CN114301792B - 一种交通流模拟方法及交通流传感器 - Google Patents
一种交通流模拟方法及交通流传感器 Download PDFInfo
- Publication number
- CN114301792B CN114301792B CN202111646091.2A CN202111646091A CN114301792B CN 114301792 B CN114301792 B CN 114301792B CN 202111646091 A CN202111646091 A CN 202111646091A CN 114301792 B CN114301792 B CN 114301792B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- lane
- simulation
- target
- dynamic map
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明提供一种交通流模拟方法及交通流传感器,应用于汽车技术领域,该方法在获取目标仿真车的行驶路线和车辆信息后,根据行驶路线和车辆位置,在动态地图中确定至少一条与目标仿真车的行驶过程相关的相关车道,获取动态地图中记录的各相关车道的车道信息,并根据车辆运行拓扑中记录的各相关车道的车辆队列以及目标仿真车的车辆位置,确定目标仿真车四周的相关仿真车,最后根据各相关车道的车道信息、各相关仿真车的车辆信息以及目标仿真车的车辆信息,确定目标仿真车的驾驶策略并控制目标仿真车行驶。本方法车辆集合中的各仿真车均可以使用动态地图以及车辆运行拓扑,能够降低交通流模拟过程对计算资源的消耗,进而提高智能驾驶测试效果。
Description
技术领域
本发明属于汽车技术领域,尤其涉及一种交通流模拟方法及交通流传感器。
背景技术
随着汽车技术的发展,高级辅助驾驶系统和智能驾驶系统得到广泛应用。在高级辅助驾驶系统和智能驾驶系统的设计和实现过程中,模型在环和硬件在环测试是验证上述系统性能的重要步骤,在进行测试时,一般利用仿真场景软件进行测试。而交通流,即背景仿真车,作为被测对象所处交通环境的重要组成部分,可以提供丰富的环境变量,有助于增强仿真测试效果。
然而,发明人研究发现,现有仿真软件的交通流传感器大都基于自由空间感知策略实现,会消耗较大计算资源,极大的限制交通流中最大运行车辆数量,智能驾驶测试效果欠佳。
发明内容
有鉴于此,本发明的目的在于提供一种交通流模拟方法及交通流传感器,降低交通流模拟过程对计算资源的消耗,有助于提供交通流中最大运行车辆数量,进而提高智能驾驶测试效果,具体方案如下:
第一方面,本发明提供一种交通流模拟方法,应用于包括预设功能单元的交通流传感器,所述预设功能单元包括车辆集合、动态地图和车辆运行拓扑,所述方法包括:
获取目标仿真车的行驶路线和车辆信息;
其中,所述目标仿真车为所述车辆集合中多辆仿真车的任意一辆,所述车辆信息包括所述目标仿真车在所述动态地图中的车辆位置;
根据所述行驶路线和所述车辆位置,在所述动态地图中确定至少一条与所述目标仿真车的行驶过程相关的相关车道;
获取所述动态地图中记录的各所述相关车道的车道信息,并根据所述车辆运行拓扑中记录的各所述相关车道的车辆队列以及所述目标仿真车的车辆位置,确定所述目标仿真车四周的相关仿真车;
其中,所述车辆运行拓扑中记录有所有车道的车辆队列,所述车辆队列记录有位于相应车道内的仿真车的排列序列;
根据各所述相关车道的车道信息、各所述相关仿真车的车辆信息以及所述目标仿真车的车辆信息,确定所述目标仿真车的驾驶策略,并按照所述驾驶策略控制所述目标仿真车行驶。
可选的,所述动态地图中记载有多条道路,以及各所述道路的每一条车道的车道线,
所述根据所述行驶路线和所述车辆位置,在所述动态地图中确定至少一条与所述目标仿真车的行驶过程相关的相关车道,包括:
基于所述车辆位置与所述动态地图中记录的各车道线的距离,在所述动态地图中确定所述目标仿真车的当前所属车道;
根据所述当前所属车道确定所述目标仿真车的左侧车道和右侧车道;
根据所述行驶路线,在所述动态地图中确定所述目标仿真车的前方车道。
可选的,所述行驶路线记录有所述目标仿真车行驶过程中依次经过车道的车道标识,
所述根据所述行驶路线,在所述动态地图中确定所述目标仿真车的前方车道,包括:
将位于所述目标仿真车前方的多条岔路的车道作为候选车道;
遍历各所述候选车道的车道标识;
将车道标识记录于所述行驶路线中的候选车道作为所述目标仿真车的前方车道。
可选的,所述动态地图记录有多条道路,以及各所述道路的各条车道对应的车道线、换道区间信息和交通标志信息,
所述获取所述动态地图中记录的各所述相关车道的车道信息,包括:
获取所述动态地图中记录的各所述相关车道的车道线和换道区间信息;
以及,获取所述动态地图中记录的各所述相关车道的交通标志信息。
可选的,所述根据所述车辆运行拓扑中记录的各所述相关车道的车辆队列以及所述目标仿真车的车辆位置,确定所述目标仿真车四周的相关仿真车,包括:
分别获取各所述相关车道的车辆队列中各仿真车的车辆位置;
根据所述目标仿真车的车辆位置以及各所述仿真车的车辆位置,分别计算各所述仿真车与所述目标仿真车之间的距离,得到相应的车辆间距;
根据各所述仿真车的车辆间距与预设距离阈值大小关系,在各所述仿真车中确定位于所述目标仿真车左前方、左后方、右前方、右后方、正前方以及正后方的相关仿真车。
可选的,所述车辆运行拓扑中的各车道以及所述动态地图中的各车道均设置有车道标识;
所述分别获取各所述相关车道的车辆队列中各仿真车的车辆位置,包括:
在所述动态地图中获取各所述相关车道的车道标识,得到目标车道标识;
在所述车辆运行拓扑中确定分别与各所述目标车道标识对应的车道,得到目标车道;
获取所述车辆运行拓扑中各所述目标车道对应的车辆队列中的各仿真车的车辆位置。
可选的,本发明第一方面提供的交通流模拟方法,还包括:
更新所述目标仿真车的车辆位置,并存储更新后的车辆位置;
更新所述动态地图的交通信号灯状态;
以及,更新所述车辆运行拓扑中各车道的车辆队列。
可选的,所述更新所述车辆运行拓扑中各车道的车辆队列,包括:
基于所述目标仿真车更新后的车辆位置,确定所述目标仿真车位置更新后的所属车道;
根据所述目标仿真车位置更新前的所属车道和位置更新后的所属车道,更新所述车辆运行拓扑中各车道的车辆队列。
第二方面,本发明提供一种交通流传感器,包括预设功能单元,所述预设功能单元包括:车辆集合、动态地图和车辆运行拓扑,其中,
所述动态地图记录有仿真工程的道路信息;
所述车辆运行拓扑记录有所述动态地图中所有车道的车辆队列,所述车辆队列记录有位于相应车道内的仿真车的排列序列;
所述车辆集合包括多辆仿真车;
任一所述仿真车包括车辆状态单元、车辆决策单元、路径搜索单元和交通车传感器,所述交通车传感器包括道路传感器、交通标志传感器和物体传感器,其中,
所述道路传感器用于获取目标仿真车的行驶路线和车辆信息;
其中,所述目标仿真车为所述车辆集合中多辆仿真车的任意一辆,所述车辆信息包括所述目标仿真车在所述动态地图中的车辆位置;
以及,根据所述行驶路线和所述车辆位置,在所述动态地图中确定至少一条与所述目标仿真车的行驶过程相关的相关车道;
所述交通标志传感器用于获取所述动态地图中记录的各所述相关车道的车道信息;
所述物体传感器用于根据所述车辆运行拓扑中记录的各所述相关车道的车辆队列以及所述目标仿真车的车辆位置,确定所述目标仿真车四周的相关仿真车;
其中,所述车辆运行拓扑中记录有所有车道的车辆队列,所述车辆队列记录有位于相应车道内的仿真车的排列序列;
所述车辆决策单元用于根据各所述相关车道的车道信息、各所述相关仿真车的车辆信息以及所述目标仿真车的车辆信息,确定所述目标仿真车的驾驶策略,并按照所述驾驶策略控制所述目标仿真车行驶。
可选的,所述仿真车还包括驾驶员模型和车辆运动学模型,所述驾驶员模型和车辆运动学模型用于更新所述目标仿真车的车辆位置,并存储更新后的车辆位置;
所述动态地图还包括交通灯模型,所述交通灯模型用于更新所述动态地图的交通信号灯状态;
所述车辆运行拓扑还用于更新所述车辆运行拓扑中各车道的车辆队列。
上述本发明提供的交通流模拟方法,应用于包括预设功能单元的交通流传感器,该预设功能单元包括车辆集合、动态地图和车辆运行拓扑,在获取目标仿真车的行驶路线和车辆信息后,根据行驶路线和车辆位置,在动态地图中确定至少一条与目标仿真车的行驶过程相关的相关车道,进一步获取动态地图中记录的各相关车道的车道信息,并根据车辆运行拓扑中记录的各相关车道的车辆队列以及目标仿真车的车辆位置,确定目标仿真车四周的相关仿真车,最后根据各相关车道的车道信息、各相关仿真车的车辆信息以及目标仿真车的车辆信息,确定目标仿真车的驾驶策略,并按照驾驶策略控制目标仿真车行驶。本发明提供的模拟方法,目标仿真车可以是车辆集合中多辆仿真车的任意一辆,因此,车辆集合中的各仿真车均可以使用动态地图以及车辆运行拓扑,即动态地图和车辆运行拓扑对于各仿真车而言是共享的,不必针对每一辆仿真车单独维护,相对于现有技术中基于自由空间感知策略实现的模拟方法,能够降低交通流模拟过程对计算资源的消耗,有助于提供交通流中最大运行车辆数量,进而提高智能驾驶测试效果。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种交通流模拟方法的流程图;
图2是本发明实施例提供的另一种交通流模拟方法的流程图;
图3是本发明实施例提供的一种交通流传感器的结构示意图;
图4是本发明实施例提供的一种交通流传感器的工作原理示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例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他实施例,都属于本发明保护的范围。
本发明提供的交通流模拟方法,用于模拟交通流传感器的输出,为仿真测试场景提供测试所需的交通流,属于仿真场景测试过程的一部分,在仿真场景测试过程中进行交通流模拟,进而实现对高级辅助驾驶系统以及智能驾驶系统的测试,可运行于PC机、笔记本电脑等能够运行仿真场景测试软件的电子设备,还可运行于专门用于进行高级辅助驾驶系统以及智能驾驶系统测试的服务器。
进一步的,本发明实施例提供的交通流传感器包括预设功能单元,具体的,该预设功能单元包括车辆集合、动态地图和车辆运行拓扑,其中,
车辆集合是仿真车辆的集合,其中包括多辆仿真车,并且车辆集合中还汇集当前仿真工程中所有仿真车的车辆信息。每一辆仿真车主要由车辆状态、路径搜索、交通车传感器、车辆决策四个模块组成,而交通车传感器由道路传感器、交通标志传感器和物体传感器组成。交通车传感器中各传感器的具体作用,将在后续内容中逐一介绍,此处暂不详述。
动态地图是基于opendrive高精地图解析和重构的特定地图,在动态地图中,汇集当前仿真工程中所有道路的道路信息。具体的,任意一条道路的道路信息主要包括道路连接关系信息、车道线信息、交通标志信息等,而动态地图的动态调整则体现在交通信号灯、路灯等交通标志信息会实时变化,动态地图中设置有专门用于更新交通标志信息的交通灯模型。
车辆运行拓扑记录有仿真车行驶时对应的车辆队列,并且车辆队列示意车道为单位编辑和表示的,在动态地图中,道路由车道组成,车道是动态地图中最小逻辑单元,因此,在车辆运行拓扑中,以车道为基本组成单元,为每一条车道创建并维护相应的车辆队列,可以理解的是,任一车辆队列中记录有位于相应的车道内的仿真车的排列序列。对于任一确定的车辆队列而言,其中各辆仿真车的前后顺序都是确定的。
基于上述内容,参见图1,本发明实施例提供的交通流模拟方法的流程,可以包括:
S100、获取目标仿真车的行驶路线和车辆信息。
如前所述,车辆集合中包括多辆仿真车,本实施例中述及的目标仿真车可以是车辆集合中多辆仿真车的任意一辆,只要是参与交通流模拟过程的仿真车,都可以作为目标仿真车。
在仿真过程中,任一辆仿真车的行驶路线是由设定的出发地和目的地等信息确定的,前述内容中已经提到,仿真车包括路径搜索模块,在实际应用中,路径搜索模块即可根据各仿真车对应的出发地和目的地,同时结合动态地图中的道路连接关系、车道信息等内容,确定仿真车的行驶路线。至于路径搜索模块确定各仿真车的行驶路线的过程,可以基于相关技术实现,本发明对此不做限定,直接获取目标仿真车的行驶路线即可。
进一步的,在本实施例中,车辆信息主要包括目标仿真车在动态地图中的车辆位置。
S110、根据行驶路线和车辆位置,在动态地图中确定至少一条与目标仿真车的行驶过程相关的相关车道。
经过前述步骤,已经确定目标仿真车的车辆位置,进一步的,动态地图中明确记载有每一条道路的每一条车道的车道线,基于目标仿真车的车辆位置,计算目标仿真车与各车道线之间的距离,所得距离处于预设距离范围的车道线所组成的车道,即目标仿真车在动态地图中的当前所属车道。可以理解的是,动态地图中的车道线数量众多,没必要针对所有的车道线都进行距离计算,因此,在实际应用中,可以首先基于目标仿真车的车辆位置,确定一个初选范围,基于处于初选范围内的车道线中确定目标仿真车的当前所属车道。
结合实际驾驶经验可知,影响驾驶决策的不仅包括车辆的当前所属车道,还包括车辆的左侧车道、右侧车道,以及位于前方车道,当然,这里的前方车道主要指当前所属车道以外的,其他行驶过程中涉及的车道。基于此,本实施例还需要根据目标仿真车的当前所属车道确定目标仿真车的左侧车道和右侧车道,具体的,在动态地图中确定当前所属车道对应的道路,然后根据该道路的车道划分,即可确定目标仿真车的左侧车道和右侧车道。
进一步,考虑到动态地图中目标仿真车的前方可能存在有岔路,需要结合目标仿真车的行驶路线在动态地图中确定目标仿真车的前方车道。
可选的,目标仿真车的行驶路线记录有目标车辆行驶过程中依次经过车道的车道标识,也就是说,根据行驶路线可以明确获知目标仿真车行驶过程中在岔路口的车道选择情况,基于此,在目标仿真车前方出现岔路时,将位于目标仿真车前方的多条岔路的车道作为候选车道,并遍历各候选车道的车道标识,将车道标识记录于目标仿真车的行驶路线中的候选车道作为目标仿真车的前方车道。
S120、获取动态地图中记录的各相关车道的车道信息,并根据车辆运行拓扑中记录的各相关车道的车辆队列以及目标仿真车的车辆位置,确定目标仿真车四周的相关仿真车。
动态地图中不光记录每条车道的车道标识和道路间的道路连接关系,还同时记录有任一车道两侧的车道线、换道区间信息以及相关的交通标志信息,其中,交通标志信息可以是限速牌、红绿灯等信息。
基于此,在前述步骤已经确定目标仿真车的相关车道,即当前所属车道、左侧车道、右侧车道以及前方车道之后,进一步获取动态地图中记录的各相关车道的车道线和换道区间信息,当然,还可以进一步在动态地图中获取各相关车道的交通标志信息。
进一步的,如前所述,车辆运行拓扑中记录有所有车道的车辆队列,在确定目标仿真车的相关车道之后,即可确定各相关车道中的仿真车,通过查询车辆集合,还可以获知各相关车道内各仿真车的车辆位置,可选的,如果车辆运行拓扑中的各车道以及动态地图中的各车道均设置有车道标识,当然,同一条车道的车道标识是一致的,在分别获取各相关车道的车辆队列中各仿真车的车辆位置时,可以首先在动态地图中获取各相关车道的车道标识,并作为目标车道标识,然后在车辆运行拓扑中确定分别与各目标车道标识对应的车道,即在车辆运行拓扑中确定目标车道,在车辆集合中获取车辆运行拓扑中各目标车道对应的车辆队列中的各仿真车的车辆位置。
在得到相关车道内各辆仿真车的车辆位置之后,根据目标仿真车的车辆位置以及各仿真车的车辆位置,分别计算各仿真车与目标仿真车之间的距离,得到相应的车辆间距。当然,对于任一仿真车与目标仿真车之间车辆距离的具体计算方法,可以基于相关技术实现,此处不再具体展开。
最后,根据各仿真车的车辆间距与预设距离阈值大小关系,在各仿真车中确定位于目标仿真车左前方、左后方、右前方、右后方、正前方以及正后方的相关仿真车。比如,左前方的相关仿真车的筛选条件就是左侧车道内、车辆距离大于预设距离阈值的第一辆仿真车。
需要说明的是,对于预设距离阈值的选取,需要结合仿真车的具体尺寸以及实际仿真需求设置,本发明对于预设距离阈值的具体取值不做限定。
S130、根据各相关车道的车道信息、各相关仿真车的车辆信息以及目标仿真车的车辆信息,确定目标仿真车的驾驶策略,并按照驾驶策略控制目标仿真车行驶。
相关仿真车的车辆信息可以通过车辆集合直接获得,此处不再展开。
如前所述,对于任一仿真车而言,其包括有车辆决策模块,本步骤中,将各相关车道的车道信息、各相关仿真车的车辆信息以及目标仿真车的车辆信息输入目标仿真车的车辆决策模块,即可直接得到目标仿真车的驾驶策略,进而按照该驾驶策略控制目标仿真车行驶,比如,控制目标仿真车进行减速、转向、换挡等操作。
综上所述,本发明提供的模拟方法,目标仿真车可以是车辆集合中多辆仿真车的任意一辆,因此,车辆集合中的各仿真车均可以使用动态地图以及车辆运行拓扑,即动态地图和车辆运行拓扑对于各仿真车而言是共享的,不必针对每一辆仿真车单独维护,相对于现有技术中基于自由空间感知策略实现的模拟方法,能够降低交通流模拟过程对计算资源的消耗,有助于提供交通流中最大运行车辆数量,进而提高智能驾驶测试效果。
进一步的,本实施例提供的车辆运行拓扑,以车道为最小逻辑单元,记录每条车道对应的车辆队列,通过车辆队列可以清楚的体现目标仿真车周围的相关仿真车的驾驶意图,还可以根据车道标识进行相关车道的确定,可以有效降低相关仿真车的查询时间,同时,通过每条车道的车辆队列,还可以快速识别相关交通车的驾驶意图,有助于提高交通流模拟的运行效率,进一步提高交通流的规模。
可选的,参见图2,图2时本发明实施例提供的另一种交通流模拟方法的流程图,在图1所示实施例的基础上,本实施例还包括:
S140、更新目标仿真车的车辆位置,并存储更新后的车辆位置;以及,更新动态地图的交通信号灯状态;以及,更新车辆运行拓扑中各车道的车辆队列。
车辆集合中每辆仿真车都设置有驾驶员模型和车辆运动学模型,控制驾驶员模型和车辆运动学模型运行,即可根据当前模拟周期的执行结果更新包括目标仿真车以及相关仿真车在内的所有仿真车的车辆位置,同时保存存储更新后的车辆位置,用于数据对比。
动态地图运行交通灯模型,实现动态地图的交通信号灯状态的更新。
对于车辆运行拓扑中各车道的车辆队列的更新,可以基于目标仿真车更新后的车辆位置,确定目标仿真车位置更新后的所属车道,进一步根据目标仿真车位置更新前的所属车道和位置更新后的所属车道,更新车辆运行拓扑中各车道的车辆队列。
综上所述,本实施例提供的交通流模拟方法,车辆运行拓扑的更新,基于仿真车更新前的车辆位置以及更新后的车辆位置实现,即基于历史信息锚定车辆位置,进一步降低算力消耗,使得整个交通流可以配置大量仿真车(>500)并且实时运行,仿真规模的扩大有助于扩展更多测试场景和增加测试里程。
可选的,参见图3,图3是本发明实施例提供的一种交通流传感器的结构框图,如图3所示,本实施例提供的交通流传感器包括预设功能单元,该预设功能单元具体包括:
车辆集合1、动态地图2和车辆运行拓扑3,其中,
动态地图2包括多条道路20,图中以1号道路至N号道路示出,,动态地图2用于记录有仿真工程的道路信息;
车辆运行拓扑3记录有动态地图2中所有车道的车辆队列,车辆队列记录有位于相应车道内的仿真车的排列序列,如图3所示,每条车道对应一个车道拓扑30,图中以1号车道拓扑至N号车道拓扑示出;
车辆集合1包括多辆仿真车10,图中以1号车至N号车示出;
进一步的,任一仿真车10包括车辆状态单元110、车辆决策单元120、路径搜索单元130和交通车传感器140,交通车传感器140包括道路传感器1401、交通标志传感器1402和物体传感器1403,其中,
道路传感器1401用于获取目标仿真车的行驶路线和车辆信息;
其中,目标仿真车为车辆集合中多辆仿真车的任意一辆,车辆信息包括目标仿真车在动态地图中的车辆位置;
以及,根据行驶路线和车辆位置,在动态地图2中确定至少一条与目标仿真车的行驶过程相关的相关车道;
交通标志传感器1402用于获取动态地图2中记录的各相关车道的车道信息;
物体传感器1403用于根据车辆运行拓扑3中记录的各相关车道的车辆队列以及目标仿真车的车辆位置,确定目标仿真车四周的相关仿真车;
其中,车辆运行拓扑3中记录有所有车道的车辆队列,车辆队列记录有位于相应车道内的仿真车的排列序列;
车辆决策单元120用于根据各相关车道的车道信息、各相关仿真车的车辆信息以及目标仿真车的车辆信息,确定目标仿真车的驾驶策略,并按照驾驶策略控制目标仿真车行驶。
可选的,仿真车10还包括驾驶员模型和车辆运动学模型,驾驶员模型和车辆运动学模型用于更新目标仿真车的车辆位置,并存储更新后的车辆位置;
动态地图2还包括交通灯模型,交通灯模型用于更新动态地图2的交通信号灯状态;
车辆运行拓扑3还用于更新车辆运行拓扑3中各车道的车辆队列。
可选的,动态地图2中记载有多条道路,以及各道路的每一条车道的车道线,
道路传感器1401,用于根据行驶路线和车辆位置,在动态地图2中确定至少一条与目标仿真车的行驶过程相关的相关车道,包括:
基于车辆位置与动态地图2中记录的各车道线的距离,在动态地图2中确定目标仿真车的当前所属车道;
根据当前所属车道确定目标仿真车的左侧车道和右侧车道;
根据行驶路线,在动态地图2中确定目标仿真车的前方车道。
可选的,行驶路线记录有目标仿真车行驶过程中依次经过车道的车道标识,
道路传感器1401,用于根据行驶路线,在动态地图2中确定目标仿真车的前方车道,包括:
将位于目标仿真车前方的多条岔路的车道作为候选车道;
遍历各候选车道的车道标识;
将车道标识记录于行驶路线中的候选车道作为目标仿真车的前方车道。
可选的,动态地图2记录有多条道路,以及各道路的各条车道对应的车道线、换道区间信息和交通标志信息,
交通标志传感器1402,用于获取动态地图2中记录的各相关车道的车道信息,包括:
获取动态地图2中记录的各相关车道的车道线和换道区间信息;
以及,获取动态地图2中记录的各相关车道的交通标志信息。
可选的,物体传感器1403,用于根据车辆运行拓扑3中记录的各相关车道的车辆队列以及目标仿真车的车辆位置,确定目标仿真车四周的相关仿真车,包括:
分别获取各相关车道的车辆队列中各仿真车的车辆位置;
根据目标仿真车的车辆位置以及各仿真车的车辆位置,分别计算各仿真车与目标仿真车之间的距离,得到相应的车辆间距;
根据各仿真车的车辆间距与预设距离阈值大小关系,在各仿真车中确定位于目标仿真车左前方、左后方、右前方、右后方、正前方以及正后方的相关仿真车。
可选的,车辆运行拓扑3中的各车道以及动态地图2中的各车道均设置有车道标识;
物体传感器1403,用于分别获取各相关车道的车辆队列中各仿真车的车辆位置,包括:
在动态地图2中获取各相关车道的车道标识,得到目标车道标识;
在车辆运行拓扑3中确定分别与各目标车道标识对应的车道,得到目标车道;
获取车辆运行拓扑3中各目标车道对应的车辆队列中的各仿真车的车辆位置。
可选的,仿真车10还包括驾驶员模型和车辆运动学模型,驾驶员模型和车辆运动学模型用于更新目标仿真车的车辆位置,并存储更新后的车辆位置;
动态地图2还包括交通灯模型,交通灯模型用于更新动态地图2的交通信号灯状态;
车辆运行拓扑3还用于更新车辆运行拓扑中各车道的车辆队列。
可选的,车辆运行拓扑3用于更新车辆运行拓扑中各车道的车辆队列,包括:
基于目标仿真车更新后的车辆位置,确定目标仿真车位置更新后的所属车道;
根据目标仿真车位置更新前的所属车道和位置更新后的所属车道,更新车辆运行拓扑中各车道的车辆队列。
基于上述内容可以看出,道路传感器主要输出相关车道两侧的车道线信息、换道区间信息,其中,车道线信息主要包括车道线采样点坐标和采样点坐标切线方向和地面坐标系等信息,换道区间信息主要包括车道两侧换道区间的起始坐标、终点坐标和车道方向。道路传感器输出为持续输出,其信息来源于动态地图,从中筛选出相关车道的车道信息。比如左侧车道边界线的位置、曲线形状、是否可以换道等信息。
信号传感器主要输出限速牌信息、车辆所在车道的停止线坐标、交通灯信息,以及交通灯和前方道路对应关系信息,其中,对于交通灯信息主要指交通灯的状态,比如是否亮起、是否熄灭。信号传感器输出为持续输出,动态输出传感器周围的交通信号。比如前方有红灯,停止线位于本车道s=86.5米处,本车道限速60km/h。
物体传感器输出的信息较多,大致包括:仿真车的车辆标识、车辆类型、车辆转向灯和刹车灯的状态、前车轮转角和角速度、车辆的方位坐标、车辆速度信息、车辆外形尺寸以及车辆质心和后轴中心的坐标等,在实际应用中,物体传感器主要筛选并输出在相关车道上与目标仿真车有关系相关仿真车的位置、车型、转向灯状态等信息。筛选依据为物体在传感器探测范围内,以及位于相关车道上。物体传感器也是持续输出,输出相关车道上相关仿真车的车辆信心。比如本车道前方和后方仿真车的车辆标识、车辆位置、车速、转向灯等情况。
可选的,参见图4,图4是本发明实施例提供的一种交通流传感器的工作原理示意图,该示意图在图1-图3的基础上,以信息流的方式展示了交通流传感器的工作过程,其中,图4中的S100-S140分别对应于图1和图2实施例给出的交通流模拟方法的实现过程,具体内容可参见前述内容,此处不再复述。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
专业人员还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的核心思想或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种交通流模拟方法,其特征在于,应用于包括预设功能单元的交通流传感器,所述预设功能单元包括车辆集合、动态地图和车辆运行拓扑,所述方法包括:
获取目标仿真车的行驶路线和车辆信息;
其中,所述目标仿真车为所述车辆集合中多辆仿真车的任意一辆,所述车辆信息包括所述目标仿真车在所述动态地图中的车辆位置;
根据所述行驶路线和所述车辆位置,在所述动态地图中确定至少一条与所述目标仿真车的行驶过程相关的相关车道;
获取所述动态地图中记录的各所述相关车道的车道信息,并根据所述车辆运行拓扑中记录的各所述相关车道的车辆队列以及所述目标仿真车的车辆位置,确定所述目标仿真车四周的相关仿真车;
其中,所述车辆运行拓扑中记录有所有车道的车辆队列,所述车辆队列记录有位于相应车道内的仿真车的排列序列;
根据各所述相关车道的车道信息、各所述相关仿真车的车辆信息以及所述目标仿真车的车辆信息,确定所述目标仿真车的驾驶策略,并按照所述驾驶策略控制所述目标仿真车行驶。
2.根据权利要求1所述的交通流模拟方法,其特征在于,所述动态地图中记载有多条道路,以及各所述道路的每一条车道的车道线,
所述根据所述行驶路线和所述车辆位置,在所述动态地图中确定至少一条与所述目标仿真车的行驶过程相关的相关车道,包括:
基于所述车辆位置与所述动态地图中记录的各车道线的距离,在所述动态地图中确定所述目标仿真车的当前所属车道;
根据所述当前所属车道确定所述目标仿真车的左侧车道和右侧车道;
根据所述行驶路线,在所述动态地图中确定所述目标仿真车的前方车道。
3.根据权利要求2所述的交通流模拟方法,其特征在于,所述行驶路线记录有所述目标仿真车行驶过程中依次经过车道的车道标识,
所述根据所述行驶路线,在所述动态地图中确定所述目标仿真车的前方车道,包括:
将位于所述目标仿真车前方的多条岔路的车道作为候选车道;
遍历各所述候选车道的车道标识;
将车道标识记录于所述行驶路线中的候选车道作为所述目标仿真车的前方车道。
4.根据权利要求1所述的交通流模拟方法,其特征在于,所述动态地图记录有多条道路,以及各所述道路的各条车道对应的车道线、换道区间信息和交通标志信息,
所述获取所述动态地图中记录的各所述相关车道的车道信息,包括:
获取所述动态地图中记录的各所述相关车道的车道线和换道区间信息;
以及,获取所述动态地图中记录的各所述相关车道的交通标志信息。
5.根据权利要求1所述的交通流模拟方法,其特征在于,所述根据所述车辆运行拓扑中记录的各所述相关车道的车辆队列以及所述目标仿真车的车辆位置,确定所述目标仿真车四周的相关仿真车,包括:
分别获取各所述相关车道的车辆队列中各仿真车的车辆位置;
根据所述目标仿真车的车辆位置以及各所述仿真车的车辆位置,分别计算各所述仿真车与所述目标仿真车之间的距离,得到相应的车辆间距;
根据各所述仿真车的车辆间距与预设距离阈值大小关系,在各所述仿真车中确定位于所述目标仿真车左前方、左后方、右前方、右后方、正前方以及正后方的相关仿真车。
6.根据权利要求5所述的交通流模拟方法,其特征在于,所述车辆运行拓扑中的各车道以及所述动态地图中的各车道均设置有车道标识;
所述分别获取各所述相关车道的车辆队列中各仿真车的车辆位置,包括:
在所述动态地图中获取各所述相关车道的车道标识,得到目标车道标识;
在所述车辆运行拓扑中确定分别与各所述目标车道标识对应的车道,得到目标车道;
获取所述车辆运行拓扑中各所述目标车道对应的车辆队列中的各仿真车的车辆位置。
7.根据权利要求1-6任一项所述的交通流模拟方法,其特征在于,还包括:
更新所述目标仿真车的车辆位置,并存储更新后的车辆位置;
更新所述动态地图的交通信号灯状态;
以及,更新所述车辆运行拓扑中各车道的车辆队列。
8.根据权利要求7所述的交通流模拟方法,其特征在于,所述更新所述车辆运行拓扑中各车道的车辆队列,包括:
基于所述目标仿真车更新后的车辆位置,确定所述目标仿真车位置更新后的所属车道;
根据所述目标仿真车位置更新前的所属车道和位置更新后的所属车道,更新所述车辆运行拓扑中各车道的车辆队列。
9.一种交通流传感器,其特征在于,包括预设功能单元,所述预设功能单元包括:车辆集合、动态地图和车辆运行拓扑,其中,
所述动态地图记录有仿真工程的道路信息;
所述车辆运行拓扑记录有所述动态地图中所有车道的车辆队列,所述车辆队列记录有位于相应车道内的仿真车的排列序列;
所述车辆集合包括多辆仿真车;
任一所述仿真车包括车辆状态单元、车辆决策单元、路径搜索单元和交通车传感器,所述交通车传感器包括道路传感器、交通标志传感器和物体传感器,其中,
所述道路传感器用于获取目标仿真车的行驶路线和车辆信息;
其中,所述目标仿真车为所述车辆集合中多辆仿真车的任意一辆,所述车辆信息包括所述目标仿真车在所述动态地图中的车辆位置;
以及,根据所述行驶路线和所述车辆位置,在所述动态地图中确定至少一条与所述目标仿真车的行驶过程相关的相关车道;
所述交通标志传感器用于获取所述动态地图中记录的各所述相关车道的车道信息;
所述物体传感器用于根据所述车辆运行拓扑中记录的各所述相关车道的车辆队列以及所述目标仿真车的车辆位置,确定所述目标仿真车四周的相关仿真车;
其中,所述车辆运行拓扑中记录有所有车道的车辆队列,所述车辆队列记录有位于相应车道内的仿真车的排列序列;
所述车辆决策单元用于根据各所述相关车道的车道信息、各所述相关仿真车的车辆信息以及所述目标仿真车的车辆信息,确定所述目标仿真车的驾驶策略,并按照所述驾驶策略控制所述目标仿真车行驶。
10.根据权利要求9所述的交通流传感器,其特征在于,所述仿真车还包括驾驶员模型和车辆运动学模型,所述驾驶员模型和车辆运动学模型用于更新所述目标仿真车的车辆位置,并存储更新后的车辆位置;
所述动态地图还包括交通灯模型,所述交通灯模型用于更新所述动态地图的交通信号灯状态;
所述车辆运行拓扑还用于更新所述车辆运行拓扑中各车道的车辆队列。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111646091.2A CN114301792B (zh) | 2021-12-29 | 2021-12-29 | 一种交通流模拟方法及交通流传感器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111646091.2A CN114301792B (zh) | 2021-12-29 | 2021-12-29 | 一种交通流模拟方法及交通流传感器 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114301792A CN114301792A (zh) | 2022-04-08 |
CN114301792B true CN114301792B (zh) | 2023-05-26 |
Family
ID=80972087
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111646091.2A Active CN114301792B (zh) | 2021-12-29 | 2021-12-29 | 一种交通流模拟方法及交通流传感器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114301792B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114822022A (zh) * | 2022-04-13 | 2022-07-29 | 中国第一汽车股份有限公司 | 车路协同感知的数据处理方法、装置、车辆及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111007834A (zh) * | 2019-12-13 | 2020-04-14 | 北京经纬恒润科技有限公司 | 一种adas路径规划功能实验室测试系统及方法 |
CN112419708A (zh) * | 2020-08-17 | 2021-02-26 | 腾讯科技(深圳)有限公司 | 基于交通流激进程度的道路安全策略确定方法及装置 |
CN112507506A (zh) * | 2020-09-18 | 2021-03-16 | 长安大学 | 基于遗传算法的共享汽车定价规划模型的多目标优化方法 |
CN112668153A (zh) * | 2020-12-11 | 2021-04-16 | 国汽(北京)智能网联汽车研究院有限公司 | 一种自动驾驶仿真场景生成的方法、装置及设备 |
CN113238970A (zh) * | 2021-07-08 | 2021-08-10 | 腾讯科技(深圳)有限公司 | 自动驾驶模型的训练方法、评测方法、控制方法及装置 |
WO2021169591A1 (zh) * | 2020-02-28 | 2021-09-02 | 北京京东乾石科技有限公司 | 车辆行为预测方法及装置、电子设备、存储介质 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018166292A (ja) * | 2017-03-28 | 2018-10-25 | トヨタ自動車株式会社 | 情報収集システムおよび情報収集装置 |
US11663378B2 (en) * | 2019-07-16 | 2023-05-30 | Here Global B.V. | Method, apparatus, and system for providing traffic simulations in a smart-city infrastructure |
-
2021
- 2021-12-29 CN CN202111646091.2A patent/CN114301792B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111007834A (zh) * | 2019-12-13 | 2020-04-14 | 北京经纬恒润科技有限公司 | 一种adas路径规划功能实验室测试系统及方法 |
WO2021169591A1 (zh) * | 2020-02-28 | 2021-09-02 | 北京京东乾石科技有限公司 | 车辆行为预测方法及装置、电子设备、存储介质 |
CN112419708A (zh) * | 2020-08-17 | 2021-02-26 | 腾讯科技(深圳)有限公司 | 基于交通流激进程度的道路安全策略确定方法及装置 |
CN112507506A (zh) * | 2020-09-18 | 2021-03-16 | 长安大学 | 基于遗传算法的共享汽车定价规划模型的多目标优化方法 |
CN112668153A (zh) * | 2020-12-11 | 2021-04-16 | 国汽(北京)智能网联汽车研究院有限公司 | 一种自动驾驶仿真场景生成的方法、装置及设备 |
CN113238970A (zh) * | 2021-07-08 | 2021-08-10 | 腾讯科技(深圳)有限公司 | 自动驾驶模型的训练方法、评测方法、控制方法及装置 |
Non-Patent Citations (2)
Title |
---|
I. Kozuka ; Y. Matsui ; H. Kanoh.Traffic flow simulation using cellular automata under non-equilibrium environment.《2001 IEEE International Conference on Systems, Man and Cybernetics. e-Systems and e-Man for Cybernetics in Cyberspace (Cat.No.01CH37236)》.2002,全文. * |
基于车联网的车辆避撞算法及交通流跟驰模型研究;余焊威;《中国优秀硕士学位论文全文数据库》;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN114301792A (zh) | 2022-04-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110562258B (zh) | 一种车辆自动换道决策的方法、车载设备和存储介质 | |
CN104952248B (zh) | 一种基于欧氏空间的车辆汇聚预测方法 | |
EP2410294A1 (en) | Method and device for providing cost information associated with junctions and method of determining a route | |
CN102280031B (zh) | 一种基于浮动车数据的路口交通状态识别方法 | |
CN111680377A (zh) | 一种交通态势仿真方法、系统和电子设备 | |
CN111477030B (zh) | 车辆协同避险方法、车端平台、云端平台及存储介质 | |
US20230419824A1 (en) | Method and device for determining traffic stream information, electronic equipment and storage medium | |
CN114301792B (zh) | 一种交通流模拟方法及交通流传感器 | |
US11661067B2 (en) | Method for ascertaining driving profiles | |
Asher et al. | Enabling prediction for optimal fuel economy vehicle control | |
Eriksen et al. | Uppaal stratego for intelligent traffic lights | |
CN114802189A (zh) | 车辆的能耗控制方法、装置、车辆及存储介质 | |
CN112373483B (zh) | 一种基于前向神经网络的车辆速度和转向预测方法 | |
JP2014232497A (ja) | シミュレーション装置、シミュレーション方法及びプログラム | |
CN104875740B (zh) | 用于管理跟随空间的方法、主车辆以及跟随空间管理单元 | |
CN115523934A (zh) | 一种基于深度学习的车辆轨迹预测方法及系统 | |
CN115204455A (zh) | 适用于高速与环路交通场景的长时域驾驶行为决策方法 | |
CN113096414B (zh) | 基于交通冲突分析的交叉口配时方法、系统及装置 | |
CN117079482B (zh) | 一种基于交叉路口的车辆通行预测方法、设备及介质 | |
CN112699575A (zh) | 一种虚拟车辆测试平台中相对位置测算方法及系统 | |
CN114842432A (zh) | 一种基于深度学习汽车灯光控制方法及系统 | |
CN110530378B (zh) | 一种基于v2x的map消息集的车辆定位方法 | |
CN116859880A (zh) | 一种车辆预见性巡航仿真测试方法及系统 | |
CN108349500A (zh) | 用于分析车辆的驾驶员的驾驶方式的方法和装置 | |
CN111462478B (zh) | 一种城市路网信号控制子区划分方法及装置 |
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 |