[发明专利]基于车联网的货物运输方法及系统

权利要求书

1.基于车联网的货物运输方法，其特征在于，该方法包括以下步骤：

货车和道路之间构建车联网系统，车联网系统中的每个路侧单元上的红外相机获取视野内每个时刻的所有车辆的位置，在货车驶进相机视野和驶出相机视野过程中，路侧单元对货车进行身份识别，并且路侧单元将货车在每个时刻位置以及货车的临近车辆在每个时刻的位置发送给货车，货车根据所述临近车辆的位置以及天气的能见度获得每个临近车辆的危险因子；

根据货车在离开相机视野后的每个时刻上所有临近车辆的位置，获得每个时刻上每个临近车辆的影响分布图，根据每个临近车辆的危险因子对所有临近车辆的所述影响分布图进行叠加，获得货车综合行驶危险分布图，根据货车综合行驶危险分布图上像素之间的灰度值获得行驶安全程度分布图，在行驶安全程度分布图上获取一条最优行驶路径，货车在离开相机视野之后根据所述行驶路径进行加速和变道行驶，直至货车进入下一个路侧单元的红外相机视野为止；

所述的每个临近车辆的影响分布图的获取步骤包括：

根据货车离开相机视野区域前所有时刻上的每个临近车辆的位置，利用卡尔曼滤波获得货车离开相机视野区域后的每个时刻上的每个临近车辆的位置；

在货车离开相机视野区域后的每个时刻，根据货车的所有临近车辆的位置，获取每个临近车辆的所有受影响车辆，每个受影响车辆是指：在每个车道上，在每个临近车辆后面的且与临近车辆距离最近的其他临近车辆，在所有车道上的所述其他临近车辆就是所述的所有受影响车辆；

计算的每个临近车辆和其所有受影响车辆的欧式距离，然后以所有位置为像素坐标，构建一张图像，所述图像上的在所有受影响车辆位置处的灰度值设置为所有受影响车辆对应的欧式距离的倒数，所述图像上的在其他位置处的灰度值设置为0，对所述图像进行滤波，获得的结果称为每个临近车辆的影响分布图；

所述的货车综合行驶危险分布图的获取步骤包括：

在货车离开相机视野区域后的预设时间段内，将每个时刻所有临近车辆的影响分布图进行加权求和，权重为每个临近车辆的危险因子，获得的结果称为每个时刻的行驶危险分布图，获取货车离开相机视野区域后的预设时间段内所有时刻的行驶危险分布图的均值，所述均值作为货车综合行驶危险分布图；

所述的最优行驶路径的获取步骤包括：

在货车综合行驶危险分布图上，获取每个像素和其他任意像素的欧式距离和每个像素与其他任意像素的灰度值之和，所述的欧式距离与所述的和的乘积再取倒数，获得的结果称为每个像素和其他任意像素的安全系数，每个像素和其他所有像素的安全系数的和称为每个像素的行驶安全程度；所有像素的行驶安全程度构成的单通道图像作为行驶安全程度分布图；

根据行驶安全程度分布图构建一个有向图，并且将货车离开相机视野时的位置作为初始位置，获取货车最前方的且在行驶安全程度分布图上灰度值最小的位置作为目标位置，利用弗洛伊德算法在有向图上获得初始位置和目标位置的最短路径，所述的最短路径作为最优行驶路径。

2.根据权利要求1所述的基于车联网的货物运输方法，其特征在于，所述的每个临近车辆的危险因子的获取步骤包括：

在货车驶进相机视野到驶出相机视野的一时间段内，对于每个临近车辆，根据其在每个时刻的位置获得其在每个时刻的速度大小，以及获得每个时刻和前车的距离，并且获取每个时刻的能见度，所述每个时刻的能见度的获取方法为：将货车行车记录仪在每个时刻采集的图像输入神经网络中，神经网络输出每个时刻的能见度；

对于所述的和前车的距离大于能见度的所有时刻，将所述所有时刻的速度大小和时间拟合成一个第一线性模型；

对于所述的和前车的距离小于等于能见度的所有时刻，获取每个时刻的能见度和所述的和前车的距离的差值，将所述所有时刻的速度大小和所述差值拟合成一个第二线性模型；

每个临近车辆的危险因子与所述第一线性模型和第二线性模型的差值成正相关。