基于港口视角的无人驾驶集装箱卡车安全控制方法和系统与流程

1.本发明涉及集装箱卡车驾驶控制领域，尤其涉及一种基于港口视角的无人驾驶集装箱卡车安全控制方法和系统。


背景技术：

2.对于传统集装箱码头，无人驾驶集装箱卡车的大规模实施，将有可能产生巨大的经济和社会效益，包括减少故事和伤害，降低司机用工需求等，并最终使码头获得更便宜、更灵活、更有生产力的平面运输工具。但集装箱港口作为生产资源密集型场景，其对安全的要求一直放在首位，贯彻“生命至上、安全第一”的生产理念，所以无人驾驶集装箱卡车只有在确保安全上下足功夫，才能在这条黄金赛道上拥有广阔前景。
3.近年来，传统集装箱码头智慧化转型的需求日益迫切，无人驾驶集装箱卡车作为港区内场地平面运输的一种较易实现的解决方案，被越来越多的传统集装箱码头引入。随着测试里程、时长、场景的积累，其生产作业功能已逐渐完善，但作为无人驾驶最基础的安全问题却日益凸显，严重阻碍了无人驾驶集装箱卡车的大规模应用。


技术实现要素：

4.本发明提供了一种基于港口视角的无人驾驶集装箱卡车安全控制方法，通过辨识安全风险因素，并对车的影响因素和所述人的行为影响因素进行分析与监测，根据监测结果执行对应的无人驾驶集装箱卡车的安全控制策略，提高了集装箱码头卡车行驶的安全性。
5.本发明提供的技术方案为：
6.一种基于港口视角的无人驾驶集装箱卡车安全控制方法，所述方法应用于自动驾驶状态下的无人驾驶集装箱卡车，包括：
7.辨识无人驾驶集装箱卡车在自动驾驶状态下存在的安全风险因素并进行分类；其中，所述安全风险因素包括车的影响因素和人的行为影响因素；
8.其中，所述车的影响因素包括：车上设备的异常因素、上层指令对车辆底层执行机构控制的异常因素和车上软件的异常因素；
9.所述人的行为影响因素包括：误操作因素、危险驾驶因素和注意力不集中因素；
10.根据所述车的影响因素，对监控设备的状态、指令对车辆进行控制的状态和后台软件的状态进行监测，得到车的安全监测数据；
11.根据人的行为影响因素对人的驾驶行为状态进行监测，得到人的安全监测数据；
12.其中，人的驾驶行为状态是车辆自动驾驶状态下驾驶人行使车辆安全保障职责对应的行为和状态的监测；
13.分析所述车的安全监测数据和人的安全监测数据，执行第一层控制策略和第二层控制策略，以实现无人驾驶集装箱卡车的安全控制。
14.优选的是，所述第一层控制策略包括：
15.若所述车的安全监测数据中出现数据异常，则执行本车告警或云端告警，同时执行人工驾驶安全策略及远控策略；
16.若所述人的安全监测数据中出现数据异常，对安全员执行告警提醒策略，同时执行人工驾驶安全策略及远控策略。
17.优选的是，所述第二层控制策略包括：
18.预设电子围栏区域；
19.若无人驾驶集装箱卡车闯入所述电子围栏区域，则触发强制动直至停车并锁车，本地持续告警，上传云端警示。
20.优选的是，所述车的安全监测数据包括:监控设备状态监测数据、上层指令对车辆底层执行机构进行控制的控制状态监测数据以及后台软件状态监测数据；
21.所述人的安全监测数据包括：误操作因素数据、危险驾驶因素数据和注意力状态数据。
22.优选的是，所述监控设备状态监测数据包括：设备自身状态异常数据、单一设备产生的异常数据和多设备产生数据的一致性监测数据；
23.所述上层指令对车辆底层执行机构进行控制的控制状态监测数据包括：指令与执行一致性监测数据、执行与结果一致性监测数据以及超阈值监测数据；
24.所述车上软件的状态进行监测数据包括：系统错误数据、逻辑缺失监测数据和系统与物理逻辑世界状态一致性监测数据。
25.优选的是，所述自动驾驶安全控制策略包括：
26.监控无人驾驶集装箱卡车的基础行驶数据，其包括：速度值、转向角度、油门开度、制动踏板角度和制动踏板加速度；
27.并设定基础行驶数据对应阈值，其包括：速度阈值、转向阈值、油门开度阈值、弱制动阈值和强制动阈值；
28.自动行驶状态下禁止人工油门，超阈值状态下制动停车，并控制无人驾驶集装箱卡车在所述基础行驶数据对应阈值范围内行驶。
29.优选的是，所述人工驾驶安全策略包括：
30.设定操作者数据阈值，其包括：行驶速度设定阈值，加速度设定阈值和转向范围设定阈值；
31.若操作者在所述操作者限定阈值范围内进行操作，执行操作者指令；
32.若所述操作者不在所述操作者限定阈值范围内进行操作，执行本机与云端告警，同时执行远程控制的停车、锁车策略。
33.优选的是，所述电子围栏区域包括：
34.标记边界范围，设定无人驾驶集装箱卡车的可行驶区域；
35.通过标记框定电子地图上的边界范围获得电子围栏区域；
36.所述边界范围包括基于设备边界的范围、基于区域边界的范围和基于道路边界的范围。
37.优选的是，还包括：
38.根据所述边界范围分别建立基于设备边界的行驶策略、基于区域边界的行驶策略和基于道路边界的行驶策略；
39.其中，所述设备边界点包括龙门吊、桥吊、堆高机和正面吊；所述区域边界包括：码头面临水区域、危险品场地和加油加气站；所述道路边界点包括：主干道、栏间道和引桥车道。
40.本发明还提供了一种基于港口视角的无人驾驶集装箱卡车安全控制系统，包括：
41.辨识模块，其用于辨识安全风险因素；其中，所述安全风险因素包括卡车的影响因素和人的行为影响因素；所述车的影响因素包括车上设备的异常因素、上层指令对车辆底层执行机构控制的异常因素以及车上软件的异常因素；所述人的行为影响因素包括误操作因素、危险驾驶因素以及注意力不集中因素；
42.监测模块，其用于监控设备的状态、上层指令对车辆底层执行机构进行控制的控制状态以及车上软件的状态进行监测，得到车的安全监测数据，对人的驾驶行为状态也进行监测，得到人的安全监测数据；
43.控制模块，其应用所述车的安全检测数据和所述人的安全监测数据，执行第一层控制策略，
44.若自动驾驶车辆超过了电子围栏边界，那么执行第二层控制策略，以实现无人驾驶集装箱卡车的驾驶控制。
45.有益效果
46.本发明提供了一种基于港口视角的无人驾驶集装箱卡车安全控制方法，通过辨识安全风险因素，并对车的影响因素和所述人的行为影响因素进行分析，生成集装箱卡车的驾驶控制策略，提高了集装箱码头卡车行驶的安全性。
47.本发明提供的基于港口视角的无人驾驶集装箱卡车安全控制方法，通过监控卡车的设备工作状态，并根据单一设备异常数据生成多设备数据一致性监测数据，能够得到更准确的监控数据，以提高无人驾驶集卡的安全性。
附图说明
48.图1为本发明所述的基于港口视角的无人驾驶集装箱卡车安全控制方法流程图。
49.图2为本发明所述的基于港口视角的无人驾驶集装箱卡车安全策略结构图。
50.图3为本发明所述的分析车的影响因素数据的示意图。
51.图4为本发明所述的设备监控数据示意图。
52.图5为本发明所述的控制状态监测示意图。
53.图6为本发明所述的软件状态监控示意图。
54.图7为本发明所述的行驶行为、状态监测示意图。
55.图8为本发明所述的自动驾驶安全控制策略示意图。
具体实施方式
56.以下由特定的具体实施例说明本发明的实施方式，熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本发明的其他优点及功效，显然，所描述的实施例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。
57.需要说明的是，在本发明的描述中，术语“中”、“上”、“下”、“横”、“内”等指示的方
向或位置关系的术语是基于附图所示的方向或位置关系，这仅仅是为了便于描述，而不是指示或暗示所述装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性。
58.此外，还需要说明的是，在本发明的描述中，除非另有明确的规定和限定，术语“设置”、“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域技术人员而言，可根据具体情况理解上述术语在本发明中的具体含义。
59.如图1-2所示，基于背景技术提出的技术问题，本发明提供了一种基于港口视角的无人驾驶集装箱卡车安全控制方法，包括：
60.步骤s110；辨识无人驾驶集装箱卡车在自动驾驶状态下存在的安全风险因素并进行分类；其中，安全风险因素包括车的影响因素和人的行为影响因素；
61.其中，车的影响因素包括：车上设备的异常因素、上层指令对车辆底层执行机构控制的异常因素和车上软件的异常因素；
62.人的行为影响因素包括：误操作因素、危险驾驶因素和注意力不集中因素；
63.步骤s120、根据车的影响因素和人的行为影响因素，对车上设备的状态、上层指令对车辆底层执行机构进行控制的控制状态和车上软件的状态进行监测，得到车的安全监测数据；对人的驾驶行为状态进行监测，得到人的安全监测数据；
64.其中，所人的驾驶行为状态是指车辆自动驾驶状态下驾驶人行使车辆安全保障职责对应的行为和状态的监测。
65.步骤s130、分析所述车的安全监测数据和人的安全监测数据，执行第一层控制策略和第二层控制策略，以实现无人驾驶集装箱卡车的驾驶控制。
66.优选的是，第一层控制策略包括：
67.若所述车的安全监测数据中出现数据异常，对则执行本车告警或云端告警，并执行人工驾驶安全策略及远控策略；
68.若所述人的安全监测数据中出现数据异常，执行人工驾驶安全策略。
69.如图3所示，其中，s110中车的影响因素，即车的因素，除了软、硬件问题外，无人驾驶上层控制与底层线控的一致性问题也与安全直接相关，是一个重要监测项。车的影响因素包括:车上设备的异常因素、上层指令对车辆底层执行机构控制的异常因素和车上软件的异常因素。
70.具体包括：车上设备的异常因素，单一的设备状态、数据异常，都属于常规性的监测，而多设备间的数据不一致问题，则因为每家无人集卡驾驶厂商的设计方案、理念的不同，其监测的对象、范围以及采取的控制手段，不一定符合集装箱码头的安全要求，所以要从码头的安全视角进行设计，通过经过不同设备的数据归一化，并进行校正，标定不同设备数据的一致性，具体的说，在本实施例中，通过生成多设备数据一致性监测数据，可以提高安全监测的准确性。
71.车上软件的异常因素，软件异常，其中系统错误、场景逻辑缺失，大部分工作已经在前期设计、仿真模拟、实车测试期间已解决，但本着“只要是系统就有bug”的理念，一旦发
生就可能存在重大安全隐患，所以系统bug是软件异常的重要因素。场景逻辑缺失，可能因为场景梳理不完善、分支特殊流程未识别等原因，一旦出现，可能造成既无针对性的处理逻辑，又不能通过底层逻辑解决，让无人驾驶集装箱卡车驻足不前甚至发生不可控事件。而系统状态与物理世界状态不一致，很多无人驾驶安全设计时会忽略，例如系统显示当前为保持车道中心线行驶状态，但实际一直是压着车道线行驶，此类问题，在集装箱港口这类道路限制极大的场景，其安全隐患就会被无限放大，极易产生刮擦、碰撞事故。
72.上层指令对车辆底层执行机构控制的异常因素，即控制异常，上层决策控制模块下发的指令与底层线控的执行反馈一致性问题，其中两者不一致问题属于常规功能安全监测范畴，但在两者一致的情况下，其实也存在着一定的安全风险，而且更为隐蔽，安全风险风大。例如坡道起步，在不同的斜坡角度、车辆负重的情况下，因为决策控制模型或者场景模型错误，会导致无法正常起步甚至溜坡；或者在保持车道中心线行驶情况下，系统显示正常，却因为高精度地图有偏差或未知问题等，实际一直是偏航行驶，甚至压车道线行驶。而这些情况一旦发生，就说明一些底层的系统、功能模型存在问题，需要立即介入检查。
73.人的行为影响因素，即人的因素，人的因素相对简单，就是有人驾驶存在的一些安全风险，主要分为驾驶员的误操作行为，危险驾驶行为以及注意力不集中等危害驾驶的行为，因为驾驶员在无人驾驶集装箱卡车中负担着安全员的角色，作为自动驾驶的安全防护屏障，他的一举一动都牵扯着安全，但通常在自动驾驶的安全系统中，都是默认驾驶员会一直保持高度集中注意力，能极迅速的介入安全风险事件，而忽略了驾驶员的个体性差异极大，例如好奇心旺盛，对陌生事物会东碰西触的探索，造成误操作，或者因个人情绪等原因，造成驾驶失控，或者因抽烟、瞌睡、通话等分散注意力而无法尽到安全员的职责。人的驾驶行为、状态是指车辆自动驾驶状态下驾驶人行使车辆安全保障职责对应的行为和状态的监测。
74.综上驾驶员也是无人驾驶中的重大安全风险点，必须加以有效监测。
75.如图4所示，在一个优选实施例中，对车上设备的状态、上层指令对车辆底层执行机构进行控制的控制状态以及车上软件的状态进行监测，得到车的安全监测数据，具体包括：车上设备的异常因素、上层指令对车辆底层执行机构控制的异常因素和车上软件的异常因素；
76.通过监控无人驾驶集装箱卡车的设备工作状态，得到设备状态数据和单一设备异常数据，并根据所述单一设备异常数据生成多设备数据一致性监测数据；
77.具体的说，设备状态的监测，对应的安全风险因素是设备异常，其下包括设备状态异常监测、单一设备数据异常监测和多设备数据一致性监测，也分别对应设备异常下的3个细分安全因素。
78.设备状态异常监测，是指设备发生如连接断开、异常重启、无响应等异常状态监测。此类情况，属于功能安全,是无人驾驶厂商常规安全监测项，以保证设备在线。数据异常监测，是指设备正常，但输出的数据存在逻辑不合理性，例如gps定位在海面，此项一般指单个传感器因标定异常、角度偏移或环境干扰的因素造成的输出结果置信度极低。
79.多设备数据一致性监测，是指对每一个设备(通常指传感器)的输出做一致性监测，检查是否有个别设备存在异常，是对单一数据异常监测的深化，在单一逻辑性的校验上，增加了设备之间逻辑结果的比对，例如gps输出与激光、视觉定位有明显差异。针对此类
异常，建议引入第三方监测机制，能更客观、独立的输出异常信息，记录日志并即时告警，同时也能辅以管理机制，在当前还有随车测试工程师的情况下，由测试工程师进行随机人工抽查比对数据。
80.如图5所示，通过监控无人驾驶集装箱卡车的设备软件，得到指令与执行一致性监测数据、执行与结果一致性监测数据和超阈值监测数据。
81.具体的说，控制状态的监测，对应的安全风险因素是控制异常，其下包括指令与执行的一致性监测，执行与结果的一致性监测和超阈值监测。
82.具体的说，指令与执行的一致性监测，主要是检测上层决策控制下发的控制命令，与实际底层线控执行的反馈之间的差异，用于检测底层设备情况，属于常规的设备可靠性检查。
83.下面给出具体实施例，以解释执行与结果的一致性监测，执行与结果的一致性监测，主要是检测底层线控执行的反馈，与实际表现的差异，用于检测车辆控制策略的合理性。例如系统下发给油力度xx指令，实际底层执行反馈xx，但监测实际加速度表现与当前环境、场景(不同负重、场地、天气等)下的加速度要求不一致，甚至因为道路有坡度，而出现溜坡现象。针对此类异常，建议引入独立的第三方监测机制，实时监测上层决策控制与实际的表现，其中实际表现的监测，可以综合利用视觉、激光、底层的变速器、发动机等设备的表现来综合评判。
84.下面给出具体实施例，以解释超阈值监测工程，具体的说，超阈值监测，主要是检测行驶状态下，各底层线控执行反馈结果是否处于合理阈值范围，用于检测底层设备可靠性情况。例如系统下发保持中心线行驶指令，实际底层执行反馈直线行驶，但底层线控反馈横向控制有时会超出
±5°
，超出当前横向控制合理阈值。针对此类异常，首选需要根据理论+实践来制定各个不同设备不同维度的合理的阈值区间，最终建立一个基于场景的设备阈值监测模型，由第三方监测机制进行实时监测。
85.在实际应用过程中，可以根据实际监测数据进行调整，以在阈值范围内对行驶状态进行监测。
86.如图6所示，分析后台软件状态监测数据，得到系统错误数据、逻辑缺失监测数据和系统与物理逻辑世界状态一致性监测数据。
87.软件状态的监测，对应的安全风险因素是软件异常，其下包括系统bug监测、逻辑缺失监测、系统状态与物理世界状态一致性监测。
88.系统bug监测，主要是检测程序的异常状态及逻辑合理性，用于捕获上层程序的bug。此类异常的监测工作及机制，因为系统属于无人集卡厂商，故主要无人集卡厂商负责。
89.逻辑缺失监测，主要是监测当前场景有无对应的处理逻辑，用于检测场景覆盖的缺失。此类异常的监测工作及机制，因为涉及自动驾驶的决策、控制系统，故主要由无人集卡厂商负责。
90.系统状态与物理世界状态一致性监测，主要是检测系统状态正常情况下，实际物理表现是否也正常，用于检测软硬件的正确性及其它未知情况，例如因高精度地图偏移问题，系统下发保持道路中心线行驶指令，底层执行反馈直线行驶，系统也显示沿中心线行驶，但视觉、激光等反馈实际车辆一直超偏移值行驶，甚至是压线行驶。此类异常，无法从系统层面进行监控，建议引入第三方监测机制，且必须独立于当前系统，以“旁观者”的角度进
行辅助判断，一旦发现异常情况，记录日志并即时告警，同时还可从管理手段入手，例如在驾驶员的岗位职责中加入必须保证一定频度检测系统与实际行驶状态的一致性情况，形成检查台账，一旦发现异常立即上报，从人防的角度增设一道监测措施。
91.如图7所示，优选的是，所述人的行为影响因素数据包括：误操作因素数据、危险驾驶因素数据和注意力因素数据。
92.行驶行为、状态的监测，对应的安全风险因素是人的因素，即主要是针对驾驶员的不可控因素，其下包括人工驾驶超阈值监测、人工驾驶误操作监测和判断、基于操作安全的驾驶行为监测。
93.人工驾驶超阈值监测，主要是检测人工驾驶时的一些极限操作，例如猛踩油门，用于检测、记录驾驶员的驾驶行为。此类异常情况的监测较易实现，前面控制状态监测中提到的建立基于场景的设备阈值监测模型,在此处也可应用，可以有效提升人工模式下的驾驶安全性。
94.人工驾驶误操作检测和判断，主要是检测在自动驾驶模式下，出现的一些人工误操作，例如自动驾驶模式下，驾驶员踩踏油门。此类异常情况与上一种类似，主要在于安全风险梳理时的思维盲区，容易忽略，针对这类监测，建议除了常规监测及记录外，还可以扩大到一段弹性时间内的操作情况，例如长时间踩踏油门、短时间内多次踩踏油门等，增加后端的判断依据及处理策略的合理性。
95.基于操作安全的驾驶行为监测，分为两大模块，其一是“对内”的驾驶员行为监测系统，用于检测驾驶员的不安全行为，如不系安全带、抽烟、打电话等，其二是“对外”的驾驶员辅助系统，用于辅助驾驶员安全行驶。
96.驾驶员行为监测系统，建议采用独立的、成熟的、专业的第三方产品，集成到自动驾驶系统中，可以与自动驾驶系统产生联动，这样即能快速应用，也保证了监测结果的权威性。
97.驾驶员辅助系统，虽然因为无人驾驶集装箱卡车作为整体行业的垂直细分领域，可能没有适配度高的成熟产品，但也建议无人驾驶集装箱卡车厂商可以将其作为一个独立的产品进行开发，甚至与权威机构联合开发，提供基础的无人驾驶集装箱卡车周边安全监测及辅助引导功能。
98.在一个优选实施例中，第一层控制策略包括：
99.若车的安全监测数据中出现数据异常，则执行本车告警或云端告警，同时执行自动驾驶安全控制策略及远控策略；
100.若人的安全监测数据中出现数据异常，对安全员执行告警提醒策略，同时执行人工驾驶安全策略及远控策略。
101.优选的是，所述自动驾驶安全控制策略，包括：
102.监控无人驾驶集装箱卡车的基础行驶数据，其包括：速度值、转向角度、油门开度、制动踏板角度和制动踏板加速度；
103.并设定基础行驶数据对应阈值，其包括：速度阈值、转向阈值、油门开度阈值、弱制动阈值和强制动阈值；
104.控制车辆锁止油门，以禁止人工踩踏或制动停车，并控制无人驾驶集装箱卡车在所述基础行驶数据对应阈值范围内行驶。
105.优选的是，所述驾驶者行为状态监测数据包括：人工驾驶超阈值监测数据、基于操作安全的驾驶行为监测数据、驾驶员辅助系统数据、驾驶员行为监测系统数据和人工驾驶误操作监测数据。
106.优选的是，人工驾驶安全策略包括：
107.设定操作者数据阈值，其包括：行驶速度设定阈值，加速度设定阈值和转向范围设定阈值；
108.若操作者在所述操作者限定阈值范围内进行操作，执行操作者指令；
109.若所述操作者不在所述操作者限定阈值范围内进行操作，执行本机与云端告警，同时执行远程控制的停车、锁车策略。
110.优选的是，第二层控制策略包括：
111.设置电子围栏区域；
112.若无人驾驶集装箱卡车闯入所述电子围栏区域，则触发强制动、停车和锁车，同时本地持续告警，上传云端警示。
113.具体包括：标记边界范围，设定无人驾驶集装箱卡车的可行驶区域；
114.通过标记框定电子地图上的边界范围获得电子围栏区域；
115.所述边界范围包括基于设备边界的范围、基于区域边界的范围和基于道路边界的范围。
116.还包括：
117.根据所述边界范围分别建立基于设备边界的行驶策略、基于区域边界的行驶策略和基于道路边界的行驶策略；
118.其中设备边界点包括龙门吊、桥吊、堆高机以及正面吊；所述区域边界包括：码头面临水区域、危险品场地以及加油加气站；所述道路边界点包括：主干道、栏间道以及引桥车道等。
119.与四大安全监测体系对应的，是四大安全策略，共十五条具体安全措施，每一个监测异常，针对其安全等级，可触发多项针对性的安全措施。同时在此基础之上，还制定了最后的保险机制——电子围栏，作为终极防范机制，避免出现安全事故。
120.提醒策略包含本机提醒、本机告警及云端告警模块，主要用于出现变化、异常时对驾驶员、测试员的提醒和告警，以及在云控端对后台监控人员的告警，提醒他们及时查看、介入。
121.自动驾驶安全控制策略包含两大类8条，在异常状态下，控制策略有禁人工油门，制动停车，其中禁人工油门，是在自动驾驶模式下，让人工踩油门动作无效化；在正常状态或虽然有异常但属于可容忍，控制策略有基础安全功能、禁人工油门以及基于阈值的控制限制策略，包含限速、限转向、限油门、弱制动、强制动，其中基于阈值的控制限制策略，主要对应各级设备状态等级。人工驾驶安全策略包括：
122.设定操作者数据阈值，其包括：行驶速度设定阈值，加速度设定阈值和转向范围设定阈值；
123.若操作者在所述操作者限定阈值范围内进行操作，执行操作者指令；
124.若所述操作者不在所述操作者限定阈值范围内进行操作，执行远程控制策略。
125.人工驾驶安全策略包含限制行驶速度、限制加减速度和限制转向范围，主要应用
于无人驾驶集装箱卡车的人工驾驶模式，制定的基于阈值的操作限制策略，防止驾驶员的极限操作，例如猛踩油门，猛打方向、超速行驶等。
126.远控策略包含2类，其一是车辆远程解锁，针对电子围栏机制的锁车功能，其二是一个可维护的条件集合，定义了哪些异常状态会触发云端远控介入。
127.电子围栏机制，在本安全策略中，是作为一种最终的保险措施，针对集装箱港口的临水临边区域，例如码头面临水区域、危险品场地、加油加气站等，这些场地具有极强的安全属性，故针对这些区域，从其边界向外拓展一定的缓冲距离，作为一种优选，缓冲距离通过测定无人驾驶集装箱卡车的刹车距离设定，进而设置电子围栏，同时采用单一控制策略：一旦闯入围栏区域，即强制紧急制动并停车，同时锁车，无效化本地控制，只能由云端远程解锁。
128.可建立3种电子围栏：基于设备边界、基于区域边界、基于道路边界，其中基于道路边界模式可涵盖基于设备及基于区域边界的电子围栏。
129.其中，边界点包括设备边界点、区域边界点和道路边界点；其中，设备边界点包括危险品场地、加油加气站；所述区域边界包括：码头面临水区域；所述道路边界点包括：行车道、路肩、分割带和边沟。
130.本发明还提供了一种基于港口视角的无人驾驶集装箱卡车安全控制系统，包括：
131.辨识模块，其用于辨识安全风险因素；其中，所述安全风险因素包括卡车的影响因素和人的行为影响因素；所述车的影响因素包括车上设备的异常因素、上层指令对车辆底层执行机构控制的异常因素以及车上软件的异常因素；所述人的行为影响因素包括误操作因素、危险驾驶因素以及注意力不集中因素；
132.监测模块，其用于监控设备的状态、上层指令对车辆底层执行机构进行控制的控制状态以及车上软件的状态进行监测，得到车的安全监测数据，对人的驾驶行为状态也进行监测，得到人的安全监测数据；
133.控制模块，其应用所述车的安全检测数据和所述人的安全监测数据，执行第一层控制策略，
134.若自动驾驶车辆超过了电子围栏边界，那么执行第二层控制策略，以实现无人驾驶集装箱卡车的驾驶控制。
135.在任意情况下，自动驾驶车辆越过了电子围栏边界，则执行第二层控制策略，第二层控制策略是基于地理环境且优先级高于第一层控制策略，如同时触发第二层安全控制策略，则以第二层控制策略优先，执行强制紧急制动直至停车并锁车。通过以上控制策略实现无人驾驶集装箱卡车的安全驾驶控制。
136.监测系统首先会发现控制异常,即上层指令与底层控制一致，但不符合当前场景下的安全行驶策略——引桥口至码头面的正常行驶转弯角度应在在20
°
以内，此时触发控制策略，告警、减速、限油门、弱制动，为人工确认情况及接管争取缓冲时间，一旦因距离过近或人工接管不及时，则在闯入电子围栏时，触发强制动、停车、锁车，同时本地告警，上传云端警示，需安全员与云端监控人员确认情况后，才能由云端远程解锁。
137.无人集卡途径危险品场地区域时，如发生因安全员出现危险驾驶行为，踩油门加速冲向危险品集装箱这种极端情况。
138.监测系统首先发现出现人工驾驶超阈值操作的行为进行记录并告警并触发云端
介入，同时该车辆的人工驾驶安全策略——基于阈值的操作限制策略生效，限制行驶速度、限制加速度、限制大幅度转向，为云端介入争取缓冲时间，一旦闯入电子围栏时，触发强制动、停车、锁车，同时本地持续告警，上传云端警示，需驾驶员与云端监控人员确认情况后，才能由云端远程解锁。
139.无人驾驶集装箱卡车途径加油站，因驾驶员误操作，在无人驾驶集卡装箱卡车头对着加油设施时踩油门。
140.监控系统首先会发现当前是自动驾驶模式，驾驶员踩油门行为属于误操作，会进行记录并告警，同时禁人工油门策略生效，让本次踩踏油门的加速行为无效化。
141.本技术结合集装箱港口的实际情况及测试经验，以无人驾驶集装箱卡车安全风险辨识为着眼点，参考了部分自动驾驶功能安全、预期功能安全标准，形成了一套完整的无人驾驶集装箱卡车安全监测体系，并在此基础上建立了一套立体的安全控制策略，希望能形成一套基于集装箱港口的本质安全型无人驾驶集装箱卡车安全体系。
142.本技术提及的阈值，需要理论结合实践，同时还需结合不同集装箱码头的差异化特性，才能给出一个初步的合理区间，同时还要通过不断的实践，场景的积累及学习，结合数据化监控和分析体系，才能逐步优化此阈值，以适应集装箱码头的实际安全需求。
143.至此，已经结合附图所示的优选实施方式描述了本发明的技术方案，但是，本领域技术人员容易理解的是，本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下，本领域技术人员可以对相关技术特征做出等同的更改或替换，这些更改或替换之后的技术方案都将落入本发明的保护范围之内。