CN110675644A - 道路红绿灯的识别方法、装置、电子设备及存储介质 - Google Patents
道路红绿灯的识别方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN110675644A CN110675644A CN201910926836.7A CN201910926836A CN110675644A CN 110675644 A CN110675644 A CN 110675644A CN 201910926836 A CN201910926836 A CN 201910926836A CN 110675644 A CN110675644 A CN 110675644A
- Authority
- CN
- China
- Prior art keywords
- parking
- track information
- traffic light
- user
- characteristic 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
Images
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
- G08G1/09623—Systems involving the acquisition of information from passive traffic signs by means mounted on the vehicle
Abstract
本申请公开了道路红绿灯的识别方法、装置、电子设备及存储介质,涉及大数据技术领域。具体实现方案为:获取用户的轨迹信息;对所述用户的轨迹信息进行筛选,得到存在停驻行为的候选轨迹信息;获取所述候选轨迹信息中停驻行为发生的位置和对应的道路特征数据;若所述道路特征数据满足预设条件,则确定所述停驻行为发生的位置为真实红绿灯路口。从而可以通过用户的轨迹信息,准确、高效地获取到道路红绿灯的位置信息,且整个识别过程对采集设备的要求低,时效性强。
Description
技术领域
本申请涉及数据处理技术领域中的大数据技术,尤其涉及一种道路红绿灯的识别方法、装置、电子设备及存储介质。
背景技术
对于红绿灯的识别和提前预警,可以便于对车辆进行导航。
现有技术中,一般采用全景采集更新、卫星影像、用户反馈等方式,确定出道路上的红绿灯。其中,全景采集更新的方式,需要在车辆上安装采集设备,采集设备采集真实的道路影像、道路周围场景的影像,然后对影像进行分析以得到红绿灯的信息。卫星影像的方式是指获取卫星所采集的影像,对影像进行分析以得到红绿灯的信息。用户反馈的方式是指依据用户反馈的文字、语音、图像、视频等等信息来提取红绿灯的信息。
然而现有技术中,全景采集更新的方式需要专业的采集设备,成本较高。卫星影像的方式所采集的影响精准度较差,而用户反馈的方式容易引入错误信息,从而以上两种方式,均无法得到准确的红绿灯信息。
发明内容
本申请提供一种道路红绿灯的识别方法、装置、电子设备及存储介质,可以通过用户的轨迹信息,准确、高效地获取到道路红绿灯的位置信息,且整个识别过程对采集设备的要求低,时效性强。
第一方面,本申请实施例提供一种道路红绿灯的识别方法,包括:
获取用户的轨迹信息;
对所述用户的轨迹信息进行筛选,得到存在停驻行为的候选轨迹信息;
获取所述候选轨迹信息中停驻行为发生的位置和对应的道路特征数据;
若所述道路特征数据满足预设条件,则确定所述停驻行为发生的位置为真实红绿灯路口。
本实施例中,首先获取用户的轨迹信息;对用户的轨迹信息进行筛选,得到存在停驻行为的候选轨迹信息;获取候选轨迹信息中停驻行为发生的位置和对应的道路特征数据;若道路特征数据满足预设条件,则确定停驻行为发生的位置为真实红绿灯路口;从而可以通过用户的轨迹信息,准确、高效地获取到道路红绿灯的位置信息,且整个识别过程对采集设备的要求低,时效性强。
在一种可能的设计中,所述获取用户的轨迹信息,包括以下任一或者任多方式:
接收终端发送的用户的轨迹信息;其中,所述终端中加载有地图应用;
接收车载导航发送的用户的轨迹信息;
接收道路要素采集设备发送的用户的轨迹信息。
本实施例中,用户的轨迹信息可以来自用户的终端、车载导航、道路要素采集设备等等;因此,不需要设置价格高昂的采集设备对道路上的红绿灯信息进行频繁地采集,对设备的要求低,数据获取的成本低,时效性更强。
在一种可能的设计中,对所述用户的轨迹信息进行筛选,得到存在停驻行为的候选轨迹信息,包括:
若所述用户的轨迹信息中存在行进速度从第一预设值降低到零,且从零提升到第二预设值,则确定所述用户的轨迹信息中存在停驻行为;
将存在至少一次停驻行为的用户的轨迹信息作为所述候选轨迹信息。
本实施例中,通过判断用户的轨迹信息中是否存在行进速度从第一预设值降低到零,且从零提升到第二预设值的情况,若存在,则确定有停驻行为。从而可以方便、精确地获取到所有停驻行为。而红绿灯路口往往会存在大量的停驻行为,因此可以根据停驻行为对应的位置,来获取到疑似为红绿灯路口的位置。
在一种可能的设计中,在获取所述候选轨迹信息中停驻行为发生的位置之后,还包括:
对所有候选轨迹信息中停驻行为发生的位置进行聚类分析,得到停驻位置的密度分布图;
将所述停驻位置的密度分布图中,密度大于预设阈值的停驻位置作为候选红绿灯路口。
本实施例中,通过对所有候选轨迹信息中停驻行为发生的位置进行聚类分析,然后将停驻位置的密度分布图中,密度大于预设阈值的停驻位置作为候选红绿灯路口,从而可以进一步地增加红绿灯路口的识别精度,减少后续数据处理的数量,避免对每个停驻位置进行分析,提高红绿灯的识别效率。
在一种可能的设计中,还包括:
当所述候选红绿灯路口对应的道路特征数据满足所述预设条件时,则确定所述候选红绿灯路口为真实红绿灯路口。
本实施例中,通过设置预设条件对候选红绿灯路口做进一步地的判别,从而提高红绿灯识别的准确率。
在一种可能的设计中,所述道路特征数据,包括:方向场景特征数据、时序特征数据、临近道路速度特征数据。
在一种可能的设计中,所述道路特征数据满足预设条件包括以下任一或者任多情况:
所述方向场景特征数据满足红绿灯路口的各个行进方向的停驻规律;其中,所述方向场景特征数据包括:直行方向停驻时间、左转方向停驻时间、掉头停驻时间、右转停驻时间;
所述时序特征数据满足红绿灯路口的停驻周期规律;所述时序特征数据是指预设时间段内停驻行为的时序分布;
所述临近道路速度特征数据满足红绿灯路口的速度变化规律;所述临近道路速度特征数据是指以停驻行为发生的位置为中心,预设半径范围内的道路上车辆的平均行驶速度。
本实施例中,通过对道路特征数据的分析,可以进一步地对疑似红绿灯路口的位置进行判别,满足的条件越多,对应的判别精度也会越高。本领域技术人员可以根据需要设置预设条件,从而准确地识别出道路上的红绿灯路口。
在一种可能的设计中,在确定所述停驻行为发生的位置为真实红绿灯路口之前,还包括:
对所述停驻行为发生的位置进行审核处理;
若通过审核,则确定所述停驻行为发生的位置为真实红绿灯路口。
本实施例中,可以通过人工审核或者自动审核的方式对停驻行为的位置进行判别,去除掉重复的位置,过滤掉明显错误的位置,从而提高红绿灯的识别精度。
在一种可能的设计中,还包括:
在地图上添加所述真实红绿灯路口的位置,得到并显示更新后的地图。
本实施例中,可以将识别出的真实红绿灯的位置标记在图中,从而可以将更新后的地图反馈给终端或者车载导航,方便其进行路线规划,提高用户的驾驶体验。
第二方面,本申请实施例提供一种道路红绿灯的识别装置,包括:
第一获取模块,用于获取用户的轨迹信息;
筛选模块,用于对所述用户的轨迹信息进行筛选,得到存在停驻行为的候选轨迹信息;
第二获取模块,用于获取所述候选轨迹信息中停驻行为发生的位置和对应的道路特征数据;
确定模块,用于在所述道路特征数据满足预设条件时,确定所述停驻行为发生的位置为真实红绿灯路口。
本实施例中,首先获取用户的轨迹信息;对用户的轨迹信息进行筛选,得到存在停驻行为的候选轨迹信息;获取候选轨迹信息中停驻行为发生的位置和对应的道路特征数据;若道路特征数据满足预设条件,则确定停驻行为发生的位置为真实红绿灯路口;从而可以通过用户的轨迹信息,准确、高效地获取到道路红绿灯的位置信息,且整个识别过程对采集设备的要求低,时效性强。
在一种可能的设计中,所述第一获取模块,具体用于:
接收终端发送的用户的轨迹信息;其中,所述终端中加载有地图应用;
接收车载导航发送的用户的轨迹信息;
接收道路要素采集设备发送的用户的轨迹信息。
本实施例中,用户的轨迹信息可以来自用户的终端、车载导航、道路要素采集设备等等;因此,不需要设置价格高昂的采集设备对道路上的红绿灯信息进行频繁地采集,对设备的要求低,数据获取的成本低,时效性更强。
在一种可能的设计中,所述筛选模块,具体用于:
若所述用户的轨迹信息中存在行进速度从第一预设值降低到零,且从零提升到第二预设值,则确定所述用户的轨迹信息中存在停驻行为;
将存在至少一次停驻行为的用户的轨迹信息作为所述候选轨迹信息。
本实施例中,通过判断用户的轨迹信息中是否存在行进速度从第一预设值降低到零,且从零提升到第二预设值的情况,若存在,则确定有停驻行为。从而可以方便、精确地获取到所有停驻行为。而红绿灯路口往往会存在大量的停驻行为,因此可以根据停驻行为对应的位置,来获取到疑似为红绿灯路口的位置。
在一种可能的设计中,还包括:聚类模块,用于:
对所有候选轨迹信息中停驻行为发生的位置进行聚类分析,得到停驻位置的密度分布图;
将所述停驻位置的密度分布图中,密度大于预设阈值的停驻位置作为候选红绿灯路口。
本实施例中,通过对所有候选轨迹信息中停驻行为发生的位置进行聚类分析,然后将停驻位置的密度分布图中,密度大于预设阈值的停驻位置作为候选红绿灯路口,从而可以进一步地增加红绿灯路口的识别精度,减少后续数据处理的数量,避免对每个停驻位置进行分析,提高红绿灯的识别效率。
在一种可能的设计中,所述确定模块,还用于:
当所述候选红绿灯路口对应的道路特征数据满足所述预设条件时,则确定所述候选红绿灯路口为真实红绿灯路口。
本实施例中,通过设置预设条件对候选红绿灯路口做进一步地的判别,从而提高红绿灯识别的准确率。
在一种可能的设计中,所述道路特征数据,包括:方向场景特征数据、时序特征数据、临近道路速度特征数据。
在一种可能的设计中,所述道路特征数据满足预设条件包括以下任一或者任多情况:
所述方向场景特征数据满足红绿灯路口的各个行进方向的停驻规律;其中,所述方向场景特征数据包括:直行方向停驻时间、左转方向停驻时间、掉头停驻时间、右转停驻时间;
所述时序特征数据满足红绿灯路口的停驻周期规律;所述时序特征数据是指预设时间段内停驻行为的时序分布;
所述临近道路速度特征数据满足红绿灯路口的速度变化规律;所述临近道路速度特征数据是指以停驻行为发生的位置为中心,预设半径范围内的道路上车辆的平均行驶速度。
本实施例中,通过对道路特征数据的分析,可以进一步地对疑似红绿灯路口的位置进行判别,满足的条件越多,对应的判别精度也会越高。本领域技术人员可以根据需要设置预设条件,从而准确地识别出道路上的红绿灯路口。
在一种可能的设计中,还包括:审核模块,用于:
在确定所述停驻行为发生的位置为真实红绿灯路口之前,对所述停驻行为发生的位置进行审核处理;
若通过审核,则确定所述停驻行为发生的位置为真实红绿灯路口。
本实施例中,可以通过人工审核或者自动审核的方式对停驻行为的位置进行判别,去除掉重复的位置,过滤掉明显错误的位置,从而提高红绿灯的识别精度。
在一种可能的设计中,还包括:更新模块,用于:
在地图上添加所述真实红绿灯路口的位置,得到并显示更新后的地图。
本实施例中,可以将识别出的真实红绿灯的位置标记在图中,从而可以将更新后的地图反馈给终端或者车载导航,方便其进行路线规划,提高用户的驾驶体验。
第三方面,本申请提供一种电子设备,包括:处理器和存储器;存储器中存储有所述处理器的可执行指令;其中,所述处理器配置为经由执行所述可执行指令来执行如第一方面中任一项所述的道路红绿灯的识别方法。
第四方面,本申请提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现第一方面中任一项所述的道路红绿灯的识别方法。
第五方面,本申请实施例提供一种程序产品,所述程序产品包括:计算机程序,所述计算机程序存储在可读存储介质中,服务器的至少一个处理器可以从所述可读存储介质读取所述计算机程序,所述至少一个处理器执行所述计算机程序使得服务器执行第一方面中任一所述的道路红绿灯的识别方法。
第六方面,本申请还提供一种道路红绿灯的识别方法,包括:
获取用户的轨迹信息;
对所述用户的轨迹信息进行筛选,得到存在停驻行为的候选轨迹信息;
若所述候选轨迹信息中停驻行为发生的位置对应的道路特征数据满足预设条件,则确定所述停驻行为发生的位置为真实红绿灯路口。
本实施例中,通过获取用户的轨迹信息;对所述用户的轨迹信息进行筛选,得到存在停驻行为的候选轨迹信息;若所述候选轨迹信息中停驻行为发生的位置对应的道路特征数据满足预设条件,则确定所述停驻行为发生的位置为真实红绿灯路口。从而可以通过用户的轨迹信息,准确、高效地获取到道路红绿灯的位置信息,且整个识别过程对采集设备的要求低,时效性强。
上述申请中的一个实施例具有如下优点或有益效果:可以通过用户的轨迹信息,准确、高效地获取到道路红绿灯的位置信息,且整个识别过程对采集设备的要求低,时效性强。因为采用获取用户的轨迹信息;对所述用户的轨迹信息进行筛选,得到存在停驻行为的候选轨迹信息;获取所述候选轨迹信息中停驻行为发生的位置和对应的道路特征数据;若所述道路特征数据满足预设条件,则确定所述停驻行为发生的位置为真实红绿灯路口的技术手段,所以克服了红绿灯位置的识别不准确的技术问题,进而达到提高红绿灯位置的识别准确率,保证数据时效性的技术效果。
上述可选方式所具有的其他效果将在下文中结合具体实施例加以说明。
附图说明
附图用于更好地理解本方案,不构成对本申请的限定。其中:
图1是可以实现本申请实施例的道路红绿灯的识别方法的场景图;
图2是根据本申请第一实施例的示意图;
图3是根据本申请实施例的时序特征数据的示意图;
图4是根据本申请实施例的停驻位置的密度分布图;
图5是根据本申请第二实施例的示意图;
图6是根据本申请第三实施例的示意图;
图7是根据本申请第四实施例的示意图;
图8是根据本申请第五实施例的示意图;
图9是用来实现本申请实施例的道路红绿灯的识别方法的电子设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明,其中包括本申请实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本申请的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例例如能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
下面以具体地实施例对本申请的技术方案进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例不再赘述。
目前地图产品上一个非常重要的产品形态就是规划用户从出发地,到达目的地的路径,并对用户进行导航。在导航过程中,地图产品会针对道路数据,对用户进行一些提示和引导,以保证用户在驾驶过程中的安全,避免用户出现违章违规的行为。对于红绿灯的识别和提前预警,可以便于对车辆进行导航。
现有技术中,一般采用全景采集更新、卫星影像、用户反馈等方式,确定出道路上的红绿灯。其中,全景采集更新的方式,需要在车辆上安装采集设备,采集设备采集真实的道路影像、道路周围场景的影像,然后对影像进行分析以得到红绿灯的信息。卫星影像的方式是指获取卫星所采集的影像,对影像进行分析以得到红绿灯的信息。用户反馈的方式是指依据用户反馈的文字、语音、图像、视频等等信息来提取红绿灯的信息。
然而现有技术中,全景采集更新的方式需要专业的采集设备,成本较高。卫星影像的方式所采集的影响精准度较差,而用户反馈的方式容易引入错误信息,从而以上两种方式,均无法得到准确的红绿灯信息。
针对上述技术问题,本申请提供一种道路红绿灯的识别方法、装置、电子设备及存储介质,可以通过用户的轨迹信息,准确、高效地获取到道路红绿灯的位置信息,且整个识别过程对采集设备的要求低,时效性强。用户轨迹,是指针对每一天用户使用地图时,产生的大量轨迹打点。轨迹挖掘技术,是指基于这些轨迹,挖掘道路属性数据的一种数据挖掘技术。目前各种地图产品端每天会产生大量的用户轨迹行为,并存有这些轨迹打点的位置、时间、速度、方向等信息。而相对于传统的道路更新方法,用户的轨迹行为时效性更强,来源方式更加多样化,数据可信度更高。因此通过对这些轨迹行为的数据分析和数据挖掘,是有可能挖掘出道路属性的数据,并让地图产品的道路属性数据更加快速、准确地更新。
图1是可以实现本申请实施例的道路红绿灯的识别方法的场景图,如图1所示,用户的轨迹每小时每分钟都在源源不断的录入到服务器中,可以将通过轨迹挖掘,将发现道路要素的时效性提高到天级、小时级甚至于分钟级,具有时效性高的优点。本实施例只需要对轨迹进行挖掘,不需要依赖人工进行全景采集,降低了成本。用于用户的轨迹信息是道路要素的真实反馈,所以对轨迹特征的精确判断,可以有效挖掘出道路数据要素,准确率高。用户上传的轨迹信息,仅有用户在地图二维平面上的一个点的坐标信息,以及与坐标对应的时间、用户id、速度等信息。用户的轨迹信息可以是来源于加载有地图应用的终端、也可以是车载导航系统,还可以是外业全景采集资质的外采车,还可以是合作用户车辆的轨迹。服务器可以主动获取用户的轨迹信息,也可以是被动地接收车载、地图客户端、全景采集车辆等发送的用户的轨迹信息。然后,服务器对用户上传的轨迹信息进行分析处理,筛选出所有停驻行为;根据停驻行为,判断是否为红绿灯路口。在具体实现过程中,服务器通过判断用户的轨迹是否有速度从高降为0,之后又有重新启动,来确定用户是否有停驻行为,以及停驻行为发生的位置。从而可以方便、精确地获取到所有停驻行为。而红绿灯路口往往会存在大量的停驻行为,因此可以根据停驻行为对应的位置,来获取到疑似为红绿灯路口的位置。然后,服务器还可以获取候选轨迹信息中停驻行为发生的位置和对应的道路特征数据。其中,道路特征数据,包括:方向场景特征数据、时序特征数据、临近道路速度特征数据。最后,服务器根据道路特征数据进行判断,若道路特征数据满足预设条件,则确定停驻行为发生的位置为真实红绿灯路口。道路特征数据满足预设条件包括以下任一或者任多情况:方向场景特征数据满足红绿灯路口的各个行进方向的停驻规律;其中,方向场景特征数据包括:直行方向停驻时间、左转方向停驻时间、掉头停驻时间、右转停驻时间;时序特征数据满足红绿灯路口的停驻周期规律;时序特征数据是指预设时间段内停驻行为的时序分布;临近道路速度特征数据满足红绿灯路口的速度变化规律;临近道路速度特征数据是指以停驻行为发生的位置为中心,预设半径范围内的道路上车辆的平均行驶速度。在获取候选轨迹信息中停驻行为发生的位置之后,服务器还可以对所有候选轨迹信息中停驻行为发生的位置进行聚类分析,得到停驻位置的密度分布图;将停驻位置的密度分布图中,密度大于预设阈值的停驻位置作为候选红绿灯路口。当候选红绿灯路口对应的道路特征数据满足预设条件时,则确定候选红绿灯路口为真实红绿灯路口。
需要说明的是,本实施例不限定用户轨迹信息的来源。服务器可以主动获取用户的轨迹信息,也可以是被动地接收车载、地图客户端、全景采集车辆等发送的用户的轨迹信息。
应用上述方法可以通过用户的轨迹信息,准确、高效地获取到道路红绿灯的位置信息,且整个识别过程对采集设备的要求低,时效性强。
图2是根据本申请第一实施例的示意图,如图2所示,本实施例中的方法可以包括:
S101、获取用户的轨迹信息。
本实施例中,服务器可以获取用户的轨迹信息,然后对用户上传的轨迹信息进行分析处理,以得到道路的红绿灯位置。
需要说明的是,本实施例不限定用户轨迹信息的来源。服务器可以主动获取用户的轨迹信息,也可以是被动地接收车载、地图客户端、全景采集车辆等发送的用户的轨迹信息。
可选地,而相对于传统的道路更新方法,用户的轨迹行为时效性更强,来源方式更加多样化,成本低,数据可信度更高。获取用户的轨迹信息,包括以下任一或者任多方式:接收终端发送的用户的轨迹信息;其中,终端中加载有地图应用;接收车载导航发送的用户的轨迹信息;接收道路要素采集设备发送的用户的轨迹信息。
具体地,用户的轨迹每小时每分钟都在源源不断的录入到服务器中,可以将通过轨迹挖掘,将发现道路要素的时效性提高到天级、小时级甚至于分钟级,具有时效性高的优点。本实施例只需要对轨迹进行挖掘,不需要依赖人工进行全景采集,降低了成本。用于用户的轨迹信息是道路要素的真实反馈,所以对轨迹特征的精确判断,可以有效挖掘出道路数据要素,准确率高。用户上传的轨迹信息,仅有用户在地图二维平面上的一个点的坐标信息,以及与坐标对应的时间、用户id、速度等信息。用户的轨迹信息可以是来源于加载有地图应用的终端、也可以是车载导航系统,还可以是外业全景采集资质的外采车,还可以是合作用户车辆的轨迹。服务器可以主动获取用户的轨迹信息,也可以是被动地接收车载、地图客户端、全景采集车辆等发送的用户的轨迹信息。
S102、对用户的轨迹信息进行筛选,得到存在停驻行为的候选轨迹信息。
本实施例中,服务器对用户的轨迹信息进行筛选,若用户的轨迹信息中存在行进速度从第一预设值降低到零,且从零提升到第二预设值,则确定用户的轨迹信息中存在停驻行为;将存在至少一次停驻行为的用户的轨迹信息作为候选轨迹信息。
具体地,服务器通过判断用户的轨迹是否有速度从高降为0,之后又有重新启动,来确定用户是否有停驻行为,以及停驻行为发生的位置。从而可以方便、精确地获取到所有停驻行为。而红绿灯路口往往会存在大量的停驻行为,因此可以根据停驻行为对应的位置,来获取到疑似为红绿灯路口的位置。
S103、获取候选轨迹信息中停驻行为发生的位置和对应的道路特征数据。
本实施例中,服务器还可以获取候选轨迹信息中停驻行为发生的位置和对应的道路特征数据。其中,道路特征数据,包括:方向场景特征数据、时序特征数据、临近道路速度特征数据。
具体地,在现实世界中的红绿灯一般分为普通红绿灯和方向红绿灯。普通红绿灯下,机动车右转和掉头不受红绿灯限制。而直行和左转需要等待红绿灯,一般会产生大量的停驻行为。而存在方向红绿灯的路口,直行,左转,掉头,右转都有可能受红绿灯限制而产生停驻行为。因此将一个可能存在红绿灯的路口,基于方向进行归类,得到道路的方向场景特征数据。将直行、左转、掉头、右转导致的停驻行为进行区分,并基于四个方向给予不同的权重。以此能更容易排除因人行道、施工等原因导致误召回,更准确地识别现实世界的红绿灯。
红绿灯在路口的指向是呈周期性分布的,因此在停驻行为所发生的时间点上,存在周期行变化,而且变化的周期,近似等于此方向上红绿灯变化的周期。图3是根据本申请实施例的时序特征数据的示意图,如图3所示,道路的时序特征数据重在对一天内停驻行为依照时间进行切片,通过分析切片之间停驻行为存在周期性变化,并且近似符合高斯分布,来识别特定方向上的红绿灯。
现实世界的道路中,如果在道路等级、通量、路宽、车道数等属性相同的情况下,相邻道路的速度均值应该是相近的。而在路口,红绿灯的出现使用户出现大量的停驻,导致临近红绿灯路口的道路平均速度会很低。因此引入临近道路速度特征数据,排除其他干扰项,如果在路口处临近道路的速度呈现高低高的趋势,则此特征有可能是红绿灯导致。
可选地,在获取候选轨迹信息中停驻行为发生的位置之后,还包括:对所有候选轨迹信息中停驻行为发生的位置进行聚类分析,得到停驻位置的密度分布图;将停驻位置的密度分布图中,密度大于预设阈值的停驻位置作为候选红绿灯路口。从而可以进一步地增加红绿灯路口的识别精度,减少后续数据处理的数量,避免对每个停驻位置进行分析,提高红绿灯的识别效率。
具体地,在红绿灯路口,将会出现密集车辆频繁的停驻行为发生。因此,可以在在获取候选轨迹信息中停驻行为发生的位置之后,对停驻行为发生的位置进行聚类分析,得到停驻位置的密度分布图。聚类分析可以排除个体偶然因素导致的停驻行为发生的影响。然后,将将停驻位置的密度分布图中,密度大于预设阈值的停驻位置作为候选红绿灯路口。图4是根据本申请实施例的停驻位置的密度分布图,如图4所示,将二维平面图中的所有停驻行为进行密度聚类,在一个区域面内,停驻行为密度达到一定阈值的位置聚类合并,此处为可能存在红绿灯的路口,将密度大于预设阈值的停驻位置作为候选红绿灯路口。
S104、若道路特征数据满足预设条件,则确定停驻行为发生的位置为真实红绿灯路口。
本实施例中,服务器根据道路特征数据进行判断,若道路特征数据满足预设条件,则确定停驻行为发生的位置为真实红绿灯路口。道路特征数据满足预设条件包括以下任一或者任多情况:
方向场景特征数据满足红绿灯路口的各个行进方向的停驻规律;其中,方向场景特征数据包括:直行方向停驻时间、左转方向停驻时间、掉头停驻时间、右转停驻时间;
时序特征数据满足红绿灯路口的停驻周期规律;时序特征数据是指预设时间段内停驻行为的时序分布;
临近道路速度特征数据满足红绿灯路口的速度变化规律;临近道路速度特征数据是指以停驻行为发生的位置为中心,预设半径范围内的道路上车辆的平均行驶速度。
具体地,根据道路的方向场景特征数据,将直行、左转、掉头、右转导致的停驻行为进行区分,获得直行方向停驻时间、左转方向停驻时间、掉头停驻时间、右转停驻时间。若方向场景特征数据满足红绿灯路口的各个行进方向的停驻规律,则满足预设条件。
红绿灯在路口的指向是呈周期性分布的,因此在停驻行为所发生的时间点上,存在周期行变化,而且变化的周期,近似等于此方向上红绿灯变化的周期。若时序特征数据满足红绿灯路口的停驻周期规律,则满足预设条件。
在红绿灯路口的速度呈现高低高的变化规律趋势,若在停驻行为发生的位置为中心,预设半径范围内的道路上车辆的平均行驶速度满足红绿灯路口的速度变化规律,则满足预设条件。
需要说明的是,通过对道路特征数据的分析,可以进一步地对疑似红绿灯路口的位置进行判别,满足的条件越多,对应的判别精度也会越高。本领域技术人员可以根据需要设置预设条件,从而准确地识别出道路上的红绿灯路口。
可选地,还包括:当候选红绿灯路口对应的道路特征数据满足预设条件时,则确定候选红绿灯路口为真实红绿灯路口。
具体地,通过对所有候选轨迹信息中停驻行为发生的位置进行聚类分析,得到候选红绿灯路口后,可以对候选红绿灯路口对应的道路特征数据进行判断,若道路特征数据满足预设条件,则确定候选红绿灯路口为真实红绿灯路口。对道路特征数据进行判断的方法此处不再赘述。
可选地,在确定停驻行为发生的位置为真实红绿灯路口之前,还包括:对停驻行为发生的位置进行审核处理;若通过审核,则确定停驻行为发生的位置为真实红绿灯路口。
具体地,还可以通过人工审核或者自动审核的方式对停驻行为的位置进行判别,去除掉重复的位置,过滤掉明显错误的位置,从而提高红绿灯的识别精度。
本实施例,通过获取用户的轨迹信息;对用户的轨迹信息进行筛选,得到存在停驻行为的候选轨迹信息;获取候选轨迹信息中停驻行为发生的位置和对应的道路特征数据;若道路特征数据满足预设条件,则确定停驻行为发生的位置为真实红绿灯路口。从而可以通过用户的轨迹信息,准确、高效地获取到道路红绿灯的位置信息,且整个识别过程对采集设备的要求低,时效性强。
图5是根据本申请第二实施例的示意图,如图5所示,本实施例中的方法可以包括:
S201、获取用户的轨迹信息。
S202、对用户的轨迹信息进行筛选,得到存在停驻行为的候选轨迹信息。
S203、获取候选轨迹信息中停驻行为发生的位置和对应的道路特征数据。
S204、若道路特征数据满足预设条件,则确定停驻行为发生的位置为真实红绿灯路口。
本实施例中的步骤S201~步骤S204的具体实现过程和实现原理参见图2所示方法中的相关描述,此处不再赘述。
S205、在地图上添加真实红绿灯路口的位置,得到并显示更新后的地图。
本实施例中,服务器还可以将识别出的真实红绿灯的位置标记在图中,从而可以将更新后的地图反馈给终端或者车载导航,方便其进行路线规划,提高用户的驾驶体验。
本实施例,通过获取用户的轨迹信息;对用户的轨迹信息进行筛选,得到存在停驻行为的候选轨迹信息;获取候选轨迹信息中停驻行为发生的位置和对应的道路特征数据;若道路特征数据满足预设条件,则确定停驻行为发生的位置为真实红绿灯路口。从而可以通过用户的轨迹信息,准确、高效地获取到道路红绿灯的位置信息,且整个识别过程对采集设备的要求低,时效性强。
另外,本实施例还可以在地图上添加真实红绿灯路口的位置,得到更新后的地图,并可以将更新后的地图反馈给终端或者车载导航,方便其进行路线规划,提高用户的驾驶体验。
图6是根据本申请第三实施例的示意图;如图6所示,本实施例中的方法可以包括:
S301、获取用户的轨迹信息;
S302、对用户的轨迹信息进行筛选,得到存在停驻行为的候选轨迹信息;
S303、若候选轨迹信息中停驻行为发生的位置对应的道路特征数据满足预设条件,则确定停驻行为发生的位置为真实红绿灯路口。
本实施例中的步骤S301~步骤S303的具体实现过程和实现原理参见图2所示方法中的相关描述,此处不再赘述。
本实施例,通过获取用户的轨迹信息;对用户的轨迹信息进行筛选,得到存在停驻行为的候选轨迹信息;获取候选轨迹信息中停驻行为发生的位置和对应的道路特征数据;若道路特征数据满足预设条件,则确定停驻行为发生的位置为真实红绿灯路口。从而可以通过用户的轨迹信息,准确、高效地获取到道路红绿灯的位置信息,且整个识别过程对采集设备的要求低,时效性强。
图7是根据本申请第四实施例的示意图;如图7所示,本实施例中的装置可以包括:
第一获取模块31,用于获取用户的轨迹信息;
筛选模块32,用于对用户的轨迹信息进行筛选,得到存在停驻行为的候选轨迹信息;
第二获取模块33,用于获取候选轨迹信息中停驻行为发生的位置和对应的道路特征数据;
确定模块34,用于在道路特征数据满足预设条件时,确定停驻行为发生的位置为真实红绿灯路口。
本实施例中,首先获取用户的轨迹信息;对用户的轨迹信息进行筛选,得到存在停驻行为的候选轨迹信息;获取候选轨迹信息中停驻行为发生的位置和对应的道路特征数据;若道路特征数据满足预设条件,则确定停驻行为发生的位置为真实红绿灯路口;从而可以通过用户的轨迹信息,准确、高效地获取到道路红绿灯的位置信息,且整个识别过程对采集设备的要求低,时效性强。
在一种可能的设计中,第一获取模块31,具体用于:
接收终端发送的用户的轨迹信息;其中,终端中加载有地图应用;
接收车载导航发送的用户的轨迹信息;
接收道路要素采集设备发送的用户的轨迹信息。
本实施例中,用户的轨迹信息可以来自用户的终端、车载导航、道路要素采集设备等等;因此,不需要设置价格高昂的采集设备对道路上的红绿灯信息进行频繁地采集,对设备的要求低,数据获取的成本低,时效性更强。
在一种可能的设计中,筛选模块32,具体用于:
若用户的轨迹信息中存在行进速度从第一预设值降低到零,且从零提升到第二预设值,则确定用户的轨迹信息中存在停驻行为;
将存在至少一次停驻行为的用户的轨迹信息作为候选轨迹信息。
本实施例中,通过判断用户的轨迹信息中是否存在行进速度从第一预设值降低到零,且从零提升到第二预设值的情况,若存在,则确定有停驻行为。从而可以方便、精确地获取到所有停驻行为。而红绿灯路口往往会存在大量的停驻行为,因此可以根据停驻行为对应的位置,来获取到疑似为红绿灯路口的位置。
在一种可能的设计中,道路特征数据,包括:方向场景特征数据、时序特征数据、临近道路速度特征数据。
在一种可能的设计中,道路特征数据满足预设条件包括以下任一或者任多情况:
方向场景特征数据满足红绿灯路口的各个行进方向的停驻规律;其中,方向场景特征数据包括:直行方向停驻时间、左转方向停驻时间、掉头停驻时间、右转停驻时间;
时序特征数据满足红绿灯路口的停驻周期规律;时序特征数据是指预设时间段内停驻行为的时序分布;
临近道路速度特征数据满足红绿灯路口的速度变化规律;临近道路速度特征数据是指以停驻行为发生的位置为中心,预设半径范围内的道路上车辆的平均行驶速度。
本实施例中,通过对道路特征数据的分析,可以进一步地对疑似红绿灯路口的位置进行判别,满足的条件越多,对应的判别精度也会越高。本领域技术人员可以根据需要设置预设条件,从而准确地识别出道路上的红绿灯路口。
本实施例的道路红绿灯的识别装置,可以执行图2、图6所示方法中的技术方案,其具体实现过程和技术原理参见图2、图6所示方法中的相关描述,此处不再赘述。
本实施例,通过获取用户的轨迹信息;对用户的轨迹信息进行筛选,得到存在停驻行为的候选轨迹信息;获取候选轨迹信息中停驻行为发生的位置和对应的道路特征数据;若道路特征数据满足预设条件,则确定停驻行为发生的位置为真实红绿灯路口。从而可以通过用户的轨迹信息,准确、高效地获取到道路红绿灯的位置信息,且整个识别过程对采集设备的要求低,时效性强。
图8是根据本申请第五实施例的示意图;如图8所示,本实施例中的装置在图7所示装置的基础上,还可以包括:
在一种可能的设计中,还包括:聚类模块35,用于:
对所有候选轨迹信息中停驻行为发生的位置进行聚类分析,得到停驻位置的密度分布图;
将停驻位置的密度分布图中,密度大于预设阈值的停驻位置作为候选红绿灯路口。
本实施例中,通过对所有候选轨迹信息中停驻行为发生的位置进行聚类分析,然后将停驻位置的密度分布图中,密度大于预设阈值的停驻位置作为候选红绿灯路口,从而可以进一步地增加红绿灯路口的识别精度,减少后续数据处理的数量,避免对每个停驻位置进行分析,提高红绿灯的识别效率。
在一种可能的设计中,确定模块34,还用于:
当候选红绿灯路口对应的道路特征数据满足预设条件时,则确定候选红绿灯路口为真实红绿灯路口。
本实施例中,通过设置预设条件对候选红绿灯路口做进一步地的判别,从而提高红绿灯识别的准确率。
在一种可能的设计中,还包括:审核模块36,用于:
在确定停驻行为发生的位置为真实红绿灯路口之前,对停驻行为发生的位置进行审核处理;
若通过审核,则确定停驻行为发生的位置为真实红绿灯路口。
本实施例中,可以通过人工审核或者自动审核的方式对停驻行为的位置进行判别,去除掉重复的位置,过滤掉明显错误的位置,从而提高红绿灯的识别精度。
在一种可能的设计中,还包括:更新模块37,用于:
在地图上添加真实红绿灯路口的位置,得到并显示更新后的地图。
本实施例中,可以将识别出的真实红绿灯的位置标记在图中,从而可以将更新后的地图反馈给终端或者车载导航,方便其进行路线规划,提高用户的驾驶体验。
本实施例的道路红绿灯的识别装置,可以执行图2、图5、图6所示方法中的技术方案,其具体实现过程和技术原理参见图2、图5、图6所示方法中的相关描述,此处不再赘述。
本实施例,通过获取用户的轨迹信息;对用户的轨迹信息进行筛选,得到存在停驻行为的候选轨迹信息;获取候选轨迹信息中停驻行为发生的位置和对应的道路特征数据;若道路特征数据满足预设条件,则确定停驻行为发生的位置为真实红绿灯路口。从而可以通过用户的轨迹信息,准确、高效地获取到道路红绿灯的位置信息,且整个识别过程对采集设备的要求低,时效性强。
另外,本实施例还可以在地图上添加真实红绿灯路口的位置,得到更新后的地图,并可以将更新后的地图反馈给终端或者车载导航,方便其进行路线规划,提高用户的驾驶体验。
根据本申请的实施例,本申请还提供了一种电子设备和一种可读存储介质。
图9是用来实现本申请实施例的道路红绿灯的识别方法的电子设备的框图;如图9所示,是根据本申请实施例的道路红绿灯的识别方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图9所示,该电子设备包括:一个或多个处理器501、存储器502,以及用于连接各部件的接口,包括高速接口和低速接口。各个部件利用不同的总线互相连接,并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理,包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如,耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中,若需要,可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样,可以连接多个电子设备,各个设备提供部分必要的操作(例如,作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图9中以一个处理器501为例。
存储器502即为本申请所提供的非瞬时计算机可读存储介质。其中,存储器存储有可由至少一个处理器执行的指令,以使至少一个处理器执行本申请所提供的道路红绿灯的识别方法。本申请的非瞬时计算机可读存储介质存储计算机指令,该计算机指令用于使计算机执行本申请所提供的道路红绿灯的识别方法。
存储器502作为一种非瞬时计算机可读存储介质,可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块,如本申请实施例中的道路红绿灯的识别方法对应的程序指令/模块。处理器501通过运行存储在存储器502中的非瞬时软件程序、指令以及模块,从而执行服务器的各种功能应用以及数据处理,即实现上述方法实施例中的道路红绿灯的识别方法。
存储器502可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储根据道路红绿灯的识别方法的电子设备的使用所创建的数据等。此外,存储器502可以包括高速随机存取存储器,还可以包括非瞬时存储器,例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中,存储器502可选包括相对于处理器501远程设置的存储器,这些远程存储器可以通过网络连接至道路红绿灯的识别方法的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
道路红绿灯的识别方法的电子设备还可以包括:输入装置503和输出装置504。处理器501、存储器502、输入装置503和输出装置504可以通过总线或者其他方式连接,图5中以通过总线连接为例。
输入装置503可接收输入的数字或字符信息,以及产生与道路红绿灯的识别方法的电子设备的用户设置以及功能控制有关的键信号输入,例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置504可以包括显示设备、辅助照明装置(例如,LED)和触觉反馈装置(例如,振动电机)等。该显示设备可以包括但不限于,液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中,显示设备可以是触摸屏。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令,并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的,术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如,磁盘、光盘、存储器、可编程逻辑装置(PLD)),包括,接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本申请公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本申请保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等,均应包含在本申请保护范围之内。
Claims (13)
1.一种道路红绿灯的识别方法,其特征在于,包括:
获取用户的轨迹信息;
对所述用户的轨迹信息进行筛选,得到存在停驻行为的候选轨迹信息;
获取所述候选轨迹信息中停驻行为发生的位置和对应的道路特征数据;
若所述道路特征数据满足预设条件,则确定所述停驻行为发生的位置为真实红绿灯路口。
2.根据权利要求1所述的方法,其特征在于,所述获取用户的轨迹信息,包括以下任一或者任多方式:
接收终端发送的用户的轨迹信息;其中,所述终端中加载有地图应用;
接收车载导航发送的用户的轨迹信息;
接收道路要素采集设备发送的用户的轨迹信息。
3.根据权利要求1所述的方法,其特征在于,对所述用户的轨迹信息进行筛选,得到存在停驻行为的候选轨迹信息,包括:
若所述用户的轨迹信息中存在行进速度从第一预设值降低到零,且从零提升到第二预设值,则确定所述用户的轨迹信息中存在停驻行为;
将存在至少一次停驻行为的用户的轨迹信息作为所述候选轨迹信息。
4.根据权利要求1所述的方法,其特征在于,在获取所述候选轨迹信息中停驻行为发生的位置之后,还包括:
对所有候选轨迹信息中停驻行为发生的位置进行聚类分析,得到停驻位置的密度分布图;
将所述停驻位置的密度分布图中,密度大于预设阈值的停驻位置作为候选红绿灯路口。
5.根据权利要求4所述的方法,其特征在于,还包括:
当所述候选红绿灯路口对应的道路特征数据满足所述预设条件时,则确定所述候选红绿灯路口为真实红绿灯路口。
6.根据权利要求1-5中任一项所述的方法,其特征在于,所述道路特征数据,包括:方向场景特征数据、时序特征数据、临近道路速度特征数据。
7.根据权利要求6所述的方法,其特征在于,所述道路特征数据满足预设条件包括以下任一或者任多情况:
所述方向场景特征数据满足红绿灯路口的各个行进方向的停驻规律;其中,所述方向场景特征数据包括:直行方向停驻时间、左转方向停驻时间、掉头停驻时间、右转停驻时间;
所述时序特征数据满足红绿灯路口的停驻周期规律;所述时序特征数据是指预设时间段内停驻行为的时序分布;
所述临近道路速度特征数据满足红绿灯路口的速度变化规律;所述临近道路速度特征数据是指以停驻行为发生的位置为中心,预设半径范围内的道路上车辆的平均行驶速度。
8.根据权利要求1-5中任一项所述的方法,其特征在于,在确定所述停驻行为发生的位置为真实红绿灯路口之前,还包括:
对所述停驻行为发生的位置进行审核处理;
若通过审核,则确定所述停驻行为发生的位置为真实红绿灯路口。
9.根据权利要求1-5中任一项所述的方法,其特征在于,还包括:
在地图上添加所述真实红绿灯路口的位置,得到并显示更新后的地图。
10.一种道路红绿灯的识别装置,其特征在于,包括:
第一获取模块,用于获取用户的轨迹信息;
筛选模块,用于对所述用户的轨迹信息进行筛选,得到存在停驻行为的候选轨迹信息;
第二获取模块,用于获取所述候选轨迹信息中停驻行为发生的位置和对应的道路特征数据;
确定模块,用于在所述道路特征数据满足预设条件时,确定所述停驻行为发生的位置为真实红绿灯路口。
11.一种电子设备,其特征在于,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-9中任一项所述的方法。
12.一种存储有计算机指令的非瞬时计算机可读存储介质,其特征在于,所述计算机指令用于使所述计算机执行权利要求1-9中任一项所述的方法。
13.一种道路红绿灯的识别方法,其特征在于,包括:
获取用户的轨迹信息;
对所述用户的轨迹信息进行筛选,得到存在停驻行为的候选轨迹信息;
若所述候选轨迹信息中停驻行为发生的位置对应的道路特征数据满足预设条件,则确定所述停驻行为发生的位置为真实红绿灯路口。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910926836.7A CN110675644B (zh) | 2019-09-27 | 2019-09-27 | 道路红绿灯的识别方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910926836.7A CN110675644B (zh) | 2019-09-27 | 2019-09-27 | 道路红绿灯的识别方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110675644A true CN110675644A (zh) | 2020-01-10 |
CN110675644B CN110675644B (zh) | 2021-09-28 |
Family
ID=69079682
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910926836.7A Active CN110675644B (zh) | 2019-09-27 | 2019-09-27 | 道路红绿灯的识别方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110675644B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111311906A (zh) * | 2020-02-11 | 2020-06-19 | 北京百度网讯科技有限公司 | 路口距离的检测方法、装置、电子设备和存储介质 |
CN111582030A (zh) * | 2020-04-02 | 2020-08-25 | 北京百度网讯科技有限公司 | 红绿灯的识别方法、装置、电子设备和计算机存储介质 |
CN113129596A (zh) * | 2021-04-28 | 2021-07-16 | 北京百度网讯科技有限公司 | 行驶数据处理方法、装置、设备、存储介质及程序产品 |
CN113269964A (zh) * | 2021-05-24 | 2021-08-17 | 哈尔滨翼成科技有限公司 | 一种车道动态划定方法及设备 |
CN113393011A (zh) * | 2020-03-13 | 2021-09-14 | 百度在线网络技术(北京)有限公司 | 预测限速信息的方法、装置、计算机设备和介质 |
CN114093170A (zh) * | 2021-11-26 | 2022-02-25 | 阿波罗智联(北京)科技有限公司 | 一种信号机控制方案的生成方法、系统、装置及电子设备 |
CN114170797A (zh) * | 2021-12-02 | 2022-03-11 | 北京百度网讯科技有限公司 | 交通限制路口的识别方法、装置、设备、介质及产品 |
CN114926980A (zh) * | 2022-04-22 | 2022-08-19 | 阿里巴巴(中国)有限公司 | 交通数据挖掘方法、装置、电子设备及计算机程序产品 |
CN116168544A (zh) * | 2023-04-25 | 2023-05-26 | 北京百度网讯科技有限公司 | 切换点预测方法、预测模型训练方法、装置、设备及介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104332064A (zh) * | 2014-10-27 | 2015-02-04 | 百度在线网络技术(北京)有限公司 | 基于用户轨迹更新道路信息的方法及装置 |
CN104537837A (zh) * | 2014-12-31 | 2015-04-22 | 小米科技有限责任公司 | 交通标志的获取、确定交通路线的方法、装置及系统 |
WO2015068542A1 (ja) * | 2013-11-05 | 2015-05-14 | 日産自動車株式会社 | 車両用表示装置、画像表示方法、及びコンピュータプログラム |
CN105702152A (zh) * | 2016-04-28 | 2016-06-22 | 百度在线网络技术(北京)有限公司 | 地图生成方法和装置 |
CN107257379A (zh) * | 2017-06-30 | 2017-10-17 | 百度在线网络技术(北京)有限公司 | 用于推送信息的方法和装置 |
-
2019
- 2019-09-27 CN CN201910926836.7A patent/CN110675644B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015068542A1 (ja) * | 2013-11-05 | 2015-05-14 | 日産自動車株式会社 | 車両用表示装置、画像表示方法、及びコンピュータプログラム |
CN104332064A (zh) * | 2014-10-27 | 2015-02-04 | 百度在线网络技术(北京)有限公司 | 基于用户轨迹更新道路信息的方法及装置 |
CN104537837A (zh) * | 2014-12-31 | 2015-04-22 | 小米科技有限责任公司 | 交通标志的获取、确定交通路线的方法、装置及系统 |
CN105702152A (zh) * | 2016-04-28 | 2016-06-22 | 百度在线网络技术(北京)有限公司 | 地图生成方法和装置 |
CN107257379A (zh) * | 2017-06-30 | 2017-10-17 | 百度在线网络技术(北京)有限公司 | 用于推送信息的方法和装置 |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111311906A (zh) * | 2020-02-11 | 2020-06-19 | 北京百度网讯科技有限公司 | 路口距离的检测方法、装置、电子设备和存储介质 |
CN113393011A (zh) * | 2020-03-13 | 2021-09-14 | 百度在线网络技术(北京)有限公司 | 预测限速信息的方法、装置、计算机设备和介质 |
CN111582030A (zh) * | 2020-04-02 | 2020-08-25 | 北京百度网讯科技有限公司 | 红绿灯的识别方法、装置、电子设备和计算机存储介质 |
CN111582030B (zh) * | 2020-04-02 | 2023-08-29 | 北京百度网讯科技有限公司 | 红绿灯的识别方法、装置、电子设备和计算机存储介质 |
CN113129596A (zh) * | 2021-04-28 | 2021-07-16 | 北京百度网讯科技有限公司 | 行驶数据处理方法、装置、设备、存储介质及程序产品 |
CN113269964A (zh) * | 2021-05-24 | 2021-08-17 | 哈尔滨翼成科技有限公司 | 一种车道动态划定方法及设备 |
CN114093170A (zh) * | 2021-11-26 | 2022-02-25 | 阿波罗智联(北京)科技有限公司 | 一种信号机控制方案的生成方法、系统、装置及电子设备 |
CN114093170B (zh) * | 2021-11-26 | 2023-01-24 | 阿波罗智联(北京)科技有限公司 | 一种信号机控制方案的生成方法、系统、装置及电子设备 |
CN114170797A (zh) * | 2021-12-02 | 2022-03-11 | 北京百度网讯科技有限公司 | 交通限制路口的识别方法、装置、设备、介质及产品 |
CN114926980A (zh) * | 2022-04-22 | 2022-08-19 | 阿里巴巴(中国)有限公司 | 交通数据挖掘方法、装置、电子设备及计算机程序产品 |
CN116168544A (zh) * | 2023-04-25 | 2023-05-26 | 北京百度网讯科技有限公司 | 切换点预测方法、预测模型训练方法、装置、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110675644B (zh) | 2021-09-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110675644B (zh) | 道路红绿灯的识别方法、装置、电子设备及存储介质 | |
CN112415552B (zh) | 车辆位置的确定方法、装置及电子设备 | |
CN112581763A (zh) | 道路事件检测的方法、装置、设备和存储介质 | |
CN111680362B (zh) | 一种自动驾驶仿真场景获取方法、装置、设备及存储介质 | |
CN112572462B (zh) | 自动驾驶的控制方法、装置、电子设备及存储介质 | |
CN111292531B (zh) | 交通信号灯的跟踪方法、装置、设备及存储介质 | |
CN111967301A (zh) | 定位导航方法、装置、电子设备和存储介质 | |
CN110765227A (zh) | 道路交通网络模型构建方法及装置 | |
CN112507949A (zh) | 目标跟踪方法、装置、路侧设备以及云控平台 | |
CN113091757B (zh) | 地图生成方法和装置 | |
CN110702136B (zh) | 车辆的路线规划方法、装置、电子设备及可读存储介质 | |
CN110796865B (zh) | 智能交通控制方法、装置、电子设备和存储介质 | |
CN111767360A (zh) | 路口虚拟车道标注的方法及装置 | |
CN110968718A (zh) | 目标检测模型负样本挖掘方法、装置及电子设备 | |
CN111982144B (zh) | 导航方法、装置、电子设备及计算机可读介质 | |
CN111652112A (zh) | 一种车道流向的识别方法、装置、电子设备及存储介质 | |
CN111652153A (zh) | 场景自动识别方法、装置、无人车及存储介质 | |
CN111693064A (zh) | 路况信息处理方法、装置、设备和介质 | |
CN110689747A (zh) | 自动驾驶车辆的控制方法和装置、自动驾驶车辆 | |
CN111540010A (zh) | 一种道路监测的方法、装置、电子设备及存储介质 | |
CN112800153A (zh) | 隔离带信息的挖掘方法、装置、设备和计算机存储介质 | |
CN110866504A (zh) | 标注数据的获取方法、装置和设备 | |
CN114413920A (zh) | 车道数据处理方法、导航方法及装置 | |
CN111442775B (zh) | 道路的识别方法、装置、电子设备及可读存储介质 | |
CN110865421B (zh) | 自动驾驶业务模型训练方法、检测方法、装置和电子设备 |
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 |