CN115171075B - 道路类型识别方法、装置及设备 - Google Patents
道路类型识别方法、装置及设备 Download PDFInfo
- Publication number
- CN115171075B CN115171075B CN202210807266.1A CN202210807266A CN115171075B CN 115171075 B CN115171075 B CN 115171075B CN 202210807266 A CN202210807266 A CN 202210807266A CN 115171075 B CN115171075 B CN 115171075B
- Authority
- CN
- China
- Prior art keywords
- road section
- road
- determining
- identified
- parameter
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
-
- 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
-
- 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
Abstract
本公开提供了一种道路类型识别方法、装置、设备、介质和产品,涉及人工智能领域,尤其涉及智能交通、地图数据和交通安全技术领域。具体实现方案包括:根据待识别路段的路段标识,确定与待识别路段匹配的目标地图数据;基于目标地图数据,确定待识别路段的路段配置参数;根据路段配置参数,确定与待识别路段关联的基于预设场景分析项的风险指标特征;以及根据风险指标特征,确定针对待识别路段的类型识别结果。
Description
技术领域
本公开涉及人工智能领域,尤其涉及智能交通、地图数据和交通安全技术领域,可应用于道路类型识别场景。
背景技术
道路类型识别对保证道路交通安全而言具有重要意义,但是,在一些场景下,道路类型识别过程存在识别效率低、识别成本高的现象。
发明内容
本公开提供了一种道路类型识别方法、装置、设备、介质和产品。
根据本公开的一方面,提供了一种道路类型识别方法,包括:根据待识别路段的路段标识,确定与待识别路段匹配的目标地图数据;基于目标地图数据,确定待识别路段的路段配置参数;根据路段配置参数,确定与待识别路段关联的基于预设场景分析项的风险指标特征;以及根据风险指标特征,确定针对待识别路段的类型识别结果。
根据本公开的另一方面,提供了一种道路类型识别装置,包括:目标地图数据确定模块,用于根据待识别路段的路段标识,确定与待识别路段匹配的目标地图数据;路段配置参数确定模块,用于基于目标地图数据,确定待识别路段的路段配置参数;风险指标特征确定模块,用于根据路段配置参数,确定与待识别路段关联的基于预设场景分析项的风险指标特征;以及道路类型识别模块,用于根据风险指标特征,确定针对待识别路段的类型识别结果。
根据本公开的另一方面,提供了一种电子设备,包括:至少一个处理器和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上述的道路类型识别方法。
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,计算机指令用于使计算机执行上述的道路类型识别方法。
根据本公开的另一方面,提供了包括计算机程序,计算机程序存储于可读存储介质和电子设备其中至少之一上,计算机程序在被处理器执行时实现上述的道路类型识别方法。
根据本公开的另一方面,提供了一种云控平台,包括根据上述的电子设备,电子设备用于执行上述的道路类型识别方法。
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示意性示出了根据本公开一实施例的道路类型识别方法和装置的系统架构;
图2示意性示出了根据本公开一实施例的道路类型识别方法的流程图;
图3示意性示出了根据本公开一实施例的交汇路段的示意图;
图4示意性示出了根据本公开一实施例的分支路段的示意图;
图5示意性示出了根据本公开一实施例的弯道路段的示意图;
图6示意性示出了根据本公开一实施例的坡度路段的示意图;
图7示意性示出了根据本公开一实施例的车道线缺失路段的示意图;
图8示意性示出了根据本公开一实施例的交叉路段的示意图;
图9示意性示出了根据本公开一实施例的道路类型识别装置的框图;
图10示意性示出了根据本公开实施例的用于执行道路类型识别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。
在此使用的术语仅仅是为了描述具体实施例,而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在,但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。
在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义,除非另外定义。应注意,这里使用的术语应解释为具有与本说明书的上下文相一致的含义,而不应以理想化或过于刻板的方式来解释。
在使用类似于“A、B和C等中至少一个”这样的表述的情况下,一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如,“具有A、B和C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。
本公开的实施例提供了一种道路类型识别方法。道路类型识别方法包括:根据待识别路段的路段标识,确定与待识别路段匹配的目标地图数据,基于目标地图数据,确定待识别路段的路段配置参数,根据路段配置参数,确定与待识别路段关联的基于预设场景分析项的风险指标特征,以及根据风险指标特征,确定针对待识别路段的类型识别结果。
图1示意性示出了根据本公开一实施例的道路类型识别方法和装置的系统架构。需要注意的是,图1所示仅为可以应用本公开实施例的系统架构的示例,以帮助本领域技术人员理解本公开的技术内容,但并不意味着本公开实施例不可以用于其他设备、系统、环境或场景。
根据该实施例的系统架构100可以包括请求终端101、网络102和服务器103。网络102用于在请求终端101和服务器103之间提供通信链路的介质。网络102可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。服务器103可以是独立的物理服务器,也可以是多个物理服务器构成的服务器集群或分布式系统,还可以是提供云服务、云计算、网络服务、中间件服务等基础云计算服务的云服务器。
请求终端101通过网络102与服务器103进行交互,以接收或发送数据等。请求终端101例如用于向服务器103发起道路类型识别请求,请求终端101例如还用于向服务器103发送待识别路段的路段标识。
服务器103可以是提供各种服务的服务器,例如可以是根据由请求终端101发送的道路类型识别请求进行道路类型识别处理的后台处理服务器(仅为示例)。
例如,服务器103响应于自请求终端101获取的道路类型识别请求,根据待识别路段的路段标识,确定与待识别路段匹配的目标地图数据,基于目标地图数据,确定待识别路段的路段配置参数,根据路段配置参数,确定与待识别路段关联的基于预设场景分析项的风险指标特征,以及根据风险指标特征,确定针对待识别路段的类型识别结果,并将类型识别结果返回请求终端101。
需要说明的是,本公开实施例所提供的道路类型识别方法可以由服务器103执行。相应地,本公开实施例所提供的道路类型识别装置可以设置于服务器103中。本公开实施例所提供的道路类型识别方法也可以由不同于服务器103且能够与请求终端101和/或服务器103通信的服务器或服务器集群执行。相应地,本公开实施例所提供的道路类型识别装置也可以设置于不同于服务器103且能够与请求终端101和/或服务器103通信的服务器或服务器集群中。
应该理解,图1中的请求终端、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的请求终端、网络和服务器。
本公开实施例提供了一种道路类型识别方法,下面结合图1的系统架构,参考图2~图8来描述根据本公开示例性实施方式的道路类型识别方法。
图2示意性示出了根据本公开一实施例的道路类型识别方法的流程图。
如图2所示,本公开实施例的道路类型识别方法200例如可以包括操作S210~操作S240。
在操作S210,根据待识别路段的路段标识,确定与待识别路段匹配的目标地图数据。
在操作S220,基于目标地图数据,确定待识别路段的路段配置参数。
在操作S230,根据路段配置参数,确定与待识别路段关联的基于预设场景分析项的风险指标特征。
在操作S240,根据风险指标特征,确定针对待识别路段的类型识别结果。
可以有效改善道路类型识别的自动化程度,能够有效提升道路类型识别效率,以及有效降低道路类型识别对人工辅助操作的依赖性,有利于降低道路类型识别的人力成本消耗。
下面示例说明本实施例的道路类型识别方法的各操作的示例流程。
示例性地,根据待识别路段的路段标识,确定与待识别路段匹配的目标地图数据。路段标识例如可以包括路段名称、路段编号、路段位置等信息,路段位置例如由路段经纬度坐标指示。与待识别路段匹配的目标地图数据例如可以是高精度地图数据。
高精度地图数据可以包括两个地图层级,例如包括静态高精度地图层级和动态高精度地图层级。静态高精度地图层级为底部地图层级,可以提供包括语义信息的车道模型、道路部件、道路属性等矢量信息,此外,还可以包括用于多传感器定位的特征图层。
动态高精度地图层级建立于静态高精度地图层级的基础之上,可用于提供实时交通动态信息,例如可以提供交通参与者的实时动态信息(如道路拥堵情况、道路施工情况、是否发生交通事故、交通管制情况、天气情况等),也可以提供交通参与物的实时动态信息(如红绿灯状态、人行横道状态等)
基于目标地图数据,确定待识别路段的路段配置参数。例如可以基于高精度地图数据,确定待识别路段的路段配置参数,路段配置参数例如可以包括路段车道数、路段长度参数、路段宽度参数、路段通行方向、路段曲率参数、路段高程参数、车道限速值、路段开口数量、路段通行主体等参数。
根据路段配置参数,确定与待识别路段关联的基于预设场景分析项的风险指标特征。场景分析项可以包括基于预设路段类型场景的分析项,路段类型场景例如可以包括交汇路段场景、分支路段场景、弯道路段场景、坡道路段场景、超宽路段场景、交叉路口场景等。
根据风险指标特征,确定针对待识别路段的类型识别结果,类型识别结果例如可以指示待识别路段是否构成隐患路段。一种示例方式,在类型识别结果指示待识别路段为隐患路段的情况下,可以获取车辆的实时位置信息,以及响应于确定车辆待驶入目标隐患路段,发送针对目标隐患路段的安全预警提示。
示例性地,在类型识别结果指示待识别路段构成隐患路段的情况下,可以基于风险指标特征,建立路段隐患信息数据库,生成隐患路段排查报告和隐患整改任务清单,以及生成路段隐患整改建议。
可以有效降低道路类型识别对人工辅助操作的依赖性,有利于提升道路类型识别效率,以及有效降低道路类型识别成本,能够有效改善隐患路边识别的时效性,能够有效保证道路交通安全,有利于为驾驶辅助技术提供可信的数据支持。
图3示意性示出了根据本公开一实施例的交汇路段的示意图。
一种示例方式,在待识别路段包括目标路段和与目标路段关联的交汇路段的情况下,基于目标地图数据,确定目标路段的第一车道数和交汇路段的第二车道数,以作为路段配置参数。确定第一车道数与第二车道数之间的车道数差量,以作为风险指标特征。基于车道数差量,确定针对待识别路段的类型识别结果。
交汇路段包括驶入目标路段的汇入路段和/或驶出目标路段的分流路段。在待识别路段包括目标路段和驶入目标路段的汇入路段的情况下,确定目标路段的第一车道数和各汇入路段的第二车道数。确定第一车道数与各汇入路段的第二车道数总和之间的车道数差量,以作为风险指标特征。根据车道数差量是否符合预设车道数差量条件,得到针对待识别路段的类型识别结果。
在待识别路段包括目标路段和驶出目标路段的分流路段的情况下,确定目标路段的第一车道数和各分流路段的第二车道数。确定第一车道数与各分流路段的第二车道数总和之间的车道数差量,以作为风险指标特征。根据车道数差量是否符合预设车道数差量条件,得到针对待识别路段的类型识别结果。
如图3A所示,待识别路段包括目标路段A和驶出目标路段A的分流路段B、C。确定目标路段A的第一车道数和分流路段B、C的第二车道数,确定目标路段A的第一车道数与分流路段B、C的第二车道数总和之间的车道数差量,以作为风险指标特征。根据车道数差量是否符合预设车道数差量条件,得到针对待识别路段的类型识别结果。车道数差量条件例如可以是车道数差量大于等于-1。
如图3B所示,待识别路段包括目标路段A和驶入目标路段A的汇入路段D、E。确定目标路段A的第一车道数和汇入路段D、E的第二车道数,确定目标路段A的第一车道数与汇入路段D、E的第二车道数总和之间的车道数差量,以作为风险指标特征。根据车道数差量是否符合预设车道数差量条件,得到针对待识别路段的类型识别结果。车道数差量条件例如可以是车道数差量大于等于-1。
能够有效提升交汇路段隐患识别的自动化水平,可以有效提升隐患路段排查效率,以及有效减少隐患路段排查的人力成本消耗,有利于为交通事故预防提供可信的数据支持。
图4示意性示出了根据本公开一实施例的分支路段的示意图。
一种示例方式,在待识别路段包括目标路段和与目标路段存在接续关系的分支路段的情况下,基于目标地图数据,确定目标路段与分支路段之间的通行方向夹角,以作为路段配置参数。在通行方向夹角小于预设夹角阈值的情况下,确定目标路段与分支路段之间的安全视距特征,以作为风险指标特征。
示例性地,基于高精度地图数据,根据目标路段与分支路段的交通流方向,确定目标路段与分支路段之间的通行方向夹角。在通行方向夹角小于预设夹角阈值的情况下,根据目标路段与分支路段之间的挂接路口,确定目标路段中待驶入挂接路口的第一预设位置的第一安全视距特征,第一安全视距特征指示了是否可以基于第一预设位置确定分支路段中的目标子路段的交通流参数,目标子路段例如可以是分支路段中距离挂接路口预设范围内的子路段。
在第一安全视距特征指示无法基于第一预设位置确定目标子路段的交通流参数的情况下,确定目标路段中待驶入挂接路口的第二预设位置的第二安全视距特征,第二安全视距特征指示了是否可以基于第二预设位置获取挂接路口的路口属性参数。路口属性参数例如可以包括挂接路口标识、路口通行方向、路口限速参数、路口通行主体等信息。
如图4所示,待识别路段包括目标路段4A和与目标路段4A存在接续关系的分支路段4B,α为目标路段4A与分支路段4B之间的通行方向夹角。在通行方向夹角小于预设夹角阈值的情况下,根据目标路段4A与分支路段4B之间的挂接路口,确定目标路段4A中待驶入挂接路口的第一预设位置M的第一安全视距特征,第一安全视距特征指示了是否可以基于第一预设位置M确定分支路段4B中的目标子路段的交通流参数,目标子路段例如可以包括路段位置O、路段位置P之间的分支子路段。
可以有效提升交叉路段隐患识别的智能化程度,能够有效提升隐患路段排查效率,以及有效改善隐患路段排查的时效性,有利于为保证道路交通安全。
图5示意性示出了根据本公开一实施例的弯道路段的示意图。
一种示例方式,基于目标地图数据,确定待识别路段的曲率参数和限速参数,以作为路段配置参数。在曲率参数和限速参数指示待识别路段符合预设弯道预警条件的情况下,确定待识别路段中的弯道起始点,确定针对弯道起始点的弯道预警特征,以作为风险指标特征。
示例性地,基于高精度地图数据,确定待识别路段的曲率参数和限速参数,曲率参数可以指示待识别路段的弯道半径。在弯道半径和限速参数指示待识别路段符合预设弯道预警条件的情况下,确定待识别路段中的弯道起始点的弯道预警特征。例如,在弯道半径和限速参数指示待识别路段为急弯路段的情况下,确定急弯路段的弯道起始点的弯道预警特征。
例如,在限速数值为120km/h,弯道半径小于1000m的情况下,确定待识别路段构成急弯路段。或者,在限速数值为40km/h,弯道半径小于100m的情况下,确定待识别路段构成急弯路段。如图5所示,R表示急弯路段的弯道半径。
基于高精度地图数据,确定针对弯道起始点的弯道预警特征。弯道预警特征指示了是否可以在距离弯道起始点预设范围内的位置处获取弯道路段的弯道参数信息,弯道参数信息例如可以包括弯道路段标识、弯道限速参数、弯道通行行为、弯道通行主体等信息。例如可以通过设置于预设位置处的弯道视距设备,获取弯道参数信息,弯道视距设备例如可以包括急弯标志、凸面镜、急弯警示桩等设备。
根据针对弯道起始点的弯道预警特征,确定待识别路段的类型识别结果,类型识别结果可以指示待识别路段是否构成隐患路段。此外,还可以基于高精度地图数据,确定在距离弯道起始点预设范围内的位置处是否设置有弯道防护设施,弯道防护设施例如可以包括物理防护栏、禁止超车标志、减速丘等设施。结合预设位置是否设置有弯道防护设施,确定待识别路段的类型识别结果。
可以有效提升弯道路段隐患识别的识别效率,基于隐患识别结果,可以为隐患排查工作提供有力的数据支持,能够有效保证车辆安全行驶,以及有效提升道路交通安全水平。
图6示意性示出了根据本公开一实施例的坡度路段的示意图。
一种示例方式,基于目标地图数据,确定待识别路段的高程参数和路段长度参数,以作为路段配置参数。在高程参数和路段长度参数指示待识别路段符合预设坡度预警条件的情况下,确定待识别路段的限速特征和坡度预警特征,以作为风险指标特征。根据限速特征和坡度预警特征,确定待识别路段的类型识别结果。
示例性地,基于高精度地图数据,确定待识别路段的高程参数和路段长度参数。根据高程参数和路段长度参数,确定待识别路段的坡度值。如图6所示,坡度值i%(A,B)=H/L*100%,H表示A、B两点之间的高程差,L表示A、B两点之间的路段长度。
在待识别路段的坡度值符合预设坡度预警条件的情况下,确定待识别路段的限速特征和坡度预警特征,以作为风险指标特征。例如,在坡度值指示待识别路段为陡坡路段的情况下,确定陡坡路段的限速特征和坡度预警特征。
例如,基于高精度地图数据,确定针对陡坡路段的坡度预警特征。坡度预警特征指示了是否可以在距离坡道起始点预设范围内的位置处获取坡道路段的坡道参数信息,坡道参数信息例如可以包括坡道路段标识、坡道限速参数、坡道通行行为、坡道通行主体等信息。
根据限速特征和坡度预警特征,确定待识别路段的类型识别结果。此外,还可以基于高精度地图数据,确定在距离坡道起始点预设范围内的位置处是否设置有坡道防护设施,坡道防护设施例如可以包括中央隔离带、物理防护栏、禁止超车标志、减速振动线、减速丘等设施。结合预设位置是否设置有坡道防护设施,确定待识别路段的类型识别结果。
基于高精度地图数据,对坡度路段进行安全隐患识别,可以有效提升路段隐患识别的自动化水平,能够有效提升路段隐患识别的识别效率,以及有效减少路段隐患识别的人力成本消耗。
图7示意性示出了根据本公开一实施例的车道线缺失路段的示意图。
一种示例方式,还可以基于高精度地图数据,确定待识别路段中车道线缺失的目标路段区域。沿路段交通流方向,确定目标路段区域两端的车道数差量,以作为风险指标特征。根据目标路段区域两端的车道数差量,确定待识别路段的类型识别结果。例如,在车道数差量指示目标路段区域两端的车道数不一致的情况下,确定目标路段区域为车道数发生变化的过渡区域,待识别路段不构成隐患路段。
如图7所示,待识别路段包括车道线缺失的目标路段区域G,确定目标路段区域G两端的路段7A与路段7B之间的车道数差量,以作为风险指标特征。在车道数差量指示路段7A与路段7B的车道数不一致的情况下,确定目标路段区域G为车道数发生变化的过渡区域,待识别路段不构成隐患路段。
一种示例方式,基于目标地图数据,确定待识别路段的路段宽度参数,以作为路段配置参数。在路段宽度参数符合预设宽度预警条件的情况下,确定待识别路段的车道线属性特征,以作为风险指标特征。
示例性地,基于高精度地图数据,确定待识别路段的路段宽度参数,在路段宽度参数符合预设宽度预警条件的情况下,确定待识别路段为超宽路段。例如,在路段宽度大于5m的情况下,确定待识别路段为超宽路段。
基于高精度地图数据,确定超宽路段的车道线属性特征,以及根据车道线属性特征,确定超宽路段的类型识别结果,类型识别结可以指示超宽路段是否构成隐患路段。车道线属性特征例如车道线数量、车道线类型和车道线可视化评估值。例如,在路段宽度大于5m、车道线数量小于路段宽度/2.5m取整数的情况下,确定超宽路段构成隐患路段。
图8示意性示出了根据本公开一实施例的交叉路段的示意图。
一种示例方式,在待识别路段包括交叉路口的情况下,基于目标地图数据,确定交叉路口所连接路段的路段车道数和车道限速值,以作为路段配置参数。根据路段车道数和车道限速值,确定交叉路口所连接路段的最大位阶差,以作为风险指标特征。
示例性地,基于高精度地图数据,确定交叉路口所连接各路段的路段车道数和车道限速值,根据路段车道数和车道限速值,确定各路段的路段位阶。根据路段位阶,确定交叉路口所连接路段的最大位阶差,以作为风险指标特征。根据最大位阶差,确定待识别路段的类型识别结果。例如,在最大位阶差大于预设阈值的情况下,确定待识别路段构成隐患路段,对应交叉路口构成隐患交叉路口。
如图8所示,待识别路段包括交叉路口,确定交叉路口所连接路段8A、路段8B的路段车道数和车道限速值。根据路段8A、路段8B的路段车道数和车道限速值,确定交叉路口所连接路段的最大位阶差。根据最大位阶差,确定待识别路段的类型识别结果。
路段位阶可以指示对应路段的通行能力,可以根据对应路段的路段车道数和车道限速值,确定路段位阶。示例性地,包括双向6车道及以上的城市快速路的路段位阶为1,包括双向4车道的城市快速路的路段位阶为2,包括双向6车道的城市道路的路段位阶为4,包括单向1车道的城市快速路辅路的路段位阶为6。
在最大位阶差大于预设阈值的情况下,确定对应交叉路口可能是由不合理的宽路段和窄路段构成的交叉路口,窄路段中的通行主体容易被宽路段中的通行主体碰撞,对应交叉路口构成隐患交叉路口。
一种示例方式,在类型识别结果指示待识别路段为隐患路段的情况下,获取与待识别路段关联的交通统计数据。基于交通统计数据,确定待识别路段的事故频次特征。根据事故频次特征,确定待识别路段的隐患风险等级。
与待识别路段关联的交通统计数据例如可以包括车辆轨迹大数据和交管大数据。根据交通统计数据,确定待识别路段的事故频次特征。根据由事故频次特征指示的与待识别路段关联的事故数量和事故频率,确定待识别路段的隐患风险等级。
基于高精度地图数据,对交叉路口进行安全隐患识别,可以有效提升路段隐患识别的自动化水平,有效降低路段隐患识别对人工辅助操作的依赖性,能够有效提升路段隐患识别的识别效率。
图9示意性示出了根据本公开一实施例的道路类型识别装置的框图。
如图9所示,本公开实施例的道路类型识别装置900例如包括目标地图数据确定模块910、路段配置参数确定模块920、风险指标特征确定模块930和道路类型识别模块940。
目标地图数据确定模块910,用于根据待识别路段的路段标识,确定与待识别路段匹配的目标地图数据;路段配置参数确定模块920,用于基于目标地图数据,确定待识别路段的路段配置参数;风险指标特征确定模块930,用于根据路段配置参数,确定与待识别路段关联的基于预设场景分析项的风险指标特征;以及道路类型识别模块940,用于根据风险指标特征,确定针对待识别路段的类型识别结果。
可以有效改善道路类型识别的自动化程度,能够有效提升道路类型识别效率,以及有效降低道路类型识别对人工辅助操作的依赖性,有利于降低道路类型识别的人力成本消耗。
根据本公开的实施例,路段配置参数确定模块包括:车道数确定子模块,用于在待识别路段包括目标路段和与目标路段关联的交汇路段的情况下,基于目标地图数据,确定目标路段的第一车道数和交汇路段的第二车道数,以作为路段配置参数;以及风险指标特征确定模块包括:车道数差量确定子模块,用于确定第一车道数与第二车道数之间的车道数差量,以作为风险指标特征,交汇路段包括驶入目标路段的汇入路段和/或驶出目标路段的分流路段。
根据本公开的实施例,路段配置参数确定模块包括:通行方向夹角确定子模块,用于在待识别路段包括目标路段和与目标路段存在接续关系的分支路段的情况下,基于目标地图数据,确定目标路段与分支路段之间的通行方向夹角,以作为路段配置参数;以及风险指标特征确定模块包括:安全视距特征确定子模块,用于在通行方向夹角小于预设夹角阈值的情况下,确定目标路段与分支路段之间的安全视距特征,以作为风险指标特征。
根据本公开的实施例,路段配置参数确定模块包括:弯道参数确定子模块,用于基于目标地图数据,确定待识别路段的曲率参数和限速参数,以作为路段配置参数;以及风险指标特征确定模块包括:弯道起始点确定子模块,用于在曲率参数和限速参数指示待识别路段符合预设弯道预警条件的情况下,确定待识别路段中的弯道起始点;弯道预警特征确定子模块,用于确定针对弯道起始点的弯道预警特征,以作为风险指标特征。
根据本公开的实施例,路段配置参数确定模块包括:坡度参数确定子模块,用于基于目标地图数据,确定待识别路段的高程参数和路段长度参数,以作为路段配置参数;以及风险指标特征确定模块包括:坡度预警特征确定子模块,用于在高程参数和路段长度参数指示待识别路段符合预设坡度预警条件的情况下,确定待识别路段的限速特征和坡度预警特征,以作为风险指标特征。
根据本公开的实施例,路段配置参数确定模块包括:路段宽度参数确定子模块,用于基于目标地图数据,确定待识别路段的路段宽度参数,以作为路段配置参数;以及风险指标特征确定模块包括:车道线属性特征确定子模块,用于在路段宽度参数符合预设宽度预警条件的情况下,确定待识别路段的车道线属性特征,以作为风险指标特征。
根据本公开的实施例,路段配置参数确定模块包括:交叉路口车道参数确定子模块,用于在待识别路段包括交叉路口的情况下,基于目标地图数据,确定交叉路口所连接路段的路段车道数和车道限速值,以作为路段配置参数;以及风险指标特征确定模块包括:最大位阶差确定子模块,用于根据路段车道数和车道限速值,确定交叉路口所连接路段的最大位阶差,以作为风险指标特征。
根据本公开的实施例,该装置还包括隐患风险级别确定模块,用于:在类型识别结果指示待识别路段为隐患路段的情况下,获取与待识别路段关联的交通统计数据;基于交通统计数据,确定待识别路段的事故频次特征;以及根据事故频次特征,确定待识别路段的隐患风险级别。
应该注意的是,本公开的技术方案中,所涉及的信息收集、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,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。
根据本公开的实施例,还提供了一种云控平台,云控平台例如包括上述的电子设备。电子设备包括至少一个处理器和与至少一个处理器通信连接的存储器。存储器存储有可被至少一个处理器执行的指令,以使至少一个处理器能够执行上述的道路类型识别方法。
图10示意性示出了根据本公开实施例的用于执行道路类型识别方法的电子设备的框图。
图10示出了可以用来实施本公开实施例的示例电子设备1000的示意性框图。电子设备1000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,例如道路类型识别方法。例如,在一些实施例中,道路类型识别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ROM1002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RAM1003并由计算单元1001执行时,可以执行上文描述的道路类型识别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)而被配置为执行道路类型识别方法。
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、现场可编程门阵列(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。
为了提供与对象的交互,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:用于向对象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),对象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对象的交互;例如,提供给对象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)来接收来自对象的输入。
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,具有图形对象界面或者网络浏览器的对象计算机,对象可以通过该图形对象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 (19)
1.一种道路类型识别方法,包括:
根据待识别路段的路段标识,确定与所述待识别路段匹配的目标地图数据;
基于所述目标地图数据,确定所述待识别路段的路段配置参数,所述路段配置参数包括以下中的至少一个:路段车道数、路段长度参数、路段宽度参数、路段通行方向、路段曲率参数、路段高程参数、车道限速值;
根据所述路段配置参数,确定与所述待识别路段关联的基于预设场景分析项的风险指标特征;以及
根据所述风险指标特征,确定针对所述待识别路段的类型识别结果,所述类型识别结果指示了所述待识别路段是否为隐患路段。
2.根据权利要求1所述的方法,其中,所述基于所述目标地图数据,确定所述待识别路段的路段配置参数,包括:
在所述待识别路段包括目标路段和与所述目标路段关联的交汇路段的情况下,基于所述目标地图数据,确定所述目标路段的第一车道数和所述交汇路段的第二车道数,以作为所述路段配置参数;以及
所述根据所述路段配置参数,确定与所述待识别路段关联的基于预设场景分析项的风险指标特征,包括:
确定所述第一车道数与所述第二车道数之间的车道数差量,以作为所述风险指标特征,
其中,所述交汇路段包括驶入所述目标路段的汇入路段和/或驶出所述目标路段的分流路段。
3.根据权利要求1所述的方法,其中,所述基于所述目标地图数据,确定所述待识别路段的路段配置参数,包括:
在所述待识别路段包括目标路段和与所述目标路段存在接续关系的分支路段的情况下,基于所述目标地图数据,确定所述目标路段与所述分支路段之间的通行方向夹角,以作为所述路段配置参数;以及
所述根据所述路段配置参数,确定与所述待识别路段关联的基于预设场景分析项的风险指标特征,包括:
在所述通行方向夹角小于预设夹角阈值的情况下,确定所述目标路段与所述分支路段之间的安全视距特征,以作为所述风险指标特征。
4.根据权利要求1所述的方法,其中,所述基于所述目标地图数据,确定所述待识别路段的路段配置参数,包括:
基于所述目标地图数据,确定所述待识别路段的曲率参数和限速参数,以作为所述路段配置参数;以及
所述根据所述路段配置参数,确定与所述待识别路段关联的基于预设场景分析项的风险指标特征,包括:
在所述曲率参数和所述限速参数指示所述待识别路段符合预设弯道预警条件的情况下,确定所述待识别路段中的弯道起始点;
确定针对所述弯道起始点的弯道预警特征,以作为所述风险指标特征。
5.根据权利要求1所述的方法,其中,所述基于所述目标地图数据,确定所述待识别路段的路段配置参数,包括:
基于所述目标地图数据,确定所述待识别路段的高程参数和路段长度参数,以作为所述路段配置参数;以及
所述根据所述路段配置参数,确定与所述待识别路段关联的基于预设场景分析项的风险指标特征,包括:
在所述高程参数和所述路段长度参数指示所述待识别路段符合预设坡度预警条件的情况下,确定所述待识别路段的限速特征和坡度预警特征,以作为所述风险指标特征。
6.根据权利要求1所述的方法,其中,所述基于所述目标地图数据,确定所述待识别路段的路段配置参数,包括:
基于所述目标地图数据,确定所述待识别路段的路段宽度参数,以作为所述路段配置参数;以及
所述根据所述路段配置参数,确定与所述待识别路段关联的基于预设场景分析项的风险指标特征,包括:
在所述路段宽度参数符合预设宽度预警条件的情况下,确定所述待识别路段的车道线属性特征,以作为所述风险指标特征。
7.根据权利要求1所述的方法,其中,所述基于所述目标地图数据,确定所述待识别路段的路段配置参数,包括:
在所述待识别路段包括交叉路口的情况下,基于所述目标地图数据,确定所述交叉路口所连接路段的路段车道数和车道限速值,以作为所述路段配置参数;以及
所述根据所述路段配置参数,确定与所述待识别路段关联的基于预设场景分析项的风险指标特征,包括:
根据所述路段车道数和所述车道限速值,确定所述交叉路口所连接路段的最大位阶差,以作为所述风险指标特征。
8.根据权利要求1至7中任一项所述的方法,还包括:
在所述类型识别结果指示所述待识别路段为隐患路段的情况下,获取与所述待识别路段关联的交通统计数据;
基于所述交通统计数据,确定所述待识别路段的事故频次特征;以及
根据所述事故频次特征,确定所述待识别路段的隐患风险等级。
9.一种道路类型识别装置,包括:
目标地图数据确定模块,用于根据待识别路段的路段标识,确定与所述待识别路段匹配的目标地图数据;
路段配置参数确定模块,用于基于所述目标地图数据,确定所述待识别路段的路段配置参数,所述路段配置参数包括以下中的至少一个:路段车道数、路段长度参数、路段宽度参数、路段通行方向、路段曲率参数、路段高程参数、车道限速值;
风险指标特征确定模块,用于根据所述路段配置参数,确定与所述待识别路段关联的基于预设场景分析项的风险指标特征;以及
道路类型识别模块,用于根据所述风险指标特征,确定针对所述待识别路段的类型识别结果,所述类型识别结果指示了所述待识别路段是否为隐患路段。
10.根据权利要求9所述的装置,其中,所述路段配置参数确定模块包括:
车道数确定子模块,用于在所述待识别路段包括目标路段和与所述目标路段关联的交汇路段的情况下,基于所述目标地图数据,确定所述目标路段的第一车道数和所述交汇路段的第二车道数,以作为所述路段配置参数;以及
所述风险指标特征确定模块包括:
车道数差量确定子模块,用于确定所述第一车道数与所述第二车道数之间的车道数差量,以作为所述风险指标特征,
其中,所述交汇路段包括驶入所述目标路段的汇入路段和/或驶出所述目标路段的分流路段。
11.根据权利要求9所述的装置,其中,路段配置参数确定模块包括:
通行方向夹角确定子模块,用于在所述待识别路段包括目标路段和与所述目标路段存在接续关系的分支路段的情况下,基于所述目标地图数据,确定所述目标路段与所述分支路段之间的通行方向夹角,以作为所述路段配置参数;以及
所述风险指标特征确定模块包括:
安全视距特征确定子模块,用于在所述通行方向夹角小于预设夹角阈值的情况下,确定所述目标路段与所述分支路段之间的安全视距特征,以作为所述风险指标特征。
12.根据权利要求9所述的装置,其中,所述路段配置参数确定模块包括:
弯道参数确定子模块,用于基于所述目标地图数据,确定所述待识别路段的曲率参数和限速参数,以作为所述路段配置参数;以及
所述风险指标特征确定模块包括:
弯道起始点确定子模块,用于在所述曲率参数和所述限速参数指示所述待识别路段符合预设弯道预警条件的情况下,确定所述待识别路段中的弯道起始点;
弯道预警特征确定子模块,用于确定针对所述弯道起始点的弯道预警特征,以作为所述风险指标特征。
13.根据权利要求9所述的装置,其中,所述路段配置参数确定模块包括:
坡度参数确定子模块,用于基于所述目标地图数据,确定所述待识别路段的高程参数和路段长度参数,以作为所述路段配置参数;以及
所述风险指标特征确定模块包括:
坡度预警特征确定子模块,用于在所述高程参数和所述路段长度参数指示所述待识别路段符合预设坡度预警条件的情况下,确定所述待识别路段的限速特征和坡度预警特征,以作为所述风险指标特征。
14.根据权利要求9所述的装置,其中,所述路段配置参数确定模块包括:
路段宽度参数确定子模块,用于基于所述目标地图数据,确定所述待识别路段的路段宽度参数,以作为所述路段配置参数;以及
所述风险指标特征确定模块包括:
车道线属性特征确定子模块,用于在所述路段宽度参数符合预设宽度预警条件的情况下,确定所述待识别路段的车道线属性特征,以作为所述风险指标特征。
15.根据权利要求9所述的装置,其中,所述路段配置参数确定模块包括:
交叉路口车道参数确定子模块,用于在所述待识别路段包括交叉路口的情况下,基于所述目标地图数据,确定所述交叉路口所连接路段的路段车道数和车道限速值,以作为所述路段配置参数;以及
所述风险指标特征确定模块包括:
最大位阶差确定子模块,用于根据所述路段车道数和所述车道限速值,确定所述交叉路口所连接路段的最大位阶差,以作为所述风险指标特征。
16.根据权利要求9至15中任一项所述的装置,还包括隐患风险级别确定模块,用于:
在所述类型识别结果指示所述待识别路段为隐患路段的情况下,获取与所述待识别路段关联的交通统计数据;
基于所述交通统计数据,确定所述待识别路段的事故频次特征;以及
根据所述事故频次特征,确定所述待识别路段的隐患风险级别。
17.一种电子设备,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1~8中任一项所述的道路类型识别方法。
18.一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权利要求1~8中任一项所述的道路类型识别方法。
19.一种云控平台,包括根据权利要求17所述的电子设备,电子设备用于执行权利要求1~8中任一项所述的道路类型识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210807266.1A CN115171075B (zh) | 2022-07-07 | 2022-07-07 | 道路类型识别方法、装置及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210807266.1A CN115171075B (zh) | 2022-07-07 | 2022-07-07 | 道路类型识别方法、装置及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115171075A CN115171075A (zh) | 2022-10-11 |
CN115171075B true CN115171075B (zh) | 2023-09-26 |
Family
ID=83493320
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210807266.1A Active CN115171075B (zh) | 2022-07-07 | 2022-07-07 | 道路类型识别方法、装置及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115171075B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115982305B (zh) * | 2023-02-15 | 2023-06-20 | 航天宏图信息技术股份有限公司 | 电子地图中道路挂接的修正方法及装置 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108663065A (zh) * | 2017-03-27 | 2018-10-16 | 高德软件有限公司 | 一种道路类型的识别方法及装置 |
CN112101670A (zh) * | 2020-09-21 | 2020-12-18 | 北京嘀嘀无限科技发展有限公司 | 数据处理方法、装置、电子设备和可读存储介质 |
CN112650772A (zh) * | 2021-01-08 | 2021-04-13 | 腾讯科技(深圳)有限公司 | 数据处理方法、装置、存储介质及计算机设备 |
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 |
CN113095387A (zh) * | 2021-04-01 | 2021-07-09 | 武汉理工大学 | 基于联网车载adas的道路风险识别方法 |
CN113525363A (zh) * | 2020-04-21 | 2021-10-22 | 现代自动车株式会社 | 高级驾驶员辅助系统、具有该系统的车辆和控制车辆的方法 |
CN113724496A (zh) * | 2021-08-30 | 2021-11-30 | 北京安融畅信息技术有限公司 | 一种全场景道路交通安全隐患排查方法以及排查系统 |
-
2022
- 2022-07-07 CN CN202210807266.1A patent/CN115171075B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108663065A (zh) * | 2017-03-27 | 2018-10-16 | 高德软件有限公司 | 一种道路类型的识别方法及装置 |
CN113525363A (zh) * | 2020-04-21 | 2021-10-22 | 现代自动车株式会社 | 高级驾驶员辅助系统、具有该系统的车辆和控制车辆的方法 |
CN112101670A (zh) * | 2020-09-21 | 2020-12-18 | 北京嘀嘀无限科技发展有限公司 | 数据处理方法、装置、电子设备和可读存储介质 |
CN112650772A (zh) * | 2021-01-08 | 2021-04-13 | 腾讯科技(深圳)有限公司 | 数据处理方法、装置、存储介质及计算机设备 |
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 |
CN113095387A (zh) * | 2021-04-01 | 2021-07-09 | 武汉理工大学 | 基于联网车载adas的道路风险识别方法 |
CN113724496A (zh) * | 2021-08-30 | 2021-11-30 | 北京安融畅信息技术有限公司 | 一种全场景道路交通安全隐患排查方法以及排查系统 |
Also Published As
Publication number | Publication date |
---|---|
CN115171075A (zh) | 2022-10-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112634611B (zh) | 用于识别路况的方法、装置、设备以及存储介质 | |
US20230103687A1 (en) | Vehicle driving detection method and apparatus, vehicle driving warning method and apparatus, electronic device, and storage medium | |
CN113538915B (zh) | 交通拥堵事件的处理方法、设备、存储介质及程序产品 | |
CN115171075B (zh) | 道路类型识别方法、装置及设备 | |
US20230106421A1 (en) | Method For Navigating Vehicle And Electronic Device | |
EP4012344A2 (en) | Method and apparatus for generating route information, device, medium and product | |
CN114998863B (zh) | 目标道路识别方法、装置、电子设备以及存储介质 | |
CN115273477B (zh) | 路口驾驶建议推送方法、装置、系统和电子设备 | |
CN114582125B (zh) | 道路通行方向的识别的方法、装置、设备及存储介质 | |
CN114694401B (zh) | 在高精地图中提供参考车速的方法、装置和电子设备 | |
CN115114312B (zh) | 地图数据更新方法、装置及电子设备 | |
CN113850297B (zh) | 道路数据的监测方法、装置、电子设备及存储介质 | |
CN114720148B (zh) | 车辆感知能力的确定方法、装置、设备及存储介质 | |
CN113535876A (zh) | 处理地图数据的方法、装置、电子设备和介质 | |
CN114023095A (zh) | 一种交通限制识别方法、装置及电子设备 | |
CN115329024B (zh) | 一种地图数据更新方法、装置、电子设备及存储介质 | |
CN113947897B (zh) | 获取道路交通状况的方法、装置、设备及自动驾驶车辆 | |
CN112577497B (zh) | 道路匹配方法及装置、电子设备、存储介质、程序产品 | |
CN114413922B (zh) | 电子地图的导航方法、装置、设备、介质及产品 | |
CN112652185B (zh) | 一种道路限速标记方法、装置及电子设备 | |
CN114120651B (zh) | 用于测试感知目标数的方法、装置、设备、介质和产品 | |
CN117615363B (zh) | 基于信令数据分析目标车辆内人员的方法、装置、设备 | |
CN113656425B (zh) | 电子地图的更新方法、装置、电子设备、存储介质及产品 | |
CN114529768B (zh) | 确定对象类别的方法、装置、电子设备和存储介质 | |
CN117746663A (zh) | 交通信号确定方法、装置、电子设备、车辆和存储介质 |
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 |