CN112378403A - 一种基于5g通信下的远程安全驾驶调度*** - Google Patents

Abstract

本发明涉及自动驾驶技术领域，公开了一种基于5G通信下的远程安全驾驶调度***，包括路网规划模块、反馈模块与决策规划模块，路网规划模块用于收集当前作业面内的路线信息并根据路线信息建立相对应的路网数据模型，反馈模块用于及时更新运行终端的实时运行特征值，决策规划模块根据当前的路网数据模型以及实时运行特征值来计算筛选出最优的运行路线，并将该运行路线发送至需求车辆；该***通过对矿山作业面内的路面进行规划，并将路段中的运行时耗特征以及风险特征进行计算判断来规划出运行终端从出发点至目标点之间的最优路线方案，同时，通过设置反馈模块来实时更新运行时耗特征值来提高***的结果的准确性。

Description

一种基于5G通信下的远程安全驾驶调度***

技术领域

本发明涉及自动驾驶技术领域，具体涉及一种基于5G通信下的远程安全驾驶调度***。

背景技术

随着人工智能、大数据等技术快速发展，车联网日益兴起，庞大的市场推动车联网相关产品的研发和落地，同时引导汽车行业向着更安全、舒适、绿色的方向发展。5G远程驾驶是移动5G车联网的一个重要应用场景，由于移动5G车联网具有极低时延、超高可靠性及大带宽的优势，所以可以有效解决车辆遇到复杂场景问题时的控制问题。现有的基于移动5G的自动驾驶方案，会充分利用移动5G的优势。通常会将自动驾驶车辆的决策与控制处理的功能模块都上升到边缘云上，依托边缘云的强大计算能力将车辆端上传的判定条件进行及时的运算处理并将得出的控制指令及时下发，由此可将所有对车辆的监控与控制工作都可以在后台生产调度中心实现。

在现有的矿山区域的生产作业，通常会由于环境恶劣、重大型工程车辆较多等因素也会直接导致作业安全风险的升高，通过将5G远程驾驶应用在以上特殊工况场景中以实现远程精准控制作业有着极大的应用意义。

但是，通常会由于矿山地区的岩石较多、矿山地形下可用于车辆行进路面路况条件差等原因会导致用于工程车辆行进的道路并不规则，如有些路线的部分路段会由于道路情况的限制由双车道变化为单车道等情况，同时由于在该作业区内存在较多的车辆在同时进行运行作业。而现有的通过人工在后台生产调度中心直接对各车辆进行监控与操控的调度方式，会存在本作业面内的各车辆之间的运行安全性以及作业效率均较为低下的缺陷。

发明内容

针对现有技术存在的不足，本发明的目的在于提供一种基于5G通信下的远程安全驾驶调度***，该***可通过对运行车辆的最优路线的规划设置，可提高作业面内各车辆的运行安全性以及作业的效率。

为了实现上述目的，本发明提供如下技术方案：

一种基于5G通信下的远程安全驾驶调度***，包括路网规划模块、反馈模块与决策规划模块，所述路网规划模块用于收集当前作业面内的路线信息并根据路线信息建立相对应的路网数据模型，所述反馈模块用于及时更新运行终端的实时运行特征值，所述决策规划模块根据当前的路网数据模型以及所述实时运行特征值来计算筛选出最优的运行路线，并将该运行路线发送至需求车辆；

所述路网规划模块包括路网数据包及特征配置策略，所述路网数据包内存储有当前作业面内车辆出发区与各目标作业区之间的所有通行方案，每一组所述通行方案内记录有组成该通行方案的每一单元路段及该通行方案内的所有交汇区的运行时耗特值以及风险特值，所述特征配置策略调取反馈模块内的运行特征值并更新至对应的运行时耗特值以及风险特值中；

所述决策规划模块包括路线筛选单元及路线择定单元，所述路线筛选单元用于接收车辆端的第一需求信息，所述第一需求信息包括车辆的出发点及目标点信息，并根据所述第一需求信息筛选收集所述路网数据包内所有符合条件的的预计可行路线；

所述路线择定单元内配置有结果确定策略、优异值算法，所述优异值算法如下：

其中，Y为优异值，W为时效值，N为风险值，K₁、K₂、K₃为时耗权重值，A_i为每一双行车道单元路段的时耗值，B_m为每一单行车道单元路段的时耗值，C_l为每一交汇区的时耗值，P₁、P₂、P₃为风险权重值，i为双行车道单元路段的数量，m为单行车道单元路段的数量，l为每一交汇区的数量；

所述结果确定策略筛选出所有预计可行路线中优异值最小的预计可行路线并且标记为预选路线，当所述预选路线为一组时直接将其作为最优路线发送至运行终端，当所述预选路线为多组时挑选其中风险值最小的作为最优路线发送至运行终端，当所述预选路线为多组且其中最小风险值相同的有多组时均作为最优路线发送至运行终端。本方案可以通过对时耗以及碰撞风险两个因素的分析计算来规划出最优路线。

在本发明中，优选的，所述反馈模块包括耗时采集单元、特征赋值单元及更新策略，所述耗时采集单元用于采集每一车辆通过每一路段时的消耗时长并将所述消耗时长存储至路段更新数据包内，所述更新策略用于在达到更新时限时启动所述特征赋值单元，通过所述特征赋值单元计算出第一更新时耗，并将所述第一更新时耗替换至对应路段的运行时耗特值内。本方案可以通过反馈模块的及时更新反馈可以将每一路段的运行时耗特值把握的更加精准，有利于提高结果的准确性。

在本发明中，优选的，还包括修正模块，所述修正模块包括因素采集单元、影响算法及修正策略，所述因素采集单元用于采集每一路段的风险因素并存入对应因素数据包，所述影响算法计算得出第一修正因素及第一修正结果，所述修正策略用于筛选出所有预计可行路线中第一修正结果最小的预计可行路线并且标记为修正路线，当所述修正路线为一组时直接将其作为最优路线发送至运行终端，当所述修正路线为多组时挑选其中风险值最小及第一修正因素最小的作为最优路线发送至运行终端，当所述预选路线为多组且其中最小风险值及第一修正因素相同的有多组时均作为最优路线发送至运行终端。本方案可以通过设置修正模块可将行车过程中更多影响运行安全的因素添加至判断最优路线的计算中，有利于提高结果与实际体验的贴合度。

在本发明中，优选的，所述因素采集单元还包括故障采集单元及故障赋值策略，所述故障采集单元用于采集每一路段第一统计时限内的事故数量，所述故障赋值策略根据事故数量为路段赋予风险等级，并将所述风险等级替换至对应路段的特征数据包内。

在本发明中，优选的，所述故障赋值策略还包括故障值算法，所述故障值算法如下：

S＝Z₁f+Z₂g+Z₃h；

其中，S为故障因素值，f为高风险等级的路段数量，g为中风险等级的路段数量，h为低风险等级的路段数量，Z₁、Z₂、Z₃为故障权重值。本方案可以通过将路段发生事故的因素添加至最优路线的判断中，可以进一步完善***对路线安全性的评估的准确性。

在本发明中，优选的，所述因素采集单元还包括路况采集单元及路况赋值策略，所述路况采集单元用于采集每一路段内的路面质量，所述故障赋值策略根据路面质量为路段赋予路况等级，并将所述路况等级替换至对应路段的特征数据包内。

在本发明中，优选的，所述路况赋值策略还包括路况值算法，所述路况值算法如下：

Q＝V₁e+V₂t+V₃b；

其中，Q为路况因素值，e为差路况等级的路段数量，t为普通路况等级的路段数量，b为好路况等级的路段数量，V₁、V₂、V₃为路况权重值。本方案可以通过将路况因素添加至添加至最优路线的判断中，不仅可以进一步完善运行时耗特征对路线选择的影响，同时还可以通过对路况的评判来提高乘驾人员的行车舒适性，同时也可以进一步减少车辆的运行损耗延长车辆寿命。

在本发明中，优选的，所述修正模块中还配置有模糊算法，所述模糊算法如下：Y₂＝C₁Y+C₂S+C₁Q；

其中，其中Y₂为第一模糊结果，C₁、C₂、C₃为模糊权重值，S为故障因素值，Q为路况因素值。

在本发明中，优选的，当筛选出的所述最优路线数量小于3组时，将全部所述最优路线发送至运行终端；

当筛选出的所述最优路线数量不小于3组时，将其中3组所述最优路线发送至运行终端。方案可以使的最终筛选的最优路线的方案最多为3组，方便运行终端的及时选择使用。

在本发明中，优选的，所述反馈模块设置于云端服务器内。

与现有技术相比，本发明的有益效果是：

本发明的***通过对矿山作业面内的路面进行规划，并将路段中的运行时耗特征以及风险特征进行计算判断来规划出运行终端从出发点至目标点之间的最优路线方案，由此可以提高车辆的运行时效并且进一步提高车辆的安全性。

同时，通过反馈模块及时对运行时耗特征的实时更新来提高***规划的最优路线的结果的准确性。

另外，本***中还加入修正模块，通过修正模块中新增了对故障因素以及路况因素的判定由此进一步丰富了算法中的影响因素，并由此可以提使得挑选出来的最优的路线方案的时效性、安全性以及舒适性更高。

附图说明

图1为本发明的总体逻辑控制结构示意图。

图2为本发明中路网数据模型与反馈模块之间的结构示意图。

图3为本发明中修正策略的逻辑流程图。

附图中：10、路网数据包；11、特征配置策略；20、路线筛选单元；21、路线择定单元；3、反馈模块；4、修正模块；5、路网数据模型；6、运行终端；7、识别计时装置。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

需要说明的是，当组件被称为“固定于”另一个组件，它可以直接在另一个组件上或者也可以存在居中的组件。当一个组件被认为是“连接”另一个组件，它可以是直接连接到另一个组件或者可能同时存在居中组件。当一个组件被认为是“设置于”另一个组件，它可以是直接设置在另一个组件上或者可能同时存在居中组件。本文所使用的术语“垂直的”、“水平的”、“左”、“右”以及类似的表述只是为了说明的目的。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。

请同时参见图1至图3，本发明一较佳实施方式提供包括一种基于5G通信下的远程安全驾驶调度***，包括路网规划模块、反馈模块3与决策规划模块，路网规划模块用于收集当前作业面内的路线信息并根据路线信息建立相对应的路网数据模型5，反馈模块3用于及时更新运行终端6的实时运行特征值，决策规划模块根据当前的路网数据模型5以及实时运行特征值来计算筛选出最优的运行路线，并将该运行路线发送至需求车辆；

路网规划模块包括路网数据包10及特征配置策略11，路网数据包10内存储有当前作业面内车辆出发区与各目标作业区之间的所有通行方案，每一组通行方案的路线特征数据包内记录有组成该通行方案的每一单元路段及该通行方案内的所有交汇区的运行时耗特值以及风险特值，此运行时耗特值以及风险特值用于在后期的路线挑选中作为主要的影响因素使用，特征配置策略11可以调取反馈模块3内的运行特征值并更新至对应的运行时耗特值以及风险特值中；

决策规划模块包括路线筛选单元20及路线择定单元21，路线筛选单元20用于接收车辆端的第一需求信息，第一需求信息包括车辆的出发点及目标点信息，并根据第一需求信息筛选收集路网数据包10内所有符合条件的的预计可行路线；

路线择定单元21内配置有结果确定策略、优异值算法，优异值算法如下：

其中，Y为优异值，W为时效值，N为风险值，K₁、K₂、K₃为时耗权重值，K₁、K₂、K₃所使用的数值为一个常数，且其数值依次递增，如K₁＝0.9，K₂＝1.4、K₃＝1.8，A_i为每一双行车道单元路段的时耗值，B_m为每一单行车道单元路段的时耗值，C_l为每一交汇区的时耗值，P₁、P₂、P₃为风险权重值，P₁＝1、P₂＝2、P₃＝3，i为双行车道单元路段的数量，m为单行车道单元路段的数量，l为每一交汇区的数量；

结果确定策略筛选出所有预计可行路线中优异值最小的预计可行路线并且标记为预选路线，当预选路线为一组时直接将其作为最优路线发送至运行终端6，当预选路线为多组时挑选其中风险值最小的作为最优路线发送至运行终端6，当预选路线为多组且其中最小风险值相同的有多组时均作为最优路线发送至运行终端6。

通常当筛选出的最优路线数量小于3组时，将全部最优路线发送至运行终端6；

当筛选出的最优路线数量不小于3组时，将其中3组最优路线发送至运行终端6。由此可以控制所输出的结果的数量不至于太多，也可以提高运行终端6及时通过挑选做出最终选择。

如图2所示，反馈模块3包括耗时采集单元、特征赋值单元及更新策略，耗时采集单元用于采集每一车辆通过每一路段时的消耗时长并将消耗时长存储至路段更新数据包内，更新策略用于在达到更新时限时启动特征赋值单元，通过特征赋值单元计算出第一更新时耗，并将第一更新时耗替换至对应路段的运行时耗特值内。该时耗采集单元为使用射频识别计时***进行采集车辆通过任意路段及交汇区所耗用的时间特征值，该射频识别计时***为现有技术与现有的停车场的计时***一致，具体为在任意路段及交汇区的入口处和出口处设置识别计时装置7，两个识别计时装置7相互通讯，保持时间一致，每个识别计时装置7包括微处理器(CPU)、RAM存储器、时钟电路、射频读卡器及射频卡，微处理器分别控制上述各部分工作，射频读卡器读写射频卡。运行终端6上同样设置有与识别计时装置7进行识别的射频卡，该射频卡中存储有车辆的独有唯一身份信息，此信息用于保证每一组输出的第一更新时耗为同一运行终端6的耗时值，防止不同运行终端6之间的第二计时点与第一计时点进行相减从而导致数据出错。当运行终端6进入路口时入口处的识别计时装置7识别后形成第一计时点，当该车辆运行终端6离开路口时出口处的识别计时装置7识别后形成第二计时点，微处理器(CPU)将第二计时点与第一计时点之间的差值标记为一组更新特值，求取一定的更新时限内的所有的更新特值的平均数，将此平均数标记为第一更新时耗。更新时限可以根据实际的工作情况进行确定，如1小时或1天。且该反馈模块3设置于云端服务器内。由于其计算是所使用的数据量极大，所以要需要有较高处理能力的处理器对数据进行计算。

本***中还包括修正模块4，修正模块4包括因素采集单元、影响算法及修正策略，因素采集单元用于采集每一路段的风险因素并存入对应因素数据包，影响算法计算得出第一修正因素及第一修正结果，影响算法如下：Y₁＝Y+A；

其中Y₁为第一修正结果，A为第一修正因素，其具体为S为故障因素值和/或Q为路况因素值；

如图3所示，修正策略用于筛选出所有预计可行路线中第一修正结果最小的预计可行路线并且标记为修正路线，当修正路线为一组时直接将其作为最优路线发送至运行终端6，当修正路线为多组时挑选其中风险值最小及第一修正因素最小的作为最优路线发送至运行终端6，当预选路线为多组且其中最小风险值及第一修正因素相同的有多组时均作为最优路线发送至运行终端6。

因素采集单元还包括故障采集单元及故障赋值策略，故障采集单元用于采集每一路段第一统计时限内的事故数量，故障赋值策略根据事故数量为路段赋予风险等级，并将风险等级替换至对应路段的特征数据包内。

故障赋值策略还包括故障值算法，故障值算法如下：

S＝Z₁f+Z₂g+Z₃h；

其中，S为故障因素值，风险等级的划分需要工作人员依据实际的工作需求而制定，如在3个月的时间段内对应路段上发生的交通事故的数量的多少进行划分，如交通事故的数量小于3起为低风险等级。3-5起为中风险等级，5起以上为高风险等级，f为高风险等级的路段数量，g为中风险等级的路段数量，h为低风险等级的路段数量，Z₁、Z₂、Z₃为故障权重值，Z₁、Z₂、Z₃为常数且依次递减，如Z₁＝1.5，Z₂＝1.2，Z₃＝1。

因素采集单元还包括路况采集单元及路况赋值策略，路况采集单元用于采集每一路段内的路面质量，故障赋值策略根据路面质量为路段赋予路况等级，并将路况等级替换至对应路段的特征数据包内。

路况赋值策略还包括路况值算法，路况值算法如下：

Q＝V₁e+V₂t+V₃b；

其中，Q为路况因素值，路况等级通过路面上的凹坑数量进行划分，具体依据在单一车道内路面的凹坑的总量与路段长度的比值的大小进行划分，e为差路况等级的路段数量，t为普通路况等级的路段数量，b为好路况等级的路段数量，V₁、V₂、V₃为路况权重值，V₁、V₂、V₃为常数且依次递减，如V₁＝1.5，V₂＝1.0，V₃＝0.8。

本发明还提供了一种模糊算法，该算法如下：Y₂＝C₁Y+C₂S+C₁Q；

其中，其中Y₂为第一模糊结果，C₁、C₂、C₃为模糊权重值，C₁、C₂、C₃为常数且C₁>C₂，C₁>C₃，C₂与C₃的值的大小无限定，由此第一模糊结果在保证基础时效与安全的情况下，还可以通过调整C₂与C₃的值的大小，来调整最终选择出来的路线方案的舒适性更高还是安全性更高，由此可以方便具有不同驾驶经验的驾驶员进行选择，保证了方案的多样性以及对不同驾驶经验的驾驶人员的贴合度，S为故障因素值，Q为路况因素值。在进行最优路线的输出时其挑选策略与修正策略类似，在此不再赘述。

以一运行终端6从出发点A到目标点B为例进行说明，路线筛选单元20按照运行终端6的第一需求信息共筛选出3条符合条件的可行路线分别记为路线一、路线二、路线三，每一可行路线中所对应的运行时耗特值(min)、风险特值、故障因素值以及路况因素值如下表1所示：

表1

以其中的路线一为例进行计算：

优异值为：

故障因素值为：7.2＝1.5*2+1.2*1+1*3

路况因素值为：5.2＝1.5*0+1*2+0.8*4

第一模糊结果为：67.58＝1.5*37+1.1*7.2+0.8*5.2，本算法中C₁1.5，C₂＝1.1，C₃＝0.8；

按照路线一的计算过程计算路线二与路线三，其具体结果如下：

路线二的第一模糊结果为：43.6，路线三的第一模糊结果为：45.7；

经过对比后路线二的第一模糊结果最小，所以将路线二按照最优路线输出至运行终端6。

上述说明是针对本发明较佳可行实施例的详细说明，但实施例并非用以限定本发明的专利申请范围，凡本发明所提示的技术精神下所完成的同等变化或修饰变更，均应属于本发明所涵盖专利范围。

Claims (10)

1.一种基于5G通信下的远程安全驾驶调度***，其特征在于，包括路网规划模块、反馈模块(3)与决策规划模块，所述路网规划模块用于收集当前作业面内的路线信息并根据路线信息建立相对应的路网数据模型(5)，所述反馈模块(3)用于及时更新运行终端(6)的实时运行特征值，所述决策规划模块根据当前的路网数据模型(5)以及所述实时运行特征值来计算筛选出最优的运行路线，并将该运行路线发送至需求车辆；

所述路网规划模块包括路网数据包(10)及特征配置策略(11)，所述路网数据包(10)内存储有当前作业面内车辆出发区与各目标作业区之间的所有通行方案，每一组所述通行方案内记录有组成该通行方案的每一单元路段及该通行方案内的所有交汇区的运行时耗特值以及风险特值，所述特征配置策略(11)调取反馈模块(3)内的运行特征值并更新至对应的运行时耗特值以及风险特值中；

所述决策规划模块包括路线筛选单元(20)及路线择定单元(21)，所述路线筛选单元(20)用于接收车辆端的第一需求信息，所述第一需求信息包括车辆的出发点及目标点信息，并根据所述第一需求信息筛选收集所述路网数据包(10)内所有符合条件的的预计可行路线；

所述路线择定单元(21)内配置有结果确定策略、优异值算法，所述优异值算法如下：

其中，Y为优异值，W为时效值，N为风险值，K₁、K₂、K₃为时耗权重值，A_i为每一双行车道单元路段的时耗值，B_m为每一单行车道单元路段的时耗值，C_l为每一交汇区的时耗值，P₁、P₂、P₃为风险权重值，i为双行车道单元路段的数量，m为单行车道单元路段的数量，l为每一交汇区的数量；

所述结果确定策略筛选出所有预计可行路线中优异值最小的预计可行路线并且标记为预选路线，当所述预选路线为一组时直接将其作为最优路线发送至运行终端(6)，当所述预选路线为多组时挑选其中风险值最小的作为最优路线发送至运行终端(6)，当所述预选路线为多组且其中最小风险值相同的有多组时均作为最优路线发送至运行终端(6)。

2.根据权利要求1所述的一种基于5G通信下的远程安全驾驶调度***，其特征在于，所述反馈模块(3)包括耗时采集单元、特征赋值单元及更新策略，所述耗时采集单元用于采集每一车辆通过每一路段时的消耗时长并将所述消耗时长存储至路段更新数据包内，所述更新策略用于在达到更新时限时启动所述特征赋值单元，通过所述特征赋值单元计算出第一更新时耗，并将所述第一更新时耗替换至对应路段的运行时耗特值内。

3.根据权利要求2所述的一种基于5G通信下的远程安全驾驶调度***，其特征在于，还包括修正模块(4)，所述修正模块(4)包括因素采集单元、影响算法及修正策略，所述因素采集单元用于采集每一路段的风险因素并存入对应因素数据包，所述影响算法计算得出第一修正因素及第一修正结果，所述修正策略用于筛选出所有预计可行路线中第一修正结果最小的预计可行路线并且标记为修正路线，当所述修正路线为一组时直接将其作为最优路线发送至运行终端(6)，当所述修正路线为多组时挑选其中风险值最小及第一修正因素最小的作为最优路线发送至运行终端(6)，当所述预选路线为多组且其中最小风险值及第一修正因素相同的有多组时均作为最优路线发送至运行终端(6)。

4.根据权利要求3所述的一种基于5G通信下的远程安全驾驶调度***，其特征在于，所述因素采集单元还包括故障采集单元及故障赋值策略，所述故障采集单元用于采集每一路段第一统计时限内的事故数量，所述故障赋值策略根据事故数量为路段赋予风险等级，并将所述风险等级替换至对应路段的特征数据包内。

5.根据权利要求4所述的一种基于5G通信下的远程安全驾驶调度***，其特征在于，所述故障赋值策略还包括故障值算法，所述故障值算法如下：

S＝Z₁f+Z₂g+Z₃h；

其中，S为故障因素值，f为高风险等级的路段数量，g为中风险等级的路段数量，h为低风险等级的路段数量，Z₁、Z₂、Z₃为故障权重值。

6.根据权利要求5所述的一种基于5G通信下的远程安全驾驶调度***，其特征在于，所述因素采集单元还包括路况采集单元及路况赋值策略，所述路况采集单元用于采集每一路段内的路面质量，所述故障赋值策略根据路面质量为路段赋予路况等级，并将所述路况等级替换至对应路段的特征数据包内。

7.根据权利要求6所述的一种基于5G通信下的远程安全驾驶调度***，其特征在于，所述路况赋值策略还包括路况值算法，所述路况值算法如下：

Q＝V₁e+V₂t+V₃b；

其中，Q为路况因素值，e为差路况等级的路段数量，t为普通路况等级的路段数量，b为好路况等级的路段数量，V₁、V₂、V₃为路况权重值。

8.根据权利要求7所述的一种基于5G通信下的远程安全驾驶调度***，其特征在于，所述修正模块(4)中还配置有模糊算法，所述模糊算法如下：Y₂＝C₁Y+C₂S+C₁Q；

其中，其中Y₂为第一模糊结果，C₁、C₂、C₃为模糊权重值，S为故障因素值，Q为路况因素值。

9.根据权利要求1或3所述的一种基于5G通信下的远程安全驾驶调度***，其特征在于，当筛选出的所述最优路线数量小于3组时，将全部所述最优路线发送至运行终端(6)；

当筛选出的所述最优路线数量不小于3组时，将其中3组所述最优路线发送至运行终端(6)。

10.根据权利要求2所述的一种基于5G通信下的远程安全驾驶调度***，其特征在于，所述反馈模块(3)设置于云端服务器内。

Images