一种远程监控无人驾驶系统技术方案

本发明专利技术涉及一种远程监控无人驾驶系统，包括相互连接的现场端(包括车端和路端)和后台(包括监控平台和接管平台)，车端获取车端识别结果并传输给监控平台；路端获取路端识别结果并传递给监控平台；监控平台用于进行识别结果一致性检验、场景风险评估、ODD监测、确定远程接管策略，对单车接管请求进行行驶困难度评估；接管平台用于生成接管提示信息和数据检查提示信息，实时模拟车外道路环境并通过与后台技术监督员的交互来实现对车端的远程接管，运行接管监督排队机制，当多辆车需要接管时，接管平台根据行驶困难度对单车接管请求进行排队，优先接管行驶困难度高的车辆。与现有技术相比，本发明专利技术能够有效提高后台对车辆接管的可行性和有效性。行性和有效性。行性和有效性。

【技术实现步骤摘要】
一种远程监控无人驾驶系统


[0001]本专利技术涉及无人驾驶
，尤其是涉及一种远程监控无人驾驶系统。

技术介绍

[0002]随着智能驾驶技术的发展，对车辆智能驾驶的安全性要求越来越高。目前的智能驾驶主要包括单车自动驾驶和网联自动驾驶两种：单车智能自动驾驶主要依靠车辆自身的传感器进行环境感知、计算决策和控制执行，但是目前在环境感知、计算决策和控制执行上均存在不同程度的技术瓶颈，导致应用过程中容易出现各种失效问题；
[0003]而将“人
‑
车
‑
路
‑
云”交通参与要素有机地联系在一起的网联自动驾驶则可以有效解决一部分单车自动驾驶无法解决的问题，其中，远程监控就是一种可行的保障自动驾驶车辆运行安全的措施，目前，针对网联自动驾驶车辆的远程监控，大多要求自动驾驶汽车必须在公共道路的指定区域行驶，必须配备后台技术监督员，并始终保持随时可远程接管状态。因此，为了保证自动驾驶车辆的安全，必须配备后台技术监督员，对自动驾驶车辆的运行过程进行监督，在必要时，后台技术监督员需要对车辆进行接管以保证行车安全。然而在实际应用中，由于后台技术监督员需要进行人工识别、人为确定是否接管车辆，导致接管可行性较差，此外，当同时存在多辆车需要接管时，也会造成后天技术监督员难以快速、准确做出选择，大大降低了接管的有效性。

技术实现思路

[0004]本专利技术的目的就是为了克服上述现有技术存在的缺陷而提供一种远程监控无人驾驶系统，以提高后台对车辆接管的可行性和有效性。
>[0005]本专利技术的目的可以通过以下技术方案来实现：一种远程监控无人驾驶系统，包括相互连接的现场端和后台，所述现场端包括车端和路端，所述后台包括监控平台和接管平台，所述车端用于获取车端识别结果并传输给监控平台；所述路端用于获取路端识别结果并传递给监控平台；
[0006]所述监控平台用于进行识别结果一致性检验、场景风险评估、ODD(Operational Design Domain，运行设计域)监测、确定远程接管策略，并对单车接管请求进行行驶困难度评估；
[0007]所述接管平台用于生成接管提示信息和数据检查提示信息；实时模拟车外道路环境并通过与后台技术监督员的交互来实现对车端的远程接管；运行接管监督排队机制；当有多辆车需要接管时，所述接管平台将根据行驶困难度对单车接管请求进行排队，优先接管行驶困难度高的车辆。
[0008]进一步地，所述监控平台具体是根据场景风险评估结果和ODD监测结果确定远程接管策略，所述场景风险评估结果包括高风险场景和低风险场景，所述ODD监测结果包括车车辆处于ODD范围之外和车辆处于ODD范围以内。
[0009]进一步地，所述远程接管策略具体为：当车辆处于高风险场景时，车辆执行紧急避
险策略；
[0010]当车辆处于低风险场景时，若此时车辆处于ODD范围之外，则监控平台请求后台技术监督员接管车辆，若此时车辆处于ODD范围以内，则由车载自动驾驶系统控制车辆执行驾驶任务。
[0011]进一步地，所述监控平台具体是将车端识别结果、路端识别结果映射到高精地图上进行匹配，通过判断车端识别结果与路端识别结果是否一致，以进行识别结果一致性检验。
[0012]进一步地，所述监控平台具体是根据动静态目标物的类型、运动状态和目标信息，以判断车端识别结果与路端识别结果是否一致。
[0013]进一步地，所述监控平台进行场景风险评估的具体过程为：
[0014]若车端识别结果与路端识别结果不一致，则分别结合车端识别结果和路端识别结果进行场景风险评估，只要任意一端高风险便判定为高风险，由监控平台向车端发送紧急避险指令，然后将此段行驶数据标注为疑似高风险场景数据，并输出数据检查请求；若结合车端识别结果的场景风险评估结果和结合路端识别结果的场景风险评估均为低风险，则继续行驶，并标注此段行驶数据为识别异常但低风险的场景数据并输出数据检查请求；
[0015]若车端识别结果与路端识别结果一致，则继续进行场景风险评估，若场景风险评估结果显示高风险，则由监控平台发送紧急避险指令，指导车辆进行紧急避险，若评估结果显示低风险，则继续行驶。
[0016]进一步地，所述监控平台具体是根据场景风险评估结果，以进行ODD监测，若场景风险评估结果为低风险，则进一步判断车辆是否驶出ODD范围，若车辆驶出ODD范围，则监控平台生成单车接管请求，否则车载自动驾驶系统控制车辆继续行驶。
[0017]进一步地，所述接管监督排队机制具体为：当两车或多车同时需要接管或检查时，优先提示监督员执行接管任务；当两车或多车同时需要被接管时，接管平台依据行驶困难度，优先提示监督员接管行驶困难度高的车辆。
[0018]进一步地，所述监控平台具体是根据路侧设备状态、环境条件、道路条件以及地理条件，以进行行驶困难度评估，所述行驶困难度评估的过程为：车端将位置信息传输给监控后台，监控后台依据高精地图结合位置信息计算获得道路条件困难度得分D
road
和地理条件困难度得分D
geography
；
[0019]再依据位置信息调取当地天气信息，结合车端感知信息综合计算环境条件困难度得分D
wnvironment
；
[0020]最后由D
road
、D
geography
、D
environment
共同计算得到行驶困难度。
[0021]进一步地，所述行驶困难度的计算公式为：
[0022]D＝w
roadside
(w
road
D
road
+w
geography
D
geography
+w
environment
D
environment
)
[0023]其中，w
roadside
为路侧系数，当ODD外有路侧设备且设备正常时，w
roadside
为一个小于1的数值，当ODD外没有路侧设备或设备故障时，w
roadside
＝1，w
road
为道路条件系数，w
geography
为地理条件系数，w
environment
为环境条件系数。
[0024]与现有技术相比，本专利技术通过设置包括车端和路端的现场端、包括监控平台和接管平台的后台，现场端与后台交互连接，路端感知和车端感知并联，利用监控平台对路端识别结果和车端识别结果进行一致性校验，依据一致性校验结果采取不同应对方法，能够有
效提高识别结果的可靠性。
[0025]本专利技术中监控平台通过风险水平和ODD限制来确定远程接管策略，避免了紧急情况突然出现时后台技术监督员来不及接管的情况，从而增强了接管的可行性：当车辆处于低风险场景时，若车辆处于ODD范围之外，则后台监控平台请求后台技本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种远程监控无人驾驶系统，其特征在于，包括相互连接的现场端和后台，所述现场端包括车端和路端，所述后台包括监控平台和接管平台，所述车端用于获取车端识别结果并传输给监控平台；所述路端用于获取路端识别结果并传递给监控平台；所述监控平台用于进行识别结果一致性检验、场景风险评估、ODD监测、确定远程接管策略，并对单车接管请求进行行驶困难度评估；所述接管平台用于生成接管提示信息和数据检查提示信息；实时模拟车外道路环境并通过与后台技术监督员的交互来实现对车端的远程接管；运行接管监督排队机制；当有多辆车需要接管时，所述接管平台将根据行驶困难度对单车接管请求进行排队，优先接管行驶困难度高的车辆。2.根据权利要求1所述的一种远程监控无人驾驶系统，其特征在于，所述监控平台具体是根据场景风险评估结果和ODD监测结果确定远程接管策略，所述场景风险评估结果包括高风险场景和低风险场景，所述ODD监测结果包括车车辆处于ODD范围之外和车辆处于ODD范围以内。3.根据权利要求2所述的一种远程监控无人驾驶系统，其特征在于，所述远程接管策略具体为：当车辆处于高风险场景时，车辆执行紧急避险策略；当车辆处于低风险场景时，若此时车辆处于ODD范围之外，则监控平台请求后台技术监督员接管车辆，若此时车辆处于ODD范围以内，则由车载自动驾驶系统控制车辆执行驾驶任务。4.根据权利要求3所述的一种远程监控无人驾驶系统，其特征在于，所述监控平台具体是将车端识别结果、路端识别结果映射到高精地图上进行匹配，通过判断车端识别结果与路端识别结果是否一致，以进行识别结果一致性检验。5.根据权利要求4所述的一种远程监控无人驾驶系统，其特征在于，所述监控平台具体是根据动静态目标物的类型、运动状态和目标信息，以判断车端识别结果与路端识别结果是否一致。6.根据权利要求4所述的一种远程监控无人驾驶系统，其特征在于，所述监控平台进行场景风险评估的具体过程为：若车端识别结果与路端识别结果不一致，则分别结合车端识别结果和路端识别结果进行场景风险评估，只要任意一端高风险便判定为高风险，由监控平台向车端发送紧急避险指令，然后将此段行驶数据标注为疑似高风险场景数据，并输出数据检查请求；若结合车端识别结果的场景风险评估结果和结合路端识别结果的场景风险评估均为低风险，则继续行驶，并标注此段行驶数据为识别异常但低风险的场景数据并输出数据检查请求；若车端识别结果与路端识别结果一致，则继续进行场景风险评估，若场景风险评估结果显示高风险，则由监控平台发送紧急避险指令，指导车辆进行紧...

【专利技术属性】
技术研发人员：熊璐，吴建峰，陈君毅，邢星宇，冯天悦，
申请(专利权)人：同济大学，
类型：发明
国别省市：