CN114547551A

CN114547551A - 基于车辆上报数据的路面数据获取方法及云端服务器

Info

Publication number: CN114547551A
Application number: CN202210167208.7A
Authority: CN
Inventors: 张彦福; 高月磊; 赵云; 王刚辉
Original assignee: Apollo Intelligent Technology Beijing Co Ltd
Current assignee: Apollo Intelligent Technology Beijing Co Ltd
Priority date: 2022-02-23
Filing date: 2022-02-23
Publication date: 2022-05-27
Anticipated expiration: 2042-02-23
Also published as: CN114547551B

Abstract

本公开提供了基于车辆上报数据的路面数据获取方法及云端服务器，涉及人工智能技术领域，尤其涉及自动驾驶和智能交通技术领域。具体实现方案为：基于车辆上报的数据，确定目标路段的路面附着系数的估计值；基于路面附着系数的估计值与预设置信区间之间的距离，确定估计值的置信度；在置信度符合预设条件的情况下，将路面附着系数的估计值确定为目标路段的路面附着系数。根据本公开的技术，能够准确的确定目标路段的路面附着系数。

Description

基于车辆上报数据的路面数据获取方法及云端服务器

技术领域

本公开涉及人工智能技术领域，尤其涉及自动驾驶和智能交通技术领域。

背景技术

路面附着状况监测是一项用于道路基础设施管理活动以及自动驾驶运营平台的关键技术。为了提升路面附着状况的估算准确度，一般在车辆中嵌入高精度的传感器检查路面附着状况。

发明内容

本公开提供了一种基于车辆上报数据的路面数据获取方法及云端服务器。

根据本公开的一方面，提供了一种基于车辆上报数据的路面数据获取方法，包括：

基于车辆上报的数据，确定目标路段的路面附着系数的估计值；

基于路面附着系数的估计值与预设的置信区间之间的距离，确定估计值的置信度；

在置信度符合预设条件的情况下，将路面附着系数的估计值确定为目标路段的路面附着系数。

根据本公开的另一方面，提供了一种基于车辆上报数据的路面数据获取装置，包括：

第一处理模块，用于基于车辆上报的数据，确定目标路段的路面附着系数的估计值；

第二处理模块，用于基于路面附着系数的估计值与预设的置信区间之间的距离，确定估计值的置信度；

第三处理模块，用于在置信度符合预设条件的情况下，将路面附着系数的估计值确定为目标路段的路面附着系数。

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，

存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行本公开实施例中任意一种基于车辆上报数据的路面数据获取方法。

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，其中，计算机指令用于使计算机执行本公开实施例中任意一种基于车辆上报数据的路面数据获取方法。

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，计算机程序在被处理器执行时实现本公开实施例中任意一种基于车辆上报数据的路面数据获取方法。

根据本公开的另一方面，提供了一种云端服务器，包括本公开实施例中的电子设备。

上述申请中的一个实施例具有如下优点或有益效果：基于车辆上报的数据先得到目标路段的路面附着系数的估计值，再通过基于该估计值和预设置信区间之间的距离，准确地确定该估计值的置信度，基于准确的置信度判断是否将路面附着系数的估计值确定为目标路段的路面附着系数，从而可以更准确地确定出目标路段的路面附着系数。

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是根据本公开一实施例的基于车辆上报数据的路面数据获取方法的流程图；

图2是根据本公开另一实施例的基于车辆上报数据的路面数据获取方法的流程图；

图3是根据本公开另一实施例的基于车辆上报数据的路面数据获取方法的流程图；

图4是根据本公开一实施例的车辆上传数据的系统示意图；

图5是根据本公开一实施例的服务端接收数据的示意图；

图6是根据本公开一实施例的位置信息进行地图匹配的流程示意图；

图7是根据本公开另一实施例的路面附着状况的显示示意图

图8是根据本公开一实施例的基于车辆上报数据的路面数据获取装置的框图；

图9是根据本公开一实施例的基于车辆上报数据的路面数据获取装置的框图；

图10是用来实现本公开实施例的基于车辆上报数据的路面数据获取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是根据本公开一实施例的基于车辆上报数据的路面数据获取方法的流程图。如图1所示，该方法可以包括：

S101、基于车辆上报的数据，确定目标路段的路面附着系数的估计值；

S102、基于路面附着系数的估计值与预设置信区间之间的距离，确定估计值的置信度；

S103、在置信度符合预设条件的情况下，将路面附着系数的估计值确定为目标路段的路面附着系数。

需要说明的是，上述方法可以由部署在服务端的电子设备执行，其中，服务端可以是云端服务器。

在步骤S101中，示例性地，车辆上报的数据可以是车辆在行驶过程中通过各个传感器监测到的数据，例如，车辆定位系统采集到的车辆的位置信息，车速传感器采集到的车辆的车速，方向盘转角传感器采集到的方向盘转角，车辆上的摄像头拍摄到的路面状况等。还可以车辆的电子控制系统计算出的数据，例如，路面附着系数等。上报数据的车辆可以是行驶过目标路段的任意车辆，还可以是行驶过目标路段指定车辆。在本实施例中，为了保证路面附着系数的估计值的精度和上传数据的数据量的合理性，车辆基于预设距离对数据进行采样，并在采样之后以预设的时间间隔对数据进行上报，数据上报时采用结构化数据进行组织，将数据按照位置时间序列进行打包上传。

在步骤S102中，示例性地，预设置信区间用于表示目标路段中路面附着系数对应的估计区间，预设置信区间可以是预先设置好的，也可以是在获得车辆上报的数据之后计算得到的。需要说明的是，预设置信区间可以只计算一次，也可以是车辆上报数据的频率进行计算。

在步骤S103中，示例性地，预设条件可以是不小于置信度阈值，置信度阈值根据实际需要进行设置，在此不做限定；还可以是处于预设区间内。进一步地，在置信度小于置信度阈值的情况下，不更新目标路段的路面附着系数。

本公开的技术方案中，基于车辆上报的数据，确定目标路段的路面附着系数的估计值；基于路面附着系数的估计值与预设置信区间之间的距离，确定路面附着系数的置信度；在置信度符合预设条件的情况下，将路面附着系数的估计值确定为目标路段的路面附着系数，这样，由于采用不同车辆上报的数据，使得上报的数据更全面，所以在不同的场景下依然可以准确的确定路面附着系数的估计值，进一步地，通过对路面附着系数的置信度进行判断，确定是否将路面附着系数的估计值确定为目标路段的路面附着系数，从而可以更准确地确定出目标路段的路面附着系数。

在一种实施方式中，该方法，还包括：

S201、基于M个原始车辆数据中的路面附着系数，确定所述M个原始车辆数据对应的路面附着系数统计信息；

S202、基于时间条件在M个原始车辆数据中抽取K个样本数据集，并基于所述K个样本数据集中每个样本数据集所包含的多个路面附着系数，确定所述每个样本数据集对应的路面附着系数统计信息；

S203、基于M个原始车辆数据对应的路面附着系数统计信息和每个样本数据集的统计信息，得到每个样本数据集对应的误差统计量；

S204、利用每个样本数据集对应的误差统计量确定置信区间。

示例性地，原始车辆数据为车辆上报的数据。在本实施例中，基于第一时间范围筛选M个原始车辆数据，得到筛选后的原始车辆数据，在筛选后的原始车辆数据中抽取K个样本数据集。

示例性地，抽取样本数据集可以采用随机抽取，也可以采用有放回的方式抽取。例如，在筛选后的原始车辆数据的数据量足够多的情况下，则可以随机抽取样本数据集；在筛选后的原始车辆数据的数据量较少或存在限制的情况下，则可以有放回地抽取样本数据集，可以在数据量少的情况下，保证统计的准确性。

示例性地，每个统计信息用于表征每个样本数据集中的路面附着状态，统计信息可以是平均值或中位数或众数等。在本实施例中，以统计信息是平均值为例，将筛选后的原始车辆数据中的路面附着系数的平均值和每个样本数据集中路面附着系数的平均值作差，分别得到每个样本数据集对应的误差统计量。根据每个样本数据集对应的误差统计量确定一个正态分布曲线，从而确定误差统计量的置信区间，通过误差统计量的置信区间确定目标路段的路面附着系数的置信区间，从而可以根据置信区间更准确的确定路面附着系数的估计值对应的置信度。

在一种实施方式中，如图3所示，该方法，还包括：

S301、基于预设的时间空间条件将车辆上报的M个原始车辆数据分为L个车辆数据集；

S302、基于L个车辆数据集中每个车辆数据集中的至少一个位置信息，在地图中确定每个车辆数据集对应的路段；

S303、将L个车辆数据集中的第i个车辆数据集对应的路段确定为目标路段；其中，M为正整数，L为小于M的正整数。

示例性地，基于预设的时间空间条件将车辆上报的M个原始车辆数据分为L个车辆数据集，包括：

根据预设的第二时间范围和预设的道路距离范围将车辆上报的M个原始车辆数据分为L个车辆数据集。

在本实施例中，根据第二时间范围与道路距离范围拆分M个原始车辆数据，得到多个车辆数据集，其中，第二时间范围不大于第一时间范围。这样，每个车辆数据集均有对应的时间空间信息。进一步地，车辆数据集中的数据采用先进先出的方式进行更新，从而保证车辆数据的实时性，同时保证数据存储量的合理性。

示例性地，车辆数据包括：位置信息和路面附着系数等信息。将每个车辆数据集中的至少一个位置信息关联到电子地图的路网上。

在本实施例中，由车辆的定位系统确定位置信息，即位置信息为全球定位系统坐标。为了避免全球定位系统坐标在匹配到电子地图的路网上会有误差，所以将全球定位系统坐标下采样序列转换为路网坐标序列，从而实现了位置信息与电子地图的关联，避免了由于全球定位系统坐标的采样时间间隔较大，全球定位系统坐标点对的连线会小于车辆实际行驶的距离的问题，使得确定的目标路段更准确。

在一种实施方式中，基于车辆上报的数据，确定目标路段的路面附着系数的估计值，包括：

基于目标路段对应的车辆数据集中的至少一个路面附着系数的统计信息，确定目标路段的路面附着系数的估计值。

示例性地，在地图中确定每个车辆数据集对应的目标路段后，由于将车辆数据集中的至少一个路面附着系数映射到目标路段上，并计算至少一个路面附着系数的平均值，将计算得到的平均值作为目标路段的路面附着系数的估计值，所以目标路段对应的路面附着系数的估计值更加准确。

在一种实施方式中，该方法，还包括：

向在目标路段行驶的车辆发送目标路段的路面附着系数；其中，路面附着系数用于车辆确定对应的预警信息。

示例性地，当确定目标路段的路面附着系数后，可以向在目标路段行驶的车辆发送目标路段的路面附着系数，使得车辆可以根据目标路段的路面附着系数确定当前路面的状况，以结合车辆自身驾驶情况输出相应的预警信息，从而帮助驾驶员全面了解当前路段的路面状况，保证了驾驶员的驾驶安全。

示例性地，预警信息可以在车辆的显示面板上显示，也可以是发送至驾驶员的移动终端上进行显示，例如，将预警信息以短信或邮件的形式发送给客户，又例如，在移动终端上的应用程序上进行显示等。预警信息可以是以文字的形式进行显示，还可以是以图像的形式进行显示，例如，通过不同的颜色表示当前路段的路面状况。

以下进行举例说明：

如图4所示，不同车辆中的每个车辆根据适当距离(例如10m)对车辆数据进行采样后，以一定的时间间隔(例如3min)将采样的车辆数据发送到服务端，在本实施例中服务端可以是云端服务器。车辆数据的传输采用结构化数据进行组织，将车辆数据中对应的GPS(Global Positioning System，全球定位系统)经纬度以及路面附着系数按照位置时间序列进行打包。

如图5所示，服务端设置有保存多个车辆数据的时间序列集合，时间序列集合的时间范围t(例如5min)大于上传数据的时间间隔(例如3min)，

因此在服务端接收到不同车辆上传的车辆数据后会采用先进先出的方式(FIFO，First Input First Output)将上传的车辆数据添加至对应的时间序列集合中，保证了数据的实时性，和数据存储的合理性。再根据地图确定的道路距离分段精度范围s(即道路距离范围)内将时间序列集合中车辆数据进行拆分成子集(即车辆数据集)，每个子集有一个时间空间属性数据。其中，图5中的白色圆圈为各个子集，黑色圆圈为s的路面附着系数。

如图6所示，由于GPS经纬度匹配到电子地图的路网上会有误差，如果不进行地图匹配，那么车辆数据的GPS经纬度可能不显示路网上，所以，将GPS经纬度下采样序列转换为路网坐标序列，利用HMM隐马尔科夫模型将高清地图和转换好的路网坐标序列进行地图匹配，从而将各子集的路面附着系数映射配到对应的路段上。并计算各个子集的路面附着系数的平均值作为对应的路段的路面附着系数的估计值。

由于每个路段对应的数据量不能满足标准正态分布，所以采用Bootstrap自抽样方法，即有放回的抽样以获取更多的样本数据，具体的步骤如下：

步骤1:采用有放回抽样方法标识的在适当距离的采样后，以一定的时间间隔t收集到的原始车辆数据中，抽取一定数量的子样本。

步骤2:根据抽出的样本采用计算误差统计量

步骤3:重复前两步N次，得到N个统计量σ。

步骤4:根据N个统计量的估计值获得统计量σ的分布，得到统计量的正态分布曲线，确定出统计量的置信区间，从而根据统计量的置信区间计算得到路面附着系数的置信区间

其中，

为一定的时间间隔t收集到的原始车辆数据的均值，N为重采样次数，

为利用Bootstrap抽取的子样本计算的均值，σ为抽样误差。

将路面附着系数的估计值与置信区间做差，得到的差值范围位于(0，5％)时，置信度为95％；当所述差值范围位于(5％，10％)时，置信度为90％；当所述差值范围位于(10％，20％)时，置信度为70％。当上述确定的置信度不小于预设置信度阈值时，则将路面附着系数估计值更新为所述目标路段的路面附着系数。当上述确定的置信度小于预设置信度阈值时，维持目标路段的路面附着系数不变。

如图7所示，在车辆的应用程序获取目标路段的路面附着系数后，结合自车当前位置以及车辆的驾驶情况进行安全裕值的计算显示，根据裕值大小分比采用红黄绿三种颜色进行显示预警，采用红黄警戒色(即0.1-0.5)进行低附着路面的报警显示，高附良好路面状况采用绿蓝色(即0.5-1.0)进行标识显示。保证驾驶员对车辆运行状况的全面了解，提升驾驶的信心度。

图8是根据本公开一实施例的基于车辆上报数据的路面数据获取装置的框图。如图8所示，该装置可以包括：

第一处理模块801，用于基于车辆上报的数据，确定目标路段的路面附着系数的估计值；

第二处理模块802，用于基于路面附着系数的估计值与预设置信区间之间的距离，确定估计值的置信度；

第三处理模块803，用于在置信度符合预设条件的情况下，将路面附着系数的估计值确定为目标路段的路面附着系数。

图9是根据本公开另一实施例的基于车辆上报数据的路面数据获取装置的框图。如图9所示，该装置可以包括：

第一处理模块901，用于基于车辆上报的数据，确定目标路段的路面附着系数的估计值；

统计模块902，用于基于M个原始车辆数据中的路面附着系数，确定所述M个原始车辆数据对应的路面附着系数统计信息；

抽取模块903，用于基于时间条件在M个原始车辆数据中抽取K个样本数据集，并基于所述K个样本数据集中每个样本数据集所包含的多个路面附着系数，确定所述每个样本数据集对应的路面附着系数统计信息；

误差统计量确定模块904，用于基于时间条件确定的原始车辆数据的统计信息和每个样本数据集的统计信息确定每个样本数据集对应的误差统计量；

置信区间确定模块905，用于利用每个样本数据集对应的误差统计量确定置信区间；

第二处理模块906，用于基于路面附着系数的估计值与预设置信区间之间的距离，确定估计值的置信度；

第三处理模块907，用于在置信度符合预设条件的情况下，将路面附着系数的估计值确定为目标路段的路面附着系数。

在一种实施方式中，如图9所示，第一处理模块901，还用于：

基于预设的时间空间条件将车辆上报的M个原始车辆数据分为L个车辆数据集；

基于L个车辆数据集中每个车辆数据集中的至少一个位置信息，在地图中确定每个车辆数据集对应的路段；

将L个车辆数据集中的第i个车辆数据集对应的路段确定为目标路段；其中，M为正整数，L为小于M的正整数。

在一种实施方式中，如图9所示，第一处理模块901，还用于：

在一种实施方式中，如图9所示，该装置，还包括：

发送模块908，用于向在目标路段行驶的车辆发送目标路段的路面附着系数；其中，路面附着系数用于车辆确定对应的预警信息。

这样，本公开实施例的装置，基于车辆上报的数据，确定目标路段的路面附着系数的估计值；基于路面附着系数的估计值与预设置信区间之间的距离，确定路面附着系数的置信度；在置信度符合预设条件的情况下，将路面附着系数的估计值确定为目标路段的路面附着系数，这样，由于采用不同车辆上报的数据，使得上报的数据更全面，所以在不同的场景下依然可以准确的确定路面附着系数的估计值，进一步地，通过对路面附着系数的置信度进行判断，确定是否将路面附着系数的估计值确定为目标路段的路面附着系数，从而可以更准确地确定出目标路段的路面附着系数。

本公开的技术方案中，所涉及的用户个人信息的获取，存储和应用等，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。可选地，该电子设备可以应用于云端服务器。也就是说，本公开还提供一种云端服务器，包括该电子设备。该云端服务器能够更准确地确定出目标路段的路面附着系数。

图10示出了可以用来实施本公开的实施例的示例电子设备1000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10所示，设备1000包括计算单元1001，其可以根据存储在只读存储器(ROM)1002中的计算机程序或者从存储单元1008加载到随机访问存储器(RAM)1003中的计算机程序，来执行各种适当的动作和处理。在RAM 1003中，还可存储设备1000操作所需的各种程序和数据。计算单元1001、ROM 1002以及RAM 1003通过总线1004彼此相连。输入/输出(I/O)接口1005也连接至总线1004。

设备1000中的多个部件连接至I/O接口1005，包括：输入单元1006，例如键盘、鼠标等；输出单元1007，例如各种类型的显示器、扬声器等；存储单元1008，例如磁盘、光盘等；以及通信单元1009，例如网卡、调制解调器、无线通信收发机等。通信单元1009允许设备1000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1001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1001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1001执行上文所描述的各个方法和处理，例如基于车辆上报数据的路面数据获取方法。例如，在一些实施例中，基于车辆上报数据的路面数据获取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1008。在一些实施例中，计算机程序的部分或者全部可以经由ROM 1002和/或通信单元1009而被载入和/或安装到设备1000上。当计算机程序加载到RAM 1003并由计算单元1001执行时，可以执行上文描述的基于车辆上报数据的路面数据获取方法的一个或多个步骤。备选地，在其他实施例中，计算单元1001可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行基于车辆上报数据的路面数据获取方法。

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)、复杂可编程逻辑设备(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

1.一种基于车辆上报数据的路面数据获取方法，包括：

基于所述路面附着系数的估计值与预设的置信区间之间的距离，确定所述估计值的置信度；

在所述置信度符合预设条件的情况下，将所述路面附着系数的估计值确定为所述目标路段的路面附着系数。

2.根据权利要求1所述的方法，还包括：

基于M个原始车辆数据中的路面附着系数，确定所述M个原始车辆数据对应的路面附着系数统计信息；

基于时间条件在M个原始车辆数据中抽取K个样本数据集，并基于所述K个样本数据集中每个样本数据集所包含的多个路面附着系数，确定所述每个样本数据集对应的路面附着系数统计信息；

基于M个原始车辆数据对应的路面附着系数统计信息和所述每个样本数据集对应的路面附着系数统计信息，确定每个样本数据集对应的误差统计量；

利用所述每个样本数据集对应的误差统计量确定所述置信区间；其中，M和K为正整数。

3.根据权利要求1所述的方法，还包括：

基于所述L个车辆数据集中每个车辆数据集中的至少一个位置信息，在地图中确定所述每个车辆数据集对应的路段；

将所述L个车辆数据集中的第i个车辆数据集对应的路段确定为所述目标路段；其中，M为正整数，L为小于M的正整数。

4.根据权利要求1-3中任一所述的方法，其中，所述基于车辆上报的数据，确定目标路段的路面附着系数的估计值，包括：

基于所述目标路段对应的车辆数据集中的至少一个路面附着系数的统计信息，确定所述目标路段的路面附着系数的估计值。

5.根据权利要求1-4中任一所述的方法，还包括：

向在所述目标路段行驶的车辆发送所述目标路段的路面附着系数；其中，所述路面附着系数用于所述车辆确定对应的预警信息。

6.一种基于车辆上报数据的路面数据获取装置，包括：

第二处理模块，用于基于所述路面附着系数的估计值与预设的置信区间之间的距离，确定所述路面附着系数的置信度；

第三处理模块，用于在所述置信度符合预设条件的情况下，将所述路面附着系数的估计值确定为所述目标路段的路面附着系数。

7.根据权利要求6所述的装置，还包括：

统计模块，用于基于M个原始车辆数据中的路面附着系数，确定所述M个原始车辆数据对应的路面附着系数统计信息；

抽取模块，用于基于时间条件在M个原始车辆数据中抽取K个样本数据集，并基于所述K个样本数据集中每个样本数据集所包含的多个路面附着系数，确定所述每个样本数据集对应的路面附着系数统计信息；

误差统计量确定模块，用于基于M个原始车辆数据对应的路面附着系数统计信息和所述每个样本数据集对应的路面附着系数统计信息，确定每个样本数据集对应的误差统计量；

置信区间确定模块，用于利用所述每个样本数据集对应的误差统计量确定所述置信区间；其中，M和K为正整数。

8.根据权利要求6所述的装置，所述第一处理模块，还包括：

9.根据权利要求6-8中任一所述的装置，其中，所述第一处理模块，还用于：

10.根据权利要求6-9中任一所述的装置，还包括：

发送模块，用于向在所述目标路段行驶的车辆发送所述目标路段的路面附着系数；其中，所述路面附着系数用于所述车辆确定对应的预警信息。

11.一种电子设备，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1-5中任一项所述的方法。

12.一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1-5中任一项所述的方法。

13.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-5中任一项所述的方法。

14.一种云端服务器，包括如权利要求11所述的电子设备。