CN112668813A - 评估优化方法、装置、电子设备和存储介质 - Google Patents
评估优化方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN112668813A CN112668813A CN202110278655.5A CN202110278655A CN112668813A CN 112668813 A CN112668813 A CN 112668813A CN 202110278655 A CN202110278655 A CN 202110278655A CN 112668813 A CN112668813 A CN 112668813A
- Authority
- CN
- China
- Prior art keywords
- information
- evaluation
- map
- traffic flow
- scheduling
- 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.)
- Pending
Links
Images
Abstract
本发明公开了一种评估优化方法、装置、电子设备和存储介质;本发明可以获取环境信息、交通信号灯信息以及地图;对环境信息进行数据处理,得到交通流信息;根据交通流信息确定针对调度车辆的调度任务;基于地图、交通流信息、交通信号灯信息和调度任务执行调度算法,得到针对调度任务中调度车辆的规划路径;根据预设评估参数对规划路径进行评估,得到评估结果,以便采用评估结果对调度算法进行优化处理,得到优化后的调度算法。通过获取真实世界中的环境信息来得到调度任务,基于该调度任务和环境对调度算法进行评估,能够较好反映调度算法在真实世界中解决问题的能力,由此,可以在对调度算法的性能进行评估时,提升评估的可靠性。
Description
技术领域
本发明涉及计算机技术领域,具体涉及一种评估优化方法、装置、电子设备和存储介质。
背景技术
近年来,车路协同成为智能交通系统的最新发展方向。车路协同采用先进的无线通信和新一代互联网等技术,全方位实施车车、车路动态实时信息交互,并在全时空动态交通信息采集与融合的基础上开展车辆主动安全控制和道路协同管理,充分实现人车路的有效协同,保证交通安全,提高通行效率,从而形成的安全、高效和环保的道路交通系统。在车路协同场景下的车可以称之为智能网联车,为一段时间内一片区域下的智能网联车规划其行驶路径的算法,可以称之为调度算法。
然而,目前在对调度算法的性能进行评估时,评估的可靠性较低;因此,如何提高评估的可靠性是亟待解决的问题。
发明内容
本发明提供一种评估优化方法、装置、电子设备和存储介质,可以提升评估调度算法的性能时的可靠性。
本发明提供一种评估优化方法,包括:
获取环境信息、交通信号灯信息以及地图;
对环境信息进行数据处理,得到交通流信息;
根据交通流信息确定针对调度车辆的调度任务;
基于地图、交通流信息、交通信号灯信息和调度任务执行调度算法,得到针对调度任务中调度车辆的规划路径;
根据预设评估参数对规划路径进行评估,得到评估结果,以便采用评估结果对调度算法进行优化处理,得到优化后的调度算法。
本发明还提供一种评估优化装置,包括:
获取单元,用于获取环境信息、交通信号灯信息以及地图;
处理单元,用于对环境信息进行数据处理,得到交通流信息;
处理单元,还用于根据交通流信息确定针对调度车辆的调度任务;
调度单元,用于基于地图、交通流信息、交通信号灯信息和调度任务执行调度算法,得到针对调度任务中调度车辆的规划路径;
评估单元,用于根据预设评估参数对规划路径进行评估,得到评估结果,以便采用评估结果对调度算法进行优化处理,得到优化后的调度算法。
在一些实施例中,评估优化装置还用于:
根据交通流信息、交通信号灯信息以及地图生成交通仿真环境;
在交通仿真环境中模拟调度车辆根据规划路径进行行驶,得到模拟数据;
根据模拟数据确定预设评估参数对应的值。
在一些实施例中,环境信息包括地图对应的点云信息,处理单元具体用于:
采用点云目标检测算法检测地图对应的点云信息中的目标车辆;
确定地图的点云信息中目标车辆的车辆位置;
基于地图和地图的点云信息中目标车辆的车辆位置确定交通流信息。
在一些实施例中,环境信息包括多个点云数据集,处理单元具体还用于:
采用点云匹配算法对多个点云数据集进行拼接,得到地图对应的点云信息。
在一些实施例中,处理单元具体还用于:
根据交通流信息确定地图对应的道路上的平均车速、车流量和车流密度;
根据地图对应的道路上的车速、车流量和车流密度确定地图对应的道路的拥堵程度;
当地图对应的道路的拥堵程度未达到预设拥堵阈值时,返回并执行获取环境信息和交通信号灯信息的步骤。
在一些实施例中,处理单元具体用于:
采用特征编码网络将地图对应的点云信息转换为伪图像;
采用特征提取网络对伪图像进行特征提取,得到伪图像的特征;
基于伪图像的特征采用区域生成网络,对地图对应的点云信息中的对象进行分类,得到目标车辆。
在一些实施例中,处理单元具体用于:
在鸟瞰图下将地图对应的点云信息进行体素化,得到多个三维的柱子;
采用特征编码网络对每个三维的柱子进行采样,得到堆叠柱张量;
对堆叠柱张量执行最大化操作,得到伪图像。
在一些实施例中,处理单元具体还用于:
从交通流信息中选取预设数量的车流信息,得到预设数量的车流信息中的起点、终点和发车时间;
根据预设数量的车流信息中的起点、终点和发车时间生成调度任务;
根据预设评估参数对规划路径进行评估,得到评估结果,包括:
对比预设数量的车流信息对应的行驶路径与规划路径,得到评估结果。
在一些实施例中,预设评估参数中包括多个评估子参数,评估结果包括评估总得分,评估单元具体用于:
确定每个评估子参数对应的权重;
计算规划路径在每个评估子参数下对应的得分;
根据评估子参数的权重和规划路径在评估子参数下的得分,得到评估总得分。
在一些实施例中,预设评估参数包括规划路径的路程长度、调度车辆行驶完规划路径的总时长和平均速度、经过地图内预设观测点的车辆的车流量和平均车速,以及地图内目标区域的车流密度,车辆包括调度车辆。
本发明还提供一种电子设备,包括存储器和处理器,存储器存储有多条指令;所述处理器从所述存储器中加载指令,以执行本发明所提供的任一种评估优化方法中的步骤。
本发明还提供一种计算机可读存储介质,所述计算机可读存储介质存储有多条指令,所述指令适于处理器进行加载,以执行本发明所提供的任一种评估优化方法中的步骤。
本发明可以获取环境信息、交通信号灯信息以及地图;对环境信息进行数据处理,得到交通流信息;根据交通流信息确定针对调度车辆的调度任务;基于地图、交通流信息、交通信号灯信息和调度任务执行调度算法,得到针对调度任务中调度车辆的规划路径;根据预设评估参数对规划路径进行评估,得到评估结果,以便采用评估结果对调度算法进行优化处理,得到优化后的调度算法。
在本发明中,可以通过获取真实世界中道路附近的环境信息,得到道路上的交通流信息,从而得到针对车辆的真实调度任务;调度算法基于真实的调度任务、交通流信息和交通信号灯信息生成针对调度车辆的规划路径,然后根据预设评估参数对生成的规划路径进行评估,从而能够较好反映调度算法在真实世界中解决问题的能力。由此,可以在对调度算法的性能进行评估时,提升评估的可靠性。
附图说明
为了更清楚地说明本发明中的技术方案,下面将对实施例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发明的一些实施例,对于本领域技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1a是本发明提供的评估优化方法的场景示意图;
图1b是本发明提供的评估优化方法的流程示意图;
图2a是本发明提供的又一种评估优化方法的流程示意图;
图2b是本发明提供的路边单元的场景示意图;
图3是本发明提供的评估优化装置的结构示意图;
图4是本发明提供的电子设备的结构示意图。
具体实施方式
下面将结合本发明中的附图,对本发明中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明提供一种评估优化方法、装置、电子设备和存储介质。
其中,该评估优化装置具体可以集成在电子设备中,该电子设备可以为终端、服务器等设备。其中,终端可以为路边单元(Road Side Unit,RSU)、车载单元(ElectronicControl Unit,ECU)等设备,路边单元可以是部署在道路边上的传感器套件、计算单元和通讯单元等,如在车路协同场景下,路边单元可以包括但不限于激光雷达感知设备、摄像头、5G(5th generation mobile networks)传输模块。
在一些实施例中,该评估优化装置还可以集成在多个电子设备中,比如,评估优化装置可以集成在多个路边单元和服务器中,由多个路边单元和服务器共同来实现本发明的评估优化方法。服务器可以是单一服务器,也可以是由多个服务器组成的服务器集群。
例如,参考图1a,图1a是本发明提供的评估优化方法的场景示意图。该评估优化方法的场景中,可以包括多个路边单元和一个服务器。在图1a中,路边单元获取环境信息、交通信号灯信息以及地图;服务器对环境信息进行数据处理,得到交通流信息;进而服务器根据交通流信息确定针对调度车辆的调度任务;然后服务器基于地图、交通流信息、交通信号灯信息和调度任务执行调度算法,得到针对调度任务中调度车辆的规划路径;最后服务器根据预设评估参数对规划路径进行评估,得到评估结果,以便采用评估结果对调度算法进行优化处理,得到优化后的调度算法。
在本发明中,通过路边单元获取真实世界中道路附近的环境信息,服务器对环境信息进行数据处理得到道路上的交通流信息,从而根据该交通流信息得到针对车辆的真实调度任务;然后服务器基于真实的调度任务、交通流信息和交通信号灯信息执行调度算法,生成针对调度车辆的规划路径,最后根据预设评估参数对生成的规划路径进行评估。由于调度任务和交通流信息都是真实世界中存在的,因此根据该调度任务和交通流信息对调度算法进行评估,能够较好反映调度算法在真实世界中解决问题的能力。由此,可以在对调度算法的性能进行评估时,提升评估的可靠性。
以下分别进行详细说明。需说明的是,以下实施例的序号不作为对实施例优选顺序的限定。
在本实施例中,提供了一种评估优化方法,如图1b所示,该评估优化方法的具体流程可以如下:
101、获取环境信息、交通信号灯信息以及地图。
其中,1)环境信息是地图对应的真实世界中道路上的环境信息,可以包括道路上的车辆、行人和自行车等的信息。在一些实施例中,可以通过路边单元获取环境信息,例如,可以通过激光雷达传感器来获取环境信息。可选地,可以获取一段时间的环境信息,该一段时间不做限制,可以为一个小时、一天或每天的某个时间段等。
2)交通信号灯信息是地图对应的真实世界中道路上的交通信号灯的信息,交通信号灯为指挥交通运行的信号灯,如交通信号灯的信息可以为红灯、绿灯或黄灯等。
在一些实施例中,通过部署在道路路口的路边单元获取交通信号灯的信息;如通过摄像头获取交通信号灯的图像,然后采用二维目标检测算法对该图像进行红绿灯检测,即检测交通信号为红灯、绿灯还是黄灯,将检测结果返回给服务器,得到检测结果。需要说明的是,摄像头获取到交通信号灯的图像后,可以自身进行红绿灯检测,也可以将该图像发送给服务器由服务器进行红绿灯检测。其中,二维目标检测算法可以为快速的基于区域的卷积网络(Faster Region-based Convolutional Neural Network,Faster R-CNN)、基于区域的全卷积网络(Region-based Fully Convolutional Networks,R-FCN)等目标检测算法。
在一些实施例中,还可以在交通信号灯中放入5G传输模块,从而服务器能得到实时的交通信号灯信息。
3)地图是按照一定的法则,以二维或多维形式与手段在计算机中表示真实世界中某块区域的道路、建筑等的图像。服务器获取地图的具体实施方式不做限制,服务器可以通过对路边单元获取的环境信息进行处理得到地图,也可以通过公开地图源去下载地图;例如从公开地图(Open Street Map,OSM)上选择一块区域,下载该区域地图.osm文件,从而得到地图。
102、对环境信息进行数据处理,得到交通流信息。
其中,交通流信息表示一段时间内地图对应的道路上产生的车流的集合,车流表示地图对应的道路上车辆从起点到终点经过的路段、交叉路口等形成的有向序列。
在一些实施例中,环境信息包括地图对应的点云信息,对环境信息进行数据处理的具体实施方式包括但不限于以下步骤:
(一)服务器采用点云目标检测算法检测地图对应的点云信息中的目标车辆。其中,目标车辆为行驶在地图对应的道路上的所有车辆,其数量不做限制;
点云目标检测算法可以为稀疏嵌入的卷积目标检测网络(Sparsely EmbeddedConvolutional Detection,SECOND)、基于点云的快速目标检测框架(PointPillars)等三维目标检测算法。
以PointPillars为例,服务器采用特征编码网络将地图对应的点云信息转换为伪图像。具体地,在鸟瞰图下将地图对应的点云信息进行体素化,得到多个三维的柱子;采用特征编码网络对每个三维的柱子进行采样,得到堆叠柱张量;对堆叠柱张量执行最大化操作,得到伪图像。例如,鸟瞰图下对该点云信息的x-y平面作(H×W)体素化,体素化后形成(H×W=P)个柱子(Pillar),采用特征编码网络对每个柱子进行采样得到N个点,每个点编码为D=9维的向量{x,y,z,r,x_c,y_c,z_c,x_p,y_p},其中{x_c,y_c,z_c}为该点与柱子内所有点的均值点的距离,(x_p,y_p)为该点与柱子中心的距离。综上最终形成(D,P,N)维的堆叠柱张量,特征编码网络输出(C,P,N )维的张量,最后对该叠柱张量执行最大化操作输出(C,P) = (C,H,W)的伪图像。
然后服务器采用特征提取网络对伪图像进行特征提取,得到伪图像的特征;基于伪图像的特征采用区域生成网络,对地图对应的点云信息中的对象进行分类,得到目标车辆。
可选地,环境信息也可以包括多个点云数据集,在服务器采用点云目标检测算法检测地图对应的点云信息中的目标车辆之前,还执行步骤采用点云匹配算法对多个点云数据集进行拼接,得到地图对应的点云信息。其中,点云数据集为在同一空间参考系下表达地图对应的道路空间分布和目标车辆的表面特性等的海量点集合;点云匹配算法可以为迭代最近点算法(Iterative Closest Point,ICP)或基于特征点的匹配算法等。
(二)确定地图的点云信息中目标车辆的车辆位置。
其中,车辆位置表示目标车辆在地图的点云信息的空间参考系下的位置。例如,服务器采用点云目标检测算法在检测到目标车辆时,就能获得目标车辆的车辆位置。
(三)基于地图和地图的点云信息中目标车辆的车辆位置确定交通流信息。
例如,服务器基于地图的点云信息中目标车辆的车辆位置,结合地图中路边单元的位置等,就可以得到目标车辆经过的路径信息,从而得到一条车流信息;一个目标车辆对应一条车流信息,将一段时间内地图对应道路上的所有目标车辆对应的车流信息结合起来,就得到了真实世界中的交通流信息。
在一些实施例中,服务器根据交通流信息确定地图对应的道路上的平均车速、车流量和车流密度;其中,平均车速表示所有目标车辆的车速的平均值;车流量表示单位时间内通过地图对应的道路上的车辆;车流密度表示地图对应的一个车道或一个方向上某一瞬时的车辆数,即用以表示在一条道路上车辆的密集程度。服务器根据地图对应的道路上的车速、车流量和车流密度确定地图对应的道路的拥堵程度;其中,拥堵程度用于衡量交通拥堵的程度,例如拥堵程度可以分为严重拥堵、中度拥堵、轻度拥堵和畅通等级;交通拥堵即由于车辆的通行需求超过道路通行能力或受交通事件等影响,车辆被迫降低车速行驶或致停止,并造成车辆积压超过一定程度的交通现象。
当地图对应的道路的拥堵程度未达到预设拥堵阈值时,服务器返回并执行获取环境信息和交通信号灯信息的步骤,其中,拥堵阈值可以为轻度拥堵,即不考虑地图中道路畅通的时候。因此,可以使获取到的交通流信息为真实世界中拥堵时的交通流信息。
103、根据交通流信息确定针对调度车辆的调度任务。
其中,调度车辆为交通流信息中任意车流对应的车辆,即为目标车辆中的任意车辆,可以为智能网联车,调度车辆的数量不做限制;调度任务为给定调度车辆,以及调度车辆的起点、终点和发车时间时,利用调度算法为调度车辆规划一条按照发车时间发车的从起点到终点的行驶路径的任务。
在一些实施例中,从交通流信息中选取预设数量的车流信息,得到预设数量的车流信息中的起点、终点和发车时间;根据预设数量的车流信息中的起点、终点和发车时间生成调度任务。其中,预设数量可以通过系统自定义配置,可以配置为百分比,也可以配置为固定的数量;例如,可以配置为30%,即从交通流信息中随机选取30%的车流信息,清除其行驶路径,只保留发车时间、起点和终点,其余不变,则可以根据这30%的车流生成真实的调度任务。
104、基于地图、交通流信息、交通信号灯信息和调度任务执行调度算法,得到针对调度任务中调度车辆的规划路径。
其中,调度算法可以是为一段时间内一片区域下的智能网联车规划其行驶路径的算法,可以为可执行的计算机程序。
由于调度任务是根据真实的交通流信息得到,并基于该调度任务和真实的交通流信息执行调度算法,可以减少人力构建交通流的成本;并且调度任务真实,交通流也是真实世界中发生的,根据该调度任务和交通流对调度算法进行评估,可以体现出调度算法在真实世界中解决问题的能力,从而可以提升评估调度算法的性能时的可靠性。
在一些实施例中,基于地图、交通流信息、交通信号灯信息和调度任务执行调度算法,得到针对调度任务中调度车辆的规划路径。其中,规划路径为调度算法为调度车辆规划的一条按照发车时间发车的从起点到终点的路径。
在一些实施例中,将交通流信息中用于生成调度任务的预设数量的车流信息清除,得到清除后的交通流信息(也可称社会车流信息),基于该社会车流信息、交通信号灯信息、地图和调度任务执行调度算法,得到针对调度任务中调度车辆的规划路径。
可选地,服务器可以预留一个接口用于获取调度算法,调度算法研究人员可以通过该接口上传调度算法,并且调度算法中可以通过函数定义接口用于获取社会车流信息、交通信号灯信息、地图和调度任务。
例如,以调度算法为采用Python编程语言编写的函数为例进行阐述,定义函数原型为:def scheduling(social_vehicle_routes,to_be_dispatched,map,traffic-light)。其中:
social_vehicle_routes表示社会车流信息,其数据结构可以为列表(list),list中的内容为包含发车时间、车辆类型、车辆行驶路径等信息。
to_be_dispatched表示调度任务,其数据结构为list,list中的内容为发车时间、起点、终点的三元组。
map代表地图,地图中路口为点,路为有向边,map的数据结构为邻接矩阵,例如可以从A路口到B路口,则矩阵中第A行第B列则为1,反之为0。
traffic-light表示交通信号灯信息。
函数的输出为规划路径,其数据结构为list,list中的内容为道路id(identitydocument,编号)组成的路径,路径是由路id组成的元组。
105、根据预设评估参数对规划路径进行评估,得到评估结果,以便采用评估结果对调度算法进行优化处理,得到优化后的调度算法。
其中,评估结果表示调度算法的性能的优劣,可以根据针对调度任务中调度车辆的规划路径计算预设评估参数的值来对调度算法进行评估;该预设评估参数可以包括但不限于规划路径的路程长度、调度车辆行驶完规划路径的总时长和平均速度、经过地图内预设观测点的车辆的车流量和平均车速,以及地图内目标区域的车流密度,该车辆包括调度车辆。
在一些实施例中,根据交通流信息、交通信号灯信息以及地图生成交通仿真环境;在交通仿真环境中模拟调度车辆根据规划路径进行行驶,得到模拟数据;根据模拟数据确定预设评估参数对应的值。
例如,启动SUMO(Simulation of Urban Mobility)交通仿真软件,该软件获取交通流信息、交通信号灯信息以及地图生成交通仿真环境;可以通过SUMO提供的netconvert工具将获取到.osm文件转换成.xml文件,使用python调用SUMO的sumolib库函数可以实现从.xml文件中获取路口邻接矩阵。在交通仿真环境中模拟调度车辆根据规划路径进行行驶,得到模拟数据。从而根据模拟数据获取到每个调度车辆对应的车流从起点到终点的消耗时长,得到调度车辆行驶完规划路径的总时长;每条车流的长度除以消耗时长,得到该条车流的平均速度,所有车流的平均速度再取平均值,得到调度车辆行驶完规划路径的平均速度。使用SUMO的TraCI接口提供的Induction Loop,可以观测预设观测点的车流量、平均车速;其中预设观测点可以提前设置,也可以仿真完成后在交通仿真软件中指定。
可选地,采用评估结果对调度算法进行优化处理,得到优化后的调度算法。比如,调度算法研究人员用评估结果对调度算法进行优化;比如,由服务器用评估结果对调度算法中的某些参数进行修改等,本发明不做限制。例如,可以将得到的规划路径的路程长度、调度车辆行驶完规划路径的总时长和平均速度、经过地图内预设观测点的车辆的车流量和平均车速,以及地图内目标区域的车流密度,直接展示给调度算法研究人员。调度算法的研究人员可以根据各预设评估参数的值,来评估调度算法性能的优劣,从而明确改进调度算法的方向,并对调度算法进行优化,得到优化后的调度算法。
在一些实施例中,预设评估参数中包括多个评估子参数,评估结果包括评估总得分。服务器可以确定每个评估子参数对应的权重,例如,可以根据实际应用情况预先为每个评估子参数设置权重;若更注重缩短行驶所消耗的时长则可以将评估子参数为规划路径的路程长度的权重设置的更大;若更注重行驶的路程更短,则可以将评估子参数为调度车辆行驶完规划路径的总时长的权重设置的更大。计算规划路径在每个评估子参数下对应的得分;根据评估子参数的权重和规划路径在评估子参数下的得分,得到评估总得分。该评估总得分可以表示调度算法性能的优劣,可以给调度算法的研究人员提供改进的方向并对调度算法进行优化。
在一些实施例中,服务器在获取环境信息时,可以获取路边单元在多个时间段的环境信息,进行数据处理,得到多个时间段的交通流信息,根据该交通流信息构建评估场景,该多个时间段为两个时间段或两个以上的时间段。然后根据交通流信息确定每个时间段对应的拥堵程度,根据拥堵程度确定每个交通流对应的评估场景的评估权重;例如拥堵程度高的评估场景对应的评估权重更大。当计算出每个评估场景对应的评估总得分后,根据该评估权重和该评估总得分计算最终的评估得分。或者也可以将每个评估场景对应的评估总得分展示给调度算法研究人员,研究人员可以根据该得分,确定调度算法在拥堵或者拥堵程度更高的场景中时解决问题的能力,从而可以评估该调度算法的性能的优劣,并对调度算法进行优化。
在一些实施例中,对比预设数量的车流信息对应的行驶路径与规划路径,得到评估结果;其中,预设数量的车流信息对应的行驶路径即为调度车辆的真实行驶路径。若规划路径优于真实的行驶路径,则评估结果表示调度算法性能较优;其中,如规划路径的路程长度小于真实的行驶路径的路程长度,或者行驶完规划路径的总时长小于真实的消耗时长等,则规划路径优于真实的行驶路径。
本发明可以获取环境信息、交通信号灯信息以及地图;对环境信息进行数据处理,得到交通流信息;根据交通流信息确定针对调度车辆的调度任务;基于地图、交通流信息、交通信号灯信息和调度任务执行调度算法,得到针对调度任务中调度车辆的规划路径;根据预设评估参数对规划路径进行评估,得到评估结果,以便采用评估结果对调度算法进行优化处理,得到优化后的调度算法。
由上可知,本发明可以通过获取真实世界中道路附近的环境信息,得到道路上的交通流信息,从而得到针对车辆的真实调度任务;调度算法基于真实的调度任务、交通流信息和交通信号灯信息生成针对调度车辆的规划路径,然后根据预设评估参数对生成的规划路径进行评估,从而能够较好反映调度算法在真实世界中解决问题的能力,研究人员可以根据评估的结果对调度算法进行优化。由此,可以在对调度算法的性能进行评估时,提升评估的可靠性。
本发明提供的评估优化方案可以应用在各种评估调度算法性能的场景中。比如,以评估调度智能自动驾驶汽车的调度算法为例,假设服务器搭载有评估优化系统,服务器与路边单元通过无线通信或互联网等技术进行连接,服务器与调度算法研究人员对应的终端设备也过无线通信或互联网等技术进行连接。该评估优化系统包括数据处理模块、地图生成模块、调度算法执行模块和仿真评估模块。并且服务器可以将评估的结果反馈给调度算法的研究人员,以便研究人员根据评估的结果对调度算法进行优化。
根据上述实施例所描述的方法,以下将作进一步详细说明。
如图2a所示,一种评估优化方法具体流程如下:
201、路边单元获取环境信息和交通信号灯信息,并将该环境信息和交通信号灯信息发送给服务器。
可以由路边单元获取多个点云数据集,该多个点云数据集即为环境信息。如图2b所示,为路边单元的场景示意图,三角形代表路边单元RSU,假设一条道路上铺设两个RSU,RSU存在公共感知范围。
202、地图生成模块获取地图。
地图生成模块从公开地图OSM上选择一块区域,下载该区域地图.osm文件,从而得到地图。
203、服务器接收环境信息和交通信号灯信息,并由数据处理模块对环境信息进行数据处理,得到交通流信息和针对智能自动驾驶汽车的调度任务。
数据处理模块采用点云匹配算法对多个点云数据集进行拼接,得到地图对应的点云信息,采用点云目标检测算法检测地图对应的点云信息中的目标车辆,该目标车辆为智能自动驾驶汽车;结合地图中路边单元的位置等,就可以得到交通流信息。从交通流信息中选取预设数量的车流信息,得到预设数量的车流信息中的起点、终点和发车时间;根据预设数量的车流信息中的起点、终点和发车时间生成针对智能自动驾驶汽车的调度任务。清除交通流信息中该预设数量的车流信息得到社会车流信息。
数据处理模块将社会车流信息、交通信号灯信息和调度任务发送给调度算法执行模块;将社会车流信息和交通信号灯信息发送给仿真评估模块。
204、调度算法执行模块接收社会车流信息、交通信号灯信息和调度任务;从调度算法研究人员对应的终端设备处获取调度算法,并执行调度算法,得到针对智能自动驾驶汽车的规划路径,并将规划路径发送给仿真评估模块。
205、仿真评估模块接收规划路径,根据预设评估参数对规划路径进行评估,得到评估结果,将评估结果反馈给调度算法研究人员。
采用SUMO交通仿真软件模拟智能驾驶汽车基于规划路径进行行驶,得到模拟数据,根据模拟数据确定预设评估参数的值,将该参数的值反馈给研究人员,以便研究人员根据该参数的值对调度算法进行优化。
以上各个操作的具体实施可参见前面的实施例,在此不再赘述。
由上可知,通过路边单元获取真实世界中道路附近的环境信息,服务器对环境信息进行数据处理得到道路上的交通流信息,从而根据该交通流信息得到针对车辆的真实调度任务;然后服务器基于真实的调度任务、交通流信息和交通信号灯信息执行调度算法,生成针对调度车辆的规划路径,然后根据预设评估参数对生成的规划路径进行评估,能够较好反映调度算法在真实世界中解决问题的能力。由此,可以在对调度算法的性能进行评估时,提升评估的可靠性。并且可以将评估的结果反馈给调度算法的研究人员,以便研究人员根据评估的结果对调度算法进行优化。
为了更好地实施以上方法,本发明还提供一种评估优化装置,该评估优化装置具体可以集成在电子设备中,该电子设备可以为终端、服务器等设备。
比如,在本实施例中,将以评估优化装置具体集成在服务器为例,对本发明的方法进行详细说明。
例如,如图3所示,该评估优化装置可以包括获取单元301、处理单元302、调度单元303以及评估单元304,如下:
(一)获取单元301
获取单元301,用于获取环境信息、交通信号灯信息以及地图。
(二)处理单元302
处理单元302,用于对环境信息进行数据处理,得到交通流信息。
处理单元302,还用于根据交通流信息确定针对调度车辆的调度任务。
在一些实施例中,环境信息包括地图对应的点云信息,处理单元302具体用于:
采用点云目标检测算法检测地图对应的点云信息中的目标车辆;
确定地图的点云信息中目标车辆的车辆位置;
基于地图和地图的点云信息中目标车辆的车辆位置确定交通流信息。
在一些实施例中,环境信息包括多个点云数据集,处理单元具体还用于:
采用点云匹配算法对多个点云数据集进行拼接,得到地图对应的点云信息。
在一些实施例中,处理单元302具体还用于:
根据交通流信息确定地图对应的道路上的平均车速、车流量和车流密度;
根据地图对应的道路上的车速、车流量和车流密度确定地图对应的道路的拥堵程度;
当地图对应的道路的拥堵程度未达到预设拥堵阈值时,返回并执行获取环境信息和交通信号灯信息的步骤。
在一些实施例中,处理单元302具体用于:
采用特征编码网络将地图对应的点云信息转换为伪图像;
采用特征提取网络对伪图像进行特征提取,得到伪图像的特征;
基于伪图像的特征采用区域生成网络,对地图对应的点云信息中的对象进行分类,得到目标车辆。
在一些实施例中,处理单元302具体用于:
在鸟瞰图下将地图对应的点云信息进行体素化,得到多个三维的柱子;
采用特征编码网络对每个三维的柱子进行采样,得到堆叠柱张量;
对堆叠柱张量执行最大化操作,得到伪图像。
在一些实施例中,处理单元302具体还用于:
从交通流信息中选取预设数量的车流信息,得到预设数量的车流信息中的起点、终点和发车时间;
根据预设数量的车流信息中的起点、终点和发车时间生成调度任务;
根据预设评估参数对规划路径进行评估,得到评估结果,包括:
对比预设数量的车流信息对应的行驶路径与规划路径,得到评估结果。
(三)调度单元303
调度单元303,用于基于地图、交通流信息、交通信号灯信息和调度任务执行调度算法,得到针对调度任务中调度车辆的规划路径。
(四)评估单元304
评估单元304,用于根据预设评估参数对规划路径进行评估,得到评估结果,以便采用评估结果对调度算法进行优化处理,得到优化后的调度算法。
在一些实施例中,评估优化装置还用于:
根据交通流信息、交通信号灯信息以及地图生成交通仿真环境;
在交通仿真环境中模拟调度车辆根据规划路径进行行驶,得到模拟数据;
根据模拟数据确定预设评估参数对应的值。
在一些实施例中,预设评估参数中包括多个评估子参数,评估结果包括评估总得分,评估单元304具体用于:
确定每个评估子参数对应的权重;
计算规划路径在每个评估子参数下对应的得分;
根据评估子参数的权重和规划路径在评估子参数下的得分,得到评估总得分。
在一些实施例中,预设评估参数包括规划路径的路程长度、调度车辆行驶完规划路径的总时长和平均速度、经过地图内预设观测点的车辆的车流量和平均车速,以及地图内目标区域的车流密度,车辆包括调度车辆。
具体实施时,以上各个单元可以作为独立的实体来实现,也可以进行任意组合,作为同一或若干个实体来实现,以上各个单元的具体实施可参见前面的方法实施例,在此不再赘述。
由上可知,本实施例的评估优化装置可以通过获取真实世界中道路附近的环境信息,得到道路上的交通流信息,从而得到针对车辆的真实调度任务;调度算法基于真实的调度任务、交通流信息和交通信号灯信息生成针对调度车辆的规划路径,然后根据预设评估参数对生成的规划路径进行评估,从而能够较好反映调度算法在真实世界中解决问题的能力。由此,可以在对调度算法的性能进行评估时,提升评估的可靠性。
本发明还提供一种电子设备,该电子设备可以为终端、服务器等设备。
在一些实施例中,该评估优化装置还可以集成在多个电子设备中,比如,评估优化装置可以集成在多个服务器中,由多个服务器来实现本发明的评估优化方法。
在本实施例中,将以本实施例的电子设备是服务器为例进行详细描述,比如,如图4所示,其示出了本发明所涉及的服务器的结构示意图,具体来讲:
该服务器可以包括一个或者一个以上处理核心的处理器401、一个或一个以上计算机可读存储介质的存储器402、电源403、输入模块404以及通信模块405等部件。本领域技术人员可以理解,图4中示出的服务器结构并不构成对服务器的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。其中:
处理器401是该服务器的控制中心,利用各种接口和线路连接整个服务器的各个部分,通过运行或执行存储在存储器402内的软件程序和/或模块,以及调用存储在存储器402内的数据,执行服务器的各种功能和处理数据,从而对服务器进行整体监控。在一些实施例中,处理器401可包括一个或多个处理核心;在一些实施例中,处理器401可集成应用处理器和调制解调处理器,其中,应用处理器主要处理操作系统、用户界面和应用程序等,调制解调处理器主要处理无线通信。可以理解的是,上述调制解调处理器也可以不集成到处理器401中。
存储器402可用于存储软件程序以及模块,处理器401通过运行存储在存储器402的软件程序以及模块,从而执行各种功能应用以及数据处理。存储器402可主要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、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据服务器的使用所创建的数据等。此外,存储器402可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地,存储器402还可以包括存储器控制器,以提供处理器401对存储器402的访问。
服务器还包括给各个部件供电的电源403,在一些实施例中,电源403可以通过电源管理系统与处理器401逻辑相连,从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。电源403还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。
该服务器还可包括输入模块404,该输入模块404可用于接收输入的数字或字符信息,以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。
该服务器还可包括通信模块405,在一些实施例中通信模块405可以包括无线模块,服务器可以通过该通信模块405的无线模块进行短距离无线传输,从而为用户提供了无线的宽带互联网访问。比如,该通信模块405可以用于帮助用户收发电子邮件、浏览网页和访问流式媒体等。
尽管未示出,服务器还可以包括显示单元等,在此不再赘述。具体在本实施例中,服务器中的处理器401会按照如下的指令,将一个或一个以上的应用程序的进程对应的可执行文件加载到存储器402中,并由处理器401来运行存储在存储器402中的应用程序,从而实现各种功能,如下:
获取环境信息、交通信号灯信息以及地图;
对环境信息进行数据处理,得到交通流信息;
根据交通流信息确定针对调度车辆的调度任务;
基于地图、交通流信息、交通信号灯信息和调度任务执行调度算法,得到针对调度任务中调度车辆的规划路径;
根据预设评估参数对规划路径进行评估,得到评估结果,以便采用评估结果对调度算法进行优化处理,得到优化后的调度算法。
以上各个操作的具体实施可参见前面的实施例,在此不再赘述。
由上可知,可以通过获取真实世界中道路附近的环境信息,得到道路上的交通流信息,从而得到针对车辆的真实调度任务;调度算法基于真实的调度任务、交通流信息和交通信号灯信息生成针对调度车辆的规划路径,然后根据预设评估参数对生成的规划路径进行评估,从而能够较好反映调度算法在真实世界中解决问题的能力。由此,可以在对调度算法的性能进行评估时,提升评估的可靠性。
本领域普通技术人员可以理解,上述实施例的各种方法中的全部或部分步骤可以通过指令来完成,或通过指令控制相关的硬件来完成,该指令可以存储于一计算机可读存储介质中,并由处理器进行加载和执行。
为此,本发明提供一种计算机可读存储介质,其中存储有多条指令,该指令能够被处理器进行加载,以执行本发明所提供的任一种评估优化方法中的步骤。例如,该指令可以执行如下步骤:
获取环境信息、交通信号灯信息以及地图;
对环境信息进行数据处理,得到交通流信息;
根据交通流信息确定针对调度车辆的调度任务;
基于地图、交通流信息、交通信号灯信息和调度任务执行调度算法,得到针对调度任务中调度车辆的规划路径;
根据预设评估参数对规划路径进行评估,得到评估结果,以便采用评估结果对调度算法进行优化处理,得到优化后的调度算法。
其中,该存储介质可以包括:只读存储器(ROM,Read Only Memory)、随机存取记忆体(RAM,Random Access Memory)、磁盘或光盘等。
根据本申请的一个方面,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实施例中提供的评估调度算法性能方面或者评估调度智能自动驾驶汽车的调度算法方面的各种可选实现方式中提供的方法。
由于该存储介质中所存储的指令,可以执行本发明所提供的任一种评估优化方法中的步骤,因此,可以实现本发明所提供的任一种评估优化方法所能实现的有益效果,详见前面的实施例,在此不再赘述。
以上对本发明所提供的一种评估优化方法、装置、电子设备和计算机可读存储介质进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (13)
1.一种评估优化方法,其特征在于,包括:
获取环境信息、交通信号灯信息以及地图;
对所述环境信息进行数据处理,得到交通流信息;
根据所述交通流信息确定针对调度车辆的调度任务;
基于所述地图、所述交通流信息、所述交通信号灯信息和所述调度任务执行调度算法,得到针对所述调度任务中所述调度车辆的规划路径;
根据预设评估参数对所述规划路径进行评估,得到评估结果,以便采用所述评估结果对所述调度算法进行优化处理,得到优化后的调度算法。
2.如权利要求1所述的评估优化方法,其特征在于,所述根据预设评估参数对所述规划路径进行评估,得到评估结果,之前还包括:
根据所述交通流信息、所述交通信号灯信息以及所述地图生成交通仿真环境;
在所述交通仿真环境中模拟所述调度车辆根据所述规划路径进行行驶,得到模拟数据;
根据所述模拟数据确定所述预设评估参数对应的值。
3.如权利要求1所述的评估优化方法,其特征在于,所述环境信息包括所述地图对应的点云信息,所述对所述环境信息进行数据处理,得到交通流信息,包括:
采用点云目标检测算法检测所述地图对应的点云信息中的目标车辆;
确定所述地图的点云信息中目标车辆的车辆位置;
基于所述地图和所述地图的点云信息中目标车辆的车辆位置确定交通流信息。
4.如权利要求3所述的评估优化方法,其特征在于,所述环境信息包括多个点云数据集,所述采用点云目标检测算法检测所述地图对应的点云信息中的目标车辆之前,还包括:
采用点云匹配算法对所述多个点云数据集进行拼接,得到所述地图对应的点云信息。
5.如权利要求3所述的评估优化方法,其特征在于,所述基于所述地图和所述地图的点云信息中目标车辆的车辆位置确定交通流信息之后,还包括:
根据所述交通流信息确定所述地图对应的道路上的平均车速、车流量和车流密度;
根据所述地图对应的道路上的车速、车流量和车流密度确定所述地图对应的道路的拥堵程度;
当所述地图对应的道路的拥堵程度未达到预设拥堵阈值时,返回并执行所述获取环境信息和交通信号灯信息的步骤。
6.如权利要求3所述的评估方法评估优化方法,其特征在于,所述采用点云目标检测算法检测所述地图对应的点云信息中的目标车辆,包括:
采用特征编码网络将所述地图对应的点云信息转换为伪图像;
采用特征提取网络对所述伪图像进行特征提取,得到所述伪图像的特征;
基于所述伪图像的特征采用区域生成网络,对所述地图对应的点云信息中的对象进行分类,得到目标车辆。
7.如权利要求6所述的评估优化方法,其特征在于,所述采用特征编码网络将所述地图对应的点云信息转换为伪图像,包括:
在鸟瞰图下将所述地图对应的点云信息进行体素化,得到多个三维的柱子;
采用特征编码网络对每个所述三维的柱子进行采样,得到堆叠柱张量;
对所述堆叠柱张量执行最大化操作,得到伪图像。
8.如权利要求1所述的评估优化方法,其特征在于,所述根据所述交通流信息确定调度任务,包括:
从所述交通流信息中选取预设数量的车流信息,得到所述预设数量的车流信息中的起点、终点和发车时间;
根据所述预设数量的车流信息中的起点、终点和发车时间生成所述调度任务;
所述根据预设评估参数对所述规划路径进行评估,得到评估结果,包括:
对比所述预设数量的车流信息对应的行驶路径与所述规划路径,得到评估结果。
9.如权利要求1所述的评估优化方法,其特征在于,所述预设评估参数中包括多个评估子参数,所述评估结果包括评估总得分,所述根据预设评估参数对所述规划路径进行评估,得到评估结果,包括:
确定每个所述评估子参数对应的权重;
计算所述规划路径在每个所述评估子参数下对应的得分;
根据所述评估子参数的权重和所述规划路径在所述评估子参数下的得分,得到评估总得分。
10.如权利要求1所述的评估优化方法,其特征在于,所述预设评估参数包括所述规划路径的路程长度、所述调度车辆行驶完所述规划路径的总时长和平均速度、经过所述地图内预设观测点的车辆的车流量和平均车速,以及所述地图内目标区域的车流密度,所述车辆包括所述调度车辆。
11.一种评估优化装置,其特征在于,包括:
获取单元,用于获取环境信息、交通信号灯信息以及地图;
处理单元,用于对所述环境信息进行数据处理,得到交通流信息;
所述处理单元,还用于根据所述交通流信息确定针对调度车辆的调度任务;
调度单元,用于基于所述地图、所述交通流信息、所述交通信号灯信息和所述调度任务执行调度算法,得到针对所述调度任务中所述调度车辆的规划路径;
评估单元,用于根据预设评估参数对所述规划路径进行评估,得到评估结果,以便采用所述评估结果对所述调度算法进行优化处理,得到优化后的调度算法。
12.一种电子设备,其特征在于,包括处理器和存储器,所述存储器存储有多条指令;所述处理器从所述存储器中加载指令,以执行如权利要求1~10任一项所述的评估优化方法中的步骤。
13.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有多条指令,所述指令适于处理器进行加载,以执行权利要求1~10任一项所述的评估优化方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110278655.5A CN112668813A (zh) | 2021-03-16 | 2021-03-16 | 评估优化方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110278655.5A CN112668813A (zh) | 2021-03-16 | 2021-03-16 | 评估优化方法、装置、电子设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112668813A true CN112668813A (zh) | 2021-04-16 |
Family
ID=75399500
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110278655.5A Pending CN112668813A (zh) | 2021-03-16 | 2021-03-16 | 评估优化方法、装置、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112668813A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113191029A (zh) * | 2021-06-30 | 2021-07-30 | 深圳坤湛科技有限公司 | 基于集群计算的交通仿真方法、程序及介质 |
CN113591327A (zh) * | 2021-08-17 | 2021-11-02 | 广东汇通信息科技股份有限公司 | 一种基于vissim的局部交通规划多尺度评价方法 |
CN113610059A (zh) * | 2021-09-13 | 2021-11-05 | 北京百度网讯科技有限公司 | 基于区域评估的车辆控制方法、装置和智能交管系统 |
CN114077218A (zh) * | 2022-01-19 | 2022-02-22 | 浙江吉利控股集团有限公司 | 道路数据评估报告生成方法、装置、设备及存储介质 |
CN114283574A (zh) * | 2021-12-29 | 2022-04-05 | 湖南师范大学 | 一种基于卷积策略的车辆调度评价方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107490384A (zh) * | 2017-08-17 | 2017-12-19 | 湖北文理学院 | 一种基于城市路网的最优静态路径选择方法 |
CN108417069A (zh) * | 2018-04-20 | 2018-08-17 | 东北大学 | 一种车辆速度及路径规划系统及方法 |
-
2021
- 2021-03-16 CN CN202110278655.5A patent/CN112668813A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107490384A (zh) * | 2017-08-17 | 2017-12-19 | 湖北文理学院 | 一种基于城市路网的最优静态路径选择方法 |
CN108417069A (zh) * | 2018-04-20 | 2018-08-17 | 东北大学 | 一种车辆速度及路径规划系统及方法 |
Non-Patent Citations (1)
Title |
---|
ALEX H. LANG等: "PointPillars: Fast Encoders for Object Detection from Point Clouds", 《2019IEEE/CVF CONFERENCE ON COMPUTER VISION AND PATTERN RECOGNITION(CVPR)》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113191029A (zh) * | 2021-06-30 | 2021-07-30 | 深圳坤湛科技有限公司 | 基于集群计算的交通仿真方法、程序及介质 |
CN113591327A (zh) * | 2021-08-17 | 2021-11-02 | 广东汇通信息科技股份有限公司 | 一种基于vissim的局部交通规划多尺度评价方法 |
CN113591327B (zh) * | 2021-08-17 | 2023-12-19 | 广东汇通信息科技股份有限公司 | 一种基于vissim的局部交通规划多尺度评价方法 |
CN113610059A (zh) * | 2021-09-13 | 2021-11-05 | 北京百度网讯科技有限公司 | 基于区域评估的车辆控制方法、装置和智能交管系统 |
CN113610059B (zh) * | 2021-09-13 | 2023-12-05 | 北京百度网讯科技有限公司 | 基于区域评估的车辆控制方法、装置和智能交管系统 |
CN114283574A (zh) * | 2021-12-29 | 2022-04-05 | 湖南师范大学 | 一种基于卷积策略的车辆调度评价方法 |
CN114077218A (zh) * | 2022-01-19 | 2022-02-22 | 浙江吉利控股集团有限公司 | 道路数据评估报告生成方法、装置、设备及存储介质 |
CN114077218B (zh) * | 2022-01-19 | 2022-04-22 | 浙江吉利控股集团有限公司 | 道路数据评估报告生成方法、装置、设备及存储介质 |
WO2023137863A1 (zh) * | 2022-01-19 | 2023-07-27 | 浙江吉利控股集团有限公司 | 道路数据评估报告生成方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112668813A (zh) | 评估优化方法、装置、电子设备和存储介质 | |
CN110562258B (zh) | 一种车辆自动换道决策的方法、车载设备和存储介质 | |
CN107945507B (zh) | 行程时间预测方法及装置 | |
US11693409B2 (en) | Systems and methods for a scenario tagger for autonomous vehicles | |
CN111951144B (zh) | 一种违章路段的确定方法、设备及计算机可读存储介质 | |
US11899748B2 (en) | System, method, and apparatus for a neural network model for a vehicle | |
JP2021531462A (ja) | トポロジーマップに基づくインテリジェントナビゲーションの方法及びシステム | |
WO2021238306A1 (zh) | 一种激光点云的处理方法及相关设备 | |
CN111768629B (zh) | 车辆调度方法、装置和系统 | |
US20200234578A1 (en) | Prioritized vehicle messaging | |
CN111553319A (zh) | 用于获取信息的方法和装置 | |
CN114889603A (zh) | 一种车辆换道处理方法和装置 | |
CN116129066A (zh) | 基于数字孪生的自动驾驶高精度地图模型及高精度静态地图制作方法 | |
CN113375689A (zh) | 导航方法、装置、终端和存储介质 | |
CN115079701A (zh) | 一种无人车与无人机协同的路径规划方法 | |
CN113867367B (zh) | 测试场景的处理方法、装置及计算机程序产品 | |
CN110516564A (zh) | 路面检测方法和装置 | |
US10953871B2 (en) | Transportation infrastructure communication and control | |
CN103839278A (zh) | 一种前景检测方法及装置 | |
CN110446106B (zh) | 一种前置摄像头文件的识别方法、电子设备及存储介质 | |
CN114202272A (zh) | 一种基于电子围栏的车货匹配方法、装置、存储介质及终端 | |
CN113741384B (zh) | 检测自动驾驶系统的方法和装置 | |
Fu et al. | Unmanned Driving Technology in Coal Mine Based on Semantic Information Method | |
Muthugama et al. | Platooning graph for safer traffic management | |
CN117113037B (zh) | 通行数据确定方法、装置、电子设备及存储介质 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210416 |
|
RJ01 | Rejection of invention patent application after publication |