一种基于GIS的无人车安全驾驶优化方法技术

一种基于GIS的无人车安全驾驶优化方法，包括以下步骤：1)～2)、采集基本数据建立三维模型；3)对无人驾驶车辆进行定位，采集车辆基本信息；4)、通过GeoEvent采集车辆周围实时数据；5)、利用现有无人驾驶车载设备采集车辆周围数据；6)、利用采集到的实时数据，进行数据分析，计算出交通拥堵指数；7)～8)、将计算结果发送至无人驾驶车辆，车辆将接收数据与自身行驶数据对比做出相应正确的操作，实现安全驾驶的目的。本发明专利技术提供一种基于GIS的优化无人车驾驶车辆安全驾驶的方法，该方法可有效的扩大无人车的数据采集范围，为无人车提供更多的数据支持，获得更实用的计算结果，提高无人车的安全驾驶系数。

【技术实现步骤摘要】
一种基于GIS的无人车安全驾驶优化方法
本专利技术涉及一种地理信息数据处理、计算机应用领域、GPS全球定位、实时数据分析，尤其涉及一种基于GIS的无人车安全驾驶优化方法。
技术介绍
随着互联网技术、大数据的发展与人工智能的兴起，给汽车工业带来了革命性的变化。无人驾驶车辆的诞生，或许将改变大众未来的生活方式。对于无人驾驶车辆来讲，人们最关心的自然是安全问题，无人驾驶车辆的安全需要大量的数据做支撑，通过数据分析做出正确的判断，最终引导车辆执行准确而又安全的操作。无人驾驶是指在车辆上安装车载智能设备，包括雷达、传感器、GPS、摄像头等。借助于车载设备的辅助，在车辆行使过程中，通过设备获取车辆周围实时的路况信息，将信息上传至计算机，计算机将上传的信息经过分析处理后做出准确预判，最后控制车辆完成安全行驶的目的。现阶段无人驾驶技术正在不断的进步与完善中，但它的缺陷还是存在的，比如：对无人驾驶车辆来讲，安全性是第一的，所以无人驾驶技术对车载设备的要求很高，需要车载设备能够尽可能多的、精确的、获取范围更大的有效数据，以保证车辆的行驶中的安全性。但就目前的技术来讲，雷达可监测的范围有限，而且易受干扰；传感器性能要求高，种类多，一旦出现故障，缺乏可替代设备，这将会直接影响计算机对路况的判断，致使车辆失控；而GPS全球定位系统的主要功能是对车辆进行定位，在数据分析方面功能欠缺，比如对路况的实时分析，对周围建筑的建模。所以说，现有的无人驾驶车载设备在数据采集方面还存在着一定的缺陷，采集的数据量有限，难以支撑无人驾驶车辆做出更加精确的判断。
技术实现思路
为了弥补现有无人驾驶技术的不足，本专利技术提供了一种借助于GIS的三维建模、空间数据分析技术，扩大原有无人驾驶技术数据采集范围，并结合原有的无人驾驶车载系统采集数据并进行数据分析，最终实现安全驾驶的方法。本专利技术解决其技术问题所采用的技术方案是：一种基于GIS的优化无人车安全驾驶的方法，包括以下步骤：1)、数据采集：采集城市的建筑数据、道路与交通数据、路障与路牌数据、路口人流量数据和红绿灯数据；2)、三维建模：在ArcGISPro中引入底图，导入城市建筑数据、道路与交通数据、路障、路牌数据，用导入的城市数据建立三维可视化模型，以供车载设备显示以及后台服务器进行数据分析使用；3)、车辆实时定位：利用GPS全球定位技术获取当前无人驾驶车辆的位置信息，包括车辆的行驶路段名称、行驶车道信息、车辆的具体坐标点、车辆的行驶方向和行驶速度；4)、GeoEvent获取车辆周围实时数据：将ArcGISEnterprise与GeoEventServer连接，创建连接器以从数据流接收和解译实时数据，以无人驾驶车辆位置为圆心，R1为半径的圆范围内的实时数据，其中获取的数据包括以下方面：A)无人驾驶车辆周围车辆的坐标位置，移动方向，行驶速度，与无人驾驶车辆的相对距离；B)对道路两侧的建筑信息，路标路障信息进行分析；C)当路口包含在范围内时，分析道路及路口的人流量信息、车流量信息、路口的交通信号信息，包括红绿灯信息和路口拥堵信息；D)前方道路是否有交通事故信息，雨水天气下的路面积水与积雪信息；E)获取前方道路的信息，道路坡度信息；F)获取前方道路的公交站点及人行道信息；G)获取道路上路段的限速信息、前方路段各车道信息；H)车辆后方是否有超速行驶车辆信息；5)、车辆雷达获取周围实时数据：利用无人驾驶车辆的雷达、摄像头、传感器等系统获取以无人驾驶车辆位置为圆心，R2为半径的圆范围内的实时数据，其中R2＜R1，取无人驾驶车辆自身的行驶数据、周围车辆的行驶数据、周围行人及路障的数据、路况信息，收集的数据进行汇总，上传至服务器；6)、实时数据分析：利用GeoEventServices的过滤器和处理器筛选和分析4)中获取的实时数据流，将筛选后的数据与5)中收集的实时数据信息每隔T时间段进行分析，计算出前方道路的交通拥堵指数，拥堵指数计算公式为：其中f代表交通拥挤指数，T代表数据分析时间间隔，P1代表该道路段T时间内的车辆总数，P1/T为单位时间内的车流量，M1代表该路段T时间内的行人总数，M1/T为单位时间内的人流量，代表该路段车辆的平均时速，V1代表该路段的限速信息，L1代表该路段检测范围内的路障数量，w1、w2、w3、w4、w5分别代表车流量、人流量、车辆平均时速、道路限速、路障的权重，定义一组评判值A＝[a1,a2,a3,a4]，根据计算出的f与定义的评判值进行对比，将圆周范围内的道路状况分五个等级：①当f＜a1时，表示道路畅通，车流量、人流量小，周围无障碍，建议车速70km/h以内；②当a1≤f＜a2时，表示道路基本通畅，有少量的道路拥堵，周围障碍较少，人流量少，建议车速50km/h以内；③当a2≤f＜a3时，表示轻度拥堵，主干路与支路有部分拥堵，周围障碍较少，人流量少，建议车速40km/h以内；④当a3≤f＜a4时，表示中度拥堵，主干路与支路有部分拥堵，道路障碍较多，人流量少，建议车速30km/h以内；⑤当f≥a4时，表示道路严重拥堵，主干路与支路及路口拥堵严重，前方车辆行驶缓慢，路口行人拥堵，建议车速20km/h以内；7)、发送分析结果：将实时数据的变化以及数据的分析计算结果发送至无人驾驶车辆，车辆根据接收的数据与自身的行驶数据对比，判断车辆是否应该减速、增速、避让，并计算出车辆当前应当行驶的车速、行驶车道；8)、实现安全行驶：无人驾驶车辆根据计算结果执行一系列相应的操作，最终达到安全行使的目的。本专利技术中涉及的无人车驾驶车辆数据采集与分析的方法，结合GIS，通过对道路实时数据的分析，给无人驾驶车辆提供更多的数据支持，以保证车辆的安全行驶。本专利技术的有益效果主要表现在：在车辆行驶过程中数据采集方面，可以收集到更加详细准确的数据。附图说明图1是一种基于GIS的无人车安全驾驶优化方法流程图。图2是无人驾驶车辆在某一具体位置的采集数据范围图。具体实施方式下面结合附图对本专利技术进一步描述。参照图1和图2，一种基于GIS的无人车安全驾驶优化方法，包括以下步骤：1)、数据采集：采集城市的建筑数据、道路与交通数据、路障与路牌数据、路口人流量数据和红绿灯数据；2)、三维建模：在ArcGISPro中引入底图，导入城市建筑数据、道路与交通数据、路障、路牌数据，利用导入的城市数据建立三维可视化模型，以供车载设备显示以及后台服务器进行数据分析使用；3)、车辆实时定位：利用GPS全球定位技术获取当前无人驾驶车辆的位置信息，包括车辆的行驶路段名称、行驶车道信息、车辆的具体坐标点、车辆的行驶方向和行驶速度；4)、GeoEvent获取车辆周围实时数据：将ArcGISEnterprise与GeoEventServer连接，创建连接器以从数据流接收和解译实时数据，获取以无人驾驶车辆位置为圆心，R1为半径的圆范围内的实时数据，如图2所示，其中获取的数据包括以下方面：A)无人驾驶车辆周围车辆的坐标位置，移动方向，行驶速度，与无人驾驶车辆的相对距离；B)对道路两侧的建筑信息，路标路障信息进行分析；C)当路口包含在范围内时，分析道路及路口的人流量信息、车流量信息、路口的交通信号信息，包括红绿灯信息和路口拥堵信息；D)前方道路是否有交通事故信息，雨水天气本文档来自技高网...

【技术保护点】
1.一种基于GIS的无人车安全驾驶优化方法，其特征在于，所述方法包括以下步骤：1)、数据采集：采集城市的建筑数据、道路与交通数据、路障与路牌数据、路口人流量数据和红绿灯数据；2)、三维建模：在ArcGISPro中引入底图，导入城市建筑数据、道路与交通数据、路障、路牌数据，用导入的城市数据建立三维可视化模型，以供车载设备显示以及后台服务器进行数据分析使用；3)、车辆实时定位：利用GPS全球定位技术获取当前无人驾驶车辆的位置信息，包括车辆的行驶路段名称、行驶车道信息、车辆的具体坐标点、车辆的行驶方向和行驶速度；4)、GeoEvent获取车辆周围实时数据：将ArcGIS Enterprise与GeoEventServer连接，创建连接器以从数据流接收和解译实时数据，以无人驾驶车辆位置为圆心，R1为半径的圆范围内的实时数据，其中获取的数据包括以下方面：A)无人驾驶车辆周围车辆的坐标位置，移动方向，行驶速度，与无人驾驶车辆的相对距离；B)对道路两侧的建筑信息，路标路障信息进行分析；C)当路口包含在范围内时，分析道路及路口的人流量信息、车流量信息、路口的交通信号信息，包括红绿灯信息和路口拥堵信息；D)前方道路是否有交通事故信息，雨水天气下的路面积水与积雪信息；E)获取前方道路的信息，道路坡度信息；F)获取前方道路的公交站点及人行道信息；G)获取道路上路段的限速信息、前方路段各车道信息；H)车辆后方是否有超速行驶车辆信息；5)、车辆雷达获取周围实时数据：利用无人驾驶车辆的雷达、摄像头、传感器等系统获取以无人驾驶车辆位置为圆心，R2为半径的圆范围内的实时数据，其中R2＜R1，取无人驾驶车辆自身的行驶数据、周围车辆的行驶数据、周围行人及路障的数据、路况信息，收集的数据进行汇总，上传至服务器；6)、实时数据分析：利用GeoEvent Services的过滤器和处理器筛选和分析4)中获取的实时数据流，将筛选后的数据与5)中收集的实时数据信息每隔T时间段进行分析，计算出前方道路的交通拥堵指数，拥堵指数计算公式为：...

【技术特征摘要】
1.一种基于GIS的无人车安全驾驶优化方法，其特征在于，所述方法包括以下步骤：1)、数据采集：采集城市的建筑数据、道路与交通数据、路障与路牌数据、路口人流量数据和红绿灯数据；2)、三维建模：在ArcGISPro中引入底图，导入城市建筑数据、道路与交通数据、路障、路牌数据，用导入的城市数据建立三维可视化模型，以供车载设备显示以及后台服务器进行数据分析使用；3)、车辆实时定位：利用GPS全球定位技术获取当前无人驾驶车辆的位置信息，包括车辆的行驶路段名称、行驶车道信息、车辆的具体坐标点、车辆的行驶方向和行驶速度；4)、GeoEvent获取车辆周围实时数据：将ArcGISEnterprise与GeoEventServer连接，创建连接器以从数据流接收和解译实时数据，以无人驾驶车辆位置为圆心，R1为半径的圆范围内的实时数据，其中获取的数据包括以下方面：A)无人驾驶车辆周围车辆的坐标位置，移动方向，行驶速度，与无人驾驶车辆的相对距离；B)对道路两侧的建筑信息，路标路障信息进行分析；C)当路口包含在范围内时，分析道路及路口的人流量信息、车流量信息、路口的交通信号信息，包括红绿灯信息和路口拥堵信息；D)前方道路是否有交通事故信息，雨水天气下的路面积水与积雪信息；E)获取前方道路的信息，道路坡度信息；F)获取前方道路的公交站点及人行道信息；G)获取道路上路段的限速信息、前方路段各车道信息；H)车辆后方是否有超速行驶车辆信息；5)、车辆雷达获取周围实时数据：利用无人驾驶车辆的雷达、摄像头、传感器等系统获取以无人驾驶车辆位置为圆心，R2为半径的圆范围内的实时数据，其中R2＜R1，取无人驾驶车辆自身的行驶数据、周围车辆的行驶数据、周围行人及路障的数据、路况信息，收集的数据进行汇总，上传至服务器；6)、...

【专利技术属性】
技术研发人员：张贵军，秦子豪，陈安，李远锋，孙沪增，周晓根，
申请(专利权)人：浙江工业大学，
类型：发明
国别省市：浙江,33