车路云协同的新能源货车模拟调度方法及设备

1.本发明涉及智慧交通智能网联技术领域，具体涉及一种车路云协同的新能源货车模拟调度方法及设备。


背景技术：

2.智能车路协同系统(ivics)，简称车路协同系统，是智能交通系统(its)的最新发展方向。车路协同是采用先进的无线通信和互联网技术，实现全方位的车车、车路实时动态信息交互，并在全时空动态交通信息采集与融合的基础上开展车辆主动安全控制和道路协同管理，充分实现人车路的有效协同，保证交通安全，提高通行效率，从而形成的安全、高效和环保的道路交通系统。目前基于车路协同技术的智能网联平台及通信协议已经比较成熟，但应用于交通系统之中的研究成果和发明成果不多。包括微软开发的airsim，谷歌开发的simulation city,百度开发的apollo，这些软件平台的出现丰富了智能网联车测试平台研究成果。但当前基于智能网联测试平台搭建存在很多问题，在实际应用中难以实施落地：(1)当前所有的测试主要集中在单条道路测试，没有对在局部区域内运行的车辆进行一个统筹的路径规划测试。(2)当前所有的测试主要集中对单车行驶状态下的路径规划和突发紧急情况避险测试，没有对多车在局部环境下的统筹规划平台测试。(3)当道路处于拥堵状态、能见度差等环境时，传统智能网联测试平台难以清楚探测到环境的变化，实时改变行驶策略保障车辆安全稳定高效的运行。而新能源货车具有短驳运输的优势，适合作为构建局部区域的智能网联平台测试用车，且货车长时间处在道路拥堵、能见度环境差的状态下。因此，迫切需要搭建一种车路云协同的智能网联环境下新能源货车测试平台，解决上述在搭建智能网联车测试平台中所存在的问题。


技术实现要素：

3.本发明提出的一种车路云协同的新能源货车模拟调度方法及设备，可至少解决背景技术中的技术问题之一。
4.为实现上述目的，本发明采用了以下技术方案：
5.一种车路云协同的新能源货车模拟调度方法，基于服务器和sumo仿真平台，包括以下步骤，
6.通过集成决策上位机软件，交通仿真软件sumo与python环境为一体，可支持路网层面开发和混合车流层面设定的智能网联车测试平台，能够提供丰富的路径规划算法载体，并且基于python环境下的通信协议将路网仿真环境部署至web端进行展示，进行实景地图的新能源货车路径规划仿真测试。
7.进一步地，包括：
8.搭建python环境，部署交通仿真软件sumo和决策上位机，通过tcp/ip协议建立所述交通仿真软件sumo和决策上位机之间的通信；
9.开发sumo-python平台，将所述sumo-python平台搭建于所述交通仿真软件sumo
上，利用sumo-python平台构建局部区域路网仿真，设计区域车流与道路情况；
10.所述路网的设计规划通过所述sumo软件实现，可以设置仿真车辆的真实属性，监听车辆的行驶状态，通过sumo-python平台可以根据sumo软件中车辆的实时道路情况，改变sumo中车辆的规划路径。
11.进一步地，通过python与web端的通信，在web端上构建3d实景仿真地图，sumo软件产生的车辆行驶经纬度通过mqtt协议传递给web端，将车辆的实时行驶状况在web端上展现，同时道路的拥堵状况也可以在web端上呈现。
12.进一步的，决策上位机为新能源货车提供算法载体，在决策上位机软件上可以部署路径规划算法，如dijsktra算法、a*算法、pso算法等。作为优选，本平台提供一种改进的a*方法，a*算法是一种启发式算法，在地图上设置目标位置坐标(x，y)，并把估价函数f(n)初始化为零，生成open表和close表，通过全面评估各扩展节点的代价值，选择最低代价的节点进行扩展使其能快速地导向目标点。其算法表达式为：
13.f(n)＝g(n)+h(n)
14.式中：f(n)是估价函数；g(n)表示的是起始点到当前点实际付出的代价值；h(d)代表当前点到目标点的预计代价值。本实施例中，对实际路网进行特征提取与抽象处理，根据实际路网中节点和链接的关系构建数学网络，所述数学网络包括节点与节点之间的路网拓扑关系建立和交叉网络化表示。本实施例中采用曼哈顿距离作为启发函数，其算法表达式为：
15.h(n)＝|g
x-s
x
|+|g
y-sy|
16.式中：(s
x
，sy)(g
x
，gy)分别为节点s和目标节点g的坐标。本实施例中对各道路节点设置权重w，并对转弯角度大于90
°
的节点增加参数conner_amend进行拐角修正，改进后公式为：
17.f(n)＝g(n)+conner_amend*wh(n)。
18.再一方面，本发明还公开一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如上方法的步骤。
19.由上述技术方案可知，本发明的车路云协同的新能源货车模拟调度方法及系统，集成决策上位机软件，交通仿真软件sumo与python环境为一体，可支持路网层面开发和混合车流层面设定的智能网联车测试平台，能够提供丰富的路径规划算法载体，并且基于python环境下的通信协议将路网仿真环境部署至web端进行展示，进行实景地图的新能源货车路径规划仿真测试。
20.具体的说，本发明的新能源货车智能网联模拟调度平台集成决策上位机软件，交通仿真软件sumo和python环境为一体，可以支持路网层面车辆级别的智能网联测试平台，结合改进的a*算法显著提升全局车辆行驶效率，并且可以将数据上传至web端，提供远程的信息交互实现平台车辆的信息共享、车辆互联。
21.本发明集成linux，sumo与决策上位机三者环境为一体，建立三者之间的通信搭建车路云协同的模拟调度平台，利用平台可以方便及时地修订环境参数和物理参数，有助于实现新能源货车在复杂道路环境下的路径规划，提升新能源货车工作效率。
附图说明
22.图1为本发明实施例的新能源货车智能网联模拟调度平台搭建方法技术架构图；
23.图2为本发明实施例的web端界面展示图；
24.图3为本发明实施例sumo仿真地图；
25.图4为本发明实施例web端与python环境连接方法；
26.图5为本发明实施例效率提升对比图。
具体实施方式
27.为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。
28.本实施例所述的车路云协同的新能源货车模拟调度方法，包括基于服务器、sumo仿真平台和web端。在智能网联前提下，平台模拟对新能源货车的调度，使新能源货车的能源效率达到最优。其中，所述服务器实时读取车辆信息和道路状况，这些信息通过智能网联系统获取。
29.利用平台从服务器读取的车辆信息和道路状况，采用改进的a*算法规划路径，统筹规划出多车行驶效率最优方案，其工作效率相较于无路径规划方案显著提升。
30.决策上位机为新能源货车提供算法载体，在决策上位机软件上可以部署路径规划算法，如dijsktra算法、a*算法、pso算法等。作为优选，本平台提供一种改进的a*方法，a*算法是一种启发式算法，在地图上设置目标位置坐标(x，y)，并把估价函数f(n)初始化为零，生成open表和close表，通过全面评估各扩展节点的代价值，选择最低代价的节点进行扩展使其能快速地导向目标点。其算法表达式为：
31.f(n)＝g(n)+h(n)
32.式中：f(n)是估价函数；g(n)表示的是起始点到当前点实际付出的代价值；h(n)代表当前点到目标点的预计代价值。本实施例中，对实际路网进行特征提取与抽象处理，根据实际路网中节点和链接的关系构建数学网络，所述数学网络包括节点与节点之间的路网拓扑关系建立和交叉网络化表示。本实施例中采用曼哈顿距离作为启发函数，其算法表达式为：
33.h(n)＝|g
x-s
x
|+|g
y-sy|
34.式中：(s
x
，sy)(g
x
，gy)分别为节点s和目标节点g的坐标。本实施例中对各道路节点设置权重w，并对转弯角度大于90
°
的节点增加参数conner_amend进行拐角修正，改进后公式为：
35.f(n)＝(n)+conner_amend*wh()。
36.所述sumo仿真平台用于模拟实际的新能源货车及其运行环境。服务器和sumo仿真平台通过tcp/ip协议实现双向通信，服务器可将路径规划信息传递给sumo仿真平台；sumo仿真平台中也可将仿真车辆信息和交通环境信息传递给服务器。
37.所述web端向用户提供动态的生成内容，把sumo仿真平台中环境和车辆的运行状态互动式呈现给用户，模拟车辆的真实运行场景，监听车辆的行驶状态，web端和sumo仿真平台通过mqtt协议实现数据传递。
38.以下结合附图具体说明：
39.搭建python环境，部署交通仿真软件sumo和决策上位机软件于所述的python环境中，并通过tcp/ip协议建立所述sumo软件与决策上位机软件之间的通信；
40.开发sumo-python平台，将所述sumo-python平台搭建于所述的交通仿真软件sumo上，利用sumo软件构建路网地图，并且导入roly地形文件，路网地图如图3所示。
41.在python环境中，运用环境中的traci功能包，对sumo中的车辆进行程序控制，且可以实时的检测路网的交通拥塞信息，对搭建的平台环境进行监测，路网的实时交通流以车辆xml配置文件的形式配置在交通仿真软件sumo中。
42.具体地，如图1所示，在本实施例中集成交通仿真软件sumo、决策上位机、python和web端四大模块。sumo负责产生交通流，构建基本的仿真要素，绘制局部地区的仿真地图。python环境集成决策上位机、和sumo仿真软件，并且连接web端建立三者之间的信息通信。决策上位机软件编写用户界面，支持用户选择不同地区地图，同时可以设置车辆起终点信息、新能源车辆能耗剩余、道路的拥堵状况，在设置完成后通过改进a*算法规划路径，在决策上位机上显示规划的路径，并将路径信息传递给sumo软件在sumo软件中实现仿真，同时sumo也能将道路状况下达给决策上位机，完成对车辆的二次路径规划。python功能包traci从sumo软件中获取仿真车辆的数据，通过mqtt协议将数据上传至web端，web端界面如图2所示，车辆行驶轨迹在web端上得以展示，同时web端上呈现地区的3d地图，和新能源货车的3d模型，使得仿真更加直观得以展现。
43.在本实施例中，所搭建的仿真平台的实体镜像主要由sumo-python平台和web端实现，sumo-python平台主要承担较为粗糙宏观仿真地图，web端实现较为精致的3d仿真地图。其中sumo-python平台通过sumo接口traci搭建，可关联openstreetmap、能实现大规模路网级交通仿真、实现路网和地图的仿真镜像。
44.本实施例搭建了一sumo-python平台；sumo全称是城市交通仿真(simulationof urbanmobility,sumo),是一个开源代码，可移植程度高、微观且连续的交通模拟包，旨在处理大型交通路网仿真的软件。sumo中的车流是微观的，其中每辆车都有明确的行驶轨迹，并通过路网行驶，sumo包括准备执行流量所需的应用程序(网络路由、xml路网文件、roly地形文件、python启动程序)，同时sumo也提供大量工具和开发包，以供使用者进行二次开发。
45.本实施例采用了改进的a*算法，在传统a*算法中通过增加参数w设定a*算法中h(n)的权重系数，并增加参数conner_amend进行拐角修正，采用曼哈顿距离作为启发函数，工作效率计算公式为：
46.g＝σt+βq+γw
47.其中t为总体车辆运行时间，q为新能源货车总耗能，w为转弯点的安全系数，σ、β、γ为权重比，相较于无智能网联平台路径规划的车辆行驶方案，车辆整体工作效率显著提升，提升对比图如图5所示
48.本实施例开发了新能源货车智能网联模拟调度平台的web端；web端由javascript语言开发，采用vue框架，web端与python环境连接方法如图4所示，在web端编写接受sumo车辆仿真数据的接口，将sumo端仿真车辆的信息同步的web端，同时web端具有道路拥塞监测、紧急情况预警等功能，能实时对平台车辆进行监控。
49.总的来说，本发明实施例所述的车路云协同的新能源货车模拟调度方法，在linux
环境下，基于python语言，使用tcp/ip通信协议，建立sumo和决策上位机、web端三者之间的通信；开发sumo-决策上位机仿真平台，利用该平台构建新能源货车智能网联平台测试环境，通过web端展示sumo仿真的路网交通和车辆行驶路径。本发明集成linux，sumo与决策上位机三者环境为一体，建立三者之间的通信搭建车路云协同的模拟调度平台，利用平台可以方便及时地修订环境参数和物理参数，有助于实现新能源货车在复杂道路环境下的路径规划，提升新能源货车工作效率。
50.再一方面，本发明还公开一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如上方法的步骤。
51.在本技术提供的又一实施例中，还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述实施例中任一车路云协同的新能源货车模拟调度方法。
52.可理解的是，本发明实施例提供的系统与本发明实施例提供的方法相对应，相关内容的解释、举例和有益效果可以参考上述方法中的相应部分。
53.本技术实施例还提供了一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信，
54.存储器，用于存放计算机程序；
55.处理器，用于执行存储器上所存放的程序时，实现上述车路云协同的新能源货车模拟调度方法。
56.上述电子设备提到的通信总线可以是外设部件互连标准(英文：peripheral component interconnect，简称：pci)总线或扩展工业标准结构(英文：extended industry standard architecture，简称：eisa)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。
57.通信接口用于上述电子设备与其他设备之间的通信。
58.存储器可以包括随机存取存储器(英文：random access memory，简称：ram)，也可以包括非易失性存储器(英文：non-volatile memory，简称：nvm)，例如至少一个磁盘存储器。可选的，存储器还可以是至少一个位于远离前述处理器的存储装置。
59.上述的处理器可以是通用处理器，包括中央处理器(英文：central processing unit，简称：cpu)、网络处理器(英文：network processor，简称：np)等；还可以是数字信号处理器(英文：digital signal processing，简称：dsp)、专用集成电路(英文：application specific integrated circuit，简称：asic)、现场可编程门阵列(英文：field-programmable gate array，简称：fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
60.在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本技术实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机
指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(dsl))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，dvd)、或者半导体介质(例如固态硬盘solid state disk(ssd))等。
61.需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
62.本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
63.以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

技术特征：
1.一种车路云协同的新能源货车模拟调度方法，基于服务器和sumo仿真平台，其特征在于，包括以下步骤，所述sumo仿真平台用于模拟实际的新能源货车及其运行环境，服务器和sumo仿真平台通过tcp/ip协议实现双向通信，服务器将路径规划信息传递给sumo仿真平台；sumo仿真平台中也可将仿真车辆信息和交通环境信息传递给服务器；所述服务器实时读取车辆信息和道路状况；利用从服务器读取的车辆信息和道路状况，采用改进的a*算法规划路径，统筹规划出多车行驶效率最优方案。2.根据权利要求1所述的车路云协同的新能源货车模拟调度方法，其特征在于：还包括以下步骤，搭建python环境，部署交通仿真软件sumo和决策上位机软件于所述的python环境中，并通过tcp/ip协议建立所述交通仿真软件sumo、决策上位机软件及web端之间的通信；开发sumo-python平台，将所述sumo-python平台搭建于所述的交通仿真软件sumo上，利用sumo软件构建路网地图，并且导入roly地形文件；在python环境中，运用环境中的traci功能包，对交通仿真软件sumo中的车辆进行程序控制，且实时的检测路网的交通拥塞信息，对搭建的平台环境进行监测，路网的实时交通流以车辆xml配置文件的形式配置在交通仿真软件sumo中。3.根据权利要求2所述的车路云协同的新能源货车模拟调度方法，其特征在于：还包括决策上位机软件编写用户界面，支持用户选择不同地区地图，同时设置车辆起终点信息、新能源车辆能耗剩余、道路的拥堵状况，在设置完成后通过改进a*算法规划路径，在决策上位机上显示规划的路径，并将路径信息传递给交通仿真软件sumo在交通仿真软件sumo中实现仿真，同时交通仿真软件sumo也能将道路状况下达给决策上位机，完成对车辆的二次路径规划。4.根据权利要求2所述的车路云协同的新能源货车模拟调度方法，其特征在于：还包括设置web端，python功能包traci从交通仿真软件sumo中获取仿真车辆的数据，通过mqtt协议将数据上传至web端，车辆行驶轨迹在web端上得以展示，同时web端上呈现地区的3d地图，和新能源货车的3d模型。5.根据权利要求1所述的车路云协同的新能源货车模拟调度方法，其特征在于：所述服务器实时读取的车辆信息和道路状况，通过智能网联系统获取。6.根据权利要求4所述的车路云协同的新能源货车模拟调度方法，其特征在于：所述web端向用户提供动态的生成内容，把sumo仿真平台中环境和车辆的运行状态互动式呈现给用户，模拟车辆的真实运行场景，监听车辆的行驶状态。7.根据权利要求1所述的车路云协同的新能源货车模拟调度方法，其特征在于：所述改进的a*算法步骤如下：在传统a*算法中通过增加参数w设定a*算法中h(n)的权重系数，并增加参数conner_amend进行拐角修正，采用曼哈顿距离作为启发函数：f(n)＝g(n)+conner_amend*wh(n)h(n)＝|g
x-s
x
|+|g
y-s
y
|f(n)是估价函数；g(n)表示的是起始点到当前点实际付出的代价值；h(n)代表当前点到目标点的预计代价值；(s
x
，s
y
)(g
x
，g
y
)分别为节点s和目标节点g的坐标,f(n)是估价函
数；g(n)表示的是起始点到当前点实际付出的代价值,为坐标点代价权重，conner_amene为限制转弯点弯角过大而设置的参数。8.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如权利要求1至7中任一项所述方法的步骤。

技术总结
本发明的一种车路云协同的新能源货车模拟调度方法及设备，包括采用SUMO仿真平台用于模拟实际的新能源货车及其运行环境，服务器和SUMO仿真平台通过TCP/IP协议实现双向通信，服务器将路径规划信息传递给SUMO仿真平台；SUMO仿真平台中也可将仿真车辆信息和交通环境信息传递给服务器；所述服务器实时读取车辆信息和道路状况；利用从服务器读取的车辆信息和道路状况，采用改进的A*算法规划路径，统筹规划出多车行驶效率最优方案。本发明集成Linux，SUMO与决策上位机三者环境为一体，建立三者之间的通信搭建车路云协同的模拟调度平台，利用平台可以方便及时地修订环境参数和物理参数，有助于实现新能源货车在复杂道路环境下的路径规划，提升新能源货车工作效率。提升新能源货车工作效率。提升新能源货车工作效率。


技术研发人员：郑睿 仲俊屹 朱志伟 冷新利 张升 马小陆
受保护的技术使用者：安徽师范大学
技术研发日：2023.03.09
技术公布日：2023/7/20