CN112785835A - 一种获取路况信息的方法及装置、车载装置 - Google Patents
一种获取路况信息的方法及装置、车载装置 Download PDFInfo
- Publication number
- CN112785835A CN112785835A CN201911064996.1A CN201911064996A CN112785835A CN 112785835 A CN112785835 A CN 112785835A CN 201911064996 A CN201911064996 A CN 201911064996A CN 112785835 A CN112785835 A CN 112785835A
- Authority
- CN
- China
- Prior art keywords
- road condition
- information
- traffic
- vehicle
- identification module
- 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
- 238000000034 method Methods 0.000 title claims abstract description 94
- 238000012545 processing Methods 0.000 claims abstract description 16
- 230000004931 aggregating effect Effects 0.000 claims abstract description 10
- 230000015654 memory Effects 0.000 claims description 30
- 230000004913 activation Effects 0.000 claims description 28
- 206010039203 Road traffic accident Diseases 0.000 claims description 25
- 238000003860 storage Methods 0.000 claims description 20
- 238000003825 pressing Methods 0.000 claims description 13
- 230000006399 behavior Effects 0.000 claims description 10
- 230000008859 change Effects 0.000 claims description 8
- 230000003213 activating effect Effects 0.000 claims description 6
- 230000002776 aggregation Effects 0.000 claims description 4
- 238000004220 aggregation Methods 0.000 claims description 4
- 230000007246 mechanism Effects 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 14
- 230000008569 process Effects 0.000 description 14
- 230000006870 function Effects 0.000 description 10
- 230000006872 improvement Effects 0.000 description 10
- 238000004590 computer program Methods 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 7
- 238000010801 machine learning Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 235000017166 Bambusa arundinacea Nutrition 0.000 description 4
- 235000017491 Bambusa tulda Nutrition 0.000 description 4
- 241001330002 Bambuseae Species 0.000 description 4
- 235000015334 Phyllostachys viridis Nutrition 0.000 description 4
- 239000011425 bamboo Substances 0.000 description 4
- 238000012806 monitoring device Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000009825 accumulation Methods 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000003203 everyday effect Effects 0.000 description 2
- 230000029305 taxis Effects 0.000 description 2
- 101000878595 Arabidopsis thaliana Squalene synthase 1 Proteins 0.000 description 1
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000001364 causal effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 239000004035 construction material Substances 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 229920001296 polysiloxane Polymers 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 239000002352 surface water Substances 0.000 description 1
Images
Classifications
-
- 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
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请关于一种获取路况信息的方法及装置、车载装置。所述方法包括：从多个车辆实时获取多个路况信息，所述多个路况信息分别利用所述车辆上多种类型的路况识别模块识别得到；将所述多个路况信息聚合处理得到不同地点处的路况信息；将所述不同地点处的路况信息推送至对应的接收对象。利用本申请各个实施例提供的获取路况信息的方法及装置、车载装置，可以从数据采集、数据处理到数据分享形成一个良性的、低成本的交通数据分享链路。
Description
技术领域
本申请涉及智能交通技术领域，尤其涉及一种获取路况信息的方法及装置、车载装置。
背景技术
智能交通系统(Intelligent Transportation System，简称ITS)是未来交通系统的发展方向，它是将先进的信息技术、数据通讯传输技术、电子传感技术、控制技术及计算机技术等有效地集成运用于整个地面交通管理系统而建立的一种在大范围内、全方位发挥作用的，实时、准确、高效的综合交通运输管理系统，在智能交通系统中，实时路况信息的获取占据非常重要的地位。
相关技术中，实时的路况信息可能需要专门的采集车或者采集装置获取，这对所需的硬件成本和人力成本具有较大的压力，专门的采集车可能需要配置专业的摄像装置、激光雷达等设备。另外，一般采集车无法覆盖到所有区域，因此很难实现实时的、大范围的信息采集，对于一些突发事件很难获取到。
因此，现有技术中亟需一种时效性较高、采集范围较大的路况信息获取方式。
发明内容
本申请实施例的目的在于提供一种获取路况信息的方法及装置、车载装置，可以从数据采集、数据处理到数据分享形成一个良性的、低成本的交通数据分享链路。
本申请实施例提供的获取路况信息的方法及装置、车载装置是这样实现的：
一种获取路况信息的方法，包括：
从多个车辆实时获取多个路况信息，所述多个路况信息分别利用所述车辆上多种类型的路况识别模块识别得到；
将所述多个路况信息聚合处理得到不同地点处的路况信息；
将所述不同地点处的路况信息推送至对应的接收对象。
一种获取路况信息的方法，包括：
利用至少一个路况识别模块获取路况信息，所述至少一个路况识别模块用于识别不同类型的路况信息；
发送所述路况信息。
一种获取路况信息的装置，包括处理器以及用于存储处理器可执行指令的存储器，所述处理器执行所述指令时所述的获取路况信息的方法。
一种车载装置，包括处理器以及用于存储处理器可执行指令的存储器，所述处理器执行所述指令时实现所述的获取路况信息的方法。
一种非临时性计算机可读存储介质，当所述存储介质中的指令由处理器执行时，使得处理器能够执行所述的获取路况信息的方法。
本申请各个实施例提供的获取路况信息的方法及装置、车载装置，可以从多个车辆实时获取多个路况信息，并将所述多个路况信息聚合处理得到不同地点处的路况信息，以及将所述不同地点处的路况信息推送至对应的接收对象。所述车辆中还可以配置有分别用于识别不同类型的路况信息的至少一个路况识别模块。管理平台通过灵活配置路况识别模块，可以大范围地获取到不同类型的路况信息。当然，管理平台还可以根据需求，开发新的路况识别模块，或者对已有的路况识别模块进行更新等。因此，本申请各个实施例提供的获取路况信息的方法可以应用于交通管理、驾驶辅助、无人车高精地图生成等多种应用场景。另外，管理平台获取到大量的路况信息之后，还可以将所述路况信息分享给其他需要这些信息的对象，使得从数据采集、数据处理到数据分享形成一个良性的、低成本的交通数据分享链路。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。
图1是根据一示例性实施例示出的一种获取路况信息方法的场景示意图。
图2是根据一示例性实施例示出的一种获取路况信息方法的场景示意图。
图3是根据一示例性实施例示出的一种获取路况信息方法的场景示意图。
图4是根据一示例性实施例示出的一种获取路况信息方法的流程示意图。
图5是根据一示例性实施例示出的一种获取路况信息装置的框图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
为了方便本领域技术人员理解本申请实施例提供的技术方案，下面提供几个示例性的应用场景，需要说明的是，这些应用场景仅为示例性的作用，并不代表本申请所涉及到的所有实施方式。
如图1所示，为了能够统一管理所述道路上车辆所提供的路况信息，本申请各个实施例提供管理平台101，管理平台101能够实时采集道路上车辆所提供的路况信息，并将不同地点处的路况信息推送至对应的接收对象。在图1所示的场景中，道路103上行驶有车辆105、车辆107、车辆109和车辆113，这些车辆可以是私家车、卡车、出租车、无人车等。基于本申请的技术方案，车辆105、车辆107、车辆109和车辆113均具有识别路况信息的能力。如图2所示，车辆201(包括车辆105、车辆107、车辆109和车辆113)上可以配置有至少一个路况识别模块，所述路况识别模块可以包括下述中的至少一种：车辆闯红灯识别模块、车辆实线变道识别模块、车辆压线行驶识别模块、车辆非法使用专用车道识别模块、车辆违法掉头识别模块、交通设施状态识别模块、路面障碍物识别模块、道路拥堵识别模块、交通事故识别模块。由此可见，以上路况识别模块可以分别对应于至少一种能够识别出的路况信息，例如，所述车辆闯红灯识别模块用于识别道路中闯红灯的车辆，所述车辆实线变道识别模块用于识别道路中实线变道的车辆等等，在此不再赘述。
在图1所示的场景图中，管理平台101根据一些举报信息确定道路103由于没有监控装置，总是出现有车辆压线行驶、闯红灯、实线变道等违章行为。管理平台101根据车辆105、车辆107、车辆109的导航路线，确定出这些车辆计划经过道路103，因此，可以激活这些车辆中的车辆闯红灯识别模块、车辆实线变道识别模块、车辆压线行驶识别模块、交通设施状态识别模块等路况识别模块。那么，在图1所示的场景中，车辆105可以识别出车辆107是否发生违章行为，而车辆107可以识别出车辆109是否发生违章行为，车辆109还可以识别其前面的车辆是否闯红灯，或者获取到交通灯111的状态信息。需要说明的是，车辆105、车辆107、车辆109可以通过行车记录仪、车载摄像头具有摄像装置的设备获取到车身周围的图像，并利用激活后的路况识别模块从图像识别出周围的路况信息。车辆105、车辆107、车辆109在识别出的路况信息中包括交通违章行为的情况下，可以将获取的路况信息发送至管理平台101。
另外，道路103的另一侧，在车辆113的路面障碍物识别模块被激活的情况下，当车辆113行驶至图示地点时可以识别到道路103中存在障碍物115。据此，车辆113可以将识别出的路况信息发送至管理平台101。所述路况信息可以包括障碍物的位置信息(如经纬度、或者路名)、障碍物类型(土堆、树木、积水等)、现场图像等。
另一个场景中，在高速公路中，由于成本因素，难以密集地设置监控装置，因此，在一些没有监控装置的路段中，总有一些车辆超速行驶、压线行驶、占用应急车道等。基于此，管理平台101可以在识别出车辆行驶至高速公路时，激活车辆中的部分路况识别模块，典型地，如车辆压线行驶识别模块、车辆非法使用专用车道识别模块、路面障碍物识别模块、道路拥堵识别模块、交通事故识别模块。在图3中，车辆303在行驶过程中，识别到前方车辆301处于压线行驶的状态，因此，可以将识别的路况信息发送至管理平台101，所述路况信息中可以包括车辆301的车牌号、车辆违章类型(压线行驶)以及现场图像等。在管理平台101一侧，在获取到路况信息之后，可以发送举报信息至交通管理部门305，所述举报信息可以包括车辆301的车牌号、车辆违章类型(压线行驶)以及现场图像等。当然，还可以发送提醒消息至车辆301，以提醒车辆301禁止压线行驶。
通过上述各个应用场景，可以发现管理平台101能够动态管理车辆201中的各个路况识别模块，具体的管理方式例如还可以包括对路况识别模块实施激活、关闭、更新、增加等操作。通过这样的实施方式，不仅可以增强管理平台101获取路况数据的灵活性，还可以使得车辆上的路况识别模块在需要的时候开启，减少不必要的功耗。当然，在其他实施方式中，还可以设置车辆在每天固定时间开启车辆上的路况识别模块，如在每天早晚高峰期间开启车辆上部分或者全部路况识别模块。所属领域技术人员在本申请技术精髓的启示下，还可能做出其它变更，但只要其实现的功能和效果与本申请相同或相似，均应涵盖于本申请保护范围内。
在另一个应用场景中，管理平台101还可以设置根据天气状况激活车辆中的路况识别模块。在实际应用中，恶劣的天气很容易导致交通状况变差，容易发生一些突发的状况，因此，在恶劣天气驾驶员对路况信息的需求较大。另外，在无人驾驶环境中，由于恶劣天气的影响，车辆的性能有可能受到影响，如在雨雪天气，车辆的制动能力有可能变差。基于此，在本申请实施例中，管理平台101可以将不同的天气与不同的路况识别模块进行关联，并设置在出现某种天气时，可以开启与该天气相关联的路况识别模块。在一个示例中，可以设置在雨雪、大风天气开启车辆上的路面障碍物识别模块、道路拥堵识别模块、交通事故识别模块等等。通过这些模块上传的路况信息，管理平台101可以将路面积水、被风吹到路面的障碍物、车辆拥堵、交通事故等信息发送给其他车辆(包括无人驾驶车辆)或者交通管理部门，以提醒即将经过的车辆小心积水或障碍物，或者提醒交通管理部门及时清理路面障碍物，以尽可能地减少交通事故。
在商业应用场景中，本申请所提供的算法可以应用于多种产品，如将车辆上获取的路况识别模块设置于行车记录仪或者车载电脑中，还可以将提取的路况信息更新至地图中，这样，管理平台101通过与行车记录仪生产商、车载电脑生产商、地图APP开发商之间的合作，可以形成一条良性循环的交通数据分享链路。在分享链路的最前端，也就是数据来源方面，管理平台101还可以跟网约车、出租车等平台进行合作，合理利用网约车、出租车在数量上的优势，获取到足够多的路况数据。在分享链路的后端，管理平台101还可以跟保险公司、交通管理部门、公安部门等机构合作，在道路上出现交通事故的情况下，管理平台101可以将获取的现场信息(如现场图像)提供给保险公司、交通管理部门、公安部门等作为确定事故责任方的重要依据。
在实际使用环境中，由于单辆车获取的路况数据可能比较局限，通常无法获取到同一地点处的完整路况信息。在本申请实施例中，可以对多辆车上报的路况数据进行聚合处理，生成同一地点的完整路况信息。其中，聚合处理可以包括图像拼接处理，例如将多辆车所获取的同一地点处的路况图像拼接成对该地点的完整路况图像。在一个示例中，在十字路口处，由于路面宽阔，车辆前后有遮挡等影响因素，一辆车不可能获取到整个十字路口的完整路况信息。基于此，可以将获取的该十字路口处的所有路况信息进行拼接，形成该十字路口的完整路况信息。例如，该十字路口出现一很大的障碍物，每辆车从不同角度的只能拍摄到该障碍物的局部，通过多辆车上报的路况信息，可以将多辆车所提供的障碍物信息，如对障碍物图像进行拼接，获取到整个障碍物的大小以及位置。
基于同样的应用原理，还可以实现街景的拼接。例如，多辆车上传同一地点的图像，由于车辆位置的不同，导致图像的拍摄角度不同，因此，可以将同一地点的多个图像进行拼接，形成该地点处完整的街景图像。生成的街景图像还可以实时更新至地图中，相对于相关技术中利用采集车采集街景图像的方式，本申请实施例提供的方式可以大大降低街景图像的采集成本，以及提升街景图像的更新速度。
在一个应用场景中，还可以利用本申请各个实施例提供的获取路况信息的技术方案对道路交通事故进行识别。例如，管理平台101接收到某地点发生交通事故的通知消息，响应于该通知消息，管理平台101可以快速采集该地点的事故详情，如现场图像、事故车辆信息等等。基于此，管理平台101可以确定出事故地点处的车辆，并发送指令以指示这些车辆采集并上报事故现场的路况信息，所述路况信息中可以包括事故现场图像等。
在实际应用场景中，还可以设置不同车辆之间分享路况信息等。在用户授权分享数据的情况下，可以将车辆所获取的路况信息分享至其他车辆上，使得路况信息所形成的信息网更加广泛。信息分享可以通信网络实现，所述通信网络可以包括3G/4G/5G、Wifi等等，本申请在此不做限制。
下面结合附图对本申请所述的获取路况信息方法进行详细的说明。图4是本申请提供的获取路况信息方法的一种实施例的方法流程示意图。虽然本申请提供了如下述实施例或附图所示的方法操作步骤，但基于常规或者无需创造性的劳动在所述方法中可以包括更多或者更少的操作步骤。在逻辑性上不存在必要因果关系的步骤中，这些步骤的执行顺序不限于本申请实施例提供的执行顺序。所述方法在实际中的获取路况信息过程中或者装置执行时，可以按照实施例或者附图所示的方法顺序执行或者并行执行(例如并行处理器或者多线程处理的环境)。
具体地，本申请提供的获取路况信息方法的一种实施例如图4所示，所述方法可以包括：
S401：从多个车辆实时获取多个路况信息，所述多个路况信息分别利用所述车辆上多种类型的路况识别模块识别得到。
S403：将所述多个路况信息聚合处理得到不同地点处的路况信息。
S405：将所述不同地点处的路况信息推送至对应的接收对象。
本申请实施例中，可以构建用于获取路况信息的管理平台，所述管理平台可以获取到多个车辆的路况信息，所述车辆可以包括能够正常在路上行驶的机动车辆，例如私家车、出租车、货车等等。所述车辆可以配置有至少一个路况识别模块，所述至少一个路况识别模块分别用于识别不同的路况信息。在本申请的一个实施例中，如表1所示，所述路况识别模块包括下述中的至少一种：车辆闯红灯识别模块、车辆实线变道识别模块、车辆压线行驶识别模块、车辆非法使用专用车道识别模块、车辆违法掉头识别模块、交通设施状态识别模块、路面障碍物识别模块、道路拥堵识别模块、交通事故识别模块。其中，所述车辆闯红灯识别模块用于识别出闯红灯的车辆。所述车辆实线变道识别模块用于识别在道路实线处变道的车辆。所述车辆压线行驶识别模块用于识别压线行驶的车辆。所述车辆非法使用专用车道识别模块用于识别非法使用专用车道的车辆，所述专用车道例如可以包括人行道、非机动车道、公交车专用车道、高速应急车道等等。所述车辆违法掉头识别模块用于识别在道路中非法掉头的车辆。所述交通设施状态识别模块用于识别道路中交通设施的状态信息，所述交通设施例如可以包括红绿灯、照明设施、转向灯等等。所述路面障碍物识别模块用于识别道路中的障碍物，如道路中出现交通锥、警示柱、积水、施工材料、树木、三角架、动物等影响车辆正常行驶的物体。所述道路拥堵识别模块用于识别道路中是否发生拥堵。所述交通事故识别模块用于识别道路中发生的交通事故，进一步地，还可以用于识别交通事故的类型，如轻微事故、一般事故、重大事故、特大事故等等。
表1路况识别模块举例列表
| 路况识别模块 | 用途 |
| 车辆闯红灯识别模块 | 识别出闯红灯的车辆 |
| 车辆实线变道识别模块 | 识别在道路实线处变道的车辆 |
| 车辆压线行驶识别模块 | 识别压线行驶的车辆 |
| 车辆非法使用专用车道识别模块 | 识别非法使用专用车道的车辆 |
| 车辆违法掉头识别模块 | 识别道路中非法掉头的车辆 |
| 交通设施状态识别模块 | 识别道路中交通设施的状态信息 |
| 路面障碍物识别模块 | 识别道路中的障碍物 |
| 道路拥堵识别模块 | 识别道路中是否发生拥堵 |
| 交通事故识别模块 | 识别道路中发生的交通事故 |
所述管理平台在构建所述路况识别模块的过程中，可以采用机器学习等方式构建。下面以车辆闯红灯识别模块的构建作为示例进行说明。首先可以获取到多个车辆闯红灯的样本图像，并在样本图像中标注出车辆、车牌、红绿灯、交通标志线等。然后，可以构建机器学习模型组件，并利用所述机器学习模型组件学习多个所述样本图像，直至所述机器学习模型组件达到预设要求。所述机器学习方式还可以包括K近邻算法、感知机算法、决策树、支持向量机、逻辑斯底回归、最大熵等，相应的，生成的模型组件如朴素贝叶斯、隐马尔科夫等。当然，在其他实施例中，所述机器学习方式还可以包括深度学习学习方式、强化学习方式等等，生成的模型组件可以包括卷积神经网络模型组件(Convolutional NeuralNetworks，CNN)、循环神经网络模型组件(Recurrent Neural Network，RNN)、LeNet、ResNet、长短期记忆网络模型组件(Long Short-Term Memory，LSTM)，双向长短期记忆网络模型组件(Bi-LSTM)等等，本申请在此不做限制。当然，在其他实施例中，还可以在已有的车辆闯红灯识别模块做一些改进以识别道路中闯红灯车辆，本申请对于所述路况识别模块的构建方式不做限制。
需要说明的是，所述路况识别模块的类别不限于上述举例，且同一个模块还可以识别出多种类型的路况信息，例如，可以设置一个既可以识别出交通设施状态也可以识别出路面障碍物信息的路况识别模块。所属领域技术人员在本申请技术精髓的启示下，还可能做出其它变更，但只要其实现的功能和效果与本申请相同或相似，均应涵盖于本申请保护范围内。
在本申请实施例中，所述车辆配置所述至少一个路况识别模块的方式可以包括多种方式。在一个实施例中，可以将所述至少一个路况识别模块配置于所述车辆的车体内置硬件中，例如车载电脑、车载行车记录仪、车载智能摄像装置、车载导航装置等等。在另一个实施例中，还可以将所述至少一个路况识别模块配置于车辆的外部连接硬件设备中，如行车记录仪、导航装置、智能手机等等。需要说明的是，配置所述至少一个路况识别模块的硬件能够基于网络协议接入通信网络，以实现与所述管理平台之间的通信，如将识别到的路况信息发送至所述管理平台。所述通信网络可以包括3G/4G/5G、Wifi等等，本申请在此不做限制。
在本申请实施例中，所述路况信息可以包括利用所述路况识别模块从采集到的所述目标地点处的路况图像中识别得到的信息。在一个示例中，车辆在行驶过程中，可以利用行车记录仪采集道路中的路况图像，采集的方向可以是车辆前方、后方等任意方向的图像，本申请在此不做限制。采集到路况图像之后，可以利用所述至少一个路况识别模块对所述路况图像进行处理，获取到相应的路况信息。当然，所述路况信息需要对应于具体的地理位置，因此，车辆在采集路况图像时，可以记录路况图像所对应的地理位置信息。在本申请实施例中，可以在车辆启动的时刻开启车辆上的至少一个路况识别模块，所述至少一个路况识别模块启动后即可连续监测道路状况，以识别出不同类型的路况信息。识别出的不同类型可以发送给所述管理平台。进一步地，所述管理平台可以指示车辆上传路况信息，通过所述管理平台指示的方式，车辆不必要在启动之后一直与所述管理平台保持通信，只有在接收到路况获取指令之后，才开始上传路况信息，一方面，可以降低车辆的功耗，另一方面，还可以减少管理平台所获取的信息，降低管理平台的信息处理成本。在需要获取路况信息的情况下，所述管理平台可以向多个车辆发送路况获取指令，以指示所述多个车辆开始上传路况信息。响应于所述路况获取指令，车辆可以激活车辆上所配置的至少一个路况识别模块，并将识别出的路况信息发送给所述管理平台。进一步地，所述路况获取指令中还可以包括目标地点的位置信息和/或路况信息的目标类型，相应地，所述路况获取指令具体用于指示所述多个车辆开始上传所述目标地点处的和/或所述目标类型的路况信息。在一个示例中，所述管理平台可以指示获取路况信息的明确地点，例如指示的目标地点为“竹园路和建筑路交汇处”，那么，车辆可以只将指定目标地点处的路况信息发送给所述管理平台。在另一个示例中，所述管理平台还可以指示获取路况信息的目标类型，例如指示的路况信息的目标类型是闯红灯识别，那么，车辆可以响应于路况获取指令，确定该目标类型所对应的路况识别模块为车辆闯红灯识别模块，并可以只将该识别模块所获取的路况信息上传给所述管理平台。当然，所述管理平台还可以同时指示获取路况信息的目标地点以及目标类型，具体的实施方式可以参考上述实施例，在此不再赘述。
进一步地，在本申请实施例中，所述管理平台可以根据需求激活车辆中部分或者全部的路况识别模块。具体地，所述管理平台可以发送激活指令至多个车辆，所述激活指令用于激活所述多个车辆中的目标路况识别模块，所述激活指令中可以包括所述目标路况识别模块的标识信息。所述多个车辆可以响应于所述激活指令，激活车辆上所述标识信息所对应的目标路况识别模块，并将激活的所述目标路况识别模块所获取的路况信息上传给所述管理平台。所述管理平台可以从所述多个车辆接收所述目标路况识别模块所对应类型的多个路况信息。在实际的应用环境中，所述管理平台可能需要获取一些特殊地点处的路况信息，基于此，所述激活指令中还可以包括目标地点的位置信息，相应地，所述激活指令用于指示所述多个车辆采集所述目标地点处的路况信息。例如，某十字路口经常发生交通事故，总结其原因，有可能是红绿灯时间比较长，驾驶人员等不及，容易闯红灯，也有可能该路口禁止掉头，但总有车辆在此处掉头，当然，也有可能是交通灯经常出现故障。基于此，所述管理平台可以激活车辆的车辆闯红灯识别模块、车辆违法掉头识别模块、交通设施状态识别模块、交通事故识别模块等路况识别模块，并指示车辆行驶至该十字路口处分别获取车辆闯红灯、车辆违法掉头、交通设施状态、交通事故等路况信息。再如，某公交车司机举报上班高峰期间某地点的公交车专用车道总是被私家车占用，导致公交车经常晚点。基于此，所述管理平台可以激活车辆中的车辆非法使用专用车道识别模块，使得车辆行驶至该地点处确定道路中非法占用公交车车道的车辆。
具体地，在本申请的一个实施例中，所述管理平台可以根据所需的路况信息从所述至少一个路况识别模块中确定出目标路况识别模块。在上述应用场景中，所述车辆闯红灯识别模块、所述车辆违法掉头识别模块、所述交通设施状态识别模块、所述交通事故识别模块即为所述目标路况识别模块。然后，可以发送路况识别模块的激活指令至多个车辆，所述激活指令中可以包括所述目标路况识别模块的标识信息以及目标地点的位置信息。所述目标路况识别模块的标识信息可以用于标识路况识别模块的唯一性，车辆根据所述标识信息可以访问到与所述标识信息相匹配的路况识别模块。所述标识信息可以利用字符串等任何形式表示，本申请在此不做限制。所述目标地点可以包括位置点，也可以包括位置范围，所述目标地点的位置信息可以利用经纬度表示，也可以利用街道位置表示，如建筑路与人民路交汇处，本申请在此不做限制。
当然，所述管理平台还可以对车辆上的所述至少一个路况识别模块实施更新、删除等操作，另外，还可以在所述车辆中配置新的路况识别模块。在一个示例中，技术人员对原始的交通事故识别模块进行改进，并生成新版本。基于此，所述管理平台可以将所述新版本推送至各个车辆中，并将所述交通事故识别模块更新为所述新版本。基于类似于这样的方式，所述管理平台可以实现对车辆中的路况识别模块的动态管理。在一个实施例中，在所述路况获取指令或者所述激活指令中包括目标地点的情况下，所述管理平台可以根据所述目标地点选择特定的多个车辆。在一个实施例中，所述多个车辆可以包括距离所述目标地点小于预设距离阈值的车辆。在该实施例中，可以获取到车辆与所述目标地点之间的距离，在确定所述距离小于预设距离阈值(如10km、20km)的情况下，可以将所述路况识别模块的激活指令发送至所述车辆。在另一个实施例中，所述多个车辆还可以包括导航路线中需要经过所述目标地点的车辆。在该实施例中，可以获取到车辆的导航路线，例如，可以从车辆所使用的导航应用中获取到车辆的导航路线，在确定所述导航路线中包括所述目标地点且车辆还未经过所述目标地点的情况下，可以将所述路况识别模块的激活指令发送至所述车辆。在另一个实施例中，所述多个车辆还可以包括历史时间段内经过所述目标地点的次数大于预设次数的车辆。例如，统计得到车辆在最近15天内经过建筑路与人民路交汇处的次数为26次，大于预设次数15，则可以将所述路况识别模块的激活指令发送至所述车辆。当然，在其他实施例中，所述多个车辆还可以包括经过所述目标地点的总次数大于预设次数的车辆，所属领域技术人员在本申请技术精髓的启示下，还可能做出其它变更，但只要其实现的功能和效果与本申请相同或相似，均应涵盖于本申请保护范围内。
在本申请实施例中，所述车辆在接收到所述激活指令之后，可以响应于所述激活指令，根据所述目标路况识别模块的标识信息激活所述目标路况识别模块。然后，可以利用所述目标路况识别模块识别出所述目标地点的路况信息。在一个实施例中，可以在车辆行驶至距离所述目标地点较近的地点处激活所述目标路况识别模块，例如，距离所述目标地点小于500米的地点处激活所述目标路况识别模块。在另一个实施例中，可以在激活所述目标路况识别模块之后，并在距离所述目标地点较近的地点处开始识别出所述目标地点的路况信息。本申请对于激活所述目标路况识别模块和识别出所述目标地点的路况信息的时间点可以灵活设置，以降低硬件设备功耗的目的为主要需求的技术方案，均应涵盖于本申请保护范围内。
本申请实施例中，所述管理平台在获取到所述多个路况信息之后，可以将所述多个路况信息聚合处理得到不同地点处的路况信息。在一个实施例中，所述管理平台可以接收到的所述路况信息按照不同地点进行划分，并对同一地点处的路况信息进行聚合处理，确定所述地点处的路况信息。在一个示例中，可以从获取的路况信息中获取到所述路况信息所对应的位置信息，然后，可以将同一位置信息所对应的路况信息划分为一类。在划分的过程中，对同一位置的设置可以包括将某一个小范围内的区域作为同一地点，例如，经度具有范围值，纬度也具有某个范围值，形成的区域可以作为同一地点。在其他示例中，还可以将就标志性地点及其周边预设范围之内的区域作为同一地点，如XX小学东门即东门前的道路作为同一地点。对于一些应用场景，所述管理平台很难根据一辆车确定的某个地点的路况信息，从而确定该地点的路况信息。比如，管理平台获取到同一时间段只有一辆车上报某地点发生交通堵塞，那么，平台很难据此确定该地点正发生交通堵塞。基于此，对于一些场景，需要对多个车辆确定的路况信息进行聚合处理，以增加路况信息的置信度。在一个实施例中，可以根据获取的路况信息的一致性和次数，从而确定目标地点的聚合路况信息。例如，所述管理平台通过对路况信息进行聚合处理后发现，在8:30-8:45之间共有500辆车上报人民路发生交通堵塞，车辆的数量大于预设阈值250，那么，所述管理平台可以确定人民路的确发生交通拥堵。
在实际的应用环境下，从各个车辆获取的路况信息的准确度可能有差异，一些可能的因素例如车辆硬件设备的差异，如获取的图像的质量的差异，图像质量越高，确定的路况信息的结果越准确，反之则越不准确。另外，车辆中处理图像的硬件性能越高，确定的路况信息的结果越准确，反之则越不准确。基于此，可以设置车辆的置信度，所述置信度用于确定从车辆获取的路况信息的准确程度。在本申请的一个实施例中，所述置信度可以根据历史上从车辆获取的路况信息的准确度确定。在一个示例中，历史上从车辆A共获取到500次的路况信息，其中准确的次数为495次，准确度为99％。在另一个示例中，历史上从车辆B共获取到100次的路况信息，其中准确的次数为76次，准确度为76％。在获取到所述置信度之后，可以基于所述置信度，将多个所述路况信息进行聚合处理，生成所述目标地点处的聚合路况信息。在一个实施例中，可以将所述车辆的置信度作为权重值，计算获取所述目标地点路况信息的次数。通过以上方式，可以获取到更加准确的聚合路况信息。
当然，在另一些应用场景中，对于一些路况信息的聚合处理方式可以不需要那么严格。比如在所述路况信息包括车辆闯红灯、车辆非法占用专用车道等，由于一般很难有多个车辆同时获取同一辆车的违法行为，因此，在有一辆车确定此类路况信息的情况下，可以确定该路况信息的真实性，即将获取的路况信息作为聚合处理后的路况信息。
在本申请实施例中，所述管理平台在获取到所述目标地点处的路况信息之后，可以将所述不同地点处的路况信息推送至对应的接收对象。在一些示例中，所述接收对象可以包括导航地图、其他车辆、交通管理部门、保险公司、公安部门等等。在本申请的一个实施例中，可以将所述聚合后的路况信息刚更新至导航地图中。在一个示例中，根据多个车辆的路况信息聚合得到建筑路发生交通堵塞，那么可以将聚合后的路况信息更新至导航地图中。在另一个示例中，根据车辆实时确定的红绿灯状态可以聚合得到道路中各个红绿灯实时状态，那么可以将聚合后的红绿灯实时状态更新至导航地图中，从而更加准确地计算得到车辆到达目的地所消耗的时间。在其他示例中，可以将道路障碍、交通事故等聚合后的路况信息快速、实时地更新至所述导航地图中。
在本申请的一个实施例中，在确定所述路况信息中包括车辆实施违章行为的情况下，发送举报信息至交通管理机构，所述举报信息中包括实施违章行为的车辆的信息以及违章行为的种类信息。在一个示例中，所述管理平台从某车辆获取到车牌号为苏EU0XX1的车辆于2019年8月12日17点53分在竹园路与建筑路交汇处实施车辆非法掉头，并上传了现场照片。所述管理平台在获取到该路况信息之后，可以向交通管理机构发送举报信息，所述举报信息中可以包括实施违章行为的车辆的信息，即车牌号苏EU0XX1，违章行为是于2019年8月12日17点53分在竹园路与建筑路交汇处实施车辆违章掉头。那么，若竹园路与建筑路交汇处在没有设置监控装置的情况下，该举报信息可以帮助交通管理机构管理监控盲区，从而进一步增强驾驶人员遵守交通法规的意识。
在本申请的另一个实施例中，在确定所述路况信息中包括道路拥堵、障碍信息或者交通事故信息的情况下，可以分别发送提醒消息至计划在预设时间段内经过所述不同地点处的车辆。在一个示例中，所述管理平台在2019年8月11日7点30分到7点45分之间，从200个车辆获取到人民路由于台风影响有大量积水和倒塌树木等障碍物。所述管理平台在获取到该路况信息之后，可以发送提醒消息至计划在一小时内经过人民路的车辆。具体地，所述管理平台可以根据车辆的导航路线判断车辆是否计划在一小时内经过人民路，或者，根据车辆的历史行驶路线确定判断车辆是否计划在一小时内经过人民路。例如，根据用户的历史行驶路线，用户在最近一个月内每个工作日在8点左右经过人民路，那么，所述管理平台可以向该车辆发送提醒消息，以提示用户切换路线。
当然，在其他实施例中，还可以将所述路况信息应用于无人驾驶场景，如将所述路况信息作为高精地图的参考数据，还可以将所述路况信息作为无人驾驶车辆的辅助驾驶参考数据等，本申请对于所述接收对象不做限制。
本申请各个实施例提供的获取路况信息的方法，可以从多个车辆实时获取多个路况信息，并将所述多个路况信息聚合处理得到不同地点处的路况信息，以及将所述不同地点处的路况信息推送至对应的接收对象。所述车辆中还可以配置有分别用于识别不同类型的路况信息的至少一个路况识别模块。管理平台通过灵活配置路况识别模块，可以大范围地获取到不同类型的路况信息。当然，管理平台还可以根据需求，开发新的路况识别模块，或者对已有的路况识别模块进行更新等。因此，本申请各个实施例提供的获取路况信息的方法可以应用于交通管理、驾驶辅助、无人车高精地图生成等多种应用场景。另外，管理平台获取到大量的路况信息之后，还可以将所述路况信息分享给其他需要这些信息的对象，使得从数据采集、数据处理到数据分享形成一个良性的、低成本的交通数据分享链路。
本申请另一方面还从车辆的角度提供一种获取路况信息的方法，所述方法可以包括：
SS1：利用至少一个路况识别模块获取路况信息，所述至少一个路况识别模块用于识别不同类型的路况信息；
SS2：发送所述路况信息。
可选的，在本申请的一个实施例中，所述利用至少一个路况识别模块获取路况信息，包括：
获取路况图像；
利用至少一个路况识别模块从所述路况图像中识别出路况信息。
可选的，在本申请的一个实施例中，所述利用至少一个路况识别模块确定目标地点处的路况信息，包括：
接收激活指令，所述激活指令中包括目标路况识别模块的标识信息；
响应于所述激活指令，根据标识信息激活所述目标路况识别模块；
利用所述目标路况识别模块识别出路况信息。
可选的，在本申请的一个实施例中，所述激活指令中还包括目标地点的位置信息，相应地，所述激活指令用于指示采集所述目标地点处的路况信息。
可选的，在本申请的一个实施例中，所述方法还包括：
接收更新或者增加路况识别模块的请求；
响应于所述请求，更新或者增加路况识别模块。
可选的，在本申请的一个实施例中，所述方法还包括：
接收导航地图的更新信息，所述更新信息包括基于所述路况信息聚合处理得到的信息。
可选的，在本申请的一个实施例中，所述方法还包括：
接收提醒消息，所述提醒消息中包括交通障碍位置信息以及障碍类型信息，其中，所述交通障碍地点位于还未经过的导航路线中。
对于上述各个实施例的实施方式可以参考以上关于管理平台以实施主体的实施例，本申请在此不再赘述。
对应于上述以所述管理平台为实施主体的获取路况信息方法，如图5所示，本申请还提供一种获取路况信息装置，包括处理器以及用于存储处理器可执行指令的存储器，所述处理器执行所述指令时可以实现上述以管理平台为实施主体的任一实施例所述的获取路况信息方法的步骤。
另外，对应于以基于车辆的获取路况信息的方法，本申请还提供一种车载装置，包括处理器以及用于存储处理器可执行指令的存储器，所述处理器执行所述指令时可以实现上述任一实施例基于车辆的所述的获取路况信息方法的步骤。需要说明的是，所述车载装置可以包括车载电脑、车载行车记录仪、车载智能摄像装置、车载导航装置等等，本申请在此不做限制。
本申请另一方面还提供一种计算机可读存储介质，其上存储有计算机指令，所述指令被执行时实现上述任一实施例所述的获取路况信息方法的步骤。
所述计算机可读存储介质可以包括用于存储信息的物理装置，通常是将信息数字化后再以利用电、磁或者光学等方式的媒体加以存储。本实施例所述的计算机可读存储介质有可以包括：利用电能方式存储信息的装置如，各式存储器，如RAM、ROM等；利用磁能方式存储信息的装置如，硬盘、软盘、磁带、磁芯存储器、磁泡存储器、U盘；利用光学方式存储信息的装置如，CD或DVD。当然，还有其他方式的可读存储介质，例如量子存储器、石墨烯存储器等等。
在20世纪90年代，对于一个技术的改进可以很明显地区分是硬件上的改进(例如，对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件(Programmable Logic Device,PLD)(例如现场可编程门阵列(Field Programmable GateArray，FPGA))就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言(Hardware Description Language，HDL)，而HDL也并非仅有一种，而是有许多种，如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等，目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。
控制器可以按任何适当的方式实现，例如，控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit，ASIC)、可编程逻辑控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制器：ARC625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320，存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本申请时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
还需要说明的是，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、商品或者设备不仅包括那些要素，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、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。
Claims (24)
1.一种获取路况信息的方法，其特征在于，包括：
从多个车辆实时获取多个路况信息，所述多个路况信息分别利用所述车辆上多种类型的路况识别模块识别得到；
将所述多个路况信息聚合处理得到不同地点处的路况信息；
将所述不同地点处的路况信息推送至对应的接收对象。
2.根据权利要求1所述的方法，其特征在于，所述路况信息包括利用所述路况识别模块从采集到的路况图像中识别得到的信息。
3.根据权利要求1所述的方法，其特征在于，所述从多个车辆实时获取多个路况信息，包括：
发送路况获取指令至多个车辆，所述路况获取指令用于指示所述多个车辆上传路况信息；
从所述多个车辆接收多个路况信息。
4.根据权利要求3所述的方法，其特征在于，所述路况获取指令中还包括目标地点的位置信息和/或路况信息的目标类型，相应地，所述路况获取指令具体用于指示所述多个车辆上传所述目标地点处的和/或所述目标类型的路况信息。
5.根据权利要求1所述的方法，其特征在于，所述从多个车辆实时获取多个路况信息，包括：
发送激活指令至多个车辆，所述激活指令用于激活所述多个车辆中的目标路况识别模块，所述激活指令中包括所述目标路况识别模块的标识信息；
从所述多个车辆接收所述目标路况识别模块所对应类型的多个路况信息。
6.根据权利要求5所述的方法，其特征在于，所述激活指令中还包括目标地点的位置信息，相应地，所述激活指令用于指示所述多个车辆采集所述目标地点处的路况信息。
7.根据权利要求1所述的方法，其特征在于，所述方法还包括：
在确定具有新的路况识别模块或者所述路况识别模块具有新版本的情况下，在所述车辆中配置所述新的路况识别模块，或者将所述车辆中的路况识别模块更新至所述新版本。
8.根据权利要求1所述的方法，其特征在于，所述路况识别模块包括下述中的至少一种：车辆闯红灯识别模块、车辆实线变道识别模块、车辆压线行驶识别模块、车辆非法使用专用车道识别模块、车辆违法掉头识别模块、交通设施状态识别模块、路面障碍物识别模块、道路拥堵识别模块、交通事故识别模块。
9.根据权利要求1所述的方法，其特征在于，所述将所述多个路况信息聚合处理得到不同地点处的路况信息，包括：
将所述多个路况信息按照不同地点进行划分；
对同一地点的多个路况信息进行聚合处理，确定所述地点处的路况信息。
10.根据权利要求9所述的方法，其特征在于，所述对同一地点的多个路况信息进行聚合处理，确定所述地点处的路况信息，包括：
获取所述车辆的置信度，所述置信度根据历史上从所述车辆获取的路况信息的准确度确定；
基于所述置信度，将同一地点的多个所述路况信息进行聚合处理，生成所述地点处的聚合路况信息。
11.根据权利要求1所述的方法，其特征在于，所述将所述不同地点处的路况信息推送至对应的接收对象，包括：
将所述不同地点处的路况信息更新至导航地图中。
12.根据权利要求1所述的方法，其特征在于，所述将所述不同地点处的路况信息推送至对应的接收对象，包括：
在确定所述路况信息中包括车辆实施违章行为的情况下，发送举报信息至交通管理机构，所述举报信息中包括实施违章行为的车辆的信息以及违章行为的种类信息。
13.根据权利要求1所述的方法，其特征在于，所述将所述不同地点处的路况信息推送至对应的接收对象，包括：
在确定所述路况信息中包括道路拥堵、障碍信息或者交通事故信息的情况下，分别发送提醒消息至计划在预设时间段内经过所述不同地点处的车辆。
14.根据权利要求4或6所述的方法，其特征在于，所述多个车辆包括下述中的至少一种：
距离所述目标地点小于预设距离阈值的车辆；
导航路线中包括所述目标地点的车辆；
历史时间段内经过所述目标地点的次数大于预设次数的车辆。
15.一种获取路况信息的方法，其特征在于，包括：
利用至少一个路况识别模块获取路况信息，所述至少一个路况识别模块用于识别不同类型的路况信息；
发送所述路况信息。
16.根据权利要求15所述的方法，其特征在于，所述利用至少一个路况识别模块获取路况信息，包括：
获取路况图像；
利用至少一个路况识别模块从所述路况图像中识别出路况信息。
17.根据权利要求15所述的方法，其特征在于，所述利用至少一个路况识别模块确定目标地点处的路况信息，包括：
接收激活指令，所述激活指令中包括目标路况识别模块的标识信息；
响应于所述激活指令，根据标识信息激活所述目标路况识别模块；
利用所述目标路况识别模块识别出路况信息。
18.根据权利要求17所述的方法，其特征在于，所述激活指令中还包括目标地点的位置信息，相应地，所述激活指令用于指示采集所述目标地点处的路况信息。
19.根据权利要求15所述的方法，其特征在于，所述方法还包括：
接收更新或者增加路况识别模块的请求；
响应于所述请求，更新或者增加路况识别模块。
20.根据权利要求15所述的方法，其特征在于，所述方法还包括：
接收导航地图的更新信息，所述更新信息包括基于所述路况信息聚合处理得到的信息。
21.根据权利要求15所述的方法，其特征在于，所述方法还包括：
接收提醒消息，所述提醒消息中包括交通障碍位置信息以及障碍类型信息，其中，所述交通障碍地点位于还未经过的导航路线中。
22.一种获取路况信息的装置，其特征在于，包括处理器以及用于存储处理器可执行指令的存储器，所述处理器执行所述指令时实现权利要求1-14任意一项所述的获取路况信息的方法。
23.一种车载装置，其特征在于，包括处理器以及用于存储处理器可执行指令的存储器，所述处理器执行所述指令时实现权利要求15-21任意一项所述的获取路况信息的方法。
24.一种非临时性计算机可读存储介质，当所述存储介质中的指令由处理器执行时，使得处理器能够执行权利要求1-21任意一项所述的获取路况信息的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911064996.1A CN112785835A (zh) | 2019-11-04 | 2019-11-04 | 一种获取路况信息的方法及装置、车载装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911064996.1A CN112785835A (zh) | 2019-11-04 | 2019-11-04 | 一种获取路况信息的方法及装置、车载装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112785835A true CN112785835A (zh) | 2021-05-11 |
Family
ID=75747312
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911064996.1A Pending CN112785835A (zh) | 2019-11-04 | 2019-11-04 | 一种获取路况信息的方法及装置、车载装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112785835A (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113240906A (zh) * | 2021-05-27 | 2021-08-10 | 山东产研信息与人工智能融合研究院有限公司 | 基于物流园区道路拥堵实时监控的车辆引导方法及系统 |
| CN113299100A (zh) * | 2021-05-25 | 2021-08-24 | 智道网联科技(北京)有限公司 | 一种路况信息交互方法、装置和系统 |
| CN114067593A (zh) * | 2021-11-15 | 2022-02-18 | 国汽智控(北京)科技有限公司 | 车辆与云端服务器的通信方法及系统 |
| CN115472029A (zh) * | 2021-05-24 | 2022-12-13 | 上海擎感智能科技有限公司 | 路况信息处理方法、电子设备及存储介质 |
| TWI816271B (zh) * | 2021-12-31 | 2023-09-21 | 荷蘭商荷蘭移動驅動器公司 | 路況預警方法、設備及存儲介質 |
| CN117705090A (zh) * | 2023-12-20 | 2024-03-15 | 南京智绘星图信息科技有限公司 | 一种高精地图的综合管控方法 |
Citations (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101286266A (zh) * | 2008-05-14 | 2008-10-15 | 西安交通大学 | 一种基于车载无线传感器网络的交通路况信息处理方法 |
| CN101729167A (zh) * | 2008-10-16 | 2010-06-09 | 陕西创秦电子科技有限公司 | 一种交通路况信息处理方法 |
| CN103077622A (zh) * | 2012-11-14 | 2013-05-01 | 武汉德澳科技有限公司 | 一种基于传感器网络技术的车况及路况监控系统 |
| CN103679838A (zh) * | 2012-09-20 | 2014-03-26 | 上海科沁机电有限公司 | 车辆监控系统及方法 |
| CN104699102A (zh) * | 2015-02-06 | 2015-06-10 | 东北大学 | 一种无人机与智能车协同导航与侦查监控系统及方法 |
| CN105205785A (zh) * | 2015-10-09 | 2015-12-30 | 济南东朔微电子有限公司 | 一种可定位的大型车辆运行管理系统及其运行方法 |
| CN105291984A (zh) * | 2015-11-13 | 2016-02-03 | 中国石油大学(华东) | 一种基于多车协作的行人及车辆检测的方法及系统 |
| CN105844225A (zh) * | 2016-03-18 | 2016-08-10 | 乐卡汽车智能科技（北京）有限公司 | 一种基于车辆的图像处理方法和装置 |
| CN106527426A (zh) * | 2016-10-17 | 2017-03-22 | 江苏大学 | 一种室内多目轨迹规划系统及其方法 |
| CN108001456A (zh) * | 2016-11-02 | 2018-05-08 | 福特全球技术公司 | 基于车辆通信的对象分类调整 |
| CN108010362A (zh) * | 2017-12-29 | 2018-05-08 | 百度在线网络技术（北京）有限公司 | 行车路况信息推送的方法、装置、存储介质及终端设备 |
| CN207737201U (zh) * | 2018-01-24 | 2018-08-17 | 无锡精科汽车配件有限公司 | 客车全景环视系统 |
| CN109587410A (zh) * | 2018-12-12 | 2019-04-05 | 北京北电科林电子有限公司 | 全景可视化安防监控系统 |
| CN109872530A (zh) * | 2017-12-05 | 2019-06-11 | 广州腾讯科技有限公司 | 一种路况信息的生成方法、车载终端及服务器 |
| CN110148294A (zh) * | 2018-06-07 | 2019-08-20 | 腾讯大地通途（北京）科技有限公司 | 路况状态确定方法及装置 |
| CN110335488A (zh) * | 2019-07-24 | 2019-10-15 | 深圳成谷科技有限公司 | 一种基于车路协同的车辆自动驾驶方法和装置 |
-
2019
- 2019-11-04 CN CN201911064996.1A patent/CN112785835A/zh active Pending
Patent Citations (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101286266A (zh) * | 2008-05-14 | 2008-10-15 | 西安交通大学 | 一种基于车载无线传感器网络的交通路况信息处理方法 |
| CN101729167A (zh) * | 2008-10-16 | 2010-06-09 | 陕西创秦电子科技有限公司 | 一种交通路况信息处理方法 |
| CN103679838A (zh) * | 2012-09-20 | 2014-03-26 | 上海科沁机电有限公司 | 车辆监控系统及方法 |
| CN103077622A (zh) * | 2012-11-14 | 2013-05-01 | 武汉德澳科技有限公司 | 一种基于传感器网络技术的车况及路况监控系统 |
| CN104699102A (zh) * | 2015-02-06 | 2015-06-10 | 东北大学 | 一种无人机与智能车协同导航与侦查监控系统及方法 |
| CN105205785A (zh) * | 2015-10-09 | 2015-12-30 | 济南东朔微电子有限公司 | 一种可定位的大型车辆运行管理系统及其运行方法 |
| CN105291984A (zh) * | 2015-11-13 | 2016-02-03 | 中国石油大学(华东) | 一种基于多车协作的行人及车辆检测的方法及系统 |
| CN105844225A (zh) * | 2016-03-18 | 2016-08-10 | 乐卡汽车智能科技（北京）有限公司 | 一种基于车辆的图像处理方法和装置 |
| CN106527426A (zh) * | 2016-10-17 | 2017-03-22 | 江苏大学 | 一种室内多目轨迹规划系统及其方法 |
| CN108001456A (zh) * | 2016-11-02 | 2018-05-08 | 福特全球技术公司 | 基于车辆通信的对象分类调整 |
| CN109872530A (zh) * | 2017-12-05 | 2019-06-11 | 广州腾讯科技有限公司 | 一种路况信息的生成方法、车载终端及服务器 |
| CN108010362A (zh) * | 2017-12-29 | 2018-05-08 | 百度在线网络技术（北京）有限公司 | 行车路况信息推送的方法、装置、存储介质及终端设备 |
| CN207737201U (zh) * | 2018-01-24 | 2018-08-17 | 无锡精科汽车配件有限公司 | 客车全景环视系统 |
| CN110148294A (zh) * | 2018-06-07 | 2019-08-20 | 腾讯大地通途（北京）科技有限公司 | 路况状态确定方法及装置 |
| CN109587410A (zh) * | 2018-12-12 | 2019-04-05 | 北京北电科林电子有限公司 | 全景可视化安防监控系统 |
| CN110335488A (zh) * | 2019-07-24 | 2019-10-15 | 深圳成谷科技有限公司 | 一种基于车路协同的车辆自动驾驶方法和装置 |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115472029A (zh) * | 2021-05-24 | 2022-12-13 | 上海擎感智能科技有限公司 | 路况信息处理方法、电子设备及存储介质 |
| CN113299100A (zh) * | 2021-05-25 | 2021-08-24 | 智道网联科技(北京)有限公司 | 一种路况信息交互方法、装置和系统 |
| CN113240906A (zh) * | 2021-05-27 | 2021-08-10 | 山东产研信息与人工智能融合研究院有限公司 | 基于物流园区道路拥堵实时监控的车辆引导方法及系统 |
| CN113240906B (zh) * | 2021-05-27 | 2022-06-14 | 山东产研信息与人工智能融合研究院有限公司 | 基于物流园区道路拥堵实时监控的车辆引导方法及系统 |
| CN114067593A (zh) * | 2021-11-15 | 2022-02-18 | 国汽智控(北京)科技有限公司 | 车辆与云端服务器的通信方法及系统 |
| CN114067593B (zh) * | 2021-11-15 | 2024-02-13 | 国汽智控(北京)科技有限公司 | 车辆与云端服务器的通信方法及系统 |
| TWI816271B (zh) * | 2021-12-31 | 2023-09-21 | 荷蘭商荷蘭移動驅動器公司 | 路況預警方法、設備及存儲介質 |
| CN117705090A (zh) * | 2023-12-20 | 2024-03-15 | 南京智绘星图信息科技有限公司 | 一种高精地图的综合管控方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112785835A (zh) | 一种获取路况信息的方法及装置、车载装置 | |
| US11656094B1 (en) | System for driver's education | |
| US11257377B1 (en) | System for identifying high risk parking lots | |
| CN105719498B (zh) | 利用车辆远程信息处理的道路规则顾问 | |
| US20200023797A1 (en) | Automatic Crowd Sensing and Reporting System for Road Incidents | |
| US9761134B2 (en) | Monitoring and reporting slow drivers in fast highway lanes | |
| CN105683019A (zh) | 车辆的区域自适应计算机辅助或自动驾驶 | |
| US20230071836A1 (en) | Scene security level determination method, device and storage medium | |
| US9725092B2 (en) | Method, host vehicle and following space management unit for managing following space | |
| US11403949B2 (en) | System for predicting vehicle behavior | |
| US20170167885A1 (en) | Gps routing based on driver | |
| DE102020205310A1 (de) | Computerimplementiertes Verfahren zum Bereitstellen einer Datenstruktur für die Streckenkomplexitätserfassung und Validierung von Funktionalitäten eines automatisierten Fahrsystems, derartige Datenstruktur, Computer zum Validierung von Funktionalitäten eines automatisierten Fahrsystems, Computerprogramm zum Bereitstellen einer derartigen Datenstruktur und computerlesbarer Datenträger | |
| CN112396858A (zh) | 使用整体数据实施道路安全措施 | |
| WO2021103514A1 (zh) | 一种基于车联网的动态信息发送方法及设备 | |
| CN114239927A (zh) | 一种基于深度学习的区域交通事故预警方法及系统 | |
| US10953871B2 (en) | Transportation infrastructure communication and control | |
| DE102022109939A1 (de) | Prognose der fahrzeugstandortbelegung | |
| JP2022162539A (ja) | 道路安全性を高めるための仮想化道路標識生成 | |
| CN113302614B (zh) | 数据管理方法、装置和终端设备 | |
| Sakr et al. | Intelligent Traffic Management Systems: A review | |
| El-afifi et al. | Intelligent Traffic Management Systems: A review | |
| US20230185993A1 (en) | Configurable simulation test scenarios for autonomous vehicles | |
| Kang et al. | Applying the operational design domain concept to vehicles equipped with advanced driver assistance systems for enhanced safety | |
| US20220363287A1 (en) | Systems and methods to classify a road based on a level of suppport offered by the road for autonomous driving operations | |
| US20240078852A1 (en) | Determining a coverage of autonomous vehicle simulation tests |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210511 |