车路云协同的新能源货车模拟调度方法及设备技术

本发明专利技术的一种车路云协同的新能源货车模拟调度方法及设备，包括采用SUMO仿真平台用于模拟实际的新能源货车及其运行环境，服务器和SUMO仿真平台通过TCP/IP协议实现双向通信，服务器将路径规划信息传递给SUMO仿真平台；SUMO仿真平台中也可将仿真车辆信息和交通环境信息传递给服务器；所述服务器实时读取车辆信息和道路状况；利用从服务器读取的车辆信息和道路状况，采用改进的A*算法规划路径，统筹规划出多车行驶效率最优方案。本发明专利技术集成Linux，SUMO与决策上位机三者环境为一体，建立三者之间的通信搭建车路云协同的模拟调度平台，利用平台可以方便及时地修订环境参数和物理参数，有助于实现新能源货车在复杂道路环境下的路径规划，提升新能源货车工作效率。提升新能源货车工作效率。提升新能源货车工作效率。

【技术实现步骤摘要】
车路云协同的新能源货车模拟调度方法及设备


[0001]本专利技术涉及智慧交通智能网联
，具体涉及一种车路云协同的新能源货车模拟调度方法及设备。

技术介绍

[0002]智能车路协同系统(IVICS)，简称车路协同系统，是智能交通系统(ITS)的最新发展方向。车路协同是采用先进的无线通信和互联网技术，实现全方位的车车、车路实时动态信息交互，并在全时空动态交通信息采集与融合的基础上开展车辆主动安全控制和道路协同管理，充分实现人车路的有效协同，保证交通安全，提高通行效率，从而形成的安全、高效和环保的道路交通系统。目前基于车路协同技术的智能网联平台及通信协议已经比较成熟，但应用于交通系统之中的研究成果和专利技术成果不多。包括微软开发的Airsim，谷歌开发的Simulation City,百度开发的Apollo，这些软件平台的出现丰富了智能网联车测试平台研究成果。但当前基于智能网联测试平台搭建存在很多问题，在实际应用中难以实施落地：(1)当前所有的测试主要集中在单条道路测试，没有对在局部区域内运行的车辆进行一个统筹的路径规划测试。(2)当前所有的测试主要集中对单车行驶状态下的路径规划和突发紧急情况避险测试，没有对多车在局部环境下的统筹规划平台测试。(3)当道路处于拥堵状态、能见度差等环境时，传统智能网联测试平台难以清楚探测到环境的变化，实时改变行驶策略保障车辆安全稳定高效的运行。而新能源货车具有短驳运输的优势，适合作为构建局部区域的智能网联平台测试用车，且货车长时间处在道路拥堵、能见度环境差的状态下。因此，迫切需要搭建一种车路云协同的智能网联环境下新能源货车测试平台，解决上述在搭建智能网联车测试平台中所存在的问题。

技术实现思路

[0003]本专利技术提出的一种车路云协同的新能源货车模拟调度方法及设备，可至少解决
技术介绍
中的技术问题之一。
[0004]为实现上述目的，本专利技术采用了以下技术方案：
[0005]一种车路云协同的新能源货车模拟调度方法，基于服务器和SUMO仿真平台，包括以下步骤，
[0006]通过集成决策上位机软件，交通仿真软件SUMO与Python环境为一体，可支持路网层面开发和混合车流层面设定的智能网联车测试平台，能够提供丰富的路径规划算法载体，并且基于Python环境下的通信协议将路网仿真环境部署至Web端进行展示，进行实景地图的新能源货车路径规划仿真测试。
[0007]进一步地，包括：
[0008]搭建Python环境，部署交通仿真软件SUMO和决策上位机，通过TCP/IP协议建立所述交通仿真软件SUMO和决策上位机之间的通信；
[0009]开发SUMO
‑
Python平台，将所述SUMO
‑
Python平台搭建于所述交通仿真软件SUMO
上，利用SUMO
‑
Python平台构建局部区域路网仿真，设计区域车流与道路情况；
[0010]所述路网的设计规划通过所述SUMO软件实现，可以设置仿真车辆的真实属性，监听车辆的行驶状态，通过SUMO
‑
Python平台可以根据SUMO软件中车辆的实时道路情况，改变SUMO中车辆的规划路径。
[0011]进一步地，通过Python与Web端的通信，在Web端上构建3D实景仿真地图，SUMO软件产生的车辆行驶经纬度通过MQTT协议传递给Web端，将车辆的实时行驶状况在Web端上展现，同时道路的拥堵状况也可以在Web端上呈现。
[0012]进一步的，决策上位机为新能源货车提供算法载体，在决策上位机软件上可以部署路径规划算法，如Dijsktra算法、A*算法、PSO算法等。作为优选，本平台提供一种改进的A*方法，A*算法是一种启发式算法，在地图上设置目标位置坐标(x，y)，并把估价函数f(n)初始化为零，生成Open表和Close表，通过全面评估各扩展节点的代价值，选择最低代价的节点进行扩展使其能快速地导向目标点。其算法表达式为：
[0013]f(n)＝g(n)+h(n)
[0014]式中：f(n)是估价函数；g(n)表示的是起始点到当前点实际付出的代价值；h(d)代表当前点到目标点的预计代价值。本实施例中，对实际路网进行特征提取与抽象处理，根据实际路网中节点和链接的关系构建数学网络，所述数学网络包括节点与节点之间的路网拓扑关系建立和交叉网络化表示。本实施例中采用曼哈顿距离作为启发函数，其算法表达式为：
[0015]h(n)＝|G
x
‑
S
x
|+|G
y
‑
S
y
|
[0016]式中：(S
x
，S
y
)(G
x
，G
y
)分别为节点S和目标节点G的坐标。本实施例中对各道路节点设置权重w，并对转弯角度大于90
°
的节点增加参数Conner_amend进行拐角修正，改进后公式为：
[0017]f(n)＝g(n)+Conner_amend*wh(n)。
[0018]再一方面，本专利技术还公开一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如上方法的步骤。
[0019]由上述技术方案可知，本专利技术的车路云协同的新能源货车模拟调度方法及系统，集成决策上位机软件，交通仿真软件SUMO与Python环境为一体，可支持路网层面开发和混合车流层面设定的智能网联车测试平台，能够提供丰富的路径规划算法载体，并且基于Python环境下的通信协议将路网仿真环境部署至Web端进行展示，进行实景地图的新能源货车路径规划仿真测试。
[0020]具体的说，本专利技术的新能源货车智能网联模拟调度平台集成决策上位机软件，交通仿真软件SUMO和Python环境为一体，可以支持路网层面车辆级别的智能网联测试平台，结合改进的A*算法显著提升全局车辆行驶效率，并且可以将数据上传至Web端，提供远程的信息交互实现平台车辆的信息共享、车辆互联。
[0021]本专利技术集成Linux，SUMO与决策上位机三者环境为一体，建立三者之间的通信搭建车路云协同的模拟调度平台，利用平台可以方便及时地修订环境参数和物理参数，有助于实现新能源货车在复杂道路环境下的路径规划，提升新能源货车工作效率。
附图说明
[0022]图1为本专利技术实施例的新能源货车智能网联模拟调度平台搭建方法技术架构图；
[0023]图2为本专利技术实施例的Web端界面展示图；
[0024]图3为本专利技术实施例SUMO仿真地图；
[0025]图4为本专利技术实施例Web端与python环境连接方法；
[0026]图5为本专利技术实施例效率提升对比图。
具体实施方式
[0027]为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种车路云协同的新能源货车模拟调度方法，基于服务器和SUMO仿真平台，其特征在于，包括以下步骤，所述SUMO仿真平台用于模拟实际的新能源货车及其运行环境，服务器和SUMO仿真平台通过TCP/IP协议实现双向通信，服务器将路径规划信息传递给SUMO仿真平台；SUMO仿真平台中也可将仿真车辆信息和交通环境信息传递给服务器；所述服务器实时读取车辆信息和道路状况；利用从服务器读取的车辆信息和道路状况，采用改进的A*算法规划路径，统筹规划出多车行驶效率最优方案。2.根据权利要求1所述的车路云协同的新能源货车模拟调度方法，其特征在于：还包括以下步骤，搭建Python环境，部署交通仿真软件SUMO和决策上位机软件于所述的Python环境中，并通过TCP/IP协议建立所述交通仿真软件SUMO、决策上位机软件及Web端之间的通信；开发SUMO
‑
Python平台，将所述SUMO
‑
Python平台搭建于所述的交通仿真软件SUMO上，利用SUMO软件构建路网地图，并且导入roly地形文件；在Python环境中，运用环境中的Traci功能包，对交通仿真软件SUMO中的车辆进行程序控制，且实时的检测路网的交通拥塞信息，对搭建的平台环境进行监测，路网的实时交通流以车辆XML配置文件的形式配置在交通仿真软件SUMO中。3.根据权利要求2所述的车路云协同的新能源货车模拟调度方法，其特征在于：还包括决策上位机软件编写用户界面，支持用户选择不同地区地图，同时设置车辆起终点信息、新能源车辆能耗剩余、道路的拥堵状况，在设置完成后通过改进A*算法规划路径，在决策上位机上显示规划的路径，并将路径信息传递给交通仿真软件SUMO在交通仿真软件SUMO中实现仿真，同时交通仿真软件SUMO也能将道路状况下达给决策上位机，完成对车辆的二次路径规划。4.根据权利要求2所述的车路云协同的新能源货车模拟调度方法，其特征在于：还...

【专利技术属性】
技术研发人员：郑睿，仲俊屹，朱志伟，冷新利，张升，马小陆，
申请(专利权)人：安徽师范大学，
类型：发明
国别省市：