【技术实现步骤摘要】
本专利技术涉及一种融合车路协同与社交网络的自动驾驶系统及方法。
技术介绍
1、随着智能交通系统的快速发展，自动驾驶技术已经成为未来交通运输的重要方向。自动驾驶不仅能够提高车辆的自主性和运行效率，还能显著降低交通事故率。然而，当前自动驾驶技术面临的一大挑战是如何在复杂的道路环境中实现高效、安全的驾驶。单纯依靠车辆自身的传感器和算法，难以应对多变的路况和瞬息万变的交通动态，因此，基于车路协同（vehicle-to-everything，v2x）的解决方案逐渐成为焦点。
2、车路协同技术通过车辆与道路基础设施之间的信息交互，能够有效扩展车辆的感知范围，提升自动驾驶系统的决策能力。具体而言，车路协同可以实现交通信号、路况信息、以及其他车辆状态的实时共享，帮助自动驾驶车辆在复杂环境下做出更加准确的决策。相比单车智能，车路协同能够进一步提升交通流量的优化、减少交通拥堵，同时提高整体交通系统的安全性和可靠性。
3、同时，随着社交网络的普及，车联网（internet of vehicles, iov）技术为自动驾驶带来了新的机遇。车辆之间的信息交换不仅限于交通和路况，还可以通过社交网络构建“车辆群体”的协作模型。通过社交网络，车辆之间可以共享更多维度的信息，如驾驶行为模式、突发事件应对等，从而实现更高层次的协同驾驶。
4、当前，自动驾驶技术取得了显著进展，但在复杂道路环境下，车辆的决策能力仍然受限，尤其在感知范围、处理突发事件等方面存在不足。单车智能系统主要依赖车载传感器，难以应对遮挡或动态交通流带来的挑战。
5、因此，提供一种融合车路协同与社交网络的自动驾驶系统及方法。
技术实现思路
1、本专利技术的目的在于克服现有的缺陷而提供的一种融合车路协同与社交网络的自动驾驶系统及方法，通过整合车路协同技术和社交网络信息，实现了车辆与道路基础设施及其他车辆之间的多维度信息交互，增强了环境感知和实时决策的准确性。
2、实现上述目的的技术方案是：
3、本专利技术之一的一种融合车路协同与社交网络的自动驾驶系统，包括：
4、数据获取模块，用于收集车辆周围的环境信息数据，包括车辆自身传感器数据和外部数据源；
5、通信模块，用于通过蜂窝车联网技术传输采集的环境信息数据；
6、决策模块，用于通过深度学习模型对采集的环境信息数据进行综合分析和决策制定，对当前道路状况进行准确预测，并生成速度控制方案；
7、执行模块，用于根据指定的决策输出指令，控制车辆的实际运动，控制车辆的实际运动包括但不限于加速和减速。
8、优选的，所述数据获取模块中，车辆自身传感器包括但不限于激光雷达、摄像头、超声波雷达和gps；外部数据源包括但不限于动态交通数据和非结构化的用户生成数据，通过社交网络平台作为获取渠道。
9、优选的，所述数据获取模块中，通过融合算法处理不同传感器的数据，将其融合为一致的环境模型，用于生成精确的物体识别和定位信息，通过车路协同感知技术进一步扩展至车辆与路侧单元的通信，并采用边缘计算技术，将感知数据在边缘节点进行处理，用于车辆提前感知盲区或遮挡处的行人、其他车辆或障碍物，优化行驶决策。
10、优选的，所述决策模块包括：
11、数据融合单元，用于通过图神经网络将动态交通数据和非结构化的用户生成数据之间的关系建模为图结构，并在图上进行消息传递，实现多维度数据的动态融合；
12、特征提取单元，用于通过卷积神经网络提取车辆自身传感器数据的特征，并通过长短期记忆网络处理时序数据；
13、车速引导单元，用于根据双向绿波带宽最大的通用数解算法，建立最大绿波带宽优化模型，得到车速引导模型，进而生成车辆加速、减速决策;
14、协同优化单元，用于根据信号控制调整交通信号配时，车速引导模型调整车辆的行驶速度。
15、优选的，所述车速引导单元中，基于双向绿波带宽最大的通用数解算法，通过确定相邻理想间距的取值空间、推导上行和下行偏移绿信比的计算公式以及计算理想绿灯中心线上下方绿信比的公式，进而建立最大绿波带宽优化模型；即
16、相邻交叉口理想间距及取值空间：
17、；
18、；
19、式中，为相邻交叉口理想间距，为车辆到达交叉口的初速度，为车辆在交叉口行驶的平均速度，为停车视距为车辆到达交叉口的初速度最小值，为最小停车视距，为车辆到达交叉口的初速度的最大值，为车辆到达交叉口的初速度平均值，为最大停车视距；
20、偏移绿信比是指由于交叉口实际位置偏移理想位置而使得实际绿灯中点相对于理想绿灯中心线的上下偏移量；针对干道上下行方向，将偏移绿信比的概念进一步扩展干道上行偏移绿行比与干道下行偏移绿信比，即理想绿灯中心线其上下方绿信比:
21、；
22、；
23、式中，为干道上行偏移绿行比，为干道下行偏移绿信比，为绿波偏移量；
24、通过分析上下行偏移绿信比和理想绿灯中心线上下方绿信比以及相应的计算方法，可得上下行绿波带宽为上下行理想绿灯中心线其上方绿信比集合中的最小值与其下方绿信比集合中的最小值之间的和值，若以变量表示干道上行绿波带宽；变量表示干道下行绿波带宽理想绿灯中心线其上下方绿信比，则:
25、；
26、；
27、以干道双向绿波带宽之和最大为优化目标﹐以上行绿波设计速度、下行绿波设计速度与信号周期为优化变量，结合下式，建立相应的最大绿波带宽优化模型为：
28、；
29、式中，为绿波带宽度，即绿波控制中的一个时间宽度，在这个时间范围内到达绿波控制的车流都可以顺利通过绿波带的各个路口而不会遇见红灯;
30、由多种车辆组成的交通流被称为混合交通流，从纵向的角度进行划分，混合交通流中包含人工跟驰车辆、acc车辆和cacc车辆；
31、假设混合交通流处于平衡态，acc车辆和cacc车辆对于人工跟驰车辆进行引导，使得平衡态下混合交通流中各车辆的速度相等，均为平衡态速度；
32、在平衡态下车车辆的车头间距相等，分别用、和表示人工跟驰车辆、 acc车辆和cacc车辆的车头间距，用、、表示车辆中人工跟驰车辆、 acc车辆和cacc车辆的数量比例；
33、则，设车辆所覆盖路段的长度为，为自动跟驰车辆市场占有率，当路段内车辆总数足够大时， 路段长度可视为所有车辆的车头间距之和：
34、；
35、交通流密度为路段内单位距离的车辆数，则混合交通流密度k为：
36、本文档来自技高网...
【技术保护点】
1.一种融合车路协同与社交网络的自动驾驶系统，其特征在于，包括：
2.根据权利要求1所述的一种融合车路协同与社交网络的自动驾驶系统，其特征在于，所述数据获取模块中，车辆自身传感器包括但不限于激光雷达、摄像头、超声波雷达和GPS；外部数据源包括但不限于动态交通数据和非结构化的用户生成数据，通过社交网络平台作为获取渠道。
3.根据权利要求1所述的一种融合车路协同与社交网络的自动驾驶系统，其特征在于，所述数据获取模块中，通过融合算法处理不同传感器的数据，将其融合为一致的环境模型，用于生成精确的物体识别和定位信息，通过车路协同感知技术进一步扩展至车辆与路侧单元的通信，并采用边缘计算技术，将感知数据在边缘节点进行处理，用于车辆提前感知盲区或遮挡处的行人、其他车辆或障碍物，优化行驶决策。
4.根据权利要求1所述的一种融合车路协同与社交网络的自动驾驶系统，其特征在于，所述决策模块包括：
5.根据权利要求4所述的一种融合车路协同与社交网络的自动驾驶系统，其特征在于，所述车速引导单元中，基于双向绿波带宽最大的通用数解算法，通过确定相邻理想间距的取值空
6.根据权利要求5所述的一种融合车路协同与社交网络的自动驾驶系统，其特征在于，所述车速引导单元中，车速引导模型包括加速控制模型，加速控制模型的目标函数为车辆通过加速引导后到达下一个交叉口停车线的行程时间最短，其表达式为：
7.根据权利要求6所述的一种融合车路协同与社交网络的自动驾驶系统，其特征在于，所述车速引导单元中，车速引导模型包括减速控制模型， 减速控制模型优化的目标函数是使车辆减速后通过交叉口停车线时的速度最大, 即车辆在速度控制路段内先减速后匀速行驶的时间为：
8.根据权利要求7所述的一种融合车路协同与社交网络的自动驾驶系统，其特征在于，所述协同优化单元中，信号控制与车速引导协同具有双层递阶结构的系统优化，利用双层规划模型来求解；上层模型以干线连续通过量最大为目标函数，以引导速度为控制变量；下层模型以最小化延误值和平均停车次数的加权平均值为目标函数，以相位差作为控制变量；
9.一种基于权利要求1所述的一种融合车路协同与社交网络的自动驾驶系统的自动驾驶方法，其特征在于，包括：
10.根据权利要求9所述的一种融合车路协同与社交网络的自动驾驶方法，其特征在于，所述步骤S1中，车辆自身传感器包括但不限于激光雷达、摄像头、超声波雷达和GPS；外部数据源包括但不限于动态交通数据和非结构化的用户生成数据，通过社交网络平台作为获取渠道；
...【技术特征摘要】
1.一种融合车路协同与社交网络的自动驾驶系统，其特征在于，包括：
2.根据权利要求1所述的一种融合车路协同与社交网络的自动驾驶系统，其特征在于，所述数据获取模块中，车辆自身传感器包括但不限于激光雷达、摄像头、超声波雷达和gps；外部数据源包括但不限于动态交通数据和非结构化的用户生成数据，通过社交网络平台作为获取渠道。
3.根据权利要求1所述的一种融合车路协同与社交网络的自动驾驶系统，其特征在于，所述数据获取模块中，通过融合算法处理不同传感器的数据，将其融合为一致的环境模型，用于生成精确的物体识别和定位信息，通过车路协同感知技术进一步扩展至车辆与路侧单元的通信，并采用边缘计算技术，将感知数据在边缘节点进行处理，用于车辆提前感知盲区或遮挡处的行人、其他车辆或障碍物，优化行驶决策。
4.根据权利要求1所述的一种融合车路协同与社交网络的自动驾驶系统，其特征在于，所述决策模块包括：
5.根据权利要求4所述的一种融合车路协同与社交网络的自动驾驶系统，其特征在于，所述车速引导单元中，基于双向绿波带宽最大的通用数解算法，通过确定相邻理想间距的取值空间、推导上行和下行偏移绿信比的计算公式以及计算理想绿灯中心线上下方绿信比的公式，进而建立最大绿波带宽优化模型；即
6.根据权利要求5所述的一种融合车路协...
【专利技术属性】
技术研发人员：邓宏，张新阳，杨杰，巫诚诚，刘正雨，罗涛，敖娅，王佑霖，覃馨，黄泓淋，
申请(专利权)人：西华大学，
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。