CN107830865A - 一种车辆目标分类方法、装置、系统及计算机程序产品 - Google Patents

一种车辆目标分类方法、装置、系统及计算机程序产品 Download PDF

Info

Publication number
CN107830865A
CN107830865A CN201710960206.2A CN201710960206A CN107830865A CN 107830865 A CN107830865 A CN 107830865A CN 201710960206 A CN201710960206 A CN 201710960206A CN 107830865 A CN107830865 A CN 107830865A
Authority
CN
China
Prior art keywords
front vehicles
current vehicle
data point
vehicle
data
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201710960206.2A
Other languages
English (en)
Other versions
CN107830865B (zh
Inventor
孟扬
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Neusoft Corp
Original Assignee
Neusoft Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Neusoft Corp filed Critical Neusoft Corp
Priority to CN201710960206.2A priority Critical patent/CN107830865B/zh
Publication of CN107830865A publication Critical patent/CN107830865A/zh
Application granted granted Critical
Publication of CN107830865B publication Critical patent/CN107830865B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
    • G01C21/3492—Special cost functions, i.e. other than distance or default speed limit of road segments employing speed data or traffic data, e.g. real-time or historical
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C23/00—Combined instruments indicating more than one navigational value, e.g. for aircraft; Combined measuring devices for measuring two or more variables of movement, e.g. distance, speed or acceleration
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/161—Decentralised systems, e.g. inter-vehicle communication

Abstract

本申请涉及一种车辆目标分类方法、装置、系统及计算机程序产品，其中所述方法包括：在检测到当前车辆进入弯道时，确定所述当前车辆的预定范围内是否存在前方车辆；确定存在前方车辆时，从所述前方车辆获取历史路径数据并基于所述历史路径数据确定所述前方车辆是否为同向前方车辆；确定所述前方车辆为同向前方车辆后，基于所述历史路径数据确定所述弯道的类型；以及根据弯道的类型对同向前方车辆进行分类。

Description

一种车辆目标分类方法、装置、系统及计算机程序产品
技术领域
本申请涉及信息处理领域，并且更具体地涉及一种针对弯道路况进行车辆目标分类的方法及系统。
背景技术
车辆自组织网络VANET(Vehicular Ad-hoc NETwork)是指在道路上的车辆之间和/或车辆与固定接入点之间组成的能够相互通信的开放移动自组织Ad Hoc网络。VANET是智能交通系统ITS(Intelligent Transport System)的重要组成部分。VANET是一种自组织、部署方便、费用低廉且结构开放的车辆间无线通信网络，并且是一种特殊的移动自组织网络。在VANET中，车辆之间以及车辆和基础设施之间所进行的短距离通信用于传递辅助驾驶和事故避免等实时信息，并且用于提供车载娱乐和实时导航等服务，从而提高交通运输的效率和可靠性。
在现有的车辆间通信技术中，当前车辆采集自身的数据信息并通过车辆对车辆V2V(Vehicle-to-Vehicle)通信将数据广播给周围车辆。周边车辆可以通过接收到的数据信息判断其它车辆的运行状态及异常状态。在车辆行驶过程中，不同方位的车辆对当前车辆的影响不同。例如，对于前方车辆碰撞预警来讲，可能对当前车辆的行驶带来影响的为其正前方区域内行驶的车辆集，如图1a所示。而对于交叉路口碰撞预警来讲，对当前车辆产生影响的则为左右交叉行驶的车辆集，如图1b所示。
因此，美国高速公路安全管理局NHTSA(National Highway Traffic SafetyAdministration)在车辆安全通信应用VSC-A(Vehicle Safety Communications-Applications)的研究中对当前车辆周边的邻居车辆进行分类，如图1a和1b所示。因此，在实际应用中，如何对周边车辆进行精准的车辆目标分类是V2V应用中的主要挑战。车辆目标分类的算法精准程度直接决定针对危险情况进行预警的准确程度。现有的分类算法中的绝大部分均是基于直道路况的车辆目标分类，而不涉及针对弯道路况的车辆目标分类。一直以来，对于弯道路况的车辆目标分类都是一个重点难题。现有技术中的基于地图信息的弯道路况分类方法，通常算法复杂、计算量较大并且消耗成本较高。目前，在没有地图信息的情况下，现有技术无法准确地确定其它车辆在弯道中的车道位置。
发明内容
本申请的技术方案提供在弯道路况中进行车辆目标分类的方法。本申请的方法不需要地图信息并且也不需要将高精度全球定位系统GPS(Global Positioning System)地图信息集成到用户设备上，因此能够极大程度地降低成本。本申请通过使用实时的经度、纬度、车辆行驶速度、车辆行驶方向、横摆角速度和远车的历史路径数据等数据，能够对弯道路况中的车辆进行分类。上面这些数据都可以通过车辆对外界V2X(Vehicle-to-X)设备进行实时地获取，这使得本申请的车辆目标分类方法不仅具有较高的计算速度并且能保证分类的实时性。由此可知，本申请提供了一种在弯道路况的情况下，使用低成本且高效率方法进行车辆目标分类的技术方案。
举例来说，本申请的技术方案首先判断当前车辆是否进入弯道。当确定当前车辆进入弯道后，判断当前车辆前方200米范围内且海拔差在3米内是否存在其它车辆。当存在其它车辆时，接收其历史路径PH(Path History)数据，进一步判断当前车辆是否为同向的前方远车。若当前车辆为同向前方远车，则开启弯道类别算法，进行弯道类别判断。
根据本发明的一个方面，提供一种针对弯道路况进行车辆目标分类的方法，所述方法包括：
在检测到当前车辆进入弯道时，确定所述当前车辆的预定范围内是否存在前方车辆；
确定存在前方车辆时，从所述前方车辆获取历史路径数据并基于所述历史路径数据确定所述前方车辆是否为同向前方车辆；
确定所述前方车辆为同向前方车辆后，基于所述历史路径数据确定所述弯道的类型；以及
当确定所述弯道的类型为均匀曲率弯道时，根据所述当前车辆的行驶速度和横摆角速度，计算所述当前车辆行驶路径的曲率半径并根据所述曲率半径确定弯道数据，基于所确定的弯道数据和所述同向前方车辆的位置信息，对所述同向前方车辆进行分类。
还包括确定所述当前车辆的第一行驶速度，基于所述第一行驶速度确定所述当前车辆的转弯阈值，当所述当前车辆的横摆角速度大于所述转弯阈值时，确定检测到所述当前车辆进入弯道。
所述预定范围包括：前方预定距离和预定海拔。
所述历史路径数据包括所述前方车辆沿行驶路径所记录的多个数据点，其中每个数据点包括以下信息：经度、纬度、车辆方向、车辆速度、横摆角速度以及时间戳。
所述前方车辆基于每次更新历史路径数据时的横摆角速度确定数据点的记录间隔。
在所述多个数据点中确定与当前车辆的当前位置距离最近的中心数据点并且选择与所述中心数据点在时间上分别相邻的先前数据点和后续数据点，由所述中心数据点和先前数据点构成第一线段并且由所述中心数据点和后续数据点构成第二线段，当所述当前车辆的当前位置与第一线段或第二线段具有垂直交点时，确定所述前方车辆为同向前方车辆。
如果所述当前车辆的当前位置与所述垂直交点的距离小于预定距离阈值时，确定所述同向前方车辆和当前车辆位于相同弯道内。
从所述多个数据点中选择与当前车辆距离最近的第一数据点和第二数据点，确定所述前方车辆在第一数据点的第一车辆方向以及在第二数据点的第二车辆方向，当所述当前车辆的当前车辆方向与第一车辆方向的角度差和与第二车辆方向的角度差均在角度差阈值范围内时，确定所述前方车辆为同向前方车辆。
按照以下方式从与当前车辆距离最近的数据点开始从所述多个数据点中进行数据点选择以生成数据点集合：
选择横摆角速度大于相应的转弯阈值的数据点、选择与所述当前车辆在当前位置处的横摆角速度符号相同的数据点以及去除横摆角速度的差值大于相应的直行阈值的两个相邻数据点，直到连续两个数据点满足横摆角速度小于相应的转弯阈值或连续两个数据点的横摆角速度均与所述当前车辆在当前位置处的横摆角速度符号不同为止。
基于所述数据点集合中每个数据点的车辆速度和横摆角速度确定每个数据点的曲率半径，计算多个曲率半径的平均值和标准差，并且当所述标准差与平均值的比率低于曲率阈值时，确定所述弯道为均匀曲率弯道。
其中根据所述当前车辆的行驶速度和横摆角速度，计算所述当前车辆行驶路径的曲率半径包括：将所述当前车辆的行驶速度与所述横摆角速度的比值作为所述当前车辆行驶路径的曲率半径。
其中根据所述曲率半径确定弯道数据包括：根据所述当前车辆的当前位置和曲率半径确定所述弯道的圆心，将所述曲率半径作为所述当前车辆的当前位置与所述圆心的第一距离，以及根据所述当前车辆的当前位置和圆心确定转弯类型。
其中所述基于所确定的弯道数据和所述同向前方车辆的位置信息，对所述同向前方车辆进行分类包括：基于所述弯道的圆心和同向前方车辆的当前位置确定所述同向前方车辆与所述圆心的第二距离，基于所述第二距离与所述第一距离的差值和转弯类型来对所述同向前方车辆进行分类。
基于所述第二距离与所述第一距离的差值和转弯类型来对所述同向前方车辆进行分类包括：
在所述转弯类型为右转弯的情况下：
当所述第二距离与所述第一距离的差值的绝对值小于或等于同道阈值时，确定所述同向前方车辆为同道车辆；
当所述第二距离与所述第一距离的差值大于同道阈值并且小于邻道阈值，确定所述同向前方车辆为左侧邻车；
当所述第二距离与所述第一距离的差值的绝对值大于同道阈值并且小于邻道阈值，在差值为负数的情况下确定所述同向前方车辆为右侧邻车；
当所述第二距离与所述第一距离的差值大于或等于邻道阈值，确定所述同向前方车辆为左侧远车；以及
当所述第二距离与所述第一距离的差值的绝对值大于或等于邻道阈值，在差值为负数的情况下确定所述同向前方车辆为右侧远车；
或者，
在所述转弯类型为左转弯的情况下：
当所述第二距离与所述第一距离的差值的绝对值小于或等于同道阈值时，确定所述同向前方车辆为同道车辆；
当所述第二距离与所述第一距离的差值大于同道阈值并且小于邻道阈值，确定所述同向前方车辆为右侧邻车；
当所述第二距离与所述第一距离的差值的绝对值大于同道阈值并且小于邻道阈值，在差值为负数的情况下确定所述同向前方车辆为左侧邻车；
当所述第二距离与所述第一距离的差值大于或等于邻道阈值，确定所述同向前方车辆为右侧远车；以及
当所述第二距离与所述第一距离的差值的绝对值大于或等于邻道阈值，在差值为负数的情况下确定所述同向前方车辆为左侧远车。
根据本发明的一个方面，提供一种计算机程序产品，其包括处理器可执行的程序，其特征在于，该程序被处理器执行时实现以下步骤：
在检测到当前车辆进入弯道时，确定所述当前车辆的预定范围内是否存在前方车辆；
确定存在前方车辆时，从所述前方车辆获取历史路径数据并基于所述历史路径数据确定所述前方车辆是否为同向前方车辆；
确定所述前方车辆为同向前方车辆后，基于所述历史路径数据确定所述弯道的类型；以及
当确定所述弯道的类型为均匀曲率弯道时，根据所述当前车辆的行驶速度和横摆角速度，计算所述当前车辆行驶路径的曲率半径并根据所述曲率半径确定弯道数据，基于所确定的弯道数据和所述同向前方车辆的位置信息，对所述同向前方车辆进行分类。
根据本发明的一个方面，提供一种针对弯道路况进行车辆目标分类的系统，其特征在于，所述系统包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为：执行如上所述的方法。
根据本发明的一个方面，通过一种针对弯道路况进行车辆目标分类的方法，所述方法包括：
在检测到当前车辆进入弯道时，确定所述当前车辆的预定范围内是否存在前方车辆；
确定存在前方车辆时，从所述前方车辆获取历史路径数据并基于所述历史路径数据确定所述前方车辆是否为同向前方车辆；
确定所述前方车辆为同向前方车辆后，基于所述历史路径数据确定所述弯道的类型；以及
当确定所述弯道的类型为非均匀曲率弯道时，根据所述同向前方车辆的历史路径数据和所述当前车辆的当前位置计算所述当前车辆与所述同向前方车辆的车道距离，基于所述车道距离对所述同向前方车辆进行分类。
还包括确定当前车辆的第一行驶速度，基于所述第一行驶速度确定所述当前车辆的转弯阈值，当所述当前车辆的横摆角速度大于转弯阈值时，确定检测到所述当前车辆进入弯道。
所述预定范围包括：前方预定距离和预定海拔。
所述历史路径数据包括所述前方车辆沿行驶路径所记录的多个数据点，其中每个数据点包括以下信息：经度、纬度、车辆方向、车辆速度、横摆角速度以及时间戳。
所述前方车辆基于每次更新历史路径数据时的横摆角速度确定多个数据点的记录间隔。
在所述多个数据点中确定与当前车辆的当前位置距离最近的中心数据点并且选择与所述中心数据点在时间上分别相邻的先前数据点和后续数据点，由所述中心数据点和先前数据点构成第一线段并且由所述中心数据点和后续数据点构成第二线段，当所述当前车辆的当前位置与第一线段或第二线段具有垂直交点时，确定所述前方车辆为同向前方车辆。
如果所述当前车辆的当前位置与所述垂直交点的距离小于预定距离阈值时，确定所述同向前方车辆和当前车辆位于相同弯道内。
从所述多个数据点中选择与当前车辆距离最近的第一数据点和第二数据点，确定所述前方车辆在第一数据点的第一车辆方向以及在第二数据点的第二车辆方向，当所述当前车辆的当前车辆方向与第一车辆方向的角度差和与第二车辆方向的角度差均在角度差阈值范围内时，确定所述前方车辆为同向前方车辆。
按照以下方式从与当前车辆距离最近的数据点开始从所述多个数据点中进行数据点选择以生成数据点集合：
选择横摆角速度大于相应的转弯阈值的数据点、选择与所述当前车辆在当前位置处的横摆角速度符号相同的数据点以及去除横摆角速度的差值大于相应的直行阈值的两个相邻数据点，直到连续两个数据点满足横摆角速度小于相应的转弯阈值或连续两个数据点的横摆角速度均与所述当前车辆在当前位置处的横摆角速度符号不同为止。
基于所述数据点集合中每个数据点的车辆速度和横摆角速度确定每个数据点的曲率半径，计算多个曲率半径的平均值和标准差，并且当所述标准差与平均值的比率大于或等于曲率阈值时，确定所述弯道为非均匀曲率弯道。
在根据所述同向前方车辆的历史路径数据和所述当前车辆的当前位置计算所述当前车辆与所述同向前方车辆的车道距离之前还包括：
确定连续两个数据点中任意数据点的横摆角速度大于或等于相应的转弯阈值或连续两个数据点中任意数据点的横摆角速度与所述当前车辆在当前位置处的横摆角速度符号相同。
根据所述同向前方车辆的历史路径数据和所述当前车辆的当前位置计算所述当前车辆与所述同向前方车辆的车道距离包括：
通过对所述历史路径数据的多个数据点中与当前车辆距离最近的数据点开始至与所述同向前方车辆距离最近的数据点为止进行检测，确定所述同向前方车辆的变道车道宽度，基于所述变道车道宽度和初始车道距离确定所述当前车辆与所述同向前方车辆的车道距离。
其中从所述多个数据点中选择与当前车辆距离最近的两个数据点，以构成第一线段，所述初始车道距离为所述当前车辆的当前位置与第一线段的垂直交点的距离。
从所述历史路径数据的多个数据点中与当前车辆距离最近的数据点开始至与所述同向前方车辆距离最近的数据点为止进行：
检测表示所述同向前方车辆的变道开始的变道起始点；
检测表示所述同向前方车辆的变道结束并且与所述变道起始点相关联的变道结束点；
根据变道起始点和变道结束点的匹配对确定单次变道的车道宽度；
将单次变道的车道宽度进行加和以确定变道车道宽度。
其中基于所述变道车道宽度和初始车道距离确定所述当前车辆与所述同向前方车辆的车道距离包括：将所述变道车道宽度和初始车道距离的和作为所述当前车辆与所述同向前方车辆的车道距离。
其中根据变道起始点和变道结束点的匹配对确定单次变道的车道宽度包括：对变道结束点的车辆方向作反向延长线，并且从变道起始点向所述反向延长线作垂线以获得交点，将所述交点与变道起始点的距离作为单次变道的车道宽度。
所述基于所述车道距离对所述同向前方车辆进行分类包括：
当所述车道距离的绝对值小于或等于同道阈值时，确定所述同向前方车辆为同道车辆；
当所述车道距离大于同道阈值并且小于邻道阈值，确定所述同向前方车辆为右侧邻车；
当所述车道距离的绝对值大于同道阈值并且小于邻道阈值，在车道距离为负数的情况下确定所述同向前方车辆为左侧邻车；
当所述车道距离大于或等于邻道阈值，确定所述同向前方车辆为右侧远车；以及
当所述车道距离的绝对值大于或等于邻道阈值，在车道距离为负数的情况下确定所述同向前方车辆为左侧远车。
根据本发明的一个方面，提供一种计算机程序产品，其包括处理器可执行的程序，其特征在于，该程序被处理器执行时实现以下步骤：
在检测到当前车辆进入弯道时，确定所述当前车辆的预定范围内是否存在前方车辆；
确定存在前方车辆时，从所述前方车辆获取历史路径数据并基于所述历史路径数据确定所述前方车辆是否为同向前方车辆；
确定所述前方车辆为同向前方车辆后，基于所述历史路径数据确定所述弯道的类型；以及
当确定所述弯道的类型为非均匀曲率弯道时，根据所述同向前方车辆的历史路径数据和所述当前车辆的当前位置计算所述当前车辆与所述同向前方车辆的车道距离，基于所述车道距离对所述同向前方车辆进行分类。
根据本发明的一个方面，提供一种针对弯道路况进行车辆目标分类的系统，其特征在于，所述系统包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为：执行如上所述的方法。
根据本发明的一个方面，通过一种针对弯道路况进行车辆目标分类的装置，所述装置包括：
检测单元，在检测到当前车辆进入弯道时，确定所述当前车辆的预定范围内是否存在前方车辆；
获取单元，确定存在前方车辆时，从所述前方车辆获取历史路径数据并基于所述历史路径数据确定所述前方车辆是否为同向前方车辆；
识别单元，确定所述前方车辆为同向前方车辆后，基于所述历史路径数据确定所述弯道的类型；以及
分类单元，当确定所述弯道的类型为均匀曲率弯道时，根据所述当前车辆的行驶速度和横摆角速度，计算所述当前车辆行驶路径的曲率半径并根据所述曲率半径确定弯道数据，基于所确定的弯道数据和所述同向前方车辆的位置信息，对所述同向前方车辆进行分类。
还包括所述检测单元确定所述当前车辆的第一行驶速度，基于所述第一行驶速度确定所述当前车辆的转弯阈值，当所述当前车辆的横摆角速度大于所述转弯阈值时，确定检测到所述当前车辆进入弯道。
所述预定范围包括：前方预定距离和预定海拔。
所述历史路径数据包括所述前方车辆沿行驶路径所记录的多个数据点，其中每个数据点包括以下信息：经度、纬度、车辆方向、车辆速度、横摆角速度以及时间戳。
所述前方车辆基于每次更新历史路径数据时的横摆角速度确定数据点的记录间隔。
所述获取单元在所述多个数据点中确定与当前车辆的当前位置距离最近的中心数据点并且选择与所述中心数据点在时间上分别相邻的先前数据点和后续数据点，由所述中心数据点和先前数据点构成第一线段并且由所述中心数据点和后续数据点构成第二线段，当所述当前车辆的当前位置与第一线段或第二线段具有垂直交点时，确定所述前方车辆为同向前方车辆。
如果所述当前车辆的当前位置与所述垂直交点的距离小于预定距离阈值时，确定所述同向前方车辆和当前车辆位于相同弯道内。
所述获取单元从所述多个数据点中选择与当前车辆距离最近的第一数据点和第二数据点，确定所述前方车辆在第一数据点的第一车辆方向以及在第二数据点的第二车辆方向，当所述当前车辆的当前车辆方向与第一车辆方向的角度差和与第二车辆方向的角度差均在角度差阈值范围内时，确定所述前方车辆为同向前方车辆。
所述识别单元按照以下方式从与当前车辆距离最近的数据点开始从所述多个数据点中进行数据点选择以生成数据点集合：
选择横摆角速度大于相应的转弯阈值的数据点、选择与所述当前车辆在当前位置处的横摆角速度符号相同的数据点以及去除横摆角速度的差值大于相应的直行阈值的两个相邻数据点，直到连续两个数据点满足横摆角速度小于相应的转弯阈值或连续两个数据点的横摆角速度均与所述当前车辆在当前位置处的横摆角速度符号不同为止。
所述识别单元基于所述数据点集合中每个数据点的车辆速度和横摆角速度确定每个数据点的曲率半径，计算多个曲率半径的平均值和标准差，并且当所述标准差与平均值的比率低于曲率阈值时，确定所述弯道为均匀曲率弯道。
其中所述分类单元根据所述当前车辆的行驶速度和横摆角速度，计算所述当前车辆行驶路径的曲率半径包括：将所述当前车辆的行驶速度与所述横摆角速度的比值作为所述当前车辆行驶路径的曲率半径。
其中所述分类单元根据所述曲率半径确定弯道数据包括：根据所述当前车辆的当前位置和曲率半径确定所述弯道的圆心，将所述曲率半径作为所述当前车辆的当前位置与所述圆心的第一距离，以及根据所述当前车辆的当前位置和圆心确定转弯类型。
其中所述分类单元基于所确定的弯道数据和所述同向前方车辆的位置信息，对所述同向前方车辆进行分类包括：基于所述弯道的圆心和同向前方车辆的当前位置确定所述同向前方车辆与所述圆心的第二距离，基于所述第二距离与所述第一距离的差值和转弯类型来对所述同向前方车辆进行分类。
基于所述第二距离与所述第一距离的差值和转弯类型来对所述同向前方车辆进行分类包括：
在所述转弯类型为右转弯的情况下：
当所述第二距离与所述第一距离的差值的绝对值小于或等于同道阈值时，确定所述同向前方车辆为同道车辆；
当所述第二距离与所述第一距离的差值大于同道阈值并且小于邻道阈值，确定所述同向前方车辆为左侧邻车；
当所述第二距离与所述第一距离的差值的绝对值大于同道阈值并且小于邻道阈值，在差值为负数的情况下确定所述同向前方车辆为左侧邻车；
当所述第二距离与所述第一距离的差值大于或等于邻道阈值，确定所述同向前方车辆为左侧远车；以及
当所述第二距离与所述第一距离的差值的绝对值大于或等于邻道阈值，在差值为负数的情况下确定所述同向前方车辆为右侧远车；
或者，
在所述转弯类型为左转弯的情况下：
当所述第二距离与所述第一距离的差值的绝对值小于或等于同道阈值时，确定所述同向前方车辆为同道车辆；
当所述第二距离与所述第一距离的差值大于同道阈值并且小于邻道阈值，确定所述同向前方车辆为右侧邻车；
当所述第二距离与所述第一距离的差值的绝对值大于同道阈值并且小于邻道阈值，在差值为负数的情况下确定所述同向前方车辆为左侧邻车；
当所述第二距离与所述第一距离的差值大于或等于邻道阈值，确定所述同向前方车辆为右侧远车；以及
当所述第二距离与所述第一距离的差值的绝对值大于或等于邻道阈值，在差值为负数的情况下确定所述同向前方车辆为左侧远车。
根据本发明的一个方面，提供一种针对弯道路况进行车辆目标分类的装置，所述装置包括：
检测单元，在检测到当前车辆进入弯道时，确定所述当前车辆的预定范围内是否存在前方车辆；
获取单元，确定存在前方车辆时，从所述前方车辆获取历史路径数据并基于所述历史路径数据确定所述前方车辆是否为同向前方车辆；
识别单元，确定所述前方车辆为同向前方车辆后，基于所述历史路径数据确定所述弯道的类型；以及
分类单元，当确定所述弯道的类型为非均匀曲率弯道时，根据所述同向前方车辆的历史路径数据和所述当前车辆的当前位置计算所述当前车辆与所述同向前方车辆的车道距离，基于所述车道距离对所述同向前方车辆进行分类。
还包括所述检测单元确定当前车辆的第一行驶速度，基于所述第一行驶速度确定所述当前车辆的转弯阈值，当所述当前车辆的横摆角速度大于转弯阈值时，确定检测到所述当前车辆进入弯道。
所述预定范围包括：前方预定距离和预定海拔。
所述历史路径数据包括所述前方车辆沿行驶路径所记录的多个数据点，其中每个数据点包括以下信息：经度、纬度、车辆方向、车辆速度、横摆角速度以及时间戳。
所述前方车辆基于每次更新历史路径数据时的横摆角速度确定多个数据点的记录间隔。
所述获取单元在所述多个数据点中确定与当前车辆的当前位置距离最近的中心数据点并且选择与所述中心数据点在时间上分别相邻的先前数据点和后续数据点，由所述中心数据点和先前数据点构成第一线段并且由所述中心数据点和后续数据点构成第二线段，当所述当前车辆的当前位置与第一线段或第二线段具有垂直交点时，确定所述前方车辆为同向前方车辆。
如果所述当前车辆的当前位置与所述垂直交点的距离小于预定距离阈值时，确定所述同向前方车辆和当前车辆位于相同弯道内。
所述获取单元从所述多个数据点中选择与当前车辆距离最近的第一数据点和第二数据点，确定所述前方车辆在第一数据点的第一车辆方向以及在第二数据点的第二车辆方向，当所述当前车辆的当前车辆方向与第一车辆方向的角度差和与第二车辆方向的角度差均在角度差阈值范围内时，确定所述前方车辆为同向前方车辆。
所述识别单元按照以下方式从与当前车辆距离最近的数据点开始从所述多个数据点中进行数据点选择以生成数据点集合：
选择横摆角速度大于相应的转弯阈值的数据点、选择与所述当前车辆在当前位置处的横摆角速度符号相同的数据点以及去除横摆角速度的差值大于相应的直行阈值的两个相邻数据点，直到连续两个数据点满足横摆角速度小于相应的转弯阈值或连续两个数据点的横摆角速度均与所述当前车辆在当前位置处的横摆角速度符号不同为止。
所述识别单元基于所述数据点集合中每个数据点的车辆速度和横摆角速度确定每个数据点的曲率半径，计算多个曲率半径的平均值和标准差，并且当所述标准差与平均值的比率大于或等于曲率阈值时，确定所述弯道为非均匀曲率弯道。
还包括所述分类单元确定连续两个数据点中任意数据点的横摆角速度大于或等于相应的转弯阈值或连续两个数据点中任意数据点的横摆角速度与所述当前车辆在当前位置处的横摆角速度符号相同。
所述分类单元根据所述同向前方车辆的历史路径数据和所述当前车辆的当前位置计算所述当前车辆与所述同向前方车辆的车道距离包括：
通过对所述历史路径数据的多个数据点中与当前车辆距离最近的数据点开始至与所述同向前方车辆距离最近的数据点为止进行检测，确定所述同向前方车辆的变道车道宽度，基于所述变道车道宽度和初始车道距离确定所述当前车辆与所述同向前方车辆的车道距离。
其中从所述多个数据点中选择与当前车辆距离最近的两个数据点，以构成第一线段，所述初始车道距离为所述当前车辆的当前位置与第一线段的垂直交点的距离。
从所述历史路径数据的多个数据点中与当前车辆距离最近的数据点开始至与所述同向前方车辆距离最近的数据点为止进行：
检测表示所述同向前方车辆的变道开始的变道起始点；
检测表示所述同向前方车辆的变道结束并且与所述变道起始点相关联的变道结束点；
根据变道起始点和变道结束点的匹配对确定单次变道的车道宽度；
将单次变道的车道宽度进行加和以确定变道车道宽度。
其中基于所述变道车道宽度和初始车道距离确定所述当前车辆与所述同向前方车辆的车道距离包括：将所述变道车道宽度和初始车道距离的和作为所述当前车辆与所述同向前方车辆的车道距离。
其中根据变道起始点和变道结束点的匹配对确定单次变道的车道宽度包括：对变道结束点的车辆方向作反向延长线，并且从变道起始点向所述反向延长线作垂线以获得交点，将所述交点与变道起始点的距离作为单次变道的车道宽度。
所述基于所述车道距离对所述同向前方车辆进行分类包括：
当所述车道距离的绝对值小于或等于同道阈值时，确定所述同向前方车辆为同道车辆；
当所述车道距离大于同道阈值并且小于邻道阈值，确定所述同向前方车辆为右侧邻车；
当所述车道距离的绝对值大于同道阈值并且小于邻道阈值，在车道距离为负数的情况下确定所述同向前方车辆为左侧邻车；
当所述车道距离大于或等于邻道阈值，确定所述同向前方车辆为右侧远车；以及
当所述车道距离的绝对值大于或等于邻道阈值，在车道距离为负数的情况下确定所述同向前方车辆为左侧远车。
由上可知，通过本申请所提出的针对弯道路况进行车辆目标分类的方法及系统能够解决现有技术中绝大部分分类算法均是基于直道路况的车辆目标分类，而不涉及针对弯道路况的车辆目标分类的问题。本申请通过针对弯道路况进行车辆目标分类，实现了能够对弯道中行驶的车辆进行危险预警判断。本申请的针对弯道路况进行车辆目标分类的技术方案在不依赖地图信息的情况下，能够准确地确定其它车辆在弯道中的车道位置。本申请的分类方案通过GPS信息实现对弯道内的周边车辆进行精准的分类，不需要将高精度地图集成到车辆的通信设备中，以降低成本。本申请的分类方案的算法优化、计算量较小并且消耗成本较低。
附图说明
通过参考下面的附图，可以更为完整地理解本发明的示例性实施方式：
图1a为现有技术的针对直道路况进行车辆目标分类的示意图；
图1b为现有技术的针对相交路况进行车辆目标分类的示意图；
图2为根据本发明实施方式的针对弯道路况进行车辆目标分类的方法的流程图；
图3为根据本发明实施方式的横摆角速度与车辆行驶状态对应关系的示意图；
图4为测试车辆的真实GPS行驶轨迹的真实点位的示意图；
图5为根据存储的历史路径PH数据点所拟合出的行驶路径的示意图；
图6为历史路径PH数据点与GPS行驶轨迹的真实点位的对比图；
图7为根据本发明实施方式的识别前方车辆类型的示意图；
图8为根据本发明实施方式的均匀曲率弯道分类方法的流程图；
图9为根据本发明实施方式的均匀曲率弯道分类方法的路径示意图；
图10为根据本发明实施方式的非均匀曲率弯道分类方法的流程图；
图11为根据本发明实施方式的非均匀曲率弯道分类方法的路径示意图；以及
图12为根据本发明实施方式的针对弯道路况进行车辆目标分类的系统的结构示意图。
具体实施方式
现在参考附图介绍本发明的示例性实施方式，然而，本发明可以用许多不同的形式来实施，并且不局限于此处描述的实施方式，提供这些实施方式是为了详尽地且完全地公开本发明，并且向所属技术领域的技术人员充分传达本发明的范围。对于表示在附图中的示例性实施方式中的术语并不是对本发明的限定。在附图中，相同的单元/元件使用相同的附图标记。
除非另有说明，此处使用的术语(包括科技术语)对所属技术领域的技术人员具有通常的理解含义。另外，可以理解的是，以通常使用的词典限定的术语，应当被理解为与其相关领域的语境具有一致的含义，而不应该被理解为理想化的或过于正式的意义。
图2为根据本发明实施方式的针对弯道路况进行车辆目标分类的方法200的流程图。方法200的基本流程为：首先判断当前车辆的行驶状态，例如，根据当前车辆车载芯片中的三轴加速度传感器所得到的车辆横摆角速度来判断当前车辆是否驶入弯道。然后，基于前方远车的历史路径轨迹以及转弯过程中的横摆角速度，判断当前弯道是均匀曲率弯道或非均匀曲率弯道。对于均匀曲率弯道(即，弯道曲率恒定)：在当前车辆驶入弯道后，根据横摆角速度以及车辆速度，计算车辆行驶的曲率半径，进而拟合出弯道数据。对于非均匀曲率弯道(即，弯道曲率非恒定)：在当前车辆驶入弯道后，获取并基于前方车辆的历史路径信息，基于样条Spline插值算法拟合前方车辆的行驶轨迹，并结合当前车辆的数据计算实时曲率半径，并基于实时曲率半径进行加权以拟合出弯道数据。最后，方法200得到拟合的弯道数据，结合周边车辆的位置信息，实时对周边车辆进行分类。
如图2所示，方法200从步骤201开始。在步骤201，在检测到当前车辆(或被称为，本车辆、主车辆等)进入弯道时，确定所述当前车辆的预定范围内是否存在前方车辆。在车辆中配置V2X设备的情况下，每个V2X设备的无线网卡具有出厂时所设定的唯一标识符MAC ID(媒体访问控制ID)。MAC ID可以用作每个车辆的唯一标识。因此，在当前车辆接收到前方车辆的诸如历史数据的任何通信数据时，都能够确定与这个前方车辆对应的MAC ID并且根据MAC ID对前方车辆进行识别。应当了解的是，本实施例所使用的分类算法对不同的前方车辆都进行一次目标分类。为了清楚起见，本实施例以一辆前方车辆为例进行说明，以解释分类算法的流程。
由于在当前车辆在直道中行驶时，通常会使用针对直道路况进行车辆目标分类的方法，并且基于这种直道的车辆目标分类方法进行危险预警。本实施例的技术方案针对弯道路况进行车辆目标分类，为此需要确定当前车辆行驶状态，例如是否驶入弯道。
本实施例使用横摆角速度来确定当前车辆的行驶状态。图3为根据本发明实施方式的横摆角速度与车辆行驶状态对应关系的示意图。如图3所示，在室外实车测试情况下，三轴加速度计记录的车辆行驶时的横摆角速度值。其中，横轴为时间并且单位为秒(s)。横轴用于代表每个时刻记录下的点。纵轴是横摆角速度的值并且单位为度/秒(°/s)。例如，当车辆向左转向时，横摆角速度为正值，并且当车辆向右转向时，横摆角速度为负值。
从图3的对应关系结果可以得出，在给定速度(例如，10km/h)的情况下，直线行驶、转弯和变道的横摆角速度值有明显差异。当车辆直线行驶时，横摆角速度的值较小，例如小于3°/s。当车辆转弯行驶时，横摆角速度的值较大，例如大于20°/s。当车辆变道行驶时，横摆角速度的值介于上面两者之间，例如10°/s左右。通过进一步测试可以确定：对于一个给定车辆，不同的车速情况下，存在相对应的不同横摆角速度阈值。为此，在确定车辆速度的情况下，可以根据横摆角速度来确定车辆的行驶状态。
因此，为了能够确定当前车辆行驶状态，需要获取当前车辆的行驶速度，并且基于行驶速度确定当前车辆的直道阈值、变道阈值和转弯阈值。例如，在当前车辆的横摆角速度大于转弯阈值时，可以确定检测到当前车辆进入弯道。
也就是说，在确定当前车辆的速度为Vi(i＝1、2、3、....、N)时，即可取任意车速，对应的存在横摆角速度的直道阈值Mi，变道阈值Ni和转弯阈值Pi，其中Ni，Pi(Mi＜Ni＜Pi)，存在以下条件结论：
当横摆角速度Yaw Rate的绝对值|Yaw Rate|＜Mi时，当前车辆为沿直道进行直线行驶的状态；当横摆角速度的绝对值Mi＜|Yaw Rate|＜Ni时，当前车辆为直线行驶至变道行驶的中间状态；当横摆角速度的绝对值Ni＜|Yaw Rate|＜Pi时，当前车辆为变道行驶的状态；以及当横摆角速度的绝对值|Yaw Rate|＞Pi时，当前车辆为转弯行驶的状态。
所以，对于固定的一款车型，经过测试可以确定不同速度所对应的三个横摆角速度阈值。即，在车速为V的情况下，设定对应的横摆角速度(Yaw Rate)的转弯阈值YR_curve、变道阈值YR_change和直道阈值YR_straight，并且存在YR_curve＞YR_change＞YR_straight。
基于以上内容，当前车辆行驶进入弯道和行驶离开弯道的判断方法为：当横摆角速度的绝对值|Yaw Rate|＞YR_curve时，判定当前车辆行驶进入弯道，并且因此启动弯道分类功能；当横摆角速度的绝对值|Yaw Rate|＜YR_straight，判定当前车辆行驶进入直道，关闭弯道分类功能。
在确定当前车辆行驶进入弯道后，需要根据前方车辆的历史路径数据来进行随后的处理。为此，本实施例需要确定当前车辆的预定范围内是否存在前方车辆。具体地，当前车辆能够通过无线信号接收器从其它车辆接收无线信号，并且基于所接收的无线信号确定前方车辆的存在(能够确定前方车辆的MAC ID)。通常，可以通过确定前方车辆进入弯道的时间、距离等各种方式来确定前方车辆的存在。此外，还可以通过已知的卫星导航系统确定当前车辆的预定范围内是否存在前方车辆。其中预定范围包括：前方预定距离和预定海拔。为了基于历史路径数据来确定弯道类型以及确定前方车辆的位置，需要确定前方预定距离内是否存在其它车辆。这是因为前方预定距离的其它车辆可能与当前车辆处于相同的弯道内或刚刚行驶离开弯道。这种情况下的历史路径数据对于当前车辆是有用的。另外，为了排除诸如立交桥的层叠情况，还需要限定前方车辆与当前车辆的海拔差值在预定海拔距离内。例如，确定当前车辆的前方200米范围内且海拔差3米内是否有其它车辆。所属领域技术人员应当了解的是，前方预定距离和预定海拔可以取任何合理数据，例如，前方300米范围内且海拔差5米内。
在步骤202，确定存在前方车辆时，从前方车辆获取历史路径数据。应当了解的是，本实施例所使用的分类算法对不同的前方车辆都进行一次目标分类。为了清楚起见，本实施例以一辆前方车辆为例进行说明，以解释分类算法的流程。历史路径PH(Path History)数据是根据车辆的行驶轨迹，从前方预定距离处(例如，300米)到当前位置的所有记录的数据点。即，历史路径数据包括所述前方车辆沿行驶路径所记录的多个数据点。其中，每个数据点包含：经度、纬度、车辆方向(Heading)、车辆速度、横摆角速度(Yaw Rate)以及时间戳。数据点的选取原则为：通过一定的点，可以真实地拟合出这段行驶路径。即，所选取的数据点需要包括能够真实地拟合出这段行驶路径的关键点。
V2X设备从GPS模块及控制器局域网络CAN(Controller Area Network)总线获取车辆数据频率为10HZ。车辆数据每秒更新10次。为了PH数据的准确性，PH的取点算法在每次更新数据时运行一次。前方车辆基于每次更新历史路径数据时的横摆角速度确定多个数据点的记录间隔。因此，对于每次数据更新，PH数据的取点方式如下：
当车辆速度为Vi(i＝1、2、3、....、N)时：
(1)当横摆角速度的绝对值|Yaw Rate|＜Mi时，车辆为直道行驶，以20米为间隔均匀选取数据点，并且存储与数据点相关的数据。
(2)当横摆角速度的绝对值Mi＜|Yaw Rate|＜Ni时，车辆为直道行驶至变道行驶的中间状态，以10米为间隔均匀选取数据点，并且存储与数据点相关的数据。
(3)当横摆角速度的绝对值Ni＜|Yaw Rate|＜Pi时，车辆为变道行驶，首先记录下此刻的数据点，并以5米为间隔均匀选取数据点，并且存储与数据点相关的数据。
(4)当横摆角速度的绝对值|Yaw Rate|＞Pi时，车辆为弯道行驶，首先记录下此刻的时间点，并以3米为间隔均匀选取数据点，并且存储与数据点相关的数据。
(5)当前后两点的横摆角速度差|ΔYaw Rate|＞Mi时，记录下此刻的数据点。本实施例中的任何车辆均可以利用存储单元对所所记录的多个数据点进行存储。
图4为测试车辆的真实GPS行驶轨迹的真实点位的示意图、图5为根据存储的历史路径PH数据点所拟合出的行驶路径的示意图以及图6为历史路径PH数据点与GPS行驶轨迹的真实点位的对比图。通过图4-6可知，PH数据能够较好地刻画出车辆的真实行驶路径以及每个数据点的状态。
在步骤203，基于历史路径数据确定前方车辆是否为同向前方车辆。图7为根据本发明实施方式的识别前方车辆类型的示意图。如图7所示，以当前车辆HV为圆心并且200米为半径，当此范围内存在其它同海拔车辆(海拔差3米范围内)时，则启动弯道识别功能并且接收其它远车的历史路径PH数据。应当了解的是，当车辆进入弯道后，PH数据的数据点应该是均匀的)。
从PH数据的多个数据点中确定与当前车辆的当前位置距离最近的中心数据点并且选择与中心数据点在时间上分别相邻的先前数据点和后续数据点。例如，如图7所示，假设B点与当前车辆的当前位置距离最近，那么确定B点为中心数据点。接着，选择与B点在时间上分别相邻的先前数据点A和后续数据点C。其中，三个数据点A、B和C都是同一前方车辆的具有时间顺序的历史数据点并且三个数据点A、B和C是在时间上连续的数据点。其中，计算数据点与当前车辆的距离方法包括：根据当前车辆的经纬度和前方车辆的所有历史数据点中每个数据点的经纬度，依次遍历每个数据点以计算数据点与当前车辆的距离。随后，根据计算得到每个数据点与当前车辆的距离来确定距离最近的中心数据点，然后选择与中心数据点在时间上分别相邻的先前数据点和后续数据点。由所述中心数据点和先前数据点构成第一线段并且由所述中心数据点和后续数据点构成第二线段。在当前车辆的当前位置与第一线段或第二线段具有垂直交点时，确定前方车辆为同向前方车辆。例如，当前车辆接收到前方车辆RV的PH数据后，遍历PH数据中的每个数据点，确定三个数据点A、B和C。从当前车辆的当前位置向线段AB和BC引垂线，判断与线段AB或BC是否有交点。若无交点，则判定前方车辆不是同向前方车辆；若有交点，则判定前方车辆是同向前方车辆。
如果当前车辆的当前位置与垂直交点的距离小于预定距离阈值时，确定同向前方车辆和当前车辆位于相同弯道内。应当了解的是，在当前车辆的当前位置与线段AB和线段BC均有垂直交点时，选择当前位置与两个垂直交点中距离最短的垂线进行后续判断。例如，如果当前车辆HV的当前位置与线段AB的垂线与线段AB有交点且第一距离为15米，以及当前车辆HV的当前位置与线段BC的垂线与线段BC有交点且第二距离为16米，那么将HV到交点的距离15米与20米进行比较(15米小于20米)，即确定当前车辆与同向前方车辆为同一弯道内的车辆。其中距离d的一端为交点，另一端为当前车辆HV的几何中心、质心、重心等能够标示当前车辆中心位置的点。应当了解的是，本实施例以当前车辆HV的几何中心、质心、重心等能够标示当前车辆中心位置的点作为当前车辆HV的当前位置。
从多个数据点中选择与当前车辆距离最近的第一数据点和第二数据点，确定前方车辆在第一数据点的第一车辆方向以及在第二数据点的第二车辆方向。例如，第一数据点和第二数据点的数据中分别包含前方车辆的方向数据，例如，第一朝向(Heading_A)和第二朝向(Heading_B)。其中，前方车辆可以根据GPS数据来确定在数据点处的方向数据并且将方向数据存入历史数据点的数据中。当当前车辆的当前车辆方向与第一车辆方向的角度差和与第二车辆方向的角度差均在角度差阈值范围内时，确定前方车辆为同向前方车辆。例如，计算前方车辆RV在A和B两点的车辆方向Heading_A和Heading_B与当前车辆HV的车辆方向Heading的角度差，当满足|Heading-Heading_A|＜20°且|Heading-Heading_B|＜20°时，确定前方车辆RV为同向前方车辆，否则为非同向前向车辆，停止对前方车辆进行目标分类。
在步骤204，确定前方车辆为同向前方车辆后，基于历史路径数据确定弯道的类型。为了能够确定弯道的类型，需要从历史路径数据中选择用于弯道识别的数据点集合。本实施例按照以下方式从与当前车辆距离最近的数据点开始从所述多个数据点中进行数据点选择以生成数据点集合：选择横摆角速度大于相应的转弯阈值的数据点、选择与所述当前车辆在当前位置处的横摆角速度符号(正负号)相同的数据点以及去除横摆角速度的差值大于相应的直行阈值的两个相邻数据点，直到连续两个数据点满足横摆角速度小于相应的转弯阈值或连续两个数据点的横摆角速度均与所述当前车辆在当前位置处的横摆角速度符号(正负号)不同为止。
图7为根据本发明实施方式的识别前方车辆类型的示意图。如图7所示，在确定前方车辆为同向前方车辆时，需要从历史路径数据的多个数据点中筛选出同向前方车辆的弯道行驶且非变道状态下的数据点。其中，从多个数据点中选择同向前方车辆的弯道行驶数据点的方式如下：
(1)选择横摆角速度的绝对值|Yaw Rate|＞Pi时的数据点；
(2)设当前车辆HV的当前位置处的横摆角速度Yaw Rate值为Yaw Rate_HV，则选取横摆角速度Yaw Rate值与Yaw Rate_HV同号(正负号)的点；
(3)去掉横摆角速度差的绝对值|ΔYaw Rate|＞Mi的相邻前后两点；
(4)从A点开始，按照上述方式，重复步骤(1)-(3)，向以A为起点的两个方向分别进行筛选。其中一个方向是以A点为起点并且朝向同向前方车辆的方向，并且另一个方向是以A点为起点并且远离同向前方车辆的方向。当连续两个数据点满足横摆角速度绝对值|YawRate|＜Pi，或者连续两个点横摆角速度Yaw Rate值与Yaw Rate_HV异号时，则判定此方向的数据点弯道路径结束，结束选点。
基于数据点集合中每个数据点的车辆速度和横摆角速度确定每个数据点的曲率半径。计算多个曲率半径的平均值和标准差。当标准差与平均值的比率低于曲率阈值时，确定弯道为均匀曲率弯道。当标准差与平均值的比率不低于曲率阈值时，确定弯道为非均匀曲率弯道。例如，(1)从前方车辆RV的历史路径PH数据中的多个数据点选出N个数据点(N为自然数)以构成数据点集合，计算数据点集合中每个数据点的曲率半径Ri，公式如下
Ri＝radius(m)＝vehicle speed(m/s)/yaw rate(radians/s)
其中，曲率半径radius(m)的单位为米，车辆速度vehicle speed(m/s)的单位为米/秒，横摆角速度yaw rate(radians/s)的单位为度/秒。
计算N个Ri的方差S2：
其中为Ri的平均值。
当标准差S满足
判定弯道为均匀曲率弯道，否则为非均匀曲率弯道。
所属领域技术人员应当了解的是，本实施例以5％为例进行说明，但是可以将这个值设定为任意合理数值。
在步骤205，根据弯道的类型对同向前方车辆进行分类。当确定弯道的类型为均匀曲率弯道时，根据当前车辆的行驶速度和横摆角速度，计算当前车辆行驶路径的曲率半径并根据曲率半径确定弯道数据，基于所确定的弯道数据和同向前方车辆的位置信息，对同向前方车辆进行分类。当确定弯道的类型为非均匀曲率弯道时，根据同向前方车辆的历史路径数据和当前车辆的当前位置计算当前车辆与同向前方车辆的车道距离，基于车道距离对同向前方车辆进行分类。
图8为根据本发明实施方式的均匀曲率弯道分类方法800的流程图。当确定弯道的类型为均匀曲率弯道时，进行步骤801，根据所述当前车辆的行驶速度和横摆角速度，计算所述当前车辆行驶路径的曲率半径。具体地，将当前车辆的行驶速度与横摆角速度的比值作为当前车辆行驶路径的曲率半径。图9为根据本发明实施方式的均匀曲率弯道分类方法的路径示意图。如图9所示，当确定弯道为均匀曲率弯道时，可以将弯道看作是一段圆弧。计算当前车辆HV行驶路径的当前曲率半径R
R＝radius(m)＝vehicle speed(m/s)/yaw rate(radians/s)
其中，曲率半径radius(m)的单位为米，车辆速度vehicle speed(m/s)的单位为米/秒，横摆角速度yaw rate(radians/s)的单位为度/秒。
可替换地，本实施例还可以直接读取当前车辆HV行驶路径的当前曲率半径R，这是因为在如上所述的识别前方车辆类型的过程中已经计算并存储了当前曲率半径R。
在步骤802，计算当前车辆行驶路径的曲率半径并根据曲率半径确定弯道数据。其中根据曲率半径确定弯道数据包括：根据当前车辆的当前位置和曲率半径确定弯道的圆心，将曲率半径作为当前车辆的当前位置与圆心的第一距离，以及根据当前车辆的当前位置和圆心确定转弯类型。例如，以当前车辆HV为坐标原点，当前车辆的车头朝向为Y轴正向，以HV-O为X轴正向作平面坐标系。计算当前弯道的圆心点O的坐标(R，0)。其中R曲率半径并且将R作为当前车辆的当前位置与圆心的第一距离。转弯类型可以包括左转弯和右转弯。例如，在当前车辆的当前位置位于圆心左侧时，可以确定转弯类型为右转弯，以及在当前车辆的当前位置位于圆心右侧时，可以确定转弯类型为左转弯。通常，本实施例以圆心为坐标原点并且以圆心和当前位置的连线所在的直线为横轴。在当前位置的横坐标为负时，确定当前位置位于圆心左侧并且转弯类型为右转弯，并且在当前位置的横坐标为正时，确定当前位置位于圆心右侧并且转弯类型为左转弯。其中弯道数据例如包括圆心点、半径和转弯类型等数据。可替换地，通过当前车辆的横摆角速度的值也可以确定转弯类型。如图3所示。前三个凸起的峰值是三个连续的左向转弯，即可以确定车辆进行左转弯。
在步骤803，基于所确定的弯道数据和同向前方车辆的位置信息，对同向前方车辆进行分类。其中基于所确定的弯道数据和同向前方车辆的位置信息，对同向前方车辆进行分类包括：基于弯道的圆心和同向前方车辆的当前位置确定同向前方车辆与圆心的第二距离，基于第二距离与第一距离的差值和转弯类型来对同向前方车辆进行分类。
具体地，在转弯类型为右转弯的情况下：当第二距离与第一距离的差值的绝对值小于或等于同道阈值时，确定同向前方车辆为同道车辆；当第二距离与第一距离的差值大于同道阈值并且小于邻道阈值，确定同向前方车辆为左侧邻车；当第二距离与第一距离的差值的绝对值大于同道阈值并且小于邻道阈值，在差值为负数的情况下确定同向前方车辆为右侧邻车；当第二距离与第一距离的差值大于或等于邻道阈值，确定同向前方车辆为左侧远车；以及当第二距离与第一距离的差值的绝对值大于或等于邻道阈值，在差值为负数的情况下确定同向前方车辆为右侧远车。
或者，在转弯类型为左转弯的情况下：当第二距离与第一距离的差值的绝对值小于或等于同道阈值时，确定同向前方车辆为同道车辆；当第二距离与第一距离的差值大于同道阈值并且小于邻道阈值，确定同向前方车辆为右侧邻车；当第二距离与第一距离的差值的绝对值大于同道阈值并且小于邻道阈值，在差值为负数的情况下确定同向前方车辆为左侧邻车；当第二距离与第一距离的差值大于或等于邻道阈值，确定同向前方车辆为右侧远车；以及当第二距离与第一距离的差值的绝对值大于或等于邻道阈值，在差值为负数的情况下确定同向前方车辆为左侧远车。
例如，在计算得到同向前方车辆RV与圆心O的距离D后，通过D–R的差值和转弯类型来确定同向前方车辆的车道(例如，车道线宽3.5米)。
转弯类型为右转弯的情况下：
a)-1.75米＜D-R＜1.75米：RV为同道车辆；
b)1.75米＜D-R＜4.5米：RV为左侧邻车；
c)-4.5米＜D-R＜-1.75米：RV为右侧邻车；
d)4.5米＜D-R：RV为左侧远车；
e)D-R＜-4.5米：RV为右侧远车。
转弯类型为左转弯的情况下：
a1)-1.75米＜D-R＜1.75米：RV为同道车辆；
b1)1.75米＜D-R＜4.5米：RV为右侧邻车；
c1)-4.5米＜D-R＜-1.75米：RV为左侧邻车；
d1)4.5米＜D-R：RV为右侧远车；
e1)D-R＜-4.5米：RV为左侧远车。
均匀曲率弯道分类完成后，能够基于上面的弯道分类结果，进行弯道预警。所属领域技术人员应当了解的是车道线宽、同道阈值和邻道阈值均可以选取任何合理的数值。
图10为根据本发明实施方式的非均匀曲率弯道分类方法1000的流程图。当确定弯道的类型为非均匀曲率弯道时，进行步骤1001，根据同向前方车辆的历史路径数据和当前车辆的当前位置计算当前车辆与同向前方车辆的车道距离。其中在根据同向前方车辆的历史路径数据和当前车辆的当前位置计算当前车辆与同向前方车辆的车道距离之前还包括：确定连续两个数据点中任意数据点的横摆角速度大于或等于相应的转弯阈值或连续两个数据点中任意数据点的横摆角速度与当前车辆在当前位置处的横摆角速度符号相同。如果连续两个数据点中任意数据点的横摆角速度小于相应的转弯阈值或连续两个数据点中任意数据点的横摆角速度与当前车辆在当前位置处的横摆角速度符号不相同，则不进行非均匀曲率弯道分类。
当确定弯道曲率不固定时，即确定弯道为非均匀曲率弯道时，无法用确定圆心的方法来拟合弯道数据。为了能够进行非均匀曲率弯道分类，需要使用历史路径数据。图11为根据本发明实施方式的非均匀曲率弯道分类方法的路径示意图。如图11所示，在判断弯道为非均匀曲率弯道后，使用非均匀曲率弯道分类方法。在当前车辆HV与线段AB有垂直交点的情况下，基于同向前方车辆的历史路径数据，从A点开始，向B点(根据每个数据点的时间戳，向A点的下一个时间的数据点进行遍历)方向对每个数据点，进行横摆角速度Yaw Rate查询。当连续两个数据点满足横摆角速度绝对值|Yaw Rate|＜Pi，或连续三个数据点的横摆角速度Yaw Rate值均与Yaw Rate_HV异号(正负号)，且这三个数据点的连续两点的YawRate差的绝对值大于转弯阈值，则视为进入下一弯道，则判定当前方向的数据点的弯道路径结束。同向前方车辆RV当前已经驶出此弯道，停止对RV的分类。其中Yaw Rate_HV是当前车辆HV的当前位置处的横摆角速度Yaw Rate值。其中根据同向前方车辆的历史路径数据和当前车辆的当前位置计算当前车辆与同向前方车辆的车道距离包括：通过对历史路径数据的多个数据点中与当前车辆距离最近的数据点开始至与同向前方车辆距离最近的数据点为止进行检测，确定同向前方车辆的变道车道宽度，基于变道车道宽度和初始车道距离确定当前车辆与同向前方车辆的车道距离。本实施例将变道车道宽度和初始车道距离的和作为当前车辆与同向前方车辆的车道距离。通常，对于绝大部分的弯道路况，即使弯道的曲率不均匀，在弯道内行驶过程中，车辆的横摆角速度变化不会特别大并且通常是均匀变化的过程，如图3所示。前三个凸起的峰值是三个连续的左向转弯。横摆角速度在弯道中是均匀变化的。在进入弯道时，横摆角速度的值变大，并且在离开弯道、驶入直道时横摆角速度的值逐渐变小。当进入下一个转弯时横摆角速度的值会再次变大。当车辆在弯道行驶过程中进行变道时，横摆角速度的值不会均匀变化，会有突然地增大和减小。在不同的行驶速度下，横摆角速度具有相应的阈值。通过确定相应的阈值，可以判断车辆在转弯过程中的变道。
具体地，从多个数据点中选择与当前车辆距离最近的两个数据点，以构成第一线段，初始车道距离为当前车辆的当前位置与第一线段的垂直交点的距离。进一步，从历史路径数据的多个数据点中与当前车辆距离最近的数据点开始至与同向前方车辆距离最近的数据点为止进行：检测表示同向前方车辆的变道开始的变道起始点；检测表示同向前方车辆的变道结束并且与变道起始点相关联的变道结束点；根据变道起始点和变道结束点的匹配对确定单次变道的车道宽度；以及将单次变道的车道宽度进行加和以确定变道车道宽度。其中根据变道起始点和变道结束点的匹配对确定单次变道的车道宽度包括：对变道结束点的车辆方向作反向延长线，并且从变道起始点向反向延长线作垂线以获得交点，将交点与变道起始点的距离作为单次变道的车道宽度。
本实施例以向右转弯为例进行说明，所属领域技术人员应当了解的是，向左转弯的情况与向右转弯的情况原理相同，仅是方向互换。如图11所示，在确定前方车辆为同向前方车辆并且确定同向前方车辆未驶出弯道时，计算当前车辆HV到垂直交点的初始车道距离d1。以当前车辆的位置为坐标原点，以及以车头方向(heading方向)为纵坐标正向且以车头方向的垂直方向为横坐标。根据A点和B点的横坐标值，确定线段AB的左右方向。当横坐标小于零，则线段AB在当前车辆行驶方向的左侧，初始车道距离d1取负值；当横坐标大于零，则线段AB在当前车辆行驶方向的右侧，初始车道距离d1取正值。对多个数据点进行遍历，查询横摆角速度差的绝对值|ΔYaw Rate|＞Mi的起始点，记作一次变道的起始点，如图11的D点。在D点处，横摆角速度差的ΔYaw Rate＜0，记作右侧变道。其中横摆角速度差是指前方车辆的历史数据点中，连续两个数据点的横摆角速度差(其中，按时间戳顺序求差，即新时间戳减旧时间戳，例如时间戳为08:00:13的数据点减时间戳为08:00:12的数据点)。在进行变道判断时，本实施例在变道的起始数据点和变道的结束数据点成对出现才判断车辆进行了变道(例如，车辆向右变道后，一定会有向左打轮的一个变道结束数据点，此时横摆角速度的值会有异号的变化)。此外，如果没有变道结束数据点，即车辆一直向右行驶，不会判断为一次变道。
本实施例将与当前车辆同向行驶的前方车辆针对于行驶方向进行一次向右的变道记为右侧变道，并且将与当前车辆同向行驶的前方车辆针对于行驶方向进行一次向左的变道记为左侧变道。本实施例将车辆向右转弯时的横摆角速度值设定为负值。为此，在车辆向右转弯或向右变道过程中，横摆角速度应为负值。转弯过程中连续两个数据点的横摆角速度差值大于阈值，则判定为转弯过程中存在变道情况：连续两个数据点的横摆角速度为负值、且差值为负值且差值绝对值大于阈值，则确定车辆进行右侧变道。连续两个数据点的横摆角速度为一负一正、差值为正值且差值绝对值大于阈值，则确定车辆进行左侧变道。
从D点开始按照时间戳，继续遍历。当查询到横摆角速度Yaw Rate＞0的点，将此点记录为变道结束的回车点，如图11的E点。确定E点后第一个Yaw Rate＜0的点，将此点记录为完全回车点，如图11的F点。当确定车辆进行右侧变道后，第一个Yaw Rate＞0的数据点，记为向右变道的结束数据点(即变道结束数据点E)，即此时车辆不再向右转向了。数据点E之后的第一个Yaw Rate＜0的数据点，此时车辆变道结束，车辆继续向右行驶，记为回车数据点(即回车数据点F)。
以F点的车辆方向Heading作反向延长线，并且从D点向其作垂线以获得相交点G。计算线段DG的长度d2。d2近似为此次变道的车道宽度，即单次变道的车道宽度。其中若为右侧变道，则单次变道的车道宽度d2取正值；若为左侧变道，则单次变道的车道宽度d2取负值。对同向前方车辆从A点开始至其当前位置为止，确定其所有变道点并且计算单次变道的车道宽度d2、d3、d4、…dn。以图11为例，同向前方车辆只进行一次变道，则当前车辆HV与同向前方车辆RV的实际车道距离d＝d1+d2。
在步骤1002，基于车道距离对同向前方车辆进行分类。具体地，当车道距离的绝对值小于或等于同道阈值(例如，1.75米)时，确定同向前方车辆为同道车辆；当车道距离大于同道阈值并且小于邻道阈值(例如，4.5米)，确定同向前方车辆为右侧邻车；当车道距离的绝对值大于同道阈值并且小于邻道阈值，在车道距离为负数的情况下确定同向前方车辆为左侧邻车；当车道距离大于或等于邻道阈值，确定同向前方车辆为右侧远车；以及当车道距离的绝对值大于或等于邻道阈值，在车道距离为负数的情况下确定同向前方车辆为左侧远车。
例如，基于车道距离对同向前方车辆进行分类(例如，车道线宽3.5米)包括：
(a)-1.75米＜d＜1.75米：RV为同道车辆
(b)1.75米＜d＜4.5米：RV为右侧邻车
(c)-4.5米＜d＜-1.75米：RV为左侧邻车
(d)4.5米＜d：RV为右侧远车
(e)d＜-4.5米：RV为左侧远车
非均匀曲率弯道分类完成后，能够基于上面的弯道分类结果，进行弯道预警。所属领域技术人员应当了解的是车道线宽、同道阈值和邻道阈值均可以选取任何合理的数值。
本实施例的方法通过针对弯道路况进行车辆目标分类，实现了能够对弯道中行驶的车辆进行危险预警判断。本实施例的方法针对弯道路况进行车辆目标分类的技术方案在不依赖地图信息的情况下，能够准确地确定其它车辆在弯道中的车道位置。本实施例的方法的分类方案通过GPS信息实现对弯道内的周边车辆进行精准的分类，不需要将高精度地图集成到车辆的通信设备中，以降低成本。本实施例的方法的分类方案的算法优化、计算量较小并且消耗成本较低。
图12为根据本发明实施方式的针对弯道路况进行车辆目标分类的系统1200的结构示意图。系统1200能够判断当前车辆的行驶状态，例如，根据当前车辆车载芯片中的三轴加速度传感器所得到的车辆横摆角速度来判断当前车辆是否驶入弯道。系统1200基于前方远车的历史路径轨迹以及转弯过程中的横摆角速度，判断当前弯道是均匀曲率弯道或非均匀曲率弯道。对于均匀曲率弯道(即，弯道曲率恒定)：在当前车辆驶入弯道后，根据横摆角速度以及车辆速度，计算车辆行驶的曲率半径，进而拟合出弯道数据。对于非均匀曲率弯道(即，弯道曲率非恒定)：在当前车辆驶入弯道后，获取并基于前方车辆的历史路径信息，基于样条Spline插值算法拟合前方车辆的行驶轨迹，并结合当前车辆的数据计算实时曲率半径，并基于实时曲率半径进行加权以拟合出弯道数据。系统1200通过所得到拟合的弯道数据，结合周边车辆的位置信息，实时对周边车辆进行分类。
如图12所示，系统1200包括：检测单元1201、获取单元1202、识别单元1203和分类单元1204。检测单元1201在检测到当前车辆进入弯道时，确定当前车辆的预定范围内是否存在前方车辆。检测单元1201确定当前车辆的第一行驶速度，基于第一行驶速度确定当前车辆的转弯阈值，当当前车辆的横摆角速度大于所述转弯阈值时，确定检测到当前车辆进入弯道。其中预定范围包括：前方预定距离和预定海拔。
获取单元1202确定存在前方车辆时，从前方车辆获取历史路径数据并基于历史路径数据确定前方车辆是否为同向前方车辆。其中历史路径数据包括前方车辆沿行驶路径所记录的多个数据点，其中每个数据点包括以下信息：经度、纬度、车辆方向、车辆速度、横摆角速度以及时间戳。前方车辆基于每次更新历史路径数据时的横摆角速度确定数据点的记录间隔。本实施例中的任何车辆均可以利用存储单元(图12中未示出)对所所记录的多个数据点进行存储。
获取单元1202在多个数据点中确定与当前车辆的当前位置距离最近的中心数据点并且选择与中心数据点在时间上分别相邻的先前数据点和后续数据点。由中心数据点和先前数据点构成第一线段并且由中心数据点和后续数据点构成第二线段。当当前车辆的当前位置与第一线段或第二线段具有垂直交点时，确定前方车辆为同向前方车辆。如果当前车辆的当前位置与垂直交点的距离小于预定距离阈值时，确定同向前方车辆和当前车辆位于相同弯道内。获取单元1202从多个数据点中选择与当前车辆距离最近的第一数据点和第二数据点，确定前方车辆在第一数据点的第一车辆方向以及在第二数据点的第二车辆方向，当当前车辆的当前车辆方向与第一车辆方向的角度差和与第二车辆方向的角度差均在角度差阈值范围内时，确定前方车辆为同向前方车辆。
识别单元1203确定前方车辆为同向前方车辆后，基于历史路径数据确定弯道的类型。识别单元1203按照以下方式从与当前车辆距离最近的数据点开始从多个数据点中进行数据点选择以生成数据点集合：选择横摆角速度大于相应的转弯阈值的数据点、选择与当前车辆在当前位置处的横摆角速度符号相同的数据点以及去除横摆角速度的差值大于相应的直行阈值的两个相邻数据点，直到连续两个数据点满足横摆角速度小于相应的转弯阈值或连续两个数据点的横摆角速度均与当前车辆在当前位置处的横摆角速度符号不同为止。识别单元1203基于数据点集合中每个数据点的车辆速度和横摆角速度确定每个数据点的曲率半径，计算多个曲率半径的平均值和标准差。当标准差与平均值的比率低于曲率阈值时，识别单元1203确定弯道为均匀曲率弯道。当标准差与平均值的比率大于或等于曲率阈值时，识别单元1203确定弯道为非均匀曲率弯道。
当确定弯道的类型为均匀曲率弯道时，分类单元1204根据当前车辆的行驶速度和横摆角速度，计算当前车辆行驶路径的曲率半径并根据曲率半径确定弯道数据，基于所确定的弯道数据和同向前方车辆的位置信息，对同向前方车辆进行分类。其中分类单元1204根据当前车辆的行驶速度和横摆角速度，计算当前车辆行驶路径的曲率半径包括：将当前车辆的行驶速度与横摆角速度的比值作为当前车辆行驶路径的曲率半径。其中分类单元1204根据曲率半径确定弯道数据包括：根据当前车辆的当前位置和曲率半径确定弯道的圆心，将曲率半径作为当前车辆的当前位置与圆心的第一距离，以及根据所述当前车辆的当前位置和圆心确定转弯类型。
其中分类单元1204基于所确定的弯道数据和同向前方车辆的位置信息，对同向前方车辆进行分类包括：基于弯道的圆心和同向前方车辆的当前位置确定同向前方车辆与圆心的第二距离，基于所述第二距离与所述第一距离的差值和转弯类型来对所述同向前方车辆进行分类。其中基于所述第二距离与所述第一距离的差值和转弯类型来对所述同向前方车辆进行分类包括：在所述转弯类型为右转弯的情况下：
当所述第二距离与所述第一距离的差值的绝对值小于或等于同道阈值时，确定所述同向前方车辆为同道车辆；当所述第二距离与所述第一距离的差值大于同道阈值并且小于邻道阈值，确定所述同向前方车辆为左侧邻车；当所述第二距离与所述第一距离的差值的绝对值大于同道阈值并且小于邻道阈值，在差值为负数的情况下确定所述同向前方车辆为左侧邻车；当所述第二距离与所述第一距离的差值大于或等于邻道阈值，确定所述同向前方车辆为左侧远车；以及当所述第二距离与所述第一距离的差值的绝对值大于或等于邻道阈值，在差值为负数的情况下确定所述同向前方车辆为右侧远车；
或者，在所述转弯类型为左转弯的情况下：
当所述第二距离与所述第一距离的差值的绝对值小于或等于同道阈值时，确定所述同向前方车辆为同道车辆；当所述第二距离与所述第一距离的差值大于同道阈值并且小于邻道阈值，确定所述同向前方车辆为右侧邻车；当所述第二距离与所述第一距离的差值的绝对值大于同道阈值并且小于邻道阈值，在差值为负数的情况下确定所述同向前方车辆为左侧邻车；当所述第二距离与所述第一距离的差值大于或等于邻道阈值，确定所述同向前方车辆为右侧远车；以及当所述第二距离与所述第一距离的差值的绝对值大于或等于邻道阈值，在差值为负数的情况下确定所述同向前方车辆为左侧远车。。
当确定弯道的类型为非均匀曲率弯道时，分类单元1204附加地确定连续两个数据点中任意数据点的横摆角速度大于或等于相应的转弯阈值或连续两个数据点中任意数据点的横摆角速度与当前车辆在当前位置处的横摆角速度符号相同。
其中分类单元1204根据同向前方车辆的历史路径数据和当前车辆的当前位置计算当前车辆与同向前方车辆的车道距离包括：通过对历史路径数据的多个数据点中与当前车辆距离最近的数据点开始至与同向前方车辆距离最近的数据点为止进行检测，确定同向前方车辆的变道车道宽度，基于变道车道宽度和初始车道距离确定当前车辆与同向前方车辆的车道距离。其中从多个数据点中选择与当前车辆距离最近的两个数据点，以构成第一线段，初始车道距离为当前车辆的当前位置与第一线段的垂直交点的距离。
从历史路径数据的多个数据点中与当前车辆距离最近的数据点开始至与同向前方车辆距离最近的数据点为止进行：检测表示同向前方车辆的变道开始的变道起始点；检测表示同向前方车辆的变道结束并且与变道起始点相关联的变道结束点；根据变道起始点和变道结束点的匹配对确定单次变道的车道宽度；将单次变道的车道宽度进行加和以确定变道车道宽度。其中基于变道车道宽度和初始车道距离确定当前车辆与同向前方车辆的车道距离包括：将变道车道宽度和初始车道距离的和作为当前车辆与同向前方车辆的车道距离。
其中根据变道起始点和变道结束点的匹配对确定单次变道的车道宽度包括：对变道结束点的车辆方向作反向延长线，并且从变道起始点向反向延长线作垂线以获得交点，将交点与变道起始点的距离作为单次变道的车道宽度。基于车道距离对同向前方车辆进行分类包括：当车道距离的绝对值小于或等于同道阈值时，确定同向前方车辆为同道车辆；当车道距离大于同道阈值并且小于邻道阈值，确定同向前方车辆为右侧邻车；当车道距离的绝对值大于同道阈值并且小于邻道阈值，在车道距离为负数的情况下确定同向前方车辆为左侧邻车；当车道距离大于或等于邻道阈值，确定同向前方车辆为右侧远车；以及当车道距离的绝对值大于或等于邻道阈值，在车道距离为负数的情况下确定同向前方车辆为左侧远车。
本实施例的系统通过针对弯道路况进行车辆目标分类，实现了能够对弯道中行驶的车辆进行危险预警判断。本实施例的系统的针对弯道路况进行车辆目标分类的技术方案在不依赖地图信息的情况下，能够准确地确定其它车辆在弯道中的车道位置。本实施例的系统的分类方案通过GPS信息实现对弯道内的周边车辆进行精准的分类，不需要将高精度地图集成到车辆的通信设备中，以降低成本。本实施例的系统的分类方案的算法优化、计算量较小并且消耗成本较低。

Claims (10)

1.一种针对弯道路况进行车辆目标分类的方法，所述方法包括：
在检测到当前车辆进入弯道时，确定所述当前车辆的预定范围内是否存在前方车辆；
确定存在前方车辆时，从所述前方车辆获取历史路径数据并基于所述历史路径数据确定所述前方车辆是否为同向前方车辆；
确定所述前方车辆为同向前方车辆后，基于所述历史路径数据确定所述弯道的类型；以及
当确定所述弯道的类型为均匀曲率弯道时，根据所述当前车辆的行驶速度和横摆角速度，计算所述当前车辆行驶路径的曲率半径并根据所述曲率半径确定弯道数据，基于所确定的弯道数据和所述同向前方车辆的位置信息，对所述同向前方车辆进行分类。
2.根据权利要求1所述的方法，还包括确定所述当前车辆的第一行驶速度，基于所述第一行驶速度确定所述当前车辆的转弯阈值，当所述当前车辆的横摆角速度大于所述转弯阈值时，确定检测到所述当前车辆进入弯道。
3.根据权利要求1所述的方法，所述预定范围包括：前方预定距离和预定海拔。
4.根据权利要求1所述的方法，所述历史路径数据包括所述前方车辆沿行驶路径所记录的多个数据点，其中每个数据点包括以下信息：经度、纬度、车辆方向、车辆速度、横摆角速度以及时间戳。
5.根据权利要求4所述的方法，所述前方车辆基于每次更新历史路径数据时的横摆角速度确定数据点的记录间隔。
6.根据权利要求4所述的方法，在所述多个数据点中确定与当前车辆的当前位置距离最近的中心数据点并且选择与所述中心数据点在时间上分别相邻的先前数据点和后续数据点，由所述中心数据点和先前数据点构成第一线段并且由所述中心数据点和后续数据点构成第二线段，当所述当前车辆的当前位置与第一线段或第二线段具有垂直交点时，确定所述前方车辆为同向前方车辆。
7.根据权利要求6所述的方法，如果所述当前车辆的当前位置与垂直交点的距离小于预定距离阈值时，确定所述同向前方车辆和当前车辆位于相同弯道内。
8.根据权利要求4所述的方法，从所述多个数据点中选择与当前车辆距离最近的第一数据点和第二数据点，确定所述前方车辆在第一数据点的第一车辆方向以及在第二数据点的第二车辆方向，当所述当前车辆的当前车辆方向与第一车辆方向的角度差和与第二车辆方向的角度差均在角度差阈值范围内时，确定所述前方车辆为同向前方车辆。
9.根据权利要求4所述的方法，按照以下方式从与当前车辆距离最近的数据点开始从所述多个数据点中进行数据点选择以生成数据点集合：
选择横摆角速度大于相应的转弯阈值的数据点、选择与所述当前车辆在当前位置处的横摆角速度符号相同的数据点以及去除横摆角速度的差值大于相应的直行阈值的两个相邻数据点，直到连续两个数据点满足横摆角速度小于相应的转弯阈值或连续两个数据点的横摆角速度均与所述当前车辆在当前位置处的横摆角速度符号不同为止。
10.根据权利要求9所述的方法，基于所述数据点集合中每个数据点的车辆速度和横摆角速度确定每个数据点的曲率半径，计算多个曲率半径的平均值和标准差，并且当所述标准差与平均值的比率低于曲率阈值时，确定所述弯道为均匀曲率弯道。
CN201710960206.2A 2017-10-16 2017-10-16 一种车辆目标分类方法、装置、系统及计算机程序产品 Active CN107830865B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710960206.2A CN107830865B (zh) 2017-10-16 2017-10-16 一种车辆目标分类方法、装置、系统及计算机程序产品

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710960206.2A CN107830865B (zh) 2017-10-16 2017-10-16 一种车辆目标分类方法、装置、系统及计算机程序产品

Publications (2)

Publication Number Publication Date
CN107830865A true CN107830865A (zh) 2018-03-23
CN107830865B CN107830865B (zh) 2020-04-17

Family

ID=61647977

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710960206.2A Active CN107830865B (zh) 2017-10-16 2017-10-16 一种车辆目标分类方法、装置、系统及计算机程序产品

Country Status (1)

Country Link
CN (1) CN107830865B (zh)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109649489A (zh) * 2018-12-21 2019-04-19 北京经纬恒润科技有限公司 车辆转向状态的识别方法、装置、电子设备及存储介质
CN109859528A (zh) * 2019-02-27 2019-06-07 中国第一汽车股份有限公司 一种基于v2x车联网的弯道处车辆位置分类方法
CN110264699A (zh) * 2019-06-28 2019-09-20 安徽江淮汽车集团股份有限公司 基于车路协同系统的目标车辆分类识别方法、系统及应用
CN110855789A (zh) * 2019-11-18 2020-02-28 东软集团股份有限公司 一种位置关系确定方法、装置、存储介质及设备
JP2020035174A (ja) * 2018-08-30 2020-03-05 先進モビリティ株式会社 目標軌跡の生成方法
CN111780773A (zh) * 2019-04-04 2020-10-16 北京嘀嘀无限科技发展有限公司 一种识别弯道的方法及其系统
CN112550285A (zh) * 2020-12-09 2021-03-26 东软集团股份有限公司 确定碰撞距离的方法、装置、存储介质及电子设备
CN113071332A (zh) * 2021-04-28 2021-07-06 中国第一汽车股份有限公司 双电机电动汽车的扭矩控制方法、电动汽车及存储介质
CN113619578A (zh) * 2021-07-28 2021-11-09 东风汽车集团股份有限公司 一种车辆防碰撞方法、防碰撞系统和计算机可读存储介质
US20220204051A1 (en) * 2020-12-29 2022-06-30 Trimble Inc. Techniques for maintaining offsets in vehicle formations

Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1948909A (zh) * 2005-10-14 2007-04-18 沈阳东软软件股份有限公司 兼容左右侧通行的汽车导航装置及道路探索方法
EP1832483B1 (en) * 2006-03-09 2010-05-12 Deere & Company Method and system for adaptively controlling a hybrid vehicle
CN101750090A (zh) * 2009-12-30 2010-06-23 东软集团股份有限公司 利用轨迹点导航的导航装置
CN102189992A (zh) * 2010-03-17 2011-09-21 株式会社万都 基准随动位置设定方法和车道保持控制系统
CN102663430A (zh) * 2012-04-17 2012-09-12 清华大学 一种态势评估中目标分群方法
CN103109160A (zh) * 2010-08-07 2013-05-15 奥迪股份公司 用于确定车辆在路面上的位置的方法和设备以及具有这种设备的汽车
CN103927895A (zh) * 2014-04-25 2014-07-16 清华大学 一种基于车路/车车通讯的车辆弯道通行辅助系统
CN104101878A (zh) * 2014-06-23 2014-10-15 北京智华驭新汽车电子技术开发有限公司 一种车辆前方目标识别系统及识别方法
CN104504897A (zh) * 2014-09-28 2015-04-08 北京工业大学 一种基于轨迹数据的交叉口交通流特性分析及车辆运动预测方法
JP2016109144A (ja) * 2014-12-02 2016-06-20 本田技研工業株式会社 車両用動力伝達装置
CN105787502A (zh) * 2015-01-14 2016-07-20 通用汽车环球科技运作有限责任公司 用于物体融合的目标分类集合技术
CN106355890A (zh) * 2016-09-27 2017-01-25 东软集团股份有限公司 一种对目标车辆分类的判断方法及装置
CN106792528A (zh) * 2016-12-19 2017-05-31 东软集团股份有限公司 数据传输方法及装置
CN106846908A (zh) * 2016-12-27 2017-06-13 东软集团股份有限公司 道路的危险判断方法和装置
CN107248320A (zh) * 2017-06-21 2017-10-13 深圳市金溢科技股份有限公司 危险预警方法、系统、v2x车载终端及存储器

Patent Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1948909A (zh) * 2005-10-14 2007-04-18 沈阳东软软件股份有限公司 兼容左右侧通行的汽车导航装置及道路探索方法
EP1832483B1 (en) * 2006-03-09 2010-05-12 Deere & Company Method and system for adaptively controlling a hybrid vehicle
CN101750090A (zh) * 2009-12-30 2010-06-23 东软集团股份有限公司 利用轨迹点导航的导航装置
CN102189992A (zh) * 2010-03-17 2011-09-21 株式会社万都 基准随动位置设定方法和车道保持控制系统
CN103109160A (zh) * 2010-08-07 2013-05-15 奥迪股份公司 用于确定车辆在路面上的位置的方法和设备以及具有这种设备的汽车
CN102663430A (zh) * 2012-04-17 2012-09-12 清华大学 一种态势评估中目标分群方法
CN103927895A (zh) * 2014-04-25 2014-07-16 清华大学 一种基于车路/车车通讯的车辆弯道通行辅助系统
CN104101878A (zh) * 2014-06-23 2014-10-15 北京智华驭新汽车电子技术开发有限公司 一种车辆前方目标识别系统及识别方法
CN104504897A (zh) * 2014-09-28 2015-04-08 北京工业大学 一种基于轨迹数据的交叉口交通流特性分析及车辆运动预测方法
JP2016109144A (ja) * 2014-12-02 2016-06-20 本田技研工業株式会社 車両用動力伝達装置
CN105787502A (zh) * 2015-01-14 2016-07-20 通用汽车环球科技运作有限责任公司 用于物体融合的目标分类集合技术
CN106355890A (zh) * 2016-09-27 2017-01-25 东软集团股份有限公司 一种对目标车辆分类的判断方法及装置
CN106792528A (zh) * 2016-12-19 2017-05-31 东软集团股份有限公司 数据传输方法及装置
CN106846908A (zh) * 2016-12-27 2017-06-13 东软集团股份有限公司 道路的危险判断方法和装置
CN107248320A (zh) * 2017-06-21 2017-10-13 深圳市金溢科技股份有限公司 危险预警方法、系统、v2x车载终端及存储器

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
HSIEH, J.-W等: ""Automatic Traffic Surveillance System for Vehicle Tracking and Classification(Article)"", 《IEEE INTELLIGENT TRANSPORTATION SYSTEMS MAGAZINE》 *
HSUN-JUNG CHO等: ""A support vector machine approach to CMOS-based radar signal processing for vehicle classification and speed estimation"", 《MATHEMATICAL AND COMPUTER MODELLING》 *
陈学文等: ""汽车巡航系统前方弯道关键目标识别研究"", 《现代制造工程》 *
陈金山: ""山区公路弯道路段车辆行驶特性及安全对策研究"", 《中国优秀硕士学位论文全文数据库 工程科技II辑》 *

Cited By (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2020035174A (ja) * 2018-08-30 2020-03-05 先進モビリティ株式会社 目標軌跡の生成方法
JP7020750B2 (ja) 2018-08-30 2022-02-16 先進モビリティ株式会社 目標軌跡の生成方法
CN109649489A (zh) * 2018-12-21 2019-04-19 北京经纬恒润科技有限公司 车辆转向状态的识别方法、装置、电子设备及存储介质
CN109649489B (zh) * 2018-12-21 2020-11-03 北京经纬恒润科技有限公司 车辆转向状态的识别方法、装置、电子设备及存储介质
CN109859528B (zh) * 2019-02-27 2021-12-10 中国第一汽车股份有限公司 一种基于v2x车联网的弯道处车辆位置分类方法
CN109859528A (zh) * 2019-02-27 2019-06-07 中国第一汽车股份有限公司 一种基于v2x车联网的弯道处车辆位置分类方法
CN111780773A (zh) * 2019-04-04 2020-10-16 北京嘀嘀无限科技发展有限公司 一种识别弯道的方法及其系统
CN110264699A (zh) * 2019-06-28 2019-09-20 安徽江淮汽车集团股份有限公司 基于车路协同系统的目标车辆分类识别方法、系统及应用
CN110855789A (zh) * 2019-11-18 2020-02-28 东软集团股份有限公司 一种位置关系确定方法、装置、存储介质及设备
CN110855789B (zh) * 2019-11-18 2022-07-08 东软集团股份有限公司 一种位置关系确定方法、装置、存储介质及设备
CN112550285A (zh) * 2020-12-09 2021-03-26 东软集团股份有限公司 确定碰撞距离的方法、装置、存储介质及电子设备
US11941989B2 (en) 2020-12-09 2024-03-26 Neusoft Corporation Method for determining collision distance, storage medium and electronic equipment
US20220204051A1 (en) * 2020-12-29 2022-06-30 Trimble Inc. Techniques for maintaining offsets in vehicle formations
CN113071332A (zh) * 2021-04-28 2021-07-06 中国第一汽车股份有限公司 双电机电动汽车的扭矩控制方法、电动汽车及存储介质
CN113619578A (zh) * 2021-07-28 2021-11-09 东风汽车集团股份有限公司 一种车辆防碰撞方法、防碰撞系统和计算机可读存储介质

Also Published As

Publication number Publication date
CN107830865B (zh) 2020-04-17

Similar Documents

Publication Publication Date Title
CN107830865A (zh) 一种车辆目标分类方法、装置、系统及计算机程序产品
CN104819724B (zh) 一种基于gis的无人地面车辆自主行驶辅助系统
CN105593643B (zh) 车辆用车道引导系统和车辆用车道引导方法
CN101413805B (zh) 路线搜索装置
CN102208013B (zh) 风景匹配参考数据生成系统和位置测量系统
CN106842269A (zh) 定位方法及系统
CN105403227B (zh) 一种安全导航方法及系统
CN102208011B (zh) 图像处理系统及车辆控制系统
CN111354193B (zh) 一种基于5g通信的高速公路车辆异常行为预警系统
CN110111566A (zh) 轨迹预测方法、装置和存储介质
CN108445503A (zh) 基于激光雷达与高精度地图融合的无人驾驶路径规划算法
JP2778374B2 (ja) 車両用ナビゲーション装置
CN107664993A (zh) 一种路径规划方法
CN103325268B (zh) 交通信息创建装置和交通信息创建方法
CN107000750A (zh) 用于车辆经济性改进的设备及方法
CN108922173A (zh) 一种车辆偏离检测方法及装置
CN105270410A (zh) 用于自主驾驶车辆的路径规划的精确曲率估计算法
CN104464375B (zh) 一种识别车辆高速转弯的方法
CN115552200A (zh) 用于生成重要性占据栅格地图的方法和系统
CN107664504A (zh) 一种路径规划装置
CN104395944B (zh) 定向车道的识别
WO2019030916A1 (ja) 車線情報管理方法、走行制御方法及び車線情報管理装置
CN104697542A (zh) 利用行驶车道识别的路线引导装置和方法
CN107044858A (zh) 用于电动运输装置的能量效率导航路线
KR101913134B1 (ko) 지능형 교통정보 시스템의 차선별 교통 속도 정보 생성 장치

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant