CN116679580A - 一种封闭场景下智能网联汽车的模拟仿真验证方法及*** - Google Patents
一种封闭场景下智能网联汽车的模拟仿真验证方法及*** Download PDFInfo
- Publication number
- CN116679580A CN116679580A CN202210202593.4A CN202210202593A CN116679580A CN 116679580 A CN116679580 A CN 116679580A CN 202210202593 A CN202210202593 A CN 202210202593A CN 116679580 A CN116679580 A CN 116679580A
- Authority
- CN
- China
- Prior art keywords
- scene
- intelligent network
- closed
- data
- simulation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000004088 simulation Methods 0.000 title claims abstract description 86
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000012795 verification Methods 0.000 title claims abstract description 37
- 238000012544 monitoring process Methods 0.000 claims abstract description 12
- 238000013507 mapping Methods 0.000 claims abstract description 8
- 230000007613 environmental effect Effects 0.000 claims abstract description 3
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000004891 communication Methods 0.000 claims description 3
- 238000012360 testing method Methods 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 7
- 238000010276 construction Methods 0.000 description 4
- 238000007726 management method Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000004927 fusion Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 102100034112 Alkyldihydroxyacetonephosphate synthase, peroxisomal Human genes 0.000 description 1
- 101000799143 Homo sapiens Alkyldihydroxyacetonephosphate synthase, peroxisomal Proteins 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000000848 angular dependent Auger electron spectroscopy Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 239000010865 sewage Substances 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B17/00—Systems involving the use of models or simulators of said systems
- G05B17/02—Systems involving the use of models or simulators of said systems electric
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Traffic Control Systems (AREA)
Abstract
本公开提供了一种封闭场景下智能网联汽车的模拟仿真验证方法及***,获取封闭场景内的环境参量数据、智能网联汽车的状态数据、路侧监控数据以及封闭场景内的预设运行规则数据;将获取的数据映射到预设的封闭场景虚拟模型中,得到虚拟场景下的智能网联汽车运行状态;根据虚拟场景下的智能网联汽车运行状态,进行未来预设时间段内的运行状态模拟,根据模拟结果生成用于真实场景内智能网联汽车控制的风险预警指令和/或控制指令;本公开实现了封闭场景内的虚实联动,通过对封闭场景内的实时车辆数据和场景数据的采集,进行预设时间段内的车辆运行模拟,根据模拟结果生成风险和控制预备指令,能够有效的预防极端工况下安全风险。
Description
技术领域
本公开涉及智能网联汽车模拟仿真技术领域,特别涉及一种封闭场景下智能网联汽车的模拟仿真验证方法及***。
背景技术
本部分的陈述仅仅是提供了与本公开相关的背景技术,并不必然构成现有技术。
车辆驾驶技术自动化程度是智能网联汽车发展重要环节,而模拟仿真技术已在自动驾驶技术的开发、测试、验证环节被业内广泛接受。目前自动驾驶算法测试验证大约90%通过仿真平台完成,9%在测试场完成,1%通过实际路侧完成。普通场景下的自动驾驶算法已经比较完善,突破难点在于一些极端场景。这些场景可以通过仿真平台便捷生成,进行针对性的测试和验证。为解决极端场景测试难题,业界共识要加大仿真测试验证在自动驾驶测试验证中的占比。随着仿真技术水平的提高和应用的普及,行业旨在达到通过仿真平台完成99.9%的测试量,封闭场地测试0.09%,最后0.01%到实路上去完成。
目前的自动驾驶模拟仿真技术多是基于场景库的仿真验证。仿真验证主要通过构建模拟场景库,实现自动驾驶感知、决策规划、控制等算法的闭环仿真验证,满足通用自动驾驶技术成熟度的验证要求;场景库是自动驾驶仿真验证的基础,场景库对现实世界的覆盖率越高,仿真验证结果越真实。另外,因为特定封闭场景例如:机场、矿区、港口、景区等这些区域在自动驾驶整个应用产业中所占比例有限,所以单独针对这些区域的场景库建设还未启动;而且自动驾驶汽车研发的不同阶段对于场景库的要求也不同,需要场景库实现不同的验证功能;现在已有的模拟仿真验证***多用来面向自动驾驶技术本身如感知、决策、控制的测试验证。
发明人发现,目前针对特定封闭场景的仿真测试方式方法较少,尚无法实现预设特定场景内的智能网联汽车模拟;而且,现有的自动驾驶模拟大多是基于构建的虚拟场景进行真实场景构建前的模拟以实现更好的真实场景构建,主要目的在于更好的实现真实场景的构建,缺少对封闭场景建成后的动态调整;同时,在真实封闭场景构建完毕后,自动驾驶车辆的实时数据无法与虚拟场景的数据形成联通,无法根据真实场景数据进行场景内自动驾驶车辆运行走势的分析,无法保证封闭场景内的自动驾驶车辆的安全运行。
发明内容
为了解决现有技术的不足,本公开提供了一种封闭场景下智能网联汽车的模拟仿真验证方法及***,实现了封闭场景内的虚实联动,通过对封闭场景内的实时车辆数据和场景数据的采集,进行预设时间段内的车辆运行模拟,根据模拟结果生成风险和控制预备指令,能够有效的预防极端工况下安全风险。
为了实现上述目的,本公开采用如下技术方案:
本公开第一方面提供了一种封闭场景下智能网联汽车的模拟仿真验证方法。
一种封闭场景下智能网联汽车的模拟仿真验证方法,包括以下过程:
获取封闭场景内的环境参量数据、智能网联汽车的状态数据、路侧监控数据以及封闭场景内的预设运行规则数据;
将获取的数据映射到预设的封闭场景虚拟模型中,得到虚拟场景下的智能网联汽车运行状态;
根据虚拟场景下的智能网联汽车运行状态,进行未来预设时间段内的运行状态模拟,根据模拟结果生成用于真实场景内智能网联汽车控制的风险预警指令和/或控制指令。
进一步的,预设的封闭场景虚拟模型根据真实封闭场景构建,包括以下过程:
获取真实封闭场景的设备数据、尺寸数据和控制参量数据;
根据获取的数据生成与真实封闭场景相匹配的虚拟场景模型;
根据实时注入的真实场景数据,虚拟场景模型自动进行数据转换。
进一步的,进行未来预设时间段内的运行状态模拟,包括以下过程:
根据虚拟场景下的智能网联汽车运行状态和当前映射到虚拟场景下的封闭场景数据,进行各种极端条件下的模拟,生成并保存每种极端条件下的车辆运行模拟结果;
根据预设的智能网联汽车安全运行工况和车辆运行模拟结果,生成并保存风险预警指令。
进一步的,将获取的数据映射到预设的封闭场景虚拟模型中,在封闭场景虚拟模型中进行车辆的运行模拟,根据运行模拟结果进行真实场景的构建。
更进一步的,极端条件至少包括极端天气、封闭场景内安全事故、封闭场景内交通堵塞或者封闭场景内人员密集度高中的一种或多种。
更进一步的,根据获取封闭场景内的环境参量数据、智能网联汽车的状态数据、路侧监控数据以及封闭场景内的预设运行规则数据得到封闭场景内的当前运行工况;
如果当前运行工况与预存储的极端运行工况相匹配,直接发出告警信息或者预设控制指令。
更进一步的,预设控制指令至少包括对自动智能网联汽车或者其他交通参与者的位置、速度和方位角的控制。
更进一步的,预设的封闭场景虚拟模型包括:
虚拟围栏以及设置在虚拟围栏内的云控制终端、多个路侧设备、车端设备和手持设备;
路侧设备、车端设备和手持设备均与云控制终端通信连接,云控制终端根据各个设备采集的数据以及封闭场景的任务需求进行自动驾驶车辆的控制。
本公开第二方面提供了一种封闭场景下智能网联汽车的模拟仿真验证***。
一种封闭场景下智能网联汽车的模拟仿真验证***,包括:
数据获取模块,被配置为:获取封闭场景内的环境参量数据、智能网联汽车的状态数据、路侧监控数据以及封闭场景内的预设运行规则数据;
虚拟运行模块,被配置为:将获取的数据映射到预设的封闭场景虚拟模型中,得到虚拟场景下的智能网联汽车运行状态;
仿真预警模块,被配置为:根据虚拟场景下的智能网联汽车运行状态,进行未来预设时间段内的运行状态模拟,根据模拟结果生成用于真实场景内智能网联汽车控制的风险预警指令和/或控制指令。
本公开第三方面提供了一种计算机可读存储介质,其上存储有程序,该程序被处理器执行时实现如本公开第一方面所述的封闭场景下智能网联汽车的模拟仿真验证方法中的步骤。
本公开第四方面提供了一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的程序,所述处理器执行所述程序时实现如本公开第一方面所述的封闭场景下智能网联汽车的模拟仿真验证方法中的步骤。
与现有技术相比,本公开的有益效果是:
1、本公开所述的模拟仿真验证方法及***,实现了封闭场景内的虚实联动,通过对封闭场景内的实时车辆数据和场景数据的采集,进行预设时间段内的车辆运行模拟,根据模拟结果生成风险和控制预备指令,能够有效的预防极端工况下安全风险。
2、本公开所述的模拟仿真验证方法及***,将当前运行工况与预存储的极端运行工况相比较,能够快速地调取预设的告警指令和/或控制指令进行风险防范和控制,极大的提高了极端工况的处置能力。
3、本公开所述的模拟仿真验证方法及***,封闭场景虚拟模型严格按照实际场景构建,能够实现更好的虚实结合,保证了虚拟结果的准确性。
4、本公开所述的模拟仿真验证方法及***,能够根据虚拟仿真的结果,发现真实封闭场景中的漏洞,即当智能网联汽车的实时数据仿真结果存在较多的风险或者出现较多次数的风险时,进行封闭场景内的风险点识别,根据风险点识别结果进行真实场景的布局修改。
5、本公开所述的模拟仿真验证方法及***,将获取的数据映射到预设的封闭场景虚拟模型中,在封闭场景虚拟模型中进行车辆的运行模拟,根据运行模拟结果进行真实场景的构建,极大的提高了真实场景的准确性,进一步的提高了虚实结合的封闭场景内智能网联汽车控制的精度。
附图说明
构成本公开的一部分的说明书附图用来提供对本公开的进一步理解,本公开的示意性实施例及其说明用于解释本公开,并不构成对本公开的不当限定。
图1为本公开实施例1提供的封闭场景下智能网联汽车的模拟仿真验证方法的流程示意图。
具体实施方式
下面结合附图与实施例对本公开作进一步说明。
应该指出,以下详细说明都是例示性的,旨在对本公开提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本公开所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本公开的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。
实施例1:
如图1所示,本公开实施例1提供了一种封闭场景下智能网联汽车的模拟仿真验证方法,包括以下过程:
获取封闭场景内的环境参量数据、智能网联汽车的状态数据、路侧监控数据以及封闭场景内的预设运行规则数据;
将获取的数据映射到预设的封闭场景虚拟模型中,得到虚拟场景下的智能网联汽车运行状态;
根据虚拟场景下的智能网联汽车运行状态,进行未来预设时间段内的运行状态模拟,根据模拟结果生成用于真实场景内智能网联汽车控制的风险预警指令和/或控制指令。
本实施例中,预设的封闭场景虚拟模型根据真实封闭场景构建,包括以下过程:
获取真实封闭场景的设备数据、尺寸数据和控制参量数据;
根据获取的数据生成与真实封闭场景相匹配的虚拟场景模型;
根据实时注入的真实场景数据,虚拟场景模型自动进行数据转换。
本实施例中,进行未来预设时间段内的运行状态模拟,包括以下过程:
根据虚拟场景下的智能网联汽车运行状态和当前映射到虚拟场景下的封闭场景数据,进行各种极端条件下的模拟,生成并保存每种极端条件下的车辆运行模拟结果;
根据预设的智能网联汽车安全运行工况和车辆运行模拟结果,生成并保存风险预警指令。
本实施例中,极端条件至少包括极端天气、封闭场景内安全事故、封闭场景内交通堵塞或者封闭场景内人员密集度高中的一种或多种。
本实施例中,根据获取封闭场景内的环境参量数据、智能网联汽车的状态数据、路侧监控数据以及封闭场景内的预设运行规则数据得到封闭场景内的当前运行工况;
如果当前运行工况与预存储的极端运行工况相匹配,直接发出告警信息或者预设控制指令。
本实施例中,预设控制指令至少包括对自动智能网联汽车或者其他交通参与者的位置、速度和方位角的控制。
本实施例中,预设的封闭场景虚拟模型包括:
虚拟围栏以及设置在虚拟围栏内的云控制终端、多个路侧设备、车端设备和手持设备;
路侧设备、车端设备和手持设备均与云控制终端通信连接,云控制终端根据各个设备采集的数据以及封闭场景的任务需求进行自动驾驶车辆的控制。
本实施例中,虚拟场景中,包括如下:
路侧设备,包括:RSU(Road Side Unit,路侧单元)、感知设备(毫米波雷达、激光雷达、摄像头)、MEC(Mobile Edge Computing,边缘计算单元)以及手持终端(交通参与者交互单元);
车辆调度***(云控制终端)和RSU之间通过有线网络连接,采用TCP方式交换数据,车辆调度***向RSU发送车辆允许通行指令和禁止通行指令;
RSU作为TCP(Transmission Control Protocol,传输控制协议)服务端,车辆调度***作为TCP客户端,在车辆即将到达路口时广播控制指令,以机场飞机引导车为例,如允许通行,引导车引导飞机正常通过交叉路口;若通行指令,引导车在交叉路口前停止,等待车辆调度***发送并由RSU广播允许通行指令后通行。
感知设备用于获取交通参与者的坐标、速度;手持终端用于获取交通参与者的坐标、速度、方位角,进行实时交互。
车端设备,包括:OBU终端(车辆、交通参与者)、车端感知设备(融合感知)、车身控制器、车端总成控制器等;
其中,OBU作为Server,引导车作为Client,引导车主动连接OBU(On Board Unit,车载单元)后,OBU定期(频率10hz)发布信息;引导车主动连接OBU后,OBU定期(频率10hz)发布信息,包括:红路灯信息(红灯、绿灯)以及模拟飞机、车位置及速度信息(ID、坐标、位置、方位角)。
车端感知设备(融合感知),用于感知:
位置信息(POSITION Message),指车辆当前的实际位置,包括路径编号、偏移量、速度、与道路的相对方向、当前位置所占车道、位置信息可信度等;
道路信息(SEGMENT Message),指一个路径的某一段路中最重要的属性,包括路径编号、道路等级、道路类型(如高速路、环路、停车场等)、道路组成(高速路、单双车道等),限速、车道数目、方向、隧道、桥梁、分岔路、紧急车道、计算路径、服务区、复杂交叉路口的标志等;
道路路口信息(STUB Message),指某新路径的起点,包括路径编号、子路径的编号、转角(与下一路段的夹角)、交叉路口出现概率、道路类型及组成、正反向车道数目、转弯点、当前路口是否为复杂交叉路口等;
道路特征信息(PROFILE Message),报文可以用10bits或32bits来表示路径的属性,包括路径编号、路径轮廓类型、轮廓序列点、曲率等;
***信息(META-DATA Message),应用程序的数据,包括国家代码、区域(州县)代码、驾驶位(左、右)、速度单位、协议大小版本、硬件版本、地图提供商、地图版本、ADASHorizon Provider兼容性和模式信息。
车身控制器,控制动作信号集中传输到集成控制器总成,集成控制器总成将信号运算放大后再控制车身元件。
车端总成控制器,集合车端感知信息、车辆状态(驱动器、转向器、制动器等车辆元件)信息。
云控制终端,包括:上位***和车辆控制***;
上位***用于场内交通规则、路权规则、航班信息(进出港)、车辆作业流程、原始地图、空管信息、气象信息、用车需求等。
车辆控制***用于任务调度、路径规划、交通预测、实时监控等。
以某机场这一封闭场景为例,其设定的部分通行规则如下:
一、道路限速管理
1、飞行区实行分区限速管理,机位尾部服务车道、远机位机头服务车道、航站楼登机桥等路段车辆时速不得超过30公里,消防通道时速不得超过10公里;
2、航站楼(货站)一楼/转运中心行李分拣区出口与登机桥下服务车道距离较近,车辆通行该路段时应减速慢行,注意观察避让货物牵引车,时速不得超过10公里;
3、其余路段时速不得超过40公里。
二、道路限高管理
1、航站楼登机桥固定端及XX指廊消防通道限高3.8米;
2、航站楼登机桥固定端限高3.95米;
3、转运中心西一指廊下穿通道限高2.8米、西二指廊下穿通道限高3.2米,东一指廊下穿通道限高3.8米、东二指廊下穿通道限高3.2米。
三、严禁客梯车、高工作梯等超高车辆设备穿行登机桥固定端下方服务车道;
四、机位尾部服务车道原则上仅允许食品车、货物保障车辆、垃圾车、清水车、污水车、加油车、残障车、机务车辆等航班保障作业的特种车辆通行;
五、XX垂直联络道服务车道限重60吨(含)以下车辆通行。
其他规则不再赘述。
本实施例中,根据飞机起降信息、根据机场内的通行规则、机场内的环境参量数据、智能网联汽车的状态数据以及路侧监控数据,进行车辆模拟驾驶。
当遇到极端情况时,如迫降、极端天气、场内碰撞事故等工况时,按照预设的多种工况下的模拟结果,匹配完成后,直接进行告警和处置,以提高机场内飞机起降和人员的安全性。
实施例2:
本公开实施例2提供了一种封闭场景下智能网联汽车的模拟仿真验证***,包括:
数据获取模块,被配置为:获取封闭场景内的环境参量数据、智能网联汽车的状态数据、路侧监控数据以及封闭场景内的预设运行规则数据;
虚拟运行模块,被配置为:将获取的数据映射到预设的封闭场景虚拟模型中,得到虚拟场景下的智能网联汽车运行状态;
仿真预警模块,被配置为:根据虚拟场景下的智能网联汽车运行状态,进行未来预设时间段内的运行状态模拟,根据模拟结果生成用于真实场景内智能网联汽车控制的风险预警指令和/或控制指令。
实施例3:
本公开实施例3提供了一种计算机可读存储介质,其上存储有程序,该程序被处理器执行时实现如本公开实施例1所述的封闭场景下智能网联汽车的模拟仿真验证方法中的步骤。
实施例4:
本公开实施例4提供了一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的程序,所述处理器执行所述程序时实现如本公开实施例1所述的封闭场景下智能网联汽车的模拟仿真验证方法中的步骤。
以上所述仅为本公开的优选实施例而已,并不用于限制本公开,对于本领域的技术人员来说,本公开可以有各种更改和变化。凡在本公开的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本公开的保护范围之内。
Claims (10)
1.一种封闭场景下智能网联汽车的模拟仿真验证方法,其特征在于:包括以下过程:
获取封闭场景内的环境参量数据、智能网联汽车的状态数据、路侧监控数据以及封闭场景内的预设运行规则数据;
将获取的数据映射到预设的封闭场景虚拟模型中,得到虚拟场景下的智能网联汽车运行状态;
根据虚拟场景下的智能网联汽车运行状态,进行未来预设时间段内的运行状态模拟,根据模拟结果生成用于真实场景内智能网联汽车控制的风险预警指令和/或控制指令。
2.如权利要求1所述的封闭场景下智能网联汽车的模拟仿真验证方法,其特征在于:
预设的封闭场景虚拟模型根据真实封闭场景构建,包括以下过程:
获取真实封闭场景的设备数据、尺寸数据和控制参量数据;
根据获取的数据生成与真实封闭场景相匹配的虚拟场景模型;
根据实时注入的真实场景数据,虚拟场景模型自动进行数据转换;
或者,
将获取的数据映射到预设的封闭场景虚拟模型中,在封闭场景虚拟模型中进行车辆的运行模拟,根据运行模拟结果进行真实场景的构建。
3.如权利要求1所述的封闭场景下智能网联汽车的模拟仿真验证方法,其特征在于:
进行未来预设时间段内的运行状态模拟,包括以下过程:
根据虚拟场景下的智能网联汽车运行状态和当前映射到虚拟场景下的封闭场景数据,进行各种极端条件下的模拟,生成并保存每种极端条件下的车辆运行模拟结果;
根据预设的智能网联汽车安全运行工况和车辆运行模拟结果,生成并保存风险预警指令。
4.如权利要求3所述的封闭场景下智能网联汽车的模拟仿真验证方法,其特征在于:
极端条件至少包括极端天气、封闭场景内安全事故、封闭场景内交通堵塞或者封闭场景内人员密集度高中的一种或多种。
5.如权利要求3所述的封闭场景下智能网联汽车的模拟仿真验证方法,其特征在于:
根据获取封闭场景内的环境参量数据、智能网联汽车的状态数据、路侧监控数据以及封闭场景内的预设运行规则数据得到封闭场景内的当前运行工况;
如果当前运行工况与预存储的极端运行工况相匹配,直接发出告警信息或者预设控制指令。
6.如权利要求3所述的封闭场景下智能网联汽车的模拟仿真验证方法,其特征在于:
预设控制指令至少包括对自动智能网联汽车或者其他交通参与者的位置、速度和方位角的控制。
7.如权利要求3所述的封闭场景下智能网联汽车的模拟仿真验证方法,其特征在于:
预设的封闭场景虚拟模型包括:
虚拟围栏以及设置在虚拟围栏内的云控制终端、多个路侧设备、车端设备和手持设备;
路侧设备、车端设备和手持设备均与云控制终端通信连接,云控制终端根据各个设备采集的数据以及封闭场景的任务需求进行自动驾驶车辆的控制。
8.一种封闭场景下智能网联汽车的模拟仿真验证***,其特征在于:包括:
数据获取模块,被配置为:获取封闭场景内的环境参量数据、智能网联汽车的状态数据、路侧监控数据以及封闭场景内的预设运行规则数据;
虚拟运行模块,被配置为:将获取的数据映射到预设的封闭场景虚拟模型中,得到虚拟场景下的智能网联汽车运行状态;
仿真预警模块,被配置为:根据虚拟场景下的智能网联汽车运行状态,进行未来预设时间段内的运行状态模拟,根据模拟结果生成用于真实场景内智能网联汽车控制的风险预警指令和/或控制指令。
9.一种计算机可读存储介质,其上存储有程序,其特征在于,该程序被处理器执行时实现如权利要求1-7任一项所述的封闭场景下智能网联汽车的模拟仿真验证方法中的步骤。
10.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的程序,其特征在于,所述处理器执行所述程序时实现如权利要求1-7任一项所述的封闭场景下智能网联汽车的模拟仿真验证方法中的步骤。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2022101694546 | 2022-02-23 | ||
CN202210169454 | 2022-02-23 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116679580A true CN116679580A (zh) | 2023-09-01 |
Family
ID=87777569
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210202593.4A Pending CN116679580A (zh) | 2022-02-23 | 2022-03-02 | 一种封闭场景下智能网联汽车的模拟仿真验证方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116679580A (zh) |
-
2022
- 2022-03-02 CN CN202210202593.4A patent/CN116679580A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108364494B (zh) | 道路交通智能管理方法、***及平台 | |
CN110853357B (zh) | 高速公路危险路段及施工区域预警控制***和方法 | |
DE112019005425T5 (de) | Redundanz in autonomen fahrzeugen | |
CN110491179B (zh) | 一种具有动态虚拟电子围栏的机场场面监控*** | |
BR102019008496A2 (pt) | métodos para designar dinamicamente operadores para controlar remotamente e/ ou monitorar movimentos de um ou mais sistemas de veículos e sistema de designação de operador de veículo remoto | |
US20020109625A1 (en) | Automatic method of tracking and organizing vehicle movement on the ground and of identifying foreign bodies on runways in an airport zone | |
CN111599201A (zh) | 智能交通下基于v2x的智能网联汽车***及方法 | |
EP3190579A1 (en) | Method and device for managing traffic at an aerodrome | |
PT883873E (pt) | Sistema de controlo e conducao para movimentos de superficie em aeroportos | |
CN109491380A (zh) | 一种智能汽车用无人驾驶***及使用方法 | |
CN113453263B (zh) | 一种车路协同v2i仿真测试***及其方法 | |
CN112270845B (zh) | 基于高通路数据链的引导车场面空管态势共享装置 | |
CN112071117A (zh) | 一种基于车路协同的高速公路交通安全预警***及方法 | |
CN113706914B (zh) | 一种基于v2x的狭窄路段调度通行方法和*** | |
CN109839922B (zh) | 用于控制无人驾驶车辆的方法及装置 | |
US20190227570A1 (en) | Systems and methods for remote inspection of a vehicle | |
CN112441087A (zh) | 列车控制***、列车控制方法 | |
CN107767677A (zh) | 基于车载设备的有轨电车路口安全区域控制装置 | |
CN113851017A (zh) | 一种基于路侧rsu的行人车辆识别预警多功能*** | |
CN111062644A (zh) | 一种基于高精导航定位的机场地勤车辆管控***和方法 | |
CN111309006A (zh) | 一种自主导航运输*** | |
CN110213740A (zh) | 基于智能道钉的高速公路交叉口车路协同***和指引方法 | |
EP3989032B1 (en) | Systems and methods for controlling an autonomous vehicle | |
CN116679580A (zh) | 一种封闭场景下智能网联汽车的模拟仿真验证方法及*** | |
CN207397492U (zh) | 基于车载设备的有轨电车路口安全区域控制装置 |
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 |