货车编队运输调度方法、调度系统、介质及数据处理终端

摘要

本发明属于运输调度技术领域，公开了一种货车编队运输调度方法、调度系统、介质及数据处理终端，车载单元获取预设路径以及最佳速度后，向平台发送执行反馈。实际交通场景下，车载单元应用车辆的多传感器建立一个车辆周边环境模型，结合智能路侧系统发送的实时路段信息进行决策，控制车辆安全行驶。车载单元在路段允许的速度范围内完成车辆的合并编组，在允许的延误时间内完成对接，以节省能耗，保证任务效率。本发明结合IVICS设计了一种货运车辆的编队运输组织方法及系统架构，提出通过对货运车辆进行调度，将其合并成车队集合在道路上共同行驶，以达到节能减排的目的。本发明车辆合并队列的方案较车辆单独行驶方案能够节约能耗。

说明书

技术领域

本发明属于运输调度技术领域，尤其涉及一种货车编队运输调度方法、调度系统、介质及数据处理终端。

背景技术

目前，交通运输是国民经济的基础产业，与人民群众的生产生活密切相关。道路货运是原材料和产品有效运送和及时供应的关键供应链组成部分，在运输系统中占主导地位，所完成的运输量占总货物运输的80％，因此，道路货运是社会经济发展不可缺少的一部分。

道路货运系统对经济发展至关重要，但也对环境和人类健康造成损害。从全球范围来看，大部分货物通过重型货车进行运输，产生大量污染物，环境问题持续恶化。2018年，中国道路交通运输业消耗了全国60.1％的石油，产生了14％的温室气体。美国交通运输行业消耗了70％的石油，产生了33.6％的温室气体。根据石油输出国组织(Organization ofPetroleum Exporting Countries，OPEC)的预测，2016年—2040年，交通运输行业的能源消耗量将占全球总量的66.7％，成为高能耗行业。

面对道路货运中的瓶颈，大量研究人员开始对车辆能耗问题进行积极探索。现有技术对车辆尾气排放与能耗的关系进行研究，认为碳排放量与车辆所需能耗成正比关系，而能耗又依赖于车辆、环境和与交通相关的参数等。因此，诸多学者开始倾向于最小化货运车辆能耗问题的研究。

依据相关理论文献来看，当重型车辆合并列队行驶时，车间距越小，后面车辆所受的空气阻力也就越小，从而有效降低跟随车辆的能耗，最大限度地节能减排。然而，车辆小间距队列行驶的实现依赖于自动驾驶技术，由于现今的自动驾驶技术和基础设施尚未成熟和完善，真实路网中几乎所有的车辆都是单独行驶，缺少车辆间的协作。

未来，依托人工智能、先进无线通信以及自动驾驶等等技术的发展和成熟，智能车路协同系统(Intelligent Vehicle Infrastructure Cooperative Systems，即IVICS)可以实现高可靠、低延时的车车、车路动态实时信息交互，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，保证交通安全，提高通行效率。

传统意义上的货车编队行驶是指两辆以上的货车组合成车队，以一定的距离、一定的速度行驶。这种方式的队列行驶完全依靠驾驶员的经验和车辆控制技艺来保证车间距离和相对车速，但由于人的反应迟滞，车队的速度较低，车间距离较大，无法实现节能减排的效果。同时现今大多数研究都是依据已有的交通信息直接得到时间或距离最小的径路。当交通拥堵出现时，多数采用停车等待或优化出发时间等措施以避免拥堵，但这些方式不适用于行驶中的车辆，且极易造成延误。

通过上述分析，现有技术存在的问题及缺陷为：1.现有的自动驾驶技术和基础设施尚未成熟和完善，而单纯依靠驾驶员的操作无法实现车辆小间距队列行驶，真实路网中几乎所有的车辆都是单独行驶,缺少车辆间的协作，因此，无法达到节能减排的目标；2.现今大多数研究都是依据已有的交通信息直接得到时间或距离最小的径路，交通状况是不断变化的，依据历史信息对未来预测难免不具备客观性，不适用于行驶中的车辆。

解决以上问题及缺陷的难度为：

未来智能交通基础设施的建设与完善仍需要很长一段时间才能完成；

距离自动驾驶技术的成熟还有很长一段路要走。

解决以上问题及缺陷的意义为：

通过规划调度将道路上的车辆合并编组成小间距队列共同行驶，使行驶中的跟随车辆所受空气阻力减小，从而达到减少跟随车辆的油耗性能的目的，最大限度地节能减排，同时在保障道路交通安全，提高道路容量及交通通行效率等方面有很大的挖掘潜力。

发明内容

针对现有技术存在的问题，本发明提供了一种货车编队运输调度方法、调度系统、介质及数据处理终端。

本发明是这样实现的，一种基于智能车路协同和自动驾驶的货车编队运输调度方法，所述基于智能车路协同和自动驾驶的货车编队运输调度方法包括：

在运输任务开始之前，车辆所配备的智能车载系统将运输任务信息、车载单元的身份码以及动态参数上传到V2X综合管控平台。平台结合已有信息以及智能路侧系统上传的实时交通运行状况，通过相关算法规划合适的行驶路径,及时下达执行指令给车载单元，将最初没有公共路段的车辆调度到指定的路段合并成小间距队列行驶。车载单元获取预设路径以及最佳速度后，向平台发送执行反馈。实际交通场景下，车载单元应用车辆的多传感器建立一个车辆周边环境模型，结合路侧端发送的路段信息进行决策，控制车辆安全行驶。车载单元在路段允许的速度范围内完成车辆的合并编组，在允许的延误时间内完成对接，以节省能耗，保证任务效率。与此同时，路侧单元可通过传感、通信等方式对车辆运行进行实时动态监测，汇总实时的交通数据并将其安全高效地分发给各个需要的模块，方便平台提前规划出行方案或及时改变原有方案。

具体地，包括：

步骤一，车载端将运输任务信息及车辆基础数据上传至中心云端，中心云端选择相关算法规划车辆运输方案和行驶路径,并下达执行指令至车载单元，车载单元获取预设路径以及最佳速度后，向平台发送执行反馈；

步骤二，车载单元行驶过程中，应用车辆多传感器感知周边环境，并结合路侧端发送的周边环境数据和实时路段信息进行决策，及时调整车辆驾驶状态，控制车辆完成合并编组，保障车辆能够在复杂的交通环境下安全行驶；

步骤三，路侧端对路段、周边环境数据进行感知、融合、分析，并监测车辆运行状况，将采集的实时动态信息经由边缘云加以处理后，实时上传给中心云端；

步骤四，中心云端汇总当前路网中的交通流分布状况，并对后续时间段的道路状况进行模拟，结合路径规划算法，规划得到车辆行驶路径及下一时间段的车辆编队组合的方案；

进一步，步骤二中，所述基于得到的车辆编队组合方案进行车辆合并编组包括：在运输不延误的前提下，通过协同规划新的行驶路径,使最初没有公共路段的车辆拥有部分共同路段,调度它们到指定的共同路段，在路段允许的速度范围内进行车辆的合并编组，并在允许的延误时间内完成对接，形成小间距车队集合行驶。

进一步，步骤二中，所述基于得到的车辆行驶路径以及车辆编队组合方案进行车辆控制及合并编组还包括：

当车队集合在行驶过程中遇到交通拥堵时，V2X综合管控平台通过路径规划算法重新规划新的车辆轨迹，并将执行指令传送给队列，车载单元基于执行指令及时调整行驶状态，脱离原本的车队集合单独行驶，或与其他车辆合并形成新的车队集合继续行驶。

进一步，所述基于智能车路协同和自动驾驶的货车编队运输调度方法还包括：

路侧单元利用互联、通信技术与车载单元建立连接，获取车辆状态信息，通过解析、处理实时状态信息，对车辆运行参数进行实时监测，同时将实时获取的道路状况消息以广播的形式分发给过往车辆，并汇总分析处理后的车辆状态信息以及车辆运行参数上传至V2X综合管控平台，进行可视化展示。

本发明的另一目的在于提供一种实施所述基于智能车路协同和自动驾驶的货车编队运输调度方法的运输调度系统，所述基于智能车路协同和自动驾驶的货车编队运输调度系统包括：

智能车载系统、智能路侧系统和V2X综合管控平台；

智能车载系统，又称车载端，包括车载模块、环境感知模块、自动驾驶控制模块；负责实时车辆数据的采集和周边物理环境的融合感知，在低时延、高可靠的前提下，调整车载单元的驾驶状态，控制车辆合并编组，并对车辆队列进行管理，保证车辆在各种复杂环境下稳定、安全行驶；

智能路侧系统，又称路侧端，包括路侧基础设施和边缘云计算设备，应用于路段及周边地理信息的实时探测感知及对车辆运行的实时监测，完成对海量路况数据的实时计算处理，实现对路况的数字化感知；

V2X综合管控平台，又称中心云端，包括存储模块、管理模块和计算模块，可以保存近段时间内的路网情况，也可以结合历史交通信息和即时动态信息计算每辆车的运输计划及最佳速度并发送给车辆，管理各个边缘云计算设备，保障智能车载系统、智能路侧系统的信息实时交互；依据存储模块中的已有信息还可以实现交通流的预测，或生成交通路网拥堵及事故分析报告。

进一步，所述智能车载系统包括：

车载模块，负责车辆数据的实时采集，如车辆的实时位置、速度剖面等等；

环境感知模块，应用车辆的多传感器感知周边物理环境，并基于感知的环境数据建立一个车辆周边环境模型；

自动驾驶控制模块，通过人工智能算法给制动、转向、加速等控制器下达指令，及时调整车载单元的驾驶状态，控制车辆合并编组，并对车辆队列进行管理。

进一步，所述车辆数据包括：车辆身份码和动态参数；

所述车辆身份码，即车载单元的静态参数，包括车身参数以及车辆发动机功率等车辆自身物理属性；

所述动态参数，即车辆的出发地、目的地、实时位置、速度剖面及运输时间等；所述目的地及运输时间根据用户或订单需求进行设定；所述运输时间包括最短运输时间和合并驾驶所延误的时间。

进一步，所述智能路侧系统包括：

路侧基础设施，通过多传感器预处理算法，对路段及周边地理信息进行实时探测感知，并根据收到的车辆状态消息对车辆运行进行实时监测；

边缘云计算设备，完成对海量路况数据的实时计算处理；

进一步，所述V2X综合管控平台包括：

存储模块，用于存储近段时间内的路网情况；

计算模块，利用车载端及路侧端采集的实时动态数据，规划出车辆编队方案及最优行驶速度，当有信息更新，如路段发生交通堵塞、车辆偏离计划运输方案、运输任务结束或新任务产生时，及时规划新的路径方案，并依据存储模块中的历史交通信息生成交通路网拥堵及事故分析报告，同时还可以实现交通流的预测；

管理模块，通过网络管理各个边缘云计算设备，进行中心云端、计算模块在资源、安全、应用、服务上的多项协同；

本发明另一目的在于一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器所述的基于智能车路协同和自动驾驶的货车编队运输调度方法。

本发明另一目的在于一种信息数据处理终端，所述信息数据处理终端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所述的基于智能车路协同和自动驾驶的货车编队运输调度方法。

结合上述的所有技术方案，本发明所具备的优点及积极效果为：本发明以降低车辆能源消耗为切入点，提出了一种基于智能车路协同系统框架下重型车辆通过合并成小间距队列行驶，减小跟随车辆所受的空气阻力，从而节约能耗的运输方案。通过仿真实验表明，将分散在道路中的车辆合并成车队集合行驶的策略较固定路径行驶策略相比，前者可显著降低车辆的整体能耗。

本发明结合IVICS设计了一种货运车辆的编队运输组织方法及系统架构，提出通过对货运车辆进行调度，将其合并成车队集合在道路上共同行驶，以达到节能减排的目的。本发明以车队行驶能有效减少跟随车辆的能耗为基础，将单独行驶的车辆有机会合并成车队，且车辆合并队列的方案比车辆单独行驶方案能够节约能耗。

对比的技术效果或者实验效果。包括：

如图六所示的场景，仿真实验表明：

将数据代入计算得出：车辆单独行驶时的能耗总量为3938.214ml，车辆合并行驶时的能耗总量为3653.6202ml。将计算结果相比较可以得出，车辆合并编组行驶方案的能耗较车辆单独行驶方案的能耗低，因而，车辆组合形成车队能够有效节约能耗。

然而，由于实际情况下，t

附图说明

为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图做简单的介绍，显而易见地，下面所描述的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下还可以根据这些附图获得其他的附图。

图1是本发明实施例提供的基于智能车路协同和自动驾驶的货车编队运输调度方法流程图。

图2是本发明实施例提供的基于智能车路协同和自动驾驶的货车编队运输调度系统架构关系图。

图3是本发明实施例提供的基于智能车路协同和自动驾驶的货车编队运输调度系统结构示意图；

图中：1、智能车载系统；1-1、车载模块；1-2、环境感知模块；1-3、自动驾驶控制模块；2、智能路侧系统；2-1、路侧基础设施；2-2、边缘云计算设备；3、V2X综合管控平台；3-1、存储模块；3-2、计算模块；3-3、管理模块。

图4是本发明实施例提供的路径规划和行为控制决策示意图。

图5是本发明实施例提供的车辆合并状态示意图。

图6是本发明实施例提供的合并示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

针对现有技术存在的问题，本发明提供了一种货车编队运输调度方法、调度系统、介质及数据处理终端，下面结合附图对本发明作详细的描述。

本发明提供的货车编队运输调度方法包括：在获取智能车载系统所上传的车辆运输任务信息、车载单元的身份码以及动态参数的基础上，V2X综合管控平台结合已有信息以及智能路侧系统上传的实时交通运行状况，通过相关算法规划合适的行驶路径,及时下达执行指令至车载单元，将最初没有公共路段的两辆或多辆电驱动车辆调度到指定的路段合并成小间距队列共同行驶。车载单元获取预设路径以及最佳速度后，向平台发送执行反馈。实际交通场景下，车载单元应用车辆的多传感器建立一个车辆周边环境模型，结合智能路侧系统发送的实时路段信息进行决策，控制车辆安全行驶。车载单元在路段允许的速度范围内完成车辆的合并编组，在允许的延误时间内完成对接，以节省能耗，保证任务效率。与此同时，路侧单元可利用传感、通信等技术对车辆运行进行实时动态监测，汇总实时的交通数据并将其安全高效地分发给各个需要的模块，方便平台提前规划出行方案或及时改变原有方案。

具体地，如图1所示，本发明实施例提供的基于智能车路协同和自动驾驶的货车编队运输调度方法包括以下步骤：

S101，车载端将运输任务信息及车辆基础数据上传至中心云端，中心云端选择相关算法规划车辆运输方案和行驶路径,并下达执行指令至车载单元，车载单元获取预设路径以及最佳速度后，向平台发送执行反馈。

S102，车载单元行驶过程中，应用车辆多传感器感知周边环境，并结合路侧端发送的周边环境数据和实时路段信息进行决策，及时调整车辆驾驶状态，控制车辆完成合并编组，保障车辆能够在复杂的交通环境下安全行驶。

S103，路侧端对路段、周边环境数据进行感知、融合、分析，并监测车辆运行状况，将采集的实时动态信息经由边缘云加以处理后，实时上传给中心云端；

S104，中心云端汇总当前路网中的交通流分布状况，并对后续时间段的道路状况进行模拟，结合路径规划算法，规划得到车辆行驶路径及下一时间段的车辆编队组合的方案。

本发明实施例提供的基于得到的车辆编队组合方案进行车辆合并编组包括：在运输不延误的前提下，通过协同规划新的行驶路径，使最初没有公共路段的车辆拥有部分共同路段,调度它们到指定的共同路段，在路段允许的速度范围内进行车辆的合并编组，并在允许的延误时间内完成对接，形成小间距车队集合行驶。

本发明实施例提供的基于得到的车辆行驶路径以及车辆编队组合方案进行车辆控制及合并编组还包括：

当车队集合在行驶过程中遇到交通拥堵时，V2X综合管控平台通过路径规划算法重新规划新的车辆轨迹，并将执行指令传送给队列，车载单元基于执行指令及时调整行驶状态，脱离原本的车队集合单独行驶，或与其他车辆合并形成新的车队集合继续行驶。

本发明实施例提供的基于智能车路协同和自动驾驶的货车编队运输调度方法还包括：

所述路侧单元利用互联、通信等技术与车载单元建立连接，获取车辆状态信息，通过解析、处理实时状态信息，对车辆运行参数进行实时监测，同时将实时获取的道路状况消息以广播的形式分发给过往车辆，并汇总分析处理后的车辆状态信息以及车辆运行参数上传至V2X综合管控平台，进行可视化展示。

如图2至图4所示，本发明实施例提供的基于智能车路协同和自动驾驶的货车编队运输调度系统包括：

智能车载系统1、智能路侧系统2和V2X综合管控平台3；

智能车载系统1，又称车载端，包括车载模块1-1、环境感知模块1-2、自动驾驶控制模块1-3，负责数据的实时采集和周边环境的融合感知，在低时延、高可靠的前提下，及时调整车载单元的驾驶状态，控制车辆合并编组，并对车辆队列进行管理与控制，保证车辆在各种复杂环境下稳定、安全行驶；

智能路侧系统2，又称路侧端，包括路侧基础设施2-1以及就近的边缘云计算设备2-2，应用于路段及周边地理信息的实时探测感知及对车辆运行的实时监测，完成对海量路况数据的实时计算处理，实现对路况的数字化感知；

V2X综合管控平台3，又称中心云端，包括存储模块3-1、计算模块3-2以及管理模块3-3，可以保存近段时间内的路网情况，也可以结合历史交通信息和即时动态信息计算每辆车的运输计划及最佳速度并发送给车辆，管理各个边缘云计算设备，保障智能车载系统、智能路侧系统的信息实时交互，依据存储模块中的已有信息还可以实现交通流的预测，或生成交通路网拥堵及事故分析报告。

本发明实施例提供的智能车载系统1包括：

车载模块1-1，负责车辆数据的实时采集，如车辆的实时位置、速度剖面等等；

环境感知模块1-2，应用车辆的多传感器感知周边物理环境，并基于感知的环境数据建立一个车辆周边环境模型；

自动驾驶控制模块1-3，通过人工智能算法给制动、转向、加速等控制器下达指令，及时调整车载单元的驾驶状态，控制车辆合并编组，并对车辆队列进行管理。

本发明实施例提供的车辆数据包括：车辆身份码和动态参数；

所述车辆身份码，即车载单元的静态参数，包括车身参数以及车辆发动机功率等车辆自身物理属性。

所述动态参数，即车辆的出发地、目的地、实时位置、速度剖面及运输时间等；所述目的地及运输时间根据用户或订单需求进行设定；所述运输时间包括最短运输时间和合并驾驶所延误的时间。

本发明实施例提供的智能路侧系统2包括：

路侧基础设施2-1，通过多传感器预处理算法，对路段及周边地理信息进行实时探测感知，并根据收到的车辆状态消息对车辆运行进行实时监测；

边缘云计算设备2-2，完成对海量路况数据的实时计算处理。

本发明实施例提供的V2X综合管控平台3包括：

存储模块3-1，用于存储近段时间内的路网情况；

计算模块3-2，利用车载端及路侧端采集的实时动态数据，规划出车辆编队方案及最优行驶速度，当有信息更新，如路段发生交通堵塞、车辆偏离计划运输方案、运输任务结束或新任务产生时，及时规划新的路径方案，并依据存储模块中的历史交通信息生成交通路网拥堵及事故分析报告，且可以实现交通流的预测；

管理模块3-3，通过网络管理各个边缘云计算设备，进行中心云端、计算模块在资源、安全、应用、服务上的多项协同.

下面结合具体实施例对本发明的技术效果作进一步描述。

实施例：

1.车辆合并及相关内容

本发明在未来智能车路协同系统的框架下提出一种基于能耗优化的重型车辆合并运输组织方法。

传统意义上的货车编队行驶是指两辆以上的货车组合成车队，以一定的距离、一定的速度行驶。这种方式的队列行驶完全依靠驾驶员的经验和车辆控制技艺来保证车间距离和相对车速，但由于人的反应迟滞，车队的速度较低，车间距离较大，无法实现节能减排的效果。

本发明所指的货车编队行驶是指将两辆或多辆电驱动车辆通过合并调度联立成一个整体共同行驶。在运输不延误的前提下，通过协同规划新的行驶路径，使最初没有公共路段的车辆拥有部分共同路段，调度它们到指定的共同路段合并成小间距队列行驶，由于车辆间的距离足够小，因此后车所受的空气阻力明显降低，从而达到节能减排的目标。本发明定义同一队列中最前端的车辆为领队车辆，队列中领队车辆之后的车辆为跟随车辆，如图4。

除车辆合并过程，所有的路段都要均速行驶。合并成车队之后，只对空气阻力进行考虑。车队集合行驶时，忽略车队中的车间距及车辆物理尺寸，认为车队中所有车辆都有相同的位置和速度，每个车队包括一辆领队车及一辆或多辆跟随车，且只有跟随车辆能够节约能耗。考虑交通环境时，本发明仅考虑道路拥堵问题，对于道路上的其他影响车辆合并的因素尚未考虑，如道路环境、驾驶员特性等。

2.系统框架

在智能车路协同系统和自动驾驶技术皆逐步完善的前景下，本发明设计了一种货运车辆的运输系统架构，可实现货运车辆的编队行驶，达到节能减排的目的。该系统有三个核心组成部分：智能车载系统、智能路侧系统和V2X综合管控平台。其中，智能车载系统负责数据的实时采集和周边环境的融合感知，保证车辆在各种复杂环境下稳定、安全行驶；智能路侧端负责路况动态信息收集、监测车辆状况以及边缘侧计算，完成对路况的数字化感知；V2X综合管控平台结合即时动态信息计算出每辆车的运输计划及最佳速度并发送给车辆，同时保障车端、路侧端的信息实时交互。三者恰好构成智慧交通场景下协同感知与协同决策的闭环，如图2。

2.1智能车载系统

未来的车载系统依托成熟的人工智能算法和新一代互联网技术将实现高度智能化。智能车载系统应用车辆的多传感器感知车载单元周边环境，融合路侧端的实时动态路况信息及中心云端的控制指令后进行相应的操作。在低时延、高可靠的前提下，及时调整车载单元的驾驶状态，控制车辆合并编组，并对车辆队列进行管理与控制，使车辆能够在道路上安全、可靠地行驶。

高度智能化的车载系统为自动驾驶的智能决策提供了依据。自动驾驶车辆可通过人工智能算法给制动、转向、加速等控制器下达指令，控制车辆开往目的地。在自动驾驶过程中，通过将车载端上多传感器感知到的环境信息与中心云端的高精地图对比，得到车辆在地图中的精确位置，便于车辆轨迹的实时调整。

智能车载系统中录入了车载单元的基础信息——车辆身份码和动态参数。车辆身份码，即车载单元的静态参数，包括车身参数、车辆发动机功率等等；而动态参数则是车载单元的目的地、实时位置、速度剖面及运输时间等等。目的地及运输时间根据用户或订单需求来设定，其中，运输时间包含了最短运输时间和合并驾驶所延误的时间。

运输任务开始之前，智能车载系统将运输任务信息、车载单元的身份码以及动态参数上传到中心云端。中心云端结合已有信息以及路侧端上传的实时交通运行状况，选择合适的规划算法，规划出满足任务需求的路径，及时下达执行指令给车载单元。车载单元获取预设路径以及最佳速度后，向中心云发送执行反馈。实际交通场景下，车载单元应用多传感器建立一个车辆周边环境模型，结合路侧端发送的路段信息进行决策，控制车辆安全行驶。车载单元在路段允许的速度范围内完成车辆的合并编组，在允许的延误时间内完成对接，以节省能耗，保证任务效率。与此同时，路侧单元可通过传感、通信等方式对车辆运行进行实时动态监测，汇总实时的交通数据并将其安全高效地分发给各个需要的模块，方便平台提前规划出行方案或及时改变原有方案。

2.2智能路侧系统

智能路侧系统是由路侧基础设施以及就近的边缘云计算设备而组成的。

未来，利用路侧端就近的边缘云计算设备，完成对海量路况数据的实时计算处理，与传统的云计算框架相比，大大降低了计算时延，提高了任务的调度效率。同时，中心云通过网络管理各个边缘云可以实现中心云、边缘云在资源、安全、应用、服务上的多项协同。

由于车载端对环境的感知范围受到车载传感器探测范围的限制，其安全系数也受到很大制约。因此，将部分环境信息感知功能，如远距离探测、盲区信息感知等车载端不擅长的功能，转移到路侧基础设施来完成。路侧基础设施通过应用多传感器预处理算法，实现对路段及周边地理信息的实时探测感知，采集的路况信息经由边缘云加以处理后，将实时上传给中心云端。

路侧单元与车载单元建立连接后，车载单元向路侧单元发送车辆状态消息，路侧单元收到状态消息后进行解析处理，对车辆运行参数进行实时监测，然后将监测数据与当下路段动态信息向处于其通信队列的车载单元和中心云端发送。中心云端整理分析实时接收到的数据，在平台界面上以可视图像呈现出来，如交通流分布、车辆轨迹、行人步行轨迹等。另一方面，路侧端将实时获取的道路状况消息以广播的形式有效、及时地分发给过往车辆，以弥补车载端的环境信息获得的不足，避免事故发生。

2.3V2X综合管控平台

V2X综合管控平台将车载端及路侧端采集的实时信息进行融合、分析，得出当前路网中的交通流分布状况，并模拟出后续时间段的道路状况，规划出车辆行驶路径及下一时间段的车辆编队组合的方案，再将其发送回车载端。当有信息更新(如：车辆偏离计划运输方案、运输任务结束或新任务产生)时，重复上述规划过程，从而使车辆做出更加高效准确的路径规划和行为控制决策，如图4。

实际路网中，许多不确定因素会对车辆行驶产生影响，譬如交通拥堵。现今大多数分析都是依据已有的交通信息直接得到时间或距离最小的径路。当交通拥堵出现时，多数采用停车等待或优化出发时间等措施以避免拥堵，但这些方式不适用于行驶中的车辆，且极易造成延误。而在未来，中心云端则可以考虑更多的实际情况。利用车载端及路侧端采集的实时动态数据，中心云端可以实现交通流的预测，尽量避免交通拥堵。当车队集合在行驶过程中遇到交通拥堵时，中心云端则通过相关算法重新规划出新的车辆轨迹，并将执行指令传送给队列。车载单元接收到指令后及时调整行驶状态，脱离原本的车队集合单独行驶，抑或是与其他车辆合并形成新的车队集合继续行驶。

中心云端保留路网中近几个月的路网情况，对相关数据进行统计、分析即可得到各路段的拥堵状况，生成一份交通路网拥堵及事故分析报告。根据报告，本发明可以了解到后续需要对哪些区域的路侧端进行建设和完善，以便实时探测感知路段及周边地理信息，保障车载端和中心云端更高效率地运转。

3.实例对比分析

为更好地对本发明的车辆合并方案进行验证，因此要进行一些实例对比分析。借助于场景模拟高速路段来查看两辆车的合并情况，进行相应的分析和总结。

每辆车在合并过程中包含四个阶段，单独行驶阶段

3.1仿真条件

如图6所示的场景，i车的目的地是1，j车的目的地是2。车辆i初始最短路径为120km，车辆j初始最短路径为100km。T

车辆将采取两种运输方案行驶，如下：

(1)当车辆采取单独行驶方案时，车辆i以

(2)当车辆采取合并编组方案时，单独行驶阶段中，车辆i以

易知，当车队组合以后，除领队车辆外，其余车辆的风阻会减少很多，所以可近似认为为0。由于车队行驶阶段中，车队整体的功率要比各自单独行驶时功率要小，所以设为90km/h。

采用如下能耗模型：

UFC＝UFC

UFC

UFC

UFC＝UFC

V＝W×2π×R

令α

式中基本参数如表所示：

相关参数及其意义

3.2仿真分析

将数据代入计算得出：

车辆单独行驶时的能耗总量为3938.214ml，车辆合并行驶时的能耗总量为3653.6202ml。相比较可以得出，车辆合并编组行驶方案的能耗较车辆单独行驶方案的能耗低。

从计算结果来看，车辆组合形成车队能够有效节约能耗。然而，由于实际情况下，t

4.本发明所分析的重型车辆合并编组运输组织方法是减少能源消耗及道路货运对环境影响的一种有效手段，也是提高安全性、增加道路通行量的手段之一。

本发明主要通过查阅大量相关文献后，梳理文献理论，对车辆合并编组概念进行阐述。本发明还针对车辆合并编组策略构建了一个货运车辆的运输系统架构，并详细介绍了其组成元素、功能；再者，本发明为了权衡不同运输方式的优劣性，本发明引入了能耗模型。基于能耗模型，通过仿真验证了车辆合并行驶方案的能耗比车辆单独行驶方案的能耗低的结论。通过合并调度策略对路网中可合并车辆采用调度策略，使初始无公共路段的车辆完成合并，以有效节省能耗。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，都应涵盖在本发明的保护范围之内。