CN110308716A - 一种基于集群的自动驾驶车辆的方法、装置及车辆 - Google Patents
一种基于集群的自动驾驶车辆的方法、装置及车辆 Download PDFInfo
- Publication number
- CN110308716A CN110308716A CN201810258346.XA CN201810258346A CN110308716A CN 110308716 A CN110308716 A CN 110308716A CN 201810258346 A CN201810258346 A CN 201810258346A CN 110308716 A CN110308716 A CN 110308716A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- information
- running condition
- cluster
- traveling
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000004891 communication Methods 0.000 claims abstract description 149
- 230000008447 perception Effects 0.000 claims description 54
- 230000007613 environmental effect Effects 0.000 claims description 32
- 238000004458 analytical method Methods 0.000 claims description 20
- 230000005540 biological transmission Effects 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 9
- 238000007726 management method Methods 0.000 description 7
- 230000006855 networking Effects 0.000 description 7
- 230000002269 spontaneous effect Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- 238000009826 distribution Methods 0.000 description 3
- 238000005265 energy consumption Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000010354 integration Effects 0.000 description 3
- 230000010365 information processing Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 239000003595 mist Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 238000000465 moulding Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0223—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving speed control of the vehicle
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0257—Control of position or course in two dimensions specially adapted to land vehicles using a radar
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
- G05D1/0278—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle using satellite positioning signals, e.g. GPS
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0287—Control of position or course in two dimensions specially adapted to land vehicles involving a plurality of land vehicles, e.g. fleet or convoy travelling
- G05D1/0289—Control of position or course in two dimensions specially adapted to land vehicles involving a plurality of land vehicles, e.g. fleet or convoy travelling with means for avoiding collisions between vehicles
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0287—Control of position or course in two dimensions specially adapted to land vehicles involving a plurality of land vehicles, e.g. fleet or convoy travelling
- G05D1/0291—Fleet control
- G05D1/0293—Convoy travelling
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Aviation & Aerospace Engineering (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供了一种基于集群的自动驾驶车辆的方法、装置及车辆，本发明中主车辆能够确定所述通信集群内的每一车辆的行驶规划信息，将确定得到的每一车辆的行驶规划信息发送给相应的车辆，进而所述通信集群中的任一车辆根据相应的行驶规划信息行驶。即本发明能够实现基于集群的自动驾驶，进而解决现有技术中不能实现基于集群的自动驾驶车辆的问题。
Description
技术领域
本发明涉及智能驾驶领域，更具体的说，涉及一种基于集群的自动驾驶车辆的方法、装置及车辆。
背景技术
近年来，自动驾驶技术研究火热，自动驾驶汽车(Autonomous vehicles；Self-piloting automobile)又称无人驾驶汽车、电脑驾驶汽车、或轮式移动机器人，是一种通过电脑系统实现无人驾驶的智能汽车。
自动驾驶汽车依靠人工智能、视觉计算、雷达、监控装置和全球定位系统协同合作，让电脑可以在没有任何人类主动的操作下，自动安全地操作机动车辆。目前，自动驾驶汽车仅局限于单车自动驾驶方面，忽视了车是智能交通系统中的参与者之一，不能实现基于集群的自动驾驶车辆。
发明内容
有鉴于此，本发明提供一种基于集群的自动驾驶车辆的方法、装置及车辆，以解决现有技术中不能实现基于集群的自动驾驶车辆的问题。
为解决上述技术问题，本发明采用了如下技术方案：
一种基于集群的自动驾驶车辆的方法，应用于主车辆，其中，所述主车辆为通信集群中的任一车辆，所述主车辆与所有的副车辆组成一个通信集群；所述方法包括：
获取行驶状态信息；其中，所述行驶状态信息包括所述主车辆采集的第一行驶状态信息、每一副车辆发送的车辆感知信息以及第二行驶状态信息；
基于所述主车辆的计算能力以及每一副车辆的计算能力，分析得到所述通信集群的整体环境模型；其中，所述整体环境模型用于描述所述通信集群中的所有的车辆的行驶环境；
基于所述整体环境模型，确定所述通信集群内的每一车辆的行驶规划信息；
将确定得到的每一车辆的行驶规划信息发送给相应的车辆，以使所述通信集群中的任一车辆根据相应的行驶规划信息行驶。
优选地，基于所述主车辆的计算能力以及每一副车辆的计算能力，分析得到所述通信集群的整体环境模型，包括：
获取所述主车辆以及每一副车辆的计算能力；
分析所述第一行驶状态信息、车辆感知信息和第二行驶状态信息的总信息量；
根据第一行驶状态信息、车辆感知信息、第二行驶状态信息、所述总信息量、所述主车辆以及每一副车辆的计算能力，确定所述整体环境模型。
优选地，根据第一行驶状态信息、车辆感知信息、第二行驶状态信息、所述总信息量、所述主车辆以及每一副车辆的计算能力，确定所述整体环境模型，包括：
依据所述总信息量、所述主车辆以及每一副车辆的计算能力，将所述第一行驶状态信息、车辆感知信息和第二行驶状态信息中的部分信息转发至至少一个副车辆，以使接收到信息的副车辆依据接收到的信息生成相应的副车辆的环境模型；其中，接收到信息的副车辆所接收的信息不同；
获取至少一个副车辆生成的环境模型；
依据所述第一行驶状态信息、车辆感知信息和第二行驶状态信息中除所述部分信息以外的信息，计算得到所述主车辆的环境模型；
基于所述主车辆计算得到的环境模型以及接收的副车辆发送的环境模型，生成所述通信集群的整体环境模型。
优选地，基于所述整体环境模型，确定所述通信集群内的每一车辆的行驶规划信息，包括：
基于所述整体环境模型以及所述通信集群内的每一车辆的行驶目的地，确定出所述通信集群中的每一车辆的行驶路线；
判断所述通信集群中所有的车辆的行驶路线是否相同；
若判断出所述通信集群中所有的车辆的行驶路线不相同，基于每一车辆的行驶路线以及预设行驶原则，确定出每一车辆的行驶规划信息；
其中，所述行驶规划信息包括行驶到所述行驶路线上的每一标志位置的时间点；
所述行驶原则包括所述通信集群内的任两个车辆不会在同一时间点行驶到同一个标志位置、且通信效率大于预设数值。
优选地，若判断出所述通信集群中所有的车辆的行驶路线相同后，还包括：
根据所述通信集群中的每个车辆的前后行驶顺序、预设行驶队列数、以及固定的间距或者时间距，生成所述通信集群内的每一车辆的行驶规划信息。
优选地，还包括:
获取第一车辆行驶信息和每一副车辆发送的车辆感知信息；
基于所述第一车辆行驶信息和每一副车辆发送的车辆感知信息，确定所述主车辆的单车行驶路线；
依据所述单车行驶路线自动行驶。
一种基于集群的自动驾驶车辆的装置，应用于主车辆，其中，所述主车辆为通信集群中的任一车辆，所述主车辆与所有的副车辆组成一个通信集群；所述装置包括：
信息获取模块，用于获取行驶状态信息；其中，所述行驶状态信息包括所述主车辆采集的第一行驶状态信息、每一副车辆发送的车辆感知信息以及第二行驶状态信息；
模型分析模块，用于基于所述主车辆的计算能力以及每一副车辆的计算能力，分析得到所述通信集群的整体环境模型；其中，所述整体环境模型用于描述所述通信集群中的所有的车辆的行驶环境；
信息确定模块，用于基于所述整体环境模型，确定所述通信集群内的每一车辆的行驶规划信息；
信息发送模块，用于将确定得到的每一车辆的行驶规划信息发送给相应的车辆，以使所述通信集群中的任一车辆根据相应的行驶规划信息行驶。
优选地，所述模型分析模块包括：
获取子模块，用于获取所述主车辆以及每一副车辆的计算能力；
分析子模块，用于分析所述第一行驶状态信息、车辆感知信息和第二行驶状态信息的总信息量；
确定子模块，用于根据第一行驶状态信息、车辆感知信息、第二行驶状态信息、所述总信息量、所述主车辆以及每一副车辆的计算能力，确定所述整体环境模型。
优选地，所述确定子模块包括：
发送单元，用于依据所述总信息量、所述主车辆以及每一副车辆的计算能力，将所述第一行驶状态信息、车辆感知信息和第二行驶状态信息中的部分信息转发至至少一个副车辆，以使接收到信息的副车辆依据接收到的信息生成相应的副车辆的环境模型；其中，接收到信息的副车辆所接收的信息不同；
获取单元，用于获取至少一个副车辆生成的环境模型；
计算单元，用于依据所述第一行驶状态信息、车辆感知信息和第二行驶状态信息中除所述部分信息以外的信息，计算得到所述主车辆的环境模型；
生成单元，用于基于所述主车辆计算得到的环境模型以及接收的副车辆发送的环境模型，生成所述通信集群的整体环境模型。
一种车辆，包括：控制器和发送端口；
所述控制器，用于获取行驶状态信息，基于所述主车辆的计算能力以及每一副车辆的计算能力，分析得到所述通信集群的整体环境模型，基于所述整体环境模型，确定所述通信集群内的每一车辆的行驶规划信息；其中，所述行驶状态信息包括所述主车辆采集的第一行驶状态信息、每一副车辆发送的车辆感知信息以及第二行驶状态信息；所述整体环境模型用于描述所述通信集群中的所有的车辆的行驶环境；
所述发送端口，用于将确定得到的每一车辆的行驶规划信息发送给相应的车辆，以使所述通信集群中的任一车辆根据相应的行驶规划信息行驶。
相较于现有技术，本发明具有以下有益效果：
本发明提供了一种基于集群的自动驾驶车辆的方法、装置及车辆，本发明中主车辆能够确定所述通信集群内的每一车辆的行驶规划信息，将确定得到的每一车辆的行驶规划信息发送给相应的车辆，进而所述通信集群中的任一车辆根据相应的行驶规划信息行驶。即本发明能够实现基于集群的自动驾驶，进而解决现有技术中不能实现基于集群的自动驾驶车辆的问题。
附图说明
为了更清楚地说明本发明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，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1为本发明提供的一种基于集群的自动驾驶车辆的方法的方法流程图；
图2为本发明提供的另一种基于集群的自动驾驶车辆的方法的方法流程图；
图3为本发明提供的再一种基于集群的自动驾驶车辆的方法的方法流程图；
图4为本发明提供的一种车辆在交叉路口行驶的结构示意图；
图5为本发明提供的一种车辆在道路上行驶的结构示意图；
图6为本发明提供的一种基于集群的自动驾驶车辆的装置的结构示意图；
图7为本发明提供的一种智能驾驶域控制器的结构示意图；
图8为本发明提供的一种智能网联域控制器的结构示意图。
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。
本发明提供了一种基于集群的自动驾驶车辆的方法。应用于主车辆，其中，所述主车辆为通信集群中的任一车辆，所述主车辆与所有的副车辆组成一个通信集群。具体的，位于同一个区域的车辆可以自发动态组网，组成一个通信集群，然后可以随机在通信集群中选取一个车辆作为主车辆。
参照图1，基于集群的自动驾驶车辆的方法可以包括：
S11、获取行驶状态信息；
其中，所述行驶状态信息包括所述主车辆采集的第一行驶状态信息、每一副车辆发送的车辆感知信息以及第二行驶状态信息。
具体的，第一行驶状态信息和第二行驶状态信息为车辆上安装的传感器检测到的数据，如速度传感器检测到的车辆的速度值，全球定位系统GPS传感器检测到的位置数据等。
车辆感知信息是通信集群中的副车辆通过V2X通信技术接收的其余的副车辆或主车辆发送的超视距的感知信息，如其余车辆的位置、速度、航向角等信息。
V2X通信技术可以在一些特定的环境下，例如雨、雪、雾等条件下，能够提供置信度更高的信息，这将为自动驾驶增加安全冗余。
S12、基于所述主车辆的计算能力以及每一副车辆的计算能力，分析得到所述通信集群的整体环境模型；
其中，所述整体环境模型用于描述所述通信集群中的所有的车辆的行驶环境。
其中，副车辆的计算能力会发送至主车辆，由于将所有的信息都发送至云端，会导致云端的计算量较大，加重云端的运算负担。进而本实施例中采用边缘计算云的方式进行计算。其中，边缘计算是数据在本地局域网中处理，其相对于云计算来说具有低延时的特点。同时，不需要将全部数据上传到云端，能够显著降低对带宽的需求。
具体的，本实施例中，确定出主车辆后，主车辆会依据主车辆的计算能力以及每一副车辆的计算能力，分析得到所述通信集群的整体环境模型。整体环境模型可以是一个仿真的模型，模型中会显示每个车辆的位置、路边的障碍物、红绿灯等。即会把车辆运行的实际环境通过仿真的方式展示出来。
S13、基于所述整体环境模型，确定所述通信集群内的每一车辆的行驶规划信息；
每一车辆的行驶规划信息是指车辆从当前地行驶到目的地的行驶路线，以及在行驶路线中行驶到每个位置，即标志位置的时间点。
S14、将确定得到的每一车辆的行驶规划信息发送给相应的车辆，以使所述通信集群中的任一车辆根据相应的行驶规划信息行驶。
具体的，任一车辆接收到行驶规划信息，车辆上的控制器就会依据行驶路线以及行驶过程中经过每一标志位置的时间点来确定车辆的行驶速度，进而依照行驶规划信息进行行驶。
可选的，在本实施例的基础上，不仅可以实现多车辆的自动驾驶，还能够实现单车辆的自动驾驶。具体的，还包括:
1)获取第一车辆行驶信息和每一副车辆发送的车辆感知信息；
2)基于所述第一车辆行驶信息和每一副车辆发送的车辆感知信息，确定所述主车辆的单车行驶路线；
3)依据所述单车行驶路线自动行驶。
具体的，第一车辆行驶信息是车辆上的传感器检测得到，车辆感知信息是其余车辆发送的，主车辆融合车载传感器信息以及车辆感知信息，确定出主车辆的单车行驶路线，依据所述单车行驶路线自动行驶，完成单车自动驾驶任务。
此外，主车辆还可以将第一车辆行驶信息传递给通信集群中的其余车辆，进而为其余车辆行驶时，提供外界其余车辆的行驶信息。
本实施例中，主车辆能够确定所述通信集群内的每一车辆的行驶规划信息，将确定得到的每一车辆的行驶规划信息发送给相应的车辆，进而所述通信集群中的任一车辆根据相应的行驶规划信息行驶。即本发明能够实现基于集群的自动驾驶，进而解决现有技术中不能实现基于集群的自动驾驶车辆的问题。
可选的，在上述任一实施例的基础上，参照图2，步骤S12可以包括：
S21、获取所述主车辆以及每一副车辆的计算能力；
其中，主车辆可以通过V2X通信技术获取副车辆的计算能力。
S22、分析所述第一行驶状态信息、车辆感知信息和第二行驶状态信息的总信息量；
具体的，步骤S22就是为了统计第一行驶状态信息、车辆感知信息和第二行驶状态信息的信息总量。
S23、依据所述总信息量、所述主车辆以及每一副车辆的计算能力，将所述第一行驶状态信息、车辆感知信息和第二行驶状态信息中的部分信息转发至至少一个副车辆，以使接收到信息的副车辆依据接收到的信息生成相应的副车辆的环境模型；
其中，接收到信息的副车辆所接收的信息不同。
具体的，当第一行驶状态信息、车辆感知信息和第二行驶状态信息的总信息量较大时，由于主车辆的处理能力有限，不能处理所有的数据，此时将部分信息发送给副车辆进行处理。
其中，需要的副车辆的数量与主车辆的计算能力、副车辆的计算能力有关。如，当总信息量为100M时，主车辆能够计算50M的数据，每个副车辆可以计算25M的数据，则就需要2个副车辆来协助主车辆进行计算。当总信息量为150M时，就需要4个副车辆来协助主车辆进行计算。
当需要副车辆来协助计算时，主车辆发送给副车辆的信息是把主车辆能够处理的信息排除后，依据副车辆的计算能力，来给相应的副车辆来分配信息。并且，发送给副车辆的信息是与副车辆的距离小于指定数值的副车辆发送的车辆感知信息、第二行驶状态信息，以及副车辆自己发送的车辆感知信息和第二行驶状态信息。
副车辆接收到信息后，就会根据接收到的信息，生成副车辆的环境模型，其中，环境模型表征副车辆的行驶环境。
需要说明的是，当总信息量较少时，仅需要主车辆就能够完成计算，此时不需要副车辆来协助计算。
另外，主车辆还可以将信息发送给至少一个副车辆，接收到信息的副车辆还可以继续将接收的信息进行下分，即逐级分发信息，以及生成环境模型，级别较低的车辆生成环境模型后，会发送至上一级的车辆，上一级的车辆进行环境模型的整合，然后发送给上一级的车辆，直至发送给主车辆，主车辆进行汇总整合，得到整体环境模型。
S24、获取至少一个副车辆生成的环境模型；
具体的，通过V2X通信技术获取至少一个副车辆生成的环境模型。
S25、依据所述第一行驶状态信息、车辆感知信息和第二行驶状态信息中除所述部分信息以外的信息，计算得到所述主车辆的环境模型；
具体的，主车辆生成环境模型的过程与副车辆生成环境模型的过程类似，请参照副车辆生成环境模型的过程。
S26、基于所述主车辆计算得到的环境模型以及接收的副车辆发送的环境模型，生成所述通信集群的整体环境模型。
具体的，将多个环境模型进行汇总整合，即生成通信集群的整体环境模型。
需要说明的是，步骤S23至步骤S26为根据第一行驶状态信息、车辆感知信息、第二行驶状态信息、所述总信息量、所述主车辆以及每一副车辆的计算能力，确定所述整体环境模型的具体实现方式。此外，本发明还可以通过其他方式实现根据第一行驶状态信息、车辆感知信息、第二行驶状态信息、所述总信息量、所述主车辆以及每一副车辆的计算能力，确定所述整体环境模型。
本实施例中，主车辆进行资源需求分析，统一管理通信集群，为副车辆分配任务，通过此种方式构建边缘计算云，并在此边缘计算云上生成通信集群的整体环境模型，以完成车辆的调度管理。这样在保证安全的前提下，极大的提高通行效率，减少能耗，给用户带来真正的绿色出行体验。
另外，本实施例中构建的边缘计算云不同于路侧基站服务器，自发组网的车辆通信不依赖与任何路侧基础设施，如路侧基站，本实施例中边缘计算云的物理实体由组网车辆自发分配计算资源，以分布式计算的方式，构建一个动态的、可扩展的移动边缘云。
可选的，在上述任一实施例的基础上，参照图3，步骤S13可以包括：
S31、基于所述整体环境模型以及所述通信集群内的每一车辆的行驶目的地，确定出所述通信集群中的每一车辆的行驶路线；
具体的，整体环境模型建立起来后，通信集群中的每个车辆所处的位置以及环境都能够明确的看到，车辆的行驶目的地是车主提前设置好的，进而可以根据整体环境模型中车辆的拥挤情况，选择出一条最优的行驶路线。
S32、判断所述通信集群中所有的车辆的行驶路线是否相同；若判断出所述通信集群中所有的车辆的行驶路线不相同，执行步骤S33；若判断出所述通信集群中所有的车辆的行驶路线相同，执行步骤S34。
具体的，如果车辆的行驶路线相同，说明通信集群中的各车辆是按照前后排列顺序进行顺序行驶的。如果车辆的行驶路线不相同，说明各车辆的行驶路线可能存在冲突，如经过十字路口等。
S33、基于每一车辆的行驶路线以及预设行驶原则，确定出每一车辆的行驶规划信息；
其中，所述行驶规划信息包括行驶到所述行驶路线上的每一标志位置的时间点。所述行驶原则包括所述通信集群内的任两个车辆不会在同一时间点行驶到同一个标志位置、且通信效率大于预设数值。
具体的，当通信集群中的各车辆的行驶路线存在冲突时，主车辆会协调组网内的所有的车辆，以不发生碰撞冲突和通行效率最优为优化目标，同一调度管理，为每一车辆计算带有时间戳的行驶轨迹，并且动态调整。具体可以参照图4。
图4中是行驶路线存在冲突的多个车辆在交叉路口的行驶规划信息。图4中不同车辆通过交叉路口的时间已经提前设定后，进而就能够保证车辆在不停车的前提条件下通过交叉路口。
需要说明的是，当通信集群中存在紧急车辆时，如120车辆，此时，120车辆会发出紧急通行请求，主车辆在接收到紧急通行请求时，就会为120车辆的通行优先级设置为最高，以使紧急车辆优先通行。
S34、根据所述通信集群中的每个车辆的前后行驶顺序、预设行驶队列数、以及固定的间距或者时间距，生成所述通信集群内的每一车辆的行驶规划信息。
若判断出所述通信集群中所有的车辆的行驶路线相同。说明通信集群中的所有的车辆是按照顺序依次行驶，此时，可以根据通信集群中的每个车辆的前后行驶顺序为车辆设置编队，按照队列行驶。其中，可以是一个队列，也可以是多个队列。如在单车道时，可以是一个队列通信，若是四车道时，可以是两个队列通行。具体可以参考图5。图5中是一个队列行驶的示意图。一个队列中的车辆按照先后顺序，以固定的间距或者时间距行驶。
需要说明的是，编队形式的主要目的是提高道路利用率，减少能耗，应用场景包括但不限于高速公路、城市快路等。其中，不管是一个队列通行，还是多队列通行，每个队列中的车辆都需要是固定的间距或者是时间距行驶。固定的间距是指两车中间的间隔相同，固定的时间距可以是以当前车辆的速度*2S的间距行驶。固定的时间距的距离间隔与车辆的行驶速度有关。
确定了通信集群中的车辆是几个队列行驶以及固定的间距或者是时间距后，就可以确定出通信集群内的每一车辆的行驶规划信息。进而通信集群中的车辆就可以按照行驶规划信息行驶。
本实施例中，不管通信集群中的车辆的行驶路线是相同还是存在冲突，主车辆均能够生成通信集群中的每个车辆的行驶规划信息，进而通信集群中的车辆就可以按照行驶规划信息行驶。
可选的，在上述基于集群的自动驾驶车辆的方法的实施例的基础上，本发明的另一实施例提供了一种基于集群的自动驾驶车辆的装置，应用于主车辆，其中，所述主车辆为通信集群中的任一车辆，所述主车辆与所有的副车辆组成一个通信集群；参照图6，所述装置可以包括：
信息获取模块101，用于获取行驶状态信息；其中，所述行驶状态信息包括所述主车辆采集的第一行驶状态信息、每一副车辆发送的车辆感知信息以及第二行驶状态信息；
模型分析模块102，用于基于所述主车辆的计算能力以及每一副车辆的计算能力，分析得到所述通信集群的整体环境模型；其中，所述整体环境模型用于描述所述通信集群中的所有的车辆的行驶环境；
信息确定模块103，用于基于所述整体环境模型，确定所述通信集群内的每一车辆的行驶规划信息；
信息发送模块104，用于将确定得到的每一车辆的行驶规划信息发送给相应的车辆，以使所述通信集群中的任一车辆根据相应的行驶规划信息行驶。
进一步，还可以包括：
数据获取模块，用于获取第一车辆行驶信息和每一副车辆发送的车辆感知信息；
路线确定模块，用于基于所述第一车辆行驶信息和每一副车辆发送的车辆感知信息，确定所述主车辆的单车行驶路线；
自动行驶模块，用于依据所述单车行驶路线自动行驶。
本实施例中，主车辆能够确定所述通信集群内的每一车辆的行驶规划信息，将确定得到的每一车辆的行驶规划信息发送给相应的车辆，进而所述通信集群中的任一车辆根据相应的行驶规划信息行驶。即本发明能够实现基于集群的自动驾驶，进而解决现有技术中不能实现基于集群的自动驾驶车辆的问题。
需要说明的是，本实施例中的各个模块的工作过程，请参照上述实施例中的相应说明，在此不再赘述。
可选的，在上述任一装置的实施例的基础上，所述模型分析模块包括：
获取子模块，用于获取所述主车辆以及每一副车辆的计算能力；
分析子模块，用于分析所述第一行驶状态信息、车辆感知信息和第二行驶状态信息的总信息量；
确定子模块，用于根据第一行驶状态信息、车辆感知信息、第二行驶状态信息、所述总信息量、所述主车辆以及每一副车辆的计算能力，确定所述整体环境模型。
所述确定子模块包括：
发送单元，用于依据所述总信息量、所述主车辆以及每一副车辆的计算能力，将所述第一行驶状态信息、车辆感知信息和第二行驶状态信息中的部分信息转发至至少一个副车辆，以使接收到信息的副车辆依据接收到的信息生成相应的副车辆的环境模型；其中，接收到信息的副车辆所接收的信息不同；
获取单元，用于获取至少一个副车辆生成的环境模型；
计算单元，用于依据所述第一行驶状态信息、车辆感知信息和第二行驶状态信息中除所述部分信息以外的信息，计算得到所述主车辆的环境模型；
生成单元，用于基于所述主车辆计算得到的环境模型以及接收的副车辆发送的环境模型，生成所述通信集群的整体环境模型。
本实施例中，主车辆进行资源需求分析，统一管理通信集群，为副车辆分配任务，通过此种方式构建边缘计算云，并在此边缘计算云上生成通信集群的整体环境模型，以完成车辆的调度管理。这样在保证安全的前提下，极大的提高通行效率，减少能耗，给用户带来真正的绿色出行体验。
另外，本实施例中构建的边缘计算云不同于路侧基站服务器，自发组网的车辆通信不依赖与任何路测基础设施，如路侧基站，本实施例中边缘计算云的物理实体由组网车辆自发分配计算资源，以分布式计算的方式，构建一个动态的、可扩展的移动边缘云。
需要说明的是，本实施例中的各个模块、子模块和单元的工作过程，请参照上述实施例中的相应说明，在此不再赘述。
可选的，在上述任一装置的实施例的基础上，所述信息确定模块包括：
路线确定子模块，用于基于所述整体环境模型以及所述通信集群内的每一车辆的行驶目的地，确定出所述通信集群中的每一车辆的行驶路线；
判断子模块，用于判断所述通信集群中所有的车辆的行驶路线是否相同；
信息确定子模块，用于若所述判断子模块判断出所述通信集群中所有的车辆的行驶路线不相同，基于每一车辆的行驶路线以及预设行驶原则，确定出每一车辆的行驶规划信息；
其中，所述行驶规划信息包括行驶到所述行驶路线上的每一标志位置的时间点；
所述行驶原则包括所述通信集群内的任两个车辆不会在同一时间点行驶到同一个标志位置、且通信效率大于预设数值。
生成子模块，用于若判断子模块判断出所述通信集群中所有的车辆的行驶路线相同后，根据所述通信集群中的每个车辆的前后行驶顺序、预设行驶队列数、以及固定的间距或者时间距，生成所述通信集群内的每一车辆的行驶规划信息。
本实施例中，不管通信集群中的车辆的行驶路线是相同还是存在冲突，主车辆均能够生成通信集群中的每个车辆的行驶规划信息，进而通信集群中的车辆就可以按照行驶规划信息行驶。
需要说明的是，本实施例中的各个模块和子模块的工作过程，请参照上述实施例中的相应说明，在此不再赘述。
可选的，在上述基于集群的自动驾驶车辆的方法和装置的实施例的基础上，本发明的另一实施例提供了一种车辆，包括：控制器和发送端口；
所述控制器，用于获取行驶状态信息，基于所述主车辆的计算能力以及每一副车辆的计算能力，分析得到所述通信集群的整体环境模型，基于所述整体环境模型，确定所述通信集群内的每一车辆的行驶规划信息；其中，所述行驶状态信息包括所述主车辆采集的第一行驶状态信息、每一副车辆发送的车辆感知信息以及第二行驶状态信息；所述整体环境模型用于描述所述通信集群中的所有的车辆的行驶环境；
所述发送端口，用于将确定得到的每一车辆的行驶规划信息发送给相应的车辆，以使所述通信集群中的任一车辆根据相应的行驶规划信息行驶。
进一步，控制器可以是智能网联域控制器，参照图7，智能网联域控制器的结构图可以包括：
计算单元、通信模组、存储设备、电源管理系统、转换器、接口、智能天线组成，所述计算单元包括两个核心处理器。其中，处理器1包括驱动和操作系统，中间件(通信协议栈和数据库引擎)，集群智能算法，即上述中控制器实现的功能。处理器2主要包括硬件安全模块，用于信息的加密和解密。
所述无线通信模组1为蜂窝广域通信模组，包括但不限于支持2G，3G，4G，5G等，功能上可以支持V2N通信。所述无线通信模组2为蜂窝车联网C-V2X通信模组，可支持V2X(V2V,V2I,V2P,V2N)通信。所述无线通信模组3为GNSS(全球卫星导航信息)接收模组，包括但不限于接收GPS,格洛纳斯GLONASS,北斗Beidou等导航卫星信息。所述模组4为车载惯性导航模组，包括陀螺仪和加速度计。所述无线通信模组5和无线通信模组6为Wi-Fi和蓝牙模组。所述存储设备可以提前存储数据库信息，包括但不限于高精度电子地图等。所述转换器1可以将非车载通信总线转成车载通信总线格式。所述电源管理模块为整个智能网联域控制器提供稳定的供电。所述接口包括但不限于以太网接口，CAN总线接口，USB接口等。所述智能天线将各个无线通信模组的天线一体式集中设计在一起，不影响车辆外观造型。
上述的智能网联域控制器，用于完成通信集群中的多车辆的自动驾驶。此外，单车辆完成单车自动驾驶功能，还需要另一控制器，如智能驾驶域控制器。
参照图8，智能驾驶域控制器主要由计算单元、电源管理系统、转换器和接口等组成，其中，计算单元包括处理器，处理器运行的软件架构主要包括底层驱动和操作系统，中间件，智能驾驶算法(感知，规划，控制)，即控制单车依据单车行驶路线自动行驶的算法。所述模组1可以为视觉信息处理模块，所述模组2可以为雷达信息处理模块。其中，并不限于这两个模组。本方案中提及的计算单元是可扩展架构，依据需求可扩展相应的模组。所述转换器1可以将非车载通信总线转成车载通信总线格式。所述电源管理模块为整个控制器提供稳定的供电。所述接口包括但不限于以太网接口，CAN总线接口，LVDS(Low-VoltageDifferential Signaling)接口等。
所述智能驾驶域控制器，一方面可以融合车载传感器信息和V2X感知信息，完成单车自动驾驶任务；另一方面，也可以将车载传感器感知的信息传递给智能网联域控制器，由其来完成传感器信息共享。
所述智能网联域控制器，一方面可以将V2X感知的信息，即车辆感知信息传递给智能驾驶域控制器，由其完成单车自动驾驶任务；另一方面，也可以在多车自发组网集群时，参与构建边缘计算云，完成集群系统分配的计算子任务，以此来实现多车集群智能驾驶。
本实施例中，主车辆能够确定所述通信集群内的每一车辆的行驶规划信息，将确定得到的每一车辆的行驶规划信息发送给相应的车辆，进而所述通信集群中的任一车辆根据相应的行驶规划信息行驶。即本发明能够实现基于集群的自动驾驶，进而解决现有技术中不能实现基于集群的自动驾驶车辆的问题。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业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发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，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 (10)
1.一种基于集群的自动驾驶车辆的方法，其特征在于，应用于主车辆，其中，所述主车辆为通信集群中的任一车辆，所述主车辆与所有的副车辆组成一个通信集群；所述方法包括：
获取行驶状态信息；其中，所述行驶状态信息包括所述主车辆采集的第一行驶状态信息、每一副车辆发送的车辆感知信息以及第二行驶状态信息；
基于所述主车辆的计算能力以及每一副车辆的计算能力，分析得到所述通信集群的整体环境模型；其中，所述整体环境模型用于描述所述通信集群中的所有的车辆的行驶环境；
基于所述整体环境模型，确定所述通信集群内的每一车辆的行驶规划信息；
将确定得到的每一车辆的行驶规划信息发送给相应的车辆，以使所述通信集群中的任一车辆根据相应的行驶规划信息行驶。
2.根据权利要求1所述的方法，其特征在于，基于所述主车辆的计算能力以及每一副车辆的计算能力，分析得到所述通信集群的整体环境模型，包括：
获取所述主车辆以及每一副车辆的计算能力；
分析所述第一行驶状态信息、车辆感知信息和第二行驶状态信息的总信息量；
根据第一行驶状态信息、车辆感知信息、第二行驶状态信息、所述总信息量、所述主车辆以及每一副车辆的计算能力，确定所述整体环境模型。
3.根据权利要求2所述的方法，其特征在于，根据第一行驶状态信息、车辆感知信息、第二行驶状态信息、所述总信息量、所述主车辆以及每一副车辆的计算能力，确定所述整体环境模型，包括：
依据所述总信息量、所述主车辆以及每一副车辆的计算能力，将所述第一行驶状态信息、车辆感知信息和第二行驶状态信息中的部分信息转发至至少一个副车辆，以使接收到信息的副车辆依据接收到的信息生成相应的副车辆的环境模型；其中，接收到信息的副车辆所接收的信息不同；
获取至少一个副车辆生成的环境模型；
依据所述第一行驶状态信息、车辆感知信息和第二行驶状态信息中除所述部分信息以外的信息，计算得到所述主车辆的环境模型；
基于所述主车辆计算得到的环境模型以及接收的副车辆发送的环境模型，生成所述通信集群的整体环境模型。
4.根据权利要求1所述的方法，其特征在于，基于所述整体环境模型，确定所述通信集群内的每一车辆的行驶规划信息，包括：
基于所述整体环境模型以及所述通信集群内的每一车辆的行驶目的地，确定出所述通信集群中的每一车辆的行驶路线；
判断所述通信集群中所有的车辆的行驶路线是否相同；
若判断出所述通信集群中所有的车辆的行驶路线不相同，基于每一车辆的行驶路线以及预设行驶原则，确定出每一车辆的行驶规划信息；
其中，所述行驶规划信息包括行驶到所述行驶路线上的每一标志位置的时间点；
所述行驶原则包括所述通信集群内的任两个车辆不会在同一时间点行驶到同一个标志位置、且通信效率大于预设数值。
5.根据权利要求4所述的方法，其特征在于，若判断出所述通信集群中所有的车辆的行驶路线相同后，还包括：
根据所述通信集群中的每个车辆的前后行驶顺序、预设行驶队列数、以及固定的间距或者时间距，生成所述通信集群内的每一车辆的行驶规划信息。
6.根据权利要求1所述的方法，其特征在于，还包括:
获取第一车辆行驶信息和每一副车辆发送的车辆感知信息；
基于所述第一车辆行驶信息和每一副车辆发送的车辆感知信息，确定所述主车辆的单车行驶路线；
依据所述单车行驶路线自动行驶。
7.一种基于集群的自动驾驶车辆的装置，其特征在于，应用于主车辆，其中，所述主车辆为通信集群中的任一车辆，所述主车辆与所有的副车辆组成一个通信集群；所述装置包括：
信息获取模块，用于获取行驶状态信息；其中，所述行驶状态信息包括所述主车辆采集的第一行驶状态信息、每一副车辆发送的车辆感知信息以及第二行驶状态信息；
模型分析模块，用于基于所述主车辆的计算能力以及每一副车辆的计算能力，分析得到所述通信集群的整体环境模型；其中，所述整体环境模型用于描述所述通信集群中的所有的车辆的行驶环境；
信息确定模块，用于基于所述整体环境模型，确定所述通信集群内的每一车辆的行驶规划信息；
信息发送模块，用于将确定得到的每一车辆的行驶规划信息发送给相应的车辆，以使所述通信集群中的任一车辆根据相应的行驶规划信息行驶。
8.根据权利要求7所述的装置，其特征在于，所述模型分析模块包括：
获取子模块，用于获取所述主车辆以及每一副车辆的计算能力；
分析子模块，用于分析所述第一行驶状态信息、车辆感知信息和第二行驶状态信息的总信息量；
确定子模块，用于根据第一行驶状态信息、车辆感知信息、第二行驶状态信息、所述总信息量、所述主车辆以及每一副车辆的计算能力，确定所述整体环境模型。
9.根据权利要求8所述的装置，其特征在于，所述确定子模块包括：
发送单元，用于依据所述总信息量、所述主车辆以及每一副车辆的计算能力，将所述第一行驶状态信息、车辆感知信息和第二行驶状态信息中的部分信息转发至至少一个副车辆，以使接收到信息的副车辆依据接收到的信息生成相应的副车辆的环境模型；其中，接收到信息的副车辆所接收的信息不同；
获取单元，用于获取至少一个副车辆生成的环境模型；
计算单元，用于依据所述第一行驶状态信息、车辆感知信息和第二行驶状态信息中除所述部分信息以外的信息，计算得到所述主车辆的环境模型；
生成单元，用于基于所述主车辆计算得到的环境模型以及接收的副车辆发送的环境模型，生成所述通信集群的整体环境模型。
10.一种车辆，其特征在于，包括：控制器和发送端口；
所述控制器，用于获取行驶状态信息，基于所述主车辆的计算能力以及每一副车辆的计算能力，分析得到所述通信集群的整体环境模型，基于所述整体环境模型，确定所述通信集群内的每一车辆的行驶规划信息；其中，所述行驶状态信息包括所述主车辆采集的第一行驶状态信息、每一副车辆发送的车辆感知信息以及第二行驶状态信息；所述整体环境模型用于描述所述通信集群中的所有的车辆的行驶环境；
所述发送端口，用于将确定得到的每一车辆的行驶规划信息发送给相应的车辆，以使所述通信集群中的任一车辆根据相应的行驶规划信息行驶。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810258346.XA CN110308716B (zh) | 2018-03-27 | 2018-03-27 | 一种基于集群的自动驾驶车辆的方法、装置及车辆 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810258346.XA CN110308716B (zh) | 2018-03-27 | 2018-03-27 | 一种基于集群的自动驾驶车辆的方法、装置及车辆 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110308716A true CN110308716A (zh) | 2019-10-08 |
| CN110308716B CN110308716B (zh) | 2022-02-25 |
Family
ID=68074067
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810258346.XA Active CN110308716B (zh) | 2018-03-27 | 2018-03-27 | 一种基于集群的自动驾驶车辆的方法、装置及车辆 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110308716B (zh) |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111245953A (zh) * | 2020-02-26 | 2020-06-05 | 洛阳智能农业装备研究院有限公司 | 一种无人驾驶电动拖拉机智能网联系统及集群驾驶方法 |
| CN111506401A (zh) * | 2020-03-27 | 2020-08-07 | 北京百度网讯科技有限公司 | 自动驾驶仿真任务调度方法、装置、电子设备及存储介质 |
| CN112256020A (zh) * | 2020-09-25 | 2021-01-22 | 金龙联合汽车工业（苏州）有限公司 | 一种基于v2x的编队行驶智能网联客车 |
| CN112347623A (zh) * | 2020-10-27 | 2021-02-09 | 武汉光庭信息技术股份有限公司 | 一种模拟车辆控制的在线仿真平台及车辆控制方法 |
| CN112687126A (zh) * | 2020-12-29 | 2021-04-20 | 上海汽车集团股份有限公司 | 一种车辆控制方法、装置及车辆系统 |
| WO2021103095A1 (zh) * | 2019-11-27 | 2021-06-03 | 新石器慧通（北京）科技有限公司 | 一种用于可移动载体的信息处理系统及无人车辆 |
| CN113781763A (zh) * | 2020-06-08 | 2021-12-10 | 现代自动车株式会社 | 服务器、与服务器通信的个人出行设备和车辆 |
| CN114194210A (zh) * | 2021-11-19 | 2022-03-18 | 岚图汽车科技有限公司 | 一种高速公路领航系统、控制方法及其设备 |
| CN114193447A (zh) * | 2020-12-25 | 2022-03-18 | 达闼机器人有限公司 | 多机器人控制方法、电子设备及存储介质 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104601667A (zh) * | 2014-12-23 | 2015-05-06 | 武汉大学 | 无间隙的车联网协助下载方法 |
| CN106708057A (zh) * | 2017-02-16 | 2017-05-24 | 北理慧动（常熟）车辆科技有限公司 | 一种智能车辆编队行驶方法 |
| CN106856509A (zh) * | 2017-02-27 | 2017-06-16 | 郑州云海信息技术有限公司 | 一种基于knl集群的大规模数据的处理方法及系统 |
| CN107317700A (zh) * | 2017-06-09 | 2017-11-03 | 湖北理工学院 | 车载边缘计算节点选择系统及方法 |
| CN107464436A (zh) * | 2017-08-02 | 2017-12-12 | 北京邮电大学 | 基于车辆分簇的信息处理方法和装置 |
| CN107479977A (zh) * | 2017-08-30 | 2017-12-15 | 京信通信系统（中国）有限公司 | 一种确定设备性能的方法和设备 |
| CN107749193A (zh) * | 2017-09-12 | 2018-03-02 | 华为技术有限公司 | 驾驶风险分析及风险数据发送方法及装置 |
-
2018
- 2018-03-27 CN CN201810258346.XA patent/CN110308716B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104601667A (zh) * | 2014-12-23 | 2015-05-06 | 武汉大学 | 无间隙的车联网协助下载方法 |
| CN106708057A (zh) * | 2017-02-16 | 2017-05-24 | 北理慧动（常熟）车辆科技有限公司 | 一种智能车辆编队行驶方法 |
| CN106856509A (zh) * | 2017-02-27 | 2017-06-16 | 郑州云海信息技术有限公司 | 一种基于knl集群的大规模数据的处理方法及系统 |
| CN107317700A (zh) * | 2017-06-09 | 2017-11-03 | 湖北理工学院 | 车载边缘计算节点选择系统及方法 |
| CN107464436A (zh) * | 2017-08-02 | 2017-12-12 | 北京邮电大学 | 基于车辆分簇的信息处理方法和装置 |
| CN107479977A (zh) * | 2017-08-30 | 2017-12-15 | 京信通信系统（中国）有限公司 | 一种确定设备性能的方法和设备 |
| CN107749193A (zh) * | 2017-09-12 | 2018-03-02 | 华为技术有限公司 | 驾驶风险分析及风险数据发送方法及装置 |
Cited By (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2021103095A1 (zh) * | 2019-11-27 | 2021-06-03 | 新石器慧通（北京）科技有限公司 | 一种用于可移动载体的信息处理系统及无人车辆 |
| CN111245953A (zh) * | 2020-02-26 | 2020-06-05 | 洛阳智能农业装备研究院有限公司 | 一种无人驾驶电动拖拉机智能网联系统及集群驾驶方法 |
| CN111506401B (zh) * | 2020-03-27 | 2023-11-21 | 北京百度网讯科技有限公司 | 自动驾驶仿真任务调度方法、装置、电子设备及存储介质 |
| CN111506401A (zh) * | 2020-03-27 | 2020-08-07 | 北京百度网讯科技有限公司 | 自动驾驶仿真任务调度方法、装置、电子设备及存储介质 |
| US12118885B2 (en) | 2020-06-08 | 2024-10-15 | Hyundai Motor Company | Server, personal mobility communicating with server and vehicle |
| CN113781763A (zh) * | 2020-06-08 | 2021-12-10 | 现代自动车株式会社 | 服务器、与服务器通信的个人出行设备和车辆 |
| CN113781763B (zh) * | 2020-06-08 | 2024-05-31 | 现代自动车株式会社 | 服务器、与服务器通信的个人出行设备和车辆 |
| CN112256020A (zh) * | 2020-09-25 | 2021-01-22 | 金龙联合汽车工业（苏州）有限公司 | 一种基于v2x的编队行驶智能网联客车 |
| CN112347623A (zh) * | 2020-10-27 | 2021-02-09 | 武汉光庭信息技术股份有限公司 | 一种模拟车辆控制的在线仿真平台及车辆控制方法 |
| CN114193447B (zh) * | 2020-12-25 | 2023-07-07 | 达闼机器人股份有限公司 | 多机器人控制方法、电子设备及存储介质 |
| CN114193447A (zh) * | 2020-12-25 | 2022-03-18 | 达闼机器人有限公司 | 多机器人控制方法、电子设备及存储介质 |
| CN112687126B (zh) * | 2020-12-29 | 2022-04-05 | 上海汽车集团股份有限公司 | 一种车辆控制方法、装置及车辆系统 |
| CN112687126A (zh) * | 2020-12-29 | 2021-04-20 | 上海汽车集团股份有限公司 | 一种车辆控制方法、装置及车辆系统 |
| CN114194210A (zh) * | 2021-11-19 | 2022-03-18 | 岚图汽车科技有限公司 | 一种高速公路领航系统、控制方法及其设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110308716B (zh) | 2022-02-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110308716A (zh) | 一种基于集群的自动驾驶车辆的方法、装置及车辆 | |
| Zhang et al. | Vehicular communication networks in the automated driving era | |
| US20210325207A1 (en) | Map updating system and method for autonomous driving | |
| US20220227394A1 (en) | Autonomous Vehicle Operational Management | |
| WO2021136130A1 (zh) | 一种轨迹规划方法及装置 | |
| CN110546695B (zh) | 用于交通灯的信号相位和定时的综合管理的方法、装置和计算机程序产品 | |
| WO2021103511A1 (zh) | 一种设计运行区域odd判断方法、装置及相关设备 | |
| CN112233424B (zh) | 一种车路协同的货车队列纵向控制方法、装置及系统 | |
| Huang et al. | Assessing the mobility and environmental benefits of reservation-based intelligent intersections using an integrated simulator | |
| CN114255606B (zh) | 辅助驾驶提醒、地图辅助驾驶提醒方法、装置和地图 | |
| US11550623B2 (en) | Distributed system task management using a simulated clock | |
| US11585669B2 (en) | Vehicle routing using connected data analytics platform | |
| Liu et al. | Towards fully intelligent transportation through infrastructure-vehicle cooperative autonomous driving: Challenges and opportunities | |
| CN115061466A (zh) | 车路协同自动驾驶的方法、路侧设备、云控平台和系统 | |
| WO2018147874A1 (en) | Autonomous vehicle operational management including operating a partially observable markov decision process model instance | |
| CN109697877A (zh) | 基于北斗高精定位的车路协同方法及系统 | |
| CN110126825A (zh) | 用于低级别前馈车辆控制策略的系统和方法 | |
| CN105139680A (zh) | 一种基于交通大数据驱动的动态导航方法及系统 | |
| CN105424052A (zh) | 随机可行驶里程 | |
| CN107564310A (zh) | 一种基于道路交通信息云处理的车路互联系统及方法 | |
| CN104680820A (zh) | 一种基于梯度场的交通流车联网系统及交通流控制方法 | |
| US20190061545A1 (en) | Systems and methods for electric vehicle charging with automated trip planning integration | |
| US11638133B1 (en) | Distributed processing system for vehicles | |
| CN116469249A (zh) | HDMap与5G车路协的智慧交通云管理平台 | |
| Zhang et al. | CAVSim: A microscope traffic simulator for connected and automated vehicles environment |
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 |