CN113711630A - 理解道路标志 - Google Patents

理解道路标志 Download PDF

Info

Publication number
CN113711630A
CN113711630A CN202080026417.9A CN202080026417A CN113711630A CN 113711630 A CN113711630 A CN 113711630A CN 202080026417 A CN202080026417 A CN 202080026417A CN 113711630 A CN113711630 A CN 113711630A
Authority
CN
China
Prior art keywords
area
vehicle
traffic
instructions
road
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
Application number
CN202080026417.9A
Other languages
English (en)
Inventor
E·林德伯格·尼尔森
A·哈格斯特龙
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ningbo Geely Automobile Research and Development Co Ltd
Original Assignee
Ningbo Geely Automobile Research and Development Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Ningbo Geely Automobile Research and Development Co Ltd filed Critical Ningbo Geely Automobile Research and Development Co Ltd
Publication of CN113711630A publication Critical patent/CN113711630A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/09623—Systems involving the acquisition of information from passive traffic signs by means mounted on the vehicle
    • 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
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
    • B60W40/04—Traffic conditions
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W50/08—Interaction between the driver and the control system
    • B60W50/14—Means for informing the driver, warning the driver or prompting a driver intervention
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
    • G06V20/582—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of traffic signs
    • 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
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G08G1/0133—Traffic data processing for classifying traffic situation
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
    • G08G1/0141—Measuring and analyzing of parameters relative to traffic conditions for specific applications for traffic information dissemination
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2552/00—Input parameters relating to infrastructure
    • B60W2552/53—Road markings, e.g. lane marker or crosswalk
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/40—Dynamic objects, e.g. animals, windblown objects
    • B60W2554/404—Characteristics
    • B60W2554/4041—Position
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/40—Dynamic objects, e.g. animals, windblown objects
    • B60W2554/404—Characteristics
    • B60W2554/4046—Behavior, e.g. aggressive or erratic
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2556/00—Input parameters relating to data
    • B60W2556/45—External transmission of data to or from the vehicle

Abstract

一种用于估计第一区域(220)处的交通指令的设备、服务、系统和方法，该方法包括以下步骤：(S1)探测第一区域(220)中或与第一区域(220)的对应交通指令相关联的第二区域(221)中的至少一个车辆(201)和/或车辆使用者(301)的位置和/或移动；(S2)基于该至少一个车辆(201)和/或车辆使用者(301)的探测到的位置和/或移动来确定行为模式；以及，(S3)基于所确定的行为模式估计该第一区域(220)的交通指令。

Description

理解道路标志
技术领域
本公开内容大体上涉及在一个区域处指示交通指令的道路标志的领域。更具体而言，本公开内容涉及预测或估计一个区域处的交通指令。
背景技术
道路标志的目的通常可以是通知或告知车辆使用者一个区域处的交通规则或交通指令。道路标志通常是对在该区域而言有效的指令进行描述的图片，且车辆使用者在考取驾驶执照等时学习道路标志的含义。
理解外国的道路标志的交通指令可能是困难的，且如果道路标志包括使用者不了解的外语文本，那么这将更加困难。在一些情况下，理解道路标志组合的指令可能也是很难的。现有技术的交通标志辅助系统聚焦于翻译在道路标志上识别到的文本，并翻译该道路标志上文本的含义。即使是最先进的交通标志辅助系统，在解释道路标志的指令方面也存在问题，除非使用者或系统理解书写文本所使用的语言。
理解道路标志的组合的交通指令甚至是更困难的。
因此，在车辆驾驶员不熟悉给出的道路标志和指令的区域，需要一种替代方式以通过预测或估计道路标志的交通指令来辅助驾驶员理解交通规则或指令。
发明内容
需要强调的是，当在本说明书中使用时，用语“包括/包括…的”用于表明所描述的特征、整体、步骤、或构件的存在，但不排除一个或更多个其他特征、整体、步骤、构件、或其组合的存在或增加。如在本文中使用的，单数形式“一”、“一个”和“该”也旨在包括复数形式，除非上下文另有清楚的指示。
一般来说，在本文中提到的装置，应理解为实体产品，例如，设备。该实体产品可包括一个或者更多个部件，诸如采用一个或者更多个处理器、一个或者更多个控制器等等的形式的控制电路。
一些实施方式的目的在于，为对一个区域而言有效的交通指令/规则，提供一种替代途径。
一些实施方式的目的在于，提供一种替代方式来理解道路标志上的指令，以理解对一个区域而言有效的交通指令/规则。
根据第一方面，这一目的通过一种用于估计第一区域处的交通指令的方法实现。
该方法包括探测第一区域或与该第一区域的对应交通指令相关联的第二区域中的至少一个车辆和/或车辆使用者的位置和/或移动。
该方法还包括基于探测到的至少一个车辆和/或车辆使用者的位置和/或移动确定行为模式。
该方法还包括基于所确定的行为模式估计第一区域的交通指令。
一些实施方式的优点在于，提供了一种理解第一区域的交通指令的替代方式。
一些实施方式的优点是，可以利用来自具有相同交通指令的不同区域(即第一区域和第二区域)的、来源于人群信息来估计的交通指令。这样做的好处是，如果存在具有对应交通指令的另一区域，那么可以估计出用于具有的移动车辆和/或车辆使用者的量/数量少的区域的交通指令。
一些实施方式的另一优点是，对该区域的交通指令的估计是基于第一区域和/或第二区域中的实际车辆和人员如何移动的，而非对道路标志的解释或翻译。
一些实施方式的又一优点是，甚至是对有着如下道路标志的环境，也提供对交通指令的估计，该道路标志即使在文本本身被解释或翻译成可理解的语言的情况下也未给出任何意义。有一些道路标志是难以理解的，因为它们是本地标志。
一些实施方式的又一优点是提供了一种不取决于对道路标志的文本进行翻译的方法。
对应的交通指令指的是对不同区域(即第一区域和第二区域)有效的、类似或相同的交通指令。第一区域和第二区域之间的关系是，它们具有相对应的交通指令(即使交通指令的实际意义实际上未知)。
根据一个方面，该方法包括在进入该第一区域的另一车辆中接收第一区域的估计交通指令的步骤。这样做的好处是，进入第一区域的车辆使用者获得了与用于第一区域的交通指令有关的信息，而不需要理解第一区域处的道路标志。
根据一个方面，探测步骤包括通过一个或更多个传感器扫描第一区域和/或第二区域。
根据一个方面，扫描的步骤还包括，通过车辆和/或另一车辆的车载传感器和/或安装于第一区域和/或第二区域处的传感器来扫描该第一区域。该方面的一个优点是，持续扫描车辆周围环境的该车辆或另一车辆的传感器(诸如LIDAR和其他传感器)，被用来收集第一区域和/或第二区域处的扫描信息。该方面的又一优点是，位于交叉路口或停车场所的传感器(诸如摄像头)可以被用于收集第一区域和/或第二区域处的扫描信息。根据一个方面，车辆和/或另一车辆的车载传感器经由车辆的连接装置而与云连接，即车载传感器是云连接的传感器。
根据一个方面，第一区域和/或第二区域是停车区域、交叉路口、道路区段、城市或城市的一部分中的一个或更多个。根据一个方面，该区域是与道路标志用于限定交通指令的区域相对应的区域。
根据一个方面，确定步骤包括，在云中分析探测到的至少一个车辆和/或车辆使用者的位置和/或移动。
根据一个方面，估计第一区域的交通指令的步骤包括在云中分析所确定的行为模式的步骤。
在云中确定和分析信息的优点在于，处理大量信息的能力无需在每辆车上进行处理。
根据一个方面，该方法还包括探测道路标志、道路、交通车道、道路上的标记中的一个或更多个，且估计交通指令的步骤S3还基于探测到的一个或更多个道路标志、道路、道路上的交通车道和/或标志。该方面的一个优点是，这些信息为识别该区域的模式提供了更多数据。还有一个优点是，这种估计可以聚焦于交通指令的特定类型，即，如果探测到停车标志的类型，就可以估计出停车指令，如果探测到道路上的交通车道或标志带有箭头，就可以估计出方向指令。通过聚焦于交通指令的特定类型，可以基于确定的行为模式的更少输入来估计该交通指令，且估计出的该交通指令仍然是可靠的。
根据一个方面，探测到的移动包括与时间、日期、车辆和/或车辆使用者的速度、车辆和/或车辆使用者的位置、车辆的数量、车辆的类型、以及车辆和/或车辆使用者的方向中的一个或更多个有关的信息。该方面的一个优点是，这些信息为识别区域的模式提供了更多数据。通过探测车辆和车辆使用者的类型，可以识别出更多的特征且可以估计更多的交通指令。
根据一个方面，该方法还包括在另一车辆中显示第一区域的估计交通指令的步骤。一些方面的优点是，如此，则车辆的驾驶可以根据该区域的估计的交通指令来进行调整，而不需要理解任何道路标志。
根据一个方面，该方法还包括在另一车辆的自主驾驶系统中接收第一区域的估计的交通指令的步骤。
根据一个方面，第一区域的估计的交通指令包括推荐速度、驾驶方向、停车指令、非驾驶方向、最大高度、允许的轮胎类型、最大重量、桥洞、步行街、公共汽车车道、合用车车道、禁止通行区域、收费、超速摄像头、特定车道的特定规则中的一个或更多个的指令，以辅助该另一车辆的使用者或自主驾驶系统遵守第一区域的交通指令。
根据一个方面，该方法还包括识别与第一区域相关联的交通指令的第一指示或指标的步骤。根据一个方面，该与第一区域相关联的交通指令的第一指示或指标是道路标志和/或在第一区域处的道路上和/或道路处的标志中的一个或更多个。第一指标指的是当驾驶车辆时驾驶员可以看到的东西，诸如标志或文本，以便获得该区域的交通指令。根据一个方面，该第一指标是道路标志和/或在第一区域处的道路上和/或道路处的标志的组合。
根据一个方面，该方法还包括识别与第二区域相关联的交通指令的第二指示或指标的步骤。根据一个方面，该方法还包括将与第一区域的相关联的交通指令的第一指示或指标同该与第二区域相关联的交通指令的第二指示或指标进行比较，以确定第一区域和第二区域具有相对应的交通指令。
根据一个方面，该方法还包括通过将与第一区域相关联的交通指令的第一指示或指标同与第二区域相关联的交通指令的第二指示或指标进行比较来识别第二区域的步骤。
根据一个方面，识别第一指示的步骤包括识别一个或更多个道路标志和/或在第一区域处的道路上和/或道路处的标志。
根据一个方面，该方法还包括将第一指示和与第二区域相关联的交通指令的第二指示进行比较，以确定第一指示和第二指示是否指示了相对应的交通指令。
根据一个方面，该区域的扫描包括扫描第一区域和/或第二区域中的停泊车辆、道路、交通车道、人流和交通流中的一个或更多个。该方面的一个优点是，这些信息提供数据以用于训练在识别行为模式的过程中对交通状况和竞争性交通流的建模，以估计第一区域和/或第二区域处的许多不同类型的交通指令的意义。
根据一个方面，探测和/或扫描包括在车辆接近或进入第一区域和/或第二区域时、在车辆经过第一区域和/或第二区域时、以及在车辆已通过第一区域和/或第二区域时进行探测和/或扫描中的任一种。
一些实施方式的优点是，探测和/或扫描提供在第一区域和/或第二区域中的不同时间点和不同位置处的数据，以用于进一步训练交通指令、交通状况和竞争性交通流的建模，并识别(多个)行为模式。
根据一个方面，该方法还包括响应于第一区域和/或第二区域的探测和/或扫描而将探测和/或扫描到的信息的连续流发送到云。
一些方面的优点是，这些连续的信息提供了一个不间断的数据流，以用于更正确地训练第一区域处的交通指令、以及第一区域和/或第二区域的交通状况和竞争性交通流的建模/估计。
根据一个方面，第一区域的估计的交通指令包括推荐速度、驾驶方向、停车指令、非驾驶方向、最大高度、最大重量、桥洞、步行街、公共汽车车道、合用车车道、禁止通行区域、收费、超速摄像头、特定车道的特定规则中的一个或更多个的指令，以辅助车辆使用者遵守第一区域的交通指令。
一些方面的优点是，该另一车辆的驾驶可以适于第一区域的交通指令，并进而遵守该第一区域中的交通指令。
根据一个方面，该方法包括在云中分析道路标志信息，并且其中估计第一区域的交通指令的步骤还基于对该道路标志信息的分析。一些方面的优点是，交通指令的估计可以是来自探测和/或扫描和道路标志的数据的组合，以甚至进一步提高对用于该区域的交通指令的估计的准确性。
第二方面是计算机程序产品，其包括非暂时性计算机可读介质，在非暂时性计算机可读介质上具有包括程序指令的计算机程序。该计算机程序能够加载到数据处理单元中，并且被配置为当由该数据处理单元运行该计算机程序被时，使得执行根据第一方面的方法。
第三方面是用于估计该区域处的交通指令的装置。
该设备包括具有可执行指令的存储器，以及被配置为能够与该存储器通信的一个或更多个处理器。
该一个或更多个处理器被配置为使该设备探测第一区域中或与第一区域的对应交通指令相关联的第二区域中的至少一个车辆和/或车辆使用者的位置和/或移动。
该一个或更多个处理器还被配置为使设备基于探测到的至少一个车辆和/或车辆使用者的位置和/或移动确定行为模式，以及基于该确定的行为模式估计第一区域的交通指令。
一些实施方式和方面的优点在于，提供了理解第一区域中的交通指令的替代方式。
一些实施方式的另一优点在于，对第一区域的交通指令的估计基于实际车辆和人员在第一区域和/或第二区域中是如何移动的。
一些实施方式的又一优点在于，甚至是对有着如下道路标志的第一区域，也提供估计的交通指令，该道路标志即使在文本本身被翻译成可理解的语言的情况下也未给出任何意义。有一些道路标志是难以理解的，因为它们是本地标志。
一些实施方式的又一优点是，提供了不依赖于对道路标志的文本翻译的方式。
根据一个方面，该一个或更多个处理器还被配置为使该设备进一步接收推荐速度、驾驶方向、停车指令、非驾驶方向、最大高度、最大重量、桥洞、步行街、公交车道、合用车车道、禁止通行区域、收费、超速摄像头、特定车道的特定规则，以辅助车辆使用者遵守第一区域的交通指令。
第四方面是一种包括第三方面的设备的车辆。
一些实施方式的优点在于，提供了理解一个区域处的交通指令的替代方式。
第五方面是一种用于对该区域处的交通指令进行估计的云服务。
云服务包括：控制电路，该控制电路被配置为接收探测到的第一区域和/或与第一区域的对应交通指令相关联的第二区域中的至少一个车辆和/或车辆使用者的位置和/或移动；基于探测到的至少一个车辆和/或车辆使用者的位置和/或移动确定行为模式；以及，基于所确定的行为模式估计第一区域的交通指令。一些实施方式的优点在于，提供了一种理解针对一个区域的交通指令的替代方式。
一些实施方式另一优点是，对该区域的交通指令的估计基于实际车辆和人在该区域如何移动，而非基于对道路标志的翻译。
一些实施方式的又一优点是，甚至是对有着如下道路标志的第一区域，也提供估计的交通指令，该道路标志即使在文本本身被翻译成可理解的语言的情况下也未给出任何意义。有一些道路标志是难以理解的，因为它们是本地标志。
一些实施方式的又一优点是，提供了一种不依赖于对道路标志的文本翻译的方式。
根据一个方面，云服务的控制电路还被配置为：将推荐速度、驾驶方向、停车指令、非驾驶方向、最大高度、最大重量、桥洞、步行街、公交车道、合用车车道、禁止通行区域、收费、超速摄像头以及特定车道的特定规则提供至车辆或自动驾驶车辆的使用者，以辅助遵守第一区域的交通指令。
第六方面是用于估计第一区域的交通指令的系统。
该系统包括：被配置为扫描第一区域和/或第二区域的扫描模块；被配置为发送扫描信息的连续流的发射模块；被配置为分析扫描信息的分析模块；被配置为基于对扫描信息的分析来预测第一区域处的交通指令的估计模块；被配置为接收第一区域的估计指令的接收模块；以及，被配置为显示第一区域的估计的交通指令的显示模块。
一些实施方案的优点在于，提供了一种理解第一区域交通指令的替代方式。
一些实施方式的另一优点是，对第一区域的交通指令的估计基于实际车辆和人员在第一区域和/或第二区域中如何移动。
一些实施方式的又一优点是，甚至是对有着如下道路标志的第一区域，也提供估计的交通指令，该道路标志即使在文本本身被翻译成可理解的语言的情况下也未给出任何意义。有一些道路标志是难以理解的，因为它们是本地标志。
一些实施方式的又一优点是，提供了一种不依赖于对道路标志的文本翻译的方式。
根据一个方面，该接收模块还被配置为接收推荐速度、驾驶方向、停车指令和非驾驶方向中的一个或更多个，以辅助车辆的使用者遵守交通规则。
在一些实施方式中，上述方面中的任一者还可以具有与以上针对其他方面中的任意方面所说明的各种特征中的任意特征相同或相应的特征。
附图说明
参考附图，更多目标、特征和优点将会在以下的实施方式的详细说明中变得明显。附图不一定是按比例绘制的，而是着重描绘示例性实施例上。
图1是示出了根据一些实施例和方面的示例性方法步骤的流程图。
图2是示出了根据一个方面的示例性系统的示意概览图；
图3a是示出了根据一个方面的第一区域和第二区域的示例的示意图；
图3b是示出了根据一个方面的第一区域和第二区域的示例的示意图；
图4是示出了根据一个方面的示例性布置的示意性框图；以及
图5是示出了根据一个方面的示例性计算机可读介质的示意图；
图6是示出了根据一些实施例和方面的云服务的示例性步骤的流程图。
具体实施方式
如以上已提到的，需要强调的是，当在本说明书中使用时，用语“包括/包括…的”用于表明所说明的特征、整体、步骤、或构件的存在，但不排除一个或更多个其他特征、整体、步骤、构件、或其组合的存在或增加。如在本文中使用的，单数形式“一”、“一个”和“该”也旨在包括复数形式，除非上下文另有清楚的指示。
下文将参照附图更全面地描述和示例性说明本公开内容的实施方式和方面。然而，本文中公开的解决方案可以以许多不同的形式实现，并且不应被解释为限于本文中阐述的实施方式。
在下文中，将描述提供了解释、预测或估计一个区域的交通指令的替代方式的实施例和方面。此外，将描述一些实施例和方面，其中以替代方式，基于对在该区域中或在具有相同或类似的交通指令的区域中的车辆和人员的移动进行分析，来解释、预测或估计一个区域的交通指令。
图1是示出了根据一个方面的示例性方法步骤的流程图。方法100是用于估计第一区域220处的交通指令的方法。因此，可例如通过图2的用于估计第一区域220交通指令的系统200来执行方法100。估计指的是确定、预测、理解(即试图理解)该区域的规则或交通指令。根据一个方面，第一区域是停车区域、交叉路口、道路区段、城市或城市的一部分中的一个或更多个。根据一个方面，该区域是与道路标志用于定义交通指令所针对的区域相对应的第一区域。根据一个方面，第一区域是与特定交通指令有效的区域相对应的区域。
用于估计区域220的指令的方法100包括以下步骤。
S1探测第一区域220中或与第一区域220的对应交通指令相关联的第二区域221中的至少一个车辆201和/或车辆使用者301的位置和/或移动。根据一个方面，位置指的是第一区域220或第二区域221内的至少一个车辆201的定位或位置，和/或该车辆已处于该位置的时间。根据一个方面，位置指的是第一区域220或第二区域221内的至少车辆使用者301的场所或位置，和/或该使用者已定位在该位置的时间。车辆使用者301指的是以某些方式与车辆相关联的人，其可以是驾驶员或乘客。根据一个方面，移动指的是至少一个车辆201在第一区域220或第二区域221内移动的方向、速度和/或距离。根据一个方面，S1探测包括探测车辆的类型。
第一区域220是应估计其交通指令的区域。第二区域221是另一区域，它具有与第一区域220相同/相似/相对应的交通指令。第二区域221可位于离第一区域221一定距离处，且可远离第一区域221。根据一个方面，第一区域220或第二区域221是停车区域、街区、具有特定半径的地带、街道、城市的一部分或城市。根据一个方面，第一区域220或第二区域221对于不同的交通指令而言是不同的。
根据一个方面，探测S1的步骤包括：S11通过一个或更多个传感器230扫描第一区域220和/或第二区域221。根据一个方面，该扫描S11还包括通过车辆201的车载传感器230和/或安装于第一区域220和/或第二区域221处的传感器230来扫描S11第一区域220。
根据一个方面，车辆201能够进行车辆对云(V2C)通信。V2C技术使该车辆和另一车辆202的信息或通过车辆201获得的信息能够与云系统或云服务401进行交换。这允许另一车辆202通过公共的云系统或云服务来利用来自车辆201的信息，该车辆201也能够进行V2C通信。
车载传感器230可以包括探测器、摄像头、360度雷达、LIDAR、超声波传感器或任何其他与车辆兼容的传感器，用于获得与车辆201附近的环境有关的信息。
此外，车辆201和/或另一车辆202可以包括互联网连接、先进驾驶辅助系统和/或高清晰度地图，以用于更精确的对象探测和定位。
根据一个方面，传感器230是安装于第一区域220和/或第二区域221处的传感器230。根据一个方面，传感器230是云连接的传感器230。根据一个方面，传感器230是固定连接在第一区域220和/或第二区域221处的相机。根据一个方面，传感器230是位于第一区域220和/或第二区域221处的相机，该第一区域220和/或第二区域221是交叉路口和/或停车区域。例如，传感器230可以是在停车区域处的监控相机或在该区域220中的建筑物处的传感器。第一区域和/或第二区域处的传感器230可以包括探测器、相机、360度雷达、超声波传感器或用于获得与第一区域和/或第二区域附近的环境有关的信息的任何其他传感器。
根据一个方面，探测到的移动包括与时间、日期、车辆和/或车辆使用者的速度、车辆和/或车辆使用者的位置、车辆的数量、车辆的类型、以及车辆和/或车辆使用者的方向中的一个或更多个有关的信息。
根据一个方面，探测到的移动包括与车辆的宽度、高度、类型、型号和轮胎类型中的一个或更多个有关的信息。
在步骤S2中，基于探测到的至少一个车辆201和/或车辆使用者301的位置和/或移动来确定S2行为模式。
根据一个方面，可通过大数据分析来执行该确定步骤S2。通常，大数据分析是检查大量且不同的数据集(即大数据)以发现包含隐藏模式、未知相关性、趋势和偏好的信息来做出明智的决策或预测的复杂过程。根据一个方面，在可扩展的云系统或云服务中执行这种大数据分析。
在一个方面，基于探测到的至少一个车辆201和/或车辆使用者301的位置和/或移动来确定行为模式的步骤S2，通过软件工程中的软件分析模式确定，该模式是概念模型，它体现了建模中经常遇到的情况的抽象概念。一个行为模式可以表示为一组相关的通用对象(例如元类)，这些对象具有典型属性(如数据定义)、行为(如方法签名)，以及以域中立的方式定义的预期的相互作用。通过确定和分析探测到的信息中的行为模式，可以识别模式，并基于识别的模式来估计交通指令。
根据一个方面，车辆的位置指的是车辆201之间的相对位置。根据一个方面，车辆的位置指的是车辆在道路上的位置。根据一个方面，车辆的位置指的是车辆在停车点或停车区域的位置。根据一个方面，车辆的类型是车辆的大小。通过了解车辆的大小，可以将车辆的类型识别为自行车、摩托车、汽车、公共汽车、轻便摩托车、雪地车和/或卡车。根据一个方面，车辆的类型是诸如出租车、救护车、警车、邮政车辆或货运车辆等车辆功能。第二区域221用于探测针对交通指令的更多移动，使得有更多数据能够用于该确定步骤S2。通过具有更多可用数据，行为数据的确定S2可以更加精确，且还可以对尚未探测到足够数据以确定行为模式的区域(即第一区域220)确定行为数据。
在步骤S3中，基于在步骤S2中确定的、已确定的行为模式估计第一区域220的交通指令。
在步骤S4中，在另一车辆202中接收第一区域220的估计的交通指令。根据一个方面，可通过接收电路来执行该接收，该接收电路被配置为用于包含在该另一车辆中的V2C。根据一个方面，当另一车辆202进入或接近第一区域220时，该另一车辆202接收第一区域220的交通指令，使得该另一车辆202的自主驾驶系统或驾驶员获得/接收估计的交通指令的信息并且能够遵守它们。根据一个方面，该车辆201位于第一区域220或第二区域221中并探测移动的车辆。根据一个方面，该另一车辆202是应使用估计的交通指令的车辆。根据一个方面，该另一车辆202是车辆201。
在一些实施例和方面中，用于估计区域的指令的方法100还包括以下步骤。
根据一个方面，该确定步骤S2包括：S21在云401中分析至少一个车辆201和/或车辆使用者301的探测到的位置和/或移动。通过在云401中分析信息，可以有效地方式收集和分析信息，且各辆车不需要具有进行分析的数据能力。
根据一个方面，估计第一区域220的交通指令的步骤S3包括在云401中分析所确定的行为模式的步骤S31。通过在云401中分析信息，可以有效地方式收集和分析信息，且各车辆不需要具有进行分析的数据能力。
根据一个方面，该车辆201是定位在第一区域220或第二区域221中且探测移动的车辆。根据一个方面，该另一车辆202是应使用估计的交通指令的车辆。
在一些实施例和方面中，用于估计区域的指令的方法100还包括以下步骤。
探测S5道路标志、道路、交通车道、道路上的标记中的一个或更多个，并且估计交通指令的步骤S3还基于探测到的一个或更多个道路标志、道路、道路上的交通车道和/或标志。当该估计S3交通指令时，探测到的额外信息被用作进一步的输入。这可以减少用于估计的时间或所需的数据能力。例如，如果道路标志被识别为与停车指令有关的东西，则该估计S3可以将这一估计聚焦于静止在第一区域和/或第二区域中的车辆和正在去往或离开他们车辆的车辆使用者。在另一例子中，如果道路标志被识别为与车辆可以如何移动的指示有关，则该估计S3可以聚焦于移动车辆的行为模式。
道路标志的信息可以用作该区域处的指令的分析中的输入。如果道路标志被识别为与该区域的停车信息相关的交通信息，则估计的步骤S3就可以开始，并聚焦于车辆何时在该区域静止停放以及停放多久，且针对车辆在该区域的速度和方向花费更少的分析能力。然而，如果路标被识别为是与允许车辆行驶的速度和方向相关的交通信息，则该估计S3可以开始，并聚焦于第一区域220和/或第二区域221中的车辆的速度和方向，且针对在第一区域220和/或第二区域221中静止停放的车辆花费更少的分析能力。这可以使该估计S3更高效。这也可以用在区域220，其中对于区域220，云401尚未收到足够信息以对第一区域220和/或第二区域221进行完整分析。
根据一个方面，方法100包括在另一车辆202中显示第一区域220的估计的交通指令的又一步骤S6。
根据一个方面，方法100包括在另一车辆202的自主驾驶系统中接收第一区域220的估计的交通指令的又一步骤S7。
根据一个方面，第一区域220的估计的交通指令包括推荐速度、驾驶方向、停车指令、非驾驶方向、允许的轮胎类型、最大高度、最大重量、桥洞、步行街、自主驾驶车辆的车道、公共汽车车道、合用车车道、禁止通行区域、收费、超速相机、特定车道的特定规则中的一个或更多个的指令，以辅助车辆使用者或自主驾驶系统遵守第一区域220的交通指令。
根据一个方面，方法100包括识别与第一区域220相关联的交通指令的第一指示/指标的又一步骤S8。根据一个方面，识别第一指示的步骤S8包括识别一个或更多个道路标志和/或在第一区域220处的道路上和/或道路处的标志。
根据一个方面，方法100包括将第一指示和与第二区域221相关联的交通指令的第二指示进行比较的又一步骤S9，以确定S10第一指示和第二指示是否指示了相对应的交通指令。根据一个方面，该第一指示是一个或更多个道路标志和/或在第一区域220处的道路上和/或道路处的标志。根据一个方面，该第二指示是一个或更多个道路标志和/或在第二区域221处的道路上和/或道路处的标志。
根据一个方面，响应于区域的探测的步骤S2，将至少一个车辆201和/或车辆使用者301的探测到的位置和/或移动的连续流发送至云401。探测到的信息的连续流可形成待由云服务进行分析的大数据的一部分。
根据一个方面，显示步骤S6通过在仪表板、平视显示器或车辆中的人机界面上显示交通指令来完成。
根据一个方面，对车辆使用者的移动和/或位置的探测S1包括探测第一区域220和/或第二区域221中的行人流的信息。
在一个方面，通过区域220的车辆201和/或另一车辆202的车载传感器230扫描第一区域220的步骤S11包括，在车辆201和/或另一车辆接近或进入第一区域220时、在车辆行进通过第一区域220时、以及在车辆离开第一区域220时进行扫描这几种方式中的任何一种。
根据一个方面，交通指令的一个例子可以是：在工作日的8点到20点允许在道路上停车且有停车费。交通指令的另一例子是：速度限制为80km/h且周末不允许停车。
根据一个方面，道路的第一区域220和/或第二区域221的行为模式是，道路上车辆的平均速度为83km/h，且基于此的一个估计可以是，该道路的交通指令(第一区域220和/或第二区域221的交通指令)是第一区域220中的速度限制为80km/h。
根据一个方面，停车场所的第一区域220的行为模式是：停在一个区域的车辆从停车到锁车的平均时间超过3分钟，且几乎没有车辆静止超过2小时。对该区域220中停车场所的交通指令的估计基于这一模式，并且可能是：允许停车的时间为2h并有停车费。
根据一个方面，一个行为模式是：在周末几乎只有出租车在第一区域220和/或第二区域221中行驶。基于该行为模式的对第一区域220或第二区域221的交通指令的估计可能是：周末只允许出租车在该道路上。
根据一个方面，估计的交通指令是在道路标志305上披露的或可能披露的任何指令。
图2是示出了根据一些方面和实施例的示例性系统的示意性概览图。系统200用于估计第一区域220处的交通指令。因此，系统200可以例如用于为图3a的环境300a的第一区域220和/或为图3b的环境300b的第一区域220。
车辆201包括用于估计第一区域220的交通指令的设备。该设备包括具有可执行的指令的存储器，其中，一个或更多个处理器被配置为与该存储器通信。
该一个或更多个处理器被配置为用于使该设备：S1探测第一区域220中或与第一区域220的对应交通指令相关联的第二区域221中的至少一个车辆201和/或车辆使用者301的位置和/或移动。
该一个或更多个处理器还被配置为使该设备：S2基于探测到的至少一个车辆201和/或车辆使用者301的位置和/或移动来确定行为模式。
该一个或更多个处理器还被配置为使该设备：S3基于所确定的行为模式估计第一区域220的交通指令。
车辆201使用车载传感器来扫描(即探测)车辆201附近的环境，例如车道标记、其他车道或同一车道上的其他车辆、行人、骑自行车的人、道路标志305、交叉路口、交通信号灯及其当前状态，该车载传感器可包括例如探测器、相机、360度雷达、LIDAR、超声波传感器或任何其他车辆兼容的传感器，这些传感器用于获取关于车辆附近的环境的信息。
根据一个方面，车辆201包括云连接或互联网连接、先进驾驶辅助系统和高清晰度地图，以用于更精确的对象探测和定位。
根据一个方面，如上所述，车辆201将通过车载传感器获得的第一区域220或第二区域221中的至少一个车辆201和/或车辆使用者301的探测到的位置和/或移动的连续流发送到云401，以用于确定和估计。
安装于该区域处的传感器230扫描(即探测)第一区域220和/或第二区域221附近的环境，例如，车道标记、不同车道上的车辆、行人、骑自行车的人、道路标志305、交叉路口、交通信号灯和它们的当前状态。传感器230可以包括例如探测器、相机、360度雷达、超声波传感器或任何其他兼容的传感器，这些传感器用于获取与该区域附近的环境有关的信息。
第一区域220和/或第二区域221处的传感器230可以将通过如上所述的传感器获得的连续信息流发送到云401，以用于确定和估计。
根据一个方面，云401包括至少一个云数据库404和/或至少一个服务器数据库403，它们通常是在云计算平台上运行的数据库，并且对其的访问是作为服务来提供的。数据库服务可以提供数据库的可扩展性和高可用性。云401可以被包含在一个单独的云服务401或者多个相关联的云服务401中。
在云401中，机器学习算法创建能够基于输入参数估计用于该区域的交通指令(例如指令)的模型，其中输入参数即，在第一区域220或第二区域221中探测到的至少一个车辆201和/或车辆使用者301的位置和/或运动，诸如在哪探测到与车辆201有关的其他车辆以及有多少其他车辆、哪些车辆目前正在行驶以及这些车辆以何种速度和方向行驶、道路标志、车辆类型、停车和锁车之间的时间、一天中的时间、人行横道上(正在等待或行走)的行人以及有多少行人，等等。
然后，云401可向接近或进入第一区域220的车辆201或另一车辆202提供第一区域220的估计的交通指令，从而使得该另一车辆202能够调整以遵守第一区域220的交通指令。根据一个方面，该交通指令可以是道路标志披露的任何交通指令。根据一个方面，该指令是速度限制、驾驶方向、停车指令、非驾驶方向、最大高度、最大重量、桥洞、最大停车时间、环境地带、允许的轮胎类型、步行街、公交车道、合用车车道、禁止通行区域、收费、超速相机、特定车道的特定规则中的一个或更多个，以便辅助车辆使用者遵守交通规则。根据一个方面，该指令可以是对第一区域220有效且可以通过分析第一区域220或第二区域221中的至少一个车辆201和/或车辆使用者301的位置和/或移动来识别的任何指令。
云401接收从车辆201的车载传感器和/或从在第一区域220和/或第二区域221处的传感器230获得的、探测到的环境(例如第一区域220和/或第二区域221)的信息206的连续流。
响应于接收探测到的位置和/或移动的信息流，云401分析这些扫描信息。云401基于第一区域220和/或第二区域221中的探测到的信息的、被确定的行为模式，来预测/估计第一区域220的交通指令。云401可以基于从车辆201获取的扫描信息及从由其他车辆获得的扫描信息中获取的扫描信息，来预测第一区域220的交通指令，其中，扫描信息可以被包含于数据库403、404中。云401可以基于从探测信息的一个或更多个传感器230获得的扫描信息，来预测区域220的交通指令。云401可以基于从车辆201获得的探测到的信息以及从由其他车辆和安装于区域处的传感器230所获得的扫描信息中获得的探测到的信息，来估计第一区域220的交通指令，其中，扫描信息可以包含在数据库403、404中。根据一个方面，如在图3a和3b中所公开的，云401将包括区域220的估计的交通指令的信息流发送到另一车辆202。
更具体而言，根据一个方面，信息的确定是通过机器学习算法来执行，该算法创建了第一区域220和第二区域221的模型，只要有新的信息可用，该模型就会得到持续地改进，即训练。
在该模型被完全训练好之前，可以使用更初级的模型。其一个例子可以是：该方法能够基于识别已知道路标志与来自车辆201和/或安装于第一区域220和/或第二区域221处的云连接的传感器230的输入的组合，来估计交通指令。在这一例子中，初级模型是仅假设在有停车标志的区域可以停车，尽管在该标志上有还无法预测的其他信息的情况下这可能导致错误。例如，这一信息可被用来为其他云连接车辆粗略地估计推荐车辆速度，以及在何处停放车辆，等等。然而，因为除了来自第一区域220的信息之外，该模型还基于来自第二区域221的信息，因而减少了针对第一区域220的完全训练模型的时间。
该方法在另一车辆202正接近或进入第一区域220时，向其提供第一区域220的估计的交通指令。
在一些实施例中，另一车辆202还可以接收推荐速度、驾驶方向、停车指令、非驾驶方向、最大高度、最大重量、桥洞、步行街、公交车道、HOV(拼车)车道、禁止通行区域、收费、超速相机、特定车道的特定规则，以辅助另一车辆202的使用者或辅助另一车辆202的自主驾驶系统遵守交通规则。
在一些实施例中，该另一车辆202还可以显示预测的指令，以辅助该另一车辆202在具有该一个或更多个道路标志305的第一区域处遵守交通规则。
图3a是示出了根据一些实施例的示例性环境的示意图。举例来说，图2中示出的道路标志指令预测系统200可以用于图3a的环境300a。
图3a示出了两种环境(即第一区域220或第二区域221)，它们包括在道路上朝第一区域220或第二区域221行驶的多个车辆201，第一区域220或第二区域221具有传感器230及道路标志305。在该示例中，这两种环境各自包括经过停车区域的道路。第一区域220或第二区域221不需要完全相同，但是，第一区域220的交通指令中的一些应当与第二区域221的交通指令中的一些相同。在图3a的两种环境中，与如何以及何时允许在第一区域220中的停车地段停车有关的交通指令和与如何以及何时允许在第二区域221中的停车地段停车有关的交通指令是相同的。根据一个方面，可以通过相同的停车标志305来识别与停车有关的对应的交通指令。
正在接近或进入第一区域220的另一车辆202接收或获得对第一区域220的交通指令的估计。根据一个方面，该指令是对于哪里允许停车以及哪里不允许停车的估计的交通指令。根据一个方面，这可以基于不同车辆在何处静止停放以及它们静止停放多久进行估计。
根据一个方面，该估计的指令包括是否有任何停车费用的指令，从而使得另一车辆202不会违反第一区域的停车规则。根据一个方面，这可以基于车辆从停止到锁定的时间进行预测，即，车辆的使用者需要时间走到停车计量表、支付费用并走回来。根据一个方面，这可以基于车辆是否使用停车费应用来进行估计。
根据一个方面，该估计的指令包括允许在停车区域/地段中(即在第一区域220中)停放多长时间的指令。根据一个方面，该估计的指令包括在一周的哪几天允许停车的指令。根据一个方面，这可以基于不同的车辆何时静止停放、静止停放多长时间以及一周和一月中的不同日子之间的模式是否存在差异，来进行估计。
根据一个方面，该估计的指令包括在汽车中是否需要特殊的贴纸或信息以满足规则的指令。另一车辆202还被配置为显示接收到的估计的指令，从而使得该另一车辆202的使用者可以看到该交通指令。
根据一个方面，该另一车辆202还被配置为将接收到的估计的指令输入到该另一车辆202的驾驶辅助系统。
根据第一区域的交通指令和存在于第一区域处的道路标志，一个或更多个道路标志的估计的指令也可以包括停车指令和交通指令的混合。
图3b是示出了根据一些实施例的示例性环境的示意图。例如，图2中示出的道路标志指令估计系统200可以用于图3b的环境300b。
图3b示出了两种环境(即第一区域220或第二区域221)，这两种环境包括行驶朝向/穿过/离开所述环境(即第一区域220或第二区域221)的多个车辆201，其中带有沿不同方向的一个或更多个道路标志305。在该示例中，第一区域220或第二区域221包括两条道路的交叉路口。第一区域220不需要与第二区域221完全相同，但是，第一区域220的交通指令中的一些应当与第二区域221的交通指令中的一些相同。在所示出的环境中，与如何允许在交叉路口转弯有关的交通指令在第一区域220和第二区域221中是相同的。根据一个方面，对应的交通指令可以通过相同的道路标志305位于交叉路口处和/或相同的标记305位于道路中进行识别。与在两个区域220、221中都不相同的交通指令有关的、来自第一区域220或第二区域221的信息，可以在估计具有相同交通指令的其他区域中的交通指令时被用作输入。第一区域220或第二区域221包括安装于第一区域220或第二区域221处的两个传感器230。传感器230可以安装于该区域处的灯柱、停车计量表、道路标志或建筑物上。
当车辆201接近包括交叉路口的第一区域220或第二区域221时，车辆201扫描(即监测)各个方向的交通信号灯的状态，感测或近似计算与交叉路口相关的附近处的其他车辆的数量、感测车辆的速度和方向、感测车辆的类型、以及感测道路旁边或穿越道路的任何行人，包括他们的位置。
交叉路口的第一区域220或第二区域221处的(多个)传感器230也扫描(即监测)各自的区域220、221、各个方向的交通信号灯的状态、感测或近似计算与交叉路口相关的附近处的其他车辆的数量、感测车辆的速度和方向、感测车辆的类型以及感测道路旁边或穿越道路的任何行人，包括他们的位置。
此外，安装于该区域的车辆201和/或传感器230可以感测道路上或道路标志305上的图片和/或文本，其指示例如车道方向，或者可以感测在一个或更多个道路标志处用于对该区域处的交通模式进行建模的任何其他相关标志，例如让行标志(诸如红灯时可以转弯)。
根据一个方面，车辆201将探测到的信息持续发送到云401。车辆201可以替代地在具体确定的时间点或以规律的时间间隔(例如每5秒)将扫描信息发送到云401。
根据一个方面，云连接的传感器230持续地将扫描信息发送到云401。传感器230可以替代地在具体确定的时间点或以规律的时间间隔(例如每5秒)将扫描信息发送到云401。
当车辆201到达带有道路标志305的交叉路口时，以及当行驶穿过第一区域220或第二区域221时，车辆201持续感测或近似计算出其他车辆的数量和它们在该交叉路口的位置以及行驶穿过该区域的其他车辆(包括它们的位置、方向和车辆速度)。同时，车辆201周围所有可见的道路标志305和交通信号灯都被感测到。
此外，车辆201识别道路旁边的行人或穿越道路的行人(包括他们的位置)。
当车辆201离开该区域时，车辆201感测接近的车辆(即，即将进入该区域的车辆)的数量、感测车辆后方的交通流(例如，使用面向后方的视觉传感器)。
根据一个方面，车辆201持续将扫描信息发送到云401，直到例如交叉路口后200米或直到视线尽头。
正在接近或进入第一区域220的另一车辆202接收或获得例如来自云401的第一区域220的估计的交通指令，另一车辆202遵循该估计的交通指令使得该另一车辆202在第一区域220处遵守交通规则。根据一个方面，另一车辆202被配置为在该另一车辆中显示接收到的估计的交通指令，使得另一车辆202的使用者在第一区域220处获取交通规则并可以遵守交通规则。根据一个方面，另一车辆221还被配置为将收到的估计的交通指令用作对另一车辆202的自主驾驶系统或导航系统的输入，从而使得另一车辆202在第一区域220处遵循交通规则。
根据一个方面，估计的交通指令包括主要道路和十字路口上的速度限制。根据一个方面，这可以基于不同车辆的速度进行估计。
根据一个方面，估计的指令包括允许驶入的交叉路口中的那些道路的信息。例如，这可以基于交通流量和车辆是否进入不同的道路进行预测或估计。
根据一个方面，估计的指令包括何时以及何地允许停留以及允许停留多长时间的信息。
根据一个方面，估计的指令包括车道是出租车车道或用于特定类型车辆的车道的信息。根据一个方面，这基于仅特定类型的车辆在特定车道上行驶的模式。
根据一个方面，用于交叉路口区域的不同指令基于已经过该交叉路口的车辆的模式。
根据一个方面，第一区域220是连续的第一区域220。根据一个方面，第一区域220是围绕另一车辆202的连续的第一区域220。
图4是示出了根据一些方面的示例性装置的示意框图。该示例装置是模式探测装置410，其用于探测第一区域220或第二区域221的交通流行为的模式，以估计第一区域220的交通指令。
模式探测装置410包括控制电路CNTR 400，该控制电路可转而包括：被配置为扫描或监测第一区域220或第二区域221的扫描装置SCAN 406(例如扫描电路)、被配置为分析扫描信息的分析装置ANLS402(例如分析电路)、被配置为估计该区域的指令的估计装置PRED403(例如估计电路)、被配置为接收该区域上的估计指令的接收装置REC 404(例如接收电路)、以及被配置为显示接收到的估计指令的显示装置DSPL 405(例如显示电路)。
该模式探测装置410可以被包含于结合图2描述的模式探测系统200中，和/或，该模式探测装置410可以被配置为执行结合图1所描述的方法中的任一者的方法步骤。
图5是示出了根据一些方面的示例性计算机可读介质的示意图。计算机程序产品包括非暂时性计算机可读介质500，在其上具有包含程序指令的计算机程序510，其中，该计算机程序能够加载到数据处理单元中，并且被配置为使得执行结合图1说明的方法中的任一者的方法步骤。
根据一些实施例，计算机程序产品包括计算机可读介质，诸如例如通用串行总线(USB)、存储器、插入式卡片、嵌入式驱动器或者只读存储器(ROM)。图5示出了采用光盘(CD)ROM 500形式的示例性计算机可读介质。该计算机可读介质在其上储存有包括程序指令的计算机程序。该计算机程序能够被加载到数据处理器(PROC)520中，数据处理器例如可以被包含在设备或车辆201、202中。当该计算机程序被加载到数据处理单元中时，该计算机程序可以被存储于与数据处理单元相关的存储器(MEM)530中或被包含在数据处理单元中的存储器(MEM)530中。根据一个方面，当该计算机程序被载入数据处理单元中并由其运行时，使得执行根据在图1中示出或者在本文中以其他方式描述的方法中的任一者的方法步骤。
根据一个方面，并且如图6所公开的，用于估计第一区域220的交通指令的云服务401包括控制电路，该控制电路被配置为：S100接收探测S1到的、第一区域220和/或与对应于第一区域220的交通指令相关联的第二区域221中的至少一个车辆201和/或车辆使用者301的位置和/或移动；S2基于探测到的至少一个车辆201和/或车辆使用者301的位置和/或移动来确定行为模式；以及，S3基于所确定的行为模式估计第一区域220的交通指令。根据一个方面，云服务的控制电路还被配置为：S101将推荐速度、驾驶方向、停车指令、非驾驶方向、最大高度、最大重量、桥洞、步行街、公交车道、合用车车道、禁止通行区域、收费、超速摄像头以及特定车道的特定规则提供给车辆的使用者或自动驾驶车辆，以辅助遵守第一区域220的交通指令。
一般来说，在本文中提到的装置，应理解为实体产品，例如，设备。该实体产品可包括一个或者更多个部件，诸如采用一个或者更多个处理器、一个或者更多个控制器等形式的控制电路。
所描述的实施例和方面以及它们的等同物可在软件、硬件或它们的组合中实现。可以由通用型电路执行这些实施例。通用型电路的例子包括数字信号处理器(DSP)、中央处理单元(CPU)、协处理器单元、现场可编程门阵列(FPGA)和其他可编程硬件。替代地或者额外地，实施例还可以由专用电路执行，诸如专用集成电路(ASIC)执行。例如，通用型电路和/或专用电路可以与诸如车辆的设备相关联，或者被包含于其中。
实施例和方面可以在包括根据在本文中描述的实施例中的任一者的装置、电路、和/或逻辑的(与车辆相关或者被包含在其中的)电子设备内实现。替代地或者额外地，(与车辆相关或者被包含在其中的)电子设备可被配置为执行根据在本文中描述的实施例中的任一者的方法。
一般来说，在本文中使用的所有术语，可以根据它们在相关技术领域中的通常含义进行解释，除非在使用术语的上下文中清楚地给出和/或暗示了不同的含义。
在本文中参考了各种实施例。然而，本领域技术人员将认识到，对所描述的实施例的许多变形仍落入权利要求范围内，。
例如，本文中描述的方法实施例通过按一定顺序执行多个步骤的方式公开了示例性方法。然而，应当认识到的是，这些事件的次序可以以另一顺序发生，而不脱离权利要求的范围。而且，一些方法步骤可以并行执行，即使它们已被描述为依次执行。因此，本文中公开的任何方法的步骤，并不必须按照公开的确切顺序来执行，除非一个步骤被明确地描述为在另一个步骤之后或之前执行，和/或其中暗示了一个步骤必须在另一个步骤之后或之前执行。
以相同的方式，应当注意的是，在实施例和方面的描述中，将功能块划分成特定单元绝不旨在表示限制。相反地，这些划分只是示例性的。本文中描述为一个单元的功能块，可以被划分为两个或更多个单元。而且，本文中描述为作为两个或更多个单元实现的功能块可以合并成更少的(例如单个)单元。
只要合适，那么本文中公开的实施例中的任一者的任何特征可以适用于任何其他实施例。同样地，实施例中的任一者的任何优点可适用于任何其他实施例，并且反之亦然。
因此，应当理解的是，所描述的实施例的细节仅仅是为了描绘的目的而提出的例子，并且旨在将落入权利要求范围内的所有变形包含于此。

Claims (20)

1.一种用于估计第一区域(220)处的交通指令的方法(100)，所述方法包括以下步骤：
-(S1)探测第一区域(220)中或与第一区域(220)的对应交通指令相关联的第二区域(221)中的至少一个车辆(201)和/或车辆使用者(301)的位置和/或移动；
-(S2)基于探测到的所述至少一个车辆(201)和/或车辆使用者(301)的位置和/或移动确定行为模式；以及
-(S3)基于所确定的行为模式估计所述第一区域(220)的交通指令。
2.根据权利要求1所述的方法(100)，其中，所述方法还包括以下步骤：
(S4)在进入所述第一区域(220)的另一车辆(202)中接收所述第一区域(220)的估计的交通指令。
3.根据权利要求1或2所述的方法(100)，其中，所述探测步骤(S1)包括：
(S11)通过一个或更多个传感器(230)扫描所述第一区域(220)和/或所述第二区域(221)。
4.根据权利要求2和3所述的方法(100)，其中，所述扫描(S11)还包括：
通过所述车辆(201)和/或所述另一车辆(202)的车载传感器(230)和/或安装于所述第一区域(220)和/或所述第二区域(221)处的传感器(230)来扫描(S11)所述第一区域(220)。
5.根据前述权利要求中任一项所述的方法(100)，其中，所述确定步骤(S2)包括：
(S21)在云(401)中分析所述至少一个车辆(201)和/或车辆使用者(301)的探测到的位置和/或移动。
6.根据前述权利要求中任一项所述的方法(100)，其中，估计所述第一区域(220)的交通指令的步骤(S3)包括在所述云(401)中分析所确定的行为模式的步骤(S31)。
7.根据前述权利要求中任一项所述的方法(100)，其中，所述方法还包括：
(S5)探测道路标志(305)、道路、交通车道(305)、在所述道路(305)上的标记中的一个或更多个；以及
估计所述交通指令的步骤(S3)还基于探测到的一个或更多个道路标志、道路、交通车道和/或在所述道路上的标志。
8.根据前述权利要求中任一项所述的方法(100)，其中，探测到的移动包括与时间、日期、车辆和/或车辆使用者的速度、车辆和/或车辆使用者的位置、车辆的数量、车辆的类型、以及车辆和/或车辆使用者的方向中的一个或更多个有关的信息。
9.根据前述权利要求中任一项所述的方法(100)，其中，所述方法还包括以下步骤：
(S6)在所述另一车辆(202)中显示所述第一区域(220)的估计的交通指令。
10.根据前述权利要求中任一项所述的方法(100)，其中，所述方法还包括以下步骤：
(S7)在所述另一车辆(202)的自动驾驶系统中接收所述第一区域(220)的估计的交通指令。
11.根据前述权利要求中任一项所述的方法(100)，其中，所述第一区域(220)的估计的交通指令包括推荐速度、驾驶方向、停车指令、非驾驶方向、最大高度、允许的轮胎类型、最大重量、桥洞、步行街、公共汽车车道、合用车车道、禁行区域、收费、超速相机、特定车道的特定规则中的一个或更多个指令，以辅助所述车辆使用者或所述自动驾驶系统遵守所述第一区域(220)的交通指令。
12.根据前述权利要求中任一项所述的方法(100)，其中，所述方法还包括以下步骤：
(S8)识别与所述第一区域(220)相关联的交通指令的第一指示/指标(305)。
13.根据权利要求12所述的方法(100)，其中，识别所述第一指示(305)的步骤(S8)包括：
识别一个或更多个道路标志(305)和/或在所述第一区域(220)处的道路上和/或道路处的标志(305)。
14.根据权利要求12或13所述的方法(100)，其中，所述方法还包括以下步骤：
(S9)将所述第一指示(305)和与所述第二区域(221)相关联的交通指令的第二指示(305)进行比较，以确定所述第一指示和所述第二指示是否是对应交通指令的指示。
15.一种计算机程序产品，所述计算机程序产品包括非暂时性计算机可读介质(500)，在非暂时性计算机可读介质(500)上具有包含程序指令的计算机程序(510)，所述计算机程序能够被加载到数据处理单元中，并被配置为由所述数据处理单元运行所述计算机程序时，使得执行根据权利要求1至14中任一项所述的方法。
16.一种用于估计第一区域(220)处的交通指令的设备，所述设备包括：
包括可执行的指令的存储器和一个或更多个处理器，所述一个或更多个处理器被配置为能够与所述存储器通信，其中，所述一个或更多个处理器被配置为使得所述设备：
-(S1)探测所述第一区域(220)中或与所述第一区域(220)的对应交通指令相关联的第二区域(221)中的至少一个车辆(201)和/或车辆使用者(301)的位置和/或移动，
-(S2)基于探测到的所述至少一个车辆(201)和/或车辆使用者(301)的位置和/或移动确定行为模式，以及
-(S3)基于所确定的行为模式估计所述第一区域(220)的交通指令。
17.根据权利要求16所述的设备，其中，所述一个或更多个处理器还被配置为使得该设备进一步接收(S4)推荐速度、驾驶方向、停车指令、非驾驶方向、最大高度、最大重量、桥洞、步行街、公交车道、合用车车道、禁行区域、收费、超速相机、特定车道的特定规则，以辅助另一车辆的使用者遵守所述第一区域(220)的交通指令。
18.一种车辆(201、202)，所述车辆(201、202)包括根据权利要求16或17所述的设备。
19.一种用于估计第一区域的交通指令的云服务(401)，其中，所述云服务包括控制电路，所述控制电路被配置为：
-(S100)接收所述第一区域(220)中或与所述第一区域(220)的对应交通指令相关联的第二区域(221)中的至少一个车辆(201)和/或车辆使用者(301)的被探测(S1)到的位置和/或移动，
-(S2)基于探测到的所述至少一个车辆(201)和/或车辆使用者(301)的位置和/或移动确定行为模式，以及
-(S3)基于所确定的行为模式估计所述第一区域(220)的交通指令。
20.根据权利要求19所述的云服务(401)，其特征在于，所述云服务的所述控制电路还被配置为：
(S101)将推荐速度、驾驶方向、停车指令、非驾驶方向、最大高度、最大重量、桥洞、步行街、公交车道、合用车车道、禁行区域、收费、超速相机以及特定车道的特定规则，提供至车辆使用者或自动驾驶车辆，以辅助遵守所述第一区域(220)的交通指令。
CN202080026417.9A 2019-04-08 2020-04-03 理解道路标志 Pending CN113711630A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
EP19167811.9A EP3723063A1 (en) 2019-04-08 2019-04-08 Understanding road signs
EP19167811.9 2019-04-08
PCT/CN2020/083238 WO2020207350A1 (en) 2019-04-08 2020-04-03 Understanding road signs

Publications (1)

Publication Number Publication Date
CN113711630A true CN113711630A (zh) 2021-11-26

Family

ID=66102494

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202080026417.9A Pending CN113711630A (zh) 2019-04-08 2020-04-03 理解道路标志

Country Status (4)

Country Link
US (1) US20220028257A1 (zh)
EP (1) EP3723063A1 (zh)
CN (1) CN113711630A (zh)
WO (1) WO2020207350A1 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112581758A (zh) * 2020-12-07 2021-03-30 北京交通大学 一种检测道路路标的方法和系统

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8452771B2 (en) * 2011-01-03 2013-05-28 Honda Motor Co., Ltd. Method for differentiating traffic data obtained from probe vehicles
US8880237B2 (en) * 2013-01-04 2014-11-04 International Business Machines Corporation Intelligent road signs
US9786161B2 (en) * 2013-04-01 2017-10-10 Qatar University Qstp-B Methods and systems for estimating road traffic
EP3114574A4 (en) * 2014-03-03 2018-03-07 Inrix, Inc. Traffic obstruction detection
JP6361567B2 (ja) * 2015-04-27 2018-07-25 トヨタ自動車株式会社 自動運転車両システム
US9747506B2 (en) * 2015-10-21 2017-08-29 Ford Global Technologies, Llc Perception-based speed limit estimation and learning
CN105513378A (zh) * 2015-12-21 2016-04-20 宇龙计算机通信科技(深圳)有限公司 一种车联网的方法、装置及系统
DE102016201249A1 (de) * 2016-01-28 2017-08-03 Conti Temic Microelectronic Gmbh Vorrichtung und verfahren zur ermittlung eines fahrbahnmodells
DE102016000970A1 (de) * 2016-01-29 2017-08-03 Audi Ag Verfahren zum Betreiben einer Detektionsvorrichtung eines Kraftfahrzeugs
US10032374B2 (en) * 2016-07-14 2018-07-24 Toyota Motor Engineering & Manufacturing North America Inc. Vehicle systems and methods for presenting penetration metric information on a route
US20180130349A1 (en) * 2016-11-09 2018-05-10 GM Global Technology Operations LLC Methods and systems for displaying virtual signs based on vehicle to everything communications
RU2664034C1 (ru) * 2017-04-05 2018-08-14 Общество С Ограниченной Ответственностью "Яндекс" Способ и система создания информации о трафике, которая будет использована в картографическом приложении, выполняемом на электронном устройстве
US10867398B2 (en) * 2017-11-21 2020-12-15 Reliance Core Consulting LLC Methods, systems, apparatuses and devices for facilitating motion analysis in an environment
CN108074410A (zh) * 2018-02-02 2018-05-25 台州市星标交通科技有限公司 交通云警示平台
US20190367019A1 (en) * 2018-05-31 2019-12-05 TuSimple System and method for proximate vehicle intention prediction for autonomous vehicles
JP7088000B2 (ja) * 2018-12-27 2022-06-21 トヨタ自動車株式会社 交通情報処理装置

Also Published As

Publication number Publication date
EP3723063A1 (en) 2020-10-14
US20220028257A1 (en) 2022-01-27
WO2020207350A1 (en) 2020-10-15

Similar Documents

Publication Publication Date Title
Shirazi et al. Looking at intersections: a survey of intersection monitoring, behavior and safety analysis of recent studies
US10431094B2 (en) Object detection method and object detection apparatus
CN105608927B (zh) 警告装置
US11205342B2 (en) Traffic information processing device
US20190042857A1 (en) Information processing system and information processing method
Shirazi et al. Observing behaviors at intersections: A review of recent studies & developments
KR20150068426A (ko) 교차로에서의 충돌 위험 평가 방법
CN105474285A (zh) 用于预测至少一个拥堵参数的方法、分析系统和车辆
CN111354182A (zh) 一种辅助驾驶方法和系统
CN109883438B (zh) 车辆导航方法、装置、介质及电子设备
CN111094095B (zh) 自动地感知行驶信号的方法、装置及运载工具
CN111429739A (zh) 一种辅助驾驶方法和系统
CN111354214B (zh) 一种辅助停车方法和系统
JP7362733B2 (ja) 道路環境情報の自動化クラウドソーシング
CN111354222A (zh) 一种辅助驾驶方法和系统
CN110733496A (zh) 信息处理装置、信息处理方法以及记录介质
CN110936960A (zh) 一种辅助驾驶方法和系统
US11644324B2 (en) Dangerous place identification device, map data, dangerous place identification method, and program
CN110940349A (zh) 用于规划车辆的轨迹的方法
US20220028257A1 (en) Understanding road signs
CN112710322A (zh) 规划导航路线的方法、装置、计算机设备和介质
KR102073358B1 (ko) 차량 데이터 및 루트 데이터를 이용한 차량의 정보 제공 시스템 및 그 방법
CN114730492A (zh) 断言交通工具检测模型生成和实现
US20230332911A1 (en) Method and apparatus for determining roadworks locations
Jadhav Design and Simulation of a Vehicle Speed Detection and Control System Using Speed Restriction Signboards

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