[发明专利]一种基于随机蜂群算法的自动驾驶调度方法、设备及介质

说明书

本发明涉及自动驾驶调度领域，具体公开了一种基于随机蜂群算法的自动驾驶调度方法、设备及介质，包括各车辆在行驶过程中，均定期向车辆的前方发射元数据，并实时接收其他车辆发出的元数据；当目标车辆接收到其他车辆发出的元数据时，发送反馈数据；目标车辆判断反馈数据是否包含目标车辆所发送元数据的信息；如是，则根据该元数据和反馈数据，计算目标车辆与发出反馈数据的车辆之间的关联行驶信息；目标车辆根据前方所有车辆的关联行驶信息，计算变道控制参数的最优解，并根据最优解控制目标车辆的行驶与变道。本发明减轻了整个系统中的任一环节的处理压力，分摊计算量，实现了最优调度，减少了网络不稳定对系统实时性的影响。

技术领域

本发明涉及自动驾驶调度领域，尤其涉及一种基于随机蜂群算法的自动驾驶调度方法、设备及介质。

背景技术

随着人工智能技术，特别是深度学习技术的兴起与发展，传统的生产、物流、交通等领域朝着越来越智能化和自动化的方向发展。当今，自动驾驶已初步形成一定的产业规模和应用场景示范，正在加快整个国家的智慧交通升级进程。影响自动驾驶应用前景的最重要的两大技术，是面向近距范围的障碍识别技术和面向远距范围的高效调度算法；对于障碍识别技术，深度学习与传统的低维机器学习算法相结合，已经获得了与人眼接近甚至超越的识别率；对于调度算法，目前相关研究相对较少，而一旦获得高效调度算法的突破，将显著提高自动驾驶车辆的运行效率和安全性。

目前的主流调度方法，通常基于“客户端—服务端”的中心化调度方式进行。其基本思路是所有的车辆终端相隔一定的时间间隔向云端服务器上传实时的相关行驶信息，然后云端服务器基于一定的算法模型进行训练或运算，然后获得不同地点的车辆终端的调度策略，并将策略返回给各个车辆终端。现有方法最大的优势是整个系统的架构较为简单，车辆终端只需将所有需要处理和计算的信息交给云端服务器，并等待控制命令信息的到来即可。在这种架构下，车辆终端只需使用简单和低功耗的硬件设备即可。

然而，现有方案的计算压力基本都集中到了云端服务器，这时对云端服务器的计算能力和内存容量提出了较大的挑战，云端服务器的稳定性将直接影响整个系统的稳定性，其一旦崩溃将导致整个系统瘫痪；另外，无线网络传输速度与信号延迟和稳定，对整个系统也有至关重要的影响，网络若不稳定、延迟过高或者传输速度不足，服务器回传的策略可能因无法及时接收而失效，对自动驾驶的安全性造成了极大地影响。

发明内容

为了克服上述问题，本发明提供一种基于随机蜂群算法的自动驾驶调度方法、设备及介质。

本发明提供了一种基于随机蜂群算法的自动驾驶调度方法，包括：

各车辆在行驶过程中，均定期向车辆的前方发射元数据，并实时接收其他车辆发出的元数据；其中，所述元数据包括该车辆的唯一标识、该车辆的行驶状态、元数据发出时间和请求类型；其中，请求类型包括该车辆处于换道询问阶段或该车辆处于换道阶段；

当目标车辆接收到其他车辆发出的元数据时，反馈一个反馈数据；其中，反馈数据包括目标车辆的唯一标识、目标车辆的行驶状态、元数据接收时间、所接收元数据的信息；

目标车辆在发送了元数据后，持续接收反馈数据，并判断反馈数据是否包含目标车辆所发送元数据的信息；

如是，则根据该元数据和反馈数据，计算目标车辆与发出反馈数据的车辆之间的关联行驶信息；

目标车辆根据前方所有车辆的关联行驶信息，计算变道控制参数的最优解，并根据最优解控制目标车辆的行驶与变道。

作为优选地，所述该车辆的行驶状态包括该车辆的车道数；其中，所述车道数采用统一的交通规则对所行驶的车道进行编号。

优选地，所述该车辆的行驶状态还包括该车辆行驶速度和定位参数。

优选地，所述当目标车辆接收到其他车辆发出的元数据时，反馈一个反馈数据，具体为：

当目标车辆接收到其他车辆发出的元数据，且其请求类型是换道询问阶段时，判断该元数据对应的车辆是否与目标车辆处于同一车道；