【技术实现步骤摘要】
本专利技术涉及远程驾驶，尤其是涉及一种基于多重安全机制的远程驾驶控制方法、系统及介质。
技术介绍
1、随着自动驾驶
的不断发展，自动驾驶车辆不仅能够对人们的出行带来极大的方便，而且降低人们在使用车辆方面遇到的风险，为了更进一步去保证自动驾驶车辆的安全行驶，远程驾驶控制成为我们研究的主题和方向。
2、现有技术中，专利(申请号：201710593277.3)公开了一种自主驾驶的车辆的避障方法以及避障系统，自主驾驶车辆根据采集到的信息感知数据判定车辆行驶方向上有一个或多个目标车辆，自主驾驶车辆将在目标车辆所围成的障碍区外围的位置等待，直至目标车辆均进入非障碍区之后，自主驾驶车辆再按照预定路线行驶，目标车辆可以由目标行人或者目标障碍物代替，所述障碍区为处于该自主驾驶车辆外围所有的目标车辆、目标行人和目标障碍物移动范围所围成的区域，并由实时检测到的目标障碍区内目标障碍物的实时状态判断是否需要变更自主驾驶车辆的路径以及生成重新规划的自主驾驶车辆路径。其中，车辆虽然能够自动避障，但是对于复杂情形的处理还不够完善，需要远程控制技术进行进一步完善。
3、专利(申请号：201810635556.6)公开了一种平行驾驶控制方法，包括：车辆中的处理单元通过感知单元获取多个方位的环境视频数据；每个方位的环境视频数据对应一个摄像头位置信息；将多个方位的环境视频数据、环境视频数据对应的摄像头位置信息和车辆的车辆id信息发送至第一服务器；第一服务器根据摄像头位置信息和车辆id信息确定显示页面的链接信息；显示页面接收用户输入的显示指
技术实现思路
1、鉴于以上现有技术的不足，本专利技术提供了一种基于多重安全机制的远程驾驶控制方法、系统及介质，不仅车辆获取信息全面，能够对路面的情况进行整体的分析，而且按照安全等级不同能够适应不同的复杂情形对车辆进行远程控制。
2、为了实现上述目的及其他相关目的，本专利技术提供的技术方案如下：
3、一种基于多重安全机制的远程驾驶控制方法，所述方法包括：
4、u1.获取车辆行驶起点和终点的预设轨迹数据信息；
5、u2.将所述车辆行驶起点和终点的预设轨迹数据信息输入高精度地图进行处理，得到车辆行驶轨迹的路面情况数据信息，并基于车载激光雷达实时获取道路上的障碍物数据信息和基于车载天气预报app实时获取天气状况数据信息；
6、u3.基于所述车辆行驶轨迹的路面情况数据信息、所述道路上的障碍物数据信息和所述天气状况数据信息，采用多因素相互关联算法对路面情况、障碍物数据和天气状况进行综合处理，得到车辆的多因素相互关联数据信息；
7、u4.基于所述车辆的多因素相互关联数据信息，建立车辆的安全等级预估函数q，对车辆的安全等级点进行预估，得到车辆的安全等级点数据信息；
8、u5.基于所述车辆的安全等级点数据信息，对车辆的远程驾驶进行分类控制，得到车辆的远程驾驶控制数据信息。
9、进一步的，在步骤u1中，所述车辆行驶起点和终点的预设轨迹数据信息为根据车辆的起点和终点数据信息，按照预设路段对车辆的行驶路径进行规划。
10、进一步的，在步骤u2中，所述将所述车辆行驶起点和终点的预设轨迹数据信息输入高精度地图进行处理包括：
11、u21.基于所述车辆行驶起点和终点的预设轨迹数据信息，按照预设固定时间段对轨迹进行划分处理，得到车辆的多段轨迹数据信息；
12、u22.将所述车辆的多段轨迹数据信息输入高精度地图，建立路面平坦函数m，
13、m＝∫∫[(λf(xi,yi))·(σg(xi,yi))]dfdg，
14、其中，(xi,yi)为车辆的多段轨迹点，f为路面的横向距离函数，g为路面的纵向距离函数，λ为路面的横向偏差参数，σ为路面的纵向偏差参数，得到车辆多段轨迹的路面平坦度数据信息；
15、u23.基于所述车辆多段轨迹的路面平坦度数据信息，建立路面情况函数n，
16、
17、其中，m为车辆多段轨迹的路面平坦度数据信息，得到车辆行驶轨迹的路面情况数据信息。
18、进一步的，所述路面的横向距离函数f为，
19、f＝∫|(xi-x0)·(yi-y0)|dxi，
20、其中，(xi,yi)为车辆的多段轨迹点，(x0,y0)为车辆在该路段的参照轨迹点，
21、所述路面的纵向距离函数g为，
22、g＝∫|(xi-x0)·(yi-y0)dyi，
23、其中，(xi,yi)为车辆的多段轨迹点，(x0,y0)为车辆在该路段的参照轨迹点。
24、进一步的，所述道路上的障碍物数据信息包括行人、车辆、道路标志、路边设施和房屋，所述天气状况数据信息包括降雨量数据信息、降雪量数据信息、路面结冰数据信息和大雾数据信息，所述大雾数据信息为根据大雾等级来得到车辆的能见度数据信息。
25、进一步的，在步骤u3中，所述采用多因素相互关联算法对路面情况、障碍物数据和天气状况进行综合处理包括：
26、u31.基于所述车辆行驶轨迹的路面情况数据信息、所述道路上的障碍物数据信息和所述天气状况数据信息，建立多因素的第一关联函数g1、第二关联函数g2和第三关联函数g3，
27、
28、
29、
30、其中，r1为车辆行驶轨迹的路名情况数据信息，r2为道路上的障碍物数据信息，r3为天气状况数据信息，α1为第一关联因子，α2为第二关联因子，α3为第三关联因子，得到车辆多因素的第一关联数据信息、车辆多因素的第二关联数据信息和车辆多因素的第三关联数据信息；
31、u32.基于所述车辆多因素的第一关联数据信息、车辆多因素的第二关联数据信息和车辆多因素的第三关联数据信息，对路面情况、障碍物数据和天气状况进行综合处理，得到车辆的多因素相互关联数据信息。
32、进一步的，所述第一关联因子α1、第二关联因子α2和第三关联因子α3的约束条件为，
33、
34、进一步的，在步骤u4中，所述车辆的安全等级预估函数q为，
35、
36、q0＝1，其中，j为样本容量，qj为车辆的多因素相互关联数据信息，ηj为车辆的多因素对应的权重系数。
37、为了实现上述目的及其他相关目的，本专利技术还提供了一种基于多重安全机制的远程驾驶控制系统，包括计算机设备，该计算机设备被编程或配置以执行任意一项所述的基于多重安全机本文档来自技高网...
【技术保护点】
1.一种基于多重安全机制的远程驾驶控制方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于多重安全机制的远程驾驶控制方法，其特征在于，在步骤U1中，所述车辆行驶起点和终点的预设轨迹数据信息为根据车辆的起点和终点数据信息，按照预设路段对车辆的行驶路径进行规划。
3.根据权利要求1所述的基于多重安全机制的远程驾驶控制方法，其特征在于，在步骤U2中，所述将所述车辆行驶起点和终点的预设轨迹数据信息输入高精度地图进行处理包括：
4.根据权利要求3所述的基于多重安全机制的远程驾驶控制方法，其特征在于：所述路面的横向距离函数f为，
5.根据权利要求1所述的基于多重安全机制的远程驾驶控制方法，其特征在于：所述道路上的障碍物数据信息包括行人、车辆、道路标志、路边设施和房屋，所述天气状况数据信息包括降雨量数据信息、降雪量数据信息、路面结冰数据信息和大雾数据信息，所述大雾数据信息为根据大雾等级来得到车辆的能见度数据信息。
6.根据权利要求1所述的基于多重安全机制的远程驾驶控制方法，其特征在于，在步骤U3中，所述采用多因素相互关联算法
7.根据权利要求6所述的基于多重安全机制的远程驾驶控制方法，其特征在于：所述第一关联因子α1、第二关联因子α2和第三关联因子α3的约束条件为，
8.根据权利要求1所述的基于多重安全机制的远程驾驶控制方法，其特征在于，在步骤U4中，所述车辆的安全等级预估函数Q为，
9.一种基于多重安全机制的远程驾驶控制系统，包括计算机设备，其特征在于，该计算机设备被编程或配置以执行权利要求1～8中任意一项所述的基于多重安全机制的远程驾驶控制方法的步骤。
10.一种计算机可读存储介质，其特征在于，该计算机可读存储介质上存储有被编程或配置以执行权利要求1～8中任意一项所述的基于多重安全机制的远程驾驶控制方法的计算机程序。
...【技术特征摘要】
1.一种基于多重安全机制的远程驾驶控制方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于多重安全机制的远程驾驶控制方法，其特征在于，在步骤u1中，所述车辆行驶起点和终点的预设轨迹数据信息为根据车辆的起点和终点数据信息，按照预设路段对车辆的行驶路径进行规划。
3.根据权利要求1所述的基于多重安全机制的远程驾驶控制方法，其特征在于，在步骤u2中，所述将所述车辆行驶起点和终点的预设轨迹数据信息输入高精度地图进行处理包括：
4.根据权利要求3所述的基于多重安全机制的远程驾驶控制方法，其特征在于：所述路面的横向距离函数f为，
5.根据权利要求1所述的基于多重安全机制的远程驾驶控制方法，其特征在于：所述道路上的障碍物数据信息包括行人、车辆、道路标志、路边设施和房屋，所述天气状况数据信息包括降雨量数据信息、降雪量数据信息、路面结冰数据信息和大雾数据信息，所述大雾数据信息为根据大雾等级来得到车辆...
【专利技术属性】
技术研发人员：戈小中，蔡营，徐希，王永峰，于中祥，
申请(专利权)人：东风悦享科技有限公司，
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。