CN110920624A - 一种基于车辆组网的道路拥堵实时预测方法、设备和系统 - Google Patents

一种基于车辆组网的道路拥堵实时预测方法、设备和系统 Download PDF

Info

Publication number
CN110920624A
CN110920624A CN201911250302.3A CN201911250302A CN110920624A CN 110920624 A CN110920624 A CN 110920624A CN 201911250302 A CN201911250302 A CN 201911250302A CN 110920624 A CN110920624 A CN 110920624A
Authority
CN
China
Prior art keywords
vehicle
vehicles
change value
road section
prediction
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
CN201911250302.3A
Other languages
English (en)
Other versions
CN110920624B (zh
Inventor
杨新辉
胡翠云
秦大为
李玉环
张洪陶
郑雪梅
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.)
GUANGDONG FEIDA TRAFFIC ENGINEERING Co Ltd
Original Assignee
GUANGDONG FEIDA TRAFFIC ENGINEERING Co Ltd
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 GUANGDONG FEIDA TRAFFIC ENGINEERING Co Ltd filed Critical GUANGDONG FEIDA TRAFFIC ENGINEERING Co Ltd
Priority to CN201911250302.3A priority Critical patent/CN110920624B/zh
Publication of CN110920624A publication Critical patent/CN110920624A/zh
Application granted granted Critical
Publication of CN110920624B publication Critical patent/CN110920624B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
    • B60W40/04—Traffic conditions
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/10—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to vehicle motion

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Mathematical Physics (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种基于车辆组网的道路拥堵实时预测方法、设备和系统，属于车辆领域。通过当前车辆获取预设路段内多个车辆所实时录制视频中车辆轮胎的转向变化值、车辆车身的方向变化值、车辆的位移变化值实现道路拥堵预测，相较于现有技术，实现了对小距离路段进行道路拥堵实时预测，同时对于已拥堵路段，也可以实现道路拥堵实时监控，从而使道路拥堵预测更加准确；另外，通过向当前车辆输出预测结果，并将预测结果广播至预设路段内的其他车辆，可以使驾驶员通过该预测结果对当前的道路拥堵情况更精确的了解，避免由于驾驶员的不恰当驾驶所导致道路拥堵进一步恶化。

Description

一种基于车辆组网的道路拥堵实时预测方法、设备和系统
技术领域
本发明涉及车辆领域，特别涉及一种基于车辆组网的道路拥堵实时预测方法、设备和系统。
背景技术
在当前城市道路网络复杂的情况下，道路状态的变化很容易引起道路拥堵，造成时间成本的损失，从而不利于人们的出行。
现有技术所提供的方法是通过地图导航来实现道路拥堵的预测，具体为对路段状态以及行驶车辆进行实时监控，利用车流量实现对道路拥堵的预测。
现有技术还提供了一种道路拥堵实时预测方法，通过采集感兴趣道路入口处及出口处的视频数据来获得当前采样时刻的入口平均车速、入口车流量、出口平均车速、出口车流量，并对数据采集模块得到的数据进行拥堵评级，通过拥堵级别实现对道路拥堵的预测。
但是在实际应用中，现有技术提供的技术方案存在以下问题：
1、通过地图导航来实现道路拥堵的预测，只能实现对较长路段的道路预测，但对于距离较小，车流量较大的路段实现预测，从而导致道路拥堵预测的准确性较差；
2、通过采集感兴趣道路入口处及出口处的视频数据来实现道路预测，适用范围较小，在实际应用中，无法对出口处和入口处之间任意路段的拥堵情况实现预测，不仅限时了道路拥堵预测的范围，还导致了道路拥堵预测的准确性较差；
3、对于已经处于拥堵路段内的车辆，由于驾驶员对前方车辆以及后方车辆的监测范围限制，不恰当的驾驶策略反而会进一步加速拥堵，上述两种方法只对未进入拥堵路段的车辆具备提示作用，但是对于已经处于拥堵路段的车辆无法实现有效预测，从而无法解决对该拥堵路段内的驾驶员进行提示，在无人工干预的情况下，无法避免由于驾驶员的不恰当驾驶所导致道路拥堵进一步恶化的问题。
发明内容
为了对任意位置的小距离路段实现道路拥堵实时预测，避免在已拥堵路段内由于驾驶员的不恰当驾驶所导致道路拥堵进一步恶化的问题，本发明实施例提供了一种基于车辆组网的道路拥堵实时预测方法、设备和系统，另外，本发明实施例所述的车辆包括至少一个视频获取设备，视频获取设备实时录制车辆前方路段和后方路段的道路视频，
一方面，提供了一种基于车辆组网的道路拥堵实时预测方法，该方法包括：
当前车辆获取预设路段内多个车辆所实时录制视频中车辆轮胎的转向变化值、车辆车身的方向变化值以及车辆的位移变化值；
根据转向变化值、方向变化值、位移变化值以及当前车辆所处位置，对预设路段内的车辆拥堵进行预测，并输出预测结果；
向当前车辆输出预测结果，并将预测结果广播至预设路段内的其他车辆。
可选的，当前车辆获取预设路段内多个车辆所实时录制视频中车辆轮胎的转向变化值、车辆车身的方向变化值以及车辆的位移变化值包括：
当前车辆获取预设路段内多个车辆的实时录制视频；
对比实时录制视频中的多个视频帧，获取对应车辆的转向角度和方向角度；
根据多个视频帧内的转向角度和方向角度，计算对应车辆的转向变化值以及车辆车身的方向变化值；以及
对比实时录制视频中的多个视频帧，并根据多个视频帧内车辆的位置，计算对应车辆的位移变化值。
可选的，实时录制视频包括轮胎所在区域和车体所在区域，当前车辆获取预设路段内多个车辆的实时录制视频还包括：
识别实时录制视频的首个视频帧中对应车辆的轮胎图像所在区域，并获取视频的其余视频帧中所包含的轮胎所在区域；
识别实时录制视频的首个视频帧中对应车辆的车体图像所在区域，并获取视频的其余视频帧中所包含的车体所在区域。
可选的，根据转向变化值、方向变化值、位移变化值以及当前车辆所处位置，对预设路段内的车辆拥堵进行预测，并输出预测结果包括：
根据多个车辆分别对应的转向变化值、方向变化值以及位移变化值，预测多个车辆的驾驶动作；
根据多个车辆的驾驶动作，预测预设路段内的驶入车辆数、驶出车辆数、变向车辆数以及暂停车辆数；
根据当前车辆所处的位置、驶入车辆数、驶出车辆数、变向车辆数以及暂停车辆数，对预设路段内的车辆拥堵进行预测，并输出预测结果。
可选的，根据转向变化值、方向变化值、位移变化值以及当前车辆所处位置对预设路段内的车辆拥堵进行预测，并输出预测结果还包括：
根据多个车辆分别对应的转向变化值、方向变化值、位移变化值和车辆车速，预测预设时间后多个车辆的驾驶动作；
根据多个车辆的驾驶动作和道路宽度，预测预设路段内的驶入车辆数、驶出车辆数、变向车辆数以及暂停车辆数；
根据道路宽度、当前车辆所处的位置、驶入车辆数、驶出车辆数、变向车辆数以及暂停车辆数，对前方路段以及后方路段内的车辆拥堵进行预测，并输出预测结果。
可选的，根据转向变化值、方向变化值、位移变化值以及当前车辆所处位置对预设路段内的车辆拥堵进行预测，并输出预测结果还包括：
获取多个车辆的车辆参数，车辆参数包括车辆控制系统所监测的车辆车速；
根据转向变化值、方向变化值、位移变化值、车辆参数以及当前车辆所处位置，对预设路段内的车辆拥堵进行预测，并输出预测结果。
可选的，向当前车辆输出预测结果之后，方法还包括：
当前车辆接收其他车辆发送的预测结果；
根据预测结果，以及其他车辆发送的预测结果，向当前车辆输出驾驶策略。
可选的，根据预测结果，以及其他车辆发送的预测结果，向当前车辆输出驾驶策略包括：
根据预测结果，以及其他车辆发送的预测结果，向车载语音设备或者视频设备输出建议行车路线；
根据预测结果，以及其他车辆发送的预测结果，计算建议车辆车速以及车辆转向角度，并控制车辆控制系统设置车辆车速以及车辆转向角度。
另一方面，提供了一种基于车辆组网的道路拥堵实时预测设备，该设备包括：
视频获取模块，用于实时录制车辆前方路段和后方路段的道路视频；
处理模块，用于当前车辆获取预设路段内多个车辆所实时录制视频中包含的车辆轮胎的转向变化值、车辆车身的方向变化值以及车辆的位移变化值；
预测模块，用于根据所述转向变化值、方向变化值、位移变化值以及所述当前车辆所处位置，对所述预设路段内的车辆拥堵进行预测，并输出预测结果；
输出模块，用于向所述当前车辆输出所述预测结果，将所述预测结果广播至所述预设路段内的其他车辆，并接收所述预设路段内的其他车辆发送的预测结果。
可选的，处理模块具体用于：
获取预设路段内多个车辆的实时录制视频；
对比实时录制视频中的多个视频帧，获取对应车辆的转向角度和方向角度；
根据多个视频帧内的转向角度和方向角度，计算对应车辆的转向变化值以及车辆车身的方向变化值；以及
对比实时录制视频中的多个视频帧，并根据多个视频帧内车辆的位置，计算对应车辆的位移变化值。
可选的，实时录制视频包括轮胎所在区域和车体所在区域，处理模块还具体用于：
识别实时录制视频的首个视频帧中对应车辆的轮胎图像所在区域，并获取视频的其余视频帧中所包含的轮胎所在区域；
识别实时录制视频的首个视频帧中对应车辆的车体图像所在区域，并获取视频的其余视频帧中所包含的车体所在区域。
可选的，预测模块具体用于：
根据多个车辆分别对应的转向变化值、方向变化值以及位移变化值，预测多个车辆的驾驶动作；
根据多个车辆的驾驶动作，预测预设路段内的驶入车辆数、驶出车辆数、变向车辆数以及暂停车辆数；
根据当前车辆所处的位置、驶入车辆数、驶出车辆数、变向车辆数以及暂停车辆数，对预设路段内的车辆拥堵进行预测，并输出预测结果。
可选的，预测模块还具体用于：
根据多个车辆的车辆轮胎的转向变化值、车辆车身的方向变化值、车辆的位移变化值和车辆车速，预测预设时间后多个车辆的驾驶动作；
根据多个车辆的驾驶动作和道路宽度，预测预设路段内的驶入车辆数、驶出车辆数、变向车辆数以及暂停车辆数；
根据当前车辆所处的位置、驶入车辆数、驶出车辆数、变向车辆数以及暂停车辆数，对前方路段以及后方路段内的车辆拥堵进行预测，并输出预测结果。
可选的，预测模块还具体用于：
获取多个车辆的车辆参数，车辆参数包括车辆控制系统所监测的车辆车速；
根据转向变化值、方向变化值、位移变化值、车辆参数以及当前车辆所处位置，对预设路段内的车辆拥堵进行预测，并输出预测结果。
可选的，输出模块还用于：
当前车辆接收其他车辆发送的预测结果；
根据预测结果，以及其他车辆发送的预测结果，向当前车辆输出驾驶策略。
可选的，输出模块还具体用于：
根据预测结果，以及其他车辆发送的预测结果，向车载语音设备或者视频设备输出建议行车路线；
根据预测结果，以及其他车辆发送的预测结果，计算建议车辆车速以及车辆转向角度，并控制车辆控制系统设置车辆车速以及车辆转向角度。
另一方面，提供了一种基于车辆组网的道路拥堵实时预测系统，该系统包括：
视频获取设备，用于实时录制车辆前方路段和后方路段的道路视频；
处理设备，用于当前车辆获取预设路段内多个车辆所实时录制视频中车辆轮胎的转向变化值、车辆车身的方向变化值以及车辆的位移变化值；
预测设备，用于根据所述转向变化值、方向变化值、位移变化值以及所述当前车辆所处位置，对所述预设路段内的车辆拥堵进行预测，并输出预测结果；
输出设备，用向所述当前车辆输出所述预测结果，将所述预测结果广播至所述预设路段内的其他车辆，并接收所述预设路段内的其他车辆发送的预测结果。
可选的，处理设备用于：
当前车辆获取预设路段内多个车辆的实时录制视频；
对比实时录制视频中的多个视频帧，获取对应车辆的转向角度和方向角度；
根据多个视频帧内的转向角度和方向角度，计算对应车辆的转向变化值以及车辆车身的方向变化值；以及
对比实时录制视频中的多个视频帧，并根据多个视频帧内车辆的位置，计算对应车辆的位移变化值。
可选的，实时录制视频包括轮胎所在区域和车体所在区域，处理设备还具体用于：
识别实时录制视频的首个视频帧中对应车辆的轮胎图像所在区域，并获取视频的其余视频帧中所包含的轮胎所在区域；
识别实时录制视频的首个视频帧中对应车辆的车体图像所在区域，并获取视频的其余视频帧中所包含的车体所在区域。
可选的，预测设备具体用于：
根据多个车辆分别对应的转向变化值、方向变化值以及位移变化值，预测多个车辆的驾驶动作；
根据多个车辆的驾驶动作，预测预设路段内的驶入车辆数、驶出车辆数、变向车辆数以及暂停车辆数；
根据当前车辆所处的位置、驶入车辆数、驶出车辆数、变向车辆数以及暂停车辆数，对预设的车辆拥堵进行预测，并输出预测结果。
可选的，预测设备还具体用于：
根据多个车辆分别对应的转向变化值、方向变化值、位移变化值以及车辆车速，预测预设时间后多个车辆的驾驶动作；
根据多个车辆的驾驶动作和道路宽度，预测预设路段内的驶入车辆数、驶出车辆数、变向车辆数以及暂停车辆数；
根据当前车辆所处的位置、驶入车辆数、驶出车辆数、变向车辆数、以及暂停车辆数，对前方路段以及后方路段内的车辆拥堵进行预测，并输出预测结果。
可选的，预测设备还具体用于：
获取多个车辆的车辆参数，车辆参数包括车辆控制系统所监测的车辆车速；
根据转向变化值、方向变化值、位移变化值、车辆参数以及当前车辆所处位置，对预设路段内的车辆拥堵进行预测，并输出预测结果。
可选的，输出设备还用于：
当前车辆接收其他车辆发送的预测结果；
根据预测结果，以及其他车辆发送的预测结果，向当前车辆输出驾驶策略。
可选的，输出设备还具体用于：
根据预测结果，以及其他车辆发送的预测结果，向车载语音设备或者视频设备输出建议行车路线；
根据预测结果，以及其他车辆发送的预测结果，计算建议车辆车速以及车辆转向角度，并控制车辆控制系统设置车辆车速以及车辆转向角度。
本发明实施提供了一种基于车辆组网的道路拥堵实时预测方法、设备和系统，包括当前车辆获取预设路段内多个车辆所实时录制视频中车辆轮胎的转向变化值、车辆车身的方向变化值、车辆的位移变化值；根据转向变化值、方向变化值、位移变化值以及当前车辆所处位置，对预设路段内的车辆拥堵进行预测，并输出预测结果；向当前车辆输出预测结果，并将预测结果广播至预设路段内的其他车辆。
本发明实施例提供的技术方案所达到的有益效果是：
1、由于视频所监测的有效监测到小范围内车辆的状态，所以通过当前车辆获取预设路段内多个车辆所实时录制视频实现道路拥堵预测，相较于现有技术，实现了对小距离路段进行道路拥堵实时预测，进一步提高了道路拥堵实时预测的准确性；
2、通过当前车辆获取预设路段内多个车辆所实时录制视频实现道路拥堵预测，在车辆处于任意位置时，都可以对车辆所在路段实现道路拥堵预测，扩大了道路拥堵预测的适用范围，同时也进一步提高了道路拥堵实时预测的准确性；
3、通过当前车辆获取预设路段内多个车辆所实时录制视频实现道路拥堵预测，可以实现在已拥堵路段的道路预测，可以使驾驶员通过该预测结果对当前的道路拥堵情况更精确的了解，避免由于驾驶员的不恰当驾驶所导致道路拥堵进一步恶化。
4、通过向当前车辆输出预测结果，并将预测结果广播至预设路段内的其他车辆，可以使当前拥堵路段内所有驾驶员通过该预测结果对当前的道路拥堵情况更精确的了解，不仅避免了由于驾驶员的不恰当驾驶所导致道路拥堵进一步恶化，还可以使驾驶员通过道路拥堵情况进行驾驶决策，在无人工干预的情况下也可以实现道路状况的恢复，从而节省了人力成本。
附图说明
为了更清楚地说明本发明实施例中的技术方案，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，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种基于车辆组网的道路拥堵实时预测方法流程图；
图2是本发明实施例提供的一种基于车辆组网的道路拥堵实时预测方法流程图；
图3是本发明实施例提供的一种基于车辆组网的道路拥堵实时预测设备结构示意图；
图4是本发明实施例提供的一种基于车辆组网的道路拥堵实时预测系统结构示意图。
具体实施方式
为使本发明的目的、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，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明实施例提供了一种基于车辆组网的道路拥堵实时预测方法，该方法具体用于车辆处于多车辆且道路长度较小的路段实现道路实时拥堵预测，还可以用于车辆处于已拥堵路段的道路实时拥堵预测。
另外，本发明实施例所述的预设路段包括车辆所在位置的前方路段和后方路段，该前方路段和后方路段的长度可以是系统自定义的，也可以是用户定义的，本发明实施例不加以限定。对应的，该车辆至少包括一个视频录制设备，该视频录制设备可以是前置摄像头和后置摄像头。
该车辆还至少包括组网设备，该组网设备在与处于同一已拥堵路段的车辆实现组网后，可以发送和接收实时录制视频，该组网设备还可以发送和接收车辆控制系统所监测的车辆车速以及转向角度，本发明实施例对具体的发送和接收方式不加以限定。
实施例一
本发明实施例提供了一种基于车辆组网的道路拥堵实时预测方法，参照图1所示，该方法包括：
101、当前车辆获取预设路段内多个车辆所实时录制视频中包含的车辆轮胎的转向变化值、车辆车身的方向变化值以及车辆的位移变化值。
具体的，当前车辆获取预设路段内多个车辆的实时录制视频；
对比实时录制视频中的多个视频帧，获取对应车辆的转向角度和方向角度；
根据多个视频帧内的转向角度和方向角度，计算对应车辆的转向变化值以及车辆车身的方向变化值；以及
对比实时录制视频中的多个视频帧，并根据多个视频帧内车辆的位置，计算对应车辆的位移变化值。
除此之外，实时录制视频包括轮胎所在区域和车体所在区域，还可以通过以下方法实现所述当前车辆获取预设路段内多个车辆的实时录制视频的过程：
识别实时录制视频的首个视频帧中对应车辆的轮胎图像所在区域，并获取视频的其余视频帧中所包含的轮胎所在区域；
识别实时录制视频的首个视频帧中对应车辆的车体图像所在区域，并获取视频的其余视频帧中所包含的车体所在区域。
102、根据转向变化值、方向变化值、位移变化值以及当前车辆所处位置，对预设路段内的车辆拥堵进行预测，并输出预测结果。
具体的，根据多个车辆分别对应的转向变化值、方向变化值、位移变化值，预测多个车辆的驾驶动作；
根据多个车辆的驾驶动作，预测预设路段内的驶入车辆数、驶出车辆数、变向车辆数以及暂停车辆数；
根据当前车辆所处的位置、驶入车辆数、驶出车辆数、变向车辆数以及暂停车辆数，对预设的车辆拥堵进行预测，并输出预测结果。
除此之外，还可以通过以下方法实现步骤102所述的根据转向变化值、方向变化值、位移变化值以及当前车辆所处位置，对预设路段内的车辆拥堵进行预测，并输出预测结果的过程：
根据多个车辆分别对应的转向变化值、方向变化值、位移变化值以及车辆车速，预测预设时间后多个车辆的驾驶动作；
根据多个车辆的驾驶动作和道路宽度，预测预设路段内的驶入车辆数、驶出车辆数、变向车辆数以及暂停车辆数；
根据当前车辆所处的位置、驶入车辆数、驶出车辆数、变向车辆数以及暂停车辆数，对预设路段内的车辆拥堵进行预测，并输出预测结果。
除此之外，还可以通过以下方法实现步骤102所述的根据转向变化值、方向变化值、位移变化值以及所述当前车辆所处位置，对所述预设路段内的车辆拥堵进行预测，并输出预测结果的过程：
获取多个车辆的车辆参数，该车辆参数包括车辆控制系统所监测的车辆车速；
根据转向变化值、方向变化值、位移变化值、车辆参数以及当前车辆所处位置，对预设路段内的车辆拥堵进行预测，并输出预测结果。
103、向当前车辆输出预测结果，并将预测结果广播至预设路段内的其他车辆。
可选的，在步骤103之后，该方法还包括：
104、当前车辆接收其他车辆发送的预测结果。
105、根据预测结果，以及其他车辆发送的预测结果，向当前车辆输出驾驶策略。
具体的，根据预测结果，以及其他车辆发送的预测结果，向车载语音设备或者视频设备输出建议行车路线；
根据预测结果，以及其他车辆发送的预测结果，计算建议车辆车速以及车辆转向角度，并控制车辆控制系统设置车辆车速以及车辆转向角度。
本发明实施提供了一种基于车辆组网的道路拥堵实时预测方法，该方法所达到的有益效果是：
1、由于视频所监测的有效监测到小范围内车辆的状态，所以通过当前车辆获取预设路段内多个车辆所实时录制视频实现道路拥堵预测，相较于现有技术，实现了对小距离路段进行道路拥堵实时预测，进一步提高了道路拥堵实时预测的准确性；
2、通过当前车辆获取预设路段内多个车辆所实时录制视频实现道路拥堵预测，在车辆处于任意位置时，都可以对车辆所在路段实现道路拥堵预测，扩大了道路拥堵预测的适用范围，同时也进一步提高了道路拥堵实时预测的准确性；
3、通过当前车辆获取预设路段内多个车辆所实时录制视频实现道路拥堵预测，可以实现在已拥堵路段的道路预测，可以使驾驶员通过该预测结果对当前的道路拥堵情况更精确的了解，避免由于驾驶员的不恰当驾驶所导致道路拥堵进一步恶化。
4、通过向当前车辆输出预测结果，并将预测结果广播至预设路段内的其他车辆，可以使当前拥堵路段内所有驾驶员通过该预测结果对当前的道路拥堵情况更精确的了解，不仅避免了由于驾驶员的不恰当驾驶所导致道路拥堵进一步恶化，还可以使驾驶员通过道路拥堵情况进行驾驶决策，在无人工干预的情况下也可以实现道路状况的恢复，从而节省了人力成本。
实施例二
本发明实施例提供了一种基于车辆组网的道路拥堵实时预测方法，参照图2所示，该方法包括：
201、当前车辆获取预设路段内多个车辆的实时录制视频。
具体的，当前车辆按照预设时间间隔向预设路段内的其他多个车辆发送所录制的实时录制视频，该预设时间间隔内的实时录制视频包括多个视频帧；
当前车辆接收预设路段内由其他多个车辆发送的实时录制视频，对该多个实时录制视频以及当前车辆所录制的实时录制视频中的任意一个执行以下操作：
获取实时录制视频的首个视频帧的灰度值，以及识别该首个视频帧是否包含被拍摄车辆的轮胎以及车身；该被拍摄车辆可以是多个；
分别获取其余所有视频帧的灰度值，预设灰度值的筛选区间，筛选出灰度值在筛选区间内的所有视频帧；本发明实施例所述的灰度值可以是该视频帧内所有像素点灰度值的平均值；
其中，本发明实施例中的预设路段内的长度可以是数据传输的有效距离，也可以是自定义的其他长度，本发明实施例对具体的预设路段长度不加以限定。
由于车辆的视频录制设备在录制视频过程中，受到外界光源的影响较大，光源亮度太大或者太小都会造成所录制视频的清晰度降低，进而降低道路拥堵预测的准确性；而视频帧的灰度值可以反映外界光源的亮度，通过删除灰度值较低或者较高的视频帧，可以避免光源亮度太大或者太小都会造成所录制视频的清晰度的影响，进而提高道路拥堵预测的准确性。
可选的，若灰度值在筛选区间内的所有视频帧数量小于或者等于第一预设值，则执行以下操作：
增强该所有视频帧内所有像素点的灰度值，该增强过程可以是：
设置该第一预设灰度值常数，分别对所有像素点的灰度值和预设灰度值常数进行数值运算，该第一预设灰度值常数可以为正数。
若灰度值在筛选区间内的所有视频帧数量大于或者等于第二预设值，则执行以下操作：
设置该第二预设灰度值常数，分别对所有像素点的灰度值和预设灰度值常数进行数值运算，该第二预设灰度值常数可以为负数。
由于灰度值太高指示视频帧处于高亮状态，所以通过减弱视频帧的灰度值，可以避免由于亮度太大所造成所录制视频的清晰度的影响，进而提高道路拥堵预测的准确性；同理，灰度值太高指示视频帧处于较暗状态，所以通过增强视频帧的灰度值，可以避免由于亮度太小所造成所录制视频的清晰度的影响，进而提高道路拥堵预测的准确性。
可选的，实时录制视频仅包括轮胎所在区域和车体所在区域，还可以通过以下方法实现所述当前车辆获取预设路段内多个车辆的实时录制视频的过程，具体为：
识别实时录制视频的首个视频帧中对应车辆的轮胎图像所在区域，并获取视频的其余视频帧中所包含的轮胎所在区域，该过程可以为：
当前车辆按照预设时间间隔向预设路段内的其他多个车辆发送所录制的实时录制视频之前，识别首个视频帧中的轮胎图像，该识别过程可以是通过预先训练样本完成的，本发明实施例对具体的识别方法不加以限定。
标记用于指示该轮胎图像所在区域的边界的多个像素点的坐标，该区域至少包括部分车体图像与轮胎图像；
根据该坐标，标记其余视频帧中该轮胎图像区域；
获取每个视频帧中的轮胎图像所在区域，并按照预设时间间隔向预设路段内的其他多个车辆发送该多个轮胎图像所在区域。
识别所述实时录制视频的首个视频帧中对应车辆的车体图像所在区域，并获取所述视频的其余视频帧中所包含的车体所在区域；由于上述步骤中所获取的轮胎图像所在区域已包含部分车体，所以无需单独获取视频帧中车体图像所在区域。
由于在通过当前车辆获取预设路段内多个车辆所实时录制视频中车辆轮胎的转向变化值、车辆车身的方向变化值、车辆的位移变化值，实现道路拥堵预测时，只通过实时录制视频中的轮胎所在区域和车体所在区域就可以实现预测，所以，相较于处理和传输完整的视频帧，处理和传输轮胎图像所在区域和车体图像所在区域，可以减少处理时间，减少传输时间和传输数据量，在节省网络资源的同时，进一步提高了道路拥堵实际预测的效率。
202、对比实时录制视频中的多个视频帧，获取对应车辆的转向角度和方向角度。
具体的，对该多个视频帧中的首个视频帧和末尾视频帧，分别执行以下操作：
识别该视频帧所包含的车辆轮胎与车身，该车辆轮胎可以为前轮轮胎中的任意一个，该识别过程可以是通过预先训练样本完成，本发明实施例对具体的识别过程不加以限定。
选取该车辆轮胎图像中两个或者两个以上像素点，以及选取车身图像中两个或者两个以上像素点；
根据上述像素点，计算该车辆车身与车辆轮胎之间的夹角，该夹角即为车辆的转向角度；以及
选取首个视频帧中车身图像所包含的两个或者两个以上像素点，并计算该像素点在首个视频帧中的坐标，该坐标即为车辆的方向角度；其中，该坐标可以是以视频帧图像为坐标系得出；
跟踪该两个或者两个以上像素点在末尾视频帧的坐标。
另外，首个视频帧和末尾视频帧可以是该多个视频帧中任意两个按照时间顺序，且时间间隔不为零的视频帧。
可选的，在实际应用中，可以多次执行步骤202，并且在执行过程中选取不同的像素点，得到对应车辆的多个转向角度和多个方向角度；
计算多个转向角度的平均值，该平均值为对应车辆的转向角度；
计算多个方向角度的平均值，该平均值为对应车辆的方向标度。
通过选取多个转向角度和多个方向角度的平均值，避免了由于误差对道路拥堵预测的准确性的影响。
203、根据多个视频帧内的转向角度和方向角度，计算对应车辆的转向变化值以及车辆车身的方向变化值。
具体的，计算首个视频帧和末尾视频帧的转向角度之间的差值，该差值即为转向变化值；
计算首个视频帧和末尾视频帧的方向角度之间的差值，该差值即为方向变化值；
为了进一步提高道路拥堵预测的准确性，可以选取多组首个视频帧和末尾视频帧，分别计算转向变化值和方向变化值，并取平均数，得到最终的转向变化值和方向变化值。
204、对比实时录制视频中的多个视频帧，并根据多个视频帧内车辆的位置，计算对应车辆的位移变化值。
具体的，对该多个视频帧中的首个视频帧和末尾视频帧，分别执行以下操作：
选取首个视频帧中车身图像所包含的多个像素点，并计算该像素点在首个视频帧中的坐标；
跟踪该多个像素点在末尾视频帧的坐标；
分别该多个像素点计算首个视频帧和末尾视频帧的坐标之间的差值，该差值即为位移变化值，该位移变化值用于指示车辆的位移。
值得注意的是，步骤202至步骤203是实现当前车辆获取预设路段内多个车辆所实时录制视频中车辆轮胎的转向变化值和车辆车身的方向变化值的过程，步骤204是实现当前车辆获取预设路段内多个车辆所实时录制视频中车辆的位移变化值的过程，上述过程可以同时进行，也可以分别进行，还可以按照其他顺序执行，本发明实施例对上述过程的执行顺序不加以限定。
另外，步骤201至步骤204是实现当前车辆获取预设路段内多个车辆所实时录制视频中车辆轮胎的转向变化值、车辆车身的方向变化值以及车辆的位移变化值的过程，除上述步骤所述的方法之外，还可以通过其他方法实现该过程，本发明实施例对具体的方法不加以限定。
由于在已拥堵路段，驾驶员的不恰当驾驶会导致道路拥堵进一步恶化，现有技术无法对该情况下的道路进一步拥堵作出预测，而实时录制视频由于录制范围较小，使得通过车辆所实时录制视频进行，可以精确的对小范围内车辆驾驶员的驾驶动作进行预测，相交于现有技术，在拥堵路段通过精确预测道路是否会发生进一步拥堵，从而提高了道路拥预测的准确性。
205、根据多个车辆对应的车辆轮胎的转向变化值、车辆车身的方向变化值以及车辆的位移变化值，预测多个车辆的驾驶动作。
具体的，根据方向变化值和转向变化值预测对应车辆的转向方向，根据位移变化值预测对应车辆的是否开始移动以及移动方向；
若方向变化值、转向变化值以及位移变化值都不为0，则预测车辆开始左右两侧转向；并根据方向变化值、转向变化值以及位移变化值，预测该车辆在转向方向的移动位移；
若方向变化值、转向变化值以及位移变化值都为0，则预测车辆处于静止；
若方向变化值和转向变化值为0，位移变化值不为0，则预测车辆直线前进或者后退；
若转向变化值为0，方向变化值和位移变化值不为0，则预测车辆已经完成转向并且方向已经回正并继续前进或者后退；
若位移变化值为0，方向变化值和转向变化值不为0，且方向变化值大于转向变化值，则预测车辆在转向后按照与当前方向相反的方向继续转向；
若位移变化值为0，方向变化值和转向变化值不为0，且方向变化值小于转向变化值，则预测车辆在转向后按照与当前方向同时的方向继续转向。
206、根据多个车辆的驾驶动作，预测预设路段内的驶入车辆数、驶出车辆数、变向车辆数以及暂停车辆数。
具体的，所预测的车辆与当前车辆处于同一车道，则该过程可以为：
若预测车辆开始左右两侧转向，且移动位移大于道路宽度，则该车辆为驶出车辆；
若预测车辆处于静止，则该车辆为暂停车辆；
若预测车辆直线前进或者后退，则该车辆为暂停车辆；
若预测车辆已经完成转向并且方向已经回正并继续前进或者后退，且位移变化值指示该车辆继续前进，则该车辆为变向车辆；位移变化值指示该车辆继续后退，则该车辆为暂停车辆；
若预测车辆在转向后按照与当前方向相反的方向继续转向，则该车辆为变向车辆；
若预测车辆在转向后按照与当前方向同时的方向继续转向，则该车辆为变向车辆。
所预测的车辆所在车道与当前车辆所在车道为相邻车道，则该过程可以为：
若预测车辆开始左右两侧转向，转向方向指向当前车辆所在车道，则该车辆为驶入车辆；
若预测车辆处于静止，则忽略；
若预测车辆直线前进或者后退，则忽略；
若预测车辆转向并按照转向方向继续前进，转向方向指向当前车辆所在车道，则该车辆为变向车辆，预测车辆转向并按照转向方向继续后退，则忽略；
若预测车辆已经完成转向并且方向已经回正并继续前进，转向方向指向当前车辆所在车道，则该车辆为变向车辆，预测车辆转向并按照转向方向继续后退，则忽略；
若预测车辆在转向后按照与当前方向相反的方向继续转向，转向方向指向当前车辆所在车道，则该车辆为变向车辆；
若预测车辆在转向后按照与当前方向同时的方向继续转向，转向方向指向当前车辆所在车道，则该车辆为变向车辆。
207、根据当前车辆所处的位置、驶入车辆数、驶出车辆数、变向车辆数以及暂停车辆数，对预设路段内的车辆拥堵进行预测，并输出预测结果。
具体的，从视频帧中的任意一个，获取驶入车辆的车身长度以及宽度，变向车辆的车身长度以及宽度，驶出车辆的车身长度以及宽度，暂停车辆的车身长度以及宽度；该获取过程可以是通过视频帧中车身的长度和宽度经过比例计算实现的，本发明实施例对具体的获取方法不加以限定。
计算当前道路的实际可行驶距离，该计算方法可以为：
实际可行驶距离＝道路可行驶距离-暂停车辆车身长度总和+驶出车辆车身长度总和；
其中，道路可行驶距离为当前车辆的前方路段和后方路段范围内，道路中无车辆以及障碍物的距离。
计算当前道路的预测占用距离，该计算方法可以为：
预测占用距离＝驶入车辆车身长度总和+变向车辆车身宽度总和
若实际可行驶距离大于预测占用距离，则输出用于指示当前道路不拥堵的预测结果；
若实际可行驶距离小于或者等于预测占用距离，则输出用于指示当前道路拥堵的预测结果；
其中，预测结果还包括当前路段长度、起始位置和结束位置。
通过当前车辆获取预设路段内多个车辆所实时录制视频中车辆轮胎的转向变化值、车辆车身的方向变化值以及车辆的位移变化值实现道路拥堵预测，相较于现有技术，实现了对小距离路段进行道路拥堵实时预测，同时对于已拥堵路段，也可以实现道路拥堵实时监控，从而使道路拥堵预测更加准确。
另外，步骤205至步骤207是实现根据转向变化值、方向变化值、位移变化值以及所述当前车辆所处位置，对预设路段内的车辆拥堵进行预测，并输出预测结果的过程，除了上述步骤所述的方法之外，还可以通过以下方法实现根据转向变化值、方向变化值、位移变化值以及当前车辆所处位置，对预设路段内的车辆拥堵进行预测，并输出预测结果的过程，具体为：
根据多个车辆的转向变化值、方向变化值、位移变化值以及车辆车速，预测预设时间后多个车辆的驾驶动作；
其中，预测车辆车速的过程可以为：
根据预设时间和车辆的位移变化值获取直线车速，该直线车速为预设时间结束之前的直线车速；根据实时录制视频的时间和车辆车身的方向变化值获取转向车速，该直线车速为预设时间结束之前的转向车速；该预设时间为实时录制视频的时长；
根据方向变化值和转向变化值，预测对应车辆在按照车辆车速行驶预设时间后的转向方向，根据位移变化值，预测对应车辆在按照车辆车速行驶预设时间后是否开始移动以及移动方向；
若方向变化值、转向变化值以及位移变化值都不为0，则预测车辆在预设时间后开始左右两侧转向；并根据方向变化值、转向变化值以及位移变化值，预测预设时间后该车辆在转向方向的移动位移；
若方向变化值、转向变化值以及启动车辆轮胎的转向变化值、车辆车身的方向变化值、车辆的位移变化值都为0，则预测车辆在预设时间后处于静止；
若方向变化值和转向变化值为0，启动车辆轮胎的转向变化值、车辆车身的方向变化值、车辆的位移变化值不为0，则预测车辆在预设时间后直线前进或者后退；
若转向变化值为0，方向变化值和位移变化值不为0，则预测车辆在预设时间后已经完成转向并且方向已经回正并继续前进或者后退；
若位移变化值为0，方向变化值和转向变化值不为0，且方向变化值大于转向变化值，则预测预设时间后车辆在转向后按照与当前方向相反的方向继续转向；
若位移变化值为0，方向变化值和转向变化值不为0，且方向变化值小于转向变化值，则预测预设时间后车辆在转向后按照与当前方向同时的方向继续转向。
根据多个车辆的驾驶动作和道路宽度，预测预设路段内的驶入车辆数、驶出车辆数、变向车辆数、以及暂停车辆数，该过程可以具体为：
所预测的车辆与当前车辆处于同一车道，则该过程可以为：
若预测车辆开始左右两侧转向，且在预设时间后，车辆在该车辆车速下的移动位移大于道路宽度，则该车辆为驶出车辆；
若预测车辆处于静止，则该车辆为暂停车辆；
若预测车辆直线前进或者后退，则该车辆为暂停车辆；
若预测车辆已经完成转向并且方向已经回正并继续前进或者后退，且位移变化值指示该车辆继续前进，在预设时间后，车辆在该车辆车速下的移动位移小于道路宽度，则该车辆为变向车辆；位移变化值指示该车辆继续后退，则该车辆为暂停车辆；
若预测车辆在转向后按照与当前方向相反的方向继续转向，在预设时间后，车辆在该车辆车速下的移动位移小于道路宽度，则该车辆为变向车辆；
若预测车辆在转向后按照与当前方向同时的方向继续转向，在预设时间后，车辆在该车辆车速下的移动位移小于道路宽度，则该车辆为变向车辆。
所预测的车辆所在车道与当前车辆所在车道为相邻车道，则该过程可以为：
若预测车辆开始左右两侧转向，转向方向指向当前车辆所在车道，在预设时间后，车辆在该车辆车速下的移动位移大于道路宽度，则该车辆为驶入车辆；
若预测车辆处于静止，则忽略；
若预测车辆直线前进或者后退，则忽略；
若预测车辆转向并按照转向方向继续前进，转向方向指向当前车辆所在车道，在预设时间后，车辆在该车辆车速下的移动位移小于道路宽度，则该车辆为变向车辆，预测车辆转向并按照转向方向继续后退，则忽略；
若预测车辆已经完成转向并且方向已经回正并继续前进，转向方向指向当前车辆所在车道，在预设时间后，车辆在该车辆车速下的移动位移小于道路宽度，则该车辆为变向车辆，预测车辆转向并按照转向方向继续后退，则忽略；
若预测车辆在转向后按照与当前方向相反的方向继续转向，转向方向指向当前车辆所在车道，在预设时间后，车辆在该车辆车速下的移动位移小于道路宽度，则该车辆为变向车辆；
若预测车辆在转向后按照与当前方向相同的方向继续转向，转向方向指向当前车辆所在车道，则该车辆为变向车辆。
根据当前车辆所处的位置、驶入车辆数、驶出车辆数、变向车辆数以及暂停车辆数，对预设路段内的车辆拥堵进行预测，并输出预测结果；该过程与步骤208所述的过程相同，此处不再加以赘述。
可选的，除了上述步骤所述的方法之外，还可以通过以下方法实现根据转向变化值、方向变化值、位移变化值以及当前车辆所处位置，对预设路段内的车辆拥堵进行预测，并输出预测结果的过程，具体为：
获取多个车辆的车辆参数，车辆参数包括车辆控制系统所监测的车辆车速；该获取过程可以是通过组网设备实现的，本发明实施例对具体的获取过程不加以限定。
根据车辆轮胎的转向变化值、车辆车身的方向变化值、车辆的位移变化值、车辆参数以及当前车辆所处位置，对预设时间后，预设路段内的车辆拥堵进行预测，并输出预测结果。除了车辆车速的获取方式不同之外，该过程可以与上述根据多个车辆分别对应的转向变化值、方向变化值、位移变化值和车辆车速，预测预设时间后多个车辆的驾驶动作；根据多个车辆的驾驶动作和道路宽度，预测预设路段内的驶入车辆数、驶出车辆数、变向车辆数以及暂停车辆数；根据当前车辆所处的位置、驶入车辆数、驶出车辆数、变向车辆数以及暂停车辆数，对预设路段内的车辆拥堵进行预测，并输出预测结果的过程相同，此处不再加以赘述。
相较于通过视频获取的车辆车速，对在预设时间之后的道路拥堵预测，通过车辆控制系统所监测的车辆车速所得到的准确度更高，从而可以进一步提高道路拥堵预测的准确性。
另外，由于拥堵路段的道路状况是实时变化的，且由于处于拥堵，车辆的车速和状态在较短时间内不会发生变化，所以通过当前车辆获取预设路段内多个车辆所实时录制视频中车辆轮胎的转向变化值、车辆车身的方向变化值、车辆的位移变化值，实现短时间内的道路拥堵预测，不仅相较于现有技术，实现了对小距离路段进行道路拥堵实时预测，还增加了道路拥堵预测的时间，从而进一步提高了道路拥堵预测的准确性。
208、向当前车辆输出所述预测结果，并将预测结果广播至所述预设路段内的其他车辆。
具体的，该输出过程可以是通过车载语音设备或者车载视频设备实现的，本发明实施例对具体的输出过程不加以限定。另外，本发明实施例也对具体的广播过程不加以限定。
可选的，在步骤208之后，该方法还包括：
209、当前车辆接收其他车辆发送的预测结果。
具体的，本发明实施例对具体的接收方式不加以限定。
210、根据预测结果，以及其他车辆发送的预测结果，向车载语音设备或者视频设备输出建议行车路线。
具体的，获取所述预测结果，以及所述其他车辆发送的预测结果中指示当前道路不拥堵的预测结果；
分别获取该预测结果中所包含的路段长度、起始位置和结束位置；
若该多个路段连续，则根据多个路段长度、起始位置和结束位置，输出建议行车路线。
211、根据预测结果，以及其他车辆发送的预测结果，计算建议车辆车速以及车辆转向角度，并控制车辆控制系统设置车辆车速以及车辆转向角度。
具体的，若预测结果指示当前路段拥堵，且车辆处于静止状态，则继续设置车辆车速和车辆转向角度为0；
若预测结果指示当前路段拥堵，且车辆处于缓慢行驶状态，则继续降低车辆车速和车辆转向角度，且当车辆前方的可行驶距离小于安全距离时，设置车辆车速和车辆转向角度为0；
若预测结果指示当前路段不拥堵，且与其他多个路段连续，则设置车辆的转向角度和车辆，使该车辆驶向该多个其他多个路段连续。
另外，步骤210至步骤211是实现根据所述预测结果，以及其他车辆发送的预测结果，向当前车辆输出驾驶策略的过程，除了上述步骤所述的方法之外，还可以通过其他方法实现该过程，本发明实施例对具体的方法不加以限定。
由于在已拥堵路段，驾驶员的不恰当驾驶会导致道路拥堵进一步恶化，现有技术无法对该情况下的道路进一步拥堵作出预测，而实时录制视频由于录制范围较小，使得通过车辆所实时录制视频进行，可以精确的对小范围内车辆驾驶员的驾驶动作进行预测，相交于现有技术，在拥堵路段通过精确预测道路是否会发生进一步拥堵，从而提高了道路拥预测的准确性。
本发明实施提供了一种基于车辆组网的道路拥堵实时预测方法，该方法所达到的有益效果是：
1、由于视频所监测的有效监测到小范围内车辆的状态，所以通过当前车辆获取预设路段内多个车辆所实时录制视频实现道路拥堵预测，相较于现有技术，实现了对小距离路段进行道路拥堵实时预测，进一步提高了道路拥堵实时预测的准确性；
2、通过当前车辆获取预设路段内多个车辆所实时录制视频实现道路拥堵预测，在车辆处于任意位置时，都可以对车辆所在路段实现道路拥堵预测，扩大了道路拥堵预测的适用范围，同时也进一步提高了道路拥堵实时预测的准确性；
3、通过当前车辆获取预设路段内多个车辆所实时录制视频实现道路拥堵预测，可以实现在已拥堵路段的道路预测，可以使驾驶员通过该预测结果对当前的道路拥堵情况更精确的了解，避免由于驾驶员的不恰当驾驶所导致道路拥堵进一步恶化。
4、通过向当前车辆输出预测结果，并将预测结果广播至预设路段内的其他车辆，可以使当前拥堵路段内所有驾驶员通过该预测结果对当前的道路拥堵情况更精确的了解，不仅避免了由于驾驶员的不恰当驾驶所导致道路拥堵进一步恶化，还可以使驾驶员通过道路拥堵情况进行驾驶决策，在无人工干预的情况下也可以实现道路状况的恢复，从而节省了人力成本。
实施例三
本发明实施例提供了一种基于车辆组网的道路拥堵实时预测设备，参照图3所示，该设备包括：
视频获取模块301，用于实时录制车辆前方路段和后方路段的道路视频；
处理模块302，用于当前车辆获取预设路段内多个车辆所实时录制视频中车辆轮胎的转向变化值、车辆车身的方向变化值以及车辆的位移变化值；
预测模块303，用于根据转向变化值、方向变化值、位移变化值以及当前车辆所处位置，对预设路段内的车辆拥堵进行预测，并输出预测结果；
输出模块304，用于向当前车辆输出预测结果，将预测结果广播至预设路段内的其他车辆，并接收预设路段内的其他车辆发送的预测结果。
可选的，处理模块302具体用于：
获取预设路段内多个车辆的实时录制视频；
对比实时录制视频中的多个视频帧，获取对应车辆的转向角度和方向角度；
根据多个视频帧内的转向角度和方向角度，计算对应车辆的转向变化值以及车辆车身的方向变化值；以及
对比实时录制视频中的多个视频帧，并根据多个视频帧内车辆的位置，计算对应车辆的位移变化值。
可选的，实时录制视频包括轮胎所在区域和车体所在区域，处理模块302还具体用于：
识别实时录制视频的首个视频帧中对应车辆的轮胎图像所在区域，并获取视频的其余视频帧中所包含的轮胎所在区域；
识别实时录制视频的首个视频帧中对应车辆的车体图像所在区域，并获取视频的其余视频帧中所包含的车体所在区域。
可选的，预测模块303具体用于：
根据多个车辆分别对应的转向变化值、方向变化值以及位移变化值，预测多个车辆的驾驶动作；
根据多个车辆的驾驶动作，预测预设路段内的驶入车辆数、驶出车辆数、变向车辆数以及暂停车辆数；
根据当前车辆所处的位置、驶入车辆数、驶出车辆数、变向车辆数以及暂停车辆数，对预设路段内的车辆拥堵进行预测，并输出预测结果。
可选的，预测模块还具体用于：
根据多个车辆分别对应的转向变化值、方向变化值、位移变化值和车辆车速，预测预设时间后多个车辆的驾驶动作；
根据多个车辆的驾驶动作和道路宽度，预测预设路段内的驶入车辆数、驶出车辆数、变向车辆数以及暂停车辆数；
根据当前车辆所处的位置、驶入车辆数、驶出车辆数、变向车辆数以及暂停车辆数，对预设路段内的车辆拥堵进行预测，并输出预测结果。
可选的，预测模块303还具体用于：
获取多个车辆的车辆参数，车辆参数包括车辆控制系统所监测的车辆车速；
根据转向变化值、方向变化值、位移变化值、车辆参数以及当前车辆所处位置，对预设路段内的车辆拥堵进行预测，并输出预测结果。
可选的，输出模块304还用于：
当前车辆接收其他车辆发送的预测结果；
根据预测结果，以及其他车辆发送的预测结果，向当前车辆输出驾驶策略。
可选的，输出模块304还具体用于：
根据预测结果，以及其他车辆发送的预测结果，向车载语音设备或者视频设备输出建议行车路线；
根据预测结果，以及其他车辆发送的预测结果，计算建议车辆车速以及车辆转向角度，并控制车辆控制系统设置车辆车速以及车辆转向角度。
本发明实施提供了一种基于车辆组网的道路拥堵实时预测设备，该设备所达到的有益效果是：
1、由于视频所监测的有效监测到小范围内车辆的状态，所以通过当前车辆获取预设路段内多个车辆所实时录制视频实现道路拥堵预测，相较于现有技术，实现了对小距离路段进行道路拥堵实时预测，进一步提高了道路拥堵实时预测的准确性；
2、通过当前车辆获取预设路段内多个车辆所实时录制视频实现道路拥堵预测，在车辆处于任意位置时，都可以对车辆所在路段实现道路拥堵预测，扩大了道路拥堵预测的适用范围，同时也进一步提高了道路拥堵实时预测的准确性；
3、通过当前车辆获取预设路段内多个车辆所实时录制视频实现道路拥堵预测，可以实现在已拥堵路段的道路预测，可以使驾驶员通过该预测结果对当前的道路拥堵情况更精确的了解，避免由于驾驶员的不恰当驾驶所导致道路拥堵进一步恶化。
4、通过向当前车辆输出预测结果，并将预测结果广播至预设路段内的其他车辆，可以使当前拥堵路段内所有驾驶员通过该预测结果对当前的道路拥堵情况更精确的了解，不仅避免了由于驾驶员的不恰当驾驶所导致道路拥堵进一步恶化，还可以使驾驶员通过道路拥堵情况进行驾驶决策，在无人工干预的情况下也可以实现道路状况的恢复，从而节省了人力成本。
实施例四
本发明实施例提供了一种基于车辆组网的道路拥堵实时预测系统，参照图4所示，该系统包括：
视频获取设备401，用于实时录制车辆前方路段和后方路段的道路视频；
处理设备402，用于当前车辆获取预设路段内多个车辆所实时录制视频中车辆轮胎的转向变化值、车辆车身的方向变化值以及车辆的位移变化值；
预测设备403，用于根据转向变化值、方向变化值、位移变化值以及当前车辆所处位置，对预设路段内的车辆拥堵进行预测，并输出预测结果；
输出设备404，用向当前车辆输出预测结果，将预测结果广播至预设路段内的其他车辆，并接收预设路段内的其他车辆发送的预测结果。
可选的，处理设备402用于：
当前车辆获取预设路段内多个车辆的实时录制视频；
对比实时录制视频中的多个视频帧，获取对应车辆的转向角度和方向角度；
根据多个视频帧内的转向角度和方向角度，计算对应车辆的转向变化值以及车辆车身的方向变化值；以及
对比实时录制视频中的多个视频帧，并根据多个视频帧内车辆的位置，计算对应车辆的位移变化值。
可选的，实时录制视频包括轮胎所在区域和车体所在区域，处理设备402还具体用于：
识别实时录制视频的首个视频帧中对应车辆的轮胎图像所在区域，并获取视频的其余视频帧中所包含的轮胎所在区域；
识别实时录制视频的首个视频帧中对应车辆的车体图像所在区域，并获取视频的其余视频帧中所包含的车体所在区域。
可选的，预测设备403具体用于：
根据多个车辆分别对应的转向变化值、方向变化值以及位移变化值，预测多个车辆的驾驶动作；
根据多个车辆的驾驶动作，预测预设路段内的驶入车辆数、驶出车辆数、变向车辆数以及暂停车辆数；
根据当前车辆所处的位置、驶入车辆数、驶出车辆数、变向车辆数以及暂停车辆数，对预设路段内的车辆拥堵进行预测，并输出预测结果。
可选的，预测设备403还具体用于：
根据多个车辆分别对应的转向变化值、方向变化值、位移变化值和车辆车速，预测预设时间后多个车辆的驾驶动作；
根据多个车辆的驾驶动作和道路宽度，预测预设路段内的驶入车辆数、驶出车辆数、变向车辆数以及暂停车辆数；
根据当前车辆所处的位置、驶入车辆数、驶出车辆数、变向车辆数以及暂停车辆数，对预设路段内的车辆拥堵进行预测，并输出预测结果。
可选的，预测设备403还具体用于：
获取多个车辆的车辆参数，车辆参数包括车辆控制系统所监测的车辆车速；
根据转向变化值、方向变化值、位移变化值、车辆参数以及当前车辆所处位置，对预设路段内的车辆拥堵进行预测，并输出预测结果。
可选的，输出设备404还用于：
当前车辆接收其他车辆发送的预测结果；
根据预测结果，以及其他车辆发送的预测结果，向当前车辆输出驾驶策略。
可选的，输出设备404还具体用于：
根据预测结果，以及其他车辆发送的预测结果，向车载语音设备或者视频设备输出建议行车路线；
根据预测结果，以及其他车辆发送的预测结果，计算建议车辆车速以及车辆转向角度，并控制车辆控制系统设置车辆车速以及车辆转向角度。
本发明实施提供了一种基于车辆组网的道路拥堵实时预测系统，该系统所达到的有益效果是：
1、由于视频所监测的有效监测到小范围内车辆的状态，所以通过当前车辆获取预设路段内多个车辆所实时录制视频实现道路拥堵预测，相较于现有技术，实现了对小距离路段进行道路拥堵实时预测，进一步提高了道路拥堵实时预测的准确性；
2、通过当前车辆获取预设路段内多个车辆所实时录制视频实现道路拥堵预测，在车辆处于任意位置时，都可以对车辆所在路段实现道路拥堵预测，扩大了道路拥堵预测的适用范围，同时也进一步提高了道路拥堵实时预测的准确性；
3、通过当前车辆获取预设路段内多个车辆所实时录制视频实现道路拥堵预测，可以实现在已拥堵路段的道路预测，可以使驾驶员通过该预测结果对当前的道路拥堵情况更精确的了解，避免由于驾驶员的不恰当驾驶所导致道路拥堵进一步恶化。
4、通过向当前车辆输出预测结果，并将预测结果广播至预设路段内的其他车辆，可以使当前拥堵路段内所有驾驶员通过该预测结果对当前的道路拥堵情况更精确的了解，不仅避免了由于驾驶员的不恰当驾驶所导致道路拥堵进一步恶化，还可以使驾驶员通过道路拥堵情况进行驾驶决策，在无人工干预的情况下也可以实现道路状况的恢复，从而节省了人力成本。
上述所有可选技术方案，可以采用任意结合形成本发明的可选实施例，在此不再一一赘述。
需要说明的是：上述实施例提供的基于车辆组网的道路拥堵实时预测设备和系统在执行基于车辆组网的道路拥堵实时预测方法时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将系统和设备的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的基于车辆组网的道路拥堵实时预测方法、设备和系统实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
以上仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于车辆组网的道路拥堵实时预测方法，其特征在于，所述车辆包括至少一个视频获取设备，所述视频获取设备实时录制车辆前方路段和后方路段的道路视频，所述方法包括：
当前车辆获取预设路段内多个车辆所实时录制视频中车辆轮胎的转向变化值、车辆车身的方向变化值以及车辆的位移变化值；
根据所述转向变化值、所述方向变化值、所述位移变化值以及所述当前车辆所处位置，对所述预设路段内的车辆拥堵进行预测，并输出预测结果；
向所述当前车辆输出所述预测结果，并将所述预测结果广播至所述预设路段内的其他车辆。
2.根据权利要求1所述的方法，其特征在于，所述当前车辆获取预设路段内多个车辆所实时录制视频中车辆轮胎的转向变化值、车辆车身的方向变化值以及车辆的位移变化值包括：
所述当前车辆获取预设路段内多个车辆的实时录制视频；
对比所述实时录制视频中的多个视频帧，获取对应车辆的转向角度和方向角度；
根据所述多个视频帧内的转向角度和方向角度，计算所述对应车辆的转向变化值以及车辆车身的方向变化值；以及
对比所述实时录制视频中的多个视频帧，并根据所述多个视频帧内所述车辆的位置，计算所述对应车辆的位移变化值。
3.根据权利要求2所述的方法，其特征在于，所述实时录制视频包括轮胎所在区域和车体所在区域，所述当前车辆获取预设路段内多个车辆的实时录制视频还包括：
识别所述实时录制视频的首个视频帧中对应车辆的轮胎图像所在区域，并获取所述视频的其余视频帧中所包含的轮胎所在区域；
识别所述实时录制视频的首个视频帧中对应车辆的车体图像所在区域，并获取所述视频的其余视频帧中所包含的车体所在区域。
4.根据权利要求2或3所述的方法，其特征在于，所述根据所述转向变化值、所述方向变化值、所述位移变化值以及所述当前车辆所处位置，对所述预设路段内的车辆拥堵进行预测，并输出预测结果包括：
根据所述多个车辆分别对应的所述转向变化值、所述方向变化值以及所述位移变化值，预测所述多个车辆的驾驶动作；
根据所述多个车辆的驾驶动作，预测所述预设路段内的驶入车辆数、驶出车辆数、变向车辆数以及暂停车辆数；
根据所述当前车辆所处的位置、所述驶入车辆数、所述驶出车辆数、所述变向车辆数以及所述暂停车辆数，对所述预设路段内的车辆拥堵进行预测，并输出预测结果。
5.根据权利要求2至4任一所述的方法，其特征在于，所述根据所述转向变化值、所述方向变化值、所述位移变化值以及所述当前车辆所处位置对所述预设路段内的车辆拥堵进行预测，并输出预测结果还包括：
根据所述多个车辆分别对应的所述转向变化值、所述方向变化值以及所述位移变化值以及车辆车速，预测预设时间后所述多个车辆的驾驶动作；
根据所述多个车辆的驾驶动作和道路宽度，预测所述预设路段内的驶入车辆数、驶出车辆数、变向车辆数以及暂停车辆数；
根据所述当前车辆所处的位置、所述驶入车辆数、所述驶出车辆数、所述变向车辆数以及所述暂停车辆数，对所述预设路段内的车辆拥堵进行预测，并输出预测结果。
6.根据权利要求2或3所述的方法，其特征在于，所述根据所述转向变化值、所述方向变化值、所述位移变化值以及所述当前车辆所处位置对所述预设路段内的车辆拥堵进行预测，并输出预测结果还包括：
获取所述多个车辆的车辆参数，所述车辆参数包括车辆控制系统所监测的车辆车速；
根据所述转向变化值、所述方向变化值、所述位移变化值、所述车辆参数以及所述当前车辆所处位置，对所述预设路段内的车辆拥堵进行预测，并输出预测结果。
7.根据权利要求4至6的任意一种所述的方法，其特征在于，所述向所述当前车辆输出所述预测结果之后，所述方法还包括：
所述当前车辆接收所述其他车辆发送的预测结果；
根据所述预测结果，以及所述其他车辆发送的预测结果，向所述当前车辆输出驾驶策略。
8.根据权利要求7所述的方法，其特征在于，所述根据所述预测结果，以及所述其他车辆发送的预测结果，向所述当前车辆输出驾驶策略包括：
根据所述预测结果，以及所述其他车辆发送的预测结果，向车载语音设备或者视频设备输出建议行车路线；
根据所述预测结果，以及所述其他车辆发送的预测结果，计算建议车辆车速以及车辆转向角度，并控制车辆控制系统设置车辆车速以及车辆转向角度。
9.一种基于车辆组网的道路拥堵实时预测设备，其特征在于，所述设备包括：
视频获取模块，用于实时录制车辆前方路段和后方路段的道路视频；
处理模块，用于当前车辆获取预设路段内多个车辆所实时录制视频中车辆轮胎的转向变化值、车辆车身的方向变化值以及车辆的位移变化值；
预测模块，用于根据所述转向变化值、所述方向变化值、所述位移变化值以及所述当前车辆所处位置，对所述预设路段内的车辆拥堵进行预测，并输出预测结果；
输出模块，用于向所述当前车辆输出所述预测结果，将所述预测结果广播至所述预设路段内的其他车辆，并接收所述预设路段内的其他车辆发送的预测结果。
10.一种基于车辆组网的道路拥堵实时预测系统，其特征在于，所述系统包括：
视频获取设备，用于实时录制车辆前方路段和后方路段的道路视频；
处理设备，用于当前车辆获取预设路段内多个车辆所实时录制视频中车辆轮胎的转向变化值、车辆车身的方向变化值以及车辆的位移变化值；
预测设备，用于根据所述转向变化值、所述方向变化值、所述位移变化值以及所述当前车辆所处位置，对所述预设路段内的车辆拥堵进行预测，并输出预测结果；
输出设备，用向所述当前车辆输出所述预测结果，将所述预测结果广播至所述预设路段内的其他车辆，并接收所述预设路段内的其他车辆发送的预测结果。
CN201911250302.3A 2019-12-09 2019-12-09 一种基于车辆组网的道路拥堵实时预测方法、设备和系统 Active CN110920624B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911250302.3A CN110920624B (zh) 2019-12-09 2019-12-09 一种基于车辆组网的道路拥堵实时预测方法、设备和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911250302.3A CN110920624B (zh) 2019-12-09 2019-12-09 一种基于车辆组网的道路拥堵实时预测方法、设备和系统

Publications (2)

Publication Number Publication Date
CN110920624A true CN110920624A (zh) 2020-03-27
CN110920624B CN110920624B (zh) 2020-12-22

Family

ID=69858416

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911250302.3A Active CN110920624B (zh) 2019-12-09 2019-12-09 一种基于车辆组网的道路拥堵实时预测方法、设备和系统

Country Status (1)

Country Link
CN (1) CN110920624B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111477012A (zh) * 2020-06-24 2020-07-31 平安国际智慧城市科技股份有限公司 基于路况状态预测模型的溯源方法、装置和计算机设备

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1632383A1 (en) * 2004-09-01 2006-03-08 Mazda Motor Corporation Travelling control device, method and computer program product
CN102542805A (zh) * 2012-03-08 2012-07-04 南京理工大学常熟研究院有限公司 基于视频判断交通拥堵的装置
CN103093611A (zh) * 2011-10-27 2013-05-08 株式会社电装 拥堵预测装置及拥堵预测系统
CN103985250A (zh) * 2014-04-04 2014-08-13 浙江工业大学 轻量级的全息道路交通状态视觉检测装置
CN106218636A (zh) * 2016-07-21 2016-12-14 浙江吉利汽车研究院有限公司 一种交通拥堵辅助系统
CN106327863A (zh) * 2015-07-06 2017-01-11 北京文安智能技术股份有限公司 一种车辆拥堵检测预警方法、装置及系统
CN107000747A (zh) * 2014-11-10 2017-08-01 马自达汽车株式会社 车辆加减速度控制装置
CN107517437A (zh) * 2017-08-23 2017-12-26 上海与德科技有限公司 车辆通讯方法及装置
CN109615864A (zh) * 2018-12-29 2019-04-12 深圳英飞拓科技股份有限公司 基于视频结构化的车辆拥堵分析方法、系统、终端及存储介质
CN110033625A (zh) * 2019-03-27 2019-07-19 刘瑞 遵循车辆互动优先权规则的无人驾驶汽车智能联网系统
KR20190125753A (ko) * 2018-04-30 2019-11-07 (주)티에이치엔 Isg 기능의 자동 on/off 제어 방법 및 그 장치

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1632383A1 (en) * 2004-09-01 2006-03-08 Mazda Motor Corporation Travelling control device, method and computer program product
CN103093611A (zh) * 2011-10-27 2013-05-08 株式会社电装 拥堵预测装置及拥堵预测系统
CN102542805A (zh) * 2012-03-08 2012-07-04 南京理工大学常熟研究院有限公司 基于视频判断交通拥堵的装置
CN103985250A (zh) * 2014-04-04 2014-08-13 浙江工业大学 轻量级的全息道路交通状态视觉检测装置
CN107000747A (zh) * 2014-11-10 2017-08-01 马自达汽车株式会社 车辆加减速度控制装置
CN106327863A (zh) * 2015-07-06 2017-01-11 北京文安智能技术股份有限公司 一种车辆拥堵检测预警方法、装置及系统
CN106218636A (zh) * 2016-07-21 2016-12-14 浙江吉利汽车研究院有限公司 一种交通拥堵辅助系统
CN107517437A (zh) * 2017-08-23 2017-12-26 上海与德科技有限公司 车辆通讯方法及装置
KR20190125753A (ko) * 2018-04-30 2019-11-07 (주)티에이치엔 Isg 기능의 자동 on/off 제어 방법 및 그 장치
CN109615864A (zh) * 2018-12-29 2019-04-12 深圳英飞拓科技股份有限公司 基于视频结构化的车辆拥堵分析方法、系统、终端及存储介质
CN110033625A (zh) * 2019-03-27 2019-07-19 刘瑞 遵循车辆互动优先权规则的无人驾驶汽车智能联网系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111477012A (zh) * 2020-06-24 2020-07-31 平安国际智慧城市科技股份有限公司 基于路况状态预测模型的溯源方法、装置和计算机设备
CN111477012B (zh) * 2020-06-24 2020-10-27 平安国际智慧城市科技股份有限公司 基于路况状态预测模型的溯源方法、装置和计算机设备

Also Published As

Publication number Publication date
CN110920624B (zh) 2020-12-22

Similar Documents

Publication Publication Date Title
DE102018122459B4 (de) Fahrzeugsystem, entferntes fahrzeugassistenzsystem und comuterimplementiertes verfahren zum bereitstellen von fernunterstützung
CN109117709B (zh) 用于自动驾驶车辆的碰撞避免系统
US10349011B2 (en) System and method for improved obstacle awareness in using a V2X communications system
US10229590B2 (en) System and method for improved obstable awareness in using a V2X communications system
CN109760675B (zh) 预测车辆轨迹的方法、装置、存储介质和终端设备
US10613547B2 (en) System and method for improved obstacle awareness in using a V2X communications system
CN108172025B (zh) 一种辅助驾驶方法、装置、车载终端及车辆
CN110136222B (zh) 虚拟车道线生成方法、装置及系统
CN108091155B (zh) 车联网中的交通流控制方法及其装置
CN111932882B (zh) 一种基于图像识别的道路事故实时预警系统、方法和设备
CN113496201B (zh) 物体状态识别装置、方法、计算机可读取的记录介质及控制装置
CN112319464B (zh) 自动泊车方法、装置、设备及存储介质
WO2018003866A1 (ja) 走行支援装置、撮像装置、撮像システム、走行支援システム、車両、および走行支援方法
US20220277647A1 (en) Systems and methods for analyzing the in-lane driving behavior of a road agent external to a vehicle
CN111145569A (zh) 一种道路监测、车辆行驶控制方法、装置及车路协同系统
US20230278587A1 (en) Method and apparatus for detecting drivable area, mobile device and storage medium
CN110920624B (zh) 一种基于车辆组网的道路拥堵实时预测方法、设备和系统
WO2023226733A1 (zh) 车辆场景数据的采集方法、装置、存储介质及电子设备
CN114834486A (zh) 一种规划车辆掉头路径的方法、装置及设备
CN113424209B (zh) 使用深度学习多预测器融合和贝叶斯优化的轨迹预测
WO2021233154A1 (zh) 可行驶区域检测方法、装置、设备及存储介质
CN111923915A (zh) 一种交通灯智能提醒方法、装置及系统
CN116373863A (zh) 用于在交通环岛处辅助车辆行驶的方法和设备
JP2024515761A (ja) データ駆動型の動的に再構成された視差マップ
CN114511834A (zh) 一种确定提示信息的方法、装置、电子设备及存储介质

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