CN112731324A - 高速公路多雷达跨区域组网多目标跟踪方法 - Google Patents

Abstract

本发明公开了一种高速公路多雷达跨区域组网多目标跟踪方法，包括沿待检测路段布设N个雷达，使N个雷达的检测区域覆盖整个待检测路段，每个雷达与管控中心通过局域网实现信息传输；每个雷达具有自身的IP地址；然后分别建立雷达坐标系和全局坐标系；最后，每个雷达实时检测待检测路段上的目标车辆信息，管控中心并行接收多个雷达的传输数据，对该次所有雷达的传输数据依次进行坐标转换和数据关联，生成该次跟踪信息，如此往复即可实现待检测路段上每个目标车辆的全路段跟踪。本发明将高速公路雷达的检测范围无限延长，实现车辆在整个组网范围内的全路段跟踪检测，用于全路段的交通事件检测和交通行为分析。

Description

高速公路多雷达跨区域组网多目标跟踪方法

技术领域

本发明属于道路交通状态管控技术领域，尤其涉及一种高速公路多雷达跨区域组网多目标跟踪方法。

背景技术

车辆跟踪检测、交通事件检测集和交通行为分析是智慧交通的重要组成部分。高速公路雷达从微波角度提供了高效解决方案，雷达通过微波探测、算法识别可对如下交通事件进行实时监测：停止事件、逆行事件、非机动车入侵事件、拥堵事件、超速行驶事件、慢速行驶事件等。单台雷达监测范围可达500米，同时，不受各种恶劣天气影响，如：狂风、暴雨、大雪、浓雾，以及早晚光线急剧变化等影响，可实现全天候自动监测。

伴随着智慧交通进一步的发展，如何精准、快速的实现全路段车辆跟踪检测、交通事件检测、交通行为分析成为一个重要话题，而现有雷达大多是单台雷达检测，只能对其检测范围(如200m)以内的交通状况进行监测，无法实现广域全路段的实时交通监测。

为此，本专利提供一种多雷达跨区域多目标的跟踪组网方法，可以将高速公路雷达的检测范围无限延长，实现车辆在整个组网范围内的全路段跟踪检测，并对外实时提供全路段车辆行驶状态信息及车辆行驶关键数据，用于全路段的交通事件检测和交通行为分析。

发明内容

为了解决上述问题，本发明的目的在于提供一种高速公路多雷达跨区域组网多目标跟踪方法，将高速公路雷达的检测范围无限延长，实现车辆在整个组网范围内的全路段跟踪检测，并对外实时提供全路段车辆行驶状态信息及车辆行驶关键数据，用于全路段的交通事件检测和交通行为分析。

为了达到上述目的，本发明采用以下技术方案予以解决。

高速公路多雷达跨区域组网多目标跟踪方法，包括以下步骤：

步骤1，沿待检测路段布设N个雷达，使N个雷达的检测区域覆盖整个待检测路段，每个雷达与管控中心通过局域网实现信息传输；每个雷达具有自身的IP地址；其中，相邻雷达的检测区域部分重叠，待检测路段的起点布设第一个雷达；

步骤2，分别建立雷达坐标系和全局坐标系；在管控中心输入待检测路段上的每条车道边线的全局坐标值和每个雷达的IP地址、安装高度、全局坐标值及每个雷达的Y轴正方向与全局坐标系Y轴正方向之间的夹角θ_i；

其中，i＝1,2,…,N，雷达坐标系为每个雷达的内部坐标系，全局坐标系为待检测路段的坐标系；

步骤3，每个雷达实时检测待检测路段上的目标车辆信息，并传输至管控中心，管控中心并行接收多个雷达的传输数据，对该次所有雷达的传输数据依次进行坐标转换和数据关联，生成该次跟踪信息，如此往复即可实现待检测路段上每个目标车辆的全路段跟踪；

其中，所述车辆信息为目标车辆在雷达坐标系中的横坐标、纵坐标，车速和目标车辆的长度；所述跟踪信息包含车辆全局ID、关联雷达的IP地址、关联雷达对目标车辆的流水号、目标车辆在全局坐标系下的全局横坐标、全局纵坐标，车速和目标车辆的长度。

进一步地，所述建立雷达坐标系具体为：以每个雷达作为原点，以该雷达的辐射波束在地面的投影区域的对称轴为Y轴，车辆行驶方向为Y轴正方向，Y轴绕原点顺时针旋转90°为X轴，建立雷达坐标系。

进一步地，所述建立全局坐标系具体为：以第一个雷达在地面的投影点为坐标原点，以第一个雷达的辐射波束在地面投影区域的对称轴为Y轴，车辆行驶方向为Y轴正方向，Y轴绕原点顺时针旋转90°为X轴，建立全局坐标系。

进一步地，所述传输数据包含雷达自身的IP地址，雷达对目标车辆的编号即目标车辆的流水号，目标车辆在雷达坐标系中的横坐标、纵坐标及车速，目标车辆的长度。

进一步地，所述坐标转换具体为：

设某一雷达坐标系中的任一点M'的坐标为(x',y')，则对应的全局坐标系下的点M的坐标(x,y)的计算公式为：

其中，θ为该雷达坐标系与全局坐标系两者的Y轴正向之间的夹角，a、b分别为全局坐标系原点指向该雷达坐标系原点形成向量的横坐标、纵坐标。

进一步地，所述数据关联为：所述数据关联为：将当前经坐标转换后的传输数据与上一次跟踪信息进行数据关联，具体过程为：

(a)未驶离检测区域车辆数据关联：判断当前经坐标转换后的传输数据是否已经与某一检测雷达建立关联，若是，则将本次雷达IP地址相同且雷达内部流水号相同的传输数据与该跟踪目标关联，否则转入(b)；

(b)雷达交叠区数据匹配关联：判断当前经坐标转换后的传输数据中是否存在与上一次跟踪目标中车辆位置和速度信息匹配的数据，若存在，则进行关联，否则转入(c)；

(c)驶离车辆删除、新进入车辆生成、跟踪目标数据更新：跟踪目标本次未关联到数据，则判断其为驶离车辆，对其进行删除；经坐标转换后的传输数据在(a)、(b)未关联到跟踪目标，则判断其为新进入的跟踪目标，为其生成新的全局ID，并添加进跟踪目标；对于关联到多个传输数据的跟踪目标进行最优数据的选择，确定最优数据，并将其赋予跟踪目标。

更进一步地，所述判断当前经坐标转换后的传输数据中是否存在与上一次跟踪目标中车辆位置和速度信息匹配的数据，具体为：

首先，计算目标车辆与当前每个雷达经坐标转换后的传输数据的匹配权重：

其中，Xt表示上一次该目标车辆跟踪信息中的全局横坐标，X1表示当前经坐标转换后的传输数据中该目标车辆的全局横坐标，Yt表示上一次该目标车辆跟踪信息中的全局纵坐标，Y1表示当前经坐标转换后的传输数据中该目标车辆的全局纵坐标，Vt表示上一次该目标车辆跟踪信息中的车速，V1表示当前经坐标转换后的传输数据中该目标车辆的车速；

其次，根据每个雷达输出的目标车辆的长度L_obj，将目标车辆划分为长车辆和短车辆，分别为长车辆和短车辆设置相应的权重阈值Q_{sta_short}和Q_{sta_long}；

最后，判断目标车辆是否满足以下匹配条件：

L_obj<K1且Q_short<Q_{sta_short}，

或者L_obj>K1且Q_long<Q_{sta_long}；

其中，K1为长车辆与短车辆的区分阈值；

若满足，则目标车辆与该雷达数据匹配成功。

更进一步地，所述最优数据的选择具体为：

首先，计算每组数据的优良性得分Date_sc：

其中，len_j表示目标车辆对应的第j组数据中的目标车辆到其对应检测雷达的距离；len表示所有数据中目标车辆到其对应检测雷达检测距离的最大值，long_j表示目标车辆对应的第j组数据中的车辆长度；long_max表示目标车辆对应的所有数据中车辆长度的最大值；

然后，选择优良性得分最高的那组数据作为该目标车辆的最优匹配数据。

与现有技术相比，本发明的有益效果为：

本发明通过将待检测路段的雷达的检测数据进行组网连接，将高速公路雷达的检测范围无限延长，实现车辆在整个组网范围内的全路段跟踪检测，并对外实时提供全路段车辆行驶状态信息及车辆行驶关键数据，用于全路段的交通事件检测和交通行为分析。

附图说明

下面结合附图和具体实施例对本发明做进一步详细说明。

图1为本发明的实现流程图；

图2为本发明实施例的单一雷达坐标系建立示意图；

图3为本发明实施例的雷达坐标系和全局坐标系建立示意图；

图4为本发明实施例的旋转变换原理示意图；

图5为本发明实施例的平移变换原理示意图；

图6为本发明实施例坐标变换原理示意图；

图7为本发明实施例中数据关联流程示意图。

具体实施方式

下面结合附图对本发明的实施例及效果作进一步详细描述。

参考图1，本发明的高速公路多雷达跨区域组网多目标跟踪方法，包括以下步骤：

步骤1，沿待检测路段布设N个雷达，使N个雷达的检测区域覆盖整个待检测路段，每个雷达与管控中心通过局域网实现信息传输；每个雷达具有自身的IP地址；其中，相邻雷达的检测区域部分重叠，待检测路段的起点布设第一个雷达；

具体地，本发明的待检测路段的雷达布设根据实际情况进行，可以均布或者根据路况等情况进行布设，雷达的数量N的选取以N个雷达的检测范围能够覆盖整个待检测路段为准。理论上本发明的待检测路段可以无限长。

步骤2，分别建立雷达坐标系和全局坐标系；在管控中心输入待检测路段上的每条车道边线的全局坐标值和每个雷达的IP地址、安装高度、全局坐标值及每个雷达的Y轴正方向与全局坐标系Y轴正方向之间的夹角θ_i；

其中，i＝1,2,…,N，雷达坐标系为每个雷达的内部坐标系，全局坐标系为待检测路段的坐标系。

如图2所示，单一雷达坐标系建立具体为：以每个雷达作为原点，以该雷达的辐射波束在地面的投影区域的对称轴为Y轴，车辆行驶方向为Y轴正方向，Y轴绕原点顺时针旋转90°为X轴，建立雷达坐标系。雷达检测到的数据为在雷达坐标系中的数据。

如图3所示，建立全局坐标系具体为：以第一个雷达在地面的投影点为坐标原点，以第一个雷达的辐射波束在地面投影区域的对称轴为Y轴，车辆行驶方向为Y轴正方向，Y轴绕原点顺时针旋转90°为X轴，建立全局坐标系。管控中心的数据为全局坐标系中的数据，全局坐标值为全局坐标系下的坐标值。

事先输入的布设路段信息包含各车道标线在全局坐标系中的坐标数据(应尽量精准，采集间隔小于等于5m)和每个检测雷达在局域网中的IP地址和在全局坐标系中的X、Y坐标,相对于坐标原点和Y轴正方向的指向角。

步骤3，每个雷达实时检测待检测路段上的目标车辆信息，并输送至管控中心，管控中心并行接收多个雷达的传输数据，对该次所有雷达的传输数据依次进行坐标转换和数据关联，生成该次跟踪信息，如此往复即可实现待检测路段上每个目标车辆的全路段跟踪；

其中，所述车辆信息为目标车辆在雷达坐标系中的横坐标、纵坐标，车速和目标车辆的长度；所述跟踪信息包含车辆全局ID、关联雷达的IP地址、关联雷达对目标车辆的流水号、目标车辆在全局坐标系下的全局横坐标、全局纵坐标，车速和目标车辆的长度。

具体地，传输数据是指组网区域内的雷达采集分析各自当前检测区域内的车辆目标，并将处理后的信息按照固定时间间隔及数据格式发送到组网数据处理管控中心。管控中心根据发送数据的雷达IP区分不同雷达数据，并进行全局坐标转换产生组网输入数据。坐标转换是指将组网区域内各雷达返回的基于雷达自身位置的车辆坐标信息转化为全局坐标系下的车辆坐标信息。

每个雷达将自身检测获取的车辆信息和自身雷达信息等作为传输数据，传输至管控中心，管控中心对传输来的数据进行坐标转换和数据关联后，生成本次跟踪信息。所述传输数据包含雷达自身的IP地址，雷达对目标车辆的编号即目标车辆的流水号，目标车辆在雷达坐标系中的横坐标、纵坐标及车速，目标车辆的长度。

坐标转换过程：

将雷达坐标系下的数据转换成全局坐标系下的数据，其实质就是将位置坐标数据先进行旋转变换，再进行平移变换，即可得到变换后结果。

旋转变换如图4所示，根据三角形相似原理进行：

由△MCF～△OAF知：OA/CM＝OF/FM，

即

y'＝y cosθ-x sinθ

又由△OCE～△OAF知：OC/OA＝CE/AF

即

则x'＝y sinθ+x cosθ

平移变换如图5所示，利用向量加减法即可完成。

先旋转再平移的过程如图6所示，最终得到的坐标转换公式为：设某一雷达坐标系中的任一点M'的坐标为(x',y')，则对应的全局坐标系下的点M的坐标(x,y)的计算公式为：

其中，θ为该雷达坐标系与全局坐标系两者的Y轴正向之间的夹角，a、b分别为全局坐标系原点指向该雷达坐标系原点形成向量的横坐标、纵坐标。

坐标转换之后将本次坐标转换后的传输数据与上一次的跟踪信息进行数据关联。如图7所示，由于检测雷达覆盖组网区域且持续跟踪，所有本次组网输入数据中除过新进入检测范围的目标，都应该和上一次组网输出跟踪信息中的某一目标具有对应关系。本次数据与上一次管控中心处理后的目标进行关联，即是建立这种对应关系。两者关联的结果为：

其一，目标之前已经与某一检测雷达的特定数据(某个流水号数据)建立好关联，则直接关联。其二，目标与数据通过特征匹配进行关联，比如一个目标处在某一个位置，而某一个数据也是在这个位置附近(位置偏差小于阈值)，则认为这个数据属于该目标，建立关联。一旦建立了关联，则该关联关系会一直维系，直到检测雷达不再输出具有该流水号的数据具体如下：

(a)未驶离检测区域车辆数据关联：判断当前经坐标转换后的传输数据是否已经与某一检测雷达建立关联，若是，则将本次雷达IP地址相同且雷达内部流水号相同的传输数据与该跟踪目标关联，否则转入(b)；

(b)雷达交叠区数据匹配关联：判断当前经坐标转换后的传输数据中是否存在与上一次跟踪目标中车辆位置和速度信息匹配的数据，若存在，则进行关联，否则转入(c)；

目标与数据通过特征匹配进行关联是指在上一轮关联中，没有直接关联的数据通过匹配算法与已知目标进行位置、速度等信息的匹配。

目标与数据匹配程度主要从全局横坐标、全局纵坐标、速度三个量来衡量：

首先，计算目标车辆与当前每个雷达经坐标转换后的传输数据的匹配权重：

其中，Xt表示上一次该目标车辆跟踪信息中的全局横坐标，X1表示当前经坐标转换后的传输数据中该目标车辆的全局横坐标，Yt上一次该目标车辆跟踪信息中的全局纵坐标，Y1表示当前经坐标转换后的传输数据中该目标车辆的全局纵坐标，Vt上一次该目标车辆跟踪信息中的车速，V1表示当前经坐标转换后的传输数据中该目标车辆的车速；

其次，根据每个雷达输出的目标车辆的长度L_obj，将目标车辆划分为长车辆和短车辆，分别为长车辆和短车辆设置相应的权重阈值Q_{sta_short}和Q_{sta_long}；

最后，判断目标车辆是否满足以下匹配条件：

L_obj<K1且Q_short<Q_{sta_short}，

或者L_obj>K1且Q_long<Q_{sta_long}；

其中，K1为长车辆与短车辆的区分阈值；

若满足，则目标车辆与该雷达数据匹配成功。

目标车辆与检测雷达数据匹配成功，则建立该数据与目标的关联关系，并将当前检测雷达IP添加到目标检测雷达标识。

一旦建立了关联，则该关联关系会一直维系，直到检测雷达不再输出具有该流水号的数据。

(c)驶离车辆删除、新进入车辆生成、跟踪目标数据更新：跟踪目标本次未关联到数据，则判断其为驶离车辆，对其进行删除；经坐标转换后的传输数据在(a)、(b)未关联到跟踪目标，则判断其为新进入的跟踪目标，为其生成新的全局ID，并添加进跟踪目标；对于关联到多个传输数据的跟踪目标进行最优数据的选择，确定最优数据，并将其赋予跟踪目标。

数据关联完成后，剩余未关联目标的数据即为新进入组网区域的目标，而所有跟踪的组网输出目标可能有如下几种情况：(1)没有关联到数据；(2)关联到一个数据；(3)关联到多个数据。

新目标生成过程：

新目标生成需要满足如下条件：

(1)必须为无关联检测雷达的数据；

(2)必须为步骤二匹配关联之后剩余的没有匹配的数据；

新目标生成即为新目标生成全局ID，检测雷达内部流水号(按之前已经编过的流水号继续往下顺延编号)，并关联检测雷达，目标车辆全局横坐标，目标车辆全局纵坐标，目标车辆速度也需同步更新进入输出目标。

跟踪目标的更新过程：

(1)对没有关联到数据的目标更新

如果目标在所有检测雷达的数据中都未关联到数据，则说明目标已经离开组网区域，则在组网输出目标中删除该目标。

(2)对关联到一个数据的目标进行更新

如果目标在所有检测雷达的数据中只有一个关联数据，那么这个数据就是目标当前时刻的最新数据，将该数据赋予给目标作为本次该目标的跟踪信息。

(3)对关联到多个数据的目标进行更新

如果目标在所有检测雷达的数据中关联到多个数据，从目标所关联的所有数据中选出一个最优数据即进行数据的择优选择，然后用最优数据来对目标进行更新。

具体地，最优数据的选择具体为：

首先，计算每组数据的优良性得分Date_sc：

其中，len_j表示目标车辆对应的第j组数据中的目标车辆到其对应检测雷达的距离；len表示所有数据中目标车辆到其对应检测雷达的距离的最大值，long_j表示目标车辆对应的第j组数据中的车辆长度；long_max表示目标车辆对应的所有数据中车辆长度的最大值；

然后，选择优良性得分最高的那组数据作为该目标车辆的最优匹配数据。

本发明的待检测路段上的所有目标车辆的跟踪过程就是循环往复的进行雷达数据输送、坐标转换、数据关联、跟踪信息更新的过程，可以实现待检测路段上所有目标车辆的全路段跟踪，保证了跟踪的准确性；实时提供全路段车辆行驶状态信息及车辆行驶关键数据，用于全路段的交通事件检测和交通行为分析，对于某路段的交通流宏观监测、管控、分析，交通事件的追踪具有重要意义。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (8)

1.高速公路多雷达跨区域组网多目标跟踪方法，其特征在于，包括以下步骤：

步骤1，沿待检测路段布设N个雷达，使N个雷达的检测区域覆盖整个待检测路段，每个雷达与管控中心通过局域网实现信息传输；每个雷达具有自身的IP地址；其中，相邻雷达的检测区域部分重叠，待检测路段的起点布设第一个雷达；

步骤2，分别建立雷达坐标系和全局坐标系；在管控中心输入待检测路段上的每条车道边线的全局坐标值和每个雷达的IP地址、安装高度、全局坐标值及每个雷达的Y轴正方向与全局坐标系Y轴正方向之间的夹角θ_i；

其中，i＝1，2，…，N，雷达坐标系为每个雷达的内部坐标系，全局坐标系为待检测路段的坐标系；

步骤3，每个雷达实时检测待检测路段上的目标车辆信息，并传输至管控中心，管控中心并行接收多个雷达的传输数据，对该次所有雷达的传输数据依次进行坐标转换和数据关联，生成该次跟踪信息，如此往复即可实现待检测路段上每个目标车辆的全路段跟踪；

其中，所述车辆信息为目标车辆在雷达坐标系中的横坐标、纵坐标，车速和目标车辆的长度；所述跟踪信息包含车辆全局ID、关联雷达的IP地址、关联雷达对目标车辆的流水号、目标车辆在全局坐标系下的全局横坐标、全局纵坐标，车速和目标车辆的长度。

2.根据权利要求1所述的高速公路多雷达跨区域组网多目标跟踪方法，其特征在于，所述建立雷达坐标系具体为：以每个雷达作为原点，以该雷达的辐射波束在地面的投影区域的对称轴为Y轴，车辆行驶方向为Y轴正方向，Y轴绕原点顺时针旋转90°为X轴，建立雷达坐标系。

3.根据权利要求2所述的高速公路多雷达跨区域组网多目标跟踪方法，其特征在于，所述全局坐标系的建立具体为：以第一个雷达在地面的投影点为坐标原点，以第一个雷达的辐射波束在地面投影区域的对称轴为Y轴，车辆行驶方向为Y轴正方向，Y轴绕原点顺时针旋转90°为X轴，建立全局坐标系。

4.根据权利要求1所述的高速公路多雷达跨区域组网多目标跟踪方法，其特征在于，所述传输数据包含雷达自身的IP地址，雷达对目标车辆的编号即目标车辆的流水号，目标车辆在雷达坐标系中的横坐标、纵坐标及车速，目标车辆的长度。

5.根据权利要求3所述的高速公路多雷达跨区域组网多目标跟踪方法，其特征在于，所述坐标转换具体为：

设某一雷达坐标系中的任一点M′的坐标为(x′，y′)，则对应的全局坐标系下的点M的坐标(x，y)的计算公式为：

其中，θ为该雷达坐标系与全局坐标系两者的Y轴正向之间的夹角，a、b分别为全局坐标系原点指向该雷达坐标系原点向量的横坐标、纵坐标。

6.根据权利要求1所述的高速公路多雷达跨区域组网多目标跟踪方法，其特征在于，所述数据关联为：将当前经坐标转换后的传输数据与上一次跟踪信息进行数据关联，具体过程为：

(a)未驶离检测区域车辆数据关联：判断当前经坐标转换后的传输数据是否已经与某一检测雷达建立关联，若是，则将本次雷达IP地址相同且雷达内部流水号相同的传输数据与该跟踪目标关联，否则转入(b)；

(b)雷达交叠区数据匹配关联：判断当前经坐标转换后的传输数据中是否存在与上一次跟踪目标中车辆位置和速度信息匹配的数据，若存在，则进行关联，否则转入(c)；

(c)驶离车辆删除、新进入车辆生成、跟踪目标数据更新：跟踪目标本次未关联到数据，则判断其为驶离车辆，对其进行删除；经坐标转换后的传输数据在(a)、(b)未关联到跟踪目标，则判断其为新进入的跟踪目标，为其生成新的全局ID，并添加进跟踪目标；对于关联到多个传输数据的跟踪目标进行最优数据的选择，确定最优数据，并将其赋予跟踪目标。

7.根据权利要求6所述的高速公路多雷达跨区域组网多目标跟踪方法，其特征在于，所述判断当前经坐标转换后的传输数据中是否存在与上一次跟踪目标中车辆位置和速度信息匹配的数据，具体为：

首先，计算目标车辆与当前每个雷达经坐标转换后的传输数据的匹配权重：

其中，Xt表示上一次该目标车辆跟踪信息中的全局横坐标，X1表示当前经坐标转换后的传输数据中该目标车辆的全局横坐标，Yt表示上一次该目标车辆跟踪信息中的全局纵坐标，Y1表示当前经坐标转换后的传输数据中该目标车辆的全局纵坐标，Vt表示上一次该目标车辆跟踪信息中的车速，V1表示当前经坐标转换后的传输数据中该目标车辆的车速；

其次，根据每个雷达输出的目标车辆的长度L_obj，将目标车辆划分为长车辆和短车辆，分别为长车辆和短车辆设置相应的权重阈值Q_{sta_short}和Q_{sta_long}；

最后，判断目标车辆是否满足以下匹配条件：

L_obj＜K1且Q_short＜Q_{sta_short}，

或者L_obj＞K1且Q_long＜Q_{sta_long}；

其中，K1为长车辆与短车辆的区分阈值；

若满足，则目标车辆与该雷达数据匹配成功。

8.根据权利要求6所述的高速公路多雷达跨区域组网多目标跟踪方法，其特征在于，所述最优数据的选择具体为：

首先，计算每组数据的优良性得分Date_sc：

其中，len_j表示目标车辆对应的第j组数据中的目标车辆到其对应检测雷达的距离；len表示所有数据中目标车辆到其对应检测雷达检测距离的最大值，long_j表示目标车辆对应的第j组数据中的车辆长度；long_max表示目标车辆对应的所有数据中车辆长度的最大值；

然后，选择优良性得分最高的那组数据作为该目标车辆的最优匹配数据。

Images