本發(fā)明屬于智能汽車，具體涉及一種云邊端協(xié)同ivcps多用戶并發(fā)交通任務(wù)聯(lián)合仿真方法。

背景技術(shù)：

1、ivcps系統(tǒng)中，并發(fā)任務(wù)主要是由多輛智能車輛根據(jù)自身的需求，同時(shí)對(duì)云層及邊緣云發(fā)起請(qǐng)求，云層及邊緣層接收相關(guān)請(qǐng)求并進(jìn)行處理后，將決策返回至終端層。具體上說，智能網(wǎng)聯(lián)車輛在行駛過程中會(huì)遇到各種工況，云邊端協(xié)同架構(gòu)下，考慮車端的資源規(guī)模受限，因此將控制決策模塊布置在云層以及邊緣層，車端上傳感知信息，接受并執(zhí)行相應(yīng)的決策，降低多用戶終端的資源負(fù)載，同時(shí)實(shí)時(shí)性由云邊端協(xié)同負(fù)責(zé)。

2、但目前缺乏對(duì)ivcps下并發(fā)任務(wù)之間耦合機(jī)理的相關(guān)研究，因此，本發(fā)明提出了一種云邊端協(xié)同ivcps多用戶并發(fā)交通任務(wù)聯(lián)合仿真方法，對(duì)云邊端協(xié)同下ivcps并發(fā)交通場(chǎng)景進(jìn)行仿真與驗(yàn)證。

技術(shù)實(shí)現(xiàn)思路

1、有鑒于此，本發(fā)明提供一種云邊端協(xié)同ivcps多用戶并發(fā)交通任務(wù)聯(lián)合仿真方法，本發(fā)明旨在進(jìn)一步研究ivcps下并發(fā)任務(wù)之間的耦合機(jī)理，對(duì)云邊端協(xié)同下ivcps并發(fā)交通場(chǎng)景進(jìn)行仿真與驗(yàn)證。

2、為達(dá)到上述目的，本發(fā)明提供了一種云邊端協(xié)同ivcps多用戶并發(fā)交通任務(wù)聯(lián)合仿真方法，包括以下步驟：

3、s1.利用多臺(tái)用戶終端以及服務(wù)器，搭建ivcps仿真系統(tǒng)架構(gòu)；

4、所述ivcps仿真系統(tǒng)架構(gòu)包括終端層、邊緣層、云層和性能監(jiān)測(cè)模塊；

5、s2.通過終端層進(jìn)行在線模擬或仿真現(xiàn)實(shí)交通場(chǎng)景的多個(gè)終端用戶，即根據(jù)交通仿真任務(wù)，在終端層進(jìn)行定制化配置；

6、s3.通過邊緣層對(duì)終端層上傳的交通仿真任務(wù)進(jìn)行編排和分發(fā)，劃分得到低時(shí)延要求并發(fā)任務(wù)子集和非低時(shí)延要求的并發(fā)任務(wù)集；

7、所述邊緣層內(nèi)設(shè)有低時(shí)延要求自動(dòng)駕駛算法模塊，低時(shí)延要求并發(fā)任務(wù)子集發(fā)送至低時(shí)延要求自動(dòng)駕駛算法模塊，之后形成決策結(jié)果，返回至對(duì)應(yīng)的多用戶終端；

8、所述云層內(nèi)設(shè)有非低時(shí)延要求自動(dòng)駕駛算法模塊，非低時(shí)延要求的并發(fā)任務(wù)集發(fā)送至非低時(shí)延要求自動(dòng)駕駛算法模塊，之后形成決策結(jié)果，返回至對(duì)應(yīng)的多用戶終端；

9、s4.通過性能監(jiān)測(cè)模塊實(shí)時(shí)監(jiān)測(cè)多用戶終端、邊緣層服務(wù)器和云層服務(wù)器的cpu、內(nèi)存、吞吐量和i/o利用率，同時(shí)監(jiān)測(cè)終端層、邊緣層和云層之間的通信性能狀態(tài)。

10、進(jìn)一步，所述步驟s1中，終端層包括以下內(nèi)容：

11、道路拓?fù)浣Y(jié)構(gòu)建立：用于供用戶根據(jù)需求創(chuàng)建道路網(wǎng)絡(luò)，包括道路類型、車道數(shù)目和道路曲率；

12、車輛模型定制：用于供用戶添加車輛模型，并根據(jù)需要設(shè)置車輛車型、尺寸、速度的參數(shù)；

13、智能傳感器模型：用于供用戶添加雷達(dá)、攝像頭傳感器模型，以模擬車輛感知環(huán)境；

14、駕駛員模型：用于供用戶添加不同類型的駕駛員模型，以模擬不同駕駛行為和決策；

15、車輛動(dòng)力學(xué)模型：系統(tǒng)提供車輛動(dòng)力學(xué)模型，用于供用戶調(diào)整車輛的加速度和轉(zhuǎn)向參數(shù)，以模擬真實(shí)的車輛行駛行為。

16、進(jìn)一步，所述邊緣層中部署有simulink，仿真過程中，使用simulink中的網(wǎng)絡(luò)通信模塊udp?send或tcp/ip?send模塊對(duì)感知信息進(jìn)行處理和打包，并將打包好的感知信息上傳至邊緣層。

17、進(jìn)一步，所述步驟s3中的低時(shí)延要求并發(fā)任務(wù)和非低時(shí)延要求并發(fā)任務(wù)，通過設(shè)置任務(wù)要求響應(yīng)時(shí)間作為閾值進(jìn)行界定，當(dāng)任務(wù)要求響應(yīng)時(shí)間大于閾值時(shí)，界定為非低時(shí)延要求并發(fā)任務(wù)，反之為低時(shí)延要求并發(fā)任務(wù)。

18、進(jìn)一步，所述步驟s3中的低時(shí)延要求自動(dòng)駕駛算法模塊包括緊急制動(dòng)預(yù)警算法、限速預(yù)警算法、向前碰撞預(yù)警算法、左轉(zhuǎn)輔助算法和盲區(qū)預(yù)警/變道預(yù)警算法；

19、緊急制動(dòng)預(yù)警算法：是通過車輛傳感器監(jiān)測(cè)車輛周圍的環(huán)境和其他車輛，當(dāng)檢測(cè)到潛在的碰撞危險(xiǎn)時(shí)，系統(tǒng)會(huì)向駕駛員發(fā)出警告，提醒駕駛員采取緊急制動(dòng)或避讓措施；

20、限速預(yù)警算法：是使用車輛定位和地圖數(shù)據(jù)，結(jié)合車速傳感器，以識(shí)別車輛當(dāng)前所處位置的道路限速信息，一旦車輛超速，系統(tǒng)會(huì)向駕駛員發(fā)出警告，提醒駕駛員減速以遵守道路限速；

21、向前碰撞預(yù)警算法：是利用車輛的傳感器來監(jiān)測(cè)前方道路情況和距離，并根據(jù)車速和前方車輛的速度，預(yù)測(cè)可能的碰撞風(fēng)險(xiǎn)，當(dāng)檢測(cè)到潛在的碰撞威脅時(shí)，系統(tǒng)會(huì)向駕駛員發(fā)出警告，促使駕駛員采取行動(dòng)以避免碰撞；

22、左轉(zhuǎn)輔助算法：通常與盲區(qū)預(yù)警算法結(jié)合使用，通過車輛側(cè)面的傳感器監(jiān)測(cè)車輛周圍的盲區(qū)，并在駕駛員打算左轉(zhuǎn)時(shí)提供警告，以避免與側(cè)方行駛的車輛相撞；

23、盲區(qū)預(yù)警/變道預(yù)警算法：是利用車輛側(cè)面的傳感器來監(jiān)測(cè)盲區(qū)，系統(tǒng)會(huì)向駕駛員發(fā)出警告，提醒駕駛員注意側(cè)方是否有其他車輛，以確保變道操作的安全性。

24、進(jìn)一步，所述步驟s3中的非低時(shí)延要求自動(dòng)駕駛算法模塊包括路徑規(guī)劃算法和擁堵提醒算法；

25、路徑規(guī)劃算法：是考慮道路距離、交通情況，確定車輛從起點(diǎn)到目的地的最佳行駛路徑；

26、擁堵提醒算法：基于實(shí)時(shí)交通數(shù)據(jù)和歷史交通模式，檢測(cè)道路擁堵情況，并向駕駛員發(fā)送提醒，建議選擇其他路徑或延遲行程。

27、進(jìn)一步，所述步驟s4中，性能監(jiān)測(cè)模塊利用wireshark作為網(wǎng)絡(luò)抓包工具對(duì)終端層、邊緣層和云層之間的通信進(jìn)行實(shí)時(shí)抓包，通過捕獲篩選器對(duì)upd或tcp/ip通信協(xié)議的通信進(jìn)行抓包分析，分析終端層、邊緣層和云層之間的通信性能。

28、進(jìn)一步，所述性能監(jiān)測(cè)模塊中的分析包括時(shí)延分析、丟包率分析、帶寬占用率分析、流量模式分析和連接建立時(shí)間分析。

29、有益效果：

30、本發(fā)明一種云邊端協(xié)同ivcps多用戶并發(fā)交通任務(wù)聯(lián)合仿真方法，包括終端層、邊緣層、云層和性能監(jiān)測(cè)模塊，利用多臺(tái)用戶終端以及服務(wù)器，搭建起云邊端協(xié)同的ivcps多用戶并發(fā)仿真架構(gòu)，不同用戶可在終端層個(gè)性化編輯交通仿真任務(wù)，任務(wù)提交至邊緣層，并由其進(jìn)行分類編排后上傳至邊緣云或云端的算法處理模塊，執(zhí)行結(jié)果返回終端層。同時(shí)，仿真過程中，對(duì)云邊端的性能指標(biāo)進(jìn)行實(shí)時(shí)監(jiān)測(cè)。以上基于交通并發(fā)場(chǎng)景的模擬與仿真，可完成云邊端協(xié)同下ivcps多用戶并發(fā)訪問云邊端服務(wù)，有利于對(duì)其耦合機(jī)理的研究以及自動(dòng)駕駛算法的開發(fā)驗(yàn)證與評(píng)估。

31、本發(fā)明的其他優(yōu)點(diǎn)、目標(biāo)和特征在某種程度上將在隨后的說明書中進(jìn)行闡述，并且在某種程度上，基于對(duì)下文的考察研究，對(duì)本領(lǐng)域技術(shù)人員而言將是顯而易見的，或者可以從本發(fā)明的實(shí)踐中得到教導(dǎo)。本發(fā)明的目標(biāo)和其他優(yōu)點(diǎn)可以通過下面的說明書來實(shí)現(xiàn)和獲得。

技術(shù)特征：

1.一種云邊端協(xié)同ivcps多用戶并發(fā)交通任務(wù)聯(lián)合仿真方法，其特征在于，包括以下步驟：

2.根據(jù)權(quán)利要求1所述的一種云邊端協(xié)同ivcps多用戶并發(fā)交通任務(wù)聯(lián)合仿真方法，其特征在于：所述步驟s1中，終端層包括以下內(nèi)容：

3.根據(jù)權(quán)利要求2所述的一種云邊端協(xié)同ivcps多用戶并發(fā)交通任務(wù)聯(lián)合仿真方法，其特征在于：所述邊緣層中部署有simulink，仿真過程中，使用simulink中的網(wǎng)絡(luò)通信模塊udp?send或tcp/ip?send模塊對(duì)感知信息進(jìn)行處理和打包，并將打包好的感知信息上傳至邊緣層。

4.根據(jù)權(quán)利要求3所述的一種云邊端協(xié)同ivcps多用戶并發(fā)交通任務(wù)聯(lián)合仿真方法，其特征在于：所述步驟s3中的低時(shí)延要求并發(fā)任務(wù)和非低時(shí)延要求并發(fā)任務(wù)，通過設(shè)置任務(wù)要求響應(yīng)時(shí)間作為閾值進(jìn)行界定，當(dāng)任務(wù)要求響應(yīng)時(shí)間大于閾值時(shí)，界定為非低時(shí)延要求并發(fā)任務(wù)，反之為低時(shí)延要求并發(fā)任務(wù)。

5.根據(jù)權(quán)利要求4所述的一種云邊端協(xié)同ivcps多用戶并發(fā)交通任務(wù)聯(lián)合仿真方法，其特征在于：所述步驟s3中的低時(shí)延要求自動(dòng)駕駛算法模塊包括緊急制動(dòng)預(yù)警算法、限速預(yù)警算法、向前碰撞預(yù)警算法、左轉(zhuǎn)輔助算法和盲區(qū)預(yù)警/變道預(yù)警算法；

6.根據(jù)權(quán)利要求5所述的一種云邊端協(xié)同ivcps多用戶并發(fā)交通任務(wù)聯(lián)合仿真方法，其特征在于：所述步驟s3中的非低時(shí)延要求自動(dòng)駕駛算法模塊包括路徑規(guī)劃算法和擁堵提醒算法；

7.根據(jù)權(quán)利要求6所述的一種云邊端協(xié)同ivcps多用戶并發(fā)交通任務(wù)聯(lián)合仿真方法，其特征在于：所述步驟s4中，性能監(jiān)測(cè)模塊利用wireshark作為網(wǎng)絡(luò)抓包工具對(duì)終端層、邊緣層和云層之間的通信進(jìn)行實(shí)時(shí)抓包，通過捕獲篩選器對(duì)upd或tcp/ip通信協(xié)議的通信進(jìn)行抓包分析，分析終端層、邊緣層和云層之間的通信性能。

8.根據(jù)權(quán)利要求7所述的一種云邊端協(xié)同ivcps多用戶并發(fā)交通任務(wù)聯(lián)合仿真方法，其特征在于：所述性能監(jiān)測(cè)模塊中的分析包括時(shí)延分析、丟包率分析、帶寬占用率分析、流量模式分析和連接建立時(shí)間分析。

技術(shù)總結(jié)
本發(fā)明屬于智能汽車技術(shù)領(lǐng)域，公開了一種云邊端協(xié)同IVCPS多用戶并發(fā)交通任務(wù)聯(lián)合仿真方法，包括終端層、邊緣層、云層和性能監(jiān)測(cè)模塊，利用多臺(tái)用戶終端以及服務(wù)器，搭建起云邊端協(xié)同的IVCPS多用戶并發(fā)仿真架構(gòu)，不同用戶可在終端層個(gè)性化編輯交通仿真任務(wù)，任務(wù)提交至邊緣層，并由其進(jìn)行分類編排后上傳至邊緣云或云端的算法處理模塊，執(zhí)行結(jié)果返回終端層。同時(shí)，仿真過程中，對(duì)云邊端的性能指標(biāo)進(jìn)行實(shí)時(shí)監(jiān)測(cè)。以上基于交通并發(fā)場(chǎng)景的模擬與仿真，可完成云邊端協(xié)同下IVCPS多用戶并發(fā)訪問云邊端服務(wù)，有利于對(duì)其耦合機(jī)理的研究以及自動(dòng)駕駛算法的開發(fā)驗(yàn)證與評(píng)估。

技術(shù)研發(fā)人員：陳金玉,莢軍,朱紫
受保護(hù)的技術(shù)使用者：重慶大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/19