CN110197583B - 一种道路路况的识别方法、装置及存储介质 - Google Patents
一种道路路况的识别方法、装置及存储介质 Download PDFInfo
- Publication number
- CN110197583B CN110197583B CN201810415542.3A CN201810415542A CN110197583B CN 110197583 B CN110197583 B CN 110197583B CN 201810415542 A CN201810415542 A CN 201810415542A CN 110197583 B CN110197583 B CN 110197583B
- Authority
- CN
- China
- Prior art keywords
- speed
- road
- time window
- time
- identified
- 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.)
- Active
Links
Images
Classifications
-
- 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
-
- 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
- G08G1/0125—Traffic data processing
-
- 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
- G08G1/052—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及电子地图技术领域,公开了一种道路路况的识别方法、装置及存储介质,用于提高道路路况识别的准确度。所述道路路况的识别方法,包括:获取待识别道路的多个速度样本的速度;根据所述多个速度样本的速度跟随时间变化的速度变化特征,确定所述待识别道路上的车辆速度变化趋势为稳定状态时,则根据所述多个速度样本中最后获取的至少一个速度样本的速度确定所述待识别道路的路况。本发明还公开了道路路况的识别装置及存储介质。本发明在车辆速度变化趋势为稳定状态时,提高了道路路况识别的准确度。
Description
技术领域
本发明涉及电子地图技术领域,尤其涉及一种道路路况的识别方法、装置及存储介质。
背景技术
随着社会的发展,人们生活水平的提高,驾车出行已经成为人们主要的交通出行方式之一,加之网络技术的发展,电子地图技术也随之得到发展应用。为了减轻交通拥堵,节省驾车人出行时间,电子地图中的道路路况识别技术应运而生,利用道路路况识别技术,能够为用户提供各道路相关的拥堵状况,以便用户对行驶路线进行规划,从而提高整个道路的通行能力,对于提高交通效率,节约各种社会资源都有重要意义。
电子地图技术的应用越来越广泛,人们出行时对电子地图的依赖度越来越高,如何提高道路路况识别的准确度从而提高道路的通行能力是一个需要考虑的技术问题之一。
发明内容
本发明实施例提供一种道路路况的识别方法、装置及存储介质,用于提高道路路况识别的准确度,进而提高道路的通行能力。
第一方面,本发明实施例提供的一种道路路况的识别方法,包括:
获取待识别道路的多个速度样本的速度;
根据所述多个速度样本的速度跟随时间变化的速度变化特征,确定所述待识别道路上的车辆速度变化趋势为稳定状态时,则根据所述多个速度样本中最后获取的至少一个速度样本的速度确定所述待识别道路的路况。
本发明实施例提供的道路路况识别方法,首先获取的待识别道路上的多个速度样本的速度,然后利用多个速度样本的速度变化特征,来确定待识别道路上的车辆速度变化趋势是否为稳定状态,进而在确定待识别道路上的车辆速度变化趋势为稳定状态时,根据所述多个速度样本中最后获取的至少一个速度样本的速度确定所述待识别道路的路况,由于车辆速度变化趋势为稳定状态时,越是最近获取的一个或者几个速度样本越能反应道路的当前状态,因此采用最后获取的至少一个速度样本的速度确定所述待识别道路的路况,可以提高道路路况识别的准确度。
如何识别道路上的车辆速度变化趋势是否为稳定状态的方法很多,可选的,所述根据所述多个速度样本的速度跟随时间变化的速度变化特征,确定所述待识别道路上的车辆速度变化趋势为稳定状态,具体包括:
所述多个速度样本的速度中,最大值和最小值的差值在第一阈值内,则确定所述待识别道路上的车辆速度变化趋势为稳定状态。
上述可选的方案,描述了本发明实施例可以具体通过所有速度样本的速度变化不大,即在一定范围内变化来判断,可以设定第一阈值作为判断标准,速度的最大值与最小值的差值在第一阈值内时则确定待识别道路的速度跟随时间变化的趋势为稳定状态。
另一种可选方案中,所述根据所述多个速度样本的速度跟随时间变化的速度变化特征,确定所述待识别道路上的车辆速度变化趋势为稳定状态,具体包括:
根据所述多个速度样本的获取时间从先到后的顺序,将所述多个速度样本的速度进行分组,共获得多个样本分组,其中,每个样本分组包括至少两个速度;
分别确定每个样本分组中最大的速度与最小的速度的速度差值,当所有样本分组中的速度差值大于第二阈值的样本分组数目占所述多个样本分组的总数目的比例小于第一预设比例时,确定所述待识别道路上的车辆速度变化趋势为稳定状态。
上述可选的方案,充分考虑若待识别道路上的车辆速度随时间变化的趋势趋于稳定状态,短时间内车辆速度的变化量应当处于一个合适的区间内这一因素,因此按照获取时间的先后顺序将多个速度样本的速度细化为多个分组,如果所有分组中,速度变化在超出一定范围内分组数目所占的比例在一定范围内,说明道路整体状态基本稳定,据此可以确定待识别道路的速度跟随时间变化的趋势为稳定状态。即:确定每一个分组中速度的最大值与最小值之差大于阈值的分组数目占分组总数的比例小于第一预设比例,进而来确定待识别道路的速度跟随时间变化的趋势为稳定状态时,根据待识别道路上最新的一个或者几个速度样本的速度来识别道路的路况,进一步提升了道路路况识别的准确度。
再一种可选方案中,可以根据多个速度样本形成的速度曲线来确定所述待识别道路上的车辆速度变化趋势是否为稳定状态,具体的,所述根据所述多个速度样本中最后获取的至少一个速度样本的速度确定所述待识别道路的路况,具体包括:
根据所述多个速度样本的速度生成用于表征所述待识别道路上的车辆速度跟随时间变化的速度曲线;
在所述速度曲线中,获取包含最后获取的至少一个速度样本的速度的目标时间窗;
确定所述目标时间窗的速度跟随时间变化的目标斜率的特征;
所述目标时间窗中,当所有速度的速度变化特征与所述目标斜率的特征匹配的速度数目占所述目标时间窗中的速度的总数的比例大于第二预设比例时,则根据所述多个速度样本中最后获取的至少一个速度样本的速度确定所述待识别道路的路况。
上述可选的方案,充分利用在待识别道路上的车辆速度随时间变化的整体趋势趋于稳定状态的情况下,若最新一段时间内的速度也具有明显的变化趋势,那么,采用最后获取的至少一个速度样本的速度确定所述待识别道路的路况,能进一步提高道路路况识别的准确度。因此,可以进一步通过判断包括最新一段时间的速度样本的速度的目标时间窗中,符合目标时间窗的斜率特征的速度占目标时间窗中所有速度的比例大于第二预设比例的方式,来确定待识别道路上的最新的一段时间内车辆的速度具有明显的变化趋势,然后利用最能反映待识别道路目前路况的最新时刻对应的一个或多个速度来确定待识别道路的路况,从而进一步提升道路路况识别的准确度。
可选的,从所述目标时间窗中,所述所有速度的速度变化特征与所述斜率特征匹配的速度数目占所述目标时间窗中的速度的总数的比例大于第二预设比例,具体包括:
根据所述目标时间窗中的速度,生成多元组集合,所述多元组集合中的每个子集包括所述目标时间窗中相邻的多个速度;
确定所述多元组集合中符合所述斜率特征的子集占所述多元组集合的比例大于第二预设比例。
可选的,所述根据所述多个速度样本的获取时间从先到后的顺序,将所述多个速度样本的速度进行分组,共获得多个样本分组,具体包括:
将所述速度曲线按照预设时长划分为多个时间段,以及将所述多个时间段中的每相邻的至少两个时间段划分为一个时间窗,共划分为多个时间窗,其中,每个时间窗包含的速度为一个样本分组;或者,
在所述速度曲线的时间轴上,滑动预设时间窗,确定每滑动一次后预设时间窗包含的速度为一个样本分组,根据相邻的至少一个样本分组生成时间窗,共生成多个时间窗,其中,预设时间窗每次滑动的速度的个数大于等于1。
可选的,所述在所述速度曲线中,获取包含最后获取的至少一个速度样本的速度的目标时间窗,具体包括:
从所述多个时间窗中,确定包含最后获取的至少一个速度样本的速度的候选时间窗;
按照预设的时间增量,扩展所述候选时间窗,每扩展一次,则比较扩展后的候选时间窗的新残差平方均值与扩展前的候选时间窗的前次残差平方均值,直到所述新残差平方均值大于所述前次残差平方均值时,确定所述前次残差平方均值对应的候选时间窗为目标时间窗。
可选的,所述根据所述多个速度样本中最后获取的至少一个速度样本的速度确定所述待识别道路的路况,具体包括:
确定所述目标斜率是否大于预设斜率,若是,则根据所述多个速度样本中最后获取的至少一个速度样本的速度确定所述待识别道路的路况。
上述可选的方式,描述了本发明实施例对于车辆速度随时间变化的整体趋势稳定,且速度变化速率很快的应用场景,最新时刻对应的速度最能反映待识别道路目前的路况,因此,更适合采用最新时刻对应的一个或多个速度来确定待识别道路的目前的路况,所以,能进一步提升道路路况识别的准确度。
可选的,所述确定所述目标时间窗的速度随时间变化的目标斜率的特征,具体包括:
对所述目标时间窗中的速度进行线性拟合,获得所述目标斜率;
确定所述目标斜率的斜率特征。
可选的,若根据所述多个速度样本的速度跟随时间变化的速度变化特征,确定所述待识别道路上的车辆速度变化趋势为不稳定状态时,所述方法还包括:
确定所述多个速度样本的速度的均值,并根据所述均值确定所述待识别道路的路况。
第二方面,本发明实施例提供了一种道路路况的识别装置,包括:
获取单元,用于获取待识别道路的多个速度样本的速度;
第一确定单元,用于根据所述多个速度样本的速度跟随时间变化的速度变化特征,确定所述待识别道路上的车辆速度变化趋势为稳定状态时,则根据所述多个速度样本中最后获取的至少一个速度样本的速度确定所述待识别道路的路况。
可选的,所述第一确定单元,还用于:
所述多个速度样本的速度中,最大值和最小值的差值在第一阈值内,则确定所述待识别道路上的车辆速度变化趋势为稳定状态。
可选的,所述第一确定单元,还用于:
根据所述多个速度样本的获取时间从先到后的顺序,将所述多个速度样本的速度进行分组,共获得多个样本分组,其中,每个样本分组包括至少两个速度;
分别确定每个样本分组中最大的速度与最小的速度的速度差值,当所有样本分组中的速度差值大于第二阈值的样本分组数目占所述多个样本分组的总数目的比例小于第一预设比例时,确定所述待识别道路上的车辆速度变化趋势为稳定状态。
可选的,所述第一确定单元,还用于:
根据所述多个速度样本的速度生成用于表征所述待识别道路上的车辆速度跟随时间变化的速度曲线;
在所述速度曲线中,获取包含最后获取的至少一个速度样本的速度的目标时间窗;
确定所述目标时间窗的速度跟随时间变化的目标斜率的特征;
所述目标时间窗中,当所有速度的速度变化特征与所述目标斜率的特征匹配的速度数目占所述目标时间窗中的速度的总数的比例大于第二预设比例时,则根据所述多个速度样本中最后获取的至少一个速度样本的速度确定所述待识别道路的路况。
可选的,所述第一确定单元,还用于:
根据所述目标时间窗中的速度,生成多元组集合,所述多元组集合中的每个子集包括所述目标时间窗中相邻的多个速度;
确定所述多元组集合中符合所述斜率特征的子集占所述多元组集合的比例大于第二预设比例。
可选的,所述第一确定单元,还用于:
将所述速度曲线按照预设时长划分为多个时间段,以及将所述多个时间段中的每相邻的至少两个时间段划分为一个时间窗,共划分为多个时间窗,其中,每个时间窗包含的速度为一个样本分组;或者,
在所述速度曲线的时间轴上,滑动预设时间窗,确定每滑动一次后预设时间窗包含的速度为一个样本分组,根据相邻的至少一个样本分组生成时间窗,共生成多个时间窗,其中,预设时间窗每次滑动的速度的个数大于等于1。
可选的,所述第一确定单元,还用于:
从所述多个时间窗中,确定包含最后获取的至少一个速度样本的速度的候选时间窗;
按照预设的时间增量,扩展所述候选时间窗,每扩展一次,则比较扩展后的候选时间窗的新残差平方均值与扩展前的候选时间窗的前次残差平方均值,直到所述新残差平方均值大于所述前次残差平方均值时,确定所述前次残差平方均值对应的候选时间窗为目标时间窗。
可选的,所述第一确定单元,还用于:
确定所述目标斜率是否大于预设斜率,若是,则根据所述多个速度样本中最后获取的至少一个速度样本的速度确定所述待识别道路的路况。
可选的,所述第一确定单元,还用于:
对所述目标时间窗中的速度进行线性拟合,获得所述目标斜率;
确定所述目标斜率的斜率特征。
可选的,还包括:
第二确定单元,用于确定所述多个速度样本的速度的均值,并根据所述均值确定所述待识别道路的路况。
第三方面,本发明实施例提供了一种计算装置,包括至少一个处理器、以及至少一个存储器,其中,所述存储器存储有计算机程序,当所述程序被所述处理器执行时,使得所述处理器执行如上述第一方面所述方法的步骤。
第四方面,本发明实施例提供了一种计算机可读介质,其存储有可由终端设备执行的计算机程序,当所述程序在终端设备上运行时,使得所述终端设备执行如上述第一方面所述方法的步骤。
本发明实施例中提供的一种道路路况的识别方法,充分考虑到道路路况比较稳定时,越是最新时段获得的速度样本越能反应道路的当前状态这一因素,进而在获得多个速度样本的速度后,根据多个速度样本的速度变化特征确定所述待识别道路上的车辆速度变化趋势为稳定状态时,根据速度样本中最新时刻对应的一个或者几个速度样本的速度来识别待识别道路的路况,从而提升了道路路况识别的准确度,同时也使得道路路况识别方案具有多样性。
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,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例。
图1为本发明实施例提供的一种应用场景示意图;
图2为本发明实施例提供的另一种应用场景示意图;
图3为本发明实施例提供的道路路况识别方法的流程图;
图4a为本发明实施例提供的一种确定车辆速度变化趋势的流程图;
图4b为本发明实施例提供的另一种确定车辆速度变化趋势的流程图;
图5为本发明实施例提供的速度曲线示意图;
图6a为本发明实施例提供的一种时间窗划分示意图;
图6b为本发明实施例提供的另一种时间窗划分示意图;
图7为本发明实施例提供的确定目标时间窗中车辆速度变化趋势的流程图;
图8为本发明实施例提供的确定目标时间窗的流程图;
图9为本发明实施例提供的时间窗扩展示意图;
图10为本发明实施例提供的确定斜率的流程图;
图11为本发明实施例提供的确定目标时间窗中乱序的流程图;
图12a-12b为本发明实施例提供实时路况应用场景示意图;
图13为本发明实施例提供的一种道路路况识别装置示意图;
图14为本发明实施例提供的一种计算机装置示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明技术方案的一部分实施例,而不是全部的实施例。基于本申请文件中记载的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明技术方案保护的范围。
为了便于理解,下面对本发明实施例中涉及的名词进行解释:
完走率:车辆行驶完某个路段的长度占该路段整个长度的比例。通常,走完率的取值范围为(0,1],例如,当车辆已经完整行驶经过了某个路段时,该车辆在该路段的完走率就为1;当车辆仅行驶了某个路段的一半路程时,该车辆在该路段的完走率就为0.5。
速度样本:一辆车行驶经过某个路段的行为构成一个速度样本,一个速度样本的核心属性是:车辆行驶经过路段的平均速度,该平均速度通常简称为速度,以下内容中提到平均速度时,均使用简称。速度样本还可以包含其他属性,例如:完走率、车辆类型、车辆进入路段的进入时刻、车辆离开路段的离开速度等等。
道路路况:又可称为路况状态,是针对某个时间段内、某个路段上车辆行驶的拥堵程度的离散化表示。道路路况通常划分为:畅通、缓行、拥堵三个等级,当然还可以划分为:畅通、缓行、拥堵、严重拥堵四个等级。
路况趋势:是指路况状态随时间变化的规律。例如:在夜间或中午时段,路况较为稳定,不存在明显的趋势,而在即将进入早晚高峰的时段里,路况则呈现明显的越来越拥堵的趋势。
在实践过程中,发明人发现,现有的道路路况识别技术,主要通过对一定时间段内道路上的历史路况数据进行加权取平均的方式来对道路路况进行识别,然而,由于突发因素对道路状态的影响比较大,例如,待识别道路在时间段10分钟内的前8分钟的速度样本的速度较高,后2分钟由于突发事故导致道路拥堵,速度快速下降,那么,这种利用历史路况数据进行加权取平均以识别路况的方式就会存在识别不够准确的问题,因此,需要更为准确的道路路况识别方案,以提升道路路况识别的准确度。
为此,本发明发明人考虑到道路路况比较稳定时,越是最新时段获得的速度样本越能反应道路的当前状态,因此用最新的一个或者几个速度样本对道路状态进行识别会更加准确。基于此,本发明实施例提供一种道路路况的识别方法,该方法需要判断道路路况是否处于稳定状态,具体可以通过待识别道路的多个速度样本进行判断,如根据多个速度样本确定所述待识别道路上的车辆速度变化趋势为稳定状态,则根据最后的一个或者几个速度样本来识别待识别道路的路况。
本发明实施例中的道路路况的识别方法可以应用于如图1所示的应用场景,在该应用场景中包括服务器10,在待识别道路上行驶的多个车辆11以及终端设备12,其中,车辆11中设置了能够对车辆进行定位的定位装置,这样的定位装置如GPS定位芯片,服务器10通过网络分别与车辆11、终端设备12通信,网络可以为局域网、广域网或移动互联网等通信网络中的任意一种;服务器10可以是一台服务器,也可以是若干台服务器组成的服务器集群或云计算中心;终端设备12可以为台式计算机、便携式计算机、智能手机、平板电脑等。
当车辆11在待识别道路上行驶时,车辆11内的定位装置会周期性的将车辆11的行驶轨迹数据通过网络上报到服务器10,服务器10根据接收到的车辆11的行驶轨迹数据,能够计算出该车辆11经过待识别道路产生的速度样本,也即计算单车速度样本。计算出的该车辆的速度样本可以包括该车辆11在待识别道路上行驶的速度,还可以包括完走率、车辆11进入待识别道路的进入时刻、车辆11离开待识别道路的离开时刻、车辆类型等参数。
服务器10还可以针对待识别道路,收集一定时间段内经过待识别道路的所有车辆的定位装置上报的行驶轨迹数据,进而通过计算获得该一定时间段内经过待识别道路上的所有车辆的速度样本,服务器10还可以对所有车辆的速度样本进行进一步的处理,如对所有车辆的速度样本中的异常速度样本进行过滤,在具体实践过程中,可以基于完走率对所有车辆的速度样本中的异常速度样本进行过滤,如可预先设置一个完走率阈值,将所有速度样本中的完走率低于完走率阈值的异常速度样本除去;也可以基于车辆离开待识别道路的离开时刻对所有车辆的速度样本中的异常速度样本进行过滤,当然还可以基于速度样本的其他参数进行过滤等。服务器10还可以对过滤后的速度样本进行进一步的处理,并将进一步处理的结果发送给终端设备12,通过终端设备12来呈现进一步处理的结果。
本发明实施例中的道路路况的识别方法还可以应用于如图2所示的应用场景,在该应用场景中包括服务器20,道路通信设备21,在待识别道路上行驶的多个车辆22以及终端设备23,其中,道路通信设备21可以设置在待识别道路的一侧或两侧,道路通信设备21通过网络分别与服务器20、车辆22通信,服务器20通过网络与终端设备23通信,同样的,车辆22中可以设置对车辆进行定位的定位装置,道路通信设备21可以实时接收经过待识别道路的所有的车辆22内的定位装置周期性上报的行驶轨迹数据,道路通信设备21在接收到上述所有车辆22内定位装置周期性上报的行驶轨迹数据之后,可以先对该行驶轨迹数据进行处理,如基于接收到的行驶轨迹数据,计算经过待识别道路的所有车辆22的速度样本,然后将计算获得的所述车辆22的速度样本通过网络转发给服务器20;道路通信设备21还可以直接将接收到的所有车辆22的行驶轨迹数据通过网络转发给服务器20,进而由服务器20基于接收到的行驶轨迹数据,计算经过待识别道路的所有车辆22的速度样本。
需要注意的是,上文提及的应用场景仅是为了便于理解本发明的精神和原理而示出,本发明实施例在此方面不受任何限制。相反,本发明实施例可以应用于适用的任何场景。
下面结合图1所示的应用场景,对本发明实施例提供的道路路况的识别方法进行说明。
如图3所示,本发明实施例提供的一种道路路况的识别方法,包括:
步骤S101:获取待识别道路的多个速度样本的速度。
服务器可以实时接收待识别道路上的车辆的行驶轨迹数据,并根据该车辆的行驶轨迹数据计算该车辆在待识别道路上的速度样本,在一定时间段内,服务器每接收到经过待识别道路的车辆的行驶轨迹数据,则计算该车辆在待识别道路上的速度样本,进而获取到该一定时间段内经过待识别道路的所有车辆的速度样本,例如,可以获取最近13分中内经过待识别道路的所有车辆的速度样本,还可以获取最近10分中内经过待识别道路的所有车辆的速度样本等。
在本发明实施例中,具体以服务器获取10点整至10:10:00也即最近10分钟内在待识别道路上行驶的所有车的速度样本为例,这里假设最近10分中内经过待识别道路的车为16辆,服务器分别根据这16辆车的行驶轨迹数据计算得到的速度样本如表一所示:
表一:
在表一中,为了叙述方便,将16辆车分别称为车1、车2、车3、车4、车5、车6、车7、车8、车9、车10、车11、车12、车13、车14、车15、车16,表一中所示的每辆车的速度样本包括驶入待识别道路的进入时刻、离开待识别道路的离开时刻、完走率以及在待识别道路上行驶的速度,当然,在实际应用中,速度样本还可以包括车辆类型,发生时间与当前时刻的差距等参数,在此就不一一列举了。
在实际应用中,服务器在获得车1至车16的速度样本之后,就可以获取车1至车16中每辆车的速度样本中的速度,每辆车的速度样本中的速度通常为该车经过待识别道路的平均行驶速度。
可选的,在获取速度样本中的速度之前,还可以先对速度样本进行过滤,滤除异常的速度样本,异常速度样本的滤除方式可以如上文所述。
这里假设,按照完走率来滤除速度样本中的异常速度样本,假设预先设置的完走率阈值为0.8,并假设最近10分中内经过待识别道路的车还包括完走率为0.7的车17以及完走率为0.6的车18,由于车17的完走率以及车18的完走率均低于完走率阈值0.8,就可以将车17以及车18的速度样本舍弃,进而得到如表一所示的完走率大于0.8的车1至车16的速度样本。
步骤S102:根据所述多个速度样本的速度跟随时间变化的速度变化特征,确定所述待识别道路上的车辆速度变化趋势是否为稳定状态。
步骤S103:当确定所述待识别道路上的车辆速度变化趋势为稳定状态时,则根据所述多个速度样本中最后获取的至少一个速度样本的速度确定所述待识别道路的路况。
本发明实施例,在获得如上表一所示的车1至车16的速度样本之后,就可以根据速度样本中速度跟随时间变化的速度变化特征来判断待识别道路上的车辆速度变化趋势是否为稳定趋势,若是,则根据最后的一个或者几个速度样本来识别待识别道路的路况。
步骤102中,根据所述多个速度样本的速度跟随时间变化的速度变化特征,确定所述待识别道路上的车辆速度变化趋势为稳定状态,可以有多种方式,例如多个速度样本的速度的变化在一定范围内时,说明车辆整体在平稳行驶,则可以直接确定识别道路上的车辆速度变化趋势为稳定状态,且车辆速度变化不大。例如根据时间先后顺序,分别判断一定时间段内的速度样本的速度变化,如果每个时间段内,或者大多数时间段内的速度变化都在一定范围内,也说明道路上的车辆速度变化趋势很稳定,速度变化不大,或者速度变化幅度不大,整体趋向减速或者加速的稳定状态。这两个方法可以单独使用,也可以结合使用,例如先用第一种方法判断结果为稳定状态时,直接根据所述多个速度样本中最后获取的至少一个速度样本的速度确定所述待识别道路的路况,否则再根据第二种方法判断。
流程如图4a所示,具体包括:
步骤S1021:确定多个速度样本的速度中的最大值和最小值。
步骤S1022:确定最大值和最小值的差值是否在第一阈值内,如果是则执行步骤S103,否则执行步骤S1023。
服务器在获得车1至车16的速度样本的速度之后,可根据车1至车16的速度样本的速度,确定速度的最大值与最小值之间的差值是否在第一阈值内,若速度样本中的速度的最大值与最小值之间的差值在第一阈值内,则确定待识别道路上的车辆速度变化趋势为稳定状态。其中,第一阈值可以根据实际应用中大量且长期的试验统计获得。
这里假设第一阈值为0~70km/h,那么,当速度样本中的速度的最大值与最小值之间的差值在0~70km/h内,则确定待识别道路上的车辆速度变化趋势为稳定状态,根据表一所示的车1至车16的速度样本,可以确定车1至车16的速度样本的速度的最大值与最小值的差值为60km/h,处于第一阈值内,则确定待识别道路上的车辆速度变化趋势为稳定状态,然后可以根据车1至车16的速度样本中最后获取的至少一个速度样本的速度来确定道路的路况。
这里假设,若速度处于大于等于60km/h的范围,表征道路的路况为畅通状态;若速度处于小于60km/h,且大于等于40km/h的范围,表征道路的路况为缓行状态;若速度处于小于40km/h,且大于等于20km/h的范围,表征道路的路况为拥堵状态;若速度处于小于20km/h的范围,表征道路的路况为严重拥堵状态。
例如,当选择根据车1至车16的速度样本中最后获取的一个速度样本的速度来确定道路的路况,也即根据车16的速度样本来确定道路的路况时,由于车16的速度样本的速度为20km/h,所以,确定待识别道路的路况为拥堵状态;当选择根据车1至车16的速度样本中最后获取的两个速度样本的速度来确定道路的路况,也即根据车15以及车16的速度样本来确定道路的路况,具体的,可以求车15以及车16的速度样本的速度均值也即25km/h,其均值处于小于40km/h,且大于等于20km/h的范围,所以,确定待识别道路的路况为拥堵状态。
所以,在本发明实施例中,可以根据获取的速度样本中速度的最大值与最小值的差值来确定待识别道路的速度跟随时间变化的趋势是否为稳定状态,进而在确定待识别道路的速度跟随时间变化的趋势为稳定状态时,根据待识别道路上最新的一个或者几个速度样本的速度来识别道路的路况,进而提升了道路路况识别的准确度。
可选的,所述根据所述多个速度样本的速度跟随时间变化的速度变化特征,确定所述待识别道路上的车辆速度变化趋势为稳定状态,具体包括:
步骤S1023:根据所述多个速度样本的获取时间从先到后的顺序,将所述多个速度样本的速度进行分组,共获得多个样本分组。
其中,每个样本分组包括至少两个速度。
步骤S1024:分别确定每个样本分组中最大的速度与最小的速度的速度差值;
步骤S1025:确定所有样本分组中的速度差值大于第二阈值的样本分组数目占所述多个样本分组的总数目的比例;
步骤S1026:判断比例是否小于第一预设比例,若是,则确定待识别道路上的车辆速度变化趋势是稳定状态,可以执行步骤S103,否则待识别道路上的车辆速度变化趋势不是稳定状态。
服务器在获得车1至车16的速度样本的速度之后,可根据车1至车16的速度样本的获取时间从先到后的顺序,将车1至车16的速度样本的速度进行分组,进而获得多个样本分组,其中,每个样本分组中至少包括两个速度,每个样本速度中的速度个数可以相同,也可以不同。
例如,可以将车1至车16平均分为4个样本分组,这4个样本分组分别为:车1至车4组成的第一个样本分组、车5至车8组成的第二个样本分组,车9至车12组成的第三个样本分组,车13至车16组成的第四个样本分组。然后分别确定上述4个样本分组中每个样本分组的速度的最大值与最小值之间的差值是否大于第二阈值Rth,同样的,第二阈值Rth可以根据实际应用中大量且长期的试验统计获得,这里假设,Rth为35km/h,第一个样本分组中速度的最大值与最小值的差值为30[km/h,第二个样本分组中速度的最大值与最小值的差值为25km/h,第三个样本分组中速度的最大值与最小值的差值为30km/h,第四个样本分组中速度的最大值与最小值的差值为40km/h。
假设,第一预设比例为50%,当所有样本分组中的速度差值大于第二阈值的样本分组数目占所述多个样本分组的总数目的比例小于第一预设比例时,确定待识别道路的速度跟随时间变化的趋势为稳定状态,由于4个样本分组中只有第四个样本的速度的最大值与最小值的差值大于第二阈值,也即大于第二阈值的样本分组的个数占所有样本分组的25%,小于第一预设比例50%,确定待识别道路的速度跟随时间变化的趋势为稳定状态,然后,可以根据车1至车16的速度样本中最后获取的至少一个速度样本的速度来确定道路的路况,如可以根据车1至车16的速度样本中最后获取的一个速度样本的速度来确定道路的路况,也可以根据车1至车16的速度样本中最后获取的多个速度样本的速度来确定道路的路况,具体的,可以参考上文的叙述,在此就不重复。
所以,在本发明实施例中,充分考虑若待识别道路上的车辆速度随时间变化的趋势趋于稳定状态,短时间内车辆速度的变化量应当处于一个合适的区间内这一因素,进而按照获取时间的先后顺序将多个速度样本的速度细化为多个分组,进而通过确定分组中速度的最大值与最小值之差大于阈值的分组数目占分组总数的比例小于第一预设比例的方案,来确定待识别道路的速度跟随时间变化的趋势为稳定状态时,根据待识别道路上最新的一个或者几个速度样本的速度来识别道路的路况,进一步提升道路路况识别的准确度。
参阅图4b所示,该实施例中,不需要执行图4a所示流程中的步骤S1021以及步骤S1022,而是直接根据多个速度样本的获取时间从先到后的顺序,将所述多个速度样本的速度进行分组,共获得多个样本分组,分别确定每个样本分组中最大的速度与最小的速度的速度差值,当所有样本分组中的速度差值大于第二阈值的样本分组数目占所述多个样本分组的总数目的比例小于第一预设比例时,确定所述待识别道路上的车辆速度变化趋势为稳定状态,进而根据待识别道路上最新的一个或者几个速度样本的速度来识别道路的路况,进一步提升道路路况识别的准确度。
可选的,在实际应用中,还可以采用速度曲线的方式整理多个速度样本的速度,也即根据所述多个速度样本的速度生成用于表征所述待识别道路上的车辆速度跟随时间变化的速度曲线,那么,上述步骤S1022:根据所述多个速度样本的获取时间从先到后的顺序,将所述多个速度样本的速度进行分组,共获得多个样本分组,至少可以按照以下两种方式执行:
第一种方式:
将所述速度曲线按照预设时长划分为多个时间段,以及将所述多个时间段中的每相邻的至少两个时间段划分为一个时间窗,共划分为多个时间窗,其中,每个时间窗包含的速度为一个样本分组。
在本发明实施例中,还可以根据获取的车1至车16的速度样本的速度生成用于表征道路上的车辆速度随时间变化的速度曲线,如图5所示,根据车1至车16的速度样本的速度生成的速度曲线就包括了将车1至车16的速度样本中的速度,为叙述方便,将车1至车16的速度样本中的速度分别称为速度1、速度2、速度3、速度4、速度5、速度6、速度7、速度8、速度8、速度9、速度10、速度11、速度12、速度13、速度14、速度15以及速度16。在速度曲线中,每个速度对应的时刻可以为该速度对应的车的离开时刻,还可以为该速度对应的车的进入时刻,也可以为该速度对应的车的进入时刻与离开时刻之间的中间时刻。
本发明实施例中,具体以每个速度对应的时刻为该速度对应的车的离开时刻为例,图5所示的速度曲线的时间轴中的10分钟表征10点整至10:10:00的时间段。可以将速度曲线划分为多个时间窗,每个时间窗内可以包括多个速度,如两个速度或三个速度等,每个时间窗包含的速度为一个样本分组。时间窗的划分方式可以根据具体需要灵活选择,例如,直接按照预设时长将速度曲线覆盖的时间范围划分为多个时间窗,每个时间窗中包括至少两个速度即可。
在本发明实施例中,具体以预设时长将速度曲线划分为多个时间段,由所述多个时间段中的每相邻的至少两个时间段形成一个时间窗,共形成多个时间窗为例。如,服务器按照预设的时长如30秒、1分钟等,将速度曲线覆盖的时间范围划分为N个时间段,然后将N个时间段中每相邻的W个时间段构成一个时间窗,这样就形成了N-W+1个时间窗,其中,N和W均为正整数,且N-W大于0。
请参考图6a,本发明实施例中,以预设时长为1分钟为例,根据1分钟的时长将速度曲线覆盖的时间范围也即10分钟划分为10个时间段,然后将这10个时间段中的每相邻的两个时间段构成一个时间窗,共形成如图6a所示的9个时间窗,这9个时间窗中的每个时间窗包含的速度就为一个样本分组。
为叙述方便,将9个时间窗按照图6a中箭头所示的方向,依次记为时间窗1、时间窗2、时间窗3、时间窗4、时间窗5、时间窗6、时间窗7、时间窗8以及时间窗9。针对时间窗1至时间窗9中的每个时间窗,统计落入该时间窗内的速度,然后,统计每个时间窗内的最大的速度与最小的速度的差值也即统计时间窗内的速度的取值范围Range:
请参考表二,表二展示了时间窗1至时间窗9中的每个时间窗内包括的速度,以及每个时间窗内的最大的速度与最小的速度的差值。
表二:
也即,时间窗1中包括3个速度,分别为速度1、速度2以及速度3,其中,最大的速度为65km/h也即速度3,最小的速度为50km/h,最大的速度与最小的速度的差值为15km/h。
时间窗2中包括3个速度,分别为速度2、速度3以及速度4,其中,最大的速度为80km/h也即速度4,最小的速度为60km/h也即速度2,最大的速度与最小的速度的差值为20km/h。
时间窗3中包括2个速度,分别为速度4以及速度5,其中,最大的速度为80km/h也即速度4,最小的速度为70km/h也即速度5,最大的速度与最小的速度的差值为10km/h。
时间窗4中包括3个速度,分别为速度5、速度6以及速度7,其中,最大的速度为70km/h也即速度5,最小的速度为50km/h也即速度7,最大的速度与最小的速度的差值为20km/h。
时间窗5中包括3个速度,分别为速度6、速度7以及速度8,其中,最大的速度为65km/h也即速度6,最小的速度为45km/h也即速度8,最大的速度与最小的速度的差值为20km/h。
时间窗6中包括3个速度,分别为速度8、速度9以及速度10,其中,最大的速度为45km/h也即速度8,最小的速度为75km/h也即速度10,最大的速度与最小的速度的差值为30km/h。
时间窗7中包括4个速度,分别为速度9、速度10、速度11以及速度12,其中,最大的速度为80km/h也即速度10,最小的速度为60km/h也即速度9,最大的速度与最小的速度的差值为20km/h。
时间窗8中包括4个速度,分别为速度12、速度13、速度14以及速度15,其中,最大的速度为65km/h也即速度12,最小的速度为30km/h也即速度15,最大的速度与最小的速度的差值为30km/h。
时间窗9中包括4个速度,分别为速度13、速度14、速度15以及速度16,其中,最大的速度为60km/h也即速度13,最小的速度为20km/h也即速度16,最大的速度与最小的速度的差值为40km/h。
这里假设,第二阈值Rth为21,根据表二所示的时间窗1至时间窗9中每个时间窗内的最大的速度与最小的速度的差值,统计超过第二阈值Rth的时间窗个数EXN:
时间窗1、时间窗2、时间窗3、时间窗4、时间窗5以及时间窗7的最大的速度与最小的速度的差值小于第二阈值,也即9个时间窗中有6个时间窗的差值小于第二阈值,时间窗6、时间窗8以及时间窗9内的最大的速度与最小的速度的差值大于第二阈值,也即9个时间窗中有3个时间窗的差值大于第二阈值。那么,大于第二阈值的时间窗占所有时间窗的比例就为33%。
服务器确定大于第一阈值的时间窗占所有时间窗的比例是否小于第一预设比例,在实际应用中,第一预设比例可以根据需要设置,例如设置为50%,或设置为40%等,这里假设第一预设比例为50%。那么,可以确定9个时间窗中最大的速度与最小的速度的差值大于第一阈值的时间窗的数目占所有时间窗的数目的比例小于50%,也即9个时间窗中大多数时间窗中的速度在短时间1分钟内的变化量处于一个合适的区间内,表征待识别道路的速度跟随时间变化的趋势为稳定状态,因此,可以根据待识别道路上最新的一个或者几个速度样本的速度来识别道路的路况,在此就不重复叙述了。
第二种方式:
在所述速度曲线的时间轴上,滑动预设时间窗,确定每滑动一次后预设时间窗包含的速度为一个样本分组,根据相邻的至少一个样本分组生成时间窗,共生成多个时间窗,其中,预设时间窗每次滑动的速度的个数大于等于1。
这里继续以如图5所示的速度曲线为例,那么,在实际应用中,可以预先设置一个时间窗,为叙述方便,称为预设时间窗,请结合参考图6b,假设,预设时间窗在速度曲线的时间轴上滑动之前所包含的速度为第1个样本分组,那么,可以按照一个速度的步长滑动预设时间窗,进而得到多个样本分组,也可以按照2个或2个以上速度的步长滑动预设时间窗,进而得到多个样本分组,每次滑动的步长可以相同,也可以不同。
这里以每次滑动的步长相同为例,且每一次滑动的步长为2个速度,预设时间窗如图6b所示包括4个速度,分别为速度1、速度2、速度3以及速度4,速度曲线包括16个速度,预设时间窗在速度曲线的时间轴上滑动之前所包含的速度为第一个样本分组,按照每次滑动2个速度的步长可以滑动6次,共得到如图6b所示的6个样本分组,分别称为第2个样本分组、第3个样本分组,第4个样本分组,第5个样本分组,第6个样本分组以及第7个样本分组。然后根据相邻的至少一个样本分组生成时间窗,共生成多个时间窗。
例如,可以将7个样本分组中相邻的两个样本生成一个时间窗,共生成6个时间窗,也可以直接根据7个样本分组生成7个时间窗,也即一个样本一个时间窗,这里就以一个样本分组为一个时间窗为例,共得到如图6b所示的7个时间窗,然后,统计这7个时间窗中每个时间窗内包括的速度,以及每个时间窗内的最大的速度与最小的速度的差值,当差值大于第二阈值的时间窗目占7个时间窗的总数目的比例小于第一预设比例时,表征待识别道路的速度跟随时间变化的趋势为稳定状态,因此,可以根据待识别道路上最新的一个或者几个速度样本的速度来识别道路的路况,在此就不重复叙述了。
可选的,所述根据所述多个速度样本中最后获取的至少一个速度样本的速度确定所述待识别道路的路况,具体如图7所示包括:
步骤S201:根据所述多个速度样本的速度生成用于表征所述待识别道路上的车辆速度跟随时间变化的速度曲线;
步骤S202:在所述速度曲线中,获取包含最后获取的至少一个速度样本的速度的目标时间窗;
步骤S203:确定所述目标时间窗的速度跟随时间变化的目标斜率的特征;
步骤S204:所述目标时间窗中,当所有速度的速度变化特征与所述目标斜率的特征匹配的速度数目占所述目标时间窗中的速度的总数的比例大于第二预设比例时,则根据所述多个速度样本中最后获取的至少一个速度样本的速度确定所述待识别道路的路况。
本发明实施例中,服务器可以根据获取的车1至车16的速度样本中的速度,生成如图5所示的速度曲线,然后从速度曲线中获取包含最后获取的至少一个速度样本的速度的目标时间窗,例如,可以从速度曲线中获取包含最后获取的一个速度样本的速度的时间窗作为目标时间窗,可以从速度曲线中获取包含最后获取的3个速度样本的速度的时间窗作为目标时间窗等等。
可选的,还可以通过如图8所示的具体方式来获取目标时间窗:
步骤S2021:从所述多个时间窗中,确定包含最后获取的至少一个速度样本的速度的候选时间窗;
步骤S2022:按照预设的时间增量,扩展所述候选时间窗,每扩展一次,则比较扩展后的候选时间窗的新残差平方均值与扩展前的候选时间窗的前次残差平方均值,直到所述新残差平方均值大于所述前次残差平方均值时,确定所述前次残差平方均值对应的候选时间窗为目标时间窗。
本发明实施例中,以图5所示的将速度曲线划分为时间窗1至时间窗9为例,那么,可以从时间窗1至时间窗9中确定包括最后获取的至少一个速度样本的速度作为候选时间窗,这里以确定包括最后获取的一个速度样本的速度作为候选时间窗为例。
最新时刻对应的速度也即是最后获取的速度样本的速度,由于时间窗9包括最新时刻对应的速度也即10:10:00对应的速度,就可以选择时间窗9作为候选时间窗,并以候选时间窗为基准,按照预设的时间增量,扩展候选时间窗。
在实际应用中,预设的时间增量可根据实际需要设置,如设置为10秒,30秒,1分钟等,在本发明实施例中,具体以预设的时间增量为30秒为例。
那么,服务器就可以如图9所示,按照30秒的时间增量扩展候选时间窗,也即按照图9中箭头所示的方向扩展候选时间窗。
可选的,在扩展候选时间窗之前,可以先根据如下公式(4)计算候选时间窗的残差平方均值Q:
其中,n为候选时间窗内包括的速度的个数,vi表示候选时间窗内的第i个速度,ti为第i个速度在候选时间窗内对应的时刻,v0为截距,k为速度随时间变化的斜率。
计算获得候选时间窗也即时间窗9的残差平方均值之后,再按30秒的时间增量将候选时间窗向图9中的箭头方向扩展,每扩展一次,计算一次扩展后的候选时间窗的残差平方均值,并比较扩展后的候选时间窗的残差平方均值与扩展前的候选时间窗的残差平方均值,直到扩展后的候选时间窗的残差平方均值大于扩展前的候选时间窗的残差平方均值。
例如,将扩展之前也即时间窗9的残差平方均值记为Q1,将时间窗9按照时间增量30秒第一次扩展之后得到时间窗为图9中标识为1的时间窗,然后根据公式(1)计算第一次扩展后的候选时间的残差平方均值Q2,并比较Q2与Q1的大小,根据时间窗9中包括4个速度也即速度13、速度14、速度15以及速度16,可知时间窗9中的速度变化趋势为速度随时间下降的趋势,第一次扩展后的时间窗增加了速度12,但第一次扩展后的时间窗中的速度(速度12,也即包括速度12、速度13、速度14、速度15以及速度16)的速度变化趋势仍为速度随时间下降的趋势,所以,计算出来的Q2会小于Q1。
由于Q2小于Q1,则以第一次扩展后的时间窗为基准,按照30秒的时间增量第二次按照图9中的箭头所示方向进行扩展,第二次扩展后的时间窗为图9中标识为2的时间窗也即包括速度11、速度12、速度13、速度14、速度15、速度16,然后根据公式(1)计算第二次扩展后的时间窗的残差平方均值Q3,因为,第二次扩展后的时间窗中的速度变化趋势仍为速度随时间下降的趋势,所以,计算出来的Q3会小于Q2。
由于Q3小于Q2,则以第二次扩展后的时间窗为基准,按照30秒的时间增量向图9中箭头所示方向进行第三次扩展,第三次扩展后的候选时间窗为图11中标识3所示的时间窗,然后根据公式(1)计算第三次扩展后的候选时间的残差平方均值Q4,由于第三次扩展后的时间窗包括速度10、速度11、速度12、速度13、速度14、速度15以及速度16,而速度10、速度11的速度变化趋势为速度随时间上升的趋势,速度12、速度13、速度14、速度15以及速度16,速度变化趋势为速度随时间上升的趋势,也即第三次扩展后的时间窗中的速度既有速度随时间上升的趋势,也有速度随时间下降的趋势,所以,计算出来的Q4会大于Q3,则停止扩展,并以第二次扩展后的候选时间窗作为目标时间窗。
可选的,所述确定所述目标时间窗的速度随时间变化的目标斜率的特征,具体如图10所示包括:
步骤S2031:对所述目标时间窗中的速度进行线性拟合,获得所述目标斜率;
步骤S2032:确定所述目标斜率的斜率特征。
服务器确定目标时间窗之后,通过对目标时间窗中包含的速度进行行线性拟合的方式,获得目标时间窗的目标斜率,具体的,目标时间窗中包括6个速度,分别为速度11、速度12、速度13、速度14、速度15、速度16,然后使用最小二乘法对目标时间窗中的速度11以及速度11对应的时刻、速度12以及速度12对应的时刻、速度13以及速度13对应的时刻、速度14以及速度14对应的时刻、速度15以及速度15对应的时刻、速度16以及速度16进行线性拟合,就可以得到如公式(5)所示的目标时间窗的目标斜率k:
若根据公式(5)计算出来的k小于0时,表征目标时间窗中的速度变化的趋势为速度随时间下降,那么,该目标斜率k的特征就为速度随时间下降的特征,若根据公式(5)计算出来的若计算得到的k大于0时,表征目标时间窗中的速度变化的趋势为速度随时间上升,那么,该目标斜率k的特征就为速度随时间上升的特征。
由于目标时间窗中的速度随时间在依次减小,计算出来的k小于0,表征目标时间窗中的速度变化的趋势为速度随时间下降。
当然,在实际应用中,在使用最小二乘法对目标时间窗中包括的6个速度进行线性拟合时,还可以得到如公式(6)所示的截距v0,根据得到的截距v0,还可以得到如公式(7)所示的目标时间窗中的速度的趋势公式:
可选的,从所述目标时间窗中,所述所有速度的速度变化特征与所述斜率特征匹配的速度数目占所述目标时间窗中的速度的总数的比例大于第二预设比例,具体如图11所示包括:
步骤S2041:根据所述目标时间窗中的速度,生成多元组集合,所述多元组集合中的每个子集包括所述目标时间窗中相邻的多个速度;
步骤S2042:确定所述多元组集合中符合所述斜率特征的子集占所述多元组集合的比例大于第二预设比例。
为了进一步确定目标时间窗中的速度变化的趋势趋于稳定状态,服务器还可以由目标时间窗中的速度构成多元组集合,多元组中的每个子集由目标时间窗中的相邻的多个速度构成,进而通过确定多元组集合中符合计算出来的目标斜率的斜率特征的子集占多元组集合的比例是否大于第二预设比例,来进一步的定目标时间窗中的速度变化的趋势是否趋于稳定,同样的,第二预设比例可以通过实践中大量且长期的试验经验进行设置,这里假设第二预设比例为70%。
例如,将目标时间窗中的速度构成二元组集合,二元组集合中每个子集由目标时间窗中的相邻的两个速度构成也即二元组(vi,vi+1),由于目标时间窗包括速度11、速度12、速度13、速度14、速度15、速度16,那么,构成的二元组集合就包括的子集就为:(速度11,速度12),(速度12,速度13),(速度13,速度14),(速度14,速度15),以及(速度15,速度16)。
若二元组集合中的子集中前一时刻对应的速度大于后一时刻对应的速度则认为该子集符合目标斜率的特征也即速度随时间下降,二元组集合中不符合目标斜率的特征的子集又可以称为乱序,乱序个数BN为:
其中,i为速度序号,n为二元组集合中子集个数也即二元组个数,k为目标斜率。
由于目标时间窗中速度11大于速度12,速度12大于速度13,速度13大于速度14,速度14大于速度15,速度15大于速度16,也即二元组集合中所有的子集都符合目标斜率的特征也即100%,乱序个数BN为0,大于第二预设比例70%,进一步的表征目标时间窗中的速度变化的趋势为速度随时间下降的稳定状态,就可以最后获取的至少一个速度样本的速度确定所述待识别道路的路况。
所以,在上述方法中,通过选择包括最新时刻对应的速度的目标时间窗,并获取该目标时间窗的斜率,进而通过判断该目标时间窗中符合所述斜率特征的速度占所述速度的比例大于第二预设比例的方式,进一步确定待识别道路上的最新的一段时间内车辆速度变化趋势为稳定状态,然后利用最能反映待识别道路目前路况的最新时刻对应的一个或多个速度来确定待识别道路的路况,从而进一步提升道路路况识别的准确度。
可选的,根据所述多个速度样本中最后获取的至少一个速度样本的速度确定所述待识别道路的路况,具体包括:
确定所述目标斜率是否大于预设斜率,若是,则根据所述多个速度样本中最后获取的至少一个速度样本的速度确定所述待识别道路的路况。
本发明实施例中,还可以根据路况业务经验预先设置一个表征速度随时间变化速率的斜率,以便服务器在获得目标时间窗的目标斜率之后,将该目标斜率与预先设置的斜率进行比较,若目标斜率的绝对值大于或等于预先设置的斜率,则表征在速度变化的趋势呈现稳定状态的情况下,且速度随时间变化速率较快,这时,更适合使用速度曲线中的最新时刻对应的速度来识别道路的路况。
例如,预设斜率kth为5km/h,假设计算出来的目标斜率k为10km/s,那么,目标斜率大于预设斜率kth,表征在速度变化的趋势呈现稳定状态的情况下,且速度随时间变化速率较快,这时,可以根据车1至车16的速度样本中最后获取的至少一个速度样本的速度来确定道路的路况,如可以根据车1至车16的速度样本中最后获取的一个速度样本的速度来确定道路的路况,也可以根据车1至车16的速度样本中最后获取的多个速度样本的速度来确定道路的路况,具体的,可以参考上文的叙述,在此就不重复。
本发明实施例中提供的一种道路路况的识别方法,充分考虑到道路路况比较稳定时,越是最新时段获得的速度样本越能反应道路的当前状态这一因素,进而在获得多个速度样本的速度后,根据多个速度样本的速度变化特征确定所述待识别道路上的车辆速度变化趋势为稳定状态时,根据速度样本中最新时刻对应的一个或者几个速度样本的速度来识别待识别道路的路况,从而提升了道路路况识别的准确度,同时也使得道路路况识别方式具有多样性。
可选的,若根据所述多个速度样本的速度跟随时间变化的速度变化特征,确定所述待识别道路上的车辆速度变化趋势为不稳定状态时,所述方法还包括:
确定所述多个速度样本的速度的均值,并根据所述均值确定所述待识别道路的路况。
在实际应用中,也会存在根据本发明实施例上文提及的利用多个速度样本的速度跟随时间变化的速度变化特征,确定待识别道路上的车辆速度变化趋势为不稳定状态的情况,表征难以识别出待识别道路上的车辆速度跟随时间变化的明显趋势,例如表三所示的情况A、B以及C:
表三:
表三中所示的A情况为待识别道路上设置有信号控制灯,且待识别道路上不同车流流向的差异较大,那么,服务器获取的一定时间段内的多个速度样本的速度差异大,根据该多个速度样本的速度生成的速度曲线的曲线形态的波动也就很大,该速度样本具有较大的离散性与时间周期耦合,导致规律更加不明显,因此,采用传统的道路路况识别方式,也即根据多个速度样本的速度的均值来确定所述待识别道路的路况,或者通过对多个速度样本的速度的进行加权求平均来确定所述待识别道路的路况。
B情况为待识别道路上设置有信号控制灯,待识别道路上不同车流流向的差异小,根据获取的一定时间段内的多个速度样本的速度生成的速度曲线的曲线形态的波动虽然相较于A情况小,但该情况下的速度样本随时间呈周期性变化,导致规律也不明显,因此,采用传统的道路路况识别方式,同样的,C情况为待识别道路上没有信号控制灯,待识别道路上不同车流流向的差异打,根据获取的一定时间段内的多个速度样本的速度生成的速度曲线的曲线形态的波动也很大,但该情况下的速度样本流向差异导致速度样本的离散性很大,导致规律也不明显,因此,可采用传统的道路路况识别方式。
在实际应用中,可以将根据本发明实施例中的道路路况识别方法,识别出来的道路实时路况数据用于涉及实时路况信息的应用场景中,以提高实时路况信息应用场景的实时路况信息的发布质量,这样的实时路况信息应用场景如各类地图应用(APP)的底图路况展示应用场景、行程ETA(Estimated Time of Arrival,预计到达时间)估计应用场景、路线规划应用场景等等。
例如,当将本发明实施例中的道路路况识别方法应用于地图APP的底图路况展示应用场景时,那么,可以根据本发明实施例中的道路路况识别方法,识别出地图APP中任意一段道路的实时路况,这里假设地图APP的底图页面包括如图12a所示的5条道路,这5条道路分别为1环路、2环路、建设路、解放路以及机场路,并假设地图APP的底图页面包括实时路况选项,那么,可以选择该页面中的实时路况选项,触发根据本发明实施例提供的道路识别方法,识别1环路、2环路、建设路、解放路以及机场路的实时路况的操作。
这里假设识别出1环路的道路路况为拥堵,2环路的道路路况为畅通,建设路的道路路况为畅通,解放路的道路路况为畅通,机场路的实道路路况为严重拥堵,那么,就可以根据识别结果分别标识上述5条道路,例如,可以将严重拥堵的机场路标识为深红色,可以将拥堵的1环路标识为浅红色,可以将畅通的2环路、建设路以及解放路标识为绿色,进而可以地图APP的底图页面中显示标识后的5条道路,所以,能够及时准确的反应地图APP的底图页面中各条道路的实时路况。
例如,当将本发明实施例中的道路路况识别方法应用于路线规划应用场景时,如图12b所示的路线规划应用场景的页面,在用户选择从家到机场的路线时,可以触发根据本发明实施例提供的道路识别方法,识别出从家到机场规划的所有路线的道路的实时路况,然后选择若干优选的路线呈现给用户,假设从家到机场路线包括4条,为叙述方便,将这四条路线分别称为路线1、路线2、路线3以及路线4,并假设根据本发明实施例提供的道路识别方法,识别出路线1的路况为畅通,路线2的路况为畅通,路线3的路况为拥堵,路线4的路况为严重拥堵,那么,就可以将路况畅通的路线1和路线2推荐给用户,所以,基于本发明实施例中的道路识别方法识别出的道路路况,在路线规划应用场景中,能够准确的为用户推荐更优路线。
基于同一发明构思,本发明实施例中提供了一种道路路况的识别装置,该装置的道路路况识别方法的具体实施可参见上述方法实施例部分的描述,重复之处不再赘述,请参考图13,该识别装置包括:
获取单元30,用于获取待识别道路的多个速度样本的速度;
第一确定单元31,用于根据所述多个速度样本的速度跟随时间变化的速度变化特征,确定所述待识别道路上的车辆速度变化趋势为稳定状态时,则根据所述多个速度样本中最后获取的至少一个速度样本的速度确定所述待识别道路的路况。
可选的,所述第一确定单元,还用于:
所述多个速度样本的速度中,最大值和最小值的差值在第一阈值内,则确定所述待识别道路上的车辆速度变化趋势为稳定状态。
可选的,所述第一确定单元,还用于:
根据所述多个速度样本的获取时间从先到后的顺序,将所述多个速度样本的速度进行分组,共获得多个样本分组,其中,每个样本分组包括至少两个速度;
分别确定每个样本分组中最大的速度与最小的速度的速度差值,当所有样本分组中的速度差值大于第二阈值的样本分组数目占所述多个样本分组的总数目的比例小于第一预设比例时,确定所述待识别道路上的车辆速度变化趋势为稳定状态。
可选的,所述第一确定单元,还用于:
根据所述多个速度样本的速度生成用于表征所述待识别道路上的车辆速度跟随时间变化的速度曲线;
在所述速度曲线中,获取包含最后获取的至少一个速度样本的速度的目标时间窗;
确定所述目标时间窗的速度跟随时间变化的目标斜率的特征;
所述目标时间窗中,当所有速度的速度变化特征与所述目标斜率的特征匹配的速度数目占所述目标时间窗中的速度的总数的比例大于第二预设比例时,则根据所述多个速度样本中最后获取的至少一个速度样本的速度确定所述待识别道路的路况。
可选的,所述第一确定单元,还用于:
根据所述目标时间窗中的速度,生成多元组集合,所述多元组集合中的每个子集包括所述目标时间窗中相邻的多个速度;
确定所述多元组集合中符合所述斜率特征的子集占所述多元组集合的比例大于第二预设比例。
可选的,所述第一确定单元,还用于:
将所述速度曲线按照预设时长划分为多个时间段,以及将所述多个时间段中的每相邻的至少两个时间段划分为一个时间窗,共划分为多个时间窗,其中,每个时间窗包含的速度为一个样本分组;或者,
在所述速度曲线的时间轴上,滑动预设时间窗,确定每滑动一次后预设时间窗包含的速度为一个样本分组,根据相邻的至少一个样本分组生成时间窗,共生成多个时间窗,其中,预设时间窗每次滑动的速度的个数大于等于1。
可选的,所述第一确定单元,还用于:
从所述多个时间窗中,确定包含最后获取的至少一个速度样本的速度的候选时间窗;
按照预设的时间增量,扩展所述候选时间窗,每扩展一次,则比较扩展后的候选时间窗的新残差平方均值与扩展前的候选时间窗的前次残差平方均值,直到所述新残差平方均值大于所述前次残差平方均值时,确定所述前次残差平方均值对应的候选时间窗为目标时间窗。
可选的,所述第一确定单元,还用于:
确定所述目标斜率是否大于预设斜率,若是,则根据所述多个速度样本中最后获取的至少一个速度样本的速度确定所述待识别道路的路况。
可选的,所述第一确定单元,还用于:
对所述目标时间窗中的速度进行线性拟合,获得所述目标斜率;
确定所述目标斜率的斜率特征。
可选的,还包括:
第二确定单元32,用于确定所述多个速度样本的速度的均值,并根据所述均值确定所述待识别道路的路况。
基于同一发明构思,本发明实施例提供了一种计算装置,如图14所示,包括至少一个处理器40、以及至少一个存储器41,其中,所述存储器41存储有计算机程序,当所述程序被所述处理器40执行时,使得所述处理器执行如上述所述的道路路况的识别方法的步骤。
基于同一发明构思,本发明实施例提供了一种计算机可读介质,其存储有可由终端设备执行的计算机程序,当所述程序在终端设备上运行时,使得所述终端设备执行如上述所述的道路路况的识别方法的步骤。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (13)
1.一种道路路况的识别方法,其特征在于,包括:
获取待识别道路的多个速度样本的速度;
根据所述多个速度样本的速度跟随时间变化的速度变化特征,确定所述待识别道路上的车辆速度变化趋势为稳定状态时,则根据所述多个速度样本中最后获取的至少一个速度样本的速度确定所述待识别道路的路况;
其中,所述根据所述多个速度样本中最后获取的至少一个速度样本的速度确定所述待识别道路的路况,包括:
根据所述多个速度样本的速度生成用于表征所述待识别道路上的车辆速度跟随时间变化的速度曲线;
在所述速度曲线中,获取包含最后获取的至少一个速度样本的速度的目标时间窗;
确定所述目标时间窗的速度跟随时间变化的目标斜率的特征;
所述目标时间窗中,当所有速度的速度变化特征与所述目标斜率的特征匹配的速度数目占所述目标时间窗中的速度的总数的比例大于第二预设比例时,则根据所述多个速度样本中最后获取的至少一个速度样本的速度确定所述待识别道路的路况。
2.如权利要求1所述的方法,其特征在于,所述根据所述多个速度样本的速度跟随时间变化的速度变化特征,确定所述待识别道路上的车辆速度变化趋势为稳定状态,具体包括:
所述多个速度样本的速度中,最大值和最小值的差值在第一阈值内,则确定所述待识别道路上的车辆速度变化趋势为稳定状态。
3.如权利要求1所述的方法,其特征在于,所述根据所述多个速度样本的速度跟随时间变化的速度变化特征,确定所述待识别道路上的车辆速度变化趋势为稳定状态,具体包括:
根据所述多个速度样本的获取时间从先到后的顺序,将所述多个速度样本的速度进行分组,共获得多个样本分组,其中,每个样本分组包括至少两个速度;
分别确定每个样本分组中最大的速度与最小的速度的速度差值,当所有样本分组中的速度差值大于第二阈值的样本分组数目占所述多个样本分组的总数目的比例小于第一预设比例时,确定所述待识别道路上的车辆速度变化趋势为稳定状态。
4.如权利要求1所述的方法,其特征在于,从所述目标时间窗中,所述所有速度的速度变化特征与所述目标斜率的特征匹配的速度数目占所述目标时间窗中的速度的总数的比例大于第二预设比例,具体包括:
根据所述目标时间窗中的速度,生成多元组集合,所述多元组集合中的每个子集包括所述目标时间窗中相邻的多个速度;
确定所述多元组集合中符合所述目标斜率的特征的子集占所述多元组集合的比例大于第二预设比例。
5.如权利要求1所述的方法,其特征在于,所述根据所述多个速度样本的获取时间从先到后的顺序,将所述多个速度样本的速度进行分组,共获得多个样本分组,具体包括:
将所述速度曲线按照预设时长划分为多个时间段,以及将所述多个时间段中的每相邻的至少两个时间段划分为一个时间窗,共划分为多个时间窗,其中,每个时间窗包含的速度为一个样本分组;或者
在所述速度曲线的时间轴上,滑动预设时间窗,确定每滑动一次后预设时间窗包含的速度为一个样本分组,根据相邻的至少一个样本分组生成时间窗,共生成多个时间窗,其中,预设时间窗每次滑动的速度的个数大于等于1。
6.如权利要求5所述的方法,其特征在于,所述在所述速度曲线中,获取包含最后获取的至少一个速度样本的速度的目标时间窗,具体包括:
从所述多个时间窗中,确定包含最后获取的至少一个速度样本的速度的候选时间窗;
按照预设的时间增量,扩展所述候选时间窗,每扩展一次,则比较扩展后的候选时间窗的新残差平方均值与扩展前的候选时间窗的前次残差平方均值,直到所述新残差平方均值大于所述前次残差平方均值时,确定所述前次残差平方均值对应的候选时间窗为目标时间窗。
7.如权利要求1-6中任一项所述的方法,其特征在于,所述根据所述多个速度样本中最后获取的至少一个速度样本的速度确定所述待识别道路的路况,具体包括:
确定所述目标斜率是否大于预设斜率,若是,则根据所述多个速度样本中最后获取的至少一个速度样本的速度确定所述待识别道路的路况。
8.如权利要求1所述的方法,其特征在于,所述确定所述目标时间窗的速度随时间变化的目标斜率的特征,具体包括:
对所述目标时间窗中的速度进行线性拟合,获得所述目标斜率;
确定所述目标斜率的斜率特征。
9.如权利要求1所述的方法,其特征在于,若根据所述多个速度样本的速度跟随时间变化的速度变化特征,确定所述待识别道路上的车辆速度变化趋势为不稳定状态时,所述方法还包括:
确定所述多个速度样本的速度的均值,并根据所述均值确定所述待识别道路的路况。
10.一种道路路况的识别装置,其特征在于,包括:
获取单元,用于获取待识别道路的多个速度样本的速度;
第一确定单元,用于根据所述多个速度样本的速度跟随时间变化的速度变化特征,确定所述待识别道路上的车辆速度变化趋势为稳定状态时,则根据所述多个速度样本中最后获取的至少一个速度样本的速度确定所述待识别道路的路况;
其中,所述第一确定单元根据所述多个速度样本中最后获取的至少一个速度样本的速度确定所述待识别道路的路况,包括:
根据所述多个速度样本的速度生成用于表征所述待识别道路上的车辆速度跟随时间变化的速度曲线;
在所述速度曲线中,获取包含最后获取的至少一个速度样本的速度的目标时间窗;
确定所述目标时间窗的速度跟随时间变化的目标斜率的特征;
所述目标时间窗中,当所有速度的速度变化特征与所述目标斜率的特征匹配的速度数目占所述目标时间窗中的速度的总数的比例大于第二预设比例时,则根据所述多个速度样本中最后获取的至少一个速度样本的速度确定所述待识别道路的路况。
11.如权利要求10所述的识别装置,其特征在于,所述第一确定单元,还用于:
根据所述多个速度样本的获取时间从先到后的顺序,将所述多个速度样本的速度进行分组,共获得多个样本分组,其中,每个样本分组包括至少两个速度;
分别确定每个样本分组中最大的速度与最小的速度的速度差值,当所有样本分组中的速度差值大于第二阈值的样本分组数目占所述多个样本分组的总数目的比例小于第一预设比例时,确定所述待识别道路上的车辆速度变化趋势为稳定状态。
12.一种计算装置,其特征在于,包括至少一个处理器、以及至少一个存储器,其中,所述存储器存储有计算机程序,当所述程序被所述处理器执行时,使得所述处理器执行权利要求1~9任一项所述方法的步骤。
13.一种计算机可读介质,其特征在于,其存储有可由终端设备执行的计算机程序,当所述程序在终端设备上运行时,使得所述终端设备执行权利要求1~9任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810415542.3A CN110197583B (zh) | 2018-05-03 | 2018-05-03 | 一种道路路况的识别方法、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810415542.3A CN110197583B (zh) | 2018-05-03 | 2018-05-03 | 一种道路路况的识别方法、装置及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110197583A CN110197583A (zh) | 2019-09-03 |
CN110197583B true CN110197583B (zh) | 2021-10-22 |
Family
ID=67751039
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810415542.3A Active CN110197583B (zh) | 2018-05-03 | 2018-05-03 | 一种道路路况的识别方法、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110197583B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110827561B (zh) * | 2019-09-11 | 2021-04-02 | 中国地质大学(北京) | 一种基于车辆的道路路况信息预报系统及方法 |
CN112967491A (zh) * | 2019-12-13 | 2021-06-15 | 百度在线网络技术(北京)有限公司 | 路况发布方法和装置、电子设备、存储介质 |
CN115424440A (zh) * | 2022-08-26 | 2022-12-02 | 上海移为通信技术股份有限公司 | 驾驶行为预警方法、装置、设备及存储介质 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101187671B (zh) * | 2007-12-27 | 2010-06-02 | 北京中星微电子有限公司 | 一种确定汽车行驶速度的方法及装置 |
CN101656021A (zh) * | 2008-08-19 | 2010-02-24 | 北京捷易联科技有限公司 | 一种路况的判别方法、系统及交通信息处理系统 |
CN101673463B (zh) * | 2009-09-17 | 2011-12-14 | 北京世纪高通科技有限公司 | 一种基于时间序列的交通信息预测方法及装置 |
CN101763729B (zh) * | 2009-12-29 | 2012-12-12 | 北京世纪高通科技有限公司 | 路况数据特征值提取的方法和装置 |
CN101763730B (zh) * | 2009-12-30 | 2012-09-26 | 北京世纪高通科技有限公司 | 交通路况信息填补方法和系统 |
CN103177576B (zh) * | 2011-12-21 | 2015-09-30 | 上海优途信息科技有限公司 | 一种收费站上下游路况信息的判断方法及装置 |
CN104217591B (zh) * | 2014-08-29 | 2017-03-15 | 哈尔滨工业大学深圳研究生院 | 动态路况检测方法及系统 |
CN106600958B (zh) * | 2016-11-29 | 2019-05-17 | 北京掌行通信息技术有限公司 | 动态路况表达方法及装置 |
-
2018
- 2018-05-03 CN CN201810415542.3A patent/CN110197583B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN110197583A (zh) | 2019-09-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11380195B2 (en) | Road traffic analysis methods and apparatuses | |
US20200211374A1 (en) | System, method, and apparatus for analyzing a traffic road condition | |
CN110197583B (zh) | 一种道路路况的识别方法、装置及存储介质 | |
Wang et al. | Distributed consensus-based cooperative highway on-ramp merging using V2X communications | |
CN107045794B (zh) | 路况处理方法及装置 | |
CN110784825B (zh) | 车辆行驶轨迹的生成方法、装置 | |
CN106251642B (zh) | 一种基于实时公交车gps数据的公交路链速度计算方法 | |
CN111341099B (zh) | 一种数据处理方法、装置及电子设备 | |
CN108871357B (zh) | 一种在电子地图上显示拥堵路段的事故车道的方法 | |
CN107293113B (zh) | 一种区域拥堵延时指数的计算方法及装置 | |
Collotta et al. | A dynamic traffic light management system based on wireless sensor networks for the reduction of the red-light running phenomenon | |
CN107016872B (zh) | 快速生成交通广播路况信息发布稿的方法、介质和系统 | |
CN104875740B (zh) | 用于管理跟随空间的方法、主车辆以及跟随空间管理单元 | |
CN107886718B (zh) | 一种路况分析方法、装置及网络系统 | |
JP2017096636A (ja) | 推奨予定経路取得システム、方法およびプログラム | |
Hans et al. | Clustering approach for assessing the travel time variability of arterials | |
CN110827537B (zh) | 一种潮汐车道的设置方法、装置及设备 | |
CN110675646B (zh) | 公交站点位置获取方法及装置 | |
Rezgui et al. | Smart traffic light scheduling algorithms | |
Klunder et al. | The effect of inaccurate traffic data for ramp metering: Comparing loop detectors and cameras using information utility | |
CN108241866A (zh) | 一种对驾驶行为进行引导的方法、装置和车辆 | |
CN106887138B (zh) | 一种堵车蔓延态势侦测方法与系统 | |
CN112509332B (zh) | 路况确定方法、装置、介质以及电子设备 | |
CN113393011B (zh) | 预测限速信息的方法、装置、计算机设备和介质 | |
CN114822050A (zh) | 路况识别方法、电子设备及计算机程序产品 |
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 |