CN115168810B - 一种交通数据的生成方法、装置、电子设备和存储介质 - Google Patents

一种交通数据的生成方法、装置、电子设备和存储介质 Download PDF

Info

Publication number
CN115168810B
CN115168810B CN202211093799.4A CN202211093799A CN115168810B CN 115168810 B CN115168810 B CN 115168810B CN 202211093799 A CN202211093799 A CN 202211093799A CN 115168810 B CN115168810 B CN 115168810B
Authority
CN
China
Prior art keywords
vehicle
vehicle target
conflict
target
current
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
Application number
CN202211093799.4A
Other languages
English (en)
Other versions
CN115168810A (zh
Inventor
顾超
张辉
陈俊德
仇世豪
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing Hurys Intelligent Technology Co Ltd
Original Assignee
Nanjing Hurys Intelligent Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nanjing Hurys Intelligent Technology Co Ltd filed Critical Nanjing Hurys Intelligent Technology Co Ltd
Priority to CN202211093799.4A priority Critical patent/CN115168810B/zh
Publication of CN115168810A publication Critical patent/CN115168810A/zh
Application granted granted Critical
Publication of CN115168810B publication Critical patent/CN115168810B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
    • G06F17/12—Simultaneous equations, e.g. systems of linear equations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Operations Research (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Algebra (AREA)
  • Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Probability & Statistics with Applications (AREA)
  • Evolutionary Biology (AREA)
  • Development Economics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Game Theory and Decision Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Computing Systems (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Traffic Control Systems (AREA)

Abstract

本申请公开了一种交通数据的生成方法、装置、电子设备和存储介质，该方法和装置应用于电子设备，具体为获取雷达所输出的每一帧雷达数据；基于前一帧雷达数据中车辆目标及其当时位置，对车辆目标在当前时刻中的位置实施预测，得到车辆目标的当前预测位置；对车辆目标在当前帧雷达数据中的目标位置与当前预测位置进行匹配，根据匹配结果对车辆目标的在当前时刻的实时位置进行更新；基于虚拟连接线计算车辆目标的冲突间距；根据冲突间距对车辆目标的车辆状态进行实时更新；输出车辆目标的车辆轨迹数据。通过上述处理可以得到包括车辆目标的实时位置和车辆状态的车辆轨迹数据，从而满足对道路的交叉路口实施精细化的交通管理的需求。

Description

一种交通数据的生成方法、装置、电子设备和存储介质
技术领域
本申请涉及智能交通技术领域，更具体地说，涉及一种交通数据的生成方法、装置、电子设备和存储介质。
背景技术
实施城市道路交通管理，其中一部分就是对交叉路口的管理，交叉路口是连接不同道路的交通区域，是组成城市道路网的重要结构，车辆的汇集、转向和疏散都需要通过交叉路口来完成。由于交叉路口内部划线区域少，几何构造与道路段有很大的不同，且具有机动车、非机动车、行人等交通参与者轨迹分布大等特点，导致交叉路口内部容易出现延误、冲突、碰撞现象，影响交通参与者的出行效率和安全。因此，对交叉路口实施精细化管理，对改善交叉路口内车辆的运行效率，进而提升城市路网的车辆通行能力具有重大意义。
实施精细化的交叉路口管理的前提是掌握交叉路口内车辆的车辆轨迹。目前对进出交叉路口的车辆的检测手段是基于地磁感应线圈实现的，由于其低廉的成本而被广泛应用，但地磁线圈只能检测断面数据，无法得到交叉路口内车辆轨迹数据，从而难以满足对道路的交叉路口实施精细化交通管理的需求。
发明内容
有鉴于此，本申请提供一种交通数据的生成方法、装置、电子设备和存储介质，用于生成交叉路口内车辆的车辆轨迹数据，以满足对道路的交叉路口实施精细化的交通管理的需求。
为了实现上述目的，现提出的方案如下：
一种交通数据的生成方法，应用于电子设备，在已有所述交叉路口的虚拟连接线以及所述交叉路口的进出口车道的车道边界线的基础上，所述生成方法包括步骤：
获取用于针对交叉路口内以及进出口车道内的车辆实施探测的雷达所输出的每一帧雷达数据；
基于前一帧雷达数据中车辆目标及其当时位置，对所述车辆目标在当前时刻中的位置实施预测，得到所述车辆目标的当前预测位置；
对所述车辆目标在当前帧雷达数据中的目标位置与所述当前预测位置进行匹配，根据匹配结果对所述车辆目标的在所述当前时刻的实时位置进行更新；
基于所述虚拟连接线计算所述车辆目标的冲突间距；
根据所述冲突间距对所述车辆目标的车辆状态进行实时更新；
输出所述车辆目标的车辆轨迹数据，所述车辆轨迹数据包括所述车辆目标的所述实时位置和所述车辆状态。
可选的，所述对所述车辆目标在当前帧雷达数据中的目标位置与所述当前预测位置进行匹配，根据匹配结果对所述车辆目标的在所述当前时刻的实时位置进行更新，包括步骤：
如果所述雷达的工作模式为目标点模式，则采用最近邻匹配算法将所述目标位置与所述当前预测位置进行匹配处理；
如果所述雷达的工作模式为点云模式，则采用JPDA联合概率数据关联算法将所述目标位置与所述当前预测位置进行匹配处理。
可选的，所述基于所述虚拟连接线计算所述车辆目标的冲突间距，包括步骤：
通过计算所有所述虚拟连接线之间的交叉点得到所述交叉路口内的所有冲突点；
确定每个所述冲突点的类型；
根据所述交叉路口内的车辆目标的位置属性和所属的虚拟连接线进行计算，得到各所述冲突点所属两条虚拟连接线的冲突头车；
根据所述冲突点类型对所述冲突头车之间间距进行计算，得到所述冲突间距。
可选的，所述根据所述冲突间距对所述车辆目标的车辆状态进行实时更新，包括步骤：
提取所述当前帧雷达数据中的所有车辆目标及其所处位置；
当所述车辆目标处于所述交叉路口的进出口车道内，则采用标准跟驰模型对所述车辆状态进行实时更新；
当所述车辆目标处于所述交叉路口内的某一虚拟连接线上，如果所述车辆目标无冲突间距，则采用所述标准跟驰模型对所述车辆目标进行实时更新，如果所述车辆目标存在冲突间距，则采用所述标准跟驰模型和变异跟驰模型对所述车辆目标进行实时更新。
可选的，所述标准跟驰模型的通用数学模型如下：
Figure 80132DEST_PATH_IMAGE001
式中v为当前车辆目标的纵向速度，v f 为所述当前车辆目标的前一车辆目标的纵向速度，d为当前车辆目标与所述前一车辆目标沿车方向的车间距离，l f 为所述前一车辆目标的车长，para为其他参数，所述其他参数包括期望速度、驾驶人反应时间和最小安全间距中的部分或全部。
可选的，所述变异跟驰模型的通用数学模型如下：
Figure 746737DEST_PATH_IMAGE002
式中v为当前车辆目标在所述虚拟连接线的纵向速度，v f 为冲突前车在所在虚拟连接线内的纵向速度，c为所述车辆目标之间的冲突间距，para为其他参数，所述其他参数包括期望速度、驾驶人反应时间和最小安全间距中的部分或全部。
可选的，所述生成方法还包括步骤：
建立所述交叉路口的虚拟连接线，以及所述交叉路口的进出口车道的车道边界线。
一种交通数据的生成装置，应用于电子设备，在已有所述交叉路口的虚拟连接线以及所述交叉路口的进出口车道的车道边界线的基础上，所述生成装置包括：
数据获取模块，被配置为获取用于针对交叉路口内以及进出口车道内的车辆实施探测的雷达所输出的每一帧雷达数据；
单帧预测模块，被配置为基于前一帧雷达数据中车辆目标及其当时位置，对所述车辆目标在当前时刻中的位置实施预测，得到所述车辆目标的当前预测位置；
对象匹配模块，被配置为对所述车辆目标在当前帧雷达数据中的目标位置与所述当前预测位置进行匹配，根据匹配结果对所述车辆目标的在所述当前时刻的实时位置进行更新；
冲突计算模块，被配置为基于所述虚拟连接线计算所述车辆目标的冲突间距；
对象更新模块，被配置为根据所述冲突间距对所述车辆目标的车辆状态进行实时更新；
结果输出模块，被配置为输出所述车辆目标的车辆轨迹数据，所述车辆轨迹数据包括所述车辆目标的所述实时位置和所述车辆状态。
可选的，所述对象匹配模块包括：
第一匹配单元，被配置为如果所述雷达的工作模式为目标点模式，则采用最近邻匹配算法将所述目标位置与所述当前预测位置进行匹配处理；
第二匹配单元，被配置为如果所述雷达的工作模式为点云模式，则采用JPDA联合概率数据关联算法将所述目标位置与所述当前预测位置进行匹配处理。
可选的，所述冲突计算模块包括：
第一计算单元，被配置为通过计算所有所述虚拟连接线之间的交叉点得到所述交叉路口内的所有冲突点；
类型确定单元，被配置为确定每个所述冲突点的类型；
第二计算单元，被配置为根据所述交叉路口内的车辆目标的位置属性和所属的虚拟连接线进行计算，得到各所述冲突点所属两条虚拟连接线的冲突头车；
第三计算单元，被配置为根据所述冲突点类型对所述冲突头车之间间距进行计算，得到所述冲突间距。
可选的，所述对象更新模块包括：
位置提取单元，被配置为提取所述当前帧雷达数据中的所有车辆目标及其所处位置；
第一更新单元，被配置为当所述车辆目标处于所述交叉路口的进出口车道内，则采用标准跟驰模型对所述车辆状态进行实时更新；
第二更新单元，被配置为当所述车辆目标处于所述交叉路口内的某一虚拟连接线上，如果所述车辆目标无冲突间距，则采用所述标准跟驰模型对所述车辆目标进行实时更新，如果所述车辆目标存在冲突间距，则采用所述标准跟驰模型和变异跟驰模型对所述车辆目标进行实时更新。
可选的，所述标准跟驰模型的通用数学模型如下：
Figure 42196DEST_PATH_IMAGE001
式中v为当前车辆目标的纵向速度，v f 为所述当前车辆目标的前一车辆目标的纵向速度，d为当前车辆目标与所述前一车辆目标沿车方向的车间距离， l f 为所述前一车辆目标的车长，para为其他参数，所述其他参数包括期望速度、驾驶人反应时间和最小安全间距中的部分或全部。
可选的，所述变异跟驰模型的通用数学模型如下：
Figure 212277DEST_PATH_IMAGE002
式中v为当前车辆目标在所述虚拟连接线的纵向速度，v f 为冲突前车在所在虚拟连接线内的纵向速度，c为所述车辆目标之间的冲突间距，para为其他参数，所述其他参数包括期望速度、驾驶人反应时间和最小安全间距中的部分或全部。
可选的，所述生成装置还包括：
标线建立模块，被配置为建立所述交叉路口的虚拟连接线，以及所述交叉路口的进出口车道的车道边界线。
一种电子设备，包括至少一个处理器和与所述处理器连接的存储器，其中：
所述存储器用于存储计算机程序或指令；
所述处理器用于执行所述计算机程序或指令，以使所述电子设备实现如上所述的生成方法。
一种存储介质，应用于电子设备，所述存储介质用于承载一个或多个计算机程序，当所述电子设备执行所述一个或多个计算机程序时，能够使所述电子设备实现如上所述的生成方法。
从上述的技术方案可以看出，本申请公开了一种交通数据的生成方法、装置、电子设备和介质，该方法和装置应用于电子设备，具体为获取雷达所输出的每一帧雷达数据；基于前一帧雷达数据中车辆目标及其当时位置，对车辆目标在当前时刻中的位置实施预测，得到车辆目标的当前预测位置；对车辆目标在当前帧雷达数据中的目标位置与当前预测位置进行匹配，根据匹配结果对车辆目标的在当前时刻的实时位置进行更新；基于虚拟连接线计算车辆目标的冲突间距；根据冲突间距对车辆目标的车辆状态进行实时更新；输出车辆目标的车辆轨迹数据。通过上述处理可以得到包括车辆目标的实时位置和车辆状态的车辆轨迹数据，从而满足对道路的交叉路口实施精细化的交通管理的需求。
附图说明
为了更清楚地说明本申请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，下面描述中的附图仅仅是本申请的一些实施例，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为本申请实施例的一种交通数据的生成方法的流程图；
图2a为本申请中根据雷达数据点生成的热力图、车道边界线和车道中心线；
图2b为本申请的虚拟连接线的确定方法图；
图2c为本申请的虚拟连接线的示意图；
图2d为本申请的交叉路口中虚拟连接线的示意图；
图3a为本申请实施例的冲突点的示意图
图3b为本申请实施例的冲突点类型的示意图；
图3c为本申请实施例的冲突头车的示意图；
图4为本申请实施例的车辆轨迹数据的示意图；
图5为本申请实施例的一种交通数据的生成装置的框图；
图6为本申请实施例的一种电子设备的框图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
一般而言，对于构成交叉路口的完成道路包括交叉路口本身和与交叉路口相连接的进口道路和出口道路，在交叉路口及进出口道路的适当位置安装有一个或多个雷达，用于对交叉路口内和进出口道路内的车辆进行检测，得到相应的雷达数据。本实施例的技术方案基于该交叉路口内和进出口道路内已经构建有一定坐标系下的虚拟连接线和车道边界线，该虚拟连接线是指交叉路口内相应车道之间的连接线，车道边界线是指进出口道路的边界线。
基于以上前提，本申请提供如下具体实施例。
实施例一
图1为本申请实施例的一种交通数据的生成方法的流程图。
如图1所示，本实施例提供的交通数据的生成方法应用于电子设备，用于生成交叉路口内的车辆轨迹数据，以便使用户能够根据该车辆轨迹数据对道路的交叉路口实施精细化的交通管理，该车辆轨迹数据包括车辆目标的实时位置和车辆状态。具体来说，该车辆轨迹生成方法包括如下步骤：
S1、获取雷达输出的每一帧雷达数据。
雷达是指安装于该交叉路口及进出口车道的一定位置的一个或多个雷达对车辆进行探测所输出的雷达数据，因为雷达数据是一帧一帧按时间顺序输出的，因此这里获取也是按时间顺序获取每一帧雷达数据，并送入系统内存进行实时处理。
S2、基于前一帧雷达数据中车辆目标及其当时位置实时预测。
具体来说是在当前时刻，基于前一帧雷达数据中车辆目标及其当时位置，对车辆目标在当前时刻中的位置实施预测，得到车辆目标的当前预测位置。该车辆目标是指通过对上一帧雷达数据进行分析处理得到的车辆目标，自然在处理过程中会得到其位置，为了与当前位置相区别，将该位置称为当时位置。
对于毫米波雷达来说，毫米波雷达数据探测和传输的间隔大约在50毫秒至100毫秒之间，在这么短的时间内，可以认为车辆目标从上一帧雷达数据所处时间点到当前帧雷达的时间点做匀速运动，速度值为上一帧雷达中的速度，因此车辆目标状态的预测矩阵方程如下：
Figure 452765DEST_PATH_IMAGE003
式中x k , y k , x k-1 , y k-1 分别为全局坐标系下当前帧雷达数据和上一帧雷达数据中车辆目标的x坐标，y坐标，vx k , vy k , vx k-1 , vy k-1 分别为全局坐标系下当前帧雷达数据和上一帧雷达数据中车辆目标的x方向速度，y方向速度，△t为当前帧雷达数据与上一帧雷达数据之间的帧间隔时间。用该矩阵方程可以为每一个车辆目标根据上一帧结束时的状态预测一个当前帧的状态，即得到车辆目标的当前预测位置。
S3、对车辆目标的当前时间点的目标位置与当前预测位置进行匹配。
即在确定每个车辆目标的当前预测位置的基础上，对车辆目标在当前帧雷达数据中的目标位置与当前预测位置进行匹配，并根据匹配结果对车辆目标的在所述当前时刻的实时位置进行更新。
具体来说，首先明确雷达的工作模式，或者说探测数据的模式。如果工作模式为目标点模式，即雷达输出为一个个独立的检测目标，各检测目标可认为是一个单独的实体，此时应用最近邻匹配算法，设置关联门及相关阈值，对车辆目标和当前预测位置进行匹配。对于成功匹配某一雷达目标的车辆目标，由于上一步骤采用线性方程组进行车辆状态预测，因此采用标准卡尔曼滤波，以匹配雷达点作为观测的量测值对车辆目标的实时位置进行更新处理。
如果雷达的工作模式为点云模式，即雷达输出为密集的点云数据，某一实体被雷达观测为多个点云散点，此时车辆目标同时被多个点云数据所表示，因此采用JPDA联合概率数据关联算法，获取其有效量测点云，应用有效量测和新息进行车辆目标的实时位置进行更新处理。
S4、基于虚拟连接线计算车辆目标的冲突间距。
在完成单帧预测后，对于在交叉路口内部的车辆目标，持续跟踪并预测下去可能会产生车辆目标相互碰撞的现象，因此采用基于交叉路口连接线的冲突点检测与交叉路口变异跟驰模型来解决目标潜在的冲突碰撞问题。具体来说，通过如下步骤实施：
首先，遍历交叉路口内部的虚拟连接线，判断虚拟连接线之间是否存在交点，如果存在，则根据虚拟连接线的信息计算交点信息，遍历完成后得到交叉路口内所有的交点，即多个冲突点，如图3a中的实心原点。
然后，对冲突点进行分类，冲突点一共有三种类型，分别是交叉冲突点、汇入冲突点和汇出冲突点。交叉冲突点是指冲突点所属两条连接线中间有交叉；汇入冲突点是指冲突点所属两条连接线有相同的出口道；汇出冲突点是指冲突点所属两条连接线有相同的入口道。三种冲突点类型如图3b所示。
然后，从当前所有车辆目标中筛选出在交叉路口范围内部的车辆目标，基于这些车辆的位置属性和所属连接线类型，计算出各冲突点所属两条连接线的冲突头车，如图3c所示。
其中，a连接线连接示例交叉路口的西进口道与北出口道，b连接线连接北进口道与东出口道。车辆m1，m2，m3，m4当前都处于交叉路口内部，且m1、m2在连接线a上通行，m3、m4在连接线b上通行。针对于a连接线与b连接线的冲突点C来说，其所属连接线的冲突头车为m2和m3。原因在于，对于冲突点C和连接线a来说，m1，m2车辆还没有通过冲突点，且m2更靠近C，所以m2为冲突点C相应于连接线a的冲突头车；对于冲突点C和连接线b来说，m4已经通过冲突点，不在冲突头车的寻找范围之内，此时在连接线上还没有通过冲突点的车辆中，离C最近的车辆是m3，所以m3为冲突点C相应于连接线b的冲突头车。对以上分析进行总结：针对于各冲突点所属两条连接线的冲突头车，是各自连接线上还没有通过该冲突点且距离冲突点最近的车辆。
最后，根据冲突点类型计算冲突头车的冲突间距。可以证明在交叉路口内的车辆，其一定已经通过相应汇出冲突点，所以汇出冲突点无冲突头车，也无冲突间距。针对交叉冲突点和汇入冲突点，设冲突点所属两条连接线的冲突头车为m1，m2，且m1在当前连接线内距离该冲突点的距离为d1，m2在其所在连接线内距离该冲突点的距离为d2，同时假定m1>m2。则m1距离冲突点更近，拥有优先通行权利，m1车辆没有冲突间距，针对m2车辆，冲突间距用下式计算：
Figure 387092DEST_PATH_IMAGE004
式中，c2为m2车辆的冲突间距，l 1 为m1的车长。
需要说明的是，m1相比m2车辆距离冲突点更新，因此针对该冲突点，m1车辆无冲突前车和冲突间距，而m2则有冲突前车和冲突间距。
S5、根据冲突间距对车辆目标的车辆状态进行实时更新。
在对冲突进行处理的基础上，采用如下的方案对车辆状态实施更新处理，具体方案如下：
首先，提取出当前帧雷达数据中所有的车辆目标，包括已经与雷达数据匹配和未与雷达数据匹配的车辆目标，并判断车辆所处的位置，即所处的车道的车道信息。
如果确定车辆处于进出口道内，则采用标准跟驰模型对车辆状态进行更新。
如果确定该车辆处于交叉路口内部的某一连接线内，并且通过上面计算得到该车辆之间无冲突间距，则仍采用标准跟驰模型对车辆状态进行更新，若该车辆目标存在冲突间距，则采用标准跟驰模型和变异跟驰模型同时对车辆状态进行更新。
两种跟驰模型类型的车辆状态更新说明如下：
标准跟驰模型：在同一车道内前后相邻的两辆车，其后车运动状态被前车所制约，标准跟驰模型的通用数学模型如下：
Figure 941701DEST_PATH_IMAGE005
式中v表示本车在车道内的纵向速度，vf表示前车在车道内的纵向速度，d表示本车与前车沿着车道方向的车间距离，l f 是前车车长，para是标准跟驰模型的其他参数，包括期望速度、驾驶人反应时间、最小安全间距等，这些参数与所选用模型具体形式有关。
变异跟驰模型：上一步骤中得到的车辆的冲突头车及其冲突前车和冲突间距，在交叉路口内部，某辆车（下面称车辆目标）有其对应的冲突前车及冲突间距，则意味着该车辆目标为了避免与冲突前车碰撞，须避让其冲突前车，说明车辆目标的运行状态被冲突前车所制约，此时两辆车虽然处于不同的交叉路口连接线，但产生冲突，车辆目标的运动制约效果与标准跟驰模型相似，此制约作用称为变异跟驰模型，其通用的数学模型如下：
Figure 28606DEST_PATH_IMAGE006
式中v表示车辆目标在连接线的纵向速度，vf表示冲突前车在所在连接线内纵向速度，c表示上一步骤求出的车辆目标的冲突间距，para是变异跟驰模型的其他参数，与所选用模型具体形式有关。
对车辆目标应用标准跟驰模型或变异跟驰模型进行车辆速度计算，然后对车辆状态进行相应更新。
S6、输出车辆目标的车辆轨迹数据。
即通过上面的处理，得到交叉路口内和进出口道路的所有车辆目标的实时位置和车辆状态后，输出所有车辆目标的车辆轨迹数据，该车辆轨迹数据包括实时位置和车辆状态，如图4所示。
从上述技术方案可以看出，本实施例提供了一种交通数据的生成方法，该方法应用于电子设备，具体为获取雷达所输出的每一帧雷达数据；基于前一帧雷达数据中车辆目标及其当时位置，对车辆目标在当前时刻中的位置实施预测，得到车辆目标的当前预测位置；对车辆目标在当前帧雷达数据中的目标位置与当前预测位置进行匹配，根据匹配结果对车辆目标的在当前时刻的实时位置进行更新；基于虚拟连接线计算车辆目标的冲突间距；根据冲突间距对车辆目标的车辆状态进行实时更新；输出车辆目标的车辆轨迹数据。通过上述处理可以得到包括车辆目标的实时位置和车辆状态的车辆轨迹数据，从而满足对道路的交叉路口实施精细化的交通管理的需求。
在本申请的一个具体实施方式中，还包括如下步骤：
S0、建立交叉路口内的虚拟连接线和进出口到的车道边界线。
具体来说，采用一段时间的雷达原始数据，基于每一帧的数据点生成统计热力图101，根据热力图可以绘制出交叉路口的进出口道的车道边界线102，通过车道边界线可以绘制出车道的中心线103，具体如图2a所示。
生成进出口车道的边界线和中心线后，下一步通过三阶贝塞尔曲线生成交叉路口内部的虚拟连接车道，贝塞尔曲线拥有与其特征多边形的首末两边相切，且控制点控制曲线的走向，同时生成曲线稳定平滑等特点，与实际车辆在交叉路口内部的转弯特性相匹配，较适用于交叉路口内部的连接线生成。
三阶贝塞尔曲线需要有两个数据点及两个控制点来唯一确定，针对生成交叉路口连接线，数据点采用与连接线相连的进口道及出口道的中心线端点，控制点用“三分控制法”确定，如图2b所示。
假设AP0为待生成连接线相连的进口车道中心线，P3B为连接线相连的出口车道的 中心线。连接线直接与P0，P3点相连，则P0，P3为对应三阶贝塞尔曲线的数据点，作AP0的延长 线与BP3的延长线，在两条延长线上找到两点P1、P2，使得
Figure 190728DEST_PATH_IMAGE007
，此时 P1，P2即为寻找到的贝塞尔曲线控制点。k1, k2, k3是手动设定的控制比例值，其含义是，当 k1比较大时，说明P0P1较长，连接线沿进口道方向延伸较长一段距离后才开始转向；当k2比 较大时，说明P1P2较长，连接线转向距离较大，转弯角度较为平缓；当k3比较大时，说明P2P3 较长，连接线提早结束转向，延伸较长一段距离后接入出口道。可以根据交叉路口的实际道 路物理情况进行设置。
在实际应用中，可以用逼近法求解P1，P2的坐标，首先设置一个较小的递增基准值a 和收敛误差e，让P1以P0点，P2以P3点为起始位置，在每一步迭代中，让P1沿着射线方向递增一 个k1*a值，P2沿着射线方向递增一个k2*a值，同时假设此时已经迭代n此，考察P1P2的长度是 否达到收敛条件
Figure 300767DEST_PATH_IMAGE008
，如果达到收敛条件，则停止迭代，返回此时P1和P2的位 置作为计算得到的控制点。
举例，以P0，P3为数据点，k1,k2,k3都设置为1求出的P1，P2为控制点，应用三阶贝塞尔曲线在不同形式的入口道中心线和出口道中心线计算得到的交叉路口的虚拟连接线如图2c所示。
采用上述方法可以得到交叉路口内部所有的虚拟连接线，以常规的平面十字交叉路口，每个进口道出口道为一车道为例，绘制出的车道的虚拟连接线如图2d所示。
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。
虽然采用特定次序描绘了各操作，但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下，多任务和并行处理可能是有利的。
应当理解，本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
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操作的计算机程序代码，上述程序设计语言包括但不限于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。
实施例二
图5为本申请实施例的一种交通数据的生成装置的框图。
如图5所示，本实施例提供的交通数据的生成装置应用于电子设备，用于生成交叉路口内的车辆轨迹数据，以便使用户能够根据该车辆轨迹数据对道路的交叉路口实施精细化的交通管理，该车辆轨迹数据包括车辆目标的实时位置和车辆状态。具体来说，该生成装置包括数据获取模块10、单帧预测模块20、对象匹配模块30、冲突计算模块40、对象更新模块50和结果输出模块60。
数据获取模块用于获取雷达输出的每一帧雷达数据。
雷达是指安装于该交叉路口及进出口车道的一定位置的一个或多个雷达对车辆进行探测所输出的雷达数据，因为雷达数据是一帧一帧按时间顺序输出的，因此这里获取也是按时间顺序获取每一帧雷达数据，并送入系统内存进行实时处理。
单帧预测模块用于基于前一帧雷达数据中车辆目标及其当时位置实时预测。
具体来说是在当前时刻，基于前一帧雷达数据中车辆目标及其当时位置，对车辆目标在当前时刻中的位置实施预测，得到车辆目标的当前预测位置。该车辆目标是指通过对上一帧雷达数据进行分析处理得到的车辆目标，自然在处理过程中会得到其位置，为了与当前位置相区别，将该位置称为当时位置。
对于毫米波雷达来说，毫米波雷达数据探测和传输的间隔大约在50毫秒至100毫秒之间，在这么短的时间内，可以认为车辆目标从上一帧雷达数据所处时间点到当前帧雷达的时间点做匀速运动，速度值为上一帧雷达中的速度，因此车辆目标状态的预测矩阵方程如下：
Figure 455805DEST_PATH_IMAGE009
式中x k , y k , x k-1 , y k-1 分别为全局坐标系下当前帧雷达数据和上一帧雷达数据中车辆目标的x坐标，y坐标，vx k , vy k , vx k-1 , vy k-1 全局坐标系下当前帧雷达数据和上一帧雷达数据中车辆目标的x方向速度，y方向速度，△t为当前帧雷达数据与上一帧雷达数据之间的帧间隔时间。用该矩阵方程可以为每一个车辆目标根据上一帧结束时的状态预测一个当前帧的状态，即得到车辆目标的当前预测位置。
对象匹配模块用于对车辆目标的当前时间点的目标位置与当前预测位置进行匹配。
即在确定每个车辆目标的当前预测位置的基础上，对车辆目标在当前帧雷达数据中的目标位置与当前预测位置进行匹配，并根据匹配结果对车辆目标的在所述当前时刻的实时位置进行更新。该模块包括第一匹配单元和第二匹配单元。
具体来说，首先明确雷达的工作模式，或者说探测数据的模式。第一匹配单元用于如果工作模式为目标点模式，即雷达输出为一个个独立的检测目标，各检测目标可认为是一个单独的实体，此时应用最近邻匹配算法，设置关联门及相关阈值，对车辆目标和当前预测位置进行匹配。对于成功匹配某一雷达目标的车辆目标，由于上一步骤采用线性方程组进行车辆状态预测，因此采用标准卡尔曼滤波，以匹配雷达点作为观测的量测值对车辆目标的实时位置进行更新处理。
第二匹配单元用于如果雷达的工作模式为点云模式，即雷达输出为密集的点云数据，某一实体被雷达观测为多个点云散点，此时车辆目标同时被多个点云数据所表示，因此采用JPDA联合概率数据关联算法，获取其有效量测点云，应用有效量测和新息进行车辆目标的实时位置进行更新处理。
冲突计算模块用于基于虚拟连接线计算车辆目标的冲突间距。
在完成单帧预测后，对于在交叉路口内部的车辆目标，持续跟踪并预测下去可能会产生车辆目标相互碰撞的现象，因此采用基于交叉路口连接线的冲突点检测与交叉路口变异跟驰模型来解决目标潜在的冲突碰撞问题。具体来说，该模包括第一计算单元、类型确定单元、第二计算单元和第三计算单元。
第一计算单元用于遍历交叉路口内部的虚拟连接线，判断虚拟连接线之间是否存在交点，如果存在，则根据虚拟连接线的信息计算交点信息，遍历完成后得到交叉路口内所有的交点，即多个冲突点，如图3a中的实心原点。
类型确定的单元用于对冲突点进行分类，冲突点一共有三种类型，分别是交叉冲突点、汇入冲突点和汇出冲突点。交叉冲突点是指冲突点所属两条连接线中间有交叉；汇入冲突点是指冲突点所属两条连接线有相同的出口道；汇出冲突点是指冲突点所属两条连接线有相同的入口道。三种冲突点类型如图3b所示。
第二计算单元用于从当前所有车辆目标中筛选出在交叉路口范围内部的车辆目标，基于这些车辆的位置属性和所属连接线类型，计算出各冲突点所属两条连接线的冲突头车，如图3c所示。
第三计算单元用于根据冲突点类型计算冲突头车的冲突间距。可以证明在交叉路口内的车辆，其一定已经通过相应汇出冲突点，所以汇出冲突点无冲突头车，也无冲突间距。
对象更新模块用于根据冲突间距对车辆目标的车辆状态进行实时更新。该模块包括位置提取单元、第一更新单元和第二更新单元。
位置提取单元用于提取出当前帧雷达数据中所有的车辆目标，包括已经与雷达数据匹配和未与雷达数据匹配的车辆目标，并判断车辆所处的位置，即所处的车道的车道信息。
第一更新单元用于如果确定车辆处于进出口道内，则采用标准跟驰模型对车辆状态进行更新。
第二更新单元用于如果确定该车辆处于交叉路口内部的某一连接线内，并且通过上面计算得到该车辆之间无冲突间距，则仍采用标准跟驰模型对车辆状态进行更新，若该车辆目标存在冲突间距，则采用标准跟驰模型和变异跟驰模型同时对车辆状态进行更新。
结果输出模块用于输出车辆目标的车辆轨迹数据。
即通过上面的处理，得到交叉路口内和进出口道路的所有车辆目标的实时位置和车辆状态后，输出所有车辆目标的车辆轨迹数据，该车辆轨迹数据包括实时位置和车辆状态，如图4所示。
从上述技术方案可以看出，本实施例提供了一种交通数据的生成装置，该装置应用于电子设备，具体为获取雷达所输出的每一帧雷达数据；基于前一帧雷达数据中车辆目标及其当时位置，对车辆目标在当前时刻中的位置实施预测，得到车辆目标的当前预测位置；对车辆目标在当前帧雷达数据中的目标位置与当前预测位置进行匹配，根据匹配结果对车辆目标的在当前时刻的实时位置进行更新；基于虚拟连接线计算车辆目标的冲突间距；根据冲突间距对车辆目标的车辆状态进行实时更新；输出车辆目标的车辆轨迹数据。通过上述处理可以得到包括车辆目标的实时位置和车辆状态的车辆轨迹数据，从而满足对道路的交叉路口实施精细化的交通管理的需求。
在本申请的一个具体实施方式中，还包括标线建立模块（未示出）。
标线建立模块用于建立交叉路口内的虚拟连接线和进出口到的车道边界线。
具体来说，采用一段时间的雷达原始数据，基于每一帧的数据点生成统计热力图101，根据热力图可以绘制出交叉路口的进出口道的车道边界线102，通过车道边界线可以绘制出车道的中心线103，具体如图2a所示。
生成进出口车道的边界线和中心线后，下一步通过三阶贝塞尔曲线生成交叉路口内部的虚拟连接车道，贝塞尔曲线拥有与其特征多边形的首末两边相切，且控制点控制曲线的走向，同时生成曲线稳定平滑等特点，与实际车辆在交叉路口内部的转弯特性相匹配，较适用于交叉路口内部的连接线生成。
三阶贝塞尔曲线需要有两个数据点及两个控制点来唯一确定，针对生成交叉路口连接线，数据点采用与连接线相连的进口道及出口道的中心线端点，控制点用“三分控制法”确定，如图2b所示。
假设AP0为待生成连接线相连的进口车道中心线，P3B为连接线相连的出口车道的 中心线。连接线直接与P0，P3点相连，则P0，P3为对应三阶贝塞尔曲线的数据点，作AP0的延长 线与BP3的延长线，在两条延长线上找到两点P1、P2，使得
Figure 646483DEST_PATH_IMAGE007
，此时 P1，P2即为寻找到的贝塞尔曲线控制点。k1, k2, k3是手动设定的控制比例值，其含义是，当 k1比较大时，说明P0P1较长，连接线沿进口道方向延伸较长一段距离后才开始转向；当k2比 较大时，说明P1P2较长，连接线转向距离较大，转弯角度较为平缓；当k3比较大时，说明P2P3 较长，连接线提早结束转向，延伸较长一段距离后接入出口道。可以根据交叉路口的实际道 路物理情况进行设置。
在实际应用中，可以用逼近法求解P1，P2的坐标，首先设置一个较小的递增基准值a 和收敛误差e，让P1以P0点，P2以P3点为起始位置，在每一步迭代中，让P1沿着射线方向递增一 个k1*a值，P2沿着射线方向递增一个k2*a值，同时假设此时已经迭代n此，考察P1P2的长度是 否达到收敛条件
Figure 432037DEST_PATH_IMAGE008
，如果达到收敛条件，则停止迭代，返回此时P1和P2的位 置作为计算得到的控制点。
举例，以P0，P3为数据点，k1, k2, k3都设置为1求出的P1，P2为控制点，应用三阶贝塞尔曲线在不同形式的入口道中心线和出口道中心线计算得到的交叉路口的虚拟连接线如图2c所示。
采用上述方法可以得到交叉路口内部所有的虚拟连接线，以常规的平面十字交叉路口，每个进口道出口道为一车道为例，绘制出的车道的虚拟连接线如图2d所示。
描述于本公开实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，单元的名称在某种情况下并不构成对该单元本身的限定，例如，第一获取单元还可以被描述为“获取至少两个网际协议地址的单元”。
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。
实施例三
图6为本申请实施例的一种电子设备的框图。
参考图6所示，其示出了适于用来实现本公开实施例中的电子设备的结构示意图。本公开实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA（个人数字助理）、PAD（平板电脑）、PMP（便携式多媒体播放器）、车载终端（例如车载导航终端）等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。该电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
电子设备可以包括处理装置（例如中央处理器、图形处理器等）601，其可以根据存储在只读存储器ROM 602中的程序或者从输入装置606加载到随机访问存储器RAM603中的程序而执行各种适当的动作和处理。在RAM中，还存储有电子设备操作所需的各种程序和数据。处理装置、ROM以及RAM通过总线604彼此相连。输入/输出（I/O）接口605也连接至总线604。
通常，以下装置可以连接至I/O接口：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；包括例如液晶显示器（LCD）、扬声器、振动器等的输出装置607；包括例如磁带、硬盘等的存储装置608；以及通信装置609。通信装置609可以允许电子设备与其他设备进行无线或有线通信以交换数据。虽然图中示出了具有各种装置的电子设备，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。
实施例四
本实施例提供了一种计算机可读的存储介质。上述计算机可读的存储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雷达所输出的每一帧雷达数据；基于前一帧雷达数据中车辆目标及其当时位置，对车辆目标在当前时刻中的位置实施预测，得到车辆目标的当前预测位置；对车辆目标在当前帧雷达数据中的目标位置与当前预测位置进行匹配，根据匹配结果对车辆目标的在当前时刻的实时位置进行更新；基于虚拟连接线计算车辆目标的冲突间距；根据冲突间距对车辆目标的车辆状态进行实时更新；输出车辆目标的车辆轨迹数据。通过上述处理可以得到包括车辆目标的实时位置和车辆状态的车辆轨迹数据，从而满足对道路的交叉路口实施精细化的交通管理的需求。
需要说明的是，本公开上述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。
本说明书中的各个实施例均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的部分互相参见即可。
尽管已描述了本发明实施例的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明实施例范围的所有变更和修改。
最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
以上对本发明所提供的技术方案进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (14)

1.一种交通数据的生成方法，应用于电子设备，其特征在于，所述生成方法包括步骤：
获取用于针对交叉路口内以及进出口车道内的车辆实施探测的雷达所输出的每一帧雷达数据；
基于前一帧雷达数据中车辆目标及其当时位置，对所述车辆目标在当前时刻中的位置实施预测，得到所述车辆目标的当前预测位置；
对所述车辆目标在当前帧雷达数据中的目标位置与所述当前预测位置进行匹配，根据匹配结果对所述车辆目标的在所述当前时刻的实时位置进行更新；
基于所述交叉路口内的虚拟连接线计算所述车辆目标的冲突间距；
根据所述冲突间距对所述车辆目标的车辆状态进行实时更新；
输出所述车辆目标的车辆轨迹数据，所述车辆轨迹数据包括所述车辆目标的所述实时位置和所述车辆状态；
其中，所述基于所述交叉路口内的虚拟连接线计算所述车辆目标的冲突间距，包括步骤：
通过计算所有所述虚拟连接线之间的交叉点得到所述交叉路口内的所有冲突点；
确定每个所述冲突点的类型；
根据所述交叉路口内的车辆目标的位置属性和所属的虚拟连接线进行计算，得到各所述冲突点所属两条虚拟连接线的冲突头车；
根据所述冲突点类型对所述冲突头车之间间距进行计算，得到所述冲突间距。
2.如权利要求1所述的生成方法，其特征在于，所述对所述车辆目标在当前帧雷达数据中的目标位置与所述当前预测位置进行匹配，根据匹配结果对所述车辆目标的在所述当前时刻的实时位置进行更新，包括步骤：
如果所述雷达的工作模式为目标点模式，则采用最近邻匹配算法将所述目标位置与所述当前预测位置进行匹配处理；
如果所述雷达的工作模式为点云模式，则采用JPDA联合概率数据关联算法将所述目标位置与所述当前预测位置进行匹配处理。
3.如权利要求1所述的生成方法，其特征在于，所述根据所述冲突间距对所述车辆目标的车辆状态进行实时更新，包括步骤：
提取所述当前帧雷达数据中的所有车辆目标及其所处位置；
当所述车辆目标处于所述交叉路口的进出口车道内，则采用标准跟驰模型对所述车辆状态进行实时更新；
当所述车辆目标处于所述交叉路口内的某一虚拟连接线上，如果所述车辆目标无冲突间距，则采用所述标准跟驰模型对所述车辆目标进行实时更新，如果所述车辆目标存在冲突间距，则采用所述标准跟驰模型和变异跟驰模型对所述车辆目标进行实时更新。
4.如权利要求3所述的生成方法，其特征在于，所述标准跟驰模型的通用数学模型如下：
Figure DEST_PATH_IMAGE002
式中v为当前车辆目标的纵向速度，v f 为所述当前车辆目标的前一车辆目标的纵向速度，d为当前车辆目标与所述前一车辆目标沿车方向的车间距离，l f 为所述前一车辆目标的车长，para为其他参数，所述其他参数包括期望速度、驾驶人反应时间和最小安全间距中的部分或全部。
5.如权利要求3所述的生成方法，其特征在于，所述变异跟驰模型的通用数学模型如下：
Figure DEST_PATH_IMAGE004
式中v为当前车辆目标在所述虚拟连接线的纵向速度，v f 为冲突前车在所在虚拟连接线内的纵向速度，c为所述车辆目标之间的冲突间距，para为其他参数，所述其他参数包括期望速度、驾驶人反应时间和最小安全间距中的部分或全部。
6.如权利要求1~5任一项所述的生成方法，其特征在于，所述生成方法还包括步骤：
建立所述交叉路口的虚拟连接线，以及所述交叉路口的进出口车道的车道边界线。
7.一种交通数据的生成装置，应用于电子设备，其特征在于，所述生成装置包括：
数据获取模块，被配置为获取用于针对交叉路口内以及进出口车道内的车辆实施探测的雷达所输出的每一帧雷达数据；
单帧预测模块，被配置为基于前一帧雷达数据中车辆目标及其当时位置，对所述车辆目标在当前时刻中的位置实施预测，得到所述车辆目标的当前预测位置；
对象匹配模块，被配置为对所述车辆目标在当前帧雷达数据中的目标位置与所述当前预测位置进行匹配，根据匹配结果对所述车辆目标的在所述当前时刻的实时位置进行更新；
冲突计算模块，被配置为基于所述交叉路口内的虚拟连接线计算所述车辆目标的冲突间距；
对象更新模块，被配置为根据所述冲突间距对所述车辆目标的车辆状态进行实时更新；
结果输出模块，被配置为输出所述车辆目标的车辆轨迹数据，所述车辆轨迹数据包括所述车辆目标的所述实时位置和所述车辆状态；
其中，所述冲突计算模块包括：
第一计算单元，被配置为通过计算所有所述虚拟连接线之间的交叉点得到所述交叉路口内的所有冲突点；
类型确定单元，被配置为确定每个所述冲突点的类型；
第二计算单元，被配置为根据所述交叉路口内的车辆目标的位置属性和所属的虚拟连接线进行计算，得到各所述冲突点所属两条虚拟连接线的冲突头车；
第三计算单元，被配置为根据所述冲突点类型对所述冲突头车之间间距进行计算，得到所述冲突间距。
8.如权利要求7所述的生成装置，其特征在于，所述对象匹配模块包括：
第一匹配单元，被配置为如果所述雷达的工作模式为目标点模式，则采用最近邻匹配算法将所述目标位置与所述当前预测位置进行匹配处理；
第二匹配单元，被配置为如果所述雷达的工作模式为点云模式，则采用JPDA联合概率数据关联算法将所述目标位置与所述当前预测位置进行匹配处理。
9.如权利要求7所述的生成装置，其特征在于，所述对象更新模块包括：
位置提取单元，被配置为提取所述当前帧雷达数据中的所有车辆目标及其所处位置；
第一更新单元，被配置为当所述车辆目标处于所述交叉路口的进出口车道内，则采用标准跟驰模型对所述车辆状态进行实时更新；
第二更新单元，被配置为当所述车辆目标处于所述交叉路口内的某一虚拟连接线上，如果所述车辆目标无冲突间距，则采用所述标准跟驰模型对所述车辆目标进行实时更新，如果所述车辆目标存在冲突间距，则采用所述标准跟驰模型和变异跟驰模型对所述车辆目标进行实时更新。
10.如权利要求9所述的生成装置，其特征在于，所述标准跟驰模型的通用数学模型如下：
Figure 154034DEST_PATH_IMAGE002
式中v为当前车辆目标的纵向速度，v f 为所述当前车辆目标的前一车辆目标的纵向速度，d为当前车辆目标与所述前一车辆目标沿车方向的车间距离，l f 为所述前一车辆目标的车长，para为其他参数，所述其他参数包括期望速度、驾驶人反应时间和最小安全间距中的部分或全部。
11.如权利要求9所述的生成装置，其特征在于，所述变异跟驰模型的通用数学模型如下：
Figure DEST_PATH_IMAGE005
式中v为当前车辆目标在所述虚拟连接线的纵向速度，v f 为冲突前车在所在虚拟连接线内的纵向速度，c为所述车辆目标之间的冲突间距，para为其他参数，所述其他参数包括期望速度、驾驶人反应时间和最小安全间距中的部分或全部。
12.如权利要求7~11任一项所述的生成装置，其特征在于，所述生成装置还包括：
标线建立模块，被配置为建立所述交叉路口的虚拟连接线，以及所述交叉路口的进出口车道的车道边界线。
13.一种电子设备，其特征在于，包括至少一个处理器和与所述处理器连接的存储器，其中：
所述存储器用于存储计算机程序或指令；
所述处理器用于执行所述计算机程序或指令，以使所述电子设备实现如权利要求1~6任一项所述的生成方法。
14.一种存储介质，应用于电子设备，其特征在于，所述存储介质用于承载一个或多个计算机程序，当所述电子设备执行所述一个或多个计算机程序时，能够使所述电子设备实现如权利要求1~6任一项所述的生成方法。
CN202211093799.4A 2022-09-08 2022-09-08 一种交通数据的生成方法、装置、电子设备和存储介质 Active CN115168810B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211093799.4A CN115168810B (zh) 2022-09-08 2022-09-08 一种交通数据的生成方法、装置、电子设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211093799.4A CN115168810B (zh) 2022-09-08 2022-09-08 一种交通数据的生成方法、装置、电子设备和存储介质

Publications (2)

Publication Number Publication Date
CN115168810A CN115168810A (zh) 2022-10-11
CN115168810B true CN115168810B (zh) 2022-11-29

Family

ID=83482491

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211093799.4A Active CN115168810B (zh) 2022-09-08 2022-09-08 一种交通数据的生成方法、装置、电子设备和存储介质

Country Status (1)

Country Link
CN (1) CN115168810B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102013009860A1 (de) * 2013-06-13 2014-12-18 Audi Ag Verfahren zur Koordination des Betriebs von Kraftfahrzeugen
CN111445699A (zh) * 2020-04-13 2020-07-24 黑龙江工程学院 基于实时车辆轨迹的交叉口交通冲突判别方法
CN114139329A (zh) * 2020-09-03 2022-03-04 华为技术有限公司 虚拟测试场景构建方法及装置
CN114495499A (zh) * 2022-01-21 2022-05-13 东南大学 一种多目标智能网联车辆协同优化控制方法
CN114895250A (zh) * 2022-04-19 2022-08-12 新奇点智能科技集团有限公司 一种雷达数据处理方法、装置、电子设备及存储介质
CN114969004A (zh) * 2022-05-25 2022-08-30 阿里云计算有限公司 轨迹融合方法、装置、设备、介质及产品

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10909866B2 (en) * 2018-07-20 2021-02-02 Cybernet Systems Corp. Autonomous transportation system and methods
CN111583715B (zh) * 2020-04-29 2022-06-03 宁波吉利汽车研究开发有限公司 一种车辆轨迹预测方法、车辆碰撞预警方法、装置及存储介质
CN113312752B (zh) * 2021-04-26 2022-11-04 东南大学 一种主路优先控制交叉口交通仿真方法及装置
CN114419926B (zh) * 2022-01-24 2022-12-20 浙江海康智联科技有限公司 一种基于车路协同的交叉口左转辅助预警系统和方法
CN114596712B (zh) * 2022-05-06 2022-07-19 苏州大学 一种车辆跟驰控制方法和系统

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102013009860A1 (de) * 2013-06-13 2014-12-18 Audi Ag Verfahren zur Koordination des Betriebs von Kraftfahrzeugen
CN111445699A (zh) * 2020-04-13 2020-07-24 黑龙江工程学院 基于实时车辆轨迹的交叉口交通冲突判别方法
CN114139329A (zh) * 2020-09-03 2022-03-04 华为技术有限公司 虚拟测试场景构建方法及装置
CN114495499A (zh) * 2022-01-21 2022-05-13 东南大学 一种多目标智能网联车辆协同优化控制方法
CN114895250A (zh) * 2022-04-19 2022-08-12 新奇点智能科技集团有限公司 一种雷达数据处理方法、装置、电子设备及存储介质
CN114969004A (zh) * 2022-05-25 2022-08-30 阿里云计算有限公司 轨迹融合方法、装置、设备、介质及产品

Also Published As

Publication number Publication date
CN115168810A (zh) 2022-10-11

Similar Documents

Publication Publication Date Title
KR102378859B1 (ko) 맵 궤적 매칭 데이터의 품질을 결정하는 방법, 장치, 서버 및 매체
Zyner et al. Naturalistic driver intention and path prediction using recurrent neural networks
JP6644742B2 (ja) 頑健で効率的な車両測位用のアルゴリズム及びインフラ
CN108805348B (zh) 一种交叉口信号配时控制优化的方法和装置
CN108475057A (zh) 基于车辆周围的情境预测车辆的一个或多个轨迹的方法和系统
CN109916414B (zh) 地图匹配方法、装置、设备和介质
CN114212110B (zh) 障碍物轨迹预测方法、装置、电子设备及存储介质
CN111554105A (zh) 一种复杂交通路口的智能流量识别与统计方法
CN107917716B (zh) 固定线路导航方法、装置、终端及计算机可读存储介质
WO2024149060A1 (zh) 可行驶区域和路沿的检测方法、装置及相关设备
CN114998477B (zh) 掉头区域车道中心线的绘制方法、装置、设备及产品
CN113997954A (zh) 一种车辆行驶意图预测方法、装置、设备及可读存储介质
JP2022031636A (ja) 車両進行方向を出力する方法、装置、電子機器、記憶媒体、路側機、クラウド制御プラットフォーム及びコンピュータプログラム
CN115761702A (zh) 车辆轨迹生成方法、装置、电子设备和计算机可读介质
CN114742280B (zh) 路况预测方法及相应的模型训练方法、装置、设备及介质
CN116022130A (zh) 车辆泊车方法、装置、电子设备和计算机可读介质
CN114670870A (zh) 障碍物slt空间风险场环境建模方法及其装置、相关产品
CN113119999B (zh) 自动驾驶特征的确定方法、装置、设备、介质及程序产品
CN115168810B (zh) 一种交通数据的生成方法、装置、电子设备和存储介质
CN115657684B (zh) 车辆路径信息生成方法、装置、设备和计算机可读介质
CN115366919A (zh) 一种轨迹预测方法、系统、电子设备及存储介质
CN115083162A (zh) 路况预测方法、装置、设备以及存储介质
CN115171395B (zh) 路口交通数据的生成方法、装置、电子设备和存储介质
Zhu et al. A technical review on driverless vehicle technologies in smart cities
CN117744366B (zh) 一种自动驾驶边缘仿真测试场景生成方法、装置及设备

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