(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210436393.5 (22)申请日 2022.04.25 (71)申请人 南通顺沃供应链管理有限公司 地址 226000 江苏省南 通市海门区三星镇 林西村17组 (72)发明人 陈宇亮　 (74)专利代理 机构 石家庄嘉宏 智信知识产权代 理有限公司 1316 0 专利代理师 李兵 (51)Int.Cl. G06V 20/52(2022.01) G06V 20/54(2022.01) G06Q 10/06(2012.01) G06Q 10/08(2012.01) (54)发明名称 基于车联网的货物运输方法及系统 (57)摘要 本发明涉及车联网领域， 具体涉及基于车联 网的货物运输方法及系统， 包括： 车联网系统中 的红外相机获取所有车辆的位置， 货车根据临近 车辆的位置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所有临近车辆的位置， 获得每个临近车辆的影 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， 进而获得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， 在 有向图上获得一条 最短路径， 货车在离开相机视野之后根据所述路 径进行加速和变道行驶。 本发明保证了货车能够 在雾天不能看到其他车辆的位置的情况下依然 能够以较高的速度和安全性行驶， 提高了货物运 输效率。 权利要求书2页 说明书6页 附图1页 CN 114550105 A 2022.05.27 CN 114550105 A 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 。 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。 3.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， 所述的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。 4.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权　利　要　求　书 1/2 页 2 CN 114550105 A 2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。 5.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。 6.根据权利要求5所述的基于车联网的货物运输方法， 其特征在于， 所述的根据 行驶安 全程度分布图构建一个有向图的步骤 包括： 在行驶安全程度分布图上， 以每个像素点为节点， 如果任意一个像素与另 外任意一个 像素相邻， 前者像素对应的节点到后者像素对应的节点之间的存在一条有向边， 边权值大 小为后者像素的灰度值与前者像素灰度值的差， 另外后者像素对应的节点到前者像素对应 的节点之间也存在一条有向边， 边权值大小为前者像素 的灰度值与后者像素灰度值的差， 如果所述的两个像素点不相邻那么对应的节点之间边权值为0， 所有像素 的节点构成一个 有向图。 7.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， 所述的货车的临近 车辆是指在货车在驶进相机 视野和驶出相机 视野过程中， 相机所有获得到的所有车辆 。 8.基于车联网的货物运输系统， 其特征在于， 所述的车联网系统由车载系统和路侧单 元构成， 所述的路侧单元包括通信系统和红外相机以及存储计算系统； 所述的车载系统包 括但不限货车上搭载的通信系统、 行车记录仪、 存储计算和显示系统； 车载系统和路侧单元 实现如权利要求1 ‑7中任一项所述的基于车 联网的货物运输方法。权　利　要　求　书 2/2 页 3 CN 114550105 A 3