[发明专利]基于ACP方法的平行智能车控制系统

说明书

技术领域

本发明涉及智能车领域，具体涉及一种基于ACP方法的平行智能车控制系统。

背景技术

无人驾驶能够带来更加安全、高效、舒适的驾驶体验，已经成为全球范围内业界的共识。因此，英国、美国、德国、日本和中国等多个国家已经在积极进行无人驾驶车辆的研发工作。

但是，目前无人驾驶车辆面临两大主要问题：

一、安全性和可靠性较差

当无人驾驶系统无法识别复杂环境时，会导致交通事故和人员伤亡。安全性主要受制于算法不完善及系统灵敏度低，可靠性主要由设备故障，系统宕机及感知系统误检引起。

二、价格昂贵

无人驾驶车辆对传感器的要求很高，需要配置高精度传感器。如多线激光测距仪、微波雷达、高精度GPS等。

无人驾驶车辆昂贵的价格及安全性限制了其广泛应用。传统的解决方案一般是通过使用高精度设备和复杂的传感器感知技术来得到安全性的提高，但同时提高了车辆成本；若采用普通设备及简单技术，虽然降低了车辆成本，其可靠性却不能保证。

现有发明CN105489053A(发明名称：一种基于ACP方法的平行停车系统构建方法，公布日：2016.04.13)ACP指的是人工系统(Artificial systems)、计算实验(computational experiments)和平行执行(parallel execution)。该发明以平行执行的方式建立人工停车系统和实际停车系统之间的滚动优化过程，利用人工停车系统为实际停车系统的建立提供指导方案，使现有的停车资源得到最大效率的使用。该发明仅用于停车指导，未提出对道路上行驶的车辆的指导策略，特别是未提出对无人车安全可靠行驶的解决方案，且没有提出降低无人车车辆成本的方法。

发明内容

为了解决现有技术中的上述问题，本发明提出了一种基于ACP方法的平行智能车控制系统，不仅大大降低了车辆成本，并且有效解决了无人驾驶车辆的安全性问题，提高了通行效率及整体协同程度。

本发明提出一种基于ACP方法的平行智能车控制系统，包括：平行控制中心和实际车路系统；

所述平行控制中心，包括：计算控制中心和人工车路系统；

所述计算控制中心，配置为：根据所述实际车路系统采集的行车参数和路况信息，计算多种行车控制策略，在人工车路系统中进行实验；根据实验结果选择控制策略，在人工车路系统与实际车路系统中平行执行；

所述人工车路系统，为基于大型计算机的虚拟系统，根据所述实际车路系统采集的行车参数和路况信息构建而成；配置为：根据所述计算控制中心提供的指令执行，并向所述计算控制中心发送执行过程中的相关数据。

优选地，所述实际车路系统，为无人车实际运行的道路环境系统，配置为：采集无人车的行车参数和路况信息，传送到所述计算控制中心；并执行计算控制中心的指令，控制无人车在道路上行驶。

优选地，所述行车参数为无人车内车载传感器采集到的参数，包括：速度、加速度、方向盘转角、油门刹车信息；

优选地，所述路况信息为路侧设备采集的信息，包括：路侧交通灯信息、摄像头拍摄的信息、雷达测距信息。

优选地，在平行执行过程中，按预设的时间周期采集无人车的行车参数和路况信息，并对所述人工车路系统进行修正。

优选地，所述人工车路系统，包括虚拟的静态模型和动态模型；

所述静态模型，包括实际交通环境中的建筑物、树木、道路安全设施、标志牌、信号灯、路面交通标志线；

所述动态模型，包括：智能车辆模型以及自身决策规划模型、随机产生的道路上行驶的非智能车辆、非机动车、行人模型以及它们的运动状态模型、整体调度配置模型。

优选地，所述实际车路系统还采集无人车的环境感知传感器数据，包括：车载单线激光雷达数据、车载摄像头数据。

优选地，所述计算控制中心，计算控制策略时，还利用互联网信息；所述互联网信息，包括：道路环境、交通事故、天气状况、交通管制。

优选地，所述控制策略，包括：对无人车的路径规划、行车参数控制。

优选地，所述平行控制中心，还配置为：模拟各种交通场景，并计算相应的控制策略，根据所述人工车路系统的实验结果，为所述实际车路系统提供改进方案，包括：增加道路的智能性、降低智能车辆成本；

所述增加道路的智能性，包括：安装V2X通信设备、路侧摄像头、微波雷达、路边处理器、地下感应装置、智能信号灯控制器；