CN111753424A - 仿真方法、装置、电子设备及存储介质 - Google Patents

仿真方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN111753424A
CN111753424A CN202010593275.6A CN202010593275A CN111753424A CN 111753424 A CN111753424 A CN 111753424A CN 202010593275 A CN202010593275 A CN 202010593275A CN 111753424 A CN111753424 A CN 111753424A
Authority
CN
China
Prior art keywords
information
target vehicle
target
intersection
simulation
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
CN202010593275.6A
Other languages
English (en)
Other versions
CN111753424B (zh
Inventor
姜禾
赵金鑫
张良俊
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.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology 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 Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN202010593275.6A priority Critical patent/CN111753424B/zh
Publication of CN111753424A publication Critical patent/CN111753424A/zh
Application granted granted Critical
Publication of CN111753424B publication Critical patent/CN111753424B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00Computer-aided design [CAD]
    • G06F30/20Design optimisation, verification or simulation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00Details relating to CAD techniques
    • G06F2111/04Constraint-based CAD
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/14Force analysis or force optimisation, e.g. static or dynamic forces
    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02TCLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00Road transport of goods or passengers
    • Y02T10/10Internal combustion engine [ICE] based vehicles
    • Y02T10/40Engine management systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Traffic Control Systems (AREA)

Abstract

本申请公开了仿真方法、装置、电子设备及存储介质,涉及智能交通、交通流仿真、人工智能领域。具体实现方案为:接收到仿真请求,所述仿真请求至少指示计算目标车辆在指定的仿真环境下的行驶特征;基于所述仿真请求所指定的仿真环境确定路口信息,计算得到所述目标车辆在所述路口信息下的参考行驶特征,其中,所述参考行驶特征至少包括参考速度和参考行驶方向;从预设真实交通流数据库中选取出与所述参考行驶特征所包括的参考速度和参考行驶方向相匹配的目标行驶特征,作为所述仿真环境下所述目标车辆的行驶特征。如此,丰富了仿真方案的多样性,同时,也提升了真实性。

Description

仿真方法、装置、电子设备及存储介质
技术领域
本申请涉及计算机技术领域,尤其涉及智能交通、交通流仿真、人工智能领域。
背景技术
现有交通流仿真技术中,通常采用如下方式,第一,规定线路的固定交通流仿真,即人为规定交通流运动模式和轨迹,该方式对车辆的轨迹、速度、方向、转弯、变道和停车等动作进行预先设定,使交通流中的车辆按照预想的方式运动,仅适用于特定场景的复现;第二,基于跟车模型和变道模型来进行仿真,即根据车辆间距和期望速度确定车辆速度,当车辆间距大于可汇入间距进行车辆汇入变道;显然,上述方式多样性较差,真实性也较差。
发明内容
本申请提供了一种用于仿真方法、装置、设备以及存储介质。
根据本申请的一方面,提供了一种仿真方法,包括:
接收到仿真请求,所述仿真请求至少指示计算目标车辆在指定的仿真环境下的行驶特征;
基于所述仿真请求所指定的仿真环境确定路口信息,计算得到所述目标车辆在所述路口信息下的参考行驶特征,其中,所述参考行驶特征至少包括参考速度和参考行驶方向;
从预设真实交通流数据库中选取出与所述参考行驶特征所包括的参考速度和参考行驶方向相匹配的目标行驶特征,作为所述仿真环境下所述目标车辆的行驶特征。
根据本申请的另一方面,提供了一种仿真装置,包括:
请求接收单元,用于接收到仿真请求,所述仿真请求至少指示计算目标车辆在指定的仿真环境下的行驶特征;
路口信息确定单元,用于基于所述仿真请求所指定的仿真环境确定路口信息;
计算单元,用于计算得到所述目标车辆在所述路口信息下的参考行驶特征,其中,所述参考行驶特征至少包括参考速度和参考行驶方向;
选取单元,用于从预设真实交通流数据库中选取出与所述参考行驶特征所包括的参考速度和参考行驶方向相匹配的目标行驶特征,作为所述仿真环境下所述目标车辆的行驶特征。
根据本申请的另一方面,提供了一种电子设备,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以上所述的方法。
根据本申请的另一方面,提供了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以上所述的方法。
根据本申请的技术解决了现有技术多样性较差、真实性较低的问题,提高了仿真方案的多样性,同时也提升了仿真结果的真实性。
应当理解,本部分所描述的内容并非旨在标识本申请的实施例的关键或重要特征,也不用于限制本申请的范围。本申请的其它特征将通过以下的说明书而变得容易理解。
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是根据本申请实施例仿真方法的流程示意图;
图2是根据本申请实施例仿真方法在一具体示例中的示意图;
图3(A)和(B)是根据本申请实施例仿真方法在一具体示例中的碰撞示意图;
图4是根据本申请实施例仿真装置的结构示意图一;
图5是根据本申请实施例仿真装置的结构示意图二;
图6是根据本申请实施例仿真装置的结构示意图三;
图7是用来实现本申请实施例的仿真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。
交通流仿真技术是用仿真技术来研究交通行为,是对交通运动随时间和空间的变化进行跟踪描述的技术,按照仿真对象的粒度可以分为微观交通仿真、中观交通仿真和宏观交通仿真。其中,微观交通仿真对交通系统的要素及行为的细节粒度描述程度最高,对交通流的描述是以单个车辆为基本单元,车辆在道路上的跟车、超车以及车道变换等微观行为都能得到较真实的反映,在交通工程理论研究、道路几何设计方案分析、交通管理系统设计方案评价分析、道路交通安全分析和智能交通系统(ITS,Intelligent Traffic System)等中都有很好的应用,因此得到了较大的发展。
基于此,为解决现有技术多样性差、自适应性差、真实性也较差的问题,本申请方案提供一种仿真方法、装置、电子设备以及存储介质。需要说明的是,本申请方案不仅适用于微观交通仿真,也适用于中观交通仿真和宏观交通仿真。实际应用中,本申请方案可以具体应用于智能交通、交通流仿真、人工智能等场景。
具体地,图1是根据本申请实施例仿真方法的流程示意图,具体地,如图1所示,所述方法包括:
步骤S101:接收到仿真请求,所述仿真请求至少指示计算目标车辆在指定的仿真环境下的行驶特征。
步骤S102:基于所述仿真请求所指定的仿真环境确定路口信息,计算得到所述目标车辆在所述路口信息下的参考行驶特征,其中,所述参考行驶特征至少包括参考速度和参考行驶方向。
步骤S103:从预设真实交通流数据库中选取出与所述参考行驶特征所包括的参考速度和参考行驶方向相匹配的目标行驶特征,作为所述仿真环境下所述目标车辆的行驶特征。
实际应用中,所述仿真请求还指示有目标车辆的初始状态,比如,初始位置、初始速度等,如此,来确保有效计算出该仿真环境下所述目标车辆的参考行驶状态。
这样,由于本申请方案无需规定特定线路就能够计算得到目标车辆在仿真环境下的目标行驶特征,所以,多样性强,自适应性也较强;而且,由于本申请方案并非直接将得到的参考行驶特征作为目标车辆在仿真环境下的行驶特征,而是,基于预设真实交通流数据库去查询与所述参考行驶特征相匹配的目标行驶特征,并将该目标行驶特征作为所述仿真环境下所述目标车辆的行驶特征,因此,基于本申请方案得到的仿真结果真实性更强。
在本申请方案的一具体示例中,可以采用如下方式来得到路口信息,具体包括:基于所述仿真请求所指定的仿真环境确定目标车辆信息以及目标障碍物信息;从真实路网信息中确定出与所述目标车辆信息以及目标障碍物信息相匹配的目标路口,并得到路口信息,其中,所述路口信息至少能够表征所述目标路口所对应的目标车辆信息以及目标障碍物信息。
也就是说,本示例中预先建立真实路网信息,比如基于地图建立真实路网信息,并在基于仿真环境确定出目标车辆信息以及目标障碍物信息后,从该真实路网信息中寻找与之相匹配的目标路口,如此,提升了本申请方案仿真结果的真实性。而且,由于预先构建真实路网信息,且是基于真实路网结构而构建的,并还充分考虑了周围的车辆信息和障碍物信息,所以,丰富了应用场景,同时,使得本申请方案具有良好的适应性和可迁移性。
实际应用中,可以基于仿真环境所需的交通流密度得到目标车辆信息以及目标障碍物信息,进而基于目标车辆信息以及目标障碍物信息从真实路网信息确定出目标路口,进而得到路口信息,此时该路口信息至少能够表征出该目标路口上的目标车辆信息和目标障碍物信息。这里,该目标车辆信息可以具体包括:仿真环境中仿真车辆的车辆信息,如车辆属性、车辆位置、初始速度等,驾驶员的属性,如激进系数等;仿真车辆的目的地和驾驶路径等;同时,还包括目标车辆的车辆信息,驾驶员的属性,以及目的地等。所述目标障碍物信息可以具体为路口中的障碍物,或者为除仿真车辆和目标车辆之外的其他车辆、行人等。这样,最大化仿真真实场景,丰富了多样性,为提升仿真结果的真实性奠定了基础。
需要说明的是,实际应用中,可以先基于仿真环境得到目标路口,然后确定位于该目标路口的车辆信息和障碍物信息,进而得到所述仿真环境所对应的路口信息;或者,还可以先基于仿真环境确定出目标车辆信息和目标障碍物信息,然后在真实路网信息中找到与确定出的目标车辆信息和目标障碍物信息相匹配的目标路口,进而得到路口信息,上述两种执行步骤均可,本申请方案对此不作限制。
在本申请方案的一具体示例中,还可以采用如下方式快速锁定目标路口,具体包括:获取所述真实路网信息所对应的树状结构,其中,所述树状结构中至少表征有道路路口,以及道路路口所对应的车辆信息和障碍物信息;从所述树状结构中搜索得到与所述目标车辆信息以及目标障碍物信息相匹配的目标路口。这里,由于真实路网结构错综复杂,此时,可以利用树状结构来表征真实路网结构,进而利用该树状结构即可快速查找到与所述目标车辆信息以及目标障碍物信息相匹配的目标路口,为提升仿真效率奠定了基础。
在本申请方案的一具体示例中,可以采用如下方式得到参考行驶特征,具体包括:基于所述路口信息中所述目标车辆所在位置(更新后的位置或初始位置),以及所述路口信息中所述目标车辆的位置所对应道路的道路特征,得到所述目标车辆所在道路的道路方向;举例来说,所述道路特征可以至少指示有最大曲率信息和最大侧向偏移距离,此时,所述道路方向则可为最大曲率信息(如道路最大累积曲率)与最大侧向偏移距离确定出的最远位置,和当前位置的连线的矢量方向作为道路方向;进而至少基于所述道路方向计算得到所述目标车辆的参考车辆转动方向,基于所述参考车辆转动方向得到所述目标车辆的参考行驶方向,至少将所述参考行驶方向作为所述参考行驶特征。
这里,实际应用中,由于控制车辆转动方向的通常为方向盘,所述,所述参考车辆转动方向可以具体为方向盘转动角度。
这样,由于本申请方案能够得到目标车辆的参考行驶方向,所以,实现了车辆的微观仿真,同时,丰富了仿真结果的维度,丰富了本申请方案的使用场景;且该仿真过程贴近真实场景,所以,为提升仿真结果的真实性奠定了基础。
在本申请方案的一具体示例中,还可以采用如下方式得到参考行驶特征,具体包括:基于所述路口信息中所述目标车辆的速度方向(比如,初始速度或者更新后的速度所对应的速度方向),以及所述路口信息中其他车辆的速度方向(比如所述目标路口对应的其他道路上的车辆的速度方向),得到交叉位置,所述交叉位置至少表征所述目标车辆与其他车辆沿各自速度方向所得到的交叉点,也就是说,假设目标车辆与其他车辆继续沿各自速度方向进行运动后发生碰撞的位置,该位置则为交叉位置;进而基于所述路口信息中所述目标车辆的速度,以及所述交叉位置得到所述目标车辆距离所述交叉位置的最小参考距离,也即避免发生碰撞的最小距离,基于该最小参考距离得到所述目标车辆的参考加速度,利用所述参考加速度计算得到所述目标车辆的参考速度,至少将所述参考速度作为所述参考行驶特征。
这样,由于本申请方案能够得到目标车辆的参考速度,所以,实现了车辆的微观仿真,同时,丰富了仿真结果的维度,丰富了本申请方案的使用场景。且该仿真过程贴近真实场景,所以,为提升仿真结果的真实性奠定了基础。
实际应用中,为精准并快速的确定出参考行驶方向或参考速度,还可以计算出约束范围,具体地,获取动力学约束条件,以及目标车辆对应的属性约束条件;基于动力学约束条件以及目标车辆对应的属性约束条件得到所述目标车辆的速度约束范围和车辆转动范围(如方向盘转动范围);具体地,基于路口信息得到目标车辆的位置所在道路的道路最大曲率,基于道路最大曲率以及目标车辆不侧滑的最大速度得到速度约束范围;基于路口信息得到目标车辆的位置所在道路的道路最大曲率,基于道路最大曲率以及路口信息得到车辆转动范围,基于道路方向和所述车辆转动范围得到参考行驶方向。当然,车辆的速度和转动范围之间也存在约束条件,实际应用中,可以具体场景进行约束范围的选取。
在本申请方案的一具体示例中,为进一步提升仿真结果的真实性,提升仿真体验,还可以将所述目标行驶特征映射到真实路网信息中,得到三维空间下的行驶特征,将三维空间下的行驶特征作为所述仿真环境下所述目标车辆的行驶特征。比如,该真实路网信息是基于高精三维地图构建的,此时,本申请方案的映射方法即能得到三维空间的行驶特征,这样,相较于二位空间的行驶信息相比,本申请方案真实性更强。
在本申请方案的一具体示例中,为保证仿真过程的完整性及真实性,本申请方案在得到仿真环境下目标车辆的行驶特征后,还会对仿真系统进行更新操作,即基于所述目标车辆的目标行驶特征所包括的速度和行驶方向,更新所述路口信息中所述目标车辆的位置、速度及行驶方向。如此,来保证仿真过程的完整性,为工程化应用奠定了基础。
这样,由于本申请方案无需规定特定线路就能够计算得到目标车辆在仿真环境下的目标行驶特征,所以,多样性强,自适应性也较强;而且,由于本申请方案并非直接将得到的参考行驶特征作为目标车辆在仿真环境下的行驶特征,而是,基于预设真实交通流数据库去查询与所述参考行驶特征相匹配的目标行驶特征,并将该目标行驶特征作为所述仿真环境下所述目标车辆的行驶特征,因此,基于本申请方案得到的仿真结果真实性更强。
以下结合具体应用场景对本申请方案做进一步详细说明,具体地,本示例首先基于地图信息构建真实路网信息;根据计算请求(也即仿真请求)所指示的仿真环境在真实路网信息中建立初始交通流车辆信息和障碍物信息,以得到路口信息,进而基于参考速度模型,速度搜索策略,得到该计算请求所针对的车辆(也即目标车辆)在仿真环境下的速度和车辆行驶方向,并将计算结果从二维(2D)向三维(3D)转换,并基于转换结果更新下一时刻路口信息,如此循环实现计算车辆行驶特征,并驱动交通流运动。
具体过程如下,如图2所示,包括:
第一,初始过程:
(1)真实路网信息构建:基于高精地图构建真实网络信息,并采用点序列来描述道路轨迹,如道路前后关系,交通规则指示,信号灯等,得到对真实路网K-D(K-Dimensional)树。
(2)真实交通流数据库构建:基于真实道路数据提取出车辆行驶信息,并基于车辆行驶信息建立表征车辆速度,道路方向,车辆出现概率分布等信息的真实交通流数据库。
第二,计算流程:
(1)车辆初始化:根据计算请求所需的交通流密度得到车辆信息和障碍物信息,这里,车辆信息包括确定车辆属性(如车辆种类,尺寸,加速度范围,期望速度系数,等),车辆位置,初始速度,加速度,角速度,驾驶员属性(如激进系数),目的地以及驾驶路径等。所述障碍物信息可以具体为道路中的障碍物,或者为除仿真车辆和目标车辆之外的其他车辆、行人等,完成车辆初始化过程。
(2)路口信息更新:基于车辆信息和障碍物信息得到计算请求所需的仿真环境对应的路口信息,完成路口信息的初始化过程,也即路口信息更新过程。具体地,实际应用中,可以根据车辆位置、障碍物位置进行K-D树最临近搜索,得到目标路口,进而得到路口信息,该路口信息能够表征车辆间关系,车辆与障碍物间关系,道路期望速度等;这里,道路期望速度vexp=vlimit×ρexp,其中vlimit为道路限速,ρexp为期望速度系数。
(3)参考速度模型:利用参考速度模型得到目标车辆在该计算请求所指示的仿真环境下的行驶方向和速度;具体地,
首先,范围确定,即基于参考速度模型中的动力学约束条件以及目标车辆对应的属性约束条件得到速度约束范围和方向盘转动范围;这里,所述速度约束范围是至少基于路口信息以及车辆不侧滑的最大速度而得到的;方向盘转动范围是由路口信息获取刹车距离内道路最大曲率后,基于该道路最大曲率而得到的。
这里,车辆属性约束为:vm<=vmax,其中vm为目标车辆的当前速度,vmax为目标车辆的最大速度,vm>=0;am<=amax,am>=amin,这里,am为目标车辆的加速度,amax为目标车辆的最大加速度,amin为目标车辆的最小加速度,θm>=θmax,θm<=θmin,这里,θm为参考行驶方向(也即参考方向盘转角),θmax为顺时针最大方向盘转角,θmin为逆时针方向盘最大转角。
其中,运动学约束条件为:根据公式Δθ=tan(Φ)/L×v×Δt,得到速度方向变化角度Δθ,其中,Φ为车轮转角,L为轴距,v为车辆速度,这里,为简化计算本示例假设车轮转角与方向盘转角一致,Δt为更新时间步长。通过上述公式可以看出,速度方向变化角度与车辆速度之间存在约束关系。
其次,基于参考速度模型中的轨迹决策计算得到目标车辆所在车道的道路方向和目标车辆的参考方向盘转动方向。
这里,道路方向计算步骤包括:以当前道路方向累积曲率小于阈值θt,侧向偏移距离小于阈值St的最远点,与当前位置的连线作为当前道路方向。
参考方向盘转动方向计算步骤包括:
θ=ρlaneDir×θlanedirlanePos×Slane
其中,ρlaneDir为行驶方向系数,θlanedir为目标车辆的当前行驶方向与道路方向夹角,ρlanePos为侧向距离系数,Slane为目标车辆的当前位置与道路方向侧向距离。进而基于目标车辆的当前行驶方向和参考方向盘转动方向得到目标车辆在所述仿真环境下参考行驶方向。
最后,基于参考速度模型得到目标车辆的前车距离及参考速度。
如图3(A)和图3(B)所示,前车距离计算步骤为:1.计算期望距离(刹车距离)Sd=Vt×treac+Vt 2/(2×amin),其中Vt为目标车辆的当前速度,treac为刹车反应时间,amin为最小加速度。2.刹车范围内碰撞检测:以当前速度在转弯允许角度和刹车距离半径扇形区域内检测可能碰撞车辆,如图3(B)下方所示),与碰撞点距离为Smin。3.行驶路线碰撞检测:与路口中所有车辆沿速度方向射线存在交点,且两车到达交点时存在碰撞可能,如图3(B)上方所示,Stouch为到达交点的距离,即碰撞点位置的距离。综上最小前车距离为S1=min(Smin,Stouch)。
其中,参考速度计算步骤包括:
根据离心力公式得出车辆不测滑的最大速度Vcur,min(Vcur,Vexp)作为最终约束车辆的期望速度,其中,Vexp是基于道路的属性,比如,道路约束速度而确定的;
参考加速度aref计算,当S1>=Sd时,aref=min(ρacc×(Vexp-Vm),amax),其中min()表示取其中较小值,ρacc为加速系数。当S1<Sd,asafe=max(ρac×(S1-Sd),amin),其中max()表示取其中较大值,ρac为减速系数。
综上,得到目标车辆的参考行驶方向θm和参考速度Vm
(4)速度搜索策略:在预先建立的真实交通流数据库中,且在Vm±Δv,θm±Δθ范围内搜索与参考行驶方向θm和参考速度Vm相匹配的行驶方向和和速度,并计算该速度下的能量函数,进而基于能量函数得到最终的最优结果作为仿真环境下所述目标车辆的行驶特征。具体地,enResult=enRep+enDir+enVelLimit,其中enRep=ρrep×min|Sd-Sp|,其中ρrep为权重,tsafe为安全时间,Sp为与此速度下下一时刻与前车距离;enDir=ρdir×|θ-θp|,其中ρdir为权重,θp为此速度下下一时刻与道路方向夹角;enVelLimit=ρvelLimit×V-Vexp|,其中ρvelLimit为权重;对enRep落在置信范围内的结果随机(概率×数据库中出现概率分布)抽取V,θ作为下一时刻车辆速度搜索结果。
(5)2D向3D转换:真实路网信息为路网3D结构信息,此时,在计算得到目标车辆的行驶方向和速度后,将该目标车辆的行驶方向和速度(即2D平面信息)映射到路网3D结构信息中,得到3D空间下的行驶特征。
(6)利用计算得到的目标车辆的行驶方向和速度更新目标车辆的车辆位置、方向等信息,如此循环实现交通流速度求解。
这样,使得本申请方案具有如下优势,分别为:
第一、适应性和可迁移性强,这里,由于本申请方案预先构建真实路网信息,并中充分考虑了真实场景,如周围的车辆信息和障碍物信息,所以,使得本申请方案具有良好的适应性和可迁移性。
第二、具有多样性,本申请能够基于仿真请求对仿真车辆的属性,驾驶员属性等进行预设,使交通流中的车辆个体之间体现明显的差异性,所以,大大增强了交通流的多样性。
第三,具有真实性,本申请方案利用预设真实交通流数据库来匹配得到仿真请求所指示的目标车辆的行驶特征,如此,大大提高了车辆运动的真实性。
第四,本申请方案与车辆状态无关,即本申请方案不需要保存车辆信息和障碍物信息等状态,只需在进行仿真计算时去获取仿真请求所指示的交通流状态,因此,能够对不同交通流系统的接口具有更好适应性。
第五,具有3D展示效果,即基于高精地图建立3D路网结构,使交通流能够输出3D空间信息,比传统2D交通流提供更丰富真实的信息。
一种仿真装置,如图4所示,包括:
请求接收单元301,用于接收到仿真请求,所述仿真请求至少指示计算目标车辆在指定的仿真环境下的行驶特征;
路口信息确定单元302,用于基于所述仿真请求所指定的仿真环境确定路口信息;
计算单元303,用于计算得到所述目标车辆在所述路口信息下的参考行驶特征,其中,所述参考行驶特征至少包括参考速度和参考行驶方向;
选取单元304,用于从预设真实交通流数据库中选取出与所述参考行驶特征所包括的参考速度和参考行驶方向相匹配的目标行驶特征,作为所述仿真环境下所述目标车辆的行驶特征。
在本申请方案的一具体示例中,所述路口信息确定单元包括:
信息确定子单元,用于基于所述仿真请求所指定的仿真环境确定目标车辆信息以及目标障碍物信息;
匹配子单元,用于从真实路网信息中确定出与所述目标车辆信息以及目标障碍物信息相匹配的目标路口,并得到路口信息,其中,所述路口信息至少能够表征所述目标路口所对应的目标车辆信息以及目标障碍物信息。
在本申请方案的一具体示例中,所述匹配子单元,还用于:
获取所述真实路网信息所对应的树状结构,从所述树状结构中搜索得到与所述目标车辆信息以及目标障碍物信息相匹配的目标路口;其中,所述树状结构中至少表征有道路路口,以及道路路口所对应的车辆信息和障碍物信息。
在本申请方案的一具体示例中,所述计算单元包括:
道路方向计算子单元,用于基于所述路口信息中所述目标车辆所在位置,以及所述路口信息中所述目标车辆的位置所对应道路的道路特征,得到所述目标车辆所在道路的道路方向;
参考车辆转动方向计算子单元,用于至少基于所述道路方向计算得到所述目标车辆的参考车辆转动方向;
参考行驶方向计算子单元,用于基于所述参考车辆转动方向得到所述目标车辆的参考行驶方向,至少将所述参考行驶方向作为所述参考行驶特征。
在本申请方案的一具体示例中,所述计算单元包括:
交叉位置计算子单元,用于基于所述路口信息中所述目标车辆的速度方向,以及所述路口信息中其他车辆的速度方向,得到交叉位置,所述交叉位置至少表征所述目标车辆与其他车辆沿各自速度方向所得到的交叉点;
参考距离计算子单元,用于基于所述路口信息中所述目标车辆的速度,以及所述交叉位置得到所述目标车辆距离所述交叉位置的最小参考距离;
参考加速度计算子单元,用于基于所述最小参考距离得到所述目标车辆的参考加速度;
参考速度计算子单元,用于利用所述参考加速度计算得到所述目标车辆的参考速度,至少将所述参考速度作为所述参考行驶特征。
在本申请方案的一具体示例中,如图5所示,还包括:
三维空间映射单元305,用于将所述目标行驶特征映射到真实路网信息中,得到三维空间下的行驶特征,将三维空间下的行驶特征作为所述仿真环境下所述目标车辆的行驶特征。
在本申请方案的一具体示例中,如图6所示,还包括:
更新单元306,用于基于所述目标车辆的目标行驶特征所包括的速度和行驶方向,更新所述路口信息中所述目标车辆的位置、速度及行驶方向。
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。
如图7所示,是根据本申请实施例的仿真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7所示,该电子设备包括:一个或多个处理器601、存储器602,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7中以一个处理器601为例。
存储器602即为本申请所提供的非瞬时计算机可读存储介质。其中,所述存储器存储有可由至少一个处理器执行的指令,以使所述至少一个处理器执行本申请所提供的仿真方法。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仿真方法。
存储器602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仿真方法对应的程序指令/模块(例如,附图6所示的请求接收单元301、路口信息确定单元302、计算单元303、选取单元304、三维空间映射单元305和更新单元306)。处理器601通过运行存储在存储器602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仿真方法。
存储器602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仿真方法的电子设备的使用所创建的数据等。此外,存储器602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602可选包括相对于处理器601远程设置的存储器,这些远程存储器可以通过网络连接至仿真方法的电子设备。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。
仿真方法的电子设备还可以包括:输入装置603和输出装置604。处理器601、存储器602、输入装置603和输出装置604可以通过总线或者其他方式连接,图7中以通过总线连接为例。
输入装置603可接收输入的数字或字符信息,以及产生与仿真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604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。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与虚拟专用服务器(VPS)服务中,存在的管理难度大,业务扩展性弱的缺陷。
这样,由于本申请方案无需规定特定线路就能够计算得到目标车辆在仿真环境下的目标行驶特征,所以,多样性强,自适应性也较强;而且,由于本申请方案并非直接将得到的参考行驶特征作为目标车辆在仿真环境下的行驶特征,而是,基于预设真实交通流数据库去查询与所述参考行驶特征相匹配的目标行驶特征,并将该目标行驶特征作为所述仿真环境下所述目标车辆的行驶特征,因此,基于本申请方案得到的仿真结果真实性更强。
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 (16)

1.一种仿真方法,包括:
接收到仿真请求,所述仿真请求至少指示计算目标车辆在指定的仿真环境下的行驶特征;
基于所述仿真请求所指定的仿真环境确定路口信息,计算得到所述目标车辆在所述路口信息下的参考行驶特征,其中,所述参考行驶特征至少包括参考速度和参考行驶方向;
从预设真实交通流数据库中选取出与所述参考行驶特征所包括的参考速度和参考行驶方向相匹配的目标行驶特征,作为所述仿真环境下所述目标车辆的行驶特征。
2.根据权利要求1所述的方法,其中,所述基于所述仿真请求所指定的仿真环境确定路口信息,包括:
基于所述仿真请求所指定的仿真环境确定目标车辆信息以及目标障碍物信息;
从真实路网信息中确定出与所述目标车辆信息以及目标障碍物信息相匹配的目标路口,并得到路口信息,其中,所述路口信息至少能够表征所述目标路口所对应的目标车辆信息以及目标障碍物信息。
3.根据权利要求2所述的方法,其中,所述从真实路网信息中确定出与所述目标车辆信息以及目标障碍物信息相匹配的目标路口,包括:
获取所述真实路网信息所对应的树状结构,其中,所述树状结构中至少表征有道路路口,以及道路路口所对应的车辆信息和障碍物信息;
从所述树状结构中搜索得到与所述目标车辆信息以及目标障碍物信息相匹配的目标路口。
4.根据权利要求1所述的方法,其中,所述计算得到所述目标车辆在所述路口信息下的参考行驶特征,包括:
基于所述路口信息中所述目标车辆所在位置,以及所述路口信息中所述目标车辆的位置所对应道路的道路特征,得到所述目标车辆所在道路的道路方向;
至少基于所述道路方向计算得到所述目标车辆的参考车辆转动方向;
基于所述参考车辆转动方向得到所述目标车辆的参考行驶方向,至少将所述参考行驶方向作为所述参考行驶特征。
5.根据权利要求1或4所述的方法,其中,所述计算得到所述目标车辆在所述路口信息下的参考行驶特征,包括:
基于所述路口信息中所述目标车辆的速度方向,以及所述路口信息中其他车辆的速度方向,得到交叉位置,所述交叉位置至少表征所述目标车辆与其他车辆沿各自速度方向所得到的交叉点;
基于所述路口信息中所述目标车辆的速度,以及所述交叉位置得到所述目标车辆距离所述交叉位置的最小参考距离;
基于所述最小参考距离得到所述目标车辆的参考加速度;
利用所述参考加速度计算得到所述目标车辆的参考速度,至少将所述参考速度作为所述参考行驶特征。
6.根据权利要求1所述的方法,还包括:
将所述目标行驶特征映射到真实路网信息中,得到三维空间下的行驶特征,将三维空间下的行驶特征作为所述仿真环境下所述目标车辆的行驶特征。
7.根据权利要求1所述的方法,还包括:
基于所述目标车辆的目标行驶特征所包括的速度和行驶方向,更新所述路口信息中所述目标车辆的位置、速度及行驶方向。
8.一种仿真装置,包括:
请求接收单元,用于接收到仿真请求,所述仿真请求至少指示计算目标车辆在指定的仿真环境下的行驶特征;
路口信息确定单元,用于基于所述仿真请求所指定的仿真环境确定路口信息;
计算单元,用于计算得到所述目标车辆在所述路口信息下的参考行驶特征,其中,所述参考行驶特征至少包括参考速度和参考行驶方向;
选取单元,用于从预设真实交通流数据库中选取出与所述参考行驶特征所包括的参考速度和参考行驶方向相匹配的目标行驶特征,作为所述仿真环境下所述目标车辆的行驶特征。
9.根据权利要求8所述的装置,所述路口信息确定单元包括:
信息确定子单元,用于基于所述仿真请求所指定的仿真环境确定目标车辆信息以及目标障碍物信息;
匹配子单元,用于从真实路网信息中确定出与所述目标车辆信息以及目标障碍物信息相匹配的目标路口,并得到路口信息,其中,所述路口信息至少能够表征所述目标路口所对应的目标车辆信息以及目标障碍物信息。
10.根据权利要求9所述的装置,其中,所述匹配子单元,还用于:
获取所述真实路网信息所对应的树状结构,从所述树状结构中搜索得到与所述目标车辆信息以及目标障碍物信息相匹配的目标路口;其中,所述树状结构中至少表征有道路路口,以及道路路口所对应的车辆信息和障碍物信息。
11.根据权利要求8所述的装置,所述计算单元包括:
道路方向计算子单元,用于基于所述路口信息中所述目标车辆所在位置,以及所述路口信息中所述目标车辆的位置所对应道路的道路特征,得到所述目标车辆所在道路的道路方向;
参考车辆转动方向计算子单元,用于至少基于所述道路方向计算得到所述目标车辆的参考车辆转动方向;
参考行驶方向计算子单元,用于基于所述参考车辆转动方向得到所述目标车辆的参考行驶方向,至少将所述参考行驶方向作为所述参考行驶特征。
12.根据权利要求8或11所述的装置,所述计算单元包括:
交叉位置计算子单元,用于基于所述路口信息中所述目标车辆的速度方向,以及所述路口信息中其他车辆的速度方向,得到交叉位置,所述交叉位置至少表征所述目标车辆与其他车辆沿各自速度方向所得到的交叉点;
参考距离计算子单元,用于基于所述路口信息中所述目标车辆的速度,以及所述交叉位置得到所述目标车辆距离所述交叉位置的最小参考距离;
参考加速度计算子单元,用于基于所述最小参考距离得到所述目标车辆的参考加速度;
参考速度计算子单元,用于利用所述参考加速度计算得到所述目标车辆的参考速度,至少将所述参考速度作为所述参考行驶特征。
13.根据权利要求8或9所述的装置,还包括:
三维空间映射单元,用于将所述目标行驶特征映射到真实路网信息中,得到三维空间下的行驶特征,将三维空间下的行驶特征作为所述仿真环境下所述目标车辆的行驶特征。
14.根据权利要求8或9所述的装置,还包括:
更新单元,用于基于所述目标车辆的目标行驶特征所包括的速度和行驶方向,更新所述路口信息中所述目标车辆的位置、速度及行驶方向。
15.一种电子设备,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1-7中任一项所述的方法。
16.一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1-7中任一项所述的方法。
CN202010593275.6A 2020-06-26 2020-06-26 仿真方法、装置、电子设备及存储介质 Active CN111753424B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010593275.6A CN111753424B (zh) 2020-06-26 2020-06-26 仿真方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010593275.6A CN111753424B (zh) 2020-06-26 2020-06-26 仿真方法、装置、电子设备及存储介质

Publications (2)

Publication Number Publication Date
CN111753424A true CN111753424A (zh) 2020-10-09
CN111753424B CN111753424B (zh) 2023-08-01

Family

ID=72677259

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010593275.6A Active CN111753424B (zh) 2020-06-26 2020-06-26 仿真方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN111753424B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112684720A (zh) * 2020-12-28 2021-04-20 北京三快在线科技有限公司 一种仿真测试的方法及装置
CN112785842A (zh) * 2020-12-25 2021-05-11 际络科技(上海)有限公司 一种在线交通流仿真系统
CN117409569A (zh) * 2023-08-21 2024-01-16 广东飞翔云计算有限公司 一种基于大数据的智慧交通系统及方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101561836A (zh) * 2009-01-05 2009-10-21 天津大学 基于元胞机的城市微观交通流仿真系统
CN103593535A (zh) * 2013-11-22 2014-02-19 南京洛普股份有限公司 基于多尺度融合的城市交通复杂自适应网络平行仿真系统及方法
CN110427682A (zh) * 2019-07-26 2019-11-08 清华大学 一种基于虚拟现实的交通场景模拟实验平台和方法
CN110992675A (zh) * 2019-05-10 2020-04-10 当家移动绿色互联网技术集团有限公司 交叉口交通仿真方法、装置、介质及电子设备
CN111008450A (zh) * 2019-05-17 2020-04-14 当家移动绿色互联网技术集团有限公司 交通流仿真方法、装置、存储介质及电子设备
US20200183393A1 (en) * 2018-12-10 2020-06-11 Beijing Baidu Netcom Science Technology Co., Ltd. Self-driving vehicle positioning method, apparatus and storage medium

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101561836A (zh) * 2009-01-05 2009-10-21 天津大学 基于元胞机的城市微观交通流仿真系统
CN103593535A (zh) * 2013-11-22 2014-02-19 南京洛普股份有限公司 基于多尺度融合的城市交通复杂自适应网络平行仿真系统及方法
US20200183393A1 (en) * 2018-12-10 2020-06-11 Beijing Baidu Netcom Science Technology Co., Ltd. Self-driving vehicle positioning method, apparatus and storage medium
CN110992675A (zh) * 2019-05-10 2020-04-10 当家移动绿色互联网技术集团有限公司 交叉口交通仿真方法、装置、介质及电子设备
CN111008450A (zh) * 2019-05-17 2020-04-14 当家移动绿色互联网技术集团有限公司 交通流仿真方法、装置、存储介质及电子设备
CN110427682A (zh) * 2019-07-26 2019-11-08 清华大学 一种基于虚拟现实的交通场景模拟实验平台和方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
BEN ZHANG; LEI SHANG; DAN CHEN: "A Study on the Traffic Intersection Vehicle Emission Base on Urban Microscopic Traffic Simulation Model", 《2009 FIRST INTERNATIONAL WORKSHOP ON EDUCATION TECHNOLOGY AND COMPUTER SCIENCE》 *
万凌松;袁芳;宋星;: "城市中观交通仿真的交通流车簇模型", 计算机工程与设计, no. 04 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112785842A (zh) * 2020-12-25 2021-05-11 际络科技(上海)有限公司 一种在线交通流仿真系统
CN112785842B (zh) * 2020-12-25 2022-04-12 际络科技(上海)有限公司 一种在线交通流仿真系统
CN112684720A (zh) * 2020-12-28 2021-04-20 北京三快在线科技有限公司 一种仿真测试的方法及装置
CN117409569A (zh) * 2023-08-21 2024-01-16 广东飞翔云计算有限公司 一种基于大数据的智慧交通系统及方法

Also Published As

Publication number Publication date
CN111753424B (zh) 2023-08-01

Similar Documents

Publication Publication Date Title
CN111753425B (zh) 仿真方法、装置、电子设备及存储介质
US11726477B2 (en) Methods and systems for trajectory forecasting with recurrent neural networks using inertial behavioral rollout
US20200353943A1 (en) Driving scenario machine learning network and driving environment simulation
KR102211299B1 (ko) 곡선 투영을 가속화하기 위한 시스템 및 방법
JP6644742B2 (ja) 頑健で効率的な車両測位用のアルゴリズム及びインフラ
US10948919B2 (en) Dynamic programming and gradient descent based decision and planning for autonomous driving vehicles
US10515321B2 (en) Cost based path planning for autonomous driving vehicles
US10754339B2 (en) Dynamic programming and quadratic programming based decision and planning for autonomous driving vehicles
US10137896B2 (en) Method and system for operating autonomous driving vehicles using graph-based lane change guide
US11348339B2 (en) Association and tracking for autonomous devices
CN111753424B (zh) 仿真方法、装置、电子设备及存储介质
KR102557026B1 (ko) 차량 순항 제어 방법, 장치, 전자 기기 및 저장 매체
CN109947090A (zh) 用于自动驾驶车辆规划的非阻塞边界
JP2020001678A (ja) 重み付け幾何学的コストを有する区分的螺旋曲線を使用した基準線平滑化方法
WO2021127417A1 (en) Geolocalized models for perception, prediction, or planning
CN111422204B (zh) 自动驾驶车辆通行判定方法及相关设备
KR20220003995A (ko) 자율 주행의 원격 제어 방법, 자율 주행 차량 및 클라우드 기기
US11668573B2 (en) Map selection for vehicle pose system
CN113924241B (zh) 用于自主车辆的追踪消失对象
JPWO2018221454A1 (ja) 地図作成装置、制御方法、プログラム及び記憶媒体
US20220161830A1 (en) Dynamic Scene Representation
CN115158309A (zh) 使用上下文敏感融合的因素轨迹预测
US20230194268A1 (en) Longitudinal-limited lane marking localizer
CN115583254A (zh) 路径规划方法、装置、设备以及自动驾驶车辆
CN113276888B (zh) 基于自动驾驶的乘车方法、装置、设备和存储介质

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