CN111586143A - 从服务器请求数据的方法、车路协同设备、装置和介质 - Google Patents
从服务器请求数据的方法、车路协同设备、装置和介质 Download PDFInfo
- Publication number
- CN111586143A CN111586143A CN202010363471.4A CN202010363471A CN111586143A CN 111586143 A CN111586143 A CN 111586143A CN 202010363471 A CN202010363471 A CN 202010363471A CN 111586143 A CN111586143 A CN 111586143A
- Authority
- CN
- China
- Prior art keywords
- data
- roadside
- vehicle
- amount
- servers
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
- G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
- G08G1/096766—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission
- G08G1/096783—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission where the origin of the information is a roadside individual element
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/60—Scheduling or organising the servicing of application requests, e.g. requests for application data transmissions using the analysis and optimisation of the required network resources
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Atmospheric Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本公开提供了一种从多个路侧服务器请求数据的方法、车路协同设备、装置和介质。一种用于从多个路侧服务器请求数据的方法,适用于车路协同设备,所述包括:确定要从所述多个路侧服务器获取的目标数据量;确定车辆与多个路侧服务器中每一路侧服务器之间的距离;基于所述目标数据量以及所述车辆与多个路侧服务器中每一路侧服务器之间的距离,确定从所述多个路侧服务器中每一路侧服务器请求的数据量;以及按照所确定的数据量从所述多个路侧服务器请求数据。
Description
技术领域
本公开涉及车路协同技术领域,具体的涉及一种从多个路侧服务器请求数据的方法、车路协同设备、装置和介质。
背景技术
在车路协同技术领域中,通常在道路周围连续地布置传感器,以捕获道路上的实时路况数据,并通过与传感器连接的服务器,将传感器捕获的实时路况数据下发到车辆上配置的处理设备,诸如车载终端。所述车载终端可以基于辅助驾驶算法,对获得的实时路况数据进行处理,以提供辅助驾驶信息,例如,碰撞预警信息等。然而,车辆上的处理设备本身的资源存储能力、运算能力是有限的,不能同时向当前路段周围所有的服务器请求所有的实时路况数据,由此,诸如车载终端通常只从与其距离最近的服务器请求实时路况数据,而忽略距离其较远的服务器中的实时路况数据。这使得无法充分利用道路周围布置的传感器捕获的实时路况数据,降低了用于辅助驾驶算法的实时路况数据的全面性、准确性,进而降低了由此计算得到的辅助驾驶信息的准确性。
发明内容
本公开提供一种从多个路侧服务器请求数据的方法、车路协同设备、装置和介质,用于基于目标数据量以及车辆与多个路侧服务器中每一路侧服务器之间的距离,确定从多个路侧服务器中每一路侧服务器请求的数据量,从而定量地从各个路侧服务器请求数据。
根据本公开的一方面,提供了一种用于从多个路侧服务器请求数据的方法,适用于车路协同设备,包括:确定要从所述多个路侧服务器获取的目标数据量;确定车辆与多个路侧服务器中每一路侧服务器之间的距离;基于所述目标数据量、以及所述车辆与多个路侧服务器中每一路侧服务器之间的距离,确定从所述多个路侧服务器中每一路侧服务器请求的数据量;以及按照所确定的数据量从所述多个路侧服务器请求数据。
根据本公开的一些实施例,所述确定从所述多个路侧服务器中每一路侧服务器请求的数据量包括:基于所述车辆与多个路侧服务器中每一路侧服务器之间的距离,按照关于距离的单调递减函数确定从每一路侧服务器请求的数据量,其中,随着距离的增加,所述关于距离的单调递减函数的值减小。
根据本公开的一些实施例,所述单调递减函数为距离的倒数,对于所述多个路侧服务器中的当前路侧服务器,所述当前路侧服务器与车辆之间的距离表示为第一距离,确定从所述当前路侧服务器请求的数据量包括:基于第一距离的倒数、以及所述车辆与多个路侧服务器中每一路侧服务器之间的距离的倒数和,确定第一权重值;基于所述第一权重值与所述目标数据量确定从所述当前服务器请求的数据量。
根据本公开的一些实施例,所述方法还包括:获取所述多个路侧服务器中每一路侧服务器的实时路况数据量;其中,基于所述第一权重值与所述目标数据量确定从所述当前服务器请求的数据量还包括:利用所述第一权重值与所述目标数据量的乘积确定待定数据量,将所述待定数据量与所述当前路侧服务器的实时路况数据量之间的最小值确定为从所述当前路侧服务器请求的数据量。
根据本公开的一些实施例,按照以下请求量函数确定从当前路侧服务器请求的数据量:
其中,Di表示从当前路侧服务器请求的数据量,M表示目标数据量,mi表示当前路侧服务器的实时路况数据量,S1-Sn分别表示所述多个路侧服务器与车辆之间的距离,其中,Si表示当前路侧服务器与车辆之间的第一距离。
根据本公开的一些实施例,所述方法还包括:分别确定从所述多个路侧服务器中的每一路侧服务器请求的数据量,并计算从每一路侧服务器请求的数据量之和作为实际数据量;在所述实际数据量小于所述目标数据量的情况下,所述方法还包括:将所述目标数据量与实际数据量之间的差值赋值为更新的目标数据量,将路侧服务器的实时路况数据量与确定的从该路侧服务器请求的数据量的差值赋值为更新的实时路况数据量;基于所述车辆与多个路侧服务器中每一路侧服务器之间的距离、所述更新的目标数据量、以及所述多个路侧服务器中每一路侧服务器的更新的实时路况数据量,确定从所述多个路侧服务器中每一路侧服务器请求的更新数据量;重复以上步骤,直到从所述多个路侧服务器获取的数据总量不小于所述基于所述车路协同设备的设备资源量确定的目标数据量。
根据本公开的一些实施例,所述确定车辆与多个路侧服务器中每一路侧服务器之间的距离包括:获取车辆的定位坐标、以及所述多个路侧服务器中每一路侧服务器的定位坐标;基于所述车辆、以及所述多个路侧服务器中每一路侧服务器的定位坐标确定车辆与多个路侧服务器中每一路侧服务器之间的距离。
根据本公开的另一方面,还提供了一种车路协同设备,包括:目标数据量确定单元,配置成确定要从所述多个路侧服务器获取的目标数据量;距离确定单元,配置成确定当前车辆与多个路侧服务器中每一路侧服务器之间的距离;请求数据量确定单元,配置成基于所述目标数据量以及所述车辆与多个路侧服务器中每一路侧服务器之间的距离,确定从所述多个路侧服务器中每一路侧服务器请求的数据量;以及请求单元,配置成按照所确定的数据量从所述多个路侧服务器请求数据。
根据本公开的一些实施例,所述车路协同设备还包括:请求数据存储单元,配置成存储从所述多个路侧服务器请求的数据;车辆预警单元,配置成按照车辆预警算法处理从所述多个路侧服务器请求的实时路况数据以生成车辆预警信息,其中,所述车辆预警单元在执行所述处理的过程中同等地处理从所述多个路侧服务器中的每一路侧服务器请求的实时路况数据。
根据本公开的一些实施例,所述请求数据量确定单元进一步配置成:基于所述车辆与多个路侧服务器中每一路侧服务器之间的距离,按照关于距离的单调递减函数确定从每一路侧服务器请求的数据量,其中,随着距离的增加,所述关于距离的单调递减函数的值减小。
根据本公开的一些实施例,所述单调递减函数为距离的倒数,对于所述多个路侧服务器中的当前路侧服务器,所述当前路侧服务器与车辆之间的距离表示为第一距离,所述请求数据量确定单元进一步配置成:基于第一距离的倒数、以及所述车辆与多个路侧服务器中每一路侧服务器之间的距离的倒数和,确定第一权重值;基于所述第一权重值与所述目标数据量确定从所述当前服务器请求的数据量。
根据本公开的一些实施例,所述请求数据量确定单元进一步配置成:获取所述多个路侧服务器中每一路侧服务器的实时路况数据量,其中,所述基于所述第一权重值与所述目标数据量确定从所述当前服务器请求的数据量还包括:利用所述第一权重值与所述目标数据量的乘积确定待定数据量;将所述待定数据量与所述当前路侧服务器的实时路况数据量之间的最小值确定为从所述当前路侧服务器请求的数据量。
根据本公开的一些实施例,所述请求数据量确定单元按照以下请求量函数确定从当前路侧服务器请求的数据量:
其中,Di表示从当前路侧服务器请求的数据量,M表示目标数据量,mi表示当前路侧服务器的实时路况数据量,S1-Sn分别表示所述多个路侧服务器与车辆之间的距离,其中,Si表示当前路侧服务器与车辆之间的第一距离。
根据本公开的一些实施例,所述请求数据量确定单元进一步配置成:分别确定从所述多个路侧服务器中的每一路侧服务器请求的数据量,并计算从每一路侧服务器请求的数据量之和作为实际数据量;在所述实际数据量小于所述目标数据量的情况下,将所述目标数据量与实际数据量之间的差值赋值为更新的目标数据量,将路侧服务器的实时路况数据量与确定的从该路侧服务器请求的数据量的差值赋值为更新的实时路况数据量;基于所述车辆与多个路侧服务器中每一路侧服务器之间的距离、所述更新的目标数据量、以及所述多个路侧服务器中每一路侧服务器的更新的实时路况数据量,确定从所述多个路侧服务器中每一路侧服务器请求的更新数据量;重复以上步骤,直到从所述多个路侧服务器获取的数据总量不小于所述基于所述车路协同设备的设备资源量确定的目标数据量。
根据本公开的一些实施例,所述距离确定单元进一步配置成:获取车辆的定位坐标、以及所述多个路侧服务器中每一路侧服务器的定位坐标;基于所述车辆、所述多个路侧服务器中每一路侧服务器的定位坐标确定车辆与多个路侧服务器中每一路侧服务器之间的距离。
根据本公开的又一方面,还提供了一种用于从多个路侧服务器请求数据的装置,包括:一个或多个处理器;和一个或多个存储器,其中,所述存储器中存储有计算机可读代码,所述计算机可读代码当由所述一个或多个处理器运行时,执行如上所述的用于从多个路侧服务器请求数据的方法。
根据本公开的又一实施例,还提供了一种计算机可读存储介质,其上存储有指令,所述指令在被处理器执行时,使得所述处理器执行如上所述的用于从多个路侧服务器请求数据的方法。
根据本公开提供的用于从多个路侧服务器请求数据的方法,适用于车路协同设备,能够基于目标数据量以及车辆与多个路侧服务器中每一路侧服务器之间的距离,确定从多个路侧服务器中每一路侧服务器请求的数据量,从而定量地从各个路侧服务器请求数据,充分利用道路周围布置的传感器获得的实时路况数据,即,能利用到每一服务器内的数据,而并不只获取与其距离最近的服务器内的数据,有利于提高用于辅助驾驶算法的实时路况数据的全面性、准确性,进而提高由此计算得到的辅助驾驶信息的准确性。
附图说明
为了更清楚地说明本公开实施例或现有技术中的技术方案,下面将对实施例或现有技术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公开的一些实施例,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示出了边缘云及传感器布置示意图;
图2示出了根据本公开的方法获取实时路况数据的场景示意图;
图3A示出了根据本公开实施例的用于从多个路侧服务器请求数据的方法的流程图;
图3B示出了根据本公开实施例的另一方法流程图;
图4示出了根据本公开提供的方法从边缘云请求数据的示例流程图;
图5A示出了根据本公开实施例的车路协同设备的示意性框图;
图5B示出了车道偏离预警示意图;
图5C示出了车辆碰撞预警示意图;
图6示出了根据本公开实施例的用于从多个路侧服务器请求数据的装置的示意图;
图7示出了根据本公开实施例的示例性计算设备的架构的示意图;
图8示出了根据本公开实施例的存储介质的示意图。
具体实施方式
下面将结合本公开实施例中的附图,对本公开实施例中的技术方案进行清楚、完整地描述。显然,所描述的实施例仅是本公开一部分的实施例,而不是全部的实施例。基于本公开中的实施例,本领域普通技术人员在无需创造性劳动的前提下所获得的所有其他实施例,都属于本公开保护的范围。
本公开中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性,而只是用来区分不同的组成部分。同样,“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同,而不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接,而是可以包括电性的连接,不管是直接的还是间接的。
本公开中使用了流程图用来说明根据本公开的实施例的方法的步骤。应当理解的是,前面或后面的步骤不一定按照顺序来精确的进行。相反,可以按照倒序或同时处理各种步骤。同时,也可以将其他操作添加到这些过程中,或从这些过程移除某一步或数步。
车辆在道路上行驶的过程中,将遇到可能会对该车辆的驾驶策略产生影响、对行驶安全造成风险的物体。在本文中,可以将正在讨论的车辆,即,执行根据本公开的方法的设备所在车辆称为当前车辆。所述物体可以是在车辆行驶过程中遇到的任意物体,例如道路中的其他车辆、车道线等,还可以是路边的行人、障碍物等。例如,道路上行驶的、与当前车辆相邻的车辆可能使所述当前车辆处于碰撞危险之中。
如上所述的,在车路协同技术领域中,通过在道路周围连续地布置传感器来捕获道路上的实时路况数据,并通过与传感器连接的服务器,将传感器捕获的实时路况数据下发到车辆上配置的车载终端。例如,所述传感器可以包括图像采集设备,以捕获道路周围的图像、视频数据作为所述实时路况数据。又例如,所述传感器还可以是环境传感器,包括温度传感器、湿度传感器、风速传感器等,以监测道路周围诸如温度、湿度、风力等环境数据作为所述实时路况数据。一般地,传感器与布置到道路周围的路侧服务器连接,并由路侧服务器将传感器测量的数据实时地转发给车载终端。在车路协同领域中,所述路侧服务器也可以称为边缘云。所述边缘云可以作为实时路况数据的中转设备,其可以对由传感器采集的数据进行初步处理,并将处理后的数据打包发给车辆。
图1示出了边缘云及传感器布置示意图。在图1中,示出了道路中自右向左行驶的单向车道,在车道线内,包括正在行驶的车辆a1-a5。在道路两侧设置有若干传感器,示意性地,在车道线的上方示出了分别以圆形、方形、三角形示出的图像采集设备,在车道线的下方示出了以菱形示出的环境传感器。此外,图1中的道路周围还设置有边缘云1、边缘云2以及边缘云3,其与各自的传感器连接,并将从与其连接的传感器获取的数据转发给车载设备。例如,道路两侧以圆形示出的图像采集设备可以与边缘云1连接,道路两侧以方形示出的图像采集设备可以与边缘云2连接,道路两侧以三角形示出的图像采集设备可以与边缘云3连接。例如,环境传感器可以基于其位置与距其最近的边缘云连接。
作为一个示例,各个传感器之间的间隔可以是3米、5米等,可以根据传感器的测量范围来设置间隔。各个边缘云之间的间隔可以几十米、诸如每隔30米布置一个边缘云。此外,还可以基于路况的复杂程度在布置传感器或者边缘云。
以车辆a3为当前车辆为例,其可能受到与其相邻的其他车辆影响,并处于驾驶危险之中。一般地,由于受到设备资源等原因的限制,随着车辆a3的行驶,其仅从与其距离最近的边缘云(诸如,边缘云2)请求数据。例如,所述数据可以是实时路况数据,车辆a3可以基于此进行辅助驾驶分析。然而,仅从距离最近的边缘云请求数据忽略了距离当前车辆较远的服务器中的实时路况数据。这使得无法充分利用道路周围布置的传感器捕获的实时路况数据,降低了用于辅助驾驶算法的实时路况数据的全面性、准确性,进而降低了由此计算得到的辅助驾驶信息的准确性。例如,在图1中示出的场景下,车辆a3仅向边缘云2请求数据,而忽略了边缘云1和边缘云3的数据,即,忽略了圆形和三角形示出的图像采集设备捕获的数据。所述数据例如可以是用于辅助驾驶算法的实时路况数据。应了解,从边缘云请求的数据不限于实时路况数据,还可以是其他适于在边缘云存储的数据。下文中,以实时路况数据为例,来描述本公开实施例。
本公开提供一种用于从多个路侧服务器请求数据的方法,适用于车路协同设备(诸如车载终端、移动终端等),能够基于目标数据量以及当前车辆与多个路侧服务器中每一路侧服务器之间的距离,确定从多个路侧服务器中每一路侧服务器请求的数据量,从而定量地从各个路侧服务器请求数据,充分利用道路周围布置的传感器获得的实时路况数据,即,能利用到每一服务器内的数据,而并不只获取与其距离最近的服务器内的数据,有利于提高用于辅助驾驶算法的实时路况数据的全面性、准确性,进而提高由此计算得到的辅助驾驶信息的准确性。
车路协同设备可以是车辆中配置的车载终端,以专门地进行驾驶辅助分析。可以理解的是,事实上,车路协同设备也可以是能够执行数据处理的任何其他类型的移动终端,其可以包括但不限于智能手机、电脑、可穿戴设备等等。此外,用于执行根据本公开的方法的车路协同设备的功能也可以以软件模块的方式嵌入到程序中,诸如导航程序等,在此不做限制。
图2示出了根据本公开的方法获取实时路况数据的场景示意图,图3A示出了根据本公开实施例的用于从多个路侧服务器请求数据的方法的流程图,以下将结合图2和图3A,详细描述根据本公开提供的从多个路侧服务器请求数据的方法。
图2所示,对于道路中的当前车辆,其可以是图1中示出的车辆a1-a5中的任意一辆,在需要获取实时路况数据以实现辅助驾驶分析时,该车辆可以向当前道路周围的多个边缘云中的每个边缘云请求数据,并且,请求的数据量是基于目标数据量以及与边缘云之间的距离确定的。在图2中,示意性地将与一个边缘云连接的多个传感器显示为彼此连接的传感器网络,其中,传感器网络中还可以配置收发器,以将多个传感器采集的数据一起发送给边缘云,或者,每个传感器自身也可以配置有通信元件,以直接地将数据发送给边缘云,在此不做限制。
如图2中示出的,可以认为一个边缘云绑定了一个传感器网络,这种绑定既可以是静态绑定,也可以是动态绑定,即一个传感器网络当前时刻可与这一边缘云绑定,下一时刻又可与另一边缘云绑定。此外,传感器网络中的各个传感器的测量精度是无法完全精确统计的,这是因为传感器网络内的传感器数量很多,传感器的性能也随着时间也在发生变化。所有的传感器网络在功能上是对称的,即所有的传感器网络在同一时刻都采集同一类路况信息。
如图3A所示,根据本公开提供的方法包括步骤S101-S104,首先,在步骤S101,确定要从所述多个路侧服务器获取的目标数据量。例如,作为车路协同设备的车载终端可以基于自身的存储能力、运算能力等因素来确定其期望获取的目标数据量。在此步骤,可以确定车路协同设备在诸如当前时刻t需要从边缘云接收的实时路况数据的总量,表示为M,对于同一车路协同设备,M的值可以是预先设置的。对于不同的车路协同设备,所述目标数据量可以是不同的,这使得获得的数据量与车路协同设备的计算能力相适应,有利于充分利用诸如车载设备的硬件资源。
接着,在步骤S102,确定车辆与多个路侧服务器中每一路侧服务器之间的距离。所述车辆例如可以是如上所描述当前车辆。所述多个路侧服务器例如可以是图2中示出的3个边缘云。根据本公开提供的方法中,在车辆运行的当前时刻t,车路协同设备要从其请求数据的路侧服务器的数目可以是基于服务器的数据传输范围决定的。一般地,车辆与服务器之间的距离越远,数据传输的时间越长,即,距离不同的服务器向车辆传输实时路况数据的延时不同,可以基于所述延时来设置所述服务器的数目。作为一个示例,可以向距离当前车辆80米范围内的边缘云请求数据。例如,所述路侧服务器的数目可以表示为n个,所述当前车辆与路侧服务器之间距离可以分别表示为S1-Sn。
根据本公开实施例,所述确定当前车辆与多个路侧服务器中每一路侧服务器之间的距离包括:获取当前车辆的定位坐标、以及所述多个路侧服务器中每一路侧服务器的定位坐标,并基于所述当前车辆、所述多个路侧服务器中每一路侧服务器的定位坐标确定当前车辆与多个路侧服务器中每一路侧服务器之间的距离。例如,可以利用车辆以及服务器内的定位元件来获得各自的GPS坐标,并基于GPS坐标来确定所述距离值S1-Sn。
接着,在步骤S103,基于所述目标数据量以及所述当前车辆与多个路侧服务器中每一路侧服务器之间的距离,确定从所述多个路侧服务器中每一路侧服务器请求的数据量。然后,在步骤S104,按照所确定的数据量从所述多个路侧服务器请求数据。
通过利用当前车辆与路侧服务器之间的距离,可以定量地确定要从服务器请求的数据量。此外,根据本公开的方法考虑了以下事实:离车辆较远的边缘云存储的实时路况数据在传输到车辆的过程中传输耗时较大,带来的延时较大,离车辆较近的边缘云存储的实时路况数据在传输到车辆的过程中传输耗时较小,带来的延时较小,而这些实时路况数据包括同一路段的路况信息。在本公开中,假设这些实时路况数据的精度是一致的。应了解,即使考虑这些实时路况数据的不同精度,本领域技术人员也容易基于本公开实施例做出适当变形,而确定从各个边缘云要获取的数据量。为了能均衡利用边缘云,即利用到车辆周围的每一个边缘云,而不是一直利用某个边缘云而忽视其他边缘云,车辆既需要获取远处边缘云的实时路况数据,也需要获取近处边缘云的实时路况数据,并且,处于远处的边缘云的实时路况数据的获取量少于处于近处的边缘云的实时路况数据的获取量。
接下来,将详细介绍关于以上步骤S103的描述,即确定从所述多个路侧服务器中每一路侧服务器请求的数据量的实现过程。
根据本公开实施例,所述确定从所述多个路侧服务器中每一路侧服务器请求的数据量包括:基于所述当前车辆与多个路侧服务器中每一路侧服务器之间的距离,按照关于距离的单调递减函数确定从每一路侧服务器请求的数据量,其中,随着距离的增加,所述关于距离的单调递减函数的值减小。作为一个示例,所述关于距离的单调递减函数可以是距离的倒数。作为其他示例,所述关于距离的单调递减函数也可以是距离的平方的倒数,在此不做限制。
根据本公开实施例,所述按照关于距离的单调递减函数确定从每一路侧服务器请求的数据量进一步包括:按照所述单调递减函数,基于所述当前车辆与多个路侧服务器中每一路侧服务器之间的距离以及所述目标数据量,确定从所述多个路侧服务器中每一路侧服务器请求的数据量。例如,对于n个路侧服务器,其与当前车辆的距离可以是S1-Sn,目标数据量是M,即,基于M以及S1-Sn来确定从每个路侧服务器请求的数据量,其中,n为大于等于2的正整数。
根据本公开的一些实施例,所述单调递减函数为距离的倒数,对于所述多个路侧服务器中的当前路侧服务器,所述当前路侧服务器与当前车辆之间的距离表示为第一距离。例如,所述当前路侧服务器可以是n个路侧服务器中的第i个路侧服务器。所述第i个路侧服务器与当前车辆之间的第一距离表示为Si,其中,1≤i≤n。
在这些实施例中,所述确定从所述当前路侧服务器请求的数据量包括:基于第一距离的倒数与所述当前车辆与多个路侧服务器中每一路侧服务器之间的距离的倒数和,确定第一权重值;基于所述第一权重值与所述目标数据量,确定从所述当前服务器请求的数据量。
根据本公开的一些实施例,可以利用所述第一权重值与所述目标数据量的乘积确定待定数据量,并将所述待定数据量确定为从所述当前服务器请求的数据量。
具体的,以上确定待定数据量的过程可以表示为以下公式(1):
其中,Li表示从当前路侧服务器请求的待定数据量,M表示目标数据量,Si表示第一距离,S1-Sn分别表示所述n个路侧服务器与当前车辆之间的距离。然后,可以将所述待定数据量Li确定为从所述当前服务器请求的数据量。
按照以上公式(1),可以分别确定从n个路侧服务器中的每一路侧服务器请求的数据量,由此,车路协同设备可以按照确定的数据量向该路侧服务器请求数据。按照如上方式可以实现从当前车辆周围的多个路侧服务器中的每一路侧服务器定量地请求数据,并且,由于采用了关于距离的倒数的函数形式,使得随着距离的增加,相应地减小数据量,以降低传输距离增加对于数据传输延时的影响。
根据本公开的一些实施例,所述方法还可以包括:获取所述多个路侧服务器中每一路侧服务器的实时路况数据量。在此情况下,对于多个路侧服务器中每一路侧服务器,可以基于该路侧服务器所对应的第一权重值、所述目标数据量以及该路侧服务器的实时路况数据量,来确定从所述当前路侧服务器请求的数据量。具体地,可以根据公式(1)利用所述第一权重值与所述目标数据量的乘积确定待定数据量,将所述待定数据量与所述当前路侧服务器的实时路况数据量之间的最小值确定为从所述当前路侧服务器请求的数据量。
在这些实施例中,在确定请求的数据量的过程中还考虑了每一路侧服务器内当前存储的实时路况数据量,可以以m1-mn分别表示每个路侧服务器内的实时路况数据的存储量。
具体的,按照以下请求量函数确定从当前路侧服务器请求的数据量,表示为以下公式(2):
其中,Di表示从当前路侧服务器请求的数据量,M表示目标数据量,mi表示当前路侧服务器的实时路况数据量,S1-Sn分别表示所述多个路侧服务器与当前车辆之间的距离,其中,Si表示当前路侧服务器与当前车辆之间的第一距离。在此实施例中,考虑到计算得到的待定数据量Li可能超出路侧服务器内存储的实时路况数据,即请求量超出存储量,由此,将所述待定数据量Li与所述当前路侧服务器的实时路况数据量mi之间的最小值确定为从所述当前路侧服务器请求的数据量,以避免上述请求量超出存储量的情形。
图3B示出了根据本公开实施例的另一方法流程图。如图3B所示,首先,在步骤S201,确定要从多个路侧服务器获取的目标数据量,在步骤S202,确定当前车辆与多个路侧服务器中每一路侧服务器之间的距离。以上步骤S201-S202的具体实现过程与图3A中的步骤S101-S102一致,在此不再重复描述。
在步骤S203,分别确定从所述多个路侧服务器中的每一路侧服务器请求的数据量,并计算从每一路侧服务器请求的数据量之和作为实际数据量,其中,所述请求量函数可以是以上公式(2)。例如,在第一次迭代计算过程中,确定向n个路侧服务器中的每一个请求的数据量分别为D1-Dn。接着,可以计算实际数据量,即
在步骤S204,判断实际数据量是否小于目标数据量。例如,在实际数据量T1不小于目标数据量M的情况下,则执行步骤S207,按照所确定的数据量从所述多个路侧服务器请求数据。
又例如,在所述实际数据量T1小于所述目标数据量M的情况下,则执行步骤S205,即,将目标数据量与实际数据量之间的差值赋值为更新的目标数据量,将路侧服务器的实时路况数据量与确定的从该路侧服务器请求的数据量的差值赋值为更新的实时路况数据量。例如,可以将所述目标数据量M与实际数据量T1之间的差值赋值为更新的目标数据量M’,将路侧服务器的实时路况数据量mi与确定的从该路侧服务器请求的数据量Ti的差值赋值为更新的实时路况数据量mi’。
接着,在步骤S206,基于当前车辆与多个路侧服务器中每一路侧服务器之间的距离、更新的目标数据量、以及多个路侧服务器中每一路侧服务器的更新的实时路况数据量,确定从多个路侧服务器中每一路侧服务器请求的更新数据量,直到从多个路侧服务器获取的数据总量不小于基于所述车路协同设备的设备资源量确定的目标数据量。按照如上所述的描述,进行第二次的迭代计算,即,基于所述当前车辆与多个路侧服务器中每一路侧服务器之间的距离、所述更新的目标数据量、以及所述多个路侧服务器中每一路侧服务器的更新的实时路况数据量,确定从所述多个路侧服务器中每一路侧服务器请求的更新数据量。重复以上步骤,直到从所述多个路侧服务器获取的数据总量不小于所述基于所述车路协同设备的设备资源量确定的目标数据量。
此外,根据本公开的方法还可以包括,重复进行计算请求数据量的步骤,直到所述多个路侧服务器内存储的实时路况数据已经全部传输给了车路协同设备。
在根据本公开实施例的方法中,车路协同设备可以每进行一次关于请求数据量的迭代计算后,便直接向路侧服务器请求获取实时路况数据。此外,车路协同设备也可以在完成全部的迭代计算后,一次地向路侧服务器请求需要从该服务器请求的数据量,在此不做限制。
作为一个示例,第i个路侧服务器内当前存储的实时路况数据量为mi,计算得到的需要从该服务器请求的数据量为Di,并且,Di<mi,在此情形下,路侧服务器可以按照数据的实际获取时间来确定需要传输给车路协同的设备的实时路况数据。例如,路侧服务器内存储的实时路况数据具有时间戳,其可以基于时间戳来将获取时间最接近当前时刻t的数据传输给车路协同设备。类似地,路侧服务器还可以以堆栈的形式存储实时路况数据,在需要向车路协同设备传输数据时,按照后入先出的方式来传输数据。
图4示出了根据本公开提供的方法从边缘云请求数据的示例流程图,首先,在步骤S301,通过车载GPS获得当前车辆的GPS坐标,在步骤S302,从每一边缘云获取GPS坐标。例如,当前车辆进入到目标路段后,在当前时刻t,车辆先通过车载GPS获取本车的GPS坐标,然后从服务该路段的每一边缘云获取该每一边缘云的GPS坐标。此外,车辆的GPS坐标也可以采用其他的方式获得,例如,可以从与车路协同设备相连的定位程序中获得车辆的定位坐标。接着,在步骤S303,基于获得的GPS坐标确定车辆与每一边缘云之间的距离,例如,表示为S1-Sn。
如图4所示,在步骤S304,基于设备的运算能力确定目标数据量M,例如,在实时路况数据仅包括图像采集设备采集的视频数据的情况下,所述目标数据量M可以表示为K帧实时路况图像。在步骤S305,确定每一边缘云存储的实时路况数据量m1-mi。接着,在步骤S306,确定从每一边缘云请求的数据量,例如,可以按照以上公式(2)来计算从边缘云i请求的数据量Di,在步骤S307,车辆从边缘云请求数据,并且,请求的数据量等于步骤S306确定的数据量。
在根据本公开的方法实施例中,可以按照样本方差公式确定基于根据本公开方法获得的实时路况数据计算得到的车速的样本方差,相比较地,还可以按照样本方差公式确定基于现有技术(即,仅从距离当前车辆最近的路侧服务器请求实时路况数据)获得的实时路况数据计算得到的车速的样本方差。所述样本方差的值越小,表明样本直接的误差越小,即,样本具有较高的可靠性。以下表1列出了利用本公开方法与现有技术得到的速度样本方差比值:
表1
实验次序 | 本公开方法与现有技术得到的速度样本方差比值 |
实验1 | 0.73 |
实验2 | 0.69 |
实验3 | 0.70 |
实验4 | 0.71 |
实验5 | 0.67 |
实验6 | 0.75 |
实验7 | 0.68 |
实验8 | 0.76 |
实验9 | 0.66 |
实验10 | 0.71 |
基于表1可知,样本方差的比值小于1,即,利用本公开方法计算得到的车速的误差小于利用现有计算得到的车速的误差。
根据本公开提供的用于从多个路侧服务器请求数据的方法,适用于车路协同设备,能够基于目标数据量以及车辆与多个路侧服务器中每一路侧服务器之间的距离,确定从多个路侧服务器中每一路侧服务器请求的数据量,从而定量地从各个路侧服务器请求数据,充分利用道路周围布置的传感器获得的实时路况数据,即,能利用到每一服务器内的数据,而并不只获取与其距离最近的服务器内的数据,有利于提高用于辅助驾驶算法的实时路况数据的全面性、准确性,进而提高由此计算得到的辅助驾驶信息的准确性。
根据本公开的另一方面,还提供了一种用于车路协同设备。图5A示出了根据本公开实施例的车路协同设备1000的示意性框图。如图5A所示,所述设备1000包括目标数据量确定单元1010、距离确定单元1020、请求数据量确定单元1030以及请求单元1040。
根据本公开的一些实施例,所述目标数据量确定单元1010可以配置成确定要从所述多个路侧服务器获取的目标数据量。所述距离确定单元1020可以配置成确定车辆与多个路侧服务器中每一路侧服务器之间的距离。所述请求数据量确定单元1030可以配置成基于所述目标数据量以及所述车辆与多个路侧服务器中每一路侧服务器之间的距离,确定从所述多个路侧服务器中每一路侧服务器请求的数据量。所述请求单元1040可以配置成按照所确定的数据量从所述多个路侧服务器请求数据。
根据本公开的一些实施例,所述请求数据量确定单元1030可以进一步配置成:基于所述车辆与多个路侧服务器中每一路侧服务器之间的距离,按照关于距离的单调递减函数确定从每一路侧服务器请求的数据量,其中,随着距离的增加,所述关于距离的单调递减函数的值减小。
根据本公开的一些实施例,所述请求数据量确定单元1030进一步配置成:按照所述单调递减函数,基于所述车辆与多个路侧服务器中每一路侧服务器之间的距离以及所述目标数据量,确定从所述多个路侧服务器中每一路侧服务器请求的数据量。
根据本公开的一些实施例,所述单调递减函数为距离的倒数,对于所述多个路侧服务器中的当前路侧服务器,所述当前路侧服务器与车辆之间的距离表示为第一距离,所述请求数据量确定单元1030进一步配置成:基于第一距离的倒数与所述车辆与多个路侧服务器中每一路侧服务器之间的距离的倒数和,基于所述第一权重值与所述目标数据量确定从所述当前服务器请求的数据量。
根据本公开的一些实施例,所述请求数据量确定单元1030进一步配置成:获取所述多个路侧服务器中每一路侧服务器的实时路况数据量,其中,基于所述第一权重值与所述目标数据量确定从所述当前服务器请求的数据量。还包括:利用所述第一权重值与所述目标数据量的乘积确定待定数据量;将所述待定数据量与所述当前路侧服务器的实时路况数据量之间的最小值确定为从所述当前路侧服务器请求的数据量。
根据本公开的一些实施例,所述请求数据量确定单元1030按照以下请求量函数确定从当前路侧服务器请求的数据量:
其中,Di表示从当前路侧服务器请求的数据量,M表示目标数据量,Si表示第一距离,S1-Sn分别表示所述多个路侧服务器中除当前路侧服务器之外的路侧服务器与车辆之间的距离,mi表示当前路侧服务器的实时路况数据量。
根据本公开的一些实施例,所述请求数据量确定单元1030进一步配置成:分别确定从所述多个路侧服务器中的每一路侧服务器请求的数据量,并计算从每一路侧服务器请求的数据量之和作为实际数据量;在所述实际数据量小于所述目标数据量的情况下,将所述目标数据量与实际数据量之间的差值赋值为更新的目标数据量,将路侧服务器的实时路况数据量与确定的从该路侧服务器请求的数据量的差值赋值为更新的实时路况数据量;基于所述车辆与多个路侧服务器中每一路侧服务器之间的距离、所述更新的目标数据量、以及所述多个路侧服务器中每一路侧服务器的更新的实时路况数据量,确定从所述多个路侧服务器中每一路侧服务器请求的更新数据量;重复以上步骤,直到从所述多个路侧服务器获取的数据总量不小于所述基于所述车路协同设备的设备资源量确定的目标数据量。
根据本公开的一些实施例,所述距离确定单元1020进一步配置成:获取车辆的定位坐标、以及所述多个路侧服务器中每一路侧服务器的定位坐标;基于所述车辆、以及所述多个路侧服务器中每一路侧服务器的定位坐标确定车辆与多个路侧服务器中每一路侧服务器之间的距离。
如图5A所示,根据本公开实施例的所述车路协同设备1000还可以包括请求数据存储单元1050以及车辆预警单元1060。所述请求数据存储单元1050可以配置成存储从所述多个路侧服务器请求的数据。所述车辆预警单元1060可以配置成按照车辆预警算法处理从所述多个路侧服务器请求的实时路况数据以生成车辆预警信息,其中,所述车辆预警单元1060在执行所述处理的过程中同等地处理从所述多个路侧服务器中的每一路侧服务器请求的实时路况数据。
作为一个示例,所述车辆预警理单元1060可以实施为车路协同设备中的车辆预警模块,可以按照车辆预警算法基于获得的实时路况数据生成车辆预警信息。
例如,所述车辆预警信息可以包括车道偏离预警。图5B示出了车道偏离预警示意图,如图5B所示,当前车道的行驶方向为从左至右,其中包括车辆b1-b4。以车辆b1为当前车辆,其上配置有根据本公开提供的车路协同设备1000。所述车路协同设备1000可以按照如上所述的过程确定从每个路侧服务器请求的数据量,并相应地获得实时路况数据。基于获得的实时路况数据,车路协同设备1000中的车辆预警单元1060可以实现车道偏离预警,例如,通过图像识别技术,车辆预警单元1060可以确定当前车辆b1的行驶路径超过车道中间虚线,由此,车路协同设备可以基于此向驾驶员发出车道偏离警报。进一步地,车路协同设备还可以提供相应的驾驶策略,例如,向左打方向盘等,或者,车路协同设备还可以直接地采取相应的驾驶控制,以实现辅助驾驶的功能。
例如,所述车辆预警信息还可以包括车辆碰撞预警。图5C示出了车辆碰撞预警示意图,如图5C所示,当前车道的行驶方向为从左至右,其中包括车辆c1-c3。以车辆c3为当前车辆,其上配置有根据本公开提供的车路协同设备1000。所述车路协同设备1000可以按照如上所述的过程确定从每个路侧服务器请求的数据量,并相应地获得实时路况数据。基于获得的实时路况数据,车路协同设备1000中的车辆预警单元1060可以实现车道偏离预警,例如,通过图像识别技术,车辆预警单元1060可以确定当前车辆c3与车辆c1之间的距离为12m,与车辆c2之间的距离为5m。在此基础上,车路协同设备可以基于此向驾驶员发出车道碰撞警报。
基于以上内容可知,在车路协同领域中,车路协同设备基于实时路况数据来进行车辆辅助分析,并基于此生成辅助驾驶信息。实时路况数据越准确、全面,则辅助驾驶的决策越准确,具有更高的可靠性。
根据本公开提供的车路协同设备,能够基于目标数据量以及车辆与多个路侧服务器中每一路侧服务器之间的距离,确定从多个路侧服务器中每一路侧服务器请求的数据量,从而定量地从各个路侧服务器请求数据,充分利用道路周围布置的传感器获得的实时路况数据,即,能利用到每一服务器内的数据,而并不只获取与其距离最近的服务器内的数据,有利于提高用于辅助驾驶算法的实时路况数据的全面性、准确性,进而提高由此计算得到的辅助驾驶信息的准确性。
根据本公开的又一方面,还提供了一种用于从多个路侧服务器请求数据的装置。图6示出了根据本公开实施例的用于从多个路侧服务器请求数据的装置2000的示意图。
如图6所示,所述装置2000可以包括一个或多个处理器2010,和一个或多个存储器2020。其中,所述存储器2020中存储有计算机可读代码,所述计算机可读代码当由所述一个或多个处理器2010运行时,可以执行如上所述的用于从多个路侧服务器请求数据的方法。
根据本公开实施例的方法或装置也可以借助于7所示的计算设备3000的架构来实现。如图7所示,计算设备3000可以包括总线3010、一个或多个CPU3020、只读存储器(ROM)3030、随机存取存储器(RAM)3040、连接到网络的通信端口3050、输入/输出组件3060、硬盘3070等。计算设备3000中的存储设备,例如ROM 3030或硬盘3070可以存储本公开提供的用于从多个路侧服务器请求数据的方法的处理和/或通信使用的各种数据或文件以及CPU所执行的程序指令。计算设备3000还可以包括用户界面3080。当然,图7所示的架构只是示例性的,在实现不同的设备时,根据实际需要,可以省略图7示出的计算设备中的一个或多个组件。
根据本公开的又一方面,还提供了一种计算机可读存储介质。图8示出了根据本公开的存储介质的示意图。
如图8所示,所述计算机存储介质4020上存储有计算机可读指令4010。当所述计算机可读指令4010由处理器运行时,可以执行参照以上附图描述的根据本公开实施例的用于从多个路侧服务器请求数据的方法。所述计算机可读存储介质包括但不限于例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。所述非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。
本领域普通技术人员可以理解上述方法中的全部或部分的步骤可通过程序来指令相关硬件完成,所述程序可以存储于计算机可读存储介质中,如只读存储器、磁盘或光盘等。可选地,上述实施例的全部或部分步骤也可以使用一个或多个集成电路来实现。相应地,上述实施例中的各模块/单元可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。本公开并不限制于任何特定形式的硬件和软件的结合。
除非另有定义,这里使用的所有术语(包括技术和科学术语)具有与本公开所属领域的普通技术人员共同理解的相同含义。还应当理解,诸如在通常字典里定义的那些术语应当被解释为具有与它们在相关技术的上下文中的含义相一致的含义,而不应用理想化或极度形式化的意义来解释,除非这里明确地这样定义。
以上是对本公开的说明,而不应被认为是对其的限制。尽管描述了本公开的若干示例性实施例,但本领域技术人员将容易地理解,在不背离本公开的新颖教学和优点的前提下可以对示例性实施例进行许多修改。因此,所有这些修改都意图包含在权利要求书所限定的本公开范围内。应当理解,上面是对本公开的说明,而不应被认为是限于所公开的特定实施例,并且对所公开的实施例以及其他实施例的修改意图包含在所附权利要求书的范围内。本公开由权利要求书及其等效物限定。
Claims (15)
1.一种用于从多个路侧服务器请求数据的方法,适用于车路协同设备,包括:
确定要从所述多个路侧服务器获取的目标数据量;
确定车辆与多个路侧服务器中每一路侧服务器之间的距离;
基于所述目标数据量以及所述车辆与多个路侧服务器中每一路侧服务器之间的距离,确定从所述多个路侧服务器中每一路侧服务器请求的数据量;以及
按照所确定的数据量从所述多个路侧服务器请求数据。
2.根据权利要求1所述的方法,其中,所述基于所述目标数据量以及所述车辆与多个路侧服务器中每一路侧服务器之间的距离,确定从所述多个路侧服务器中每一路侧服务器请求的数据量包括:
基于所述目标数据量以及所述车辆与多个路侧服务器中每一路侧服务器之间的距离,按照关于距离的单调递减函数确定从每一路侧服务器请求的数据量,其中,随着距离的增加,所述关于距离的单调递减函数的值减小。
3.根据权利要求2所述的方法,其中,所述单调递减函数为距离的倒数,对于所述多个路侧服务器中的当前路侧服务器,所述当前路侧服务器与车辆之间的距离表示为第一距离,确定从所述当前路侧服务器请求的数据量包括:
基于第一距离的倒数、以及所述车辆与多个路侧服务器中每一路侧服务器之间的距离的倒数和,确定第一权重值;以及
基于所述第一权重值与所述目标数据量确定从所述当前服务器请求的数据量。
4.根据权利要求3所述的方法,还包括:
获取所述多个路侧服务器中每一路侧服务器的实时路况数据量,
其中,基于所述第一权重值与所述目标数据量确定从所述当前路侧服务器请求的数据量还包括:
利用所述第一权重值与所述目标数据量的乘积确定待定数据量;
将所述待定数据量与所述当前路侧服务器的实时路况数据量之间的最小值确定为从所述当前路侧服务器请求的数据量。
6.根据权利要求5所述的方法,还包括:
分别确定从所述多个路侧服务器中的每一路侧服务器请求的数据量,并计算从每一路侧服务器请求的数据量之和作为实际数据量;
在所述实际数据量小于所述目标数据量的情况下,所述方法还包括:
将所述目标数据量与实际数据量之间的差值赋值为更新的目标数据量,将路侧服务器的实时路况数据量与确定的从该路侧服务器请求的数据量的差值赋值为更新的实时路况数据量;
基于所述车辆与多个路侧服务器中每一路侧服务器之间的距离、所述更新的目标数据量、以及所述多个路侧服务器中每一路侧服务器的更新的实时路况数据量,确定从所述多个路侧服务器中每一路侧服务器请求的更新数据量;
重复以上步骤,直到从所述多个路侧服务器获取的数据总量不小于所述基于所述车路协同设备的设备资源量确定的目标数据量。
7.根据权利要求1所述的方法,其中,所述确定车辆与多个路侧服务器中每一路侧服务器之间的距离包括:
获取车辆的定位坐标、以及所述多个路侧服务器中每一路侧服务器的定位坐标;
基于所述车辆、所述多个路侧服务器中每一路侧服务器的定位坐标确定车辆与多个路侧服务器中每一路侧服务器之间的距离。
8.一种车路协同设备,包括:
目标数据量确定单元,配置成确定要从所述多个路侧服务器获取的目标数据量;
距离确定单元,配置成确定车辆与多个路侧服务器中每一路侧服务器之间的距离;
请求数据量确定单元,配置成基于所述目标数据量以及所述车辆与多个路侧服务器中每一路侧服务器之间的距离,确定从所述多个路侧服务器中每一路侧服务器请求的数据量;以及
请求单元,配置成按照所确定的数据量从所述多个路侧服务器请求数据。
9.根据权利要求8所述的车路协同设备,还包括:
请求数据存储单元,配置成存储从所述多个路侧服务器请求的数据;
车辆预警单元,配置成按照车辆预警算法处理从所述多个路侧服务器请求的实时路况数据以生成车辆预警信息,其中,所述车辆预警单元在执行所述处理的过程中同等地处理从所述多个路侧服务器中的每一路侧服务器请求的数据。
10.根据权利要求8所述的车路协同设备,其中,所述请求数据量确定单元进一步配置成:
基于所述车辆与多个路侧服务器中每一路侧服务器之间的距离,按照关于距离的单调递减函数确定从每一路侧服务器请求的数据量,其中,随着距离的增加,所述关于距离的单调递减函数的值减小。
11.根据权利要求10所述的车路协同设备,其中,所述单调递减函数为距离的倒数,对于所述多个路侧服务器中的当前路侧服务器,所述当前路侧服务器与车辆之间的距离表示为第一距离,所述请求数据量确定单元进一步配置成:
基于第一距离的倒数、以及所述车辆与多个路侧服务器中每一路侧服务器之间的距离的倒数和,确定第一权重值;
基于所述第一权重值与所述目标数据量确定从所述当前服务器请求的数据量。
12.根据权利要求11所述的车路协同设备,其中,所述请求数据量确定单元进一步配置成:
获取所述多个路侧服务器中每一路侧服务器的实时路况数据量,其中,所述基于所述第一权重值与所述目标数据量确定从所述当前服务器请求的数据量还包括:利用所述第一权重值与所述目标数据量的乘积确定待定数据量;将所述待定数据量与所述当前路侧服务器的实时路况数据量之间的最小值确定为从所述当前路侧服务器请求的数据量。
14.一种用于从多个路侧服务器请求数据的装置,包括:
一个或多个处理器;和
一个或多个存储器,其中,所述存储器中存储有计算机可读代码,所述计算机可读代码当由所述一个或多个处理器运行时,执行如权利要求1-7中任一项所述的用于从多个路侧服务器请求数据的方法。
15.一种计算机可读存储介质,其上存储有指令,所述指令在被处理器执行时,使得所述处理器执行如权利要求1-7中任一项所述的用于从多个路侧服务器请求数据的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010363471.4A CN111586143B (zh) | 2020-04-30 | 2020-04-30 | 从服务器请求数据的方法、车路协同设备、装置和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010363471.4A CN111586143B (zh) | 2020-04-30 | 2020-04-30 | 从服务器请求数据的方法、车路协同设备、装置和介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111586143A true CN111586143A (zh) | 2020-08-25 |
CN111586143B CN111586143B (zh) | 2023-09-29 |
Family
ID=72111819
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010363471.4A Active CN111586143B (zh) | 2020-04-30 | 2020-04-30 | 从服务器请求数据的方法、车路协同设备、装置和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111586143B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113525453A (zh) * | 2021-07-20 | 2021-10-22 | 浙江众合科技股份有限公司 | 一种具有车前障碍物检测功能的无人驾驶车地协同系统 |
CN113895442A (zh) * | 2021-10-11 | 2022-01-07 | 苏州智加科技有限公司 | 一种基于路侧与车端协同感知的车辆行驶决策方法及系统 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140278047A1 (en) * | 2013-03-14 | 2014-09-18 | Microsoft Corporation | Enriching driving experience with cloud assistance |
CN104240500A (zh) * | 2014-08-25 | 2014-12-24 | 奇瑞汽车股份有限公司 | 一种路况信息预测方法及系统 |
CN104580373A (zh) * | 2014-12-15 | 2015-04-29 | 北京九五智驾信息技术股份有限公司 | 基于车联网的驾驶分析系统 |
KR20160087277A (ko) * | 2015-01-13 | 2016-07-21 | 아주대학교산학협력단 | 클라우드 플랫폼에 기반한 교통안전 정보 제공 시스템 및 그것을 이용한 교통안전 정보 제공 방법 |
JP2016161989A (ja) * | 2015-02-26 | 2016-09-05 | Line株式会社 | 計算サーバ、通信端末及び通信端末のプログラム |
CN106169243A (zh) * | 2016-08-25 | 2016-11-30 | 武汉理工大学 | 一种基于车联网的实时路况估计系统及方法 |
CN106548646A (zh) * | 2016-11-08 | 2017-03-29 | 西安电子科技大学宁波信息技术研究院 | 基于雾计算的城市堵车时道路信息服务系统及方法 |
CN110856103A (zh) * | 2019-11-18 | 2020-02-28 | 腾讯科技(深圳)有限公司 | 一种调度方法、通信方法和相关设备 |
EP3618026A1 (en) * | 2018-08-31 | 2020-03-04 | Baidu Online Network Technology (Beijing) Co., Ltd. | Roadside sensing system based on vehicle infrastructure cooperation, and method for controlling vehicle thereof |
-
2020
- 2020-04-30 CN CN202010363471.4A patent/CN111586143B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140278047A1 (en) * | 2013-03-14 | 2014-09-18 | Microsoft Corporation | Enriching driving experience with cloud assistance |
CN104240500A (zh) * | 2014-08-25 | 2014-12-24 | 奇瑞汽车股份有限公司 | 一种路况信息预测方法及系统 |
CN104580373A (zh) * | 2014-12-15 | 2015-04-29 | 北京九五智驾信息技术股份有限公司 | 基于车联网的驾驶分析系统 |
KR20160087277A (ko) * | 2015-01-13 | 2016-07-21 | 아주대학교산학협력단 | 클라우드 플랫폼에 기반한 교통안전 정보 제공 시스템 및 그것을 이용한 교통안전 정보 제공 방법 |
JP2016161989A (ja) * | 2015-02-26 | 2016-09-05 | Line株式会社 | 計算サーバ、通信端末及び通信端末のプログラム |
CN106169243A (zh) * | 2016-08-25 | 2016-11-30 | 武汉理工大学 | 一种基于车联网的实时路况估计系统及方法 |
CN106548646A (zh) * | 2016-11-08 | 2017-03-29 | 西安电子科技大学宁波信息技术研究院 | 基于雾计算的城市堵车时道路信息服务系统及方法 |
EP3618026A1 (en) * | 2018-08-31 | 2020-03-04 | Baidu Online Network Technology (Beijing) Co., Ltd. | Roadside sensing system based on vehicle infrastructure cooperation, and method for controlling vehicle thereof |
CN110856103A (zh) * | 2019-11-18 | 2020-02-28 | 腾讯科技(深圳)有限公司 | 一种调度方法、通信方法和相关设备 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113525453A (zh) * | 2021-07-20 | 2021-10-22 | 浙江众合科技股份有限公司 | 一种具有车前障碍物检测功能的无人驾驶车地协同系统 |
CN113525453B (zh) * | 2021-07-20 | 2023-11-14 | 浙江众合科技股份有限公司 | 一种具有车前障碍物检测功能的无人驾驶车地协同系统 |
CN113895442A (zh) * | 2021-10-11 | 2022-01-07 | 苏州智加科技有限公司 | 一种基于路侧与车端协同感知的车辆行驶决策方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN111586143B (zh) | 2023-09-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107024215B (zh) | 追踪动态环境内的对象以改进定位 | |
CN106605125B (zh) | 用于在社区云中进行路线导航共享的技术 | |
CN112738171B (zh) | 车辆的控制方法、装置、系统、设备及存储介质 | |
US11144770B2 (en) | Method and device for positioning vehicle, device, and computer readable storage medium | |
CN111586143B (zh) | 从服务器请求数据的方法、车路协同设备、装置和介质 | |
CN109360416A (zh) | 道路交通预测方法及服务器 | |
CN110032437B (zh) | 一种基于信息时效性的计算任务处理方法及装置 | |
US20200118429A1 (en) | System to optimize scats adaptive signal system using trajectory data | |
CN111612378A (zh) | 潜在碰撞风险预测方法、装置及计算机设备 | |
WO2024045248A1 (zh) | 一种基于端边云协同计算的车路协同驾驶方法及系统 | |
CN112862214A (zh) | 基于大数据的停车服务推荐方法、装置、介质及服务器 | |
WO2022062019A1 (zh) | 一种地图匹配方法、装置、电子设备和存储介质 | |
CN112558036B (zh) | 用于输出信息的方法和装置 | |
CN111613092A (zh) | 车辆碰撞预警方法、装置、设备及计算机可读存储介质 | |
US20230168368A1 (en) | Guardrail estimation method based on multi-sensor data fusion, and vehicle-mounted device | |
CN110798793A (zh) | 车辆间相对位置确定方法、装置 | |
CN111586160B (zh) | 数据处理方法、装置、数据处理设备及存储介质 | |
CN111131384B (zh) | 位置排序方法及装置 | |
CN111815944B (zh) | 数据有效性检测方法、装置、电子设备及计算机存储介质 | |
CN113422797A (zh) | 一种用于车联网的更新地图的方法及系统 | |
CN113902047A (zh) | 图像元素匹配方法、装置、设备以及存储介质 | |
Daraghmi | Vehicle Speed Monitoring System Based on Edge Computing | |
CN112649008A (zh) | 用于提供用于车辆的数字定位地图的方法 | |
CN114694389A (zh) | 换电站的排队车辆识别方法、系统、设备及介质 | |
CN106781470B (zh) | 城市道路的运行速度的处理方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 40027902 Country of ref document: HK |
|
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |