CN108320553B - 基于道路驾驶事件的路况预测方法 - Google Patents

Abstract

本发明涉及车辆技术领域，并具体公开了一种基于道路驾驶事件的路况预测方法，由车辆终端部分或全部地执行下述步骤，包括：获取车辆的位置信息；获取车辆的车辆状态信息；识别周边车辆的车辆驾驶行为并转换为道路驾驶事件；根据上述信息，生成表征道路驾驶事件与路况关系的交通模型；根据车辆的位置信息的所属路段区域及车辆状态信息获得路段区域当前的路况，并根据交通模型及路段区域内的道路驾驶事件，预测路段区域后续的用户路况信息；将用户路况信息通过车辆中的显示屏呈现给用户。通过反向思考交通状况产生的原因，更加精确地推算车辆当前区域的交通状况信息，且不受地域限制，为驾驶者带来更多的便利。

Description

基于道路驾驶事件的路况预测方法

技术领域

本发明涉及车辆技术领域，特别涉及一种基于道路驾驶事件的路况预测方法。

背景技术

城市道路交通拥挤状况日益严重的当下，政府也投入了大量的人力物力用以完善道路基础设施。大城市各重要交通道路区域一般都会安装有固定的道路图像监控设备用以监测道路车辆的速度、流量数据等，道路监控指挥中心通过由道路图像监控设备拍摄采集并上传的各路面图像了解各区域路面实时情况，以便根据车流预估后续的交通状况信息，调整各路口车辆数量以确保交通畅通。

然而上述方式大致存在如下问题：1)测量精度不够，现有技术中，通过道路图像监控设备获取的实时道路拥堵状况，只能宏观地粗略推测后续交通状况信息，其结果与实际情况存在较大的偏差，因而无法有效且及时地预测后续的交通状况，对后续车辆的指导意义有限；2)受到监控区域的限制，只能在安装有道路图像监控设备的区域才能实现车流监控，应用范围有限。

发明内容

本发明通过反向思考交通状况产生的原因，提出一种基于道路驾驶事件的路况预测方法，通过分析车辆本身及拍摄到的周围其他车辆，预测该路段区域的交通状况，为后续行车提供指导。

为了解决上述问题，本发明提供一种基于道路驾驶事件的路况预测方法，由车辆终端部分或全部地执行下述步骤，包括：

获取车辆的位置信息；

获取所述车辆的车辆状态信息，所述车辆状态信息包括速度信息；

识别周边车辆的车辆驾驶行为并转换为道路驾驶事件；

根据所述位置信息、所述车辆状态信息及所述道路驾驶事件，生成表征道路驾驶事件与路况关系的交通模型；

根据所述车辆的所述位置信息的所属路段区域及所述车辆状态信息获得所述路段区域当前的路况，并根据所述交通模型及所述路段区域内的道路驾驶事件，预测所述路段区域后续的用户路况信息；

将所述用户路况信息通过所述车辆中的显示屏呈现给用户。

与现有技术相比，上述方案具有以下优点：

1)通过分析前序车辆的驾驶行为引发的一系列对后续车辆行驶状态的变化和影响，精确地推算车辆当前区域的交通状况信息，从而提供更加完善的行车指导；

2)车辆实时获得指定区域道路的交通状况，且不受道路基础设置的限制，有更广阔的应用范围，为驾驶者带来更多的便利。

附图说明

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，下面将对实施例或现有技术描述中所需要使用的附图做一简单的介绍。本发明的其他细节及优点将通过下文提供的详细描述而变得显而易见。对于本领域技术人员来讲，在不付出创造性劳动的基础上，还可以根据本发明描述的实施例附图获得其他的附图。

图1是本发明基于道路驾驶事件的路况预测方法的一种流程示意图；

图2是本发明基于道路驾驶事件的路况预测方法的一种硬件结构示意图；

图3是本发明基于道路驾驶事件的路况预测方法的一种实施例示意图。

具体实施方式

在下面的描述中，阐述了许多具体细节以便使所属技术领域的技术人员更全面地了解本发明。但是，对于所属技术领域内的技术人员明显的是，本发明的实现可不具有这些具体细节中的一些。此外，应当理解的是，本发明并不限于所介绍的特定实施例。相反，可以考虑用下面的特征和要素的任意组合来实施本发明，而无论它们是否涉及不同的实施例。因此，下面的方面、特征、实施例和优点仅作说明之用而不应被看作是权利要求的要素或限定，除非在权利要求中明确提出。

参照图1所示，根据本发明的一种实施方式，由车辆终端部分或全部地执行下述步骤，包括如下步骤：

获取车辆的位置信息；

获取车辆的车辆状态信息，车辆状态信息包括速度信息；

识别周边车辆的车辆驾驶行为并转换为道路驾驶事件；

根据位置信息、车辆状态信息及道路驾驶事件，生成表征道路驾驶事件与路况关系的交通模型；

根据车辆的位置信息的所属路段区域及车辆状态信息获得路段区域当前的路况，并根据交通模型及路段区域内的道路驾驶事件，预测路段区域后续的用户路况信息；

将用户路况信息通过车辆中的显示屏呈现给用户。

应当理解，在附图中，为了方便，使用了顺序框图进行了说明，但本发明的实施例并不限于此，各个步骤之间的顺序可以根据实际需求而调整。

如前述提及的，本实施例的基于道路驾驶事件的路况预测方法，颠覆了传统由政府主导安装、依靠路边的道路图像监控设备获取的实时道路交通状况，宏观粗略推测后续车辆的交通状况的方式，转变为依靠分析车辆本身的行为，推测车辆所在区域内的交通状况。相比传统的方式而言，本实施例的基于道路驾驶事件的路况预测方法推测的准确性更高，适用面更广，也在一定程度上帮助政府减少路边道路图像监控设备的安装和维护等费用。

参照图2所示，是本发明实施例的基于道路驾驶事件的路况预测方法的硬件结构示意图。本实施例由车辆终端及与车辆终端相连的图像采集设备组成。本实施例中，车辆终端包括车辆状态采集设备、定位设备、主机及与主机间通讯连接的显示屏(显示屏可以与主机机械接合在一起，也可与主机间通过线束连接)。显示屏用于通过以一定的方式呈现用户路况信息，包括图标颜色、图标大小或文字。主机中包括至少一个应用处理器及相应的存储器、CAN总线通信接口及通讯接口。应用处理器至少包括图像处理硬件、软件或其结合，以从图像信息中识别周边车辆的车辆驾驶行为从而将其转化为道路驾驶事件。当主机中包含多个应用处理器时，其可根据具体配置而集成在一块或多块PCB板上。至于存储器、CAN总线通信接口及通讯接口的具体数量也由具体配置来决定。此处为了简化表述，故不再赘述。

具体而言，应用处理器中已配置有车辆状态处理软件及图像信息处理软件。车辆状态处理软件用于将从车辆状态采集设备中获取的车辆状态信息，包括但不限于车辆的速度、油门踏板位置、刹车踏板位置或方向盘位置中的一种或多种，来判定车辆当前的状态及相邻的周边车辆的驾驶行为对该车辆的影响程度。图像信息处理软件用于对采集到的图像信息进行解析，从而获得拍摄到的相邻的周边车辆的驾驶行为，包括加塞、变道、碰撞、追尾或抛锚中的一种或多种。随后，根据图像信息处理软件获取的车辆驾驶行为，根据预定的规则生成预先设定的道路驾驶事件。应用处理器还可以包括交通模型软件及路况预测软件，用于根据获取的位置信息、车辆状态信息及道路驾驶事件，经分析后，生成交通模型。交通模型用来表征道路驾驶事件及与道路交通状况的关联关系。即，某一路段区域内发生的一个/多个道路驾驶事件会对该路段区域后续的交通状况产生何种影响。例如，交通模型所表征的关联关系中包括了：加塞这个道路驾驶事件会导致该路段区域内的一定长度的路段的车辆速度变慢。

随后，根据该交通模型及所获得的当前路段区域内的道路驾驶事件就可以进一步预测该路段区域的用户路况信息。该用户路况信息包括拥堵状况，拥堵状况进一步包括当前路段区域的拥堵程度和/或后续车辆所需要的等待时间。根据拥堵程度的不同，在显示屏上显示，例如通过不同的图标颜色或图标大小表示，红色代表非常拥堵，黄色代表一般，绿色代表前方道路畅通等，又例如在显示屏上进一步或单独以文字的方式显示等待时间，例如在当前路段区域内车辆非常拥堵时，显示等待为30分钟以上等。

本实施例中，车辆终端还包括车辆状态采集设备及定位设备等。

具体而言，车辆状态采集设备通过CAN总线连接ECU(Electronic Control Unit，电子控制单元)采集车辆的数据，包括但不限于车辆的速度、油门踏板位置、刹车踏板位置或方向盘位置中的一种或多种，作为后续用于路况预测的一部分。定位设备可以是任意的定位技术，例如，包括但不限于以下一者或多者，GPS、陀螺仪或加速计，又例如通过GLONASS卫星，“北斗”卫星、“伽利略”卫星中的一种或者多种通信以确定车辆的位置。

本实施例中，除了车辆终端外，还包括图像采集设备，该图像采集设备可以是设置在车辆终端内部，也可以是外接设备，本实施例对此不做限定。图像采集设备可以是任意的拍摄设备，本发明对此不做限定。图像采集设备除了实时采集与其相邻的周边车辆的驾驶行为外，还可以用于采集周边环境的图形信息，用于车辆的辅助定位，例如，用于确认车辆所处的车道、行驶方向等。

结合图2及图3所示，根据本发明的另一种实施方式，与上述实施例不同的是，本实施例中，还包括云端服务器，该云端服务器获取车辆及根据其上传的位置信息获取的与其相邻的周边车辆上传的数据，包括位置信息、道路驾驶事件及车辆状态信息。上述由车辆及其相邻的周边车辆上传的数据在时间上是连续的，从而保障了后续路况预测数据的有效性，避免了不相关信息造成的干扰，一定程度上启到了数据筛选的作用。由此，云端服务器获得了在车辆所在路段区域内的多车辆的实时数据。云端服务器根据获得的多车辆的位置信息、车辆状态信息及道路驾驶事件生成交通模型，并根据该交通模型及该车辆所在的路段区域内的道路驾驶事件，预测该路段区域的用户路况信息，并将获得的用户路况信息根据各车辆的位置信息将适于相应车辆的用户路况信息发送至各车辆的车辆终端。车辆通过显示屏呈现接收到的用户路况信息。相比本发明的第一种实施方式，结合云端服务器的大数据分析，可以获得更准确的用户路况信息。

以下以车辆加塞为例，来进一步说明本发明基于道路驾驶事件的路况预测方法的执行过程。需要说明的是，以下示意仅是帮助清楚理解本发明，但并未限制本发明的应用范围，本发明的应用范围并不限于此，其也可用于其它车辆驾驶行为，例如变道、碰撞、追尾或抛锚等。

当检测到图像采集设备获取的前方道路中有车辆加塞的驾驶行为时，当前车辆的速度一定相应地发生变化。通过检测车辆的状态信息，例如通过检测车辆的速度、油门踏板位置、刹车踏板位置或方向盘位置中一种或多种，发现这样的变化。由于通过现有技术或驾驶员肉眼观察，可以获得前方实时的粗略的交通状况。结合本发明的方案，可以进一步预测接下来的用户路况信息并呈现给驾驶员。结合车辆当前的位置信息，根据获取的车辆状态信息及由加塞的车辆驾驶行为转换为的预先设定的与其对应的道路驾驶事件，生成交通模型，经交通模型分析预测所在路段区域的用户路况信息，在车辆显示屏的中，例如显示屏中的地图上，通过图标大小或图标颜色的方式呈现该用户路况信息。例如在前方存在大量的车辆加塞行为时，该路段区域的拥堵会比较严重，通过在显示屏以红色图标的方式呈现。在前方路段区域的车辆拥堵有所减缓时，结合检测到的车辆状态信息，再次分析当前路段区域的用户路况信息，再次预测拥堵程度，如若较为拥堵时，以黄色图标显示，以此类推，在前方路段区域道路畅通时，以绿色图标显示。当然，通过图标颜色显示不同用户路况信息的同时，也可以结合文字，显示当前路段区域需要等待的时间。

作为本发明的另一种应用，以车辆加塞为例，结合云端服务器，来进一步说明本发明基于道路驾驶事件的路况预测方法的执行过程。

在现有技术或驾驶员通过肉眼观察到前方实时交通状况的基础上，通过如下方式，进一步预测未来一段时间内的用户路况信息。当车辆检测到图像采集设备获取的前方道路中有车辆加塞的驾驶行为时，将加塞的车辆驾驶行为转换为预先设定的与其对应的道路驾驶事件，将当前车辆的位置信息、道路驾驶事件及车辆状态信息上传至云端服务器，云端服务器根据获取的当前车辆及其相邻的周边车辆上传的在时间上连续的上述实时数据，生成交通模型，并根据当前路段区域内的道路驾驶事件，预测该路段区域的在接下来一段时间内的用户路况信息，并根据车辆的当前位置将适于该车辆的用户路况信息发送至当前车辆。随后，车辆根据前述应用例中描述的显示方式呈现在车辆显示屏上。由于云端服务器获得的多个车辆上传的实时数据在时间上是连续的，且当前车辆未必是靠近发生加塞行为车辆距离最近的车辆，一旦当前路段区域发生加塞行为，后续车辆的速度一定会发生变化，从距离加塞车辆最近的车辆开始，后续车辆依次踩刹车，直到某个时间某个节点，对后续车辆影响已经不大了。由于云端服务器根据当前车辆在当前路段区域所在的具体位置，预测针对当前车辆的用户路况信息，显示适于当前车辆的拥堵程度及所需的等待时间，因而，相比于前述应用例，结合云端服务器分析预测用户路况信息时更为精确。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元或算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

本领域技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序指令由相关的硬件来完成，该程序可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory，即ROM)、随机存取存储器(Random Access Memory，即RAM)、磁碟或者光盘等各种可以存储程序代码的介质。

虽然本发明已以较佳实施例披露如上，但本发明并非限定于此。任何本领域技术人员，在不脱离本发明的精神和范围内所作的各种更动与修改，均应纳入本发明的保护范围内，因此本发明的保护范围应当以权利要求所限定的范围为准。

Claims (9)

1.一种基于道路驾驶事件的路况预测方法，其特征在于，所述方法由车辆终端部分或全部地执行下述步骤，包括：

获取车辆的位置信息；

获取所述车辆的车辆状态信息，所述车辆状态信息包括速度信息；

识别周边车辆的车辆驾驶行为并转换为道路驾驶事件；

根据所述位置信息、所述车辆状态信息及所述道路驾驶事件，生成表征道路驾驶事件与路况的关联关系的交通模型，所述关联关系指因发生道路驾驶事件而对所述位置信息所属路段区域后续的交通状况产生的影响程度；

根据所述车辆的所述位置信息的所属路段区域及所述车辆状态信息获得所述路段区域当前的路况，并根据所述交通模型及所述路段区域内的道路驾驶事件，预测所述路段区域后续的用户路况信息；

将所述用户路况信息通过所述车辆中的显示屏呈现给用户。

2.根据权利要求1所述的基于道路驾驶事件的路况预测方法，其特征在于：还包括：云端服务器，所述云端服务器根据某一路段区域内多辆车的车辆终端上传的在时间上连续的所述位置信息、所述车辆状态信息及所述道路驾驶事件生成所述交通模型，并根据所述交通模型及所述路段区域内的道路驾驶事件，预测所述路段区域后续的用户路况信息，以及根据各车辆的所述位置信息将适于相应车辆的所述用户路况信息发送至各车辆的车辆终端。

3.根据权利要求1或2所述的基于道路驾驶事件的路况预测方法，其特征在于：所述用户路况信息包括拥堵状况，所述拥堵状况包括拥堵程度和/或等待时间。

4.根据权利要求3所述的基于道路驾驶事件的路况预测方法，其特征在于：所述拥堵状况根据所述拥堵程度的不同，通过以下一种或多种方式呈现于所述显示屏：图标的颜色或大小、文字。

5.根据权利要求1所述的基于道路驾驶事件的路况预测方法，其特征在于：所述车辆状态信息还包括以下一者或多者：油门踏板位置、刹车踏板位置或方向盘位置。

6.根据权利要求1所述的基于道路驾驶事件的路况预测方法，其特征在于：所述车辆状态信息通过CAN总线获取。

7.根据权利要求1或2所述的基于道路驾驶事件的路况预测方法，其特征在于：从车载摄像设备或外接摄像设备实时拍摄获得的图像信息中识别所述车辆驾驶行为。

8.根据权利要求7所述的基于道路驾驶事件的路况预测方法，其特征在于：所述车辆驾驶行为包括以下一种或多种：加塞、变道、碰撞、追尾或抛锚。

9.根据权利要求1所述的基于道路驾驶事件的路况预测方法，其特征在于：所述位置信息通过以下一者或多者获得：GPS、陀螺仪或加速计。

Images