CN114038191B - 一种采集交通数据的方法及装置 - Google Patents

一种采集交通数据的方法及装置 Download PDF

Info

Publication number
CN114038191B
CN114038191B CN202111308865.0A CN202111308865A CN114038191B CN 114038191 B CN114038191 B CN 114038191B CN 202111308865 A CN202111308865 A CN 202111308865A CN 114038191 B CN114038191 B CN 114038191B
Authority
CN
China
Prior art keywords
vehicle
motion parameter
coordinates
origin
information
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
Application number
CN202111308865.0A
Other languages
English (en)
Other versions
CN114038191A (zh
Inventor
王玉波
王雷雷
李贺
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.)
Hisense TransTech Co Ltd
Original Assignee
Hisense TransTech 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 Hisense TransTech Co Ltd filed Critical Hisense TransTech Co Ltd
Priority to CN202111308865.0A priority Critical patent/CN114038191B/zh
Publication of CN114038191A publication Critical patent/CN114038191A/zh
Application granted granted Critical
Publication of CN114038191B publication Critical patent/CN114038191B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G08G1/0108—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

Landscapes

  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明实施例提供一种采集交通数据的方法及装置，应用于第一路口的雷达，该方法包括：在第一时刻获取N辆车的第一信息，在第二时刻获取M辆车的第二信息，根据第一信息和第二信息，确定在第二时刻第一车辆和/或第二车辆丢失，预测第一车辆在第二时刻的第三运动参数以及第二车辆在第二时刻的第四运动参数，若第三运动参数与第二运动参数重合，确定第一车辆的车辆标识为第一车辆标识，和/或，若第四运动参数与第二运动参数重合，确定第二车辆的车辆标识为第二车辆标识，根据第一车辆标识、第三运动参数、第二车辆标识以及第四运动参数，获取第一路口的交通数据。通过考虑丢失的车辆信息，从而获得较准确的第一路口的交通数据。

Description

一种采集交通数据的方法及装置
技术领域
本发明涉及交通路口数据采集技术领域，尤其涉及一种采集交通数据的方法及装置。
背景技术
随着城市智能化交通的不断发展，路上车辆数量的不断增加，实现智能交通对采集交通数据的准确性要求也越来越高。目前雷达作为交通数据的检测设备，具有检测范围广、可全天候工作、不易损坏等优点。
但是雷达在识别车辆信息时，会丢失停止、低速、遮挡、距离过近等车辆信息，使得雷达在检测的过程无法采集完整的车辆信息，从而导致雷达无法根据采集的车辆信息得到较准确的交通数据。
发明内容
本发明实施例提供一种采集交通数据的方法及装置，用以解决雷达在检测过程中会丢失一部分车辆信息，无法提供路口完整的车辆信息。
第一方面，本发明实施例提供的一种采集交通数据的方法，应用于第一路口的雷达，该方法包括：在第一时刻，获取N辆车的第一信息，所述第一信息包括所述N辆车的车辆标识和每辆车对应的第一运动参数，所述N为大于2的整数，在第二时刻，获取M辆车的第二信息，所述第二信息包括所述M辆车的车辆标识和每辆车对应的第二运动参数，所述M为大于2的整数，根据所述第一信息和所述第二信息，确定在所述第二时刻，所述第一车辆和/或所述第二车辆丢失，所述第一车辆和所述第二车辆为所述N辆车中的至少两辆，预测所述第一车辆在所述第二时刻的第三运动参数、以及所述第二车辆在所述第二时刻的第四运动参数，若所述第三运动参数与所述第二运动参数重合，确定所述第一车辆的车辆标识为第一车辆标识，所述第一车辆标识为所述第一信息包括的N辆车的车辆标识中的一个；和/或，若所述第四运动参数与所述第二运动参数重合，确定所述第二车辆的车辆标识为第二车辆标识，所述第二车辆标识为所述第一信息包括的N辆车的车辆标识中的一个，根据所述第一车辆标识、所述第三运动参数、第二车辆标识以及所述第四运动参数，获取所述第一路口的交通数据。
上述技术方案中，通过预测丢失的车辆信息，将丢失的车辆信息和新增的车辆信息结合在一起，可以较准确还原第一路口的车辆信息，从而实现得到较准确的第一路口的交通数据。
可选的，所述第一运动参数包括第一速度；所述根据所述第一信息和所述第二信息，确定在所述第二时刻、所述第一车辆和/或所述第二车辆丢失，包括：将所述M辆车的车辆标识中未包括所述N辆车的车辆标识中的至少一个车辆标识对应的车辆，确定为所述第一车辆或所述第二车辆，其中，所述第一车辆的第一速度不大于第一设定速度，所述第二车辆的第一速度大于所述第一设定速度且小于第二设定速度，所述第一设定速度小于所述第二设定速度。
上述技术方案中，对比第一信息中和第二信息，可以得到丢失车辆，根据丢失车辆的速度不同将丢失车辆分为第一车辆和第二车辆，可以实现根据速度的不同使用不同的方法预测丢失车辆的运动参数。
可选的，所述雷达的位置为坐标原点，所述第一运动参数包括第一速度和第一位置坐标，所述预测所述第一车辆在所述第二时刻的第三运动参数，包括：根据速度与位置的关系、所述第一速度和所述第一位置的横坐标与坐标原点的距离，确定所述第一车辆在所述第二时刻的预测的第三位置，在所述第二时刻，若所述第一车辆的第三位置的横坐标与坐标原点的距离小于第一间隔加上第一近邻车辆的位置的横坐标与坐标原点的距离加上所述第一邻近车辆的车长、且所述第一近邻车辆的位置的横坐标与坐标原点的距离不大于所述第一间隔加上第二近邻车辆的位置的横坐标与坐标原点的距离加上所述第二近邻车辆的车长，则修正所述预测的第三运动参数包括第三位置；所述第一近邻车辆是所述第一车辆离坐标原点最近的前一辆车，所述第二近邻车辆是所述第一近邻车辆离坐标原点最近的前一辆车，将所述修正后的第三运动参数，确定为所述第二时刻的第三运动参数。
上述技术方案中，预测第一车辆的运动参数，并根据上述约束条件，判断第一车辆的运动参数是否需要修正，这样可以提高预测第一车辆的准确性。
可选的，所述预测所述第一车辆在所述第二时刻的第三运动参数，包括：根据速度与位置的关系、所述第一速度和所述第一位置的横坐标与坐标原点的距离，确定所述第一车辆在所述第二时刻的预测的第三位置，在所述第二时刻，若所述第一车辆预测的第三位置的横坐标与坐标原点的距离小于所述第一间隔加上第一近邻车辆的位置的横坐标与坐标原点的距离加上第一近邻车辆的车长、且所述第一近邻车辆的位置的横坐标与坐标原点的距离不大于所述第一间隔加上停止线的位置的横坐标与坐标原点的距离，则修正所述预测的第三运动参数，将所述修正后的第三运动参数，确定为所述第二时刻的第三运动参数。
上述技术方案中，预测第一车辆的运动参数，并根据上述约束条件，判断第一车辆的运动参数是否需要修正，这样可以提高预测第一车辆的准确性。
可选的，所述第一信息包括所述第一车辆的第一位置；所述预测的第三运动参数包括预测的第三位置，所述第三运动参数包括第三位置、第三速度和第三加速度，所述修正后的第三运动参数，包括：取{所述第一邻近车辆的位置的横坐标与坐标原点的距离加上所述第一邻近车辆的车长加上所述第一间隔，所述第一位置的横坐标与坐标原点的距离}中的最小值为所述第二时刻的第三位置，确定所述第三加速度和所述第三速度确定为零。
上述技术方案中，对预测的第一车辆的运动参数进行修正，可以提高预测的第一车辆的运动参数的准确性，便于后续获取准确的交通数据。
可选的，所述预测所述第一车辆在所述第二时刻的第三运动参数，包括：根据速度与位置的关系、所述第一速度和所述第一位置的横坐标与坐标原点的距离，确定所述第一车辆在所述第二时刻的预测的第三位置坐标，在所述第二时刻，若所述第一车辆预测的第三位置的横坐标与坐标原点的距离小于第二间隔加上所述停止线的位置的横坐标与坐标原点的距离，则修正所述预测的第三运动参数，将所述修正后的第三运动参数，确定为所述第二时刻的第三运动参数。
上述技术方案中，预测第一车辆的运动参数，并根据上述约束条件，判断第一车辆的运动参数是否需要修正，这样可以提高预测第一车辆的准确性。
可选的，所述修正所述预测的第三运动参数，包括：确定所述第一位置为所述第二时刻的第三位置；将所述第三加速度和所述第三速度确定为零。
上述技术方案中，对预测的第一车辆的运动参数进行修正，可以提高预测的第一车辆的运动参数的准确性，便于后续获取准确的交通数据。
可选的，所述预测所述第一车辆在所述第二时刻的第三运动参数，包括：根据速度与位置的关系、所述第一速度和所述第一位置的横坐标与坐标原点的距离，确定所述第一车辆在所述第二时刻的预测的第三位置坐标，在所述第二时刻，若所述第一车辆预测的第三位置的横坐标与坐标原点的距离在第一设定范围内、且所述第一车辆的速度小于第三设定速度，则修正所述预测的第三运动参数；将所述修正后的第三运动参数，确定为所述第二时刻的第三运动参数。
上述技术方案中，预测第一车辆的运动参数，并根据上述约束条件，判断第一车辆的运动参数是否需要修正，这样可以提高预测第一车辆的准确性。
可选的，所述修正所述预测的第三运动参数，包括：根据速度与位置的关系、所述第一速度和所述第一位置的横坐标与坐标原点的距离，确定所述第一车辆在所述第二时刻的预测的第三位置和第三速度，根据公式1修正所述第三加速度：
a＝-vi,x/5 公式1
上述技术方案中，对预测的第一车辆的运动参数进行修正，可以提高预测的第一车辆的运动参数的准确性，便于后续获取准确的交通数据。
可选的，所述预测所述第二车辆在所述第二时刻的第四运动参数，包括：根据速度与位置的关系、所述第一速度和所述第一位置的横坐标与坐标原点的距离，确定所述第二车辆在所述第二时刻的预测的第四位置，在所述第二时刻，若所述第二车辆预测的第四位置的横坐标与坐标原点的距离不大于所述停止线的横坐标与坐标原点的距离加上所述第一间隔且当前车道为红灯时，则修正所述预测的第四运动参数；将所述修正后的第四运动参数，确定为所述第二时刻的第四运动参数。
上述技术方案中，对预测的第二车辆的运动参数进行修正，提高第二运动参数的准确性，可以实现后续获取较准确的交通数据。
可选的，所述修正所述预测的第四运动参数，包括：将所述第二车辆的速度调整至不大于所述第一设定速度。
上述技术方案中，将第二车辆额定速度降低并不大于第一设定速度，可以实现后续根据第一车辆的修正方法进行修正。
可选的，所述第三车辆包括所述第一车辆和所述第二车辆，所述第三车辆对应第五运动参数，所述预测所述第一车辆在所述第二时刻的第三运动参数、以及所述第二车辆在所述第二时刻的第四运动参数，包括：根据速度与位置的关系、所述第五速度和所述第五位置的横坐标与坐标原点的距离，确定所述第三车辆在所述第二时刻的预测的第五位置；在所述第二时刻，若所述第三车辆预测的所述第五位置的横坐标与坐标原点的距离小于所述第二间隔加上第三邻近车辆的位置的横坐标与坐标原点的距离加上所述第三邻近车辆的车长、且所述第三邻近车辆的位置的横坐标与坐标原点的距离不小于所述第一间隔加上所述第四邻近车辆的位置的横坐标与坐标原点的距离加上所述第四邻近车辆的车长，则修正所述预测的第四运动参数，所述第三近邻车辆是所述第二车辆离坐标原点最近的前一辆车，所述第四近邻车辆是所述第三近邻车辆离坐标原点最近的前一辆车，将所述修正后的第五运动参数，确定为所述第二时刻的第五运动参数。
上述技术方案中，对第一车辆和第二车辆进行二次修正，可以实现预测出较准确的丢失车辆的车辆信息，为后续实现获取较准确的交通数据做准备。
可选的，所述第三车辆包括所述第一车辆和所述第二车辆，所述第三车辆对应第五运动参数，所述预测所述第一车辆在所述第二时刻的第三运动参数、以及所述第二车辆在所述第二时刻的第四运动参数，包括：根据速度与位置的关系、所述第五速度和所述第五位置的横坐标与坐标原点的距离，确定所述第三车辆在所述第二时刻的预测的第五位置，在所述第二时刻，若所述第三车辆预测的所述第五位置坐标小于所述第二间隔加上所述第三近邻车辆的位置的横坐标与坐标原点的距离加上所述第三近邻车辆的车长、且所述第三近邻车辆的位置的横坐标与坐标原点的距离不小于所述第一间隔加上停止线的位置的横坐标与坐标原点的距离，则修正所述预测的第五运动参数，将所述修正后的第五运动参数，确定为所述第二时刻的第五运动参数。
上述技术方案中，对第一车辆和第二车辆进行二次修正，可以实现预测出较准确的丢失车辆的车辆信息，为后续实现获取较准确的交通数据做准备。
可选的，所述第一信息包括所述第一车辆的第一位置；所述预测的第五运动参数包括预测的第五位置，所述第五运动参数包括第五位置、第五速度；所述修正后的第五运动参数，包括：取{所述第三邻近车辆的位置的横坐标与坐标原点的距离加上所述第三邻近车辆的车长加上所述第二间隔，所述第一位置的横坐标与坐标原点的距离}中的最小值为所述第二时刻的第五位置，若所述预测的第五速度大于所述第三邻近车辆的速度，则所述第五速度为所述第三邻近车辆的速度。
上述技术方案中，对预测的第三车辆的运动参数进行修正，可以提高预测的第三车辆的运动参数的准确性，便于后续获取准确的交通数据。
可选的，所述第三车辆包括所述第一车辆和所述第二车辆，所述第三车辆对应第五运动参数，所述预测所述第一车辆在所述第二时刻的第三运动参数、以及所述第二车辆在所述第二时刻的第四运动参数，包括：根据速度与位置的关系、所述第一速度和所述第一位置的横坐标与坐标原点的距离，确定所述第三车辆在所述第二时刻的预测的第五位置；在所述第二时刻，若第三车辆预测的所述第五位置的横坐标与坐标原点的距离加上所述第三近邻车辆的车长加上第二间隔大于所述第三近邻车辆的位置的横坐标与坐标原点的距离，则修正所述预测的第五运动参数，将所述修正后的第五运动参数，确定为所述第二时刻的第五运动参数。
上述技术方案中：对第一车辆和第二车辆进行二次修正，可以实现预测出较准确的丢失车辆的车辆信息，为后续实现获取较准确的交通数据做准备。
可选的，所述修正所述预测的第五运动参数，包括：若所述预测的第三车辆的横坐标与坐标原点的距离小于所述第二间隔加上所述停止线的位置的横坐标与坐标原点的距离，则确定所述第四速度为零，若所述预测的第三车辆的横坐标与坐标原点的距离不小于所述第二间隔加上所述停止线的位置的横坐标与坐标原点的距离，则取{所述第五邻近车辆的位置的横坐标与坐标原点的距离减去所述第五邻近车辆的车长减去所述第二间隔，所述第一位置的横坐标与坐标原点的距离}中的最小值为所述第二时刻的第五位置。
上述技术方案中，对预测的第三车辆的运动参数进行修正，可以提高预测的第三车辆的运动参数的准确性，便于后续获取准确的交通数据。
第二方面，本发明实施例该提供了一种采集交通数据的装置，应用于第一路口的雷达，获取单元，用于在第一时刻，获取N辆车的第一信息，所述第一信息包括所述N辆车的车辆标识和每辆车对应的第一运动参数，所述N为大于2的整数；所述获取单元，还用于在第二时刻，获取M辆车的第二信息，所述第二信息包括所述M辆车的车辆标识和每辆车对应的第二运动参数，所述M为大于2的整数；处理单元，用于根据所述第一信息和所述第二信息，确定在所述第二时刻，所述第一车辆和/或所述第二车辆丢失，所述第一车辆和所述第二车辆为所述N辆车中的至少两辆；预测所述第一车辆在所述第二时刻的第三运动参数、以及所述第二车辆在所述第二时刻的第四运动参数；若所述第三运动参数与所述第二运动参数重合，确定所述第一车辆的车辆标识为第一车辆标识，所述第一车辆标识为所述第一信息包括的N辆车的车辆标识中的一个；和/或，若所述第四运动参数与所述第二运动参数重合，确定所述第二车辆的车辆标识为第二车辆标识，所述第二车辆标识为所述第一信息包括的N辆车的车辆标识中的一个；根据所述第一车辆标识、所述第三运动参数、第二车辆标识以及所述第四运动参数，获取所述第一路口的交通数据。
第三方面，本发明实施例提供了一种计算设备，包括至少一个处理器以及至少一个存储器，其中，所述存储器存储有计算机程序，当所述程序被所述处理器执行时，使得所述处理器执行上述第一方面任意所述的采集交通数据的方法。
第四方面，本发明实施例还提供了一种计算机可读存储介质，所述存储介质存储有程序，当所述程序在计算机上运行时，使得计算机执行采集交通数据的方法。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简要介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种可能的应用场景示意图；
图2为本发明实施例提供的一种采集交通数据的方法流程图；
图3为本发明实施例提供的一种路口示意图；
图4为本发明实施例提供的一种道路断面的平面示意图；
图5为本发明实施例提供的一种区域车道的平面示意图；
图6为本发明实施例提供的一种采集交通数据的装置的结构示意图；
图7为本发明实施例提供的一种计算设备的结构示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
如图1所示，为本发明实施例提供的一种可能的应用场景示意图。该应用场景以某一个路口为例，该路口以包括雷达101，三辆车(即车辆102、车辆103和车辆104)为例。一般情况下，雷达101安装在道路的中央，用来获取所需监测路段的车辆的位置、速度、加速度等信息，实现检测路口的交通数据，例如所需路段的车流量、车辆排队长度等信息。
举个例子，如果在路口红绿灯为红色时，雷达101检测车辆的信息，其中车辆102距离停止线40m左右，正在减速慢行；车辆103已经在停止线附近并停止行驶，等待绿灯；车辆104距离停止线500m左右，以正常的车速行驶，无需减速。因为雷达101在识别车辆的时候，为了排除护栏、树木、广告牌等杂点背景，会误认为停止、低速、遮挡、距离过近的车辆为杂点背景，所以雷达101会误认为车辆101和车辆102为杂点背景，就会丢弃车辆101和车辆102的车辆信息，从而导致雷达101只能采集到车辆104的车辆信息，无法得到路口所有车辆的车辆信息，会影响后续交通数据检测的准确性。
鉴于此，本发明实施例提供了一种采集交通数据的方法，该方法可以实现预测丢失车辆的车辆信息。
如图2所示，为本发明实施例提供一种采集交通数据的方法流程图。该方法包括以下步骤：
步骤201，在第一时刻获取N辆车的车辆信息。
本发明实施例中，在第一时刻，雷达获取路口的车辆信息，其中该路口在第一时刻有N辆车行驶，车辆信息包括车辆标识、车辆速度、车辆加速度、车辆车长等信息。
步骤202，在第二时刻获取M辆车的车辆信息。
本发明实施例中，在第二时刻，雷达获取路口的车辆信息，其中该路口在第二时刻有M辆车行驶。
这M辆车中可能包括上述步骤201中的N辆车中的部分，还可能包括新增的车辆。
步骤203，根据第一信息和第二信息，确定在第二时刻第一车辆和/或第二车辆丢失。
本发明实施例中，对比第一信息中的车辆标识和第二信息中的车辆标识，若第一信息中的部分车辆标识在第二信息中找不到，那就说明这部分车辆信息被雷达误认为是杂点背景丢弃了，这部分丢失的车辆根据速度大小分为第一车辆和第二车辆，其中第一车辆的速度不大于第一设定速度，第二车辆的速度大于第一设定速度且小于第二设定速度，第一设定速度小于第二设定速度。
步骤204，预测第一车辆在第二时刻的第三运动参数和第二车辆在第二时刻的第四运动参数。
本发明实施例中，预测第一车辆的第三运动参数和第二车辆的第四运动参数都是需要先对第三运动参数和第四运动参数进行初始预测，然后再对初始预测的第三运动参数和第四运动参数进行合理的修正。
步骤205，判断第三运动参数和第二运动参数是否重合，若不重合，则执行步骤207，若重合，则执行步骤208。
本发明实施例中，将第三运动参数与第二运动参数对比，判断第三运动参数对应的车辆标识与第二运动参数对应的车辆标识是否是同一辆车，若是同一辆，则认为第三运动参数与第二运动参数重合；若不是同一辆，则认为第三运动参数与第二运动参数不重合。
步骤206，判断第四运动参数和第二运动参数是否重合，若不重合，则执行步骤210，若重合，则执行步骤209。
本发明实施例中，将第四运动参数与第二运动参数对比，判断第四运动参数对应的车辆标识与第二运动参数对应的车辆标识是否是同一辆车，若是同一辆车，则认为第四运动参数与第二运动参数重合；若不是同一辆车，则认为第四运动参数与第二运动参数不重合。
步骤207，将第三运动参数中不重合的部分添加在第二运动参数中。
本发明实施例中，不重合的部分还是处于丢失状态，因此，需要将与第二运动参数不重合的第三运动参数继续进行预测，即执行下述步骤208。
步骤208，确定第一车辆的车辆标识为第一车辆标识。
本发明实施例中，第三运动参数和第二运动参数符合重合条件后。则说明新增车辆与丢失车辆为同一辆车，因此可以确定第一车辆的车辆标识为第一车辆标识。
步骤209，确定第二车辆的车辆标识为第二车辆标识。
本发明实施例中，第四运动参数和第二运动参数确定重合后，可以确定新增车辆与丢失车辆为同一辆车，因此可以确定第二车辆的车辆标识为第二车辆标识。
步骤210，将第四运动参数中不重合的部分添加在第二运动参数中。
本发明实施例中，第四运动参数中不重合的车辆还是处于丢失状态，需要将不重合的车辆添加在第二运动参数中再次进行预测。
步骤211，根据所述第一车辆标识、所述第三运动参数、所述第二车辆标识以及所述第四运动参数，获取第一路口的交通数据。
通过上述步骤201至步骤211可以看出，通过预测丢失的车辆信息，可以完善第一路口中雷达没有检测到的车辆信息，还原第一路口车辆的运动轨迹，从而实现较准确的计算出第一路口的交通数据。
本发明是根据预测丢失的车辆信息确定较准确的交通数据，在预测车辆信息之前，我们需要先采集两个时刻的车辆信息，找出需要预测的车辆。
如图3所示，为本发明实施例提供的一种路口示意图。将雷达的位置作为坐标原点，x轴是车辆前进方向的反方向，雷达每隔50ms检测一次路口车辆的信息。举个例子，T0时刻与T1时刻之间间隔50ms，T0时刻早于T1时刻，雷达在T0时刻检测路口的车辆信息，检测的车辆信息对应的车辆标识为车辆P，车辆B，车辆C，车辆D。雷达在T1时刻检测路口的车辆信息，检测的车辆信息对应的车辆标识为车辆A车辆C，车辆D，车辆E。对比T0时刻的车辆标识和T1时刻的车辆标识，雷达在T0时刻检测到了车辆P和车辆B，而在T1时刻没有检测到车辆P和车辆B，说明车辆P和车辆B在T1时刻是丢失车辆，雷达在T0时刻没有检测到车辆A和车辆E，而在T1时刻检测到了车辆A和车辆E，说明车辆A和车辆E在T1时刻是新增车辆。确定车辆P和车辆B为丢失车辆之后，需要根据车辆速度将丢失车辆分成低速车辆丢失预测和高速车辆丢失预测。低速车辆速度不大于第一设定速度，高速车辆速度大于第一设定速度且小于第二设定速度。假设第一设定速度为4m/s，第二设定速度为7m/s。车辆P的速度为3m/s，车辆B的速度为6m/s。那么预测车辆P的车辆信息为低速车辆丢失预测，预测车辆B的车辆信息为高速车辆丢失预测。
因为低速车辆丢失预测和高速车辆丢失预测所使用的方法不同，所以下面我们将分开来介绍这两种预测方法。
下面介绍低速车辆丢失预测的过程。
低速车辆丢失预测方法分为两步，第一步是根据上一个时刻的车辆位置进行预测，第二步是将第一步预测的车辆位置进行合理性的判断和修正。举个例子，雷达在Ti-1时刻检测到了车辆P的车辆信息，但在Ti时刻没有检测到车辆P的车辆信息，这时判定车辆P在Ti时刻丢失，如果车辆P的速度不大于第一设定速度，那么车辆P使用低速车辆丢失预测方法进行预测车辆信息，第一步是根据公式1预测车辆P在Ti时刻的坐标位置，公式1如下所示：
其中，pi-1,x、pi-1,y为Ti-1时刻的位置的横坐标，vi-1,x、vi-1,y为Ti-1时刻x和y方向速度，ai-1,x、ai-1,y为Ti-1时刻x和y方向加速度，Δt为Ti-1与Ti之间的时间间隔，也就是50ms。
由于车辆P可能出现正在减速慢行或者停车等待红绿灯的情况，我们需要对车辆P的位置的x坐标进行合理性的判断，因此第二步是根据Ti-1时刻车辆p的位置的x坐标预测车辆P在T1时刻的位置的x坐标，然后再对预测的车辆P的位置的x坐标进行合理性的判断和修正。判断和修正分为以下两种情况。
第一种情况为车辆M存在。具体来说，根据预测的车辆P的位置的x坐标获取车辆P的所属车道，然后根据所属车道和车辆P的位置的x坐标获取车辆M和车辆N，其中车辆M为车辆p距离坐标原点最近的一辆车，车辆N为车辆M距离坐标原点最近的一辆车，车辆M和车辆N的位置的x坐标都是通过公式1预测得到的。如果车辆P、车辆M、车辆N满足Pi,x＜Mi,x+LM+1.8且((Mi,x-Ni,x-LN≤1.8)或(Mi,x-linex≤1.8))这一条件,也就是说，车辆P的预测的位置过前了，则车辆P的x轴坐标、速度和加速度需要修正，其中Pi,x为车辆P在Ti时刻x轴的坐标，Mi,x为车辆M在Ti时刻x轴的坐标，LM为车辆M的车长，Ni,x为车辆N在TI时刻x轴的坐标，LN为车辆N的车长，linex为停止线在x轴的坐标，1.8为车辆排队的安全距离。
在Ti时刻，若车辆P的x坐标小于车辆M的x坐标加上车辆M的车长加上1.8，这就表明我们预测的车辆P的位置过前了，为了防止雷达误将树木，电线杆等物体认为成车辆M，从而使得车辆M的不存在会影响预测的准确性，我们会加上一个确定车辆M真实存在的约束条件，其中这个约束条件分为两种情况，当车辆M前方存在车辆N时，即车辆M的x轴坐标不大于车辆N的x轴坐标加上车辆N的车长，当车辆M的前方不存在车辆N，即车辆M的前方就是停止线时，车辆M的x轴做小不大于停止线x轴的坐标加上1.8。
确定车辆P的位置的x坐标过前之后，我们需要将车辆P的位置的x坐标、速度及加速度进行修正，其中，因为车辆P的预测的位置过前了，车辆P正在排队等待红绿灯，那么车辆P的速度和加速度都应该修正为零。所以车辆P根据公式2对位置进行修正：
Pi,x＝min(Mi,x+LM+1.8,Pi-1,x) 公式2
车辆P根据公式3对速度进行修正：
vi,x＝0,vi,y＝0，ai,x＝0,ai,y＝0 公式3
第二种情况为车辆M不存在。车辆P的位置预测又分四种预测方式，第一种预测方式为车辆P的x轴坐标满足Pi,x＞Linex+8这一条件，也就是说车辆P离停止线的距离还很远，这时的车辆P不需要做修正，正常预测即可，其中8为最大排队距离。第二种预测方式为车辆P的x轴坐标满足Pi,x＜Linex+1.1这一条件，其中1.1为车辆的最小车间距，也就是说车辆P离停止线的距离很近了，这时车辆P应该停车等待红绿灯，需要对车辆P的位置进行合理性的修正，其中车辆P根据公式4对位置进行修正：
Pi,x＝Pi-1,x 公式4
车辆P根据公式5对速度及加速度进行修正：
vi,x＝0,vi,y＝0，ai,x＝0,ai,y＝0 公式5
第三种预测方式为车辆P的x轴坐标满足Linex+1.1＜Pi,x＜Linex+8且vi,x＜-0.3m/s这一条件，也就是说车辆P里停止线的距离在1.1-8之间，这时的车辆p里停止线的距离很近，所以车辆P需要减速去排队等待红绿灯，这时需要对车辆P的速度、加速度及位置进行合理性的修正。车辆P根据公式6对位置进行修正：
车辆P根据公式7对速度进行修正：
车辆P根据公式8对加速度进行修正：
a＝-vi,x/5 公式8
第四种预测方式为车辆P的x轴坐标满足Linex+1.1＜Pi,x＜Linex+8且vi,x≥-0.3m/s这一条件，也就是说车辆P的速度已经很缓慢了，将要停车排队等待红绿灯，这时需要对车辆P的速度、加速度及位置进行合理性的修正。车辆P根据公式9对位置进行修正：
pi,x＝pi-1,x 公式9
车辆P根据公式10对速度、加速度进行修正：
vi,x＝0,vi,y＝0
ai,x＝0,ai,y＝0 公式10
低速车辆丢失预测的方法和高速车辆丢失预测的方法有相同的地方，也有不同的地方。下面介绍的是高速车辆丢失预测的方法，高速车辆丢失预测的方法也分为两步，第一步是根据上一个时刻的车辆位置进行预测，第二步是将第一步预测的车辆位置进行合理性的判断和修正。第一步是根据公式1对车辆位置进行预测，这一步与低速车辆丢失预测的方法一致，第二步是丢预测的车辆位置进行合理性判断和修正，具体来说，分为两种情况，第一种情况为若当前时间-丢失时间＞5s且当前预测的车辆x轴的坐标-丢失时车辆x轴的坐标＞20米时，不再进行预测，判定为高速车辆消失。举个例子，车辆W在T1时刻判定丢失，雷达检测间隔为50ms，如果车辆W在T10时刻还是判定丢失，且车辆W在T10时刻预测的x轴坐标-车辆T1时刻预测的x轴坐标大于20米时，这就说明车辆W丢失的时间过长且移动的距离过大，这样预测出的位置准确性较低，因此雷达会认为车辆W消失了，不会再预测车辆W的车辆信息。第二种情况为若(满足高速车辆判定消失条件或pi,x≤Linex+1.8)且目标车道灯色为红灯，则将车辆的速度降低并满足不大于第一设定速度，然后车辆将通过低速车辆丢失预测方法进行预测。举个例子，若车辆K在T1时刻丢失，一直到T10时刻还是丢失状态，且车辆K在T10时刻预测的x轴坐标-车辆K在T1时刻预测的x轴坐标大于20米且当前车道的红绿灯为红灯时，修正车辆K的方法为首先将车辆K的速度修正至不大于第一预设速度，这时车辆K就可以使用低速车辆丢失预测方法，然后车辆K再根据低速车辆丢失预测方法进行预测。
通过低速车辆丢失预测方法和高速车辆丢失预测方法可以得到第一车辆的第三运动参数以及第二车辆的第四运动参数，然后我们还需要对第三运动参数和第四运动参数进行二次修正。举个例子，对预测车辆pi,x,y的合理性进行纠正，其中，最小车间距为Δh，默认值为1.1米。处理如下：
找出同车道的距离原点最近的前车x轴的坐标；pi,pre,x＝max(pj,x),pj,x∈(0,pi,x)，和最近后车x轴的坐标：pi,next,x＝min(pj,x),pj,x∈(pi,x,250)；
若满足pi,next,x-(pi,pre,x+Li,pre)＜Li+2Δh这一条件，则车辆位置预测错误，删除车辆；
若满足pi,x-pi,pre,x＜Li,pre+Δh，且(pi，pre，x-pk，x-Lk≤1.8||pi，pre，x-linex≤1.8)这一条件，其中，pk为pi,pre,x的同车道前一车辆；则车辆P位置预测错误，根据公式11对车辆P的位置进行修正：
pi,x＝min(pi,pre,x+Li,pre+Δh,pi-1,x) 公式11
根据公式12对车辆P的速度进行修正：
若vi,x＞vi,pre,x，则vi,x＝vi,pre,x 公式12
若满足pi,x+Li+Δh＞pi,next，则车辆P位置预测错误，进行如下判断纠正：
若满足pi,x-linex＜1.1这一条件，则将车辆P的速度修正为vi,x＝vi,next,x＝0。若不满足pi,x-linex＜1.1这一条件，根据公式13对车辆P的位置进行修正：
pi,x＝min(pi,next,x-Li-Δh,pi-1,x) 公式13
上式中，pi,x为预测车辆P的x轴位置，pi,next,x为预测车辆P后车的x轴位置，pi,pre,x为预测车辆P前车的x轴位置，Li,pre为预测车辆P前车的车长，Li预测车辆P的车长。
根据上述修正，得到丢失的车辆信息，将丢失的车辆信息与新增的车辆信息做匹配，删除丢失车辆信息和新增车辆信息中重复的车辆信息，得到路口较准确的车辆信息。匹配方法如下：
例如，丢失车辆预测后的目标集合为A＝{a1,a2,a3,,,ai}，新增车辆目标集合为B＝{b1,b2,b3,,,bi}，对集合A内的每一个目标点进行轮询，匹配集合B所有的目标。举个例子，设a1点位置坐标(x1,y1)，被匹配目标b1点位置坐标(x2,y2)，若同时满足公式14和公式15，则认为目标匹配成功，为同一个目标：
式中，为近距离目标长度，/>为目标宽度，α、β分别为位置重合度判定阈值，默认分别为1.8和0.3。
当目标判定匹配不成功，则将预测的车辆添加在新增车辆中，继续对车辆进行预测。
当目标判定匹配成功，若预测车辆为静止状态且所在车道灯色为红灯，则保留预测车辆，同时删除新增车辆；否则，删除预测车辆，保留新增车辆。举个例子，当预测的车辆S为静止状态且所在车道灯色为红灯,新增车辆L与车辆S匹配成功，也不能说明车辆L与车辆S是同一辆车，因为新增车辆L可以被雷达检测出来，说明车辆L是有速度的，并不是静止状态，所以车辆L与车辆S的位置坐标虽然是一致的，但是车辆L和车辆S并不是同一辆车，车辆L可能是雷达误认为的车辆，其实是其他障碍物，比如摩托车、树干等。因此会将车辆L的车辆信息删除，保留车辆S的车辆信息。相反，当车辆S与车辆L匹配成功且车辆并不是静止状态时，也就说明了车辆S与车辆L就是同一辆车，这时我们就将车辆S的车辆信息删除，保留车辆L的车辆信息，并将S车辆信息的历史信息保存在车辆L中，其中历史信息包括上一个时刻车辆的运动参数及车辆标识。
通过将丢失的车辆信息与新增的车辆信息做匹配，得到路口较准确的车辆信息，然后根据路口较准确的车辆信息计算路口交通数据。具体来说，交通数据包括断面数据和区域车道数据，其中，断面数据包括车辆进入和离开断面状态、车头时距、车间时距、压占时间、流量、时间占有率。区域车道数据包括：平均速度、车辆数、车辆密度、排队长度、排队车辆数、平均停车次数、平均延误时间。
下面分别介绍断面数据和区域车道数据。
如图4所示，为本发明实施例提供的一种道路断面的平面示意图。在车道正中间，配置一定范围大小的虚拟线圈，将这一虚拟线圈设定为该道路的断面，然后进行断面数据计算：
设线圈所属车道坐标(LX_Pos，LY_Pos)，线圈x轴坐标位置CX_Pos,线圈长度CL、线圈宽度CW。
①当目标坐标小于等于线圈x2坐标，即：
OX_Pos,i≤CX_Pos+CL/2 公式16
式中，OX_Pos,i表示第i次收到的目标o的x坐标位置。
此时，记录时刻t1，判定目标进入断面，同步计算目标所在的车道，即：
LY_Pos,i-Lw,i/2≤OY_Pos≤LY_Pos,i+Lw,i/2 公式17
式中，LY_Pos,i表示车道i的y坐标位置。
②锁定该目标所属车道不变，当该目标的x坐标+目标的x长度小于等于x2坐标，即：
OX_Pos,i+OL,i≤CX_Pos+CL/2 公式18
此时，记录时刻t0。
③锁定该目标所属车道不变，当该目标的x坐标+目标的x长度小于x1坐标，即：
OX_Pos,i+OL,i＜CX_Pos-CL/2 公式19
此时，记录时刻t2，判定目标离开断面，则该目标所属车道的断面流量计数+1，t2-t1为车辆在断面上的压占时间，记为Δt1，同车道两个相邻车辆之间的t1时刻差为车辆车头时距，同车道两个相邻车辆，后车t1-前车t0为车间时距，记录一定时间间隔T内，所有压占时间的总和与T的比值，为时间占有率。
如图5所示，为本发明实施例提供的一种区域车道的平面示意图。雷达对区域车道数据采集包括：平均速度：同一车道内所有目标速度均值；
车辆数：同一车道内所有目标数量；
车辆密度：同一车道内目标所占的物理空间(长度)总和/空间(长度)；
排队长度：同一车道内目标排队静止时，末车位置+末车车长；
排队车辆数：同一车道内目标排队静止的车辆数；
平均停车次数：一定时间内车道所有通过停止线的目标停止次数总和/目标数；
平均延误时间：一定时间内车道所有通过停止线的目标停止到启动的时间间隔总和/目标数。
基于上述相同的技术构思，本发明实施例还提供一种采集交通数据的装置，该装置可执行上述方法实施例中的方法。本发明实施例提供的采集交通数据的结构可参见图6，该装置600包括：获取单元601用于在第一时刻，获取N辆车的第一信息，所述第一信息包括所述N辆车的车辆标识和每辆车对应的第一运动参数，所述N为大于2的整数；所述获取单元还用于在第二时刻，获取M辆车的第二信息，所述第二信息包括所述M辆车的车辆标识和每辆车对应的第二运动参数，所述M为大于2的整数；处理单元602用于根据所述第一信息和所述第二信息，确定在所述第二时刻，所述第一车辆和/或所述第二车辆丢失，所述第一车辆和所述第二车辆为所述N辆车中的至少两辆；预测所述第一车辆在所述第二时刻的第三运动参数、以及所述第二车辆在所述第二时刻的第四运动参数；若所述第三运动参数与所述第二运动参数重合，确定所述第一车辆的车辆标识为第一车辆标识，所述第一车辆标识为所述第一信息包括的N辆车的车辆标识中的一个；和/或，若所述第四运动参数与所述第二运动参数重合，确定所述第二车辆的车辆标识为第二车辆标识，所述第二车辆标识为所述第一信息包括的N辆车的车辆标识中的一个；根据所述第一车辆标识、所述第三运动参数、第二车辆标识以及所述第四运动参数，获取所述第一路口的交通数据。
基于相同的技术构思，本申请实施例还提供了一种计算设备，如图7所示，包括至少一个处理器701，以及与至少一个处理器连接的存储器702，本申请实施例中不限定处理器701与存储器702之间的具体连接介质，图7中处理器701和存储器702之间通过总线连接为例。总线可以分为地址总线、数据总线、控制总线等。
在本申请实施例中，存储器702存储有可被至少一个处理器701执行的指令，至少一个处理器701通过执行存储器702存储的指令，可以执行前述的紧急车辆避让方法中所包括的步骤。
其中，处理器701是计算设备的控制中心，可以利用各种接口和线路连接计算设备的各个部分，通过运行或执行存储在存储器702内的指令以及调用存储在存储器702内的数据，从而实现数据处理。可选的，处理器701可包括一个或多个处理单元，处理器701可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理下发指令。可以理解的是，上述调制解调处理器也可以不集成到处理器701中。在一些实施例中，处理器701和存储器702可以在同一芯片上实现，在一些实施例中，它们也可以在独立的芯片上分别实现。
处理器701可以是通用处理器，例如中央处理器(CPU)、数字信号处理器、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列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，可以实现或者执行本申请实施例中公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者任何常规的处理器等。结合预测丢失车辆信息的方法实施例所公开的方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。
存储器702作为一种非易失性计算机可读存储介质，可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块。存储器702可以包括至少一种类型的存储介质，例如可以包括闪存、硬盘、多媒体卡、卡型存储器、随机访问存储器(Random AccessMemory，RAM)、静态随机访问存储器(Static Random Access Memory，SRAM)、可编程只读存储器(Programmable Read Only Memory，PROM)、只读存储器(Read Only Memory，ROM)、带电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory，EEPROM)、磁性存储器、磁盘、光盘等等。存储器702是能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。本申请实施例中的存储器702还可以是电路或者其它任意能够实现存储功能的装置，用于存储程序指令和/或数据。
基于相同的技术构思，本申请实施例还提供了一种计算机可读存储介质，其存储有可由计算设备执行的计算机程序，当所述程序在所述计算设备上运行时，使得所述计算设备执行上述预测丢失车辆信息的方法的步骤。
本领域内的技术人员应明白，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。
本申请是参照根据本申请的方法、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。
尽管已描述了本申请的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。
显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。

Claims (9)

1.一种采集交通数据的方法，其特征在于，应用于第一路口的雷达，所述方法包括：
在第一时刻，获取N辆车的第一信息，所述第一信息包括所述N辆车的车辆标识和每辆车对应的第一运动参数，所述N为大于2的整数；在第二时刻，获取M辆车的第二信息，所述第二信息包括所述M辆车的车辆标识和每辆车对应的第二运动参数，所述M为大于2的整数；
根据所述第一信息和所述第二信息，确定在所述第二时刻、第一车辆和/或第二车辆丢失，所述第一车辆和所述第二车辆为所述N辆车中的至少两辆；
预测所述第一车辆在所述第二时刻的第三运动参数、以及所述第二车辆在所述第二时刻的第四运动参数；所述雷达的位置为坐标原点，所述第一运动参数包括第一速度和第一位置坐标；所述预测所述第一车辆在所述第二时刻的所述第三运动参数，包括：在所述第二时刻，若所述第一车辆的第三位置的横坐标与所述坐标原点的距离小于第一间隔加上第一近邻车辆的位置的横坐标与所述坐标原点的距离加上所述第一近邻车辆的车长、且所述第一近邻车辆的位置的横坐标与所述坐标原点的距离不大于所述第一间隔加上第二近邻车辆的位置的横坐标与所述坐标原点的距离加上所述第二近邻车辆的车长，则修正预测的所述第三运动参数包括的所述第三位置；所述第一近邻车辆是所述第一车辆离所述坐标原点最近的前一辆车，所述第二近邻车辆是所述第一近邻车辆离所述坐标原点最近的前一辆车；将所述修正后的第三运动参数，确定为所述第二时刻的所述第三运动参数；
若所述第三运动参数与所述第二运动参数重合，确定所述第一车辆的车辆标识为第一车辆标识，所述第一车辆标识为所述第一信息包括的N辆车的车辆标识中的一个；和/或，若所述第四运动参数与所述第二运动参数重合，确定所述第二车辆的车辆标识为第二车辆标识，所述第二车辆标识为所述第一信息包括的N辆车的车辆标识中的一个；
根据所述第一车辆标识、所述第三运动参数、所述第二车辆标识以及所述第四运动参数，获取所述第一路口的交通数据。
2.如权利要求1所述的方法，其特征在于，所述第一运动参数包括所述第一速度；
所述根据所述第一信息和所述第二信息，确定在所述第二时刻、第一车辆和/或第二车辆丢失，包括：
将所述M辆车的车辆标识中未包括所述N辆车的车辆标识中的至少一个车辆标识对应的车辆，确定为所述第一车辆或所述第二车辆；
其中，所述第一车辆的所述第一速度不大于第一设定速度，所述第二车辆的所述第一速度大于所述第一设定速度且小于第二设定速度，所述第一设定速度小于所述第二设定速度。
3.如权利要求1所述的方法，其特征在于，所述预测所述第一车辆在所述第二时刻的第三运动参数，包括：
在所述第二时刻，若所述第一车辆预测的所述第三位置的横坐标与所述坐标原点的距离小于第一间隔加上第一近邻车辆的位置的横坐标与所述坐标原点的距离加上所述第一近邻车辆的车长、且所述第一近邻车辆的位置的横坐标与所述坐标原点的距离不大于所述第一间隔加上停止线的位置的横坐标与所述坐标原点的距离，则修正预测的所述第三运动参数；
将所述修正后的第三运动参数，确定为所述第二时刻的所述第三运动参数。
4.如权利要求1或3所述的方法，其特征在于，所述第一信息包括所述第一车辆的所述第一位置；预测的所述第三运动参数包括预测的所述第三位置，所述第三运动参数包括所述第三位置、第三速度和第三加速度；
所述修正后的第三运动参数，包括：
取所述第一近邻车辆的位置的横坐标与所述坐标原点的距离加上所述第一近邻车辆的车长加上所述第一间隔，所述第一位置的横坐标与所述坐标原点的距离中的最小值为所述第二时刻的所述第三位置；
确定所述第三加速度和所述第三速度确定为零。
5.如权利要求1所述的方法，其特征在于，所述预测所述第一车辆在所述第二时刻的第三运动参数，包括：
在所述第二时刻，若所述第一车辆预测的所述第三位置的横坐标与所述坐标原点的距离小于第二间隔加上停止线的位置的横坐标与所述坐标原点的距离，则确定所述第一位置为所述第二时刻的所述第三位置；将第三加速度和第三速度确定为零；
将所述修正后的第三运动参数，确定为所述第二时刻的所述第三运动参数。
6.如权利要求1所述的方法，其特征在于，所述预测所述第一车辆在所述第二时刻的第三运动参数，包括：
在所述第二时刻，若所述第一车辆预测的所述第三位置的横坐标与所述坐标原点的距离在第一设定范围内、且所述第一车辆的速度小于第三设定速度，则根据速度与位置的关系、所述第一速度和所述第一位置的横坐标与所述坐标原点的距离，确定所述第一车辆在所述第二时刻的预测的所述第三位置和第三速度；
根据公式1修正第三加速度：
a＝-vi,x/5公式1
将所述修正后的第三运动参数，确定为所述第二时刻的所述第三运动参数。
7.一种采集交通数据的装置，其特征在于，应用于第一路口的雷达，包括：
获取单元，用于在第一时刻，获取N辆车的第一信息，所述第一信息包括所述N辆车的车辆标识和每辆车对应的第一运动参数，所述N为大于2的整数；还用于在第二时刻，获取M辆车的第二信息，所述第二信息包括所述M辆车的车辆标识和每辆车对应的第二运动参数，所述M为大于2的整数；
处理单元，用于根据所述第一信息和所述第二信息，确定在所述第二时刻、第一车辆和/或第二车辆丢失，所述第一车辆和所述第二车辆为所述N辆车中的至少两辆；预测所述第一车辆在所述第二时刻的第三运动参数、以及所述第二车辆在所述第二时刻的第四运动参数；所述雷达的位置为坐标原点，所述第一运动参数包括第一速度和第一位置坐标；所述预测所述第一车辆在所述第二时刻的所述第三运动参数，包括：在所述第二时刻，若所述第一车辆的第三位置的横坐标与所述坐标原点的距离小于第一间隔加上第一近邻车辆的位置的横坐标与所述坐标原点的距离加上所述第一近邻车辆的车长、且所述第一近邻车辆的位置的横坐标与所述坐标原点的距离不大于所述第一间隔加上第二近邻车辆的位置的横坐标与所述坐标原点的距离加上所述第二近邻车辆的车长，则修正预测的所述第三运动参数包括的所述第三位置；所述第一近邻车辆是所述第一车辆离所述坐标原点最近的前一辆车，所述第二近邻车辆是所述第一近邻车辆离所述坐标原点最近的前一辆车；将所述修正后的第三运动参数，确定为所述第二时刻的所述第三运动参数；若所述第三运动参数与所述第二运动参数重合，确定所述第一车辆的车辆标识为第一车辆标识，所述第一车辆标识为所述第一信息包括的N辆车的车辆标识中的一个；和/或，若所述第四运动参数与所述第二运动参数重合，确定所述第二车辆的车辆标识为第二车辆标识，所述第二车辆标识为所述第一信息包括的N辆车的车辆标识中的一个；根据所述第一车辆标识、所述第三运动参数、所述第二车辆标识以及所述第四运动参数，获取所述第一路口的交通数据。
8.一种计算设备，其特征在于，包括至少一个处理器以及至少一个存储器，其中，所述存储器存储有计算机程序，当所述程序被所述处理器执行时，使得所述处理器执行权利要求1至6任一权利要求所述的方法。
9.一种计算机可读存储介质，其特征在于，所述存储介质存储有程序，当所述程序在计算机上运行时，使得计算机实现执行权利要求1至6中任一项所述的方法。
CN202111308865.0A 2021-11-05 2021-11-05 一种采集交通数据的方法及装置 Active CN114038191B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111308865.0A CN114038191B (zh) 2021-11-05 2021-11-05 一种采集交通数据的方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111308865.0A CN114038191B (zh) 2021-11-05 2021-11-05 一种采集交通数据的方法及装置

Publications (2)

Publication Number Publication Date
CN114038191A CN114038191A (zh) 2022-02-11
CN114038191B true CN114038191B (zh) 2023-10-27

Family

ID=80143118

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111308865.0A Active CN114038191B (zh) 2021-11-05 2021-11-05 一种采集交通数据的方法及装置

Country Status (1)

Country Link
CN (1) CN114038191B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017124966A1 (zh) * 2016-01-20 2017-07-27 深圳前海达闼云端智能科技有限公司 一种车辆控制方法及装置
CN112061118A (zh) * 2019-05-21 2020-12-11 上海汽车集团股份有限公司 车辆碰撞预测方法及装置
CN112229360A (zh) * 2020-09-28 2021-01-15 浙江大华技术股份有限公司 一种车辆长度确定方法、装置、设备和存储介质
WO2021093420A1 (zh) * 2019-11-12 2021-05-20 深圳创维数字技术有限公司 车辆导航方法、装置及计算机可读存储介质

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE19736964B4 (de) * 1997-08-25 2011-01-20 Continental Automotive Gmbh Verfahren zur Bestimmung eines Regelobjektes
CN110077402B (zh) * 2019-05-13 2021-09-28 奇瑞汽车股份有限公司 目标物体的追踪方法、装置及存储介质
CN112859062B (zh) * 2021-01-19 2023-11-24 巍泰技术(武汉)有限公司 一种基于雷达的车辆排队长度检测方法及系统
CN113096397B (zh) * 2021-03-31 2022-04-12 武汉大学 基于毫米波雷达与视频检测的交通拥堵分析方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017124966A1 (zh) * 2016-01-20 2017-07-27 深圳前海达闼云端智能科技有限公司 一种车辆控制方法及装置
CN112061118A (zh) * 2019-05-21 2020-12-11 上海汽车集团股份有限公司 车辆碰撞预测方法及装置
WO2021093420A1 (zh) * 2019-11-12 2021-05-20 深圳创维数字技术有限公司 车辆导航方法、装置及计算机可读存储介质
CN112229360A (zh) * 2020-09-28 2021-01-15 浙江大华技术股份有限公司 一种车辆长度确定方法、装置、设备和存储介质

Also Published As

Publication number Publication date
CN114038191A (zh) 2022-02-11

Similar Documents

Publication Publication Date Title
US11273848B2 (en) Method, device and apparatus for generating a defensive driving strategy, and storage medium
CN110532916B (zh) 一种运动轨迹确定方法及装置
CN108133484B (zh) 基于场景分割的自动驾驶处理方法及装置、计算设备
CN111052201B (zh) 碰撞预测装置、碰撞预测方法以及存储介质
WO2023213018A1 (zh) 一种车辆跟驰控制方法和系统
CN112215209B (zh) 跟车目标确定方法、装置、车辆及存储介质
JP7120186B2 (ja) 車両制御システム
CN114067569B (zh) V2x车联网环境下车辆左转辅助预警方法
CN112849144B (zh) 车辆控制方法、装置及存储介质
CN113428137A (zh) 泊车控制方法、装置及存储介质
WO2021093335A1 (en) Method for automatically labeling lane changing intention based on high-noise trajectory data of vehicle
CN109887321B (zh) 无人车变道安全判别方法、装置及存储介质
CN114038191B (zh) 一种采集交通数据的方法及装置
CN115966084B (zh) 全息路口毫米波雷达数据处理方法、装置及计算机设备
CN114906154B (zh) 车辆行驶道路类别判断方法、系统、电子设备及存储介质
JP7224421B1 (ja) 経路予測装置、経路予測方法、および車両管制システム
CN116740984B (zh) 车辆加塞的处理方法、装置、电子设备及存储介质
CN116749968B (zh) 一种目标车辆的检测方法、装置、设备及介质
CN109866682B (zh) 车辆fcw的报警方法、装置及汽车
US20220392230A1 (en) Target recognition device
CN114509751A (zh) 一种基于雷达的目标跟踪方法及装置
CN117496758A (zh) 车辆诱导方法、电子设备及计算机可读存储介质
CN116959290A (zh) 汽车碰撞预警方法、装置、设备及存储介质
CN118645016A (zh) 一种车辆碰撞预警方法、装置、设备及存储介质
CN117233766A (zh) 毫米波雷达侧方目标识别方法、系统、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
GR01 Patent grant
GR01 Patent grant