【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 ...
【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
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。