一种基于城市交通的自动驾驶特种车辆的调度方法与流程

本发明涉及城市交通技术领域，尤其涉及一种基于城市交通的自动驾驶特种车辆的调度方法。

背景技术：

随着科技的进步和发展，人工智能技术飞速发展，基于物联网的计算能力和感知能力不断提高，自动驾驶技术日趋成熟。无人扫地车、无人清障车等城市自动驾驶特种车辆已经开始进入视野，尤其是在智慧园区，正在逐步取代人工驾驶方式，有效地降低了人工成本及劳动负荷。

在作业的调度上，现阶段无人扫地车、清障车等自动驾驶特种车辆的作业调度并没有跳出传统的排班思维。无论是在开放道路上还是封闭式园区道路上，调度总体还是依赖于固定排班、固定时间、固定路线等手段，定时定量清扫清障，并没有实现依据道路实时状况实现动态式自动调度。调度的不合理性和空跑的情况经常发生，比如无法根据路面抛洒物信息，实施动态清扫清障。

在自动驾驶行为的调度决策上，目前绝大部分自动驾驶特种车辆只能依赖于车辆本身的多路传感器，来实时感知周边交通状况和道路状况。由于仅仅依靠于车辆本身的感知能力，在一些许多场景下，自动驾驶车辆还是存在一定的调度决策的局限性，导致调度决策的事物，进一步导致整体道路交通的拥堵甚至事故。例如在特定的路口盲区，无法提前感知视野盲区内的其他交通参与者。

技术实现要素：

鉴于当前背景技术，本专利申请的目的在于进一步加强城市交通自动驾驶特种车辆的信息感知手段，通过加装路侧智能网联设备，结合云控中心和路侧车侧边缘计算，能够加强自动驾驶车辆的感知范围和手段，从而实现作业和驾驶行为上的更优调度方法，来解决上述背景技术中提出的问题。

为了实现上述目的，本发明采用了如下技术方案：

一种基于城市交通的自动驾驶特种车辆的调度方法，为了进一步加强城市交通自动驾驶特种车辆的信息感知手段，通过加装路侧智能网联设备，结合云控中心和路侧车侧边缘计算，能够加强自动驾驶车辆的感知范围和手段，从而实现作业和驾驶行为上的更优调度方法；

首先城市交通自动驾驶特种车辆通过摄像头、激光雷达、毫米波雷达及超声波雷达等多传感器进行环境感知和路况探测；根据传感器得到的障碍物位置和速度(速率和方向)及车自身位置和速度，并结合高精度地图(导航模式、召车模式)或车道线信息(巡航模式、拥堵模式)，实现车辆本身对于外部环境和路况的感知；本发明专利在此基础上，车侧加装obu模块，同时基于路侧设备进一步丰富自动驾驶车辆的感知手段，路侧设备包括但不限于天气传感器、路面状况传感器、rfid电子标签读写器、流量监测微波雷达、rsu等设备；建设云控中心、边缘云、边缘计算，实现云控中心对整体路段感知能力，并通过5g移动网络和dsrc等通信网络与城市自动驾驶特种车辆建立通信连接，建立起城市自动驾驶车辆的超视距乃至全路段的感知能力；本调度方法通过路侧智能设备和车侧多路传感器，打造基于云控中心、边缘云、边缘计算的决策能力，为智能调度提供决策和执行依据；

基于如上的决策能力，提供了作业和驾驶行为上的更优调度方法：

自动驾驶特种车车辆作业上的调度方法，整体上跳出了固定排班固定时间的作业方法，结合路侧智能网联设备，实现了自动驾驶特种车辆的动态调度，动态调度的核心包括如下步骤：

s1、路侧天气传感器、路面状况传感器上报天气信息和路面扬尘、异物等信息至云控中心；

s2、云控中心接收路面天气信息和扬尘、异物信息后，结合边缘数据和中心数据，运用大数据计算分析能力，得出路面是否清扫除障的结论；

s3、云控中心依据结论，结合具体所在路段信息，动态下发指令至距离路段较近的自动驾驶清扫车；下发指令的同时并给出合理路径规划；

s4、自动驾驶特种车辆收到云控中心下发的指令，结合云控中心给出的路径信息抵达清扫地点执行清扫作业；

自动驾驶特种车辆驾驶行为的调度方法，在基于车侧摄像头、激光雷达、毫米波雷达及超声波雷达等多传感器，结合路侧智能网联设备，丰富自动驾驶车辆的感知手段和能力，提供更优解的决策调度；本调度方法就路口交通汇流场景，实现自动驾驶车辆超视距的决策调度，步骤如下：

a、汇流路口流量监测雷达实时感知交通流量信息，经由路侧rsu通过路段覆盖dsrc通信网传达给自动驾驶车辆车载obu；

b、自动驾驶车辆收到来自路侧的车流信息，调整自身驾驶行为(包括车速，转向角度等)，提前做好汇流准备；

c、自动驾驶车辆进入路口前，依据自身传感器信息并结合路侧信息，进一步精确调度，修正自身驾驶行为。

本发明提供的一种基于城市交通的自动驾驶特种车辆的调度方法，与现有技术相比：

自动驾驶特种车辆、路侧智能网联设备和云控中心的统一协调能力，基于路侧和车侧的分析决策，实现了自动驾驶车辆的动态调度。

自动驾驶特种车辆和路侧智能网联设备的dsrc通信能力，跳出了自动驾驶车辆依赖于自身传感设备的固有定式，为自动驾驶车辆提供了更为丰富、超视距的感知能力，使其驾驶行为决策调度更为精准。

附图说明

图1为本发明的系统框图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合具体实施例和说明书附图，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

实施例1

一种基于城市交通的自动驾驶特种车辆的调度方法，为了进一步加强城市交通自动驾驶特种车辆的信息感知手段，通过加装路侧智能网联设备，结合云控中心和路侧车侧边缘计算，能够加强自动驾驶车辆的感知范围和手段，从而实现作业和驾驶行为上的更优调度方法；

首先城市交通自动驾驶特种车辆通过摄像头、激光雷达、毫米波雷达及超声波雷达等多传感器进行环境感知和路况探测；根据传感器得到的障碍物位置和速度(速率和方向)及车自身位置和速度，并结合高精度地图(导航模式、召车模式)或车道线信息(巡航模式、拥堵模式)，实现车辆本身对于外部环境和路况的感知；本发明专利在此基础上，车侧加装obu模块，同时基于路侧设备进一步丰富自动驾驶车辆的感知手段，路侧设备包括但不限于天气传感器、路面状况传感器、rfid电子标签读写器、流量监测微波雷达、rsu等设备；建设云控中心、边缘云、边缘计算，实现云控中心对整体路段感知能力，并通过5g移动网络和dsrc等通信网络与城市自动驾驶特种车辆建立通信连接，建立起城市自动驾驶车辆的超视距乃至全路段的感知能力；如图1，本调度方法通过路侧智能设备和车侧多路传感器，打造基于云控中心、边缘云、边缘计算的决策能力，为智能调度提供决策和执行依据；

基于如上的决策能力，提供了作业和驾驶行为上的更优调度方法：

自动驾驶特种车车辆作业上的调度方法，整体上跳出了固定排班固定时间的作业方法，结合路侧智能网联设备，实现了自动驾驶特种车辆的动态调度，动态调度的核心包括如下步骤：

s1、路侧天气传感器、路面状况传感器上报天气信息和路面扬尘、异物等信息至云控中心；

s2、云控中心接收路面天气信息和扬尘、异物信息后，结合边缘数据和中心数据，运用大数据计算分析能力，得出路面是否清扫除障的结论；

s3、云控中心依据结论，结合具体所在路段信息，动态下发指令至距离路段较近的自动驾驶清扫车；下发指令的同时并给出合理路径规划；

s4、自动驾驶特种车辆收到云控中心下发的指令，结合云控中心给出的路径信息抵达清扫地点执行清扫作业；

自动驾驶特种车辆驾驶行为的调度方法，在基于车侧摄像头、激光雷达、毫米波雷达及超声波雷达等多传感器，结合路侧智能网联设备，丰富自动驾驶车辆的感知手段和能力，提供更优解的决策调度；本调度方法就路口交通汇流场景，实现自动驾驶车辆超视距的决策调度，步骤如下：

a、汇流路口流量监测雷达实时感知交通流量信息，经由路侧rsu通过路段覆盖dsrc通信网传达给自动驾驶车辆车载obu；

b、自动驾驶车辆收到来自路侧的车流信息，调整自身驾驶行为(包括车速，转向角度等)，提前做好汇流准备；

c、自动驾驶车辆进入路口前，依据自身传感器信息并结合路侧信息，进一步精确调度，修正自身驾驶行为。

因此本发明对自动驾驶特种车辆、路侧智能网联设备和云控中心的统一协调能力，基于路侧和车侧的分析决策，实现了自动驾驶车辆的动态调度；自动驾驶特种车辆和路侧智能网联设备的dsrc通信能力，跳出了自动驾驶车辆依赖于自身传感设备的固有定式，为自动驾驶车辆提供了更为丰富、超视距的感知能力，使其驾驶行为决策调度更为精准。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。