CN112230663B - 车辆定位数据的监测方法、装置 - Google Patents
车辆定位数据的监测方法、装置 Download PDFInfo
- Publication number
- CN112230663B CN112230663B CN202011173133.0A CN202011173133A CN112230663B CN 112230663 B CN112230663 B CN 112230663B CN 202011173133 A CN202011173133 A CN 202011173133A CN 112230663 B CN112230663 B CN 112230663B
- Authority
- CN
- China
- Prior art keywords
- target vehicle
- lane
- positioning data
- road
- determining
- 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.)
- Active
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 78
- 238000000034 method Methods 0.000 title claims abstract description 49
- 230000002159 abnormal effect Effects 0.000 claims description 53
- 238000004590 computer program Methods 0.000 claims description 16
- 238000010586 diagram Methods 0.000 description 24
- 230000006870 function Effects 0.000 description 12
- 238000002474 experimental method Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 8
- 206010039203 Road traffic accident Diseases 0.000 description 7
- 230000005856 abnormality Effects 0.000 description 7
- 238000012545 processing Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 238000012806 monitoring device Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0242—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using non-visible light signals, e.g. IR or UV signals
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0259—Control of position or course in two dimensions specially adapted to land vehicles using magnetic or electromagnetic means
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
- G05D1/0278—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle using satellite positioning signals, e.g. GPS
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
- G05D1/0285—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle using signals transmitted via a public communication network, e.g. GSM network
Abstract
本申请的实施例提供了一种车辆定位数据的监测方法、装置。该方法包括:获取目标车辆在道路上行驶时的定位数据;对所述定位数据进行拟合,得到所述目标车辆在道路上行驶时的运动轨迹线;确定所述运动轨迹线与所述道路上预先标定的参考线之间的横向间距,所述参考线是基于所述道路的边缘确定的;基于所述横向间距对所述目标车辆的定位数据进行监测。本申请实施例的技术方案可以提高对车辆定位数据进行监测的准确性。
Description
技术领域
本申请涉及云计算及无人驾驶等技术领域,具体而言,涉及一种车辆定位数据的监测方法、装置。
背景技术
随着云计算以及无人驾驶等技术的发展,对车辆定位数据进行监测的准确性要求也越来越苛刻。现有技术中,一般通过检测设备定时监测车辆定位装置的工作状态,看其是否在正常工作,如果正常工作,那么就可以认为车辆定位数据正常,则不用矫正或者更换车辆定位装置,否则,需要。然而,通过监测车辆定位装置的工作状态来监测车辆定位数据是否正常并不准确,基于此,如何能够提高对车辆定位数据进行监测的准确性是亟待解决的技术问题。
发明内容
本申请的实施例提供了一种车辆定位数据的监测方法、装置、计算机程序产品或计算机程序、计算机可读介质、及电子设备,进而至少在一定程度上可以提高对车辆定位数据进行监测的准确性。
本申请的其他特性和优点将通过下面的详细描述变得显然,或部分地通过本申请的实践而习得。
根据本申请实施例的一个方面,提供了一种车辆定位数据的监测方法,所述方法包括:获取目标车辆在道路上行驶时的定位数据;对所述定位数据进行拟合,得到所述目标车辆在道路上行驶时的运动轨迹线;确定所述运动轨迹线与所述道路上预先标定的参考线之间的横向间距,所述参考线是基于所述道路的边缘确定的;基于所述横向间距对所述目标车辆的定位数据进行监测。
根据本申请实施例的一个方面,提供了一种车辆定位数据的监测装置,所述装置包括:获取单元,被用于获取目标车辆在道路上行驶时的定位数据;拟合单元,被用于对所述定位数据进行拟合,得到所述目标车辆在道路上行驶时的运动轨迹线;确定单元,被用于确定所述运动轨迹线与所述道路上预先标定的参考线之间的横向间距,所述参考线是基于所述道路的边缘确定的;监测单元,被用于基于所述横向间距对所述目标车辆的定位数据进行监测。
在本申请的一些实施例中,基于前述方案,所述道路包括至少一条车道,所述获取单元配置为:确定所述目标车辆在所述道路中的每一条车道上连续行驶时所经过的车道片段;获取所述目标车辆在各个所述车道片段上行驶时的定位数据。
在本申请的一些实施例中,基于前述方案,所述拟合单元配置为:对所述目标车辆在各个所述车道片段上行驶时的定位数据进行拟合,得到所述目标车辆在各个所述车道片段上行驶时的运动轨迹线;根据所述目标车辆在各个所述车道片段上行驶时的运动轨迹线,确定所述目标车辆在道路上行驶时的运动轨迹线。
在本申请的一些实施例中,基于前述方案,所述道路中的每一条车道上包括一条预先标定的参考线,所述确定单元配置为:确定所述目标车辆在每一个车道片段上行驶时的运动轨迹线与所述每一个车道片段上预先标定的参考线之间的横向间距。
在本申请的一些实施例中,基于前述方案,所述监测单元配置为:确定所述道路中相邻的两个第一车道片段分别对应的横向间距之间的差值绝对值;计算所述差值绝对值与所述两个第一车道片段分别对应的横向间距之间的比值,得到两个比值;在所述两个比值中的任意一个超过第一预定阈值时,确定所述目标车辆的定位数据存在异常。
在本申请的一些实施例中,基于前述方案,所述监测单元配置为:确定每一条车道上相邻的两个第二车道片段分别对应的横向间距之间的差值绝对值;计算所述差值绝对值与所述两个第二车道片段分别对应的横向间距之间的比值,得到两个比值;在所述两个比值中的任意一个超过第二预定阈值时,确定所述目标车辆在所述每一条车道的定位数据存在异常。
在本申请的一些实施例中,基于前述方案,所述监测单元配置为:在所述基于所述横向间距对所述目标车辆的定位数据进行监测之后,统计所述道路中总车道数量和所述定位数据存在异常的异常车道数量;在所述异常车道数量与所述总车道数量之间的比值超过第三预定阈值时,确定所述目标车辆的定位数据存在异常。
在本申请的一些实施例中,基于前述方案,所述道路中的每一条车道上包括一条预先标定的参考线,所述确定单元配置为:确定所述目标车辆在每一个车道片段上行驶时的运动轨迹线与各条车道上预先标定的参考线之间的横向间距。
在本申请的一些实施例中,基于前述方案,所述监测单元配置为:针对同一条车道上相邻的两个第三车道片段,确定所述两个第三车道片段在每一条车道上分别对应的横向间距之间的差值绝对值;针对每一条车道,计算所述差值绝对值与所述两个第三车道片段在所述每一条车道上分别对应的横向间距之间的比值,得到两个比值;针对每一条车道,在所述两个比值中的任意一个超过第四预定阈值时,确定所述目标车辆的定位数据在所述第三车道片段所在的车道上存在异常;统计所述道路中总车道数量和所述定位数据存在异常的异常车道数量;在所述异常车道数量与所述总车道数量之间的比值超过第五预定阈值时,确定所述目标车辆的定位数据存在异常。
根据本申请实施例的一个方面,提供了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行上述第一方面或者第一方面的各种可选实现方式中提供的方法。
根据本申请实施例的一个方面,提供了一种计算机可读介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如上述实施例中所述的车辆定位数据的监测方法。
根据本申请实施例的一个方面,提供了一种电子设备,包括:一个或多个处理器;存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现如上述实施例中所述的车辆定位数据的监测方法。
在本申请的一些实施例所提供的技术方案中,通过对目标车辆在道路上行驶时的定位数据进行拟合,得到目标车辆在道路上行驶时的运动轨迹线,进一步确定所述运动轨迹线与基于所述道路的边缘而确定的参考线之间的横向间距,从而通过所述横向间距实现对所述目标车辆的定位数据进行监测。由于通过目标车辆在道路上行驶时的定位数据而拟合得到的运动轨迹线可以反映目标车辆定位数据的变化情况,而基于道路的边缘而确定的参考线在道路中的位置是固定的,从而使得目标车辆运动轨迹线与所述参考线之间的横向间距能够反映目标车辆定位数据是否异常,故本申请提出的车辆定位数据的监测方案能够提高对车辆定位数据进行监测的准确性。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本申请。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理。显而易见地,下面描述中的附图仅仅是本申请的一些实施例,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。在附图中:
图1示出了可以应用本申请实施例的技术方案的示例性系统架构的示意图;
图2示出了根据本申请的一个实施例的实施车辆定位数据的监测方法的应用场景图;
图3示出了根据本申请的一个实施例的车辆定位数据的监测方法的流程图;
图4示出了根据本申请的一个实施例的获取目标车辆在道路上行驶时的定位数据的细节流程图;
图5示出了根据本申请的一个实施例的目标车辆在车道上连续行驶时的场景示意图;
图6示出了根据本申请的一个实施例的对所述定位数据进行拟合,得到所述目标车辆在道路上行驶时的运动轨迹线的细节流程图;
图7示出了根据本申请的一个实施例的将定位数据对应映射到参考线的相同侧的模型示意图;
图8示出了根据本申请的一个实施例的确定运动轨迹线与参考线之间的横向间距的模型示意图;
图9示出了根据本申请的一个实施例的基于所述横向间距对所述目标车辆的定位数据进行监测的细节流程图;
图10示出了根据本申请的一个实施例的基于所述横向间距对所述目标车辆的定位数据进行监测的细节流程图;
图11示出了根据本申请的一个实施例的在基于所述横向间距对所述目标车辆的定位数据进行监测之后的方法流程图;
图12示出了根据本申请的一个实施例的确定运动轨迹线与参考线之间的横向间距的模型示意图;
图13示出了根据本申请的一个实施例的基于所述横向间距对所述目标车辆的定位数据进行监测的细节流程图;
图14示出了根据本申请的一个实施例的基于云对车辆定位数据进行监测的场景示意图;
图15示出了根据本申请的一个实施例的车辆定位数据的监测装置的框图;
图16示出了适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而,示例实施方式能够以多种形式实施,且不应被理解为限于在此阐述的范例;相反,提供这些实施方式使得本申请将更加全面和完整,并将示例实施方式的构思全面地传达给本领域的技术人员。
此外,所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中,提供许多具体细节从而给出对本申请的实施例的充分理解。然而,本领域技术人员将意识到,可以实践本申请的技术方案而没有特定细节中的一个或更多,或者可以采用其它的方法、组元、装置、步骤等。在其它情况下,不详细示出或描述公知方法、装置、实现或者操作以避免模糊本申请的各方面。
附图中所示的方框图仅仅是功能实体,不一定必须与物理上独立的实体相对应。即,可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
附图中所示的流程图仅是示例性说明,不是必须包括所有的内容和操作/步骤,也不是必须按所描述的顺序执行。例如,有的操作/步骤还可以分解,而有的操作/步骤可以合并或部分合并,因此实际执行的顺序有可能根据实际情况改变。
需要注意的是,本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的对象在适当情况下可以互换,以便这里描述的本申请的实施例能够以除了在图示或描述的那些以外的顺序实施。
图1示出了可以应用本申请实施例的技术方案的示例性系统架构的示意图。
如图1所示,系统架构可以包括终端设备(如图1中所示智能手机101、平板电脑102和便携式计算机103中的一种或多种,当然也可以是台式计算机等等)、网络104和服务器105。网络104用以在终端设备和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线通信链路、无线通信链路等等。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。比如服务器105可以是多个服务器组成的服务器集群等。
需要说明的是,本申请实施例所提供的车辆定位数据的监测方法可以由服务器105来执行,车辆定位数据的监测装置一般设置于服务器105中。但是,在本申请的其它实施例中,终端设备也可以与服务器具有相似的功能,从而执行本申请实施例所提供的车辆定位数据的监测方案。
还需要说明的是,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,服务器可以是独立的物理服务器,也可以是多个物理服务器构成的服务器集群或者分布式系统,还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN、以及大数据和人工智能平台等基础云计算服务的云服务器。终端可以是智能手机、平板电脑、笔记本电脑、台式计算机、智能音箱、智能手表等,但并不局限于此,本申请在此不做限制。
需要解释的是,如上所述的云计算(cloud computing)是一种计算模式,它将计算任务分布在大量计算机构成的资源池上,使各种应用系统能够根据需要获取计算力、存储空间和信息服务。提供资源的网络被称为“云”。“云”中的资源在使用者看来是可以无限扩展的,并且可以随时获取,按需使用,随时扩展。通过建立云计算资源池(简称云平台,一般称为IaaS(Infrastructure as a Service,基础设施即服务)平台,在资源池中部署多种类型的虚拟资源,供外部客户选择使用。云计算资源池中主要包括:计算设备(为虚拟化机器,包含操作系统)、存储设备、网络设备。
图2示出了根据本申请的一个实施例的实施车辆定位数据的监测方法的应用场景图,在图2中,场景200包括道路201、行驶在道路201中的目标车辆202,以及预先标定在道路201中的参考线203,本方案可应用于自动驾驶、车路协同产品中。
在本申请的一个实施例中,结合图1和图2,可以是由图1中所示的服务器105获取终端定位设备101(终端定位设备101可以安装在目标车辆202中)上传的其自身在道路201上行驶时的定位数据,然后服务器105对定位数据进行拟合,得到目标车辆202在道路201上行驶时的运动轨迹线204,确定运动轨迹线204与道路201上预先标定的参考线203之间的横向间距205,其中,参考线203是基于道路201的边缘确定的且参考线203上各个点的定位数据是已知的,最后,服务器105可以基于横向间距对目标车辆202的定位数据进行监测。
以下对本申请实施例的技术方案的实现细节进行详细阐述:
参见图3,示出了根据本申请的一个实施例的车辆定位数据的监测方法的流程图。该车辆定位数据的监测方法可以由具有计算处理功能的设备来执行,比如可以由图1中所示的服务器105来执行,也可以由图1中所示的终端设备来执行,还可以由具有云计算功能的云服务器来执行。如图3所示,该车辆定位数据的监测方法至少包括步骤310至步骤370:
在步骤310中,获取目标车辆在道路上行驶时的定位数据。
在本申请中,所述道路可以包括至少一条车道,例如,可以包括2条车道,也可以包括3条车道,还可以包括4条车道。
在本申请的一个实施例中,获取目标车辆在道路上行驶时的定位数据可以按照如图4所示的步骤执行。
参见图4,图4示出了根据本申请的一个实施例的获取目标车辆在道路上行驶时的定位数据的细节流程图。具体包括步骤311至步骤312:
步骤311,确定所述目标车辆在所述道路中的每一条车道上连续行驶时所经过的车道片段。
步骤312,获取所述目标车辆在各个所述车道片段上行驶时的定位数据。
在本申请中,目标车辆的行驶过程可以被分为若干个车道片段,每一个车道片段可以是目标车辆在某一条车道连续行驶的片段。
具体的,从目标车辆驶入某车道开始直至驶出该车道为止的中间路段被视为一个车道片段。这意味着,如果目标车辆从某车道驶入另一条车道然后又回到原车道,那么目标车辆经历了三个车道片段,即变道之前在“某车道”行驶的片段,变道之后在“另一条车道”行驶的片段,回到“某一条车道”行驶的片段。
例如图5,示出了根据本申请的一个实施例的目标车辆在车道上连续行驶时的场景示意图。
在图5中,车道片段1为目标车辆在车道1上连续行驶的片段,车道片段2为目标车辆在车道2上连续行驶的片段,车道片段3为目标车辆在车道1上连续行驶的片段。
在步骤311中,可以是通过获取的目标车辆在变道时发出的变道信号灯(左变道信号或者右变道信号)来判断目标车辆驶入一条车道或者驶出一条车道,进而确定目标车辆在车道上连续行驶时所经过的车道片段。
在本申请的一个实施例中,获取目标车辆的定位数据,具体可以包括如下任意一种:
第一种、获取目标车辆的GPS定位信息。
第二种、获取目标车辆的北斗卫星定位信息。
第三种、获取目标车辆的二维坐标定位信息。
继续参照图3,在步骤330中,对所述定位数据进行拟合,得到所述目标车辆在道路上行驶时的运动轨迹线。
在本申请的一个实施例中,对所述定位数据进行拟合,得到所述目标车辆在道路上行驶时的运动轨迹线可以按照如图6所示的步骤执行。
参见图6,示出了根据本申请的一个实施例的对所述定位数据进行拟合,得到所述目标车辆在道路上行驶时的运动轨迹线的细节流程图。具体包括步骤331至步骤332:
步骤331,对所述目标车辆在各个所述车道片段上行驶时的定位数据进行拟合,得到所述目标车辆在各个所述车道片段上行驶时的运动轨迹线。
步骤332,根据所述目标车辆在各个所述车道片段上行驶时的运动轨迹线,确定所述目标车辆在道路上行驶时的运动轨迹线。
具体的,例如,在所述定位数据为GPS定位数据(xreal-time,yreal-time)时,可以对目标车辆的GPS定位数据进行拟合得到目标车辆在行驶时的运动轨迹线Lreal-time(xreal-time,yreal-time)。
继续参照图3,在步骤350中,确定所述运动轨迹线与所述道路上预先标定的参考线之间的横向间距,所述参考线是基于所述道路的边缘确定的。
在步骤370中,基于所述横向间距对所述目标车辆的定位数据进行监测。
在本申请中,所述道路中可以包括有至少一条车道,其中,每一条车道上可以包括一条预先标定的参考线,其中,参考线上各个点的定位坐标是可知的。
具体的,例如,所述道路中包括有n条车道,,将道路中的n条车道从内向外依次称为车道1,2,…,n,应该理解的是,n条车道对应有n条参考线,n条参考线可以根据各条车道预先标定好的定位坐标拟合得到,分别记为:L1(x1,y1),L2(x2,y2),...,Ln(xn,yn)。
需要说明的是,车道预先标定好的定位坐标可以是基于所述道路的边缘确定的,例如,可以是基于所述道路的边缘在车道中间标定坐标,使得拟合得到的参考线上的点与道路边缘保持等距,还可以是在所述道路中车道的边缘标定坐标,使得拟合得到的参考线上的点在所述道路中车道的边缘上。
参照图7,示出了根据本申请的一个实施例的将定位数据对应映射到参考线的相同侧的模型示意图。
在本申请的具体实现中,如图7所示,在确定所述运动轨迹线与所述道路上预先标定的参考线之间的横向间距时,由于运动轨迹线Lreal-time(xreal-time,yreal-time)上的不同部分可能位于参考线L1(xk,yk)的两侧,基于此,可以将位于不同侧的运动轨迹线等效映射到相同侧。具体的,如图7所示,将运动轨迹线Lreal-time(xreal-time,yreal-time)在参考线的下侧部分等效映射到参考线Lk(xk,yk)的上侧(对于本领域技术人员而言,应该理解的是,也可以将运动轨迹线Lreal-time(xreal-time,yreal-time)在参考线的上侧部分等效映射到参考线Lk(xk,yk)的下侧),然后计算所述运动轨迹线与所述道路上预先标定的参考线之间的横向间距。
在本申请中,运动轨迹线与参考线之间的横向间距可以是运动轨迹线与参考线之间平均间距。
在本申请的一个实施例中,确定所述运动轨迹线与所述道路上预先标定的参考线之间的横向间距,可以是确定所述目标车辆在每一个车道片段上行驶时的运动轨迹线与所述每一个车道片段上预先标定的参考线之间的横向间距。
具体的,如图8,示出了根据本申请的一个实施例的确定运动轨迹线与参考线之间的横向间距的模型示意图。
如图8所示,目标车辆所行驶的车道片段位于车道2上,其中,在该车道片段上,运动轨迹线与参考线之间的横向间距可以是指目标车辆的运动轨迹线与车道2上标定的参考线之间的横向间距。
在本实施例的一个具体实现中,基于所述横向间距对所述目标车辆的定位数据进行监测,可以按照如图9所示的步骤执行。
参见图9,示出了根据本申请的一个实施例的基于所述横向间距对所述目标车辆的定位数据进行监测的细节流程图。具体包括步骤371至步骤373:
步骤371,确定所述道路中相邻的两个第一车道片段分别对应的横向间距之间的差值绝对值。
步骤372,计算所述差值绝对值与所述两个第一车道片段分别对应的横向间距之间的比值,得到两个比值。
步骤373,在所述两个比值中的任意一个超过第一预定阈值时,确定所述目标车辆的定位数据存在异常。
具体的,请参照图5,在步骤371中,道路中相邻的两个第一车道片段可以是指图5中所示的车道片段1和车道片段2,或者是指图5中所示的车道片段2和车道片段3,可以理解的是,相邻的两个第一车道片段不在同一条车道上。
在本具体实现中,例如,目标车辆在道路中的m个车道片段上的横向间距可以分别为:σ1,σ2,...,σm,因此,针对道路中相邻的两个第一车道片段m-1和m,所对应的横向间距分别为:σm和σm-1。
进一步的,所述道路中相邻的两个第一车道片段分别对应的横向间距之间的差值绝对值为:|σm-σm-1|。
所述差值绝对值与所述两个第一车道片段分别对应的横向间距之间的比值分别为:|σm-σm-1|/σm-1和|σm-σm-1|/σm。
在|σm-σm-1|/σm-1和|σm-σm-1|/σm中的任意一个超过第一预定阈值时,可以确定所述目标车辆的定位数据存在异常。
在本申请中,第一预定阈值可以是目标车辆所在道路的历史交通事故率(历史交通事故率可从交管部门或者道路管理方获得)。
在本实施例的一个具体实现中,基于所述横向间距对所述目标车辆的定位数据进行监测,也可以按照如图10所示的步骤执行。
参见图10,示出了根据本申请的一个实施例的基于所述横向间距对所述目标车辆的定位数据进行监测的细节流程图。具体包括步骤374至步骤376:
步骤374,确定每一条车道上相邻的两个第二车道片段分别对应的横向间距之间的差值绝对值。
步骤375,计算所述差值绝对值与所述两个第二车道片段分别对应的横向间距之间的比值,得到两个比值。
步骤376,在所述两个比值中的任意一个超过第二预定阈值时,确定所述目标车辆在所述每一条车道的定位数据存在异常。
具体的,请参照图5,在步骤374中,每一条车道上相邻的两个第二车道片段可以是指图5中所示的车道片段1和车道片段3,可以理解的是,相邻的两个第二车道片段在同一条车道上。
在本具体实现中,例如,目标车辆在道路中的目标车道上的z个车道片段的横向间距可以分别为:σ1,σ2,...,σz,因此,针对目标车道中相邻的两个第二车道片段z-1和z,所对应的横向间距分别为:σz和σz-1。
进一步的,该目标车道中相邻的两个第二车道片段分别对应的横向间距之间的差值绝对值为:|σz-σz-1|。
所述差值绝对值与所述两个第二车道片段分别对应的横向间距之间的比值分别为:|σz-σz-1|/σz-1和|σz-σz-1|/σz。
在|σz-σz-1|/σz-1和|σz-σz-1|/σz中的任意一个超过第二预定阈值时,可以确定所述目标车辆在目标车道中的定位数据存在异常。
在本申请中,第二预定阈值也可以是目标车辆所在道路的历史交通事故率(历史交通事故率可从交管部门或者道路管理方获得)。
进一步的,在本具体实现中,在基于所述横向间距对所述目标车辆的定位数据进行监测之后,还可以执行如图11所示的步骤。
参见图11,示出了根据本申请的一个实施例的在基于所述横向间距对所述目标车辆的定位数据进行监测之后的方法流程图。具体包括步骤377至步骤378:
步骤377,统计所述道路中总车道数量和所述定位数据存在异常的异常车道数量。
步骤378,在所述异常车道数量与所述总车道数量之间的比值超过第三预定阈值时,确定所述目标车辆的定位数据存在异常。
具体的,例如,在道路中共有x条车道,其中y条车道正常(即x-y条车道存在异常),因此,异常车道占比为:(x-y)/x,进一步的,当异常车道占比(x-y)/x超过第三预定阈值时,则确定所述目标车辆的定位数据存在异常。
在本申请中,所述第三预定阈值可以是目标车辆中定位设备的故障率(可由定位设备的历史使用情况获得,也可以由定位设备的出厂参数获得)。
在本申请的一个实施例中,确定所述运动轨迹线与所述道路上预先标定的参考线之间的横向间距,可以是确定所述目标车辆在每一个车道片段上行驶时的运动轨迹线与各条车道上预先标定的参考线之间的横向间距。
具体的,如图12,示出了根据本申请的一个实施例的确定运动轨迹线与参考线之间的横向间距的模型示意图。
如图12所示,目标车辆所行驶的车道片段位于车道1上,其中,在该车道片段上,运动轨迹线与参考线之间的横向间距可以包括目标车辆的运动轨迹线与车道1上标定的参考线之间的横向间距1、目标车辆的运动轨迹线与车道2上标定的参考线之间的横向间距2、目标车辆的运动轨迹线与车道3上标定的参考线之间的横向间距3。
在本实施例的一个具体实现中,基于所述横向间距对所述目标车辆的定位数据进行监测,可以按照如图13所示的步骤执行。
参见图13,示出了根据本申请的一个实施例的基于所述横向间距对所述目标车辆的定位数据进行监测的细节流程图。具体包括步骤381至步骤385:
步骤381,针对同一条车道上相邻的两个第三车道片段,确定所述两个第三车道片段在每一条车道上分别对应的横向间距之间的差值绝对值。
步骤382,针对每一条车道,计算所述差值绝对值与所述两个第三车道片段在所述每一条车道上分别对应的横向间距之间的比值,得到两个比值。
步骤383,针对每一条车道,在所述两个比值中的任意一个超过第四预定阈值时,确定所述目标车辆的定位数据在所述第三车道片段所在的车道上存在异常。
步骤384,统计所述道路中总车道数量和所述定位数据存在异常的异常车道数量。
步骤385,在所述异常车道数量与所述总车道数量之间的比值超过第五预定阈值时,确定所述目标车辆的定位数据存在异常。
具体的,请参照图5,在步骤381中,针对同一条车道上相邻的两个第三车道片段可以是指图5中所示的车道片段1和车道片段3,可以理解的是,相邻的两个第三车道片段在同一条车道上。
在本具体实现中,例如,道路中包括n条车道,针对道路中的任意一个目标车道,可以将目标车辆第t次在道路中的目标车道上连续行驶时的运动轨迹线(即在目标车道上第t个第三车道片段中的运动轨迹线)分别与n条车道的参考线之间的横向间距记为:σ1(t),σ2(t),...,σn(t)
将目标车辆第t-1次在道路中的目标车道上连续行驶时的运动轨迹线(即在目标车道上第t-1个第三车道片段中的运动轨迹线)分别与n条车道的参考线之间的横向间距记为:σ1(t-1),σ2(t-1),...,σn(t-1)。
基于此,可以得到:
相邻的两个第三车道片段在n条车道上分别对应的横向间距之间的差值绝对值分别为:|σ1(t)-σ1(t-1)|、|σ2(t)-σ2(t-1)|、……、|σn(t)-σn(t-1)|。
所述差值绝对值与所述相邻的两个第三车道片段在n条车道上分别对应的横向间距之间的比值分别为:
在上述比值中的任意一个超过第四预定阈值时,确定所述目标车辆的定位数据在所述目标车道上存在异常。
在本申请中,第四预定阈值也可以是目标车辆所在道路的历史交通事故率(历史交通事故率可从交管部门或者道路管理方获得),此外,第四预定阈值也可以是目标车辆所在道路的历史交通事故率的二分之一。
统计所述道路中总车道数量和所述定位数据存在异常的异常车道数量(即异常的目标车道数量),具体的,例如,在道路中共有x条车道,其中y条车道正常(即x-y条车道存在异常),因此,异常车道占比为:(x-y)/x,进一步的,当异常车道占比(x-y)/x超过第五预定阈值时,则确定所述目标车辆的定位数据存在异常。
在本申请中,所述第五预定阈值可以是目标车辆中定位设备的故障率(可由定位设备的历史使用情况获得,也可以由定位设备的出厂参数获得)。
在本申请的其它实施例中,在所述道路中的车道数据为1时,基于所述横向间距对所述目标车辆的定位数据进行监测,也可以是在所述横向间距超过第六预定阈值时,确定所述目标车辆的定位数据存在异常。
在以车联网为应用场景,对车辆定位数据进行监测的实施例中,还可以搭建融合汽车云、区域云以及边缘云来实现通过云车系统来对车联网的车辆定位数据进行监测,如图14,图14示出了根据本申请的一个实施例的基于云对车辆定位数据进行监测的场景示意图。该系统由云端与车联网组成。其中,本方案的所有计算功能可以在汽车云上实现,车辆内部装在有车载GPS,车辆可实时获取车辆自身的GPS位置,并实时上传给汽车云端。
具体的,汽车云首先获取终端定位设备(终端定位设备可以安装在目标车辆中)上传的其自身在道路上行驶时的定位数据,然后汽车云对定位数据进行拟合,得到目标车辆在道路上行驶时的运动轨迹线,确定运动轨迹线与道路上预先标定的参考线之间的横向间距,其中,参考线是基于道路的边缘确定的且参考线上各个点的定位数据是已知的,最后,汽车云可以基于横向间距对目标车辆的定位数据进行监测。
在本实施例中,车辆定位数据的监测方法无需依赖额外的检测装置,而是可以充分利用上报给云平台的车辆定位数据对车辆定位数据自身进行监测,降低了车辆定位时的对车辆中资源所需的消耗。
此外,本申请发明人基于本发明的技术方案和现有技术方案,分别对车辆定位数据进行监测的实施例重复进行仿真实验10次,统计结果如表1和所示。
实验级序 | 现有技术的错误监测次数 | 本申请的错误检测次数 |
第一次实验 | 4 | 2 |
第二次实验 | 2 | 0 |
第三次实验 | 3 | 1 |
第四次实验 | 4 | 1 |
第五次实验 | 3 | 1 |
第六次实验 | 4 | 1 |
第七次实验 | 7 | 2 |
第八次实验 | 1 | 0 |
第九次实验 | 3 | 1 |
第十次实验 | 5 | 2 |
表1
统计结果如表1所示,相对于现有技术中车辆定位数据的监测方法,本申请中的车辆定位数据的监测方法能够提高对车辆定位数据进行监测的准确性。
在本申请的一些实施例所提供的技术方案中,通过对目标车辆在道路上行驶时的定位数据进行拟合,得到目标车辆在道路上行驶时的运动轨迹线,进一步确定所述运动轨迹线与基于所述道路的边缘而确定的参考线之间的横向间距,从而通过所述横向间距实现对所述目标车辆的定位数据进行监测。由于通过目标车辆在道路上行驶时的定位数据而拟合得到的运动轨迹线可以反映目标车辆定位数据的变化情况,而基于道路的边缘而确定的参考线在道路中的位置是固定的,从而使得目标车辆运动轨迹线与所述参考线之间的横向间距能够反映目标车辆定位数据是否异常,故本申请提出的车辆定位数据的监测方案能够提高对车辆定位数据进行监测的准确性。
以下介绍本申请的装置实施例,可以用于执行本申请上述实施例中的车辆定位数据的监测方法。对于本申请装置实施例中未披露的细节,请参照本申请上述的车辆定位数据的监测方法的实施例。
图15示出了根据本申请的一个实施例的车辆定位数据的监测装置的框图。
参照图15所示,根据本申请的一个实施例的车辆定位数据的监测装置1500,包括:获取单元1501、拟合单元1502、确定单元1503和监测单元1504。
其中,获取单元1501,被用于获取目标车辆在道路上行驶时的定位数据;拟合单元1502,被用于对所述定位数据进行拟合,得到所述目标车辆在道路上行驶时的运动轨迹线;确定单元1503,被用于确定所述运动轨迹线与所述道路上预先标定的参考线之间的横向间距,所述参考线是基于所述道路的边缘确定的;监测单元1504,被用于基于所述横向间距对所述目标车辆的定位数据进行监测。
在本申请的一些实施例中,基于前述方案,所述道路包括至少一条车道,所述获取单元1501配置为:确定所述目标车辆在所述道路中的每一条车道上连续行驶时所经过的车道片段;获取所述目标车辆在各个所述车道片段上行驶时的定位数据。
在本申请的一些实施例中,基于前述方案,所述拟合单元1502配置为:对所述目标车辆在各个所述车道片段上行驶时的定位数据进行拟合,得到所述目标车辆在各个所述车道片段上行驶时的运动轨迹线;根据所述目标车辆在各个所述车道片段上行驶时的运动轨迹线,确定所述目标车辆在道路上行驶时的运动轨迹线。
在本申请的一些实施例中,基于前述方案,所述道路中的每一条车道上包括一条预先标定的参考线,所述确定单元1503配置为:确定所述目标车辆在每一个车道片段上行驶时的运动轨迹线与所述每一个车道片段上预先标定的参考线之间的横向间距。
在本申请的一些实施例中,基于前述方案,所述监测单元1504配置为:确定所述道路中相邻的两个第一车道片段分别对应的横向间距之间的差值绝对值;计算所述差值绝对值与所述两个第一车道片段分别对应的横向间距之间的比值,得到两个比值;在所述两个比值中的任意一个超过第一预定阈值时,确定所述目标车辆的定位数据存在异常。
在本申请的一些实施例中,基于前述方案,所述监测单元1504配置为:确定每一条车道上相邻的两个第二车道片段分别对应的横向间距之间的差值绝对值;计算所述差值绝对值与所述两个第二车道片段分别对应的横向间距之间的比值,得到两个比值;在所述两个比值中的任意一个超过第二预定阈值时,确定所述目标车辆在所述每一条车道的定位数据存在异常。
在本申请的一些实施例中,基于前述方案,所述监测单元1504配置为:在所述基于所述横向间距对所述目标车辆的定位数据进行监测之后,统计所述道路中总车道数量和所述定位数据存在异常的异常车道数量;在所述异常车道数量与所述总车道数量之间的比值超过第三预定阈值时,确定所述目标车辆的定位数据存在异常。
在本申请的一些实施例中,基于前述方案,所述道路中的每一条车道上包括一条预先标定的参考线,所述确定单元1504配置为:确定所述目标车辆在每一个车道片段上行驶时的运动轨迹线与各条车道上预先标定的参考线之间的横向间距。
在本申请的一些实施例中,基于前述方案,所述监测单元1504配置为:针对同一条车道上相邻的两个第三车道片段,确定所述两个第三车道片段在每一条车道上分别对应的横向间距之间的差值绝对值;针对每一条车道,计算所述差值绝对值与所述两个第三车道片段在所述每一条车道上分别对应的横向间距之间的比值,得到两个比值;针对每一条车道,在所述两个比值中的任意一个超过第四预定阈值时,确定所述目标车辆的定位数据在所述第三车道片段所在的车道上存在异常;统计所述道路中总车道数量和所述定位数据存在异常的异常车道数量;在所述异常车道数量与所述总车道数量之间的比值超过第五预定阈值时,确定所述目标车辆的定位数据存在异常。
图16示出了适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。
需要说明的是,图16示出的电子设备的计算机系统1600仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
如图16所示,计算机系统1600包括中央处理单元(Central Processing Unit,CPU)1601,其可以根据存储在只读存储器(Read-Only Memory,ROM)1602中的程序或者从储存部分1608加载到随机访问存储器(Random Access Memory,RAM)1603中的程序而执行各种适当的动作和处理,例如执行上述实施例中所述的方法。在RAM 1603中,还存储有系统操作所需的各种程序和数据。CPU 1601、ROM 1602以及RAM 1603通过总线1604彼此相连。输入/输出(Input/Output,I/O)接口1605也连接至总线1604。
以下部件连接至I/O接口1605:包括键盘、鼠标等的输入部分1606;包括诸如阴极射线管(Cathode Ray Tube,CRT)、液晶显示器(Liquid Crystal Display,LCD)等以及扬声器等的输出部分1607;包括硬盘等的储存部分1608;以及包括诸如LAN(Local AreaNetwork,局域网)卡、调制解调器等的网络接口卡的通信部分1609。通信部分1609经由诸如因特网的网络执行通信处理。驱动器1610也根据需要连接至I/O接口1605。可拆卸介质1611,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器1610上,以便于从其上读出的计算机程序根据需要被安装入储存部分1608。
特别地,根据本申请的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本申请的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分1609从网络上被下载和安装,和/或从可拆卸介质1611被安装。在该计算机程序被中央处理单元(CPU)1601执行时,执行本申请的系统中限定的各种功能。
需要说明的是,本申请实施例所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(Erasable Programmable Read Only Memory,EPROM)、闪存、光纤、便携式紧凑磁盘只读存储器(Compact Disc Read-Only Memory,CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、有线等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本申请各种实施例的系统、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。其中,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,上述模块、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,两个接连地表示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,框图或流程图中的每个方框、以及框图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。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现,所描述的单元也可以设置在处理器中。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定。
作为另一方面,本申请还提供了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行上述第一方面或者第一方面的各种可选实现方式中提供的方法。
作为另一方面,本申请还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被一个该电子设备执行时,使得该电子设备实现上述实施例中所述的方法。
应当注意,尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元,但是这种划分并非强制性的。实际上,根据本申请的实施方式,上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之,上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
通过以上的实施方式的描述,本领域的技术人员易于理解,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本申请实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、触控终端、或者网络设备等)执行根据本申请实施方式的方法。
本领域技术人员在考虑说明书及实践这里公开的实施方式后,将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。
应当理解的是,本申请并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求来限制。
Claims (8)
1.一种车辆定位数据的监测方法,其特征在于,所述方法包括:
确定目标车辆在道路中的每一条车道上连续行驶时所经过的车道片段,获取所述目标车辆在各个所述车道片段上行驶时的定位数据;
对所述目标车辆在各个所述车道片段上行驶时的定位数据进行拟合,得到所述目标车辆在各个所述车道片段上行驶时的运动轨迹线;
根据所述目标车辆在各个所述车道片段上行驶时的运动轨迹线,确定所述目标车辆在道路上行驶时的运动轨迹线;
确定所述运动轨迹线与所述道路上预先标定的参考线之间的横向间距,所述参考线是基于所述道路的边缘确定的;其中,所述道路中的每一条车道上包括一条预先标定的参考线,所述横向间距包括:所述目标车辆在每一个车道片段上行驶时的运动轨迹线与所述每一个车道片段上预先标定的参考线之间的第一横向间距;
基于所述横向间距对所述目标车辆的定位数据进行监测;
其中,基于所述横向间距对所述目标车辆的定位数据进行监测,包括:确定所述道路中相邻的两个第一车道片段分别对应的第一横向间距之间的第一差值绝对值;计算所述第一差值绝对值与所述两个第一车道片段分别对应的第一横向间距之间的比值,得到两个第一比值;在所述两个第一比值中的任意一个超过第一预定阈值时,确定所述目标车辆的定位数据存在异常。
2.根据权利要求1所述的方法,其特征在于,所述基于所述横向间距对所述目标车辆的定位数据进行监测,还包括:
确定每一条车道上相邻的两个第二车道片段分别对应的第一横向间距之间的第二差值绝对值;
计算所述第二差值绝对值与所述两个第二车道片段分别对应的第一横向间距之间的比值,得到两个第二比值;
在所述两个第二比值中的任意一个超过第二预定阈值时,确定所述目标车辆在所述每一条车道的定位数据存在异常。
3.根据权利要求2所述的方法,其特征在于,在所述基于所述横向间距对所述目标车辆的定位数据进行监测之后,所述方法还包括:
统计所述道路中总车道数量和所述定位数据存在异常的异常车道数量;
在所述异常车道数量与所述总车道数量之间的比值超过第三预定阈值时,确定所述目标车辆的定位数据存在异常。
4.根据权利要求1所述的方法,其特征在于,所述横向间距还包括:
所述目标车辆在每一个车道片段上行驶时的运动轨迹线与各条车道上预先标定的参考线之间的第二横向间距。
5.根据权利要求4所述的方法,其特征在于,所述基于所述横向间距对所述目标车辆的定位数据进行监测,还包括:
针对同一条车道上相邻的两个第三车道片段,确定所述两个第三车道片段在每一条车道上分别对应的第二横向间距之间的第三差值绝对值;
针对每一条车道,计算所述第三差值绝对值与所述两个第三车道片段在所述每一条车道上分别对应的第二横向间距之间的比值,得到两个第三比值;
针对每一条车道,在所述两个第三比值中的任意一个超过第四预定阈值时,确定所述目标车辆的定位数据在所述第三车道片段所在的车道上存在异常;
统计所述道路中总车道数量和所述定位数据存在异常的异常车道数量;
在所述异常车道数量与所述总车道数量之间的比值超过第五预定阈值时,确定所述目标车辆的定位数据存在异常。
6.一种车辆定位数据的监测装置,其特征在于,所述装置包括:
获取单元,被用于确定目标车辆在道路中的每一条车道上连续行驶时所经过的车道片段,获取所述目标车辆在各个所述车道片段上行驶时的定位数据;
拟合单元,被用于对所述目标车辆在各个所述车道片段上行驶时的定位数据进行拟合,得到所述目标车辆在各个所述车道片段上行驶时的运动轨迹线;根据所述目标车辆在各个所述车道片段上行驶时的运动轨迹线,确定所述目标车辆在道路上行驶时的运动轨迹线;
确定单元,被用于确定所述运动轨迹线与所述道路上预先标定的参考线之间的横向间距,所述参考线是基于所述道路的边缘确定的;其中,所述道路中的每一条车道上包括一条预先标定的参考线,所述横向间距包括:所述目标车辆在每一个车道片段上行驶时的运动轨迹线与所述每一个车道片段上预先标定的参考线之间的第一横向间距;
监测单元,被用于基于所述横向间距对所述目标车辆的定位数据进行监测;
其中,所述监测单元配置为:确定所述道路中相邻的两个第一车道片段分别对应的第一横向间距之间的第一差值绝对值;计算所述第一差值绝对值与所述两个第一车道片段分别对应的第一横向间距之间的比值,得到两个第一比值;在所述两个第一比值中的任意一个超过第一预定阈值时,确定所述目标车辆的定位数据存在异常。
7.一种计算机可读介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至5中任一项所述的车辆定位数据的监测方法。
8.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储器,用于存储一个或多个计算机程序,当所述一个或多个计算机程序被所述一个或多个处理器执行时,使得所述电子设备实现如权利要求1至5中任一项所述的车辆定位数据的监测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011173133.0A CN112230663B (zh) | 2020-10-28 | 2020-10-28 | 车辆定位数据的监测方法、装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011173133.0A CN112230663B (zh) | 2020-10-28 | 2020-10-28 | 车辆定位数据的监测方法、装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112230663A CN112230663A (zh) | 2021-01-15 |
CN112230663B true CN112230663B (zh) | 2023-11-10 |
Family
ID=74110207
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011173133.0A Active CN112230663B (zh) | 2020-10-28 | 2020-10-28 | 车辆定位数据的监测方法、装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112230663B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113178025B (zh) * | 2021-05-14 | 2023-02-03 | 南京领行科技股份有限公司 | 车辆变道检测方法、装置、电子设备及存储介质 |
CN113345228B (zh) * | 2021-06-01 | 2022-09-02 | 星觅(上海)科技有限公司 | 基于拟合轨迹的行驶数据的生成方法、装置、设备及介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106842269A (zh) * | 2017-01-25 | 2017-06-13 | 北京经纬恒润科技有限公司 | 定位方法及系统 |
CN108242145A (zh) * | 2016-12-26 | 2018-07-03 | 高德软件有限公司 | 异常轨迹点检测方法和装置 |
CN109900298A (zh) * | 2019-03-01 | 2019-06-18 | 武汉光庭科技有限公司 | 一种车辆定位校准方法及系统 |
CN110838233A (zh) * | 2019-10-12 | 2020-02-25 | 中国平安人寿保险股份有限公司 | 车辆行为分析方法、装置及计算机可读存储介质 |
CN111077549A (zh) * | 2019-12-31 | 2020-04-28 | 深圳一清创新科技有限公司 | 位置数据修正方法、装置和计算机可读存储介质 |
CN111311675A (zh) * | 2020-02-11 | 2020-06-19 | 腾讯科技(深圳)有限公司 | 车辆定位方法、装置、设备和存储介质 |
CN111325986A (zh) * | 2019-04-04 | 2020-06-23 | 北京嘀嘀无限科技发展有限公司 | 异常停车监测方法、装置、电子设备以及存储介质 |
CN111380546A (zh) * | 2018-12-28 | 2020-07-07 | 沈阳美行科技有限公司 | 基于平行道路的车辆定位方法、装置、电子设备和介质 |
CN111541751A (zh) * | 2020-04-16 | 2020-08-14 | 南京领行科技股份有限公司 | 一种轨迹监测的方法及装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6643370B2 (ja) * | 2018-01-23 | 2020-02-12 | 本田技研工業株式会社 | 走行基準ライン決定装置及び自動運転装置 |
-
2020
- 2020-10-28 CN CN202011173133.0A patent/CN112230663B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108242145A (zh) * | 2016-12-26 | 2018-07-03 | 高德软件有限公司 | 异常轨迹点检测方法和装置 |
CN106842269A (zh) * | 2017-01-25 | 2017-06-13 | 北京经纬恒润科技有限公司 | 定位方法及系统 |
CN111380546A (zh) * | 2018-12-28 | 2020-07-07 | 沈阳美行科技有限公司 | 基于平行道路的车辆定位方法、装置、电子设备和介质 |
CN109900298A (zh) * | 2019-03-01 | 2019-06-18 | 武汉光庭科技有限公司 | 一种车辆定位校准方法及系统 |
CN111325986A (zh) * | 2019-04-04 | 2020-06-23 | 北京嘀嘀无限科技发展有限公司 | 异常停车监测方法、装置、电子设备以及存储介质 |
CN110838233A (zh) * | 2019-10-12 | 2020-02-25 | 中国平安人寿保险股份有限公司 | 车辆行为分析方法、装置及计算机可读存储介质 |
CN111077549A (zh) * | 2019-12-31 | 2020-04-28 | 深圳一清创新科技有限公司 | 位置数据修正方法、装置和计算机可读存储介质 |
CN111311675A (zh) * | 2020-02-11 | 2020-06-19 | 腾讯科技(深圳)有限公司 | 车辆定位方法、装置、设备和存储介质 |
CN111541751A (zh) * | 2020-04-16 | 2020-08-14 | 南京领行科技股份有限公司 | 一种轨迹监测的方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN112230663A (zh) | 2021-01-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110782042B (zh) | 横向联邦和纵向联邦联合方法、装置、设备及介质 | |
CN110784825B (zh) | 车辆行驶轨迹的生成方法、装置 | |
US20180357893A1 (en) | Uncertainty modeling in traffic demand prediction | |
CN112230663B (zh) | 车辆定位数据的监测方法、装置 | |
CN112700667A (zh) | 辅助车辆驾驶的方法、装置、电子设备和介质 | |
CN112085739A (zh) | 基于弱监督的语义分割模型的训练方法、装置及设备 | |
CN112562378B (zh) | 公交车调度方法、装置、计算机设备及介质 | |
CN111277511A (zh) | 传输速率控制方法、装置、计算机系统及可读存储介质 | |
CN112560724A (zh) | 车辆监控方法、装置和云控平台 | |
CN111845768A (zh) | 车辆行驶参数的预测方法、装置 | |
CN111220147B (zh) | 终端的定位修正方法、装置 | |
CN113537513A (zh) | 基于联邦学习的模型训练方法、装置、系统、设备和介质 | |
CN113538963A (zh) | 用于输出信息的方法、装置、设备以及存储介质 | |
CN112991735B (zh) | 交通流量监测系统的测试方法、装置及设备 | |
CN111327473A (zh) | 网络调控方法、装置、网络调控系统及电子设备 | |
CN112633980B (zh) | 用于车辆网点呈现的方法、电子设备和存储介质 | |
CN110896524B (zh) | 网络结构监测方法、装置 | |
CN111260912B (zh) | 车辆编队的处理方法及装置 | |
CN112612277B (zh) | 车辆轨迹规划方法、装置、设备和计算机可读介质 | |
CN111800465A (zh) | 车辆消息的处理方法、装置、介质及电子设备 | |
CN114581869A (zh) | 确定目标对象位置的方法、装置、电子设备和存储介质 | |
CN114218504A (zh) | 阻断路段识别方法、装置、电子设备及存储介质 | |
CN111833608A (zh) | 路况信息的处理方法、装置 | |
CN114528893A (zh) | 机器学习模型训练方法、电子设备及存储介质 | |
CN110782063A (zh) | 区域拥堵程度的预测方法、装置 |
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 |