1.一种低速自动驾驶车辆分布式算力增强方法，其特征在于：其包括以下步骤：
S1、复杂场景的发现：正常行驶的所有自动驾驶车辆均有对复杂场景的发现能力，若是
自动驾驶车辆在某特定环境下无法通行、通行困难或者云端自动驾驶管理系统评判需要更
S2、复杂场景上报：发现复杂场景的自动驾驶车辆主动向云端自动驾驶管理系统上报
S3、侍从车辆分配：云端自动驾驶管理系统根据上报上来的复杂场景信息，计算优先级
S4、侍从模式：执行侍从任务的车辆，到达指定地点之后，只启动任务处理相关模块，关
闭车端其他无关计算，并与云端自动驾驶管理系统通讯，创建身份校验密钥与通信协议，开
S5、分布式算力增强网络：分配的侍从车辆组成分布式算力增强网络，其他正常行驶的
自动驾驶车辆在到达分布式算力增强网络特定距离的时候，若任务路线经过侍从车辆的服
务区域，正常行驶的自动驾驶车辆根据当前场景的实际情况，选择是否使用侍从车辆提供
的分布式算力增强网络服务，若使用服务，则需要通过身份密钥验证，建立车到车安全连
S6、网络任务分配：被服务的自动驾驶车辆，会获得分布式算力增强网络内的所有节点
的侍从车辆的算力资源信息，以及侍从车辆所在网络内的空间位置信息，根据主车实际的
任务情况，合理分配子任务给网络内的所有节点的侍从车辆，使被服务的自动驾驶车辆顺
S7、当复杂场景发生变化之后，经过该侍从服务区域的自动驾驶车辆均判定无需再使
用分布式算力增强网络服务，则将解除建议发送给云端自动驾驶管理系统，云端自动驾驶
2.根据权利要求1所述的低速自动驾驶车辆分布式算力增强方法，其特征在于：所述任
务处理相关模块包括车载的cpu、gpu模块及额外的fpga模块，任务处理相关模块的共享方
式为通过车到车的安全链路，侍从车辆进入侍从模式之后，会接收其他车辆通过加密协议
发送过来的所有的数据和控制指令，并且利用本车可用的算力单元，完成任务的计算，并将
3.根据权利要求1所述的低速自动驾驶车辆分布式算力增强方法，其特征在于：所述步
4.根据权利要求1所述的低速自动驾驶车辆分布式算力增强方法，其特征在于：所述的
复杂场景包括无红绿灯路口、或几种超大型路口、机非混行道路、不规则施工道路、临时管
5.根据权利要求1所述的低速自动驾驶车辆分布式算力增强方法，其特征在于：步骤S3
中，按优先级分配侍从车辆时，要根据各个自动驾驶车辆与复杂场景的距离远近、各自动驾
6.根据权利要求1所述的低速自动驾驶车辆分布式算力增强方法，其特征在于：步骤S6
中，分布式算力增强网络能同时服务于多个经过复杂场景的自动驾驶车辆，若有多个自动
驾驶车辆同时接入网络，根据系统的优先级，优先处理优先级高的车辆的任务，并通知优先
7.根据权利要求1所述的低速自动驾驶车辆分布式算力增强方法，其特征在于：步骤S6
中，自动驾驶车辆接入分布式算力增强网络之后，会根据分布式算力增强网络实际的资源
情况，分配计算任务，分配的方式通过车到车的安全链路，侍从车辆进入侍从模式之后，我是PG电子新手，有没有简单的入门指南？会
接收其他车辆通过加密协议发送过来的所有的数据和控制指令，并且利用侍从车辆可用的
8.根据权利要求1所述的低速自动驾驶车辆分布式算力增强方法，其特征在于：步骤S6
解决复杂场景处理的算力需求；另外一种方案就是通过建设固定v2x设备，通过云端计算的
方式，辅助自动驾驶单车系统，对其进行算力能力的补足；最后一种就是借用周边单车车辆
的时候，场景一直处在变化的过程当中，对算力的需求是随着场景复杂程度的变化而变化。
当前单车的算力基础，考虑到成本、电池、续航等问题，能力上很难能够覆盖复杂场景。
现有技术方案中，第一种提升单车车载芯片的能力的方案，自动驾驶车辆出厂后，
单车车载芯片为了提升算力，需要对硬件软件进行升级或者更换，维护等成本与代价较高；
第二种使用v2x技术补足算力的方案，目前只能在固定场景下进行安装，安装成本与区域非
常固定，且成本非常高，为了不影响正常交通，安装的位置通常较高，维护的成本与代价也
非常高。除了成本以外，网络延时也是一个较大的影响因素，若延时较大，则自动驾驶车辆
的实时性无法保障。第三种方案借用周边单个车辆的算力进行共享，往往其他车辆也有复
场景时车载芯片的算力不足，而现有的解决方案会增加单车车载芯片的软硬件成本，或使
用v2x技术部署和维护的成本高，且具有场景局限性，或借用周边车辆的算力进行共享，因
为周边车辆在行进时空闲算力有限，算力共享效果较差等问题，提供一种低速自动驾驶车
S1、复杂场景的发现：正常行驶的所有自动驾驶车辆均有对复杂场景的发现能力，
若是自动驾驶车辆在某特定环境下无法通行、通行困难或者云端自动驾驶管理系统评判需
S2、复杂场景上报：发现复杂场景的自动驾驶车辆主动向云端自动驾驶管理系统
S3、侍从车辆分配：云端自动驾驶管理系统根据上报上来的复杂场景信息，计算优
S4、侍从模式：执行侍从任务的车辆，到达指定地点之后，只启动任务处理相关模
块，关闭车端其他无关计算，并与云端自动驾驶管理系统通讯，创建身份校验密钥与通信协
S5、分布式算力增强网络：分配的侍从车辆组成分布式算力增强网络，其他正常行
驶的自动驾驶车辆在到达分布式算力增强网络特定距离的时候，若任务路线经过侍从车辆
的服务区域，正常行驶的自动驾驶车辆根据当前场景的实际情况，选择是否使用侍从车辆
提供的分布式算力增强网络服务，若使用服务，则需要通过身份密钥验证，建立车到车安全
S6、网络任务分配：被服务的自动驾驶车辆，会获得分布式算力增强网络内的所有
节点的侍从车辆的算力资源信息，以及侍从车辆所在网络内的空间位置信息，根据主车实
际的任务情况，合理分配子任务给网络内的所有节点的侍从车辆，使被服务的自动驾驶车
S7、当复杂场景发生变化之后，经过该侍从服务区域的自动驾驶车辆均判定无需
再使用分布式算力增强网络服务，则将解除建议发送给云端自动驾驶管理系统，云端自动
作为上述方案的进一步改进，所述任务处理相关模块包括车载的cpu、gpu模块及
额外的fpga模块，任务处理相关模块的共享方式为通过车到车的安全链路，侍从车辆进入
侍从模式之后，会接收其他车辆通过加密协议发送过来的所有的数据和控制指令，并且利
用本车可用的算力单元，完成任务的计算，并将结果通过加密协议反馈给其他车辆。
作为上述方案的进一步改进，所述步骤S2中，复杂场景信息包括复杂场景的位置、
作为上述方案的进一步改进，步骤S3中，按优先级分配侍从车辆时，要根据各个自
动驾驶车辆与复杂场景的距离远近、各自动驾驶车辆的任务情况及车辆电量来设定优先
作为上述方案的进一步改进，步骤S5中，分布式算力增强网络能同时服务于多个
经过复杂场景的自动驾驶车辆，若有多个自动驾驶车辆同时接入网络，根据系统的优先级，
作为上述方案的进一步改进，步骤S5中，自动驾驶车辆接入分布式算力增强网络
之后，会根据分布式算力增强网络实际的资源情况，分配计算任务，分配的方式通过车到车
的安全链路，侍从车辆进入侍从模式之后，会接收其他车辆通过加密协议发送过来的所有
的数据和控制指令，并且利用侍从车辆可用的所有算力单元，完成任务的计算，并将结果通
作为上述方案的进一步改进，步骤S6中，在分配子任务时，按照高并发原则来分
配。高并发原则是指网络内的侍从车辆可以同时处理来自于同一个任务的子任务，一个任
务尽可能拆成很多较小的子任务，以充分利用网络并发能力，来提高任务的处理效率。
在云端自动驾驶车辆管理系统设计相应的侍从车辆分配模块，当自动驾驶车辆发现复杂场
景，单车算力不足，无法正常通行时，向云端自动驾驶车辆管理系统报告复杂场景信息，云
端自动驾驶车辆管理系统根据复杂场景信息和各个自动驾驶车辆的实际情况分配侍从车
辆，侍从车辆行驶至云端自动驾驶车辆管理系统分配的节点位置后，关闭车端其他无关计
算，只启动任务处理相关模块，分配的侍从车辆组成分布式算力增强网路，正常行驶的车辆
在到达该复杂场景后，如果需要使用分布式算力增强网路提供的算力增强服务，则需要进
行身份密钥验证，建立车到车安全连接，并进行任务再分配，根据每个节点的位置以及每个
节点的侍从车辆的算力资源信息来分配对应的算力子任务，这样通过整合分布式算力增强
网络的算力资源就能够解决复杂场景的算力不足的问题，使自动驾驶车辆能够顺利地通过
该复杂场景。本发明不需要增加单车的车载硬件或软件成本，也不需要部署专用设备，因而
其实施成本、维护成本较低，而且避免采用周边行驶的车辆的算力共享，通过云端自动驾驶
管理系统，采用了专用的侍从车辆来提供算力资源，保障自动驾驶车辆能够得到充足的算
下面通过实施例对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施
例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通
技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范
S1、复杂场景的发现：正常行驶的所有自动驾驶车辆均有对复杂场景的发现能力，
若是自动驾驶车辆在某特定环境下无法通行、通行困难或者经云端自动驾驶管理系统评判
需要更丰富的算力支持的情况，均视为需要外力协助的复杂场景；复杂场景通常包括无红
绿灯路口、或几种超大型路口、机非混行道路、不规则施工道路、临时管制道路或停靠点中
S2、复杂场景上报：发现复杂场景的自动驾驶车辆主动向云端自动驾驶管理系统
上报复杂场景信息；复杂场景信息包括复杂场景的位置、时间、路况和类型；复杂场景信息
S3、侍从车辆分配：云端自动驾驶管理系统根据上报上来的复杂场景信息，计算优
先级与可分配的侍从车辆，并且按照优先级分配侍从车辆；按优先级分配侍从车辆时，要根
据各个自动驾驶车辆与复杂场景的距离远近、各自动驾驶车辆的任务情况及车辆电量来设
S4、侍从模式：执行侍从任务的车辆，到达指定地点之后，只启动任务处理相关模
块，关闭车端其他无关计算，并与云端自动驾驶管理系统通讯，创建身份校验密钥与通信协
议，开启侍从模式；任务处理相关模块包括车载的cpu、gpu模块及额外的fpga模块，任务处
理相关模块的共享方式为通过车到车的安全链路，侍从车辆进入侍从模式之后，会接收其
他车辆通过加密协议发送过来的所有的数据和控制指令，并且利用本车可用的算力单元，
S5、分布式算力增强网络：分配的侍从车辆组成分布式算力增强网络，其他正常行
驶的自动驾驶车辆在到达分布式算力增强网络特定距离的时候，若任务路线经过侍从车辆
的服务区域，正常行驶的自动驾驶车辆根据当前场景的实际情况，选择是否使用侍从车辆
提供的分布式算力增强网络服务，若使用服务，则需要通过身份密钥验证，建立车到车安全
S6、网络任务分配：被服务的自动驾驶车辆，会获得分布式算力增强网络内的所有
节点的侍从车辆的算力资源信息，以及侍从车辆所在网络内的空间位置信息，根据主车实
际的任务情况，合理分配子任务给网络内的所有节点的侍从车辆，分配的原则是以高并发
资源情况，分配计算任务，分配的方式通过车到车的安全链路，侍从车辆进入侍从模式之
后，会接收其他车辆通过加密协议发送过来的所有的数据和控制指令，并且利用侍从车辆
可用的所有算力单元，完成任务的计算，并将结果通过加密协议反馈给其他车辆。
自动驾驶车辆同时接入网络，根据系统的优先级，优先处理优先级高的车辆的任务，并通知
S7、当复杂场景发生变化之后，经过该侍从服务区域的自动驾驶车辆均判定无需
再使用分布式算力增强网络服务，则将解除建议发送给云端自动驾驶管理系统，云端自动
对自动驾驶车辆和侍从车辆进行统一的调度和管理，当发现复杂场景时，能够自动计算优
先级，并分配所需数量的侍从车辆来执行侍从任务，使其他正常行驶的车辆在经过该复杂
场景时，选择是否需要使用侍从车辆组成的分布式算力增强网络，如果要使用分布式算力
增强网络，则要通过身份验证，建立于分布式增强网络的连接协议，通过云端自动驾驶管理
系统来向分布式算力增强网络中的各个侍从车辆和经过复杂场景的自动驾驶车辆分配计
算任务，自动驾驶车辆利用分布式算力增强网络的算力资源，能够顺利的通过复杂场景。而
分布式算力增强网络能服务于多个自动驾驶车辆的算力增强，提高其利用率；待到复杂场
景状况发生变化，所有经过该复杂场景的自动驾驶车辆都向云端自动驾驶管理系统反馈不
需要算力增强时，可以结束侍从任务，通过云端自动驾驶管理系统为侍从车辆分配新的任
务，使其转化为正常行驶车辆，或是分配新的侍从任务，使侍从车辆行驶至新的复杂场景开
理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换
