一种用于无人驾驶的车辆调度管理方法及系统

1.本发明涉及车辆管理技术领域，具体来说，涉及一种用于无人驾驶的车辆调度管理方法及系统。


背景技术：

2.车辆调度管理是指对车辆进行计划和控制，以优化其使用和效率的管理过程。车辆调度管理通常包括以下几个方面：
3.1、车辆调度计划：根据公司的业务需求和车辆资源，制定车辆调度计划，安排车辆运输任务，包括路线规划、装货和卸货时间、运输量等。
4.2、车辆调度实施：实施车辆调度计划，指导司机按照计划完成车辆的运输任务。
5.3、车辆监控：通过gps等技术手段对车辆的位置、行驶速度、行驶路线等进行实时监控，确保车辆运输的安全和顺畅。
6.4、车辆维护管理：对车辆进行定期维护和保养，确保车辆运行的安全和可靠性。
7.5、车辆调度数据分析：通过对车辆运输数据的分析，了解车辆运输的瓶颈和问题，优化车辆调度计划和运输路线，提高运输效率和降低成本。
8.现有的车辆调度管理方法基于固定的路径去调度管理车辆，车辆调度的总效率不高。例如中国专利号202010941886.5公开了一种车辆停车调度管理方法及其相关组件，其基于最短路径算法计算最短路径，将对应空置车位作为最佳调度车位，生成调度信息发送至当前车辆，提高了车位利用率。但是上述方法在具体应用时还存在以下不足：在上述的车辆停车调度管理方法中利用算法进行路径优化，实现最优的车辆调度，该种虽然能够帮助车辆有序的进行调度，但是有可能出现多个车辆共同调度时，车辆过多的停止等候的情况，在总效率上还存在进一步的优化空间。
9.针对相关技术中的问题，目前尚未提出有效的解决方案。


技术实现要素：

10.针对相关技术中的问题，本发明提出一种用于无人驾驶的车辆调度管理方法及系统，以克服现有相关技术所存在的上述技术问题。
11.为此，本发明采用的具体技术方案如下：
12.根据本发明的一个方面，提供了一种用于无人驾驶的车辆调度管理方法，该方法包括以下步骤：
13.s1、获取无人驾驶车辆的任务优先级及约束条件；
14.s2、根据预先规划的无人驾驶车辆行驶路径及开始时间，控制无人驾驶车辆到达目的地；
15.s3、在目的地的停车场进行车辆检测，获取无人驾驶车辆的停车位，并基于停车规则将无人驾驶车辆自动泊车入位；
16.s4、对车辆和任务进行实时监控，获取车辆和任务的实时状态，实时监测和处理异
常情况。
17.进一步的，所述获取无人驾驶车辆的任务优先级及约束条件包括以下步骤：
18.s11、在进行无人驾驶车辆调度前，明确无人驾驶车辆的调度需求和约束条件，得到调度场景；
19.s12、根据得到的调度场景，收集调度任务的任务目的地、行驶路径及开始时间，得到任务信息；
20.s13、根据调度场景及任务信息，明确无人驾驶车辆的车辆数量、载荷能力及续航里程。
21.进一步的，所述在目的地的停车场进行车辆检测，获取无人驾驶车辆的停车位包括以下步骤：
22.在目的地的停车场入口设置摄像测量用的双目摄像头，并预先对双目摄像头进行标定；
23.发送获取无人驾驶车辆尺寸信息的请求，若反馈得到无人驾驶车辆的尺寸信息，则根据尺寸信息确定无人驾驶车辆的停车位；
24.若反馈无法得到无人驾驶车辆的尺寸信息，则使无人驾驶车辆驶入测量区域；
25.根据标定之后的双目摄像头对测量区域内的无人驾驶车辆进行尺寸测量；
26.尺寸测量完成后，根据测量得到的无人驾驶车辆的尺寸信息确定无人驾驶车辆的停车位。
27.进一步的，所述根据标定之后的双目摄像头对测量区域内的无人驾驶车辆进行尺寸测量包括以下步骤：
28.通过标定之后的双目摄像头从不同位置获取两幅无人驾驶车辆图像，并得到两幅无人驾驶车辆图像上的投影点；
29.获取无人驾驶车辆上任一点pw，并获得点pw在双目摄像头的两个摄像机坐标系中的光轴坐标，同时获得两个投影点在各自坐标系下的齐次坐标以及点pw在世界坐标系下的齐次坐标；
30.标定给出双目摄像头拍摄两幅无人驾驶车辆图像时的投影变换矩阵，并将投影变换矩阵与相机成像的线性理论结合，且利用两个光轴坐标、两个投影点在各自坐标系下的齐次坐标以及点pw在世界坐标系下的齐次坐标，得到双目摄像头中通过两组光心点与投影点的直线，且点pw是两个直线的交点，得出点pw的三维坐标；
31.通过对无人驾驶车辆上各顶点的三维坐标进行确定，计算得到无人驾驶车辆的三维数据尺寸。
32.进一步的，所述在目的地的停车场入口设置摄像测量用双目摄像头，并预先对双目摄像头进行标定时，使用排列规则的正方形图案作为标定板，且正方形的尺寸已知，其顶点作为标定的参考点。
33.进一步的，所述基于停车规则将无人驾驶车辆自动泊车入位包括以下步骤：
34.对于进入停车场的每个无人驾驶车辆进行通信连接，并获取对方的定位；
35.按照最短路径原则使得每个无人驾驶车辆驶向目的停车位；
36.计算所有无人驾驶车辆的总行驶成本：
37.un＝∑
i∈n
ui(si)
38.式中，si为第i个无人驾驶车辆的策略集合；
39.ui为第i个无人驾驶车辆最小的行驶成本函数，un为所有无人驾驶车辆的行驶成本函数，n为非零自然数；
40.通过所有无人驾驶车辆进行合作，并根据合作模型得到总行驶成本最低的调度排序：
[0041][0042]
式中，p为通过所有无人驾驶车辆进行合作得到的总行驶成本；
[0043]
si为第i个无人驾驶车辆的策略集合；
[0044]
ui为第i个无人驾驶车辆最小的行驶成本函数，n为非零自然数
[0045]
σ为初始调度排序，为第i个无人驾驶车辆的初始调度排序的行驶成本函数。
[0046]
进一步的，所述计算得到总行驶成本最低的调度排序时，通过遗传算法获得合作模型的最优调度排序。
[0047]
其中，所述遗传算法中的适应度函数为：
[0048][0049]
式中，ω为合作模型调度阈值；
[0050]uig
为第i个无人驾驶车辆在使用第g个策略时的行驶成本函数，ui为第i个无人驾驶车辆最小的行驶成本函数；
[0051]
当满足适应度函数中的条件，则达到最优调度排序。
[0052]
进一步的，所述对于进入停车场的每个无人驾驶车辆进行通信连接时，无人驾驶车辆与调度中心实时通信，实现数据的快速传输和处理，且对无人驾驶车辆的通信进行加密、数据备份及电池容量监测。
[0053]
进一步的，所述获取对方的定位时，无人驾驶车辆上安装全球定位系统、激光雷达及车载摄像头实现定位，且无人驾驶车辆在道路行驶中，通过获取交通监控设施的监测数据实时监测交通流量。
[0054]
根据本发明的另一方面，提供了一种用于无人驾驶的车辆调度管理系统，该系统包括调度准备模块、道路行驶调度模块、停车调度模块及状态监测模块。
[0055]
其中，所述调度准备模块，用于获取无人驾驶车辆的任务优先级及约束条件。
[0056]
所述道路行驶调度模块，用于根据预先规划的无人驾驶车辆行驶路径及开始时间，控制无人驾驶车辆到达目的地。
[0057]
所述停车调度模块，用于在目的地的停车场进行车辆检测，获取无人驾驶车辆的停车位，并基于停车规则将无人驾驶车辆自动泊车入位。
[0058]
所述状态监测模块，用于对车辆和任务进行实时监控，获取车辆和任务的实时状态，实时监测和处理异常情况。
[0059]
本发明的有益效果为：
[0060]
(1)本发明的一种用于无人驾驶的车辆调度管理方法及系统，使车辆运输更加高
效、安全和可靠，提高企业的运输效益和竞争力；本发明充分利用交通监控设施、全球定位系统、激光雷达及车载摄像头，使得无人驾驶车辆之间能够判断距离并定位。
[0061]
(2)本发明在对无人驾驶车辆进行停车时，通过实现获取无人驾驶车辆的尺寸，确定无人驾驶车辆至合适的的停车位，同时在无法获取无人驾驶车辆的尺寸时，也可以通过双目摄像头对相关车辆进行精准的测量，使得无尺寸数据的车辆也可以安排至合适的的停车位，实现了自动化测量，提高停车效率。
[0062]
(3)本发明通过合作模型实现所有无人驾驶车辆的总行驶成本最低的调度排序，进而实现了多个车辆智能且高效的进行调度及停车，在总效率上得到进一步的优化。
附图说明
[0063]
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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。
[0064]
图1是根据本发明实施例的一种用于无人驾驶的车辆调度管理方法的流程图；
[0065]
图2是根据本发明实施例的一种用于无人驾驶的车辆调度管理系统的原理框图。
[0066]
图中：
[0067]
1、调度准备模块；2、道路行驶调度模块；3、停车调度模块；4、状态监测模块。
具体实施方式
[0068]
为进一步说明各实施例，本发明提供有附图，这些附图为本发明揭露内容的一部分，其主要用以说明实施例，并可配合说明书的相关描述来解释实施例的运作原理，配合参考这些内容，本领域普通技术人员应能理解其他可能的实施方式以及本发明的优点，图中的组件并未按比例绘制，而类似的组件符号通常用来表示类似的组件。
[0069]
根据本发明的实施例，提供了一种用于无人驾驶的车辆调度管理方法及系统。
[0070]
现结合附图和具体实施方式对本发明进一步说明，如图1所示，根据本发明的一个实施例，提供了一种用于无人驾驶的车辆调度管理方法，该方法包括以下步骤：
[0071]
s1、获取无人驾驶车辆的任务优先级及约束条件；
[0072]
其中，约束条件包括以下：
[0073]
无人驾驶车辆的数量：需要根据任务量和车辆数量的关系，以及车辆运营成本和可用性等因素，合理安排车辆数量。
[0074]
每个无人驾驶车辆的载荷能力：需要根据调度场景中的任务类型和任务需求，合理安排车辆的载荷能力。
[0075]
无人驾驶车辆的续航里程：由于无人驾驶车辆一般属于电动车，因此无人驾驶车辆的续航里程是一个重要的约束条件，需要根据任务需求和调度场景，合理安排车辆的行驶路线和充电站点，以确保车辆能够完成任务并返回基地。
[0076]
交通规则以及限制性法规：无人驾驶车辆在道路上需要遵守交通规则，包括交通信号灯、车道、限速等规则，也需按照规则在允许行驶的路段通行无人驾驶车辆。
[0077]
环境安全：需要考虑环境的安全，例如在气象恶劣或者道路条件不好的情况下避
免车辆运行。
[0078]
在一个实施例中，所述获取无人驾驶车辆的任务优先级及约束条件包括以下步骤：
[0079]
s11、在进行无人驾驶车辆调度前，明确无人驾驶车辆的调度需求和约束条件，得到调度场景；
[0080]
s12、根据得到的调度场景，收集调度任务的任务目的地、行驶路径及开始时间，得到任务信息；
[0081]
s13、根据调度场景及任务信息，明确无人驾驶车辆的车辆数量、载荷能力及续航里程。
[0082]
s2、根据预先规划的无人驾驶车辆行驶路径及开始时间，控制无人驾驶车辆到达目的地；
[0083]
s3、在目的地的停车场进行车辆检测，获取无人驾驶车辆的停车位，并基于停车规则将无人驾驶车辆自动泊车入位；所述停车规则为停车场规定的内部交通规则，例如：出入口规定、行车方向规定、行车速度规定等。
[0084]
在一个实施例中，所述在目的地的停车场进行车辆检测，获取无人驾驶车辆的停车位包括以下步骤：
[0085]
在目的地的停车场入口设置摄像测量用的双目摄像头，并预先对双目摄像头进行标定；
[0086]
发送获取无人驾驶车辆尺寸信息的请求，若反馈得到无人驾驶车辆的尺寸信息，则根据尺寸信息确定无人驾驶车辆的停车位；
[0087]
若反馈无法得到无人驾驶车辆的尺寸信息，则使无人驾驶车辆驶入测量区域；
[0088]
根据标定之后的双目摄像头对测量区域内的无人驾驶车辆进行尺寸测量；
[0089]
尺寸测量完成后，根据测量得到的无人驾驶车辆的尺寸信息确定无人驾驶车辆的停车位。
[0090]
其中，双目立体视觉是一种模仿人类双眼视觉的成像原理，通过两个摄像头同时拍摄同一个场景，然后通过计算机算法将两幅图像融合成一个三维图像，从而实现对物体距离和深度的感知。
[0091]
在一个实施例中，所述根据标定之后的双目摄像头对测量区域内的无人驾驶车辆进行尺寸测量包括以下步骤：
[0092]
(双目摄像头具备两个摄像机坐标系)通过标定之后的双目摄像头从不同位置获取两幅无人驾驶车辆图像，并得到两幅无人驾驶车辆图像上的投影点；
[0093]
获取无人驾驶车辆上任一点pw，并获得点pw在双目摄像头的两个摄像机坐标系中的光轴坐标，同时获得两个投影点在各自坐标系下的齐次坐标以及点pw在世界坐标系下的齐次坐标；
[0094]
标定给出双目摄像头拍摄两幅无人驾驶车辆图像时的投影变换矩阵，并将投影变换矩阵与相机成像的线性理论结合，且利用两个光轴坐标、两个投影点在各自坐标系下的齐次坐标以及点pw在世界坐标系下的齐次坐标，得到双目摄像头中通过两组光心点与投影点的直线，且点pw是两个直线的交点，得出点pw的三维坐标；
[0095]
通过对无人驾驶车辆上各顶点的三维坐标进行确定，计算得到无人驾驶车辆的三
维数据尺寸。
[0096]
在一个实施例中，所述在目的地的停车场入口设置摄像测量用双目摄像头，并预先对双目摄像头进行标定时，使用排列规则的正方形图案作为标定板，且正方形的尺寸已知，其顶点作为标定的参考点。
[0097]
在一个实施例中，所述基于停车规则将无人驾驶车辆自动泊车入位包括以下步骤：
[0098]
对于进入停车场的每个无人驾驶车辆进行通信连接，并获取对方的定位；
[0099]
按照最短路径原则使得每个无人驾驶车辆驶向目的停车位；
[0100]
计算所有无人驾驶车辆的总行驶成本：
[0101]
un＝∑
i∈n
ui(si)
[0102]
式中，si为第i个无人驾驶车辆的策略集合；
[0103]
ui为第i个无人驾驶车辆最小的行驶成本函数，un为所有无人驾驶车辆的行驶成本函数，n为非零自然数；
[0104]
通过所有无人驾驶车辆进行合作，并根据合作模型得到总行驶成本最低的调度排序：
[0105][0106]
式中，p为通过所有无人驾驶车辆进行合作得到的总行驶成本；
[0107]
si为第i个无人驾驶车辆的策略集合；
[0108]
ui为第i个无人驾驶车辆最小的行驶成本函数，n为非零自然数
[0109]
σ为初始调度排序，为第i个无人驾驶车辆的初始调度排序的行驶成本函数。
[0110]
在一个实施例中，所述计算得到总行驶成本最低的调度排序时，通过遗传算法获得合作模型的最优调度排序；遗传算法是一种模拟自然进化的优化算法，通过模拟生物进化中的遗传、交叉和变异等基本操作，寻找问题的最优解或近似最优解。
[0111]
其中，所述遗传算法中的适应度函数为：
[0112][0113]
式中，ω为合作模型调度阈值；
[0114]uig
为第i个无人驾驶车辆在使用第g个策略时的行驶成本函数，ui为第i个无人驾驶车辆最小的行驶成本函数；
[0115]
当满足适应度函数中的条件，则达到最优调度排序。
[0116]
在一个实施例中，所述对于进入停车场的每个无人驾驶车辆进行通信连接时，无人驾驶车辆与调度中心实时通信，实现数据的快速传输和处理，且对无人驾驶车辆的通信进行加密、数据备份及电池容量监测。
[0117]
其中，无人驾驶车辆的通信一般采用多种通行技术，短距离时利用利用蓝牙技术进行短距离无线通信或者无线局域网通信，优点是成本低，功耗小，但传输距离有限。长距离时，利用移动通信网络进行无线通信，优点是信号稳定，覆盖范围广，但网络拥堵和信号
干扰等问题可能会影响通信质量。
[0118]
在一个实施例中，所述获取对方的定位时，无人驾驶车辆上安装全球定位系统、激光雷达及车载摄像头实现定位，且无人驾驶车辆在道路行驶中，通过获取交通监控设施的监测数据实时监测交通流量。
[0119]
s4、对车辆和任务进行实时监控，获取车辆和任务的实时状态，实时监测和处理异常情况。例如：监测到车辆故障后报警、监测到续航里程不足时调整停车规划等。
[0120]
如图2所示，根据本发明的另一个实施例，公开了一种用于无人驾驶的车辆调度管理系统，该系统包括调度准备模块1、道路行驶调度模块2、停车调度模块3及状态监测模块4。
[0121]
其中，所述调度准备模块1，用于获取无人驾驶车辆的任务优先级及约束条件。
[0122]
所述道路行驶调度模块2，用于根据预先规划的无人驾驶车辆行驶路径及开始时间，控制无人驾驶车辆到达目的地。
[0123]
所述停车调度模块3，用于在目的地的停车场进行车辆检测，获取无人驾驶车辆的停车位，并基于停车规则将无人驾驶车辆自动泊车入位。
[0124]
所述状态监测模块4，用于对车辆和任务进行实时监控，获取车辆和任务的实时状态，实时监测和处理异常情况。
[0125]
综上所述，借助于本发明的上述技术方案，本发明的一种用于无人驾驶的车辆调度管理方法及系统，使车辆运输更加高效、安全和可靠，提高企业的运输效益和竞争力；本发明充分利用交通监控设施、全球定位系统、激光雷达及车载摄像头，使得无人驾驶车辆之间能够判断距离并定位。本发明在对无人驾驶车辆进行停车时，通过实现获取无人驾驶车辆的尺寸，控制无人驾驶车辆至合适的的停车位，同时在无法获取无人驾驶车辆的尺寸时，也可以通过双目摄像头对相关车辆进行精准的测量，使得无尺寸数据的车辆也可以安排至合适的的停车位，实现了自动化测量，提高停车效率。本发明通过合作模型实现所有无人驾驶车辆的总行驶成本最低的调度排序，进而实现了多个车辆智能且高效的进行调度及停车，在总效率上得到进一步的优化。
[0126]
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

技术特征：
1.一种用于无人驾驶的车辆调度管理方法，其特征在于，该方法包括以下步骤：s1、获取无人驾驶车辆的任务优先级及约束条件；s2、根据预先规划的无人驾驶车辆行驶路径及开始时间，控制无人驾驶车辆到达目的地；s3、在目的地的停车场进行车辆检测，获取无人驾驶车辆的停车位，并基于停车规则将无人驾驶车辆自动泊车入位；s4、对车辆和任务进行实时监控，获取车辆和任务的实时状态，实时监测和处理异常情况。2.根据权利要求1所述的一种用于无人驾驶的车辆调度管理方法，其特征在于，所述获取无人驾驶车辆的任务优先级及约束条件包括以下步骤：s11、在进行无人驾驶车辆调度前，明确无人驾驶车辆的调度需求和约束条件，得到调度场景；s12、根据得到的调度场景，收集调度任务的任务目的地、行驶路径及开始时间，得到任务信息；s13、根据调度场景及任务信息，明确无人驾驶车辆的车辆数量、载荷能力及续航里程。3.根据权利要求2所述的一种用于无人驾驶的车辆调度管理方法，其特征在于，所述在目的地的停车场进行车辆检测，获取无人驾驶车辆的停车位包括以下步骤：在目的地的停车场入口设置摄像测量用的双目摄像头，并预先对双目摄像头进行标定；发送获取无人驾驶车辆尺寸信息的请求，若反馈得到无人驾驶车辆的尺寸信息，则根据尺寸信息确定无人驾驶车辆的停车位；若反馈无法得到无人驾驶车辆的尺寸信息，则使无人驾驶车辆驶入测量区域；根据标定之后的双目摄像头对测量区域内的无人驾驶车辆进行尺寸测量；尺寸测量完成后，根据测量得到的无人驾驶车辆的尺寸信息确定无人驾驶车辆的停车位。4.根据权利要求3所述的一种用于无人驾驶的车辆调度管理方法，其特征在于，所述根据标定之后的双目摄像头对测量区域内的无人驾驶车辆进行尺寸测量包括以下步骤：通过标定之后的双目摄像头从不同位置获取两幅无人驾驶车辆图像，并得到两幅无人驾驶车辆图像上的投影点；获取无人驾驶车辆上任一点p
w
，并获得点p
w
在双目摄像头的两个摄像机坐标系中的光轴坐标，同时获得两个投影点在各自坐标系下的齐次坐标以及点p
w
在世界坐标系下的齐次坐标；标定给出双目摄像头拍摄两幅无人驾驶车辆图像时的投影变换矩阵，并将投影变换矩阵与相机成像的线性理论结合，且利用两个光轴坐标、两个投影点在各自坐标系下的齐次坐标以及点p
w
在世界坐标系下的齐次坐标，得到双目摄像头中通过两组光心点与投影点的直线，且点p
w
是两个直线的交点，得出点p
w
的三维坐标；通过对无人驾驶车辆上各顶点的三维坐标进行确定，计算得到无人驾驶车辆的三维数据尺寸。5.根据权利要求4所述的一种用于无人驾驶的车辆调度管理方法，其特征在于，所述在
目的地的停车场入口设置摄像测量用双目摄像头，并预先对双目摄像头进行标定时，使用排列规则的正方形图案作为标定板，且正方形的尺寸已知，其顶点作为标定的参考点。6.根据权利要求5所述的一种用于无人驾驶的车辆调度管理方法，其特征在于，所述基于停车规则将无人驾驶车辆自动泊车入位包括以下步骤：对于进入停车场的每个无人驾驶车辆进行通信连接，并获取对方的定位；按照最短路径原则使得每个无人驾驶车辆驶向目的停车位；计算所有无人驾驶车辆的总行驶成本：u
n
＝∑
i∈n
u
i
(s
i
)式中，s
i
为第i个无人驾驶车辆的策略集合；u
i
为第i个无人驾驶车辆最小的行驶成本函数，u
n
为所有无人驾驶车辆的行驶成本函数，n为非零自然数；通过所有无人驾驶车辆进行合作，并根据合作模型得到总行驶成本最低的调度排序：式中，p为通过所有无人驾驶车辆进行合作得到的总行驶成本；s
i
为第i个无人驾驶车辆的策略集合；u
i
为第i个无人驾驶车辆最小的行驶成本函数，n为非零自然数，σ为初始调度排序，为第i个无人驾驶车辆的初始调度排序的行驶成本函数。7.根据权利要求6所述的一种用于无人驾驶的车辆调度管理方法，其特征在于，所述计算得到总行驶成本最低的调度排序时，通过遗传算法获得合作模型的最优调度排序；其中，所述遗传算法中的适应度函数为：式中，ω为合作模型调度阈值；为第i个无人驾驶车辆在使用第g个策略时的行驶成本函数，u
i
为第i个无人驾驶车辆最小的行驶成本函数；当满足适应度函数中的条件，则达到最优调度排序。8.根据权利要求7所述的一种用于无人驾驶的车辆调度管理方法，其特征在于，所述对于进入停车场的每个无人驾驶车辆进行通信连接时，无人驾驶车辆与调度中心实时通信，实现数据的快速传输和处理，且对无人驾驶车辆的通信进行加密、数据备份及电池容量监测。9.根据权利要求8所述的一种用于无人驾驶的车辆调度管理方法，其特征在于，所述获取对方的定位时，无人驾驶车辆上安装全球定位系统、激光雷达及车载摄像头实现定位，且无人驾驶车辆在道路行驶中，通过获取交通监控设施的监测数据实时监测交通流量。10.一种用于无人驾驶的车辆调度管理系统，用于实现权利要求1-9中任一项的用于无人驾驶的车辆调度管理方法，其特征在于，该系统包括调度准备模块、道路行驶调度模块、
停车调度模块及状态监测模块；其中，所述调度准备模块，用于获取无人驾驶车辆的任务优先级及约束条件；所述道路行驶调度模块，用于根据预先规划的无人驾驶车辆行驶路径及开始时间，控制无人驾驶车辆到达目的地；所述停车调度模块，用于在目的地的停车场进行车辆检测，获取无人驾驶车辆的停车位，并基于停车规则将无人驾驶车辆自动泊车入位；所述状态监测模块，用于对车辆和任务进行实时监控，获取车辆和任务的实时状态，实时监测和处理异常情况。

技术总结
本发明公开了一种用于无人驾驶的车辆调度管理方法及系统，该方法包括以下步骤：获取无人驾驶车辆的任务优先级及约束条件；根据预先规划的无人驾驶车辆行驶路径及开始时间，控制无人驾驶车辆到达目的地；在目的地的停车场进行车辆检测，获取无人驾驶车辆的停车位，并基于停车规则将无人驾驶车辆自动泊车入位；对车辆和任务进行实时监控，获取车辆和任务的实时状态，实时监测和处理异常情况；该系统包括调度准备模块、道路行驶调度模块、停车调度模块及状态监测模块。使车辆运输更加高效、安全和可靠，实现所有无人驾驶车辆的总行驶成本最低的调度排序，实现了多个车辆智能且高效的进行调度及停车。行调度及停车。行调度及停车。


技术研发人员：沈钰杰 尹澳 杨晓峰 刘雁玲
受保护的技术使用者：江苏大学
技术研发日：2023.03.30
技术公布日：2023/6/28