【技术实现步骤摘要】
本专利技术涉及智能汽车，具体为一种基于车路协同和数字孪生的信号交叉口轨迹规划方法。
技术介绍
1、随着汽车保有量的提升，带来的交通拥堵和交通事故问题日益严重，每年都造成了巨额的经济损失。同时，针对燃油汽车石油资源消耗带来的能源危机和环境污染问题日益严峻，针对电动汽车如何进一步节能，提升电动车续航也是亟待解决的问题。为解决上述问题智能网联汽车、车路协同等技术受到广泛关注。
2、中国专利公布号为cn 114248803 a公开了一种基于bev视角和数字孪生的智能车换道决策系统及方法，该方法仅涉及换道控制，且不考虑整车经济性。
3、中国专利公布号为cn112700639a公开了一种基于联邦学习与数字孪生的智能交通路径规划方法。该方法进行的是大范围路径规划，也就是通常意义上的导航功能，其与轨迹规划有显著区别，轨迹规划为小范围，其加入了时间的要求，此外也包括具体的细分道路，涉及换道超车等的规划。通俗理解就是路径规划只确定车辆依次要通过哪几条路，而轨迹规划为确定车辆每一时刻具体行驶到什么位置。
4、中国专利公布号为cn116863704a公开了一种基于大数据的智能交通数字孪生处理方法及系统。该方法为对交通设施进行控制，并不涉及交通主要参与者——车辆的轨迹规划。其用到车辆的数据为进行道路拥堵等的预测进而确定信号灯等基础设施的控制。
5、中国专利公布号为cn116308153a公开了一种基于数字孪生的全息路口管理系统及方法，其核心思想也是基于数字孪生和车路协同技术进行交通态势的预测和研判，也未涉及
6、综上，目前公开的一些现有技术，虽然能够在一定程度上解决智能网联汽车、车路协同问题，但是交叉口的通行效率有待提高，对于车辆的出行安全性、稳定性和交叉口的通行快速性考虑不够，而且并没有考虑车辆整车的经济性提升问题。
技术实现思路
1、本专利技术的目的在于：提供一种基于车路协同和数字孪生的信号交叉口轨迹规划方法，以解决以上缺陷。
2、为了实现上述目的，本专利技术提供如下技术方案：
3、一种基于车路协同和数字孪生的信号交叉口轨迹规划方法，包括以下步骤：
4、s100、通过进口道车辆检测器，检测到车辆进入交叉口控制区域；
5、s200、车辆通信终端模块和路侧通信终端模块，将采集到的数据传输到交叉口中央数据转接单元；
6、s300、交叉口中央数据转接单元将数据统一采用5g通信技术传输到云端服务器；
7、s400、在云端服务器中构建数字孪生场景并采用人工智能大模型进行车辆轨迹规划和信号灯控制决策；
8、s500、将车辆轨迹规划结果数据和信号灯控制决策结果数据通过5g通信技术传输到交叉口中央数据转接单元；
9、s600、交叉口中央数据转接单元将车辆轨迹规划结果数据和信号灯控制决策结果数据，通过dsrc短距离通信技术分别传输到车辆通信终端模块和路侧通信终端模块；车辆通信终端模块通过车载can通信网络，并将车辆轨迹规划结果数据传输到车辆自带的轨迹跟踪控制模块；路侧通信终端模块通过路侧can通信网络，并将信号灯控制决策结果数据传输到交叉口的信号灯，交叉口的信号灯根据信号灯控制决策结果数据进行调整；
10、s700、出口道车辆检测器检测到车辆驶离交叉口控制区域。
11、优选地，所述s400步骤，具体包括如下步骤：
12、s401、接收交叉口中央数据转接单元传输来的数据并临时储存，数据包括交叉口识别码、车辆型号码、车辆载重及轮胎压力识别信息、路面雨雪及信号灯信息、非网联车辆位置及速度信息；
13、s402、云端服务器根据交叉口识别码调运存储在云端服务器的包含车道几何形状、路面坡度、限速数据的交叉口静态模型；同时，云端服务器根据车辆型号码调用存储在云端服务器的车辆部件级动力学模型；
14、s403、基于输入信息在云端服务器构建数字孪生场景，数字孪生场景为真实场景的虚拟映射，这里的输入信息包括：包含车道几何形状、路面坡度、限速数据的交叉口静态模型，车辆部件级动力学模型，车辆载重及轮胎压力识别信息，路面雨雪及信号灯信息，非网联车辆位置及速度信息；
15、s404、采用训练好的人工智能大模型针对数字孪生场景进行轨迹规划，为加快规划速度进行并行计算，同时给出n种可行轨迹；
16、s405、将n种可行轨迹在数字孪生场景中进行模拟并得到模拟结果；模拟结果包含车辆经济性结果、车辆稳定性结果、通行时间结果和碰撞安全性结果；
17、s406、基于模拟结果和目标函数选取综合性能最好的轨迹。
18、优选地，在s404步骤中，所述人工智能大模型的训练方法，具体包括如下步骤：
19、s407、每次执行完s700步骤后，车辆会记录执行规划的轨迹后的结果数据并存储在本地，在车辆静止空闲时将把存储的数据上传到云端服务器；
20、s408、云端服务器接受s407步骤上传的数据，使训练人工智能大模型的数据量增加；
21、s409、云端服务器完成预先训练的人工智能大模型或进一步训练的人工智能大模型。
22、优选地，在s600步骤中，若车辆临时出现意外情况而无法行驶，在车辆控制中设定的车辆识别危险情况时将采取紧急接管措施，此时将不再按照云端服务器规划的轨迹行驶而是由智能车辆自行规划轨迹；同时，车辆向云端服务器发出重新规划需求的请求，重新进行一次s200～s700的步骤。
23、本专利技术的有益效果在于：
24、(1)本专利技术一种基于车路协同和数字孪生的信号交叉口轨迹规划方法，基于车路协同和数字孪生技术，同时依托人工智能大模型方法，深度挖掘车辆轨迹规划的潜力，提升车辆的综合性能。
25、(2)本专利技术一种基于车路协同和数字孪生的信号交叉口轨迹规划方法，在进行轨迹规划时综合考虑车辆的动力学约束、整车经济性、稳定性、安全性和道路通行效率等因素，能够较大程度提升车辆经济性的同时获得较高的出行安全和通行快速性，有效减低交通拥堵的发生。
26、(3)本专利技术一种基于车路协同和数字孪生的信号交叉口轨迹规划方法，利用人工智能大模型进行轨迹规划，加快轨迹规划的快速性和合理性，依托人工智能的自学习能力，随着运行会产生越来更多的训练数据，如此一来，人工智能大模型的训练数据不断增加，人工智能大模型轨迹规划的合理性和有效性将不断提升。
27、(4)本专利技术一种基于车路协同和数字孪生的信号交叉口轨迹规划方法，采用将交叉口几何形状和路面坡度等静态数据存储在云端服务器，同时将车辆部件级动力学模型也存储在云端服务器，如此以来，信号传递过程只需传递相应的识别码即可，采用此方法不仅较大程度减少信号传递量而且有效缩短信号本文档来自技高网...
【技术保护点】
1.一种基于车路协同和数字孪生的信号交叉口轨迹规划方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于车路协同和数字孪生的信号交叉口轨迹规划方法，其特征在于，所述S400步骤，具体包括如下步骤：
3.根据权利要求2所述的一种基于车路协同和数字孪生的信号交叉口轨迹规划方法，其特征在于，在S404步骤中，所述人工智能大模型的训练方法，具体包括如下步骤：
4.根据权利要求1所述的一种基于车路协同和数字孪生的信号交叉口轨迹规划方法，其特征在于，在S600步骤中，若车辆临时出现意外情况而无法行驶，在车辆控制中设定的车辆识别危险情况时将采取紧急接管措施，此时将不再按照云端服务器规划的轨迹行驶而是由智能车辆自行规划轨迹；同时，车辆向云端服务器发出重新规划需求的请求，重新进行一次S200～S700的步骤。
5.根据权利要求1所述的一种基于车路协同和数字孪生的信号交叉口轨迹规划方法，其特征在于，在S100、S700步骤中，进口道控制长度大于出口道控制长度，该设置基于通信延时确定，假设Lin为进口道控制长度m，Lout为出口道的控制长度m
...【技术特征摘要】
1.一种基于车路协同和数字孪生的信号交叉口轨迹规划方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于车路协同和数字孪生的信号交叉口轨迹规划方法，其特征在于，所述s400步骤，具体包括如下步骤：
3.根据权利要求2所述的一种基于车路协同和数字孪生的信号交叉口轨迹规划方法，其特征在于，在s404步骤中，所述人工智能大模型的训练方法，具体包括如下步骤：
4.根据权利要求1所述的一种基于车路协同和数字孪生的信号交叉口轨迹规划方法，其特征在于，在s600步骤中，若车辆临时出现意外情况而无法行驶，在车辆控制中设定的车辆识别...
【专利技术属性】
技术研发人员：姚宝珍，纪人桓，白东轩，祁致豪，廖宇翔，
申请(专利权)人：大连理工大学，
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。