应的第二边缘云是否具备直连数据通道;若是,则接收所述第一边缘云发给所述第二边缘云的获取的所述货车队列的相关信息;若否,则接收所述第一边缘云发送给所述第二边缘云的所述相关信息,所述相关信息为第一边缘云将获取的所述货车队列的相关信息发送给中心云,所述中心云将收到的所述相关信息发送给所述第二边缘云的信息。
作为本发明实施例一种可选的实施例方式,所述货车队列,还用于在所述接收所述第一边缘云发送的协同控制策略之后,接收路端确定的计算时延与通信时延总和是否满足协同控制要求;若是,则接收所述路端纵向控制模型和所述车端纵向控制模型进入协同的工作模式;若否,则接收所述路端纵向控制模型和所述车端纵向控制模型进入独立的工作模式。
基于同一发明构思,作为对上述车路协同的货车队列纵向控制方法的实现,本发明实施例还提供了一种车路协同的货车队列纵向控制***,该***可以包括:所述***包括货车队列和路端设备;其中,所述货车队列包括多个货车;所述路端设备包括中心云、多个边缘云和多个路侧计算设施,所述中心云与所述多个边缘云连接,每个所述边缘云与多个所述路侧计算设施连接;每个所述边缘云对应公路中的一个路段,所述路侧计算设施设置在路侧;货车队列所在路段对应的第一边缘云,用于从所述中心云获取路网的交通信息以及所述货车队列的货车的车辆基础信息;所述第一边缘云,用于从对应的路侧计算设施获取设施对路面的感知信息;所述货车队列,用于获取车辆对路面的感知信息和车辆行驶工况信息,并向第一边缘云发送感知信息和车辆行驶工况信息;所述第一边缘云,用于根据所述交通信息、所述车辆基础信息、所述施对路面的感知信息、所述车辆对路面的感知信息、所述车辆行驶工况信息以及所述第一边缘云自身获得的货车队列所在路段的道路状态信息,生成协同控制策略并向所述货车队列发送所述协同控制策略;所述货车队列,用于根据所述协同控制策略进行货车纵向控制。
作为本发明实施例一种可选的实施例方式,所述第一边缘云,还用于在所述将所述感知信息和车辆行驶工况信息发送给货车队列所在路段对应的第一边缘云之前,向所述第一边缘云发送注册请求,所述第一边缘云能够根据所述注册请求对所述货车队列进行注册。
作为本发明实施例一种可选的实施例方式,所述第一边缘云,还用于在所述生成协同控制策略并向所述货车队列发送所述协同控制策略之后,在所述货车队列从所在路段进入相邻路段前,确定相邻路段对应的第二边缘云是否具备直连数据通道;若是,则将获取的所述货车队列的相关信息发给所述第二边缘云;若否,则将获取的所述货车队列的相关信息发送给中心云,所述中心云将收到的所述相关信息发送给所述第二边缘云。
作为本发明实施例一种可选的实施例方式,所述中心云,还用于在满足触发条件时对所述路端纵向控制模型和所述车端纵向控制模型进行更新;所述路端的多个边缘云设置有路端纵向控制模型和所述货车队列设置有车端纵向控制模型,所述路端纵向控制模型和所述车端纵向控制模型能够独立工作也能够协同工作。
作为本发明实施例一种可选的实施例方式,所述路端设备,还用于在所述生成协同控制策略并向所述货车队列发送所述协同控制策略之后,确定计算时延与通信时延总和是否满足协同控制要求;若是,所述路端纵向控制模型和所述车端纵向控制模型进入协同工作模式;若否,所述路端纵向控制模型和所述车端纵向控制模型进入独立工作模式。
基于同一发明构思,本发明实施例还提供了一种电子设备。图7为本发明实施例中的电子设备的结构图,参见图7所示,该电子设备70可以包括:至少一个处理器701;以及与处理器701连接的至少一个存储器702、总线703;其中,处理器701、存储器702通过总线703完成相互间的通信;处理器701用于调用存储器702中的程序指令,以执行上述一个或多个实施例中的车路协同的货车队列纵向控制方法。
这里需要指出的是:以上路端设备、货车队列和车路协同的货车队列纵向控制***实施例的描述,与上述方法实施例的描述是类似的,具有同方法实施例相似的有益效果。对于本发明实施例的路端设备和货车队列的实施例中未披露的技术细节,请参照本发明方法实施例的描述而理解。
基于同一发明构思,本发明实施例还提供了一种计算机可读存储介质,上述计算机可读存储介质包括存储的程序,其中,在程序运行时控制存储介质所在设备执行上述一个或多个实施例中的方法。
这里需要指出的是:以上计算机可读存储介质实施例的描述,与上述方法实施例的描述是类似的,具有同方法实施例相似的有益效果。对于本发明实施例的计算机可读存储介质的实施例中未披露的技术细节,请参照本发明方法实施例的描述而理解。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种车路协同的货车队列纵向控制方法,应用于路端,其特征在于,
所述路端包括中心云、多个边缘云和多个路侧计算设施,所述中心云与所述多个边缘云连接,每个所述边缘云与多个所述路侧计算设施连接;每个所述边缘云对应公路中的一个路段,所述路侧计算设施设置在路侧;所述方法包括:
货车队列所在路段对应的第一边缘云从所述中心云获取路网的交通信息以及所述货车队列的货车的车辆基础信息;
所述第一边缘云从对应的路侧计算设施获取设施对路面的感知信息;
所述第一边缘云从所述货车队列获取车辆对路面的感知信息和车辆行驶工况信息;
所述第一边缘云根据获取的所述交通信息、所述车辆基础信息、所述设施对路面的感知信息、所述车辆对路面的感知信息、所述车辆行驶工况信息以及所述第一边缘云自身获得的货车队列所在路段的道路状态信息,生成协同控制策略并向所述货车队列发送所述协同控制策略,所述货车队列能够根据所述协同控制策略进行货车纵向控制。
2.根据权利要求1所述的方法,其特征在于,所述货车队列所在路段对应的第一边缘云从所述中心云获取路网的交通信息以及所述货车队列的货车的车辆基础信息之前,所述方法还包括:
所述第一边缘云接收货车队列发送的注册请求;
所述第一边缘云根据所述注册请求对所述货车队列进行注册。
3.根据权利要求1所述的方法,其特征在于,所述生成协同控制策略并向所述货车队列发送所述协同控制策略之后,所述方法还包括:
在所述货车队列从所在路段进入相邻路段前,所述第一边缘云确定相邻路段对应的第二边缘云是否具备直连数据通道;
若是,则所述第一边缘云将获取的所述货车队列的相关信息发给所述第二边缘云;
若否,则所述第一边缘云将获取的所述货车队列的相关信息发送给中心云,所述中心云将收到的所述相关信息发送给所述第二边缘云。
4.根据权利要求1所述的方法,其特征在于,所述多个边缘云设置有路端纵向控制模型和所述货车队列设置有车端纵向控制模型,所述路端纵向控制模型和所述车端纵向控制模型能够独立工作也能够协同工作,所述方法还包括:
所述中心云在满足触发条件时对所述路端纵向控制模型和所述车端纵向控制模型进行更新。
5.根据权利要求4所述的方法,其特征在于,所述生成协同控制策略并向所述货车队列发送所述协同控制策略之后,所述方法还包括:
确定计算时延与通信时延总和是否满足协同控制要求;
若是,所述路端纵向控制模型和所述车端纵向控制模型进入协同工作模式;
若否,所述路端纵向控制模型和所述车端纵向控制模型进入独立工作模式。
6.一种车路协同的货车队列纵向控制方法,应用于货车队列,其特征在于,所述货车队列包括多个货车,所述方法包括:
所述货车队列获取车辆对路面的感知信息和车辆行驶工况信息;
将所述感知信息和车辆行驶工况信息发送给货车队列所在路段对应的第一边缘云;
接收所述第一边缘云发送的协同控制策略;所述协同控制策略是所述第一边缘云根据从中心云获取的交通信息和车辆基础信息,从路侧计算设施获取的设施对路面的感知信息,从所述货车队列获得的车辆对路面的感知信息和车辆行驶工况信息以及所述第一边缘云自身获得的货车队列所在路段的道路状态信息生成的;
根据所述协同控制策略进行货车纵向控制。
7.一种车路协同的货车队列纵向控制方法,其特征在于,
货车队列包括多个货车;
路端包括中心云、多个边缘云和多个路侧计算设施,所述中心云与所述多个边缘云连接,每个所述边缘云与多个所述路侧计算设施连接;每个所述边缘云对应公路中的一个路段,所述路侧计算设施设置在路侧;所述方法包括:
货车队列所在路段对应的第一边缘云从所述中心云获取路网的交通信息以及所述货车队列的货车的车辆基础信息;
所述第一边缘云从对应的路侧计算设施获取设施对路面的感知信息;
所述货车队列获取车辆对路面的感知信息和车辆行驶工况信息,并向所述第一边缘云发送所述感知信息和所述车辆行驶工况信息;
所述第一边缘云根据所述交通信息、所述车辆基础信息、所述设施对路面的感知信息、所述车辆对路面的感知信息、所述车辆行驶工况信息以及所述第一边缘云自身获得的货车队列所在路段的道路状态信息,生成协同控制策略并向所述货车队列发送所述协同控制策略;
所述货车队列根据所述协同控制策略进行货车纵向控制。
8.一种路端设备,其特征在于,所述设备包括:中心云、多个边缘云和多个路侧计算设施,所述中心云与所述多个边缘云连接,每个所述边缘云与多个所述路侧计算设施连接;每个所述边缘云对应公路中的一个路段,所述路侧计算设施设置在路侧;
所述中心云,用于获取路网的交通信息以及货车队列的货车的车辆基础信息;
所述路侧计算设施,用于获取设施对路面的感知信息;
货车队列所在路段对应的第一边缘云,用于从所述中心云获取路网的交通信息以及所述货车队列的货车的车辆基础信息;
所述第一边缘云,用于从对应的路侧计算设施获取设施对路面的感知信息;
所述第一边缘云,用于从所述货车队列获取车辆对路面的感知信息和车辆行驶工况信息;
所述第一边缘云,用于根据获取的所述交通信息、所述车辆基础信息、所述设施对路面的感知信息、所述车辆对路面的感知信息、所述车辆行驶工况信息以及所述第一边缘云自身获得的货车队列所在路段的道路状态信息,生成协同控制策略并向所述货车队列发送所述协同控制策略,所述货车队列能够根据所述协同控制策略进行货车纵向控制。
9.一种货车队列,其特征在于,所述货车队列包括多个货车;
所述货车队列,用于获取车辆对路面的感知信息和车辆行驶工况信息;用于将所述感知信息和车辆行驶工况信息发送给货车队列所在路段对应的第一边缘云;用于接收所述第一边缘云发送的协同控制策略;所述协同控制策略是所述第一边缘云根据从中心云获取的交通信息和车辆基础信息,从路侧计算设施获取的设施对路面的感知信息,从所述货车队列获得的车辆对路面的感知信息和车辆行驶工况信息以及云自身获得的货车队列所在路段的道路状态信息生成的;以及用于根据所述协同控制策略进行货车纵向控制。
10.一种车路协同的货车队列纵向控制***,其特征在于,所述***包括货车队列和路端设备;其中,
所述货车队列包括多个货车;
所述路端设备包括中心云、多个边缘云和多个路侧计算设施,所述中心云与所述多个边缘云连接,每个所述边缘云与多个所述路侧计算设施连接;每个所述边缘云对应公路中的一个路段,所述路侧计算设施设置在路侧;
货车队列所在路段对应的第一边缘云,用于从所述中心云获取路网的交通信息以及所述货车队列的货车的车辆基础信息;
所述第一边缘云,用于从对应的路侧计算设施获取设施对路面的感知信息;
所述货车队列,用于获取车辆对路面的感知信息和车辆行驶工况信息,并向第一边缘云发送感知信息和车辆行驶工况信息;
所述第一边缘云,用于根据所述交通信息、所述车辆基础信息、所述设施对路面的感知信息、所述车辆对路面的感知信息、所述车辆行驶工况信息以及所述第一边缘云自身获得的货车队列所在路段的道路状态信息,生成协同控制策略并向所述货车队列发送所述协同控制策略;
所述货车队列,用于根据所述协同控制策略进行货车纵向控制。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011494412.7A CN112233424B (zh) | 2020-12-17 | 2020-12-17 | 一种车路协同的货车队列纵向控制方法、装置及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011494412.7A CN112233424B (zh) | 2020-12-17 | 2020-12-17 | 一种车路协同的货车队列纵向控制方法、装置及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112233424A true CN112233424A (zh) | 2021-01-15 |
CN112233424B CN112233424B (zh) | 2021-03-23 |
Family
ID=74124736
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011494412.7A Active CN112233424B (zh) | 2020-12-17 | 2020-12-17 | 一种车路协同的货车队列纵向控制方法、装置及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112233424B (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112581747A (zh) * | 2021-02-25 | 2021-03-30 | 北京主线科技有限公司 | 一种车路协同的货车队列组织方法、装置及*** |
CN112689024A (zh) * | 2021-01-20 | 2021-04-20 | 北京主线科技有限公司 | 一种车路协同的货车队列换道方法、装置及*** |
CN112946603A (zh) * | 2021-03-08 | 2021-06-11 | 安徽乐道信息科技有限公司 | 一种基于激光雷达的道路养护检测***及其检测方法 |
CN113269961A (zh) * | 2021-05-18 | 2021-08-17 | 苏州智加科技有限公司 | 货运车辆车路协同运输***及方法 |
CN113327421A (zh) * | 2021-06-04 | 2021-08-31 | 河北省交通规划设计院 | 一种基于v2x路网控制方法及*** |
CN113689723A (zh) * | 2021-09-02 | 2021-11-23 | 长沙理工大学 | 不同路侧单元部署特性下的混合交通速度控制方法 |
CN114115030A (zh) * | 2021-11-19 | 2022-03-01 | 杭州豪盛电动车辆有限公司 | 车辆协同运输方法、设备、***及计算机可读存储介质 |
CN114566038A (zh) * | 2022-02-28 | 2022-05-31 | 长安大学 | 一种面向网联货运车队的车路协同多级预警***及方法 |
CN115116257A (zh) * | 2022-05-24 | 2022-09-27 | 清华大学 | 基于边缘云服务的车辆调度方法、装置、设备及介质 |
CN115206081A (zh) * | 2022-07-07 | 2022-10-18 | 智道网联科技(北京)有限公司 | 自动驾驶车辆的编队控制*** |
WO2022242125A1 (zh) * | 2021-05-17 | 2022-11-24 | 腾讯科技(深圳)有限公司 | 编队行驶处理方法、装置、计算机可读介质及电子设备 |
CN115810280A (zh) * | 2021-09-15 | 2023-03-17 | 海信集团控股股份有限公司 | 一种路侧感知信息传输方法、多接入边缘设备及远端车辆 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103956045A (zh) * | 2014-05-13 | 2014-07-30 | 中国人民解放军军事交通学院 | 利用半实物仿真技术手段实现车队协同驾驶的方法 |
CN106971579A (zh) * | 2017-04-25 | 2017-07-21 | 北京星云互联科技有限公司 | 一种智能网联汽车的路侧业务支持***及方法 |
CN110738851A (zh) * | 2019-10-17 | 2020-01-31 | 中国公路工程咨询集团有限公司 | 一种车路协同数据资源管理***和方法 |
CN111260911A (zh) * | 2019-12-30 | 2020-06-09 | 同济大学 | 一种基于路侧设备的车队驾驶方法 |
EP3671692A1 (en) * | 2018-12-19 | 2020-06-24 | Ningbo Geely Automobile Research & Development Co. Ltd. | Time for passage of a platoon of vehicles |
CN111599168A (zh) * | 2020-04-01 | 2020-08-28 | 广东中科臻恒信息技术有限公司 | 基于路侧单元的道路交通信息采集方法、设备、存储介质 |
CN112005183A (zh) * | 2018-04-16 | 2020-11-27 | 沃尔沃卡车集团 | 用于控制车队的方法 |
-
2020
- 2020-12-17 CN CN202011494412.7A patent/CN112233424B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103956045A (zh) * | 2014-05-13 | 2014-07-30 | 中国人民解放军军事交通学院 | 利用半实物仿真技术手段实现车队协同驾驶的方法 |
CN106971579A (zh) * | 2017-04-25 | 2017-07-21 | 北京星云互联科技有限公司 | 一种智能网联汽车的路侧业务支持***及方法 |
CN112005183A (zh) * | 2018-04-16 | 2020-11-27 | 沃尔沃卡车集团 | 用于控制车队的方法 |
EP3671692A1 (en) * | 2018-12-19 | 2020-06-24 | Ningbo Geely Automobile Research & Development Co. Ltd. | Time for passage of a platoon of vehicles |
CN110738851A (zh) * | 2019-10-17 | 2020-01-31 | 中国公路工程咨询集团有限公司 | 一种车路协同数据资源管理***和方法 |
CN111260911A (zh) * | 2019-12-30 | 2020-06-09 | 同济大学 | 一种基于路侧设备的车队驾驶方法 |
CN111599168A (zh) * | 2020-04-01 | 2020-08-28 | 广东中科臻恒信息技术有限公司 | 基于路侧单元的道路交通信息采集方法、设备、存储介质 |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112689024B (zh) * | 2021-01-20 | 2022-09-06 | 北京主线科技有限公司 | 一种车路协同的货车队列换道方法、装置及*** |
CN112689024A (zh) * | 2021-01-20 | 2021-04-20 | 北京主线科技有限公司 | 一种车路协同的货车队列换道方法、装置及*** |
CN112581747B (zh) * | 2021-02-25 | 2021-06-08 | 北京主线科技有限公司 | 一种车路协同的货车队列组织方法、装置及*** |
CN112581747A (zh) * | 2021-02-25 | 2021-03-30 | 北京主线科技有限公司 | 一种车路协同的货车队列组织方法、装置及*** |
CN112946603A (zh) * | 2021-03-08 | 2021-06-11 | 安徽乐道信息科技有限公司 | 一种基于激光雷达的道路养护检测***及其检测方法 |
CN112946603B (zh) * | 2021-03-08 | 2024-03-26 | 安徽乐道智能科技有限公司 | 一种基于激光雷达的道路养护检测***及其检测方法 |
WO2022242125A1 (zh) * | 2021-05-17 | 2022-11-24 | 腾讯科技(深圳)有限公司 | 编队行驶处理方法、装置、计算机可读介质及电子设备 |
CN113269961A (zh) * | 2021-05-18 | 2021-08-17 | 苏州智加科技有限公司 | 货运车辆车路协同运输***及方法 |
CN113327421A (zh) * | 2021-06-04 | 2021-08-31 | 河北省交通规划设计院 | 一种基于v2x路网控制方法及*** |
CN113689723A (zh) * | 2021-09-02 | 2021-11-23 | 长沙理工大学 | 不同路侧单元部署特性下的混合交通速度控制方法 |
CN115810280A (zh) * | 2021-09-15 | 2023-03-17 | 海信集团控股股份有限公司 | 一种路侧感知信息传输方法、多接入边缘设备及远端车辆 |
CN114115030A (zh) * | 2021-11-19 | 2022-03-01 | 杭州豪盛电动车辆有限公司 | 车辆协同运输方法、设备、***及计算机可读存储介质 |
CN114115030B (zh) * | 2021-11-19 | 2024-02-09 | 杭州豪盛电动车辆有限公司 | 车辆协同运输方法、设备、***及计算机可读存储介质 |
CN114566038A (zh) * | 2022-02-28 | 2022-05-31 | 长安大学 | 一种面向网联货运车队的车路协同多级预警***及方法 |
CN114566038B (zh) * | 2022-02-28 | 2023-10-24 | 长安大学 | 一种面向网联货运车队的车路协同多级预警***及方法 |
CN115116257A (zh) * | 2022-05-24 | 2022-09-27 | 清华大学 | 基于边缘云服务的车辆调度方法、装置、设备及介质 |
CN115206081A (zh) * | 2022-07-07 | 2022-10-18 | 智道网联科技(北京)有限公司 | 自动驾驶车辆的编队控制*** |
Also Published As
Publication number | Publication date |
---|---|
CN112233424B (zh) | 2021-03-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112233424B (zh) | 一种车路协同的货车队列纵向控制方法、装置及*** | |
US20220227394A1 (en) | Autonomous Vehicle Operational Management | |
CA3052954C (en) | Autonomous vehicle operational management including operating a partially observable markov decision process model instance | |
CA3052952C (en) | Autonomous vehicle operational management control | |
CA3052953C (en) | Autonomous vehicle operational management blocking monitoring | |
US11521491B2 (en) | Priority vehicle management | |
CN114620068A (zh) | 自动驾驶***的物理信息优化 | |
CN117062028A (zh) | 用于车辆的分布式处理*** | |
US12033514B2 (en) | Waypoint information transmission method, apparatus and system for platooning | |
EP3943352A1 (en) | Driving control method, apparatus, device, medium, and system | |
CN116135654A (zh) | 一种车辆行驶速度生成方法以及相关设备 | |
US20230080281A1 (en) | Precautionary observation zone for vehicle routing | |
CN115314526A (zh) | 用于自车位置识别的***架构、传输方法、车辆、介质及芯片 | |
JP2024517167A (ja) | 系統的最適化を伴う車両案内 | |
CN114764980A (zh) | 一种车辆转弯路线规划方法及装置 | |
US20240025453A1 (en) | Allocating resources for a vehicle | |
US20220281480A1 (en) | Vehicle characteristics, motion state, planned movements and related sensory data sharing and networking for safe operation of groups of self-driving and driving assisted vehicles | |
US20240038069A1 (en) | Processing device, processing method, processing system, and storage medium | |
Oliskevich et al. | Information System for Energy-Saving Vehicle Traffic Control on the Highway | |
CN117196127A (zh) | 一种路径规划方法、***及车路云协同平台 | |
CN115123304A (zh) | 故障追踪方法、装置、介质及芯片 | |
CN117409561A (zh) | 运营天气管理 | |
CN116009533A (zh) | 一种无人驾驶车辆路径切换方法、装置、***和介质 |
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 |