基于动态驾驶意图映射的车云协同路径规划方法及系统与流程

本发明涉及车辆导航与智能控制，特别是涉及一种基于动态驾驶意图映射的车云协同路径规划方法及系统。

背景技术：

1、本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。

2、随着智能座舱和车联网技术的发展，车载路书应用已逐步集成游记分享、多兴趣点管理和车辆导航等功能。用户在使用路书应用时，通常可以设置多个兴趣点，并通过文本备注、语音输入或偏好标签等方式，表达诸如“适合亲子出行”、“优先沿湖行驶”、“避免夜间山路”以及“需要及时补能”等具有主观性和模糊性的出行需求。

3、现有导航系统通常仅能从路书中提取地点名称或兴趣点坐标，并在此基础上以最短行驶距离或最短通行时间作为单一优化目标，完成途经点之间的路线计算。这种技术方案存在以下问题。

4、首先，路书中大量有价值的驾驶意图以非结构化文本或语音形式存在，现有导航系统不具备对其进行语义解析的能力，无法将“偏好景观道路”“避免连续驾驶过久”等抽象语义信息，转换为与道路网络中的节点、边或路径搜索状态相关联的可量化计算约束。其次，传统导航图模型主要采用道路距离和预计通行时间作为边权重，其数据结构缺乏对车辆剩余电量、道路能耗、乘员疲劳程度、天气风险、充电设施状态及兴趣点开放时间窗等多维动态信息的承载能力，导致规划结果难以满足电动车辆续航管理和乘员舒适性等实际需求。

5、同时，车辆的剩余电量、连续驾驶时间以及必达约束是否满足，均与车辆到达当前道路节点所经过的历史路径密切相关。仅以物理道路节点作为搜索状态进行路径扩展，容易将车辆状态实际并不相同的两条路径在同一节点处错误合并，进而可能生成无法满足最低续航安全或最大连续驾驶时间约束的不可行路线。

6、另外，当交通事件或车辆状态发生变化时，现有导航系统通常需要重新执行完整的路径计算，未能对已有的搜索结果进行有效复用，这种做法不仅增加了云端计算资源的消耗，也导致路线响应时延升高，影响了用户的实时导航体验。

技术实现思路

1、为了解决现有技术的不足，本发明提供了一种基于动态驾驶意图映射的车云协同路径规划方法及系统，通过解析路书数据生成驾驶意图语义树并据此生成硬约束和软偏好参数，构建包含物理节点、物理道路边及约束关联的动态驾驶意图约束图，将非结构化驾驶意图转化为可量化计算约束；通过获取车辆状态信息并结合约束图执行扩展状态空间搜索，为每条路径建立包含当前物理节点、预计到达时间、预计剩余电量、累计连续驾驶时间及未满足约束标识集合的搜索标签，根据硬约束进行可行性剪枝并根据多目标代价向量进行支配判断，将到达终点且未满足约束标识集合为空的搜索标签对应路径作为候选路径，并基于软偏好参数确定目标路径，在车辆状态或环境事件发生变化时，仅更新受影响的道路子图及相关搜索标签，提高了路径与用户驾驶意图的匹配程度并降低了动态重规划的计算量。

2、一方面，提供了一种基于动态驾驶意图映射的车云协同路径规划方法，包括：

3、获取包含兴趣点及用户备注的路书数据；对所述路书数据进行语义解析，生成驾驶意图语义树，并根据所述语义树的叶节点生成硬约束和软偏好参数；构建包含物理节点、物理道路边及约束关联的动态驾驶意图约束图；

4、获取车辆状态信息，所述车辆状态信息至少包括当前剩余电量和累计连续驾驶时间；

5、基于所述约束图和所述车辆状态信息执行扩展状态空间搜索，为到达物理节点的每条路径建立包含当前物理节点、预计到达时间、预计剩余电量、累计连续驾驶时间及未满足约束标识集合的搜索标签，在搜索过程中，根据硬约束对搜索标签进行可行性剪枝，并根据多目标代价向量对搜索标签进行支配判断以删除被支配标签；

6、将到达终点且未满足约束标识集合为空的搜索标签所对应的路径作为候选路径，并基于软偏好参数从候选路径中确定目标路径。

7、进一步地，所述语义解析包括：

8、从所述用户备注中提取意图标签、意图对象、约束强度、时间范围、空间范围及语义置信度；

9、根据预设映射表将语义树中的叶节点映射为硬约束或软偏好参数；

10、当多个意图发生冲突时，按照安全硬约束高于法规约束、法规约束高于用户明确硬约束、用户明确硬约束高于用户软偏好的优先级进行处理。

11、进一步地，所述硬约束包括最低安全剩余电量约束、最大连续驾驶时间约束、道路禁行约束、必须到达的兴趣点约束、强制充电约束、强制休息约束和兴趣点到达时间窗约束中的至少一种；

12、所述软偏好参数包括通行时间权重、能耗权重、风险权重、景观损失权重、山路惩罚权重、夜间道路惩罚权重和高速道路惩罚权重中的至少一种。

13、进一步地，所述物理节点包括道路交叉口、兴趣点、充电站、服务区和休息区中的至少一种；所述物理道路边为连接两个物理节点的可通行路段；所述约束关联用于表示驾驶约束与物理节点或物理道路边之间的对应关系，其中：补能约束与充电站节点关联，休息约束与服务区或休息区节点关联，夜间规避约束与照明等级低于阈值的道路边关联，景观偏好与景观评分高于阈值的道路边关联。

14、进一步地，所述扩展状态空间搜索中，搜索标签沿道路边扩展时的状态更新方式为：

15、到达时间累加当前路段的预计通行时间及服务等待时间；剩余电量根据当前路段预计能耗与可用电池能量的比值扣减；累计连续驾驶时间在到达有效休息节点且停留时间达到阈值时归零，否则累加当前路段的预计通行时间。

16、进一步地，所述多目标代价向量包括归一化通行时间、归一化能耗、归一化风险和归一化体验损失；所述支配判断的条件为：位于同一物理节点且具有相同未满足约束标识集合的两个搜索标签中，若第一标签在各维度的累计代价均不高于第二标签且至少一个维度严格优于第二标签，则判定第一标签支配第二标签并删除第二标签。

17、进一步地，还包括动态图增量更新：

18、获取动态数据，所述动态数据包括车辆实时电量、实时位置、天气信息、道路事件信息和充电站状态信息中的至少一种；

19、当动态数据发生变化时，确定受影响道路边以及发生变化的约束关联，仅重新计算受影响道路边的属性并更新对应的约束关联，对不依赖受影响道路边且仍满足硬约束的搜索标签予以保留，基于保留的搜索标签执行局部重规划。

20、进一步地，还包括：将所述目标路径封装为导航约束数据包下发至车端，所述导航约束数据包至少包括物理途经点序列、充电节点信息、休息节点信息和备选物理节点集合；所述车端根据所述导航约束数据包执行导航状态机，所述导航状态机至少由车辆位置、剩余电量、充电状态、累计连续驾驶时间及导航约束数据共同驱动。

21、另一方面，提供了一种基于动态驾驶意图映射的车云协同路径规划系统，包括：

22、数据获取与解析模块，被配置为：获取包含兴趣点及用户备注的路书数据；对所述路书数据进行语义解析，生成驾驶意图语义树，并根据所述语义树的叶节点生成硬约束和软偏好参数；构建包含物理节点、物理道路边及约束关联的动态驾驶意图约束图；

23、状态获取模块，被配置为：获取车辆状态信息，所述车辆状态信息至少包括当前剩余电量和累计连续驾驶时间；

24、路径搜索模块，被配置为：基于所述约束图和所述车辆状态信息执行扩展状态空间搜索，为到达物理节点的每条路径建立包含当前物理节点、预计到达时间、预计剩余电量、累计连续驾驶时间及未满足约束标识集合的搜索标签，在搜索过程中，根据硬约束对搜索标签进行可行性剪枝，并根据多目标代价向量对搜索标签进行支配判断以删除被支配标签；

25、路径确定模块，被配置为：将到达终点且未满足约束标识集合为空的搜索标签所对应的路径作为候选路径，并基于软偏好参数从候选路径中确定目标路径。

26、再一方面，还提供了一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时，执行第一方面所述方法。

27、上述技术方案具有如下优点或有益效果：

28、（1）本发明通过建立驾驶约束与物理节点或物理道路边之间的关联关系，使非结构化驾驶意图能够直接转化为对道路边属性、候选节点范围、搜索状态转移条件和路径可行性判断的量化影响，保证了图模型与真实道路拓扑的一致性。

29、（2）本发明采用包含到达时间、剩余电量、累计连续驾驶时间和未满足约束集合的搜索标签作为路径搜索状态，避免将在同一道路节点处但车辆状态不同的路径错误合并，从而能够直接处理续航安全、强制休息、必达兴趣点和时间窗等与路径历史相关的约束。

30、（3）本发明将最低安全电量、最大连续驾驶时间及道路禁行等条件作为硬约束通过可行性剪枝保证其必须满足，并将景观、山路和高速偏好作为软偏好用于可行路径间的多目标比较，避免了仅通过增加惩罚权重处理安全约束所导致的约束被其他收益抵消的问题。

31、（4）本发明在搜索过程中维护多维代价向量，通过标签支配关系删除无效搜索标签并输出未被支配的候选路径集，再根据用户软偏好选择不同侧重的代表路径，能够兼顾通行时间、能耗、风险和景观体验等多维目标。

32、（5）当车辆状态或环境事件发生变化时，仅更新受影响道路子图的相关边、约束及关联关系，并复用未受影响的搜索标签进行局部重规划，有效降低了云端计算量和路线更新时延。此外，本发明将目标路径转换为包含状态迁移条件、服务时长和备选物理节点的导航约束数据，车端结合车辆位置、电量、充电状态和连续驾驶时间驱动导航状态机，实现对补能、休息、景观路段和异常重规划的状态化执行，形成了从驾驶意图提取、约束构建、动态搜索到车端执行的技术闭环。