一种拥堵路段车辆引导系统及方法与流程

1.本发明涉及基于算力共享和智能网联边缘计算协同技术领域，尤其涉及一种拥堵路段车辆引导系统及方法。


背景技术：

2.随着经济的发展，汽车保有量正在逐步上升。虽然现在大部分城市都实行了单双号限行政策减少行驶中的汽车，但是当早高峰晚高峰期间，在一些易拥堵的路口或路段，还是会出现大面积的拥堵。并且在拥堵路段，如果仅靠司机自身，很难在复杂的路况下保障拥堵路段车辆的畅通或避让特种车辆；且拥堵路段的车辆往往处于低速运行状态，此状态下行驶车辆的空闲算力资源也会被浪费。


技术实现要素：

3.本发明的目的是提供一种拥堵路段车辆引导系统及方法，能提供低时延、高效率和高性能的拥塞控制服务，缓解道路车辆拥堵。
4.为实现上述目的，本发明提供一种拥堵路段车辆引导系统，包括路端设备 、车端和用于与路端设备和车端建立通信的云端服务器；所述路端设备，包括：感知融合模块，用于实时感知所覆盖路段内的车辆信息和环境信息；拥堵分析模块，用于根据车辆信息和环境信息分析是否存在拥堵风险，能够将拥堵情况和风险预警上传至云端服务器并下发至所覆盖路段内的各车辆，根据环境信息分析是否有优化所覆盖路段内红绿灯的时间的需求以及能够将需求上传至云端服务器并通过云端服务器下达优化交通灯的指令至交通灯；拥堵规划模块，用于根据车辆信息和环境信息规划出拥堵路段内车辆的前行车道建议并将建议下发至还未进入该拥堵路段的车辆以进行提醒；所述拥堵规划模块和拥堵分析模块分别与感知融合模块连接，所述拥堵分析模块与云端服务器连接。
5.进一步，每个车端上都设置有用于将车辆的空闲的算力共享至路端设备的第一算力共享模块；所述路端设备还包括用于收集所覆盖路段内车辆的部分空闲算力并将获得的空闲算力运送至感知融合模块和拥堵规划模块的第二算力共享模块。
6.进一步，所述感知融合模块包括用于与车辆通讯的v2x通讯单元和用于实时感知所覆盖路段内的车辆信息和环境信息的视觉单元。
7.进一步，所述车辆信息包括车辆数量、车速和各个车辆的车道位置；所述环境信息包括车祸信息和故障车辆灯信息。
8.本发明还提供一种拥堵路段车辆引导方法，利用所述的拥堵路段车辆引导系统，步骤包括：
（s1）感知融合模块实时感知所覆盖路段内的车辆信息和环境信息；（s2）拥堵分析模块根据车辆信息和环境信息判断该路段是否拥堵，若是，转至执行步骤（s3）；否则，转至执行步骤（s6）；（s3）拥堵规划模块根据车辆信息和环境信息规划出该拥堵路段内车辆的前进车道建议并下发至还未进入该拥堵路段的车辆以进行提醒；（s4）拥堵分析模块判断是否有优化所覆盖路段内红绿灯的时间的需求，若是，转至步骤（s5）；否则，继续执行步骤（s4）；（s5）将该需求上传至云端服务器并通过云端服务器下达优化交通灯的指令至交通灯；（s6）拥堵分析模块（3）根据车辆信息和环境信息判断是否存在拥堵风险，若是，转至步骤（s7）；否则，继续执行步骤（s6）；（s7）将拥堵情况和风险预警上传至云端服务器并下发至所覆盖路段内的各车辆；（s8）拥堵分析模块判断是否有优化所覆盖路段内红绿灯的时间的需求，若是，将该需求上传至云端服务器并通过云端服务器下达优化交通灯的指令至交通灯，流程结束；否则，继续执行步骤（s8）。
9.进一步，所述拥堵分析模块根据车辆信息和环境信息判断该路段是否拥堵，具体执行以下步骤：拥堵分析模块根据路端设备获取其所覆盖区域的车辆信息和环境信息；计算该路段内当前的车辆数；判定该路段内当前的车辆数是否大于拥堵车辆阈值或出现异常事件，若是，则该路段拥堵，转至执行步骤（s3）；否则，该路段不拥堵，转至执行步骤（s6）；其中，异常事件包括出现车祸或故障车辆。
10.进一步，所述拥堵分析模块判断是否有优化所覆盖路段内红绿灯的时间的需求，具体执行以下步骤：（s81）拥堵分析模块根据路端设备获得的红绿灯信息、红绿灯前的车辆数和该路段内的车辆数；（s82）判断该路段内的车辆数是否大于第一拥堵车辆阈值，若是，则有调整该路段周围的交通灯的通行时间来减少进入该路段的车辆的需求，将该需求上传至云端服务器并通过云端服务器下达优化交通灯的指令至对应的交通灯；否则，继续执行步骤（s82）；判断该路段内红绿灯前车辆数是否大于第二拥堵车辆阈值，若是，则有调整该路段内的交通灯的通行时间来加快车辆驶出以减少该路段内的车辆数的需求，将该需求上传至云端服务器并通过云端服务器下达优化交通灯的指令至对应的交通灯；否则，继续执行步骤（s82）。
11.进一步，拥堵分析模块根据车辆信息和环境信息判断是否存在拥堵风险，具体执行以下步骤：拥堵分析模块根据路端设备获取其所覆盖区域的车辆信息和环境信息；计算该路段内当前的车辆数；判定该路段内当前的车辆数是否大于拥堵风险车辆阈值或出现异常事件，若是，则该路段存在拥堵风险，转至执行步骤（s3）；否则，该路段不存在拥堵风险，转至执行步骤
（s6）。
12.本发明还提供一种拥堵路段车辆引导方法，利用所述的拥堵路段车辆引导系统，步骤包括：（a1）云端服务器响应于接收到需求车辆的紧急通行需求；所述紧急通行需求包括目的地信息；（a2）云端服务器将紧急通行需求下发至沿途的路端设备；（a3）路端设备规划其所覆盖区域内的其他车辆的行进车道，并将反馈建议下发至各车辆；（a4）路端设备监测需求车辆是否通过，若是，将该通行结果上传至云端服务器；否则，转至执行步骤（a4）。
13.进一步，需求车辆为特种车辆，特种车辆包括救护车和消防车。本发明与现有技术相比较具有以下优点：本发明的拥堵路段车辆引导系统及方法，通过将感知融合模块和拥堵规划模块设置于路端，云端服务器（监控平台）只负责收发相应的信息，包括路端设备、车端、交通信号灯的信息等，由路端设备对其所覆盖区域的信息进行处理计算，能够更好的降低时延、提高方法的实时性；通过将云端服务器、路端、车端两两相联，路端设备能够精准的对每一辆拥堵车辆做出合理的行进车道的规划，云端能够通过各个路端设备和车端反馈的信息，宏观地获取整个拥堵路段的信息；通过算力共享模块，共享路端设备所覆盖拥堵车辆的空闲算力资源，从而减少了路端设备的计算压力，减少了由大面积拥堵给路端设备带来的拥堵规划计算压力；且还能够较好地处理拥堵路段的特种车辆（如救护车、消防车）通行问题，由特种车辆向路端设备与云端服务器发起紧急通行需求，由路端设备规划紧急通行路线，并提前让该路线上的拥堵车辆让行。
附图说明
14.图1为本发明拥堵路段车辆引导系统的示意图；图2为本发明一实施例拥堵路段车辆引导方法的流程图；图3为本发明另一实施例拥堵路段车辆引导方法的流程图。
15.图中：1-感知融合模块；2-拥堵规划模块；3-拥堵分析模块；4-第二算力共享模块；5-第一算力共享模块。
具体实施方式
16.下面结合附图对本发明的具体实施方式作进一步说明。
17.参见图1所示，本实施例公开了一种拥堵路段车辆引导系统，包括路端设备（rsu） 、车端和用于与路端设备和车端建立通信的云端服务器；所述路端设备，包括：感知融合模块1，用于实时感知所覆盖路段内的车辆信息和环境信息；拥堵分析模块3，用于根据车辆信息和环境信息分析是否存在拥堵风险，能够将拥堵情况和风险预警上传至云端服务器并下发至所覆盖路段内的各车辆，根据环境信息分析
是否有优化所覆盖路段内红绿灯的时间的需求以及能够将需求上传至云端服务器并通过云端服务器下达优化交通灯的指令至交通灯；拥堵规划模块2，用于根据车辆信息和环境信息规划出拥堵路段内车辆的前行车道建议并将建议下发至还未进入该拥堵路段的车辆以进行提醒；通过提醒车辆绕行，避免了更多的车辆进入拥堵路段，从而缓解该拥堵路段的车辆拥堵问题；所述拥堵规划模块2和拥堵分析模块3分别与感知融合模块1连接，所述拥堵分析模块3与云端服务器连接。第一算力共享模块5和第二算力共享模块4能够减少算力资源的浪费并减轻路端设备的计算压力。
18.本发明的拥堵路段车辆引导系统是基于算力共享和智能网联边缘计算协同的拥堵路段车辆引导方法，能够缓解城市内重点拥堵区域的车辆拥堵问题；将处理计算的模块置于路端设备，云端设备起到监测，指令下发的功能，使其能够实时的与车辆进行信息交互，提供低时延、高效率和高性能的拥塞控制服务，缓解了道路车辆拥堵的情况。
19.在本实施例中，每个车端上都设置有用于将车辆的空闲的算力共享至路端设备的第一算力共享模块5；所述路端设备还包括用于收集所覆盖路段内车辆的部分空闲算力并将获得的空闲算力运送至感知融合模块1和拥堵规划模块2的第二算力共享模块4。
20.在本实施例中，所述感知融合模块1包括用于与车辆通讯的v2x通讯单元和用于实时感知所覆盖路段内的车辆信息和环境信息的视觉单元。通过v2x通讯单元将车端与路端设备相连，通过4g/5g将路端设备与云端服务器相连，通过4g/5g将云端设备与车端相连，更方便消息的传输。
21.在本实施例中，所述车辆信息包括车辆数量、车速和各个车辆的车道位置。
22.在本实施例中，所述环境信息包括车祸信息和故障车辆灯信息。通过收集到的环境信息得知是否发生车祸和是否出现故障灯信息。
23.参见图2所示，本实施例还公开了一种拥堵路段车辆引导方法，利用上述的拥堵路段车辆引导系统，步骤包括：（s1）感知融合模块1实时感知所覆盖路段内的车辆信息和环境信息；（s2）拥堵分析模块3根据车辆信息和环境信息判断该路段是否拥堵，若是，转至执行步骤（s3）；否则，转至执行步骤（s6）；（s3）拥堵规划模块2根据车辆信息和环境信息规划出该拥堵路段内车辆的前进车道建议并下发至还未进入该拥堵路段的车辆以进行提醒；（s4）拥堵分析模块3判断是否有优化所覆盖路段内红绿灯的时间的需求，若是，转至步骤（s5）；否则，继续执行步骤（s4）；（s5）将该需求上传至云端服务器并通过云端服务器下达优化交通灯的指令至交通灯；（s6）拥堵分析模块3根据车辆信息和环境信息判断是否存在拥堵风险，若是，转至步骤（s7）；否则，继续执行步骤（s6）；（s7）将拥堵情况和风险预警上传至云端服务器并下发至所覆盖路段内的各车辆；（s8）拥堵分析模块3判断是否有优化所覆盖路段内红绿灯的时间的需求，若是，将该需求上传至云端服务器并通过云端服务器下达优化交通灯的指令至交通灯，流程结束；
否则，继续执行步骤（s8）。
24.在本实施例中，所述拥堵分析模块3根据车辆信息和环境信息判断该路段是否拥堵，具体执行以下步骤：拥堵分析模块3根据路端设备获取其所覆盖区域的车辆信息和环境信息；计算该路段内当前的车辆数；判定该路段内当前的车辆数是否大于拥堵车辆阈值或出现异常事件，若是，则该路段拥堵，转至执行步骤（s3）；否则，该路段不拥堵，转至执行步骤（s6）；其中，异常事件包括出现车祸或故障车辆。通过分析当前时段的车辆信息，由驶入该路段的车辆数和驶出的车辆数，计算出该路段内当前的车辆数。
25.在本实施例中，所述拥堵分析模块3判断是否有优化所覆盖路段内红绿灯的时间的需求，具体执行以下步骤：（s81）拥堵分析模块3根据路端设备获得的红绿灯信息、红绿灯前的车辆数和该路段内的车辆数；（s82）判断该路段内的车辆数是否大于第一拥堵车辆阈值，若是，则有调整该路段周围的交通灯的通行时间来减少进入该路段的车辆的需求，将该需求上传至云端服务器并通过云端服务器下达优化交通灯的指令至对应的交通灯；否则，继续执行步骤（s82）；判断该路段内红绿灯前车辆数是否大于第二拥堵车辆阈值，若是，则有调整该路段内的交通灯的通行时间来加快车辆驶出以减少该路段内的车辆数的需求，将该需求上传至云端服务器并通过云端服务器下达优化交通灯的指令至对应的交通灯；否则，继续执行步骤（s82）。
26.在本实施例中，拥堵分析模块3根据车辆信息和环境信息判断是否存在拥堵风险，具体执行以下步骤：拥堵分析模块3根据路端设备获取其所覆盖区域的车辆信息和环境信息；计算该路段内当前的车辆数；判定该路段内当前的车辆数是否大于拥堵风险车辆阈值或出现异常事件，若是，则该路段存在拥堵风险，转至执行步骤（s3）；否则，该路段不存在拥堵风险，转至执行步骤（s6）。其中，拥堵风险车辆阈值小于拥堵车辆阈值。
27.参见图3所示，本实施例还公开了一种拥堵路段车辆引导方法，利用上述的拥堵路段车辆引导系统，步骤包括：（a1）云端服务器响应于接收到需求车辆的紧急通行需求；所述紧急通行需求包括目的地信息；（a2）云端服务器将紧急通行需求下发至沿途的路端设备；（a3）路端设备规划其所覆盖区域内的其他车辆的行进车道，并将反馈建议下发至各车辆；（a4）路端设备监测需求车辆是否通过，若是，将该通行结果上传至云端服务器；否则，转至执行步骤（a4）。
28.在本实施例中，需求车辆为特种车辆，特种车辆包括救护车和消防车。本发明的拥堵路段车辆引导系统及方法，通过将感知融合模块和拥堵规划模块设置于路端，云端服务器（监控平台）只负责收发相应的信息，包括路端设备、车端、交通信号
灯的信息等，由路端设备对其所覆盖区域的信息进行处理计算，能够更好的降低时延、提高方法的实时性；通过将云端服务器、路端、车端两两相联，路端设备能够精准的对每一辆拥堵车辆做出合理的行进车道的规划，云端能够通过各个路端设备和车端反馈的信息，宏观地获取整个拥堵路段的信息；通过算力共享模块，共享路端设备所覆盖拥堵车辆的空闲算力资源，从而减少了路端设备的计算压力，减少了由大面积拥堵给路端设备带来的拥堵规划计算压力；且还能够较好地处理拥堵路段的特种车辆（如救护车、消防车）通行问题，由特种车辆向路端设备与云端服务器发起紧急通行需求，由路端设备规划紧急通行路线，并提前让该路线上的拥堵车辆让行。
29.以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。