[发明专利]一种基于GIS的无人车安全驾驶优化方法

权利要求书

1.一种基于GIS的无人车安全驾驶优化方法，其特征在于，所述方法包括以下步骤：

1)、数据采集：采集城市的建筑数据、道路与交通数据、路障与路牌数据、路口人流量数据和红绿灯数据；

2)、三维建模：在ArcGISPro中引入底图，导入城市建筑数据、道路与交通数据、路障、路牌数据，用导入的城市数据建立三维可视化模型，以供车载设备显示以及后台服务器进行数据分析使用；

3)、车辆实时定位：利用GPS全球定位技术获取当前无人驾驶车辆的位置信息，包括车辆的行驶路段名称、行驶车道信息、车辆的具体坐标点、车辆的行驶方向和行驶速度；

4)、GeoEvent获取车辆周围实时数据：将ArcGIS Enterprise与GeoEventServer连接，创建连接器以从数据流接收和解译实时数据，以无人驾驶车辆位置为圆心，R₁为半径的圆范围内的实时数据，其中获取的数据包括以下方面：A)无人驾驶车辆周围车辆的坐标位置，移动方向，行驶速度，与无人驾驶车辆的相对距离；B)对道路两侧的建筑信息，路标路障信息进行分析；C)当路口包含在范围内时，分析道路及路口的人流量信息、车流量信息、路口的交通信号信息，包括红绿灯信息和路口拥堵信息；D)前方道路是否有交通事故信息，雨水天气下的路面积水与积雪信息；E)获取前方道路的信息，道路坡度信息；F)获取前方道路的公交站点及人行道信息；G)获取道路上路段的限速信息、前方路段各车道信息；H)车辆后方是否有超速行驶车辆信息；

5)、车辆雷达获取周围实时数据：利用无人驾驶车辆的雷达、摄像头、传感器等系统获取以无人驾驶车辆位置为圆心，R₂为半径的圆范围内的实时数据，其中R₂＜R₁，取无人驾驶车辆自身的行驶数据、周围车辆的行驶数据、周围行人及路障的数据、路况信息，收集的数据进行汇总，上传至服务器；

6)、实时数据分析：利用GeoEvent Services的过滤器和处理器筛选和分析4)中获取的实时数据流，将筛选后的数据与5)中收集的实时数据信息每隔T时间段进行分析，计算出前方道路的交通拥堵指数，拥堵指数计算公式为：

其中f代表交通拥挤指数，T代表数据分析时间间隔，P₁代表该道路段T时间内的车辆总数，P₁/T为单位时间内的车流量，M₁代表该路段T时间内的行人总数，M₁/T为单位时间内的人流量，代表该路段车辆的平均时速，V₁代表该路段的限速信息，L₁代表该路段检测范围内的路障数量，w₁、w₂、w₃、w₄、w₅分别代表车流量、人流量、车辆平均时速、道路限速、路障的权重，定义一组评判值A＝[a₁,a₂,a₃,a₄]，根据计算出的f与定义的评判值进行对比，将圆周范围内的道路状况分五个等级：①当f＜a₁时，表示道路畅通，车流量、人流量小，周围无障碍，建议车速70km/h以内；②当a₁≤f＜a₂时，表示道路基本通畅，有少量的道路拥堵，周围障碍较少，人流量少，建议车速50km/h以内；③当a₂≤f＜a₃时，表示轻度拥堵，主干路与支路有部分拥堵，周围障碍较少，人流量少，建议车速40km/h以内；④当a₃≤f＜a₄时，表示中度拥堵，主干路与支路有部分拥堵，道路障碍较多，人流量少，建议车速30km/h以内；⑤当f≥a₄时，表示道路严重拥堵，主干路与支路及路口拥堵严重，前方车辆行驶缓慢，路口行人拥堵，建议车速20km/h以内；

7)、发送分析结果：将实时数据的变化以及数据的分析计算结果发送至无人驾驶车辆，车辆根据接收的数据与自身的行驶数据对比，判断车辆是否应该减速、增速、避让，并计算出车辆当前应当行驶的车速、行驶车道；

8)、实现安全行驶：无人驾驶车辆根据计算结果执行一系列相应的操作，最终达到安全行使的目的。