无人车的GIS数据库应用平台设计

无人车的GIS数据库应用平台设计

技术领域

本发明的无人车使用车载传感器感知车辆周围环境，并根据感知获得的道路、车辆位置和障碍物信息，自主规划行车路线并控制车辆的转向和速度，从而使车辆能够安全、可靠地在道路上行驶；无人车将通过其高智能性减少交通事故，改善交通拥堵，提高整个交通系统的工作效率；与此同时，无人车能够代替人在危险环境中作业，并能探索到一些人类还不能进入的区域或星球环境。

背景技术

自十九世纪末发明汽车以来，汽车的外观设计与制造技术不断得到革新，然而汽车的总体控制方式却从未改变，即由驾驶员观察路况并控制车辆，形成“车-路-人”的闭环控制系统；然而，驾驶员既“不可观”又“不可控”，只能通过不断地积累驾驶经验和出台相关的交通规则来加以约束；经济的高速发展直接导致了汽车数量的急剧增加，这使得汽车给人们的生活带来便利的同时迫使道路交通压力日益增加，道路拥堵让人们的出行苦不堪言，交通事故更是频繁发生，严重危害了人们的人身和财产安全；为了从根本上提高交通系统的整体运行效率和安全性，只能尽力去掉“人”这一不可靠因素，实现“车-路”的闭环控制系统；这种新型控制系统的核心即为无人自动驾驶车辆技术，对应的车辆即为无人自动驾驶汽车。

发明内容

本发明的解决方案在对无人车在城市交通环境中行驶的感知需求提出GIS数据库的构建方法，并从地图匹配算法和路径规划算法两方面验证GIS数据库的适用性和有效性；基于RBF神经网络建立路段通行时间预测模型，利用该模型预测各路段的通行时间；借鉴贝叶斯理论的更新思想，利用实际跑车实验获得的通行时间数据，更新各路段预测通行时间，以提高预测精度；在此基础上提出基于GIS数据库的最短时间路径规划算法和基于概率意义的路径选择方法，并通过仿真实验验证算法的有效性及GIS数据库的适用性。

具体实施方式

本发明实施如下，首先在实际跑车实验中利用地图匹配算法将无人车当前位置匹配到地图上，由GIS数据库为无人车提供路段的属性信息，以提高其环境感知效率；然后利用径向基函数(Radial Basis Function，RBF)神经网络预测各路段通行时间，并借鉴贝叶斯理论的更新思想更新各路段通行时间的预测值，以提高预测精度；最后基于改进的Dijkstra算法以及基于概率意义的路径选择方法为无人车规划出时间最短的路径，指导无人车自主行驶；结合城市交通环境的特点和无人车对环境的感知需求构建GIS数据库，以辅助无人车在城市交通环境下自主行驶。