CN113734202B - 多车协同方法、装置、***、设备、介质和产品 - Google Patents
多车协同方法、装置、***、设备、介质和产品 Download PDFInfo
- Publication number
- CN113734202B CN113734202B CN202111109317.5A CN202111109317A CN113734202B CN 113734202 B CN113734202 B CN 113734202B CN 202111109317 A CN202111109317 A CN 202111109317A CN 113734202 B CN113734202 B CN 113734202B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- cooperative
- real
- path
- vehicles
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 110
- 238000012545 processing Methods 0.000 claims abstract description 46
- 230000001133 acceleration Effects 0.000 claims description 24
- 230000005540 biological transmission Effects 0.000 claims description 6
- 230000000875 corresponding effect Effects 0.000 description 54
- 230000008569 process Effects 0.000 description 20
- 238000010586 diagram Methods 0.000 description 17
- 238000004891 communication Methods 0.000 description 16
- 230000002441 reversible effect Effects 0.000 description 10
- 238000004590 computer program Methods 0.000 description 9
- 230000002829 reductive effect Effects 0.000 description 7
- 230000004044 response Effects 0.000 description 5
- 230000009471 action Effects 0.000 description 4
- 101100394003 Butyrivibrio fibrisolvens end1 gene Proteins 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000033001 locomotion Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000002079 cooperative effect Effects 0.000 description 2
- 230000006855 networking Effects 0.000 description 2
- 230000002195 synergetic effect Effects 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/001—Planning or execution of driving tasks
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2556/00—Input parameters relating to data
- B60W2556/45—External transmission of data to or from the vehicle
- B60W2556/55—External transmission of data to or from the vehicle using telemetry
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Human Computer Interaction (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Traffic Control Systems (AREA)
Abstract
本公开涉及多车协同方法、装置、***、设备、介质和产品。该方法可包括在云端执行的如下步骤:获取车联网中各车辆的规划路径信息和实时状态信息;基于各车辆的规划路径信息,确定本车与他车之间的协同区;基于协同区与实时状态信息,确定需要与本车协同的车辆集合;基于车辆集合,确定各车辆的通行权限。本公开通过云端进行多车协同处理,改善了由于车辆均相互避让导致的通行效率较低以及车辆均抢行导致的行驶安全问题,提升了交通效率,同时提升了车辆行驶安全性。
Description
技术领域
本公开涉及车辆技术领域,尤其涉及一种多车协同方法、装置、***、设备、介质和产品。
背景技术
无人驾驶车辆是智能车辆的一种,也可称为轮式移动机器人,其主要依靠以计算机***为主的智能驾驶仪来实现无人驾驶的目的。具体地,无人驾驶车辆可利用车载传感器来感知车辆周围环境,并根据感知所获得的道路、车辆位置和障碍物信息,控制车辆的转向和速度,从而使车辆能够较安全、可靠地在道路上行驶。
但是,无人驾驶车辆在行驶时,如果同时行驶在无信号灯的十字路口或丁字路口、人字路口等有交叉的区域,如果仅依靠单车进行决策,由于车载传感器能够感知的范围的限制,车辆可能会均相互避让,导致车辆阻塞,通行效率较低;或者车辆可能会均抢行,导致车辆发生碰撞,综上,会影响无人驾驶车辆的通行效率和行驶安全。
发明内容
为了解决上述技术问题或者至少部分地解决上述技术问题,本公开提供了一种多车协同方法、装置、***、设备、介质和产品。
本公开提供了一种多车协同方法,应用于云端,所述方法包括:
获取车联网中各车辆的规划路径信息和实时状态信息;
基于所述各车辆的规划路径信息,确定本车与他车之间的协同区;
基于所述协同区与所述实时状态信息,确定需要与本车协同的车辆集合;
基于所述车辆集合,确定各车辆的通行权限。
在一些实施例中,所述规划路径信息包括路径点集合,所述路径点集合中的每个路径点对应一个路径点索引;针对各条规划路径,自起点至终点,所述路径点索引依次递增;
其中,所述基于所述各车辆的规划路径信息,确定本车与他车之间的协同区,包括:
遍历本车和他车的路径点集合;
判断本车两个连续的路径点之间的线段与他车两个连续的路径点之间的线段是否满足协同条件;
记录满足所述协同条件的路径点为协同路径点;
基于所述协同路径点及对应的路径点索引,生成所述协同区;
其中,所述协同条件包括:
本车两个连续的路径点之间的线段与他车两个连续的路径点之间的线段相交或者两线段之间的距离小于预设距离阈值。
在一些实施例中,所述基于所述协同路径点及对应的路径点索引,生成所述协同区,包括:
遍历两车的协同路径点;
确定针对同一车辆的至少两个所述协同路径点对应的路径点索引连续后,生成对应匹配的一协同区。
在一些实施例中,所述实时状态信息包括实时位置、朝向、速度以及期望的加速度;
其中,所述基于所述协同区与所述实时状态信息,确定需要与本车协同的车辆集合,包括:
基于所述实时位置、朝向、速度以及期望的加速度,确定每台车辆的等效车辆;其中,所述等效车辆为车辆由所述实时位置向前延伸安全距离得到,所述安全距离基于所述速度、所述加速度以及预设安全距离确定;
针对一协同区,基于本车的等效车辆与他车的等效车辆,确定本车与他车是否需要协同;
将需要与本车进行协同的车辆加入需要与本车协同的车辆集合。
在一些实施例中,所述实时状态信息包括实时位置,所述基于所述协同区与所述实时状态信息,确定需要与本车协同的车辆集合,包括:
针对同一协同区,基于本车的实时位置与他车的实时位置,确定本车与他车是否需要协同;
将需要与本车进行协同的车辆加入需要与本车协同的车辆集合。
在一些实施例中,所述通行权限包括默认权限、高优先级和低优先级;所述基于所述车辆集合,确定各车辆的通行权限,包括:
确定车辆为不需要协同的状态后,设置通行权限为默认权限;
确定车辆为需要协同的状态后,针对每个协同区,基于先到先行原则,确定所述车辆集合中各车辆的通行权限;其中,确定一车的通行权限为高优先级后,他车的通行权限设置为低优先级。
在一些实施例中,所述方法还包括:
基于车辆的通行权限,更新车辆集合的状态;
基于车辆的通行权限,生成协同指令;
其中,当车辆的通行权限为默认权限或高优先级时,所述协同指令为通行指令;当车辆的通行权限为低优先级时,所述协同指令包括停车指令以及停车位置。
本公开还提供了一种多车协同方法,应用于车端,所述方法包括:
发送规划路径信息和实时状态信息;
接收协同指令;
其中,所述协同指令基于上述在云端实现的多车协同方法生成。
本公开还提供了一种多车协同装置,应用于云端,所述装置包括:
信息获取模块,用于获取车联网中各车辆的规划路径信息和实时状态信息;
第一处理模块,用于基于所述各车辆的规划路径信息,确定本车与他车之间的协同区;
第二处理模块,用于基于所述协同区与所述实时状态信息,确定需要与本车协同的车辆集合;
权限确定模块,用于基于所述车辆集合,确定各车辆的通行权限。
在一些实施例中,所述规划路径信息包括路径点集合,所述路径点集合中的每个路径点对应一个路径点索引;针对各条规划路径,自起点至终点,所述路径点索引依次递增;所述第一处理模块具体用于:
遍历本车和他车的路径点集合;
判断本车两个连续的路径点之间的线段与他车两个连续的路径点之间的线段是否满足协同条件;
记录满足所述协同条件的路径点为协同路径点;
基于所述协同路径点及对应的路径点索引,生成所述协同区;
其中,所述协同条件包括:
本车两个连续的路径点之间的线段与他车两个连续的路径点之间的线段相交或者两线段之间的距离小于预设距离阈值。
在一些实施例中,所述第一处理模块用于基于所述协同路径点及对应的路径点索引,生成所述协同区,具体包括:
遍历两车的协同路径点;
确定针对同一车辆的至少两个所述协同路径点对应的路径点索引连续后,生成对应匹配的一协同区。
在一些实施例中,所述实时状态信息包括实时位置、朝向、速度以及期望的加速度;所述第二处理模块具体用于:
基于所述实时位置、朝向、速度以及期望的加速度,确定每台车辆的等效车辆;其中,所述等效车辆为车辆由所述实时位置向前延伸安全距离得到,所述安全距离基于所述速度、所述加速度以及预设安全距离确定;
针对一协同区,基于本车的等效车辆与他车的等效车辆,确定本车与他车是否需要协同;
将需要与本车进行协同的车辆加入需要与本车协同的车辆集合。
在一些实施例中,所述实时状态信息包括实时位置,所述第二处理模块具体用于:
针对同一协同区,基于本车的实时位置与他车的实时位置,确定本车与他车是否需要协同;
将需要与本车进行协同的车辆加入需要与本车协同的车辆集合。
在一些实施例中,所述通行权限包括默认权限、高优先级和低优先级;所述权限确定模块具体用于:
确定车辆为不需要协同的状态后,设置通行权限为默认权限;
确定车辆为需要协同的状态后,针对每个协同区,基于先到先行原则,确定所述车辆集合中各车辆的通行权限;其中,确定一车的通行权限为高优先级后,他车的通行权限设置为低优先级。
在一些实施例中,所述装置还包括:
指令生成模块,用于基于车辆的通行权限,生成协同指令;
其中,当车辆的通行权限为默认权限或高优先级时,所述协同指令为通行指令;当车辆的通行权限为低优先级时,所述协同指令包括停车指令以及停车位置。
本公开还提供了一种多车协同装置,应用于车端,所述装置包括:
信息发送模块,用于发送规划路径信息和实时状态信息;
指令接收模块,用于接收协同指令;
其中,所述协同指令应用上述在云端设置的多车协同装置生成。
本公开还提供了一种多车协同***,包括:云端和车端;
所述云端用于执行上述任一种多车协同方法;
所述车端用于执行上述任一种多车协同方法。
在一些实施例中,所述车端与所述云端基于消息队列遥测传输通信。
本公开还提供了一种电子设备,包括:
存储器以及一个或多个处理器;
其中,所述存储器与所述一个或多个处理器通信连接,所述存储器中存储有可被所述一个或多个处理器执行的指令,所述指令被所述一个或多个处理器执行时,所述电子设备用于实现上述任一种多车协同方法。
本公开还提供了一种计算机可读存储介质,其上存储有计算机可执行指令,当所述计算机可执行指令被计算机装置执行时,用于实现上述任一种多车协同方法。
本公开还提供了一种计算机程序产品,所述计算机程序产品用于执行上述任一种多车协同方法。
本公开实施例提供的技术方案与现有技术相比具有如下优点:
一、通过车端和云端之间的通信,将单车决策的通行策略转换为由云端基于车联网中各车辆的规划路径信息和实时状态信息实现的通行策略,即实现基于车联网中的各车辆感知到的信息进行多车协同,可避免由于车载传感器感知范围有限导致的车辆相互避让或相互抢行的问题,从而有利于提高车辆的通行效率和行驶安全;
二、在云端进行多车协同的数据处理,可以有效减少车辆自身的数据处理量,从而有利于提高车辆的响应速度,从而提高通行效率和行驶安全;
三、云端基于车辆的规划路径信息决策出协同区,且协同区可随车辆路径的更新不断地进行调整,不需要对特定的冲突区域进行特定描述,使得该方法的适用场景更加广泛;
四、该方法中对于通行权限的确定,只需要计算可能发生冲突的车辆,而不需要遍历所有车辆,减少了数据处理量,提高了计算性能;
五、车辆(即车端)与云端之间基于消息队列遥测传输(Message QueuingTelemetry Transport,MQTT)通信,与基于LTE-V技术通信相比,其传递数据格式可以由用户自定义和扩展,使用灵活性较高,且成本较低。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。
为了更清楚地说明本公开实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,对于本领域普通技术人员而言,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本公开实施例提供的多车协同方法的一种应用场景示意图;
图2为本公开实施例提供的一种多车协同方法的流程示意图;
图3为本公开实施例提供的一种同向协同区的示意图;
图4为本公开实施例提供的一种反向协同区的示意图;
图5为本公开实施例提供的一种等效车辆的示意图;
图6为本公开实施例提供的一种同向协同的示意图;
图7为本公开实施例提供的一种反向协同的示意图;
图8为本公开实施例提供的多车协同方法中,一种确定车辆集合的流程示意图;
图9为本公开实施例提供的多车协同方法中,另一种确定车辆集合的流程示意图;
图10为本公开实施例提供的多车协同方法中,针对同一车辆的通行权限转换关系示意图;
图11为本公开实施例提供的多车协同方法中,一种确定车辆通行权限的流程示意图;
图12为本公开实施例提供的多车协同方法中,一种更新车辆协同状态的流程示意图;
图13为本公开实施例提供的另一种多车协同方法的流程示意图;
图14为本公开实施例提供的一种多车协同装置的结构示意图;
图15为本公开实施例提供的另一种多车协同装置的结构示意图;
图16为本公开实施例提供的一种多车协同***的结构示意图;
图17为本公开实施例提供的另一种多车协同方法的流程示意图;
图18为本公开实施例提供的一种电子设备的结构示意图。
具体实施方式
为了能够更清楚地理解本公开的上述目的、特征和优点,下面将对本公开的方案进行进一步描述。需要说明的是,在不冲突的情况下,本公开的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本公开,但本公开还可以采用其他不同于在此描述的方式来实施;显然,说明书中的实施例只是本公开的一部分实施例,而不是全部的实施例。
本公开实施例提供的多车协同方法,可应用于多车协同场景,其中例如可包括车辆在其路径的交叉区域(即后文中的“协同区”)处需要确定各车辆的通行权限。车辆可包括辅助驾驶车辆、无人驾驶车辆或其他可包括智能驾驶模块的车辆,在此不限定。交叉区域可包括十字路口、人字路口或丁字路口等车辆路径可能存在交叉的区域。
示例性地,车辆在行驶时,如果同时行驶至无信号灯的交叉区域附近,各车辆若仅依靠单车进行决策,车辆之间会相互避让或相互抢行,对应地,最终会导致车辆堵塞或发生碰撞,影响车辆的通行效率和行驶安全。
示例性地,图1示出了本公开实施例提供的多车协同方法的一种应用场景。参照图1,其中,011、012和013均代表行驶中的车辆,可分别以第一车辆011、第二车辆012和第三车辆013表示;带箭头的线段表示对应各车辆的行驶方向,对应地,0112、0122和0132分别代表各车辆基于单车决策进行通行得到的第一车辆011、第二车辆012和第三车辆013在下一时刻的位置。该情况下,三台车辆之间可能相互避让,导致车辆均停止向前行驶,进而导致车辆在一段时间内无法通行,影响交通;或者三台车辆之间可能相互抢行,导致车辆发生碰撞,从而导致行驶安全问题。
针对上述至少一个问题中,本公开实施例提出通过云端进行多车协同,即车联网中的各车辆将路径规划信息和实时状态信息上传至云端进行统筹处理,通过各车辆感知信息之间的补偿可得到相对较全面的信息,并且基于此确定第一车辆011、第二车辆012和第三车辆013中的车辆通行权限,即通过该路口的优先级,如此可避免车辆之间的相互避让或相互抢行,即可提供比单台车辆进行通行决策更合理的协同决策,改善了由于车端传感器感知范围有限导致的通行效率和行驶安全较低的问题。
在一些实施例中,可将同一运营区域(即“车联网”对应的区域)内的车辆均接入云端的协同服务,由同一云端对该运营区域内的所有车辆进行多车协同处理。即,云端采集车联网中各个车辆上传的数据,并基于此进行多车协同处理。
示例性地,各车辆均通过安全、可靠的通道和协议连接到云端,从而车端的数据可通过对应的通信方式上传至云端;其中,通信方式基于通道和协议实现,例如本文中的MQTT。
示例性地,车端上传至云端的数据包括但不限于:
1)车辆的规划路径该信息、当前行驶目的地、出发地等;
2)车辆的实时状态信息,包括车辆的当前位置、朝向、速度、加速度、电量、续航信息、当前的服务状态和待处理的服务请求等。
其中,当前的服务状态,例如可为人为控制状态或自动驾驶状态,或者自动驾驶状态下是否存在人为干预。基于服务状态,判断车辆是否基于云端的控制指令实现控制,包括协同控制。
其中,待处理的服务请求,例如可为身份认证请求、授权请求、控制请求等。
对应地,云端可基于车端上传的数据执行多车协同方法,从而得到各车辆的通行权限,并可进一步得到各车辆对应的协同指令,并下发至对应的车辆。
具体地,云端接收同一运营区域内各车辆的数据,并基于其中的车辆全局路径规划信息计算车辆与车辆之间需要协同的区域,即“基于规划路径信息,确定协同区”;并结合车辆实时状态信息,例如其位置、速度、朝向等信息确定协同车辆集合,并进一步决策出车辆的通行权限。如此可保证车辆在协同区能够顺序通行,避免相互阻塞,从而提高通行效率,提升行驶安全性。
下面结合图2-图18对本公开实施例提供的多车协同方法、装置、***、电子设备、计算机可读存储介质和计算机程序产品进行示例性说明。
示例性地,图2示出了本公开实施例提供的一种多车协同方法的流程示意图。参照图2,该方法可包括如下步骤。
S101、获取车联网中各车辆的规划路径信息和实时状态信息。
其中,车联网中可包括由同一云端或相互通信的几个云端统筹进行数据处理的多台车辆,各车辆的数据可上报至云端,在云端进行统筹处理。
车辆的数据可包括车辆的规划路径信息和实时状态信息。
其中,规划路径信息为全局规划路径信息。示例性地,可在车辆启动之前,基于出发地、目的地以及实时路况,在车端本地进行路径规划,并将规划路径信息长传至云端;或者,在车辆行进过程中,按照预设的时间间隔,例如5分钟、10分钟或其他时间间隔,周期性地将规划路径信息上传至云端;或者,在车辆行进过程中,基于实时路况的变化,将更新后的规划路径信息上传至云端。由此,云端能够基于车辆上传的规划路径信息,更新本车与他车的协同区。
其中,实时状态信息可包括车辆状态相关的各种实时信息,例如车辆运动状态相关的实时信息、车辆驾驶状态相关的实时信息、车辆的驾舱舒适状态相关的实时信息等;其中,运动状态相关的实时信息可包括速度、朝向、加速度等,驾驶状态相关的实时信息可包括自动驾驶、人为驾驶等,驾舱舒适状态相关的实时信息可包括驾舱内的温度、湿度、亮度等,本实施例中,参与多车协同处理的实时状态信息主要包括运动状态和驾驶状态相关的实时信息。
在其他实施方式中,实时状态信息还可包括用于表征车辆实时状态的其他维度的信息,在此不赘述也不限定。
其中,车端将其各自的规划路径信息和实时状态信息汇总,并上传至云端。对应地,云端接收车端上传的规划路信息和实时状态信息。
S102、基于各车辆的规划路径信息,确定本车与他车之间的协同区。
其中,协同区为车辆路径中的交叉或相近的区域,车辆在协同区中可能发生碰撞,由此需要针对协同区进行多车协同处理。
具体地,基于车辆的规划路径信息,可确定车辆的规划路径。云端将本车的规划路径与他车的规划路径进行计算,可得到本车与他车之间的协同区。
示例性地,下文中以规划路径信息包括路径点集合为例,对协同区的确定的具体步骤进行示例性说明。
S103、基于协同区与实时状态信息,确定需要与本车协同的车辆集合。
其中,前述S102中确定的协同区为基于全局规划路径信息确定的本车与他车的协同区,其可理解为静态的协同区;随着车辆的实时状态信息的更新,针对某一协同区,车辆之间可能需要进行协同,也可能无需进行协同。由此,在确定协同区的基础上,还需要结合实时状态信息,确定需要与本车进行协同的车辆,即形成需要与本车协同的车辆集合。
示例性地,下文中结合“等效车辆”和车辆的实时位置,对确定车辆集合的具体方式进行示例性说明。
S104、基于车辆集合,确定各车辆的通行权限。
其中,车辆的通行权限可基于车辆集合中各车辆的实时状态确定,当车辆集合为空,即没有需要协同的车辆时,本车具有通行权,该通行权限可为默认权限,可采用INIT表示;当车辆集合非空,即存在需要协同的车辆时,若本车可以优先通行,则本车的通行权限较高,该通行权限可为高优先级,可采用CROSSING表示;当车辆集合非空,但本车的通行权限较低,即需要等待其它车辆通过时,该通行权限可为低优先级,可采用WAITING表示。后文中对通行权限的具体确定方式进行示例性说明。
本公开实施例提供的多车协同方法,可基于云端执行,云端接收车联网中各车辆上传的规划路径信息和实时状态信息,并基于规划路径信息确定本车与他车的协同区;进一步地,结合实时状态信息,确定需要与本车协同的车辆集合;基于车辆集合,确定各车辆的通行权限。由此,通过云端进行多车协同处理,弥补了车载传感器感知范围的局限性,即能够得到较全面的信息,以便协同分配各车辆的通行权限,改善了基于单车进行决策而导致的车辆相互避让或抢行而带来的通行效率较低和行驶安全较低的问题,有利于提高通信效率,提升行驶安全。
在一些实施例中,规划路径信息包括路径点集合,路径点集合中的每个路径点对应一个路径点索引;针对各条规划路径,自起点至终点,路径点索引依次递增。
示例性地,路径点可以坐标点表示,路径点索引可采用***数字表示。起点对应的路径点索引可为0,并随着路径的延伸,路径点索引依次为1、2、3、4、……,直至终点对应的路径点索引。
在其他实施方式中,路径点索引还可采用字母、字母与数字结合或本领域技术人员可知的其他形式表示,在此不限定。
示例性地,针对同一条路径,相邻两个路径点索引之间的距离可相同,也可不同;针对不同路径,其路径点索引的数据可相同,也可不同,在此不限定。
由此,示例性地,图2示出的方法中,S101中的获取车辆的规划路径信息,具体可包括:云端接收车端上报当前的规划路径信息,规划路径信息以坐标点的方式进行表示,路径点索引从起点到终点从0依次递增。
基于此,对各车辆的规划路径信息进行统筹处理,确定车辆与车辆之间的协同区,即得到本车与他车的协同区。
具体地,确定协同区的流程可包括如下步骤。
计算本车规划路径与其他车辆的规划路径之间需要协同的路径点及对应的路径点索引的集合。具体计算方法可选为:遍历本车和他车的路径点集合,判断本车两个连续的路径点组成的线段与他车两个连续路径点组成的线段是否需要协同,判断条件为:两线段之间相交或两线段之间的距离小于某一阈值(下文中结合“预设距离阈值”进行说明)。将满足判断条件的路径点及对应的路径点索引记录保存下来,即形成需要协同的路径点及对应的路径点索引的集合。其中,两线段相交是指两线段之间存在交点;两线段之间的距离小于某一阈值也可理解为两线段相近,是考虑车宽、路宽等因素,限定两车辆之间的安全距离。该多车协同方法的实现时,该安全距离可为一定值,也可随车宽、路宽等因素变化,在此不限定。
基于需要协同的路径点及对应的路径点索引的集合,生成协同区的信息。具体方法可选为:遍历两车协同路径点及对应的路径点索引的集合,如果路径点索引连续,则认为其属于同一个协同区,增长匹配的协同区,并记录增长方向和增长的路径点索引的个数;当出现路径点索引不连续的情况时,则该路径点索引是新的协同区的起点。
判断协同区的方向。具体方法可选为:根据协同区的增长方向进行判断,如果本车的协同区增长方向与他车的协同区增长方向相同,则为同向协同区,如图3所示,在这一区域两车同向行驶;若本车的协同区增长方向与他车的协同区增长方向相反,则为反向协同区,如图4所示,在这一区域两车反向行驶。
示例性地,参照图3和图4,其中,A和B代表两车辆,A01代表A与B的协同区,A11代表该协同区的增长方向;B01代表B与A的协同区,B11代表该协同区的增长方向。基于此,图3中,两协同区的增长方向相同,示出了同向协同区;图4中,两协同区的方向相反,示出了反向协同区。
示例性地,协同区可包括:本车协同区[begin1,end1]和他车协同区[begin2,end2]。具体地,针对同一协同区,若本车的协同区对应的路径点索引依次为5、6、7、8、9、10,即[begin1,end1]为[5,10],他车的协同区对应的路径点索引依次为20、21、22、23,即[begin2,end2]为[20,23],则两车之间的协同区为同向协同区;若本车的协同区对应的路径点索引依次为5、6、7、8、9、10,即[begin1,end1]为[5,10],他车的协同区对应的路径点索引依次为29、28、27、26,即[begin2,end2]为[29,26],则两车之间的协同区为反向协同区。此仅为示例性说明,在其他实施方式中,同一协同区对应的不同车辆的路径索引点的数据还可为其他任意数目,且其对应的本车与他车的路径索引点的数目可相同,也可不同,可基于车辆实际上传的规划路径信息确定,在此不限定。
其中,由于车辆上传规划路径信息时,各车辆之间的路径点以及对应的路径点索引并不完全对应,所以本车与他车对应于同一个协同区的边界信息可能会存在差异。在一些实施方式中,本车与他车对应于同一个协同区的边界信息还可相同,在此不限定。进一步可选的,可利用路径点索引计算对应的空间坐标,协同区的第一个交点坐标为以坐标表示的连续路径中的第一个交点的坐标。
在一些实施例中,在图2的基础上,S102还可包括如下步骤。
遍历本车和他车的路径点集合;
判断本车两个连续的路径点之间的线段与他车两个连续的路径点之间的线段是否满足协同条件;
记录满足协同条件的路径点为协同路径点;
基于协同路径点及对应的路径点索引,生成协同区;
其中,协同条件包括:本车两个连续的路径点之间的线段与他车两个连续的路径点之间的线段相交或者两线段之间的距离小于预设距离阈值。
具体地,计算本车规划路径与其他车辆的规划路径之间需要协同的路径点及对应的路径点索引的集合;基于需要协同的路径点及对应的路径点索引的集合,生成协同区的信息;基于协同区的信息,判断协同区的方向,生成协同区,包括同向协同区和反向协同区。
其中,预设距离阈值为考虑车宽、路宽等因素,限定两车辆之间的安全距离的一阈值,可为一固定距离值,也可为一随车宽、路宽等因素变化的距离值,例如可为1米、2米或其他距离值,本公开实施例对其具体取值不做限定。
在一些实施例中,上述步骤中的“基于协同路径点及对应的路径点索引,生成协同区”,具体可包括:
遍历两车的协同路径点;
确定针对同一车辆的至少两个协同路径点对应的路径点索引连续后,生成对应匹配的一协同区。
具体地,将路径点索引连续的路径点匹配在同一协同区内,若路径点索引出现不连续的情况,则该不连续的路径点索引对应的路径点为一新的协同区的起点,如此,生成协同区。
在上述实施方式的基础上,在生成协同区之后,可结合实时状态信息,确定需要与本车进行协同的车辆集合。
在一些实施例中,实时状态信息包括实时位置、朝向、速度以及期望的加速度。
基于此,在一些实施例中,在图2的基础上,S103具体可包括:
基于实时位置、朝向、速度以及期望的加速度,确定每台车辆的等效车辆;
针对一协同区,基于本车的等效车辆与他车的等效车辆,确定本车与他车是否需要协同;
将需要与本车进行协同的车辆加入需要与本车协同的车辆集合。
其中,等效车辆为车辆由实时位置向前延伸安全距离得到,安全距离基于速度、加速度以及预设安全距离确定。
示例性地,图5示出了一种等效车辆的示意图。参见图5,第一车辆011的实时位置以021示出,其等效车辆的实时位置由022示出,可由实时位置021向前延伸安全距离得到。即安全距离为车辆向前延伸的距离,可通过下式得到:
安全距离=max(v×v/2a,预设安全距离);
其中,预设安全距离为惯常情况下可确保车辆安全的最小距离阈值。示例性地,预设安全距离可为基于同一批车辆的统计规律得到的一距离值,或为车辆研发人员基于经验值确定的一距离值,或为车辆驾驶人员基于驾驶经验确定的一阈值,在此不限定;可为满足车辆安全需求的任意距离值,对其取值不限定。
其中,v×v/2a代表车辆速度v和期望的加速度a按照车辆的朝向向前行驶,速度减速到0时距离实时位置的距离,可称为实时安全距离;相对于车辆速度方向而言,车辆的加速度方向与速度方向相反,也可称为减速度,以实现车辆减速。
其中,安全距离=max(v×v/2a,最小阈值)代表安全距离取实时安全距离与预设安全距离的最大值,以确保车辆安全。
基于此,针对同一协同区,判断本车与他车是否需要协同,并将需要协同的车辆加入车辆集合。
示例性地,图6和图7分别示出了同向协同和反向协同的车辆。
参见图6,同向行驶的即将在但目前未在协同区的车辆为需要协同的车辆,若车辆已在协同区(以A’示出)或已经跨过协同区(以A”示出),则不需要协同。进一步地,同向需要竞争通行权限的区域,即同向需要协同的区域为协同区开始的部分区域,例如当车辆A具有高优先级的通行权限时,车辆B待其进入协同区后,随其后行驶即可。
参见图7,反向行驶的即将在协同区或已经在协同区的车辆,由于两车不能同时在协同区,则两车辆为需要协同的车辆。进一步地,反向需要竞争通行权限的区域为整个协同区,即由于两车不能同时在协同区,例如当车辆A具有高优先级的通行权限时,车辆B需要等车辆A完全通过协同区之后,方能进入协同区。
上述对图6和图7的说明中,即将在协同区的车辆可根据等效车辆的实时位置进行判断,即如果车辆按照预期的加速度进行减速后停车的位置在协同区内,则认为车辆即将在协同区内;或者,即将在协同区的车辆也可根据车辆自身的实时位置进行判断,即当车辆的实时位置与协同区之间的距离小于一定距离(具体取值不限定)时,则认为车辆即将在协同区内。
由此,在一些实施例中,图2中的S103具体还可包括:
针对同一协同区,基于本车的实时位置与他车的实时位置,确定本车与他车是否需要协同;
将需要与本车进行协同的车辆加入需要与本车协同的车辆集合。
由此,针对某一车辆,基于该车辆与其他车辆的协同区,以及结合实时状态信息,可得到实际需要与本车需要协同的车辆集合。
示例性地,图8和图9分别示出了确定车辆集合的两种流程。
参见图8,本公开实施例提供的多车协同方法中,确定车辆集合的具体流程可包括如下步骤。
S210、开始。
S211、遍历本车与其他所有车辆的协同区集合。
S212、遍历本车与某一车辆的协同区集合。
S213、判断本车是否需要协同。
若判断结果为是(Y),则执行后续步骤;否(N)则,返回执行前述S212。
S214、判断他车是否需要协同。
若判断结果为是(Y),则执行后续步骤;否(N)则,返回执行前述S212。
S215、相向车辆。
即判断两车是否为相向车辆。若是(Y),则执行后续S218;否(N)则,继续后续判断,即执行S216。
S216、判断是否他车在协同区。
若判断结果为否(N),则继续后续判断,即执行S217;若是(Y),则返回执行前述遍历步骤,即S211和S212。
S217、判断是否本车在协同区。
若判断结果为否(N),则继续执行后续S218;若是(Y),则返回执行前述遍历步骤,即S211和S212。
S218、他车加入协同车辆集合。
其中,遍历本车与其他所有车辆的所有协同区,若为相向(即“反向”)需要协同的车辆,则直接将他车加入协同车辆集合;若为同向需要协同的车辆,则判断两车是否在协同区内,若均未在协同区内,则将他车加入协同车辆集合,若有一车在协同区内,则另一车跟随其后即可,无需将他车加入协同车辆集合。
如此,完成确定车辆集合的过程。
后者,参见图9,本公开实施例提供的多车协同方法中,确定车辆集合的具体流程可包括如下步骤。
S220、开始。
S221、判断是否本车为正常运行状态。
若判断结果为是(Y),则执行后续步骤;否(N)则,直接结束。
S222、遍历本车协同区集合。
即针对本车,遍历本车与他车的协同区。
S223、判断是否他车当前位置有效。
若判断结果为是(Y),则执行后续步骤;否(N)则,跳过该车辆,对下一他车进行判断,即返回执行S222。
S224、遍历与他车的协同区。
其中,本车与某一辆他车的协同区可能有多个,需遍历。
S225、判断是否本车已跨过该区域或未来不能到达该区域。
若判断结果为是(Y),则针对该协同区无需协同,返回执行S224;否(N)则,继续执行后续步骤。
S226、判断是否他车已跨过该区域或未来不能到达该区域。
若判断结果为是(Y),则针对该协同区无需协同,返回执行S224;否(N)则,继续执行后续步骤。
S227、相向车辆。
即判断两车是否为相向车辆。若是(Y),则执行后续S228和S229;否(N)则,执行后续S230-S232。即针对相向车辆和同向车辆分别进行判断。
S228、判断是否两车都在协同区内。
若判断结果为是(Y),则无需进行协同,返回S224;否(N)则,继续进行后续判断,即执行S229。
S229、判断是否两车都驶出自己的协同区。
若判断结果为是(Y),则无需进行协同,返回执行前述遍历步骤,即S224;否(N)则,表明相向行驶的本车与他车需要协同,即执行后续S233。
如此,结合S228和S229,完成相向车辆的协同判断。
S230、判断是否他车在协同区。
若判断结果为否(N),则继续后续判断,即执行S231;若是(Y),则返回执行前述遍历步骤,即S224。
S231、判断是否本车在协同区。
若判断结果为否(N),则继续后续判断,即执行S232;若是(Y),则返回执行前述遍历步骤,即S224。
S232、判断是否有车驶出自己的协同区。
若判断结果为是(Y),表明针对该协同区,本车或他车中存在车辆驶出自己的协同区,此时无需协同,返回执行前述遍历步骤,即S224;否(N)则,执行后续S233。
如此,结合S230-S232,完成同向车辆的协同判断。
S233、他车加入协同车辆集合。
如此,将同向需要相同的车辆和反向需要协同的车辆,均加入协同车辆集合中。
S234、结束。
至此,完成确定车辆集合的过程。
在上述实施方式中,车辆的通行权限可包括:默认权限(INIT)、高优先级(CROSSING)和低优先级(WAITING)。基于此,车辆集合中的车辆按照其通行权限可划分至两个不同的集合中,分别以partner_和intersect_示出,其中,partner_包括比其优先级高的车辆,intersect_包括比其优先级低的车辆。
其中,车辆集合为空时,表明没有需要与本车协同的车辆,此时,partner_和intersect_也均为空,本车可通行,其通行权限为INIT;当车辆集合非空,则确定需要协同的本车与他车的通行权限,即优先级的高低,高优先级的车辆进入partner_,低优先级的车辆进入intersect_,partner_中的车辆可通行,intersect_中的车辆需要等待;对于同一辆车,其进入partner_或intersect_,即可直接通行,或需要等待。
对应地,车辆的通行权限为INIT时,为不需要协同的状态,此时,partner_和intersect_均为空,本车可通行;通行权限为CROSSING时,本车可通行,partner_为空,intersect_非空;通行权限为WAITING时,本车需要等待其它车辆通过,partner_非空,intersect_为空。
针对每一个协同区,只能有一个通行权限为CROSSING的车辆。针对同一车辆,其各通行权限的转换关系如图10所示。其中,关系转化可包括:默认权限INIT与高优先级CROSSING之间的相互转换,以及默认权限INIT与低优先级WAITING之间的相互转换。
在一些实施例中,竞争通行权,即确定通行权限的过程如图11所示,该过程具体可包括如下步骤。
S240、开始。
S241、判断是否协同车辆集合非空。
若判断结果为是(Y),则表明本车与他车需要协同,继续执行后续步骤;否(N)则,两车不需要协同,可直接结束。
S242、本车INIT或CROSSING状态。
即判断本车的通行权限是否为INIT或CROSSING。若是(Y),则执行后续步骤;否(N)则,直接结束。
S243、遍历协同车辆集合。
S244、判断是否他车在本车intersect_中。
若判断结果为是(Y),则返回执行遍历步骤,即S243;否(N)则,继续进行后续判断步骤。
S245、判断是否本车在他车partner_中。
若判断结果为是(Y),则返回执行遍历步骤,即S243;否(N)则,继续进行后续判断步骤。
S246、判断是否他车是WAITING状态。
若判断结果为是(Y),则执行后续S249;否(N)则,继续进行后续判断步骤。
S247、判断是否本车在自己的协同区。
若判断结果为是(Y),则返回执行遍历步骤,即S243;否(N)则,继续执行后续步骤,即S248。
S248、按照FIFO的原则确定通行权限并将车辆添加到相应的集合。
其中,FIFO原则即先到先行(First in First out)原则,采用该原则,在车流密度不是很大时为路口通行提供较高的通行效率,本公开实施例基于该原则进行通行优先级的判断。具体为:如果两台车辆需要协同,计算车辆各自按照预期的加速度减速停车后距离协同区起点的距离,距离更近者拥有高优先级的通行权限。
S249、如果本车在协同区且状态非WAITING,则将二者关联,否则跳过。
其中,将二者关联是指将本车与他车关联,具体包括,将高优先级的车辆加入到partner_中,将低优先级的车辆加入到intersect_中。
S250、结束。
至此,完成确定车辆的通行权限的过程。
基于此,在一些实施例中,在图2的基础上,S104具体可包括:
确定车辆为不需要协同的状态后,设置通行权限为默认权限;
确定车辆为需要协同的状态后,针对每个协同区,基于先到先行原则,确定车辆集合中各车辆的通行权限;其中,确定一车的通行权限为高优先级后,他车的通行权限设置为低优先级。
在此基础上,还可基于车辆的通行权限,更新车辆协同的集合状态,并发送车辆应该执行的动作到车端。
在一些实施例中,该方法还可包括:
基于车辆的通行权限,更新车辆集合的状态;
基于车辆的通行权限,生成协同指令;
其中,当车辆的通行权限为默认权限或高优先级时,协同指令为通行指令;对应地,车辆可接收通行指令,并基于该指令通行。当车辆的通行权限为低优先级时,协同指令包括停车指令以及停车位置;对应地,车辆可接收协同指令,并基于该指令停车至停车位置,以等待其它车辆通过。示例性地,停车位置可为协同区起点位置处或协同区之前的距离协同区的起点预设距离的其他位置处,不影响其他车辆通过协同区即可,本公开实施例对具***置不做限定。
其中,车辆集合的状态更新如图12所示。其过程可包括:
对于通行权限为CROSSING的车辆,可包括:
遍历intersect_车辆集合;
判断他车是否在协同车辆集合中;
若判断结果为否(N),即他车不在协同车辆集合中,则他车也不应在intersect_中,需将其从intersect_中删除;若判断结果为是(Y),则继续遍历intersect_车辆集合。
同时,对于通行权限为CROSSING的车辆,还可包括:
遍历协同车辆集合;
判断他车是否不在intersect_车辆集合中;
若判断结果为是(Y),即他车在协同车辆集合,但却不在intersect_车辆集合中,需将该他车同步到intersect_中,即将其加入intersect_中;若判断结果为否(N),则继续遍历协同车辆集合。
对于通行权限为WAITING的车辆,可包括:
遍历partner_车辆集合;
判断他车是否在协同车辆集合中;
若判断结果为否(N),即他车不在协同车辆集合中,则他车也不应在partner_中,需将其从partner_中删除;若判断结果为是(Y),则继续遍历partner_车辆集合。
如此,完成基于车辆的通行权限,更新车辆集合。
本公开实施例提供的多车协同方法,利用车云通信可以将车端数据上传至云端,并在云端进行多车协同处理,得出协同通行决策,可以有效减少单车计算量,即减少单车自身的数据处理量,有利于提高车辆的响应速度。其次,该多车协同方法中,可基于车辆的规划路径信息确定协同区,协同区会随着车辆路径的更新不断进行调整,不需要对特定的冲突区域进行特定描述,应用场景更加广泛。同时,该多车协同方法中,只需要计算可能发生冲突车辆,即仅需要对确定的需要与本车进行协同的车辆进行通行权限的逻辑判断,而不需要对所有车辆的数据进行处理,即不需要重新遍历所有车辆数据,从而减少了数据处理量,提高了数据处理速度,提高车辆通行效率,提升行驶安全性。
本公开实施例还提供了一种多车协同方法,应用于车端,与上述云端执行的方法相互配合,实现对多台车辆的协同通行。
在一些实施例中,图14为本公开实施例提供的另一种多车协同方法的流程示意图,示出了在车端执行的方法。示例性地,参照图14,该方法可包括如下步骤。
S201、发送规划路径信息和实时状态信息。
其中,车辆可将规划路径信息和实时状态信息汇总之后,一起发送至云端;或者车辆可将规划路径信息和实时状态信息分别发送至云端,在此不限定。对应地,云端接收车端发送的规划路径信息和实时状态信息。
S202、接收协同指令。
其中,协同指令基于上述在云端实现的多车协同方法生成。
具体地,云端基于接收的车端发送的规划路径信息和实时状态信息,执行上述在云端实现的多车协同方法的步骤,得到协同指令,并下发至车端。对应地,车端接收云端下发的协同指令,后续可基于接收到的协同指令,执行对应的操作。
其中,当车辆的通行权限为INIT或CROSSING时,车辆接收到的协同指令为通行指令,该协同指令中不包括停车位置,车辆维持行驶状态,不进行其他特殊操作;当车辆的通行权限为WAITING时,车辆接收到的协同指令包括停车指令以及停车位置,车端基于该协同指令在停车位置处停车,以等待其他车辆通过协同区。
本公开实施例提供的多车协同方法中,车端将规划路径信息和实时状态信息发送至云端,并接收云端下发的协同指令,可减少车端的数据处理量,提高车端的响应速度;同时,云端基于车联网中的各车端数据进行多车协同处理,即将车联网中的各车辆数据进行统筹处理,确定各车辆的协同指令,得到各车辆协同时的通行顺序,避免了车辆之间的相互避让或相互抢行,有利于提高通行效率,提升行驶安全。
本公开实施例还提供了一种多车协同装置,应用于云端,用于执行上述任一种在云端实现的多车协同方法的步骤,实现对应的效果。
在一些实施例中,图14为本公开实施例提供的一种多车协同装置的结构示意图。参照图14,该装置可包括:信息获取模块310,用于获取车联网中各车辆的规划路径信息和实时状态信息;第一处理模块320,用于基于各车辆的规划路径信息,确定本车与他车之间的协同区;第二处理模块330,用于基于协同区与实时状态信息,确定需要与本车协同的车辆集合;权限确定模块340,用于基于车辆集合,确定各车辆的通行权限。
本公开实施例提供的设置于云端的多车协同装置,通过上述各功能模块之间的协同作用,通过云端进行多车协同处理,弥补了车载传感器感知范围的局限性,即能够得到较全面的信息,以便协同分配各车辆的通行权限,改善了基于单车进行决策而导致的车辆相互避让或抢行而带来的通行效率较低和行驶安全较低的问题,有利于提高通信效率,提升行驶安全。
在一些实施例中,规划路径信息包括路径点集合,路径点集合中的每个路径点对应一个路径点索引;针对各条规划路径,自起点至终点,路径点索引依次递增。基于此,第一处理模块320具体可用于:
遍历本车和他车的路径点集合;
判断本车两个连续的路径点之间的线段与他车两个连续的路径点之间的线段是否满足协同条件;
记录满足协同条件的路径点为协同路径点;
基于协同路径点及对应的路径点索引,生成协同区;
其中,协同条件包括:
本车两个连续的路径点之间的线段与他车两个连续的路径点之间的线段相交或者两线段之间的距离小于预设距离阈值。
如此,可基于路径点以及路径点索引,确定本车与他车之间的协同区。
在一些实施例中,第一处理模块320用于基于协同路径点及对应的路径点索引,生成协同区,具体可包括:
遍历两车的协同路径点;
确定针对同一车辆的至少两个协同路径点对应的路径点索引连续后,生成对应匹配的一协同区。
如此,可基于计算得到的协同路径点,确定各协同区。
在一些实施例中,实时状态信息包括实时位置、朝向、速度以及期望的加速度。基于此,第二处理模块330具体可用于:
基于实时位置、朝向、速度以及期望的加速度,确定每台车辆的等效车辆;其中,等效车辆为车辆由实时位置向前延伸安全距离得到,安全距离基于速度、加速度以及预设安全距离确定;
针对一协同区,基于本车的等效车辆与他车的等效车辆,确定本车与他车是否需要协同;
将需要与本车进行协同的车辆加入需要与本车协同的车辆集合。
如此,可结合实时状态信息确定等效车辆,并进一步确定需要与本车协同的车辆集合。
在一些实施例中,实时状态信息包括实时位置,第二处理模块330具体还可用于:
针对同一协同区,基于本车的实时位置与他车的实时位置,确定本车与他车是否需要协同;
将需要与本车进行协同的车辆加入需要与本车协同的车辆集合。
如此,可结合实时位置,确定需要与本车协同的车辆集合。
在一些实施例中,通行权限包括默认权限、高优先级和低优先级。
基于此,权限确定模块340具体可用于:
确定车辆为不需要协同的状态后,设置通行权限为默认权限;
确定车辆为需要协同的状态后,针对每个协同区,基于先到先行原则,确定车辆集合中各车辆的通行权限;其中,确定一车的通行权限为高优先级后,他车的通行权限设置为低优先级。
如此,可基于车辆集合,确定各车辆的通行权限。
在一些实施例中,在图14的基础上,该多车协同装置还可包括:
指令生成模块,用于基于车辆的通行权限,生成协同指令;
其中,当车辆的通行权限为默认权限或高优先级时,协同指令为通行指令;当车辆的通行权限为低优先级时,协同指令包括停车指令以及停车位置。
如此,可基于各车辆的通行权限生成协同指令。其中,协同指令可由云端下发至对应的各车端。
需要说明的是,本公开实施例所示的多车协同装置可以执行上文所示的方法实施例中的各个步骤,并且实现上文所示的方法实施例中的各个过程和效果,在此不做赘述。
本公开实施例还提供了一种多车协同装置,应用于车端,用于执行上述任一种在车端实现的多车协同方法的步骤,实现对应的效果。
在一些实施例中,图15为本公开实施例提供的另一种多车协同装置的结构示意图。参照图15,该装置可包括:
信息发送模块410,用于发送规划路径信息和实时状态信息;
指令接收模块420,用于接收协同指令;
其中,协同指令应用上述在云端设置的多车协同装置生成。
本公开实施例提供的设置于车端的多车协同装置,通过上述各功能模块的协同作用,可将车端的规划路径信息和实时状态信息发送至云端,并接收云端下发的协同指令,可减少车端的数据处理量,提高车端的响应速度;同时,云端设置的多车协同装置可基于车联网中的各车端数据进行多车协同处理,即将车联网中的各车辆数据进行统筹处理,确定各车辆的协同指令,得到各车辆协同时的通行顺序,避免了车辆之间的相互避让或相互抢行,有利于提高通行效率,提升行驶安全。
在上述实施方式的基础上,本公开实施例还提供了一种多车协同***,该多车协同***可包括云端和车端,分别用于对应执行上述在云端或车端实现的任一种多车协同方法的步骤,实现对应的效果。
在一些实施例中,图16为本公开实施例提供的一种多车协同***的结构示意图。参照图16,该多车协同***可包括:云端02和车端01;其中,云端02用于执行上述任一种在云端实现的多车协同方法,车端01用于执行上述任一种在车端实现的多车协同方法。
具体地,车端01可指代车联网中的各车辆,分别以车辆1、车辆2……、车辆n示出,车端01将规划路径信息和实时状态信息发送至云端02;对应的,云端02基于车端01上报的信息进行多车协同处理,实现通行权限的分配,并进一步生成协同指令,下发至对应车端01。
可选的,云端02还可直接将通行权限下发至车端01,车端01基于云端01协同下发的通行权限,进行协同通行。
其中,该***中,可将车端数据上传至云端,在云端进行统筹处理,从而实现多车协同通行,提高通行效率,提升行驶安全。具体地,云端能够接收车联网中所有运行车辆的规划路径信息和实时状态信息,并与此决策出每辆车与其他车辆的协同区,当存在他车与本车针对同一个协同区进行协同处理时,能够快速地决策出通行顺序,即确定车辆的通行权限,并生成协同指令,下发至对应的车端,从而实现多车协同通行。
在一些实施例中,车端与云端基于消息队列遥测传输通信。
如此,车端与云端之间可基于MQTT通信的方式,其与基于LTE-V通信技术相比,传递数据格式可以由用户自定义和扩展,使用更加灵活,且成本更低。
示例性地,图17示出了本公开实施例提供的多车协同***可实现的一种多车协同方法。参照图17,该方法可包括如下步骤。
S501、车端路径更新时,上报规划路径信息。
S502、定周期或应请求上报车辆的实时状态信息。
S503、基于车端上报的规划路径信息计算本车与他车的交叉区域,并保存交叉区域为协同区。
S504、结合车端上报的实时状态信息,计算需要与本车协同的车辆集合。
S505、基于设定的规则确定车辆的通行权限。
示例性地,设定的规则可为FIFO规则,通行权限可包括默认权限、高优先级和低优先级。
S506、发送停车位置到低优先级的车辆,发送启动指令到需要启动的车辆。
其中,低优先级的车辆需要等待其它车辆通过,云端将停车位置发送至对应车辆,以使其在不影响其他车辆通行的位置处停车;当其他车辆通过协同区之后,云端发送启动指令到已经停车的车辆,使得该车辆可以响应于启动指令重新启动。
同时,该步骤会影响车辆的实时状态,基于此更新车端的实时状态信息,并返回更新S504中的实时状态信息。
由此,可基于云端实现各车辆的多车协同处理。
本公开实施例还提供了一种电子设备,可用于实现上述任一种多车协同方法的步骤,实现对应的效果。该电子设备可包括:
存储器(可包括ROM、RAM等存储器)以及一个或多个处理器(可包括CPU);
其中,存储器与一个或多个处理器通信连接,存储器中存储有可被一个或多个处理器执行的指令,指令被一个或多个处理器执行时,电子设备用于实现上述任一种多车协同方法。
示例性地,图18示出了本公开实施例提供的一种电子设备的结构示意图。参照图18,电子设备600包括中央处理单元(CPU)601,其可以根据存储在只读存储器(ROM)602中的程序或者从存储装置608加载到随机访问存储器(RAM)603中的程序而执行上述图2或5所示的实施方式中的各种处理。在RAM603中,还存储有电子设备600操作所需的各种程序和数据。CPU601、ROM602以及RAM603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
以下部件连接至I/O接口605:包括键盘、鼠标等的输入装置606;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出装置607;包括硬盘等的存储装置608;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信装置609。通信装置609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器610上,以便于从其上读出的计算机程序根据需要被安装入存储装置608。
特别地,根据本公开的实施方式,上文参考图2或13描述的方法可以被实现为计算机软件程序。例如,本公开的实施方式包括一种计算机程序产品,其包括有形地包含在及其可读介质上的计算机程序,所述计算机程序包含用于执行图2或13的方法的程序代码。在这样的实施方式中,该计算机程序可以通过通信装置609从网络上被下载和安装,和/或从可拆卸介质611被安装。
附图中的流程图和框图,图示了按照本公开各种实施方式的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施方式中所涉及到的单元或模块可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元或模块也可以设置在处理器中,这些单元或模块的名称在某种情况下并不构成对该单元或模块本身的限定。
作为另一方面,本公开还提供了一种计算机可读存储介质,该计算机可读存储介质可以是上述实施方式中所述装置中所包含的计算机可读存储介质;也可以是单独存在,未装配入设备中的计算机可读存储介质。计算机可读存储介质存储有一个或者一个以上程序,所述程序被一个或者一个以上的处理器用来执行描述于本公开的方法。
综上所述,本公开提出了一种多车协同方法、装置、***、电子设备及其计算机可读存储介质和计算机程序产品。本公开实施例通过将多车协同处理在云端执行,云端可结合车联网中各车辆的规划路径信息和实时状态信息实现各车辆的多车协同处理,使得各车辆之间进行多车协同,提高交通效率。
需要说明的是,在本文中,诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅是本公开的具体实施方式,使本领域技术人员能够理解或实现本公开。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本公开的精神或范围的情况下,在其它实施例中实现。因此,本公开将不会被限制于本文所述的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (16)
1.一种多车协同方法,其特征在于,应用于云端,所述方法包括:
获取车联网中各车辆的规划路径信息和实时状态信息;
基于所述各车辆的规划路径信息,确定本车与他车之间的协同区;
基于所述协同区与所述实时状态信息,确定需要与本车协同的车辆集合;
基于所述车辆集合,确定各车辆的通行权限;
所述规划路径信息包括路径点集合,所述路径点集合中的每个路径点对应一个路径点索引;针对各条规划路径,自起点至终点,所述路径点索引依次递增;
其中,所述基于所述各车辆的规划路径信息,确定本车与他车之间的协同区,包括:
遍历本车和他车的路径点集合;
判断本车两个连续的路径点之间的线段与他车两个连续的路径点之间的线段是否满足协同条件;
记录满足所述协同条件的路径点为协同路径点;
基于所述协同路径点及对应的路径点索引,生成所述协同区;
其中,所述协同条件包括:
本车两个连续的路径点之间的线段与他车两个连续的路径点之间的线段相交或者两线段之间的距离小于预设距离阈值;
所述基于所述协同路径点及对应的路径点索引,生成所述协同区,包括:
遍历两车协同路径点及对应的路径点索引的集合;
如果针对同一车辆的路径点索引连续,则增长匹配的协同区;
如果出现路径点索引不连续的情况,则该路径点索引是新的协同区的起点。
2.根据权利要求1所述的方法,其特征在于,所述实时状态信息包括实时位置、朝向、速度以及期望的加速度;
其中,所述基于所述协同区与所述实时状态信息,确定需要与本车协同的车辆集合,包括:
基于所述实时位置、朝向、速度以及期望的加速度,确定每台车辆的等效车辆;其中,所述等效车辆为车辆由所述实时位置向前延伸安全距离得到,所述安全距离基于所述速度、所述加速度以及预设安全距离确定;
针对一协同区,基于本车的等效车辆与他车的等效车辆,确定本车与他车是否需要协同;
将需要与本车进行协同的车辆加入需要与本车协同的车辆集合。
3.根据权利要求1所述的方法,其特征在于,所述实时状态信息包括实时位置,所述基于所述协同区与所述实时状态信息,确定需要与本车协同的车辆集合,包括:
针对同一协同区,基于本车的实时位置与他车的实时位置,确定本车与他车是否需要协同;
将需要与本车进行协同的车辆加入需要与本车协同的车辆集合。
4.根据权利要求1-3任一项所述的方法,其特征在于,所述通行权限包括默认权限、高优先级和低优先级;所述基于所述车辆集合,确定各车辆的通行权限,包括:
确定车辆为不需要协同的状态后,设置通行权限为默认权限;
确定车辆为需要协同的状态后,针对每个协同区,基于先到先行原则,确定所述车辆集合中各车辆的通行权限;其中,确定一车的通行权限为高优先级后,他车的通行权限设置为低优先级。
5.根据权利要求4所述的方法,其特征在于,还包括:
基于车辆的通行权限,更新车辆集合的状态;
基于车辆的通行权限,生成协同指令;
其中,当车辆的通行权限为默认权限或高优先级时,所述协同指令为通行指令;当车辆的通行权限为低优先级时,所述协同指令包括停车指令以及停车位置。
6.一种多车协同方法,其特征在于,应用于车端,所述方法包括:
发送规划路径信息和实时状态信息;
接收协同指令;
其中,所述协同指令基于权利要求5所述的方法生成。
7.一种多车协同装置,其特征在于,应用于云端,所述装置包括:
信息获取模块,用于获取车联网中各车辆的规划路径信息和实时状态信息;
第一处理模块,用于基于所述各车辆的规划路径信息,确定本车与他车之间的协同区;
第二处理模块,用于基于所述协同区与所述实时状态信息,确定需要与本车协同的车辆集合;
权限确定模块,用于基于所述车辆集合,确定各车辆的通行权限;
所述规划路径信息包括路径点集合,所述路径点集合中的每个路径点对应一个路径点索引;针对各条规划路径,自起点至终点,所述路径点索引依次递增;所述第一处理模块具体用于:
遍历本车和他车的路径点集合;
判断本车两个连续的路径点之间的线段与他车两个连续的路径点之间的线段是否满足协同条件;
记录满足所述协同条件的路径点为协同路径点;
基于所述协同路径点及对应的路径点索引,生成所述协同区;
其中,所述协同条件包括:
本车两个连续的路径点之间的线段与他车两个连续的路径点之间的线段相交或者两线段之间的距离小于预设距离阈值;
所述第一处理模块用于基于所述协同路径点及对应的路径点索引,生成所述协同区,具体包括:
遍历两车协同路径点及对应的路径点索引的集合;
如果针对同一车辆的路径点索引连续,则增长匹配的协同区;
如果出现路径点索引不连续的情况,则该路径点索引是新的协同区的起点。
8.根据权利要求7所述的装置,其特征在于,所述实时状态信息包括实时位置、朝向、速度以及期望的加速度;所述第二处理模块具体用于:
基于所述实时位置、朝向、速度以及期望的加速度,确定每台车辆的等效车辆;其中,所述等效车辆为车辆由所述实时位置向前延伸安全距离得到,所述安全距离基于所述速度、所述加速度以及预设安全距离确定;
针对一协同区,基于本车的等效车辆与他车的等效车辆,确定本车与他车是否需要协同;
将需要与本车进行协同的车辆加入需要与本车协同的车辆集合。
9.根据权利要求7所述的装置,其特征在于,所述实时状态信息包括实时位置,所述第二处理模块具体用于:
针对同一协同区,基于本车的实时位置与他车的实时位置,确定本车与他车是否需要协同;
将需要与本车进行协同的车辆加入需要与本车协同的车辆集合。
10.根据权利要求7-9任一项所述的装置,其特征在于,所述通行权限包括默认权限、高优先级和低优先级;所述权限确定模块具体用于:
确定车辆为不需要协同的状态后,设置通行权限为默认权限;
确定车辆为需要协同的状态后,针对每个协同区,基于先到先行原则,确定所述车辆集合中各车辆的通行权限;其中,确定一车的通行权限为高优先级后,他车的通行权限设置为低优先级。
11.根据权利要求10所述的装置,其特征在于,还包括:
指令生成模块,用于基于车辆的通行权限,生成协同指令;
其中,当车辆的通行权限为默认权限或高优先级时,所述协同指令为通行指令;当车辆的通行权限为低优先级时,所述协同指令包括停车指令以及停车位置。
12.一种多车协同装置,其特征在于,应用于车端,所述装置包括:
信息发送模块,用于发送规划路径信息和实时状态信息;
指令接收模块,用于接收协同指令;
其中,所述协同指令应用权利要求11所述的装置生成。
13.一种多车协同***,其特征在于,包括云端和车端;
所述云端用于执行权利要求1-5任一项所述的多车协同方法;
所述车端用于执行权利要求6所述的多车协同方法。
14.根据权利要求13所述的***,其特征在于,所述车端与所述云端基于消息队列遥测传输通信。
15.一种电子设备,其特征在于,包括:
存储器以及一个或多个处理器;
其中,所述存储器与所述一个或多个处理器通信连接,所述存储器中存储有可被所述一个或多个处理器执行的指令,所述指令被所述一个或多个处理器执行时,所述电子设备用于实现如权利要求1-6中任一项所述的多车协同方法。
16.一种计算机可读存储介质,其上存储有计算机可执行指令,其特征在于,当所述计算机可执行指令被计算机装置执行时,用于实现如权利要求1-6中任一项所述的多车协同方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111109317.5A CN113734202B (zh) | 2021-09-22 | 2021-09-22 | 多车协同方法、装置、***、设备、介质和产品 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111109317.5A CN113734202B (zh) | 2021-09-22 | 2021-09-22 | 多车协同方法、装置、***、设备、介质和产品 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113734202A CN113734202A (zh) | 2021-12-03 |
CN113734202B true CN113734202B (zh) | 2023-12-01 |
Family
ID=78740391
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111109317.5A Active CN113734202B (zh) | 2021-09-22 | 2021-09-22 | 多车协同方法、装置、***、设备、介质和产品 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113734202B (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105739534A (zh) * | 2016-04-22 | 2016-07-06 | 百度在线网络技术(北京)有限公司 | 基于车联网的无人驾驶车多车协同驾驶方法及装置 |
CN107274720A (zh) * | 2017-05-05 | 2017-10-20 | 广州汽车集团股份有限公司 | 一种自动驾驶汽车及多车协同控制方法、*** |
CN107909837A (zh) * | 2017-10-24 | 2018-04-13 | 华为技术有限公司 | 一种车辆借道通行的方法和控制中心 |
CN110494341A (zh) * | 2019-06-28 | 2019-11-22 | 驭势科技(北京)有限公司 | 一种智能驾驶车辆让行方法、装置及车载设备 |
CN110603181A (zh) * | 2019-06-28 | 2019-12-20 | 驭势科技(北京)有限公司 | 一种智能驾驶车辆让行方法、装置及车载设备 |
CN111735466A (zh) * | 2020-01-02 | 2020-10-02 | 北京京东乾石科技有限公司 | 一种多车协同轨迹规划方法、装置、设备及存储介质 |
CN111833633A (zh) * | 2020-07-30 | 2020-10-27 | 连云港杰瑞电子有限公司 | 一种基于高精度定位的车辆交通优先控制方法 |
CN112148002A (zh) * | 2020-08-31 | 2020-12-29 | 西安交通大学 | 一种局部轨迹规划方法、***及装置 |
CN112614366A (zh) * | 2020-12-11 | 2021-04-06 | 国汽(北京)智能网联汽车研究院有限公司 | 汽车协同决策方法、装置、电子设备及计算机存储介质 |
WO2021102955A1 (zh) * | 2019-11-29 | 2021-06-03 | 华为技术有限公司 | 车辆的路径规划方法以及车辆的路径规划装置 |
CN113160547A (zh) * | 2020-01-22 | 2021-07-23 | 华为技术有限公司 | 一种自动驾驶方法及相关设备 |
CN113257025A (zh) * | 2020-02-07 | 2021-08-13 | 沃尔沃汽车公司 | 交叉交通辅助和控制 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108230752B (zh) * | 2018-01-26 | 2019-10-25 | 山东省交通规划设计院 | 智能交通安全预警方法、云服务器、随车终端及*** |
DE102018216082A1 (de) * | 2018-09-20 | 2018-12-13 | Robert Bosch Gmbh | Verfahren zur kooperativen Manöverabstimmung |
-
2021
- 2021-09-22 CN CN202111109317.5A patent/CN113734202B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105739534A (zh) * | 2016-04-22 | 2016-07-06 | 百度在线网络技术(北京)有限公司 | 基于车联网的无人驾驶车多车协同驾驶方法及装置 |
CN107274720A (zh) * | 2017-05-05 | 2017-10-20 | 广州汽车集团股份有限公司 | 一种自动驾驶汽车及多车协同控制方法、*** |
CN107909837A (zh) * | 2017-10-24 | 2018-04-13 | 华为技术有限公司 | 一种车辆借道通行的方法和控制中心 |
CN110494341A (zh) * | 2019-06-28 | 2019-11-22 | 驭势科技(北京)有限公司 | 一种智能驾驶车辆让行方法、装置及车载设备 |
CN110603181A (zh) * | 2019-06-28 | 2019-12-20 | 驭势科技(北京)有限公司 | 一种智能驾驶车辆让行方法、装置及车载设备 |
WO2021102955A1 (zh) * | 2019-11-29 | 2021-06-03 | 华为技术有限公司 | 车辆的路径规划方法以及车辆的路径规划装置 |
CN111735466A (zh) * | 2020-01-02 | 2020-10-02 | 北京京东乾石科技有限公司 | 一种多车协同轨迹规划方法、装置、设备及存储介质 |
CN113160547A (zh) * | 2020-01-22 | 2021-07-23 | 华为技术有限公司 | 一种自动驾驶方法及相关设备 |
CN113257025A (zh) * | 2020-02-07 | 2021-08-13 | 沃尔沃汽车公司 | 交叉交通辅助和控制 |
CN111833633A (zh) * | 2020-07-30 | 2020-10-27 | 连云港杰瑞电子有限公司 | 一种基于高精度定位的车辆交通优先控制方法 |
CN112148002A (zh) * | 2020-08-31 | 2020-12-29 | 西安交通大学 | 一种局部轨迹规划方法、***及装置 |
CN112614366A (zh) * | 2020-12-11 | 2021-04-06 | 国汽(北京)智能网联汽车研究院有限公司 | 汽车协同决策方法、装置、电子设备及计算机存储介质 |
Non-Patent Citations (1)
Title |
---|
徐志强.5G的世界 智慧交通.广东科技出版社,2020,(第广东科技出版社版),第81-82页. * |
Also Published As
Publication number | Publication date |
---|---|
CN113734202A (zh) | 2021-12-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113811929B (zh) | 用于联合控制车辆的***和方法 | |
JP6720415B2 (ja) | 自律走行車のための帯域幅制約画像処理 | |
US9799224B2 (en) | Platoon travel system | |
US11249480B2 (en) | Autonomous vehicle positioning system | |
CN115004275B (zh) | 车辆交通的自适应控制 | |
WO2019190695A1 (en) | Intelligent traffic management for vehicle platoons | |
US20140316865A1 (en) | Platoon travel system | |
US20150149023A1 (en) | Modified autonomous vehicle settings | |
CN113496602B (zh) | 智能路侧工具箱 | |
WO2019046164A1 (en) | SYSTEMS AND METHODS FOR CHANGING A DESTINATION OF A REAL-TIME AUTONOMOUS VEHICLE | |
CN112783149B (zh) | 具有分布式传感器架构以及嵌入式处理的智能车辆 | |
CN113741440A (zh) | 一种切入车辆的危险目标识别方法、装置、介质及设备 | |
CN113085902A (zh) | 一种基于网络的智能汽车驾驶预估方法和装置 | |
CN113511203B (zh) | 车辆编队跟驰行驶控制方法、***、设备及存储介质 | |
US20210256842A1 (en) | System, method and apparatus supporting navigation | |
CN113734202B (zh) | 多车协同方法、装置、***、设备、介质和产品 | |
CN111562978B (zh) | 共享设备上多流视觉处理的架构和设备 | |
CN112461251B (zh) | 自动驾驶车队的路点信息传输方法、装置及*** | |
CN115331461B (zh) | 一种无信号交叉口混合交通通行控制方法、装置及车辆 | |
CN113870556B (zh) | 协同避障方法、装置、***、设备、介质和产品 | |
WO2020248136A1 (zh) | 用于驾驶控制的方法、装置、设备、介质和*** | |
Oza et al. | Deadline-aware task offloading for vehicular edge computing networks using traffic light data | |
WO2022145379A1 (ja) | 車両の走行制御システム、これに用いられるサーバ装置、および車両 | |
EP4074562A1 (en) | Control system and control method for intelligent connected vehicle | |
CN109993965B (zh) | 目标速度计算方法及装置、mec服务器及存储介质 |
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 |