CN114610830B - 一种基于驾驶行为数据的地图要素变化检测方法 - Google Patents
一种基于驾驶行为数据的地图要素变化检测方法 Download PDFInfo
- Publication number
- CN114610830B CN114610830B CN202210298504.0A CN202210298504A CN114610830B CN 114610830 B CN114610830 B CN 114610830B CN 202210298504 A CN202210298504 A CN 202210298504A CN 114610830 B CN114610830 B CN 114610830B
- Authority
- CN
- China
- Prior art keywords
- data
- driving behavior
- map
- information
- confidence
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- 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
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
- G01C21/30—Map- or contour-matching
- G01C21/32—Structuring or formatting of map data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/22—Indexing; Data structures therefor; Storage structures
- G06F16/2228—Indexing structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/23—Updating
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
- G07C5/0841—Registering performance data
-
- 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
Abstract
本发明公开了一种基于驾驶行为数据的地图要素变化检测方法,所述方法包括如下:步骤1:获取驾驶行为原始数据;步骤2:利用地图数据与驾驶行为原始数据结合,通过统计和计算生成驾驶行为统计数据,所述驾驶行为统计数据与地图要素关联;步骤3:根据驾驶行为统计数据的结构生成要素变化置信度信息,要素变化置信度信息用于判断地图要素是否可能发生变化,所述要素变化置信度信息与地图要素关联;步骤4:在地图数据中对驾驶行为统计数据和要素变化置信度信息进行存储。可为地图增加一种新类型的、基于驾驶行为统计数据的地图数据变化检测信息。本发明实施例提出了该地图数据中的关键数据内容,以及针对驾驶行为统计数据的变化检测方法,用于辅助判断地图要素变化的可能性,从而发现潜在变化的地图要素,增强地图更新的实时性。本发明实施例还提出了该地图变化置检测方法对应的数据采集、数据生成和数据使用装置。
Description
技术领域
本发明属于高精度地图领域,具体涉及一种基于驾驶行为数据的地图要素变化检测方法。
背景技术
随着自动驾驶领域的技术快速发展,以及高精度导航的使用需求加深,出行领域对高精度地图更新的及时性要求越来越高。然而,高精度地图的采集难度较高、效率较低,难以保障地图鲜度。
众包采集方式为目前行业研究的热点,但因众包采集车辆一般为社会车辆等,其车辆型号复杂、感知能力不统一、采集精度较低,加上道路实时路况复杂,存在检测不准、误报漏报较多等情况,且其采集置信度评估困难,成为制约众包更新技术落地的重要难点。
自动驾驶需要鲜度更高的地图,即使地图未正式更新也需要变化置信度信息等作为辅助自动驾驶决策的依据。同时,众包更新技术需要引入不同数据源,以发现潜在变化的地图要素。
发明内容
本发明提供一种基于驾驶行为数据的地图要素变化检测方法,通过采集道路车辆的驾驶行为信息,将统计信息与地图要素进行关联,以检测地图要素是否发生变化。其生成结果可以提供自动驾驶车辆作为辅助决策信息,以提升车辆行驶安全性。
为了实现上述目的,本发明采用的技术方案如下:
一种基于驾驶行为数据的地图要素变化检测方法,包括方法如下:
步骤1:获取道路车辆驾驶行为原始数据。所述数据是在车辆行驶过程中,由车载传感器、执行器等设备采集到的可以描述车辆驾驶行为的数据。所述数据包含具体数值或具体描述,数据类型包括:车辆位置信息、姿态信息、速度信息、油门操作信息、刹车操作信息、方向盘转向信息、发动机启停信息等信息。
步骤2:利用地图数据,通过统计和计算生成驾驶行为统计数据。所述数据是在驾驶行为原始数据基础上,进一步结合地图要素特点,生成针对地图各要素统计信息。所述各要素的驾驶行为统计数据,其类型包括车辆速度信息、车辆转弯信息、车辆掉头信息、车辆停止信息、车辆变道信息、车辆频繁启停信息等。所述各要素的驾驶行为统计数据,针对地图要素统计时,包括正常行为数据和异常行为数据。正常行为数据统计与地图要素属性相匹配的驾驶行为,异常行为数据统计与地图要素属性相违背的驾驶行为。如,地面左转箭头,对应的正常行为为左转弯,对应的异常行为为右转和直行;所述正常行为数据和异常行为数据,均可同时包含多种驾驶行为统计数据类型。
驾驶行为统计数据与地图要素需要存在关联性,地图中各个要素都有一个唯一ID,并在存储该要素的属性信息时,关联这个ID。方案中所述的驾驶行为统计数据是发明的一种针对地图数据的新型数据,也需要与对应的地图要素ID关联,以便于使用中的存储和读取。
自动驾驶车辆在行驶中的各个要素,对应其装载的高精地图中也有该要素,并通过要素ID索引到其驾驶统计信息和置信度信息,发现其较大概率已经发生了变化,从而进行相应的操作,如变道规避或重新规划路径等。
步骤3:根据驾驶行为统计数据结果,计算要素变化置信度,要素变化置信度信息与地图要素关联,用于判断地图要素是否存在变化,便于存储、更新以及地图要素属性访问和读取等。所述变化置信度可以是0-1的数值,数值越大变化可能性越高;也可以是分级结果,如一级置信度、二级置信度等。
步骤4:在地图数据中对驾驶行为统计信息和要素变化置信度信息进行存储。所述地图数据中,每个要素具备唯一可辩识ID,可以通过要素ID对要素属性进行索引。每个要素所对应的所述驾驶行为统计信息和变化置信度数据,可以作为地图要素的一种属性,存储在所述地图要素属性的数据结构中。
一种基于驾驶行为数据的地图要素变化检测方法,采用如下装置实现采集、生成、使用数据:
数据采集装置,用于采集所述驾驶行为原始数据。所述数据采集装置一般在车辆上,实时采集车辆状态信息。数据采集装置包括:获取单元,用于获得驾驶行为原始数据;发送单元,用于将采集得到的驾驶行为原始数据发送给所述数据生成装置。
数据生成装置,用于根据所述驾驶行为原始数据和地图数据,生成驾驶行为统计信息和要素变化置信度信息,并存储于地图数据中。所述数据生成装置一般为云端服务器,汇集大量驾驶行为信息利用强算力进行统计计算。数据生成装置包括获取单元,用于接收所述数据采集装置发送的驾驶行为原始数据。处理单元,用于将驾驶行为原始数据进行统计计算,并结合地图生成地图要素变化置信度信息和驾驶行为统计信息。发送单元,用于将处理结果发送给所述数据使用装置
数据使用装置,用于根据所述驾驶行为统计信息和要素变化置信度信息,执行车辆控制或显示;所述数据使用装置一般在车辆上,执行车辆控制,或在云端上,发送执行指令。所述数据使用装置包括:获取单元,用于获取所述数据生成装置发送的地图数据。处理单元,用于根据接收的地图数据执行车辆控制。显示单元,用于显示所述地图要素变化置信度等信息,以提示驾驶员。
上述技术方案可以得到以下有益效果:
本发明探索出一种新类型的、基于驾驶行为统计数据的地图数据变化检测方法。该地图数据中的关键数据内容,以及针对驾驶行为统计数据的变化检测方法,用于辅助判断地图要素变化的可能性,从而发现潜在变化的地图要素,增强地图更新的实时性。为自动驾驶及时获取最新有效的辅助决策信息,从而提升车辆行驶安全性。
具体表现在该技术方案可以应用于高精地图产品当中,作为高精地图的一个功能或服务。
云端高精地图可以应用该方案用于地图变化检测和地图采集更新,可以发现潜在变化的地图要素。
车端高精地图可以应用该方案用于存储或显示置信度结果,在地图未正式更新发布之前,供驾驶员或自动驾驶感知、决策、规划等模块调用,如规避要素置信度较低的路段等,以提升车辆行驶的安全性和行驶效率。
附图说明
图1是地图变化检测方法的流程图。
图2是要素变化置信度信息生成方法图。
图3是数据采集、生成、使用装置关系图。
具体实施方式
下面结合附图对本发明做进一步的说明:
实施例一
图1是本发明实施例一中的一种基于驾驶行为数据的地图变化检测方法的流程图。
S101:获取道路车辆驾驶行为原始数据。
所述数据是在车辆行驶过程中,由车载传感器、执行器等设备采集到的可以描述车辆驾驶行为的数据。所述数据包含具体数值或具体描述,数据类型包括:车辆位置信息、姿态信息、速度信息、油门操作信息、刹车操作信息、方向盘转向信息、发动机启停信息等。
其中,车辆位置信息、姿态信息、速度信息等,可通过车载定位系统获取,包含的传感器可以有GNSS、惯性导航器件、轮速记等。位置信息可以以坐标形式给出;姿态信息为姿态角度数值;速度信息为速度数值,同时可以包括线加速度、角加速度等其他运动相关信息。
其中,油门操作信息、刹车操作信息、方向盘转向信息、发动机启停信息等,可通过车载总线获取。油门操作信息可以包括油门量数值,可以包括加油门、减油门等状态信息;刹车操作信息,可以包括刹车脚踏板的行程距离数值,也可根据刹车程度划分等级,如轻度刹车、中度刹车、急刹车等;方向盘转向信息,可以包括方向盘转角,也可以包括左转、右转等状态信息;发动机启停信息,可以包括发动机启动或停止的状态信息。
所述数据在采集中,包含采集时刻的时间信息。所述数据可以是连续时间下的序列数据,可以便于进一步分析驾驶行为。
S102:利用地图数据,通过统计和计算生成驾驶行为统计信息。
第一步,根据驾驶行为原始数据,通过时间序列的数据分析等,进一步识别和提取为驾驶行为数据,所述驾驶行为数据类型包括车辆速度信息、车辆转弯信息、车辆掉头信息、车辆停止信息、车辆变道信息、车辆频繁启停信息等。
示例性地,车辆转弯信息,可以通过采集的时间序列下的车辆位置信息进行轨迹判断,是否存在轨迹的左转或右转。同时也可以根据驾驶行为原始数据中的方向盘转向信息,判断和提取车辆转弯信息。或同时使用多种数据源,进行综合判断和提取。
示例性地,车辆频繁启停信息,可以通过采集的时间序列下的车辆发动机启停状态、车辆速度变化信息等,进行判断和提取。其他信息提取方法类似,不做赘述。
第二步,可以构建地图要素与驾驶行为数据的映射关系。所述映射关系用于描述和表征某种地图要素变化相关的驾驶行为。所述驾驶行为包括正常行为和异常行为,用于表征实际驾驶行为与地图要素约定驾驶行为的一致性。
示例性地,地面左转箭头标识,该类型要素对应的正常驾驶行为为左转,其对应的异常驾驶行为为直行和右转。因此,统计某个左转箭头地图要素上的驾驶行为信息时,仅需分别统计所述的正常驾驶行为(左转)和异常驾驶行为(直行和右转)。
示例性地,地面车道线为白实线的部分,该类型要素对应的正常驾驶行为为直行,其对应的异常驾驶行为为向左变道和向右变道。
示例性地,限速标牌,该类型要素对应的正常驾驶行为为行驶速度小于限速标牌所示数值。如限速标牌限速60公里每小时,正常行为为速度低于60的驾驶行为,异常行为为高于60的驾驶行为。
示例性地,路边停车位,该类型要素对应的正常驾驶行为为长时间车辆停止和车辆频繁启停,对应的异常行为为直行且速度在一定阈值以上的行为。
第三步,根据地图要素的位置信息、驾驶行为数据对应的采集位置信息,进行位置关联,并统计和存储到正常驾驶行为和异常驾驶行为数据中。
示例性地,某道路最左车道上的地面左转箭头标识,可以通过地图数据获取位置信息。同时可以通过驾驶行为数据的采集位置信息,提取驾驶行为数据中位于该车道上、所述左转箭头标识位置上或位置附近的左转驾驶行为、直行驾驶行为和右转驾驶行为,并分别统计属于正常驾驶行为的行为次数和属于异常驾驶行为的行为次数并存储。
第四步,根据上述第三步的匹配关联结果,将未能匹配到驾驶行为的地图要素数据,设定其关联驾驶行为统计数据为空或某种特定字段,用于说明其无关联数据;将未能匹配到地图要素的驾驶行为数据进行处理,滤除个别噪声数据,对检测结果较多且稳定的驾驶行为发生的位置、行为类型及统计数据进行存储,用于表征可能存在地图漏制的要素。
示例性地,对于未匹配到地图要素的驾驶行为数据,如在某特定车道上的某个位置区间内,统计到频繁的左转行为,但地图中该位置附近并无有效的左转标识要素与之匹配,则可能表征该位置的左转标识可能在地图制图中遗漏或实际道路上未按照要求绘制对应要素。
S103:根据驾驶行为统计数据结果,计算要素变化置信度。
具体的,对于地图中存在、且有驾驶行为匹配成功的要素,其变化置信度可以通过以下步骤计算:a.获取某时间段内的异常行为统计数值与总行为统计数值的比值M;
b.根据经验对比值设定下限阈值LL,若比值M低于该下限阈值,则置信度为0;
c.对比值设定上限阈值LH,若比值M高于该上限阈值,则置信度为1;
d.若比值M位于下限阈值LL和上限阈值LH之间,则可使用公式计算置信度,(M -LL)/(LH - LL)。
可选地,在一些可能的实施例中,变化置信度还可以通过以下步骤计算:
a.获取某时间段内的异常行为统计数值次数M;
b.根据经验对异常次数设定下限阈值LL,若次数M低于该下限阈值,则置信度为0;
c.对异常次数设定上限阈值LH,若次数M高于该上限阈值,则置信度为1;
d.若次数M位于下限阈值LL和上限阈值LH之间,则可使用公式计算置信度,(M -LL)/(LH - LL)。
S104:在地图数据中对驾驶行为统计数据和要素变化置信度信息进行存储。具体的,存储数据结构中,包括地图要素ID,该ID下关联的驾驶行为类型、驾驶行为统计数值(包括正常行为数值、异常行为数值)、变化置信度信息。进一步地,可以包含该信息的统计时间范围信息、有效期限信息、版本号等附加信息。
实施例二
图2是本发明实施例二中的一种基于驾驶行为数据的地图变化检测方法的流程图。是在实施例一的方案基础上,进一步提出的另一种可行方案。
S201:获取道路车辆驾驶行为原始数据。
具体的,与实施例一S101相同,不做赘述。
S202:利用地图数据,统计第一时间周期内采集的驾驶行为原始数据,生成第一驾驶行为统计信息。
具体的,将采集的驾驶行为原始数据限定为在第一时间周期内的数据,对所述第一时间周期内的驾驶行为原始数据处理生成驾驶行为统计信息的步骤,与实施例一S102的步骤相同,不做赘述。
示例性地,第一时间周期可为距离当前时刻时间较远的时间周期,如距离当前时刻前一个月到距离当前时刻前半年之间的时间段,可以作为第一时间周期。
示例性地,第一时间周期可以为较长的时间段,以具备更好的统计效果。
S203:利用地图数据,统计第二时间周期内采集的驾驶行为原始数据,生成第二驾驶行为统计信息。
具体的,将采集的驾驶行为原始数据限定为在第二时间周期内的数据,对所述第二时间周期内的驾驶行为原始数据处理生成驾驶行为统计信息的步骤,与实施例一S102的步骤相同,不做赘述。
示例性地,第二时间周期可为距离当前时刻时间较近的时间周期,如距离当前时刻前一周内的时间段。
示例性地,第二时间周期可以为较短的时间段,以具备更好的变化感知灵敏度,提升发现地图变化的实时性。
S204:将第二统计信息与第一统计信息进行对比,计算生成各要素的变化置信度信息。具体的,以第一统计信息作为参照,第二统计信息与第一统信息的差异越大,则发生变化的可能性越大。
其变化置信度可以通过以下步骤计算:a.获取第一统计信息中,异常行为统计数值与总行为统计数值的比值M;
b.获取第二统计信息中,异常行为统计数值与总行为统计数值的比值N;c.为设定上限阈值LH和下限阈值LL;
d.若,置信度为1,若/>,置信度为0,若,则置信度为/>;
可选地,在一些可能的实施例中,变化置信度还可以通过以下步骤计算:
a.获取第一统计信息中,异常行为统计总数与时间采集时间段的比值Mt;
b.获取第二统计信息中,异常行为统计总数与时间采集时间段的比值Nt;
c.为设定上限阈值LHt和下限阈值LLt;
d.若,置信度为1,若/>,置信度为0,若,则置信度为/> ;
示例性地,Mt计算中,采集时间段单位可以为天,如150天。则Mt表示在第一时间周期内平均每天出现的异常行为数量,Nt与Mt计算方法相同。也可以根据实际需求,使用不同的时间单位,如月、天、小时等。
S205:在地图数据中对驾驶行为统计数据和要素变化置信度信息进行存储。
与实施例一S104相同,不做赘述。
图3是本发明实施例三中的一种采集装置、生成装置、使用装置的结构示意图。
S310:数据采集装置。
所述数据采集装置用于采集所述驾驶行为原始数据。
其中,S311为获取单元,用于获得所述驾驶行为原始数据。获取单元可以获取车载传感器和执行器等车载设备信息,获取方式可以从车载系统的总线网络中获取,或通过与车载设备的直连线进行读取等。
其中,S312为发送单元,用于将采集得到的驾驶行为原始数据发送给所述数据生成装置。所述发送单元可以具备处理器,进行数据包构建等;所述发送单元一般具备通信接口,用于收发数据,可以为诸如以太网电缆等有线链路接口,也可以是无线链路(如蜂窝网络、wifi、蓝牙、车载短距通信等)。
S320:数据生成装置。
所述数据生成装置用于根据所述驾驶行为原始数据和地图数据,生成驾驶行为统计信息和要素变化置信度信息,并存储于地图数据中。
其中,S321为获取单元,用于接收所述数据采集装置发送的驾驶行为原始数据。所述获取单元可以具备处理器,进行数据包解码计算等;所述获取单元一般具备通信接口,用于收发数据,可以为诸如以太网电缆等有线链路接口,也可以是无线链路(如蜂窝网络、wifi、蓝牙、车载短距通信等)。
其中,S322为处理单元,用于将驾驶行为原始数据进行统计计算,并结合地图生成地图要素变化置信度信息和驾驶行为统计信息。所述处理单元一般具备处理器、存储器等器件,可以是单一的计算系统,也可以是具备分布式计算能力的集群计算系统等。所述处理单元中可以存储和读取地图数据。
其中,S323为发送单元,用于将处理结果发送给所述数据使用装置。所述发送单元可以具备处理器,进行数据包编码计算等;所述发送单元一般具备通信接口,用于收发数据,可以为诸如以太网电缆等有线链路接口,也可以是无线链路(如蜂窝网络、wifi、蓝牙、车载短距通信等)。
S330:数据使用装置。
所述数据使用装置用于根据所述驾驶行为统计信息和要素变化置信度信息,执行车辆控制或显示。
其中,S331为获取单元,用于获取所述数据生成装置发送的地图数据。所述获取单元可以具备处理器,进行数据包解码计算等;所述获取单元一般具备通信接口,用于收发数据,可以为诸如以太网电缆等有线链路接口,也可以是无线链路(如蜂窝网络、wifi、蓝牙、车载短距通信等)。
其中,S332为处理单元,用于根据接收的地图数据执行车辆控制。
具体的,所述处理单元可以对车辆执行变换车道、调整速度、更新规划路径、开启警示灯警示音等操作。
示例性地,执行变换车道,可以规避违章风险。如检测到车辆所在当前车道前方存在转向标识变化置信度较高的情况,可以及时更换到相邻符合路径要求的车道,以降低违章风险。
示例性地,更新规划路径,可以降低驾驶风险。如在道路级路径规划或车道级路径规划中,可以尽量减少经过存在变化置信度较高要素的路段,以降低遇到其他车辆异常行为的风险,降低要素不确定性带来的突发危险等,以提升驾驶的安全行。
具体的,所述处理单元可以具备处理器,进行控制指令计算等;所述处理单元一般具备通信接口,用于收发数据,可以为诸如以太网电缆等有线链路接口,也可以是无线链路(如蜂窝网络、wifi、蓝牙、车载短距通信等)。
其中,S333显示单元,该模块为可选模块,用于显示所述地图要素变化置信度等信息,以提示驾驶员。
具体的,显示内容包括要素图形、要素变化置信度数值、驾驶行为统计数据参数等;
具体的,显示内容还可以包括异常驾驶行为的图形化表示。如在某左转箭头处,经常发生直行的异常驾驶行为,可以通过不同颜色的直行箭头,显示出该异常行为,以进一步提示用户。
具体的,显示形式可以是,在地图中将要素变化置信度较高的要素进行差异化显示,如高亮显示、变化颜色显示、放大显示等,以更好的提示驾驶员规避违章风险等;在地图中显示某些地图要素附近的异常行为图形化表示,以提示用户规避。
具体的,显示设备上的人机交互,可以包括:用户选择是否差异化显示可能变化的要素;用户选择是否根据可能变化的要素信息进行路径路径规划;用户选择是否显示置信度数值;用户选择是否显示异常行为;用户选择是否允许系统执行警示灯、警示音等操作。
以上所述均为本发明的优选实施方式,对于本技术领域的普通技术人员,在不脱离本发明的原理前提下,对本发明的各种等价形式的修改均属于本申请所附权利要求的保护范围。
Claims (5)
1.一种基于驾驶行为数据的地图要素变化检测方法,其特征在于:所述方法包括如下:
步骤1:获取驾驶行为原始数据;
步骤2:利用地图数据与驾驶行为原始数据结合,通过统计和计算生成驾驶行为统计数据,所述驾驶行为统计数据与地图要素关联;
步骤3:根据驾驶行为统计数据的结构生成要素变化置信度信息,要素变化置信度信息用于判断地图要素是否可能发生变化,所述要素变化置信度信息与地图要素关联;
步骤4:在地图数据中对驾驶行为统计数据和要素变化置信度信息进行存储;
变化置信度通过以下步骤计算:a.获取第一统计信息中,异常行为统计数值与总行为统计数值的比值M;
b.获取第二统计信息中,异常行为统计数值与总行为统计数值的比值N;c.为设定上限阈值LH和下限阈值LL;
d.若,置信度为1,若/>置信度为0,若/>,则置信度为/>;
或变化置信度通过以下步骤计算:
a.获取第一统计信息中,异常行为统计总数与时间采集时间段的比值Mt;
b.获取第二统计信息中,异常行为统计总数与时间采集时间段的比值Nt;
c.为设定上限阈值LHt和下限阈值LLt;
d.若,置信度为1,若/>,置信度为0,若,则置信度为/>;
驾驶行为原始数据包含具体数值或数据类型,数据类型包括:车辆位置信息、姿态信息、速度信息、油门操作信息、刹车操作信息、方向盘转向信息、发动机启停信息其中的一种或多种;
车辆速度信息、车辆转弯信息、车辆掉头信息、车辆停止信息、车辆变道信息、车辆频繁启停信息其中的一种或多种;
驾驶行为原始数据通过数据采集装置采集,驾驶行为原始数据和地图数据通过数据生成装置生成驾驶行为统计数据和要素变化置信度信息,并存储于地图数据中,驾驶行为统计数据和要素变化置信度信息通过数据使用装置执行车辆控制或显示。
2.根据权利要求1所述的一种基于驾驶行为数据的地图要素变化检测方法,其特征在于:针对地图要素统计时,各要素的驾驶行为统计数据,包括正常行为数据和异常行为数据;正常行为数据统计与地图要素属性相匹配的驾驶行为,异常行为数据统计与地图要素属性相违背的驾驶行为。
3.根据权利要求1所述的一种基于驾驶行为数据的地图要素变化检测方法,其特征在于:要素变化置信度采用数值区间或分级结果方式用于判断地图要素变化的情况。
4.根据权利要求1所述的一种基于驾驶行为数据的地图要素变化检测方法,其特征在于:地图数据中,每个要素具备唯一可辩识ID,通过要素ID对要素属性进行索引,每个要素所对应的所述驾驶行为统计数据和变化置信度数据,作为地图要素的一种属性,存储在地图要素属性的数据结构中。
5.根据权利要求4所述的一种基于驾驶行为数据的地图要素变化检测方法,其特征在于:存储在地图要素属性的数据结构包括关联地图要素ID、统计信息类型、统计数值、变化置信度数值其中一种或多种。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210298504.0A CN114610830B (zh) | 2022-03-25 | 2022-03-25 | 一种基于驾驶行为数据的地图要素变化检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210298504.0A CN114610830B (zh) | 2022-03-25 | 2022-03-25 | 一种基于驾驶行为数据的地图要素变化检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114610830A CN114610830A (zh) | 2022-06-10 |
CN114610830B true CN114610830B (zh) | 2023-07-21 |
Family
ID=81866074
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210298504.0A Active CN114610830B (zh) | 2022-03-25 | 2022-03-25 | 一种基于驾驶行为数据的地图要素变化检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114610830B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115114312B (zh) * | 2022-07-15 | 2023-06-27 | 北京百度网讯科技有限公司 | 地图数据更新方法、装置及电子设备 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113895464A (zh) * | 2021-12-07 | 2022-01-07 | 武汉理工大学 | 融合个性化驾驶风格的智能车驾驶地图生成方法及系统 |
Family Cites Families (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9911101B2 (en) * | 2014-09-29 | 2018-03-06 | The Boeing Company | Duty block time control via statistical analysis |
CN106935027B (zh) * | 2015-12-30 | 2020-07-07 | 沈阳美行科技有限公司 | 一种基于行驶数据的交通信息预测方法及装置 |
CN106931980A (zh) * | 2015-12-30 | 2017-07-07 | 沈阳美行科技有限公司 | 一种行驶数据的生成方法及装置 |
CN107463482B (zh) * | 2017-07-27 | 2021-06-25 | 东软集团股份有限公司 | 确定指标关联性的方法及装置 |
CN108230120A (zh) * | 2018-02-07 | 2018-06-29 | 上海携程商务有限公司 | 订单价格异常监控的方法、系统、设备及存储介质 |
CN108959415B (zh) * | 2018-06-07 | 2022-03-04 | 北京奇艺世纪科技有限公司 | 一种异常维度定位方法、装置及电子设备 |
CN109515439B (zh) * | 2018-11-13 | 2021-02-02 | 北京四维图新科技股份有限公司 | 自动驾驶控制方法、装置、系统及存储介质 |
CN112347206A (zh) * | 2019-08-06 | 2021-02-09 | 华为技术有限公司 | 地图更新方法、装置及存储介质 |
CN111899765B (zh) * | 2020-07-27 | 2023-05-30 | 中国平安人寿保险股份有限公司 | 基于情绪预测模型的语音发送方法、装置和计算机设备 |
CN112035320B (zh) * | 2020-08-31 | 2023-03-28 | 维沃移动通信有限公司 | 业务监控方法、装置、电子设备及可读存储介质 |
CN112924104A (zh) * | 2021-01-25 | 2021-06-08 | 三一专用汽车有限责任公司 | 制动气压检测方法和装置、车辆和可读存储介质 |
CN113743704A (zh) * | 2021-02-05 | 2021-12-03 | 京东城市(北京)数字科技有限公司 | 事件的监测方法、装置、计算机设备及存储介质 |
CN112985442B (zh) * | 2021-03-03 | 2022-11-04 | 北京嘀嘀无限科技发展有限公司 | 行驶路径匹配方法、可读存储介质和电子设备 |
CN113052966B (zh) * | 2021-03-05 | 2022-09-02 | 清华大学 | 自动驾驶众包高精度地图更新方法、系统及介质 |
CN113722342A (zh) * | 2021-09-03 | 2021-11-30 | 北京百度网讯科技有限公司 | 高精地图要素变更检测方法、装置、设备及自动驾驶车辆 |
-
2022
- 2022-03-25 CN CN202210298504.0A patent/CN114610830B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113895464A (zh) * | 2021-12-07 | 2022-01-07 | 武汉理工大学 | 融合个性化驾驶风格的智能车驾驶地图生成方法及系统 |
Non-Patent Citations (1)
Title |
---|
制动器试验台的控制方法分析;范辰 等;《泰山乡镇企业职工大学学报》;第17卷(第02期);41-42 * |
Also Published As
Publication number | Publication date |
---|---|
CN114610830A (zh) | 2022-06-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110888426B (zh) | 用于多车道分离和路段轨线提取的车辆导航系统、方法和逻辑 | |
CN110036424B (zh) | 用于预测未来的速度轨迹的速度信息的存储 | |
US8573978B2 (en) | Driving evaluation system and driving evaluation method | |
KR102611927B1 (ko) | 주행 환경 정보의 생성 방법, 운전 제어 방법, 주행 환경 정보 생성 장치 | |
US11151394B2 (en) | Identifying dynamic objects in a point cloud | |
CN107195180B (zh) | 一种基于电警数据的交通出行轨迹提取方法和装置 | |
JP2014229228A (ja) | 運転診断装置,運転診断方法及びプログラム | |
CN102208013A (zh) | 风景匹配参考数据生成系统和位置测量系统 | |
US20210389133A1 (en) | Systems and methods for deriving path-prior data using collected trajectories | |
US20210403001A1 (en) | Systems and methods for generating lane data using vehicle trajectory sampling | |
CN110470311A (zh) | 一种地图生成方法、装置及计算机存储介质 | |
US20200073966A1 (en) | Use of geographic database comprising lane level information for traffic parameter prediction | |
Sahlholm | Distributed road grade estimation for heavy duty vehicles | |
US11035686B2 (en) | Use of geographic database comprising lane level information for traffic parameter prediction | |
CN114610830B (zh) | 一种基于驾驶行为数据的地图要素变化检测方法 | |
CN110969178A (zh) | 自动驾驶车辆的数据融合系统、方法及自动驾驶系统 | |
US20230121226A1 (en) | Determining weights of points of a point cloud based on geometric features | |
CN111565213B (zh) | 提供用于发布传感器数据请求的接口的方法、装置及系统 | |
CN116434523A (zh) | 信息感知场景下基于约束度的车辆主动安全管控方法及装置 | |
CN113918615A (zh) | 一种基于仿真的驾驶经验数据挖掘模型构建方法及系统 | |
CN110879862B (zh) | 基于物联网的车辆信息查询系统 | |
GB2569986A (en) | Method and system of mapping emissions | |
CN114885282A (zh) | 一种定位方法、装置及系统 | |
US20220413510A1 (en) | Targeted driving for autonomous vehicles | |
US20220172606A1 (en) | Systems and Methods for Extracting Data From Autonomous Vehicles |
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 |