CN111028529A - 安装在车辆中的车载设备及相关设备与方法 - Google Patents

Abstract

本发明提供了安装在车辆中的车载设备及相关设备与方法。该车载设备包括：摄像头，被配置为实时拍摄车辆周围的视频；对象识别单元，被配置为从拍摄的视频中识别出对象；位置获取单元，被配置为获取车辆的地理位置；车速获取单元，被配置为实时获取车辆的行驶速度；参数获取单元，被配置为获取识别出的对象的参数；第一发送单元，被配置为发送获取的参数和车辆的地理位置。本发明能自动高效地收集路况信息，并向用户推送相关分析或统计结果，帮助车主调整行车策略。

Description

安装在车辆中的车载设备及相关设备与方法

本申请是申请号为201510280605.5、发明名称为“安装在车辆中的车载设备及相关设备与方法”、申请日为2015年05月27日的中国专利申请的分案申请。

技术领域

本发明涉及行车记录领域，尤其涉及一种安装在车辆中的车载设备及相关设备与方法。

背景技术

目前，为了让车辆的车主获知路况信息，使车主及时调整行车策略，一般都是通过交通广播这种方式。由路况采集员人工采集各交通路口的路况信息，或者由车主自愿向交通台报告行车路况，由交通台对这些人口收集的路况信息进行汇总，广播给各车主。这种人工的方式效率非常低下，且容易不全面。

发明内容

本发明的一个目的在于提供一种能自动高效地收集路况信息，并向用户推送相关分析或统计结果，帮助车主调整行车策略的技术。

根据本发明的一个实施例，提供了一种用于安装在车辆中的车载设备，包括：

摄像头，被配置为实时拍摄车辆周围的视频；

对象识别单元，被配置为从拍摄的视频中识别出对象；

位置获取单元，被配置为获取车辆的地理位置；

车速获取单元，被配置为实时获取车辆的行驶速度；

参数获取单元，被配置为从拍摄的视频中结合获取的车辆的地理位置、车辆的行驶速度，获取识别出的对象的参数，所述参数包括地理位置、与车辆的距离、对象的类型、对象的运动状态中的至少一个；

第一发送单元，被配置为发送获取的参数和车辆的地理位置。

这个车载设备的好处是，它能收集到对路况进行分析所用到的基础数据，如在车载设备拍摄的视频中，出现了哪些对象(人、车辆等)、这些对象离车辆的距离、对象的类型、对象的运动状态、以及本车辆的地理位置等，这些是平台在统计各车辆收集上的基础路况信息从而分析出对车主有用的分析或统计结果所不可少的。而且，由于安装了该车载设备的车辆分散在各个位置，将分散在不同位置的各车辆的车载设备收集的这些基础数据整合，平台就能够自动高效地得到全面的分析或统计结果，推送给车主，帮助车主调整行车策略，改善了现有技术人工方式效率低下、数据不全面的问题。

可选地，所述对象的类型包括：除所述车辆之外的其它车辆、行人、红绿灯、街道护栏、障碍物中的至少一个。

可选地，所述第一发送单元还被配置为发送获取的车辆的行驶速度。

可选地，参数获取单元进一步被配置为通过深度传感器获取对象与车辆的距离及相对于车辆的方向。

可选地，参数获取单元进一步被配置为基于获取的对象与车辆的距离及相对于车辆的方向、获取的车辆的地理位置，获取对象的地理位置。

可选地，参数获取单元进一步被配置为基于拍摄的视频的连续帧中对象的大小和位置的变化、获取的对象与车辆的距离及相对于车辆的方向、以及获取的车辆的行驶速度，获取对象的运动状态。

可选地，车载设备还包括：

拥挤程度确定单元，被配置为根据拍摄到的视频中对象的数量、各对象与车辆的距离，确定车辆周围的拥挤程度；和/或

车辆密度确定单元，被配置为根据拍摄到的视频中的、对象的类型为除所述车辆之外的其它车辆的对象的数量、及所述对象的类型为除所述车辆之外的其它车辆的对象与车辆的距离，确定车辆周围的车辆密度。

可选地，第一发送单元还被配置为发送确定的车辆周围的拥挤程度和/或车辆周围的车辆密度。

根据本发明的一个实施例，还提供了一种确定区域的拥挤程度和/或车辆密度的设备，包括：

第一接收单元，被配置为实时接收各车辆的车载设备发送的车辆的地理位置、车辆周围的拥挤程度和/或车辆周围的车辆密度；

第一确定单元，被配置为根据各车辆的车载设备发送的车辆的地理位置，确定各车辆中地理位置在所述区域内的车辆；

第二确定单元，被配置为基于所确定的车辆发送的车辆周围的拥挤程度和/或车辆周围的车辆密度，确定该区域的拥挤程度和/或车辆密度。

这种确定区域的拥挤程度和/或车辆密度的设备是在平台方的，它的好处是能根据各车辆的车载设备上报的基础数据判断出一个区域(如一个路口)的交通状况，从而可以发布出来，如果该区域(如路口)拥塞就让车主选择其他路段绕行；如果该区域(如路口)空闲就让更多车主选择经过该区域的路段以疏导其他路段的拥塞。因为在一个区域中可能有多个车辆安装了该车载设备，根据一个车载设备上报的数据，分析结果可能不准确(例如该路口中有一个小范围内车辆稍微密集些，如果仅根据一个车辆上报的基础数据，统计分析结果可能就会显示该路口是拥塞的)。根据同一区域内多个车载设备上报的基础数据进行分析统计，则能避免这一问题。

可选地，该设备还包括：

第一发布单元，被配置为发布确定的该区域的拥挤程度和/或车辆密度。

可选地，该设备还包括：

第一存储单元，被配置为存储确定的该区域的拥挤程度和/或车辆密度；

第一预测单元，被配置为根据历史上存储的确定的该区域的拥挤程度和/或车辆密度，预测在未来特定时刻该区域的拥挤程度和/或车辆密度。

该实施例这种预测功能的好处是：它能预测到未来特定时刻该区域的拥挤程度和/或车辆密度，而不是现在的该区域的拥挤程度和/或车辆密度，把预测的未来的特定时刻该区域的拥挤程度和/或车辆密度发布出来，对行车的车主更有指导意义，因为车主更希望知道例如10分钟或半个小时后给区域(如路口)的交通状况，从而灵活调整行车策略，而不是现在的交通状况。

可选地，第一接收单元还被配置为实时接收各车辆的车载设备发送的车辆的行驶速度，且所述设备还包括：

第三确定单元，被配置为基于接收到的各车辆的车载设备发送的车辆的地理位置和行驶速度，确定在未来特定时刻进入该区域的车辆；

第二发送单元，被配置为向在未来特定时刻进入该区域的车辆的车载设备发送预测的在未来特定时刻该区域的拥挤程度和/或车辆密度。

这种做法的好处是，它可以根据车辆的行驶速度，推断哪些车辆可能在未来特定时刻进入该区域，从而有针对性地向这些车主发该区域的拥挤程度和/或车辆密度，提高了推送的针对性。

可选地，所述区域是路口。

可选地，所述区域是公路上的车道。

在区域是车道的情况下，就可以让车主知道哪个车道可能拥挤，例如在某一路口可能左拐的车道堵塞，而直行的车道并不堵塞。实际上，单独发布某一路口的路况信息未必是车主最需要的，车主往往想要知道自己所去的车道是否容易行驶。这是目前任何路况通知系统都无法做到的，而本发明做到了这一点。

根据本发明的一个实施例，还提供了一种行车实景图再现设备，包括：

第二接收单元，被配置为实时接收各车辆的车载设备发送的车辆的地理位置、该车载设备识别出的各对象、及各对象的地理位置、各对象的类型；

第四确定单元，被配置为根据各车辆的车载设备发送的车辆的地理位置，确定各车辆中地理位置在区域内的车辆；

第一绘制单元，被配置为根据所确定的地理位置在该区域内的各车辆、各车辆的车载设备识别出的各对象、及各对象的地理位置、各对象的类型，绘制该区域的行车实景图；

第二发布单元，被配置为发布绘制的行车实景图。

这种行车实景图再现设备带来的好处是，它可以让车主看到某一区域(例如某个路口)全盘的情况。例如，车主开到某一路口时，突然堵住了，但前面车太多，看不清发生了什么事情，使得交通堵塞了。本发明的形成实景图能从全局使车主能看到该路口的全盘情况，例如该路口什么位置的车突然停住导致后续连串的车辆停住，等等。这也是目前的路况通知技术没有做到的。

可选地，第二接收单元还被配置为接收各车辆的车载设备发送的各对象的运动状态；

第一绘制单元还被配置为根据接收到的地理位置在区域内的车辆的车载设备发送的各对象的运动状态，渲染绘制的行车实景图。

可选地，行车实景图再现设备还包括：

第二存储单元，被配置为存储该区域的行车实景图；

第二预测单元，被配置为根据历史上存储的该区域的行车实景图，预测在未来特定时刻该区域的行车实景图。

这种做法的好处是，使用户能看到未来特定时刻某一区域的行车实景图，就为还没有到达该区域的车主是否仍然选择经过该区域提供了依据，会大大方便车主行车路线的选择。这也是目前路况通知技术没有做到的。

可选地，第二接收单元还被配置为实时接收各车辆的车载设备发送的车辆的行驶速度，且所述设备还包括：

第五确定单元，被配置为基于接收到的各车辆的车载设备发送的车辆的地理位置和行驶速度，确定在未来特定时刻进入该区域的车辆；

第三发送单元，被配置为向在未来特定时刻进入该区域的车辆的车载设备发送预测的在未来特定时刻该区域的行车实景图。

这种做法的好处是，使区域的行车实景图只投放给未来特定时刻可能进入该区域的车主，提高了投放的针对性。

根据本发明的一个实施例，还提供了一种行车实景图再现设备，包括：

第三接收单元，被配置为接收各车辆的车载设备发送的车辆的地理位置、该车载设备识别出的各对象、及各对象的地理位置、各对象的类型；

第六确定单元，被配置为根据各车辆的车载设备发送的车辆的地理位置，确定各车辆中地理位置与第一车辆相距预定距离之内的所有车辆；

第二绘制单元，被配置为根据所确定的与第一车辆相距预定距离之内的所有车辆、所述所有车辆的车载设备识别出的各对象、及各对象的地理位置、各对象的类型，绘制以第一车辆为中心、预定距离为半径的范围的行车实景图；

第四发送单元，被配置为向第一车辆的车载设备发送绘制的行车实景图。

这种行车实景图再现设备的好处是，使车主能够看到与自己的车辆为中心、预定距离为半径的范围的行车实景图，因为有时车主更希望看到的是自己周围发生的路况，而不是整个区域发生的路况。这样的行车实景图再现设备，能够帮助车主快速了解自己周围发生的路况，从而对自己周围发生了什么有更清楚的认识，并且以自己的车辆为圆心的方式也容易使车主在行车实景图上快速定位到自己。

可选地，第三接收单元还被配置为接收各车辆的车载设备发送的各对象的运动状态；

第二绘制单元还被配置为根据接收到的地理位置与第一车辆相距预定距离之内的所有车辆的车载设备发送的各对象的运动状态，渲染绘制的行车实景图。

根据本发明的一个实施例，还提供了一种车辆驾驶行为诊断设备，包括：

第四接收单元，被配置为接收各车辆的车载设备发送的车辆的地理位置、该车载设备识别出的各对象、及各对象与车辆的距离、对象的类型、车辆的行驶速度；

第三存储单元，被配置为存储接收的各车辆的车载设备发送的车辆的地理位置、该车载设备识别出的各对象、及各对象与车辆的距离、对象的类型、车辆的行驶速度；

第一识别单元，被配置为基于第一存储单元存储的、历史上的第一车辆的车载设备发送的该车载设备识别出的各对象、及各对象与车辆的距离、对象的类型、车辆的行驶速度，识别规定时间段内的预定事件；

第一诊断信息产生单元，被配置为基于在所述规定时间段内识别出的预定事件的次数，产生对第一车辆的驾驶行为的诊断信息；

第五发送单元，被配置为向第一车辆的车载设备发送该诊断信息。

该方案可以帮助车主快速认识到自己行车上的一些缺陷。例如车主开车时总是与前车距离太近，或经常与前面的人太近。这样，可以帮助车主发现自己不良的驾驶习惯，帮助车主改进。

可选地，预定事件包括下列中的至少一个：

第一车辆与对象的类型为行人的对象的距离低于第一阈值；

第一车辆与对象的类型为除所述车辆之外的其它车辆的对象的距离低于第二阈值；

车辆的行驶速度超过第三阈值。

根据本发明的一个实施例，还提供了一种区域驾驶行为诊断设备，包括：

第五接收单元，被配置为接收各车辆的车载设备发送的车辆的地理位置、该车载设备识别出的各对象、及各对象与车辆的距离、对象的类型、车辆的行驶速度；

第四存储单元，被配置为存储接收的各车辆的车载设备发送的车辆的地理位置、该车载设备识别出的各对象、及各对象与车辆的距离、对象的类型、车辆的行驶速度；

第二识别单元，被配置为基于第一存储单元存储的、历史上处于区域内的所有车辆的车载设备识别出的各对象、及各对象与车辆的距离、对象的类型、车辆的行驶速度，识别该区域内发生的预定事件；

第二诊断信息产生单元，被配置为基于识别出的该区域内发生的预定事件的次数，产生对该区域的驾驶行为诊断信息；

第六发送单元，被配置为发布该驾驶行为诊断信息。

该方案的好处是，将一般车主行驶到某个地方容易犯的驾驶错误提取公布出来，避免驾驶到该地方时犯该驾驶错误。例如，某个地方可能是由于下坡的原因，很多车主行驶到这里，就会发生超速。通过该方案，就可以总结出这一点，并提前发布该信息，避免车主在这个地方发生超速。

可选地，预定事件包括下列中的至少一个：

该区域内的车辆与对象的类型为行人的对象的距离低于第一阈值；

该区域内的车辆与对象的类型为除所述车辆之外的其它车辆的对象的距离低于第二阈值；

该区域内的车辆的行驶速度超过第三阈值。

根据本发明的一个实施例，还提供了一种异常状况发布设备，包括：

第六接收单元，被配置为接收各车辆的车载设备发送的车辆的地理位置、该车载设备识别出的各对象、各对象的地理位置、各对象与车辆的距离、各对象的类型、各对象的运动状态；

第三识别单元，被配置为基于接收到的各车辆的车载设备发送的车辆的地理位置、该车载设备识别出的各对象、各对象的地理位置、各对象与车辆的距离、各对象的类型、各对象的运动状态，识别异常状况的发生；

第三发布单元，被配置为发布该异常状况。

该方案的优点是，可以发现某处发生的异常状况，及时让车主避开。例如，识别出某处发生追尾，将该消息发布出来，使将要进入该区域的车主尽量绕行该区域。这也是目前的路况通知系统不能做到的。

可选地，第三发布单元将接收到的车辆的地理位置连同该异常状况一起发布。

根据本发明的一个实施例，提供了一种辅助路况调度管理的方法，包括：

实时拍摄车辆周围的视频；

从拍摄的视频中识别出对象；

获取车辆的地理位置；

实时获取车辆的行驶速度；

从拍摄的视频中结合获取的车辆的地理位置、车辆的行驶速度，获取识别出的对象的参数，所述参数包括地理位置、与车辆的距离、对象的类型、对象的运动状态中的至少一个；

发送获取的参数和车辆的地理位置。

可选地，所述对象的类型包括：除所述车辆之外的其它车辆、行人、红绿灯、街道护栏、障碍物中的至少一个。

可选地，该方法还包括：发送获取的车辆的行驶速度。

可选地，获取识别出的对象的参数的步骤包括：通过深度传感器获取对象与车辆的距离及相对于车辆的方向。

可选地，获取识别出的对象的参数的步骤包括：基于获取的对象与车辆的距离及相对于车辆的方向、获取的车辆的地理位置，获取对象的地理位置。

可选地，获取识别出的对象的参数的步骤包括：基于拍摄的视频的连续帧中对象的大小和位置的变化、获取的对象与车辆的距离及相对于车辆的方向、以及获取的车辆的行驶速度，获取对象的运动状态。

可选地，该方法还包括：

根据拍摄到的视频中对象的数量、各对象与车辆的距离，确定车辆周围的拥挤程度；和/或

根据拍摄到的视频中的、对象的类型为除所述车辆之外的其它车辆的对象的数量、及所述对象的类型为除所述车辆之外的其它车辆的对象与车辆的距离，确定车辆周围的车辆密度。

可选地，该方法还包括：发送确定的车辆周围的拥挤程度和/或车辆周围的车辆密度。

根据本发明的一个实施例，还提供了一种确定区域的拥挤程度和/或车辆密度的方法，包括：

实时接收各车辆的车载设备发送的车辆的地理位置、车辆周围的拥挤程度和/或车辆周围的车辆密度；

根据各车辆的车载设备发送的车辆的地理位置，确定各车辆中地理位置在所述区域内的车辆；

基于所确定的车辆发送的车辆周围的拥挤程度和/或车辆周围的车辆密度，确定该区域的拥挤程度和/或车辆密度。

可选地，该方法还包括：

发布确定的该区域的拥挤程度和/或车辆密度。

可选地，该方法还包括：

存储确定的该区域的拥挤程度和/或车辆密度；

根据历史上存储的确定的该区域的拥挤程度和/或车辆密度，预测在未来特定时刻该区域的拥挤程度和/或车辆密度。

可选地，该方法还包括：

实时接收各车辆的车载设备发送的车辆的行驶速度，且所述设备还包括：

基于接收到的各车辆的车载设备发送的车辆的地理位置和行驶速度，确定在未来特定时刻进入该区域的车辆；

向在未来特定时刻进入该区域的车辆的车载设备发送预测的在未来特定时刻该区域的拥挤程度和/或车辆密度。

可选地，所述区域是路口。

可选地，所述区域是公路上的车道。

根据本发明的一个实施例，还提供了一种行车实景图再现方法，包括：

实时接收各车辆的车载设备发送的车辆的地理位置、该车载设备识别出的各对象、及各对象的地理位置、各对象的类型；

根据各车辆的车载设备发送的车辆的地理位置，确定各车辆中地理位置在区域内的车辆；

根据所确定的地理位置在该区域内的各车辆、各车辆的车载设备识别出的各对象、及各对象的地理位置、各对象的类型，绘制该区域的行车实景图；

发布绘制的行车实景图。

可选地，该行车实景图再现方法还包括：

接收各车辆的车载设备发送的各对象的运动状态；

根据接收到的地理位置在区域内的车辆的车载设备发送的各对象的运动状态，渲染绘制的行车实景图。

可选地，该行车实景图再现方法还包括：

存储该区域的行车实景图；

根据历史上存储的该区域的行车实景图，预测在未来特定时刻该区域的行车实景图。

可选地，该行车实景图再现方法还包括：

实时接收各车辆的车载设备发送的车辆的行驶速度；

基于接收到的各车辆的车载设备发送的车辆的地理位置和行驶速度，确定在未来特定时刻进入该区域的车辆；

向在未来特定时刻进入该区域的车辆的车载设备发送预测的在未来特定时刻该区域的行车实景图。

根据本发明的一个实施例，还提供了一种行车实景图再现方法，包括：

接收各车辆的车载设备发送的车辆的地理位置、该车载设备识别出的各对象、及各对象的地理位置、各对象的类型；

根据各车辆的车载设备发送的车辆的地理位置，确定各车辆中地理位置与第一车辆相距预定距离之内的所有车辆；

根据所确定的与第一车辆相距预定距离之内的所有车辆、所述所有车辆的车载设备识别出的各对象、及各对象的地理位置、各对象的类型，绘制以第一车辆为中心、预定距离为半径的范围的行车实景图；

向第一车辆的车载设备发送绘制的行车实景图。

可选地，该行车实景图再现方法还包括：

接收各车辆的车载设备发送的各对象的运动状态；

根据接收到的地理位置与第一车辆相距预定距离之内的所有车辆的车载设备发送的各对象的运动状态，渲染绘制的行车实景图。

根据本发明的一个实施例，还提供了一种车辆驾驶行为诊断方法，包括

接收各车辆的车载设备发送的车辆的地理位置、该车载设备识别出的各对象、及各对象与车辆的距离、对象的类型、车辆的行驶速度；

存储接收的各车辆的车载设备发送的车辆的地理位置、该车载设备识别出的各对象、及各对象与车辆的距离、对象的类型、车辆的行驶速度；

基于第一存储单元存储的、历史上的第一车辆的车载设备发送的该车载设备识别出的各对象、及各对象与车辆的距离、对象的类型、车辆的行驶速度，识别规定时间段内的预定事件；

基于在所述规定时间段内识别出的预定事件的次数，产生对第一车辆的驾驶行为的诊断信息；

向第一车辆的车载设备发送该诊断信息。

可选地，预定事件包括下列中的至少一个：

第一车辆与对象的类型为行人的对象的距离低于第一阈值；

第一车辆与对象的类型为除所述车辆之外的其它车辆的对象的距离低于第二阈值；

车辆的行驶速度超过第三阈值。

根据本发明的一个实施例，还提供了一种区域驾驶行为诊断方法，包括：

接收各车辆的车载设备发送的车辆的地理位置、该车载设备识别出的各对象、及各对象与车辆的距离、对象的类型、车辆的行驶速度；

存储接收的各车辆的车载设备发送的车辆的地理位置、该车载设备识别出的各对象、及各对象与车辆的距离、对象的类型、车辆的行驶速度；

基于第一存储单元存储的、历史上处于区域内的所有车辆的车载设备识别出的各对象、及各对象与车辆的距离、对象的类型、车辆的行驶速度，识别该区域内发生的预定事件；

基于识别出的该区域内发生的预定事件的次数，产生对该区域的驾驶行为诊断信息；

发布该驾驶行为诊断信息。

可选地，预定事件包括下列中的至少一个：

该区域内的车辆与对象的类型为行人的对象的距离低于第一阈值；

该区域内的车辆与对象的类型为除所述车辆之外的其它车辆的对象的距离低于第二阈值；

该区域内的车辆的行驶速度超过第三阈值。

根据本发明的一个实施例，还提供了一种异常状况发布方法，包括：

接收各车辆的车载设备发送的车辆的地理位置、该车载设备识别出的各对象、各对象的地理位置、各对象与车辆的距离、各对象的类型、各对象的运动状态；

基于接收到的各车辆的车载设备发送的车辆的地理位置、该车载设备识别出的各对象、各对象的地理位置、各对象与车辆的距离、各对象的类型、各对象的运动状态，识别异常状况的发生；

发布该异常状况。

可选地，发布该异常状况的步骤包括：将接收到的车辆的地理位置连同该异常状况一起发布。

本领域普通技术人员将了解，虽然下面的详细说明将参考图示实施例、附图进行，但本发明并不仅限于这些实施例。而是，本发明的范围是广泛的，且意在仅通过后附的权利要求限定本发明的范围。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：

图1是根据本发明一个实施例的用于安装在车辆中的车载设备的结构图。

图2是根据本发明另一个实施例的用于安装在车辆中的车载设备的结构图。

图3是根据本发明一个实施例的确定区域的拥挤程度和/或车辆密度的设备的结构图。

图4是根据本发明另一个实施例的确定区域的拥挤程度和/或车辆密度的设备的结构图。

图5是根据本发明另一个实施例的确定区域的拥挤程度和/或车辆密度的设备的结构图。

图6是根据本发明另一个实施例的确定区域的拥挤程度和/或车辆密度的设备的结构图。

图7是根据本发明一个实施例的行车实景图再现设备的结构图。

图8是根据本发明另一个实施例的行车实景图再现设备的结构图。

图9是根据本发明另一个实施例的行车实景图再现设备的结构图。

图10A是根据本发明的一个实施例第一车辆识别出的对象及其地理分布情况。

图10B是根据本发明的一个实施例第二车辆识别出的对象及其地理分布情况。

图10C是整合图10A和图10B的结果绘出的区域的行车实景图。

图11是根据本发明另一个实施例的行车实景图再现设备的结构图。

图12是根据本发明一个实施例的车辆驾驶行为诊断设备的结构图。

图13是根据本发明一个实施例的区域驾驶行为诊断设备的结构图。

图14是根据本发明一个实施例的异常状况发布设备的结构图。

图15是根据本发明一个实施例的辅助路况调度管理的方法的流程图。

图16是根据本发明一个实施例的确定区域的拥挤程度和/或车辆密度的方法的流程图。

图17是根据本发明一个实施例的行车实景图再现方法的流程图。

图18是根据本发明一个实施例的行车实景图再现方法的流程图。

图19是根据本发明一个实施例的车辆驾驶行为诊断方法的流程图。

图20是根据本发明一个实施例的区域驾驶行为诊断方法的流程图。

图21是根据本发明一个实施例的异常状况发布方法的流程图。

附图中相同或相似的附图标记代表相同或相似的部件。

具体实施方式

下面结合附图对本发明作进一步详细描述。+

图1是根据本发明的一个实施例的用于安装在车辆中的车载设备1的结构框图。它包括摄像头101、对象识别单元102、位置获取单元103、车速获取单元104、参数获取单元105、第一发送单元106。在一个实施例中，摄像头101置于车辆后视镜的前方，对象识别单元102、位置获取单元103、车速获取单元104、参数获取单元105、第一发送单元106封装在车辆前端控制台的内部。这样做是因为，摄像头101置于车辆后视镜的前方会以优选的视角拍摄周围的视频，而把对象识别单元102、位置获取单元103、车速获取单元104、参数获取单元105、第一发送单元106置于前端控制台的内部而不是与摄像头101一体制造是为了避免如果体积过大将其防止车辆后视镜的前方遮挡视线。

摄像头101被配置为实时拍摄车辆周围的视频。优选地，本发明实施例采用广角的摄像头，它不但能拍摄到车辆正前方的一排车辆，而且能拍摄到前两排、三排甚至更远的车辆，从而为平台分析整个区域的拥挤状况、再现整个区域的形成实景图等提供便利。

对象识别单元102被配置为从拍摄的视频中识别出对象。对象例如是车辆、行人、红绿灯、街道护栏、障碍物等。图像识别目前已有成熟技术。例如，为了识别出人，对象识别单元可以被事先利用大量人脸的样本训练，从而训练好的对象识别单元可以从拍摄的视频中识别出人脸，从而识别出人。

位置获取单元103被配置为获取车辆的地理位置。它可以是GPS应用、北斗应用等，通过它可以获取车辆的精确坐标。

车速获取单元104被配置为实时获取车辆的行驶速度。它可以是车辆上安装的速度传感器，也可以是通过加速度传感器后接积分器等方式实现。

参数获取单元105被配置为从拍摄的视频中结合获取的车辆的地理位置、车辆的行驶速度，获取识别出的对象的参数。参数是指从从拍摄的视频、获取的车辆的地理位置、车辆的行驶速度中得出的用于平台进行整体交通状况分析的物理量。所述参数包括地理位置、与车辆的距离、对象的类型、对象的运动状态中的至少一个。地理位置是指对象的坐标。所述对象的类型包括：除所述车辆之外的其它车辆、行人、红绿灯、街道护栏、障碍物中的至少一个。对象的运动状态是指对象处于静止还是运动(如果是车辆的话，慢速行驶还是快速行驶；如果是人的话，走路还是跑步)。

对于对象与车辆的距离，参数获取单元通过深度传感器从拍摄的图像中获取对象与车辆的距离及相对于车辆的方向。

对于对象的地理位置，参数获取单元基于获取的对象与车辆的距离及相对于车辆的方向、获取的车辆的地理位置，获取对象的地理位置。例如，车辆1识别出在其前方向右偏30°距离其10米有行人1，车辆1的坐标是(5，3)，那么行人1的坐标是(5+10×sin30°，3+10×cos30°)＝(10，11.67)。

对于对象的类型，它是在对象识别单元102在识别对象时同步判断出的，例如对象识别单元102被用大量人脸图像的样本、车辆轮廓的样本训练，因此能从拍摄的图像中识别出对象1、对象2……，也同步识别出对象1是行人、对象2是车辆等。

对于对象的运动状态，参数获取单元基于拍摄的视频的连续帧中对象的大小和位置的变化、获取的对象与车辆的距离及相对于车辆的方向、以及获取的车辆的行驶速度，获取对象的运动状态。

如果对象做快速运动，则拍摄的视频的两个连续帧中该对象的大小和位置变化可能会比较大；如果对象做慢速运动或静止，则拍摄的视频的两个连续帧中该对象的大小和位置变化可能会比较小。而且，拍摄的视频的两个连续帧中对象的大小和位置变化还可能与对象与车辆的距离及相对于车辆的方向有关系。如果对象离车辆较远，即使做很快的运动，在拍摄的视频的两个连续帧中该对象的大小和位置变化可能也较小。如果对象离车辆较近，即使做很慢的运动，在拍摄的视频的两个连续帧中该对象的大小和位置变化可能也较大。另外，拍摄的视频的两个连续帧中该对象的大小和位置变化还可能与车辆的行驶速度有关系。如果车辆行驶得很快，那么即使对象不动，在拍摄的视频的两个连续帧中该对象的大小和位置变化可能也较大。因此，要综合拍摄的视频的连续帧中对象的大小和位置的变化、获取的对象与车辆的距离及相对于车辆的方向、以及获取的车辆的行驶速度，来判断对象的运动状态。例如，可以实现根据大量样本实验，得到如下列表：

上表中“大”、“中”、“小”可以预先规定对应于一个预定范围。首先判断拍摄的视频的连续帧中对象的大小和位置的变化、对象与车辆的距离、以及车辆的行驶速度所处的范围判断出其对应于“大”、“中”还是“小”，然后查上表获得对象的运动状态。

第一发送单元106被配置为向本发明实施例中整合路况信息、发布路况综合数据的平台发送获取的参数和车辆的地理位置。第一发送单元106例如是天线。下文中的确定区域的拥挤程度和/或车辆密度的设备2、行车实景图再现设备3、行车实景图再现设备4、车辆驾驶行为诊断设备5、区域驾驶行为诊断设备6、异常状况发布设备7都可以实现在整合路况信息、发布路况综合数据的平台。它可以是一种专门用来整合路况信息、发布路况综合数据的平台，也可以是其它用途的平台，例如在其它用途的平台上整合本发明实施例整合路况信息、发布路况综合数据的功能。

另外，第一发送单元还可以被配置为发送获取的车辆的行驶速度。

另外，如图2所示，车载设备还可以包括：

拥挤程度确定单元107，被配置为根据拍摄到的视频中对象的数量、各对象与车辆的距离，确定车辆周围的拥挤程度；和/或

车辆密度确定单元108，被配置为根据拍摄到的视频中的、对象的类型为除所述车辆之外的其它车辆的对象的数量、及所述对象的类型为除所述车辆之外的其它车辆的对象与车辆的距离，确定车辆周围的车辆密度。

在拍摄到的视频中对象(包括行人、车辆等)越多，对象与车辆的距离越小，则说明车辆周围越拥挤，拥挤程度越大。反之，拥挤程度越小。拥挤程度可以用拥挤程度分数度量。例如，在拍摄到的视频中，每出现一个与车辆的距离在1m之内的对象得5分，每出现一个与车辆的距离在1-3m之内的对象得4分，每出现一个与车辆的距离在3-5m之内的对象得3分，每出现一个与车辆的距离在5-7之内的对象得2分，每出现一个与车辆的距离在7-10之内的对象得1分。最后的拥挤程度分数就既反映了视频中对象的数量，也反映了各对象与车辆的距离。

车辆周围的车辆密度也可以用车辆密度分数度量。例如，在拍摄到的视频中，每出现一个与车辆的距离在1m之内的其它车辆得5分，每出现一个与车辆的距离在1-3m之内的其它车辆得4分，每出现一个与车辆的距离在3-5m之内的其它车辆得3分，每出现一个与车辆的距离在5-7之内的其它车辆得2分，每出现一个与车辆的距离在7-10之内的其它车辆得1分。最后的车辆密度分数就既反映了视频中其它车辆的数量，也反映了各其它车辆与当前车辆的距离。

另外，第一发送单元还可以被配置为发送确定的车辆周围的拥挤程度和/或车辆周围的车辆密度。

图3示出了根据本发明一个实施例的确定区域的拥挤程度和/或车辆密度的设备2的框图。

该设备2包括第一接收单元201、第一确定单元202和第二确定单元203。

第一接收单元201被配置为实时接收如图1或2所示的各车辆的车载设备发送的车辆的地理位置、车辆周围的拥挤程度和/或车辆周围的车辆密度。

第一确定单元202被配置为根据各车辆的车载设备发送的车辆的地理位置，确定各车辆中地理位置在所述区域内的车辆。

区域是指一个待确定拥挤程度和/或车辆密度的地区。例如，需要确定某个路口的拥挤程度和/或车辆密度，则可以把该路口当作一个区域。例如该路口四个角的坐标分别是(1，1)、(1，3)、(3，1)、(3，3)，坐标为(2.5，2)、(1.5，1.8)的车辆都位于该路口四个角之间的正方形区域内，而坐标为(3.5，3)的车辆不位于该路口四个角之间的正方形区域内。通过这种方式，就能确定地理位置在所述区域内的所有车辆。

第二确定单元203被配置为基于所确定的车辆发送的车辆周围的拥挤程度和/或车辆周围的车辆密度，确定该区域的拥挤程度和/或车辆密度。

一种具体实现方式是将所确定的车辆发送的车辆周围的拥挤程度和/或车辆周围的车辆密度取平均值，得到该区域的拥挤程度和/或车辆密度。例如，确定出某路口有2个车辆，车辆1发来的拥挤程度分数是35，车辆2发来的拥挤程度分数是25，则该区域的拥挤程度分数为(35+25)/2＝30。

另外，区域可以是公路上的车道。

在区域是车道的情况下，就可以让车主知道哪个车道可能拥挤，例如在某一路口可能左拐的车道堵塞，而直行的车道并不堵塞。实际上，单独发布某一路口的路况信息未必是车主最需要的，车主往往想要知道自己所去的车道是否容易行驶。

可选地，如图4所示，该设备还包括：第一发布单元204，被配置为发布确定的该区域的拥挤程度和/或车辆密度。例如，可以向所有按照有本发明实施例的车载设备的车辆广播该确定的该区域的拥挤程度和/或车辆密度。

可选地，如图5所示，该设备还包括：

第一存储单元205，被配置为存储确定的该区域的拥挤程度和/或车辆密度；

第一预测单元206，被配置为根据历史上存储的确定的该区域的拥挤程度和/或车辆密度，预测在未来特定时刻该区域的拥挤程度和/或车辆密度。

第一预测单元206可以采用机器学习的方式预测在未来特定时刻该区域的拥挤程度和/或车辆密度。例如，将历史上每隔5分钟采集并存储的该区域的拥挤程度输入自学习模型，自学习模型不断学习其中的规律，就能预测当前时间后5分钟、10分钟、15分钟……后的该区域的拥挤程度。

该实施例这种预测功能的好处是：它能预测到未来特定时刻该区域的拥挤程度和/或车辆密度，而不是现在的该区域的拥挤程度和/或车辆密度，把预测的未来的特定时刻该区域的拥挤程度和/或车辆密度发布出来，对行车的车主更有指导意义，因为车主更希望知道例如10分钟或半个小时后给区域(如路口)的交通状况，从而灵活调整行车策略，而不是现在的交通状况。

可选地，第一接收单元还被配置为实时接收各车辆的车载设备发送的车辆的行驶速度，且如图6所示，所述设备还包括：第三确定单元207和第二发送单元208。

第三确定单元207被配置为基于接收到的各车辆的车载设备发送的车辆的地理位置和行驶速度，确定在未来特定时刻进入该区域的车辆。

例如，该区域是一个正方形，正方形的四个角坐标分别是(1，1)、(1，3)、(3，1)、(3，3)(单位：公里)。某车辆当前坐标是(2，-2)，沿着坐标轴上纵向以0.8公里/分钟的速度行驶，在5分钟之后坐标是(2，-2+0.8×5)＝(2，2)，即进入了该区域。因此，该车辆被确定为是确定在未来5分钟进入该区域的车辆。通过这种方式，能够确定在未来特定时刻进入该区域的所有车辆。

第二发送单元208被配置为向在未来特定时刻进入该区域的车辆的车载设备发送预测的在未来特定时刻该区域的拥挤程度和/或车辆密度。

这种做法的好处是，使区域的行车实景图只投放给未来特定时刻可能进入该区域的车主，提高了投放的针对性。

图7是根据本发明的一个实施例的行车实景图再现设备3的框图。

行车实景图再现设备3包括：第二接收单元301、第四确定单元302、第一绘制单元303、第二发布单元304。

第二接收单元301被配置为实时接收各车辆的车载设备发送的车辆的地理位置、该车载设备识别出的各对象、及各对象的地理位置、各对象的类型。

第四确定单元302被配置为根据各车辆的车载设备发送的车辆的地理位置，确定各车辆中地理位置在区域内的车辆；

第一绘制单元303被配置为根据所确定的地理位置在该区域内的各车辆、各车辆的车载设备识别出的各对象、及各对象的地理位置、各对象的类型，绘制该区域的行车实景图。

以图10A-B所示，在某一路口确定有2个车辆，即车辆401和车辆402。图10A示出了车辆401识别出的各对象、及各对象的地理位置、各对象的类型。它识别出了对象403，坐标是(8.9，12)，类型是行人；还识别出了对象404，坐标是(10，16)，类型是行人。实际上，该区域内还有一个对象，即图10B中的车辆402，但由于车辆401的车载设备的摄像头角度的问题，没有发现车辆402。图10B示出了车辆402识别出的各对象、及各对象的地理位置、各对象的类型。它识别出了对象401’，坐标是(4，7)，类型是车辆；还识别出了对象403’，坐标是(9，12)，类型是行人。由于摄像头角度的问题，没有发现对象404。

综合图10A所示的车辆401识别出的各对象、及各对象的地理位置、各对象的类型、以及图10B所示的车辆401识别出的各对象、及各对象的地理位置、各对象的类型，得到图10C的该路口的形成实景图，其中图10A中车辆401识别出的对象403的坐标是(8.9，12)，图10B中车辆402识别出的对象403’的坐标是(9，12)，类型都是行人，由于两个坐标非常接近，且对象类型一致，认为是同一对象403，因此在图10C中仅画出403，不画403’；图10A中车辆401的坐标是(4，7)，图10B中车辆402识别出的对象401’的坐标是(4，7)，类型都是车辆，由于两个坐标一致，且对象类型一致，认为是同一对象401，因此在图10C中仅画出401，不画401’。图10C的形成实景图补进了图10A中漏掉的车辆402，补进了图10C中漏掉的行人404。因此，全面地给车主提供了该路口的行车情况。

第二发布单元304被配置为发布绘制的行车实景图。

另外，第二接收单元还可以被配置为接收各车辆的车载设备发送的各对象的运动状态；第一绘制单元还可以被配置为根据接收到的地理位置在区域内的车辆的车载设备发送的各对象的运动状态，渲染绘制的行车实景图。

例如，从车辆401接收到的行人403的运动状态是行人403正在跑步，因此可以在行车实景图上将行人403变成奔跑的小人儿的形状。

如图8所示，行车实景图再现设备3还可以包括：

第二存储单元305，被配置为存储该区域的行车实景图；

第二预测单元306，被配置为根据历史上存储的该区域的行车实景图，预测在未来特定时刻该区域的行车实景图。

第二预测单元306可以采用机器学习的方式预测在未来特定时刻该区域的行车实景图。例如，将历史上每隔5分钟采集并存储的该区域的行车实景图输入自学习模型，自学习模型不断学习其中的规律，就能预测当前时间后5分钟、10分钟、15分钟……后的该区域的行车实景图。

这种做法的好处是，使用户能看到未来特定时刻某一区域的行车实景图，就为还没有到达该区域的车主是否仍然选择经过该区域提供了依据，会大大方便车主行车路线的选择。

如图9所示，第二接收单元还可以被配置为实时接收各车辆的车载设备发送的车辆的行驶速度，且所述设备还包括：

第五确定单元307，被配置为基于接收到的各车辆的车载设备发送的车辆的地理位置和行驶速度，确定在未来特定时刻进入该区域的车辆；

第三发送单元308，被配置为向在未来特定时刻进入该区域的车辆的车载设备发送预测的在未来特定时刻该区域的行车实景图。

这种做法的好处是，使区域的行车实景图只投放给未来特定时刻可能进入该区域的车主，提高了投放的针对性。

如图11所示，根据本发明的另一个实施例的行车实景图再现设备4包括：第三接收单元401、第六确定单元402、第二绘制单元403、第四发送单元404。

第三接收单元401被配置为接收各车辆的车载设备发送的车辆的地理位置、该车载设备识别出的各对象、及各对象的地理位置、各对象的类型。

第六确定单元402被配置为根据各车辆的车载设备发送的车辆的地理位置，确定各车辆中地理位置与第一车辆相距预定距离之内的所有车辆。

第一车辆例如是当前车辆。例如，当前车辆的坐标是(3，1)，预定距离规定为2，第二车辆的坐标是(4，2)，与第一车辆的距离是1.41，属于与第一车辆相距2之内的车辆。通过这种方式，即能确定地理位置与第一车辆相距预定距离之内的所有车辆。

第二绘制单元403被配置为根据所确定的与第一车辆相距预定距离之内的所有车辆、所述所有车辆的车载设备识别出的各对象、及各对象的地理位置、各对象的类型，绘制以第一车辆为中心、预定距离为半径的范围的行车实景图。

它采用的绘制方法与第一绘制单元303的绘制方法是类似的，只不过第一绘制单元303绘制的是特定区域的形成实景图，第二绘制单元403绘制的是以第一车辆为中心、预定距离为半径的范围的行车实景图。

第四发送单元404被配置为向第一车辆的车载设备发送绘制的行车实景图。

可选地，第三接收单元还被配置为接收各车辆的车载设备发送的各对象的运动状态。第二绘制单元还被配置为根据接收到的地理位置与第一车辆相距预定距离之内的所有车辆的车载设备发送的各对象的运动状态，渲染绘制的行车实景图。

所述的渲染例如，发现某一行人的运动状态为跑步，将形成实景图的该行人画成奔跑的小人儿。

图12示出了根据本发明的一个实施例的车辆驾驶行为诊断设备5的框图。

该车辆驾驶行为诊断设备5包括：第四接收单元501、第三存储单元502、第一识别单元503、第一诊断信息产生单元504、第五发送单元505。

第四接收单元501被配置为接收各车辆的车载设备发送的车辆的地理位置、该车载设备识别出的各对象、及各对象与车辆的距离、对象的类型、车辆的行驶速度。

第三存储单元502被配置为存储接收的各车辆的车载设备发送的车辆的地理位置、该车载设备识别出的各对象、及各对象与车辆的距离、对象的类型、车辆的行驶速度。

第一识别单元503被配置为基于第一存储单元存储的、历史上的第一车辆的车载设备发送的该车载设备识别出的各对象、及各对象与车辆的距离、对象的类型、车辆的行驶速度，识别规定时间段内的预定事件。

预定事件包括下列中的至少一个：

第一车辆与对象的类型为行人的对象的距离低于第一阈值；

第一车辆与对象的类型为除所述车辆之外的其它车辆的对象的距离低于第二阈值；

车辆的行驶速度超过第三阈值。

例如，第一阈值规定为1m，第一车辆即当前车辆，基于存储的、历史上当前车辆的车载设备发送的该车载设备识别出的各对象、及各对象与车辆的距离、对象的类型、车辆的行驶速度，发现在2014年5月17日7点14分识别出一个行人距离当前车辆0.5m，此时认为发生了一次第一车辆与对象的类型为行人的对象的距离低于第一阈值的预定事件。

第一诊断信息产生单元504被配置为基于在所述规定时间段内识别出的预定事件的次数，产生对第一车辆的驾驶行为的诊断信息。

例如，可以规定允许在规定时间段内识别出预定事件的次数。例如，规定在一年内，发现当前车辆与行人的距离低于第一阈值在5次之内是允许的。如果根据去年一年的历史记录，发现当前车辆与行人之间的距离小于1m的有18次，则产生诊断信息“您去年行车时与行人之间的距离小于安全阈值的次数有18次，驾驶时要注意看人啊！”

再例如，规定在一年内，发现当前车辆与其它车辆的距离低于第二阈值在20次之内是允许的。如果根据去年一年的历史记录，发现当前车辆与其它车辆之间的距离小于1m的有70次，则产生诊断信息“您去年行车时与其它车辆之间的距离小于安全阈值的次数有70次，驾驶时要避免与其它车辆太近，防止追尾和剐蹭哦！”

第五发送单元505被配置为向第一车辆的车载设备发送该诊断信息。

图13是根据本发明一个实施例的区域驾驶行为诊断设备6的框图。区域驾驶行为诊断设备6包括：第五接收单元601、第四存储单元602、第二识别单元603、第二诊断信息产生单元604、第六发送单元605。

第五接收单元601被配置为接收各车辆的车载设备发送的车辆的地理位置、该车载设备识别出的各对象、及各对象与车辆的距离、对象的类型、车辆的行驶速度。

第四存储单元602被配置为存储接收的各车辆的车载设备发送的车辆的地理位置、该车载设备识别出的各对象、及各对象与车辆的距离、对象的类型、车辆的行驶速度。

第二识别单元603被配置为基于第一存储单元存储的、历史上处于区域内的所有车辆的车载设备识别出的各对象、及各对象与车辆的距离、对象的类型、车辆的行驶速度，识别该区域内发生的预定事件。

预定事件包括下列中的至少一个：

处于该区域内的车辆与对象的类型为行人的对象的距离低于第一阈值；

处于该区域内的车辆与对象的类型为除所述车辆之外的其它车辆的对象的距离低于第二阈值；

该区域内的车辆的行驶速度超过第三阈值。

例如，第一阈值规定为1m，该区域是一个路口。如果基于第一存储单元存储的、历史上处于区域内的所有车辆的车载设备识别出的各对象、及各对象与车辆的距离、对象的类型、车辆的行驶速度，发现在2014年4月22日17点24分该路口的一个位置处的一个车辆与周围的一个行人的距离为0.5，则认为该路口发生了一次第一车辆与对象的类型为行人的对象的距离低于第一阈值的预定事件。

第二诊断信息产生单元604被配置为基于识别出的该区域内发生的预定事件的次数，产生对该区域的驾驶行为诊断信息。

例如，可以规定允许在规定时间段内识别出预定事件的次数。例如，规定在一年内，发现XX路口的车辆的行驶速度超过第三阈值在20次之内是允许的。如果根据去年一年的历史记录，发现该路口的车辆的行驶速度超过第三阈值有50次，则产生诊断信息“XX路口非常容易发生超速行驶，请驾驶的朋友注意”。

第六发送单元605被配置为发布该驾驶行为诊断信息。

图14示出了根据本发明一个实施例的异常状况发布设备7，包括：第六接收单元701、第三识别单元702、第三发布单元703。

第六接收单元701被配置为接收各车辆的车载设备发送的车辆的地理位置、该车载设备识别出的各对象、各对象的地理位置、各对象与车辆的距离、各对象的类型、各对象的运动状态。

第三识别单元702被配置为基于接收到的各车辆的车载设备发送的车辆的地理位置、该车载设备识别出的各对象、各对象的地理位置、各对象与车辆的距离、各对象的类型、各对象的运动状态，识别异常状况的发生。

异常状况包括以下中的至少一种：车辆追尾、车辆剐蹭、戒严、有婚礼车队经过等。车辆追尾、车辆剐蹭等都是有一些典型特征的。例如，在车辆剐蹭的情况下，在剐蹭发生的区域可能会有车辆识别出斜前方和前方有车辆，而旁边却没有车辆，而距前方5m以上也没有车辆。因此，可以统计各种异常状况(如车辆追尾、车辆剐蹭等)下识别出的各对象的地理位置相对于车辆的典型分布，将该典型分布作为一种模式存储。在接收到各车辆的车载设备发送的车辆的地理位置、该车载设备识别出的各对象、各对象的地理位置、各对象与车辆的距离、各对象的类型、各对象的运动状态后，分析各对象相对于车辆的位置分布符合哪种模式，从而查找到与该模式对应的异常状况。

第三发布单元703被配置为发布该异常状况。

可选地，第三发布单元将接收到的车辆的地理位置连同该异常状况一起发布。这样，各车辆的车主就能清楚地知道什么位置发生了追尾、什么位置发生了剐蹭等等，为车主选择合适的行车路线提供了依据。

上文中提到的各单元可以通过软件或硬件(例如集成电路、FPGA等)实现，也可以通过软硬件结合的方式实现。

图15示出了根据本发明一个实施例的辅助路况调度管理的方法8，包括：

在步骤S801，实时拍摄车辆周围的视频；

在步骤S802，从拍摄的视频中识别出对象；

在步骤S803，获取车辆的地理位置；

在步骤S804，实时获取车辆的行驶速度；

在步骤S805，从拍摄的视频中结合获取的车辆的地理位置、车辆的行驶速度，获取识别出的对象的参数，所述参数包括地理位置、与车辆的距离、对象的类型、对象的运动状态中的至少一个；

在步骤S806，发送获取的参数和车辆的地理位置。

可选地，所述对象的类型包括：除所述车辆之外的其它车辆、行人、红绿灯、街道护栏、障碍物中的至少一个。

可选地，该方法还包括：发送获取的车辆的行驶速度。

可选地，步骤S805包括：通过深度传感器获取对象与车辆的距离及相对于车辆的方向。

可选地，步骤S805包括：基于获取的对象与车辆的距离及相对于车辆的方向、获取的车辆的地理位置，获取对象的地理位置。

可选地，步骤S805包括：基于拍摄的视频的连续帧中对象的大小和位置的变化、获取的对象与车辆的距离及相对于车辆的方向、以及获取的车辆的行驶速度，获取对象的运动状态。

可选地，该方法还包括：

根据拍摄到的视频中对象的数量、各对象与车辆的距离，确定车辆周围的拥挤程度；和/或

根据拍摄到的视频中的、对象的类型为除所述车辆之外的其它车辆的对象的数量、及所述对象的类型为除所述车辆之外的其它车辆的对象与车辆的距离，确定车辆周围的车辆密度。

可选地，该方法还包括：发送确定的车辆周围的拥挤程度和/或车辆周围的车辆密度。

根据本发明的一个实施例，如图16所示，提供了一种确定区域的拥挤程度和/或车辆密度的方法9，包括：

在步骤S901，实时接收各车辆的车载设备发送的车辆的地理位置、车辆周围的拥挤程度和/或车辆周围的车辆密度；

在步骤S902，根据各车辆的车载设备发送的车辆的地理位置，确定各车辆中地理位置在所述区域内的车辆；

在步骤S903，基于所确定的车辆发送的车辆周围的拥挤程度和/或车辆周围的车辆密度，确定该区域的拥挤程度和/或车辆密度。

可选地，该方法还包括：

发布确定的该区域的拥挤程度和/或车辆密度。

可选地，该方法还包括：

存储确定的该区域的拥挤程度和/或车辆密度；

根据历史上存储的确定的该区域的拥挤程度和/或车辆密度，预测在未来特定时刻该区域的拥挤程度和/或车辆密度。

可选地，该方法还包括：

实时接收各车辆的车载设备发送的车辆的行驶速度；

基于接收到的各车辆的车载设备发送的车辆的地理位置和行驶速度，确定在未来特定时刻进入该区域的车辆；

向在未来特定时刻进入该区域的车辆的车载设备发送预测的在未来特定时刻该区域的拥挤程度和/或车辆密度。

可选地，所述区域是路口。

可选地，所述区域是公路上的车道。

如图17所示，根据本发明一个实施例的一种行车实景图再现方法10包括：

在步骤S1001，实时接收各车辆的车载设备发送的车辆的地理位置、该车载设备识别出的各对象、及各对象的地理位置、各对象的类型；

在步骤S1002，根据各车辆的车载设备发送的车辆的地理位置，确定各车辆中地理位置在区域内的车辆；

在步骤S1003，根据所确定的地理位置在该区域内的各车辆、各车辆的车载设备识别出的各对象、及各对象的地理位置、各对象的类型，绘制该区域的行车实景图；

在步骤S1004，发布绘制的行车实景图。

可选地，该行车实景图再现方法还包括：

接收各车辆的车载设备发送的各对象的运动状态；

根据接收到的地理位置在区域内的车辆的车载设备发送的各对象的运动状态，渲染绘制的行车实景图。

可选地，该行车实景图再现方法还包括：

存储该区域的行车实景图；

根据历史上存储的该区域的行车实景图，预测在未来特定时刻该区域的行车实景图。

可选地，该行车实景图再现方法还包括：

实时接收各车辆的车载设备发送的车辆的行驶速度；

基于接收到的各车辆的车载设备发送的车辆的地理位置和行驶速度，确定在未来特定时刻进入该区域的车辆；

向在未来特定时刻进入该区域的车辆的车载设备发送预测的在未来特定时刻该区域的行车实景图。

如图18所示，根据本发明一个实施例，提供了一种行车实景图再现方法11，包括：

在步骤S1101，接收各车辆的车载设备发送的车辆的地理位置、该车载设备识别出的各对象、及各对象的地理位置、各对象的类型；

在步骤S1102，根据各车辆的车载设备发送的车辆的地理位置，确定各车辆中地理位置与第一车辆相距预定距离之内的所有车辆；

在步骤S1103，根据所确定的与第一车辆相距预定距离之内的所有车辆、所述所有车辆的车载设备识别出的各对象、及各对象的地理位置、各对象的类型，绘制以第一车辆为中心、预定距离为半径的范围的行车实景图；

在步骤S1104，向第一车辆的车载设备发送绘制的行车实景图。

可选地，该行车实景图再现方法还包括：

接收各车辆的车载设备发送的各对象的运动状态；

根据接收到的地理位置与第一车辆相距预定距离之内的所有车辆的车载设备发送的各对象的运动状态，渲染绘制的行车实景图。

如图19所示，根据本发明一个实施例的一种车辆驾驶行为诊断方法12包括：

在步骤S1201，接收各车辆的车载设备发送的车辆的地理位置、该车载设备识别出的各对象、及各对象与车辆的距离、对象的类型、车辆的行驶速度；

在步骤S1202，存储接收的各车辆的车载设备发送的车辆的地理位置、该车载设备识别出的各对象、及各对象与车辆的距离、对象的类型、车辆的行驶速度；

在步骤S1203，基于第一存储单元存储的、历史上的第一车辆的车载设备发送的该车载设备识别出的各对象、及各对象与车辆的距离、对象的类型、车辆的行驶速度，识别规定时间段内的预定事件；

在步骤S1204，基于在所述规定时间段内识别出的预定事件的次数，产生对第一车辆的驾驶行为的诊断信息；

在步骤S1205，向第一车辆的车载设备发送该诊断信息。

可选地，预定事件包括下列中的至少一个：

第一车辆与对象的类型为行人的对象的距离低于第一阈值；

第一车辆与对象的类型为除所述车辆之外的其它车辆的对象的距离低于第二阈值；

车辆的行驶速度超过第三阈值。

如图20所示，根据本发明的一个实施例，还提供了一种区域驾驶行为诊断方法13，包括：

在步骤S1301，接收各车辆的车载设备发送的车辆的地理位置、该车载设备识别出的各对象、及各对象与车辆的距离、对象的类型、车辆的行驶速度；

在步骤S1302，存储接收的各车辆的车载设备发送的车辆的地理位置、该车载设备识别出的各对象、及各对象与车辆的距离、对象的类型、车辆的行驶速度；

在步骤S1303，基于第一存储单元存储的、历史上处于区域内的所有车辆的车载设备识别出的各对象、及各对象与车辆的距离、对象的类型、车辆的行驶速度，识别该区域内发生的预定事件；

在步骤S1304，基于识别出的该区域内发生的预定事件的次数，产生对该区域的驾驶行为诊断信息；

在步骤S1305，发布该驾驶行为诊断信息。

可选地，预定事件包括下列中的至少一个：

该区域内的车辆与对象的类型为行人的对象的距离低于第一阈值；

该区域内的车辆与对象的类型为除所述车辆之外的其它车辆的对象的距离低于第二阈值；

该区域内的车辆的行驶速度超过第三阈值。

如图21所示，根据本发明的一个实施例，提供了一种异常状况发布方法14，包括：

在步骤S1401，接收各车辆的车载设备发送的车辆的地理位置、该车载设备识别出的各对象、各对象的地理位置、各对象与车辆的距离、各对象的类型、各对象的运动状态；

在步骤S1402，基于接收到的各车辆的车载设备发送的车辆的地理位置、该车载设备识别出的各对象、各对象的地理位置、各对象与车辆的距离、各对象的类型、各对象的运动状态，识别异常状况的发生；

在步骤S1403，发布该异常状况。

可选地，步骤S1403包括：将接收到的车辆的地理位置连同该异常状况一起发布。

附图中的流程图和框图显示了根据本发明的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。

Claims (10)

1.一种行车实景图再现设备(3)，包括：

第二接收单元(301)，被配置为实时接收各车辆的车载设备发送的车辆的地理位置、该车载设备识别出的各对象、及各对象的地理位置、各对象的类型；

第四确定单元(302)，被配置为根据各车辆的车载设备发送的车辆的地理位置，确定各车辆中地理位置在区域内的车辆；

第一绘制单元(303)，被配置为根据所确定的地理位置在该区域内的各车辆、各车辆的车载设备识别出的各对象、及各对象的地理位置、各对象的类型，绘制该区域的行车实景图；

第二发布单元(304)，被配置为发布绘制的行车实景图。

2.根据权利要求1的行车实景图再现设备，其中

第二接收单元还被配置为接收各车辆的车载设备发送的各对象的运动状态；

第一绘制单元还被配置为根据接收到的地理位置在区域内的车辆的车载设备发送的各对象的运动状态，渲染绘制的行车实景图。

3.根据权利要求1的行车实景图再现设备，还包括：

第二存储单元(305)，被配置为存储该区域的行车实景图；

第二预测单元(306)，被配置为根据历史上存储的该区域的行车实景图，预测在未来特定时刻该区域的行车实景图。

4.根据权利要求3的行车实景图再现设备，其中第二接收单元还被配置为实时接收各车辆的车载设备发送的车辆的行驶速度，且所述设备还包括：

第五确定单元(307)，被配置为基于接收到的各车辆的车载设备发送的车辆的地理位置和行驶速度，确定在未来特定时刻进入该区域的车辆；

第三发送单元(308)，被配置为向在未来特定时刻进入该区域的车辆的车载设备发送预测的在未来特定时刻该区域的行车实景图。

5.一种行车实景图再现设备(4)，包括：

第三接收单元(401)，被配置为接收各车辆的车载设备发送的车辆的地理位置、该车载设备识别出的各对象、及各对象的地理位置、各对象的类型；

第六确定单元(402)，被配置为根据各车辆的车载设备发送的车辆的地理位置，确定各车辆中地理位置与第一车辆相距预定距离之内的所有车辆；

第二绘制单元(403)，被配置为根据所确定的与第一车辆相距预定距离之内的所有车辆、所述所有车辆的车载设备识别出的各对象、及各对象的地理位置、各对象的类型，绘制以第一车辆为中心、预定距离为半径的范围的行车实景图；

第四发送单元(404)，被配置为向第一车辆的车载设备发送绘制的行车实景图。

6.根据权利要求5的行车实景图再现设备，其中

第三接收单元还被配置为接收各车辆的车载设备发送的各对象的运动状态；

第二绘制单元还被配置为根据接收到的地理位置与第一车辆相距预定距离之内的所有车辆的车载设备发送的各对象的运动状态，渲染绘制的行车实景图。

7.一种行车实景图再现方法(10)，包括：

实时接收各车辆的车载设备发送的车辆的地理位置、该车载设备识别出的各对象、及各对象的地理位置、各对象的类型(S1001)；

根据各车辆的车载设备发送的车辆的地理位置，确定各车辆中地理位置在区域内的车辆(S1002)；

根据所确定的地理位置在该区域内的各车辆、各车辆的车载设备识别出的各对象、及各对象的地理位置、各对象的类型，绘制该区域的行车实景图(S1003)；

发布绘制的行车实景图(S1004)。

8.根据权利要求7的行车实景图再现方法，还包括：

接收各车辆的车载设备发送的各对象的运动状态；

根据接收到的地理位置在区域内的车辆的车载设备发送的各对象的运动状态，渲染绘制的行车实景图。

9.一种行车实景图再现方法(11)，包括：

接收各车辆的车载设备发送的车辆的地理位置、该车载设备识别出的各对象、及各对象的地理位置、各对象的类型(S1101)；

根据各车辆的车载设备发送的车辆的地理位置，确定各车辆中地理位置与第一车辆相距预定距离之内的所有车辆(S1102)；

根据所确定的与第一车辆相距预定距离之内的所有车辆、所述所有车辆的车载设备识别出的各对象、及各对象的地理位置、各对象的类型，绘制以第一车辆为中心、预定距离为半径的范围的行车实景图(S1103)；

向第一车辆的车载设备发送绘制的行车实景图(S1104)。

10.根据权利要求9的行车实景图再现方法，还包括：

接收各车辆的车载设备发送的各对象的运动状态；

根据接收到的地理位置与第一车辆相距预定距离之内的所有车辆的车载设备发送的各对象的运动状态，渲染绘制的行车实景图。

Images