具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。

技术方案如图1所示：

(1)第一阶段自动驾驶车辆通过搭载的惯导、GPS等定位装置得到自身的位置信息，然后通过无线通信技术将自身基本状态信息(包括但不限于车辆长、宽、高以及车辆唯一标志等信息)和行驶状态信息(包括但不限于位置、速度以及加速度等信息)上传到车路协同系统。

图2给出了车辆-云端通信系统架构，其通常包括了以下几个子系统：

1、无线电通信系统——接收和发送信号。

2、天线——实现射频信号的接收和发送。

3、信息处理计算单元主要负责将其接收到的数据的数据进行统一规划处理。

车辆通过惯导、GPS等定位装置获取车辆的位置信息，然后通过无线通信技术将车辆速度、加速度、转向灯状以及方向盘转角等各种行驶状态信息和基本状态信息上传到云端，由于V2X车载设备单元的数据发送取决于自身定位系统，当定位失效时，V2X车载设备单元不向外广播消息，其发送频率和定位数据更新频率相同。这造成不同传感器的采样频率并不相同，从而会导致对本车及远车当前时刻的状态进行计算时存在较大的误差，因此若采样的数据并不在同一时间点，那么对本车及邻车的状态信息的确定是毫无意义的。因为相较于雷达、摄像头等传统传感器设备，惯导及GPS定位装置采样频率低，因此我们需要对惯导及GPS定位装置所采集的车辆状态信息参数进行插值处理，以确保不同传感器的数据同步。

假设插值前GPS定位装置采集的经纬度坐标分别为L₀和B₀，插值后的经纬度坐标为L和B，则有以下插值公式：

其中ΔL与ΔB分别表示经纬度坐标的的插值偏移量，计算公式为：

其中，v_h表示车辆行驶速度，Δt表示插值时间间隔，表示车辆航向角，l表示同一经度下纬度增加一度的距离。

同理，惯导及GPS定位装置采集的其余参数以相同的计算原理来进行插值处理，最终确保所有传感器上的数据采集时间上的同步，从而达到各模型的输入要求。

合适的坐标系选择，能有效地简化碰撞危险点的分析过程并减少计算量，从而有效增加对于车辆运动状态预测的精度。通过GPS定位装置采集的在WGS-84坐标系下表示的车辆位置信息，转换为空间大地直角坐标系下来表示。即将WGS-84坐标系下的位置参数(L,B,H),转换为空间直角坐标系下的位置参数(X,Y,Z),具体计算公式如下：

其中，为卯酉圈的半径

式中，a为地球椭圆长半轴，b为地球椭圆短半轴。

如图3中所示的十字路口，其中心为O，中心线经过O的双向三车道道路交叉于汇合区域(由方形虚线标出，是边长为p的正方形)。车路协同系统通过与到达的车辆通信进行车辆统一调度，其作用范围由圆形标出。调度区域的各个入口与汇合区域的距离相同，记为q。

(2)第二阶段获取空间大地直角坐标系中的道路区域宽度信息、道路入口坐标信息，并结合即将驶入路口的车辆的坐标、转向灯信息向未进入调度区的车辆下达提前进入与目标方向相匹配的车道指令。车辆x进入调度区域时明确自己唯一的行驶路线z(x)＝g(X)+3r(x)，其中r(x)∈{0,1,2,3}是车辆通过路口前所在路口的编号，分布如图2所示；g(x)＝{1,2,3}分别代表车辆的目标方向(右转，直行或者左转)。例如，假设车辆x的出发路口为r(x)＝0，目标方向是右转则g(x)＝2，则其行驶路线编号z(x)＝2+3*0＝2。类似地，可以计算得知z(x)∈{2,5,8,11}时车辆为直线行驶。

车辆与车路协同系统进行信息交换及处理的具体步骤如下：

①车辆将自身所在路口的编号与预期行驶方向上传至车路协同云端，车路协同云端则将当前时间t与调度区域内所有车辆的信息总集(以下简称为路况总集)B(t)传输给车辆，其中每一辆车的信息集表示为b(x)＝{x,T(x),z(x)}∈B(t)，T(x)是车辆预计到达路口的时间；

②车辆计算出到达路口的预定时间并制定运动计划，最终生成属于自身的信息集并上传给车路协同云端；

③车路协同云端将此车辆的信息集加入到B(t)中，并根据所有车辆到达时间的先后顺序重新排B(t)，车辆则开始执行行驶计划。当车辆离开调度区域后，车路协同系统将从总集中删除该车辆相关的信息集。

(3)第三阶段将汇合区域内车辆之间可能产生的冲突进行分类，记为c(x)∈{0,1,2}，其中x与y代表两辆不同的车。另一个因素是得到初始方案所需要的物理约束，在汇合区域外，车辆速度需满足式(1)所示的约束:

0<v(x,t)<v_max(x) (1)

其中v(x,t)是车辆x在时间t的速度(汇合区域外)，v_max(x)是由车辆自身与道路决定的极限速度。在汇合区域内，车辆速度约束由式(2)表达:

0<v_cross(x,t)<v_c(x) (2)

v_cross(x,t)是车辆x在汇合区域内的速度，v_c(x)是车辆在汇合区域内的速度上限。如果车辆是直行经过路口，其速度上限即为车辆能够达到的最大速度v_max(x)；如果车辆经过路口时需要转向，则其速度上限是转弯时超过此速度则容易发生事故。

其中，μ是地面摩擦系数，g为重力加速度，R∈{R₁,R₂}为转弯半径。R₁与R₂分别是右转弯道(例如图3中方向1所在路线)与左转弯道(例如图3中方向3所在路线)的半径。

在图3所定义的模型下，路线z₁，z₂之间的关系e(z₁，z₂)属于且仅属于以下的三个子集之一。

①α：选择z₁与z₂的车辆存在侧撞的可能。

②β：选择z₁与z₂的车辆存在追尾的可能。

③γ：z₁与z₂没有相交之处，分别以它们作为规划路径的车辆之间没有碰撞风险。

在此基础上，可以确定任意两辆车x与y的冲突类型，如式(4)所示:

不同的两辆车x,y之间在相互之间不存在碰撞风险的前提下，计划到达的最小时间间隔称为d(x,t)，其值由两车之间的冲突类型决定。具体定义如式(5)所示:

其中δ(x,y)为两车避免追尾的安全距离，v_x与v_y分别是车辆x与y到达路口时的预计速度，s₀为车辆x在汇合区域内部分行驶路线的长度，c(x,y)为两车通过路口时的最小时间间隔。

(4)第四阶段计算车辆x在不考虑其他车辆的前提下自身能够到达路口的最早时间，该理论到达时间假设为T₀(x)。对T₀(x)的计算根据车辆的路线类型不同(直行/弯道)分为两种情形。

直行车辆理论到达时间：

①当车辆x能够在到达路口之前加速到极限速度，在这种情形下，车辆将持续加速直至到达极限速度，随后保持速度巡航至路口汇合区域，如式(6)所示:

其中，a_x为车辆x的加速度，v₀(x)是车辆进入调度区域时刻的速度。

②当车辆x无法在到达路口之前加速到极限速度，此时车辆全程进行加速，如式(7)所示：

转弯车辆理论到达时间：

①当车辆x能够在行驶过程中加速到极限速度，并在到达汇合区域前能够安全地减速至此时车辆的理论到达时间表达为式(8)所示：

其中，

②当车辆x能够在行驶过程中加速到极限速度但不能够在到达汇合区域前安全地减速至或者车辆x在到达汇合区域前的速度最大只能加速到此时车辆的理论到达时间表达为式(9)所示：

通过上述计算获得车辆的理论最早到达时间点之后，车辆x即可据此生成临时信息集，即b_m(x)＝{x,T₀(x),z(x)}，然后将其加入车路协同云端统计的该路口本时刻路况数据总集B(t)中，并将路况总集根据到达时间按照先后顺序进行重新排序，形成含有车辆x信息的有序临时集合，记为B_m(x,t)。

(5)第五阶段根据车辆x信息的有序临时集合B_m(x,t)对即将通过该路口的车辆进行排序，通过的顺序按照先到先通过的原则进行排序。由于本发明中通过此路口的车辆均为自动驾驶的车辆，当出现两个或者多个方向的车辆同时到达路口情况时，为确保车辆通过的安全性和高效性，因此增加一个通行规则：

①转弯让直行；

②先进入目标路口的车辆先行。

基于以上原则全局统一规划车辆通过该路口的顺序和速度，算法具体下:对待调度的车辆x，首先以其理论最早到达时间T₀(x)作为备选到达时间，与此同时考虑临时生成的集合B_m(x,t)，并在符合此有序临时集合所描述的车辆的到达顺序下，尝试为x获取尽可能早的计划到达时间T(x)，如果在当前的顺序下车辆x面临无法避免的碰撞风险，则算法将向后生成新的备选时间，更新车辆x的临时信息集b_m(x)并重新排临时集合B_m(x,t)。在此之后进行新一轮的尝试，如此循环直至确定车辆的计划到达时间。

(6)第六阶段计算车辆x通过该路口备选时间T_m(x),然后根据备选时间计算出其通过该路口备选通行行驶状态。

若车辆x与集合B_m(x,t)中先于其通过该路口的车辆y不存碰撞时，则T_m(x)＝T₀(x)；

若车辆x与集合B_m(x,t)中先于其通过该路口的车辆y存在侧撞时，则

若车辆x与集合B_m(x,t)中先于其通过该路口的车辆y存在追尾时，则

需要指出，根据实施的需要，可将本申请中描述的各个步骤/部件拆分为更多步骤/部件，也可将两个或多个步骤/部件或者步骤/部件的部分操作组合成新的步骤/部件，以实现本发明的目的。

本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。