[發明專利]一種基于區域時空域的交通信息重構方法及智能交通系統

在審

• 申請號: 202010188381.6
• 申請日: 2020-03-17
• 公開（公告）號: CN111508256A
• 公開（公告）日: 2020-08-07
• 發明（設計）人: 劉永剛;喻志成;葉明;李旭;陳崢;秦大同
• 申請（專利權）人: 重慶大學
• 主分類號: G08G1/0968
• 分類號: G08G1/0968;G08G1/0967;G08G1/16
• 代理公司: 重慶縉云專利代理事務所(特殊普通合伙) 50237
• 代理人: 王翔

發明提供一種基于區域時空域的交通信息重構方法及智能交通系統。該系統中各智能車輛依據車載的端到端自動駕駛系統行駛。同時，路面基站收集各智能車輛的信息做出區域性的規劃并將結果反饋給各智能車輛，區域性的統籌規劃結果對各智能車的預測性決策做一定的修正。所收集的圖像信息和GPS信號以及高精度地圖融合，將單一車輛搭載的決策范圍有限的端到端的自動駕駛技術向全局范圍推廣。該發明對發展自動駕駛技術以及高度成熟化的智能交通體系具有重要參考意義。

技術領域

本發明涉及自動駕駛技術領域，特別涉及一種基于區域時空域的交通信息重構方法及智能交通系統。

背景技術

隨著信息技術以及互聯網技術的發展，車技術領域迎來了新的革命。考慮到交通事故的頻發帶來的生命、財產損失。長時間駕駛帶來的疲勞。老人、小孩等無駕駛證的群體出行。日益嚴重的交通擁堵現象等因素，自動駕駛技術應運而生。

現有的技術中，大多數研究者或者汽車企業采用的自動駕駛方案采用分層控制的思想，即將自動駕駛系統分為感知、決策與控制等模塊。感知部分需要獲取周圍的環境信息并將其進行一定的抽象化處理。這一部分往往依靠大量的多源傳感器，如GPS、慣性導航、激光雷達、圖像視覺傳感器、毫米波雷達等等，多源傳感器的信息需要進行信息融合以提高其精度和可靠度。決策模塊接受感知模塊的輸入并將其輸入預先構建的決策模型中，決策模塊輸出的決策命令指引控制模塊控制相應部件完成指令。分層式的自動駕駛架構需要手動建立精確的控制對象及控制策略模型。而對于不同路況、不同環境、不同車下所需建立的模型往往不同。端到端的自動駕駛技術不同于分層式的自動駕駛架構，其直接以感知模塊獲取的圖像信息為輸入，對其進行一定的處理之后直接輸入實現設計調試好的卷積神經網絡中，CNN輸出控制指令給底層控制模塊執行。

但是傳統的端到端自動駕駛技術也存在明顯的缺陷，其應用多限于搭載這一系統的單一智能車。而單一車輛的攝像頭感知范圍有限，在市區工況這種復雜工況條件下，單一智能車所獲取的環境信息有限。進一步地，雖然依靠攝像頭能夠在絕大多數情況下獲取足夠的信息以保證自動駕駛系統的正常運行，但是單一傳感器的自動駕駛系統魯棒性較差，并且在某些極端天氣或者夜晚情況下由于視覺傳感器的缺陷難以保證安全性。為了未來大面積的在城市內普及自動駕駛技術，有必要對傳統的端到端自動駕駛術進行改進。

發明內容

本發明的目的是提供一種基于區域時空域的交通信息重構方法及智能交通系統，以解決現有技術中存在的問題。

為實現本發明目的而采用的技術方案是這樣的，一種基于區域時空域的交通信息重構方法，包括以下步驟：

1)構建端到端自動駕駛軌跡規劃模型。

2)感知模塊獲取交通信息原始數據。其中，所述感知模塊包括GPS定位模塊、攝像頭、激光雷達和毫米波雷達。所述GPS定位模塊獲取智能車自身的位置信息。所述攝像頭在智能車行駛過程中采集路徑圖像信息。所述激光雷達與毫米波雷達在智能車行駛過程中實時識別周圍物體，并感知物體與智能車之間的距離及角度信息。所述激光雷達進行實時地圖信息重構。所述毫米波雷達采集毫米波雷達信號。

3)攝像頭采集的圖像信息輸入至步驟1)所述的端到端自動駕駛軌跡規劃模型。端到端自動駕駛軌跡規劃模型分析計算后輸出規劃車速和規劃轉向角。

4)通訊模塊將車輛ID信息、規劃車速、規劃轉向角、激光雷達在行駛過程中重構的地圖信息和GPS信號實時發送至路面基站。

5)路面基站將重構的地圖信息、GPS信號和高精度地圖融合，構建區域交通流信息。路面基站根據規劃車速和規劃轉向角描繪各智能車時間域內的運動軌跡，并做出區域性統籌規劃。

進一步，步驟5)之后，還具有路面基站將區域性規劃結果反饋給各智能車。車輛底層控制器根據區域性規劃結果控制智能車自動行駛的相關步驟。