CN114944072B - 引导提示语音生成方法、装置 - Google Patents
引导提示语音生成方法、装置 Download PDFInfo
- Publication number
- CN114944072B CN114944072B CN202210859809.4A CN202210859809A CN114944072B CN 114944072 B CN114944072 B CN 114944072B CN 202210859809 A CN202210859809 A CN 202210859809A CN 114944072 B CN114944072 B CN 114944072B
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- aerial vehicle
- target
- information
- congestion
- 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
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/091—Traffic information broadcasting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/17—Terrestrial scenes taken from planes or by drones
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
- G06V20/54—Surveillance or monitoring of activities, e.g. for recognising suspicious objects of traffic, e.g. cars on the road, trains or boats
-
- 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
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
- G08G1/0141—Measuring and analyzing of parameters relative to traffic conditions for specific applications for traffic information dissemination
Abstract
本公开的实施例公开了引导提示语音生成方法、装置。该方法的一具体实施方式包括:获取目标拥堵路段的位置信息和拥堵等级信息;将位置信息、拥堵等级信息和候选无人机停机站信息集合,输入混合整数规划模型,以确定目标无人机停机站信息;从目标无人机停机站信息对应的可用无人机信息列表中,确定目标无人机信息;向目标无人机信息对应的目标无人机发送控制指令;接收目标无人机发送的图像序列,图像序列是由图像采集设备对目标拥堵路段进行拍摄得到的;对图像序列进行分析,得到引导提示语音;控制目标无人机对引导提示语音进行播放,以引导目标拥堵路段的车辆通行。实现了拥堵路段的车辆自动引导。
Description
技术领域
本公开的实施例涉及智慧城市领域,具体涉及引导提示语音生成方法、装置。
背景技术
随着城市的不断建设,大城市的交通拥堵问题日益突出。尤其是当断电、交通事故等特殊情况发生时,经常会导致道路完全被堵,特殊情况下急救通道也发生拥堵。此时,无论救护人员还是疏散人员均无法进入拥堵路段,导致无法及时救援。目前,主要依靠交管人员人工去疏导。
然而,发明人发现, 当采用上述方式进行疏导时,经常会存在如下技术问题:
第一,人工疏导耗时长,效率低,尤其是当交管车辆也无法进入拥堵路段时,道路迟迟无法疏通,导致道路长时间堵塞。
第二,一些用户虽然可以通过电子地图了解发生拥堵的情况,但是由于便捷等原因考虑,并不会选择乘公共交通工具,而仍然会选择开车,这会导致车辆继续向拥堵路段聚集,进一步加重拥堵。而长时间的拥堵会造成大量的非必要的碳排放。
第三,对于拥堵路段的临近路段的车辆,缺乏有效的引导方案,来引导临近路段的车辆选择其他路线。
该背景技术部分中所公开的以上信息仅用于增强对本发明构思的背景的理解,并因此,其可包含并不形成本国的本领域普通技术人员已知的现有技术的信息。
发明内容
本公开的内容部分用于以简要的形式介绍构思,这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征,也不旨在用于限制所要求的保护的技术方案的范围。
本公开的一些实施例提出了引导提示语音生成方法、装置、设备、计算机可读介质和程序产品,来解决以上背景技术部分提到的技术问题中的一项或多项。
第一方面,本公开的一些实施例提供了一种引导提示语音生成方法,获取目标拥堵路段的位置信息和拥堵等级信息;将位置信息、拥堵等级信息和候选无人机停机站信息集合,输入混合整数规划模型,以确定目标无人机停机站信息;从目标无人机停机站信息对应的可用无人机信息列表中,确定目标无人机信息;向目标无人机信息对应的目标无人机发送控制指令,以使目标无人机到达目标拥堵路段,目标无人机上安装有图像采集设备;接收目标无人机发送的图像序列,图像序列是由图像采集设备对目标拥堵路段进行拍摄得到的;对图像序列进行分析,得到引导提示语音;控制目标无人机对引导提示语音进行播放,以引导目标拥堵路段的车辆通行。
第二方面,本公开的一些实施例提供了一种引导提示语音生成装置,包括:获取单元,被配置成获取目标拥堵路段的位置信息和拥堵等级信息;输入单元,被配置成将位置信息、拥堵等级信息和候选无人机停机站信息集合,输入混合整数规划模型,以确定目标无人机停机站信息;确定单元,被配置成从目标无人机停机站信息对应的可用无人机信息列表中,确定目标无人机信息;发送单元,被配置成向目标无人机信息对应的目标无人机发送控制指令,以使目标无人机到达目标拥堵路段,目标无人机上安装有图像采集设备;接收单元,被配置成接收目标无人机发送的图像序列,图像序列是由图像采集设备对目标拥堵路段进行拍摄得到的;分析单元,被配置成对图像序列进行分析,得到引导提示语音;引导单元,被配置成控制目标无人机对引导提示语音进行播放,以引导目标拥堵路段的车辆通行。
第三方面,本公开的一些实施例提供了一种电子设备,包括:一个或多个处理器;存储装置,其上存储有一个或多个程序,当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现上述第一方面任一实现方式所描述的方法。
第四方面,本公开的一些实施例提供了一种计算机可读介质,其上存储有计算机程序,其中,程序被处理器执行时实现上述第一方面任一实现方式所描述的方法。
本公开的上述各个实施例具有如下有益效果:通过无人机可以从空中快速进入拥堵路段进行拍照,在此基础上,通过对拥堵路段的图像序列进行分析,得到引导提示语音,然后对引导提示语音进行播放,进而对车辆进行自动引导。
附图说明
结合附图并参考以下具体实施方式,本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中,相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的,元件和元素不一定按照比例绘制。
图1是根据本公开的引导提示语音生成方法的一些实施例的流程图;
图2是根据本公开的引导提示语音生成装置的一些实施例的结构示意图;
图3是适于用来实现本公开的一些实施例的电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例,然而应当理解的是,本公开可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例。相反,提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是,本公开的附图及实施例仅用于示例性作用,并非用于限制本公开的保护范围。
另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。
需要注意,本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意,本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的,而并不是用于对这些消息或信息的范围进行限制。
下面将参考附图并结合实施例来详细说明本公开。
参考图1,示出了根据本公开的引导提示语音生成方法的一些实施例的流程100。该引导提示语音生成方法,包括以下步骤:
步骤101,获取目标拥堵路段的位置信息和拥堵等级信息。
在一些实施例中,引导提示语音生成方法的执行主体,例如智慧城市管理中心(平台),可以通过各种方式获取目标拥堵路段的位置信息和拥堵等级信息。例如,可以调用路网流量数据接口,获取路网热力图数据等,路网热力图数据中包括拥堵等级信息和拥堵路段的位置信息。又如,还可以通过用户终端上报的拥堵信息(包括拥堵路段的位置信息和拥堵等级信息)来获取目标拥堵路段的位置信息和拥堵等级信息。实践中,还可以通过车流量或者道路车辆平均行驶速度,确定道路的拥堵等级信息。例如,拥堵等级信息可以是一级、二级等。
步骤102,将位置信息、拥堵等级信息和候选无人机停机站信息集合,输入混合整数规划模型,以确定目标无人机停机站信息。
在一些实施例中,为了解决道路拥堵问题,可以在目标区域的一些重点路段周围配置多个无人机停机站。每个无人机停机站可以停放多辆无人机。实践中,同一无人机停机站可以用于停放同一机型的无人机,而不同无人机停机站可以停放同一机型,也可以停放不同机型。实践中,虽然不同机型的无人机在多项指标上均有所差异,但在解决道路拥堵的应用场景下,考虑的核心指标为最长巡航时长。这是因为,不同的拥堵等级需要引导的时长有较大的差异,拥堵等级越高,需要的巡航时长越长。因此,根据所停放无人机的最长巡航时间,将无人机停机站划分为不同的等级。无人机停机站的等级越高,所停放无人机的最长巡航时间越长,就可以应对越高等级的拥堵路段。因此,在确定目标无人停机站信息时,需要确保目标无人停机站的等级高于或等于目标拥堵路段的拥堵等级。候选无人机停机站信息集合中可以包括多个无人机停机站信息,无人机停机站信息可以是无人机停机站标识。
在一些实施例中,作为示例,混合整数规划模型的目标函数为:
模型的约束条件为:
其中,为第i个无人机停机站信息。表示表征的无人机停机站对应的位置坐标。对应的机型等级信息(机型等级值)为,目标拥堵路段的拥堵等级信息(机型等级值)为。另外,表示目标拥堵路段的位置坐标。表示候选无人机停机站信息集合。在此基础上,可以确定目标函数为最小值时的位置坐标的取值,进而目标无人机停机站信息也由此确定。也就是说,可以得到的取值。
步骤103,从目标无人机停机站信息对应的可用无人机信息列表中,确定目标无人机信息。
在一些实施例中,在确定目标无人机停机站信息的基础上,上述执行主体可以从数据库中查询目标无人机停机站信息对应的可用无人机信息列表,然后从可用无人机信息列表中,确定目标无人机信息。作为示例,可以随机或者按照预先设置的排位顺序从可用无人机信息列表中确定目标无人机信息。可用无人机信息列表可以包括多个无人机信息,无人机信息可以例如是无人机编号。
从目标无人机停机站信息对应的可用无人机信息列表中,确定目标无人机信息,包括:确定目标拥堵路段和目标无人机停机站之间的距离,目标无人机停机站为目标无人机停机站信息所表征的无人机停机站;对于可用无人机信息列表中的每个可用无人机信息,确定可用无人机信息对应的剩余续航里程;从可用无人机信息列表中,选取剩余续航里程大于上述距离与预设系数的乘积的无人机信息,并确定为目标无人机信息。可以理解,可用无人机信息对应的剩余续航里程即为:该可用无人机信息表征的无人机以当前电量可以飞行的最大里程。由此,可以保证目标无人机的剩余续航里程满足需求。
步骤104,向目标无人机信息对应的目标无人机发送控制指令,以使目标无人机到达目标拥堵路段,目标无人机上安装有图像采集设备。
在一些实施例中,目标无人机上安装有图像采集设备。目标无人机自身可以根据自带的定位及导航系统,飞至目标拥堵路段的上方,以对目标拥堵路段进行拍摄,得到图像序列。例如,可以在目标拥堵路段的上方的不同高度,或目标拥堵路段的多个点位进行图像采集。另外,还可以是在固定点位的不同时刻拍摄。然后,目标无人机可以将采集到的图像序列回传至智慧城市管理中心。
步骤105,接收目标无人机发送的图像序列,图像序列是由图像采集设备对目标拥堵路段进行拍摄得到的。
在一些实施例中,上述执行主体可以接收目标无人机发送的图像序列。
步骤106,对图像序列进行分析,得到引导提示语音。
在一些实施例中,作为示例,可以将图像序列输入预先训练的车辆引导模型,生成车辆引导文本。然后,将车辆引导文本转化为引导提示语音。实践中,车辆引导模型可以是基于训练样本集训练得到的人工神经网络。其中,训练样本包括拥堵路段图片和车辆引导文本。实践中,由于符合要求的拥堵图片较少,因此,可以通过采用生成对抗网络中的生成网络生成负样本,以扩充训练样本集。在此基础上,利用扩充后的训练样本集训练卷积网络,直至满足预设条件。然后,将训练完成的卷积网络确定为车辆引导模型。实践中,可以通过例如端到端的文本到语音合成模型来将车辆引导文本转化为引导提示语音。
步骤107,控制目标无人机对引导提示语音进行播放,以引导目标拥堵路段的车辆通行。
在一些实施例中,上述执行主体可以通过控制目标无人机对引导提示语音进行播放,引导目标拥堵路段的车辆通行。目标无人机包括有例如扬声器等声音播放设备。
可选的,目标无人机还可以持续传输实时视频流或视频流中的关键帧,从而便于智慧城市管理中心进行引导效果识别,以便做出进一步引导。
本公开的一些实施例提供的方法,通过无人机可以从空中快速进入拥堵路段进行拍照,在此基础上,通过对拥堵路段的图像序列进行分析,得到引导提示语音,然后对引导提示语音进行播放,进而对车辆进行引导。
可选的,上述方法还可以包括:对于目标拥堵路段的预设范围内的路段的车辆,根据车辆的行程信息,重新进行路径规划,得到替换路线,替换路线配置有第二碳排放系数;将替换路线以及第二碳排放系数发送至用户终端,以使用户终端在电子地图中对替换路线以及第二碳排放系数进行展示。
在一些实施例的一些可选的实现方式中,为了进一步解决了背景技术提及的技术问题二“车辆继续向拥堵路段聚集,长时间的拥堵会造成大量的非必要的碳排放”。本公开的一些实施例的引导提示语音生成方法,还可以包括以下步骤:
步骤一、根据位置信息和拥堵等级信息,为目标拥堵路段配置第一碳排放系数,第一碳排放系数大于基准碳排放系数。
在一些实施例中,上述执行主体可以根据位置信息和拥堵等级信息,为目标拥堵路段配置第一碳排放系数,第一碳排放系数大于基准碳排放系数。众所周知,车辆尾气会产生大量碳排放,且长时间的拥堵会造成大量的非必要的碳排放。基于此,本公开的一些实施例可以为路网中的路段设置碳排放系数,从而有效引导用户减少开车出行,不仅有助于避免拥堵路段的进一步拥堵,与此同时,还可以减少碳排放总量。
步骤二、响应于检测到目标车辆在目标时间段经过目标拥堵路段,获取目标车辆的碳排放账户。
步骤三、基于第一碳排放系数和碳排放基准值,确定目标车辆经过目标拥堵路段的碳排放值。其中,碳排放基准值可以根据需要进行设置。
步骤四、基于碳排放值对目标车辆的碳排放账户的余额进行调整。
可以看出,作为本公开的一个发明点,本公开的一些实施例通过为路网中的路段设置碳排放系数,且拥堵路段的碳排放系数大于基准碳排放系数,从而有效引导用户减少开车出行,不仅有助于避免拥堵路段的进一步拥堵,与此同时,还可以减少碳排放量。
在一些实施例的一些可选的实现方式中,为了进一步解决了背景技术提及的技术问题三“缺乏有效的引导方案,来引导临近路段的车辆选择其他路线”。本公开的一些实施例的引导提示语音生成方法,还可以包括以下步骤:
对于目标拥堵路段的预设范围内(例如距离拥堵路段2km内)的路段的车辆,根据车辆的行程信息,重新进行路径规划,得到替换路线,替换路线配置有第二碳排放系数,第二碳排放系数小于基准碳排放系数;
将替换路线以及第二碳排放系数发送至用户终端,以使用户终端在电子地图中对替换路线以及第二碳排放系数进行展示。
由此,可以通过为替换路线配置较低的碳排放系数,有效的引导临近路段的车辆选择绕行,避免进一步造成拥堵。
在一些实施例的一些可选的实现方式中,本公开的一些实施例的引导提示语音生成方法,还可以包括以下步骤:基于图像序列和多个用户终端的上报信息,确定目标拥堵路对应的拥堵类别;响应于拥堵类别表征交通事故拥堵,控制目标无人机从当前巡航高度下降至目标巡航高度,以使目标无人机在目标巡航高度拍摄事故图像;对事故图像进行车牌号识别,以及根据识别到的车牌号从车辆管理平台获取事故车辆的历史行驶数据和车内音频数据;将事故图像、历史行驶数据和车内音频数据输入预先训练的事故判责网络,得到初步判责结果;将初步判责结果发送至交管终端。其中,事故判责网络可以是基于训练样本集对卷积神经网络进行训练而得到的。训练样本集中的训练样本包括样本事故图像和样本判责结果。在此基础上,可以将样本事故图像和样本判责结果分别作为卷积神经网络的输出和期望输出,从而对卷积神经网络的网络参数进行调整,直至满足训练结束条件,得到事故判责网络。
在一些实施例的一些可选的实现方式中,基于图像序列和多个用户终端的上报信息,确定目标拥堵路段对应的拥堵类别,包括:根据每个用户终端对应的信用评分,为每个用户终端配置对应的上报信息配置权重;对多个用户终端的上报信息进行加权融合,得到融合上报信息;将融合上报信息和图像序列对应的图像特征进行拼接,得到拼接向量;基于拼接向量输入拥堵类别确定模型,得到目标拥堵路对应的拥堵类别。例如,上报信息的权重与信用评分可以正相关,信用评分越高的用户终端,可信度越高,因此,上报信息对应的权重越大,从而可以提高融合上报信息的准确性,避免因为个别用户终端的错误上报,影响结果准确性。
在这些可选的实现方式中,可以自动事故进行判责,实现线上快速判责,节省了大量的人力物力。
进一步参考图2,作为对上述各图所示方法的实现,本公开提供了一种引导提示语音生成装置的一些实施例,这些装置实施例与图1所示的那些方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图2所示,一些实施例的引导提示语音生成装置200包括:获取单元201被配置成获取目标拥堵路段的位置信息和拥堵等级信息;输入单元202被配置成将位置信息、拥堵等级信息和候选无人机停机站信息集合,输入混合整数规划模型,以确定目标无人机停机站信息;确定单元203被配置成从目标无人机停机站信息对应的可用无人机信息列表中,确定目标无人机信息;发送单元204被配置成向目标无人机信息对应的目标无人机发送控制指令,以使目标无人机到达目标拥堵路段,目标无人机上安装有图像采集设备;接收单元205被配置成接收目标无人机发送的图像序列,图像序列是由图像采集设备对目标拥堵路段进行拍摄得到的;分析单元206被配置成对图像序列进行分析,得到引导提示语音;引导单元207被配置成控制目标无人机对引导提示语音进行播放,以引导目标拥堵路段的车辆通行。
可以理解的是,该装置200中记载的诸单元与参考图1描述的方法中的各个步骤相对应。由此,上文针对方法描述的操作、特征以及产生的有益效果同样适用于装置200及其中包含的单元,在此不再赘述。
下面参考图3,其示出了适于用来实现本公开的一些实施例的电子设备300的结构示意图。图3示出的电子设备仅仅是一个示例,不应对本公开的实施例的功能和使用范围带来任何限制。
如图3所示,电子设备300可以包括处理装置(例如中央处理器、图形处理器等)301,其可以根据存储在只读存储器(ROM)302中的程序或者从存储装置308加载到随机访问存储器(RAM)303中的程序而执行各种适当的动作和处理。在RAM 303中,还存储有电子设备300操作所需的各种程序和数据。处理装置301、ROM 302以及RAM 303通过总线304彼此相连。输入/输出(I/O)接口305也连接至总线304。
通常,以下装置可以连接至I/O接口305:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置306;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置307;包括例如磁带、硬盘等的存储装置308;以及通信装置309。通信装置309可以允许电子设备300与其他设备进行无线或有线通信以交换数据。虽然图3示出了具有各种装置的电子设备300,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图3中示出的每个方框可以代表一个装置,也可以根据需要代表多个装置。
特别地,根据本公开的一些实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的一些实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的一些实施例中,该计算机程序可以通过通信装置309从网络上被下载和安装,或者从存储装置308被安装,或者从ROM 302被安装。在该计算机程序被处理装置301执行时,执行本公开的一些实施例的方法中限定的上述功能。
需要说明的是,本公开的一些实施例中记载的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的一些实施例中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的一些实施例中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
在一些实施方式中,客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol,超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信,并且可以与任意形式或介质的数字数据通信(例如,通信网络)互连。通信网络的示例包括局域网(“LAN”),广域网(“WAN”),网际网(例如,互联网)以及端对端网络(例如,ad hoc端对端网络),以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:获取目标拥堵路段的位置信息和拥堵等级信息;将位置信息、拥堵等级信息和候选无人机停机站信息集合,输入混合整数规划模型,以确定目标无人机停机站信息;从目标无人机停机站信息对应的可用无人机信息列表中,确定目标无人机信息;向目标无人机信息对应的目标无人机发送控制指令,以使目标无人机到达目标拥堵路段,目标无人机上安装有图像采集设备;接收目标无人机发送的图像序列,图像序列是由图像采集设备对目标拥堵路段进行拍摄得到的;对图像序列进行分析,得到引导提示语音;控制目标无人机对引导提示语音进行播放,以引导目标拥堵路段的车辆通行。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的一些实施例的操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开的实施例中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (6)
1.一种引导提示语音生成方法,包括:
获取目标拥堵路段的位置信息和拥堵等级信息;
将所述位置信息、所述拥堵等级信息和候选无人机停机站信息集合,输入混合整数规划模型,以确定目标无人机停机站信息;
从所述目标无人机停机站信息对应的可用无人机信息列表中,确定目标无人机信息;
向所述目标无人机信息对应的目标无人机发送控制指令,以使所述目标无人机到达所述目标拥堵路段,所述目标无人机上安装有图像采集设备;
接收所述目标无人机发送的图像序列,所述图像序列是由所述图像采集设备对所述目标拥堵路段进行拍摄得到的;
对所述图像序列进行分析,得到引导提示语音;
控制所述目标无人机对所述引导提示语音进行播放,以引导所述目标拥堵路段的车辆通行;
其中,所述对所述图像序列进行分析,得到引导提示语音,包括:
将所述图像序列输入预先训练的车辆引导模型,生成车辆引导文本,其中,所述图像序列是所述目标无人机针对所述目标拥堵路段的多个点位或处于所述目标拥堵路段的上方的不同高度进行拍摄得到的;
将所述车辆引导文本转化为所述引导提示语音;
其中,所述从所述目标无人机停机站信息对应的可用无人机信息列表中,确定目标无人机信息,包括:
确定所述目标拥堵路段和目标无人机停机站之间的距离,所述目标无人机停机站为所述目标无人机停机站信息所表征的无人机停机站;
对于所述可用无人机信息列表中的每个可用无人机信息,确定所述可用无人机信息对应的剩余续航里程;
从所述可用无人机信息列表中选取剩余续航里程大于所述距离与预设系数的乘积的无人机信息,并确定为目标无人机信息。
2.根据权利要求1所述的方法,其中,所述方法还包括:
基于所述图像序列和多个用户终端的上报信息,确定所述目标拥堵路段对应的拥堵类别;
响应于所述拥堵类别表征交通事故拥堵,控制所述目标无人机从当前巡航高度下降至目标巡航高度,以使所述目标无人机在所述目标巡航高度拍摄事故图像;
对所述事故图像进行车牌号识别,以及根据识别到的车牌号从车辆管理平台获取事故车辆的历史行驶数据和车内音频数据,所述历史行驶数据和所述车内音频数据是由设置在所述事故车辆内的车载数据记录系统实时上传至所述车辆管理平台的;
将所述事故图像、所述历史行驶数据和所述车内音频数据输入预先训练的事故判责网络,得到初步判责结果;
将所述初步判责结果发送至交管终端。
3.根据权利要求2所述的方法,其中,所述基于所述图像序列和多个用户终端的上报信息,确定所述目标拥堵路段对应的拥堵类别,包括:
根据所述多个用户终端中每个用户终端对应的信用评分,为所述每个用户终端配置所对应的上报信息配置权重;
对所述多个用户终端的上报信息进行加权融合,得到融合上报信息;
将所述融合上报信息和所述图像序列对应的图像特征进行拼接,得到拼接向量;
将所述拼接向量输入拥堵类别确定模型,得到所述目标拥堵路对应的拥堵类别。
4.一种引导提示语音生成装置,包括:
获取单元,被配置成获取目标拥堵路段的位置信息和拥堵等级信息;
输入单元,被配置成将所述位置信息、所述拥堵等级信息和候选无人机停机站信息集合,输入混合整数规划模型,以确定目标无人机停机站信息;
确定单元,被配置成从所述目标无人机停机站信息对应的可用无人机信息列表中,确定目标无人机信息;
发送单元,被配置成向所述目标无人机信息对应的目标无人机发送控制指令,以使所述目标无人机到达所述目标拥堵路段,所述目标无人机上安装有图像采集设备;
接收单元,被配置成接收所述目标无人机发送的图像序列,所述图像序列是由所述图像采集设备对所述目标拥堵路段进行拍摄得到的;
分析单元,被配置成对所述图像序列进行分析,得到引导提示语音;
引导单元,被配置成控制所述目标无人机对所述引导提示语音进行播放,以引导所述目标拥堵路段的车辆通行;
其中,所述分析单元被配置成:
将所述图像序列输入预先训练的车辆引导模型,生成车辆引导文本,其中,所述图像序列是所述目标无人机针对所述目标拥堵路段的多个点位或处于所述目标拥堵路段的上方的不同高度进行拍摄得到的;
将所述车辆引导文本转化为所述引导提示语音;
其中,所述确定单元被配置成:
确定所述目标拥堵路段和目标无人机停机站之间的距离,所述目标无人机停机站为所述目标无人机停机站信息所表征的无人机停机站;
对于所述可用无人机信息列表中的每个可用无人机信息,确定所述可用无人机信息对应的剩余续航里程;
从所述可用无人机信息列表中选取剩余续航里程大于所述距离与预设系数的乘积的无人机信息,并确定为目标无人机信息。
5.一种电子设备,包括:
一个或多个处理器;
存储装置,其上存储有一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-3中任一所述的方法。
6.一种计算机可读介质,其上存储有计算机程序,其中,所述程序被处理器执行时实现如权利要求1-3中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210859809.4A CN114944072B (zh) | 2022-07-22 | 2022-07-22 | 引导提示语音生成方法、装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210859809.4A CN114944072B (zh) | 2022-07-22 | 2022-07-22 | 引导提示语音生成方法、装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114944072A CN114944072A (zh) | 2022-08-26 |
CN114944072B true CN114944072B (zh) | 2022-11-01 |
Family
ID=82910661
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210859809.4A Active CN114944072B (zh) | 2022-07-22 | 2022-07-22 | 引导提示语音生成方法、装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114944072B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104132660A (zh) * | 2014-08-11 | 2014-11-05 | 江苏恒创软件有限公司 | 一种基于无人机的旅游集散区域导向方法 |
CN105957341A (zh) * | 2016-05-30 | 2016-09-21 | 重庆大学 | 一种基于无人机机载平台的广域交通拥堵检测方法 |
CN106920405A (zh) * | 2015-12-26 | 2017-07-04 | 天津华方科技有限公司 | 云计算平台引导无人机自动分流车辆的装置 |
CN206871365U (zh) * | 2017-05-23 | 2018-01-12 | 安徽汇柏航空科技有限公司 | 警用无人机 |
CN107820044A (zh) * | 2017-09-23 | 2018-03-20 | 南京律智诚专利技术开发有限公司 | 一种基于无人机的道路交通事故快速定责拍照系统 |
CN110349406A (zh) * | 2019-06-27 | 2019-10-18 | 安徽科力信息产业有限责任公司 | 一种拥堵源头成因检测方法及系统 |
CN212448082U (zh) * | 2018-08-01 | 2021-02-02 | 方鲸联合科技(惠州)有限公司 | 一种特种车用车载交通管制无人机 |
CN112382097A (zh) * | 2020-11-27 | 2021-02-19 | 佛山市墨纳森智能科技有限公司 | 一种基于动态交通流的城市道路监管方法、系统及可读存储介质 |
CN112462774A (zh) * | 2020-11-27 | 2021-03-09 | 佛山市墨纳森智能科技有限公司 | 一种基于无人机航行跟随的城市道路监管方法、系统及可读存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20210026918A (ko) * | 2019-09-02 | 2021-03-10 | 현대자동차주식회사 | 드론을 이용한 내비게이션 시스템 및 방법 |
-
2022
- 2022-07-22 CN CN202210859809.4A patent/CN114944072B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104132660A (zh) * | 2014-08-11 | 2014-11-05 | 江苏恒创软件有限公司 | 一种基于无人机的旅游集散区域导向方法 |
CN106920405A (zh) * | 2015-12-26 | 2017-07-04 | 天津华方科技有限公司 | 云计算平台引导无人机自动分流车辆的装置 |
CN105957341A (zh) * | 2016-05-30 | 2016-09-21 | 重庆大学 | 一种基于无人机机载平台的广域交通拥堵检测方法 |
CN206871365U (zh) * | 2017-05-23 | 2018-01-12 | 安徽汇柏航空科技有限公司 | 警用无人机 |
CN107820044A (zh) * | 2017-09-23 | 2018-03-20 | 南京律智诚专利技术开发有限公司 | 一种基于无人机的道路交通事故快速定责拍照系统 |
CN212448082U (zh) * | 2018-08-01 | 2021-02-02 | 方鲸联合科技(惠州)有限公司 | 一种特种车用车载交通管制无人机 |
CN110349406A (zh) * | 2019-06-27 | 2019-10-18 | 安徽科力信息产业有限责任公司 | 一种拥堵源头成因检测方法及系统 |
CN112382097A (zh) * | 2020-11-27 | 2021-02-19 | 佛山市墨纳森智能科技有限公司 | 一种基于动态交通流的城市道路监管方法、系统及可读存储介质 |
CN112462774A (zh) * | 2020-11-27 | 2021-03-09 | 佛山市墨纳森智能科技有限公司 | 一种基于无人机航行跟随的城市道路监管方法、系统及可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN114944072A (zh) | 2022-08-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
RU2725920C1 (ru) | Управление оперативным управлением автономным транспортным средством | |
CN112818497B (zh) | 交通仿真方法、装置、计算机设备和存储介质 | |
KR102126660B1 (ko) | 온-디맨드 서비스를 위한 정보를 제공하기 위한 시스템 및 방법 | |
US20210302585A1 (en) | Smart navigation method and system based on topological map | |
Yamashita et al. | Smooth traffic flow with a cooperative car navigation system | |
CN106960564B (zh) | 一种车辆调度方法、装置及相关系统 | |
WO2019184541A1 (zh) | 驾驶服务评价方法及装置、设备和存储介质 | |
US8406997B2 (en) | Systems and methods for improved generation of textual directions based on positional information | |
US20140058652A1 (en) | Traffic information processing | |
CN109615887A (zh) | 智慧交通网络系统信号指引方法 | |
US20060166644A1 (en) | Distributed GPS traffic information system | |
CN113223293B (zh) | 路网仿真模型的构建方法、装置及电子设备 | |
CN110567476A (zh) | 一种导航方法和装置 | |
Dressler et al. | On the impact of human driver behavior on intelligent transportation systems | |
CN114662583A (zh) | 应急事件防控调度方法、装置、电子设备和存储介质 | |
CN114944072B (zh) | 引导提示语音生成方法、装置 | |
CN109470257A (zh) | 一种基于区块链技术的迷路人员指引方法 | |
CN115994726B (zh) | 派送路径调整方法、装置、电子设备和计算机可读介质 | |
CN110349428A (zh) | 识别用户是否正在前往公交站点的方法及装置 | |
CN115031749B (zh) | 夜间步行导航方法、装置、设备及存储介质 | |
CN110686690A (zh) | 一种路况信息显示方法及其系统 | |
JP2018181359A (ja) | 情報処理システム、情報処理サーバ、情報処理方法、および、情報処理プログラム | |
CN104282163B (zh) | 基于gps的车辆交通信息提示系统及多媒体控制装置 | |
Park et al. | Location-based dynamic route guidance system of Korea: system design, algorithms and initial results | |
CN110364010A (zh) | 一种预测路况的导航方法及系统 |
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 |