[发明专利]应用于大型场景下的自动驾驶巡逻车的调度方法及系统

说明书

本发明公开了一种应用于大型场景下的自动驾驶巡逻车的调度方法，该方法包括：步骤1，根据实际场景的实际道路地图，建立场景路网图模型G，所述场景路网图模型G包括顶点和由两顶点之间的连接线段形成的边，顶点表示实际场景中的各个实际道路的交叉口，边表示实际场景中的各条实际道路，边长对应为该边的权重；步骤2，根据场景路网图模型G，确定实际场景所需车辆数量N；步骤3，采用不同划分方法将实际场景划分成N个区域，再评估各划分结果，并依此选出最优划分结果；步骤4，根据划分好的区域，规划每一个区域内的车辆的行驶路线。本发明可根据场景的实际情况，合理配置巡逻车数量，划分各自任务区域，并规划巡逻路线，可为景区、厂区或类似的大型场景下的自动驾驶车辆提供一套调度方案。

技术领域

本发明涉及自动驾驶技术技术领域，特别是关于一种应用于大型场景下的自动驾驶巡逻车的调度方法及系统。

背景技术

在一些大型场景中，通常都需要巡逻机制来实现安保等功能，而这些场景往往都具有路线固定的特点，因此自动驾驶车辆得到了越来越多的应用。然而，大型场景的占地面积和路线总里程通常较大，受限于目前自动驾驶车辆的行驶速度和续航里程，若单靠一辆自动驾驶车完成所有的巡逻任务，则效率较为低下，效果明显欠佳。

发明内容

本发明的目的在于提供一种应用于大型场景下的自动驾驶巡逻车的调度方法及系统来克服或至少减轻现有技术的上述缺陷中的至少一个。

为实现上述目的，本发明提供一种应用于大型场景下的自动驾驶巡逻车的调度方法，该方法包括：

步骤1，根据实际场景的实际道路地图，建立场景路网图模型G，所述场景路网图模型G包括顶点和由两顶点之间的连接线段形成的边，顶点表示实际场景中的各个实际道路的交叉口，边表示实际场景中的各条实际道路，边的权重表示对应实际道路的长度；

步骤2，根据场景路网图模型G，确定实际场景所需车辆数量N；

步骤3，采用不同划分方法将实际场景划分成N个区域，再评估各划分结果，并依此选出最优划分结果；

步骤4，根据划分好的区域，规划每一个区域内的车辆的行驶路线。

进一步地，步骤3中，通过式(4)计算得到的最小化每个所划区域内里程值的标准差值评估各划分结果：

式中，W_sum表示图场景路网图模型G的各边的权重之和，表示划分的第k个区域内的里程值，k＝1,2……N。

进一步地，步骤3采用环路划分法，具体包括如下步骤：

步骤a1，遍历步骤1的场景路网图模型G的所有顶点，同时记录遍历过程中所经过的边；

步骤b1，判断场景路网图模型G中是否有步骤a1未记录的边，该边记为“回边”，若判定有回边，说明有环路存在，则进入步骤c1；

步骤c1，按照步骤a1的遍历方向，将其中一条回边的前一个顶点遍历到该回边的后一个顶点，即可得到一个环路；

按照步骤c1提供的方法，依次处理完毕步骤b1判定得到的其它回边，得到场景路网图模型G中所有的环路。

进一步地，步骤3采用割边划分法，具体包括如下步骤：

步骤a2，遍历步骤1的场景路网图模型G的所有顶点，同时记录遍历过程中所经过的边；

步骤b2，判断场景路网图模型G中是否有割边，若判定有割边，则进入步骤 c2；

步骤c2，通过删除其中一条割边，将场景路网图模型G拆分成两个可能封闭区域；

按照步骤c2提供的方法，依次处理完毕步骤b2判定得到的其它割边，得到场景路网图模型G中其它可能封闭区域。