基於ACP方法的平行智能車控制系統與流程
2023-05-21 23:07:31 2
本發明涉及智能車領域，具體涉及一種基於acp方法的平行智能車控制系統。
背景技術：
無人駕駛能夠帶來更加安全、高效、舒適的駕駛體驗，已經成為全球範圍內業界的共識。因此，英國、美國、德國、日本和中國等多個國家已經在積極進行無人駕駛車輛的研發工作。
但是，目前無人駕駛車輛面臨兩大主要問題：
一、安全性和可靠性較差
當無人駕駛系統無法識別複雜環境時，會導致交通事故和人員傷亡。安全性主要受制於算法不完善及系統靈敏度低，可靠性主要由設備故障，系統宕機及感知系統誤檢引起。
二、價格昂貴
無人駕駛車輛對傳感器的要求很高，需要配置高精度傳感器。如多線雷射測距儀、微波雷達、高精度gps等。
無人駕駛車輛昂貴的價格及安全性限制了其廣泛應用。傳統的解決方案一般是通過使用高精度設備和複雜的傳感器感知技術來得到安全性的提高，但同時提高了車輛成本；若採用普通設備及簡單技術，雖然降低了車輛成本，其可靠性卻不能保證。
現有發明cn105489053a(發明名稱：一種基於acp方法的平行停車系統構建方法，公布日：2016.04.13)acp指的是人工系統(artificialsystems)、計算實驗(computationalexperiments)和平行執行(parallelexecution)。該發明以平行執行的方式建立人工停車系統和實際停車系統之間的滾動優化過程，利用人工停車系統為實際停車系統的建立提供指導方案，使現有的停車資源得到最大效率的使用。該發明僅用於停車指導，未提出對道路上行駛的車輛的指導策略，特別是未提出對無人車安全可靠行駛的解決方案，且沒有提出降低無人車車輛成本的方法。
技術實現要素：
為了解決現有技術中的上述問題，本發明提出了一種基於acp方法的平行智能車控制系統，不僅大大降低了車輛成本，並且有效解決了無人駕駛車輛的安全性問題，提高了通行效率及整體協同程度。
本發明提出一種基於acp方法的平行智能車控制系統，包括：平行控制中心和實際車路系統；
所述平行控制中心，包括：計算控制中心和人工車路系統；
所述計算控制中心，配置為：根據所述實際車路系統採集的行車參數和路況信息，計算多種行車控制策略，在人工車路系統中進行實驗；根據實驗結果選擇控制策略，在人工車路系統與實際車路系統中平行執行；
所述人工車路系統，為基於大型計算機的虛擬系統，根據所述實際車路系統採集的行車參數和路況信息構建而成；配置為：根據所述計算控制中心提供的指令執行，並向所述計算控制中心發送執行過程中的相關數據。
優選地，所述實際車路系統，為無人車實際運行的道路環境系統，配置為：採集無人車的行車參數和路況信息，傳送到所述計算控制中心；並執行計算控制中心的指令，控制無人車在道路上行駛。
優選地，所述行車參數為無人車內車載傳感器採集到的參數，包括：速度、加速度、方向盤轉角、油門剎車信息；
優選地，所述路況信息為路側設備採集的信息，包括：路側交通燈信息、攝像頭拍攝的信息、雷達測距信息。
優選地，在平行執行過程中，按預設的時間周期採集無人車的行車參數和路況信息，並對所述人工車路系統進行修正。
優選地，所述人工車路系統，包括虛擬的靜態模型和動態模型；
所述靜態模型，包括實際交通環境中的建築物、樹木、道路安全設施、標誌牌、信號燈、路面交通標誌線；
所述動態模型，包括：智能車輛模型以及自身決策規劃模型、隨機產生的道路上行駛的非智能車輛、非機動車、行人模型以及它們的運動狀態模型、整體調度配置模型。
優選地，所述實際車路系統還採集無人車的環境感知傳感器數據，包括：車載單線雷射雷達數據、車載攝像頭數據。
優選地，所述計算控制中心，計算控制策略時，還利用網際網路信息；所述網際網路信息，包括：道路環境、交通事故、天氣狀況、交通管制。
優選地，所述控制策略，包括：對無人車的路徑規劃、行車參數控制。
優選地，所述平行控制中心，還配置為：模擬各種交通場景，並計算相應的控制策略，根據所述人工車路系統的實驗結果，為所述實際車路系統提供改進方案，包括：增加道路的智能性、降低智能車輛成本；
所述增加道路的智能性，包括：安裝v2x通信設備、路側攝像頭、微波雷達、路邊處理器、地下感應裝置、智能信號燈控制器；
所述降低智能車輛成本，包括：採用車載單線雷射雷達代替車載64線雷射雷達、將部分由車載設備採集和處理的數據轉移到路側設備來採集或處理。
優選地，所述智能信號燈控制器，將路側信號機的信號直接發送給無人車和/或平行控制中心。
優選地，所述車載攝像頭數據，經過所述路邊處理器壓縮處理後傳輸到所述計算控制中心。
本發明提出的基於acp方法的平行智能車控制系統，採集實際車路系統中的行車參數和路況信息，構建虛擬的人工車路系統；計算控制中心經過計算後，得出控制策略，在人工車路系統中進行實驗；根據實驗結果，選擇合適的控制策略在實際車路系統和人工車路系統中平行執行；在執行過程中，根據實際車路系統中的行車參數和路況信息對人工車路系統進行實時修正，對控制策略進行實時調整。有效解決了無人駕駛車輛的安全性問題、提高了通行效率及整體協同程度，對於有人駕駛的智能車，利用此系統，也可以減少因疲勞駕駛等原因導致的交通事故。本發明還可以根據人工車路系統的運行情況，對實際車路系統提出改造建議，提高路側設備的智能化，並大大降低了智能車上車載設備的成本。
附圖說明
圖1是本實施例中，平行智能車控制系統各部分間通訊示意圖；
圖2是本實施例中，構建人工車路系統時所需要素的示意圖；
圖3是本實施例中，實際車路系統示意圖。
具體實施方式
下面參照附圖來描述本發明的優選實施方式。本領域技術人員應當理解的是，這些實施方式僅僅用於解釋本發明的技術原理，並非旨在限制本發明的保護範圍。
本發明提出一種基於acp方法的平行智能車控制系統，充分利用acp的優勢，來實現行車可靠性和車輛成本的平衡。不僅可大大降低車輛成本，並可有效解決現階段智能車的安全性問題，提高通行效率及整體協同程度，減少因疲勞駕駛等原因導致的交通事故。未來的每一部智能車都會有形影不離的「i車」相隨，將是虛實互聯、互通、互動的平行智能車，即平行智能車＝車+i車(虛擬車)。該方法不僅可以適用於無人駕駛的智能車，對於有人駕駛的智能車，也可以提供快速及時的行車指導、監督、輔助駕駛。
要達到車內簡單、遠端智能的目標，就需要各種各樣的信號，不能只依靠傳統車載傳感器，更要依靠道路的智能化。將車載傳感器和路側傳感器的物理信號、人的信號、以及各種各樣的開源信息(社會信號)都要嵌入到系統中，形成能夠同時處理三個空間(cyber-social-physical，物理、社會、信息)的無人自主駕駛車輛，把物理、精神、人工、社會、經驗等因素都整合在一起，將單車智能迅速擴展到車聯網的協同智能上，變成車與車(vehicletovehicle)、車與路(vehicletoroadsideunits)、車與人(vehicletohuman)的網絡化發展。
針對實際系統中車/路/人等大數據的統計學習、機器學習、數據挖掘等大數據分析處理；根據基於人工車路系統的實驗結果，來實現對實際車路系統的有效指導和預測。同時對實際車和道路進行改造，降低智能車輛成本，實現「車內簡單，遠端智能，車路互動，多車協同，平行操控，安全旅程」，從而實現智能車的更高安全性，降低單車成本，使之更快投入市場。
本實施例中，基於acp方法的平行智能車控制系統如圖1所示，包括：平行控制中心和實際車路系統。
所述平行控制中心，包括：計算控制中心和人工車路系統。
所述計算控制中心，配置為：根據所述實際車路系統採集的行車參數和路況信息，然後經過人工智慧、神經網絡、機器學習等算法，計算多種行車控制策略，在人工車路系統中進行實驗；根據實驗結果選擇最優的控制策略，在人工車路系統與實際車路系統中平行執行。計算控制策略時還可以利用網際網路信息，包括：道路環境、交通事故、天氣狀況、交通管制等。所述控制策略，包括：對無人車的路徑規劃、行車參數控制。在平行執行過程中，按預設的時間周期採集無人車的行車參數和路況信息，並對所述人工車路系統進行即時修正，使之與實際車路系統儘可能地接近；同時，控制策略也會根據實際情況進行實時調整。
所述人工車路系統，為基於大型計算機的虛擬系統，根據所述實際車路系統採集的行車參數和路況信息構建而成；配置為：根據所述計算控制中心提供的指令執行，並向所述計算控制中心發送執行過程中的相關數據。
本實施例中，所述實際車路系統，為無人車實際運行的道路環境系統，配置為：採集無人車的行車參數和路況信息，傳送到所述計算控制中心；並執行計算控制中心的指令，控制無人車在道路上行駛。所述行車參數為無人車內車載傳感器採集到的參數，包括：速度、加速度、方向盤轉角、油門剎車信息等；所述路況信息為路側設備採集的信息，包括：交通燈信息、攝像頭拍攝的信息、雷達測距設備採集的信息等。
本實施例中，所述人工車路系統，包括虛擬的靜態模型和動態模型；
所述靜態模型，包括實際交通環境中的建築物、樹木、道路安全設施、標誌牌、信號燈、路面交通標誌線；
所述動態模型，包括：智能車輛模型以及自身決策規劃模型、隨機產生的道路上行駛的非智能車輛、非機動車、行人模型以及它們的運動狀態模型(包括速度、運動軌跡狀態)、整體調度配置模型(防止除智能車外其他車輛和行人發生碰撞，需綜合配置和調度)。
本實施例中，為了更準確地掌握車輛的行駛環境，所述實際車路系統還採集無人車的環境感知傳感器數據，包括：車載單線雷射雷達數據、車載攝像頭數據等，這些設備採集無人車的外部環境數據，與路側設備採集的數據綜合起來使用，可實現對路況信息更為準確的判斷。
本實施例中，所述計算控制中心，還配置為：根據所述人工車路系統的實驗結果，對所述實際車路系統提出改進方案，包括：增加道路的智能性、降低智能車輛成本；
所述增加道路的智能性，包括：安裝v2x通信設備、路側攝像頭、微波雷達、路邊處理器、地下感應裝置、智能信號燈控制器等；
所述降低智能車輛成本，包括：採用車載單線雷射雷達代替車載64線雷射雷達、將部分由車載設備採集和處理的數據轉移到路側設備來採集或處理，等等。
為了更清楚地闡述本發明的控制系統，下面分別進行人工車路系統的構建、計算實驗、平行執行、實際車路改造、具體案例的詳細說明：
一、人工車路系統的構建：
基於實際車路系統的行車參數和路況信息構建人工車路系統環境，系統由許多要素構成，包括靜態物體、動態物體、季節、天氣、光源等。人工車路系統主要是結合所採集的路況信息，包括交通環境的高精度圖像、三維雷射點雲等數據，建立場景模型資料庫。場景模型資料庫包括動態場景模型和靜態場景模型，靜態場景模型包括真實交通環境中的建築物、樹木、道路安全設施、標誌牌、信號燈、路面交通標線等，動態場景模型為智能車輛模型以及自身決策規劃模型、隨機產生的道路上行駛的非智能車輛、非機動車、行人模型以及它們的運動狀態模型(包括速度、運動軌跡狀態)、整體調度配置模型(防止除智能車外其他車輛和行人發生碰撞，需綜合配置和調度)。人工車路系統自動生成交通參與者、特殊天氣以及環境等要素，在道路場景基礎上，模擬更多的交通場景，保證其多樣化和高覆蓋率。採用通用仿真道路測試場和車輛仿真軟體，專用測量設備及硬體接口、平臺，根據不同需求，進行mil(模型在環仿真)、sil(軟體在環仿真)、hil(硬體在環仿真)和vil(實車在環仿真)等四個層次的模擬仿真來實現人工車路系統。
如圖2所示的實施例中，採集實際車路系統中真實道路的數據(即路況信息)、真實車載數據(即行車參數、環境感知傳感器數據)，利用事先生成的無人車模型、車/路/人交互模型以及利用模擬駕駛數據建立的駕駛員行為模型等，搭建出虛擬的三維人工車路系統。
事先生成的模型分為靜態模型和動態模型；
所述靜態模型，包括實際交通環境中的建築物、樹木、道路安全設施、標誌牌、信號燈、路面交通標誌線等；
所述動態模型，包括：智能車輛模型以及自身決策規劃模型隨機產生的道路上行駛的非智能車輛、非機動車、行人模型以及它們的運動狀態模型(包括速度、運動軌跡狀態)、整體調度配置模型(防止除智能車外其他車輛和行人發生碰撞，需綜合配置和調度)。
二、計算實驗：
由於車輛行駛過程中，車載傳感器收集到的環境數據有限，對環境的感知信息不夠全面準確。本發明提出將路側數據和人的信號、以及各種各樣的開源信息(社會信號，如網際網路信息)融入到系統中，提高信息來源的全面性，考慮到車載處理器的處理能力有限，且僅靠車輛本身，很難實現大量數據的融合處理及綜合分析，只能對某些特徵數據進行處理，因此，很難滿足車輛對安全性和可靠性的要求。針對此問題，本發明提出將gps數據、can總線數據通過車載網絡直接傳輸到後臺的平行控制中心，進行計算和實驗，而將車載視頻數據經路側設備處理後傳輸到平行控制中心進行計算和實驗來控制無人車或輔助智能車運行，充分利用當前網絡快速發展的優勢，通過低時延高速度的網絡和強大的後臺來實現遠端分擔車載計算壓力和多層規劃決策的目的，保證智能車的安全性。同時，融合路側數據及社會信息等數據作為後臺大數據分析及機器學習平臺的數據基礎，作為進行車輛相關狀態及出行規劃的預測分析依據，通過機器學習、人工智慧、模式識別、深度學習等方法進行分析處理，並根據實際車輛行駛中的具體需求給予控制指令建議或路徑規劃建議，從而提高車輛行駛的安全性和整體交通通行效率。
三、平行執行：
通過實際車路系統，修正人工車路系統的模型，使其成為實際車路系統的「備用」系統。只有當人工車路系統精確逼近實際車路系統時，通過人工車路系統進行各種學習和分析及計算實驗，來實時調整實際車路系統的管理與控制策略，才具有現實意義。人工車路系統和計算實驗不僅包含實際車路系統，而且可以生成特殊的交通場景，滿足具備複雜多樣化的交通環境，能夠實現車輛在特殊交通場景的運行。因此，通過平行執行，平行控制中心不僅可以針對交通系統進行全局規劃和指導，也可以針對單車改造及車輛運行中的控制制動指令等給出局部分析決策建議。
四、實際車路改造：
智能化的實際車路系統，如圖3所示，車與車、車與人、車與路側設備(包括智能信號燈、攝像頭、雷達等)、車與基站、基站與平行控制中心的處理器之間，都有信息交互。基於acp方法的平行智能車系統，增加了道路的智能性，降低了智能車輛成本。
路的改造包括安裝v2x(vehicletox)通信設備、路側攝像頭、路邊處理器、智能信號燈控制器、微波雷達(高速路段測速裝置)等增加道路智能化的設備，實現道路交通感知、氣象感知和路面狀況感知，具體的包括：交通信息採集、非機動車和行人檢測、路面狀態及氣象環境檢測等。部分數據採集和預處理的功能通過路側設備來實現，舉例說明：車載視頻數據可以經過路側設備壓縮處理後傳輸到後臺平行控制中心；傳統無人車識別信號燈是一般通過車載視頻進行檢測識別，而本發明是將路側信號機的信號直接發送給無人車和平行控制中心，不僅減輕無人車的計算量，而且保證準確性。同時路側可以收集車載傳感器收集不到的路況信息，比如：在路口或者建築物密集的路段，無人車有盲區，突然出現的車和人，無人車無法預知盲區的情況，而在路邊的攝像頭、埋在路面下的地磁圈等設備可以收集到這些信息，同時將這些信息發送給周圍的無人車。智能路側設備不僅減輕了智能車的計算負擔，同時因收集更多的信息傳輸到平行控制中心，從而使車輛最終獲得更多的信息和指導，提高智能車的安全性和穩定性。
車輛改造方面，因車輛可以通過路側、其它車輛、平行控制中心獲取信息和決策等指導，對於智能車本身可以在現有傳統無人車設備配置上適當減少昂費的設備。例如：採用4個車載單線雷射雷達代替車載64線雷射雷達，4個單線雷射可以測到車輛周圍360度的二維點雲信息，同時雷射和攝像頭數據融合保證無人車的單車安全，不單單是兩類傳感器感知外界環境，而且是兩類傳感器感知外界條件後信息互補，就好比我們的兩隻眼睛，視覺感知到了障礙物，同時雷射給出障礙物的距離，另一方面若其中一類傳感器感知錯誤的話，另一類傳感器可以進行糾正，車輛除了自身傳感器也可以通過v2x設備、路側設備獲取周圍環境信息，為車輛感知提供更全面、豐富的信息。智能車車載設備主要包括車載攝像頭、gps、雷射雷達、車載處理器等。智能車需實現短距離通信和遠程通信，從而需要配備車載通信設備。最終實現車車通信、車路通信、車人通信、車後臺通信等，最終實現車、路、後臺的無縫銜接。
五、具體案例：
系統控制方面，通過平行控制中心針對道路及車輛的突發狀況的有效預測，可實時發送提示信息到實際車輛，建議車輛降低車速或者改變路線，從而有效避免道路擁堵或者交通事故等。比如，雨雪天氣時，有些區域及路段常有積水現象。另外，針對系統內的所有車輛，通過綜合分析行車目的地、乘客需求、車輛狀態、道路情況、交通流量情況等因素，統一規劃路徑，從而實現全局最優，從而滿足不同乘客、車輛、及道路等各方面的需求，有效改善車輛舒適度及行車體驗。
用戶體驗方面，例如，社區內可以乘坐專用pave(parallelvehicle)班車到達社區的每個角落。同時，pave垃圾清理車會及時清理社區垃圾，保證小區舒適度。孩子們都可以乘坐專有pave代步車到達他們想去的任何的地方。預定的外賣或者在洗衣店洗好的衣服可經由一款可愛的自動駕駛pave車送達你的門前。你和朋友在酒吧聚會，無論多晚。可以叫一輛無人駕駛的pave車，再也不會有酒後駕車的風險。盲人也可以自己開車上路。pave物流車，將淘汰大部份物流業司機，因為它能降低能耗，駕駛室不用再裝空調等設備。另外，中控平臺實時監控所有pave車並且所有車都可以實時交流，車與車、車與路、車與後臺中心(實際車與i車)之間的實時交流，可避免人為的疲勞駕駛和操作不當等引起的交通事故。當一位老人突然出現，pave車可以迅速躲開，同時後面的pave車就會同時轉向，從而避免悲劇的發生。
基於pave車，結合智能道路及平行控制中心，可以實現對車輛狀態及操縱的實時指導及預測，整個pave車系統優化部署指導以及全局和局部最優路徑規劃。另外，可根據駕駛員及乘客需求以及車輛系統本身，量身定製平行駕駛系統及服務，保證行車安全及能效優化。pave平行車充分利用全球數位化及信息化資源，將雲端、道路及車輛上的資源無縫銜接，充分考慮安全性、舒適性、敏捷性和智能性等指標，將物理、社會、信息空間打通，從而有效保證車輛行駛的安全，實現最優行車體驗，最終實現可靠、舒適、快速的平行駕駛。
pave平行車將綜合運用中心控制，無人車感知、決策規劃、車輛控制，網絡通信，大數據分析，機器學習，人工智慧等關鍵技術，把中心控制臺、智能道路及pave車實時互動連接起來，最終實現車路互動、多車協同、平行操控、安全旅程。
本領域技術人員應該能夠意識到，結合本文中所公開的實施例描述的各示例的方法步驟，能夠以電子硬體、計算機軟體或者二者的結合來實現，為了清楚地說明電子硬體和軟體的可互換性，在上述說明中已經按照功能一般性地描述了各示例的組成及步驟。這些功能究竟以電子硬體還是軟體方式來執行，取決於技術方案的特定應用和設計約束條件。本領域技術人員可以對每個特定的應用來使用不同方法來實現所描述的功能，但是這種實現不應認為超出本發明的範圍。
至此，已經結合附圖所示的優選實施方式描述了本發明的技術方案，但是，本領域技術人員容易理解的是，本發明的保護範圍顯然不局限於這些具體實施方式。在不偏離本發明的原理的前提下，本領域技術人員可以對相關技術特徵作出等同的更改或替換，這些更改或替換之後的技術方案都將落入本發明的保護範圍之內。