一种校园无人小巴配置和调度方法及系统与流程

1.本发明涉及自动驾驶技术领域，特别是关于一种校园无人小巴配置和调度方法及系统。


背景技术：

2.自动驾驶车辆可用于道路、港口、矿山和校园等多种环境下进行人员和物品的运输。与复杂道路情况相比，以校园为代表的较简单园区环境下已有成功实现的l3级别的自动驾驶的案例。传统的校园小巴通过人工驾驶在既定路线和电话预约等多种方式对校园内乘客进行接泊，存在小巴数量少、站点设置少且不合理、等待时间过长等缺点。通过在校园内配置无人驾驶小巴能够通过更好的规划和调度算法，为乘客提供更加实时和智能的人员和物品运输。


技术实现要素：

3.本发明的目的在于提供一种校园无人小巴配置和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。
4.为实现上述目的，本发明提供一种校园无人小巴配置和调度方法，该方法包括：
5.步骤1，通过云控中心接收车辆相关信息和乘客目标的预定乘车信息、向校园内所有小巴发出校园地图信息、以及向距离乘客目标最近的小巴发出车辆调度任务；
6.步骤2，判断小巴是否为紧急状态，若是，则进入步骤4，若否，则判定为普通状态，并进入步骤3；
7.步骤3，执行所述车辆调度任务，并判断车内当前的乘客目标数目是否小于设定阈值，若是，则开启招手即停功能，并返回步骤1，若否，则关闭招手即停功能，并进入步骤5；
8.步骤4，按照优先级的顺序接泊乘客目标，采用动态规划算法产生的规划路线，且在运行过程中关闭招手即停功能，并判断优先级是否降到设定阈值，若是，则进入步骤3，若否，则进入步骤5；
9.步骤5，按照所述车辆调度任务中的全局规划路径，并利用环境感知结果作为输入，经过计算进行车辆局部路径规划，运送乘客目标至所述预定乘车信息中的目的地；
10.其中，所述优先级的获取方法计算方法包括：
[0011][0012][0013]
式中，f(priority)表示所述优先级，按照从小到大的顺序，所述优先级取值设置在[0,1]的范围内，t
emergency i表示所述需求态势信息为第一紧急程度，t
emergency ii表示所述需求态势信息为第二紧急程度，f(t
waiting
)表示乘客目标的等待时间函数，t表示实际从预订信息发出后至当前时刻的等待时间。
[0014]
进一步地，步骤1中，所述校园地图信息包括被划分成多个小区及每一个所述小区所包含的子区域的id信息，所述车辆相关信息包括小巴位置信息以及小巴所在区域的乘客目标的类别和数量，所述预定乘车信息包括乘客目标的当前位置和需求态势信息；
[0015]
其中，“向距离乘客目标最近的小巴发出车辆调度任务”的方法具体包括：
[0016]
步骤11，计算乘客目标的当前位置所对应的所述子区域id与该子区域id所在所述小区内的各辆小巴之间的曼哈顿距离；
[0017]
步骤12，若步骤11计算得到的曼哈顿距离小于乘客目标的当前位置所对应的所述小区的半径，则选择向其中所述曼哈顿距离最小的小巴发出车辆调度任务；
[0018]
步骤13，若步骤11计算得到的曼哈顿距离大于乘客目标的当前位置所对应的所述小区的半径，则继续计算乘客目标的当前位置所对应的所述小区周围所有直接相邻的所述小区内小巴与该乘客目标之间的曼哈顿距离，选择向其中曼哈顿距离最小的所述小区的小巴发出车辆调度任务。
[0019]
进一步地，所述需求态势信息分为普通状态和紧急状态两种类型；
[0020]
步骤2中的“判断小巴是否为紧急状态”的方法具体包括：
[0021]
根据小巴实时采集到的其周围环境感知结果，利用评价函数评估，评估结果分为普通状态和紧急状态两种类型；
[0022]
若所述需求态势信息和评估结果中的任一种为紧急状态类型时，将小巴状态置为紧急状态，否则将小巴状态置为普通状态。
[0023]
进一步地，步骤4中，所述全局规划路径的获取方法具体包括：
[0024]
通过所述云控中心结合所述校园地图信息和所述预定乘车信息，将整个校园环境建模为图模型，其具体包括：
[0025]
将校园环境中的所有校园道路抽象为边v，所有建筑物的各个入口抽象为节点e，建立有向图g＝(v,e)，g＝(v,e)的时空边的总权重w
output
由下式(1)确定：
[0026]
w
output
＝w
distance
w
geometry
w
experience
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)
[0027]
其中，w
distance
代表路径的曼哈顿距离权重，w
geometry
代表路径的几何特性权重，w
experience
代表路径的经验拥堵权重。
[0028]
本发明还提供一种校园无人小巴配置和调度系统，该系统包括：
[0029]
云控中心，其用于接收车辆相关信息和乘客目标的预定乘车信息、向校园内所有小巴发出校园地图信息、以及向距离乘客目标最近的小巴发出车辆调度任务；
[0030]
车载决策控制单元，其用于判断小巴是否为紧急状态，若小巴被判定为紧急状态，则按照优先级的顺序接泊乘客目标，采用动态规划算法产生的规划路线，且在运行过程中关闭招手即停功能，并判断优先级是否降到设定阈值；若小巴被判定为普通状态，并执行所述车辆调度任务，并判断车内当前的乘客目标数目是否小于设定阈值；在车内当前的乘客目标数目小于设定阈值的情形下，开启招手即停功能，在车内当前的乘客目标数目大于或等于设定阈值的情形下，关闭招手即停功能，并按照所述车辆调度任务中的全局规划路径，并利用环境感知结果作为输入，经过计算进行车辆局部路径规划，运送乘客目标至所述预定乘车信息中的目的地；
[0031]
其中，所述优先级的获取方法计算方法包括：
[0032][0033][0034]
式中，f(priority)表示所述优先级，按照从小到大的顺序，所述优先级取值设置在[0,1]的范围内，t
emergency i表示所述需求态势信息为第一紧急程度，t
emergency ii表示所述需求态势信息为第二紧急程度，f(t
waiting
)表示乘客目标的等待时间函数，t表示实际从预订信息发出后至当前时刻的等待时间。
[0035]
进一步地，所述校园地图信息包括被划分成多个小区及每一个所述小区所包含的子区域的id信息，所述车辆相关信息包括小巴位置信息以及小巴所在区域的乘客目标的类别和数量，所述预定乘车信息包括乘客目标的当前位置和需求态势信息；
[0036]
其中，所述云控中心“向距离乘客目标最近的小巴发出车辆调度任务”的方法具体包括：
[0037]
计算乘客目标的当前位置所对应的所述子区域id与该子区域id所在所述小区内的各辆小巴之间的曼哈顿距离；
[0038]
若所述曼哈顿距离小于乘客目标的当前位置所对应的所述小区的半径，则选择向其中所述曼哈顿距离最小的小巴发出车辆调度任务；
[0039]
若所述曼哈顿距离大于乘客目标的当前位置所对应的所述小区的半径，则继续计算乘客目标的当前位置所对应的所述小区周围所有直接相邻的所述小区内小巴与该乘客目标之间的曼哈顿距离，选择向其中曼哈顿距离最小的所述小区的小巴发出车辆调度任务。
[0040]
进一步地，所述需求态势信息分为普通状态和紧急状态两种类型；
[0041]
所述车载决策控制单元“判断小巴是否为紧急状态”的方法具体包括：
[0042]
根据小巴实时采集到的其周围环境感知结果，利用评价函数评估，评估结果分为普通状态和紧急状态两种类型；
[0043]
若所述需求态势信息和评估结果中的任一种为紧急状态类型时，将小巴状态置为紧急状态，否则将小巴状态置为普通状态。
[0044]
进一步地，所述全局规划路径的获取方法具体包括：
[0045]
通过所述云控中心结合所述校园地图信息和所述预定乘车信息，将整个校园环境建模为图模型，其具体包括：
[0046]
将校园环境中的所有校园道路抽象为边v，所有建筑物的各个入口抽象为节点e，建立有向图g＝(v,e)，g＝(v,e)的时空边的总权重w
output
由下式(1)确定：
[0047]
w
output
＝w
distance
w
geometry
w
experience
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)
[0048]
其中，w
distance
代表路径的曼哈顿距离权重，w
geometry
代表路径的几何特性权重，w
experience
代表路径的经验拥堵权重。
[0049]
本发明能够根据乘客的实际需求，灵活对校园无人小巴进行配置和调度，可解决在传统校园小巴在运行过程中路线不合理、等待时间长等问题。
附图说明
[0050]
图1为本发明实施例提供的校园无人小巴配置和调度系统的原理性示意图。
[0051]
图2为本发明实施例提供的校园无人小巴配置和调度方法的流程示意图。
[0052]
图3为本发明实施例提供的向距离乘客目标最近的小巴发出车辆调度任务的应用场景示意图。
具体实施方式
[0053]
下面结合附图和实施例对本发明进行详细的描述。
[0054]
本发明针对乘客的不同需求，给每辆无人小巴分配不同的调度方案，以更快地满足乘客目标需求。
[0055]
如图1和图2所示，本发明实施例提供的校园无人小巴配置和调度方法包括：
[0056]
步骤1，通过云控中心接收车辆相关信息和乘客目标的预定乘车信息、向校园内所有小巴发出校园地图信息、以及向距离乘客目标最近的小巴发出车辆调度任务。
[0057]
其中，云控中心的功能具体体现在如下几方面：
[0058]
一方面，存储功能：云控中心存储车辆管理列表和校园信息。其中，车辆管理列表中实时更新校园每辆小巴的车辆相关信息，比如：小巴的id、位置信息以及小巴所在区域的乘客目标的类别和数量及其相应的历史信息。校园信息包括校园地图、被划分成的多个小区及每一个所述小区所包含的子区域的id信息。
[0059]
另一方面，信息接收功能：云控中心接收来自小巴处理后的周围环境状态信息、来自乘客目标的预定请求和来自外部的校园的实时天气信息。
[0060]
其中，小巴处理后的周围环境状态信息通过小巴配备有环境感知模块获得。环境感知模块获取周围环境状态信息(局部)后，利用机器学习算法进行处理后将其所在小区的乘客目标类别、数量、局部位置等信息上传到云控中心。
[0061]
所述预定乘车信息可以通过即时通信软件等方式进行发送，所述预定乘车信息包括当前位置、目的地以及需求态势信息。
[0062]
所述需求态势信息分为普通状态和紧急状态两种类型。其中，普通状态类型的需求态势包括非紧急通学、运输人物等能够忍耐一定时间内等待的需求。紧急状态类型的需求态势包括上课时间临近、乘客目标生病或乘客目标等待时间过长等无法等待的需求。
[0063]
再一方面，信息发送功能：云控中心按照设定的固定时长，持续向所有无人小巴发送校园高清地图，同时也向小巴发出实时天气状况、以及向距离乘客目标最近的小巴发出车辆调度任务。云控中心可以采用广播形式，采用通信方式不限，实时向每辆小巴发送校园地图和实时天气状况。
[0064]
步骤2，根据车辆调度任务，小巴对当前乘客目标需求态势和外部环境状态进行分析估计，判断小巴的车辆运行状态是否为紧急状态。
[0065]
若判定小巴的车辆运行状态是紧急状态，则进入步骤4。
[0066]
若判定小巴的车辆运行状态为普通状态，并进入步骤3。
[0067]
步骤3，小巴的车辆运行状态为普通状态，则说明所有乘客目标需求均为非紧急需求，可平稳运行，即小巴执行所述车辆调度任务，并判断车内当前的乘客目标数目是否小于设定阈值。
[0068]
若车内当前的乘客目标数目小于设定阈值，则开启招手即停功能，并返回步骤1。若开启招手即停功能，则可以实时将周围有需求的乘客目标接入小巴中，可以减小巴的空载率。
[0069]
若车内当前的乘客目标数目大于或等于设定阈值，则关闭招手即停功能，并进入步骤5。
[0070]
其中，“车内当前的乘客目标数目”可以通过环境感知模块中的前视车载相机，获取视频图像，计算单元通过预训练好的能够实时的人体检测和手势识别模型，分别进行人体检测和手势识别。首先进行人体检测，当在检测到人体后，通过手势识别进行二次识别，若识别为招手，则减速慢行直至到乘客目标面前。人体检测和手势识别的数据经由前视车载相机内的计数模块通过实时计算车内人数获得。当然，也可以采用现有的其它方式获得，在此不一一列举。
[0071]“设定阈值”根据小巴最大载客量确定得到，比如，可以根据小巴的满载座位和校园实际情况依据经验决定，设定阈值设置为最大乘客数量的80％。
[0072]
步骤4，小巴的车辆运行状态为紧急状态，乘客目标的接驳顺序之间存在优先级。云控中心将根据乘客目标状态划分为不同的优先级统一下发给小巴,考虑因素包括乘客预定乘车信息和实际经验。小巴将根据优先级的顺序依次接泊乘客目标。
[0073]
运送过程中，采用动态规划算法产生的规划路线，且在过程中关闭“招手即停”功能，并判断优先级是否降到设定阈值，若优先级降到设定阈值以下，则进入步骤3，这样设置可以减小巴的空载率。若优先级降到设定阈值以上，则进入步骤5。
[0074]
步骤5，按照所述车辆调度任务中的全局规划路径，运送乘客目标至目的地。其中，所述全局规划路径的获取方法具体包括：
[0075]
通过所述云控中心结合所述校园地图信息和所述预定乘车信息，将整个校园环境建模为图模型，建立全局路径规划时各个乘客目标之间无优先级，按照曼哈顿距离由近到远依次进行接驳。所述全局规划方法可以包括但不限于a*、rrt等算法，其具体包括：
[0076]
将校园构建为图模型的方法是考虑各种实际复杂情况下校园的实际情况和乘客的需求，对于校园环境进行网格化处理。具体将所有校园道路抽象为的边v，所有的建筑物的各个入口抽象为节点e，建立有向图g＝(v,e)。采用有向图能够体现在不同时段校园小巴将相同乘客目标在两个地点之间运输具有不同的时空边权重。边的权重考虑多种实际影响运输的因素构成函数，如下式(1)：
[0077]
w
output
＝w
distance
w
geometry
w
experience
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)
[0078]
其中，w
distance
代表路径的曼哈顿距离权重，其由路径的曼哈顿距离决定，距离越大则权重越小。w
geometry
代表路径的几何特性权重，其由道路几何拓扑决定，分为道路宽度、坡度两个因素，根据拟人化经验划分，路段越窄坡度越大则权重越小。w
experience
代表路径的经验拥堵权重，其通过在校园实际情况根据经验获取，经验上越是拥堵的路段则权重越小。w
distance
、w
geometry
、w
experience
的具体数值可以通过经验获取，本实施例中可以各定义为1/3，最后输出总权重w
output
的取值范围为[0,1]，通常选择总权重数值较大时对应的全局路径。
[0079]
在一个实施例中，步骤5中，按照所述车辆调度任务中的全局规划路径，小巴在运行过程中始终开启环境感知，利用环境感知结果作为输入，经过计算进行车辆局部路径规划。所述局部路径是指较短路段内的长路径规划，如200米以内等。所述局部路径规划方法
包括但不限于dwa等算法。其中，环境感知结果由环境感知单元获得，其具备激光、摄像头、毫米波雷达及超声波雷达等多类传感器，能够实时获取周围环境信息和路面信息。
[0080]
通过以上步骤就能够在较短时间内，实现满足以上安全、平稳和人性化特性下的校园内乘客目标的交通需求。
[0081]
在一个实施例中，“向距离乘客目标最近的小巴发出车辆调度任务”的方法具体包括：
[0082]
步骤11，计算乘客目标的当前位置所对应的所述子区域id与该子区域id所在所述小区内的各辆小巴之间的曼哈顿距离。
[0083]
步骤12，若步骤11计算得到的曼哈顿距离小于乘客目标的当前位置所对应的所述小区的半径，则选择向其中所述曼哈顿距离最小的小巴发出车辆调度任务；
[0084]
步骤13，若步骤11计算得到的曼哈顿距离大于乘客目标的当前位置所对应的所述小区的半径，则继续计算乘客目标的当前位置所对应的所述小区周围所有直接相邻的所述小区内小巴与该乘客目标之间的曼哈顿距离，选择向其中曼哈顿距离最小的所述小区的小巴发出车辆调度任务。
[0085]
计算例如图3所示。校园内两个临近小区1和2，每个小区内部分为9个子区域，每个子区域之间距离为1。假设人员1位于小区1的9子区域需要乘车时，若在1和5子区域同时具有小巴，小巴1到人员1的曼哈顿距离为3，而小巴2到人员1的距离为曼哈顿距离为5，则此时向小巴1发送调度任务。若此时不存在小巴1，而只有小巴2，则因临近小区2中具备小巴3，而小巴3距离人员1的距离为1，则将车辆调度任务发送给小巴3。
[0086]
当然，也可以采用上述实施例之外的其它方式向距离乘客目标最近的小巴发出车辆调度任务，核心在于找到距离乘客目标最近的小巴，在此不再展开描述。
[0087]
在一个实施例中，步骤2中的“判断小巴是否为紧急状态”的方法具体包括：
[0088]
根据小巴实时采集到的其周围环境感知结果，利用外部环境状态的评价函数进行评估，评估结果分为普通状态和紧急状态两种类型。评价函数输入为环境感知结果，需经过人工标定为普通状态或紧急状态。利用人工标定后的数据进行分类算法的训练。所用分类方法可为机器学习中的任一分类算法，包括但不限于逻辑回归、支持向量机和神经网络等方法。
[0089]
若所述需求态势信息和评估结果中的任一种为紧急状态类型时，将小巴状态置为紧急状态，否则将小巴状态置为普通状态。
[0090]
在一个实施例中，步骤4中，优先级的计算主要考虑2种因素：乘客目标态势紧急程度t
emergency
与乘客目标等待时间t
waiting
。所述优先级的获取方法计算方法包括：
[0091][0092][0093]
式中，f(priority)表示所述优先级，按照从小到大的顺序，所述优先级取值设置在[0,1]的范围内，当为1时优先级最大，其对应为小巴最先接驳的目标。t
emergency i表示所述需求态势信息为第一紧急程度，即最高紧急程度，比如对乘客目标的生命造成威胁级别，
此种情况出现可能极少，只要出现则应马上处理。t
emergency ii表示所述需求态势信息为第二紧急程度，比如乘客目标急需上课等时间紧迫型需求，通常呈现为离散值，比如0.1、0.5、0.8其中一个值。f(t
waiting
)表示乘客目标的等待时间函数，t表示实际从预订信息发出后至当前时刻的等待时间。
[0094]
确定优先级后所用调度规划方法与上述实施例中的所述全局规划路径的获取方法相同，不同的是每次仅针对单个乘客目标进行规划计算，也可以采用动态规划算法进行规划计算，直接使得小巴直接到达当前优先级最高乘客目标。
[0095]
紧急状态下小巴乘客目标整体优先级低于设定乘客目标整体优先级，则将小巴从紧急状态调整为普通状态。设定的乘客目标整体优先级的确定方法首要条件为乘客目标优先级中没有t
emergency i类任务，其次就是f(priority)＜h，h为设定阈值，例如设定阈值可定为0.8。
[0096]
本发明实施例还提供一种校园无人小巴配置和调度系统，该系统包括云控中心和车载决策控制单元：
[0097]
云控中心用于接收车辆相关信息和乘客目标的预定乘车信息、向校园内所有小巴发出校园地图信息、以及向距离乘客目标最近的小巴发出车辆调度任务；
[0098]
车载决策控制单元用于判断小巴是否为紧急状态，若小巴被判定为紧急状态，则按照优先级的顺序接泊乘客目标，采用动态规划算法产生的规划路线，且在运行过程中关闭招手即停功能，并判断优先级是否降到设定阈值；若小巴被判定为普通状态，并执行所述车辆调度任务，并判断车内当前的乘客目标数目是否小于设定阈值；在车内当前的乘客目标数目小于设定阈值的情形下，开启招手即停功能，在车内当前的乘客目标数目大于或等于设定阈值的情形下，关闭招手即停功能，并按照所述车辆调度任务中的全局规划路径，运送乘客目标至所述预定乘车信息中的目的地；
[0099]
其中，所述优先级的获取方法计算方法包括：
[0100][0101][0102]
式中，f(priority)表示所述优先级，按照从小到大的顺序，所述优先级取值设置在[0,1]的范围内，t
emergency i表示所述需求态势信息为第一紧急程度，t
emergency ii表示所述需求态势信息为第二紧急程度，f(t
waiting
)表示乘客目标的等待时间函数，t表示实际从预订信息发出后至当前时刻的等待时间。
[0103]
云控中心与车载决策控制单元之间通过通信单元进行信息交互，实现云控与局部感知的结合以对路段更好感知。
[0104]
在一个实施例中，所述校园地图信息包括被划分成多个小区及每一个所述小区所包含的子区域的id信息，所述车辆相关信息包括小巴位置信息以及小巴所在区域的乘客目标的类别和数量，所述预定乘车信息包括乘客目标的当前位置和需求态势信息；
[0105]
其中，所述云控中心“向距离乘客目标最近的小巴发出车辆调度任务”的方法具体包括：
[0106]
计算乘客目标的当前位置所对应的所述子区域id与该子区域id所在所述小区内的各辆小巴之间的曼哈顿距离；
[0107]
若所述曼哈顿距离小于乘客目标的当前位置所对应的所述小区的半径，则选择向其中所述曼哈顿距离最小的小巴发出车辆调度任务；
[0108]
若所述曼哈顿距离大于乘客目标的当前位置所对应的所述小区的半径，则继续计算乘客目标的当前位置所对应的所述小区周围所有直接相邻的所述小区内小巴与该乘客目标之间的曼哈顿距离，选择向其中曼哈顿距离最小的所述小区的小巴发出车辆调度任务。
[0109]
在一个实施例中，所述需求态势信息分为普通状态和紧急状态两种类型；
[0110]
所述车载决策控制单元“判断小巴是否为紧急状态”的方法具体包括：
[0111]
根据小巴实时采集到的其周围环境感知结果，利用评价函数评估，评估结果分为普通状态和紧急状态两种类型；
[0112]
若所述需求态势信息和评估结果中的任一种为紧急状态类型时，将小巴状态置为紧急状态，否则将小巴状态置为普通状态。
[0113]
在一个实施例中，所述全局规划路径的获取方法具体包括：
[0114]
通过所述云控中心结合所述校园地图信息和所述预定乘车信息，将整个校园环境建模为图模型，其具体包括：
[0115]
将校园环境中的所有校园道路抽象为边v，所有建筑物的各个入口抽象为节点e，建立有向图g＝(v,e)，g＝(v,e)的时空边的总权重w
output
由下式(1)确定：
[0116]
w
output
＝w
distance
w
geometry
w
experience
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)
[0117]
其中，w
distance
代表路径的曼哈顿距离权重，w
geometry
代表路径的几何特性权重，w
experience
代表路径的经验拥堵权重。
[0118]
校园无人小巴集成环境感知单元、决策控制单元、通信单元等部分。环境感知单元部分具备激光、摄像头、毫米波雷达及超声波雷达等多类传感器，能够实时获取周围环境信息和路面信息。决策控制单元控制无人小巴在校园内的局部和全局路径规划。通信单元能够实时接收云控中心的信息，实现云控与局部感知的结合以对路段更好感知。
[0119]
综合以上模块能够实现校园小巴的安全、平稳和人性化的配置调度。现有人工驾驶调度方法一般基于预设的路线运行，而没有考虑校园环境下乘客目标的周期性出行分布、人车混流、不同天气状况和实时特殊需求。且校园小巴一般分配到校园各处，针对乘客的不同需求，应该给每辆车分配不同的调度方案，以更快地满足乘客目标需求，整体过程示意图如图1所示。
[0120]
最后需要指出的是：以上实施例仅用以说明本发明的技术方案，而非对其限制。本领域的普通技术人员应当理解：可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。