CN113611120A - 车辆位置信息预测方法、装置及设备 - Google Patents
车辆位置信息预测方法、装置及设备 Download PDFInfo
- Publication number
- CN113611120A CN113611120A CN202110937892.8A CN202110937892A CN113611120A CN 113611120 A CN113611120 A CN 113611120A CN 202110937892 A CN202110937892 A CN 202110937892A CN 113611120 A CN113611120 A CN 113611120A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- time point
- data
- position information
- historical time
- 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 31
- 102100034112 Alkyldihydroxyacetonephosphate synthase, peroxisomal Human genes 0.000 claims 1
- 101000799143 Homo sapiens Alkyldihydroxyacetonephosphate synthase, peroxisomal Proteins 0.000 claims 1
- 238000000848 angular dependent Auger electron spectroscopy Methods 0.000 claims 1
- 238000012545 processing Methods 0.000 description 8
- 238000013480 data collection Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000002085 persistent effect Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000002355 dual-layer Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001502 supplementing effect Effects 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
- G08G1/0125—Traffic data processing
- G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
-
- 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
- G08G1/0112—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from the vehicle, e.g. floating car data [FCD]
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/029—Location-based management or tracking services
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
Landscapes
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请是关于一种车辆位置信息预测方法、装置及设备。该方法包括：获取数据采集终端上传的至少一个历史时刻点的车辆数据；根据所述至少一个历史时刻点的车辆数据，预测当前时刻点的车辆的位置信息；将所述当前时刻点的所述车辆的位置信息发送至目标终端。本申请提供的方案，能够预测当前时刻点的相关车辆的位置，从而提升云端服务器所下发的车辆数据的精确性。
Description
技术领域
本申请涉及导航技术领域，尤其涉及一种车辆位置信息预测方法、装置及设备。
背景技术
相关技术中，云控基础平台以车辆、道路、环境等实时动态数据为核心，结合支撑云控应用的已有交通相关系统与设施的数据，为智能网联汽车与产业相关部门和企业提供标准化共性基础服务。
云控基础平台又可称为云端服务器，属于一种数据发送终端。车辆及其他交通参与者的信息可以由路侧设备采集和处理后上传云端服务器，车辆及其他交通参与者的信息也可以通过无线通信网直接上传云端服务器。云端服务器将多个数据源的车辆数据按照预设规则融合后，会向道路上的车辆下发相关车辆的车辆数据(车辆数据可以包括位置信息、速度信息及时间信息等等)。
然而，由于数据接收延时的因素，云端服务器接收到路侧设备或者车辆直接上传的车辆数据已是历史数据，从而造成云端服务器下发给车辆的车辆数据中的车辆位置信息存在误差，进而降低车辆根据云端服务器下发数据所绘制的高精地图的精确性。
发明内容
为解决或部分解决相关技术中存在的问题，本申请提供一种车辆位置信息预测方法、装置及设备，能够预测当前时刻点的相关车辆的位置，从而提升云端服务器所下发的车辆数据的精确性。
本申请第一方面提供一种车辆位置信息预测方法，应用于云端服务器，包括：
获取数据采集终端上传的至少一个历史时刻点的车辆数据；
根据所述至少一个历史时刻点的车辆数据，预测当前时刻点的车辆的位置信息；
将所述当前时刻点的所述车辆的位置信息发送至目标终端。
在一种实施方式中，所述数据采集终端包括路侧设备和/或车辆ADAS；
所述目标终端包括车载终端。
在一种实施方式中，所述获取数据采集终端上传的至少一个历史时刻点的车辆数据，包括：
按照预设优先级规则，在不同的数据采集终端中，获取其中一个所述数据采集终端上传的至少一个历史时刻点的车辆数据；或者，
将不同的数据采集终端上传的同一历史时刻点的车辆数据进行融合，获取至少一个历史时刻点对应的经融合后的车辆数据。
在一种实施方式中，所述车辆包括设定范围内的不同车辆；其中，所述设定范围位于所述数据采集终端的最大采集范围内。
在一种实施方式中，所述根据所述至少一个历史时刻点的车辆数据，预测当前时刻点的车辆的位置信息，包括：
根据所述至少一个历史时刻点中最近的一个历史时刻点的车辆数据，预测当前时刻点的车辆的位置信息；或者，
根据所述至少一个历史时刻点中最近的多个历史时刻点的车辆数据，预测当前时刻点的车辆的位置信息。
在一种实施方式中，所述车辆数据包括车辆位置信息、车辆速度信息以及时间信息当中的一种或一种以上的组合。
本申请第二方面提供一种车辆位置信息预测装置，应用于云端服务器，包括：
获取模块，用于获取数据采集终端上传的至少一个历史时刻点的车辆数据；
预测模块，用于根据所述获取模块获取的至少一个历史时刻点的车辆数据，预测当前时刻点的车辆的位置信息；
发送模块，将所述预测模块预测的当前时刻点的所述车辆的位置信息发送至目标终端。
在一种实施方式中，所述获取模块获取数据采集终端上传的至少一个历史时刻点的车辆数据，包括：
按照预设优先级规则，在不同的数据采集终端中，获取其中一个所述数据采集终端上传的至少一个历史时刻点的车辆数据；或者，
将不同的数据采集终端上传的同一历史时刻点的车辆数据进行融合，获取至少一个历史时刻点对应的经融合后的车辆数据。
本申请第三方面提供一种电子设备，包括：
处理器；以及
存储器，其上存储有可执行代码，当所述可执行代码被所述处理器执行时，使所述处理器执行如上所述的方法。
本申请第四方面提供一种非暂时性机器可读存储介质，其上存储有可执行代码，当所述可执行代码被电子设备的处理器执行时，使所述处理器执行如上所述的方法。
本申请提供的技术方案可以包括以下有益效果：
本申请提供的方法，通过获取数据采集终端上传的至少一个历史时刻点的车辆数据，根据至少一个历史时刻点的车辆数据，预测当前时刻点的车辆的位置信息，将当前时刻点的车辆的位置信息发送至目标终端。上述处理得到的当前时刻点的车辆的位置信息，能够更为精准的表征当前时刻点的车辆的位置信息的真值，从而提升云端服务器所下发的车辆数据的精确性。
进一步的，本申请提供的方法，可以按照预设优先级规则，在不同的数据采集终端中，获取其中一个数据采集终端上传的至少一个历史时刻点的车辆数据；或者，可以将不同的数据采集终端上传的同一历史时刻点的车辆数据进行融合，获取至少一个历史时刻点对应的经融合后的车辆数据，从而提升所预测当前时刻点的车辆的位置信息的正确性。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。
附图说明
通过结合附图对本申请示例性实施方式进行更详细的描述，本申请的上述以及其它目的、特征和优势将变得更加明显，其中，在本申请示例性实施方式中，相同的参考标号通常代表相同部件。
图1是本申请实施例示出的车辆位置信息预测方法的流程示意图；
图2是本申请实施例示出的车辆位置信息预测装置的结构示意图；
图3是本申请实施例示出的电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本申请的实施方式。虽然附图中显示了本申请的实施方式，然而应该理解，可以以各种形式实现本申请而不应被这里阐述的实施方式所限制。相反，提供这些实施方式是为了使本申请更加透彻和完整，并且能够将本申请的范围完整地传达给本领域的技术人员。
在本申请使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解，尽管在本申请可能采用术语“第一”、“第二”、“第三”等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本申请范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本申请的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
相关技术中，由于数据接收延时的因素，云端服务器接收到路侧设备或者车辆直接上传的车辆数据已是历史数据，从而造成云端服务器下发给车辆的车辆数据中的车辆位置信息存在误差，进而降低车辆根据云端服务器下发数据所绘制的高精地图的精确性。
针对上述问题，本申请实施例提供一种车辆位置信息预测方法，能够预测当前时刻点的相关车辆的位置，从而提升云端服务器所下发的车辆数据的精确性。
以下结合附图详细描述本申请实施例的技术方案。
图1是本申请实施例示出的车辆位置信息预测方法的流程示意图。
参见图1，该方法包括：
步骤S101、获取数据采集终端上传的至少一个历史时刻点的车辆数据。
其中，数据采集终端可以包括路侧设备和/或车辆ADAS(Advanced DrivingAssistance System，高级驾驶辅助系统)。也就是说，数据采集终端可以是路侧设备，数据采集终端也可以是车辆ADAS，数据采集终端还可以包括路侧设备和车辆ADAS。
其中，车辆数据可以包括车辆位置信息、车辆速度信息以及时间信息(例如，卫星时间)当中的一种或一种以上的组合。进一步的，车辆数据还可以包括车型类型(例如，轿车、SUV、货车、卡车等等)、车辆尺寸、自车与其他车辆的相对距离等等。进一步的，车辆数据可以包括多个不同车辆的车辆位置信息、车辆速度信息、时间信息及车型类型。
需要说明的是，路侧设备会按照设定周期(门限)向云端服务器上传其所采集到的车辆数据。例如，路侧设备每间隔200ms向云端服务器上传一次其所采集到的车辆数据。车辆ADAS也可以按照设定周期向云端服务器上传其所监测到的车辆数据。
在该步骤中，可以获取数据采集终端上传的一个历史时刻点或者多个历史时刻点的相关车辆对应的车辆数据。具体的，在该步骤中，可以获取来自数据采集终端的一个历史时刻点的车辆数据。进一步的，可以获取来自数据采集终端的最近的一个历史时刻点的车辆数据，即获取来自数据采集终端的离当前时刻点最近的一个历史时刻点的车辆数据。在其他实施例中，也可以获取来自数据采集终端的连续或者间断的多个历史时刻点的车辆数据。进一步的，来自数据采集终端的最近的连续的多个历史时刻点的车辆数据。可以理解，若路侧设备或车辆ADAS每间隔200ms向云端服务器上传一次车辆数据的情况下，那么连续的多个历史时刻点的时间间隔也可以是200ms。
在其中一种实施方式中，在步骤S101中获取数据采集终端上传的至少一个历史时刻点的车辆数据的方式包括：
按照预设优先级规则，在不同的数据采集终端中，获取其中一个数据采集终端上传的至少一个历史时刻点的车辆数据。一实施例中，在各不同的数据采集终端均通信正常的情况下，可以获取位于预设优先级排序首位的数据采集终端所上传的至少一个历史时刻点的车辆数据。例如，按照预设优先级规则为：路侧设备优先于车辆ADAS。那么在路侧设备和车辆ADAS均通信正常的情况下，云端服务器获取路侧设备所上传的至少一个历史时刻点的车辆数据。可以理解，当路侧设备通信中断时，云端服务器可以获取车辆ADAS所上传的至少一个历史时刻点的车辆数据。这样，设定了优选的数据采集终端，从而利于提升云端服务器所获取的车辆数据的可靠性，提升后续步骤处理结果的正确性。
进一步的，路侧设备可以包括多个不同的路侧设备，云端服务器可以按照预设规则获取其中一个路侧设备所上传的至少一个历史时刻点的车辆数据。例如，云端服务器可以获取相对目标终端最近的路侧设备所上传的至少一个历史时刻点的车辆数据，从而提升数据的可靠性。同理，车辆ADAS可以包括多个不同的车辆ADAS，云端服务器可以按照预设规则获取其中一个车辆ADAS所上传的至少一个历史时刻点的车辆数据。例如，云端服务器可以获取相对目标终端最近的车辆ADAS(例如，目标终端自身的车辆ADAS)所上传的至少一个历史时刻点的车辆数据，从而提升数据的可靠性。这样，进一步对优选的数据采集终端类型进行预先设定，以保障后续步骤处理结果的可靠性。
在其他实施例中，云端服务器可以分别获取在历史周期所对应的多个不同历史时刻点中不同数据采集终端所上传的车辆数据。例如，至少一个历史时刻点包括两个历史时刻点，其中，较近的一个历史时刻点为A时刻点，较远的一个历史时刻点为B时刻点。云端服务器可以获取路侧设备在A时刻点的车辆数据，并获取车辆ADAS在B时刻点的车辆数据。这样，可以根据不同的需求场合，选择适应的获取方案，从而能够扩大适用范围，提升实施的灵活性。
在另一种实施方式中，在步骤S101中获取数据采集终端上传的至少一个历史时刻点的车辆数据的方式包括：
将不同的数据采集终端上传的同一历史时刻点的车辆数据进行融合，获取至少一个历史时刻点对应的经融合后的车辆数据。例如，至少一个历史时刻点包括A、B、C三个历史时刻点，那么，将各个不同的数据采集终端在A历史时刻点的车辆数据进行融合处理，将融合后的车辆数据作为云端服务器所获取的在A历史时刻点的车辆数据。同理，对应的处理B历史时刻点和C历史时刻点的车辆数据，从而使得云端服务器获取至少一个历史时刻点对应的经融合后的车辆数据。这样，能够提升数据采集终端上传的车辆数据的可靠性，从而提升后续步骤处理结果的正确性。
步骤S102、根据至少一个历史时刻点的车辆数据，预测当前时刻点的车辆的位置信息。
其中，车辆为车辆数据所对应的相关车辆，车辆可以包括一个或多个不同的车辆。进一步的，车辆包括设定范围内的不同车辆；其中，设定范围位于数据采集终端的最大采集范围内。例如，路侧设备的最大采集范围可以是自身半径50m的范围，那么，路侧设备可以将采集到的自身半径40m范围内的各车辆的车辆数据上传至云端服务器。又例如，车辆ADAS的最大采集范围可以是自身半径15m的范围，那么，车辆ADAS可以将采集到的自身半径10m范围内的各车辆的车辆数据上传至云端服务器。相对应的，云端服务器可以获取路侧设备和车辆ADAS所上传的相关车辆的车辆数据。
在该步骤中，在其中一个实施例中，根据至少一个历史时刻点中最近的一个历史时刻点的车辆数据，预测当前时刻点的车辆的位置信息。也就是说，可以根据数据采集终端相对当前时刻点最近的一个数据上传周期对应的历史时刻点的车辆数据，确定当前时刻点的车辆的位置信息。在该实施例中，云端服务器可以接收数据采集终端上传的最近的一个历史时刻点的车辆数据，根据车辆数据所包含的车辆位置信息、车辆速度(矢量，包括速率及方向)信息以及时间信息，计算相对当前时刻点的时间差，结合最近一个历史时刻点车辆所在的位置，通过将最近一个历史时刻点时车辆的速度乘以时间差，预测车辆的行驶距离，进而确定当前时刻点的车辆的位置信息；进一步的，位置信息可以换算成经纬度值进行表示。
在另一个实施例中，可以根据至少一个历史时刻点中最近的多个历史时刻点的车辆数据，预测当前时刻点的车辆的位置信息。优选的，可以根据至少一个历史时刻点中最近的连续多个历史时刻点的车辆数据，确定当前时刻点的车辆的位置信息。其中，多个历史时刻点的数量可以是预先设定的数量，优选的，获取相对当前时刻点最近的连续周期内的3个历史时刻点数据采集终端的车辆数据。在该实施例中，云端服务器可以接收数据采集终端上传的最近的连续周期内的多个历史时刻点的车辆数据，根据车辆数据所包含的车辆位置信息、车辆速度(矢量，包括速率及方向)信息以及时间信息，计算最近一个历史时刻点相对当前时刻点的时间差，结合最近一个历史时刻点车辆所在的位置，并计算多个历史时刻点的车辆的平均速度，通过将车辆的平均速度乘以时间差，预测车辆的行驶距离，进而确定当前时刻点的车辆的位置信息；进一步的，位置信息可以换算成经纬度值进行表示。
步骤S103、将当前时刻点的车辆的位置信息发送至目标终端。
其中，目标终端可以包括车载终端。也就是说，云端服务器可以将当前时刻点的车辆的位置信息发送至车载终端。进一步的，在步骤S101中当数据采集终端包括车辆ADAS时，车辆ADAS可以是目标终端自身的车辆ADAS，从而保证数据可靠性。在其他实施方式中，车辆ADAS可以目标终端外其他终端的车辆ADAS，从而扩大适用范围。
进一步的，目标终端可以包括一个或者多个车载终端。在该步骤中，目标终端可以是数据采集终端为中心的预设范围内的车载终端。也就是说，云端服务器可以将当前时刻点的车辆的位置信息发送至数据采集终端为中心的预设范围内的车载终端。具体的，可以是数据采集终端最大数据采集范围内的各个车载终端。进一步的，各车载终端可以利用云端服务器所发送的当前时刻点的车辆的位置信息，进行车辆显示区域内的画面渲染展示，实现精确性的高精地图绘制。
进一步的，为了保证目标终端接收到来自云端服务器下发的车辆数据的实时有效性，目标终端所在的位置为数据采集终端的最大数据采集范围内。数据采集终端的最大数据采集范围内可以是任意一个数据采集终端的最大数据采集范围内。例如，任意一个路侧设备的最大数据采集范围内，任意一个车辆ADAS的最大数据采集范围内。这样，车辆在道路的行驶过程中，车辆的车载终端能够在每个云端服务器数据下发的时刻点，通过接收云端服务器下发的车辆数据，获取自车周围相关车辆的位置信息，从而能够用于进行地图导航制造，进行高精地图的绘制。
从该实施例可以看出，本申请实施例提供的方法，可以应用于云端服务器，通过获取数据采集终端上传的至少一个历史时刻点的车辆数据，根据至少一个历史时刻点的车辆数据，预测当前时刻点的车辆的位置信息，将当前时刻点的车辆的位置信息发送至目标终端。上述处理得到的当前时刻点的车辆的位置信息，能够更为精准的表征当前时刻点的车辆的位置信息的真值，从而提升云端服务器所下发的车辆数据的精确性。
可以理解，在一种实施场景中，对于目前的道路设施中，交通拍摄路杆(属于一种路侧设备)上通常设置有4个摄像头，其中包括两个朝向相反的高精度摄像头以及两个朝向相反的低精度摄像头。两个低精度摄像头用于补充拍摄两个高精度摄像头下方区域的盲区。相关技术中，该交通拍摄路杆可以向云端服务器上传其所获取(拍摄)的车辆数据(包含图像信息)，云端服务器根据交通拍摄路杆上传的车辆数据，作为向车辆终端下发的车辆数据，且下发的相关车辆的车辆数据的覆盖范围是交通拍摄路杆的四个摄像头的覆盖范围，即交通拍摄路杆所覆盖的道路。当车辆从该交通拍摄路杆所覆盖的道路上行驶时，车辆的车载终端能够在每个云端服务器数据下发的时刻点，通过接收云端服务器下发的车辆数据，获取自车周围相关车辆的位置信息，从而能够用于进行地图导航制造，进行高精地图的绘制。
那么，当采用本申请实施例的技术方案，则可以使得交通拍摄路杆不再需要设置两个低精度摄像头，但仍能够使得云端服务器下发的车辆数据的覆盖范围保持不变。具体的，采用本申请实施例的技术方案，可以利用在该交通拍摄路杆所覆盖的道路上的其他车辆的车辆ADAS采集车辆数据，并上传至云端服务器。也就是说，云端服务器通过车辆ADAS采集的车辆数据代替两个低精度摄像头所采集的车辆数据。如此，交通拍摄路杆可以不再需要设置两个低精度摄像头，云端服务器下发的车辆数据的覆盖仍然能够范围保持不变，在该交通拍摄路杆所覆盖的道路上行驶的车辆，依然能够通过接收云端服务器下发的车辆数据，获取自车周围相关车辆的位置信息，以进行高精地图的绘制。
与前述应用功能实现方法实施例相对应，本申请还提供了一种车辆位置信息预测装置及相应的实施例。
图2是本申请实施例示出的车辆位置信息预测装置的结构示意图。
参见图2，本申请实施例提供一种车辆位置信息预测装置，包括：获取模块201、预测模块202以及发送模块203。
获取模块201，用于获取数据采集终端上传的至少一个历史时刻点的车辆数据。其中，数据采集终端可以包括路侧设备和/或车辆ADAS(Advanced Driving AssistanceSystem，高级驾驶辅助系统)。其中，车辆数据可以包括车辆位置信息、车辆速度信息以及时间信息(例如，卫星时间)当中的一种或一种以上的组合。
预测模块202，用于根据获取模块201获取的至少一个历史时刻点的车辆数据，预测当前时刻点的车辆的位置信息。其中，车辆为对应车辆数据所包含的相关车辆，车辆可以包括一个或多个不同的车辆。进一步的，车辆包括设定范围内的不同车辆；其中，设定范围位于数据采集终端的最大采集范围内。
发送模块203，将预测模块202预测的当前时刻点的车辆的位置信息发送至目标终端。其中，目标终端可以包括车载终端。
从该实施例可以看出，本申请实施例提供的车辆位置信息预测装置，可以通过获取数据采集终端上传的至少一个历史时刻点的车辆数据，根据至少一个历史时刻点的车辆数据，预测当前时刻点的车辆的位置信息，将当前时刻点的车辆的位置信息发送至目标终端。上述处理得到的当前时刻点的车辆的位置信息，能够更为精准的表征当前时刻点的车辆的位置信息的真值，从而提升云端服务器所下发的车辆数据的精确性。
可选的，在其中一种实施方式中，获取模块201获取数据采集终端上传的至少一个历史时刻点的车辆数据，包括：
按照预设优先级规则，在不同的数据采集终端中，获取其中一个数据采集终端上传的至少一个历史时刻点的车辆数据；或者，
将不同的数据采集终端上传的同一历史时刻点的车辆数据进行融合，获取至少一个历史时刻点对应的经融合后的车辆数据。
关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不再做详细阐述说明。
图3是本申请实施例示出的电子设备的结构示意图。
参见图3，电子设备300包括存储器310和处理器320。
处理器320可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器310可以包括各种类型的存储单元，例如系统内存、只读存储器(ROM)，和永久存储装置。其中，ROM可以存储处理器320或者计算机的其他模块需要的静态数据或者指令。永久存储装置可以是可读写的存储装置。永久存储装置可以是即使计算机断电后也不会失去存储的指令和数据的非易失性存储设备。在一些实施方式中，永久性存储装置采用大容量存储装置(例如磁或光盘、闪存)作为永久存储装置。另外一些实施方式中，永久性存储装置可以是可移除的存储设备(例如软盘、光驱)。系统内存可以是可读写存储设备或者易失性可读写存储设备，例如动态随机访问内存。系统内存可以存储一些或者所有处理器在运行时需要的指令和数据。此外，存储器310可以包括任意计算机可读存储媒介的组合，包括各种类型的半导体存储芯片(DRAM，SRAM，SDRAM，闪存，可编程只读存储器)，磁盘和/或光盘也可以采用。在一些实施方式中，存储器310可以包括可读和/或写的可移除的存储设备，例如激光唱片(CD)、只读数字多功能光盘(例如DVD-ROM，双层DVD-ROM)、只读蓝光光盘、超密度光盘、闪存卡(例如SD卡、min SD卡、Micro-SD卡等等)、磁性软盘等等。计算机可读存储媒介不包含载波和通过无线或有线传输的瞬间电子信号。
存储器310上存储有可执行代码，当可执行代码被处理器320处理时，可以使处理器320执行上文述及的方法中的部分或全部。
此外，根据本申请的方法还可以实现为一种计算机程序或计算机程序产品，该计算机程序或计算机程序产品包括用于执行本申请的上述方法中部分或全部步骤的计算机程序代码指令。
或者，本申请还可以实施为一种非暂时性机器可读存储介质(或计算机可读存储介质、或机器可读存储介质)，其上存储有可执行代码(或计算机程序、或计算机指令代码)，当可执行代码(或计算机程序、或计算机指令代码)被电子设备(或电子设备、服务器等)的处理器执行时，使处理器执行根据本申请的上述方法的各个步骤的部分或全部。
以上已经描述了本申请的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。
Claims (10)
1.一种车辆位置信息预测方法，应用于云端服务器，其特征在于，包括：
获取数据采集终端上传的至少一个历史时刻点的车辆数据；
根据所述至少一个历史时刻点的车辆数据，预测当前时刻点的车辆的位置信息；
将所述当前时刻点的所述车辆的位置信息发送至目标终端。
2.根据权利要求1所述的方法，其特征在于：
所述数据采集终端包括路侧设备和/或车辆ADAS；
所述目标终端包括车载终端。
3.根据权利要求2所述的方法，其特征在于，所述获取数据采集终端上传的至少一个历史时刻点的车辆数据，包括：
按照预设优先级规则，在不同的数据采集终端中，获取其中一个所述数据采集终端上传的至少一个历史时刻点的车辆数据；或者，
将不同的数据采集终端上传的同一历史时刻点的车辆数据进行融合，获取至少一个历史时刻点对应的经融合后的车辆数据。
4.根据权利要求1所述的方法，其特征在于：
所述车辆包括设定范围内的不同车辆；其中，所述设定范围位于所述数据采集终端的最大采集范围内。
5.根据权利要求1所述的方法，其特征在于，所述根据所述至少一个历史时刻点的车辆数据，预测当前时刻点的车辆的位置信息，包括：
根据所述至少一个历史时刻点中最近的一个历史时刻点的车辆数据，预测当前时刻点的车辆的位置信息；或者，
根据所述至少一个历史时刻点中最近的多个历史时刻点的车辆数据，预测当前时刻点的车辆的位置信息。
6.根据权利要求1所述的方法，其特征在于：
所述车辆数据包括车辆位置信息、车辆速度信息以及时间信息当中的一种或一种以上的组合。
7.一种车辆位置信息预测装置，应用于云端服务器，其特征在于，包括：
获取模块，用于获取数据采集终端上传的至少一个历史时刻点的车辆数据；
预测模块，用于根据所述获取模块获取的至少一个历史时刻点的车辆数据，预测当前时刻点的车辆的位置信息；
发送模块，将所述预测模块预测的当前时刻点的所述车辆的位置信息发送至目标终端。
8.根据权利要求7所述的装置，其特征在于，所述获取模块获取数据采集终端上传的至少一个历史时刻点的车辆数据，包括：
按照预设优先级规则，在不同的数据采集终端中，获取其中一个所述数据采集终端上传的至少一个历史时刻点的车辆数据；或者，
将不同的数据采集终端上传的同一历史时刻点的车辆数据进行融合，获取至少一个历史时刻点对应的经融合后的车辆数据。
9.一种电子设备，其特征在于，包括：
处理器；以及
存储器，其上存储有可执行代码，当所述可执行代码被所述处理器执行时，使所述处理器执行如权利要求1-6中任一项所述的方法。
10.一种非暂时性机器可读存储介质，其上存储有可执行代码，当所述可执行代码被电子设备的处理器执行时，使所述处理器执行如权利要求1-6中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110937892.8A CN113611120A (zh) | 2021-08-16 | 2021-08-16 | 车辆位置信息预测方法、装置及设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110937892.8A CN113611120A (zh) | 2021-08-16 | 2021-08-16 | 车辆位置信息预测方法、装置及设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113611120A true CN113611120A (zh) | 2021-11-05 |
Family
ID=78340826
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110937892.8A Pending CN113611120A (zh) | 2021-08-16 | 2021-08-16 | 车辆位置信息预测方法、装置及设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113611120A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114189801A (zh) * | 2021-12-01 | 2022-03-15 | 深圳市海梁科技有限公司 | 基于uwb的车辆定位预测方法、装置、终端及存储介质 |
| CN117455345A (zh) * | 2023-10-27 | 2024-01-26 | 广东省电子口岸管理有限公司 | 一种物流全流程跟踪可视化方法和系统 |
| CN117670172A (zh) * | 2023-10-27 | 2024-03-08 | 广东省电子口岸管理有限公司 | 一种外贸数据处理方法和系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101398976A (zh) * | 2007-09-28 | 2009-04-01 | 日产自动车株式会社 | 当前位置信息报告系统、信息中心设备及其方法 |
| CN105679071A (zh) * | 2014-12-09 | 2016-06-15 | 现代自动车株式会社 | 终端、与终端通信的车辆及控制车辆的方法 |
| CN108732603A (zh) * | 2017-04-17 | 2018-11-02 | 百度在线网络技术（北京）有限公司 | 用于定位车辆的方法和装置 |
| CN111260950A (zh) * | 2020-01-17 | 2020-06-09 | 清华大学 | 一种基于轨迹预测的轨迹跟踪方法、介质和车载设备 |
| CN111443327A (zh) * | 2019-01-16 | 2020-07-24 | 通用汽车环球科技运作有限责任公司 | 保持车辆位置准确 |
| CN113160571A (zh) * | 2021-06-28 | 2021-07-23 | 智道网联科技(北京)有限公司 | 基于车路协同的多数据源的数据融合处理方法和装置 |
-
2021
- 2021-08-16 CN CN202110937892.8A patent/CN113611120A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101398976A (zh) * | 2007-09-28 | 2009-04-01 | 日产自动车株式会社 | 当前位置信息报告系统、信息中心设备及其方法 |
| CN105679071A (zh) * | 2014-12-09 | 2016-06-15 | 现代自动车株式会社 | 终端、与终端通信的车辆及控制车辆的方法 |
| CN108732603A (zh) * | 2017-04-17 | 2018-11-02 | 百度在线网络技术（北京）有限公司 | 用于定位车辆的方法和装置 |
| CN111443327A (zh) * | 2019-01-16 | 2020-07-24 | 通用汽车环球科技运作有限责任公司 | 保持车辆位置准确 |
| CN111260950A (zh) * | 2020-01-17 | 2020-06-09 | 清华大学 | 一种基于轨迹预测的轨迹跟踪方法、介质和车载设备 |
| CN113160571A (zh) * | 2021-06-28 | 2021-07-23 | 智道网联科技(北京)有限公司 | 基于车路协同的多数据源的数据融合处理方法和装置 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114189801A (zh) * | 2021-12-01 | 2022-03-15 | 深圳市海梁科技有限公司 | 基于uwb的车辆定位预测方法、装置、终端及存储介质 |
| CN117455345A (zh) * | 2023-10-27 | 2024-01-26 | 广东省电子口岸管理有限公司 | 一种物流全流程跟踪可视化方法和系统 |
| CN117670172A (zh) * | 2023-10-27 | 2024-03-08 | 广东省电子口岸管理有限公司 | 一种外贸数据处理方法和系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113611120A (zh) | 车辆位置信息预测方法、装置及设备 | |
| US10810807B2 (en) | Data collection system and data center | |
| WO2019059386A1 (ja) | データ転送経路算出装置およびデータ転送端末 | |
| CN113160571B (zh) | 基于车路协同的多数据源的数据融合处理方法和装置 | |
| US20180322776A1 (en) | Method of providing traffic related information and device, computer program and computer program product | |
| JP2018112838A (ja) | 走行データ収集システム、走行データ収集センタ、車載端末、及びサブ収集装置 | |
| US20210190537A1 (en) | Method and system for generating and updating digital maps | |
| CN111930874A (zh) | 一种数据采集方法及电子设备 | |
| CN114463984B (zh) | 车辆轨迹显示方法及相关设备 | |
| EP3453007A1 (en) | Smart parking management and navigation system | |
| CN111739293A (zh) | 一种数据融合方法及装置 | |
| CN113465615B (zh) | 车道线的生成方法及相关装置 | |
| CN112639404A (zh) | 用于车辆视觉位置确定的位置确定装置 | |
| CN114264310A (zh) | 定位及导航方法、装置、电子设备、计算机存储介质 | |
| CN111754772A (zh) | 交通路况确定方法及电子设备 | |
| US11551456B2 (en) | Enhanced infrastructure | |
| CN114440864B (zh) | 一种汽车定位的方法及装置 | |
| EP3640679B1 (en) | A method for assigning ego vehicle to a lane | |
| CN113256984B (zh) | 基于车路协同的多数据源的数据融合处理方法和装置 | |
| CN113656521A (zh) | 车辆位置信息确定方法及相关装置 | |
| CN113395664B (zh) | 用于高精地图绘制的车辆位置信息确定方法、装置及设备 | |
| US20230319579A1 (en) | Communication resource allocation device, communication resource allocation method, and computer readable medium | |
| US20210366290A1 (en) | Enhanced vehicle operation | |
| US20220139224A1 (en) | Methods and systems for performing correlation-based parking availability estimation | |
| CN116108121A (zh) | 道路信息的采集方法、装置、系统、电子设备及存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20211105 |