【技术实现步骤摘要】
本专利技术涉及车辆驾驶，具体是无人驾驶环卫车作业模式动态切换系统。
技术介绍
1、随着城市化的步伐加速，高速公路铺设总量不断提高，伴随而来的是路面垃圾的增加，这些垃圾严重影响到车辆的行车安全；环卫行业面临着巨大的压力；由于清洁车行驶速度较慢且行驶路线比较固定，在车速高、车流量比较大的城市环线、公路，特别是高速公路上进行清扫作业时，容易造成交通拥堵，影响车辆的行驶安全，易引发交通事故；如果清扫作业速度过快，路面垃圾与气流作用时间太短，吸嘴吸拾能力不够，无法将路面的垃圾抽吸干净，容易出现漏吸现象；基于以上不足，本专利技术提出无人驾驶环卫车作业模式动态切换系统。
技术实现思路
1、本专利技术旨在至少解决现有技术中存在的技术问题之一。为此，本专利技术提出无人驾驶环卫车作业模式动态切换系统。
2、为实现上述目的，根据本专利技术的第一方面的实施例提出无人驾驶环卫车作业模式动态切换系统，包括垃圾感知模块、中枢处理模块、路面监测模块、模式切换模块、数据获取模块、数据库以及模型创建模块；
3、所述垃圾感知模块包括安装在环卫车上的激光雷达和摄像机，用于获得车辆周边的环境信息，并通过内置的垃圾空间分布识别算法进行识别，得到垃圾空间分布信息；所述激光雷达用于感知车辆周边是否有障碍物，所述摄像机用于实时采集车辆周边的视频图像；
4、所述路面监测模块包括分布式部署在道路两侧的路侧基站和路侧传感器；车载终端用于向路侧基站发送车辆型号，感知车速，感知车辆与周围车之间的距离，结合
5、所述路侧传感器用于实时采集路面气象数据并将采集的数据通过路侧基站传输到中枢处理模块；所述路面气象数据包括路面温度、路面湿度、路面积水量或积雪量；
6、所述数据获取模块用于获取原始作业模式数据并进行审核，将审核通过的原始作业模式数据作为显性作业模式数据存储于数据库；所述显性作业模式数据是指作业品质系数zp大于预设品质阈值的原始作业模式数据；
7、所述模型创建模块用于将所述显性作业模式数据作为参数训练集，基于ai深度学习识别算法分析得到环卫车的作业模式参考模型；
8、所述中枢处理模块用于结合垃圾空间分布信息、环卫车位置、车流量、路面气象数据以及作业模式参考模型进行综合分析，然后输出相应的作业模式至模式切换模块，实现无人环卫车作业模式的动态切换；所述作业模式包括环卫车的清扫作业速度、扫刷旋转速度以及吸嘴吸拾功率。
9、进一步地，所述数据获取模块的具体工作步骤为：
10、首先获取系统中所有环卫车的作业模式，并分析挖掘所有环卫车的潜在关联作业数据；所述潜在关联作业数据表现为环卫车以该作业模式工作时的垃圾空间分布信息、环卫车位置、车流量以及路面气象数据；
11、然后获取环卫车以该作业模式工作后的作业品质数据，根据所述作业品质数据对作业品质系数zp进行评估；所述作业品质数据包括工作时段内对其他车辆造成的堵塞情况以及路面垃圾的清扫情况；
12、将作业品质系数zp与预设品质阈值相比较；若作业品质系数zp大于预设品质阈值，则将对应环卫车的作业模式以及潜在关联作业数据作为显性作业模式数据存储于数据库。
13、进一步地，根据作业品质数据对作业品质系数zp进行评估；具体为：
14、当环卫车以所述作业模式工作时，采集环卫车车速、环卫车与周围车之间的距离以及周围车的车速；
15、以环卫车为圆心，将半径r1区域内的所有行驶车辆标记为关联车辆；其中r1为预设值；统计关联车辆的数量为l1；
16、将环卫车的车速标记为cvt；将关联车辆与环卫车之间的距离标记为车辆间距cli；将关联车辆的车速标记为cvi；其中i＝1，2，…，n；cli与cvi一一对应；i表示第i辆关联车辆；
17、利用公式计算得到车速偏值pz；
18、将车辆间距最大值标记为clmax，将车辆间距最小值标记为clmin；利用公式gb＝(clmax-clmin)/clmin计算得到间距差异比gb；
19、按照平均值计算公式计算得到车辆间距平均值gdz；利用公式ds＝f×l1×(1+pz)/[gdz×(1-gb)×a1]计算得到堵塞系数ds，其中a1为预设系数因子；f为预设均衡系数；
20、将堵塞系数ds与预设堵塞阈值相比较；若堵塞系数ds大于预设堵塞阈值，则表示此时环卫车对其他车辆造成堵塞；
21、统计所述环卫车的堵塞时长占比为tb，统计所述环卫车的垃圾清扫面积占比为mb；利用公式zp＝(mb×a2)/(tb×a3)计算得到作业品质系数zp，其中a2、a3均为预设系数因子。
22、进一步地，所述模型创建模块的具体分析步骤为：
23、将从数据库获取的显性作业模式数据作为参数训练集，将参数训练集按照预设比例拆分为训练集、验证集、测试集；
24、建立lstm神经网络模型；其中，根据输入变量的个数指定长短期记忆神经网络lstm输入节点的个数；设定适合的隐藏层节点个数，以及代表作业模式的输出节点个数；
25、将训练集、验证集、测试集作为历史特征值输入lstm神经网络模型以进行模型训练，并通过损失函数进行模型评估，获得使训练样本整体误差最小的最优作业模式参考模型。
26、进一步地，所述垃圾空间分布识别算法的具体步骤包括：
27、从采集的车辆周边的视频图像中提取路面图像信息；将路面图像信息转化成灰度图像，并通过图像预处理将灰度图像转化成标准图像；所述图像预处理包括高斯滤波、图像分割和图像增强；
28、获取预设区域内标准图像中的像素点总数，并标记为区域面积x1；对各像素点进行识别，识别出对应的垃圾像素点，具体为：
29、首先将标准图像中像素点的灰度值标记为h1；再将各像素点的灰度值与预设的标准灰度值做差分运算，得到差分结果并标记为c1；若c1大于差分阈值，则认为该像素点为垃圾像素点；
30、将相连的垃圾像素点进行统合，若垃圾像素点总数大于预设阈值，则将对应垃圾像素点所在区域标记为垃圾堆积区域；将所有的垃圾堆积区域进行整合，得到垃圾空间分布信息。
31、与现有技术相比，本专利技术的有益效果是：
32、1、本专利技术中垃圾感知模块包括安装在环卫车上的激光雷达和摄像机，用于获得车辆周边的环境信息，并通过内置的垃圾空间分布识别算法进行识别，得到垃圾空间分布信息；路面监测模块包括分布式部署在道路两侧的路侧基站和路侧传感器，路侧基站用于定位环卫车位置以及车流量；路侧传感器用于实时采集路面气象数据；中枢处理模块用于将垃圾空间分布信息、环卫车位置、车流量以及路面气象数据整合成作业模式参考模型的输入数据，输出相应的作业模式，实现无人环卫车作业模式的动态切换，提高环卫车作业效率；
33、2、本专利技术中数据获取模块用于获取原始作业模式数据并进行审核；首先获取系统中所有环卫车的作业模式，并分析挖本文档来自技高网...
【技术保护点】
1.无人驾驶环卫车作业模式动态切换系统，其特征在于，包括垃圾感知模块、中枢处理模块、路面监测模块、模式切换模块、数据获取模块、数据库以及模型创建模块；
2.根据权利要求1所述的无人驾驶环卫车作业模式动态切换系统，其特征在于，所述数据获取模块的具体工作步骤为：
3.根据权利要求2所述的无人驾驶环卫车作业模式动态切换系统，其特征在于，根据所述作业品质数据对作业品质系数ZP进行评估；具体为：
4.根据权利要求1所述的无人驾驶环卫车作业模式动态切换系统，其特征在于，所述模型创建模块的具体分析步骤为：
5.根据权利要求1所述的无人驾驶环卫车作业模式动态切换系统，其特征在于，所述垃圾空间分布识别算法的具体步骤包括：
6.根据权利要求5所述的无人驾驶环卫车作业模式动态切换系统，其特征在于，对各像素点进行识别，识别出对应的垃圾像素点；具体为：
7.根据权利要求5所述的无人驾驶环卫车作业模式动态切换系统，其特征在于，所述图像预处理包括高斯滤波、图像分割和图像增强。
【技术特征摘要】
1.无人驾驶环卫车作业模式动态切换系统，其特征在于，包括垃圾感知模块、中枢处理模块、路面监测模块、模式切换模块、数据获取模块、数据库以及模型创建模块；
2.根据权利要求1所述的无人驾驶环卫车作业模式动态切换系统，其特征在于，所述数据获取模块的具体工作步骤为：
3.根据权利要求2所述的无人驾驶环卫车作业模式动态切换系统，其特征在于，根据所述作业品质数据对作业品质系数zp进行评估；具体为：
4.根据权利要求1所述的无人驾驶环卫车作...
【专利技术属性】
技术研发人员：郑磊，吴成加，
申请(专利权)人：劲旅环境科技股份有限公司，
类型：发明
国别省市：
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。