CN112991713B - 数据处理方法、装置、设备及存储介质 - Google Patents
数据处理方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN112991713B CN112991713B CN201911281982.5A CN201911281982A CN112991713B CN 112991713 B CN112991713 B CN 112991713B CN 201911281982 A CN201911281982 A CN 201911281982A CN 112991713 B CN112991713 B CN 112991713B
- Authority
- CN
- China
- Prior art keywords
- traffic
- information
- traffic participant
- road
- participant
- 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.)
- Active
Links
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
- G08G1/0125—Traffic data processing
Abstract
本申请公开了一种数据处理方法、装置、设备及存储介质,涉及智能交通技术领域。具体实现方案为:接收用户发出的处理请求,该处理请求用于更新交通系统中的多个交通参与者的状态信息,基于该处理请求,获取交通系统中的当前数据集合,当前数据集合包括:多个交通参与者的当前状态信息、当前交通条件,该交通参与者包括:车辆、行人,根据当前交通条件和预设的状态更新策略,更新交通系统中每个交通参与者的当前状态信息,其能够准确的描述混合交通流场景中的行人和车辆的移动状态,为智能交通系统的管理提供的指导意义,提高了交通流处理中的准确度。
Description
技术领域
本申请涉及交通工程技术领域,尤其涉及一种智能交通技术中的数据处理方法、装置、设备及存储介质。
背景技术
交通流仿真技术是用仿真技术来研究交通行为,是对交通运动随时间和空间的变化进行跟踪描述的技术。交通流仿真技术可以应用于道路交通安全分析和智能交通系统(intelligent transport system,ITS)中,其对交通管理具有一定的指导意义。
现有技术中,驾驶员模型是一种常用的用于研究交通流中交通行为的一种方式。具体的,利用目标车辆与前车的距离、相对速度以及对目标车辆的期望速度等约束条件来计算当前车辆的速度。但是该方法只能描述交通系统中车辆的运动,与行人、车辆等共存的实际场景不符,无法满足实际需求,存在处理结果不准确的问题。
发明内容
本申请实施例提供一种数据处理方法、装置、设备及存储介质,用于解决现有交通系统处理中处理结果不准确的问题。
第一方面,本申请提供一种数据处理方法,包括:
接收用户发出的处理请求,所述处理请求用于更新交通系统中的多个交通参与者的状态信息,所述多个交通参与者包括:行人和车辆;
基于所述处理请求,获取所述交通系统中的当前数据集合,所述当前数据集合包括:多个交通参与者的当前状态信息、当前交通条件;
根据所述当前交通条件和预设的状态更新策略,更新所述交通系统中每个交通参与者的当前状态信息。
在本实施例中,通过在电子设备中不同场景对应的状态更新策略,这样当获取到交通系统中多个交通参与者的当前状态信息以及当前交通条件时,可以直接基于当前交通条件和对应的状态更新策略,对交通系统中的每个交通参与者的当前状态信息进行自动更新,提高了交通流处理中的准确度。
在第一方面的一种可能设计中,在所述基于所述处理请求,获取所述交通系统中的当前数据集合之前,所述方法还包括:
基于预设的高精地图构建路网,所述路网包括:多条道路、多个道路口以及道路信息、道路口信息,每条道路包括多个行驶道;
基于所述处理请求,获取所述多个交通参与者的初始状态信息和道路设施的初始状态信息;
将所述多个交通参与者的初始状态信息和所述道路设施的初始状态信息融合到所述路网中,得到所述交通系统。
在本实施例中,由于基于高精地图实现,提高了建立的交通系统的真实性,提高了交通系统的交通流预测精度。
在第一方面的另一种可能设计中,所述预设的状态更新策略包括:不同道路信息对应的路径变换策略;
所述根据所述当前交通条件和预设的状态更新策略,更新所述交通系统中每个交通参与者的当前状态信息,包括:
对于所述交通系统中的任意一个交通参与者,根据所述交通参与者的当前状态信息,判断所述交通参与者是否已更换所在道路;
在所述交通参与者已更换所在道路时,更新所述交通参与者的路径信息和参考信息,所述路径信息包括:道路信息、行驶道信息、道路口信息以及所述道路信息对应的路径变换策略,所述参考信息包括:距离所述交通参与者预设距离范围内的其他交通参与者的状态信息。
在本实施例中,在交通参与者更换所在道路时,可以及时更新对应的路径信息和参考信息,为后续进行精确的状态控制提供了实现可能。
在第一方面的再一种可能设计中,所述预设的状态更新策略包括:变道发动条件、变道决定条件和变道策略信息;
所述根据所述当前交通条件和预设的状态更新策略,更新所述交通系统中每个交通参与者的当前状态信息,包括:
对于所述交通系统中的任意一个交通参与者,判断所述交通参与者是否满足所述变道发动条件,所述变道发动条件包括:所述交通参与者处于当前行驶道中且第一前方交通参与者处于非变道状态,所述第一前方交通参与者为所述当前行驶道中与所述交通参与者的移动方向一致且位于所述交通参与者前方的距离最近的交通参与者;
判断所述交通参与者是否满足所述变道决定条件,所述变道决定条件包括:所述交通参与者与所述第一前方交通参与者的距离小于所述交通参与者与第二前方交通参与者的距离、所述交通参与者与所述第一前方交通参与者的距离大于预设的安全距离、所述交通参与者与所述第二前方交通参与者的距离大于预设的安全距离,所述第二前方交通参与者为目标行驶道中与所述交通参与者的移动方向一致且位于所述交通参与者前方的距离最近的交通参与者;
在所述交通参与者同时满足所述变道发动条件和所述变道决定条件时,根据所述变道策略信息,更新所述交通参与者所处的行驶道信息。
在本实施例中,交通参与者在有变道需求且满足变道决定条件时可以主动变道,能够很好的刻画实际情况,提高了处理准确度。
在第一方面的上述可能设计中,所述根据所述当前交通条件和预设的状态更新策略,更新所述交通系统中每个交通参与者的当前状态信息,还包括:
根据所述交通参与者所在道路的累积转角信息和/或所处路段的垂直距离,确定所述行驶道的路径信息,所述路径信息包括弯路或直路;
根据所述交通参与者的当前位置信息、当前速度信息和所述第一前方交通参与者的当前位置信息、当前速度信息以及预设的安全距离,确定避障约束函数;
根据所述交通参与者的当前速度方向、期望速度方向和参考速度方向,确定所述交通参与者的速度方向约束函数;
根据所述行驶道的路径信息、所述交通参与者的期望速度值,确定所述交通参与者的速度大小约束函数;
根据所述避障约束函数、所述速度方向约束函数、所述速度大小约束函数,更新所述交通参与者的当前速度信息。
在本实施例中,该方案既能够满足大量的交通流实时计算的需求,而且计算过程简单实用,几乎不消耗太多计算资源,具有很高的实用性。
在第一方面的上述可能设计中,所述预设的状态更新策略还包括:拥堵处理策略;
所述根据所述当前交通条件和预设的状态更新策略,更新所述交通系统中每个交通参与者的当前状态信息,还包括:
根据所述交通参与者的当前状态信息、所述第一前方交通参与者的当前状态信息、当前交通条件,通过所述拥堵处理策略,确定所述交通参与者的当前状态信息。
在本实施例中,对于交通参与者为车辆时,针对拥堵的实际情况采用了一种左转车辆避让直行车辆,车辆避让行人的方法大大减小了车辆拥堵的可能性,提高了数据处理的精准度。
第二方面,本申请提供一种数据处理装置,包括:接收模块、处理模块和更新模块;
所述接收模块,用于接收用户发出的处理请求,所述处理请求用于更新交通系统中的多个交通参与者的状态信息,所述多个交通参与者包括:行人和车辆;
所述处理模块,用于基于所述处理请求,获取所述交通系统中的当前数据集合,所述当前数据集合包括:多个交通参与者的当前状态信息、当前交通条件;
所述更新模块,用于根据所述当前交通条件和预设的状态更新策略,更新所述交通系统中每个交通参与者的当前状态信息。
在第二方面的一种可能设计中,所述处理模块,还用于在基于所述处理请求,获取所述交通系统中的当前数据集合之前,基于预设的高精地图构建路网,所述路网包括:多条道路、多个道路口以及道路信息、道路口信息,每条道路包括多个行驶道,基于所述处理请求,获取所述多个交通参与者的初始状态信息和道路设施的初始状态信息,以及将所述多个交通参与者的初始状态信息和所述道路设施的初始状态信息融合到所述路网中,得到所述交通系统。
在第二方面的另一种可能设计中,所述预设的状态更新策略包括:不同道路信息对应的路径变换策略;
所述处理模块,具体用于对于所述交通系统中的任意一个交通参与者,根据所述交通参与者的当前状态信息,判断所述交通参与者是否已更换所在道路,在所述交通参与者已更换所在道路时,更新所述交通参与者的路径信息和参考信息,所述路径信息包括:道路信息、行驶道信息、道路口信息以及所述道路信息对应的路径变换策略,所述参考信息包括:距离所述交通参与者预设距离范围内的其他交通参与者的状态信息。
在第二方面的再一种可能设计中,所述预设的状态更新策略包括:变道发动条件、变道决定条件和变道策略信息;
所述处理模块,具体用于对于所述交通系统中的任意一个交通参与者,判断所述交通参与者是否满足所述变道发动条件,判断所述交通参与者是否满足所述变道决定条件,以及在在所述交通参与者同时满足所述变道发动条件和所述变道决定条件时,根据所述变道策略信息,更新所述交通参与者所处的行驶道信息;
其中,所述变道发动条件包括:所述交通参与者处于当前行驶道中且第一前方交通参与者处于非变道状态,所述第一前方交通参与者为所述当前行驶道中与所述交通参与者的移动方向一致且位于所述交通参与者前方的距离最近的交通参与者,所述变道决定条件包括:所述交通参与者与所述第一前方交通参与者的距离小于所述交通参与者与第二前方交通参与者的距离、所述交通参与者与所述第一前方交通参与者的距离大于预设的安全距离、所述交通参与者与所述第二前方交通参与者的距离大于预设的安全距离,所述第二前方交通参与者为目标行驶道中与所述交通参与者的移动方向一致且位于所述交通参与者前方的距离最近的交通参与者。
在第二方面的上述可能设计中,所述处理模块,还具体用于根据所述交通参与者所在道路的累积转角信息和/或所处路段的垂直距离,确定所述行驶道的路径信息,所述路径信息包括弯路或直路,根据所述交通参与者的当前位置信息、当前速度信息和所述第一前方交通参与者的当前位置信息、当前速度信息以及预设的安全距离,确定避障约束函数,根据所述交通参与者的当前速度方向、期望速度方向和参考速度方向,确定所述交通参与者的速度方向约束函数,根据所述行驶道的路径信息、所述交通参与者的期望速度值,确定所述交通参与者的速度大小约束函数,根据所述避障约束函数、所述速度方向约束函数、所述速度大小约束函数,更新所述交通参与者的当前速度信息。
在第二方面的上述可能设计中,所述预设的状态更新策略还包括:拥堵处理策略;
所述处理模块,还具体用于根据所述交通参与者的当前状态信息、所述第一前方交通参与者的当前状态信息、当前交通条件,通过所述拥堵处理策略,确定所述交通参与者的当前状态信息。
本申请第二方面提供的装置,可用于执行第一方面提供的方法,其实现原理和技术效果类似,在此不再赘述。
第三方面,本申请提供一种电子设备,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第一方面以及第一方面各可能设计所述的方法。
第四方面,本申请提供一种存储有计算机指令的非瞬时计算机可读存储介质,所述计算机指令用于使所述计算机执行第一方面以及第一方面各可能设计所述的方法。
第五方面,本申请提供一种数据处理方法,包括:
接收用户发出的处理请求,所述处理请求用于更新交通系统中的多个交通参与者的状态信息;
基于用户的处理请求、所述交通系统的当前交通条件以及预设的状态更新策略,更新所述交通系统中每个交通参与者的状态信息。
第六方面,本申请提供一种计算机程序产品,包括:计算机程序,所述计算机程序存储在可读存储介质中,电子设备的至少一个处理器可以从所述可读存储介质读取所述计算机程序,所述至少一个处理器执行所述计算机程序使得电子设备执行第一方面以及第一方面各可能设计所述的方法。
上述申请中的一个实施例具有如下优点或有益效果:通过接收用户发出的处理请求,该处理请求用于更新交通系统中的多个交通参与者的状态信息,基于该处理请求,获取交通系统中的当前数据集合,当前数据集合包括:多个交通参与者的当前状态信息、当前交通条件,该交通参与者包括:车辆、行人,根据当前交通条件和预设的状态更新策略,更新交通系统中每个交通参与者的当前状态信息,其能够准确的描述混合交通流场景中的行人和车辆的移动状态,为智能交通系统的管理提供的指导意义,提高了交通流处理中的准确度。
上述可选方式所具有的其他效果将在下文中结合具体实施例加以说明。
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为本申请实施例提供的一种智能交通网络的应用场景示意图;
图2为本申请第一实施例提供的数据处理方法的流程示意图;
图3为本申请第二实施例提供的数据处理方法的流程示意图;
图4为本申请第三实施例提供的数据处理方法的流程示意图;
图5为本申请第四实施例提供的数据处理方法的流程示意图;
图6是本申请第五实施例提供的数据处理方法的流程示意图;
图7为本申请的数据处理方法中车辆速度的更新示意图;
图8为本申请的数据处理方法中参考速度的更新示意图;
图9为本申请实施例提供的数据处理装置的结构示意图;
图10是用来实现本申请实施例的数据处理方法的电子设备的框图。
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。
交通流仿真技术是用仿真技术来研究交通行为,是对交通运动随时间和空间的变化进行跟踪描述的技术,涉及描述交通运输系统在一定的时间内实时运动的数学模型。交通流仿真技术按照仿真对象的粒度可以分为微观交通仿真、中观交通仿真和宏观交通仿真。其中,由于微观交通仿真对交通系统的要素及行为的细节粒度描述程度最高,其对交通流的描述是以单个车辆为基本单元,车辆在道路上的跟车、超车以及车道变换等微观行为都能得到较真实的反映,因而,在交通工程理论研究,道路几何设计方案分析,交通管理系统设计方案评价分析,道路交通安全分析和智能交通系统ITS中都有很好的应用。
众多周知,机动车交通流具有跟车、换道、加速、减速等特性,适合于分车道的连续路网模型,连续路网由节点、道路构成。非机动车具有行驶摇晃、路线不固定和随意等特性,行人具有多人一起前行、路线不固定等特性,所以,非机动车和行人不适合机动车的连续路网模型,而适合于离散路网模型。因而,如何确定一种适用于混合交通流的方法能够有效的指导现有交通运行。在本实施例中,机动车和非机动车统称为车辆。
现有技术中,智能驾驶员模型方法是交通流仿真技术中的一种常见方法,其根据当前车辆与前车的距离、相对速度以及当前车辆的期望速度等制定约束条件来计算当前车辆的速度。但是该方法仅能对车辆运动进行描述,通常以当前车辆的运行轨迹沿道路的中心线运动进行说明,没有对车辆的轨迹进行详细描述,此外,该方法不能对行人的运动状态进行求解,不能对人车混流状态下的交互进行计算,也即,其不能用于描述人流的运动,也不适用于人车混流的场景。
此外,深度学习方法也是交通流仿真技术中的一种方法,主要是基于深度学习方法训练对障碍物进行预测,并进行速度行为决策。该方法需要花费大量人力物力准备训练数据,并基于深度学习方法进行训练模型,其难以满足运算效率实时性需求,目前,该方法仅用于单独描述行人或车流运动,无法适用于人车混流的场景,使得计算量大,成本高。
针对上述问题,本申请实施例提供了一种数据处理方法,通过接收用户发出的处理请求,该处理请求用于更新交通系统中的多个交通参与者的状态信息,基于该处理请求,获取交通系统中的当前数据集合,当前数据集合包括:多个交通参与者的当前状态信息、当前交通条件,该交通参与者包括:车辆、行人,根据当前交通条件和预设的状态更新策略,更新交通系统中每个交通参与者的当前状态信息,其能够准确的描述混合交通流场景中的行人和车辆的移动状态,为智能交通系统的管理提供的指导意义。
可以理解的是,在介绍本申请的具体实施例之前,首先介绍本申请的应用场景进行说明。
本申请下述各实施例提供的数据处理方法可适用于智能交通网络中。图1为本申请实施例提供的一种智能交通网络的应用场景示意图。如图1所示,该智能交通网络可以包括行驶在行驶道10上的车辆111至车辆117、行人118和行人119、位于行驶道10上的障碍物12、交通控制设备13、远程服务器14、基站15、路侧设备16、交通设施17(例如交通信号灯)等。
可以理解的是,图1所示的应用场景中各对象只是示意性说明,本申请实施例并不对该智能交通网络包括的对象进行具体限定。在该智能交通网络中,车辆和车辆之间可以进行无线通信,各个车辆(例如,车辆111至车辆119)均和交通控制设备13之间可进行无线通信,交通控制设备13、远程服务器14、路侧设备16、基站15之间也可以进行无线通信,远程服务器14或交通控制设备13还可以对交通设施进行控制等等。
其中,有些车辆内设置有行车电脑或车载单元(on board unit,OBU),有些车辆内搭载有用户终端例如手机,以及持有用户终端的用户等。车辆内的手机、行车电脑或OBU可与网络侧设备通信,此处网络侧设备具体可以是交通控制设备、基站、路侧设备等。
在交叉路口设置的交通信号灯上可设置有一个控制装置,该控制装置可控制该交通信号灯上不同颜色的信号灯亮灭,该控制装置控制信号灯亮灭的方式可以是:该控制装置根据预设的控制机制进行控制,还可以是该控制装置接收远程服务器发送的控制指令,根据该控制指令控制信号灯亮灭。
在本实施例中,该控制装置还可以将交通信号灯当前亮着的信号灯的颜色信息发送给交叉路口周围的车辆,实现信号灯提示。或者,该控制装置可以将当前亮着的信号灯的颜色信息和当前时刻发送给交叉路口周围的车辆。或者,该控制装置还可以将当前亮着的信号灯的颜色信息、交通信号灯所在的位置信息和当前时刻发送给交叉路口周围的车辆。
示例性的,本申请实施例中的车辆可以是自动驾驶车辆,也可以是有人驾驶车辆,自动驾驶车辆是该智能交通网络的控制对象,其上安装有车载终端,该车载终端可以用于与该智能交通网络中的其他对象进行信息交互。
示例性的,在本实施例中,自动驾驶车辆上可以安装有探测设备,探测设备可以在自动驾驶车辆的行驶过程中检测周围对象的特征,例如,检测交通参与者的行驶方向、行驶路径等特征,检测与道路障碍物或者路侧静止物体的距离变化等信息,本申请实施例并不对探测设备的具体作用进行限定。
可以理解的是,本申请实施例的执行主体可以是电子设备,例如,计算机、平板电脑等终端设备,也可以是服务器,例如,后台的处理平台等。因而,本实施例以终端设备和服务器统称为电子设备进行解释说明,关于该电子设备具体为终端设备,还是服务器,其可以实际情况确定。
下面,通过具体实施例对本申请的技术方案进行详细说明。需要说明的是,下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例中不再赘述。
图2为本申请第一实施例提供的数据处理方法的流程示意图。如图1所示,该数据处理方法可以包括如下步骤:
S201、接收用户发出的处理请求,该处理请求用于更新交通系统中的多个交通参与者的状态信息,多个交通参与者包括:行人和车辆。
在本实施例中,当用户想要预测交通系统中的车辆和行人的运行状态时,可以向电子设备发出处理请求,以利用电子设备对获取到的交通系统中的当前数据集合进行数据处理,以更新交通系统中各交通参与者的状态信息。
示例性的,在本实施例中,多个交通参与者可以包括:正在行驶的各种类型的车辆、骑行者、步行者等。该车辆可以是机动车辆和非机动车辆,该机动车辆可以是自动驾驶车辆和有人驾驶车辆等。本申请实施例中并不对交通参与者的具体表现形式进行限定,其可以根据实际情况确定。
S202、基于该处理请求,获取交通系统中的当前数据集合,该当前数据集合包括:多个交通参与者的当前状态信息、当前交通条件。
示例性的,在本实施例中,电子设备接收到处理请求之后,可以根据该处理请求,获取该交通系统中的当前数据集合。可选的,获取当前数据集合的方式可以有多种,例如,电子设备获取用户输入的当前数据集合,预先存储在电子设备中的当前数据集合,或者从其他设备获取到的当前数据集合等。本申请实施例并不对获取当前数据集合的方式进行限定,其可以根据实际需求确定。
示例性的,为了准确的描述交通系统中的实际状态,该当前数据集合需要包括多个交通参与者的当前状态信息以及当前交通条件。
可选的,交通参与者的当前状态信息可以包括:移动状态、静止状态以及移动状态对应的移动方向、移动速度等信息,还可以包括移动路径信息,该移动路径信息可以包括:在同一行使道上持续移动,还是发生变道等。
当前交通条件可以包括当前路况信息、交通设施信息、障碍物信息等,本申请实施例并不对当前交通条件的具体内容进行限定,其可以根据实际情况确定。
S203、根据当前交通条件和预设的状态更新策略,更新交通系统中每个交通参与者的当前状态信息。
在本实施例中,通过在电子设备中不同场景对应的状态更新策略,这样当获取到交通系统中多个交通参与者的当前状态信息以及当前交通条件时,可以直接基于当前交通条件和对应的状态更新策略,对交通系统中的每个交通参与者的当前状态信息进行自动更新,提高了交通流处理中的准确度。
在本实施例中,由于交通参与者的表现形式可以为车辆或行人,因而,在动画等影视作品、游戏以及自动驾驶领域均具有广泛的用途。
关于本步骤的具体实现原理可以参见下述实施例中的记载,此处不再赘述。
示例性的,在上述实施例的基础上,图3为本申请第二实施例提供的数据处理方法的流程示意图。如图3所示,在上述S301之前,该方法还可以包括如下步骤:
S301、基于预设的高精地图构建路网。
其中,该路网包括:多条道路、多个道路口以及道路信息、道路口信息,每条道路包括多个行驶道。
在实际应用中,路网结构主要由道路组成,根据路所属区域不同规定了不同的行驶道,道路口属性等信息。具体的,路构成了地图中所有道路,至少一条道路包含车行道,人行道,自行车道等行驶道,每条道路具有对应的标识id(0~n)、包含的行驶道、道路口标识id(所属路口)、道路中心线、左右边界线,累计路长,相邻可变道路标识、类型、先导路的标识、后继路的标识、路宽、限速,最大曲率、交通信号灯标识等信息,所有路线由点序列组成。
行驶道为并排路构成的区域,行驶道标识id(0~n)、类型、边界、内部路标识等信息,通常情况下,行驶道可以作为道路的一种区域属性。
道路口为多条道路交汇的区域,包含道路口标识id(0~n)、类型(交叉路口,路数量汇聚,路数量扩散)、内部路id等信息,其也是道路的一种区域属性。
此外,在本实施中,交通设施可以包括交通信号灯、路侧设备、控制设备等不同的内容。其中,交通信号灯可以信号灯标识(0~n)、所控制道路的标识等。
信号灯状态包括红灯(禁止行驶)、黄灯(过半前根据是否可进入路口判断行驶)、绿灯(允许行驶)等。
关于每条道路、每条行驶道、每个道路口的属性信息以及交通设施的具体设置和表现形式可以根据实际情况确定,此处不再赘述。
本实施例中的路网可以是基于高精地图生成的,该高精地图可以是专为无人驾驶车设计的,包含道路定义、交叉路口、交通信号、车道规则以及用于汽车导航的其他元素,能在许多方面为无人驾驶车提供帮助,由于高精度地图通常会记录交通信号灯的精确位置和高度,从而大大降低了感知难度,因而,本实施例中构建的路网准确度比较高,考虑了实际的3D信息,具有更强的真实性。
S302、基于上述处理请求,获取多个交通参与者的初始状态信息和道路设施的初始状态信息。
在本实施例中,构建路网之后,为了准确的描述交通系统,这时确定交通系统的初始状态信息,例如,多个交通参与者的初始状态信息以及道路设施的初始状态信息等。
示例性的,可以根据处理请求所需的交通流密度指定车辆、行人数量,并指定车辆(尺寸、加速度范围、车轮转角范围、期望速度、位置、速度、方向、加速度、角速度、角加速度等)信息和行人(位置,空间半径,速度,方向)信息。为了简化计算,当车辆和行人速度不为零时认为速度方向与朝向相同。
S303、将多个交通参与者的初始状态信息和道路设施的初始状态信息融合到路网中,得到交通系统。
在本实施例中,在获取到多个交通参与者的初始状态信息和道路设施的初始状态信息后,可以解算每个对象(交通参与者或道路设施)的定位信息,也可以解算每个对象的感知信息,以及还可以解算每条道路的路径信息等。
其中,每个对象的定位信息包括位置、方向、所在道路、与当前道路中心线侧向距离、夹角、等信息。
每个对象的感知信息,包括所在道路的信号灯信息(当前路或前方预设距离(例如,50m)路的信号灯状态)、同一道路中的前后行人、车辆的状态信息(包括长度,宽度,轴距等属性状态信息,速度,加速度,角速度,叫加速度等运动状态信息)和定位信息,以及同一路口中行人、车辆状态信息和定位信息。
每个对象的路径信息由一系列前后相继的道路组成,是交通参与者(例如,车辆)由起点移动到终点的规定路线。
关于本实施例中,定位信息、感知信息以及路径信息的具体表现形式可以根据实际情况确定,此处不再赘述。
在本实施例中,可以将上述多个交通参与者的初始状态信息和道路设施的初始状态信息融合到路网,建立交通流中的人与道路的关系、车辆与道路的关系,行人与车辆的关系以及行人和车辆的初始状态信息,以得到交通系统。
此外,在本实施例中,该交通系统中还可以包括输入的障碍物信息、交通信号灯状态以及其他道路设施的状态,关于该交通系统中包括的具体内容可以根据实际情况确定,此处不再赘述。
本申请实施例提供的数据处理方法,基于预设的高精地图构建路网,基于上述处理请求,获取多个交通参与者的初始状态信息和道路设施的初始状态信息,将多个交通参与者的初始状态信息和道路设施的初始状态信息融合到路网中,得到交通系统。该技术方案中,由于基于高精地图实现,提高了建立的交通系统的真实性,提高了交通系统的交通流预测精度。
示例性的,在上述任意实施例的基础上,下面分别基于道路更新、变道处理、速度更新和拥堵处理等对上述S202进行解释说明。
图4为本申请第三实施例提供的数据处理方法的流程示意图。上述预设的状态更新策略包括:不同道路信息对应的路径变换策略,对于上述交通系统中的任意一个交通参与者;如图4所示,上述S102可以通过如下步骤实现:
S401、根据交通参与者的当前状态信息,判断该交通参与者是否已更换所在道路。
在本申请的实施例中,对于交通系统中的任意一个交通参与者,电子设备均可以执行道路变换操作。可以理解的是,本申请实施例以交通系统中的一个交通参与者进行解释说明。
具体的,在电子设备获取到交通系统中每个交通参与者的当前状态信息后,可以根据该交通参与者的所在道路是否发生改变来判断该交通参与者是否已更换所在道路。也即,当确定出该交通参与者已经脱离了原先所在道路,并进入了新的道路时,确定交通参与者已更换所在道路。
S402、在该交通参与者已更换所在道路时,更新交通参与者的路径信息和参考信息。
其中,该路径信息包括:道路信息、行驶道信息、道路口信息以及所述道路信息对应的路径变换策略,该参考信息包括:距离交通参与者预设距离范围内的其他交通参与者的状态信息。
在本实施例中,当交通参与者的已更换道路时,需要执行人、车、道路等信息的变更。当根据行人、车辆等的定位信息确定交通参与者进入新的道路后,更新对应的路径信息以及相应的属性信息。
具体的,在交通参与者已更换所在道路时,更新进入的道路信息、行驶道信息、道路口信息、周围车辆的信息、行人的信息,以及该道路信息的变道决策信息。
在本实施例中,通过更新道路信息对应的变道决策信息,可以结束不合理变道决策,进而使得该交通参与者可以根据对应的路径信息决策新的变道,更新路径信息,计算当前可驶入的路集合。
本申请实施例提供的数据处理方法,对于交通系统中的任意一个交通参与者,根据交通参与者的当前状态信息,判断交通参与者是否已更换所在道路,在交通参与者已更换所在道路时,更新交通参与者的路径信息和参考信息,该路径信息包括:道路信息、行驶道信息、道路口信息以及道路信息对应的路径变换策略,参考信息包括:距离交通参与者预设距离范围内的其他交通参与者的状态信息。该技术方案在交通参与者更换所在道路时,可以及时更新对应的路径信息和参考信息,为后续进行精确的状态控制提供了实现可能。
进一步的,在上述各实施例的基础上,图5为本申请第四实施例提供的数据处理方法的流程示意图。在本实施例中,上述预设的状态更新策略包括:变道发动条件、变道决定条件和变道策略信息;如图5所示,上述S202可以通过如下步骤实现:
S501、对于交通系统中的任意一个交通参与者,判断该交通参与者是否满足所述变道发动条件。
其中,变道发动条件包括:该交通参与者处于当前行驶道中且第一前方交通参与者处于非变道状态,第一前方交通参与者为当前行驶道中与该交通参与者的移动方向一致且位于交通参与者前方的距离最近的交通参与者。
可以理解的是,本实施例中的变道决策实际上是描述的随机变道情况。随机变道指当为了追求达到期望速度,在满足随机变道条件时进行的变道选择。
在本实施例中,当该交通参与者处于当前行驶道中,且当前道路中、该交通参与者的前方存在前人/车(前方处于同一路的最近人/车),且前人/车处于非变道状态,这时为了使得该交通参与者能够有更好的移动体验,且与实际情况相匹配,可以考虑变道以达到最高的效率。
可以理解的是,在本实施例中,当前道路中的前人/车也即第一前方交通参与者。
S502、判断该交通参与者是否满足变道决定条件。
其中,该变道决定条件包括:交通参与者与第一前方交通参与者的距离小于交通参与者与第二前方交通参与者的距离、交通参与者与第一前方交通参与者的距离大于预设的安全距离、交通参与者与第二前方交通参与者的距离大于预设的安全距离,该第二前方交通参与者为目标行驶道中与交通参与者的移动方向一致且位于交通参与者前方的距离最近的交通参与者。
在本实施例中,各个步骤中所述的在道路中的距离均为沿道路防线的距离,安全距离为交通参与者自身保持当前速度,而第一前方交通参与者的速度降为0时,在安全时间内不会发生相撞的最小距离。因而,当该交通参与者有变道需求,也即满足变道发动条件时,若该交通参与者还满足上述变道决定条件,那么可以执行变道操作。
S503、在交通参与者同时满足变道发动条件和变道决定条件时,根据对应的变道策略信息,更新交通参与者所处的行驶道信息。
在本实施例中,当交通参与者自身满足变道发动条件和变道决定条件时,再根据对应的变道策略信息进行变道决策。示例性的,该变道策略信息可以是由变道概率和激进系数共同确定的。
示例性的,本实施例中的变道主要指主动变道,是指交通参与者自身所在道路不满足路径信息时,为了满足路径约束,主动向目标道路变道的变道选择,当该交通参与者完全进入目标道路时,认为变道完成。
本申请实施例提供的数据处理方法,对于交通系统中的任意一个交通参与者,首先判断交通参与者是否满足变道发动条件,再判断该交通参与者是否满足变道决定条件,在交通参与者同时满足变道发动条件和变道决定条件时,再根据变道策略信息,更新交通参与者所处的行驶道信息。该技术方案中,交通参与者在有变道需求且满足变道决定条件时可以主动变道,能够很好的刻画实际情况,提高了处理准确度。
进一步的,在上述实施例的基础上,图6是本申请第五实施例提供的数据处理方法的流程示意图。如图6所示,在本实施例中,上述S202还可以包括如下步骤:
S601、根据交通参与者所在道路的累积转角信息和/或所处路段的垂直距离,确定该行驶道的路径信息,该路径信息包括弯路或直路。
在本实施例中,可以交通参与者所在道路的路径信息进行预测。具体的,首先获取交通参与者所在道路的累积转角信息和/或所处路段的垂直距离,根据该累积转角信息与预设的阈值的大小关系确定行驶道的路径信息,或者根据该交通参与者所处路段的垂直距离确定行驶道的路径信息。
示例性的,如果交通参与者所在行驶道的累积转角大于第一预设阈值,可以确定行驶道为弯路,否则确定该行驶道为直路。如果该交通参与者所处路段的垂直距离(也即,该交通参与者所在行驶道的前后两点位置组成的直线段长)大于第二预设阈值,则确定行驶道为弯路,否则确定该行驶道为直路。
示例性的,在本实施例中,若该行驶道为直路,则计算该行驶道的前方直线路方向,若该行驶道为弯路,则计算该行驶道的前方路段的平均方向,以指导交通参与者的移动状态。
S602、根据交通参与者的当前位置信息、当前速度信息和第一前方交通参与者的当前位置信息、当前速度信息以及预设的安全距离,确定避障约束函数。
在本实施例中,为了避免碰撞的发生,首先计算最小安全距离,具体的,当交通参与者所在行驶道或者后继路中存在第一前方交通参与者时,计算该交通参与者与第一前方交通参与者在下一时刻的实际距离和预测距离。
可选的,实际距离s=p0+v0*Δt–(p1+v1*Δt),预测距离sp=p0+v0*Δt*εp–(p1+v1*Δt*εp),其中,其中s、sp分别为交通参与者与第一前方交通参与者沿路方向的下一时刻距离和预测距离,p0,p1为分别交通参与者与第一前方交通参与者的当前位置信息,v0和v1分别为交通参与者与第一前方交通参与者的当前速度信息,εp为预测系数。
在本实施例中,将s、sp中较小的距离值作为交通参与者与第一前方交通参与者的最小距离进行避障计算。当任意两个交通参与者在道路中存在面对面情况时,默认向右避让。
可选的,在本实施例中,若该交通参与者与第一前方交通参与者的距离小于预设的碰撞阈值,则认为速度引发碰撞,因而,重新确定选择的速度值进行状态控制。若该交通参与者与第一前方交通参与者的距离大于安全距离,则确定避障约束函数enRep=0,否则,避障约束函数enRep=ρrep*(v0*tsafe–min(s,sp)),其中,ρrep为权重系数,tsafe为安全时间,min(s,sp)为交通参与者与第一前方交通参与者的最小距离。
可选的,当交通参与者处于道路口中时,对于道路口中所有人/车辆,若存在碰撞可能,也即,该交通参与者可以可能进入某个主车的行驶范围,这时,计算该主车与该交通参与者在下一时刻的实际距离sagent和预测距离spagent,其中,sagent、spagent分别表示该交通参与者的四角顶点与主车的最小距离在主车方向上的投影和预测投影。在本实施例中,sagent、spagent中的最小距离作为距离计算避障约束条件。
S603、根据交通参与者的当前速度方向、期望速度方向和参考速度方向,确定该交通参与者的速度方向约束函数。
在本实施例中,参照图5所示实施例中的记载,当该交通参与者在变道状态时,则该交通参与者的目标道路为变道变道目标路,当该交通参与者在非变道状态时,则该交通参与者的目标道路为当前行驶道。
在本实施例中,该交通参与者的参考加速度用aref表示,当预设的安全距离ssafe≥sd时,aref=min(ρacc1*(vlimit-vt),amax),其中,min()表示取其中较小值,ρacc1为加速系数,vlimit为期望达到的速度。当ssafe<sd时,aref=max(ρacc2*(ssafe-sd),amin),其中,max()表示取其中较大值,ρacc2为减速系数。
该交通参与者的参考速度的方向盘转角θ可以通过公式θ=ρlaneDir*ρlanedir-ρlanePos*slane计算,其中,ρlaneDir为行驶方向系数,ρlanedir为交通参与者的方向与车道中心线(或路口轨迹中心线)方向的夹角,ρlanePos为侧向距离系数,slane为交通参与者的位置与车道中心线(或路口轨迹中心线)的侧向距离。
相应的,当搜索速度的方向盘转角大于参考速度的方向盘转角时,认为搜索速度的方向盘转角等于参考速度的方向盘转角,这时,速度方向约束函数enDir=ρdir*|θ-θsearch|,其中,ρdir为权重系数,θsearch为搜索速度的方向盘转角。
S604、根据行驶道的路径信息、交通参与者的期望速度值,确定该交通参与者的速度大小约束函数;
在本实施例中,在交通参与者与其他交通参与者(主要是第一前方交通参与者)无碰撞风险时,若前方道路为直路,这时交通参与者的速度大小约束函数enVelLimit=ρvelLimit*|v0-vlimit|,其中,ρvelLimit为权重系数,vlimit为期望速度值;若前方道路为弯路,这时交通参与者的最大转弯速度其中,μ为地面摩擦系数,g为重力加速度系数,Δψ为道路的角度变化(认为等于车辆方向变化),因而,交通参与者的速度大小约束函数enVelLimit=ρvelLimit*|v0-v′limit|。
S605、根据避障约束函数、速度方向约束函数、速度大小约束函数,更新该交通参与者的当前速度信息。
在本实施例中,首先基于速度的连续性,确定速度大小约束,也即,在预设的速度数据库中搜索速度数据,确定该交通参与者可用的一个速度数据,该速度数据不超过该交通参与者的最大速度且不小于0;其次确定速度方向约束,具体的,通过自行车模型Δθ=tan(Φ)/L*vt*Δt计算车轮转角,其中,Δθ为交通参与者的速度方向变化角度,Φ为方向盘转角(简化认为与车轮转角一致),L为交通参与者的车轮轴距,vt为交通参与者的车辆速度,Δt为时间更新步长,其需要使车轮转角小于最大车轮允许转角,车轮转角角速度小于车轮允许最大角速度。
基于上述各步骤确定的避障约束函数、速度方向约束函数、速度大小约束函数,对交通参与者的速度进行更新。可选的,从预设的速度数据库中选择速度数据,根据上述各约束条件计算总能量函数值,选择最优解作为该交通参与者在下一时刻的速度和方向状态。其中,总能量函数enResult=enRep+enDir+enVelLimit,根据能量函数选取速度最优解,当无解时速度置为0。
在本实施例中,通过速度方向插值与平均化,对求解速度在速度方向变化上求n均值Δθ′=Δθ/n,得到第一速度集合vt1,vt2,...,vtn,其中,vt1为下一时刻的速度,依次类推。根据下一位置p0+vt1*Δt的速度,求解第二速度集合v′t2,v′t3,...,v′tn+1,将第二速度集合与第一速度集合的均值作为p0+vt1*Δt位置的更新速度集合。
可选的,在本申请的实施例中,参照图6所示,在所述预设的状态更新策略还包括:拥堵处理策略时,上述S102还可以包括如下步骤:
S606、根据该交通参与者的当前状态信息、第一前方交通参与者的当前状态信息、当前交通条件,通过拥堵处理策略,确定交通参与者的当前状态信息。
在申请中,还可以处理路口拥堵,具体的,为避免交通流在路口中拥堵,采取以下拥堵处理策略(例如,ego表示该交通参与者车,leader表示可能碰撞的其他交通参与者,jam表示可能引发拥堵状态,jamed表示已经印发拥堵状态)。
作为一种示例,若交通参与者与第一前方交通参与者存在碰撞可能,且最小安全距离小于预设的阈值,则第一前方交通参与者避让行人,停止前进,待第一前方交通参与者通过后再启动。
作为另一种示例,若交通参与者与第一前方交通参与者不存在碰撞可能,但移动后存在碰撞可能,且第一前方交通参与者与该交通参与者不存在碰撞可能,则该交通参与者处于可能引发拥堵状态,停止前进,待交通参与者通过后再启动。
作为再一种示例,若交通参与者与第一前方交通参与者相互存在碰撞可能,车距小于预设的阈值,其中,交通参与者与第一前方交通参与者中的一个变为可能引发拥堵状态,停止前进,一个通过后另一个再启动。
在本实施例中,以用户设置的步长在加速度、方向盘角加速度范围内确定速度值,求解能量函数约束的最优解,更新自身位置st+1=st+vt+1*Δt,依次根据交通流中交通参与者求解下一时刻的速度解,根据该速度解和时间步长计算交通参与者在下一时刻的位置。
在本实施例中,需要将交通参与者在处理中的2D信息转换成3D,根据自身所处路位置,将2D平面中的位置向所处路的3D平面投影,投影结果的交点坐标即为自身的3D坐标,旋转欧拉角与投影过程的旋转角相同。本申请的实施例基于上述各步骤实现了交通系统中每个交通参与者的状态更新。
对于交通参与者为车辆时,该步骤针对拥堵的实际情况采用了一种左转车辆避让直行车辆,车辆避让行人的方法大大减小了车辆拥堵的可能性,提高了数据处理的精准度。
本申请实施例提供的数据处理方法,通过确定交通参与者行驶道的路径信息,对应的避障约束函数、速度方向约束函数、速度大小约束函数,从而可以根据避障约束函数、速度方向约束函数、速度大小约束函数,更新交通参与者的当前速度信息,以及根据交通参与者的当前状态信息、第一前方交通参与者的当前状态信息、当前交通条件,通过拥堵处理策略,确定交通参与者的当前状态信息,该技术方案既能够满足大量的交通流实时计算的需求,而且计算过程简单实用,几乎不消耗太多计算资源,具有很高的实用性。
进一步的,综合上述各实施例的记载,下述以交通参与者为车辆为例,对本实施例中的数据处理架构进行总结说明:
图7为本申请的数据处理方法中车辆速度的更新示意图。如图7所示,在本实施例中,计算过程共包括交通流状态初始化和交通流速度计算两个阶段,在交通流状态初始化阶段,当计算开始后,一方面可以根据高精地图构建路网,以及执行驱动数据初始化,另一方面,在接收交通流计算请求后,首先执行交通流状态初始化,再解析定位信息、感知信息、路径信息等;在交通流计算阶段,依次执行信号灯状态更新、变道信息更新、交通流速度更新、交通流位置更新、2D向3D装换,将交通流位置和速度信息作为计算结果反馈出去;最后等待下一次计算请求,判断计算过程是否结束,若是,计算结束,若否,等待下一次计算请求的到来,然后重复上述流程。
图8为本申请的数据处理方法中参考速度的更新示意图。如图8所示,在本实施例中,确定需要交通流速度更新时,经过路径状态预测、速度数据搜索、速度连续性约束、避障约束、路径方向约束、速度期望约束之后,判断是否搜索结束,若否,转向下一速度数据和速度连续性约束,若是,执行速度方向出差值、速度平均化和更新速度状态。
本申请实施例的技术方案:基于高精地图构建路网,根据计算请求在路网中初始化车辆状态、障碍物状态人流状态信号灯状态,根据定位信息,感知信息、路径导航信息、结合车辆轨迹决策模型、参考速度计算模型,动力学模型约束计算下一时刻车辆参考速度,根据速度搜索模型结合参考速度计算交通流下一时刻速度,重复上述步骤实现了车辆交通流运动。该方案由于使用高精地图,计算结果考虑了实际的3D信息,相比于只考虑2D信息的方案具有更强的真实性,此外,本技术方案的计算过程简单实用,几乎不消耗太多计算资源,具有很高的实用性。
可以理解的是,本技术方案能有效的自适应应用于不同城市道路结构,车辆密度状态,大大增加了车辆速度计算的通用性,并且具有算法简单易实现,计算效率高等优点,对于车辆仿真应用具有很高价值。本技术增加物理模型约束,在速度计算过程中充分考虑定位信息、感知信息等内容,使车辆的运动更加贴近于真实车辆运动。因此,可以广泛应用于各种实时智能交通系统。
上述介绍了本申请实施例提到的数据处理方法的具体实现,下述为本申请装置实施例,可以用于执行本申请方法实施例。对于本申请装置实施例中未披露的细节,请参照本申请方法实施例。
图9为本申请实施例提供的数据处理装置的结构示意图。该装置可以集成在电子设备中或通过电子设备实现,该电子设备可以为终端设备,也可以是服务器。如图9所示,在本实施例中,该数据处理装置90可以包括:接收模块901、处理模块902和更新模块903。
其中,接收模块901,用于接收用户发出的处理请求,所述处理请求用于更新交通系统中的多个交通参与者的状态信息,所述多个交通参与者包括:行人和车辆;
处理模块902,用于基于所述处理请求,获取所述交通系统中的当前数据集合,所述当前数据集合包括:多个交通参与者的当前状态信息、当前交通条件;
更新模块903,用于根据所述当前交通条件和预设的状态更新策略,更新所述交通系统中每个交通参与者的当前状态信息。
在本实施例的一种可能设计中,处理模块902,还用于在基于所述处理请求,获取所述交通系统中的当前数据集合之前,基于预设的高精地图构建路网,所述路网包括:多条道路、多个道路口以及道路信息、道路口信息,每条道路包括多个行驶道,基于所述处理请求,获取所述多个交通参与者的初始状态信息和道路设施的初始状态信息,以及将所述多个交通参与者的初始状态信息和所述道路设施的初始状态信息融合到所述路网中,得到所述交通系统。
在本实施例的另一种可能设计中,所述预设的状态更新策略包括:不同道路信息对应的路径变换策略;
处理模块902,具体用于对于所述交通系统中的任意一个交通参与者,根据所述交通参与者的当前状态信息,判断所述交通参与者是否已更换所在道路,在所述交通参与者已更换所在道路时,更新所述交通参与者的路径信息和参考信息,所述路径信息包括:道路信息、行驶道信息、道路口信息以及所述道路信息对应的路径变换策略,所述参考信息包括:距离所述交通参与者预设距离范围内的其他交通参与者的状态信息。
在本实施例的再一种可能设计中,所述预设的状态更新策略包括:变道发动条件、变道决定条件和变道策略信息;
处理模块902,具体用于对于所述交通系统中的任意一个交通参与者,判断所述交通参与者是否满足所述变道发动条件,判断所述交通参与者是否满足所述变道决定条件,以及在在所述交通参与者同时满足所述变道发动条件和所述变道决定条件时,根据所述变道策略信息,更新所述交通参与者所处的行驶道信息;
其中,所述变道发动条件包括:所述交通参与者处于当前行驶道中且第一前方交通参与者处于非变道状态,所述第一前方交通参与者为所述当前行驶道中与所述交通参与者的移动方向一致且位于所述交通参与者前方的距离最近的交通参与者,所述变道决定条件包括:所述交通参与者与所述第一前方交通参与者的距离小于所述交通参与者与第二前方交通参与者的距离、所述交通参与者与所述第一前方交通参与者的距离大于预设的安全距离、所述交通参与者与所述第二前方交通参与者的距离大于预设的安全距离,所述第二前方交通参与者为目标行驶道中与所述交通参与者的移动方向一致且位于所述交通参与者前方的距离最近的交通参与者。
在本实施例的上述可能设计中,处理模块902,还具体用于根据所述交通参与者所在道路的累积转角信息和/或所处路段的垂直距离,确定所述行驶道的路径信息,所述路径信息包括弯路或直路,根据所述交通参与者的当前位置信息、当前速度信息和所述第一前方交通参与者的当前位置信息、当前速度信息以及预设的安全距离,确定避障约束函数,根据所述交通参与者的当前速度方向、期望速度方向和参考速度方向,确定所述交通参与者的速度方向约束函数,根据所述行驶道的路径信息、所述交通参与者的期望速度值,确定所述交通参与者的速度大小约束函数,根据所述避障约束函数、所述速度方向约束函数、所述速度大小约束函数,更新所述交通参与者的当前速度信息。
在本实施例的上述可能设计中,所述预设的状态更新策略还包括:拥堵处理策略;
处理模块902,还具体用于根据所述交通参与者的当前状态信息、所述第一前方交通参与者的当前状态信息、当前交通条件,通过所述拥堵处理策略,确定所述交通参与者的当前状态信息。
本申请实施例提供的装置,可用于执行图2至图8所示实施例中的方法,其实现原理和技术效果类似,在此不再赘述。
需要说明的是,应理解以上装置的各个模块的划分仅仅是一种逻辑功能的划分,实际实现时可以全部或部分集成到一个物理实体上,也可以物理上分开。且这些模块可以全部以软件通过处理元件调用的形式实现;也可以全部以硬件的形式实现;还可以部分模块通过处理元件调用软件的形式实现,部分模块通过硬件的形式实现。例如,处理模块可以为单独设立的处理元件,也可以集成在上述装置的某一个芯片中实现,此外,也可以以程序代码的形式存储于上述装置的存储器中,由上述装置的某一个处理元件调用并执行以上处理模块的功能。其它模块的实现与之类似。此外这些模块全部或部分可以集成在一起,也可以独立实现。这里所述的处理元件可以是一种集成电路,具有信号的处理能力。在实现过程中,上述方法的各步骤或以上各个模块可以通过处理器元件中的硬件的集成逻辑电路或者软件形式的指令完成。
例如,以上这些模块可以是被配置成实施以上方法的一个或多个集成电路,例如:一个或多个特定集成电路(application specific integrated circuit,ASIC),或,一个或多个微处理器(digital signal processor,DSP),或,一个或者多个现场可编程门阵列(field programmable gate array,FPGA)等。再如,当以上某个模块通过处理元件调度程序代码的形式实现时,该处理元件可以是通用处理器,例如中央处理器(centralprocessing unit,CPU)或其它可以调用程序代码的处理器。再如,这些模块可以集成在一起,以片上系统(system-on-a-chip,SOC)的形式实现。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘solid state disk(SSD))等。
进一步的,根据本申请的实施例,本申请还提供了一种电子设备和一种可读存储介质。
图10是用来实现本申请实施例的数据处理方法的电子设备的框图。如图10所示,是根据本申请实施例的数据处理方法的电子设备的框图。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/或者要求的本申请的实现。
如图10所示,该电子设备包括:一个或多个处理器1001、存储器1002,以及用于连接各部件的接口,包括高速接口和低速接口。各个部件利用不同的总线互相连接,并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理,包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如,耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中,若需要,可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样,可以连接多个电子设备,各个设备提供部分必要的操作(例如,作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图10中以一个处理器1001为例。
存储器1002即为本申请所提供的非瞬时计算机可读存储介质。其中,所述存储器存储有可由至少一个处理器执行的指令,以使所述至少一个处理器执行本申请所提供的数据处理方法。本申请的非瞬时计算机可读存储介质存储计算机指令,该计算机指令用于使计算机执行本申请所提供的数据处理方法。
存储器1002作为一种非瞬时计算机可读存储介质,可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块,如本申请实施例中的数据处理方法对应的程序指令/模块(例如,附图9所示的接收模块901、处理模块902和更新模块903)。处理器1001通过运行存储在存储器1002中的非瞬时软件程序、指令以及模块,从而执行服务器的各种功能应用以及数据处理,即实现上述方法实施例中的数据处理方法。
存储器1002可以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、至少一个功能所需要的应用程序;存储数据区可存储根据数据处理的电子设备的使用所创建的数据等。此外,存储器1002可以包括高速随机存取存储器,还可以包括非瞬时存储器,例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中,存储器1002可选包括相对于处理器1001远程设置的存储器,这些远程存储器可以通过网络连接至数据处理的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
数据处理的电子设备还可以包括:输入装置1003和输出装置1004。处理器1001、存储器1002、输入装置1003和输出装置1004可以通过总线或者其他方式连接,图10中以通过总线连接为例。
输入装置1003可接收输入的数字或字符信息,以及产生与数据处理的电子设备的用户设置以及功能控制有关的键信号输入,例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置1004可以包括显示设备、辅助照明装置(例如,LED)和触觉反馈装置(例如,振动电机)等。该显示设备可以包括但不限于,液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中,显示设备可以是触摸屏。
此处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、专用ASIC(专用集成电路)、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。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令,并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的,术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如,磁盘、光盘、存储器、可编程逻辑装置(PLD)),包括,接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
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。
根据本申请实施例的技术方案,通过接收用户发出的处理请求,该处理请求用于更新交通系统中的多个交通参与者的状态信息,基于该处理请求,获取交通系统中的当前数据集合,当前数据集合包括:多个交通参与者的当前状态信息、当前交通条件,该交通参与者包括:车辆、行人,根据当前交通条件和预设的状态更新策略,更新交通系统中每个交通参与者的当前状态信息,其能够准确的描述混合交通流场景中的行人和车辆的移动状态,为智能交通系统的管理提供的指导意义,提高了交通流处理中的准确度。
本申请还提供一种计算机程序产品,包括:计算机程序,所述计算机程序存储在可读存储介质中,电子设备的至少一个处理器可以从所述可读存储介质读取所述计算机程序,所述至少一个处理器执行所述计算机程序使得电子设备执行前述任一实施例提供的方法的技术方案。
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。
上述具体实施方式,并不构成对本申请保护范围的限制。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。任何在本申请的精神和原则之内所作的修改、等同替换和改进等,均应包含在本申请保护范围之内。
Claims (13)
1.一种数据处理方法,其特征在于,包括:
接收用户发出的处理请求,所述处理请求用于更新交通系统中的多个交通参与者的状态信息,所述多个交通参与者包括:行人和车辆;
基于所述处理请求,获取所述交通系统中的当前数据集合,所述当前数据集合包括:多个交通参与者的当前状态信息、当前交通条件;
根据所述当前交通条件和预设的状态更新策略,更新所述交通系统中每个交通参与者的当前状态信息;
所述根据所述当前交通条件和预设的状态更新策略,更新所述交通系统中每个交通参与者的当前状态信息,包括:
根据交通参与者所在道路的累积转角信息和/或所处路段的垂直距离,确定所述交通参与者所处的行驶道的路径信息,所述路径信息包括弯路或直路;所述交通参与者为所述交通系统中的任意一个交通参与者;
根据所述交通参与者的当前位置信息、当前速度信息和第一前方交通参与者的当前位置信息、当前速度信息以及预设的安全距离,确定避障约束函数;所述第一前方交通参与者为所述交通参与者所处的行驶道中与所述交通参与者的移动方向一致且位于所述交通参与者前方的距离最近的交通参与者;
根据所述交通参与者的当前速度方向、期望速度方向和参考速度方向,确定所述交通参与者的速度方向约束函数;
根据所述行驶道的路径信息、所述交通参与者的期望速度值,确定所述交通参与者的速度大小约束函数;
根据所述避障约束函数、所述速度方向约束函数、所述速度大小约束函数,更新所述交通参与者的当前速度信息。
2.根据权利要求1所述的方法,其特征在于,在所述基于所述处理请求,获取所述交通系统中的当前数据集合之前,所述方法还包括:
基于预设的高精地图构建路网,所述路网包括:多条道路、多个道路口以及道路信息、道路口信息,每条道路包括多个行驶道;
基于所述处理请求,获取所述多个交通参与者的初始状态信息和道路设施的初始状态信息;
将所述多个交通参与者的初始状态信息和所述道路设施的初始状态信息融合到所述路网中,得到所述交通系统。
3.根据权利要求1或2所述的方法,其特征在于,所述预设的状态更新策略包括:不同道路信息对应的路径变换策略;
所述根据所述当前交通条件和预设的状态更新策略,更新所述交通系统中每个交通参与者的当前状态信息,包括:
对于所述交通系统中的任意一个交通参与者,根据所述交通参与者的当前状态信息,判断所述交通参与者是否已更换所在道路;
在所述交通参与者已更换所在道路时,更新所述交通参与者的路径信息和参考信息,所述路径信息包括:道路信息、行驶道信息、道路口信息以及所述道路信息对应的路径变换策略,所述参考信息包括:距离所述交通参与者预设距离范围内的其他交通参与者的状态信息。
4.根据权利要求1或2所述的方法,其特征在于,所述预设的状态更新策略包括:变道发动条件、变道决定条件和变道策略信息;
所述根据所述当前交通条件和预设的状态更新策略,更新所述交通系统中每个交通参与者的当前状态信息,还包括:
对于所述交通系统中的任意一个交通参与者,判断所述交通参与者是否满足所述变道发动条件,所述变道发动条件包括:所述交通参与者处于当前行驶道中且所述第一前方交通参与者处于非变道状态;
判断所述交通参与者是否满足所述变道决定条件,所述变道决定条件包括:所述交通参与者与所述第一前方交通参与者的距离小于所述交通参与者与第二前方交通参与者的距离、所述交通参与者与所述第一前方交通参与者的距离大于预设的安全距离、所述交通参与者与所述第二前方交通参与者的距离大于预设的安全距离,所述第二前方交通参与者为目标行驶道中与所述交通参与者的移动方向一致且位于所述交通参与者前方的距离最近的交通参与者;
在所述交通参与者同时满足所述变道发动条件和所述变道决定条件时,根据所述变道策略信息,更新所述交通参与者所处的行驶道信息。
5.根据权利要求1所述的方法,其特征在于,所述预设的状态更新策略还包括:拥堵处理策略;
所述根据所述当前交通条件和预设的状态更新策略,更新所述交通系统中每个交通参与者的当前状态信息,还包括:
根据所述交通参与者的当前状态信息、所述第一前方交通参与者的当前状态信息、当前交通条件,通过所述拥堵处理策略,确定所述交通参与者的当前状态信息。
6.一种数据处理装置,其特征在于,包括:接收模块、处理模块和更新模块;
所述接收模块,用于接收用户发出的处理请求,所述处理请求用于更新交通系统中的多个交通参与者的状态信息,所述多个交通参与者包括:行人和车辆;
所述处理模块,用于基于所述处理请求,获取所述交通系统中的当前数据集合,所述当前数据集合包括:多个交通参与者的当前状态信息、当前交通条件;
所述更新模块,用于根据所述当前交通条件和预设的状态更新策略,更新所述交通系统中每个交通参与者的当前状态信息;
所述更新模块,具体用于根据交通参与者所在道路的累积转角信息和/或所处路段的垂直距离,确定所述交通参与者所处的行驶道的路径信息,所述路径信息包括弯路或直路;所述交通参与者为所述交通系统中的任意一个交通参与者;
根据所述交通参与者的当前位置信息、当前速度信息和第一前方交通参与者的当前位置信息、当前速度信息以及预设的安全距离,确定避障约束函数;所述第一前方交通参与者为所述交通参与者所处的行驶道中与所述交通参与者的移动方向一致且位于所述交通参与者前方的距离最近的交通参与者;
根据所述交通参与者的当前速度方向、期望速度方向和参考速度方向,确定所述交通参与者的速度方向约束函数;
根据所述行驶道的路径信息、所述交通参与者的期望速度值,确定所述交通参与者的速度大小约束函数;
根据所述避障约束函数、所述速度方向约束函数、所述速度大小约束函数,更新所述交通参与者的当前速度信息。
7.根据权利要求6所述的装置,其特征在于,所述处理模块,还用于在基于所述处理请求,获取所述交通系统中的当前数据集合之前,基于预设的高精地图构建路网,所述路网包括:多条道路、多个道路口以及道路信息、道路口信息,每条道路包括多个行驶道,基于所述处理请求,获取所述多个交通参与者的初始状态信息和道路设施的初始状态信息,以及将所述多个交通参与者的初始状态信息和所述道路设施的初始状态信息融合到所述路网中,得到所述交通系统。
8.根据权利要求6或7所述的装置,其特征在于,所述预设的状态更新策略包括:不同道路信息对应的路径变换策略;
所述处理模块,具体用于对于所述交通系统中的任意一个交通参与者,根据所述交通参与者的当前状态信息,判断所述交通参与者是否已更换所在道路,在所述交通参与者已更换所在道路时,更新所述交通参与者的路径信息和参考信息,所述路径信息包括:道路信息、行驶道信息、道路口信息以及所述道路信息对应的路径变换策略,所述参考信息包括:距离所述交通参与者预设距离范围内的其他交通参与者的状态信息。
9.根据权利要求6或7所述的装置,其特征在于,所述预设的状态更新策略包括:变道发动条件、变道决定条件和变道策略信息;
所述处理模块,还具体用于对于所述交通系统中的任意一个交通参与者,判断所述交通参与者是否满足所述变道发动条件,判断所述交通参与者是否满足所述变道决定条件,以及在在所述交通参与者同时满足所述变道发动条件和所述变道决定条件时,根据所述变道策略信息,更新所述交通参与者所处的行驶道信息;
其中,所述变道发动条件包括:所述交通参与者处于当前行驶道中且所述第一前方交通参与者处于非变道状态,所述变道决定条件包括:所述交通参与者与所述第一前方交通参与者的距离小于所述交通参与者与第二前方交通参与者的距离、所述交通参与者与所述第一前方交通参与者的距离大于预设的安全距离、所述交通参与者与所述第二前方交通参与者的距离大于预设的安全距离,所述第二前方交通参与者为目标行驶道中与所述交通参与者的移动方向一致且位于所述交通参与者前方的距离最近的交通参与者。
10.根据权利要求9所述的装置,其特征在于,所述预设的状态更新策略还包括:拥堵处理策略;
所述处理模块,还具体用于根据所述交通参与者的当前状态信息、所述第一前方交通参与者的当前状态信息、当前交通条件,通过所述拥堵处理策略,确定所述交通参与者的当前状态信息。
11.一种电子设备,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权利要求1-5中任一项所述的方法。
12.一种存储有计算机指令的非瞬时计算机可读存储介质,其特征在于,所述计算机指令用于使所述计算机执行权利要求1-5中任一项所述的方法。
13.一种数据处理方法,其特征在于,包括:
接收用户发出的处理请求,所述处理请求用于更新交通系统中的多个交通参与者的状态信息;
基于用户的处理请求,根据交通参与者所在道路的累积转角信息和/或所处路段的垂直距离,确定所述交通参与者所处的行驶道的路径信息,所述路径信息包括弯路或直路;所述交通参与者为所述交通系统中的任意一个交通参与者;
根据所述交通参与者的当前位置信息、当前速度信息和第一前方交通参与者的当前位置信息、当前速度信息以及预设的安全距离,确定避障约束函数;所述第一前方交通参与者为所述交通参与者所处的行驶道中与所述交通参与者的移动方向一致且位于所述交通参与者前方的距离最近的交通参与者;
根据所述交通参与者的当前速度方向、期望速度方向和参考速度方向,确定所述交通参与者的速度方向约束函数;
根据所述行驶道的路径信息、所述交通参与者的期望速度值,确定所述交通参与者的速度大小约束函数;
根据所述避障约束函数、所述速度方向约束函数、所述速度大小约束函数,更新所述交通参与者的当前速度信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911281982.5A CN112991713B (zh) | 2019-12-13 | 2019-12-13 | 数据处理方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911281982.5A CN112991713B (zh) | 2019-12-13 | 2019-12-13 | 数据处理方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112991713A CN112991713A (zh) | 2021-06-18 |
CN112991713B true CN112991713B (zh) | 2022-11-22 |
Family
ID=76332532
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911281982.5A Active CN112991713B (zh) | 2019-12-13 | 2019-12-13 | 数据处理方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112991713B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115346397B (zh) * | 2022-07-18 | 2023-06-23 | 岚图汽车科技有限公司 | 车流定位通行方法、系统、存储介质及设备 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101404548A (zh) * | 2008-10-28 | 2009-04-08 | 北京世纪高通科技有限公司 | 基于智能交通系统的交通信息广播发布方法、装置和系统 |
CN103395391A (zh) * | 2013-07-03 | 2013-11-20 | 北京航空航天大学 | 一种车辆换道警示装置及换道状态识别方法 |
CN104851308A (zh) * | 2015-05-25 | 2015-08-19 | 北京嘀嘀无限科技发展有限公司 | 一种交通状态信息的处理方法及设备 |
DE102016204957A1 (de) * | 2015-03-25 | 2016-09-29 | Magna Steyr Fahrzeugtechnik Ag & Co Kg | Automatisierter Fahrstreifenwechsel im dynamischen Verkehr, basierend auf fahrdynamisch bedingten Einschränkungen |
WO2017003257A1 (ko) * | 2015-07-02 | 2017-01-05 | 이승래 | 도로 표면 상태 인식 장치 및 방법 |
CN109460617A (zh) * | 2018-11-13 | 2019-03-12 | 沈建国 | 一种基于改进距离策略帝国主义算法的管路布局优化方法 |
CN109765801A (zh) * | 2019-01-04 | 2019-05-17 | 东南大学 | 基于vissim仿真的车联网设计速度调整的实现方法 |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3925474B2 (ja) * | 2003-07-18 | 2007-06-06 | 日産自動車株式会社 | 車線変更支援装置 |
CN101713665B (zh) * | 2009-12-15 | 2013-05-29 | 深圳市凯立德科技股份有限公司 | 一种导航提示方法和导航提示装置 |
CN102609765A (zh) * | 2012-03-22 | 2012-07-25 | 北京工业大学 | 基于多项式及rbf神经网络的智能车辆换道路径规划方法 |
CN102800213B (zh) * | 2012-08-27 | 2014-06-18 | 武汉大学 | 一种基于车辆通行优先级的换道危险避撞的方法 |
CN102991504B (zh) * | 2012-12-07 | 2015-06-03 | 长安大学 | 一种对驾驶员换道安全性进行判断并预警的方法 |
WO2017162278A1 (en) * | 2016-03-23 | 2017-09-28 | Deutsche Telekom Ag | System and method for a full lane change aid system with augmented reality technology |
CN108122423A (zh) * | 2016-11-28 | 2018-06-05 | 中国移动通信有限公司研究院 | 一种车辆引导方法、装置及系统 |
CN107792073B (zh) * | 2017-09-29 | 2019-10-25 | 东软集团股份有限公司 | 一种车辆换道控制方法、装置及相关设备 |
CN109466551A (zh) * | 2018-11-22 | 2019-03-15 | 深圳市元征科技股份有限公司 | 一种车辆控制方法、系统及电子设备和存储介质 |
CN109737977A (zh) * | 2018-12-10 | 2019-05-10 | 北京百度网讯科技有限公司 | 自动驾驶车辆定位方法、装置及存储介质 |
CN109808709B (zh) * | 2019-01-15 | 2021-08-03 | 北京百度网讯科技有限公司 | 车辆行驶保障方法、装置、设备及可读存储介质 |
-
2019
- 2019-12-13 CN CN201911281982.5A patent/CN112991713B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101404548A (zh) * | 2008-10-28 | 2009-04-08 | 北京世纪高通科技有限公司 | 基于智能交通系统的交通信息广播发布方法、装置和系统 |
CN103395391A (zh) * | 2013-07-03 | 2013-11-20 | 北京航空航天大学 | 一种车辆换道警示装置及换道状态识别方法 |
DE102016204957A1 (de) * | 2015-03-25 | 2016-09-29 | Magna Steyr Fahrzeugtechnik Ag & Co Kg | Automatisierter Fahrstreifenwechsel im dynamischen Verkehr, basierend auf fahrdynamisch bedingten Einschränkungen |
CN104851308A (zh) * | 2015-05-25 | 2015-08-19 | 北京嘀嘀无限科技发展有限公司 | 一种交通状态信息的处理方法及设备 |
WO2017003257A1 (ko) * | 2015-07-02 | 2017-01-05 | 이승래 | 도로 표면 상태 인식 장치 및 방법 |
CN109460617A (zh) * | 2018-11-13 | 2019-03-12 | 沈建国 | 一种基于改进距离策略帝国主义算法的管路布局优化方法 |
CN109765801A (zh) * | 2019-01-04 | 2019-05-17 | 东南大学 | 基于vissim仿真的车联网设计速度调整的实现方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112991713A (zh) | 2021-06-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11231286B2 (en) | Dynamic routing for self-driving vehicles | |
JP7171808B2 (ja) | 自動運転車両計画方法、装置、電子機器及び記憶媒体 | |
US10948919B2 (en) | Dynamic programming and gradient descent based decision and planning for autonomous driving vehicles | |
US10515321B2 (en) | Cost based path planning for autonomous driving vehicles | |
US20200239023A1 (en) | Operator assistance for autonomous vehicles | |
JP2022527072A (ja) | 属性に基づく歩行者の予測 | |
EP3968114A2 (en) | Methods for remote control of an autonomous driving vehicle and devices to support the methods | |
JP7258233B2 (ja) | 後退ホライズン状態推定器 | |
JP2022539149A (ja) | リモート車両誘導 | |
CN111753425B (zh) | 仿真方法、装置、电子设备及存储介质 | |
WO2022183329A1 (zh) | 一种智能驾驶方法、装置、存储介质及计算机程序 | |
US11577723B2 (en) | Object trajectory association and tracking | |
CN113682318A (zh) | 车辆行驶控制方法及装置 | |
US20200166936A1 (en) | Tuning autonomous vehicle dispatch using autonomous vehicle performance | |
CN112325898A (zh) | 路径规划方法、装置、设备和存储介质 | |
CN112991713B (zh) | 数据处理方法、装置、设备及存储介质 | |
CN112424047B (zh) | 将不适感用于自主车辆的速度规划 | |
CN112235362B (zh) | 位置确定方法、装置、设备以及存储介质 | |
WO2023274284A1 (zh) | 一种车辆控制方法、装置及系统 | |
US20220065647A1 (en) | Autonomous vehicle planned route prediction | |
CN114030483A (zh) | 车辆控制方法、装置、电子设备和介质 | |
US20220065638A1 (en) | Joint routing of transportation services for autonomous vehicles | |
CN113587950B (zh) | 自动驾驶汽车静态路径规划方法、装置及存储介质 | |
US20240101106A1 (en) | Systems and methods for scene understanding | |
CN117590849A (zh) | 自动驾驶方法和装置、电子设备、存储介质、车辆 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |