本發(fā)明涉及導(dǎo)航，具體涉及一種基于數(shù)字孿生的智慧園區(qū)車輛導(dǎo)航規(guī)劃方法及系統(tǒng)。

背景技術(shù)：

1、隨著智慧城市與數(shù)字孿生技術(shù)的快速發(fā)展，智慧園區(qū)作為城市智能化管理的重要組成部分，逐漸引入數(shù)字孿生技術(shù)，以實現(xiàn)園區(qū)內(nèi)設(shè)備、環(huán)境與人員的高效管理，尤其在車輛調(diào)度與導(dǎo)航領(lǐng)域，通過構(gòu)建數(shù)字孿生模型，能夠?qū)崟r映射園區(qū)的道路、交通流量及環(huán)境變化，提升園區(qū)內(nèi)車輛運行效率與安全性；但是，傳統(tǒng)的數(shù)字孿生導(dǎo)航系統(tǒng)在復(fù)雜環(huán)境下的表現(xiàn)仍存在一定局限，特別是當(dāng)園區(qū)內(nèi)存在動態(tài)障礙物或監(jiān)控盲區(qū)時，現(xiàn)有的數(shù)字孿生導(dǎo)航系統(tǒng)難以及時作出反應(yīng)，影響了整體交通的智能化與可靠性；且在智慧園區(qū)的背景下，數(shù)字孿生技術(shù)的應(yīng)用不僅限于靜態(tài)的環(huán)境映射，更關(guān)鍵的是要實現(xiàn)動態(tài)的、實時的管理與控制。

2、傳統(tǒng)的數(shù)字孿生系統(tǒng)在進行車輛導(dǎo)航規(guī)劃時，主要依賴于固定部署的監(jiān)控系統(tǒng)和傳感器采集的數(shù)據(jù)，在智慧園區(qū)中，監(jiān)控系統(tǒng)無法做到對所有區(qū)域的全面覆蓋，特別是在一些監(jiān)控盲區(qū)或信號遮擋區(qū)域，當(dāng)出現(xiàn)障礙物或道路擁堵現(xiàn)象時，系統(tǒng)無法實時獲取相關(guān)信息，導(dǎo)致導(dǎo)航規(guī)劃出現(xiàn)偏差甚至誤導(dǎo)導(dǎo)航；另外，園區(qū)內(nèi)的障礙物類型復(fù)雜多樣，可能包括臨時停靠的車輛、移動人員或突發(fā)事件，傳統(tǒng)系統(tǒng)缺乏對這些動態(tài)信息的感知能力，無法快速更新路徑規(guī)劃，從而降低了導(dǎo)航的準(zhǔn)確性與安全性。

技術(shù)實現(xiàn)思路

1、為了解決現(xiàn)有的數(shù)字孿生導(dǎo)航模型無法針對監(jiān)控盲區(qū)中出現(xiàn)的障礙物進行實時反應(yīng)，使得導(dǎo)航出現(xiàn)規(guī)劃偏差的技術(shù)問題，本發(fā)明的目的在于提供一種基于數(shù)字孿生的智慧園區(qū)車輛導(dǎo)航規(guī)劃方法，所采用的技術(shù)方案具體如下：

2、構(gòu)建智慧園區(qū)內(nèi)的監(jiān)控區(qū)域，采集監(jiān)控區(qū)域內(nèi)的動態(tài)數(shù)據(jù)與靜態(tài)數(shù)據(jù)生成處理數(shù)據(jù)，得到數(shù)字孿生模型；

3、分析處理數(shù)據(jù)，比對監(jiān)控區(qū)域與數(shù)字孿生模型更新監(jiān)控區(qū)域內(nèi)的障礙物；

4、基于監(jiān)控區(qū)域生成道路拓撲圖，將監(jiān)控區(qū)域內(nèi)的視頻影像抽象為節(jié)點和邊，獲取邊的監(jiān)控范圍占比，判斷監(jiān)控區(qū)域內(nèi)是否存在監(jiān)控盲區(qū)；

5、根據(jù)是否存在監(jiān)控盲區(qū)分別計算擁堵系數(shù)，通過擁堵系數(shù)結(jié)合障礙物更新數(shù)字孿生模型，調(diào)整車輛的導(dǎo)航路徑。

6、優(yōu)選地，構(gòu)建智慧園區(qū)內(nèi)的監(jiān)控區(qū)域，采集監(jiān)控區(qū)域內(nèi)的動態(tài)數(shù)據(jù)與靜態(tài)數(shù)據(jù)生成處理數(shù)據(jù)，得到數(shù)字孿生模型，包括：

7、將攝像設(shè)備與傳感器布設(shè)于智慧園區(qū)內(nèi)，構(gòu)建監(jiān)控區(qū)域，通過數(shù)據(jù)采集模塊獲取攝像設(shè)備與傳感器的采集數(shù)據(jù)得到監(jiān)控區(qū)域內(nèi)的動態(tài)數(shù)據(jù)與靜態(tài)數(shù)據(jù)，并傳輸至數(shù)字孿生模塊生成處理數(shù)據(jù)，結(jié)合三維建模技術(shù)，構(gòu)建智慧園區(qū)內(nèi)的物理環(huán)境虛擬模型與實時運行狀態(tài)，通過數(shù)據(jù)驅(qū)動與仿真分析，得到數(shù)字孿生模型。

8、優(yōu)選地，分析處理數(shù)據(jù)，比對監(jiān)控區(qū)域與數(shù)字孿生模型更新監(jiān)控區(qū)域內(nèi)的障礙物，包括：

9、通過車道線檢測模型分析處理數(shù)據(jù)獲取車道線信息，將車道線信息與數(shù)字孿生模型進行比對，基于sift圖像配準(zhǔn)算法得到監(jiān)控區(qū)域與數(shù)字孿生模型的匹配關(guān)系，更新監(jiān)控區(qū)域內(nèi)的障礙物。

10、優(yōu)選地，基于監(jiān)控區(qū)域生成道路拓撲圖，將監(jiān)控區(qū)域內(nèi)的視頻影像抽象為節(jié)點和邊，獲取邊的監(jiān)控范圍占比，判斷監(jiān)控區(qū)域內(nèi)是否存在監(jiān)控盲區(qū)，包括：

11、根據(jù)處理數(shù)據(jù)得到監(jiān)控區(qū)域在對應(yīng)數(shù)字孿生模型中的監(jiān)控范圍，基于監(jiān)控區(qū)域生成道路拓撲圖，將監(jiān)控區(qū)域內(nèi)的視頻影像抽象為節(jié)點和邊，界定邊為車道線信息；

12、分析邊，結(jié)合監(jiān)控范圍，得到任一邊的監(jiān)控范圍占比；

13、設(shè)置判斷閾值，若監(jiān)控范圍占比大于判斷閾值，不存在監(jiān)控盲區(qū)；若監(jiān)控范圍占比小于判斷閾值，存在監(jiān)控盲區(qū)。

14、優(yōu)選地，若不存在監(jiān)控盲區(qū)，計算擁堵系數(shù)，包括：

15、通過yolo模型進行目標(biāo)監(jiān)測，基于當(dāng)前分析時刻統(tǒng)計歷史時間內(nèi)邊的通過車輛數(shù)量，得到任一車輛通過任一邊的平均速度；

16、根據(jù)任一車輛進入任一邊的時刻結(jié)合當(dāng)前分析時刻計算時間差異并進行歸一化處理得到對應(yīng)車輛的時效性，并計算得到擁堵系數(shù)。

17、優(yōu)選地，根據(jù)任一車輛進入任一邊的時刻結(jié)合當(dāng)前分析時刻計算時間差異并進行歸一化處理得到對應(yīng)車輛的時效性，對應(yīng)的計算公式為：

18、對應(yīng)的計算公式為：

19、；

20、其中，表示第r臺車輛在第i條邊上的時效性；表示第r臺車輛進入第i條邊的時刻；t表示當(dāng)前分析時刻；norm表示歸一化函數(shù)；

21、計算擁堵系數(shù)，對應(yīng)的計算公式為：

22、；

23、其中，表示第i條邊在當(dāng)前分析時刻t時的擁堵系數(shù)；表示基于當(dāng)前分析時刻t在歷史時間內(nèi)第i條邊的通過車輛數(shù)量；r表示車輛數(shù)量；表示第r臺車輛在第i條邊上的時效性；表示第r臺車輛通過第i條邊的平均速度；表示第r臺車輛進入第i條邊時，第i條邊上已經(jīng)存在的車輛數(shù)量；h表示邊的長度； l表示邊的數(shù)量，記為車道數(shù)量。

24、優(yōu)選地，若存在監(jiān)控盲區(qū)，計算擁堵系數(shù)，包括：分析與存在監(jiān)控盲區(qū)邊的相鄰邊，獲取相鄰邊的擁堵系數(shù)和監(jiān)控范圍占比，得到存在監(jiān)控盲區(qū)邊的擁堵系數(shù)的估計值，對應(yīng)的計算公式為：

25、；

26、其中，表示第?j條邊在當(dāng)前分析時刻t時的擁堵系數(shù)的估計值；表示與第j條邊相鄰的邊的數(shù)量；z表示與存在監(jiān)控盲區(qū)相鄰的邊；表示第z條邊的監(jiān)控范圍占比；表示第z條邊在當(dāng)前分析時刻t時的擁堵系數(shù)；norm表示歸一化函數(shù)。

27、優(yōu)選地，通過擁堵系數(shù)結(jié)合障礙物更新數(shù)字孿生模型，調(diào)整車輛的導(dǎo)航路徑，包括：

28、通過數(shù)字孿生模型得到任一邊的初始邊權(quán)和初始更新時間間隔，將擁堵系數(shù)結(jié)合初始邊權(quán)和初始更新時間間隔，分別得到基于當(dāng)前分析時刻更新后的邊權(quán)和更新時間間隔；

29、根據(jù)更新后的邊權(quán)和更新時間間隔更新數(shù)字孿生模型，避開障礙物，調(diào)整車輛的導(dǎo)航路徑。

30、優(yōu)選地，得到基于當(dāng)前分析時刻更新后的邊權(quán)，對應(yīng)的計算公式為：計算不存在監(jiān)控盲區(qū)邊的更新后的邊權(quán)：

31、；

32、其中，表示第i條邊在當(dāng)前分析時刻t更新后的邊權(quán)；表示第i條邊在當(dāng)前分析時刻t時的擁堵系數(shù)；表示第i條邊的初始邊權(quán)；norm表示歸一化函數(shù)；同理計算存在監(jiān)控盲區(qū)邊的更新后的邊權(quán)；

33、得到基于當(dāng)前分析時刻更新后的更新時間間隔，對應(yīng)的計算公式為：計算不存在監(jiān)控盲區(qū)邊的更新后的時間間隔：

34、；

35、其中，表示第i條邊更新后的更新時間間隔；表示第i條邊在當(dāng)前分析時刻t時的擁堵系數(shù)；表示初始更新時間間隔；norm表示歸一化函數(shù)；同理計算存在監(jiān)控盲區(qū)邊的更新后的更新時間間隔。

36、為解決上述問題，本技術(shù)還提供一種基于數(shù)字孿生的智慧園區(qū)車輛導(dǎo)航規(guī)劃系統(tǒng)，所述系統(tǒng)存儲有程序數(shù)據(jù)，所述程序數(shù)據(jù)被執(zhí)行時，結(jié)合攝像設(shè)備、傳感器、數(shù)據(jù)采集模塊、數(shù)字孿生模塊、車輛終端、導(dǎo)航?jīng)Q策模塊、道路信息數(shù)據(jù)庫和道路檢測模塊實現(xiàn)如前述任一項所述的基于數(shù)字孿生的智慧園區(qū)車輛導(dǎo)航規(guī)劃方法。

37、本發(fā)明具有如下有益效果：

38、1、本技術(shù)通過攝像設(shè)備和傳感器實時獲取的靜態(tài)數(shù)據(jù)與動態(tài)數(shù)據(jù)生成處理數(shù)據(jù)，結(jié)合數(shù)字孿生模型，能夠動態(tài)更新園區(qū)內(nèi)道路信息，快速響應(yīng)擁堵、障礙物等狀況，提升導(dǎo)航的實時性；通過匹配監(jiān)控區(qū)域與數(shù)字孿生模型，判斷是否存在監(jiān)控盲區(qū)，分別得到對應(yīng)的擁堵系數(shù)，有效降低每一監(jiān)控盲區(qū)內(nèi)可能引起的導(dǎo)航誤差；此外，采用深度學(xué)習(xí)的車道線檢測與yolo目標(biāo)檢測模型，通過對孿生模型的不同位置進行實時監(jiān)測，結(jié)合已規(guī)劃路徑的車輛偏離情況，對不同車輛導(dǎo)航的障礙物情況進行更新，實現(xiàn)對動態(tài)環(huán)境中車輛與障礙物的精準(zhǔn)識別與定位，進一步提高導(dǎo)航精度，快速響應(yīng)擁堵、障礙物等狀況，提升導(dǎo)航的實時性；另外，本技術(shù)還考慮不同類型車輛的需求，提供如固定停車位導(dǎo)航與空閑車位查找等個性化服務(wù)，全面提升用戶體驗。

39、?2、本發(fā)明提供的一種基于數(shù)字孿生的智慧園區(qū)車輛導(dǎo)航規(guī)劃系統(tǒng)，與本發(fā)明提供的一種基于數(shù)字孿生的智慧園區(qū)車輛導(dǎo)航規(guī)劃方法具有相同的有益效果，在此不做贅述。