高速公路场景下基于边缘计算的无人驾驶车群形成算法及自协模型构建方法技术

一种高速公路场景下基于边缘计算的无人驾驶车群形成算法及自协模型构建方法。步骤1.定义，步骤2.无人驾驶车群形成算法，步骤3.无人驾驶车群自协模型构建。发明专利技术考虑高速公路背景下开放式无人驾驶车群因为有人驾驶车辆节点以及路边标识的干扰下无法有效保持稳定有序问题，基于边缘计算思想，给出了分层多角色节点的无人驾驶车群形成方法，使得任务分配到不同的角色节点，有效避免节点的重复计算，保持相应节点之间的协同；结合考虑无人驾驶车群网络的连通性和稳定性，给出无人驾驶车群自协模型；通过使用多目标优化方法对无人驾驶车群自协模型进行优化求解，得到最优的自协模型，从而有效保障无人驾驶车群自协模型的合理性和可用性。和可用性。和可用性。

【技术实现步骤摘要】
高速公路场景下基于边缘计算的无人驾驶车群形成算法及自协模型构建方法


[0001]本专利技术涉及无人驾驶领域，具体涉及高速公路场景下基于边缘计算的无人驾驶车群自协模型构建方法。

技术介绍

[0002]自动驾驶技术的最终目标是在任何交通情况下都能替代驾驶员的工作，车辆使用自身携带传感设备感知周围环境的变化并对其做出相应的判断，保证车辆运动安全。目前研究人员在车辆运动行为方面进行了相关研究具体如下。自动驾驶车辆通常利用自身携带的传感设备获取周围道路环境信息，在此基础上使用多种多样的运动规划算法控制车辆在实际道路环境运行。运动规划的主要工作是在感知理解当前道路环境的基础上控制车辆避免障碍物一路向设定的目的地行进的方法。其中，Kiss D等人提出了一个几何学的路径规划方法，目的是在杂乱的环境中(包含狭窄地域)生成一个具有连续曲率的高质量路径导航，最后生成的路径类似于人类驾驶员在面对类似情景下做出的路径规划，以便使之更好地应用于真实的车辆上。Guidolini R等人提出一种基于神经网络的模型预测控制方法(Neural Based Model Predictive Control，n
‑
mpc)来解决无人驾驶汽车转向装置的延迟问题，实验结果表明n
‑
mpc能够大幅降低来自IARA转向装置延迟的影响。Hiraishi H等人对无人驾驶汽车的总效率(total efficiency)与扩散率(diffusion rate)之间的关系进行了一些实验，提出一种基于乘客状况的方法来判断是否根据不同乘客的情况生成一条规避路线。Chen Z等人使用卷积神经网络(CNN)模型以原始图像帧为输入，并相应地输出车辆在面临转弯时候的最佳转向角，这项功能能够保证车辆始终在一个车道上行驶而不发生不必要的换道。Bohren J等人提出了一个基于陆上无人驾驶汽车传感、规划、导航和驱动系统的设计方案，以使得车辆能够在充满不确定因素的复杂城市环境中行驶。Chen Y L等人描述了参赛车辆(Terramax)的整体系统架构、传感器以及传感器信息的处理过程、任务规划系统以及车辆的自主行为控制。Patz B J等人论述了传感器数据(包括雷达返回的数据)的处理方法、车辆的转向控制方法并提出了一种无人驾驶汽车在城市环境中进行有效导航的实用方法。Anderson S J等人在设计和执行选择受约束的基础上，提出了一种应用于半自治性的无人驾驶车辆危险避免以及稳定性控制的新方法，利用基于威胁的反馈机制，实现满足车辆动力学约束的输入极限，以保证车辆稳定地避免碰撞。Bacha A等人采用了一个混合的协商/反应架构来分析当前的情况并选择适当的行为，使得车辆能在面临交叉路口、道路合并、自动泊车以及障碍规避时规划出一条安全的路径。Kala R等人提出了一个4层规划算法，包括道路选择，路径选择，路径分布和轨迹生成，在复杂的障碍网络的情况下有助于实现最终无人驾驶汽车的道路规划。Urmson C等人将神经网络计算任务、车辆智能运动行为和轨迹运动规划结合起来提出了三层规划系统，使用车载传感器跟踪其他车辆以及检测静态障碍物，并相对于道路模型进行本地化。其中任务规划层考虑实现任务目标要采取哪条候选路径。行为层决定何时改变交叉路口的车
道和优先级，并执行错误恢复操作。运动规划层生成行动行为来避开障碍，同时向本地目标迈进。Ferguson D等人提出了一个无人驾驶车辆在城市环境下导航的运动规划框架，尝试解决了车辆超可靠性，高速操作，复杂的车间交互，大型非结构性地段的停车以及受限的机动等问题。Likhachev Maxi和Ferguson Dave提出了一种在远距离、高速行驶的无人驾驶车辆之间基于对多分辨率、动态可行的网格状态进行任意的增量搜索的算法。Montemerlo M等人提出了一种无人驾驶汽车的架构模型，能够感知并与其他车辆进行相互作用、执行各种城市环境下的驾驶操作，包括车道变换，掉头，停车以及道路合并。Dolgov D等人使用改进后的A*算法来获得可行的运动轨迹并通过数值非线性优化来提高轨迹的质量。Ziegler J等人使用通知搜索算法并结合车辆的运动学约束和车辆的自由空间的拓扑，解决了车辆精确的停车操作、窄道转弯、长距离导航等问题。Pivtoraiko M等人提出了一种基于特殊的搜索空间来约束路径规划的算法，能够在选定的分辨率下生成有效的路径规划器。T M Howard等人提出了一种有效的状态空间采样算法，能够在高度受限且部分已知的环境中进行高速导航。McNaughton M等人提出了一个用于由行星漫游车导航的状态网格框架改造而来的公共道路结构化环境下的自主高速公路驾驶的运动规划器，允许搜索算法实时、系统、有效地在空间和时间维度上执行。Gu T等人提出了一种新颖的双层运动计划系统，在单一框架下解决城市和高速公路这两种情况下的无人驾驶问题，大大优化了系统的计算量。Werling M等人提出了半反应式规划策略，有效实现了车辆的长期机动任务，例如换道，合并，保持距离，保持速度，精确停止等并能够长期避免碰撞。从现有国内外关于无人驾驶车辆节点运动行为研究现状来看，车辆节点的轨迹以及路径的规划方法是现有研究者投入精力最多的方向。虽然上述方法在一定程度能够解决车辆节点运动行为存在的问题，然而，这些方法都是依赖于单智能体车辆节点依靠自身携带的传感设备获取、识别周围环境信息后进行运动行为的规划，单智能体之间没有有效的信息流通渠道。具体包括：对周围车辆节点的关联关系以及对周围环境的感知存在不必要的重复计算，单智能体的决策还仅仅针对单车“视距”范围内的障碍物做出的，对视野盲区内的情况无法做出有效反应等等，不能做到智能协同，从根本上制约了自动驾驶技术广泛应用。

技术实现思路

[0003]专利技术目的：高速公路道路环境较为单一，外界干扰因素较小，从而可以为无人驾驶提供一个安全、稳定及高效的应用环境。目前，高速公路场景中无人驾驶运动行为的研究主要集中于单智能体运动行为决策。存在如下问题：首先，每个单智能体节点需要各自对其周围环境感知的数据进行计算，相互之间不能共享计算结果；其次，无人驾驶单智能体依靠自身独立感知识别，缺乏车辆节点之间的信息交互，使得运动行为智能化决策存在缺陷。本专利技术考虑高速公路背景下开放式无人驾驶车群因为有人驾驶车辆节点以及路边标识的干扰下无法有效保持稳定有序问题，基于边缘计算思想，给出了分层多角色节点(引领节点、次级引领节点、普通节点)的无人驾驶车群形成方法，使得任务分配到不同的角色节点，有效避免节点的重复计算，保持相应节点之间的协同；结合考虑无人驾驶车群网络的连通性和稳定性，给出无人驾驶车群自协模型；通过使用多目标优化方法对无人驾驶车群自协模型进行优化求
解，得到最优的自协模型，从而有效保障无人驾驶车群自协模型的合理性和可用性。解决上述问题，使得无人驾驶车群自协技术在高速公路场景中能够得到实际应用成为可能。为此，本专利技术具体给出以下技术方案实现：一种高速公路场景下基于边缘计算的无人驾驶车群形成算法，特征是，，具体包括如下步骤：步骤1.相关定义(1)高速公路干扰标识定义定义1高速本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种高速公路场景下基于边缘计算的无人驾驶车群形成算法，特征是：具体包括如下步骤：步骤1.相关定义(1)高速公路干扰标识定义定义1高速公路有人驾驶车辆标识(MVI,Manned Vehicle Identification)：在高速公路上有人驾驶车辆与无人驾驶车辆共存，有人驾驶车辆相对于无人驾驶车辆而言是一个高速移动的障碍物，为了区分两者，每个车辆节点依据自身状态通过设置高速公路有人驾驶车辆标识来标明自身的身份，其数学表达式为(1)：其中，MVI表示高速公路中车辆v的有人驾驶车辆身份标识，当MVI
v
＝1时，表示车辆v为有人驾驶车辆，在后续算法中作为一个高速移动的障碍物；相反，当MVI
v
＝0时，表示车辆v为无人驾驶车辆；定义2高速公路道路标识牌(HRS,Highway Road Signs)：在高速公路上存在很多道路信息标识牌例，道路标识牌能够对无人驾驶车辆的运动进行指导；(2)基于边缘计算的车辆角色及相关定义定义3无人驾驶车群引领节点CH(Cluster Head)：一个无人驾驶车群都会选出唯一的无人驾驶车辆节点作为整个车群的引领节点，引领节点负责与其他车群中的引领节点进行通信并管理本车群的各项信息；定义4无人驾驶车群次级引领节点CR(Cluster Relay)：负责在车群普通节点与车群引领节点之间、车群普通节点之间互相传递消息并管理车群普通节点，即次级引领节点CR决定一个非本车群的无人驾驶车辆普通节点是否能够加入本车群；定义5无人驾驶车群普通节点CM：无人驾驶车群中除去引领节点CH与次级引领节点CR之外，都属于普通节点，在未组成车群之前，所有无人驾驶车辆节点都是普通节点；定义6 ch
v
：表示车辆节点v对应的无人驾驶车群引领节点CH；定义7 cr
v
：表示车辆节点v对应的无人驾驶车群次级引领节点CR；定义8 d
max
：表示在一个无人驾驶车群中，无人驾驶车群引领节点CH距离无人驾驶车群内所有车辆节点的最大跳数；(3)车群属性定义定义9无人驾驶车辆连接稳定指数CSI(Driverless Vehicle Connectivity Stability Index)：表示两个无人驾驶车辆节点之间直接连接的稳定程度，其数学表达式为(3)：
其中，MDCR(Max Driverless Communication Range)表示无人驾驶车辆所携带通信探测设备的最大通信范围，D
t
(v
i
,v
j
)表示t时刻两个无人驾驶车辆v
i
与v
j
之间的物理距离；车辆节点v∈{v|MVI
v
＝0}；若两个无人驾驶车辆节点之间的距离小于等于MDCR时，即两个无人驾驶车辆节点位于最大通信范围内，此时车辆节点之间距离越近，连接稳定指数CSI越大，表明两个车辆节点之间的直接连接的稳定程度越高，两者的联系越紧密；定义10邻居车辆节点NVN(Neighbor Vehicle Node)：若在高速公路上的某一无人驾驶车辆节点v
i
与另一个车辆节点v
j
之间的CSI满足CSI>δ(δ是设定的阈值，保证车辆节点连接的可靠性),则表明两个车辆之间连接稳定，此时称车辆节点v
i
与车辆节点v
j
互为邻居节点关系，在网络拓扑图中表现为节点v
i
与节点v
j<...

【专利技术属性】
技术研发人员：程久军，毛其超，周爱国，原桂远，魏超，
申请(专利权)人：同济大学，
类型：发明
国别省市：