CN114120650B - 用于生成测试结果的方法、装置 - Google Patents
用于生成测试结果的方法、装置 Download PDFInfo
- Publication number
- CN114120650B CN114120650B CN202111536693.2A CN202111536693A CN114120650B CN 114120650 B CN114120650 B CN 114120650B CN 202111536693 A CN202111536693 A CN 202111536693A CN 114120650 B CN114120650 B CN 114120650B
- Authority
- CN
- China
- Prior art keywords
- traffic flow
- calculated
- road
- vehicle
- test
- 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
- 238000012360 testing method Methods 0.000 title claims abstract description 160
- 238000000034 method Methods 0.000 title claims abstract description 58
- 230000008447 perception Effects 0.000 claims abstract description 42
- 230000004927 fusion Effects 0.000 claims description 13
- 239000002131 composite material Substances 0.000 claims description 10
- 238000005516 engineering process Methods 0.000 abstract description 9
- 238000013473 artificial intelligence Methods 0.000 abstract description 3
- 238000004891 communication Methods 0.000 description 15
- 238000004590 computer program Methods 0.000 description 10
- 238000012545 processing Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 238000011990 functional testing Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000011056 performance test Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
- G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
- G08G1/0175—Detecting movement of traffic to be counted or controlled identifying vehicles by photographing vehicles, e.g. when violating traffic rules
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/065—Traffic control systems for road vehicles by counting the vehicles in a section of the road or in a parking area, i.e. comparing incoming count with outgoing count
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Chemical & Material Sciences (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
Abstract
本公开提供了用于生成测试结果的方法、装置，涉及人工智能技术领域，特别涉及智能交通技术和测试技术。具体实现方案为：获取针对目标路段的路况视频，其中，该路况视频用于记录目标时间段内至少一条车道中的车流量；获取待测试的路侧感知系统输出的与该路况视频对应的计算车流量；根据该计算车流量与对应的预设通过条件之间的匹配，生成指示该路侧感知系统车流量测试是否通过的测试结果。
Description
技术领域
本公开涉及人工智能技术领域，特别涉及智能交通技术和测试技术，尤其涉及用于生成测试结果的方法、装置。
背景技术
未来智能交通和自动驾驶技术，主要通过融合运用路侧融合感知定位技术、C-V2X(蜂窝车联网)通信技术、边缘计算技术等，全方位实施车与车、车与路、车与人之间动态实时信息交互，并在全时空动态交通信息采集与融合的基础上开展车辆主动安全控制和道路协同管理，充分实现人-车-路-云的有效协同，保证交通安全，提高通行效率，从而形成安全、高效和环保的道路交通系统。
路侧感知系统是支持实现车路协同应用场景的重要组成部分，路侧感知系统在落地应用之前，需要进行功能测试和性能测试，确保感知系统能够安全可靠的运行，但目前尚无针对路侧感知系统的车流量测试的测试方法。
发明内容
提供了一种用于生成测试结果的方法、装置。
根据第一方面，提供了一种用于生成测试结果的方法，该方法包括：获取针对目标路段的路况视频，其中，路况视频用于记录目标时间段内至少一条车道中的车流量；获取待测试的路侧感知系统输出的与路况视频对应的计算车流量；根据计算车流量与对应的预设通过条件之间的匹配，生成指示路侧感知系统车流量测试是否通过的测试结果。
根据第二方面，提供了一种用于生成测试结果的装置，该装置包括：第一获取单元，被配置成获取针对目标路段的路况视频，其中，路况视频用于记录目标时间段内至少一条车道中的车流量；第二获取单元，被配置成获取待测试的路侧感知系统输出的与路况视频对应的计算车流量；生成单元，被配置成根据计算车流量与对应的预设通过条件之间的匹配，生成指示路侧感知系统车流量测试是否通过的测试结果。
根据第三方面，提供了一种电子设备，该电子设备包括：至少一个处理器；以及与上述至少一个处理器通信连接的存储器；其中，存储器存储有可被上述至少一个处理器执行的指令，上述指令被至少一个处理器执行，以使上述至少一个处理器能够执行如第一方面中任一实现方式所描述的方法。
根据第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，该计算机指令用于使计算机能够执行如第一方面中任一实现方式所描述的方法。
根据第五方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现如第一方面中任一实现方式所描述的方法。
根据第六方面，提供了一种自动驾驶车辆，包括如第三方面中所描述的电子设备
根据第七方面，提供了一种云控平台，包括如第三方面中所描述的电子设备
根据本公开的技术通过获取待测试的路侧感知系统输出的与针对目标路段的路况视频对应的计算车流量，以及根据计算车流量与对应的预设通过条件之间的匹配，生成指示路侧感知系统车流量测试是否通过的测试结果，从而实现了对路侧感知系统的车流量测试。
应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案，不构成对本公开的限定。其中：
图1是根据本公开第一实施例的示意图；
图2是根据本公开第二实施例的示意图；
图3是可以实现本公开实施例的用于生成测试结果的方法的一个应用场景的示意图；
图4是根据本公开实施例的用于生成测试结果的装置的示意图；
图5是用来实现本公开实施例的用于生成测试结果的方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明，其中包括本公开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，而不会背离本公开的范围和精神。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。
图1是示出了根据本公开第一实施例的示意图100。该用于生成测试结果的方法包括以下步骤：
S101，获取针对目标路段的路况视频。
在本实施例中，用于生成测试结果的方法的执行主体可以通过各种方式获取针对目标路段的路况视频。其中，上述路况视频可以用于记录目标时间段内至少一条车道中的车流量。上述目标路段可以是各种满足测试条件的道路区间，例如包含一条或多条车道的直路、弯路、路口等等。
需要说明的是，上述目标路段通常需要满足以下至少一项测试条件：目标路段安装有路侧感知系统；在目标路段的感知区域内能够划定一个能覆盖所有车道的断面；目标路段能够稳定输出经过该断面各个车道的车流量；各个车道采集车流量的时间满足预设时间要求(例如10～15分钟、1～2小时、24小时等)。其中，上述感知区域可以指路侧感知系统能够检测出交通参与者、交通事件的区域。上述车流量可以指单位时间内通过道路某一地点、某一断面或某一车道的交通实体数。
在本实施例中，上述目标时间段通常大于上述预设时间要求所指示的时长。
在本实施例中，上述针对目标路段的路况视频通常可以是安装在路侧感知系统(roadside sensing and positioning system)的摄像头所拍摄的。上述路侧感知系统可以是部署在路侧的由计算设施、感知设备及相关附属设备所组成的用于对道路交通参与者、交通事件和交通运行状况等进行实时检测识别和定位的系统。
在本实施例中，上述用于生成测试结果的方法所指示的测试的测试条件通常可以包括但不限于以下至少一项：测试道路环境：空旷、无遮挡、无干扰；无降雪、冰雹、扬尘等恶劣天气情况；环境温度-20℃～60℃；相对湿度25％～75％；气压86kPa～106kPa；水平能见度应大于500米；测试场电磁环境不会对联网通信测试产生影响；测试道路长度宜大于500米，纵向坡度宜小于0.5％，横向坡度宜小于3％；测试环境需保证有RSU(Road Side Unit，路侧单元)信号覆盖。
上述用于生成测试结果的方法的执行主体可以是与上述路侧感知系统进行有线通信或无线通信的各种设备，例如测试车辆、背景车辆、云控平台(cloud controlplatform)等或者上述路侧感知系统本身。
需要说明的是，上述测试车辆例如可以是相当于真值系统的真值车，其可以是自动驾驶车辆，也可以是安装有各种传感器的普通车辆。真值车可以在上述测试区域内，沿路线前进方向经过测试点位。普通车辆在道路行驶过程中可以实时、持续、多次对路侧感知系统的响应进行测试，不仅限于测试实验环境。
在本实施例中，上述测试车辆、背景车辆通常具备无线通信能力，其在空旷、无遮挡、无干扰条件下通信距离通常大于300米。上述测试车辆、背景车辆的车载单元与其他设备通讯(Vehicle to Everything)消息的发送应符合YD/T 3340-2018、YD/T 3707-2020、YD/T 3709-2020与T/CSAE 53-2020标准规范。上述测试车辆、背景车辆应支持从车辆数据总线或其他数据源获取以下至少一项数据信息：车辆速度、档位信息、车辆方向盘转角、车身周围的车灯状态、车辆事件标志、车辆四轴加速度、车辆制动系统状态。
在本实施例中，上述云控平台可以包括各种服务于车路协同业务的平台系统。其通常具有实时信息融合与共享、实时计算编排、智能应用编排、大数据分析、信息安全等基础服务能力，可为智能汽车、管理及服务机构、终端用户提供辅助驾驶、自动驾驶、交通运输安全、交通管理等协同应用和数据服务。
S102，获取待测试的路侧感知系统输出的与路况视频对应的计算车流量。
在本实施例中，上述执行主体可以通过有线连接或无线连接的方式从本地或通信连接的待测试的路侧感知系统获取其输出的与上述步骤S101所获取的路况视频对应的计算车流量。其中，上述待测试的路侧感知系统可以是上述用于生成测试结果的方法所针对的测试对象。
在本实施例中，上述待测试的路侧感知系统可以通过各种方式得到与上述步骤S101所获取的路况视频对应的计算车流量并将其输出。作为示例，上述待测试的路侧感知系统可以首先将上述步骤S101所获取的路况视频下载至本地，而后利用各种图像处理方法在上述目标路段中确定与车道方向垂直的断面。可选地，上述断面也可以是通过图像识别方式所确定的车辆停止线。之后，上述待测试的路侧感知系统可以利用图像识别方法确定上述路况视频中在上述目标时间段内经过上述断面的车辆的数目作为上述目标时间段对应的计算车流量。作为又一示例，上述待测试的路侧感知系统可以将上述步骤S101所获取的路况视频输入至预先训练的车流量预测模型，生成与上述路况视频对应的车流量作为上述计算车流量。其中，上述车流量预测模型可以包括各种利用深度学习方式训练得到的、用于表征视频与车流量之间对应关系的模型。
可选地，上述待测试的路侧感知系统还可以按照上述测试条件的预设时间要求将上述路况视频进行分段。例如，上述目标时间段为8:00-9:00，而上述预设时间要求为，则上述待测试的路侧感知系统可以从上述路况视频中提取对应时间为8:00-8:15的视频片段，将上述视频片段执行如前述的处理步骤，生成上述视频片段对应的车流量作为上述计算车流量。
S103，根据计算车流量与对应的预设通过条件之间的匹配，生成指示路侧感知系统车流量测试是否通过的测试结果。
在本实施例中，根据步骤S102所获取的计算车流量与对应的预设通过条件之间的匹配，上述执行主体可以通过各种方式生成指示路侧感知系统车流量测试是否通过的测试结果。
在本实施例中，作为示例，上述预设通过条件例如可以是计算车流量与对应的真值之间的差的绝对值小于预设阈值。其中，上述真值通常可以指实际车流量值。其中，上述实际车流量值可以通过比上述待测试的路侧感知系统对车流量检测能力更高的系统或人工确定，也可以是测试环境中所预设的车流量值。
在本实施例中，上述执行主体可以将上述步骤S102所获取的计算车流量与对应的预设通过条件进行匹配，生成指示路侧感知系统车流量测试是否通过的测试结果。作为示例，当上述计算车流量与对应的真值之间的差的绝对值小于预设阈值时，上述执行主体可以生成指示上述路侧感知系统车流量测试通过的测试结果；当上述计算车流量与对应的真值之间的差的绝对值不小于预设阈值时，上述执行主体可以生成指示上述路侧感知系统车流量测试未通过的测试结果。
本公开的上述实施例提供的方法，通过获取待测试的路侧感知系统输出的与针对目标路段的路况视频对应的计算车流量，以及根据计算车流量与对应的预设通过条件之间的匹配，生成指示路侧感知系统车流量测试是否通过的测试结果，从而实现了对路侧感知系统的车流量测试。
在本实施例的一些可选的实现方式中，上述执行主体可以按照如下步骤获取待测试的路侧感知系统输出的与路况视频对应的计算车流量：
第一步，按照预设的时间周期，将路况视频划分为目标数目个子时间段对应的子视频。
在这些实现方式中，按照预设的时间周期，上述执行主体可以将上述步骤S101所获取的路况视频划分为目标数目个子时间段对应的子视频。作为示例，上述预设的时间周期可以预先指定，例如10分钟、15分钟、1小时。作为又一示例，上述预设的时间周期也可以与上述测试条件的预设时间要求(例如10分钟、30分钟、1小时)一致。可选地，上述预设的时间周期也可以小于上述测试条件的预设时间要求，例如1分钟、5分钟等。
第二步，获取待测试的路侧感知系统输出的与目标数目个子视频对应的子计算车流量。
在这些实现方式中，上述路侧感知系统可以通过与前述描述一致的方式，生成与上述第一步所划分的目标数目个子视频对应的子计算车流量。此处不再赘述。从而，上述执行主体可以从上述待测试的路侧感知系统获取其输出的与目标数目个子视频对应的子计算车流量。
第三步，根据目标数目个子计算车流量，生成计算车流量。
在这些实现方式中，根据上述第二步所获取的目标数目个子计算车流量，上述执行主体可以通过各种方式生成计算车流量。作为示例，上述执行主体可以按照计算车流量所针对的时间，从上述目标数目个子计算车流量中选取匹配的子计算车流量。作为示例，上述计算车流量所针对的时间为8:00-8:30，则上述执行主体可以从上述目标数目个子计算车流量(例如对应时间分别为7:00-7:30,7:30-8:00,8:00-8:30,8:30-9:00)选取匹配的子计算车流量作为上述计算车流量。
基于上述可选的实现方式，本方案可以通过各种方式生成计算车流量，从而丰富了计算车流量的生成方式，有助于提高车流量测试的准确性。
可选地，上述执行主体可以根据目标数目个子计算车流量的融合，生成融合车流量作为计算车流量。
在这些实现方式中，上述执行主体可以按照计算车流量对应的单位时间，对上述目标数目个子计算车流量进行各种融合操作，以生成计算车流量。作为示例，上述计算车流量所针对的单位时间为10分钟，上述目标数目个子计算车流量所针对的时间分别为1分钟，则上述执行主体可以将时间段相邻的10个子计算车流量相加，从而生成上述计算车流量。作为又一示例，上述计算车流量所针对的单位时间为5分钟，上述目标数目个子计算车流量所针对的时间分别为5分钟，则上述执行主体可以对上述目标数目个子计算车流量求平均值，从而生成上述计算车流量。
基于上述可选的实现方式，本方案可以通过各种方式生成计算车流量，从而丰富了计算车流量的生成方式，有助于提高车流量测试的准确性。
基于上述可选的实现方式，根据计算车流量与对应的预设通过条件之间的匹配，上述执行主体可以按照以下步骤生成指示路侧感知系统车流量测试是否通过的测试结果：
S1031、确定融合车流量的相对误差。
在这些实现方式中，上述执行主体可以根据各种方式确定融合车流量的相对误差。其中，上述相对误差可以包括该子计算车流量与对应的实际车辆数目之间的差的绝对值与上述实际车辆数目的比值。其中，上述实际车辆数目可以与前述步骤S103中的真值的描述一致，此处不再赘述。
S1032、根据融合车流量的相对误差，生成车流量准确性指标。
在这些实现方式中，根据步骤S1031所确定的融合车流量的相对误差，上述执行主体可以通过各种方式生成车流量准确性指标。其中，上述车流量准确性指标可以用于衡量车流量测试的准确性。作为示例，上述执行主体可以将上述相对误差本身确定为上述车流量准确性指标，其值越小，准确性越高。作为示例，上述执行主体可以将上述相对误差的倒数确定为上述车流量准确性指标，其值越大，准确性越高。
S1033、根据所得到的车流量准确性指标与对应的准确率通过范围之间的匹配，生成指示路侧感知系统车流量测试是否通过的测试结果。
在这些实现方式中，根据上述步骤S1032所得到的车流量准确性指标与对应的准确率通过范围之间的匹配，生成指示路侧感知系统车流量测试是否通过的测试结果。其中，上述准确率通过范围通常与上述准确性指标对应。作为示例，当上述准确性指标的值越小，所表征的准确性越高时，上述准确率通过范围通常包括上限阈值(例如准确性指标的不大于10％)。作为又一示例，当上述准确性指标的值越大，所表征的准确性越高时，上述准确率通过范围通常包括下限阈值(例如准确性指标的不小于90％)。
在这些实现方式中，当上述步骤S1032所得到的车流量准确性指标与对应的准确率通过范围匹配时，上述执行主体可以生成指示路侧感知系统车流量测试通过的测试结果。当上述步骤S1032所得到的车流量准确性指标与对应的准确率通过范围不匹配时，上述执行主体可以生成指示路侧感知系统车流量测试未通过的测试结果。
基于上述可选的实现方式，本方案可以将上述相对误差转换为车流量准确性指标，并根据对应的准确率通过范围之间的匹配，生成指示路侧感知系统车流量测试是否通过的测试结果。从而丰富了路侧感知系统车流量测试的方法，有助于提升路侧感知系统车流量测试的多样性。
在本实施例的一些可选的实现方式中，上述预设通过条件包括普通车道和复合车道分别对应的通过条件。
在这些实现方式中，上述预设通过条件可以根据所生成的计算车流量对应的车道的类型而分别设定。其中，上述普通车道可以包括单向通行的车道。上述复合车道例如可以包括但不限于以下至少一项：潮汐车道，可变车道、合用车道。上述合用车道例如可以包括直行和左转合用车道、直行和右转合用车道、左转和调头合用车道等。
基于上述可选的实现方式，本方案可以针对不同的车道类型设置不同的通过条件，有助于提升路侧感知系统的车流量测试的合理性。
在本实施例的一些可选的实现方式中，上述复合车道对应的准确率通过阈值通常小于上述普通车道对应的准确率通过阈值。
在这些实现方式中，作为示例，上述复合车道对应的准确率通过阈值例如可以是85％，上述普通车道对应的准确率通过阈值例如可以是90％。
基于上述可选的实现方式，本方案可以针对不同的车道类型设置不同的通过条件，并通过条件的具体设定使得路侧感知系统的车流量测试的结果更加合理。
在本实施例的一些可选的实现方式中，上述目标时间段可以包括一日的上午、中午、下午中的至少一段。
在这些实现方式中，作为示例，上述目标时间段可以包括以下至少一项：8:00-8:30、12:30-13:00、17:00-17:30。作为又一示例，上述目标时间段可以包括以下至少一项：7:00-9:00、11:00-13:00、16:00-18:00。
基于上述可选的实现方式，根据计算车流量与对应的预设通过条件之间的匹配，上述执行主体可以按照以下步骤生成指示路侧感知系统车流量测试是否通过的测试结果：
第一步，获取待测试的感知系统输出的与路况视频对应的计算车流量中每辆车对应的时间戳。
在这些实现方式中，上述待测试的感知系统可以根据上述步骤S101所获取的路况视频，通过各种方式生成上述计算车流量中每辆车对应的时间戳。其中，上述每辆车对应的时间戳可以用于指示上述各车辆通过该路段对应的断面的时间，即将该辆车统计进车流量的时间。作为示例，上述执行主体可以参照前述步骤S102中的相应描述，利用图像处理方法或深度学习方式训练得到的模型得到上述与路况视频对应的计算车流量中每辆车对应的时间戳。此处不再赘述。
在这些实现方式中，上述执行主体可以通过有线连接或无线连接(例如通过PC5接口)从上述待测试的感知系统获取其输出的与路况视频对应的计算车流量中每辆车对应的时间戳。
第二步，根据计算车流量及其对应的时间戳与对应的预设通过条件之间的匹配，生成指示路侧感知系统车流量测试是否通过的测试结果。
在这些实现方式中，根据计算车流量及其对应的时间戳与对应的预设通过条件之间的匹配，上述执行主体可以通过各种方式生成指示路侧感知系统车流量测试是否通过的测试结果。
在这些实现方式中，作为示例，上述执行主体可以利用上述第一步所得到的每辆车对应的时间戳与对应的预设通过条件进行匹配。例如，上述预设通过条件用于指示10:00-10:10之间的车流量为100辆/分钟。上述执行主体可以统计对应的时间戳所指示的时刻属于10:00-10:10时段的车辆的数目。响应于确定所得到的数目与上述预设通过条件匹配(例如误差在10％以内)，上述执行主体可以生成指示路侧感知系统车流量测试通过的测试结果。可选地，上述执行主体还可以利用上述每辆车对应的时间戳来对所生成的计算车流量产生的误差进行定位，从而有助于进一步调优上述待测试的路侧感知系统。
基于上述可选的实现方式，本方案可以通过获取待测试的感知系统输出的与路况视频对应的计算车流量中每辆车对应的时间戳，以及根据上述时间戳生成指示路侧感知系统车流量测试是否通过的测试结果。从而丰富了测试路侧感知系统车流量的方式，提高了测试的准确性。
在本实施例的一些可选的实现方式中，上述实际车流量可以包括通过真值车根据上述目标视频而确定的车流量。
在这些实现方式中，上述真值车可以在上述待测试的路侧感知系统附近行驶，从而能够移动到更佳的拍摄位置，从而生成更加准确的车流量。上述真值车上可以运行有车流量测试达到标准的车流量预估系统，从而上述真值车根据上述目标视频而确定的车流量可以作为实际车流量。
基于上述可选的实现方式，本方案可以利用真值车来生成实际车流量。由于真值车可以为测试车辆，也可为道路普通车辆，普通车辆可以在道路行驶过程中实时、持续、多次对路侧感知系统输出的车流量进行测试，不仅限于测试实验环境。从而提升测试便利性，提升测试的效率。
继续参见图2，图2是根据本公开第二实施例的示意图200。该用于生成测试结果的方法包括以下步骤：
S201，获取针对目标路段的路况视频。
S202，按照预设的时间周期，将路况视频划分为目标数目个子时间段对应的子视频。
S203，获取待测试的路侧感知系统输出的与目标数目个子视频对应的子计算车流量。
S204，根据目标数目个子计算车流量，生成计算车流量。
上述S201、S202、S203、S204可以分别与前述实施例中的S101、S102、S103、S104和S105及其可选的实现方式一致，上文针对S101、S102、S103、S104和S105及其可选的实现方式的描述也适用于S201、S202、S203、S204和S205，此处不再赘述。
S205，对于目标数目个子计算车流量，确定该子计算车流量的相对误差。
S206，根据所得到的目标数目个相对误差，生成目标数目个车流量准确性指标。
在本实施例中，用于生成测试结果的方法的执行主体可以根据步骤S205所得到的目标数目个相对误差，通过各种方式生成目标数目个车流量准确性指标。其中，上述车流量准确性指标可以包括预设值与所得到的相对误差之差。作为示例，当上述相对误差为真分数时，上述预设值例如可以是1。
S207，根据所确定的车流量准确性指标与对应的准确率通过范围的匹配，生成该子计算车流量对应的匹配结果。
在本实施例中，根据步骤S206所得到的目标数目个车流量准确性指标与分别对应的准确率通过范围之间的匹配，上述执行主体可以通过各种方式生成上述目标数目个子计算车流量对应的匹配结果。
在本实施例中，作为示例，上述准确率通过范围例如可以是车流量准确性指标大于90％，也可以是车流量准确性指标在90％～95％之间。
S208，根据所生成的匹配结果，生成指示路侧感知系统车流量测试是否通过的测试结果。
在本实施例中，根据上述步骤S207所生成的目标数目个匹配结果，上述执行主体可以通过各种方式生成指示路侧感知系统车流量测试是否通过的测试结果。作为示例，上述执行主体可以统计上述步骤S207所生成的匹配结果中用于指示匹配成功的数目。其中，上述匹配成功的数目通常不大于上述目标数目。上述执行主体可以根据上述匹配成功的数目是否满足要求(例如是否大于预设数目阈值，或占比是否大于预设百分比)，生成指示路侧感知系统车流量测试通过或未通过的测试结果。
在本实施例的一些可选的实现方式中，上述预设通过条件包括普通车道和复合车道分别对应的通过条件。
在本实施例的一些可选的实现方式中，上述复合车道对应的准确率通过阈值通常小于上述普通车道对应的准确率通过阈值。
在本实施例的一些可选的实现方式中，上述目标时间段可以包括一日的上午、中午、下午中的至少一段。
基于上述可选的实现方式，根据计算车流量与对应的预设通过条件之间的匹配，上述执行主体可以按照以下步骤生成指示路侧感知系统车流量测试是否通过的测试结果：
第一步，获取待测试的感知系统输出的与路况视频对应的计算车流量中每辆车对应的时间戳。
第二步，根据计算车流量及其对应的时间戳与对应的预设通过条件之间的匹配，生成指示路侧感知系统车流量测试是否通过的测试结果。
在本实施例的一些可选的实现方式中，上述实际车流量可以包括通过真值车根据上述目标视频而确定的车流量。
在这些实现方式中，上述步骤的具体描述和其所产生的技术效果可以参考前述实施例中的相应描述，此处不再赘述。
从图2中可以看出，本实施例中的用于生成测试结果的方法的流程200体现了利用预设值与所得到的相对误差之差确定车流量准确性指标的步骤，根据各子计算车流量准确性指标与对应的准确率通过范围的匹配，生成该子计算车流量对应的匹配结果的步骤，以及根据所生成的匹配结果，生成指示路侧感知系统车流量测试是否通过的测试结果的步骤。由此，本实施例描述的方案丰富了对路侧感知系统进行车流量测试的方法，提升了测试的准确性。
继续参见图3，图3是根据本公开的实施例的用于生成测试结果的方法的应用场景的一个示意图。在图3的应用场景中，待测试的路侧感知系统301可以从其上安装的摄像头3011获取针对测试路段的路况视频。该路况视频记录了双车道中8:00-8:30、12:30-13:00、17:00-17:30的车流信息。上述待测试的路侧感知系统301可以获取其输出的与上述路况视频对应的计算车流量。其中，上述计算车流量例如可以是根据从上述路况视频中选取的6段10分钟的视频(例如8:00-8:10、8:20-8:30、12:30-12:40、12:50-13:00、17:00-17:10、17:20-17:30)而确定的。而后，上述待测试的路侧感知系统301可以将上述计算车流量与对应的预设通过条件进行匹配。例如，上述待测试的路侧感知系统301可以预先获取所选取的6段10分钟的视频所对应的实际车流量。而后，上述待测试的路侧感知系统301可以根据上述计算车流量与对应的实际车流量之间的差异是否满足要求，生成指示上述路侧感知系统301车流量测试是否通过的测试结果。
目前，现有技术并没有针对路侧感知系统的车流量测试的完整方案。。而本公开的上述实施例提供的方法，通过获取待测试的路侧感知系统输出的与针对目标路段的路况视频对应的计算车流量，以及根据计算车流量与对应的预设通过条件之间的匹配，生成指示路侧感知系统车流量测试是否通过的测试结果，从而实现了对路侧感知系统的车流量测试。
进一步参考图4，作为对上述各图所示方法的实现，本公开提供了用于生成测试结果的装置的一个实施例，该装置实施例与图1或图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。
如图4所示，本实施例提供的用于生成测试结果的装置400包括第一获取单元401、第二获取单元402、生成单元403。其中，第一获取单元401，被配置成获取针对目标路段的路况视频，其中，路况视频用于记录目标时间段内至少一条车道中的车流量；第二获取单元402，被配置成获取待测试的路侧感知系统输出的与路况视频对应的计算车流量；生成单元403，被配置成根据计算车流量与对应的预设通过条件之间的匹配，生成指示路侧感知系统车流量测试是否通过的测试结果。
在本实施例中，用于生成测试结果的装置400中：第一获取单元401、第二获取单元402、生成单元403的具体处理及其所带来的技术效果可分别参考图1对应实施例中的步骤S101、S102、S103的相关说明，在此不再赘述。
在本实施例的一些可选的实现方式中，上述第二获取单元402可以包括：划分模块(图中未示出)，被配置成按照预设的时间周期，将路况视频划分为目标数目个子时间段对应的子视频；获取模块(图中未示出)，被配置成获取待测试的路侧感知系统输出的与目标数目个子视频对应的子计算车流量；生成模块(图中未示出)，被配置成根据目标数目个子计算车流量，生成计算车流量。
在本实施例的一些可选的实现方式中，上述生成单元403可以进一步被配置成：对于目标数目个子计算车流量，确定该子计算车流量的相对误差，其中，相对误差包括该子计算车流量与对应的实际车辆数目之间的差的绝对值与实际车辆数目的比值；根据所得到的目标数目个相对误差，生成目标数目个车流量准确性指标，其中，车流量准确性指标包括预设值与所得到的相对误差之差；根据所确定的车流量准确性指标与对应的准确率通过范围的匹配，生成该子计算车流量对应的匹配结果；根据所生成的匹配结果，生成指示路侧感知系统车流量测试是否通过的测试结果。
在本实施例的一些可选的实现方式中，上述生成模块可以进一步被配置成：根据目标数目个子计算车流量的融合，生成融合车流量作为计算车流量。上述生成单元403可以进一步被配置成：确定融合车流量的相对误差，其中，相对误差包括该子计算车流量与对应的实际车辆数目之间的差的绝对值与实际车辆数目的比值；根据融合车流量的相对误差，生成车流量准确性指标；根据所得到的车流量准确性指标与对应的准确率通过范围之间的匹配，生成指示路侧感知系统车流量测试是否通过的测试结果。
在本实施例的一些可选的实现方式中，上述预设通过条件可以包括普通车道和复合车道分别对应的通过条件。
在本实施例的一些可选的实现方式中，上述复合车道对应的准确率通过阈值可以小于上述普通车道对应的准确率通过阈值。
在本实施例的一些可选的实现方式中，上述目标时间段可以包括一日的上午、中午、下午中的至少一段。上述生成单元403可以进一步被配置成：获取待测试的感知系统输出的与路况视频对应的计算车流量中每辆车对应的时间戳；根据计算车流量及其对应的时间戳与对应的预设通过条件之间的匹配，生成指示路侧感知系统车流量测试是否通过的测试结果。
在本实施例的一些可选的实现方式中，上述实际车流量可以包括通过真值车根据目标视频而确定的车流量。
本公开的上述实施例提供的装置，通过第二获取单元402获取待测试的路侧感知系统输出的与第一获取单元401获取的针对目标路段的路况视频对应的计算车流量，以及生成单元403根据计算车流量与对应的预设通过条件之间的匹配，生成指示路侧感知系统车流量测试是否通过的测试结果，从而实现了对路侧感知系统的车流量测试。
本公开的技术方案中，所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理，均符合相关法律法规的规定，且不违背公序良俗。
根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图5示出了可以用来实施本公开的实施例的示例电子设备500的示意性框图。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/或者要求的本公开的实现。
本公开所提供的自动驾驶车辆和云控平台，可以包括如图5所示的上述电子设备。
云控平台在云端执行处理，云控平台包括的电子设备可以获取感知设备(如路侧相机)的数据，例如图片和视频等，从而进行图像视频处理和数据计算；云控平台也可以称为车路协同管理平台、边缘计算平台、云计算平台、中心系统、云端服务器等。
如图5所示，设备500包括计算单元501，其可以根据存储在只读存储器(ROM)502中的计算机程序或者从存储单元508加载到随机访问存储器(RAM)503中的计算机程序，来执行各种适当的动作和处理。在RAM 503中，还可存储设备500操作所需的各种程序和数据。计算单元501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
设备500中的多个部件连接至I/O接口505，包括：输入单元506，例如键盘、鼠标等；输出单元507，例如各种类型的显示器、扬声器等；存储单元508，例如磁盘、光盘等；以及通信单元509，例如网卡、调制解调器、无线通信收发机等。通信单元509允许设备500通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元501可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元501的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元501执行上文所描述的各个方法和处理，例如用于生成测试结果的方法。例如，在一些实施例中，用于生成测试结果的方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元508。在一些实施例中，计算机程序的部分或者全部可以经由ROM 502和/或通信单元509而被载入和/或安装到设备500上。当计算机程序加载到RAM 503并由计算单元501执行时，可以执行上文描述的用于生成测试结果的方法的一个或多个步骤。备选地，在其他实施例中，计算单元501可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行用于生成测试结果的方法。
本文中以上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、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、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。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
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。服务器可以是云服务器，也可以为分布式系统的服务器，或者是结合了区块链的服务器。
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，本公开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，只要能够实现本公开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，并不构成对本公开保护范围的限制。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。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。
Claims (12)
1.一种用于生成测试结果的方法，包括：
获取针对目标路段的路况视频，其中，所述路况视频用于记录目标时间段内至少一条车道中的车流量，其中，所述目标路段包括一个能覆盖所有车道的断面；
获取待测试的路侧感知系统输出的与所述路况视频对应的计算车流量，其中，所述计算车流量由所述待测试的路侧感知系统基于图像识别方法，在上述目标路段中确定与车道方向垂直的断面，以及统计所述目标时间段内经过所述断面的车辆的数目得到；
根据所述计算车流量与对应的预设通过条件之间的匹配，生成指示所述路侧感知系统车流量测试是否通过的测试结果，其中，所述预设通过条件用于限定计算车流量与对应的实际车流量的比较结果，所述实际车流量由在所述待测试的路侧感知系统附近行驶的真值车根据所述路况视频确定，所述计算车流量对应的预设通过条件与车道类型和所述计算车流量中每辆车对应的时间戳相对应，时间戳标识车辆通过所述目标路段对应的断面的时间。
2.根据权利要求1所述的方法，其中，所述获取待测试的路侧感知系统输出的与所述路况视频对应的计算车流量，包括：
按照预设的时间周期，将所述路况视频划分为目标数目个子时间段对应的子视频；
获取所述待测试的路侧感知系统输出的与所述目标数目个子视频对应的子计算车流量；
根据所述目标数目个子计算车流量，生成所述计算车流量。
3.根据权利要求2所述的方法，其中，所述根据所述计算车流量与对应的预设通过条件之间的匹配，生成指示所述路侧感知系统车流量测试是否通过的测试结果，包括：
对于所述目标数目个子计算车流量，确定该子计算车流量的相对误差，其中，所述相对误差包括该子计算车流量与对应的实际车辆数目之间的差的绝对值与所述实际车辆数目的比值；
根据所得到的目标数目个相对误差，生成目标数目个车流量准确性指标，其中，所述车流量准确性指标包括预设值与所得到的相对误差之差；
根据所确定的车流量准确性指标与对应的准确率通过范围的匹配，生成该子计算车流量对应的匹配结果；
根据所生成的匹配结果，生成指示所述路侧感知系统车流量测试是否通过的测试结果。
4.根据权利要求2所述的方法，其中，所述根据所述目标数目个子计算车流量，生成所述计算车流量，包括：
根据所述目标数目个子计算车流量的融合，生成融合车流量作为所述计算车流量；以及
所述根据所述计算车流量与对应的预设通过条件之间的匹配，生成指示所述路侧感知系统车流量测试是否通过的测试结果，包括：
确定所述融合车流量的相对误差，其中，所述相对误差包括该子计算车流量与对应的实际车辆数目之间的差的绝对值与所述实际车辆数目的比值；
根据所述融合车流量的相对误差，生成车流量准确性指标；
根据所得到的车流量准确性指标与对应的准确率通过范围之间的匹配，生成指示所述路侧感知系统车流量测试是否通过的测试结果。
5.根据权利要求1-4之一所述的方法，其中，所述预设通过条件包括普通车道和复合车道分别对应的通过条件。
6.根据权利要求5所述的方法，其中，所述复合车道对应的准确率通过阈值小于所述普通车道对应的准确率通过阈值。
7.根据权利要求1-6之一所述的方法，其中，所述目标时间段包括一日的上午、中午、下午中的至少一段；以及
所述根据所述计算车流量与对应的预设通过条件之间的匹配，生成指示所述路侧感知系统车流量测试是否通过的测试结果，包括：
获取所述待测试的感知系统输出的与所述路况视频对应的计算车流量中每辆车对应的时间戳；
根据所述计算车流量及其对应的时间戳与对应的预设通过条件之间的匹配，生成指示所述路侧感知系统车流量测试是否通过的测试结果。
8.一种用于生成测试结果的装置，包括：
第一获取单元，被配置成获取针对目标路段的路况视频，其中，所述路况视频用于记录目标时间段内至少一条车道中的车流量，其中，所述目标路段包括一个能覆盖所有车道的断面；
第二获取单元，被配置成获取待测试的路侧感知系统输出的与所述路况视频对应的计算车流量，其中，所述计算车流量由所述待测试的路侧感知系统基于图像识别方法，在上述目标路段中确定与车道方向垂直的断面，以及统计所述目标时间段内经过所述断面的车辆的数目得到；
生成单元，被配置成根据所述计算车流量与对应的预设通过条件之间的匹配，生成指示所述路侧感知系统车流量测试是否通过的测试结果，其中，所述预设通过条件用于限定计算车流量与对应的实际车流量的比较结果，所述实际车流量由在所述待测试的路侧感知系统附近行驶的真值车根据所述路况视频确定，所述计算车流量对应的预设通过条件与车道类型和所述计算车流量中每辆车对应的时间戳相对应，时间戳标识车辆通过所述目标路段对应的断面的时间。
9.一种电子设备，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权利要求1-7中任一项所述的方法。
10.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-7中任一项所述的方法。
11.一种自动驾驶车辆，包括如权利要求9所述的电子设备。
12.一种云控平台，包括如权利要求9所述的电子设备。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111536693.2A CN114120650B (zh) | 2021-12-15 | 2021-12-15 | 用于生成测试结果的方法、装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111536693.2A CN114120650B (zh) | 2021-12-15 | 2021-12-15 | 用于生成测试结果的方法、装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114120650A CN114120650A (zh) | 2022-03-01 |
| CN114120650B true CN114120650B (zh) | 2023-08-08 |
Family
ID=80365660
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111536693.2A Active CN114120650B (zh) | 2021-12-15 | 2021-12-15 | 用于生成测试结果的方法、装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114120650B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114596706B (zh) * | 2022-03-15 | 2024-05-03 | 阿波罗智联(北京)科技有限公司 | 路侧感知系统的检测方法及装置、电子设备和路侧设备 |
| CN115086209B (zh) * | 2022-05-10 | 2024-03-12 | 浙江众合科技股份有限公司 | 基于边缘计算平台的信号系统数字化智能测试方法 |
| CN115512552B (zh) * | 2022-09-15 | 2023-09-26 | 云控智行科技有限公司 | 车流量统计方法、装置及设备 |
| CN116824869B (zh) * | 2023-08-31 | 2023-11-24 | 国汽(北京)智能网联汽车研究院有限公司 | 车路云一体化交通融合感知测试方法、装置、系统及介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102622880A (zh) * | 2012-01-09 | 2012-08-01 | 北京捷易联科技有限公司 | 一种交通信息数据修复方法及装置 |
| CN110633678A (zh) * | 2019-09-19 | 2019-12-31 | 北京同方软件有限公司 | 一种基于视频图像的快速高效的车流量计算方法 |
| CN110718061A (zh) * | 2019-10-17 | 2020-01-21 | 长沙理工大学 | 交通路口车流量统计方法、装置、存储介质及电子设备 |
| CN112085950A (zh) * | 2020-08-17 | 2020-12-15 | 西安电子科技大学 | 交通状态判别指标的估计方法、系统、存储介质及应用 |
| CN112633120A (zh) * | 2020-12-18 | 2021-04-09 | 北京理工大学重庆创新中心 | 一种基于半监督学习的智能路侧感知系统及模型训练方法 |
| CN112816954A (zh) * | 2021-02-09 | 2021-05-18 | 中国信息通信研究院 | 一种基于真值的路侧感知系统评测方法和系统 |
-
2021
- 2021-12-15 CN CN202111536693.2A patent/CN114120650B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102622880A (zh) * | 2012-01-09 | 2012-08-01 | 北京捷易联科技有限公司 | 一种交通信息数据修复方法及装置 |
| CN110633678A (zh) * | 2019-09-19 | 2019-12-31 | 北京同方软件有限公司 | 一种基于视频图像的快速高效的车流量计算方法 |
| CN110718061A (zh) * | 2019-10-17 | 2020-01-21 | 长沙理工大学 | 交通路口车流量统计方法、装置、存储介质及电子设备 |
| CN112085950A (zh) * | 2020-08-17 | 2020-12-15 | 西安电子科技大学 | 交通状态判别指标的估计方法、系统、存储介质及应用 |
| CN112633120A (zh) * | 2020-12-18 | 2021-04-09 | 北京理工大学重庆创新中心 | 一种基于半监督学习的智能路侧感知系统及模型训练方法 |
| CN112816954A (zh) * | 2021-02-09 | 2021-05-18 | 中国信息通信研究院 | 一种基于真值的路侧感知系统评测方法和系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114120650A (zh) | 2022-03-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114120650B (zh) | 用于生成测试结果的方法、装置 | |
| CN113240909B (zh) | 车辆监测方法、设备、云控平台和车路协同系统 | |
| CN111998860B (zh) | 自动驾驶定位数据校验方法、装置、电子设备及存储介质 | |
| CN112579464A (zh) | 自动驾驶算法的校验方法、装置、设备以及存储介质 | |
| CN112861833B (zh) | 车辆车道级定位方法、装置、电子设备和计算机可读介质 | |
| CN112883236B (zh) | 一种地图更新方法、装置、电子设备及存储介质 | |
| CN115374016A (zh) | 一种测试场景仿真系统、方法、电子设备及存储介质 | |
| CN114238790A (zh) | 用于确定最大感知范围的方法、装置、设备以及存储介质 | |
| CN113722342A (zh) | 高精地图要素变更检测方法、装置、设备及自动驾驶车辆 | |
| EP4174847B1 (en) | Navigation broadcast detection method and apparatus, and electronic device and medium | |
| CN114720148B (zh) | 车辆感知能力的确定方法、装置、设备及存储介质 | |
| EP4141386A1 (en) | Road data monitoring method and apparatus, electronic device and storage medium | |
| CN114547551A (zh) | 基于车辆上报数据的路面数据获取方法及云端服务器 | |
| CN114519500A (zh) | 道路安全风险等级的确定方法、装置、设备及存储介质 | |
| CN114111757A (zh) | 地图数据的修复方法、装置、电子设备和可读存储介质 | |
| CN113947897B (zh) | 获取道路交通状况的方法、装置、设备及自动驾驶车辆 | |
| CN114625884B (zh) | 轨迹数据的处理方法、装置、设备、存储介质及程序产品 | |
| CN114881543B (zh) | 道路等级确定方法及装置、电子设备和介质 | |
| CN116504052B (zh) | 基于shockwave交通流模型的感知数据补全方法 | |
| CN114596552B (zh) | 信息处理方法、训练方法、装置、设备、车辆及介质 | |
| CN115662167B (zh) | 自动驾驶地图构建方法、自动驾驶方法及相关装置 | |
| CN114049615A (zh) | 行驶环境中交通对象融合关联方法、装置及边缘计算设备 | |
| CN117935607A (zh) | 一种停车位预测方法、装置、电子设备和存储介质 | |
| CN115810270A (zh) | 车辆转向检测的方法、装置、电子设备及存储介质 | |
| CN114579594A (zh) | 信息更新方法、装置、电子设备以及存储介质 |
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 |