CN112567439A - 一种交通流信息的确定方法、装置、电子设备和存储介质 - Google Patents

一种交通流信息的确定方法、装置、电子设备和存储介质 Download PDF

Info

Publication number
CN112567439A
CN112567439A CN202080002861.7A CN202080002861A CN112567439A CN 112567439 A CN112567439 A CN 112567439A CN 202080002861 A CN202080002861 A CN 202080002861A CN 112567439 A CN112567439 A CN 112567439A
Authority
CN
China
Prior art keywords
vehicle
traffic flow
information
fitting
flow information
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
CN202080002861.7A
Other languages
English (en)
Other versions
CN112567439B (zh
Inventor
韩佐悦
王子涵
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.)
Uisee Shanghai Automotive Technologies Ltd
Original Assignee
Uisee Shanghai Automotive Technologies 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 Uisee Shanghai Automotive Technologies Ltd filed Critical Uisee Shanghai Automotive Technologies Ltd
Publication of CN112567439A publication Critical patent/CN112567439A/zh
Application granted granted Critical
Publication of CN112567439B publication Critical patent/CN112567439B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/161—Decentralised systems, e.g. inter-vehicle communication
    • G08G1/163—Decentralised systems, e.g. inter-vehicle communication involving continuous checking
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/052—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G08G1/0133—Traffic data processing for classifying traffic situation
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/10—Path keeping
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/10—Path keeping
    • B60W30/12—Lane keeping
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/056—Detecting movement of traffic to be counted or controlled with provision for distinguishing direction of travel
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/065—Traffic control systems for road vehicles by counting the vehicles in a section of the road or in a parking area, i.e. comparing incoming count with outgoing count
    • 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
    • G08G1/096708—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control
    • G08G1/096725—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control where the received information generates an automatic action on the vehicle control
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/167—Driving aids for lane monitoring, lane changing, e.g. blind spot detection
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W2050/0001—Details of the control system
    • B60W2050/0019—Control system elements or transfer functions
    • B60W2050/0022—Gains, weighting coefficients or weighting functions
    • B60W2050/0025—Transfer function weighting factor
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2552/00—Input parameters relating to infrastructure
    • B60W2552/10—Number of lanes
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2552/00—Input parameters relating to infrastructure
    • B60W2552/53—Road markings, e.g. lane marker or crosswalk
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/40—Dynamic objects, e.g. animals, windblown objects
    • B60W2554/404—Characteristics
    • B60W2554/4041—Position
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/40—Dynamic objects, e.g. animals, windblown objects
    • B60W2554/404—Characteristics
    • B60W2554/4042—Longitudinal speed
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/40—Dynamic objects, e.g. animals, windblown objects
    • B60W2554/404—Characteristics
    • B60W2554/4043—Lateral speed
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/40—Dynamic objects, e.g. animals, windblown objects
    • B60W2554/408—Traffic behavior, e.g. swarm

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Atmospheric Sciences (AREA)
  • Automation & Control Theory (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Traffic Control Systems (AREA)

Abstract

本公开实施例涉及一种交通流信息的确定方法、装置、电子设备和存储介质，方法包括：基于本车的运动信息和一个或多个目标车辆的状态信息，对每个目标车辆进行分组，得到分组信息；基于每个目标车辆的状态信息和分组信息，确定每个目标车辆的拟合权重；基于本车的运动信息、每个目标车辆的状态信息、每个目标车辆的拟合权重和分组信息，拟合生成一条或多条当前交通流信息。本公开实施例中，通过对多个目标车辆进行分组，并确定每个目标车辆的拟合权重，进而可基于分组信息、拟合权重、本车的运动信息和目标车辆的状态信息，拟合生成当前交通流信息，实现对交通流的感知。

Description

一种交通流信息的确定方法、装置、电子设备和存储介质
技术领域
本公开实施例涉及智能驾驶技术领域，具体涉及一种交通流信息的确定方法、装置、电子设备和存储介质。
背景技术
当前针对结构化道路的智能驾驶系统，在进行行驶环境感知过程中，通常基于车辆前向摄像头采集的车道线信息进行车辆横向位置的定位与目标行驶路径的生成。可见，车辆横向定位(也即车辆所在车道的定位)、车辆横向控制和目标行驶路径生成的准确性依赖智能驾驶系统或摄像头对车道线的识别精度。
然而，目前存在多种因素导致车道线无法精确识别。例如，当路面交通较为拥堵，本车与前车车速较低、车距较近，两侧车道车流较密时，车辆前向摄像头的感知距离与视野范围会受到限制，此时根据摄像头采集的图像数据进行车道线识别将十分困难。另外，由于道路施工、车道变更、车流量过大等种种原因，经常会出现车道线不清晰、旧车道线清理不足等干扰车道线准确识别的情况。
可见，需要有其他感知手段降低车道线无法识别或识别准确度较低对车辆横向定位、车辆横向控制和目标行驶路径生成的影响。因此，亟需提供一种新的感知手段，能够感知交通流(Traffic Stream)信息，交通流可以理解为同一车道多个车辆同向运动所形成的车流，交通流信息可以理解为交通流的轨迹的信息。
发明内容
本公开提供一种新的感知手段，能够感知交通流信息。本公开的至少一个实施例提供了一种交通流信息的确定方法、装置、电子设备和非暂态计算机可读存储介质。
第一方面，本公开实施例提出的交通流信息的确定方法包括：
基于本车的运动信息和一个或多个目标车辆的状态信息，对每个所述目标车辆进行分组，得到分组信息；
基于每个所述目标车辆的状态信息和所述分组信息，确定每个所述目标车辆的拟合权重；
基于所述本车的运动信息、每个所述目标车辆的状态信息、每个所述目标车辆的拟合权重和所述分组信息，拟合生成一条或多条当前交通流信息。
在一些实施例中，所述基于本车的运动信息和一个或多个目标车辆的状态信息，对每个所述目标车辆进行分组，得到分组信息包括：
基于所述本车的运动信息，确定本车的行驶轨迹；
基于所述本车的运动信息和每个所述目标车辆的状态信息，筛选一个或多个有效目标车辆；
基于所述本车的行驶轨迹和每个所述有效目标车辆的状态信息，对每个所述有效目标车辆进行分组，得到分组信息。
在一些实施例中，所述得到分组信息后，所述方法还包括：
基于历史交通流信息修正所述分组信息；
相应地，基于所述历史交通流信息、每个所述有效目标车辆的状态信息和修正后的分组信息，确定每个所述有效目标车辆的拟合权重。
在一些实施例中，所述基于所述本车的行驶轨迹和每个所述有效目标车辆的状态信息，对每个所述有效目标车辆进行分组，得到分组信息包括：
针对每个所述有效目标车辆：
基于该有效目标车辆的状态信息和所述本车的行驶轨迹，确定该有效目标车辆所在的相对车道；
基于所述相对车道，确定该有效目标车辆的分组信息。
在一些实施例中，所述分组信息包括以下五组：本车所在车道的左侧第一车道分组、本车所在车道的左侧第二车道分组、本车所在车道的右侧第一车道分组、本车所在车道的右侧第二车道分组和其他分组。
在一些实施例中，所述拟合生成一条或多条当前交通流信息之前，所述方法还包括：
判断目标车辆数量是否满足预设的拟合数量；若满足，则判断本车的行驶状态是否为直行；
若本车的行驶状态为直行，则获取缓存的历史车辆；
更新每个所述历史车辆的坐标，得到每个历史车辆对应的虚拟车辆及每个所述虚拟车辆的状态信息；
基于历史交通流信息、所述本车的运动信息、每个所述虚拟车辆的状态信息和每个所述虚拟车辆的分组信息，确定每个所述虚拟车辆的拟合权重；
相应地，所述拟合生成一条或多条当前交通流信息包括：基于每个所述目标车辆的状态信息、每个所述目标车辆的拟合权重、每个所述虚拟车辆的状态信息和每个所述虚拟车辆的拟合权重，拟合生成一条或多条当前交通流信息。
在一些实施例中，所述历史车辆满足缓存条件；其中，所述缓存条件用于筛选与本车同向行驶的车辆且该车辆不属于其他分组。
在一些实施例中，所述缓存条件包括：
车辆位于本车前方且与本车的相对距离大于预设的相对距离阈值；
车辆相对于本车的速度的方向与本车的行驶方向之间的夹角小于预设的夹角阈值；
车辆相对于本车的侧向距离处于预设的侧向距离范围内。
在一些实施例中，所述缓存条件还包括：车辆的生命周期大于预设的生命周期阈值。
在一些实施例中，所述确定每个所述目标车辆的拟合权重包括：
针对每个所述目标车辆：
基于该目标车辆的状态信息和该目标车辆的分组信息，确定该目标车辆的侧向速度偏离权重、该目标车辆的侧向位移偏离权重、该目标车辆的生命周期权重和该目标车辆的速度权重；
将该目标车辆的侧向速度偏离权重、该目标车辆的侧向位移偏离权重、该目标车辆的生命周期权重和该目标车辆的速度权重进行相乘，得到该目标车辆的拟合权重。
在一些实施例中，所述确定每个所述虚拟车辆的拟合权重包括：
针对每个所述虚拟车辆：
基于该虚拟车辆的状态信息和该虚拟车辆的分组信息，确定该虚拟车辆的侧向速度偏离权重、该虚拟车辆的侧向位移偏离权重、该虚拟车辆的生命周期权重、该虚拟车辆的速度权重和该虚拟车辆的权重；
将该虚拟车辆的侧向速度偏离权重、该虚拟车辆的侧向位移偏离权重、该虚拟车辆的生命周期权重、该虚拟车辆的速度权重和该虚拟车辆的权重进行相乘，得到该虚拟车辆的拟合权重。
在一些实施例中，每个分组对应一条交通流；所述拟合生成一条或多条当前交通流信息包括：
针对一个分组：
基于该分组中目标车辆的数量以及该分组中所有目标车辆的纵向分布距离，选择拟合方式；
基于选择的拟合方式，利用所述本车的运动信息、该分组中每个目标车辆的状态信息和该分组中每个目标车辆的拟合权重，拟合生成该分组对应的当前交通流信息。
在一些实施例中，所述基于该分组中目标车辆的数量以及该分组中所有目标车辆的纵向分布距离，选择拟合方式包括：
判断该分组中目标车辆的数量是否满足第一数量条件，且纵向分布距离是否大于预设的第一距离阈值；
若满足第一数量条件，且大于预设的第一距离阈值，则选择一阶拟合和二阶拟合；否则，判断该分组中目标车辆的数量是否满足第二数量条件，且纵向分布距离是否大于预设的第二距离阈值；
若满足第二数量条件，且大于预设的第二距离阈值，则选择一阶拟合；否则，不进行拟合。
在一些实施例中，若选择一阶拟合和二阶拟合，则所述拟合生成该分组对应的当前交通流信息包括：
拟合生成该分组对应的一阶拟合结果，并确定所述一阶拟合结果的第一均方差；
拟合生成该分组对应的二阶拟合结果，并确定所述二阶拟合结果的第二均方差；
比较所述第一均方差和所述第二均方差，若所述第一均方差大于所述第二均方差的预设倍数，则选择所述二阶拟合结果为该分组对应的当前交通流信息；否则，选择所述一阶拟合结果为该分组对应的当前交通流信息。
在一些实施例中，所述利用所述本车的运动信息、该分组中每个目标车辆的状态信息和该分组中每个目标车辆的拟合权重，拟合生成该分组对应的当前交通流信息包括：
基于该分组中每个目标车辆的状态信息和该分组中每个目标车辆的拟合权重，拟合生成该分组对应的初始交通流信息；
基于历史交通流信息和所述本车的运动信息，对所述初始交通流信息进行约束，得到该分组对应的当前交通流信息。
在一些实施例中，所述约束包括：位置约束、航向约束和/或曲率约束。
在一些实施例中，所述位置约束包括：基于所述历史交通流信息对应的置信度约束所述初始交通流信息对应的拟合参数中的常数项的变化量；
所述常数项的变化量与所述历史交通流信息对应的置信度之间为反相关；所述常数项的变化量与所述初始交通流信息对应的拟合数量之间为正相关。
在一些实施例中，所述航向约束包括：基于所述历史交通流信息对应的置信度和/或所述本车的运动信息，约束所述初始交通流信息对应的拟合参数中的一次项的变化量；
其中，所述一次项的变化量与所述历史交通流信息对应的置信度之间为反相关，所述一次项的变化量与所述本车的转向幅度之间为正相关，和/或，所述一次项的变化量与所述初始交通流信息对应的拟合数量之间为正相关。
在一些实施例中，所述曲率约束包括：基于所述历史交通流信息对应的置信度和/或所述本车的运动信息，约束所述初始交通流信息对应的拟合参数中的二次项的变化量；
其中，所述二次项的变化量与所述历史交通流信息对应的置信度之间为反相关，所述二次项的变化量与所述本车的速度之间为反相关，和/或，所述二次项的变化量与所述本车的方向盘转速之间为正相关。
在一些实施例中，所述方法还包括：
基于所述当前交通流信息，确定置信度增量；
基于历史交通流信息的置信度和所述置信度增量，确定所述当前交通流信息对应的置信度；
其中，所述置信度增量与所述当前交通流信息对应的拟合结果均方差之间为反相关，所述置信度增量与所述当前交通流信息对应的拟合数量之间为正相关，和/或，所述置信度增量与所述当前交通流信息对应的目标车辆的纵向分布距离之间为正相关。
在一些实施例中，所述基于所述当前交通流信息，确定置信度增量包括：
若两条当前交通流信息存在交叉，则比较两条交通流对应的拟合数量和纵向分布距离；确定拟合数量较少或纵向分布距离较短的当前交通流信息对应的置信度增量为负。
在一些实施例中，所述方法还包括：基于所述当前交通流信息和所述当前交通流信息对应的置信度，确定本车行驶参考路径；
所述确定本车行驶参考路径包括：
若本车两侧的当前交通流信息对应的置信度均高于预设置信度门限，则确定本车行驶参考路径的参数为本车两侧的当前交通流信息对应的拟合参数的加权平均值；其中，本车两侧的当前交通流信息对应的拟合参数的权重与拟合参数的变化率之间为反相关；
若本车仅一侧的当前交通流信息对应的置信度高于预设置信度门限，则确定本车行驶参考路径的参数中一次项和二次项与该侧当前交通流信息对应的拟合参数中一次项和二次项相同，本车行驶参考路径的参数中常数项为零；
若本车两侧的当前交通流信息对应的置信度均低于预设置信度门限，则确定本车行驶参考路径的参数均为零。
在一些实施例中，所述方法还包括：基于所述当前交通流信息和所述当前交通流信息对应的置信度，确定辅助定位标志；
所述确定辅助定位标志包括：
若本车两侧的当前交通流信息对应的置信度均高于预设置信度门限，则确定辅助定位标志为第一标志；
若本车左侧的当前交通流信息对应的置信度高于预设置信度门限，则确定辅助定位标志为第二标志；
若本车右侧的当前交通流信息对应的置信度高于预设置信度门限，则确定辅助定位标志为第三标志。
第二方面，本公开实施例提供的交通流信息的确定装置包括：
分组模块，用于基于本车的运动信息和一个或多个目标车辆的状态信息，对每个所述目标车辆进行分组，得到分组信息；
确定模块，用于基于每个所述目标车辆的状态信息和所述分组信息，确定每个所述目标车辆的拟合权重；
拟合模块，用于基于所述本车的运动信息、每个所述目标车辆的状态信息、每个所述目标车辆的拟合权重和所述分组信息，拟合生成一条或多条当前交通流信息。
第三方面，本公开实施例提供的电子设备包括：处理器和存储器；所述处理器通过调用所述存储器存储的程序或指令，用于执行如第一方面任一实施例所述交通流信息的确定方法的步骤。
第四方面，本公开实施例提供的非暂态计算机可读存储介质，用于存储程序或指令，所述程序或指令使计算机执行如第一方面任一实施例所述交通流信息的确定方法的步骤。
可见，本公开的至少一个实施例中，通过对多个目标车辆进行分组，并确定每个目标车辆的拟合权重，进而可基于分组信息、拟合权重、本车的运动信息和目标车辆的状态信息，拟合生成当前交通流信息，实现对交通流的感知。
附图说明
为了更清楚地说明本公开实施例的技术方案，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，还可以根据这些附图获得其他的附图。
图1是本公开实施例提供的一种确定交通流信息的示例性场景图；
图2是本公开实施例提供的一种智能驾驶车辆的示例性架构图；
图3是本公开实施例提供的一种电子设备的示例性框图；
图4是本公开实施例提供的一种交通流信息的确定方法的示例性流程图；
图5是本公开实施例提供的一种交通流信息的确定装置的示例性框图。
具体实施方式
为了能够更清楚地理解本公开的上述目的、特征和优点，下面结合附图和实施例对本公开作进一步的详细说明。可以理解的是，所描述的实施例是本公开的一部分实施例，而不是全部的实施例。此处所描述的具体实施例仅仅用于解释本公开，而非对本公开的限定。基于所描述的本公开的实施例，本领域普通技术人员所获得的所有其他实施例，都属于本公开保护的范围。
需要说明的是，在本文中，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。
随着智能驾驶技术的发展，远距离的路径规划将成为L3等更高级别自动驾驶系统的必备能力，这种规划能力需要对本车所在车道进行精确定位。以目前的低成本卫星定位系统还无法准确定位本车所在车道，智能驾驶系统或摄像头对车道线类型的识别亦不能保证对当前车道的准确判断，况且目前还存在多种因素导致车道线无法精确识别，例如背景技术中提及的因素，在此不再赘述。
因此，本公开实施例提供一种新的感知手段，能够感知交通流信息，交通流可以理解为同一车道多个车辆同向运动所形成的车流，交通流信息可以理解为交通流的轨迹的信息。由于车道线可以看作是一条线，而轨迹也可以看作是一条线，因此，交通流信息可以替代车道线，用于车辆横向定位(也即车辆所在车道的定位)、车辆横向控制和目标行驶路径生成。
本公开实施例提供了一种交通流信息的确定方法、装置、电子设备或存储介质，通过对多个目标车辆进行分组，并确定每个目标车辆的拟合权重，进而可基于分组信息、拟合权重、本车的运动信息和目标车辆的状态信息，拟合生成当前交通流信息，实现对交通流的感知。本公开实施例可以应用于智能驾驶车辆，还可以应用于电子设备。所述智能驾驶车辆为搭载不同等级智能驾驶系统的车辆，智能驾驶系统例如包括：无人驾驶系统、辅助驾驶系统、驾驶辅助系统、高度自动驾驶系统、完全自动驾驶车辆等等。所述电子设备安装有智能驾驶系统，例如电子设备可用于测试智能驾驶算法，又例如电子设备可以为车载设备，在一些实施例中，电子设备还可以应用到其他领域。以下为了能够更清楚无误的阐述，本公开实施例以智能驾驶车辆为例对所述交通流信息的确定方法、装置、电子设备或存储介质进行说明。
图1是本公开实施例提供的一种确定交通流信息的示例性场景图，图1中，本车101正在直行，本车轨迹的左右边界为104所示，在本车左侧有3辆车，例如图1中103所示，右侧有2辆车，期望通过本公开实施例提供的交通流信息的确定方法，确定出本车左侧交通流信息，例如图1中左侧交通流对应的轨迹102，以及确定出本车右侧交通流信息。
图2为本公开实施例提供的一种智能驾驶车辆的示例性整体架构图。图2所示的智能驾驶车辆可以实现为图1中的车辆101。如图2所示，智能驾驶车辆包括：传感器组、智能驾驶系统、车辆底层执行系统以及其他可用于驱动车辆和控制车辆运行的部件，例如制动踏板、方向盘和油门踏板。
传感器组，用于采集车辆外界环境的数据和探测车辆的位置数据。传感器组例如包括但不限于摄像头、激光雷达、毫米波雷达、超声波雷达、GPS(Global PositioningSystem，全球定位系统)和IMU(Inertial Measurement Unit，惯性测量单元)中的至少一个。
在一些实施例中，传感器组，还用于采集车辆的动力学数据，传感器组例如还包括但不限于车轮转速传感器、速度传感器、加速度传感器、方向盘转角传感器、前轮转角传感器中的至少一个。
智能驾驶系统，用于获取传感器组的传感数据，其中，所述传感数据包括但不限于图像、视频、激光点云、毫米波、GPS信息、车辆状态等。在一些实施例中，智能驾驶系统基于所述传感数据进行环境感知和车辆定位，生成感知信息和车辆位姿；基于所述感知信息和车辆位姿进行规划和决策，生成规划和决策信息；基于规划和决策信息生成车辆控制指令，并下发给车辆底层执行系统。其中，控制指令可包括但不限于：方向盘转向、横向控制指令、纵向控制指令等。
在一些实施例中，智能驾驶系统获取传感器数据、V2X(Vehicle to X，车用无线通信)数据、高精度地图等数据并基于以上至少一种数据进行环境感知与定位，生成感知信息和定位信息。其中，感知信息可包括但不限于以下至少一个：障碍物信息、道路标志/标记、行人/车辆信息、可行驶区域。定位信息包括车辆位姿。
在一些实施例中，智能驾驶系统基于感知信息和车辆位姿，以及V2X数据、高精度地图等数据中的至少一种，生成规划和决策信息。其中，规划信息可包括但不限于规划路径等；决策信息可包括但不限于以下至少一种：行为(例如包括但不限于跟车、超车、停车、绕行等)、车辆航向、车辆速度、车辆的期望加速度、期望的方向盘转角等。
在一些实施例中，本公开实施例所提供的交通流信息的确定方法可应用于所述智能驾驶系统中。
在一些实施例中，智能驾驶系统可以为软件系统、硬件系统或者软硬件结合的系统。例如，智能驾驶系统是运行在操作系统上的软件系统，车载硬件系统是支持操作系统运行的硬件系统。
在一些实施例中，智能驾驶系统可以与云端服务器进行交互。在一些实施例中，智能驾驶系统与云端服务器通过无线通讯网络(例如包括但不限于GPRS网络、Zigbee网络、Wifi网络、3G网络、4G网络、5G网络等无线通讯网络)进行交互。
在一些实施例中，云端服务器用于与车辆进行交互。其中，所述云端服务器可以向车辆发送环境信息、定位信息、控制信息及车辆智能驾驶过程中需要的其他信息。在一些实施例中，所述云端服务器可以接收来自车端的传感数据、车辆状态信息、车辆行驶信息以及车辆请求的相关信息。在一些实施例中，云端服务器可以基于用户设置或车辆请求对所述车辆进行远程控制。在一些实施例中，云端服务器可以是一个服务器，也可以是一个服务器群组。服务器群组可以是集中式的，也可以是分布式的。在一些实施例中，云端服务器可以是本地的或远程的。
车辆底层执行系统，用于接收车辆控制指令，并基于所述车辆控制指令控制车辆行驶。在一些实施例中，车辆底层执行系统包括但不限于：转向系统、制动系统和驱动系统。在一些实施例中，所述车辆底层执行系统还可包括底层控制器，用于可以解析车辆控制指令，并将其分别下发至转向系统、制动系统和驱动系统等对应系统。
在一些实施例中，智能驾驶车辆还可包括图2中未示出的车辆CAN总线，车辆CAN总线连接车辆底层执行系统。智能驾驶系统与车辆底层执行系统之间的信息交互通过车辆CAN总线进行传递。
图3是本公开实施例提供的一种电子设备的结构示意图。在一些实施例中，电子设备可以为车载设备。在一些实施例中，电子设备可支持智能驾驶系统的运行。
如图3所示，电子设备包括：至少一个处理器301、至少一个存储器302和至少一个通信接口303。车载设备中的各个组件通过总线系统304耦合在一起。通信接口303，用于与外部设备之间的信息传输。可理解地，总线系统304用于实现这些组件之间的连接通信。总线系统304除包括数据总线之外，还包括电源总线、控制总线和状态信号总线。但为了清楚说明起见，在图3中将各种总线都标为总线系统304。
可以理解，本实施例中的存储器302可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。
在一些实施方式中，存储器302存储了如下的元素，可执行单元或者数据结构，或者他们的子集，或者他们的扩展集：操作系统和应用程序。
其中，操作系统，包含各种系统程序，例如框架层、核心库层、驱动层等，用于实现各种基础任务以及处理基于硬件的任务。应用程序，包含各种应用程序，例如媒体播放器(Media Player)、浏览器(Browser)等，用于实现各种应用任务。实现本公开实施例提供的交通流信息的确定方法的程序可以包含在应用程序中。
在本公开实施例中，处理器301通过调用存储器302存储的程序或指令，具体的，可以是应用程序中存储的程序或指令，处理器301用于执行本公开实施例提供的交通流信息的确定方法各实施例的步骤。
本公开实施例提供的交通流信息的确定方法可以应用于处理器301中，或者由处理器301实现。处理器301可以是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器301中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器301可以是通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
本公开实施例提供的交通流信息的确定方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件单元组合执行完成。软件单元可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器302，处理器301读取存储器302中的信息，结合其硬件完成方法的步骤。
图4为本公开实施例提供的一种交通流信息的确定方法的示例性流程图。该方法的执行主体为电子设备，在一些实施例中，该方法的执行主体还可以为电子设备所支持的智能驾驶系统。为便于描述，以下实施例中以智能驾驶系统为执行主体说明交通流信息的确定方法的流程。
如图4所示，在步骤401中，智能驾驶系统基于本车的运动信息和一个或多个目标车辆的状态信息，对每个目标车辆进行分组，得到分组信息。
在一些实施例中，本车的运动信息为本车在行驶过程中的与行驶相关的动力学信息。例如，本车的运动信息可以包括但不限于车轮转速、车速、加速度、方向盘转角、前轮转角、横摆角速度。在一些实施例中，本车的运动信息可以通过图1所示的传感器组来采集，智能驾驶系统可从传感器组获取本车的运动信息。
在一些实施例中，智能驾驶系统获取传感器数据、V2X数据、高精度地图等数据并基于以上至少一种数据进行环境感知，可得到一个或多个目标车辆的状态信息。
在一些实施例中，目标车辆的状态信息为目标车辆与本车之间的相对位置和相对运动等信息的总称。例如，目标车辆的状态信息可以包括但不限于目标车辆相对于本车的侧向位移、纵向位移、侧向速度和纵向速度等中的至少一个，其中，侧向可以理解为横向，也即垂直于车道线方向。在一些实施例中，目标车辆的状态信息还可以包括但不限于标识(ID)、感知类型、生命周期和目标置信度等中的一个或多个。其中，生命周期可以理解为目标车辆首次被感知的时刻至当前时刻之间的时长，也即，目标车辆出现在本车“视野”内的时长。目标置信度用于表示目标车辆的可信程度，由智能驾驶系统的感知算法自动生成。
在一些实施例中，在对每个目标车辆进行分组时，智能驾驶系统所采用的分组规则为将目标车辆的分组按照其所在车道分为五组：本车所在车道的左侧第一车道分组、本车所在车道的左侧第二车道分组、本车所在车道的右侧第一车道分组、本车所在车道的右侧第二车道分组和其他分组。其中，其他分组为前述四个分组以外的任意情形。例如，其他分组可以为本车所在车道、本车所在车道的左侧第三车道和本车所在车道的右侧第三车道中的一个或多个。
在一些实施例中，在对每个目标车辆进行分组后，智能驾驶系统可对每个目标车辆进行分组标记，分组标记用于表征目标车辆所属的分组，例如，分组标记可以为分组标志位，该分组标志位的不同取值表示不同分组。本实施例中，分组信息至少包括分组标记。在一些实施例中，分组信息还可以包括但不限于目标车辆的ID、感知类型、生命周期和目标置信度等中的一个或多个。
在一些实施例中，在对每个目标车辆进行分组时，智能驾驶系统基于本车的运动信息，确定本车的行驶轨迹；进而基于本车的行驶轨迹和每个目标车辆的状态信息，可确定每个目标车辆所在的相对车道(相对车道是相对于本车所在车道而言)；从而可按照前述分组规则，基于每个目标车辆所在的相对车道，对每个目标车辆进行分组，得到分组信息。
在一些实施例中，在确定本车的行驶轨迹时，智能驾驶系统基于本车的车速、方向盘转角和横摆角速度的信号经过滤波后计算本车的转弯半径，进而基于转弯半径确定本车当前的行驶轨迹。需要说明的是，由转弯半径确定行驶轨迹属于智能驾驶领域的成熟技术，在此不再赘述具体的确定过程。
在一些实施例中，考虑到目标车辆可能为无效车辆，例如目标车辆与本车反向而行，不应参与后续拟合交通流信息，因此，为了避免无效车辆参与后续拟合交通流信息，导致拟合准确性降低，本实施例中，在进行分组之前，智能驾驶系统首先筛选有效目标车辆，过滤无效目标车辆；然后基于本车的行驶轨迹和每个有效目标车辆的状态信息，对每个有效目标车辆进行分组，得到分组信息。
在一些实施例中，在筛选有效目标车辆时，智能驾驶系统基于本车的运动信息和每个目标车辆的状态信息，筛选一个或多个有效目标车辆。例如，智能驾驶系统采用去除无效目标车辆的方式进行筛选，无效目标车辆包括：纵向速度为负(本车的速度为正)的目标车辆或纵向距离大于预设的纵向距离阈值的目标车辆。也即，有效目标车辆的纵向速度为正(或为零)且纵向距离小于或等于预设的纵向距离阈值。
在一些实施例中，考虑到对目标车辆分组时，本车可能正在变道、转向等非直行运动，可能造成分组错误，例如，目标车辆在本车左侧第一车道保持直行，应当将目标车辆划分到本车所在车道的左侧第一车道分组，然而，本车向右快速转向时，可能将该目标车辆划分到本车所在车道的左侧第二车道分组，造成分组错误。因此，需要对分组信息进行修正，避免本车快速转向造成分组错误。
在一些实施例中，在对分组信息进行修正时，智能驾驶系统基于历史交通流信息修正分组信息。历史交通流信息是上一个确定周期拟合生成的，其中，确定周期是智能驾驶系统预先设置的确定交通流信息的周期，在实际应用中，可基于应用场景对拟合结果刷新率的要求，设置确定周期，在几十毫秒至几秒之间取值，例如设置确定周期为5秒。每个分组对应一条交通流，也即，一条历史交通流信息与一个分组对应。其中，历史交通流信息包括拟合参数的值，该拟合参数包括二次项、一次项和常数项。若二次项存在，则历史交通流信息对应一条曲线，若二次项为零，一次项不为零，则历史交通流信息对应一条直线。在一些实施例中，历史交通流信息还包括置信度，该置信度用于表示交通流的可信程度。若没有历史交通流信息，例如，本车由车库驶出并进入低速车道时，智能驾驶系统中还没有存储历史交通流信息，那么，历史交通流信息的置信度为零，不修正分组信息。
在一些实施例中，在基于历史交通流信息修正分组信息时，智能驾驶系统判断该历史交通流信息周围预设范围内是否存在目标车辆，若存在，则将该目标车辆的分组修正为该历史交通流信息对应的分组。其中，预设范围可根据实际需要进行设置，本实施例不限定预设范围的具体取值。例如，某个目标车辆的分组为左侧第二车道分组，且该目标车辆位于历史交通流信息周围预设范围内，而该历史交通流信息对应左侧第一车道分组，因此，将该目标车辆的分组由左侧第二车道分组修正为左侧第一车道分组。
在一些实施例中，在基于历史交通流信息修正分组信息后，智能驾驶系统将修正后的各分组中满足缓存条件的车辆进行缓存，对于下一个确定周期，缓存的车辆即为历史车辆。在一些实施例中，可以设置缓存时长，缓存时长可基于实际需要进行设置，本实施例不限定缓存时长的具体取值。
其中，缓存条件用于筛选与本车同向行驶的车辆且该车辆不属于其他分组。需要说明的是，针对每个确定周期，智能驾驶系统会将该确定周期中修正后的各分组中满足缓存条件的车辆进行缓存，也即缓存的时机是在该确定周期内。
在步骤402中，智能驾驶系统基于每个目标车辆的状态信息和分组信息，确定每个目标车辆的拟合权重。
在一些实施例中，在确定每个目标车辆的拟合权重时，智能驾驶系统针对每个目标车辆：基于该目标车辆的状态信息和该目标车辆的分组信息，确定该目标车辆的侧向速度偏离权重、该目标车辆的侧向位移偏离权重、该目标车辆的生命周期权重和该目标车辆的速度权重；进而将该目标车辆的侧向速度偏离权重、该目标车辆的侧向位移偏离权重、该目标车辆的生命周期权重和该目标车辆的速度权重进行相乘，得到该目标车辆的拟合权重。
其中，该目标车辆的侧向速度偏离权重的计算方式为：计算该目标车辆所属分组中所有目标车辆的平均侧向速度；基于该目标车辆的侧向速度和所述平均侧向速度，计算该目标车辆的侧向速度偏离权重。本实施例中，若该目标车辆的侧向速度偏离平均侧向速度越大，则侧向速度偏离权重越低。
该目标车辆的侧向位移偏离权重的计算方式为：计算该目标车辆所属分组中所有目标车辆的平均侧向位移；基于该目标车辆的侧向位移和所述平均侧向位移，计算该目标车辆的侧向位移偏离权重。本实施例中，若该目标车辆的侧向位移偏离平均侧向位移越远，则侧向位移偏离权重越低。
该目标车辆的生命周期权重的计算方式为：基于该目标车辆的生命周期和/或目标置信度，计算该目标车辆的生命周期权重。本实施例中，该目标车辆的生命周期越长，生命周期权重越高。该目标车辆的目标置信度越高，生命周期权重越高。
该目标车辆的速度权重的计算方式为：若不存在历史交通流信息与该目标车辆的分组相对应，则该目标车辆的速度权重为1。
在一些实施例中，可结合历史交通流信息来确定目标车辆的侧向位移偏离权重。具体地，基于该目标车辆的侧向位移和该目标车辆的分组所对应的历史交通流信息，计算该目标车辆的侧向位移偏离权重。本实施例中，若该目标车辆的侧向位移偏离历史交通流越远，则侧向位移偏离权重越低。
在一些实施例中，可结合历史交通流信息来确定目标车辆的速度权重。具体地，基于该目标车辆的侧向速度和纵向速度，合成该目标车辆的行驶速度，进而确定该目标车辆的行驶方向；从而基于该目标车辆的行驶方向和该目标车辆的分组所对应的历史交通流信息，计算该目标车辆的速度权重。本实施例中，若该目标车辆的行驶方向与历史交通流的切线方向之间的夹角越大，该目标车辆的速度权重越低。
在一些实施例中，在对每个有效目标车辆进行分组，得到分组信息，且利用历史交通流信息修正分组信息后，智能驾驶系统基于历史交通流信息、每个有效目标车辆的状态信息和修正后的分组信息，确定每个有效目标车辆的拟合权重。
在步骤403中，智能驾驶系统基于本车的运动信息、每个目标车辆的状态信息、每个目标车辆的拟合权重和分组信息，拟合生成一个或多个当前交通流信息。
在一些实施例中，每个分组对应一条交通流，针对一个分组，智能驾驶系统拟合生成该分组对应的当前交通流信息，具体地，基于该分组中目标车辆的数量以及该分组中所有目标车辆的纵向分布距离，选择拟合方式；进而基于选择的拟合方式，利用本车的运动信息、该分组中每个目标车辆的状态信息和该分组中每个目标车辆的拟合权重，拟合生成该分组对应的当前交通流信息。左侧第一车道分组拟合得到的交通流称为本车左侧交通流；右侧第一车道分组拟合得到的交通流称为本车右侧交通流。
在一些实施例中，在选择拟合方式时，智能驾驶系统判断该分组中目标车辆的数量是否满足第一数量条件，且纵向分布距离是否大于预设的第一距离阈值；其中，第一数量条件例如为3，第一距离阈值例如为50米，避免过拟合(例如，交通流实际为直线，但是采用曲线方式进行拟合)，第一数量条件和第一距离阈值的具体取值可根据实际需要进行设置。
若满足第一数量条件，且大于预设的第一距离阈值，则选择一阶拟合和二阶拟合；否则，判断该分组中目标车辆的数量是否满足第二数量条件，且纵向分布距离是否大于预设的第二距离阈值；其中，其中，第二数量条件例如为大于等于2且小于4，第二距离阈值例如为30米，第一数量条件和第一距离阈值的具体取值可根据实际需要进行设置。
若满足第二数量条件，且大于预设的第二距离阈值，则选择一阶拟合；否则，不进行拟合，延续上一交通流信息确定周期的数据。
在一些实施例中，若选择一阶拟合和二阶拟合，则智能驾驶系统拟合生成该分组对应的当前交通流信息时，拟合生成该分组对应的一阶拟合结果，并确定一阶拟合结果的第一均方差；拟合生成该分组对应的二阶拟合结果，并确定二阶拟合结果的第二均方差；进而比较第一均方差和第二均方差，若第一均方差大于第二均方差的预设倍数(例如1.5倍，还可以根据实际情况设置预设倍数)，则选择二阶拟合结果为该分组对应的当前交通流信息；否则，选择一阶拟合结果为该分组对应的当前交通流信息。
在一些实施例中，利用本车的运动信息、该分组中每个目标车辆的状态信息和该分组中每个目标车辆的拟合权重，拟合生成该分组对应的当前交通流信息时，智能驾驶系统基于该分组中每个目标车辆的状态信息和该分组中每个目标车辆的拟合权重，拟合生成该分组对应的初始交通流信息；进而基于历史交通流信息和本车的运动信息，对初始交通流信息进行约束，得到该分组对应的当前交通流信息。
在一些实施例中，对初始交通流信息进行约束包括：位置约束、航向约束和/或曲率约束。
在一些实施例中，位置约束包括：基于历史交通流信息对应的置信度约束初始交通流信息对应的拟合参数中的常数项的变化量；其中，常数项的变化量与历史交通流信息对应的置信度之间为反相关；常数项的变化量与初始交通流信息对应的拟合数量之间为正相关。其中，拟合数量可以理解为参与拟合的目标车辆的数量。
在一些实施例中，航向约束包括：基于历史交通流信息对应的置信度和/或本车的运动信息，约束初始交通流信息对应的拟合参数中的一次项的变化量；其中，一次项的变化量与历史交通流信息对应的置信度之间为反相关，一次项的变化量与本车的转向幅度之间为正相关，和/或，一次项的变化量与初始交通流信息对应的拟合数量之间为正相关。
在一些实施例中，曲率约束包括：基于历史交通流信息对应的置信度和/或本车的运动信息，约束初始交通流信息对应的拟合参数中的二次项的变化量；其中，二次项的变化量与历史交通流信息对应的置信度之间为反相关，二次项的变化量与本车的速度之间为反相关，和/或，二次项的变化量与本车的方向盘转速之间为正相关。
在一些实施例中，每个分组对应一条交通流，针对一个分组，在拟合生成该分组对应的当前交通流信息之前，例如在对每个目标车辆进行分组，得到分组信息后，智能驾驶系统要确保该分组中目标车辆数量满足预设的拟合数量，否则无法进行拟合。因此，智能驾驶系统判断目标车辆数量是否满足预设的拟合数量；若满足，则判断本车的行驶状态是否为直行；若为直行，则获取缓存的历史车辆，且获取的历史车辆可以是一个或多个，且获取的历史车辆属于该分组。
在一些实施例中，历史车辆满足缓存条件；所述缓存条件用于筛选与本车同向行驶的车辆且该车辆不属于其他分组。
在一些实施例中，缓存条件包括以下(1)至(3)：
(1)车辆位于本车前方且与本车的相对距离大于预设的相对距离阈值；其中，预设的相对距离阈值例如为20米，本实施例不限定相对距离阈值的具体取值，本领域技术人员可根据实际需要进行设置。可以理解，判断一个车辆是否满足缓存条件时，是基于判断时刻该车辆与本车之间的相对关系，包括相对距离、行驶方向、侧向距离等。
(2)车辆相对于本车的速度的方向与本车的行驶方向之间的夹角小于预设的夹角阈值。其中，该车辆相对于本车的速度的方向可以理解为该车辆的行驶方向。该车辆的行驶方向可基于该车辆在判断时刻的侧向速度和纵向速度，合成该车辆的速度(也即行驶速度)，进而确定该车辆的行驶方向。
(3)车辆相对于本车的侧向距离处于预设的侧向距离范围内。其中，预设的侧向距离范围例如为2米至3米，本实施例不限定侧向距离范围的具体取值，本领域技术人员可根据实际需要进行设置。
在一些实施例中，缓存条件还可包括以下(4)：
(4)车辆的生命周期大于预设的生命周期阈值。其中，预设的生命周期阈值例如为3秒，本实施例不限定生命周期阈值的具体取值，本领域技术人员可根据实际需要进行设置。
在一些实施例中，在获取缓存的历史车辆后，智能驾驶系统更新每个历史车辆的坐标，得到每个历史车辆对应的虚拟车辆及每个虚拟车辆的状态信息。更新坐标的方式例如为：计算该历史车辆的缓存时刻与当前时刻的时差，利用历史车辆的状态信息和计算的时差，更新坐标，具体地，利用历史车辆的状态信息中的侧向速度和纵向速度，合成历史车辆的行驶速度，基于该行驶速度和计算的时差，更新坐标。其中，历史车辆的状态信息是该历史车辆在其缓存时所对应的状态信息。
在一些实施例中，虚拟车辆的状态信息包括但不限于虚拟车辆相对于本车的侧向位移、纵向位移、侧向速度和纵向速度等中的至少一个。其中，侧向位移、纵向位移基于前述坐标更新来确定，侧向速度和纵向速度与对应的历史车辆的侧向速度和纵向速度相同。在一些实施例中，虚拟车辆的状态信息还可以包括但不限于标识(ID)、感知类型、生命周期和目标置信度等中的一个或多个，这些信息与该虚拟车辆对应的历史车辆相同，例如，虚拟车辆的感知类型为对应的历史车辆的感知类型。虚拟车辆的分组信息与对应的历史车辆的分组信息相同。
在一些实施例中，若本车的行驶状态不为直行，则不筛选历史车辆，因为无法确定历史车辆与本车的相对关系，也无法将历史车辆的坐标更新得到虚拟车辆，即使将历史车辆的坐标更新得到虚拟车辆，但由于历史车辆与本车的相对关系不确定，因此，虚拟车辆与本车的相对关系也不确定，因而无法确定虚拟车辆的状态信息。
在一些实施例中，在确定虚拟车辆及虚拟车辆的状态信息后，智能驾驶系统可基于历史交通流信息、本车的运动信息、每个虚拟车辆的状态信息和每个虚拟车辆的分组信息，确定每个虚拟车辆的拟合权重。
在一些实施例中，在确定每个虚拟车辆的拟合权重时，智能驾驶系统针对每个虚拟车辆：基于该虚拟车辆的状态信息和该虚拟车辆的分组信息，确定该虚拟车辆的侧向速度偏离权重、该虚拟车辆的侧向位移偏离权重、该虚拟车辆的生命周期权重、该虚拟车辆的速度权重和该虚拟车辆的权重；进而将该虚拟车辆的侧向速度偏离权重、该虚拟车辆的侧向位移偏离权重、该虚拟车辆的生命周期权重、该虚拟车辆的速度权重和该虚拟车辆的权重进行相乘，得到该虚拟车辆的拟合权重。
其中，该虚拟车辆的侧向速度偏离权重、该虚拟车辆的侧向位移偏离权重、该虚拟车辆的生命周期权重和该虚拟车辆的速度权重的计算方式分别与前述目标车辆的侧向速度偏离权重、目标车辆的侧向位移偏离权重、目标车辆的生命周期权重和目标车辆的速度权重的计算方式相同，不再赘述。而虚拟车辆的权重基于该虚拟车辆的缓存时长进行计算。该虚拟车辆的缓存时长越长，虚拟车辆的权重越低。
在一些实施例中，在确定虚拟车辆及虚拟车辆的状态信息后，智能驾驶系统基于每个目标车辆的状态信息、每个目标车辆的拟合权重、每个虚拟车辆的状态信息和每个虚拟车辆的拟合权重，拟合生成一条或多条当前交通流信息。拟合生成的过程类似于前述仅基于目标车辆进行拟合的过程，在此不再赘述。
在一些实施例中，在拟合生成当前交通流信息后，智能驾驶系统可基于当前交通流信息，确定置信度增量；进而基于历史交通流信息的置信度和置信度增量，确定当前交通流信息对应的置信度。例如，将基于历史交通流信息的置信度与置信度增量相加，得到当前交通流信息对应的置信度。需要说明的是，当前交通流信息与历史交通流信息均对应同一分组，才能采用本实施例的方式确定当前交通流信息对应的置信度。
在一些实施例中，置信度增量与当前交通流信息对应的拟合结果均方差之间为反相关，置信度增量与当前交通流信息对应的拟合数量之间为正相关，和/或，置信度增量与当前交通流信息对应的目标车辆(若存在虚拟车辆，则虚拟车辆也应考虑在内)的纵向分布距离之间为正相关。
在一些实施例中，在确定置信度增量时，智能驾驶系统判断是否存在两条当前交通流信息交叉，若存在，则比较两条交通流对应的拟合数量和纵向分布距离；确定拟合数量较少或纵向分布距离较短的当前交通流信息对应的置信度增量为负。例如，智能驾驶系统判断本车左侧交通流和本车右侧交通流是否存在交叉，若存在，则比较两条交通流对应的拟合数量和纵向分布距离；确定拟合数量较少或纵向分布距离较短的当前交通流信息对应的置信度增量为负。
在一些实施例中，若本次交通流信息确定周期未进行拟合，则确定置信度增量为负。这个负值会累计到对应的历史交通流信息的置信度。
在一些实施例中，智能驾驶系统可基于当前交通流信息和当前交通流信息对应的置信度，确定本车行驶参考路径。确定本车行驶参考路径包括：
若本车两侧的当前交通流信息对应的置信度均高于预设置信度门限，则确定本车行驶参考路径的参数为本车两侧的当前交通流信息对应的拟合参数的加权平均值；其中，本车两侧的当前交通流信息对应的拟合参数的权重与拟合参数的变化率之间为反相关；
若本车仅一侧的当前交通流信息对应的置信度高于预设置信度门限，则确定本车行驶参考路径的参数中一次项和二次项与该侧当前交通流信息对应的拟合参数中一次项和二次项相同，本车行驶参考路径的参数中常数项为零；
若本车两侧的当前交通流信息对应的置信度均低于预设置信度门限，则确定本车行驶参考路径的参数均为零。
在一些实施例中，智能驾驶系统可基于当前交通流信息和当前交通流信息对应的置信度，确定辅助定位标志。其中，辅助定位标志用于辅助确定本车所在车道。辅助定位标志独立于车道线信息，可在部分多车道场景，车道线不足以确定唯一车道时，辅助确定本车所在车道，为L3级自动驾驶系统的远距离路径规划提供了必要依据。
在一些实施例中，确定辅助定位标志包括：
若本车两侧的当前交通流信息对应的置信度均高于预设置信度门限，则确定辅助定位标志为第一标志。第一标志代表本车两侧均存在车道。辅助定位标志可以为标志位，第一标志对应的标志位取值例如为1，当智能驾驶系统确定辅助定位标志为1时，确定本车两侧均存在车道。
若本车左侧的当前交通流信息对应的置信度高于预设置信度门限，则确定辅助定位标志为第二标志。第二标志代表本车左侧存在车道。第二标志对应的标志位取值例如为2。
若本车右侧的当前交通流信息对应的置信度高于预设置信度门限，则确定辅助定位标志为第三标志。第三标志代表本车右侧存在车道。第三标志对应的标志位取值例如为3。
在一些实施例中，智能驾驶系统可基于当前交通流信息进行本车横向控制，摆脱了对车道线信息的依赖，有利于在拥堵环境下维持本车的横向控制。基于一条路径进行横向控制属于本领域成熟技术手段，在此不再赘述。
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员能够理解，本公开实施例并不受所描述的动作顺序的限制，因为依据本公开实施例，某些步骤可以采用其他顺序或者同时进行。另外，本领域技术人员能够理解，说明书中所描述的实施例均属于可选实施例。
本公开实施例还提出一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储程序或指令，所述程序或指令使计算机执行如交通流信息的确定方法各实施例的步骤，为避免重复描述，在此不再赘述。
图5是本公开实施例提供的一种交通流信息的确定装置的示例性框图。如图5所示，交通流信息的确定装置包括但不限于分组模块501、确定模块502和拟合模块503。
在图5中，分组模块501，用于基于本车的运动信息和一个或多个目标车辆的状态信息，对每个所述目标车辆进行分组，得到分组信息。
确定模块502，用于基于每个所述目标车辆的状态信息和所述分组信息，确定每个所述目标车辆的拟合权重。
拟合模块503，用于基于所述本车的运动信息、每个所述目标车辆的状态信息、每个所述目标车辆的拟合权重和所述分组信息，拟合生成一条或多条当前交通流信息。
在一些实施例中，分组模块501，用于基于所述本车的运动信息，确定本车的行驶轨迹；基于所述本车的运动信息和每个所述目标车辆的状态信息，筛选一个或多个有效目标车辆；基于所述本车的行驶轨迹和每个所述有效目标车辆的状态信息，对每个所述有效目标车辆进行分组，得到分组信息。
在一些实施例中，分组模块501，还用于在所述得到分组信息后，基于历史交通流信息修正所述分组信息；相应地，确定模块502，用于基于所述历史交通流信息、每个所述有效目标车辆的状态信息和修正后的分组信息，确定每个所述有效目标车辆的拟合权重。
在一些实施例中，分组模块501，针对每个所述有效目标车辆：基于该有效目标车辆的状态信息和所述本车的行驶轨迹，确定该有效目标车辆所在的相对车道；基于所述相对车道，确定该有效目标车辆的分组信息。
在一些实施例中，所述分组信息包括以下五组：本车所在车道的左侧第一车道分组、本车所在车道的左侧第二车道分组、本车所在车道的右侧第一车道分组、本车所在车道的右侧第二车道分组和其他分组。
在一些实施例中，拟合模块503，还用于在拟合生成一条或多条当前交通流信息之前，判断目标车辆数量是否满足预设的拟合数量；若满足，则判断本车的行驶状态是否为直行；若本车的行驶状态为直行，则获取缓存的历史车辆；更新每个所述历史车辆的坐标，得到每个历史车辆对应的虚拟车辆及每个所述虚拟车辆的状态信息；基于历史交通流信息、所述本车的运动信息、每个所述虚拟车辆的状态信息和每个所述虚拟车辆的分组信息，确定每个所述虚拟车辆的拟合权重；
相应地，拟合模块503，用于基于每个所述目标车辆的状态信息、每个所述目标车辆的拟合权重、每个所述虚拟车辆的状态信息和每个所述虚拟车辆的拟合权重，拟合生成一条或多条当前交通流信息。
在一些实施例中，所述历史车辆满足缓存条件；其中，所述缓存条件用于筛选与本车同向行驶的车辆且该车辆不属于其他分组。
在一些实施例中，所述缓存条件包括：车辆位于本车前方且与本车的相对距离大于预设的相对距离阈值；车辆相对于本车的速度的方向与本车的行驶方向之间的夹角小于预设的夹角阈值；车辆相对于本车的侧向距离处于预设的侧向距离范围内。
在一些实施例中，所述缓存条件还包括：车辆的生命周期大于预设的生命周期阈值。
在一些实施例中，确定模块502针对每个所述目标车辆：基于该目标车辆的状态信息和该目标车辆的分组信息，确定该目标车辆的侧向速度偏离权重、该目标车辆的侧向位移偏离权重、该目标车辆的生命周期权重和该目标车辆的速度权重；将该目标车辆的侧向速度偏离权重、该目标车辆的侧向位移偏离权重、该目标车辆的生命周期权重和该目标车辆的速度权重进行相乘，得到该目标车辆的拟合权重。
在一些实施例中，确定模块502针对每个所述虚拟车辆：基于该虚拟车辆的状态信息和该虚拟车辆的分组信息，确定该虚拟车辆的侧向速度偏离权重、该虚拟车辆的侧向位移偏离权重、该虚拟车辆的生命周期权重、该虚拟车辆的速度权重和该虚拟车辆的权重；将该虚拟车辆的侧向速度偏离权重、该虚拟车辆的侧向位移偏离权重、该虚拟车辆的生命周期权重、该虚拟车辆的速度权重和该虚拟车辆的权重进行相乘，得到该虚拟车辆的拟合权重。
在一些实施例中，每个分组对应一条交通流；拟合模块503针对一个分组：基于该分组中目标车辆的数量以及该分组中所有目标车辆的纵向分布距离，选择拟合方式；基于选择的拟合方式，利用所述本车的运动信息、该分组中每个目标车辆的状态信息和该分组中每个目标车辆的拟合权重，拟合生成该分组对应的当前交通流信息。
在一些实施例中，拟合模块503基于该分组中目标车辆的数量以及该分组中所有目标车辆的纵向分布距离，选择拟合方式包括：判断该分组中目标车辆的数量是否满足第一数量条件，且纵向分布距离是否大于预设的第一距离阈值；若满足第一数量条件，且大于预设的第一距离阈值，则选择一阶拟合和二阶拟合；否则，判断该分组中目标车辆的数量是否满足第二数量条件，且纵向分布距离是否大于预设的第二距离阈值；若满足第二数量条件，且大于预设的第二距离阈值，则选择一阶拟合；否则，不进行拟合。
在一些实施例中，若选择一阶拟合和二阶拟合，则拟合模块503拟合生成该分组对应的当前交通流信息包括：拟合生成该分组对应的一阶拟合结果，并确定所述一阶拟合结果的第一均方差；拟合生成该分组对应的二阶拟合结果，并确定所述二阶拟合结果的第二均方差；比较所述第一均方差和所述第二均方差，若所述第一均方差大于所述第二均方差的预设倍数，则选择所述二阶拟合结果为该分组对应的当前交通流信息；否则，选择所述一阶拟合结果为该分组对应的当前交通流信息。
在一些实施例中，拟合模块503利用所述本车的运动信息、该分组中每个目标车辆的状态信息和该分组中每个目标车辆的拟合权重，拟合生成该分组对应的当前交通流信息包括：基于该分组中每个目标车辆的状态信息和该分组中每个目标车辆的拟合权重，拟合生成该分组对应的初始交通流信息；基于历史交通流信息和所述本车的运动信息，对所述初始交通流信息进行约束，得到该分组对应的当前交通流信息。
在一些实施例中，所述约束包括：位置约束、航向约束和/或曲率约束。
在一些实施例中，所述位置约束包括：基于所述历史交通流信息对应的置信度约束所述初始交通流信息对应的拟合参数中的常数项的变化量；所述常数项的变化量与所述历史交通流信息对应的置信度之间为反相关；所述常数项的变化量与所述初始交通流信息对应的拟合数量之间为正相关。
在一些实施例中，所述航向约束包括：基于所述历史交通流信息对应的置信度和/或所述本车的运动信息，约束所述初始交通流信息对应的拟合参数中的一次项的变化量；其中，所述一次项的变化量与所述历史交通流信息对应的置信度之间为反相关，所述一次项的变化量与所述本车的转向幅度之间为正相关，和/或，所述一次项的变化量与所述初始交通流信息对应的拟合数量之间为正相关。
在一些实施例中，所述曲率约束包括：基于所述历史交通流信息对应的置信度和/或所述本车的运动信息，约束所述初始交通流信息对应的拟合参数中的二次项的变化量；其中，所述二次项的变化量与所述历史交通流信息对应的置信度之间为反相关，所述二次项的变化量与所述本车的速度之间为反相关，和/或，所述二次项的变化量与所述本车的方向盘转速之间为正相关。
在一些实施例中，所述交通流信息的确定装置还包括图5中未示出的置信度确定单元，用于：基于所述当前交通流信息，确定置信度增量；基于历史交通流信息的置信度和所述置信度增量，确定所述当前交通流信息对应的置信度；其中，所述置信度增量与所述当前交通流信息对应的拟合结果均方差之间为反相关，所述置信度增量与所述当前交通流信息对应的拟合数量之间为正相关，和/或，所述置信度增量与所述当前交通流信息对应的目标车辆的纵向分布距离之间为正相关。
置信度确定单元基于所述当前交通流信息，确定置信度增量包括：若两条当前交通流信息存在交叉，则比较两条交通流对应的拟合数量和纵向分布距离；确定拟合数量较少或纵向分布距离较短的当前交通流信息对应的置信度增量为负。
在一些实施例中，所述交通流信息的确定装置还包括图5中未示出的参考路径确定单元，用于基于所述当前交通流信息和所述当前交通流信息对应的置信度，确定本车行驶参考路径；所述确定本车行驶参考路径包括：若本车两侧的当前交通流信息对应的置信度均高于预设置信度门限，则确定本车行驶参考路径的参数为本车两侧的当前交通流信息对应的拟合参数的加权平均值；其中，本车两侧的当前交通流信息对应的拟合参数的权重与拟合参数的变化率之间为反相关；若本车仅一侧的当前交通流信息对应的置信度高于预设置信度门限，则确定本车行驶参考路径的参数中一次项和二次项与该侧当前交通流信息对应的拟合参数中一次项和二次项相同，本车行驶参考路径的参数中常数项为零；若本车两侧的当前交通流信息对应的置信度均低于预设置信度门限，则确定本车行驶参考路径的参数均为零。
在一些实施例中，所述交通流信息的确定装置还包括图5中未示出的辅助定位标志确定单元，用于基于所述当前交通流信息和所述当前交通流信息对应的置信度，确定辅助定位标志；所述确定辅助定位标志包括：若本车两侧的当前交通流信息对应的置信度均高于预设置信度门限，则确定辅助定位标志为第一标志；若本车左侧的当前交通流信息对应的置信度高于预设置信度门限，则确定辅助定位标志为第二标志；若本车右侧的当前交通流信息对应的置信度高于预设置信度门限，则确定辅助定位标志为第三标志。
在一些实施例中，交通流信息的确定装置中各单元的划分仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如分组模块501、确定模块502和拟合模块503中的至少两个单元可以实现为一个单元；分组模块501、确定模块502或拟合模块503也可以划分为多个子单元。可以理解的是，各个单元或子单元能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。本领域技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本公开的范围之内并且形成不同的实施例。
本领域的技术人员能够理解，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
虽然结合附图描述了本公开的实施方式，但是本领域技术人员可以在不脱离本公开的精神和范围的情况下做出各种修改和变型，这样的修改和变型均落入由所附权利要求所限定的范围之内。
工业实用性
本公开的至少一个实施例中，通过对多个目标车辆进行分组，并确定每个目标车辆的拟合权重，进而可基于分组信息、拟合权重、本车的运动信息和目标车辆的状态信息，拟合生成当前交通流信息，实现对交通流的感知。本公开实施例可基于当前交通流信息和当前交通流信息对应的置信度，确定辅助定位标志，辅助定位标志独立于车道线信息，可在部分多车道场景，车道线不足以确定唯一车道时，辅助确定本车所在车道，为L3级自动驾驶系统的远距离路径规划提供了必要依据。另外，本公开实施例可基于当前交通流信息进行本车横向控制，摆脱了对车道线信息的依赖，有利于在拥堵环境下维持本车的横向控制。具有工业实用性。

Claims (26)

1.一种交通流信息的确定方法，其特征在于，包括：
基于本车的运动信息和一个或多个目标车辆的状态信息，对每个所述目标车辆进行分组，得到分组信息；
基于每个所述目标车辆的状态信息和所述分组信息，确定每个所述目标车辆的拟合权重；
基于所述本车的运动信息、每个所述目标车辆的状态信息、每个所述目标车辆的拟合权重和所述分组信息，拟合生成一条或多条当前交通流信息。
2.根据权利要求1所述的方法，其特征在于，所述基于本车的运动信息和一个或多个目标车辆的状态信息，对每个所述目标车辆进行分组，得到分组信息包括：
基于所述本车的运动信息，确定本车的行驶轨迹；
基于所述本车的运动信息和每个所述目标车辆的状态信息，筛选一个或多个有效目标车辆；
基于所述本车的行驶轨迹和每个所述有效目标车辆的状态信息，对每个所述有效目标车辆进行分组，得到分组信息。
3.根据权利要求2所述的方法，其特征在于，所述得到分组信息后，所述方法还包括：
基于历史交通流信息修正所述分组信息；
相应地，基于所述历史交通流信息、每个所述有效目标车辆的状态信息和修正后的分组信息，确定每个所述有效目标车辆的拟合权重。
4.根据权利要求2所述的方法，其特征在于，所述基于所述本车的行驶轨迹和每个所述有效目标车辆的状态信息，对每个所述有效目标车辆进行分组，得到分组信息包括：
针对每个所述有效目标车辆：
基于该有效目标车辆的状态信息和所述本车的行驶轨迹，确定该有效目标车辆所在的相对车道；
基于所述相对车道，确定该有效目标车辆的分组信息。
5.根据权利要求1至4任一项所述的方法，其特征在于，所述分组信息包括以下五组：本车所在车道的左侧第一车道分组、本车所在车道的左侧第二车道分组、本车所在车道的右侧第一车道分组、本车所在车道的右侧第二车道分组和其他分组。
6.根据权利要求5所述的方法，其特征在于，所述拟合生成一条或多条当前交通流信息之前，所述方法还包括：
判断目标车辆数量是否满足预设的拟合数量；若满足，则判断本车的行驶状态是否为直行；
若本车的行驶状态为直行，则获取缓存的历史车辆；
更新每个所述历史车辆的坐标，得到每个历史车辆对应的虚拟车辆及每个所述虚拟车辆的状态信息；
基于历史交通流信息、所述本车的运动信息、每个所述虚拟车辆的状态信息和每个所述虚拟车辆的分组信息，确定每个所述虚拟车辆的拟合权重；
相应地，所述拟合生成一条或多条当前交通流信息包括：基于每个所述目标车辆的状态信息、每个所述目标车辆的拟合权重、每个所述虚拟车辆的状态信息和每个所述虚拟车辆的拟合权重，拟合生成一条或多条当前交通流信息。
7.根据权利要求6所述的方法，其特征在于，所述历史车辆满足缓存条件；其中，所述缓存条件用于筛选与本车同向行驶的车辆且该车辆不属于其他分组。
8.根据权利要求7所述的方法，其特征在于，所述缓存条件包括：
车辆位于本车前方且与本车的相对距离大于预设的相对距离阈值；
车辆相对于本车的速度的方向与本车的行驶方向之间的夹角小于预设的夹角阈值；
车辆相对于本车的侧向距离处于预设的侧向距离范围内。
9.根据权利要求8所述的方法，其特征在于，所述缓存条件还包括：车辆的生命周期大于预设的生命周期阈值。
10.根据权利要求1所述的方法，其特征在于，所述确定每个所述目标车辆的拟合权重包括：
针对每个所述目标车辆：
基于该目标车辆的状态信息和该目标车辆的分组信息，确定该目标车辆的侧向速度偏离权重、该目标车辆的侧向位移偏离权重、该目标车辆的生命周期权重和该目标车辆的速度权重；
将该目标车辆的侧向速度偏离权重、该目标车辆的侧向位移偏离权重、该目标车辆的生命周期权重和该目标车辆的速度权重进行相乘，得到该目标车辆的拟合权重。
11.根据权利要求6所述的方法，其特征在于，所述确定每个所述虚拟车辆的拟合权重包括：
针对每个所述虚拟车辆：
基于该虚拟车辆的状态信息和该虚拟车辆的分组信息，确定该虚拟车辆的侧向速度偏离权重、该虚拟车辆的侧向位移偏离权重、该虚拟车辆的生命周期权重、该虚拟车辆的速度权重和该虚拟车辆的权重；
将该虚拟车辆的侧向速度偏离权重、该虚拟车辆的侧向位移偏离权重、该虚拟车辆的生命周期权重、该虚拟车辆的速度权重和该虚拟车辆的权重进行相乘，得到该虚拟车辆的拟合权重。
12.根据权利要求1所述的方法，其特征在于，每个分组对应一条交通流；所述拟合生成一条或多条当前交通流信息包括：
针对一个分组：
基于该分组中目标车辆的数量以及该分组中所有目标车辆的纵向分布距离，选择拟合方式；
基于选择的拟合方式，利用所述本车的运动信息、该分组中每个目标车辆的状态信息和该分组中每个目标车辆的拟合权重，拟合生成该分组对应的当前交通流信息。
13.根据权利要求12所述的方法，其特征在于，所述基于该分组中目标车辆的数量以及该分组中所有目标车辆的纵向分布距离，选择拟合方式包括：
判断该分组中目标车辆的数量是否满足第一数量条件，且纵向分布距离是否大于预设的第一距离阈值；
若满足第一数量条件，且大于预设的第一距离阈值，则选择一阶拟合和二阶拟合；否则，判断该分组中目标车辆的数量是否满足第二数量条件，且纵向分布距离是否大于预设的第二距离阈值；
若满足第二数量条件，且大于预设的第二距离阈值，则选择一阶拟合；否则，不进行拟合。
14.根据权利要求13所述的方法，其特征在于，若选择一阶拟合和二阶拟合，则所述拟合生成该分组对应的当前交通流信息包括：
拟合生成该分组对应的一阶拟合结果，并确定所述一阶拟合结果的第一均方差；
拟合生成该分组对应的二阶拟合结果，并确定所述二阶拟合结果的第二均方差；
比较所述第一均方差和所述第二均方差，若所述第一均方差大于所述第二均方差的预设倍数，则选择所述二阶拟合结果为该分组对应的当前交通流信息；否则，选择所述一阶拟合结果为该分组对应的当前交通流信息。
15.根据权利要求12所述的方法，其特征在于，所述利用所述本车的运动信息、该分组中每个目标车辆的状态信息和该分组中每个目标车辆的拟合权重，拟合生成该分组对应的当前交通流信息包括：
基于该分组中每个目标车辆的状态信息和该分组中每个目标车辆的拟合权重，拟合生成该分组对应的初始交通流信息；
基于历史交通流信息和所述本车的运动信息，对所述初始交通流信息进行约束，得到该分组对应的当前交通流信息。
16.根据权利要求15所述的方法，其特征在于，所述约束包括：位置约束、航向约束和/或曲率约束。
17.根据权利要求16所述的方法，其特征在于，所述位置约束包括：基于所述历史交通流信息对应的置信度约束所述初始交通流信息对应的拟合参数中的常数项的变化量；
所述常数项的变化量与所述历史交通流信息对应的置信度之间为反相关；所述常数项的变化量与所述初始交通流信息对应的拟合数量之间为正相关。
18.根据权利要求16所述的方法，其特征在于，所述航向约束包括：基于所述历史交通流信息对应的置信度和/或所述本车的运动信息，约束所述初始交通流信息对应的拟合参数中的一次项的变化量；
其中，所述一次项的变化量与所述历史交通流信息对应的置信度之间为反相关，所述一次项的变化量与所述本车的转向幅度之间为正相关，和/或，所述一次项的变化量与所述初始交通流信息对应的拟合数量之间为正相关。
19.根据权利要求16所述的方法，其特征在于，所述曲率约束包括：基于所述历史交通流信息对应的置信度和/或所述本车的运动信息，约束所述初始交通流信息对应的拟合参数中的二次项的变化量；
其中，所述二次项的变化量与所述历史交通流信息对应的置信度之间为反相关，所述二次项的变化量与所述本车的速度之间为反相关，和/或，所述二次项的变化量与所述本车的方向盘转速之间为正相关。
20.根据权利要求1所述的方法，其特征在于，所述方法还包括：
基于所述当前交通流信息，确定置信度增量；
基于历史交通流信息的置信度和所述置信度增量，确定所述当前交通流信息对应的置信度；
其中，所述置信度增量与所述当前交通流信息对应的拟合结果均方差之间为反相关，所述置信度增量与所述当前交通流信息对应的拟合数量之间为正相关，和/或，所述置信度增量与所述当前交通流信息对应的目标车辆的纵向分布距离之间为正相关。
21.根据权利要求20所述的方法，其特征在于，所述基于所述当前交通流信息，确定置信度增量包括：
若两条当前交通流信息存在交叉，则比较两条交通流对应的拟合数量和纵向分布距离；确定拟合数量较少或纵向分布距离较短的当前交通流信息对应的置信度增量为负。
22.根据权利要求20所述的方法，其特征在于，所述方法还包括：基于所述当前交通流信息和所述当前交通流信息对应的置信度，确定本车行驶参考路径；
所述确定本车行驶参考路径包括：
若本车两侧的当前交通流信息对应的置信度均高于预设置信度门限，则确定本车行驶参考路径的参数为本车两侧的当前交通流信息对应的拟合参数的加权平均值；其中，本车两侧的当前交通流信息对应的拟合参数的权重与拟合参数的变化率之间为反相关；
若本车仅一侧的当前交通流信息对应的置信度高于预设置信度门限，则确定本车行驶参考路径的参数中一次项和二次项与该侧当前交通流信息对应的拟合参数中一次项和二次项相同，本车行驶参考路径的参数中常数项为零；
若本车两侧的当前交通流信息对应的置信度均低于预设置信度门限，则确定本车行驶参考路径的参数均为零。
23.根据权利要求20所述的方法，其特征在于，所述方法还包括：基于所述当前交通流信息和所述当前交通流信息对应的置信度，确定辅助定位标志；
所述确定辅助定位标志包括：
若本车两侧的当前交通流信息对应的置信度均高于预设置信度门限，则确定辅助定位标志为第一标志；
若本车左侧的当前交通流信息对应的置信度高于预设置信度门限，则确定辅助定位标志为第二标志；
若本车右侧的当前交通流信息对应的置信度高于预设置信度门限，则确定辅助定位标志为第三标志。
24.一种交通流信息的确定装置，其特征在于，包括：
分组模块，用于基于本车的运动信息和一个或多个目标车辆的状态信息，对每个所述目标车辆进行分组，得到分组信息；
确定模块，用于基于每个所述目标车辆的状态信息和所述分组信息，确定每个所述目标车辆的拟合权重；
拟合模块，用于基于所述本车的运动信息、每个所述目标车辆的状态信息、每个所述目标车辆的拟合权重和所述分组信息，拟合生成一条或多条当前交通流信息。
25.一种电子设备，其特征在于，包括：处理器和存储器；
所述处理器通过调用所述存储器存储的程序或指令，用于执行如权利要求1至23任一项所述方法的步骤。
26.一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质存储程序或指令，所述程序或指令使计算机执行如权利要求1至23任一项所述方法的步骤。
CN202080002861.7A 2020-11-09 2020-11-09 一种交通流信息的确定方法、装置、电子设备和存储介质 Active CN112567439B (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/CN2020/127499 WO2022095023A1 (zh) 2020-11-09 2020-11-09 一种交通流信息的确定方法、装置、电子设备和存储介质

Publications (2)

Publication Number Publication Date
CN112567439A true CN112567439A (zh) 2021-03-26
CN112567439B CN112567439B (zh) 2022-11-29

Family

ID=75034957

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202080002861.7A Active CN112567439B (zh) 2020-11-09 2020-11-09 一种交通流信息的确定方法、装置、电子设备和存储介质

Country Status (6)

Country Link
US (1) US20230419824A1 (zh)
EP (1) EP4242998A4 (zh)
JP (1) JP2023548879A (zh)
KR (1) KR102620325B1 (zh)
CN (1) CN112567439B (zh)
WO (1) WO2022095023A1 (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115019554A (zh) * 2022-05-30 2022-09-06 中国第一汽车股份有限公司 一种车辆告警方法、装置、电子设备及存储介质
CN115879294A (zh) * 2022-11-30 2023-03-31 西部科学城智能网联汽车创新中心(重庆)有限公司 一种基于多车环境感知的全样车流轨迹生成方法及系统

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116368544A (zh) * 2020-10-16 2023-06-30 格步计程车控股私人有限公司 用于检测超速的方法、电子装置及系统
CN115294776B (zh) * 2022-06-23 2024-04-12 北京北大千方科技有限公司 基于时间切片统计车辆通行量的方法、装置、设备及介质
CN115468778B (zh) * 2022-09-14 2023-08-15 北京百度网讯科技有限公司 车辆测试方法、装置、电子设备及存储介质

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000132783A (ja) * 1998-10-26 2000-05-12 Semba Corp 交通流シミュレータ、環境解析システム、交通流のシミュレーション方法および記憶媒体
JP2003156413A (ja) * 2001-11-20 2003-05-30 Toyo Tire & Rubber Co Ltd 車体振動のシミュレーション方法
JP2011118889A (ja) * 2009-11-04 2011-06-16 Valeo Schalter & Sensoren Gmbh ビデオ画像に基づく道路特性分析、車線検出、および車線逸脱防止方法および装置
JP2016071383A (ja) * 2014-09-26 2016-05-09 インターナショナル・ビジネス・マシーンズ・コーポレーションＩｎｔｅｒｎａｔｉｏｎａｌ Ｂｕｓｉｎｅｓｓ Ｍａｃｈｉｎｅｓ Ｃｏｒｐｏｒａｔｉｏｎ 情報処理装置、プログラム、及び、情報処理方法
CN107402131A (zh) * 2017-08-03 2017-11-28 安徽大学 一种基于轨边声学信号时频脊线的高速列车运动参数识别方法
CN108171967A (zh) * 2017-11-24 2018-06-15 华为技术有限公司 一种交通控制方法及装置
CN109242912A (zh) * 2018-08-29 2019-01-18 杭州迦智科技有限公司 采集装置外参标定方法、电子设备、存储介质
CN109683617A (zh) * 2018-12-27 2019-04-26 潍柴动力股份有限公司 一种自动驾驶方法、装置及电子设备
CN110703754A (zh) * 2019-10-17 2020-01-17 南京航空航天大学 一种自动驾驶车辆路径与速度高度耦合的轨迹规划方法
CN111176269A (zh) * 2019-10-11 2020-05-19 中国第一汽车股份有限公司 车辆的航向调整方法、装置、车辆及存储介质
WO2020098297A1 (zh) * 2018-11-15 2020-05-22 众安信息技术服务有限公司 一种前车距离检测方法及系统
CN111241224A (zh) * 2020-01-10 2020-06-05 福瑞泰克智能系统有限公司 目标距离估计的方法、系统、计算机设备和存储介质
CN111738207A (zh) * 2020-07-13 2020-10-02 腾讯科技（深圳）有限公司 车道线检测方法、装置、电子设备及可读存储介质

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5185663B2 (ja) * 2008-03-12 2013-04-17 富士重工業株式会社 車両用運転支援装置
US9406229B2 (en) * 2009-11-12 2016-08-02 Gm Global Technology Operations, Llc Travel lane advisor
CN103903019B (zh) * 2014-04-11 2017-12-15 北京工业大学 一种多车道车辆轨迹时空图的自动生成方法
KR101526816B1 (ko) * 2014-09-12 2015-06-05 현대자동차주식회사 차선 추정 시스템 및 그 방법
CN110235189B (zh) * 2017-02-09 2021-10-29 三菱电机株式会社 信息处理装置、信息处理方法以及计算机能读取的存储介质
KR102215325B1 (ko) * 2017-02-28 2021-02-15 현대자동차주식회사 차량의 위치 추정 장치 및 방법과 이를 이용한 차량
US10761535B2 (en) * 2018-08-21 2020-09-01 GM Global Technology Operations LLC Intelligent vehicle navigation systems, methods, and control logic for multi-lane separation and trajectory extraction of roadway segments
CN110782667A (zh) * 2019-10-30 2020-02-11 北京百度网讯科技有限公司 信号灯分时段配时方法、装置、电子设备及存储介质
CN111325187B (zh) * 2020-03-23 2023-10-20 北京经纬恒润科技股份有限公司 一种车道位置的识别方法及装置

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000132783A (ja) * 1998-10-26 2000-05-12 Semba Corp 交通流シミュレータ、環境解析システム、交通流のシミュレーション方法および記憶媒体
JP2003156413A (ja) * 2001-11-20 2003-05-30 Toyo Tire & Rubber Co Ltd 車体振動のシミュレーション方法
JP2011118889A (ja) * 2009-11-04 2011-06-16 Valeo Schalter & Sensoren Gmbh ビデオ画像に基づく道路特性分析、車線検出、および車線逸脱防止方法および装置
JP2016071383A (ja) * 2014-09-26 2016-05-09 インターナショナル・ビジネス・マシーンズ・コーポレーションＩｎｔｅｒｎａｔｉｏｎａｌ Ｂｕｓｉｎｅｓｓ Ｍａｃｈｉｎｅｓ Ｃｏｒｐｏｒａｔｉｏｎ 情報処理装置、プログラム、及び、情報処理方法
CN107402131A (zh) * 2017-08-03 2017-11-28 安徽大学 一种基于轨边声学信号时频脊线的高速列车运动参数识别方法
CN108171967A (zh) * 2017-11-24 2018-06-15 华为技术有限公司 一种交通控制方法及装置
CN109242912A (zh) * 2018-08-29 2019-01-18 杭州迦智科技有限公司 采集装置外参标定方法、电子设备、存储介质
WO2020098297A1 (zh) * 2018-11-15 2020-05-22 众安信息技术服务有限公司 一种前车距离检测方法及系统
CN109683617A (zh) * 2018-12-27 2019-04-26 潍柴动力股份有限公司 一种自动驾驶方法、装置及电子设备
CN111176269A (zh) * 2019-10-11 2020-05-19 中国第一汽车股份有限公司 车辆的航向调整方法、装置、车辆及存储介质
CN110703754A (zh) * 2019-10-17 2020-01-17 南京航空航天大学 一种自动驾驶车辆路径与速度高度耦合的轨迹规划方法
CN111241224A (zh) * 2020-01-10 2020-06-05 福瑞泰克智能系统有限公司 目标距离估计的方法、系统、计算机设备和存储介质
CN111738207A (zh) * 2020-07-13 2020-10-02 腾讯科技（深圳）有限公司 车道线检测方法、装置、电子设备及可读存储介质

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115019554A (zh) * 2022-05-30 2022-09-06 中国第一汽车股份有限公司 一种车辆告警方法、装置、电子设备及存储介质
CN115019554B (zh) * 2022-05-30 2024-03-26 中国第一汽车股份有限公司 一种车辆告警方法、装置、电子设备及存储介质
CN115879294A (zh) * 2022-11-30 2023-03-31 西部科学城智能网联汽车创新中心(重庆)有限公司 一种基于多车环境感知的全样车流轨迹生成方法及系统
CN115879294B (zh) * 2022-11-30 2024-04-26 西部科学城智能网联汽车创新中心(重庆)有限公司 一种基于多车环境感知的全样车流轨迹生成方法及系统

Also Published As

Publication number Publication date
JP2023548879A (ja) 2023-11-21
WO2022095023A1 (zh) 2022-05-12
KR102620325B1 (ko) 2024-01-03
CN112567439B (zh) 2022-11-29
KR20230098633A (ko) 2023-07-04
US20230419824A1 (en) 2023-12-28
EP4242998A4 (en) 2023-11-22
EP4242998A1 (en) 2023-09-13

Similar Documents

Publication Publication Date Title
CN112567439B (zh) 一种交通流信息的确定方法、装置、电子设备和存储介质
CN110494868B (zh) 车辆电子控制装置
RU2737874C1 (ru) Способ хранения информации транспортного средства, способ управления движением транспортного средства и устройство хранения информации транспортного средства
CN110562258B (zh) 一种车辆自动换道决策的方法、车载设备和存储介质
JP6985203B2 (ja) 挙動予測装置
RU2760046C1 (ru) Способ помощи при вождении и устройство помощи при вождении
JP2019528518A (ja) 自動運転車両の操縦システム
CN113677581A (zh) 一种车道保持方法、车载设备和存储介质
US20210389133A1 (en) Systems and methods for deriving path-prior data using collected trajectories
JP6574224B2 (ja) 車両制御装置、車両、車両制御方法およびプログラム
CN110673602A (zh) 一种强化学习模型、车辆自动驾驶决策的方法和车载设备
US11615702B2 (en) Determining vehicle path
JP6941178B2 (ja) 自動運転制御装置及び方法
CN112829753B (zh) 基于毫米波雷达的护栏估计方法、车载设备和存储介质
WO2020116264A1 (ja) 車両の走行支援方法、車両走行支援装置及び自動運転システム
JP2022041923A (ja) 接続されたデータ分析プラットフォームを用いた車両経路指定
CN114620035A (zh) 错误车道驾驶检测和碰撞减轻
CN114407915A (zh) 运行设计域odd的处理方法、装置及存储介质
JP7149082B2 (ja) 走行支援装置の走行支援方法及び走行支援装置
CN113227831B (zh) 基于多传感器数据融合的护栏估计方法和车载设备
JP7147448B2 (ja) 地図情報システム
JP7167732B2 (ja) 地図情報システム
US20230391356A1 (en) Dynamic scenario parameters for an autonomous driving vehicle
JP6838769B2 (ja) 周辺環境認識装置、表示制御装置
US20210405641A1 (en) Detecting positioning of a sensor system associated with a vehicle

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