1.本发明涉及智能驾驶技术领域，尤其涉及基于园区环境的无人车智能驾驶系统。
背景技术：
2.一般园区多指科技园区，科技园区，以创新为核心的高新技术产业集聚型的综合区，包括科学研究机构、高等院校、高新科技企业,以及为之服务的商务、生活服务设施和市政、交通等基础设施。其布局应体现具有良好的生态环境,生活居住的舒适性,信息交通的便捷性,以及低密度、园林化、网络化的特点。是知识经济发展的最有效的空间组织形式，在进行科技园区的环境维护时需要使用到清理车、运输车等进行作业，其中包括无人车智能驾驶。
3.无人驾驶即无人驾驶汽车，是智能汽车的一种，也称为轮式移动机器人，主要依靠车内的以计算机系统为主的智能驾驶仪来实现无人驾驶的目的，无人驾驶依靠人工智能、视觉计算、雷达、监控装置和全球定位系统协同合作，让电脑可以在没有任何人类主动的操作下，自动安全地操作机动车辆。
4.现有技术中的无人车智能驾驶系统进行使用时，由于需要进行货物的运输以及园区的清理等工作，所以对于系统设别尤为重要，传统中的无人驾驶系统对于多种物体的识别有所欠缺，智能移动端处理系统接收到由语音识别模块命令后进行参数收集整合，用雷达上传至智能计算云端，云端综合导航、计算系统做出应答后传回，智能移动端处理系统再结合摄像头、激光测距传感器、车载雷达测量实现道路环境的感知，采用拟人控制算法实现车辆驾驶。这种系统结构虽然能够实现智能驾驶，但是无法实现对车路信息的实时导入，无法对车路资源协同预先统一规划。
技术实现要素：
5.本发明的目的是提供基于园区环境的无人车智能驾驶系统，解决了现有技术中系统结构虽然能够实现智能驾驶，但是无法实现对车路信息的实时导入，无法对车路资源协同预先统一规划的问题。
6.为了实现上述目的，本发明采用了如下技术方案：
7.基于园区环境的无人车智能驾驶系统，包括法、client端和云端，算法端包括面向传感、感知和决策等关键步骤的算法，client端包括机器人操作系统及硬件系统，云端包括数据存储、模拟、高精度地图绘制及深度学习模型训练，算法系统包括传感，并从传感器原始数据中提取有意义信息，同时以定位无人车所在位置及感知现在所处的环境，并且以便可靠、安全地抵达目的地。
8.优选的，智能驾驶系统包括至少二个相邻且相连的路段单元、每个路段单元分布式设置一个无线通讯基站、一辆或多辆近距离串行在同一车道的无人自动驾驶汽车、至少一个网络端云计算资源、一个云端的全局车路资源仿真模型，无线通讯基站内设置有通讯模块、计算单元、局部路段资源仿真模型、时钟同步模块、传感设备，无人自动驾驶汽车内设
置有通讯模块、计算单元、车本体资源仿真模型、时钟同步模块、传感设备，计算单元是实现局部路段资源仿真模型的运算硬件装置，资源仿真模型是通过传感与数学仿真模型的结合，实现现实世界与虚拟仿真模型的联通，虚拟信息模型跟踪现实世界，并以信息资源的方式呈现现实世界的状态，相邻且相连的路段之间通过无线通讯基站保持通讯连接，串行在同一车道的无人自动驾驶汽车之间相互通讯，无人自动驾驶汽车与无线通讯基站保持通讯连接。
9.优选的，一辆无人车装备有许多不同类型的主传感器，每一种类型的传感器各自有不同的优劣，因此，来自不同传感器的传感数据应该有效地进行融合，传感器包括以下几种，gps/imu惯性导航传感器，gps/imu传感系统通过高达200hz频率的全球定位和惯性更新数据，以帮助无人车完成自我定位，gps是一个相对准确的定位用传感器。
10.优选的，imu更新频率过低，仅有10hz,不足以提供足够实时的位置更新，imu的准确度随着时间降低，因此在长时间距离内并不能保证位置更新的准确性，但是，它有着gps所欠缺的实时性，imu的更新频率可以达到200hz或者更高，通过整合gps与imu，我们可以为车辆定位提供既准确又足够实时的位置更新。
11.优选的，无人自动驾驶汽车内至少包含视频图像传感和位置距离传感器，视频图像传感和位置距离传感器构成闭环信息控制系统，的闭环信息控制系统是以一种传感为自动控制执行依据，另一种传感从控制末端反馈执行效果信息，并根据反馈信息对控制决策进行修正。
12.优选的，雷达把电磁波的能量发射至空间中某一方向，处在此方向上的物体反射该电磁波，雷达通过接收此反射波，以提取该物体的某些有关信息，包括目标物体至雷达的距离、距离变化率或径向速度、方位、高度等，雷达和声呐系统是避障的最后一道保障，雷达和声呐产生的数据用来表示在车的前进方向上最近障碍物的距离，一旦系统检测到前方不远有障碍物出现，则有极大的相撞危险，无人车会启动紧急刹车以完成避障，因此，雷达和声呐系统产生的数据不需要过多的处理，通常可直接被控制处理器采用，并不需要主计算流水线的介入，因此可实现转向、刹车或预张紧安全带等紧急功能。
13.本发明至少具备以下有益效果：
14.本发明安全性是无人驾驶中最重要的考量，将使用至少两层级的避障机制来保证车辆不会在行驶过程中与障碍物发生碰撞，第一层级是基于交通情况预测的前瞻层级，交通情况预测机制根据现有的交通状况如拥堵、车速等，估计出碰撞发生时间与最短预测距离等参数，基于这些估计，避障机制将被启动以执行本地路径重规划，如果前瞻层级预测失效,则第二级实时反应层将使用雷达数据再次进行本地路径重规划，一旦雷达侦测到路径前方障碍物时，立即进行规避。
15.本发明能够全方位实施车车、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，充分实现人车路的有效协同，保证交通安全，提高通行效率，从而形成的安全、高效和环保的道路交通系统。
具体实施方式
16.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仅用以解释本发明，并不用于
限定本发明。
17.实施例一
18.包括法、client端和云端，其特征在于，算法端包括面向传感、感知和决策等关键步骤的算法，client端包括机器人操作系统及硬件系统，云端包括数据存储、模拟、高精度地图绘制及深度学习模型训练，算法系统包括传感，并从传感器原始数据中提取有意义信息，同时以定位无人车所在位置及感知现在所处的环境，并且以便可靠、安全地抵达目的地。
19.实施例二：
20.智能驾驶系统包括至少二个相邻且相连的路段单元、每个路段单元分布式设置一个无线通讯基站、一辆或多辆近距离串行在同一车道的无人自动驾驶汽车、至少一个网络端云计算资源、一个云端的全局车路资源仿真模型，无线通讯基站内设置有通讯模块、计算单元、局部路段资源仿真模型、时钟同步模块、传感设备，无人自动驾驶汽车内设置有通讯模块、计算单元、车本体资源仿真模型、时钟同步模块、传感设备，计算单元是实现局部路段资源仿真模型的运算硬件装置，资源仿真模型是通过传感与数学仿真模型的结合，实现现实世界与虚拟仿真模型的联通，虚拟信息模型跟踪现实世界，并以信息资源的方式呈现现实世界的状态，相邻且相连的路段之间通过无线通讯基站保持通讯连接，串行在同一车道的无人自动驾驶汽车之间相互通讯，无人自动驾驶汽车与无线通讯基站保持通讯连接。
21.一辆无人车装备有许多不同类型的主传感器，每一种类型的传感器各自有不同的优劣，因此，来自不同传感器的传感数据应该有效地进行融合，传感器包括以下几种，gps/imu惯性导航传感器，gps/imu传感系统通过高达200hz频率的全球定位和惯性更新数据，以帮助无人车完成自我定位，gps是一个相对准确的定位用传感器。
22.imu更新频率过低，仅有10hz,不足以提供足够实时的位置更新，imu的准确度随着时间降低，因此在长时间距离内并不能保证位置更新的准确性，但是，它有着gps所欠缺的实时性，imu的更新频率可以达到200hz或者更高，通过整合gps与imu，我们可以为车辆定位提供既准确又足够实时的位置更新。
23.无人自动驾驶汽车内至少包含视频图像传感和位置距离传感器，视频图像传感和位置距离传感器构成闭环信息控制系统，的闭环信息控制系统是以一种传感为自动控制执行依据，另一种传感从控制末端反馈执行效果信息，并根据反馈信息对控制决策进行修正。
24.雷达把电磁波的能量发射至空间中某一方向，处在此方向上的物体反射该电磁波，雷达通过接收此反射波，以提取该物体的某些有关信息，包括目标物体至雷达的距离、距离变化率或径向速度、方位、高度等，雷达和声呐系统是避障的最后一道保障，雷达和声呐产生的数据用来表示在车的前进方向上最近障碍物的距离，一旦系统检测到前方不远有障碍物出现，则有极大的相撞危险，无人车会启动紧急刹车以完成避障，因此，雷达和声呐系统产生的数据不需要过多的处理，通常可直接被控制处理器采用，并不需要主计算流水线的介入，因此可实现转向、刹车或预张紧安全带等紧急功能。
25.能够全方位实施车车、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，充分实现人车路的有效协同，保证交通安全，提高通行效率，从而形成的安全、高效和环保的道路交通系统
26.以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术
人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是本发明的原理，在不脱离本发明精神和范围的前提下本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明的范围内。本发明要求的保护范围由所附的权利要求书及其等同物界定。