本發(fā)明涉及智能車領域，具體涉及一種基于acp方法的平行智能車控制系統(tǒng)。

背景技術：

無人駕駛能夠帶來更加安全、高效、舒適的駕駛體驗，已經(jīng)成為全球范圍內(nèi)業(yè)界的共識。因此，英國、美國、德國、日本和中國等多個國家已經(jīng)在積極進行無人駕駛車輛的研發(fā)工作。

但是，目前無人駕駛車輛面臨兩大主要問題：

一、安全性和可靠性較差

當無人駕駛系統(tǒng)無法識別復雜環(huán)境時，會導致交通事故和人員傷亡。安全性主要受制于算法不完善及系統(tǒng)靈敏度低，可靠性主要由設備故障，系統(tǒng)宕機及感知系統(tǒng)誤檢引起。

二、價格昂貴

無人駕駛車輛對傳感器的要求很高，需要配置高精度傳感器。如多線激光測距儀、微波雷達、高精度gps等。

無人駕駛車輛昂貴的價格及安全性限制了其廣泛應用。傳統(tǒng)的解決方案一般是通過使用高精度設備和復雜的傳感器感知技術來得到安全性的提高，但同時提高了車輛成本；若采用普通設備及簡單技術，雖然降低了車輛成本，其可靠性卻不能保證。

現(xiàn)有發(fā)明cn105489053a(發(fā)明名稱：一種基于acp方法的平行停車系統(tǒng)構建方法，公布日：2016.04.13)acp指的是人工系統(tǒng)(artificialsystems)、計算實驗(computationalexperiments)和平行執(zhí)行(parallelexecution)。該發(fā)明以平行執(zhí)行的方式建立人工停車系統(tǒng)和實際停車系統(tǒng)之間的滾動優(yōu)化過程，利用人工停車系統(tǒng)為實際停車系統(tǒng)的建立提供指導方案，使現(xiàn)有的停車資源得到最大效率的使用。該發(fā)明僅用于停車指導，未提出對道路上行駛的車輛的指導策略，特別是未提出對無人車安全可靠行駛的解決方案，且沒有提出降低無人車車輛成本的方法。

技術實現(xiàn)要素：

為了解決現(xiàn)有技術中的上述問題，本發(fā)明提出了一種基于acp方法的平行智能車控制系統(tǒng)，不僅大大降低了車輛成本，并且有效解決了無人駕駛車輛的安全性問題，提高了通行效率及整體協(xié)同程度。

本發(fā)明提出一種基于acp方法的平行智能車控制系統(tǒng)，包括：平行控制中心和實際車路系統(tǒng)；

所述平行控制中心，包括：計算控制中心和人工車路系統(tǒng)；

所述計算控制中心，配置為：根據(jù)所述實際車路系統(tǒng)采集的行車參數(shù)和路況信息，計算多種行車控制策略，在人工車路系統(tǒng)中進行實驗；根據(jù)實驗結果選擇控制策略，在人工車路系統(tǒng)與實際車路系統(tǒng)中平行執(zhí)行；

所述人工車路系統(tǒng)，為基于大型計算機的虛擬系統(tǒng)，根據(jù)所述實際車路系統(tǒng)采集的行車參數(shù)和路況信息構建而成；配置為：根據(jù)所述計算控制中心提供的指令執(zhí)行，并向所述計算控制中心發(fā)送執(zhí)行過程中的相關數(shù)據(jù)。

優(yōu)選地，所述實際車路系統(tǒng)，為無人車實際運行的道路環(huán)境系統(tǒng)，配置為：采集無人車的行車參數(shù)和路況信息，傳送到所述計算控制中心；并執(zhí)行計算控制中心的指令，控制無人車在道路上行駛。

優(yōu)選地，所述行車參數(shù)為無人車內(nèi)車載傳感器采集到的參數(shù)，包括：速度、加速度、方向盤轉角、油門剎車信息；

優(yōu)選地，所述路況信息為路側設備采集的信息，包括：路側交通燈信息、攝像頭拍攝的信息、雷達測距信息。

優(yōu)選地，在平行執(zhí)行過程中，按預設的時間周期采集無人車的行車參數(shù)和路況信息，并對所述人工車路系統(tǒng)進行修正。

優(yōu)選地，所述人工車路系統(tǒng)，包括虛擬的靜態(tài)模型和動態(tài)模型；

所述靜態(tài)模型，包括實際交通環(huán)境中的建筑物、樹木、道路安全設施、標志牌、信號燈、路面交通標志線；

所述動態(tài)模型，包括：智能車輛模型以及自身決策規(guī)劃模型、隨機產(chǎn)生的道路上行駛的非智能車輛、非機動車、行人模型以及它們的運動狀態(tài)模型、整體調度配置模型。

優(yōu)選地，所述實際車路系統(tǒng)還采集無人車的環(huán)境感知傳感器數(shù)據(jù)，包括：車載單線激光雷達數(shù)據(jù)、車載攝像頭數(shù)據(jù)。

優(yōu)選地，所述計算控制中心，計算控制策略時，還利用互聯(lián)網(wǎng)信息；所述互聯(lián)網(wǎng)信息，包括：道路環(huán)境、交通事故、天氣狀況、交通管制。

優(yōu)選地，所述控制策略，包括：對無人車的路徑規(guī)劃、行車參數(shù)控制。

優(yōu)選地，所述平行控制中心，還配置為：模擬各種交通場景，并計算相應的控制策略，根據(jù)所述人工車路系統(tǒng)的實驗結果，為所述實際車路系統(tǒng)提供改進方案，包括：增加道路的智能性、降低智能車輛成本；

所述增加道路的智能性，包括：安裝v2x通信設備、路側攝像頭、微波雷達、路邊處理器、地下感應裝置、智能信號燈控制器；

所述降低智能車輛成本，包括：采用車載單線激光雷達代替車載64線激光雷達、將部分由車載設備采集和處理的數(shù)據(jù)轉移到路側設備來采集或處理。

優(yōu)選地，所述智能信號燈控制器，將路側信號機的信號直接發(fā)送給無人車和/或平行控制中心。

優(yōu)選地，所述車載攝像頭數(shù)據(jù)，經(jīng)過所述路邊處理器壓縮處理后傳輸?shù)剿鲇嬎憧刂浦行摹?/p>

本發(fā)明提出的基于acp方法的平行智能車控制系統(tǒng)，采集實際車路系統(tǒng)中的行車參數(shù)和路況信息，構建虛擬的人工車路系統(tǒng)；計算控制中心經(jīng)過計算后，得出控制策略，在人工車路系統(tǒng)中進行實驗；根據(jù)實驗結果，選擇合適的控制策略在實際車路系統(tǒng)和人工車路系統(tǒng)中平行執(zhí)行；在執(zhí)行過程中，根據(jù)實際車路系統(tǒng)中的行車參數(shù)和路況信息對人工車路系統(tǒng)進行實時修正，對控制策略進行實時調整。有效解決了無人駕駛車輛的安全性問題、提高了通行效率及整體協(xié)同程度，對于有人駕駛的智能車，利用此系統(tǒng)，也可以減少因疲勞駕駛等原因導致的交通事故。本發(fā)明還可以根據(jù)人工車路系統(tǒng)的運行情況，對實際車路系統(tǒng)提出改造建議，提高路側設備的智能化，并大大降低了智能車上車載設備的成本。

附圖說明

圖1是本實施例中，平行智能車控制系統(tǒng)各部分間通訊示意圖；

圖2是本實施例中，構建人工車路系統(tǒng)時所需要素的示意圖；

圖3是本實施例中，實際車路系統(tǒng)示意圖。

具體實施方式

下面參照附圖來描述本發(fā)明的優(yōu)選實施方式。本領域技術人員應當理解的是，這些實施方式僅僅用于解釋本發(fā)明的技術原理，并非旨在限制本發(fā)明的保護范圍。

本發(fā)明提出一種基于acp方法的平行智能車控制系統(tǒng)，充分利用acp的優(yōu)勢，來實現(xiàn)行車可靠性和車輛成本的平衡。不僅可大大降低車輛成本，并可有效解決現(xiàn)階段智能車的安全性問題，提高通行效率及整體協(xié)同程度，減少因疲勞駕駛等原因導致的交通事故。未來的每一部智能車都會有形影不離的“i車”相隨，將是虛實互聯(lián)、互通、互動的平行智能車，即平行智能車＝車+i車(虛擬車)。該方法不僅可以適用于無人駕駛的智能車，對于有人駕駛的智能車，也可以提供快速及時的行車指導、監(jiān)督、輔助駕駛。

要達到車內(nèi)簡單、遠端智能的目標，就需要各種各樣的信號，不能只依靠傳統(tǒng)車載傳感器，更要依靠道路的智能化。將車載傳感器和路側傳感器的物理信號、人的信號、以及各種各樣的開源信息(社會信號)都要嵌入到系統(tǒng)中，形成能夠同時處理三個空間(cyber-social-physical，物理、社會、信息)的無人自主駕駛車輛，把物理、精神、人工、社會、經(jīng)驗等因素都整合在一起，將單車智能迅速擴展到車聯(lián)網(wǎng)的協(xié)同智能上，變成車與車(vehicletovehicle)、車與路(vehicletoroadsideunits)、車與人(vehicletohuman)的網(wǎng)絡化發(fā)展。

針對實際系統(tǒng)中車/路/人等大數(shù)據(jù)的統(tǒng)計學習、機器學習、數(shù)據(jù)挖掘等大數(shù)據(jù)分析處理；根據(jù)基于人工車路系統(tǒng)的實驗結果，來實現(xiàn)對實際車路系統(tǒng)的有效指導和預測。同時對實際車和道路進行改造，降低智能車輛成本，實現(xiàn)“車內(nèi)簡單，遠端智能，車路互動，多車協(xié)同，平行操控，安全旅程”，從而實現(xiàn)智能車的更高安全性，降低單車成本，使之更快投入市場。

本實施例中，基于acp方法的平行智能車控制系統(tǒng)如圖1所示，包括：平行控制中心和實際車路系統(tǒng)。

所述平行控制中心，包括：計算控制中心和人工車路系統(tǒng)。

所述計算控制中心，配置為：根據(jù)所述實際車路系統(tǒng)采集的行車參數(shù)和路況信息，然后經(jīng)過人工智能、神經(jīng)網(wǎng)絡、機器學習等算法，計算多種行車控制策略，在人工車路系統(tǒng)中進行實驗；根據(jù)實驗結果選擇最優(yōu)的控制策略，在人工車路系統(tǒng)與實際車路系統(tǒng)中平行執(zhí)行。計算控制策略時還可以利用互聯(lián)網(wǎng)信息，包括：道路環(huán)境、交通事故、天氣狀況、交通管制等。所述控制策略，包括：對無人車的路徑規(guī)劃、行車參數(shù)控制。在平行執(zhí)行過程中，按預設的時間周期采集無人車的行車參數(shù)和路況信息，并對所述人工車路系統(tǒng)進行即時修正，使之與實際車路系統(tǒng)盡可能地接近；同時，控制策略也會根據(jù)實際情況進行實時調整。

所述人工車路系統(tǒng)，為基于大型計算機的虛擬系統(tǒng)，根據(jù)所述實際車路系統(tǒng)采集的行車參數(shù)和路況信息構建而成；配置為：根據(jù)所述計算控制中心提供的指令執(zhí)行，并向所述計算控制中心發(fā)送執(zhí)行過程中的相關數(shù)據(jù)。

本實施例中，所述實際車路系統(tǒng)，為無人車實際運行的道路環(huán)境系統(tǒng)，配置為：采集無人車的行車參數(shù)和路況信息，傳送到所述計算控制中心；并執(zhí)行計算控制中心的指令，控制無人車在道路上行駛。所述行車參數(shù)為無人車內(nèi)車載傳感器采集到的參數(shù)，包括：速度、加速度、方向盤轉角、油門剎車信息等；所述路況信息為路側設備采集的信息，包括：交通燈信息、攝像頭拍攝的信息、雷達測距設備采集的信息等。

本實施例中，所述人工車路系統(tǒng)，包括虛擬的靜態(tài)模型和動態(tài)模型；

所述靜態(tài)模型，包括實際交通環(huán)境中的建筑物、樹木、道路安全設施、標志牌、信號燈、路面交通標志線；

所述動態(tài)模型，包括：智能車輛模型以及自身決策規(guī)劃模型、隨機產(chǎn)生的道路上行駛的非智能車輛、非機動車、行人模型以及它們的運動狀態(tài)模型(包括速度、運動軌跡狀態(tài))、整體調度配置模型(防止除智能車外其他車輛和行人發(fā)生碰撞，需綜合配置和調度)。

本實施例中，為了更準確地掌握車輛的行駛環(huán)境，所述實際車路系統(tǒng)還采集無人車的環(huán)境感知傳感器數(shù)據(jù)，包括：車載單線激光雷達數(shù)據(jù)、車載攝像頭數(shù)據(jù)等，這些設備采集無人車的外部環(huán)境數(shù)據(jù)，與路側設備采集的數(shù)據(jù)綜合起來使用，可實現(xiàn)對路況信息更為準確的判斷。

本實施例中，所述計算控制中心，還配置為：根據(jù)所述人工車路系統(tǒng)的實驗結果，對所述實際車路系統(tǒng)提出改進方案，包括：增加道路的智能性、降低智能車輛成本；

所述增加道路的智能性，包括：安裝v2x通信設備、路側攝像頭、微波雷達、路邊處理器、地下感應裝置、智能信號燈控制器等；

所述降低智能車輛成本，包括：采用車載單線激光雷達代替車載64線激光雷達、將部分由車載設備采集和處理的數(shù)據(jù)轉移到路側設備來采集或處理，等等。

為了更清楚地闡述本發(fā)明的控制系統(tǒng)，下面分別進行人工車路系統(tǒng)的構建、計算實驗、平行執(zhí)行、實際車路改造、具體案例的詳細說明：

一、人工車路系統(tǒng)的構建：

基于實際車路系統(tǒng)的行車參數(shù)和路況信息構建人工車路系統(tǒng)環(huán)境，系統(tǒng)由許多要素構成，包括靜態(tài)物體、動態(tài)物體、季節(jié)、天氣、光源等。人工車路系統(tǒng)主要是結合所采集的路況信息，包括交通環(huán)境的高精度圖像、三維激光點云等數(shù)據(jù)，建立場景模型數(shù)據(jù)庫。場景模型數(shù)據(jù)庫包括動態(tài)場景模型和靜態(tài)場景模型，靜態(tài)場景模型包括真實交通環(huán)境中的建筑物、樹木、道路安全設施、標志牌、信號燈、路面交通標線等，動態(tài)場景模型為智能車輛模型以及自身決策規(guī)劃模型、隨機產(chǎn)生的道路上行駛的非智能車輛、非機動車、行人模型以及它們的運動狀態(tài)模型(包括速度、運動軌跡狀態(tài))、整體調度配置模型(防止除智能車外其他車輛和行人發(fā)生碰撞，需綜合配置和調度)。人工車路系統(tǒng)自動生成交通參與者、特殊天氣以及環(huán)境等要素，在道路場景基礎上，模擬更多的交通場景，保證其多樣化和高覆蓋率。采用通用仿真道路測試場和車輛仿真軟件，專用測量設備及硬件接口、平臺，根據(jù)不同需求，進行mil(模型在環(huán)仿真)、sil(軟件在環(huán)仿真)、hil(硬件在環(huán)仿真)和vil(實車在環(huán)仿真)等四個層次的模擬仿真來實現(xiàn)人工車路系統(tǒng)。

如圖2所示的實施例中，采集實際車路系統(tǒng)中真實道路的數(shù)據(jù)(即路況信息)、真實車載數(shù)據(jù)(即行車參數(shù)、環(huán)境感知傳感器數(shù)據(jù))，利用事先生成的無人車模型、車/路/人交互模型以及利用模擬駕駛數(shù)據(jù)建立的駕駛員行為模型等，搭建出虛擬的三維人工車路系統(tǒng)。

事先生成的模型分為靜態(tài)模型和動態(tài)模型；

所述靜態(tài)模型，包括實際交通環(huán)境中的建筑物、樹木、道路安全設施、標志牌、信號燈、路面交通標志線等；

所述動態(tài)模型，包括：智能車輛模型以及自身決策規(guī)劃模型隨機產(chǎn)生的道路上行駛的非智能車輛、非機動車、行人模型以及它們的運動狀態(tài)模型(包括速度、運動軌跡狀態(tài))、整體調度配置模型(防止除智能車外其他車輛和行人發(fā)生碰撞，需綜合配置和調度)。

二、計算實驗：

由于車輛行駛過程中，車載傳感器收集到的環(huán)境數(shù)據(jù)有限，對環(huán)境的感知信息不夠全面準確。本發(fā)明提出將路側數(shù)據(jù)和人的信號、以及各種各樣的開源信息(社會信號，如互聯(lián)網(wǎng)信息)融入到系統(tǒng)中，提高信息來源的全面性，考慮到車載處理器的處理能力有限，且僅靠車輛本身，很難實現(xiàn)大量數(shù)據(jù)的融合處理及綜合分析，只能對某些特征數(shù)據(jù)進行處理，因此，很難滿足車輛對安全性和可靠性的要求。針對此問題，本發(fā)明提出將gps數(shù)據(jù)、can總線數(shù)據(jù)通過車載網(wǎng)絡直接傳輸?shù)胶笈_的平行控制中心，進行計算和實驗，而將車載視頻數(shù)據(jù)經(jīng)路側設備處理后傳輸?shù)狡叫锌刂浦行倪M行計算和實驗來控制無人車或輔助智能車運行，充分利用當前網(wǎng)絡快速發(fā)展的優(yōu)勢，通過低時延高速度的網(wǎng)絡和強大的后臺來實現(xiàn)遠端分擔車載計算壓力和多層規(guī)劃決策的目的，保證智能車的安全性。同時，融合路側數(shù)據(jù)及社會信息等數(shù)據(jù)作為后臺大數(shù)據(jù)分析及機器學習平臺的數(shù)據(jù)基礎，作為進行車輛相關狀態(tài)及出行規(guī)劃的預測分析依據(jù)，通過機器學習、人工智能、模式識別、深度學習等方法進行分析處理，并根據(jù)實際車輛行駛中的具體需求給予控制指令建議或路徑規(guī)劃建議，從而提高車輛行駛的安全性和整體交通通行效率。

三、平行執(zhí)行：

通過實際車路系統(tǒng)，修正人工車路系統(tǒng)的模型，使其成為實際車路系統(tǒng)的“備用”系統(tǒng)。只有當人工車路系統(tǒng)精確逼近實際車路系統(tǒng)時，通過人工車路系統(tǒng)進行各種學習和分析及計算實驗，來實時調整實際車路系統(tǒng)的管理與控制策略，才具有現(xiàn)實意義。人工車路系統(tǒng)和計算實驗不僅包含實際車路系統(tǒng)，而且可以生成特殊的交通場景，滿足具備復雜多樣化的交通環(huán)境，能夠實現(xiàn)車輛在特殊交通場景的運行。因此，通過平行執(zhí)行，平行控制中心不僅可以針對交通系統(tǒng)進行全局規(guī)劃和指導，也可以針對單車改造及車輛運行中的控制制動指令等給出局部分析決策建議。

四、實際車路改造：

智能化的實際車路系統(tǒng)，如圖3所示，車與車、車與人、車與路側設備(包括智能信號燈、攝像頭、雷達等)、車與基站、基站與平行控制中心的處理器之間，都有信息交互?；赼cp方法的平行智能車系統(tǒng)，增加了道路的智能性，降低了智能車輛成本。

路的改造包括安裝v2x(vehicletox)通信設備、路側攝像頭、路邊處理器、智能信號燈控制器、微波雷達(高速路段測速裝置)等增加道路智能化的設備，實現(xiàn)道路交通感知、氣象感知和路面狀況感知，具體的包括：交通信息采集、非機動車和行人檢測、路面狀態(tài)及氣象環(huán)境檢測等。部分數(shù)據(jù)采集和預處理的功能通過路側設備來實現(xiàn)，舉例說明：車載視頻數(shù)據(jù)可以經(jīng)過路側設備壓縮處理后傳輸?shù)胶笈_平行控制中心；傳統(tǒng)無人車識別信號燈是一般通過車載視頻進行檢測識別，而本發(fā)明是將路側信號機的信號直接發(fā)送給無人車和平行控制中心，不僅減輕無人車的計算量，而且保證準確性。同時路側可以收集車載傳感器收集不到的路況信息，比如：在路口或者建筑物密集的路段，無人車有盲區(qū)，突然出現(xiàn)的車和人，無人車無法預知盲區(qū)的情況，而在路邊的攝像頭、埋在路面下的地磁圈等設備可以收集到這些信息，同時將這些信息發(fā)送給周圍的無人車。智能路側設備不僅減輕了智能車的計算負擔，同時因收集更多的信息傳輸?shù)狡叫锌刂浦行模瑥亩管囕v最終獲得更多的信息和指導，提高智能車的安全性和穩(wěn)定性。

車輛改造方面，因車輛可以通過路側、其它車輛、平行控制中心獲取信息和決策等指導，對于智能車本身可以在現(xiàn)有傳統(tǒng)無人車設備配置上適當減少昂費的設備。例如：采用4個車載單線激光雷達代替車載64線激光雷達，4個單線激光可以測到車輛周圍360度的二維點云信息，同時激光和攝像頭數(shù)據(jù)融合保證無人車的單車安全，不單單是兩類傳感器感知外界環(huán)境，而且是兩類傳感器感知外界條件后信息互補，就好比我們的兩只眼睛，視覺感知到了障礙物，同時激光給出障礙物的距離，另一方面若其中一類傳感器感知錯誤的話，另一類傳感器可以進行糾正，車輛除了自身傳感器也可以通過v2x設備、路側設備獲取周圍環(huán)境信息，為車輛感知提供更全面、豐富的信息。智能車車載設備主要包括車載攝像頭、gps、激光雷達、車載處理器等。智能車需實現(xiàn)短距離通信和遠程通信，從而需要配備車載通信設備。最終實現(xiàn)車車通信、車路通信、車人通信、車后臺通信等，最終實現(xiàn)車、路、后臺的無縫銜接。

五、具體案例：

系統(tǒng)控制方面，通過平行控制中心針對道路及車輛的突發(fā)狀況的有效預測，可實時發(fā)送提示信息到實際車輛，建議車輛降低車速或者改變路線，從而有效避免道路擁堵或者交通事故等。比如，雨雪天氣時，有些區(qū)域及路段常有積水現(xiàn)象。另外，針對系統(tǒng)內(nèi)的所有車輛，通過綜合分析行車目的地、乘客需求、車輛狀態(tài)、道路情況、交通流量情況等因素，統(tǒng)一規(guī)劃路徑，從而實現(xiàn)全局最優(yōu)，從而滿足不同乘客、車輛、及道路等各方面的需求，有效改善車輛舒適度及行車體驗。

用戶體驗方面，例如，社區(qū)內(nèi)可以乘坐專用pave(parallelvehicle)班車到達社區(qū)的每個角落。同時，pave垃圾清理車會及時清理社區(qū)垃圾，保證小區(qū)舒適度。孩子們都可以乘坐專有pave代步車到達他們想去的任何的地方。預定的外賣或者在洗衣店洗好的衣服可經(jīng)由一款可愛的自動駕駛pave車送達你的門前。你和朋友在酒吧聚會，無論多晚?？梢越幸惠v無人駕駛的pave車，再也不會有酒后駕車的風險。盲人也可以自己開車上路。pave物流車，將淘汰大部份物流業(yè)司機，因為它能降低能耗，駕駛室不用再裝空調等設備。另外，中控平臺實時監(jiān)控所有pave車并且所有車都可以實時交流，車與車、車與路、車與后臺中心(實際車與i車)之間的實時交流，可避免人為的疲勞駕駛和操作不當?shù)纫鸬慕煌ㄊ鹿?。當一位老人突然出現(xiàn)，pave車可以迅速躲開，同時后面的pave車就會同時轉向，從而避免悲劇的發(fā)生。

基于pave車，結合智能道路及平行控制中心，可以實現(xiàn)對車輛狀態(tài)及操縱的實時指導及預測，整個pave車系統(tǒng)優(yōu)化部署指導以及全局和局部最優(yōu)路徑規(guī)劃。另外，可根據(jù)駕駛員及乘客需求以及車輛系統(tǒng)本身，量身定制平行駕駛系統(tǒng)及服務，保證行車安全及能效優(yōu)化。pave平行車充分利用全球數(shù)字化及信息化資源，將云端、道路及車輛上的資源無縫銜接，充分考慮安全性、舒適性、敏捷性和智能性等指標，將物理、社會、信息空間打通，從而有效保證車輛行駛的安全，實現(xiàn)最優(yōu)行車體驗，最終實現(xiàn)可靠、舒適、快速的平行駕駛。

pave平行車將綜合運用中心控制，無人車感知、決策規(guī)劃、車輛控制，網(wǎng)絡通信，大數(shù)據(jù)分析，機器學習，人工智能等關鍵技術，把中心控制臺、智能道路及pave車實時互動連接起來，最終實現(xiàn)車路互動、多車協(xié)同、平行操控、安全旅程。

本領域技術人員應該能夠意識到，結合本文中所公開的實施例描述的各示例的方法步驟，能夠以電子硬件、計算機軟件或者二者的結合來實現(xiàn)，為了清楚地說明電子硬件和軟件的可互換性，在上述說明中已經(jīng)按照功能一般性地描述了各示例的組成及步驟。這些功能究竟以電子硬件還是軟件方式來執(zhí)行，取決于技術方案的特定應用和設計約束條件。本領域技術人員可以對每個特定的應用來使用不同方法來實現(xiàn)所描述的功能，但是這種實現(xiàn)不應認為超出本發(fā)明的范圍。

至此，已經(jīng)結合附圖所示的優(yōu)選實施方式描述了本發(fā)明的技術方案，但是，本領域技術人員容易理解的是，本發(fā)明的保護范圍顯然不局限于這些具體實施方式。在不偏離本發(fā)明的原理的前提下，本領域技術人員可以對相關技術特征作出等同的更改或替換，這些更改或替換之后的技術方案都將落入本發(fā)明的保護范圍之內(nèi)。