CN112712712A - 确定车辆排队信息的方法、装置、路侧设备和云控平台 - Google Patents

确定车辆排队信息的方法、装置、路侧设备和云控平台 Download PDF

Info

Publication number
CN112712712A
CN112712712A CN202011521984.XA CN202011521984A CN112712712A CN 112712712 A CN112712712 A CN 112712712A CN 202011521984 A CN202011521984 A CN 202011521984A CN 112712712 A CN112712712 A CN 112712712A
Authority
CN
China
Prior art keywords
vehicle
determining
state information
state
vehicles
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
CN202011521984.XA
Other languages
English (en)
Other versions
CN112712712B (zh
Inventor
高旭
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.)
Apollo Zhilian Beijing Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN202011521984.XA priority Critical patent/CN112712712B/zh
Publication of CN112712712A publication Critical patent/CN112712712A/zh
Priority to JP2021112735A priority patent/JP2021168174A/ja
Priority to KR1020210148147A priority patent/KR20210137936A/ko
Priority to JP2021181617A priority patent/JP7292355B2/ja
Priority to EP21207120.3A priority patent/EP4016494A1/en
Priority to US17/540,794 priority patent/US20220092874A1/en
Application granted granted Critical
Publication of CN112712712B publication Critical patent/CN112712712B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G06V20/54—Surveillance or monitoring of activities, e.g. for recognising suspicious objects of traffic, e.g. cars on the road, trains or boats
    • 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
    • G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
    • G08G1/0116—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from roadside infrastructure, e.g. beacons
    • 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
    • G08G1/0133—Traffic data processing for classifying traffic situation
    • 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
    • G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
    • G08G1/0175—Detecting movement of traffic to be counted or controlled identifying vehicles by photographing vehicles, e.g. when violating traffic rules
    • 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
    • G08G1/04—Detecting movement of traffic to be counted or controlled using optical or ultrasonic detectors
    • 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
    • G08G1/07—Controlling traffic signals
    • G08G1/08—Controlling traffic signals according to detected number or speed of vehicles
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/07—Controlling traffic signals
    • G08G1/081—Plural intersections under common control

Abstract

本申请公开了一种确定车辆排队信息的方法、装置、路侧设备和云控平台，应用于智能交通、计算机视觉和深度学习领域。具体实现方案为：获取多个时刻拍摄的针对目标车道的多个图像；针对多个图像中的每个图像：确定位于目标车道上的至少一个车辆和至少一个车辆各自在每个图像拍摄时刻的行驶速度；根据至少一个车辆的行驶速度，确定至少一个车辆各自在每个图像拍摄时刻的状态信息；根据针对多个图像确定的所有状态信息，确定在多个时刻中的第一时刻处目标车道上的排队车辆；以及根据排队车辆，确定在第一时刻处针对目标车道的车辆排队信息。

Description

确定车辆排队信息的方法、装置、路侧设备和云控平台
技术领域
本申请涉及图像处理领域，具体涉及智能交通、计算机视觉和深度学习领域，更具体地涉及一种确定车辆排队信息的方法、装置、路侧设备和云控平台。
背景技术
随着信息技术的发展，通过智能方式管理交通，以减缓交通拥堵现象，增加城市通行效率成为各级城市的主要任务之一。其中，估计车辆排队信息为交通智能管理的基础，以此可以合理制定智能信号灯的控制方案。
相关技术中，在估计车辆排队信息时，无法考虑排在摄像头监控范围外的车辆，因此存在排队信息估计有误，精准度低的技术问题。
发明内容
提供了一种用于提高准确性确定车辆排队信息的方法、装置、设备以及存储介质。
根据第一方面，提供了一种确定车辆排队信息的方法，该方法包括：获取多个时刻拍摄的针对目标车道的多个图像；针对多个图像中的每个图像：确定位于目标车道上的至少一个车辆和至少一个车辆各自在每个图像拍摄时刻的行驶速度；根据至少一个车辆的行驶速度，确定至少一个车辆各自在每个图像拍摄时刻的状态信息；根据针对多个图像确定的所有状态信息，确定在多个时刻中的第一时刻处目标车道上的排队车辆；以及根据排队车辆，确定在第一时刻处针对目标车道的车辆排队信息。
根据第二方面，提供了一种确定车辆排队信息的装置，包括：图像获取模块，用于获取多个时刻拍摄的针对目标车道的多个图像；车道车辆确定模块，用于针对多个图像中的每个图像，确定位于目标车道上的至少一个车辆和至少一个车辆各自在每个图像拍摄时刻的行驶速度；状态信息确定模块，用于针对多个图像中的每个图像，根据至少一个车辆的行驶速度，确定至少一个车辆各自在每个图像拍摄时刻的状态信息；排队车辆确定模块，用于根据针对多个图像确定的所有状态信息，确定在多个时刻中的第一时刻处目标车道上的排队车辆；以及排队信息确定模块，用于根据排队车辆，确定在第一时刻处针对目标车道的车辆排队信息。
根据第三方面，提供了一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行本申请提供的确定车辆排队信息的方法。
根据第四方面，提供了一种路侧设备，该路侧设备包括前文描述的电子设备。
根据第五方面，提供了一种云控平台，该云控平台包括前文描述的电子设备。
根据第六方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，计算机指令用于使计算机执行本申请提供的确定车辆排队信息的方法。
根据第七方面，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现本申请提供的确定车辆排队信息的方法。
应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案，不构成对本申请的限定。其中：
图1是根据本申请实施例的确定车辆排队信息的方法、装置、路侧设备和云控平台的应用场景示意图；
图2是根据本申请实施例的确定车辆排队信息的方法的流程示意图；
图3是根据本申请实施例的确定每个图像中目标车道上的每个车辆在每个图像拍摄时刻的状态信息的原理示意图；
图4是根据本申请实施例的确定第一时刻处目标车道上的排队车辆的原理示意图；
图5是根据本申请实施例的确定所有车辆中的排队车辆的原理示意图；
图6是根据本申请实施例的确定车辆排队信息的方法的原理示意图；
图7是根据本申请实施例的确定车辆排队信息的装置的结构框图；以及
图8是用来实现本申请实施例的确定车辆排队信息的方法的电子设备框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
本申请提供了一种确定车辆排队信息的方法。该方法先获取多个时刻拍摄的针对目标车道的多个图像。随后针对多个图像中的每个图像：先确定位于目标车道上的至少一个车辆和至少一个车辆各自在每个图像拍摄时刻的行驶速度，接下来根据至少一个车辆的行驶速度，确定至少一个车辆各自在每个图像拍摄时刻的状态信息。随后根据针对多个图像确定的所有状态信息，确定在多个时刻中的第一时刻处目标车道上的排队车辆。最后根据排队车辆，确定在第一时刻处针对目标车道的车辆排队信息。
以下将结合图1对本申请提供的方法和装置的应用场景进行描述。
图1是根据本申请实施例的确定车辆排队信息的方法、装置、路侧设备和云控平台的应用场景图。
如图1所示，该实施例的应用场景100例如可以包括道路110、交通信号灯120、监控设备130和在道路上行驶的车辆140。
监控设备130例如可以为摄像头等，用于监控道路110上行驶的车辆140。该监控设备130例如可以设置在设置有交通信号灯120的道路交叉口，以监控道路交叉口的拥堵信息。交通信号灯120例如可以为机动车信号灯，用于向道路交叉口中多个车道上车辆的行驶提供指挥信号。车辆140的类型例如可以包括以下至少之一：轿车、载货汽车、客车、挂车等。
根据本公开的实施例，如图1所示，该实施例的应用场景100例如还可以包括终端设备150，该终端设备150例如可以通过网络与监控设备130通信，以获取监控设备130连续拍摄的图像。
示例性地，终端设备150例如可以为具有处理功能的各种电子设备，包括但不限于膝上型便捷计算机、台式计算机、服务器等。该终端设备例如可以安装有即时通信类应用等客户端应用。该终端设备150可以通过对获取的图像进行处理，得到在构成交叉路口的任一车道上车辆的排队信息。
在一实施例中，终端设备150例如可以并作为路侧设备设置在车道两侧，或设置在交叉路口的任一方位角处。在另一实施例中，该终端设备150例如可以集成有监控设备130。
在一实施例中，终端设备150例如还可以通过网络与交通信号灯120通信，以根据得到的排队信息对交通信号灯120的配时方案进行调整，使得调整后的配时方案能够更好的满足道路上车辆的行驶需求，有效缓解道路拥堵情况。
根据本公开的实施例，如图1所示，该实施例的应用场景100例如还可以包括有服务器160，该服务器160可以通过网络与终端设备150通信。该服务器160例如可以为提供各种服务的服务器，例如对终端设备150中的客户端应用的运行提供支持的后台管理服务器(仅为示例)。服务器160例如可以为应用程序服务器、分布式系统的服务器，或者是结合了区块链的服务器。或者，服务器还可以为虚拟服务器或云服务器等。
在一实施例中，终端设备150例如可以将获取的图像发送给服务器160，由服务器对图像进行处理，得到在构成交叉路口的任一车道上车辆的排队信息。终端设备150可以根据服务器160反馈的排队信息来制定交通信号灯120的配时方案，使得交通信号灯120的周期变化能够更好的满足道路上车辆的行驶需求。
需要说明的是，本公开实施例提供的确定车辆排队信息的方法一般可以由终端设备150执行，或者由服务器160执行。相应地，本公开实施例提供的确定车辆排队信息的装置一般可以设置在终端设备150中，或者也可以设置在服务器160中。
应该理解，图1中的道路、监控设备、交通信号灯、车辆、终端设备和服务器的类型和数目仅仅是示意性的。根据实现需要，可以具有任意类型和数目的道路、监控设备、交通信号灯、车辆、终端设备和服务器。
以下将结合图1描述的应用场景，通过图2～图6对本申请实施例提供的确定车辆排队信息的方法进行详细描述。
图2是根据本申请实施例的确定车辆排队信息的方法的流程示意图。
如图2所示，该实施例的确定车辆排队信息的方法200例如可以包括操作S210、操作S230、操作S250、操作S270和操作S290。
在操作S210，获取多个时刻拍摄的针对目标车道的多个图像。
根据本申请的实施例，该操作S210可以获取监控范围包括目标车道的监控设备在预设时段内连续拍摄的多个图像。其中，预设时段例如可以根据向目标车道提供指示信息的交通信号灯的变化周期来设定。例如，该预设时段可以为交通信号灯变化的任意一个周期时段。或者，可以根据监控设备的拍摄频率，从监控设备在交通信号灯的变化周期内获取的多个图像中，每间隔预设数量个图像抽取一个图像，最终将抽取到的图像作为多个时刻拍摄的针对目标车道的多个图像。
根据本公开的实施例，在获取图像时，例如也可以以交通信号灯由红灯变为绿灯的时刻为起始时刻，获取监控设备在预定时段内拍摄的多个图像。该预定时段的长度例如可以小于或等于交通信号灯持续为绿灯的时段长度。
根据本公开的实施例，目标车道例如可以为左转车道、直行车道、右转车道、左转兼直行车道、右转兼直行车道中的任意一个车道。
在操作S230，针对多个图像中的每个图像，确定位于目标车道上的至少一个车辆和至少一个车辆各自在每个图像拍摄时刻的行驶速度。
根据本公开的实施例，在得到多个图像后，可以对每个图像进行图像识别，识别得到每个图像中位于目标车道上的车辆。其中，在每个图像不仅包括目标车道，还包括其他车道时，例如可以先通过识别图像中车道之间的分界线、及车道上的指示标志来确定目标车道。然后再识别目标车道上的车辆。
示例性地，可以将每个图像作为卷积神经网络的输入，输出得到在每个图像中标定的至少一个矩形框的中心位置坐标、矩形框的高度和宽度。每个矩形框对一个目标车道上的一个车辆。可以理解的是，以上确定位于目标车道上的至少一个车辆的方法仅作为示例以利于理解本公开，本公开对此不作限定。
示例性地，在针对每个图像确定至少一个车辆后，例如可以通过将针对该每个图像得到的第一矩形框与第二矩形框进行特征匹配，匹配得到图定同一车辆的第一矩形框和第二矩形框。其中，第二矩形框为针对多个图像中拍摄时刻与该每个图像相邻的前一图像得到的矩形框。随后，根据第一矩形框和第二矩形框中心位置坐标值的差值，及每个图像与相邻的前一图像的拍摄时刻的差值，来确定该圈定的同一车辆的行驶速度。
示例性地，对于在每个图像中矩形框圈定的某个车辆，若在该每个图像的前一图像中未找到匹配的矩形框，则可以确定该某个车辆刚驶入监控设备的监控范围内。此种情况下，可以设定该某个车辆的行驶速度为预定值。该预定值可以根据实际需求进行设定，例如，该预定值可以为0，或者小于10km/s的值等，本公开对该预定值的取值不做限定。
在操作S250，根据至少一个车辆的行驶速度，确定至少一个车辆各自在每个图像拍摄时刻的状态信息。
根据本公开的实施例，可以预先设定有速度阈值。若每个图像中位于目标车道上的车辆的行驶速度小于该速度阈值，则确定该车辆在每个图像拍摄时刻的状态信息为处于静止状态。否则确定该车辆在每个图像拍摄时刻的状态信息为处于行驶状态。
根据本公开的实施例，可以将根据车辆的行驶速度与速度阈值的比较确定的状态信息为初始状态信息。然后对每个图像上位于目标车道的多个车辆的初始状态信息进行比较。若某个车辆的前若干个车辆的初始状态信息均为处于行驶状态，则在该某个车辆的初始状态信息为静止状态时，确定该某个车辆的状态信息为处于行驶状态。以此可以避免因特殊原因而停止行驶的车辆对确定车辆排队信息的干扰，提高最终确定的车辆排队信息的准确性。
在操作S270，根据针对多个图像确定的所有状态信息，确定在多个时刻中的第一时刻处目标车道上的排队车辆。
根据本申请的实施例，通过针对每个图像执行操作S230和操作S250，可以得到每个图像中位于目标车道上的所有车辆在拍摄时刻的状态信息。
根据本公开的实施例，对于位于目标车道上因排队而处于停止状态的车辆，会存在于多个时刻中的至少两个相邻时刻均被拍摄到的情况。相应地，在根据针对多个图像确定的所有状态信息中，会包括针对一个车辆的至少两个状态信息。此种情况下，该实施例可以先将所有状态信息根据车辆进行分组，得到多个状态信息组，每个状态信息组针对一个车辆。然后根据针对每个车辆的状态信息组，来确定每个车辆在多个时刻中的第一时刻处是否为目标车道上的排队车辆。
示例性地，若状态信息组中有至少两个状态信息时，可以将该至少两个状态信息根据对应的时刻自先至后排序。若排序后的状态信息中前m个状态信息为静止状态，则确定该状态信息组所针对的车辆为排队车辆。其中，m为大于等于2的整数。
示例性地，还可以将前文描述的前m个状态信息为静止状态的状态信息组所针对的车辆作为备选排队车辆。最后，将所有车辆按在多个时刻中的首次出现时刻自先至后排序，若备选排队车辆在排序后的所有车辆中相邻n个车辆均不是备选排队车辆，则确定该备选排队车辆不是在第一时刻处的排队车辆。以此类推，确定备选排队车辆中的每个车辆是否为排队车辆，最终得到在第一时刻处目标车道上的排队车辆。
可以理解的是，该实施例的确定车辆是否为排队车辆的方法仅作为示例以利于理解本公开，本公开对此不作限定。
根据本公开的实施例，多个时刻中相邻两个时刻之间的时间间隔应小于车辆按预定车速行驶，从驶入监控设备的监控范围至驶出监控设备的监控范围所需的时长。多个时刻中的第一时刻例如可以为交通信号灯从红灯变为绿灯的时刻，即目标车道从禁止车辆通行状态更改为允许车辆通行状态的时刻。
在操作S290，根据排队车辆，确定在第一时刻处针对目标车道的车辆排队信息。
根据本公开的实施例，在确定了排队车辆后，可以将该排队车辆数与预设长度的乘积作为在第一时刻处针对目标车道的车辆排队信息。其中，预设长度例如可以根据车道上行驶的车辆类型、每个类型的车辆占所有车辆的比例及每个类型的车辆的车身长度来设定。
根据本公开的实施例，通过先确定多个时刻拍摄的多个图像中车辆的状态信息，并依据针对多个图像得到的所有状态信息来确定排队车辆，可以实现对排在摄像头覆盖范围外的车辆在第一时刻处的状态的监控，从而可以提高确定的车辆排队信息的准确性。
根据本申请的实施例，多个时刻中第一时刻与第二时刻之间的时间间隔与针对目标车道的交通信号灯的变化周期相关。其中，第二时刻例如可以为多个时刻中的最晚时刻。该第一时刻与第二时刻之间的时间间隔例如可以与交通信号灯的变化周期相等。或者，该第一时刻与第二时刻之间的时间间隔例如可以与交通信号灯的绿灯持续时长相等。
根据本公开的实施例，在获取多个时刻拍摄的图像时，例如还可以根据目标车道的路况来灵活调整第一时刻与第二时刻之间的时间间隔。例如，在目标车道的拥堵严重时，可以将第一时刻与第二时刻之间的时间间隔设定为较大的值，在目标车道行驶顺畅时，可以将第一时刻与第二时刻之间的时间间隔设定为较小的值。通过该设置，可以避免因目标路段拥堵严重导致排队车辆较长时间未向前行驶时，因时间间隔较小而无法准确确定排队车辆的情况，并因此可以进一步提高确定的车辆排队信息的准确性。
图3是根据本申请实施例的确定每个图像中目标车道上的每个车辆在每个图像拍摄时刻的状态信息的原理示意图。
根据本公开的实施例，在确定至少一个车辆各自在每个图像拍摄时刻的状态信息时，例如可以针对每个图像，综合该每个图像中在目标车道上的所有车辆的行驶速度，来确定与车辆行驶速度相关的损失函数的最小取值。最终根据与该损失函数的最小取值对应的各车辆的状态信息为各车辆在该每个图像拍摄时刻的状态信息。通过该损失函数的引入，可以在一定程度上提高确定的车辆的状态信息的准确性。
示例性地，车辆的状态信息可以由预定数值表示。例如，若状态信息为行驶状态时，则表示状态信息的预定数值可以为第一数值，若状态信息为静止状态时，则表示状态信息的预定数值为第二数值。在确定状态信息时，可以先针对每个图像确定该图像中目标车道上所有车辆的状态组合，得到至少两个状态组合。其中，每个状态组合包括针对至少一个车辆各自的状态。在得到至少两个状态组合后，可以根据至少一个车辆各自在每个图像拍摄时刻的行驶速度，确定至少一个状态组合中使预设损失函数的取值最小的目标组合，以得到所述至少一个车辆各自在所述每个图像拍摄时刻的状态信息。
示例性地，在图3所示的实施例300中，在图像中目标车道上的车辆包括车辆310和车辆320时，车辆310的状态信息可能为行驶状态311，也可能为静止状态312，同样，车辆320的状态信息可能为行驶状态321，也可能为静止状态322。在确定状态组合时，可以得到由行驶状态311和行驶状态321组成的第一状态组合331、由静止状态312和行驶状态321组成的第二状态组合332、由行驶状态311和静止状态322组成的第三状态组合333以及由静止状态312和静止状态322组成的第四状态组合334。可以理解的是，该状态组合的个数可以根据每个图像中目标车道上的车辆数来确定。例如，状态组合的个数S与车辆数p之间的关系为：S等于2的p次方。在得到四个状态组合后，可以将表示第一状态组合331中各状态信息的数值串、车辆310在图像拍摄时刻的行驶速度和车辆320在图像拍摄时刻的行驶速度代入预设损失函数340中，计算得到预设损失函数340的第一取值。类似地，通过将表示第二状态组合332中各状态信息的数值串、表示第三状态组合333中各状态信息的数值串和表示第四状态组合334中各状态信息的数值串依次代入预设损失函数340，可以得到预设损失函数340的第二取值、第三取值和第四取值。随后确定第一取值、第二取值、第三取值和第四取值中的最小值，将得到最小值时代入的状态组合作为最终的目标组合350。
示例性地，预设损失函数例如可以通过以下公式来表示：
Figure BDA0002848578390000091
其中，
Figure BDA0002848578390000092
为预设损失函数的取值；
Figure BDA0002848578390000093
表示多个图像第t个图像的拍摄时刻处，位于目标车道上的至少一个车辆中第i个车辆的状态信息的取值；
Figure BDA0002848578390000094
表示第t个图像的拍摄时刻处第i个车辆的行驶速度；Q、τ为常数，Nt为第t个图像中位于目标车道上的车辆的总数目。其中，在状态信息为行驶状态时，状态信息取值为Q，在状态信息为静止状态时，状态信息取值为0。示例性地，Q和τ例如可以为超参，可以根据实际需求设定超参的取值，本公开对此不作限定。在一实施例中，Q的取值例如可以为1。
示例性地，预设损失函数例如还可以通过以下公式来表示：
Figure BDA0002848578390000101
其中，v0预设的速度阈值，
Figure BDA0002848578390000102
为分段函数，在
Figure BDA0002848578390000103
时，
Figure BDA0002848578390000104
Figure BDA0002848578390000105
否则，
Figure BDA0002848578390000106
可以理解的是，前述实施例的预设损失函数仅作为示例以利于理解本公开，本公开对此不作限定，根据实际需求，预设损失函数可以为任意函数，或者，可以为以上列举的损失函数的任意变形。
根据本公开的实施例，在得到目标组合后，例如还可以根据实际情况对表示目标组合中的状态信息的数值串进行平滑处理，以使得平滑处理后得到状态信息组合更贴合于实际情况，并因此提高确定的排队车辆和车辆排队信息的准确性。
示例性地，可以先根据目标组合，确定每个图像中位于目标车道上的至少一个车辆中的异常车辆。异常车辆为状态信息与第一预设数量个相邻车辆的状态信息不同的车辆。随后更改异常车辆的状态信息，以使得异常车辆的更改后状态信息与第一预设数量个相邻车辆的状态信息相同。
在一实施例中，可以将目标组合中的各状态信息根据对应的车辆在目标车道上的先后顺序，对各状态信息进行排序。随后确定排序后的状态信息中，与相邻的第一预设数量个状态信息不一致的状态信息。最后将该不一致的状态信息对应的车辆确定为异常车辆。
图4是根据本公开实施例的确定第一时刻处目标车道上的排队车辆的原理示意图。
根据本公开的实施例，在针对所有图像得到目标组合后，例如可以先对所有目标组合中对应同一车辆的状态信息进行汇总，得到对应每个车辆的状态信息序列。然后根据该状态信息序列确定每个车辆的初始状态信息。最后再根据所有车辆的初始状态信息，确定车辆中的排队车辆。通过此方式，可以使得确定的车辆的状态信息综合考虑了多个图像，从而可以提高确定的车辆的状态信息的准确性。
示例性地，在如图4所示的实施例400中，对于每个车辆，可以先确定多个图像中拍摄到该车辆的至少一个图像，作为针对车辆的目标图像。例如，对于车辆410，可以从多个图像420中抽取到按拍摄时刻自先至后排列的目标图像431～433。该目标图像431～433中，被虚线框图起来的车辆为车辆410。然后根据针对目标图像确定的每个车辆的状态信息，确定每个车辆在第一时刻处的状态信息，作为初始状态信息。最后，根据多个图像中位于目标车道上的所有车辆的初始状态信息，确定所有车辆中的排队车辆。
示例性地，在确定每个车辆的初始状态信息时，例如可以在针对每个车辆的目标图像为多个的情况下，将针对目标图像确定的每个车辆的多个状态信息中，数量较多的状态信息作为每个车辆在第一时刻处的状态信息。通过此方式，可以实现对多个目标图像确定的状态信息的平滑处理，因此可以在一定程度上提高确定的车辆状态信息的准确性，从而提高确定的排队信息的准确性。例如，对于目标图像431确定的车辆410的状态信息为静止状态441，对于目标图像432确定的车辆410的状态信息为静止状态442，对于目标图像433确定的车辆410的状态信息为行驶状态443，则可以确定初始状态信息450为静止状态。
示例性地，在确定每个车辆的初始状态信息时，例如还可以将根据多个目标图像确定的多个状态信息根据对应的目标图像的拍摄时刻自先至后排序。然后根据排序后的多个状态信息，确定前m个状态信息是否一致，若一致，则将该一致的状态信息作为初始状态信息。否则，确定车辆的初始状态信息为行驶状态。
根据本公开的实施例，在得到所有车辆的初始状态信息后，可以将初始状态信息为静止状态的车辆作为在第一时刻处的排队车辆。
图5是根据本公开实施例的确定所有车辆中的排队车辆的原理示意图。
根据本公开的实施例，在得到所有车辆的初始状态信息后，可以先根据多个图像的拍摄时刻，确定在多个图像中位于目标车道上所有车辆出现的时间顺序。然后根据时间顺序将所有车辆的初始状态信息自先至后排列，得到状态信息序列。最后，在状态序列包括连续第二预设数量个行驶状态的情况下，确定状态序列中位于连续第二预设数量个行驶状态之前的初始状态信息所对应的车辆为排队车辆。
示例性地，可以将针对车辆的多个目标图像的多个拍摄时刻的平均值作为车辆的出现时刻。或者，可以先确定多个目标图像中拍摄时刻最早的图像，将该图像的拍摄时刻作为车辆的出现时刻。此种情况下，若多个车辆的出现时刻相同，则可以比对通过图像识别得到的矩形框，将较大矩形框图定的车辆设定为出现时刻较早的车辆。
示例性地，如图5所示的实施例500，多个图像中位于目标车道上的车辆包括6个车辆，该6个车辆按出现的时间顺序排列包括车辆511～车辆516。将该些车辆511～车辆516的状态信息按对应车辆出现的时间顺序排列后，可以得到状态信息序列{静止状态521，静止状态522，行驶状态523，静止状态524，行驶状态525，行驶状态526}。该状态信息序列由数值表示，可以得到数值串530{0，0，1，0，1，1}。在第二预设数量为1的情况下，可以确定排队车辆为静止状态521和静止状态522所对应的车辆，即车辆511和车辆512。在第二预设数量为2的情况下，可以确定排队车辆540为静止状态521、静止状态522、行驶状态523和静止状态524所对应的车辆，即车辆511、车辆512、车辆513和车辆514。
可以理解的是，第二预设数量可以根据实际需求进行设定，本公开对此不作限定。在一实施例中，为了避免在排队状态下，个别车辆占用非机动车道或目标车道两侧的车道超车后再次驶入目标车道，因车速较大导致针对该车辆得到的状态信息不准确的情况，该实施例可以将第二预设数量设定为大于等于2的值。
根据本公开的实施例，在得到排队车辆后，例如可以先确定排队车辆中各车辆的车身长度。随后根据各车辆的车身长度来确定目标车道在第一时刻处的车辆排队长度，以此作为车辆排队信息。
示例性地，在确定排队车辆中各车辆的车身长度时，可以先采用预设分类模型确定各车辆的类型。然后根据预先构建的车辆类型和车身长度的对照表，确定各车辆的车身长度。其中，预设分类模型例如可以为逻辑回归神经网络模型等。其中，考虑到车辆之间需要保持一定的车距，因此，预先构建的对照表中，可以向车身长度分配比实际车身长度较大的值。在得到各车辆的车身长度后，可以将所有排队车辆的车身长度之和作为车辆排队长度。
根据本公开的实施例，在得到排队车辆后，例如还可以先确定排队车辆中各车辆的车身长度。随后根据各车辆的车身长度与预定车距，确定目标车道在第一时刻处的车辆排队长度，以作为车辆排队信息。该实施例中确定车辆的车身长度的方法与前文实施例的方法类似。在得到各车辆的车身长度后，可以先确定排队车辆的车身长度之和，以及预定车距与排队车辆数目的乘积，最后将车身长度之和与乘积的和作为车辆排队长度。
该实施例通过根据排队车辆中各车辆的车身长度来确定车辆排队长度，相较于相关技术中仅根据最后一个排队车辆的位置来确定排队长度，可以避免因最后一个排队车辆位置定位不精准所存在的排队长度不准确的问题，并因此提高确定的排队长度的精度。
图6是根据本公开实施例的确定车辆排队信息的方法的原理示意图。
根据本公开的实施例，如图6所示，该实施例的确定车辆排队信息的方法600可以包括操作S610～操作S630。
在操作S610，估计车辆状态。该操作可以先识别获取的多个图像中的第一个图像，得到第一个图像中位于目标车道上的各车辆的速度和位置611。识别多个图像中的第二个图像，得到第二个图像中位于目标车道上的各车辆的速度和位置621。以此类推，可以得到针对多个图像中各图像的车辆的速度和位置。随后，将第一个图像中各车辆的速度，以及所有的状态信息组合代入预设损失函数630，确定指示第一个图像中各车辆的状态信息的值为指示静止状态613的0，或者指示行驶状态614的1。类似地，经由预设损失函数630，可以得到指示第二个图像中各车辆的状态信息的值为指示静止状态623的0，或者指示行驶状态624的1。以此类推，可以针对每个图像得到指示包含的各车辆状态信息的值。从而可以针对每个图像，得到指示包含的各车辆的状态信息的数值序列640。
在操作S620，估计排队车辆。该操作例如可以包括操作S621～操作S623。在操作S621，对针对每个图像的数值序列640进行平滑处理，得到调整后数值序列。同时根据多个数值序列640，确定各车辆在第一时刻的初始状态信息，并将指示各车辆的初始状态信息的数值按各车辆在监控设备的监控范围内出现的时间顺序排序，得到针对所有车辆的状态信息的数值序列。在操作S622，统计针对所有车辆的状态信息的数值序列中，排在前端的指示静止状态的状态信息数目。在操作S623，将前端指示静止状态的状态信息对应的车辆作为排队车辆，从而确定排队车辆数目。
在操作S630，估计排队信息。该操作可以包括操作S631～操作S632。在操作S631，在得到排队车辆后，获取不同类型车辆的车身先验长度。然后执行操作S632，根据不同类型车辆的车身先验长度，确定排队车辆中各车辆的车身长度，并根据该各车辆的车身长度确定车辆排队长度。可以将该车辆排队长度作为车辆排队信息，并以该车辆排队信息作为制定交通信号灯变化规则的参考。
该实施例的确定车辆排队信息的方法，根据多个时刻拍摄的多个图像来确定排队信息，可以利用时间来获取更多的空间信息，提升监控设备感知的目标车道上的车辆数，可以便于提高确定的车辆排队信息的准确性。在此基础上，可以有效地规划交通信号灯的控制。经测试得知，该方法可以将确定的排队长度的误差率降低14％左右。
图7是根据本公开实施例的确定车辆排队信息的装置的结构框图。
如图7所示，该实施例的确定车辆排队信息的装置700可以包括图像获取模块710、车道车辆确定模块730、状态信息确定模块750、排队车辆确定模块770和排队信息确定模块790。
图像获取模块710用于获取多个时刻拍摄的针对目标车道的多个图像。在一实施例中，图像获取模块710例如可以用来执行前文描述的操作S210，在此不再赘述。
车道车辆确定模块730用于针对多个图像中的每个图像，确定位于目标车道上的至少一个车辆和至少一个车辆各自在每个图像拍摄时刻的行驶速度。在一实施例中，车道车辆确定模块730例如可以用于执行前文描述的操作S230，在此不再赘述。
状态信息确定模块750用于针对多个图像中的每个图像，根据至少一个车辆的行驶速度，确定至少一个车辆各自在每个图像拍摄时刻的状态信息。在一实施例中，状态信息确定模块750例如可以用于执行前文描述的操作S250，在此不再赘述。
排队车辆确定模块770用于根据针对多个图像确定的所有状态信息，确定在多个时刻中的第一时刻处目标车道上的排队车辆。在一实施例中，排队车辆确定模块770例如可以用于执行前文描述的操作S270，在此不再赘述。
排队信息确定模块790用于根据排队车辆，确定在第一时刻处针对所述目标车道的车辆排队信息。在一实施例中，排队信息确定模块790例如可以用于执行前文描述的操作S290，在此不再赘述。
根据本公开的实施例，状态信息确定模块750例如可以包括状态组合确定子模块和目标组合确定子模块。状态组合确定子模块用于确定至少一个车辆的状态组合，得到至少两个状态组合，每个状态组合包括针对至少一个车辆各自的状态，车辆的状态包括行驶状态和静止状态。目标组合确定子模块，用于根据至少一个车辆各自在每个图像拍摄时刻的行驶速度，确定至少一个状态组合中使预设损失函数的取值最小的目标组合，以得到至少一个车辆各自在每个图像拍摄时刻的状态信息。
根据本公开的实施例，状态信息确定模块还包括异常车辆确定子模块和状态信息更改子模块。异常车辆确定子模块用于根据目标组合，确定至少一个车辆中的异常车辆，异常车辆包括状态信息与第一预设数量个相邻车辆的状态信息不同的车辆。状态信息更改子模块用于更改异常车辆的状态信息，以使得异常车辆的更改后状态信息与第一预设数量个相邻车辆的状态信息相同。
根据本公开的实施例，上述预设损失函数为：
Figure BDA0002848578390000151
其中，
Figure BDA0002848578390000152
为预设损失函数的取值；
Figure BDA0002848578390000153
表示多个图像中第t个图像的拍摄时刻处、位于目标车道上的所述至少一个车辆中第i个车辆的状态信息取值；
Figure BDA0002848578390000154
表示第t个图像的拍摄时刻处第i个车辆的行驶速度；Q、τ为常数，Nt为第t个图像中位于目标车道上的车辆的总数目。其中，状态信息取值包括指示行驶状态的Q和指示静止状态的0。
根据本公开的实施例，排队车辆确定模块包括目标图像确定子模块、初始状态确定子模块和车辆确定子模块。目标图像确定子模块用于确定多个图像中拍摄到每个车辆的至少一个图像，作为针对每个车辆的目标图像。初始状态确定子模块用于根据针对目标图像确定的每个车辆的状态信息，确定每个车辆在第一时刻处的状态信息，作为初始状态信息。车辆确定子模块用于根据多个图像中位于目标车道上的所有车辆的初始状态信息，确定所有车辆中的排队车辆。
根据本公开的实施例，初始状态确定子模块用于：在针对每个车辆的目标图像为多个的情况下，将针对目标图像确定的每个车辆的多个状态信息中，数量较多的状态信息作为每个车辆在第一时刻处的状态信息。
根据本公开的实施例，车辆的状态包括行驶状态和静止状态。车辆确定子模块包括顺序确定单元、状态排序单元和车辆确定单元。顺序确定单元用于根据多个图像的拍摄时刻，确定在多个图像中位于目标车道上所有车辆出现的时间顺序。状态排序单元用于根据时间顺序将所有车辆的初始状态信息自先至后排列，得到状态信息序列。车辆确定单元用于在状态信息序列包括连续第二预设数量个行驶状态的情况下，确定状态信息序列中位于连续第二预设数量个行驶状态之前的初始状态信息所对应的车辆为排队车辆。
根据本公开的实施例，多个时刻中第一时刻与第二时刻之间的时间间隔与针对目标车道的交通信号灯变化周期，以及目标车道的路况相关。
根据本公开的实施例，排队信息确定模块包括车身长度确定子模块和排队长度确定子模块。车身长度确定子模块用于确定排队车辆中各车辆的车身长度。排队长度确定子模块用于根据各车辆的车身长度与预定车距，确定目标车道在第一时刻处的车辆排队长度，以作为车辆排队信息。
根据本申请的实施例，本申请还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图8示出了可以用来实施本公开的实施例的示例电子设备800的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图8所示，设备800包括计算单元801，其可以根据存储在只读存储器(ROM)802中的计算机程序或者从存储单元808加载到随机访问存储器(RAM)803中的计算机程序，来执行各种适当的动作和处理。在RAM 803中，还可存储设备800操作所需的各种程序和数据。计算单元801、ROM 802以及RAM 803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线804。
设备800中的多个部件连接至I/O接口805，包括：输入单元806，例如键盘、鼠标等；输出单元807，例如各种类型的显示器、扬声器等；存储单元808，例如磁盘、光盘等；以及通信单元809，例如网卡、调制解调器、无线通信收发机等。通信单元809允许设备800通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元801可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元801的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元801执行上文所描述的各个方法和处理，例如确定车辆排队信息的方法。例如，在一些实施例中，确定车辆排队信息的方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元808。在一些实施例中，计算机程序的部分或者全部可以经由ROM 802和/或通信单元809而被载入和/或安装到设备800上。当计算机程序加载到RAM 803并由计算单元801执行时，可以执行上文描述的确定车辆排队信息的方法的一个或多个步骤。备选地，在其他实施例中，计算单元801可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行确定车辆排队信息的方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
基于以上的电子设备，本公开还提供了一种路侧设备，该路侧设备包括前文描述的电子设备。该路侧设备例如还可以包括通信部件等。电子设备可以和通信部件一体集成，也可以分体设备。电子设备可以获取感知设备(例如路侧的监控设备)的数据，进行数据计算。其中，获取的数据例如可以包括图片和视频等，进行的数据计算例如可以为对图像额视频进行图像识别、目标追踪等处理。
基于以上的电子设备，本公开还提供了一种云控平台，该云控平台包括前文描述的电子设备。该云控平台可以在云端执行处理，包括的电子设备可以获取感知设备(例如道路两侧的监控设备)的数据，进行数据计算。其中，获取的数据例如可以包括图片和视频等，进行的数据计算例如可以为对图像额视频进行图像识别、目标追踪等处理。在一实施例中，云控平台例如也可以称为车路协同管理平台、边缘计算平台、云计算平台、中心系统和云端服务器等。
上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请公开的技术方案所期望的结果，本文在此不进行限制。

Claims (23)

1.一种确定车辆排队信息的方法，包括：
获取多个时刻拍摄的针对目标车道的多个图像；
针对所述多个图像中的每个图像：
确定位于所述目标车道上的至少一个车辆和所述至少一个车辆各自在所述每个图像拍摄时刻的行驶速度；
根据所述至少一个车辆的行驶速度，确定所述至少一个车辆各自在所述每个图像拍摄时刻的状态信息；
根据针对所述多个图像确定的所有状态信息，确定在所述多个时刻中的第一时刻处所述目标车道上的排队车辆；以及
根据所述排队车辆，确定在所述第一时刻处针对所述目标车道的车辆排队信息。
2.根据权利要求1所述的方法，其中，确定所述至少一个车辆各自在所述每个图像拍摄时刻的状态信息包括：
确定所述至少一个车辆的状态组合，得到至少两个状态组合，每个状态组合包括针对所述至少一个车辆各自的状态，车辆的状态包括行驶状态和静止状态；以及
根据所述至少一个车辆各自在所述每个图像拍摄时刻的行驶速度，确定至少一个状态组合中使预设损失函数的取值最小的目标组合，以得到所述至少一个车辆各自在所述每个图像拍摄时刻的状态信息。
3.根据权利要求2所述的方法，其中，确定所述至少一个车辆各自在所述每个图像拍摄时刻的状态信息还包括：
根据所述目标组合，确定所述至少一个车辆中的异常车辆，所述异常车辆包括状态信息与第一预设数量个相邻车辆的状态信息不同的车辆；以及
更改所述异常车辆的状态信息，以使得所述异常车辆的更改后状态信息与所述第一预设数量个相邻车辆的状态信息相同。
4.根据权利要求2所述的方法，其中，所述预设损失函数为：
Figure FDA0002848578380000021
其中，
Figure FDA0002848578380000022
为所述预设损失函数的取值；
Figure FDA0002848578380000023
表示所述多个图像中第t个图像的拍摄时刻处、位于目标车道上的所述至少一个车辆中第i个车辆的状态信息取值；
Figure FDA0002848578380000024
表示所述第t个图像的拍摄时刻处所述第i个车辆的行驶速度；Q、τ为常数，Nt为所述第t个图像中位于所述目标车道上的车辆的总数目；其中，状态信息取值包括指示行驶状态的Q和指示静止状态的0。
5.根据权利要求1所述的方法，其中，确定所述多个时刻中的第一时刻处所述目标车道上的排队车辆包括：
确定所述多个图像中拍摄到每个车辆的至少一个图像，作为针对所述每个车辆的目标图像；
根据针对所述目标图像确定的所述每个车辆的状态信息，确定所述每个车辆在所述第一时刻处的状态信息，作为初始状态信息；以及
根据所述多个图像中位于所述目标车道上的所有车辆的初始状态信息，确定所述所有车辆中的排队车辆。
6.根据权利要求5所述的方法，其中，确定所述每个车辆在所述第一时刻处的状态信息包括：
在针对所述每个车辆的目标图像为多个的情况下，将针对所述目标图像确定的所述每个车辆的多个状态信息中，数量较多的状态信息作为所述每个车辆在所述第一时刻处的状态信息。
7.根据权利要求5所述的方法，其中，车辆的状态包括行驶状态和静止状态；确定所述所有车辆中的排队车辆包括：
根据所述多个图像的拍摄时刻，确定在所述多个图像中位于所述目标车道上所有车辆出现的时间顺序；
根据所述时间顺序将所述所有车辆的初始状态信息自先至后排列，得到状态信息序列；以及
在所述状态信息序列包括连续第二预设数量个行驶状态的情况下，确定所述状态信息序列中位于所述连续第二预设数量个行驶状态之前的初始状态信息所对应的车辆为所述排队车辆。
8.根据权利要求1所述的方法，其中：
所述多个时刻中第一时刻与第二时刻之间的时间间隔与针对所述目标车道的交通信号灯变化周期，以及所述目标车道的路况相关。
9.根据权利要求1所述的方法，其中，确定在所述第一时刻处针对所述目标车道的车辆排队信息包括：
确定所述排队车辆中各车辆的车身长度；以及
根据所述各车辆的车身长度与预定车距，确定所述目标车道在所述第一时刻处的车辆排队长度，以作为所述车辆排队信息。
10.一种确定车辆排队信息的装置，包括：
图像获取模块，用于获取多个时刻拍摄的针对目标车道的多个图像；
车道车辆确定模块，用于针对所述多个图像中的每个图像，确定位于所述目标车道上的至少一个车辆和所述至少一个车辆各自在所述每个图像拍摄时刻的行驶速度；
状态信息确定模块，用于针对所述多个图像中的每个图像，根据所述至少一个车辆的行驶速度，确定所述至少一个车辆各自在所述每个图像拍摄时刻的状态信息；
排队车辆确定模块，用于根据针对所述多个图像确定的所有状态信息，确定在所述多个时刻中的第一时刻处所述目标车道上的排队车辆；以及
排队信息确定模块，用于根据所述排队车辆，确定在所述第一时刻处针对所述目标车道的车辆排队信息。
11.根据权利要求10所述的装置，其中，所述状态信息确定模块包括：
状态组合确定子模块，用于确定所述至少一个车辆的状态组合，得到至少两个状态组合，每个状态组合包括针对所述至少一个车辆各自的状态，车辆的状态包括行驶状态和静止状态；以及
目标组合确定子模块，用于根据所述至少一个车辆各自在所述每个图像拍摄时刻的行驶速度，确定至少一个状态组合中使预设损失函数的取值最小的目标组合，以得到所述至少一个车辆各自在所述每个图像拍摄时刻的状态信息。
12.根据权利要求11所述的装置，其中，所述状态信息确定模块还包括：
异常车辆确定子模块，用于根据所述目标组合，确定所述至少一个车辆中的异常车辆，所述异常车辆包括状态信息与第一预设数量个相邻车辆的状态信息不同的车辆；以及
状态信息更改子模块，用于更改所述异常车辆的状态信息，以使得所述异常车辆的更改后状态信息与所述第一预设数量个相邻车辆的状态信息相同。
13.根据权利要求11所述的装置，其中，所述预设损失函数为：
Figure FDA0002848578380000041
其中，
Figure FDA0002848578380000042
为所述预设损失函数的取值；
Figure FDA0002848578380000043
表示所述多个图像中第t个图像的拍摄时刻处、位于目标车道上的所述至少一个车辆中第i个车辆的状态信息取值；
Figure FDA0002848578380000044
表示所述第t个图像的拍摄时刻处所述第i个车辆的行驶速度；Q、τ为常数，Nt为所述第t个图像中位于所述目标车道上的车辆的总数目；其中，状态信息取值包括指示行驶状态的Q和指示静止状态的0。
14.根据权利要求10所述的装置，其中，所述排队车辆确定模块包括：
目标图像确定子模块，用于确定所述多个图像中拍摄到每个车辆的至少一个图像，作为针对所述每个车辆的目标图像；
初始状态确定子模块，用于根据针对所述目标图像确定的所述每个车辆的状态信息，确定所述每个车辆在所述第一时刻处的状态信息，作为初始状态信息；以及
车辆确定子模块，用于根据所述多个图像中位于所述目标车道上的所有车辆的初始状态信息，确定所述所有车辆中的排队车辆。
15.根据权利要求14所述的装置，其中，所述初始状态确定子模块用于：在针对所述每个车辆的目标图像为多个的情况下，将针对所述目标图像确定的所述每个车辆的多个状态信息中，数量较多的状态信息作为所述每个车辆在所述第一时刻处的状态信息。
16.根据权利要求14所述的装置，其中，车辆的状态包括行驶状态和静止状态；所述车辆确定子模块包括：
顺序确定单元，用于根据所述多个图像的拍摄时刻，确定在所述多个图像中位于所述目标车道上所有车辆出现的时间顺序；
状态排序单元，用于根据所述时间顺序将所述所有车辆的初始状态信息自先至后排列，得到状态信息序列；以及
车辆确定单元，用于在所述状态信息序列包括连续第二预设数量个行驶状态的情况下，确定所述状态信息序列中位于所述连续第二预设数量个行驶状态之前的初始状态信息所对应的车辆为所述排队车辆。
17.根据权利要求10所述的装置，其中：
所述多个时刻中第一时刻与第二时刻之间的时间间隔与针对所述目标车道的交通信号灯变化周期，以及所述目标车道的路况相关。
18.根据权利要求10所述的装置，其中，所述排队信息确定模块包括：
车身长度确定子模块，用于确定所述排队车辆中各车辆的车身长度；以及
排队长度确定子模块，用于根据所述各车辆的车身长度与预定车距，确定所述目标车道在所述第一时刻处的车辆排队长度，以作为所述车辆排队信息。
19.一种电子设备，其特征在于，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行根据权利要求1-9中任一项所述的方法。
20.一种路侧设备，包括如权利要求19所述的电子设备。
21.一种云控平台，包括如权利要求19所述的电子设备。
22.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-9中任一项所述的方法。
23.一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现根据权利要求1-9中任一项所述的方法。
CN202011521984.XA 2020-12-21 2020-12-21 确定车辆排队信息的方法、装置、路侧设备和云控平台 Active CN112712712B (zh)

Priority Applications (6)

Application Number Priority Date Filing Date Title
CN202011521984.XA CN112712712B (zh) 2020-12-21 2020-12-21 确定车辆排队信息的方法、装置、路侧设备和云控平台
JP2021112735A JP2021168174A (ja) 2020-12-21 2021-07-07 車両整列情報を特定する方法及び装置、電子機器、路側機器、クラウド制御プラットフォーム、記憶媒体並びにコンピュータプログラム製品
KR1020210148147A KR20210137936A (ko) 2020-12-21 2021-11-01 차량 대기 정보를 결정하는 방법, 전자 기기, 노변 기기, 클라우드 제어 플랫폼, 저장 매체, 및 컴퓨터 프로그램 제품
JP2021181617A JP7292355B2 (ja) 2020-12-21 2021-11-08 車両整列情報を特定する方法及び装置、電子機器、路側機器、クラウド制御プラットフォーム、記憶媒体並びにコンピュータプログラム製品
EP21207120.3A EP4016494A1 (en) 2020-12-21 2021-11-09 Method and apparatus of determining vehicle queuing information, roadside device and cloud control platform
US17/540,794 US20220092874A1 (en) 2020-12-21 2021-12-02 Method and apparatus of determining vehicle queuing information, roadside device and cloud control platform

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011521984.XA CN112712712B (zh) 2020-12-21 2020-12-21 确定车辆排队信息的方法、装置、路侧设备和云控平台

Publications (2)

Publication Number Publication Date
CN112712712A true CN112712712A (zh) 2021-04-27
CN112712712B CN112712712B (zh) 2022-05-20

Family

ID=75544925

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011521984.XA Active CN112712712B (zh) 2020-12-21 2020-12-21 确定车辆排队信息的方法、装置、路侧设备和云控平台

Country Status (5)

Country Link
US (1) US20220092874A1 (zh)
EP (1) EP4016494A1 (zh)
JP (2) JP2021168174A (zh)
KR (1) KR20210137936A (zh)
CN (1) CN112712712B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113335292A (zh) * 2021-06-22 2021-09-03 北京百度网讯科技有限公司 车辆控制方法、装置、设备和计算机存储介质

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114724370B (zh) * 2022-03-31 2023-07-07 阿波罗智联(北京)科技有限公司 交通数据处理方法、装置、电子设备和介质
CN115083165B (zh) * 2022-06-29 2023-11-28 北京智城交建科技有限公司 智慧城市路口交通指挥控制方法、装置及存储介质
CN115359681A (zh) * 2022-07-20 2022-11-18 贵州大学 一种支持自动驾驶的路侧结构光摄像机的优化布设方法
CN116092297B (zh) * 2023-04-07 2023-06-27 南京航空航天大学 一种低渗透率分布式差分信号控制的边缘计算方法及系统

Citations (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101470955A (zh) * 2007-12-26 2009-07-01 奥城同立科技开发（北京）有限公司 路口交通综合控制系统
CN101469985A (zh) * 2007-12-26 2009-07-01 河海大学常州校区 交叉路口车辆排队长度的单帧图像检测装置及其工作方法
US20100161205A1 (en) * 2008-12-22 2010-06-24 Electronics And Telecommunications Research Institute System for providing real-time traffic information using wireless network and a method thereof
CN101936730A (zh) * 2010-06-28 2011-01-05 汉王科技股份有限公司 车辆排队长度检测的方法及装置
CN102034353A (zh) * 2010-11-04 2011-04-27 东南大学 基于固定检测器的城市道路交通事故排队长度测算方法
DE102012018212A1 (de) * 2012-09-14 2014-03-20 Audi Ag Erfassen von Verkehrs- und Unfalldaten an Knotenpunkten im Straßenverkehr
WO2015134542A1 (en) * 2014-03-03 2015-09-11 Inrix Inc. Estimating transit queue volume using probe ratios
CN106097730A (zh) * 2016-08-10 2016-11-09 青岛海信网络科技股份有限公司 一种路段车辆排队长度的估计方法、装置及系统
US20170206783A1 (en) * 2016-01-14 2017-07-20 Siemens Industry, Inc. Systems and methods to detect vehicle queue lengths of vehicles stopped at a traffic light signal
CN108320537A (zh) * 2018-04-04 2018-07-24 迈锐数据（北京）有限公司 车辆排队长度的计算方法及装置
CN108428355A (zh) * 2018-03-28 2018-08-21 成都信达智胜科技有限公司 一种智能车辆监控方法
CN108447261A (zh) * 2018-04-04 2018-08-24 迈锐数据（北京）有限公司 基于多方式的车辆排队长度计算方法及装置
CN109697864A (zh) * 2017-10-22 2019-04-30 深圳市以捷智慧交通科技有限公司 一种基于车辆排队情况的电子交通导向控制系统和方法
CN111583668A (zh) * 2020-05-27 2020-08-25 北京百度网讯科技有限公司 交通拥堵检测方法、装置、电子设备和存储介质
CN111627241A (zh) * 2020-05-27 2020-09-04 北京百度网讯科技有限公司 用于生成车辆排队信息的方法和装置
CN111681432A (zh) * 2020-04-30 2020-09-18 安徽科力信息产业有限责任公司 一种包含信号灯路口的拥堵源头确定方法及装置
CN111915876A (zh) * 2019-05-08 2020-11-10 储诚茗 道路通行的控制系统及其控制方法

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3470172B2 (ja) * 1998-03-20 2003-11-25 株式会社日立製作所 交通流監視装置
JP2002183880A (ja) 2000-12-15 2002-06-28 Toyo Commun Equip Co Ltd 交通状況提供方法及び装置
JP5343637B2 (ja) 2009-03-09 2013-11-13 オムロン株式会社 信号制御装置
JP2012221390A (ja) 2011-04-13 2012-11-12 Sumitomo Electric Ind Ltd 交通信号制御装置及び交通信号制御方法
US9159229B2 (en) * 2013-06-18 2015-10-13 Carnegie Mellon University, A Pennsylvania Non-Profit Corporation Smart and scalable urban signal networks: methods and systems for adaptive traffic signal control
US10733881B2 (en) * 2018-01-23 2020-08-04 International Business Machines Corporation Detection of vehicle queueing events on a road
JP7040606B2 (ja) * 2018-03-29 2022-03-23 日本電気株式会社 交通監視装置、交通監視システム、交通監視方法及びプログラム
US20210241616A1 (en) * 2018-04-20 2021-08-05 The Governing Council Of The University Of Toronto Method and system for multimodal deep traffic signal control
CN112533172B (zh) * 2019-09-18 2022-05-24 华为技术有限公司 信息传输方法和信息传输装置

Patent Citations (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101470955A (zh) * 2007-12-26 2009-07-01 奥城同立科技开发（北京）有限公司 路口交通综合控制系统
CN101469985A (zh) * 2007-12-26 2009-07-01 河海大学常州校区 交叉路口车辆排队长度的单帧图像检测装置及其工作方法
US20100161205A1 (en) * 2008-12-22 2010-06-24 Electronics And Telecommunications Research Institute System for providing real-time traffic information using wireless network and a method thereof
CN101936730A (zh) * 2010-06-28 2011-01-05 汉王科技股份有限公司 车辆排队长度检测的方法及装置
CN102034353A (zh) * 2010-11-04 2011-04-27 东南大学 基于固定检测器的城市道路交通事故排队长度测算方法
DE102012018212A1 (de) * 2012-09-14 2014-03-20 Audi Ag Erfassen von Verkehrs- und Unfalldaten an Knotenpunkten im Straßenverkehr
WO2015134542A1 (en) * 2014-03-03 2015-09-11 Inrix Inc. Estimating transit queue volume using probe ratios
US20170206783A1 (en) * 2016-01-14 2017-07-20 Siemens Industry, Inc. Systems and methods to detect vehicle queue lengths of vehicles stopped at a traffic light signal
CN106097730A (zh) * 2016-08-10 2016-11-09 青岛海信网络科技股份有限公司 一种路段车辆排队长度的估计方法、装置及系统
CN109697864A (zh) * 2017-10-22 2019-04-30 深圳市以捷智慧交通科技有限公司 一种基于车辆排队情况的电子交通导向控制系统和方法
CN108428355A (zh) * 2018-03-28 2018-08-21 成都信达智胜科技有限公司 一种智能车辆监控方法
CN108320537A (zh) * 2018-04-04 2018-07-24 迈锐数据（北京）有限公司 车辆排队长度的计算方法及装置
CN108447261A (zh) * 2018-04-04 2018-08-24 迈锐数据（北京）有限公司 基于多方式的车辆排队长度计算方法及装置
CN111915876A (zh) * 2019-05-08 2020-11-10 储诚茗 道路通行的控制系统及其控制方法
CN111681432A (zh) * 2020-04-30 2020-09-18 安徽科力信息产业有限责任公司 一种包含信号灯路口的拥堵源头确定方法及装置
CN111583668A (zh) * 2020-05-27 2020-08-25 北京百度网讯科技有限公司 交通拥堵检测方法、装置、电子设备和存储介质
CN111627241A (zh) * 2020-05-27 2020-09-04 北京百度网讯科技有限公司 用于生成车辆排队信息的方法和装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
卢守峰等: "平均排队长度差最小的单交叉口在线Q学习模型", 《公路交通科技》 *
史忠科等: "城市道路排队车辆检测方法", 《交通运输工程学报》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113335292A (zh) * 2021-06-22 2021-09-03 北京百度网讯科技有限公司 车辆控制方法、装置、设备和计算机存储介质
CN113335292B (zh) * 2021-06-22 2022-03-22 北京百度网讯科技有限公司 车辆控制方法、装置、设备和计算机存储介质
EP4129793A4 (en) * 2021-06-22 2023-02-08 Beijing Baidu Netcom Science Technology Co., Ltd. VEHICLE CONTROL METHOD AND APPARATUS, DEVICE, AND COMPUTER STORAGE MEDIA

Also Published As

Publication number Publication date
KR20210137936A (ko) 2021-11-18
JP2021168174A (ja) 2021-10-21
CN112712712B (zh) 2022-05-20
JP2022017517A (ja) 2022-01-25
JP7292355B2 (ja) 2023-06-16
US20220092874A1 (en) 2022-03-24
EP4016494A1 (en) 2022-06-22

Similar Documents

Publication Publication Date Title
CN112712712B (zh) 确定车辆排队信息的方法、装置、路侧设备和云控平台
CN113011323B (zh) 通行状态的获取方法、相关装置、路侧设备及云控平台
CN113593219B (zh) 车流的统计方法、装置、电子设备及存储介质
CN113392794B (zh) 车辆跨线识别方法、装置、电子设备和存储介质
CN113807270A (zh) 道路拥堵检测方法、装置及电子设备
CN112528927A (zh) 基于轨迹分析的置信度确定方法、路侧设备及云控平台
CN111681417B (zh) 交通路口渠化调整方法和装置
CN112818792A (zh) 车道线检测方法、装置、电子设备及计算机存储介质
CN113899381B (zh) 用于生成路线信息的方法、装置、设备、介质和产品
CN115953434B (zh) 轨迹匹配方法、装置、电子设备和存储介质
CN115206102B (zh) 确定交通路径的方法、装置、电子设备和介质
CN113806585B (zh) 一种获取路段通行时长的方法、装置、电子设备及存储介质
CN113450569A (zh) 确定路口状态的方法、装置、电子设备和存储介质
CN113326885A (zh) 训练分类模型和数据分类的方法及装置
CN113657596A (zh) 训练模型和图像识别的方法和装置
CN112683216B (zh) 用于生成车辆长度信息的方法、装置、路侧设备和云控平台
CN114067565B (zh) 确定拥堵识别精度的方法及装置
CN112699747A (zh) 用于确定车辆状态的方法、装置、路侧设备和云控平台
CN117962930A (zh) 无人车的控制方法及装置、无人车和计算机可读存储介质
CN117058629A (zh) 轨迹分割方法、装置、电子设备和存储介质
CN116503831A (zh) 障碍物筛选方法、装置、电子设备及存储介质
CN113487864A (zh) 确定路口状态的方法、装置、电子设备和存储介质
CN114863701A (zh) 交通信号灯控制方法、装置、电子设备和介质
CN116382298A (zh) 任务处理系统、方法、电子设备及存储介质
CN116564093A (zh) 道路拥堵状态检测方法、装置、电子设备以及路侧单元

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20211012

Address after: 100176 101, floor 1, building 1, yard 7, Ruihe West 2nd Road, Beijing Economic and Technological Development Zone, Daxing District, Beijing

Applicant after: Apollo Zhilian (Beijing) Technology Co.,Ltd.

Address before: 2 / F, baidu building, 10 Shangdi 10th Street, Haidian District, Beijing 100085

Applicant before: BEIJING BAIDU NETCOM SCIENCE AND TECHNOLOGY Co.,Ltd.

GR01 Patent grant
GR01 Patent grant