核心词：
宁波驾校 基于系统 基于系统互联网思维 基于系统应用 基于系统的 智能驾驶系统 驾驶系统 目录：
1、现有的应用方式主要有2、车辆信息主要包括车辆原始数据3、处理结果将传送至应用层中4、通过对行驶数据库的调用5、车辆内部网络的一般为总线型网络拓扑结构6、在此以采用Google公司提出Map-Reduce技术搭建云计算平台为例进行分析 本文结合我国智能化驾驶系统的需求和特点,以及当前互联网思维应用的模式与处理方法,对构建智能驾驶系统的框架和技术要点进行分析。
我国的交通事业在迅速发展的同时,交通事故率却居高不下。
但与此同时,互联网时代的新发展又给解决这样严峻的交通问题提供了新思路。
本文主要开展"基于互联网思维应用的智能驾驶系统"技术分析,结合互联网思维下的大数据处理,云平台计算,以期达到多方面高要求的保障行车安全的目的。
智能驾驶系统是一个集中运用了先进的信息控制技术,剧本环境感知、多等级辅助驾驶等功能于一体的综合系统。
智能驾驶系统作为各国重点发展的智能交通系统中的一部分,仍在不断的探索与实验中。
现有的应用方式主要有
现有的应用方式主要有:虚拟化技术、数据分布存储技术、云平台构建技术、与计算处理技术等。
按照递阶控制结构理论及交通系统的层次性结构特性,可将基于互联网思维应用的智能驾驶系统的逻辑框架自下而上划分为:感知层、网络层、分析层和应用层。感知层具体解释为采集驾驶员的行驶过程中涉及到的驾驶信息。网络层具体解释为驾驶信息的传输、调度、存储。分析层具体解释为驾驶信息的后台大数据处理技术。应用层具体解释为数据分析结果的反馈控制及其应用。结合系统上述的逻辑结构,具体对数据流模型进行分析,智能驾驶系统基于系统的模型设计如图1所示。路况信息的采集,如道路几何构造,路面状况,道路灾害,路网条件及交通状况等,一般可通过GPS或北斗系统等高精度导航系统进行采集。
车辆信息主要包括车辆原始数据
车辆信息,车辆信息主要包括车辆原始数据,如(车辆型号,宁波驾校车辆理论参数等)以及车辆行驶动态数据,如(行车速度,行车时间、行车轨迹等,一般可通过CAN总线的方式进行数据采集。网络层,即数据的传输调度层,路况信息在经过导航系统进行数据采集后通过报文通信的方式进行数据传输,车辆信息有CAN总线进行数据采集后以GPRS通信模块的方式进行数据传输,数据传输至本层后,由本层进行汇总整合后传输至分析层中。分析层,驾驶系统即大数据的分析处理层,由于大数据采集与处理的无序性,在已定义的函数模型下,对影响驾驶的数据进行计算处理。
处理结果将传送至应用层中
处理结果将传送至应用层中,同时将返回至网络层中进行存储与调用,并在网络层中建立行驶数据库。应用层,即应用服务层,基于系统互联网思维依据数据采集与处理的结果,通过数据接口的方式可进行跨应用,跨系统之间的信息共享与信息协调。在互联网的大数据应用思维及互联互通的理念下,智能驾驶系统的应用主要为分为三大模块:用户服务系统、交通管理系统、汽车营销系统。基于互联网思维的智能驾驶系统以驾驶员的行车安全性、舒适度等为约束,通过互联网的云处理与计算平台,得出建议的车辆安全行驶评定值、预警意见、适宜车速等驾驶控制数据流,由车体通过CAN总线接收数据,自动进行数据信号转换,进行行驶控制与调节,同时提出行驶对策的辅助指导可视化界面,人机交互协调车辆关系,保障行车安全,提高人的驾驶愉悦性。
通过对行驶数据库的调用
通过对行驶数据库的调用,交通管理部门可准确、实时地掌握的行驶状况,基于系统更好地组织、规划、协调、指挥运输活动,提高道路行驶效率,降低交通损耗率。行驶数据库可为汽车企业提供企业数据服务,提高车体质量,促进企业方向性的发展。北斗导航系统基于覆盖全国的GSM数据蜂窝移动通信网络,北斗导航系统所采集的路况信息可通过GSM通信网络中特有的信令信道与本系统进行双向报文通信传输。
车辆内部网络的一般为总线型网络拓扑结构
车辆内部网络的一般为总线型网络拓扑结构,用CAN总线与LIN总线进行网络连接。其中CAN总线连接了车辆ECU和几乎所有控制节点、信息节点,可对车辆数据进行采集。数据采集完成后,选择通用分组无线业务进行无线数据交换,即CAN总线控制器所采集的数据信息以GPRS通信模块的形式,传输到智能驾驶系统中,经过分析层处理后的数据,同样以GPRS通信模块的形式返回到CAN总线控制器上。
在此以采用Google公司提出Map-Reduce技术搭建云计算平台为例进行分析
在此以采用Google公司提出Map-Reduce技术搭建云计算平台为例进行分析,建立驾驶信息大数据分析处理的并行计算模型,如图2所示,其技术框架主要分为三部分:分布式驾驶文件系统、驾驶信息并行编程模型、并行执行引擎。其主要运行在大规模数据集群上,基于系统应用主要实现所采集的驾驶原始数据的集中管理,以及对处理后的指导驾驶的数据的分类存储,以便客户端的访问与调用。驾驶信息并行编程模型主要分为两个阶段,即Map阶段与Reduce阶段。Map函数处理Key/Value对,即将分布式驾驶文件系统中集中管理的驾驶信息大数据进行分块,可分为速度数据块、行车轨迹数据块、行车时间数据块、车距数据块等,分别带入到相应速度模型、行车轨迹模型、行车时间模型、车距模型等函数计算模型中,得出一系列速度、行车轨迹、行车时间、车距等key/value对。Reduce的函数处理则是识别数据来源,对处理key/value对进行数据整合输出。例如具有部分驾驶权限的车载终端控制系统,可以传输人-车系统所具有的速度、车间距等信息,结合路况信息,通过云平台的实时计算进行反馈,在危险路段指导驾驶乃至控制驾驶,保证行车安全及交通畅通。本文首先分析了国内外智能化驾驶系统以及交通研究领域互联网思维应用的现状的认识和研究现状,在此基础上,提出了比较完善的基于互联网思维应用的智能驾驶系统的逻辑框架、数据流图以及系统组成。本文根据车载驾驶系统的反馈指导技术的研究及应用现状,首次提出将大数据思维下的车载驾驶纳入智能化交通的控制系统范畴,驾驶系统智能驾驶系统从而达到保障行车安全,降低交通事故率的目的。
