CN109658693A - 一种路况信息获取和处理的方法及装置 - Google Patents
一种路况信息获取和处理的方法及装置 Download PDFInfo
- Publication number
- CN109658693A CN109658693A CN201811605057.9A CN201811605057A CN109658693A CN 109658693 A CN109658693 A CN 109658693A CN 201811605057 A CN201811605057 A CN 201811605057A CN 109658693 A CN109658693 A CN 109658693A
- Authority
- CN
- China
- Prior art keywords
- data
- unit
- road
- road condition
- condition 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
Links
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
- G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
- G08G1/096733—Systems involving transmission of highway information, e.g. weather, speed limits where a selection of the information might take place
- G08G1/096741—Systems involving transmission of highway information, e.g. weather, speed limits where a selection of the information might take place where the source of the transmitted information selects which information to transmit to each vehicle
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
- G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
- G08G1/096766—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission
- G08G1/096775—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission where the origin of the information is a central station
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Atmospheric Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明实施例提供了一种路况信息获取和处理的方法及装置,属于智能交通技术领域。本发明提供的一种路况信息获取和处理的方法,获取各目标设备发送的多个维度的第一路况数据;根据预设模型对多个第一路况数据进行分析,获得各路段的路况判断数据;基于路况判断数据,确定对应各个车载设备单元的行驶建议信息;将行驶建议信息发送给相应的车载设备单元。本发明实施例将车载设备单元、路边设备单元、外部系统采集的路况信息进行处理,得到了实时、可信、准确、合理的行驶建议,可以文字化消息的形式提供给行驶在相关路段上的车辆。
Description
技术领域
本发明涉及智能交通技术领域,特别是涉及一种路况信息获取和处理的方法和装置。
背景技术
随着移动终端软硬件技术的发展,众多整车生产厂家相继推出了车联网服务,车载设备日益丰富化和智能化。这些服务不仅提供了丰富的文娱社交功能,而且还能配套提供车况检测、导航、行车记录监控、自动驾驶等功能服务,从车辆环境的方面改善了行车的便捷性和安全性。
但目前各类车载设备功能还只能在独立的车辆个体上计算处理数据,不同传感器之间、不同车载设备之间、不同车辆之间、不同道路与环境之间很容易行车信息孤岛。同时,随着ETC系统的普及,越来越多的车辆相继安装了OBU车载单元设备和ETC界面卡,通过降低通卡收费时间,减少了拥堵。随着移动软硬件技术的发展,OBU车载设备的运算能力和附件功能也逐渐强大、丰富起来,逐渐融入了导航、路况判别、视频监控记录等功能。这些OBU车载单元设备和RSU路面设备还可以采集包括时间戳数据、GPS位置数据、气象数据(温度、湿度、风力、风向、能见度)、速度数据、车况数据等。这些数据目前仍然主要限于独立车辆内部的使用,利用方式比较单一,造成了严重的信息资源浪费。目前如何使得这些车辆数据可以得到整合利用是本领域亟需解决的问题。
发明内容
鉴于上述问题,提出了本发明实施例以便提供一种克服上述问题或者至少部分地解决上述问题的一种路况信息获取和处理的方法和相应的一种路况信息获取和处理的装置。
为了解决上述问题,本发明实施例第一方面公开了一种路况信息获取和处理的方法,所述方法包括:
获取各目标设备发送的多个维度的第一路况数据,所述第一路况数据由车载设备单元在所述车辆进入高速收费站后车载设备单元发送的第一目标信息、由高速路边的路边设备单元发送的第二目标信息、由外部服务器发送的第三目标信息;
根据预设模型对多个所述第一路况数据进行分析,获得各路段的路况判断数据;
基于所述路况判断数据,确定对应各个所述车载设备单元的行驶建议信息;
将所述行驶建议信息发送给相应的车载设备单元。
可选的,根据预设模型对多个所述第一路况数据进行分析,获得各路段的路况判断数据,包括:
对所述第一路况数据中的相应路网路面以100米间隔为单位划分为路面基本区间单元;
对所述第一路况数据按照设备ID、上报时间戳、数据类型、位置信息进行设备内去重和/或设备间去重,得到第二路况数据;
将所述第二路况数据按位置分配给相应所述路面基本区间单元,将所述第二路况数据按照影响范围分配到相应所述路面基本区间单元并对所述路面基本区单元进行更新,得到第三路况数据;
对所述第三路况数据按照独立设备数据序列分析和综合事故分析判断处理得到所述事故判断数据;
路况判断模型对事件判断数据进行处理得到所述路况判断数据。
可选的,所述独立设备数据序列分析,包括:
对所述第三路况数据按时间排序;
对所述第三路况数据中的各维度数据分别进行差分;
判断差分后的序列是否稳定;
若不稳定,判断差分次数是否达到三次;若是,则生成事件判断数据;若否,则对差分后的序列再次进行差分,并返回上一步骤;
若稳定,结束判断。
可选的,所述综合事故分析判断,包括:
对每个所述路面基本区间单元根据时间戳,本路段宽度配置参数,本路段方向路段位置,对向路段位置,对象路段宽度配置参数构建对应的时空窗;
收集时空窗范围内的所述事件判断数据,并按位置,时间排序获取事件集;
对所事件集中的两两事件根据时间戳和位置进行分析获取相应的时空相关性;
计算每个事件在事件集中的累积相关性;
将超过预先配置相关性阈值的事件作为综合事件。
可选的,其特征在于,所述路况判断模型对事件判断数据进行处理得到所述路况判断数据,包括:
利用所述综合事件所对应路面基本区间单元内的基本数据,气候数据,车流统计数据,车流个体数据构建状态集S;
利用匀速前进、加速通过、减速通过、紧急减速构建动作集A;
配置设定状态转移概率P;
分别获取状态集S下动作集A的回报函数R;
利用所述回报函数R迭代获得累积回报函数G;
利用贝尔曼最优化原理获取状态-行为值函数;
利用所述状态-行为函数迭代求解获取不同状态策略的不同回报;
选取最大回报的动作策略作为路况判断数据;
对所述路况判断数据进行文字化处理获取行驶建议。
可选的,所述获取各目标设备发送的多个维度的第一路况数据;第一路况数据:由车载设备单元在所述车辆进入高速收费站后车载设备单元发送的第一目标信息、由高速路边的路边设备单元发送的第二目标信息、由外部服务器发送的第三目标信息,包括:
车载设备单元对所述第一目标信息进行签名;
获取第一路况数据时,对第一路况数据中的第一目标信心进行签名验证;
获取第一路况数据时,对第一路况数据进行值域检查。
第二方面,提供一种路况信息获取和处理的装置,所述装置包括:
接收模块,用于获取各目标设备发送的多个维度的第一路况数据,所述第一路况数据由车载设备单元在所述车辆进入高速收费站后车载设备单元发送的第一目标信息、由高速路边的路边设备单元发送的第二目标信息、由外部服务器发送的第三目标信息;
第一数据处理模块,用于根据预设模型对多个所述第一路况数据进行分析,获得各路段的路况判断数据;
第二数据处理模块,用于基于所述路况判断数据,确定对应各个所述车载设备单元的行驶建议信息;
发送模块,用于将所述行驶建议信息发送给相应的车载设备单元。
可选的,所述第一数据处理模块,包括:
路面划分子模块,用于对所述第一路况数据中的相应路网路面以100米间隔为单位划分为路面基本区间单元;
数据去重子模块,用于对所述第一路况数据按照设备ID、上报时间戳、数据类型、位置信息进行设备内去重和/或设备间去重,得到第二路况数据;
数据分配子模块,用于将所述第二路况数据按位置分配给相应所述路面基本区间单元,将所述第二路况数据按照影响范围分配到相应所述路面基本区间单元并对所述路面基本区单元进行更新,得到第三路况数据;
事故判断子模块,用于对所述第三路况数据按照独立设备数据序列分析和综合事故分析判断处理得到所述事故判断数据;
路况判断子模块,用于路况判断模型对所述事件判断数据进行处理得到所述路况判断数据。
可选的,所述事故判断子模块包括:
设备数据分析单元,用于对所述第三路况数据按时间排序;对所述第三路况数据中的各维度数据分别进行差分;判断差分后的序列是否稳定;若不稳定,判断差分次数是否达到三次;若是,则生成事件判断数据;若否,则对差分后的序列再次进行差分,并返回上一步骤;若稳定,结束判断。
可选的,所述事故判断子模块包括:
综合事故分析单元,用于对每个所述路面基本区间单元根据时间戳,本路段宽度配置参数,本路段方向路段位置,对向路段位置,对象路段宽度配置参数构建对应的时空窗;收集时空窗范围内的所述事件判断数据,并按位置,时间排序获取事件集;对所事件集中的两两事件根据时间戳和位置进行分析获取相应的时空相关性;计算每个事件在事件集中的累积相关性;将超过预先配置相关性阈值的事件作为综合事件。
可选的,所述路况判断子模块包括:
状态集单元,用于利用所述综合事件所对应路面基本区间单元内的基本数据,气候数据,车流统计数据,车流个体数据构建状态集S;
动作集单元,用于利用匀速前进、加速通过、减速通过、紧急减速构建动作集A;
概率单元,用于配置设定状态转移概率P;
回报单元,用于分别获取状态集S下动作集A的回报函数R;
累积回报单元,用于利用所述回报函数R迭代获得累积回报函数G;
状态-行为值单元,用于利用贝尔曼最优化原理获取状态-行为值函数;
回报单元,用于利用所述状态-行为函数迭代求解获取不同状态策略的不同回报;
最优回报单元,用于选取最大回报的动作策略作为路况判断数据;
建议生成单元,用于对所述路况判断数据进行文字化处理获取行驶建议。
可选的,所述接收模块,包括:
签名子模块,用于车载设备单元对所述第一目标信息进行签名;
验证子模块,用于获取第一路况数据时,对第一路况数据中的第一目标信心进行签名验证;
值域子检查模块:用于获取第一路况数据时,对第一路况数据进行值域检查。
本发明实施例包括以下优点:
综上所述,本发明实施例提供的一种路况信息获取和处理的方法,获取各目标设备发送的多个维度的第一路况数据,所述第一路况数据由车载设备单元在所述车辆进入高速收费站后车载设备单元发送的第一目标信息、由高速路边的路边设备单元发送的第二目标信息、由外部服务器发送的第三目标信息;根据预设模型对多个所述第一路况数据进行分析,获得各路段的路况判断数据;基于所述路况判断数据,确定对应各个所述车载设备单元的行驶建议信息;将所述行驶建议信息发送给相应的车载设备单元。本发明实施例将车载设备单元、路边设备单元、外部系统采集的路况信息进行处理,得到了实时、可信、准确、合理的行驶建议,可以文字化消息的形式提供给行驶在相关路段上的车辆。
附图说明
图1是本发明—示意性实施例提供的一种路况信息获取和处理的方法的步骤流程图;
图2是本发明—示意性实施例提供的一种路况数据预处理模型方法步骤流程图;
图3是本发明—示意性实施例提供的一种设备数据序列分析模型方法流程图;
图4是本发明—示意性实施例提供的一种综合事件判断分析模型方法流程图;
图5是本发明—示意性实施例提供的一种路况信息获取时,数据传输过程的示意图;
图6是本发明的—示意性实施例提供的一种路况信息获取和处理的装置的结构框图。
具体实施方式
参照图5,在本发明实施例中,路况处理服务器接收来自于路边设备单元,车载设备单元,外部系统的第一路况数据,识别验证后对第一路况数据进行处理得到行驶建议返回给路边设备单元。
实施例一
下面将参照附图更详细地描述本发明的示例性的实施例。虽然附图中显示了本发明的示例性实施例,然而应当理解,可以以各种形式实现本发明而不应被这里阐述的实施例所受限制。相反,提供这些实施例是为了能够更透彻地理解本发明,并且能够将本发明的范围完整的传达给本领域的技术人员。
图1是本发明实施例提供的一种路况信息获取和处理的方法的步骤流程图,该方法可以包括:
步骤101,获取各目标设备发送的多个维度的第一路况数据,所述第一路况数据由车载设备单元在所述车辆进入高速收费站后车载设备单元发送的第一目标信息、由高速路边的路边设备单元发送的第二目标信息、由外部服务器发送的第三目标信息。
步骤102,根据预设模型对多个所述第一路况数据进行分析,获得各路段的路况判断数据。
步骤103,基于所述路况判断数据,确定对应各个所述车载设备单元的行驶建议信息。
步骤104,将所述行驶建议信息发送给相应的车载设备单元。
综上所述,本发明实施例提供的路况信息获取方法,获取各目标设备发送的多个维度的第一路况数据,所述第一路况数据由车载设备单元在所述车辆进入高速收费站后车载设备单元发送的第一目标信息、由高速路边的路边设备单元发送的第二目标信息、由外部服务器发送的第三目标信息;根据预设模型对多个所述第一路况数据进行分析,获得各路段的路况判断数据;基于所述路况判断数据,确定对应各个所述车载设备单元的行驶建议信息;将所述行驶建议信息发送给相应的车载设备单元。本发明实施例将车载设备单元、路边设备单元、外部系统采集的路况信息进行处理,得到了实时、可信、准确、合理的行驶建议,可以文字化消息的形式提供给行驶在相关路段上的车辆。
实施例二
该方法可以包括:
步骤201,获取各目标设备发送的多个维度的第一路况数据,所述第一路况数据由车载设备单元在所述车辆进入高速收费站后车载设备单元发送的第一目标信息、由高速路边的路边设备单元发送的第二目标信息、由外部服务器发送的第三目标信息。
本发明实施例中,安装有车载设备单元OBU(On board Unit车载单元)的车辆通过高速收费站进入高速公路时,开始接收来自于车载设备单元OBU、路边设备单元RSU(RoadSide Unit路边设备单元)、外部系统的第一路况信息。所述外部系统可以为高速呼叫中心、高速客服出行热线、高速气象服务等高速公路暨有基础系统或服务。所述车载设备单元OBU是需要插电的智能车载设备,可接入各类传感设备,可以和车辆CAN(Controller AreaNetwork,控制器局域网络)总线通讯,是与ETC(Electronic Toll Collection电子不停车收费系统)系统中安装在路测与车辆及车载单元OBU进行通讯的装置。所述路边设备单元RSU,ETC系统中安装在路测与车辆及车载单元OBU进行通讯的装置。所述第一路况信息可以包括:车载设备单元采集的时间戳、GPS位置、车速、加速度、碰撞传感器数据、载重数据,路边设备单元采集的如温度、湿度、能见度等气象信息,外部系统采集的事故数据、事故类型、事故严重程度。本发明实施例不要求限制车载设备的物理网络接入方式。
可选的,步骤201可以包括:
步骤2011,车载设备单元对所述第一目标信息进行签名;
步骤2012,获取第一路况数据时,对第一路况数据中的第一目标信心进行签名验证;
步骤2013,获取第一路况数据时,对第一路况数据进行值域检查。
本发明实施例中,安装有车载设备单元OBU的车辆上高速前,可以通过安装ETC收费界面卡或注册管理手段给所述车载设备端分配设备标识ID,安装服务端公钥PlatPubKey,设备单元私钥DevPriKey,并将设备单元私钥DevPubKey发送至服务端,车辆通过收费站进入公路时开始出发车载设备单元上报数据,接收路况信息,服务端对路况信息进行验证并对路况信息的类型和取值进行值域检验。
具体加密过程可以为:
1、车载设备单元创建数据对称加密密钥key0,即车载设备单元中的加密应用通过随机数种子生成key0;
2、加密对称密钥key0,车载设备中的加密模型运用公钥PlatPubKey加密key0得到key1,设备单元私钥DevPriKey对ID+key1的摘要进行计算签名得到sign1;
3、把设备标识ID、key1、sign1发往设备接入网关,通信网络可以是移动通信网络、高速路面网络等网络,协议包括REST协议、WebService协议等;
4、平台解密key1验证签名,车载设备单元接入网关通过设备标识ID和设备公钥DevPriKey验证sign1,利用服务端私钥PlatPriKey解密key1得到key0;
5、在设备密钥缓存中保存当前密钥key0,可以通过内存数据库、非关系型数据库等,以设备ID为Key存放key0。
步骤202,根据预设模型对多个所述第一路况数据进行分析,获得各路段的路况判断数据。
本发明实施例中,将多个所述车辆的所述第一路况数据按照预设模型进行处理,得到数据判断数据、路况判断数据。
可选的,如图2所示,步骤202可以包括:
步骤2031,对所述路况数据中的相应路网路面以100米间隔为单位划分为路面基本区间单元。
本发明实施例中,把整个路网路面以100米间隔为单位划分为一系列路面基本区域单元,路面基本区域单元包括路面GPS经纬度位置、百米桩号、上下行标志、互联互通标志、海拔高度、地形类别、坡度、道路专网半径等基本属性。
步骤2032,对所述路况数据按照设备ID、上报时间戳、数据类型、位置信息进行去重得到第二路况数据。
本发明实施例中,进行设备内数据去重,特别是移动车载设备单元,可能存在数据重复上报的情况,例如网络中断、在接入多个设备接入网关时发生切换等情况容易导致重复上报。服务端先按照设备ID、时间戳、数据类型对上报数据按时间进行排序,去除同ID、同类型、同时间戳的数据。设备间去重,行驶至同一地点的不同车辆的车载设备单元可能上报类同的公共路面数据,通过按数据类型、时间戳、车辆位置对上报数据按空间和时间进行排序,合并同一空间区域的同类型数据。对同一空间区域内的数据统计计算数据均值和方差,排除标准差外数据后,计算均值作为最终值。将去重后的第一路况数据作为第二路况数据。这就使得本发明实施例允许车载设备单元重复上报重要数据,可提高设备在高速行驶中,驾驶信号不加区域下数据上报能力,降低数据分析维护管理难度。
步骤2033,将所述第二路况数据按位置分配给相应所述路面基本区间单元,将所述第二路况数据按照影响范围分配到相应所述路面基本区间单元并对所述路面基本区单元进行更新,得到第三路况数据。
本发明实施例中,把第二路况数据(去重后的设备内数据、设备间数据)按位置分配到相关路面区域,更新路面区域单元状态。路面状态属性包括气温、气压、雨量、风向、风速、相对湿度、地温、能见度、路面温度、路面状况类别等气候属性;以及分车型流量、分车型速度等车流统计属性;以及各车辆车型、车辆载重、经纬度位置、车辆速度、车辆加速度、并线方向、货物标志、车辆故障标志等车流个体属性。进一步把去重后的设备内数据、设备间数据按影响范围分配到相关路面区域,更新路面区域单元状态。从而得到第三路况数据。需要考虑影响分配的设备可以是路面设备(如气象设备)、危险品车辆与设备、养护车辆与设备等。
步骤2034,对所述第三路况数据按照独立设备数据序列分析和综合事故分析判断处理得到所述事故判断数据。
本发明实施例中,所述事件判断分为独立设备数据序列分析和综合事件分析判断。
可选的,步骤2034可以包括:
如图3所示,步骤2034a1,对所述第三路况数据按时间排序;
步骤2034a2,对所述第三路况数据中的各维度数据分别进行差分;
步骤2034a3,判断差分后的序列是否稳定;
步骤2034a4,若不稳定,判断差分次数是否达到三次;若是,则生成事件判断数据;若否,则对差分后的序列再次进行差分,并返回上一步骤;
步骤2034a5,若稳定,结束判断。
在本发明实施例中,所述设备数据序列分析具体步骤:
1、对第三路况信息按时间排序。首先对数据指标型的指标值(v)(如车速、GPS位置、风速、雨量、能见度等)进行一次差分处理。v=dv/dt。
2.判断差分后的序列是否稳定。如果已稳定,没有事件发生,判断结束。
3.如果不稳定,进入下一轮循环进行N+1阶差分处理。
4.如果3阶循环后仍不稳定,生成设备数据异常事件。
可选的,步骤2034可以包括:
如图4所示,步骤2034b1,对每个所述路面基本区间单元根据时间戳,本路段宽度配置参数,本路段方向路段位置,对向路段位置,对象路段宽度配置参数构建对应的时空窗;
步骤2034b2,收集时空窗范围内的所述事件判断数据,并按位置,时间排序获取事件集;
步骤2034b3,对所事件集中的两两事件根据时间戳和位置进行分析获取相应的时空相关性;
步骤2034b4,计算每个事件在事件集中的累积相关性;
步骤2034b5,将超过预先配置相关性阈值的事件作为综合事件。
在本发明实施例中,所述综合事件分析逻辑如下:
1.对每一个路面基本单元(路面基本区间单元)根据其位置构建一个时空窗,时间窗口参数为[currentTime-timespan,currentTime],空间窗口参数为[startPos1-deltaPos1,startPos1+deltaPos1],[startPos2-deltaPos2,startPos2+deltaP os2]。其中currentTime为当前分析时间点,timespan是参数配置的窗口宽度(如600秒);startPos1、startPos2为路面基本区间单元于本方向路段和对向路段的位置,deltaPos1、deltaPos2为参数配置的本方向路段和对向路段的空间窗口宽度。
2.收集时空窗下的事件,如果事件的位置处于空间窗口内、事件的时间点处于时间窗口内,则把该事件纳入待分析的事件集。收集完成后把事件集中的事件按位置、时间排序。
3.对事件集中的事件计算时空相关性。相关性通过计算两两事件间的时空距离L的倒数来表征事件,时空距离计算如下。
其中e1.t,e2.t为事件e1,e2发生的时间,e1.px,e1.py,e2.px,e2.py事件e1,e2发生的米制位置坐标。
步骤2035,路况判断模型对所述第三路况数据进行处理得到所述路况判断数据。
可选的,所述步骤2035可以包括:
步骤20351,利用所述综合事件所对应路面基本区间单元内的基本数据,气候数据,车流统计数据,车流个体数据构建状态集S;
步骤20352利用匀速前进、加速通过、减速通过、紧急减速构建动作集A;
步骤20353,配置设定状态转移概率P;
步骤20354,分别获取状态集S下动作集A的回报函数R;
步骤20355,利用所述回报函数R迭代获得累积回报函数G;
步骤20356,利用贝尔曼最优化原理获取状态-行为值函数;
步骤20357,利用所述状态-行为函数迭代求解获取不同状态策略的不同回报;
步骤20358,选取最大回报的动作策略作为路况判断数据;
步骤20359,对所述路况判断数据进行文字化处理获取行驶建议。
在本发明实施例中,所述路况判断模型是一个MDP(Markow Decision Process马尔可夫决策过程)。MDP可以利用决策元组(S,A,P,R,γ)来描述。S为有限的状态集;A为有限的动作集;P为状态转移概率,R为回报函数,γ为用于计算累积回报的折扣因子;行车策略为状态到动作的映射,我们需要寻找其最优策略。这里采用值迭代方法来计算最优策略,值迭代方法是基于模型的最常见的动态规划方法,其处理逻辑如下:
1、利用路面基本区间单元和隶属于路面基本区间单元内的{基本属性,气候属性,车流统计属性,车流个体属性}来构建状态集S。
2、动作集A={匀速前进、加速通过、减速通过、紧急减速(刹车)}。
3、状态转移概率P可以设计为每个状态下具有均匀的转移概率,如{0.25,0.25,0.25,0.25}。也可以通过配置设定。这个转移概率P的设定是动态规划模型的一部分。
4、状态s下动作a的回报函数设计如下:
其中:r(x,a)为状态值分量x下动作a的收益表,b为路面基本区间单元基本属性分量域,e为路面基本区间单元气象属性分量域,ts为路面基本区间单元基本流量统计属性分量域,ts为路面基本区间单元基本流量个体属性分量域。例如r(急下坡,加速)=-1.0;r(大雪,加速)=-1.0;r(事故,紧急减速)=2.0;r(大货车前方,紧急减速)=2.0;r(大货车后方,紧急减速)=-2.0;r(大货车后方,加速通过)=1.0等等。收益表可以基于常识构建,也可以基于统计学习或机器学习构建。
5、累积回报函数表示为:
t为目标时刻,G为0到n次迭代的累积回报。例如紧急减速下0-600s时间内范围内的累积收益。
6、利用贝尔曼最优性原理得到状态-行为值函数表示为:
利用值函数迭代求解得到不同动作策略的不同回报,进而选取最大回报的动作策略。
本发明实施例,路况判断可以采用内存表缓存机制来提高计算速度,同时便于扩展模型功能。
步骤204,基于所述路况判断数据,确定对应各个所述车载设备单元的行驶建议信息。
在本发明实施例中,通过对所述路况判断数据进行文字化处理,获得对应每个车载设备单元的行驶建议信息。
步骤205,将所述行驶建议信息发送给相应的车载设备单元。
本发明实施例中,向所述车载设备单元发送相应路段的行驶建议,若遇到极端恶劣天气或严重交通事故或节假日高速出行高峰的紧急情况,安检人员可以对路况信息进行人工处理,生成解决指挥调度建议,将指挥调度建议发送给高速交通运维部门。
综上所述,本发明实施例提供的一种路况信息获取和处理的方法,获取各目标设备发送的多个维度的第一路况数据;第一路况数据:由车载设备单元在所述车辆进入高速收费站后车载设备单元发送的第一目标信息、由高速路边的路边设备单元发送的第二目标信息、由外部服务器发送的第三目标信息;根据预设模型对多个所述第一路况数据进行分析,获得各路段的路况判断数据;基于所述路况判断数据,确定对应各个所述车载设备单元的行驶建议信息;将所述行驶建议信息发送给相应的车载设备单元。本发明实施例将车载设备单元、路边设备单元、外部系统采集的路况信息进行处理,得到了实时、可信、准确、合理的行驶建议,可以文字化消息的形式提供给行驶在相关路段上的车辆。
实施例三
参照图6,示出了本发明的一种路况信息获取和处理的装置300实施例的结构框图,该装置300可以包括:
接收模块301,用于获取各目标设备发送的多个维度的第一路况数据,所述第一路况数据由车载设备单元在所述车辆进入高速收费站后车载设备单元发送的第一目标信息、由高速路边的路边设备单元发送的第二目标信息、由外部服务器发送的第三目标信息;
第一数据处理模块302,用于根据预设模型对多个所述第一路况数据进行分析,获得各路段的路况判断数据;
第二数据处理模块303,用于基于所述路况判断数据,确定对应各个所述车载设备单元的行驶建议信息;
发送模块304,用于将所述行驶建议信息发送给相应的车载设备单元。
可选的,所述第一数据处理模块302,包括:
路面划分子模块3021,用于对所述第一路况数据中的相应路网路面以100米间隔为单位划分为路面基本区间单元;
数据去重子模块3022,用于对所述第一路况数据按照设备ID、上报时间戳、数据类型、位置信息进行设备内去重和/或设备间去重,得到第二路况数据;
数据分配子模块3023,用于将所述第二路况数据按位置分配给相应所述路面基本区间单元,将所述第二路况数据按照影响范围分配到相应所述路面基本区间单元并对所述路面基本区单元进行更新,得到第三路况数据。
事故判断子模块3024,用于对所述第三路况数据按照独立设备数据序列分析和综合事故分析判断处理得到所述事故判断数据;
路况判断子模块3025,用于路况判断模型对所述事件判断数据进行处理得到所述路况判断数据。
可选的,所述事故判断子模块3024包括:
设备数据分析单元3024a,用于对所述第三路况数据按时间排序;对所述第三路况数据中的各维度数据分别进行差分;判断差分后的序列是否稳定;若不稳定,判断差分次数是否达到三次;若是,则生成事件判断数据;若否,则对差分后的序列再次进行差分,并返回上一步骤;若稳定,结束判断。
可选的,所述事故判断子模块包括:
综合事故分析单元3024b,用于对每个所述路面基本区间单元根据时间戳,本路段宽度配置参数,本路段方向路段位置,对向路段位置,对象路段宽度配置参数构建对应的时空窗;收集时空窗范围内的所述事件判断数据,并按位置,时间排序获取事件集;对所事件集中的两两事件根据时间戳和位置进行分析获取相应的时空相关性;计算每个事件在事件集中的累积相关性;将超过预先配置相关性阈值的事件作为综合事件。
可选的,所述路况判断子模块3025包括:
状态集单元30251,用于利用所述综合事件所对应路面基本区间单元内的基本数据,气候数据,车流统计数据,车流个体数据构建状态集S;
动作集单元30252,用于利用匀速前进、加速通过、减速通过、紧急减速构建动作集A;
概率单元30253,用于配置设定状态转移概率P;
回报子模块30254,用于分别获取状态集S下动作集A的回报函数R;
累积回报单元30255,用于利用所述回报函数R迭代获得累积回报函数G;
状态-行为值单元30256,用于利用贝尔曼最优化原理获取状态-行为值函数;
回报单元30257,用于利用所述状态-行为函数迭代求解获取不同状态策略的不同回报;
最优回报单元30258,用于选取最大回报的动作策略作为路况判断数据;
建议生成单元30259,用于对所述路况判断数据进行文字化处理获取行驶建议。
可选的,所述接收模块301,包括:
签名子模块3011,用于车载设备单元对所述第一目标信息进行签名;
验证子模块3012,用于获取第一路况数据时,对第一路况数据中的第一目标信心进行签名验证;
值域子检查模块3013:用于获取第一路况数据时,对第一路况数据进行值域检查。
综上所述,本发明实施例提供的一种路况信息获取和处理的方法,获取各目标设备发送的多个维度的第一路况数据;第一路况数据:由车载设备单元在所述车辆进入高速收费站后车载设备单元发送的第一目标信息、由高速路边的路边设备单元发送的第二目标信息、由外部服务器发送的第三目标信息;根据预设模型对多个所述第一路况数据进行分析,获得各路段的路况判断数据;基于所述路况判断数据,确定对应各个所述车载设备单元的行驶建议信息;将所述行驶建议信息发送给相应的车载设备单元。本发明实施例将车载设备单元、路边设备单元、外部系统采集的路况信息进行处理,得到了实时、可信、准确、合理的行驶建议,可以文字化消息的形式提供给行驶在相关路段上的车辆。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的装置和模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本发明的其它实施方案。本申请旨在涵盖本发明的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本发明未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本发明的真正范围和精神由权利要求指出。
应当理解的是,本发明并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制。
Claims (10)
1.一种路况信息获取和处理的方法,其特征在于,包括:
获取各目标设备发送的多个维度的第一路况数据,所述第一路况数据由车载设备单元在所述车辆进入高速收费站后车载设备单元发送的第一目标信息、由高速路边的路边设备单元发送的第二目标信息、由外部服务器发送的第三目标信息;
根据预设模型对多个所述第一路况数据进行分析,获得各路段的路况判断数据;
基于所述路况判断数据,确定对应各个所述车载设备单元的行驶建议信息;
将所述行驶建议信息发送给相应的车载设备单元。
2.根据权利要求1所述的方法,其特征在于,根据预设模型对多个所述第一路况数据进行分析,获得各路段的路况判断数据,包括:
对所述第一路况数据中的相应路网路面以100米间隔为单位划分为路面基本区间单元;
对所述第一路况数据按照设备ID、上报时间戳、数据类型、位置信息进行设备内去重和/或设备间去重,得到第二路况数据;
将所述第二路况数据按位置分配给相应所述路面基本区间单元,将所述第二路况数据按照影响范围分配到相应所述路面基本区间单元并对所述路面基本区单元进行更新,得到第三路况数据;
对所述第三路况数据按照独立设备数据序列分析和综合事故分析判断处理得到所述事故判断数据;
路况判断模型对事件判断数据进行处理得到所述路况判断数据。
3.根据权利要求2所述的方法,其特征在于,对所述第三路况数据按照独立设备数据序列分析和综合事故分析判断处理得到所述事故判断数据,包括:
所述独立设备数据序列分析包括:
对所述第三路况数据按时间排序;
对所述第三路况数据中的各维度数据分别进行差分;
判断差分后的序列是否稳定;
若不稳定,判断差分次数是否达到三次;若是,则生成事件判断数据;若否,则对差分后的序列再次进行差分,并返回上一步骤;
若稳定,结束判断;
所述综合事故分析判断,包括:
对每个所述路面基本区间单元根据时间戳,本路段宽度配置参数,本路段方向路段位置,对向路段位置,对象路段宽度配置参数构建对应的时空窗;
收集时空窗范围内的所述事件判断数据,并按位置,时间排序获取事件集;
对所事件集中的两两事件根据时间戳和位置进行分析获取相应的时空相关性;
计算每个事件在事件集中的累积相关性;
将超过预先配置相关性阈值的事件作为综合事件。
4.根据权利要求2所述的方法,其特征在于,所述路况判断模型对事件判断数据进行处理得到所述路况判断数据,包括:
利用所述综合事件所对应路面基本区间单元内的基本数据,气候数据,车流统计数据,车流个体数据构建状态集S;
利用匀速前进、加速通过、减速通过、紧急减速构建动作集A;
配置设定状态转移概率P;
分别获取状态集S下动作集A的回报函数R;
利用所述回报函数R迭代获得累积回报函数G;
利用贝尔曼最优化原理获取状态-行为值函数;
利用所述状态-行为函数迭代求解获取不同状态策略的不同回报;
选取最大回报的动作策略作为路况判断数据;
对所述路况判断数据进行文字化处理获取行驶建议。
5.根据权利要求1所述的方法,所述获取各目标设备发送的多个维度的第一路况数据;第一路况数据:由车载设备单元在所述车辆进入高速收费站后车载设备单元发送的第一目标信息、由高速路边的路边设备单元发送的第二目标信息、由外部服务器发送的第三目标信息,包括:
车载设备单元对所述第一目标信息进行签名;
获取第一路况数据时,对第一路况数据中的第一目标信心进行签名验证;
获取第一路况数据时,对第一路况数据进行值域检查。
6.一种路况信息获取和处理的装置,其特征在于,包括:
接收模块,用于获取各目标设备发送的多个维度的第一路况数据;第一路况数据:由车载设备单元在所述车辆进入高速收费站后车载设备单元发送的第一目标信息、由高速路边的路边设备单元发送的第二目标信息、由外部服务器发送的第三目标信息;
第一数据处理模块,用于根据预设模型对多个所述第一路况数据进行分析,获得各路段的路况判断数据;
第二数据处理模块,用于基于所述路况判断数据,确定对应各个所述车载设备单元的行驶建议信息;
发送模块,用于将所述行驶建议信息发送给相应的车载设备单元。
7.根据权利要求6所述的装置,其特征在于,所述第一数据处理模块,包括:
路面划分子模块,用于对所述第一路况数据中的相应路网路面以100米间隔为单位划分为路面基本区间单元;
数据去重子模块,用于对所述第一路况数据按照设备ID、上报时间戳、数据类型、位置信息进行设备内去重和/或设备间去重,得到第二路况数据;
数据分配子模块,用于将所述第二路况数据按位置分配给相应所述路面基本区间单元,将所述第二路况数据按照影响范围分配到相应所述路面基本区间单元并对所述路面基本区单元进行更新,得到第三路况数据;
事故判断子模块,用于对所述第三路况数据按照独立设备数据序列分析和综合事故分析判断处理得到所述事故判断数据;
路况判断子模块,用于路况判断模型对所述事件判断数据进行处理得到所述路况判断数据。
8.根据权利要求7所述的装置,其特征在于,所述事故判断子模块包括:
设备数据分析单元,用于对所述第三路况数据按时间排序;对所述第三路况数据中的各维度数据分别进行差分;判断差分后的序列是否稳定;若不稳定,判断差分次数是否达到三次;若是,则生成事件判断数据;若否,则对差分后的序列再次进行差分,并返回上一步骤;若稳定,结束判断。
综合事故分析单元,用于对每个所述路面基本区间单元根据时间戳,本路段宽度配置参数,本路段方向路段位置,对向路段位置,对象路段宽度配置参数构建对应的时空窗;收集时空窗范围内的所述事件判断数据,并按位置,时间排序获取事件集;对所事件集中的两两事件根据时间戳和位置进行分析获取相应的时空相关性;计算每个事件在事件集中的累积相关性;将超过预先配置相关性阈值的事件作为综合事件。
9.根据权利要求7所述的装置,其特征在于,所述路况判断子模块包括:
状态集单元,用于利用所述综合事件所对应路面基本区间单元内的基本数据,气候数据,车流统计数据,车流个体数据构建状态集S;
动作集单元,用于利用匀速前进、加速通过、减速通过、紧急减速构建动作集A;
概率单元,用于配置设定状态转移概率P;
回报单元,用于分别获取状态集S下动作集A的回报函数R;
累积回报单元,用于利用所述回报函数R迭代获得累积回报函数G;
状态-行为值单元,用于利用贝尔曼最优化原理获取状态-行为值函数;
回报单元,用于利用所述状态-行为函数迭代求解获取不同状态策略的不同回报;
最优回报单元,用于选取最大回报的动作策略作为路况判断数据;
建议生成单元,用于对所述路况判断数据进行文字化处理获取行驶建议。
10.根据权利要求6所述的装置,所述接收模块,包括:
签名子模块,用于车载设备单元对所述第一目标信息进行签名;
验证子模块,用于获取第一路况数据时,对第一路况数据中的第一目标信心进行签名验证;
值域子检查模块:用于获取第一路况数据时,对第一路况数据进行值域检查。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811605057.9A CN109658693B (zh) | 2018-12-26 | 2018-12-26 | 一种路况信息获取和处理的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811605057.9A CN109658693B (zh) | 2018-12-26 | 2018-12-26 | 一种路况信息获取和处理的方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109658693A true CN109658693A (zh) | 2019-04-19 |
CN109658693B CN109658693B (zh) | 2021-06-18 |
Family
ID=66116531
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811605057.9A Active CN109658693B (zh) | 2018-12-26 | 2018-12-26 | 一种路况信息获取和处理的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109658693B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110428629A (zh) * | 2019-09-03 | 2019-11-08 | 浙江创研信息技术有限公司 | 一种基于智能路测设备的道路状况探测方法 |
CN113380030A (zh) * | 2021-06-03 | 2021-09-10 | 大连海事大学 | 一种基于etc技术的城市交通数据采集方法、系统及存储介质 |
WO2021189767A1 (zh) * | 2020-03-27 | 2021-09-30 | 惠州市德赛西威智能交通技术研究院有限公司 | 一种基于v2x的多目标处理方法 |
CN114648137A (zh) * | 2022-04-01 | 2022-06-21 | 河南高速公路试验检测有限公司 | 一种自动识别补充数据的方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1967524A (zh) * | 2005-11-15 | 2007-05-23 | 日电(中国)有限公司 | 路况信息收集和查询系统及其方法 |
CN104751669A (zh) * | 2015-03-20 | 2015-07-01 | 江苏大学 | 一种基于车联网的智能驾驶辅助系统及方法 |
CN106652445A (zh) * | 2016-11-15 | 2017-05-10 | 成都通甲优博科技有限责任公司 | 一种公路交通事故判别方法及装置 |
CN206378893U (zh) * | 2016-12-30 | 2017-08-04 | 安徽理工大学 | 一种基于物联网和大数据的道路状况实时及预测查询系统 |
CN108257380A (zh) * | 2017-12-05 | 2018-07-06 | 北京掌行通信息技术有限公司 | 一种基于路况信息检测拥堵事件的方法及系统 |
CN108447291A (zh) * | 2018-04-03 | 2018-08-24 | 南京锦和佳鑫信息科技有限公司 | 一种智能道路设施系统及控制方法 |
CN109067525A (zh) * | 2018-08-01 | 2018-12-21 | 安徽大学 | 车联网中基于半可信管理中心的消息认证方法 |
-
2018
- 2018-12-26 CN CN201811605057.9A patent/CN109658693B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1967524A (zh) * | 2005-11-15 | 2007-05-23 | 日电(中国)有限公司 | 路况信息收集和查询系统及其方法 |
CN104751669A (zh) * | 2015-03-20 | 2015-07-01 | 江苏大学 | 一种基于车联网的智能驾驶辅助系统及方法 |
CN106652445A (zh) * | 2016-11-15 | 2017-05-10 | 成都通甲优博科技有限责任公司 | 一种公路交通事故判别方法及装置 |
CN206378893U (zh) * | 2016-12-30 | 2017-08-04 | 安徽理工大学 | 一种基于物联网和大数据的道路状况实时及预测查询系统 |
CN108257380A (zh) * | 2017-12-05 | 2018-07-06 | 北京掌行通信息技术有限公司 | 一种基于路况信息检测拥堵事件的方法及系统 |
CN108447291A (zh) * | 2018-04-03 | 2018-08-24 | 南京锦和佳鑫信息科技有限公司 | 一种智能道路设施系统及控制方法 |
CN109067525A (zh) * | 2018-08-01 | 2018-12-21 | 安徽大学 | 车联网中基于半可信管理中心的消息认证方法 |
Non-Patent Citations (2)
Title |
---|
YANG GUAN 等: "Markov probabilistic decision making of self-driving cars in highway with random traffic flow: a simulation study", 《JOURNAL OF INTELLIGENT AND CONNECTED VEHICLES》 * |
吴器雄: "基于移动互联网的高速公路交通信息服务系统", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110428629A (zh) * | 2019-09-03 | 2019-11-08 | 浙江创研信息技术有限公司 | 一种基于智能路测设备的道路状况探测方法 |
WO2021189767A1 (zh) * | 2020-03-27 | 2021-09-30 | 惠州市德赛西威智能交通技术研究院有限公司 | 一种基于v2x的多目标处理方法 |
CN113380030A (zh) * | 2021-06-03 | 2021-09-10 | 大连海事大学 | 一种基于etc技术的城市交通数据采集方法、系统及存储介质 |
CN114648137A (zh) * | 2022-04-01 | 2022-06-21 | 河南高速公路试验检测有限公司 | 一种自动识别补充数据的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109658693B (zh) | 2021-06-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109658693A (zh) | 一种路况信息获取和处理的方法及装置 | |
Shi et al. | Big data applications in real-time traffic operation and safety monitoring and improvement on urban expressways | |
CN109952592B (zh) | 自动位置相关测量和预测汽车风险的绝对和相对风险系统和方法 | |
De Fabritiis et al. | Traffic estimation and prediction based on real time floating car data | |
Ahmed et al. | The viability of using automatic vehicle identification data for real-time crash prediction | |
CN102231231A (zh) | 区域公路网交通安全态势预警系统及其方法 | |
CN102136190A (zh) | 城市公交客运事件应急响应调度管理系统及方法 | |
CN105869402B (zh) | 基于多类型浮动车数据的高速公路路段速度修正方法 | |
CN103903438A (zh) | 客运车辆违规停车地点识别方法及系统 | |
Song et al. | Exploring pedestrian injury severities at pedestrian-vehicle crash hotspots with an annual upward trend: A spatiotemporal analysis with latent class random parameter approach | |
Zhang et al. | Real-time crash potential prediction on freeways using connected vehicle data | |
Ozbay et al. | Big data and the calibration and validation of traffic simulation models | |
CN116434523A (zh) | 信息感知场景下基于约束度的车辆主动安全管控方法及装置 | |
Loo et al. | Using computer vision and machine learning to identify bus safety risk factors | |
Kim | Assessment of vehicle-to-vehicle communication based applications in an urban network | |
Montero et al. | Case study on cooperative car data for estimating traffic states in an urban network | |
Nigam et al. | Impact of rainfall and waterlogging on traffic stream variables in developing countries | |
Tang | Do speed cameras save lives? | |
Fazekas et al. | Driver behaviour, truck motion and dangerous road locations–Unfolding from emergency braking data | |
Ebner et al. | Identifying and analyzing reference scenarios for the development and evaluation of active safety: application to preventive pedestrian safety | |
Billot et al. | Can C-ITS lead to the emergence of Traffic Management 2.0? | |
Auberlet et al. | Data collection techniques | |
Han et al. | The road regional hazard level evaluation method based on ising model | |
Wang | Real‐Time Evaluation Method of Vehicle Conflict Risk on Urban Expressway Based on Smartphone GPS Data | |
Wang et al. | Traffic Risk Assessment Based on Warning Data |
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 |