CN114419883A - 识别路口缺失交通限制信息的方法、装置和电子设备 - Google Patents
识别路口缺失交通限制信息的方法、装置和电子设备 Download PDFInfo
- Publication number
- CN114419883A CN114419883A CN202210024682.4A CN202210024682A CN114419883A CN 114419883 A CN114419883 A CN 114419883A CN 202210024682 A CN202210024682 A CN 202210024682A CN 114419883 A CN114419883 A CN 114419883A
- Authority
- CN
- China
- Prior art keywords
- intersection
- information
- traffic
- lane line
- identifying
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3804—Creation or updating of map data
- G01C21/3807—Creation or updating of map data characterised by the type of data
- G01C21/3815—Road data
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
- G08G1/0112—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from the vehicle, e.g. floating car data [FCD]
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
- G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—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
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/097—Supervising of traffic control systems, e.g. by giving an alarm if two crossing streets have green light simultaneously
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Traffic Control Systems (AREA)
- Navigation (AREA)
Abstract
本公开提供了一种识别路口缺失交通限制信息的方法、装置和电子设备,涉及人工智能技术领域,尤其涉及智能交通、深度学习技术领域。具体实现方案为:获取路口对应的轨迹信息;基于所述轨迹信息,识别所述路口出现通行异常;获取所述路口连通的路段上的车道线信息;基于所述车道线信息,识别所述路口缺失交通限制信息。由此,可基于路口对应的轨迹信息识别路口出现通行异常,并基于路口连通的路段上的车道线信息,进一步识别路口缺失交通限制信息,可结合轨迹信息和车道线信息,自动识别路口缺失交通限制信息,具有效率高、准确率高、人工成本低等优点。
Description
技术领域
本公开涉及计算机技术领域,尤其涉及一种识别路口缺失交通限制信息的方法、装置、电子设备、存储介质和计算机程序产品。
背景技术
交通限制信息指的是相关机构对车辆和行人在道路上通行以及其他与交通有关的活动制定的带有疏导、禁止、限制或指示性质的规定,对人们的日常出行至关重要。然而,相关技术中大多依靠人力来检测交通限制信息,存在效率低、准确率低、人工成本高等问题。
发明内容
本公开提供了一种识别路口缺失交通限制信息的方法、装置、电子设备、存储介质和计算机程序产品。
根据本公开的一方面,提供了一种识别路口缺失交通限制信息的方法,包括:获取路口对应的轨迹信息;基于所述轨迹信息,识别所述路口出现通行异常;获取所述路口连通的路段上的车道线信息;基于所述车道线信息,识别所述路口缺失交通限制信息。
根据本公开的另一方面,提供了一种识别路口缺失交通限制信息的装置,包括:第一获取模块,用于获取路口对应的轨迹信息;第一识别模块,用于基于所述轨迹信息,识别所述路口出现通行异常;第二获取模块,用于获取所述路口连通的路段上的车道线信息;第二识别模块,用于基于所述车道线信息,识别所述路口缺失交通限制信息。
根据本公开的另一方面,提供了一种电子设备,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识别路口缺失交通限制信息的方法。
根据本公开的另一方面,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,所述计算机指令用于使所述计算机执行识别路口缺失交通限制信息的方法。
根据本公开的另一方面,提供了一种计算机程序产品,包括计算机程序,其中,所述计算机程序被处理器执行时实现识别路口缺失交通限制信息的方法的步骤。
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识别路口缺失交通限制信息的方法的流程示意图;
图2是根据本公开第二实施例的识别路口缺失交通限制信息的方法中的跨路口交通限制信息的场景示意图;
图3是根据本公开第三实施例的识别路口缺失交通限制信息的方法的流程示意图;
图4是根据本公开第四实施例的识别路口缺失交通限制信息的方法的流程示意图;
图5是根据本公开第五实施例的识别路口缺失交通限制信息的方法的流程示意图;
图6是根据本公开第六实施例的识别路口缺失交通限制信息的方法中的状态路径的示意图;
图7是根据本公开第一实施例的识别路口缺失交通限制信息的装置的框图;
图8是用来实现本公开实施例的识别路口缺失交通限制信息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。
AI(Artificial Intelligence,人工智能)是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门技术科学。目前,AI技术具有自动化程度高、精确度高、成本低的优点,得到了广泛的应用。
智能交通(Intelligent Traffic)是将先进的科学技术(信息技术、计算机技术、数据通信技术、传感器技术、电子控制技术、自动控制理论、运筹学、人工智能等)有效地综合运用于交通运输、服务控制和车辆制造,加强车辆、道路、使用者三者之间的联系,从而形成一种保障安全、提高效率、改善环境、节约能源的综合运输系统。
DL(Deep Learning,深度学习)是ML(Machine Learning,机器学习)领域中一个新的研究方向,是学习样本数据的内在规律和表示层次,使得机器能够像人一样具有分析学习能力,能够识别文字、图像和声音等数据的一门科学,广泛应用于语音和图像识别。
图1是根据本公开第一实施例的识别路口缺失交通限制信息的方法的流程示意图。
如图1所示,本公开第一实施例的识别路口缺失交通限制信息的方法,包括:
S101,获取路口对应的轨迹信息。
需要说明的是,本公开实施例的识别路口缺失交通限制信息的方法的执行主体可为具有数据信息处理能力的硬件设备和/或驱动该硬件设备工作所需必要的软件。可选地,执行主体可包括工作站、服务器,计算机、用户终端及其他智能设备。其中,用户终端包括但不限于手机、电脑、智能语音交互设备、智能家电、车载终端等。
本公开的实施例中,可获取路口对应的轨迹信息。应说明的是,对路口的类别、轨迹信息的类别等均不做过多限定。轨迹信息可包括多个轨迹点。
在一种实施方式中,路口可包括复合路口、交叉路口。应说明的是,复合路口指的是由至少两个节点和/或至少两个路段组成的路口,包括但不限于十字路口、T字路口等。
在一种实施方式中,路口对应的轨迹信息可包括路口对应的设定区域内的轨迹信息,对设定区域的形状、大小等均不做过多限定,比如,设定区域可为以路口的位置为中心,按照设定值向外扩散形成的区域。比如,设定区域可为以路口的位置为中心的矩形区域。
在一种实施方式中,路口对应的轨迹信息可包括路口连通的路段上的轨迹信息,其中,路段可包括进入路段和退出路段。
S102,基于轨迹信息,识别路口出现通行异常。
在一种实施方式中,基于轨迹信息,识别路口出现通行异常,可包括基于轨迹信息,识别路口满足出现通行异常的设定条件,确定路口出现通行异常。应说明的是,出现通行异常的设定条件可自行设定,这里不做过多限定。比如,出现通行异常的设定条件可包括一个或多个。
在一种实施方式中,基于轨迹信息,识别路口出现通行异常,可包括将轨迹信息输入至设定模型,设定模型用于基于轨迹信息对路口的通行状态进行识别,输出路口的通行状态。其中,通行状态包括通行正常和通行异常。应说明的是,设定模型可自行设定,这里不做过多限定。比如,设定模型可包括一个或多个。
S103,获取路口连通的路段上的车道线信息。
需要说明的是,对路口连通的路段的类别、车道线信息的类别均不做过多限定。比如,路口连通的路段可包括路口的进入路段和退出路段。比如,车道线信息可包括车道线的颜色、数量、形状、虚实等。
在一种实施方式中,获取路口连通的路段上的车道线信息,可包括采集路口的图片,从路口的图片中提取出路口连通的路段上的车道线信息。比如,可间隔设定时长周期性采集路口的图片,对设定时长不做过多限定,比如,设定时长可为一天,应说明的是,路口的图片可随设定时长周期性更新。
在一种实施方式中,获取路口连通的路段上的车道线信息,可包括从交通系统中获取路口连通的路段上的车道线信息。应说明的是,交通系统指的是用于存储交通信息的系统,交通信息可包括车道线信息。
S104,基于车道线信息,识别路口缺失交通限制信息。
需要说明的是,交通限制信息指的是相关机构对车辆和行人在道路上通行以及其他与交通有关的活动制定的带有疏导、禁止、限制或指示性质的规定。对交通限制信息的类别不做过多限定。
在一种实施方式中,交通限制信息可包括通行方向的限制信息,比如,可包括禁直、禁左、禁调、禁右的限制信息,禁直、禁左、禁调、禁右分别指的是直行方向、左转方向、调头方向、右转方向的限制信息。
在一种实施方式中,交通限制信息可包括简单交通限制信息和跨路口交通限制信息。应说明的是,简单交通限制信息指的是同一个路口一个通行方向到另一个通行方向的限制信息,跨路口交通限制信息指的是进入路段到退出路段之间跨越至少两个路口的限制信息。比如,跨路口交通限制信息可包括交叉路口和复合路口之间的限制信息。
如图2所示,从交叉路口A只能进入路段4,无法进入路段1、2、3,路段1、2、3、4的导向分别为左转和调头、直行、直行、右转,在复合路口G处只能从路段E退出,无法从路段B、C、D、F退出,则交叉路口A和复合路口G之间存在禁直、禁左、禁调的跨路口交通限制信息。
在一种实施方式中,交通限制信息可包括虚拟交通限制信息和实际交通限制信息。应说明的是,虚拟交通限制信息指的是不存在标识,可依据交通信息(比如车道线信息)推导出的交通限制信息,实际交通限制信息指的是存在标识的交通限制信息,标识可包括指示牌、地面标识等。
在一种实施方式中,基于车道线信息,识别路口缺失交通限制信息,可包括基于车道线信息,识别路口满足缺失交通限制信息的设定条件,确定路口缺失交通限制信息。应说明的是,缺失交通限制信息的设定条件可自行设定,这里不做过多限定。比如,缺失交通限制信息的设定条件可包括一个或多个。比如,不同类别的交通限制信息可对应不同的设定条件。
在一种实施方式中,基于轨迹信息,识别路口缺失交通限制信息,可包括将轨迹信息输入至设定模型,设定模型用于基于轨迹信息对路口的交通限制信息的状态进行识别,输出路口的交通限制信息的状态。其中,交通限制信息的状态包括缺失和未缺失。应说明的是,设定模型可自行设定,这里不做过多限定。比如,设定模型可包括一个或多个。比如,不同类别的交通限制信息可对应不同的设定模型。
综上,根据本公开实施例的识别路口缺失交通限制信息的方法,可基于路口对应的轨迹信息识别路口出现通行异常,并基于路口连通的路段上的车道线信息,进一步识别路口缺失交通限制信息。由此,可结合轨迹信息和车道线信息,自动识别路口缺失交通限制信息,具有效率高、准确率高、人工成本低等优点。
图3是根据本公开第三实施例的识别路口缺失交通限制信息的方法的流程示意图。
如图3所示,本公开第三实施例的识别路口缺失交通限制信息的方法,包括:
S301,获取路口对应的轨迹信息。
S302,基于轨迹信息,识别路口出现通行异常。
S303,获取路口连通的路段上的车道线信息。
步骤S301-S303的相关内容可参见上述实施例,这里不再赘述。
S304,从车道线信息中提取出路段上的目标车道线的数量和车道线的总数量,其中,目标车道线用于指示在路段上的同向车道之间禁止变换车道。
需要说明的是,对车道线、目标车道线不做过多限定,比如,车道线可包括单白实线、双白实线、单黄实线、双黄实线、单白虚线、双白虚线等,目标车道线可包括单白实线。
在一种实施方式中,车道线信息可包括车道线的颜色、数量、形状、虚实等,可从车道线信息中提取出路段上的目标车道线的数量和/或车道线的总数量。比如,在目标车道线为单白实线的情况下,若路段上的车道线信息中颜色为白色、数量为一、形状为直线、且为实线的车道线的数量为3条,则可从车道线信息中提取出目标车道线的数量为3条,若路段上的车道线信息中车道线的总数量为5条,则可从车道线信息中提取出车道线的总数量为5条。
S305,基于目标车道线的数量和车道线的总数量,识别路口缺失交通限制信息。
在一种实施方式中,基于目标车道线的数量和车道线的总数量,识别路口缺失交通限制信息,可包括获取目标车道线的数量与车道线的总数量之间的比值,在比值大于第一设定阈值的情况下,表明目标车道线在车道线中的比例过大,识别路口缺失交通限制信息。应说明的是,对第一设定阈值不做过多限定,比如,设定阈值可为50%、60%等。由此,该方法可在目标车道线的数量与车道线的总数量的比值大于第一设定阈值的情况下,识别路口缺失交通限制信息,可综合考虑到目标车道线的数量和车道线的总数量,来识别路口缺失交通限制信息。
在一种实施方式中,基于目标车道线的数量和车道线的总数量,识别路口缺失交通限制信息,可包括获取车道线的总数量与目标车道线的数量之间的差值,在差值小于设定阈值的情况下,表明目标车道线的数量与车道线的总数量相差过小,即目标车道线的数量比较接近车道线的总数量,识别路口缺失交通限制信息。应说明的是,对第设定阈值不做过多限定,比如,设定阈值可为1、2等。由此,该方法可在车道线的总数量与目标车道线的数量之间的差值小于设定阈值的情况下,识别路口缺失交通限制信息,可综合考虑到目标车道线的数量和车道线的总数量,来识别路口缺失交通限制信息。
作为另一种可能的实施方式,可基于目标车道线的数量,识别路口缺失交通限制信息。比如,在目标车道线的数量大于设定阈值的情况下,表明目标车道线的数量过大,识别路口缺失交通限制信息。应说明的是,对设定阈值不做过多限定,比如,设定阈值可为2、3等。由此,该方法可在目标车道线的数量大于设定阈值的情况下,直接识别路口缺失交通限制信息。
综上,根据本公开实施例的识别路口缺失交通限制信息的方法,可从车道线信息中提取出路段上的目标车道线的数量和车道线的总数量,其中,目标车道线用于指示在路段上的同向车道之间禁止变换车道,并基于目标车道线的数量和车道线的总数量,自动识别路口缺失交通限制信息。
图4是根据本公开第四实施例的识别路口缺失交通限制信息的方法的流程示意图。
如图4所示,本公开第四实施例的识别路口缺失交通限制信息的方法,包括:
S401,获取路口对应的轨迹信息。
S402,基于轨迹信息,识别路口出现通行异常。
步骤S401-S402的相关内容可参见上述实施例,这里不再赘述。
S403,获取路口的路口标识信息。
S404,基于路口标识信息,获取路口连通的路段的路段标识信息。
本公开的实施例中,识别路口出现通行异常之后,可获取路口的路口标识信息,并基于路口标识信息,获取路口连通的路段的路段标识信息。应说明的是,对标识信息的类别不做过多限定,比如,标识信息包括但不限于位置、名称等。
在一种实施方式中,可预先建立路口标识信息和路段标识信息之间的映射关系或者映射表,在获取到路口标识信息之后,查询上述映射关系或者映射表,可获取路口标识信息映射的路段标识信息,作为路口连通的路段的路段标识信息。应说明的是,对上述映射关系或者映射表均不做过多限定。
S405,基于路段标识信息,从车道线信息库中获取路段对应的车道线信息。
需要说明的是,车道线信息库指的是用于存储车道线信息的存储空间,车道线信息库可自行设定,这里不做过多限定。
在一种实施方式中,基于路段标识信息,从车道线信息库中获取路段对应的车道线信息,可包括将路段标识信息作为查询键值,在车道线信息库中查询,将查询到的车道线信息作为路段对应的车道线信息。
在一种实施方式中,可采集路口的图片,从路口的图片中提取出路口连通的路段上的车道线信息,并根据提取出的车道线信息更新车道线信息库。比如,可将提取出的车道线信息与车道线信息库中存储的车道线信息进行比对,在提取出的车道线信息与存储的车道线信息不一致的情况下,可利用提取出的车道线信息替换存储的车道线信息;在提取出的车道线信息不存在车道线信息库的情况下,可将提取出的车道线信息添加到车道线信息库中。
S406,基于车道线信息,识别路口缺失交通限制信息。
步骤S406的相关内容可参见上述实施例,这里不再赘述。
综上,根据本公开实施例的识别路口缺失交通限制信息的方法,可基于路口的路口标识信息,获取路口连通的路段的路段标识信息,并基于路段标识信息,从车道线信息库中获取路段对应的车道线信息,可实现车道线信息的自动获取。
图5是根据本公开第五实施例的识别路口缺失交通限制信息的方法的流程示意图。
如图5所示,本公开第五实施例的识别路口缺失交通限制信息的方法,包括:
S501,获取路口对应的轨迹信息。
S502,基于轨迹信息,识别路口出现通行异常。
S503,获取路口的路口标识信息。
S504,基于路口标识信息,获取路口连通的路段的路段标识信息。
步骤S501-S504的相关内容可参见上述实施例,这里不再赘述。
S505,基于路段标识信息,从车道线信息库中获取路段对应的候选车道线信息,以及候选车道线信息的采集角度、采集位置或采集时间中的至少一种。
需要说明的是,基于路段标识信息,从车道线信息库中获取路段对应的候选车道线信息的相关内容可参见上述实施例,这里不再赘述。
需要说明的是,车道线信息库还用于存储采集角度、采集位置或采集时间中的至少一种。
在一种实施方式中,候选车道线信息携带采集角度、采集位置或采集时间中的至少一种,可从候选车道线信息中提取出采集角度、采集位置或采集时间中的至少一种。
S506,针对任一候选车道线信息,基于任一候选车道线信息的采集角度、采集位置或采集时间中的至少一种,识别任一候选车道线信息失效。
在一种实施方式中,基于任一候选车道线信息的采集角度、采集位置或采集时间中的至少一种,识别任一候选车道线信息失效,可包括基于任一候选车道线信息的采集角度、采集位置或采集时间中的至少一种,识别任一候选车道线信息满足失效设定条件,确定任一候选车道线信息失效。应说明的是,失效设定条件可自行设定,这里不做过多限定,比如,失效设定条件可包括一个或多个。
在一种实施方式中,基于任一候选车道线信息的采集角度、采集位置或采集时间中的至少一种,识别任一候选车道线信息失效,可包括在任一候选车道线信息的采集角度与设定角度之间的差值大于或者等于第五设定阈值,和/或采集位置与设定位置之间的差值大于或者等于第六设定阈值,和/或采集时间与当前时间之间的差值大于或者等于第七设定阈值的情况下,表明任一候选车道线信息的采集角度与设定角度之间的差值过大,和/或采集位置与设定位置之间的差值过大,和/或采集时间与当前时间之间的差值过大的情况下,识别任一候选车道线信息失效。
需要说明的是,对设定角度、设定位置、第五设定阈值、第六设定阈值、第七设定阈值均不做过多限定,比如,设定角度可为从路口进入路段的角度,设定位置可为路段的中间位置。
S507,从候选车道线信息中删除失效的候选车道线信息,并将删除后剩余的候选车道线信息确定为路段对应的车道线信息。
本公开的实施例中,可从候选车道线信息中删除失效的候选车道线信息,即删除后剩余的候选车道线信息仅包括有效的候选车道线信息,并将删除后剩余的候选车道线信息确定为路段对应的车道线信息。
S508,基于车道线信息,识别路口缺失交通限制信息。
步骤S508的相关内容可参见上述实施例,这里不再赘述。
综上,根据本公开实施例的识别路口缺失交通限制信息的方法,可基于候选车道线信息的采集角度、采集位置或采集时间中的至少一种,识别候选车道线信息失效,并从候选车道线信息中删除失效的候选车道线信息,将删除后剩余的候选车道线信息确定为路段对应的车道线信息,可保证获取的车道线信息的准确性。
图6是根据本公开第六实施例的识别路口缺失交通限制信息的方法的流程示意图。
如图6所示,本公开第六实施例的识别路口缺失交通限制信息的方法,包括:
S601,获取路口对应的轨迹信息,其中,轨迹信息包括导航轨迹信息和/或实际轨迹信息。
本公开的实施例中,路口对应的轨迹信息可包括导航轨迹信息和/或实际轨迹信息。应说明的是,导航轨迹信息指的是通过导航工具生成的虚拟轨迹信息,其中,导航工具可包括导航APP(Application,应用程序)、导航网页等,实际轨迹信息指的是车辆、行人等的真实轨迹信息。比如,导航轨迹信息可包括从路口的进入路段进入,且从路口的退出路段退出的导航轨迹信息,实际轨迹信息可包括从路口连通的路段进入和退出的的进入轨迹和退出轨迹。
在一种实施方式中,在交通限制为跨路口交通限制的情况下,获取导航轨迹信息,可包括获取路网拓扑,基于路网拓扑,获取多个复合路口,基于路网拓扑,获取与复合路口连通的交叉路口,基于路网拓扑,获取交叉路口与复合路口之间的导航轨迹信息,作为路口对应的导航轨迹信息。由此,该方法中在交通限制为跨路口交通限制的情况下,可基于路网拓扑获取复合路口,并进一步获取与复合路口连通的交叉路口,获取交叉路口与复合路口之间的导航轨迹信息,作为路口对应的导航轨迹信息。
需要说明的是,路网拓扑可自行设定,这里不做过多限定。在一种实施方式中,路网拓扑包括多个节点和多个边,节点用于表示路段起点或者路段终点,边用于表示一条路段。
在一种实施方式中,基于路网拓扑,获取多个复合路口之后,可基于路网拓扑,扩展复合路口的周边路段,并根据路段特征信息从周边路段中筛选出目标路段,进一步地,从目标路段中获取进入路段和退出路段,基于进入路段和退出路段的夹角,获取与复合路口连通的交叉路口。
需要说明的是,对路段特征信息的类别不做过多限定,比如,路段特征信息包括但不限于位置、路段等级、形态、车道数量、转弯角度等。应说明的是,路段等级从高到低依次为高速路段、国道、省道、县道、乡镇村道、轮渡、步行道路等,形态包括但不限于主干路段、立交桥、辅路、环岛、匝道、公交车专用道等,转弯角度指的是从进入路段转向退出路段的转弯角度。
在一种实施方式中,根据路段特征信息从周边路段中筛选出目标路段,可包括从周边路段中删除高速路段、环岛、步行道路、主辅路出入口、交叉点内路段、轮渡等,将删除后剩余的周边路段作为目标路段。
在一种实施方式中,获取实际轨迹信息,可包括获取待匹配的轨迹点集和路网拓扑,将轨迹点集与路网拓扑进行匹配,获取每个轨迹点在路网拓扑中的目标点,基于每个目标点生成实际轨迹信息。
比如,可将轨迹点集输入预先训练好的HMM(Hidden Markov Model,隐马尔可夫模型),由HMM对轨迹点集进行状态预测,输出每个候选状态下的初始状态概率,每个候选状态下每个轨迹点的观测概率、任意相邻两个轨迹点的候选状态之间的状态转移概率,其中,候选状态用于表征轨迹点在路网拓扑中的候选点。
进一步地,根据初始状态概率、观测概率和状态转移概率,从候选状态中确定目标状态,目标状态用于表征轨迹点在路网拓扑中的目标点。比如,可将初始状态概率、观测概率和状态转移概率输入至Viterbi(维特比)算法,由维特比算法输出轨迹点的目标状态。
S602,基于导航轨迹信息和/或实际轨迹信息,获取路口的通行特征信息。
需要说明的是,对通行特征信息的类别不做过多限定。
比如,通行特征信息包括但不限于通行量、绕路量、偏航量、通行绕路比、路口连通的路段的通行退出比中的至少一种。应说明的是,通行量指的是从进入路段进入路口,且从退出路段退出路口,且未绕路的轨迹量,绕路量指的是从进入路段进入路口,且从退出路段退出路口,且绕路的轨迹量,偏航量指的是从进入路段进入路口,且未从退出路段退出路口的轨迹量,通行绕路比为通行量与绕路量的比值,通行退出比包括路段的任一退出方向的轨迹量与退出方向的总轨迹量的比值。其中,退出方向包括但不限于左转、直行、右转、调头等。
比如,通行特征信息还包括通行时序特征、绕路时序特征等。应说明的是,通行时序特征指的是通行量随着时间的变化特征,可用纵轴为通行量、横轴为时间的图来表示,绕路时序特征指的是绕路量随着时间的变化特征,可用纵轴为绕路量、横轴为时间的图来表示。
在一种实施方式中,基于导航轨迹信息和/或实际轨迹信息,获取路口的通行特征信息,可包括将导航轨迹信息与实际轨迹信息进行比对,基于比对结果获取通行量、绕路量、偏航量、通行绕路比等。比如,可基于导航轨迹信息获取进入路段和退出路段,在比对结果表明任一实际轨迹信息从进入路段进入路口,且从退出路段退出路口,且未绕路的情况下,可将通行量加一;在比对结果表明任一实际轨迹信息从进入路段进入路口,且从退出路段退出路口,且绕路的情况下,可将绕路量加一;在比对结果表明任一实际轨迹信息从进入路段进入路口,且未从退出路段退出路口的情况下,可将偏航量加一。
在一种实施方式中,基于导航轨迹信息和/或实际轨迹信息,获取路口的通行特征信息,可包括基于实际轨迹信息,获取路段的通行退出比。比如,路段的退出方向为左转的轨迹量为10,退出方向的总轨迹量为50,则路段的退出方向为左转的通行退出比为1:5。
S603,基于通行特征信息,识别路口出现通行异常。
在一种实施方式中,基于通行特征信息,识别路口出现通行异常,可包括基于通行特征信息,识别路口满足出现通行异常的设定条件,确定路口出现通行异常。应说明的是,出现通行异常的设定条件可自行设定,这里不做过多限定,比如,出现通行异常的设定条件可包括一个或多个。
在一种实施方式中,基于通行特征信息,识别路口出现通行异常,可包括在路口对应的通行量小于第二设定阈值,和/或绕路量大于第三设定阈值,和/或通行绕路比小于第四设定阈值的情况下,表明路口对应的通行量过小,和/或绕路量过大,和/或通行量与绕路量之间的比值过小的情况下,识别路口出现通行异常。应说明的是,对第二设定阈值、第三设定阈值、第四设定阈值均不做过多限定。
在一种实施方式中,基于通行特征信息,识别路口出现通行异常,可包括在路口对应的偏航量大于设定阈值的情况下,表明路口对应的偏航量过大的情况下,识别路口出现通行异常。应说明的是,对设定阈值不做过多限定。
在一种实施方式中,基于通行特征信息,识别路口出现通行异常,可包括在路口连通的路段的至少一个退出方向的通行退出比小于第八设定阈值,和/或至少一个退出方向的通行退出比大于第九设定阈值的情况下,和/或任意两个退出方向的通行退出比之间的比值大于第十设定阈值的情况下,表明路口连通的路段的至少一个退出方向的通行退出比过小,和/或路段的至少一个退出方向的通行退出比过大,和/或任意两个退出方向的通行退出比相差过大的情况下,识别路口出现通行异常。应说明的是,对第八设定阈值、第九设定阈值、第十设定阈值均不做过多限定。
S604,获取路口连通的路段上的车道线信息。
S605,基于车道线信息,识别路口缺失交通限制信息。
步骤S604-S605的相关内容可参见上述实施例,这里不再赘述。
S606,在路网拓扑中添加路口的交通限制信息。
本公开的实施例中,路网拓扑还用于存储交通限制信息,识别路口缺失交通限制信息之后,可在路网拓扑中添加路口的交通限制信息,以及时更新路网拓扑,保证路网拓扑的实时性和准确性。
在一种实施方式中,路网拓扑可设置于导航APP中,用于生成导航轨迹信息。
综上,根据本公开实施例的识别路口缺失交通限制信息的方法,可基于路口对应的导航轨迹信息和/或实际轨迹信息,获取路口的通行特征信息,并基于通行特征信息,自动识别路口出现通行异常。
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识别路口缺失交通限制信息的装置,用于实现上述的识别路口缺失交通限制信息的方法。
图7是根据本公开第一实施例的识别路口缺失交通限制信息的装置的框图。
如图7所示,本公开实施例的识别路口缺失交通限制信息的装置700,包括:第一获取模块701、第一识别模块702、第二获取模块703和第二识别模块704。
第一获取模块701用于获取路口对应的轨迹信息;
第一识别模块702用于基于所述轨迹信息,识别所述路口出现通行异常;
第二获取模块703用于获取所述路口连通的路段上的车道线信息;
第二识别模块704用于基于所述车道线信息,识别所述路口缺失交通限制信息。
在本公开的一个实施例中,所述第二获取模块703还用于:从所述车道线信息中提取出所述路段上的目标车道线的数量和车道线的总数量,其中,所述目标车道线用于指示在所述路段上的同向车道之间禁止变换车道;基于所述目标车道线的数量和所述车道线的总数量,识别所述路口缺失所述交通限制信息。
在本公开的一个实施例中,所述第二获取模块703还用于:获取所述目标车道线的数量与所述车道线的总数量之间的比值;在所述比值大于第一设定阈值的情况下,识别所述路口缺失所述交通限制信息。
在本公开的一个实施例中,所述第二获取模块703还用于:获取所述路口的路口标识信息;基于所述路口标识信息,获取所述路口连通的所述路段的路段标识信息;基于所述路段标识信息,从车道线信息库中获取所述路段对应的所述车道线信息。
在本公开的一个实施例中,所述第二获取模块703还用于:基于所述路段标识信息,从所述车道线信息库中获取所述路段对应的候选车道线信息,以及所述候选车道线信息的采集角度、采集位置或采集时间中的至少一种;针对任一候选车道线信息,基于所述任一候选车道线信息的所述采集角度、所述采集位置或所述采集时间中的至少一种,识别所述任一候选车道线信息失效;从所述候选车道线信息中删除失效的所述候选车道线信息,并将删除后剩余的所述候选车道线信息确定为所述路段对应的所述车道线信息。
在本公开的一个实施例中,所述轨迹信息包括导航轨迹信息和/或实际轨迹信息,所述第一识别模块702还用于:基于所述导航轨迹信息和/或所述实际轨迹信息,获取所述路口的通行特征信息;基于所述通行特征信息,识别所述路口出现通行异常。
在本公开的一个实施例中,所述通行特征信息包括通行量、绕路量、偏航量、通行绕路比、所述路口连通的路段的通行退出比中的至少一种,所述通行绕路比为所述通行量与所述绕路量的比值,所述通行退出比包括所述路段的任一退出方向的轨迹量与退出方向的总轨迹量的比值。
在本公开的一个实施例中,所述第一识别模块702还用于:在所述路口对应的所述通行量小于第二设定阈值,和/或所述绕路量大于第三设定阈值,和/或所述通行绕路比小于第四设定阈值的情况下,识别所述路口出现通行异常。
在本公开的一个实施例中,在所述交通限制为跨路口交通限制的情况下,所述第一获取模块701还用于:获取路网拓扑;基于所述路网拓扑,获取多个复合路口;基于所述路网拓扑,获取与所述复合路口连通的交叉路口;基于所述路网拓扑,获取所述交叉路口与所述复合路口之间的所述导航轨迹信息,作为所述路口对应的所述导航轨迹信息。
在本公开的一个实施例中,所述识别路口缺失交通限制信息的装置700还包括:添加模块,所述添加模块,用于:在路网拓扑中添加所述路口的所述交通限制信息。
综上,本公开实施例的识别路口缺失交通限制信息的装置,可基于路口对应的轨迹信息识别路口出现通行异常,并基于路口连通的路段上的车道线信息,进一步识别路口缺失交通限制信息。由此,可结合轨迹信息和车道线信息,自动识别路口缺失交通限制信息,具有效率高、准确率高、人工成本低等优点。
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8示出了可以用来实施本公开的实施例的示例电子设备800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。
如图8所示,电子设备800包括计算单元801,其可以根据存储在只读存储器(ROM)802中的计算机程序或者从存储单元808加载到随机访问存储器(RAM)803中的计算机程序,来执行各种适当的动作和处理。在RAM 803中,还可存储电子设备800操作所需的各种程序和数据。计算单元801、ROM 802以及RAM 803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线804。
电子设备800中的多个部件连接至I/O接口805,包括:输入单元806,例如键盘、鼠标等;输出单元807,例如各种类型的显示器、扬声器等;存储单元808,例如磁盘、光盘等;以及通信单元809,例如网卡、调制解调器、无线通信收发机等。通信单元809允许电子设备800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801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801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801执行上文所描述的各个方法和处理,例如图1至图6所述的识别路口缺失交通限制信息的方法。例如,在一些实施例中,识别路口缺失交通限制信息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808。在一些实施例中,计算机程序的部分或者全部可以经由ROM 802和/或通信单元809而被载入和/或安装到电子设备800上。当计算机程序加载到RAM 803并由计算单元801执行时,可以执行上文描述的识别路口缺失交通限制信息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801可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行识别路口缺失交通限制信息的方法。
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,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务("Virtual Private Server",或简称"VPS")中,存在的管理难度大,业务扩展性弱的缺陷。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。
根据本公开的实施例,本公开还提供了一种计算机程序产品,包括计算机程序,其中,所述计算机程序被处理器执行时实现本公开上述实施例所述的识别路口缺失交通限制信息的方法的步骤。
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,本发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 (23)
1.一种识别路口缺失交通限制信息的方法,包括:
获取路口对应的轨迹信息;
基于所述轨迹信息,识别所述路口出现通行异常;
获取所述路口连通的路段上的车道线信息;
基于所述车道线信息,识别所述路口缺失交通限制信息。
2.根据权利要求1所述的方法,其中,所述基于所述车道线信息,识别所述路口缺失交通限制信息,包括:
从所述车道线信息中提取出所述路段上的目标车道线的数量和车道线的总数量,其中,所述目标车道线用于指示在所述路段上的同向车道之间禁止变换车道;
基于所述目标车道线的数量和所述车道线的总数量,识别所述路口缺失所述交通限制信息。
3.根据权利要求2所述的方法,其中,所述基于所述目标车道线的数量和所述车道线的总数量,识别所述路口缺失所述交通限制信息,包括:
获取所述目标车道线的数量与所述车道线的总数量之间的比值;
在所述比值大于第一设定阈值的情况下,识别所述路口缺失所述交通限制信息。
4.根据权利要求1所述的方法,其中,所述获取所述路口连通的路段上的车道线信息,包括:
获取所述路口的路口标识信息;
基于所述路口标识信息,获取所述路口连通的所述路段的路段标识信息;
基于所述路段标识信息,从车道线信息库中获取所述路段对应的所述车道线信息。
5.根据权利要求4所述的方法,其中,所述基于所述路段标识信息,从车道线信息库中获取所述路段对应的所述车道线信息,包括:
基于所述路段标识信息,从所述车道线信息库中获取所述路段对应的候选车道线信息,以及所述候选车道线信息的采集角度、采集位置或采集时间中的至少一种;
针对任一候选车道线信息,基于所述任一候选车道线信息的所述采集角度、所述采集位置或所述采集时间中的至少一种,识别所述任一候选车道线信息失效;
从所述候选车道线信息中删除失效的所述候选车道线信息,并将删除后剩余的所述候选车道线信息确定为所述路段对应的所述车道线信息。
6.根据权利要求1所述的方法,其中,所述轨迹信息包括导航轨迹信息和/或实际轨迹信息,所述基于所述轨迹信息,识别所述路口出现通行异常,包括:
基于所述导航轨迹信息和/或所述实际轨迹信息,获取所述路口的通行特征信息;
基于所述通行特征信息,识别所述路口出现通行异常。
7.根据权利要求6所述的方法,其中,所述通行特征信息包括通行量、绕路量、偏航量、通行绕路比、所述路口连通的路段的通行退出比中的至少一种,所述通行绕路比为所述通行量与所述绕路量的比值,所述通行退出比包括所述路段的任一退出方向的轨迹量与退出方向的总轨迹量的比值。
8.根据权利要求7所述的方法,其中,所述基于所述通行特征信息,识别所述路口出现通行异常,包括:
在所述路口对应的所述通行量小于第二设定阈值,和/或所述绕路量大于第三设定阈值,和/或所述通行绕路比小于第四设定阈值的情况下,识别所述路口出现通行异常。
9.根据权利要求6所述的方法,其中,在所述交通限制为跨路口交通限制的情况下,获取所述导航轨迹信息,包括:
获取路网拓扑;
基于所述路网拓扑,获取多个复合路口;
基于所述路网拓扑,获取与所述复合路口连通的交叉路口;
基于所述路网拓扑,获取所述交叉路口与所述复合路口之间的所述导航轨迹信息,作为所述路口对应的所述导航轨迹信息。
10.根据权利要求1-9任一项所述的方法,其中,所述识别所述路口缺失交通限制信息之后,还包括:
在路网拓扑中添加所述路口的所述交通限制信息。
11.一种识别路口缺失交通限制信息的装置,包括:
第一获取模块,用于获取路口对应的轨迹信息;
第一识别模块,用于基于所述轨迹信息,识别所述路口出现通行异常;
第二获取模块,用于获取所述路口连通的路段上的车道线信息;
第二识别模块,用于基于所述车道线信息,识别所述路口缺失交通限制信息。
12.根据权利要求11所述的装置,其中,所述第二获取模块,还用于:
从所述车道线信息中提取出所述路段上的目标车道线的数量和车道线的总数量,其中,所述目标车道线用于指示在所述路段上的同向车道之间禁止变换车道;
基于所述目标车道线的数量和所述车道线的总数量,识别所述路口缺失所述交通限制信息。
13.根据权利要求12所述的装置,其中,所述第二获取模块,还用于:
获取所述目标车道线的数量与所述车道线的总数量之间的比值;
在所述比值大于第一设定阈值的情况下,识别所述路口缺失所述交通限制信息。
14.根据权利要求11所述的装置,其中,所述第二获取模块,还用于:
获取所述路口的路口标识信息;
基于所述路口标识信息,获取所述路口连通的所述路段的路段标识信息;
基于所述路段标识信息,从车道线信息库中获取所述路段对应的所述车道线信息。
15.根据权利要求14所述的装置,其中,所述第二获取模块,还用于:
基于所述路段标识信息,从所述车道线信息库中获取所述路段对应的候选车道线信息,以及所述候选车道线信息的采集角度、采集位置或采集时间中的至少一种;
针对任一候选车道线信息,基于所述任一候选车道线信息的所述采集角度、所述采集位置或所述采集时间中的至少一种,识别所述任一候选车道线信息失效;
从所述候选车道线信息中删除失效的所述候选车道线信息,并将删除后剩余的所述候选车道线信息确定为所述路段对应的所述车道线信息。
16.根据权利要求11所述的装置,其中,所述轨迹信息包括导航轨迹信息和/或实际轨迹信息,所述第一识别模块,还用于:
基于所述导航轨迹信息和/或所述实际轨迹信息,获取所述路口的通行特征信息;
基于所述通行特征信息,识别所述路口出现通行异常。
17.根据权利要求16所述的装置,其中,所述通行特征信息包括通行量、绕路量、偏航量、通行绕路比、所述路口连通的路段的通行退出比中的至少一种,所述通行绕路比为所述通行量与所述绕路量的比值,所述通行退出比包括所述路段的任一退出方向的轨迹量与退出方向的总轨迹量的比值。
18.根据权利要求17所述的装置,其中,所述第一识别模块,还用于:
在所述路口对应的所述通行量小于第二设定阈值,和/或所述绕路量大于第三设定阈值,和/或所述通行绕路比小于第四设定阈值的情况下,识别所述路口出现通行异常。
19.根据权利要求16所述的装置,其中,在所述交通限制为跨路口交通限制的情况下,所述第一获取模块,还用于:
获取路网拓扑;
基于所述路网拓扑,获取多个复合路口;
基于所述路网拓扑,获取与所述复合路口连通的交叉路口;
基于所述路网拓扑,获取所述交叉路口与所述复合路口之间的所述导航轨迹信息,作为所述路口对应的所述导航轨迹信息。
20.根据权利要求11-19任一项所述的装置,其中,所述装置还包括:添加模块,所述添加模块,用于:
在路网拓扑中添加所述路口的所述交通限制信息。
21.一种电子设备,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如权利要求1-10中任一项所述的识别路口缺失交通限制信息的方法。
22.一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如权利要求1-10中任一项所述的识别路口缺失交通限制信息的方法。
23.一种计算机程序产品,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权利要求1-10中任一项所述的识别路口缺失交通限制信息的方法的步骤。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210024682.4A CN114419883B (zh) | 2022-01-07 | 2022-01-07 | 识别路口缺失交通限制信息的方法、装置和电子设备 |
US18/090,651 US20230144288A1 (en) | 2022-01-07 | 2022-12-29 | Method for determining intersection missing traffic restriction information, and electronic device |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210024682.4A CN114419883B (zh) | 2022-01-07 | 2022-01-07 | 识别路口缺失交通限制信息的方法、装置和电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114419883A true CN114419883A (zh) | 2022-04-29 |
CN114419883B CN114419883B (zh) | 2023-06-16 |
Family
ID=81271881
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210024682.4A Active CN114419883B (zh) | 2022-01-07 | 2022-01-07 | 识别路口缺失交通限制信息的方法、装置和电子设备 |
Country Status (2)
Country | Link |
---|---|
US (1) | US20230144288A1 (zh) |
CN (1) | CN114419883B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114863285A (zh) * | 2022-05-27 | 2022-08-05 | 北京百度网讯科技有限公司 | 识别目标道路的方法、装置、设备以及存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5412573A (en) * | 1993-05-20 | 1995-05-02 | Motorola Inc. | Multi-mode route guidance system and method therefor |
CN101470007A (zh) * | 2007-12-28 | 2009-07-01 | 阿尔派株式会社 | 导航装置 |
US20140278055A1 (en) * | 2013-03-15 | 2014-09-18 | Hewlett-Packard Development Company, L.P. | Updating road maps |
US20180224285A1 (en) * | 2017-02-07 | 2018-08-09 | Here Global B.V. | Apparatus and associated method for use in updating map data |
CN110795467A (zh) * | 2019-09-26 | 2020-02-14 | 腾讯大地通途(北京)科技有限公司 | 交通规则数据处理方法、装置、存储介质和计算机设备 |
CN113029180A (zh) * | 2021-03-25 | 2021-06-25 | 北京百度网讯科技有限公司 | 一种交通限制识别方法、装置、电子设备及存储介质 |
CN113272877A (zh) * | 2019-01-09 | 2021-08-17 | 捷豹路虎有限公司 | 用于车辆的控制系统 |
-
2022
- 2022-01-07 CN CN202210024682.4A patent/CN114419883B/zh active Active
- 2022-12-29 US US18/090,651 patent/US20230144288A1/en not_active Abandoned
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5412573A (en) * | 1993-05-20 | 1995-05-02 | Motorola Inc. | Multi-mode route guidance system and method therefor |
CN101470007A (zh) * | 2007-12-28 | 2009-07-01 | 阿尔派株式会社 | 导航装置 |
US20140278055A1 (en) * | 2013-03-15 | 2014-09-18 | Hewlett-Packard Development Company, L.P. | Updating road maps |
US20180224285A1 (en) * | 2017-02-07 | 2018-08-09 | Here Global B.V. | Apparatus and associated method for use in updating map data |
CN113272877A (zh) * | 2019-01-09 | 2021-08-17 | 捷豹路虎有限公司 | 用于车辆的控制系统 |
CN110795467A (zh) * | 2019-09-26 | 2020-02-14 | 腾讯大地通途(北京)科技有限公司 | 交通规则数据处理方法、装置、存储介质和计算机设备 |
CN113029180A (zh) * | 2021-03-25 | 2021-06-25 | 北京百度网讯科技有限公司 | 一种交通限制识别方法、装置、电子设备及存储介质 |
Non-Patent Citations (2)
Title |
---|
丁露等: "车辆导航系统地图匹配算法及实时参数修正", 《仪器仪表学报》 * |
丁露等: "车辆导航系统地图匹配算法及实时参数修正", 《仪器仪表学报》, no. 03, 15 March 2008 (2008-03-15) * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114863285A (zh) * | 2022-05-27 | 2022-08-05 | 北京百度网讯科技有限公司 | 识别目标道路的方法、装置、设备以及存储介质 |
CN114863285B (zh) * | 2022-05-27 | 2023-09-05 | 北京百度网讯科技有限公司 | 识别目标道路的方法、装置、设备以及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN114419883B (zh) | 2023-06-16 |
US20230144288A1 (en) | 2023-05-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102558657B1 (ko) | 맵 데이터 업데이트 방법, 장치, 기기 및 판독 가능 저장매체 | |
US20210239486A1 (en) | Method and apparatus for predicting destination, electronic device and storage medium | |
CN113029180A (zh) | 一种交通限制识别方法、装置、电子设备及存储介质 | |
KR20210122214A (ko) | 감지 데이터를 검출하는 방법 및 장치 | |
CN114443794A (zh) | 数据处理和地图更新方法、装置、设备以及存储介质 | |
US20230159052A1 (en) | Method for processing behavior data, method for controlling autonomous vehicle, and autonomous vehicle | |
CN115909749A (zh) | 车辆运行道路风险预警方法、装置、设备及存储介质 | |
CN115880928A (zh) | 自动驾驶高精地图实时更新方法、装置、设备及存储介质 | |
US20230144288A1 (en) | Method for determining intersection missing traffic restriction information, and electronic device | |
CN113837268B (zh) | 确定轨迹点状态的方法、装置、设备和介质 | |
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 | |
CN113420692A (zh) | 生成方向识别模型的方法、装置、设备、介质及程序产品 | |
EP4141386A1 (en) | Road data monitoring method and apparatus, electronic device and storage medium | |
JP7333369B2 (ja) | 交通データの処理方法、装置、電子機器、記憶媒体およびコンピュータプログラム製品 | |
CN115757674A (zh) | 地图处理方法、装置、设备及存储介质 | |
CN113435403B (zh) | 路网缺失道路检测方法、装置、电子设备和存储介质 | |
CN115062240A (zh) | 一种停车场排序方法、装置、电子设备和存储介质 | |
CN114218344A (zh) | 地图数据更新方法、装置、设备、存储介质和程序产品 | |
CN115060249A (zh) | 电子地图的构建方法、装置、设备和介质 | |
CN115330067A (zh) | 一种交通拥堵预测方法、装置、电子设备及存储介质 | |
CN114724113A (zh) | 道路标牌识别方法、自动驾驶方法、装置和设备 | |
CN114689061A (zh) | 自动驾驶设备的导航路线处理方法、装置及电子设备 | |
CN114111813A (zh) | 高精地图元素更新方法、装置、电子设备及存储介质 | |
CN112907949B (zh) | 交通异常的检测方法、模型的训练方法及装置 | |
CN114863285B (zh) | 识别目标道路的方法、装置、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 |