CN114724377A - 基于车路协同技术的无人驾驶车辆引导方法及*** - Google Patents

基于车路协同技术的无人驾驶车辆引导方法及*** Download PDF

Info

Publication number
CN114724377A
CN114724377A CN202210615489.8A CN202210615489A CN114724377A CN 114724377 A CN114724377 A CN 114724377A CN 202210615489 A CN202210615489 A CN 202210615489A CN 114724377 A CN114724377 A CN 114724377A
Authority
CN
China
Prior art keywords
vehicle
lane
time
acquiring
node
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
Application number
CN202210615489.8A
Other languages
English (en)
Other versions
CN114724377B (zh
Inventor
邱志军
任学锋
刘艺
何书贤
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ismartways Wuhan Technology Co ltd
Original Assignee
Ismartways Wuhan Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Ismartways Wuhan Technology Co ltd filed Critical Ismartways Wuhan Technology Co ltd
Priority to CN202210615489.8A priority Critical patent/CN114724377B/zh
Publication of CN114724377A publication Critical patent/CN114724377A/zh
Application granted granted Critical
Publication of CN114724377B publication Critical patent/CN114724377B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G08G1/0125—Traffic data processing
    • 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
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • 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
    • 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
    • G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
    • G08G1/096708—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control
    • G08G1/096725—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control where the received information generates an automatic action on the vehicle control
    • 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
    • G08G1/096833—Systems involving transmission of navigation instructions to the vehicle where different aspects are considered when computing the route
    • 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
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W2050/0001—Details of the control system
    • B60W2050/0043—Signal treatments, identification of variables or parameters, parameter estimation or state estimation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Human Computer Interaction (AREA)
  • Automation & Control Theory (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Atmospheric Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Mathematical Physics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Traffic Control Systems (AREA)

Abstract

本申请提供了一种基于车路协同技术的无人驾驶车辆引导方法及***，方法包括以下步骤：S1、根据结构化的地图数据，获取路网抽象；S2、获取各车道的通行时间；S3、获取同路段相邻车道之间的连接时间；S4、构造以车道编号为节点，通行时间为边权重、连接时间为节点间连接边权重的有向图；S5、获取车辆的起始点经纬度信息和目标终点的经纬度信息，获取车辆路径规划起始节点和目标节点；S6、获取车辆的最优路径；S7、控制无人驾驶车辆执行最优路径的车辆车速和路径引导策略。本申请提供的基于车路协同技术的无人驾驶车辆引导方法，通过“路”控“车”，为无人驾驶车辆提供了一种在保证安全的前提下高效行驶的引导方法。

Description

基于车路协同技术的无人驾驶车辆引导方法及***
技术领域
本发明涉及智能驾驶技术领域，具体是涉及一种基于车路协同技术的无人驾驶车辆引导方法及***。
背景技术
随着无人驾驶技术的不断发展，无人驾驶车辆已经可以实现高度自动驾驶，即无人驾驶***可以在其设计的运行条件下持续的执行全部动态驾驶任务并自动执行最小风险策略，然而，其行驶轨迹却需要提前采集，并不能进行自主规划。且当多辆无人驾驶车辆的运行轨迹存在冲突时，车辆间不能获取彼此的行驶信息，自身无法判别其他车辆的行驶意图，为了行驶安全，无人驾驶车辆会在彼此间距离安全的位置停止，此时便会产生锁死现象。因此，建设引导无人驾驶车辆的车路协同***是非常必要的。
当前，建设服务于智能网联汽车的城市智慧路口、智慧道路也在逐步从测试场推进到了开放的测试道路。针对智能交通体系，依托分布式边缘计算、V2X车联网技术及数据融合技术，已经形成了完整的多维目标和交通态势感知体系。随着车路协同技术的不断发展，最终形成”云-路-车“的协同化智能体系，从而实现完全自动驾驶的技术路线，已然明确。然而，要实现驾驶的首要条件是需要给车辆提供连接起点和终点的完整路径。并且，提供的完整路径点应该是车道级的连续经纬度坐标值，才能指导无人驾驶车辆行驶。
基于车辆定位的导航技术方面的研究已经很成熟，也形成了比较成熟的车辆导航产品。然而，目前用于导航的应用都是依托于电子地图的道路级别的导航，只能用于人工导航，并不能满足无人驾驶车辆的导航。因为无人驾驶车辆需要的是具体到车道的经纬度点，而不仅仅是大概的行驶路径。近年来，用于车辆路径引导的车道级动态路径规划也有了一定的成果，大多数研究都是基于车载定位技术和车载导航***，运用最短路径算法，针对不同的最优准则，设计不同的模型，规划出最优的路径，从而辅助人工驾驶，都只是停留在”云-车“交互，也没有具体指出如何用规划的路径指导无人驾驶车辆行驶，并且”云-车“交互存在时延，达不到实时安全准确引导的性能要求。而且，无人驾驶车辆的路径规划完成后，车辆间会存在轨迹冲突的情况，此时需要对车辆的轨迹或速度做出调整，从而使得无人驾驶车辆能够在保证安全的前提下高效行驶。
发明内容
本发明的目的是为了克服上述背景技术的不足，提供一种基于车路协同技术的无人驾驶车辆引导方法及***，基于分布式边缘计算技术、车辆高精度定位技术及智能网联技术，形成“云-路-车”智能一体化车路协同***，提出了一种基于时间权重的车道级全局路径规划方法及无人驾驶车辆轨迹冲突局部协调控制方法，通过“路”控“车”，从而引导无人驾驶车辆在保证安全的前提下高效行驶。
第一方面，本申请提供了一种基于车路协同技术的无人驾驶车辆引导方法，包括以下步骤：
步骤S1、根据结构化的地图数据，获取路网抽象；
步骤S2、获取各车道的通行时间；
步骤S3、获取同路段相邻车道之间的连接时间；
步骤S4、根据获取的路网抽象、各车道的通行时间权重和同路段相邻车道之间的连接时间权重，构造以车道编号为节点，通行时间为边权重、连接时间为节点间连接边权重的有向图；
步骤S5、获取车辆的起始点经纬度信息和目标终点的经纬度信息，获取车辆对应的路径规划起始节点和目标节点；
步骤S6、根据构造的有向图以及获取的起始节点和目标节点，获取车辆的最优路径；
步骤S7、根据获取的最优路径，控制无人驾驶车辆执行最优路径的车辆车速和路径引导策略。
根据第一方面，在第一方面的第一种可能的实现方式中，所述步骤S2，具体包括以下步骤：
步骤S21、获取行程时间；
步骤S22、获取交叉口平均通行时间；
步骤S23、获取交叉口平均延误时间；
步骤S24、根据获取的行程时间、交叉口平均通行时间、交叉口平均延误时间，获取各车道的通行时间。
根据第一方面，在第一方面的第二种可能的实现方式中，所述步骤S3，具体包括以下步骤：
步骤S31、获取同路段相邻车道之间的连接距离产生的变道行程时间；
步骤S32、获取同路段相邻车道之间的变道加减速产生的变道延误时间；
步骤S33、根据获取的变道行程时间和变道延误时间，获取同路段相邻车道之间的连接时间。
根据第一方面，在第一方面的第三种可能的实现方式中，所述步骤S5的，具体包括以下步骤：
步骤S51、获取车辆在现实路网中的起始点经纬度信息和目标终点的经纬度信息；
步骤S52、转换起始点经纬度信息和目标终点的经纬度信息为起点平面坐标信息和终点平面坐标信息；
步骤S53、根据起点平面坐标信息和终点平面坐标信息，获取起点最邻近车道和终点最邻近车道，将起点最邻近车道和终点最邻近车道作为车辆对应的路径规划起始节点和目标节点。
根据第一方面的第三种可能的实现方式，在第一方面的第四种可能的实现方式中，所述步骤S53，具体包括以下步骤：
分别为车辆的起始平面坐标信息和终点平面坐标信息为圆心画圆，逐渐增大画圆的半径，直至圆内筛选到车道，并在圆内的车道中确定与起始平面坐标信息或终点平面坐标信息最邻近车道，将起点最邻近车道和终点最邻近车道作为车辆对应的路径规划起始节点和目标节点。
根据第一方面，在第一方面的第五种可能的实现方式中，有向图
Figure 822508DEST_PATH_IMAGE001
，车道编号组成的节点集合
Figure 725742DEST_PATH_IMAGE002
=
Figure 921099DEST_PATH_IMAGE003
，节点集合
Figure 99140DEST_PATH_IMAGE004
，节点集合
Figure 535325DEST_PATH_IMAGE005
，其中，
Figure 327569DEST_PATH_IMAGE006
为起始节点，
Figure 88852DEST_PATH_IMAGE007
为目标节点，所述步骤S6，具体包括以下步骤：
步骤S61、根据式一，获取最优路径：
Figure 539425DEST_PATH_IMAGE008
式一，
式中，
Figure 948891DEST_PATH_IMAGE009
为有向图中从车道
Figure 193927DEST_PATH_IMAGE010
到车道
Figure 708085DEST_PATH_IMAGE011
行程时间最短的最优路径，
Figure 696770DEST_PATH_IMAGE012
是车道
Figure 229251DEST_PATH_IMAGE010
直接到车道
Figure 648119DEST_PATH_IMAGE011
的行程时间，
Figure 587256DEST_PATH_IMAGE013
表示车道
Figure 504265DEST_PATH_IMAGE010
通过车道
Figure 766619DEST_PATH_IMAGE014
后到车道
Figure 494404DEST_PATH_IMAGE011
的行程时间；
步骤S62、从节点集合
Figure 842209DEST_PATH_IMAGE015
中选择使得
Figure 786679DEST_PATH_IMAGE016
最小的车道编号
Figure 778906DEST_PATH_IMAGE010
，并将车道编号
Figure 536646DEST_PATH_IMAGE010
放入到节点集合
Figure 761960DEST_PATH_IMAGE017
中，并在集合
Figure 833821DEST_PATH_IMAGE015
中将车道编号
Figure 667173DEST_PATH_IMAGE010
删除；
步骤S63、更新与
Figure 392552DEST_PATH_IMAGE010
直接相连接的车道间的路径信息值，从节点集合
Figure 980528DEST_PATH_IMAGE015
中选择使得
Figure 449556DEST_PATH_IMAGE009
最小的车道编号
Figure 69237DEST_PATH_IMAGE011
以重复步骤S62；
步骤S64：循环重复S63，直到找到目标车道编号
Figure 965518DEST_PATH_IMAGE007
，并将该车道编号放入到节点集合
Figure 244052DEST_PATH_IMAGE017
中，并在节点集合
Figure 47929DEST_PATH_IMAGE015
中将车道编号
Figure 262397DEST_PATH_IMAGE007
删除，则最终所求的从起始车道
Figure 329579DEST_PATH_IMAGE006
到终点车道
Figure 892148DEST_PATH_IMAGE007
行程时间最短的最优路径即为：
Figure 375082DEST_PATH_IMAGE018
。
根据第一方面，在第一方面的第六种可能的实现方式中，所述步骤S7，具体包括以下步骤：
步骤S71、获取车辆实时运行状态和实时车道信息；
步骤S72、根据获取的最优路径以及车辆实时运行状态和实时车道信息，控制执行不同的车辆车速和路径引导策略。
根据第一方面的第六种可能的实现方式，在第一方面的第七种可能的实现方式中，所述S72，具体包括以下步骤：
步骤S721、当实时车道信息为交通事故或施工工况时，控制执行重新规划最优路径；
步骤S722、当车辆实时运行状态为存在轨迹冲突车辆时，控制执行协调轨迹冲突车辆的最优路径。
根据第一方面的第七种可能的实现方式，在第一方面的第八种可能的实现方式中，所述步骤S722，具体包括以下步骤：
获取已规划最优路径中两车的冲突点，以冲突点为圆心，以预设半径画圆形成冲突区域；
获取两车的车速以及两车距离冲突点的距离，获取两车到达冲突点的到达顺序；
控制两车中先行到达车辆按照规划路径正常行驶通过冲突区域，控制两车中后到达车辆先减速待先到达冲突区域车辆通过冲突区域后再加速至目标车速。
第二方面，本申请提供了一种基于车路协同技术的无人驾驶车辆引导***，包括：
路网抽象获取模块，用于根据结构化的地图数据，获取路网抽象；
通行时间获取模块，用于获取各车道的通行时间；
连接时间获取模块，用于获取同路段相邻车道之间的连接时间；
有向图获取模块，与所述路网抽象获取模块、所述通行时间获取模块和连接时间获取模块通信连接，用于根据获取的路网抽象、各车道的通行时间权重和同路段相邻车道之间的连接时间权重，构造以车道编号为节点，通行时间为边权重、连接时间为节点间连接边权重的有向图；
车辆起始和目标节点获取模块，用于获取车辆的起始点经纬度信息和目标终点的经纬度信息，获取车辆对应的路径规划起始节点和目标节点；
最优路径获取模块，与所述有向图获取模块以及所述起始和目标节点获取模块通信连接，用于根据构造的有向图以及获取的起始节点和目标节点，获取车辆的最优路径；
车辆引导模块，与所述最优路径获取模块通信连接，用于根据获取的最优路径，控制无人驾驶车辆执行最优路径的车辆车速和路径引导策略。
与现有技术相比，本发明的优点如下：
本申请提供的基于车路协同技术的无人驾驶车辆引导方法，通过获取各车道的通行时间、同路段相邻车道之间的连接时间以及路网抽象，构造虚拟车辆通行有向图，基于有向图和车辆定位信息获取车辆的最优路径，通过“路”控“车”，引导无人驾驶车辆在保证安全的前提下高效行驶。
附图说明
图1是本发明实施例提供的基于车路协同技术的无人驾驶车辆引导方法的方法流程图；
图2(a)是本申请实施例提供的结构化地图数据中的路段结构化数据关系图；
图2(b)是本申请实施例提供的结构化地图数据中的交叉口结构化数据关系图；
图3是本申请实施例提供的基于车路协同技术的无人驾驶车辆引导方法的另一方法流程图；
图4是本申请实施例提供的车道编号和行程时间组成的有向图；
图5是本申请实施例提供的基于车路***技术的无人驾驶车辆引导***的功能模块框图。
具体实施方式
现在将详细参照本发明的具体实施例，在附图中例示了本发明的例子。尽管将结合具体实施例描述本发明，但将理解，不是想要将本发明限于所述的实施例。相反，想要覆盖由所附权利要求限定的在本发明的精神和范围内包括的变更、修改和等价物。应注意，这里描述的方法步骤都可以由任何功能块或功能布置来实现，且任何功能块或功能布置可被实现为物理实体或逻辑实体、或者两者的组合。
为了使本领域技术人员更好地理解本发明，下面结合附图和具体实施方式对本发明作进一步详细说明。
注意：接下来要介绍的示例仅是一个具体的例子，而不作为限制本发明的实施例必须为如下具体的步骤、数值、条件、数据、顺序等等。本领域技术人员可以通过阅读本说明书来运用本发明的构思来构造本说明书中未提到的更多实施例。
随着无人驾驶技术的快速发展，无人驾驶车辆已经可以实现高度自动驾驶，但是无人驾驶车辆的行驶轨迹需要提前采集，不能自主规划，多辆无人驾驶车辆同时运行时还可能产生行驶冲突问题，车辆间不能获取彼此的行驶信息，无法判别其他车辆的行驶意图。
有鉴于此，本申请提供了一种基于车路协同技术的无人驾驶车辆引导方法，其能有引导无人驾驶车辆安全高效行驶。
请参考图1，第一方面，本申请提供了一种基于车路协同技术的无人驾驶车辆引导方法，包括以下步骤：
步骤S1、根据结构化的地图数据，获取路网抽象；
步骤S2、获取各车道的通行时间；
步骤S3、获取同路段相邻车道之间的连接时间；
步骤S4、根据获取的路网抽象、各车道的通行时间权重和同路段相邻车道之间的连接时间权重，构造以车道编号为节点，通行时间为边权重、连接时间为节点间连接边权重的有向图；
步骤S5、获取车辆的起始点经纬度信息和目标终点的经纬度信息，获取车辆对应的路径规划起始节点和目标节点；
步骤S6、根据构造的有向图以及获取的起始节点和目标节点，获取车辆的最优路径；
步骤S7、根据获取的最优路径，控制无人驾驶车辆执行最优路径的车辆车速和路径引导策略。
本申请通过构造以车道编号为节点、以通行时间和连接时间为权重的有向图，计算最短通行时间，获取车辆的最优路径，以最优路径全局规划引导无人驾驶车辆安全高效行驶。
在一实施例中，所述步骤S1，具体实现为：
获取结构化的地图数据，该结构化的地图数据应该能够准确描述路段信息和交叉口信息，路段描述信息为路段编号、上游路口编号和下游路口编号，并且路段信息中还应包含车道信息，其中车道信息描述为车道编号、所在路段编号，车道中心线点集、车道边界线点集及是否为虚拟车道；交叉口描述信息为交叉口编号和虚拟车道信息，交叉口信息应包含录单交汇关系，路段交汇关系信息由入口路段编号和出口路段编号组成，路段交汇关系又包含车道交汇关系，车道交汇关系由入口路段车道编号和出口路段车道编号，车道交汇关系又与虚拟车道信息关联，虚拟车道信息描述为虚拟车道编号和虚拟车道中心线点集。结构化地图数据关系图如图2(a)和图2(b)所示。
在一实施例中，请参考图3，选取各车道通行时间和同路段相邻车道之间的连接时间作为权重进行静态全局路径规划，所述步骤S2，具体包括以下步骤：
步骤S21、获取行程时间；
步骤S22、获取交叉口平均通行时间；
步骤S23、获取交叉口平均延误时间；
步骤S24、根据获取的行程时间、交叉口平均通行时间、交叉口平均延误时间，获取各车道的通行时间。
在一实施例中，影响车辆在车道上的行程时间的主要因素为车道的长度和车道上的平均车速，而平均车速又与车道最大限速和车道平均密度有关，所述步骤S21，具体包括以下步骤：
根据下式获取车辆在该车道上的通行时间：
Figure 500514DEST_PATH_IMAGE019
上式为美国公路局提出的BPR函数的关系表达式，式中，
Figure 4176DEST_PATH_IMAGE020
为路段i车道j上的交通流量为
Figure 788462DEST_PATH_IMAGE021
时的行程时间，
Figure 137403DEST_PATH_IMAGE022
为路段i车道j上的自由流通行时间，
Figure 592043DEST_PATH_IMAGE021
为路段i车道j上的实际流量，
Figure 532186DEST_PATH_IMAGE023
为路段i车道j上的通行能力，
Figure 69347DEST_PATH_IMAGE024
和
Figure 690821DEST_PATH_IMAGE025
为常量，通常取
Figure 544507DEST_PATH_IMAGE026
，
Figure 980518DEST_PATH_IMAGE027
。
其中，
Figure 286866DEST_PATH_IMAGE028
的计算方法如下：
Figure 712031DEST_PATH_IMAGE029
其中，
Figure 935071DEST_PATH_IMAGE030
为路段i的长度，一般可以通过地图数据获得，
Figure 30066DEST_PATH_IMAGE031
为当前路段i的最大限制速度，同时也是该车道的自由流车速。一般情况下，对于同一路段i，属于该路段的所有车道长度一般是相等的，同时，限速也是针对路段而言的，特殊情况除外，所以所属路段上的自由流通行时间
Figure 10660DEST_PATH_IMAGE022
与路段自由流通行时间
Figure 101500DEST_PATH_IMAGE028
是相等的，即
Figure 929779DEST_PATH_IMAGE032
。
在一实施例中，车道的行程时间还与车道的地理位置有关，即相同条件下，中间车道的行程时间短于边道，主要由于边道会受到来自行人和非机动车的影响，所以会有一定的时间损失，因此，步骤S21中的获取的更新行程时间
Figure 585888DEST_PATH_IMAGE033
为：
Figure 116096DEST_PATH_IMAGE034
式中，
Figure 758430DEST_PATH_IMAGE035
为边道损失因子，取5%，
Figure 690482DEST_PATH_IMAGE036
为
Figure 538001DEST_PATH_IMAGE037
车道为边道，
Figure 102974DEST_PATH_IMAGE038
为
Figure 408054DEST_PATH_IMAGE037
车道不是边道，将通行时间基于车道的地理位置进行时间损失更新计算，获取更新行程时间，以提升车辆在该车道上规划行驶的行程时间的准确性。
在一实施例中，由于车辆通过交叉口时，一般会先减速至目标车速，然后以目标车速通过交叉口在加速进入下一车道行驶，因此，车辆通过交叉口的平均时间由加速延迟、减速延迟和虚拟车道通行三个部分组成，所述步骤S22，具体包括以下步骤：
步骤S221、获取车辆减速进入交叉口减速损失时间；
步骤S222、获取车辆通过交叉口虚拟车道长度的交叉口通行时间；
步骤S223、获取车辆自交叉口进入下一车道的加速损失时间；
步骤S224、根据获取的减速损失时间、交叉口通行时间和加速损失时间，获取交叉口平均通行时间。
在一具体实施例中，所述步骤S22，具体实现为：
步骤S221、通过下式获取车辆减速进入交叉口减速损失时间
Figure 194613DEST_PATH_IMAGE039
：
Figure 67891DEST_PATH_IMAGE040
式中，
Figure 572691DEST_PATH_IMAGE041
为入口车道的平均车速，
Figure 949970DEST_PATH_IMAGE042
为交叉口通行时的速度，
Figure 341768DEST_PATH_IMAGE043
为车辆加速度。
步骤S222、通过下式获取车辆通过交叉口虚拟车道长度的交叉口通行时间
Figure 635215DEST_PATH_IMAGE044
为：
Figure 299414DEST_PATH_IMAGE045
式中，
Figure 24925DEST_PATH_IMAGE046
为交叉口内虚拟车道的长度。
步骤S223、通过下式获取车辆自交叉口进入下一车道的加速损失时间
Figure 848393DEST_PATH_IMAGE047
为：
Figure 1157DEST_PATH_IMAGE048
式中，
Figure 415302DEST_PATH_IMAGE049
为出口车道上的平均车速。
步骤S224、将获取的减速损失时间、交叉口通行时间和加速损失时间根据下式，获取交叉口平均通行时间
Figure 928192DEST_PATH_IMAGE050
为：
Figure 356899DEST_PATH_IMAGE051
。
在一实施例中，交叉口主要分为信号灯控制的交叉口和无信号灯控制的交叉口，所述步骤S23，根据路口有无信号灯的具体情况，执行不同的交叉口平均延误时间计算方法。
对于交通流量较大的交叉口，通常设有交通信号灯控制，交叉口延误主要由于交叉口信号控制引起的交通流间断而损失的车辆行程时间，主要与信号周期、配时、交通量和随机因素等有关，在一实施例中，拟采用1985版HCM信号交叉口延误计算模型估算计算交叉口平均延误时间，其表达式如下：
Figure 195411DEST_PATH_IMAGE052
式中，
Figure 568624DEST_PATH_IMAGE053
表示信号交叉口延误时间；
Figure 698254DEST_PATH_IMAGE054
表示信号灯周期时长；
Figure 436927DEST_PATH_IMAGE055
表示绿信比，即有效绿灯时间
Figure 118444DEST_PATH_IMAGE056
与信号周期
Figure 57581DEST_PATH_IMAGE054
的比；
Figure 240170DEST_PATH_IMAGE057
表示饱和度，即车道观测流量
Figure 502524DEST_PATH_IMAGE058
与车道饱和流量
Figure 433571DEST_PATH_IMAGE059
的比。
对于交通流量较小的交叉口，一般不会设有交通信号灯控制，本申请中针对的是智能无人驾驶车辆的驾驶引导，因此，在无信号交叉口会对车辆的通行进行协调，故认为其在无信号交叉口不会因为长时间的停车等待而产生延误，因此，不会产生交叉口平均延误时间
Figure 903080DEST_PATH_IMAGE060
。
综合以上，交叉口平均延误表达为以下关系式：
Figure 312196DEST_PATH_IMAGE061
式中，
Figure 694635DEST_PATH_IMAGE062
代表交叉口有信号灯控制，
Figure 45851DEST_PATH_IMAGE063
代表交叉口没有信号灯控制，交叉口是否由红绿灯控制，在获取地图数据的时候是可以获得的，因此在计算车道行程时间权重时，很容易确定
Figure 21897DEST_PATH_IMAGE060
的取值。
综上所述，某车道的通行时间表示为以下关系式：
Figure 218392DEST_PATH_IMAGE064
。
在一实施例中，属于同一路段的相邻车道间可以通过车道变换实现连接，但在变道过程中，两车道上的速度可能会因为不同的车流量导致其车流速度不同，因此，在换道过程中，不仅需要考虑额外的行驶距离产生的时间，还要考虑加减速过程中产生的延迟时间，所述步骤S3，具体包括以下步骤：
步骤S31、获取同路段相邻车道之间的连接距离产生的变道行程时间；
步骤S32、获取同路段相邻车道之间的变道加减速产生的变道延误时间；
步骤S33、根据获取的变道行程时间和变道延误时间，获取同路段相邻车道之间的连接时间。
在一较具体实施例中，同路段相邻车道之间的连接时间即变道产生的形程时间由以下关系式表示：
Figure 458268DEST_PATH_IMAGE065
式中，
Figure 527856DEST_PATH_IMAGE066
由于变道产生的行程时间，反映的是属于同一路段相邻两车道之间的连接时间权重；
Figure 178149DEST_PATH_IMAGE067
表示车道宽度，由于变道是由一条车道的中心线行驶到另一条车道的中心线，一般车道宽度都是相等的，故变道额外行驶距离即为车道宽度；
Figure 850438DEST_PATH_IMAGE043
为车辆加速度；
Figure 286099DEST_PATH_IMAGE041
为路段
Figure 775855DEST_PATH_IMAGE068
车道
Figure 582618DEST_PATH_IMAGE037
上的平均车流速度，
Figure 137228DEST_PATH_IMAGE069
为路段
Figure 473400DEST_PATH_IMAGE068
车道
Figure 88052DEST_PATH_IMAGE070
上的平均车流速度，其中，车道
Figure 119462DEST_PATH_IMAGE070
与车道
Figure 727030DEST_PATH_IMAGE037
为路段
Figure 668441DEST_PATH_IMAGE068
上的相邻车道。
在一实施例中，所述步骤S4，具体包括以下步骤：
对于路网中不同路段不同车道其编号是不同的，且所有的车道编号都是唯一不重复的；以每条车道的车道编号为节点，不同路段可达车道间以车道行程时间
Figure 643875DEST_PATH_IMAGE071
为边，相同路段相邻车道间以变道产生的行程时间
Figure 490477DEST_PATH_IMAGE066
为边组成有向图。在有向图
Figure 449205DEST_PATH_IMAGE001
中，
Figure 432074DEST_PATH_IMAGE002
是车道编号组成的集合，为节点集合，
Figure 309900DEST_PATH_IMAGE072
为本车道到达其他车道所要花费的时间，为边权重集合。对于组成的有向图中，每个节点都存在前继节点和后继节点。其组成的有向图部分示意图如图4所示。
在一实施例中，所述步骤S5的，具体包括以下步骤：
步骤S51、获取车辆在现实路网中的起始点经纬度信息和目标终点的经纬度信息；
步骤S52、转换起始点经纬度信息和目标终点的经纬度信息为起点平面坐标信息和终点平面坐标信息；
步骤S53、根据起点平面坐标信息和终点平面坐标信息，获取起点最邻近车道和终点最邻近车道，将起点最邻近车道和终点最邻近车道作为车辆对应的路径规划起始节点和目标节点。
在一实施例中，所述步骤S53，具体包括以下步骤：
分别为车辆的起始平面坐标信息和终点平面坐标信息为圆心画圆，逐渐增大画圆的半径，直至圆内筛选到车道，并在圆内的车道中确定与起始平面坐标信息或终点平面坐标信息最邻近车道，将起点最邻近车道和终点最邻近车道作为车辆对应的路径规划起始节点和目标节点。
在一较具体实施例中，所述步骤S5，具体包括以下步骤：
***获取车辆的起始点经纬度信息和目标终点的经纬度信息，然后将经纬度信息转换为平面坐标系下的直角坐标。考虑到对所有的车道进行匹配，则计算会过于复杂。因此，首先根据起始点坐标信息确定其所在的区域。确定其所在区域的方法为：分别以车辆的起点和终点坐标为圆心，然后以r为半径画圆，筛选出属于该范围内所有车道。若该范围内存在车道，则寻找其距离最近的车道；若该范围内不存在车道，则逐步扩大r的范围，继续寻找，直到该范围内存在车道，再寻找其距离最近的车道。
对于起点范围内的车道，将车道两端点的经纬度坐标转换为相对以起点为坐标原点，正北方向为y轴，正东方向为x轴坐标系下的平面坐标，则起点范围内的车道线段可表示为：
Figure 660110DEST_PATH_IMAGE073
其中
Figure 692305DEST_PATH_IMAGE043
，
Figure 545991DEST_PATH_IMAGE074
，
Figure 329140DEST_PATH_IMAGE075
表示直线方程的系数，由以下式子求解：
Figure 415913DEST_PATH_IMAGE076
式中，
Figure 450865DEST_PATH_IMAGE077
和
Figure 611588DEST_PATH_IMAGE078
为车道线段两端点的相对坐标。通过欧式距离公式，计算起点(0，0)到范围内车道线段的距离为：
Figure 896464DEST_PATH_IMAGE079
若从起点向范围内所有车道分别引出垂线，当垂足落在车道线段内时，采用上式计算距离，取出距离最小值对应的车道即为起点最邻近车道，此车道即为路径规划的起始节点
Figure 18003DEST_PATH_IMAGE006
。
对于终点范围内的车道，采用上述同样的方法即可找出终点最邻近车道，此车道即为路径规划的目标节点
Figure 981280DEST_PATH_IMAGE007
。
在一实施例中，有向图
Figure 793247DEST_PATH_IMAGE001
，车道编号组成的节点集合
Figure 324723DEST_PATH_IMAGE002
=
Figure 527034DEST_PATH_IMAGE003
，节点集合
Figure 415706DEST_PATH_IMAGE004
，节点集合
Figure 364070DEST_PATH_IMAGE005
，其中，
Figure 925501DEST_PATH_IMAGE006
为起始节点，
Figure 943005DEST_PATH_IMAGE007
为目标节点，所述步骤S6，具体包括以下步骤：
步骤S61、根据式一，获取最优路径：
Figure 389030DEST_PATH_IMAGE008
式一
式中，
Figure 175589DEST_PATH_IMAGE009
为有向图中从车道
Figure 176431DEST_PATH_IMAGE010
到车道
Figure 431963DEST_PATH_IMAGE011
行程时间最短的最优路径，
Figure 665367DEST_PATH_IMAGE012
是车道
Figure 322744DEST_PATH_IMAGE010
直接到车道
Figure 491557DEST_PATH_IMAGE011
的行程时间，
Figure 280391DEST_PATH_IMAGE013
表示车道
Figure 5901DEST_PATH_IMAGE010
通过车道
Figure 701806DEST_PATH_IMAGE014
后到车道
Figure 369417DEST_PATH_IMAGE011
的行程时间；
运用Dijkstra算法计算从起始节点
Figure 130699DEST_PATH_IMAGE006
到目标节点
Figure 909168DEST_PATH_IMAGE007
之间时间最短的路径的步骤S62、步骤S63、步骤S64：
步骤S62、从节点集合
Figure 462509DEST_PATH_IMAGE015
中选择使得
Figure 786174DEST_PATH_IMAGE016
最小的车道编号
Figure 818109DEST_PATH_IMAGE010
，并将车道编号
Figure 885422DEST_PATH_IMAGE010
放入到节点集合
Figure 27690DEST_PATH_IMAGE017
中，并在集合
Figure 302683DEST_PATH_IMAGE015
中将车道编号
Figure 38558DEST_PATH_IMAGE010
删除；
步骤S63、更新与
Figure 96512DEST_PATH_IMAGE010
直接相连接的车道间的路径信息值，从节点集合
Figure 418254DEST_PATH_IMAGE015
中选择使得
Figure 411617DEST_PATH_IMAGE009
最小的车道编号
Figure 759422DEST_PATH_IMAGE011
以重复步骤S62；
步骤S64：循环重复S63，直到找到目标车道编号
Figure 417805DEST_PATH_IMAGE007
，并将该车道编号放入到节点集合
Figure 410032DEST_PATH_IMAGE017
中，并在节点集合
Figure 698931DEST_PATH_IMAGE015
中将车道编号
Figure 130437DEST_PATH_IMAGE007
删除，则最终所求的从起始车道
Figure 264615DEST_PATH_IMAGE006
到终点车道
Figure 376928DEST_PATH_IMAGE007
行程时间最短的最优路径即为：
Figure 305569DEST_PATH_IMAGE018
。
在一实施例中，通过步骤S6获得的最优路径是车道编号的集合，但对于车辆而言，需要的是路径经纬度点的集合，因此，需要将步骤6中获得的车道编号集合依照排列顺序转化为对应的经纬度点所述步骤S6之后，还包括以下步骤：
将获取的最优路径的计算结果还原成现实路网中的经纬度点集，经纬度点集中的相邻两个经纬度点间的距离为1米。对于起点和终点不在起始车道和目标车道上的车辆，规划出车辆从起始位置到起始车道的最优路线和目标车道到终点位置的最优车道。最后，将得到的经纬度点集合通过车路协同***发送给智能网联无人驾驶车辆，从而指导智能网联无人驾驶车辆行驶。
在一实施例中，在获取最优路径后，进一步规划其行驶速度，从而达到指导其行驶的目的，所述步骤S6之后，还包括以下步骤：
通过步骤2中获得的各路段的车道行程时间，计算出车辆行驶到对应路段应采取的速度，即：
Figure 18179DEST_PATH_IMAGE080
式中，
Figure 523477DEST_PATH_IMAGE041
表示路段i车道j上车辆的平均车速，
Figure 693558DEST_PATH_IMAGE081
表示路段i车道j的长度，
Figure 589839DEST_PATH_IMAGE020
为步骤2中得到的路段i车道j的行程时间。
对于起始阶段，车辆由停止状态加速至起始车道上的平均车速，由于步骤7中给车辆的经纬度点集中相邻两个点之间的距离为1m，故从起点开始，对应的速度为：
Figure 524166DEST_PATH_IMAGE082
式中，
Figure 78775DEST_PATH_IMAGE083
表示起始阶段中第
Figure 24734DEST_PATH_IMAGE084
个经纬度点的速度，
Figure 688321DEST_PATH_IMAGE085
表示起始阶段中第
Figure 719731DEST_PATH_IMAGE070
个经纬度点的速度，
Figure 264982DEST_PATH_IMAGE043
表示舒适加速度，若
Figure 206393DEST_PATH_IMAGE086
，则取
Figure 444476DEST_PATH_IMAGE087
。
对于停止阶段，车辆由车道运动状态减速至停止状态，减速总长度为：
Figure 694674DEST_PATH_IMAGE088
式中，
Figure 309195DEST_PATH_IMAGE089
为减速的总长度。当车辆行驶至距离终点
Figure 88801DEST_PATH_IMAGE089
距离时，对车辆实施减速控制，对应经纬度点的速度为：
Figure 763364DEST_PATH_IMAGE090
，
Figure 975559DEST_PATH_IMAGE091
式中，
Figure 518404DEST_PATH_IMAGE092
表示起始阶段中第
Figure 90200DEST_PATH_IMAGE093
个经纬度点的速度，
Figure 748714DEST_PATH_IMAGE094
表示起始阶段中第
Figure 35821DEST_PATH_IMAGE095
个经纬度点的速度，
Figure 929827DEST_PATH_IMAGE043
表示舒适减速度。其中，
Figure 356129DEST_PATH_IMAGE096
表示终点经纬度点，当最后两个点之间的距离不足1m时，此时应调整车辆减速度，使得车辆至停止点时速度恰好为零。
在一实施例中，基于最优路径的全局规划，还需要采取局部协调的技术手段，引导无人驾驶车辆行驶，因此，所述步骤S7，具体包括以下步骤：
步骤S71、获取车辆实时运行状态和实时车道信息；
步骤S72、根据获取的最优路径以及车辆实时运行状态和实时车道信息，控制执行不同的车辆车速和路径引导策略。
在一实施例中，所述S72，具体包括以下步骤：
步骤S721、当实时车道信息为交通事故或施工工况时，控制执行重新规划最优路径；
步骤S722、当车辆实时运行状态为存在轨迹冲突车辆时，控制执行协调轨迹冲突车辆的最优路径。
在一实施例中，所述步骤S72,实现为：智能网联无人驾驶车辆跟车路协同***是进行实时信息交互的，车路协同***通过实时监视车辆的运行状态信息，对车辆的速度进行动态调整，且当车辆已规划的路径上出现特殊情况时，如交通事故、施工等，***则根据上述方法和步骤以当前车道编号为起点重新进行最优路径规划，并引导车辆进行路径变更。
在一实施例中，所述步骤S722，具体包括以下步骤：
步骤S7221、获取已规划最优路径中两车的冲突点，以冲突点为圆心，以预设半径画圆形成冲突区域；
步骤S7222、获取两车的车速以及两车距离冲突点的距离，获取两车到达冲突点的到达顺序；
步骤S7223、控制两车中先行到达车辆按照规划路径正常行驶通过冲突区域，控制两车中后到达车辆先减速待先到达冲突区域车辆通过冲突区域后再加速至目标车速。
在一实施例中，所述步骤S722，实现为：
通过实时监视车辆的运行状态，当发现智能网联车辆的轨迹发生冲突时，则通过已规划的路径找出两车的冲突点，以冲突点为中心，以一定长度为半径形成冲突区域。根据车辆与冲突点之间的距离和车辆的速度确定冲突车辆到达冲突点的时间，然后根据到达时间确定其先后通过冲突区域的顺序。对于先到达冲突区域的车辆，让其按照预先规划好的速度行驶，对于后到达冲突区的车辆，调整其速度，等到先到达冲突区的车辆通过后再加速通过冲突区域，从而保障通行安全。后到达冲突区的车辆减速行驶，其减速度
Figure 700392DEST_PATH_IMAGE097
应满足以下关系，
Figure 418337DEST_PATH_IMAGE098
式中，
Figure 256980DEST_PATH_IMAGE041
为车辆在当前车道上的行驶速度，
Figure 537788DEST_PATH_IMAGE089
为车辆到冲突区边界线的距离，
Figure 662739DEST_PATH_IMAGE099
为安全距离阈值。即后到达冲突区域的车辆以加速度
Figure 661788DEST_PATH_IMAGE097
减速向冲突区域行驶，同时监视先到达冲突区域的车辆，等到先到达冲突区域的车辆通过冲突区域后，后到达冲突区域的车辆以舒适加速度加速至目标车速行驶，若冲突区域有车辆存在，则后到达冲突区域的车辆在距离冲突区域安全距离阈值
Figure 550460DEST_PATH_IMAGE099
时停车等待，直到冲突区域车辆离开冲突区域后加速至目标速度后继续行驶。
本发明实施例提供一种基于车路协同技术的无人驾驶车辆引导方法及***，基于车路协同***的建设，形成“云”-“路”-“车”智能一体化协同控制***，结合边缘计算技术、高精度定位技术、数据融合技术以及V2X信息交互技术，采用全局规划，局部协调的技术手段，以时间为权重全局规划无人驾驶车辆的最优行驶路径经纬度点，分阶段发送给无人驾驶车辆，引导无人驾驶车辆行驶。同时，考虑当车辆轨迹发生冲突时，局部调整无人驾驶车辆的行驶速度，确保无人驾驶车辆不会因为轨迹冲突发生锁死现象，能够协调通行，从而达到无人驾驶车辆在保证安全的前提下高效行驶的目的。
基于同一申请构思，请参考图5，本申请提供了一种基于车路协同技术的无人驾驶车辆引导***，包括：
路网抽象获取模块100，用于根据结构化的地图数据，获取路网抽象；
通行时间获取模块200，用于获取各车道的通行时间；
连接时间获取模块300，用于获取同路段相邻车道之间的连接时间；
有向图获取模块400，与所述路网抽象获取模块100、所述通行时间获取模块200和连接时间获取模块300通信连接，用于根据获取的路网抽象、各车道的通行时间权重和同路段相邻车道之间的连接时间权重，构造以车道编号为节点，通行时间为边权重、连接时间为节点间连接边权重的有向图；
车辆起始和目标节点获取模块500，用于获取车辆的起始点经纬度信息和目标终点的经纬度信息，获取车辆对应的路径规划起始节点和目标节点；
最优路径获取模块600，与所述有向图获取模块400以及所述起始和目标节点获取模块500通信连接，用于根据构造的有向图以及获取的起始节点和目标节点，获取车辆的最优路径；
车辆引导模块700，与所述最优路径获取模块600通信连接，用于根据获取的最优路径，控制无人驾驶车辆执行最优路径的车辆车速和路径引导策略。
基于同一申请构思，本申请实施例还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上述方法的所有方法步骤或部分方法步骤。
本申请实现上述方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，计算机程序包括计算机程序代码，计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括：能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，RandomAccess Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
基于同一申请构思，本申请实施例还提供一种电子设备，包括存储器和处理器，存储器上储存有在处理器上运行的计算机程序，处理器执行计算机程序时实现上述方法中的所有方法步骤或部分方法步骤。
所称处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，处理器是计算机装置的控制中心，利用各种接口和线路连接整个计算机装置的各个部分。
存储器可用于存储计算机程序和/或模块，处理器通过运行或执行存储在存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现计算机装置的各种功能。存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作***、至少一个功能所需的应用程序(例如声音播放功能、图像播放功能等)；存储数据区可存储根据手机的使用所创建的数据(例如音频数据、视频数据等)。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(SmartMedia Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
本领域内的技术人员应明白，本申请的实施例可提供为方法、***、服务器或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(***)、服务器和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。

Claims (10)

1.一种基于车路协同技术的无人驾驶车辆引导方法，其特征在于，包括以下步骤：
步骤S1、根据结构化的地图数据，获取路网抽象；
步骤S2、获取各车道的通行时间；
步骤S3、获取同路段相邻车道之间的连接时间；
步骤S4、根据获取的路网抽象、各车道的通行时间权重和同路段相邻车道之间的连接时间权重，构造以车道编号为节点，通行时间为边权重、连接时间为节点间连接边权重的有向图；
步骤S5、获取车辆的起始点经纬度信息和目标终点的经纬度信息，获取车辆对应的路径规划起始节点和目标节点；
步骤S6、根据构造的有向图以及获取的起始节点和目标节点，获取车辆的最优路径；
步骤S7、根据获取的最优路径，控制无人驾驶车辆执行最优路径的车辆车速和路径引导策略。
2.如权利要求1所述的基于车路协同技术的无人驾驶车辆引导方法，其特征在于，所述步骤S2，具体包括以下步骤：
步骤S21、获取行程时间；
步骤S22、获取交叉口平均通行时间；
步骤S23、获取交叉口平均延误时间；
步骤S24、根据获取的行程时间、交叉口平均通行时间、交叉口平均延误时间，获取各车道的通行时间。
3.如权利要求1所述的基于车路协同技术的无人驾驶车辆引导方法，其特征在于，所述步骤S3，具体包括以下步骤：
步骤S31、获取同路段相邻车道之间的连接距离产生的变道行程时间；
步骤S32、获取同路段相邻车道之间的变道加减速产生的变道延误时间；
步骤S33、根据获取的变道行程时间和变道延误时间，获取同路段相邻车道之间的连接时间。
4.如权利要求1所述的基于车路协同技术的无人驾驶车辆引导方法，其特征在于，所述步骤S5的，具体包括以下步骤：
步骤S51 、获取车辆在现实路网中的起始点经纬度信息和目标终点的经纬度信息；
步骤S52、转换起始点经纬度信息和目标终点的经纬度信息为起点平面坐标信息和终点平面坐标信息；
步骤S53、根据起点平面坐标信息和终点平面坐标信息，获取起点最邻近车道和终点最邻近车道，将起点最邻近车道和终点最邻近车道作为车辆对应的路径规划起始节点和目标节点。
5.如权利要求4所述的基于车路协同技术的无人驾驶车辆引导方法，其特征在于，所述步骤S53，具体包括以下步骤：
分别为车辆的起始平面坐标信息和终点平面坐标信息为圆心画圆，逐渐增大画圆的半径，直至圆内筛选到车道，并在圆内的车道中确定与起始平面坐标信息或终点平面坐标信息最邻近车道，将起点最邻近车道和终点最邻近车道作为车辆对应的路径规划起始节点和目标节点。
6.如权利要求1所述的基于车路协同技术的无人驾驶车辆引导方法，其特征在于，有向图
Figure 623132DEST_PATH_IMAGE001
，车道编号组成的节点集合
Figure 147523DEST_PATH_IMAGE002
，节点集合
Figure 463098DEST_PATH_IMAGE003
，节点集合
Figure 250794DEST_PATH_IMAGE004
，其中，
Figure 386240DEST_PATH_IMAGE005
为起始节点，
Figure 465055DEST_PATH_IMAGE006
为目标节点，所述步骤S6，具体包括以下步骤：
步骤S61、根据式一，获取最优路径：
Figure 618824DEST_PATH_IMAGE007
式一，
式中，
Figure 515105DEST_PATH_IMAGE008
为有向图中从车道
Figure 465744DEST_PATH_IMAGE009
到车道
Figure 269620DEST_PATH_IMAGE010
行程时间最短的最优路径，
Figure 356525DEST_PATH_IMAGE011
是车道
Figure 705598DEST_PATH_IMAGE009
直接到车道
Figure 127221DEST_PATH_IMAGE010
的行程时间，
Figure 751100DEST_PATH_IMAGE012
表示车道
Figure 879462DEST_PATH_IMAGE009
通过车道
Figure 930595DEST_PATH_IMAGE013
后到车道
Figure 590246DEST_PATH_IMAGE010
的行程时间；
步骤S62、从节点集合
Figure 735926DEST_PATH_IMAGE014
中选择使得
Figure 685DEST_PATH_IMAGE015
最小的车道编号
Figure 268724DEST_PATH_IMAGE009
，并将车道编号
Figure 87776DEST_PATH_IMAGE009
放入到节点集合
Figure 850195DEST_PATH_IMAGE016
中，并在集合
Figure 218728DEST_PATH_IMAGE014
中将车道编号
Figure 346084DEST_PATH_IMAGE009
删除；
步骤S63、更新与
Figure 229596DEST_PATH_IMAGE009
直接相连接的车道间的路径信息值，从节点集合
Figure 467810DEST_PATH_IMAGE014
中选择使得
Figure 690850DEST_PATH_IMAGE008
最小的车道编号
Figure 51424DEST_PATH_IMAGE010
以重复步骤S62；
步骤S64：循环重复S63，直到找到目标车道编号
Figure 845068DEST_PATH_IMAGE006
，并将该车道编号放入到节点集合
Figure 401820DEST_PATH_IMAGE016
中，并在节点集合中将车道编号
Figure 26836DEST_PATH_IMAGE006
删除，则最终所求的从起始车道
Figure 10842DEST_PATH_IMAGE005
到终点车道
Figure 354098DEST_PATH_IMAGE006
行程时间最短的最优路径即为：
Figure 934115DEST_PATH_IMAGE017
。
7.如权利要求1所述的基于车路协同技术的无人驾驶车辆引导方法，其特征在于，所述步骤S7，具体包括以下步骤：
步骤S71、获取车辆实时运行状态和实时车道信息；
步骤S72、根据获取的最优路径以及车辆实时运行状态和实时车道信息，控制执行不同的车辆车速和路径引导策略。
8.如权利要求7所述的基于车路协同技术的无人驾驶车辆引导方法，其特征在于，所述S72，具体包括以下步骤：
步骤S721、当实时车道信息为交通事故或施工工况时，控制执行重新规划最优路径；
步骤S722、当车辆实时运行状态为存在轨迹冲突车辆时，控制执行协调轨迹冲突车辆的最优路径。
9.如权利要求8所述的基于车路协同技术的无人驾驶车辆引导方法，其特征在于，所述步骤S722，具体包括以下步骤：
获取已规划最优路径中两车的冲突点，以冲突点为圆心，以预设半径画圆形成冲突区域；
获取两车的车速以及两车距离冲突点的距离，获取两车到达冲突点的到达顺序；
控制两车中先行到达车辆按照规划路径正常行驶通过冲突区域，控制两车中后到达车辆先减速待先到达冲突区域车辆通过冲突区域后再加速至目标车速。
10.一种基于车路协同技术的无人驾驶车辆引导***，其特征在于，包括：
路网抽象获取模块，用于根据结构化的地图数据，获取路网抽象；
通行时间获取模块，用于获取各车道的通行时间；
连接时间获取模块，用于获取同路段相邻车道之间的连接时间；
有向图获取模块，与所述路网抽象获取模块、所述通行时间获取模块和连接时间获取模块通信连接，用于根据获取的路网抽象、各车道的通行时间权重和同路段相邻车道之间的连接时间权重，构造以车道编号为节点，通行时间为边权重、连接时间为节点间连接边权重的有向图；
车辆起始和目标节点获取模块，用于获取车辆的起始点经纬度信息和目标终点的经纬度信息，获取车辆对应的路径规划起始节点和目标节点；
最优路径获取模块，与所述有向图获取模块以及所述起始和目标节点获取模块通信连接，用于根据构造的有向图以及获取的起始节点和目标节点，获取车辆的最优路径；
车辆引导模块，与所述最优路径获取模块通信连接，用于根据获取的最优路径，控制无人驾驶车辆执行最优路径的车辆车速和路径引导策略。
CN202210615489.8A 2022-06-01 2022-06-01 基于车路协同技术的无人驾驶车辆引导方法及*** Active CN114724377B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210615489.8A CN114724377B (zh) 2022-06-01 2022-06-01 基于车路协同技术的无人驾驶车辆引导方法及***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210615489.8A CN114724377B (zh) 2022-06-01 2022-06-01 基于车路协同技术的无人驾驶车辆引导方法及***

Publications (2)

Publication Number Publication Date
CN114724377A true CN114724377A (zh) 2022-07-08
CN114724377B CN114724377B (zh) 2022-10-18

Family

ID=82232685

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210615489.8A Active CN114724377B (zh) 2022-06-01 2022-06-01 基于车路协同技术的无人驾驶车辆引导方法及***

Country Status (1)

Country Link
CN (1) CN114724377B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115796544A (zh) * 2022-12-12 2023-03-14 北京斯年智驾科技有限公司 一种港口无人水平运输的调度方法及装置
CN116129652A (zh) * 2023-04-10 2023-05-16 深圳市城市交通规划设计研究中心股份有限公司 单交叉口网联车辆车速引导方法、电子设备及存储介质
CN117249843A (zh) * 2023-11-14 2023-12-19 广州斯沃德科技有限公司 路径规划方法、装置、电子设备及计算机可读存储介质
CN117576913A (zh) * 2024-01-12 2024-02-20 中交第二公路勘察设计研究院有限公司 基于网络平衡的多车道公路交织区交通分配方法及装置

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180297596A1 (en) * 2016-12-28 2018-10-18 Huawei Technologies Co., Ltd. Path Planning Method, Apparatus, And System
CN110081892A (zh) * 2018-01-26 2019-08-02 深圳市凯立德科技股份有限公司 一种高精度电子地图导航方法及装置
CN111947678A (zh) * 2020-08-27 2020-11-17 重庆智行者信息科技有限公司 一种针对结构化道路的自动驾驶导航方法及***
CN112665601A (zh) * 2020-12-11 2021-04-16 杭州安恒信息技术股份有限公司 一种路径规划方法、装置、电子设备及可读存储介质
CN112985445A (zh) * 2021-04-20 2021-06-18 速度时空信息科技股份有限公司 基于高精地图的车道级精度实时性运动规划方法
CN113619602A (zh) * 2021-08-20 2021-11-09 华为技术有限公司 引导车辆行驶的方法及相关***、存储介质
US20210383136A1 (en) * 2020-06-05 2021-12-09 Baidu Online Network Technology (Beijing) Co., Ltd. Method for processing navigation data, path guidance method, apparatus and storage medium
CN114379569A (zh) * 2022-01-19 2022-04-22 阿里巴巴（中国）有限公司 一种生成驾驶参考线的方法及装置

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180297596A1 (en) * 2016-12-28 2018-10-18 Huawei Technologies Co., Ltd. Path Planning Method, Apparatus, And System
CN110081892A (zh) * 2018-01-26 2019-08-02 深圳市凯立德科技股份有限公司 一种高精度电子地图导航方法及装置
US20210383136A1 (en) * 2020-06-05 2021-12-09 Baidu Online Network Technology (Beijing) Co., Ltd. Method for processing navigation data, path guidance method, apparatus and storage medium
CN111947678A (zh) * 2020-08-27 2020-11-17 重庆智行者信息科技有限公司 一种针对结构化道路的自动驾驶导航方法及***
CN112665601A (zh) * 2020-12-11 2021-04-16 杭州安恒信息技术股份有限公司 一种路径规划方法、装置、电子设备及可读存储介质
CN112985445A (zh) * 2021-04-20 2021-06-18 速度时空信息科技股份有限公司 基于高精地图的车道级精度实时性运动规划方法
CN113619602A (zh) * 2021-08-20 2021-11-09 华为技术有限公司 引导车辆行驶的方法及相关***、存储介质
CN114379569A (zh) * 2022-01-19 2022-04-22 阿里巴巴（中国）有限公司 一种生成驾驶参考线的方法及装置

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115796544A (zh) * 2022-12-12 2023-03-14 北京斯年智驾科技有限公司 一种港口无人水平运输的调度方法及装置
CN116129652A (zh) * 2023-04-10 2023-05-16 深圳市城市交通规划设计研究中心股份有限公司 单交叉口网联车辆车速引导方法、电子设备及存储介质
CN116129652B (zh) * 2023-04-10 2023-08-01 深圳市城市交通规划设计研究中心股份有限公司 单交叉口网联车辆车速引导方法、电子设备及存储介质
CN117249843A (zh) * 2023-11-14 2023-12-19 广州斯沃德科技有限公司 路径规划方法、装置、电子设备及计算机可读存储介质
CN117249843B (zh) * 2023-11-14 2024-03-15 广州斯沃德科技有限公司 路径规划方法、装置、电子设备及计算机可读存储介质
CN117576913A (zh) * 2024-01-12 2024-02-20 中交第二公路勘察设计研究院有限公司 基于网络平衡的多车道公路交织区交通分配方法及装置

Also Published As

Publication number Publication date
CN114724377B (zh) 2022-10-18

Similar Documents

Publication Publication Date Title
CN114724377B (zh) 基于车路协同技术的无人驾驶车辆引导方法及***
CN111238497B (zh) 一种高精度地图的构建方法及装置
JP5832074B2 (ja) 燃料最少経路及び費用算出方法
RU2751382C1 (ru) Планирование траектории
CN106846871B (zh) 一种根据导航路径规划车速的方法、装置及***
CN111591306B (zh) 自动驾驶车辆的行驶轨迹规划方法、相关设备及存储介质
US8930173B2 (en) Vehicle behavior estimation device
US20200180639A1 (en) Automatic driving assist apparatus
JP7274327B2 (ja) 自動運転支援装置
CN110861650A (zh) 车辆的路径规划方法、装置，车载设备和存储介质
CN108171967B (zh) 一种交通控制方法及装置
JP2020516880A (ja) ポリゴンにおける中間点を低減する方法および装置
WO2020125686A1 (zh) 实时相对地图的生成方法，智能驾驶设备以及计算机存储介质
CN104615897A (zh) 基于低频gps数据的路段行程时间估算方法
US11567506B2 (en) Speed planning guidance line for mild slow down
CN111882905A (zh) 一种道路交通预约通行的实现方法、***及电子设备
CN113747364B (zh) 一种基于5g网络的智能交通导航方法、设备及介质
CN117320941A (zh) 驾驶辅助装置
US20220327935A1 (en) Systems and methods for cooperatively managing mixed traffic at an intersection
CN113340318A (zh) 车辆导航方法、装置、电子设备及存储介质
US11623662B2 (en) Planning system for speed limit changes for autonomous vehicles
US11505211B2 (en) Relative speed based speed planning for buffer area
JP4816670B2 (ja) ナビゲーション装置、ナビゲーション方法およびナビゲーションプログラム
US11300955B2 (en) Method for determining ride stability of an autonomous driving system controlling an autonomous driving vehicle
CN115892076B (zh) 车道障碍物筛选方法、装置和域控制器

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
PE01 Entry into force of the registration of the contract for pledge of patent right
PE01 Entry into force of the registration of the contract for pledge of patent right

Denomination of invention: Unmanned Vehicle Guidance Method and System Based on Vehicle Road Collaboration Technology

Effective date of registration: 20231010

Granted publication date: 20221018

Pledgee: Bank of China Limited Wuhan Economic and Technological Development Zone sub branch

Pledgor: ISMARTWAYS (WUHAN) TECHNOLOGY Co.,Ltd.

Registration number: Y2023980060478