[发明专利]端-边-云车路协同融合感知架构及其构建方法

说明书

本发明公开了一种端‑边‑云车路协同融合感知架构及其构建方法，涉及智能交通技术领域，解决了当前车路协同架构下各智能体信息流之间弱关联、强冲突、高分散、低兼容的技术问题，其技术方案要点是将车端、路端和云端各感知单元、计算设备、通信装置看成自动驾驶感知系统的智能体，以各智能体的协同感知为重点，根据多Agent的分布式协调感知理论，构建具备分层次、跨时空、多任务技术特点的端‑边‑云车路协同融合感知架构。为自动驾驶的决策、规划与控制提供一个环境适应性强、环境识别和理解准确度高、应对场景变化具有强鲁棒性的多源感知系统。

技术领域

本申请涉及智能交通技术领域，具体涉及车路协同感知和计算资源调度，尤其涉及一种端-边-云车路协同融合感知架构及其构建方法。

背景技术

自动驾驶技术是解决交通安全和道路拥堵等问题的重要手段，自动驾驶汽车已成为全球汽车产业发展的战略方向和促进世界经济持续增长的重要引擎。环境感知是自动驾驶汽车安全可靠行驶的前提和基础，决定了汽车智能化水平的高度。自动驾驶单一车辆终端受到硬件结构、存储资源和计算能力的限制，其感知系统不全面、不稳健，对突变和多变场景难以实时准确认知。而智能网联环境下端-边-云车路协同技术的发展为解决上述问题提供了切实可行的思路，车路协同技术通过基于V2X信息交互的协同感知、决策和计算来提高复杂交通环境下车辆行驶的安全性和可靠性。但是，当前车路协同架构下各智能体信息流之间呈现弱关联、强冲突、高分散、低兼容的特征，更像是一个“通信”架构，而不是一个“融合”架构，导致多源感知信息有效利用率不高，智能交通系统的行驶安全性难以保障。

发明内容

本申请提供了一种端-边-云车路协同融合感知架构及其构建方法，其技术目的是构建端-边-云协作的高可靠多层次环境感知与理解架构，最大程度上融合异质信息流，消解信息流之间的冗余冲突和高并发下的计算资源使用冲突，优化融合感知的整体效果，从而提升车端对环境的感知能力和处理能力。

本申请的上述技术目的是通过以下技术方案得以实现的：

端-边-云协同和车路协同感知系统本质上是由异质多源的感知单元、计算单元、通信系统组成的复杂分层分布式系统，而且这些各智能体之间存在合作、竞争和冲突的关系。多智能体(Multi-Agent System，本申请称为“多Agent”)系统具有反应性、自治性和灵活性，其特点在于通过对各层次Agent的组织与协作，完成更高灵活性、环境适应性以及扩展性的综合功能。这种不同粒度、不同智能水平的层次功能划分及协调的模式非常适合多源异构的复杂端-边-云车路协同感知系统。基于多Agent的方法采用自下而上分层组织方法，可将不同功能的异质多源智能体地构成一个有机的整体，比集中式或者自上而下监督式的方法更具有灵活性和可扩展性。本申请基于多Agent方法来搭建端-边-云车路协同融合感知架构。

一种端-边-云车路协同融合感知架构，包括数据采集层、底层感知层、协调决策层、计算编排层和态势预测层；所述数据采集层和所述底层感知层、所述计算编排层都连接，所述协调决策层与所述底层感知层、所述计算编码层都连接，所述计算编排层与所述态势预测层连接；

所述数据采集层包括车端智能体和路端智能体的多模态数据获取模块，用于获取单端环境感知数据；

所述底层感知层包括车端智能体和路端智能体的多模态融合感知智能体，用于融合单端环境感知数据，实现单端环境感知；

所述协调决策层包括动态协调决策智能体，用于协调不同智能体的感知范围和精度，提高车路协同感知网络的整体性能；

所述计算编排层包括分布式计算卸载智能体，用于调度计算资源，帮助车端/路端处理感知数据；

所述态势预测层包括多维态势预测智能体，用于建立道路交通物理空间的全要素实时精准语义地图，用于实现车路协同大范围风险态势预见。

一种端-边-云车路协同融合感知架构的构建方法，包括：