[发明专利]无人驾驶汽车路况信息实时获取方法

摘要

本发明公开了一种无人驾驶汽车路况信息实时获取方法，包括步骤：采集第一数据和第二数据，并上传至云服务器，在云服务器端，基于神经网络算法对数据进行处理，得到道路预测数据，将道路预测数据下发至终端侧的设备，终端侧的设备接收云服务器下发的道路预测数据并存储在本地存储装置，同时将道路预测数据和历史路况数据传输至移动终端或设置在终端上的应用。本发明提高了无人驾驶汽车采集路况信息数据的实时性，而且提升了移动终端或设备获取无人驾驶汽车驾驶路况数据的实时性，可以改善城市交通拥堵状况。

主权项

1.一种无人驾驶汽车路况信息实时获取方法，其特征在于，包括如下步骤：S1，在终端侧的设备中，设置有激光雷达探测系统，所述激光雷达探测系统包括激光测距仪、GIS地理信息装置、定位装置和通信装置，所述激光测距仪、GIS地理信息装置和定位装置分别与通信装置连接，激光测距仪用于采集距离数据，GIS地理信息装置用于获取地理位置数据，定位装置用于对车辆进行卫星定位，利用所述通信装置将采集的第一数据上传至云服务器，并且，在无人驾驶汽车经过道路交叉口处的交通监控系统时，利用道路交叉口处的交通监控系统采集第二数据，并上传至云服务器；S2，云服务器接收所述第一数据和所述第二数据，并基于改进的神经网络算法进行处理，进一步包括如下步骤：S21，选取多个第一数据和多个第二数据，同时将第一数据和第二数据作为神经网络的样本数据，设定权值误差向量为e(w)，利用如下公式计算权值误差和函数E(w)，其中，eT(w)是e(w)的转置向量；S22，计算神经网络权值的Jacobian矩阵J(w)；其中，i为第i个神经元，j为第j个神经元，第i个神经元与第j个神经元之间的权值为wij；S23，使用如下公式计算新的权值w(k+1)，w(k+1)＝w(k)‑[JT(wk)J(wk)+μI]‑1JT(wk)e(wk)其中，μ为附加因子，μ＞0，I为单位矩阵；S24，将新的权值w(k+1)带入步骤S21中的权值误差和函数计算公式，计算得到新的权值误差和函数E(w)2，比较E(w)2与原来的E(w)1的大小，如果E(w)2的数值减小，则利用数值μ除以大于1的因子θ1，然后，对w(k+1)的值进行更新，然后转至步骤S21；如果E(w)2的数值没有减小，则利用数值μ乘上一个大于1的因子θ2，不更新w(k+1)并跳转至步骤S23，当神经网络的误差达到预设值或收敛时，停止函数的迭代计算，输出道路预测数据；S3，云服务器将所述道路预测数据传输至终端侧的设备；S4，终端侧的设备接收云服务器回传的数据，并将其保存在本地存储装置中。