一种基于超视距协同认知的无人驾驶汽车控制方法与系统技术方案

本发明专利技术公开了一种基于超视距协同认知的无人驾驶汽车控制方法与系统，属于智能交通领域。本发明专利技术的控制系统包括无人驾驶车和无人驾驶网络支撑平台，无人驾驶车包括个体态势认知系统和驾驶决策生成系统，无人驾驶网络支撑平台包括全局态势认知系统、局部态势认知系统和驾驶决策生成系统。应用此控制系统的控制方法为：首先个体态势认知系统形成微观驾驶态势认知；然后驾驶决策生成系统接收信息，处理后下发给驾驶决策生成系统，驾驶决策生成系统生成最终的驾驶操作；最后无人驾驶车通过驾驶执行器接收并执行最终的驾驶操作。本发明专利技术在网络端实时认知交通环境态势，实现安全、高效和可靠的无人驾驶，提高无人驾驶汽车控制服务的可执行性和有效性。

【技术实现步骤摘要】
一种基于超视距协同认知的无人驾驶汽车控制方法与系统
本专利技术属于智能交通领域，具体是一种基于超视距协同认知的无人驾驶汽车控制方法与系统。
技术介绍
智能交通系统(IntelligentTrafficSystem，简称ITS)是将先进的计算机技术、数据通信技术、传感器技术、电子控制技术、运筹学以及人工智能等有效地集成运用于整个交通运输管理体系，加强车辆、道路和使用者之间的关系，从而建立一种在大范围内、全方位发挥作用的，实时、准确、高效的综合交通运输管理系统。智能公路和安全辅助驾驶是ITS体系中用户服务领域之一，通过车辆控制、交通监控、运营车辆管理等ITS子系统，利用人工智能、大数据、机器学习等方法为用户提供智能公路与车辆信息收集、安全辅助驾驶、自动驾驶、车队自动运行等服务，从而提高路网通行能力，提升交通运行效率，缓解城市交通拥堵，降低能源消耗。随着人工智能的渗透和汽车技术的发展，无人驾驶汽车也开始陆续出现，自动驾驶系统已经逐渐成为新一代汽车的标配。无人驾驶汽车是具有丰富的传感器系统，有一定的网络连接能力、感知能力和计算能力，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，最终通过电脑系统实现无人驾驶的智能汽车。无人驾驶汽车用传统的方法做驾驶决策时，是通过感知车辆周围的交通状况并结合导航地图从微观和宏观上做出驾驶决策。通过该方法，无人驾驶汽车可以做到基于OD点安全、可靠地行驶至目的地，但是缺乏行驶效率，在一定程度上增加了路网压力，甚至还加重了交通阻塞和环境污染。因为通过车辆自身携带的传感器系统，现有的无人驾驶汽车一般搭载了相机、激光雷达、毫米波雷达、GPS、OBD、高精度地图和惯导等，只能感测到车辆周边的交通环境状况，比如昂贵的64线激光雷达的有效最大探测距离是150m，一般摄像头的有效视距也只有5m-50m，即车辆只能感知到其可视范围内的交通状况。而当无人驾驶汽车在道路拥塞或复杂多变的路网环境下行驶时，会因为道路环境中物体的阻挡，使无人驾驶汽车感知不到更加具体的交通状态。因此，即便超视距之外的未来行驶路段交通状况良好，无人驾驶汽车也会因为没有提前规划好驾驶动作规则而导致当前处于一小段道路拥堵而无法高效地行驶，或者超视距之外的未来行驶路段也处于拥堵状态，而无人驾驶汽车又感知不到未来要经过的道路交通状态，从而导致车辆因无法进行决策而处于未知时间的拥堵状态。另一方面，通过车辆本身感知到的周围环境状况以水平视角做出细粒度的驾驶决策，能够使车辆有效避开障碍物，实现安全行驶；在局部区域内以垂直视角提前主动地规划车辆在未来某个时间段内的驾驶规则，能够使无人驾驶汽车及时地调整最优行驶路线，实现高效行驶；通过导航地图和驾驶先验知识等以全局视角基于OD点做出粗粒度的行驶规划，以防车辆处于漫无目的的行驶状态，实现可靠行驶。因此，集水平视角、垂直视角和全局视角于一体，让车辆做优质的驾驶决策，可以实现更加安全、高效、可靠的无人驾驶。
技术实现思路
有鉴于此，本专利技术提出了一种基于超视距协同认知的无人驾驶汽车控制方法与系统。通过结合车辆周围的环境状态、局部范围内道路交通状况和全局导航地图，协同认知式决策无人驾驶汽车的横向控制和纵向控制规则，从而提高路网通行能力，实现安全、高效、可靠的无人驾驶。所述的基于超视距协同认知的无人驾驶汽车控制系统，具体包括：无人驾驶车和无人驾驶网络支撑平台；所述的无人驾驶车包括个体态势认知系统和驾驶决策生成系统(车载端)；个体态势认知系统通过各类车载传感器采集车辆当前的位置、速度、加速度和方向等信息，并基于人工智能方法实现环境态势认知、车姿态势认知和个体记忆认知。驾驶决策生成系统(车载端)包括微观驾驶决策模块和驾驶执行器。微观驾驶决策模块通过集成微观驾驶态势认知、介观驾驶决策和宏观驾驶决策生成最终的驾驶执行动作，并交由驾驶执行器完成执行。其中，微观驾驶态势认知通过接收环境态势认知、车姿态势认知和个体记忆认知等信息得到无人驾驶汽车的水平视角观测量。介观驾驶决策和宏观驾驶决策是在无人驾驶网络支撑平台形成的。无人驾驶网络支撑平台包括全局态势认知系统、局部态势认知系统和驾驶决策生成系统(网络端)。局部态势认知系统负责接收环境态势认知和车姿态势认知的结果，以完成交互态势认知和群体记忆认知。全局态势认知系统基于智能交通系统的城市交通路网信息，完成全局的交通规律认知和交通态势认知。驾驶决策生成系统(网络端)主要生成介观驾驶决策和宏观驾驶决策。其中，介观驾驶决策负责接收来自局部态势认知系统的认知结果，并以无人驾驶汽车的垂直视角生成介观驾驶决策；宏观驾驶决策负责接收来自全局态势认知系统的认知结果，并以全局视角生成车辆的驾驶决策。所述的驾驶决策生成系统(网络端)包括区域环境态势融合计算模块、车辆驾驶态势预测模块、车辆交互态势生成器、群体驾驶行为模式认知学习模块、群体驾驶模式存储器、群体驾驶模式匹配模块和基于局部态势认知的介观驾驶决策模块。区域环境态势融合计算模块，负责根据局部范围内的环境态势认知信息，建立面向驾驶决策需要的各个车辆的行驶态势。车辆驾驶态势预测模块，负责根据车辆自身的状态感知数据，主要是来自车姿传感器的数据，计算车辆自身的行驶态势。车辆交互态势生成器，根据区域环境态势融合计算模块影响车辆做决策的其他邻近车辆的行驶状态和车辆驾驶态势预测模块车辆自身的行驶状态信息，以需要进行介观规划的车辆为中心，生成态势图。群体驾驶行为模式认知学习模块，基于环境态势进行群体行为模式的认知计算，以形成不同的模式分类。群体驾驶模式存储器，负责存储群体驾驶行为模式认知学习模块所生成的群体驾驶模式分类结果。群体驾驶模式匹配模块，负责基于车辆交互态势生成器生成的交互态势和群体驾驶模式存储器保存的群体驾驶模式，结合宏观驾驶决策，完成车辆驾驶态势与群体驾驶模式的匹配。基于局部态势认知的介观驾驶决策模块，根据车辆个体与群体驾驶模式的匹配结果，生成介观驾驶决策并下发至驾驶决策集成器，从而完成网络端驾驶决策的生成过程。所述的基于超视距协同认知的无人驾驶汽车控制方法，具体步骤如下：步骤一、针对某无人驾驶汽车，基于车载传感器进行环境态势认知、车姿态势认知和个体记忆认知，形成个体态势认知系统。步骤二、通过接收来自个体态势认知系统的环境态势认知、车姿态势认知和个体记忆认知等信息，从无人驾驶汽车水平视角认知微观驾驶态势，形成微观驾驶态势认知。无人驾驶汽车依据车载传感器感知车辆可视范围内的交通状况，通过对车辆周边交通状况的认知生成个体态势，车辆基于对个体态势的认知进行微观决策，目的是让无人驾驶汽车能够自动执行某个具体的驾驶动作。步骤三、通过接收环境态势认知和车姿态势认知的认知结果，以完成交互态势认知和群体记忆认知，形成局部态势认知系统。步骤四、基于智能交通系统的城市交通路网信息，完成全局的交通规律认知和交通态势认知，形成全局态势认知系统。步骤五、驾驶决策生成系统(网络端)接收来自局部态势认知系统的认知结果，并以无人驾驶汽车的垂直视角生成介观驾驶决策，并下发给驾驶决策生成系统(车载端)。介观驾驶决策是指通过边缘计算或网络智能等收集并处理车辆的驾驶行为数据，利用深度学习等人工智能方法学习认知局部区域内的交通状况，基于所生成的局部交通态势和对群体驾本文档来自技高网...

【技术保护点】
一种基于超视距协同认知的无人驾驶汽车控制系统，其特征在于，具体包括：无人驾驶车和无人驾驶网络支撑平台；所述的无人驾驶车包括个体态势认知系统和驾驶决策生成系统；个体态势认知系统通过各类车载传感器采集车辆当前的位置、速度、加速度和方向信息，并基于人工智能方法实现环境态势认知、车姿态势认知和个体记忆认知；驾驶决策生成系统包括微观驾驶决策模块和驾驶执行器；微观驾驶决策模块通过集成微观驾驶态势认知、介观驾驶决策和宏观驾驶决策生成最终的驾驶执行动作，并交由驾驶执行器完成执行；无人驾驶网络支撑平台包括全局态势认知系统、局部态势认知系统和驾驶决策生成系统；全局态势认知系统基于智能交通系统的城市交通路网信息，完成全局的交通规律认知和交通态势认知；局部态势认知系统负责接收环境态势认知和车姿态势认知的结果，以完成交互态势认知和群体记忆认知；驾驶决策生成系统主要生成介观驾驶决策和宏观驾驶决策，包括区域环境态势融合计算模块、车辆驾驶态势预测模块、车辆交互态势生成器、群体驾驶行为模式认知学习模块、群体驾驶模式存储器、群体驾驶模式匹配模块和基于局部态势认知的介观驾驶决策模块。

【技术特征摘要】
1.一种基于超视距协同认知的无人驾驶汽车控制系统，其特征在于，具体包括：无人驾驶车和无人驾驶网络支撑平台；所述的无人驾驶车包括个体态势认知系统和驾驶决策生成系统；个体态势认知系统通过各类车载传感器采集车辆当前的位置、速度、加速度和方向信息，并基于人工智能方法实现环境态势认知、车姿态势认知和个体记忆认知；驾驶决策生成系统包括微观驾驶决策模块和驾驶执行器；微观驾驶决策模块通过集成微观驾驶态势认知、介观驾驶决策和宏观驾驶决策生成最终的驾驶执行动作，并交由驾驶执行器完成执行；无人驾驶网络支撑平台包括全局态势认知系统、局部态势认知系统和驾驶决策生成系统；全局态势认知系统基于智能交通系统的城市交通路网信息，完成全局的交通规律认知和交通态势认知；局部态势认知系统负责接收环境态势认知和车姿态势认知的结果，以完成交互态势认知和群体记忆认知；驾驶决策生成系统主要生成介观驾驶决策和宏观驾驶决策，包括区域环境态势融合计算模块、车辆驾驶态势预测模块、车辆交互态势生成器、群体驾驶行为模式认知学习模块、群体驾驶模式存储器、群体驾驶模式匹配模块和基于局部态势认知的介观驾驶决策模块。2.如权利要求1所述的一种基于超视距协同认知的无人驾驶汽车控制系统，其特征在于，所述的微观驾驶态势认知通过接收环境态势认知、车姿态势认知和个体记忆认知信息得到无人驾驶汽车的水平视角观测量；所述的介观驾驶决策和宏观驾驶决策是在无人驾驶网络支撑平台形成的。3.如权利要求1所述的一种基于超视距协同认知的无人驾驶汽车控制系统，其特征在于，所述的介观驾驶决策负责接收来自局部态势认知系统的认知结果，并以无人驾驶汽车的垂直视角生成介观驾驶决策；所述的宏观驾驶决策负责接收来自全局态势认知系统的认知结果，并以全局视角生成车辆的驾驶决策。4.如权利要求1所述的一种基于超视距协同认知的无人驾驶汽车控制系统，其特征在于，所述的驾驶决策生成系统中，区域环境态势融合计算模块，负责根据局部范围内的环境态势认知信息，建立面向驾驶决策需要的各个车辆的行驶态势；车辆驾驶态势预测模块，负责根据车辆自身的状态感知数据，主要是来自车姿传感器的数据，计算车辆自身的行驶态势；车辆交互态势生成器，根据区域环境态势融合计算模块影响车辆做决策的其他邻近车辆的行驶状态和车辆驾驶态势预测模块车辆自身的行驶状态信息，以需要进行介观规划的车辆为中心，生成态势图；群体驾驶行为模式认知学习模块，基于环境态势进行群体行为模式的认知计算，以形成不同的模式分类；群体驾驶模式存储器，负责存储群体驾驶行为模式认知学习模块所生成的群体驾驶模式分类结果；群体驾驶模式匹配模块，负责基于车辆交互态势生成器生成的交互态势和群体驾驶模式存储器保存的群体驾驶模式，结合宏观驾驶决策，完成车辆驾驶态势与群体驾驶模式的匹配；基于局部态势认知的介观驾驶决策模块，根据车辆个体与群体驾驶模式的匹配结果，生成介观驾驶决策并下发至驾驶决策集成器，从而完成网络端驾驶决策的生成过程。5.应用如权利要求1所述的一种基于超视距协同认知的无人驾驶汽车控制系统的控制方法，其特征在于，具体步骤如下：步骤一、针对某无人驾驶汽车，基于车载传感器进行环境态势认知、车姿态势认知和个体记忆认知，形成个体态势认知系统；步骤二、通过接收来自个体态势认知系统的环境态势认知、车姿态势认知和个体记忆认知信息，从无人驾驶汽车水平视角认知微观驾驶态势，形成微观驾驶态势认知；无人驾驶汽车依据车载传感器感知车辆可视范围内的交通状况...

【专利技术属性】
技术研发人员：李静林，刘志晗，杨放春，杨树，袁泉，朱小陆，罗贵阳，魏晓娟，王尚广，孙其博，周傲，
申请(专利权)人：北京邮电大学，
类型：发明
国别省市：北京,11