CN115171371A - 一种协作式道路交叉口通行方法及装置 - Google Patents
一种协作式道路交叉口通行方法及装置 Download PDFInfo
- Publication number
- CN115171371A CN115171371A CN202210684180.4A CN202210684180A CN115171371A CN 115171371 A CN115171371 A CN 115171371A CN 202210684180 A CN202210684180 A CN 202210684180A CN 115171371 A CN115171371 A CN 115171371A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- intelligent networked
- information
- intelligent
- vehicles
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 65
- 238000001514 detection method Methods 0.000 claims description 77
- 230000008447 perception Effects 0.000 claims description 74
- 238000012545 processing Methods 0.000 claims description 27
- 238000006243 chemical reaction Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 12
- 238000005520 cutting process Methods 0.000 claims description 6
- 238000010586 diagram Methods 0.000 description 26
- 238000004891 communication Methods 0.000 description 21
- 230000008569 process Effects 0.000 description 17
- 238000004422 calculation algorithm Methods 0.000 description 15
- 230000006855 networking Effects 0.000 description 11
- 230000006870 function Effects 0.000 description 9
- 230000001133 acceleration Effects 0.000 description 8
- 238000003860 storage Methods 0.000 description 8
- 238000011065 in-situ storage Methods 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 6
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 238000012549 training Methods 0.000 description 5
- 230000003993 interaction Effects 0.000 description 4
- 238000013507 mapping Methods 0.000 description 4
- 239000003086 colorant Substances 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000012015 optical character recognition Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 101100182248 Caenorhabditis elegans lat-2 gene Proteins 0.000 description 1
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000002592 echocardiography Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000004886 process control Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Classifications
-
- 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
- G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
- G08G1/0116—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from roadside infrastructure, e.g. beacons
-
- 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
- G08G1/0145—Measuring and analyzing of parameters relative to traffic conditions for specific applications for active traffic flow control
Abstract
本申请提供了一种协作式道路交叉口通行方法及装置，该方法包括通过在无信控道路交叉口设置的各路侧感知设备，获取位于各车辆感知区域内的m个车辆的第一行驶信息；并通过位于各车辆感知区域内的各智能网联车辆的车载感知设备，获取各智能网联车辆的第二行驶信息，以此可确定各非智能网联车辆的第一行驶状态信息、第一行驶意图信息以及各智能网联车辆的第二行驶状态信息、第二行驶意图信息，基于各第一行驶状态信息、各第一行驶意图信息、各第二行驶状态信息以及各第二行驶意图信息生成针对位于各智能网联车辆的通行调度信息，并通过通行调度信息，即可对各智能网联车辆进行更为精准地引导调度，如此可以有效地确保无信控道路交叉口的通行安全性。
Description
技术领域
本申请涉及车路协同技术领域，尤其涉及一种协作式道路交叉口通行方法及装置。
背景技术
随着社会经济的快速发展，汽车保有量逐年在增加，汽车的智能化、网联化已经成为当前汽车产业的发展趋势，与此同时，道路交通安全问题也日益突出。其中，道路交叉口作为道路与道路之间连接的节点，且由于道路交叉口具有多个交通流向，聚集的车辆也比较多，使得道路交叉口的交通状况比较复杂，所以道路交叉口，尤其是无信控道路交叉口(即没有信号灯的道路交叉口)，是道路安全问题需要重点关注的地方。
现阶段，针对无信控道路交叉口，某一车辆在无信控道路交叉口通行时，该车辆的驾驶员需要针对无信控道路交叉口的交通状况做出及时准确地判断，来确保车辆安全通过无信控道路交叉口。但是，这种方式主要依靠车载设备(比如车载雷达、车载摄像头等)以及车辆驾驶员的视觉、听觉来进行判断，无法及时准确地获取到无信控道路交叉口范围内各车辆的状态信息，因此会导致无信控道路交叉口的车辆通行效率低，甚至可能会引发一定程度的交通事故，从而使得车辆在无信控道路交叉口的通行安全性低。
综上，目前亟需一种协作式道路交叉口通行方法，用以有效地确保无信控道路交叉口的通行安全性。
发明内容
本申请示例性的实施方式中提供了一种协作式道路交叉口通行方法及装置，用以有效地确保无信控道路交叉口的通行安全性。
第一方面，本申请示例性的实施方式中提供了一种协作式道路交叉口通行方法，包括：
针对任一无信控道路交叉口，通过在所述无信控道路交叉口设置的各路侧感知设备，获取位于各车辆感知区域内的m个车辆的第一行驶信息；并通过位于所述各车辆感知区域内的各智能网联车辆的车载感知设备，获取所述各智能网联车辆的第二行驶信息；
基于所述m个车辆的第一行驶信息，确定所述m个车辆的第一行驶状态信息和第一行驶意图信息，并基于所述各智能网联车辆的第二行驶信息，确定所述各智能网联车辆的第二行驶状态信息和第二行驶意图信息；
确定所述m个车辆中各非智能网联车辆的第一行驶状态信息和第一行驶意图信息；
基于所述各非智能网联车辆的第一行驶状态信息、第一行驶意图信息以及所述各智能网联车辆的第二行驶状态信息、第二行驶意图信息，生成针对位于所述各车辆感知区域内的各智能网联车辆的通行调度信息；
通过所述通行调度信息，对所述各智能网联车辆进行调度。
上述技术方案中，为了给位于无信控道路交叉口处的各车辆感知区域内的各智能网联车辆提供更为精准的通行调度信息，以此实现引导位于无信控道路交叉口处的各车辆感知区域内的各智能网联车辆能够高效安全地通过无信控道路交叉口，需要对各车辆感知区域内的各智能网联车辆的行驶状态信息以及行驶意图信息进行及时准确地感知，同时需要对位于各车辆感知区域内的各非智能网联车辆的行驶状态信息以及行驶意图信息进行及时准确地感知，以便通过融合各智能网联车辆的行驶状态信息、行驶意图信息以及各非智能网联车辆的行驶状态信息、行驶意图信息，能够为更为精准地引导调度位于各车辆感知区域内的各智能网联车辆高效安全地通过无信控道路交叉口提供有效地支持。具体来说，针对任一无信控道路交叉口，通过在该无信控道路交叉口设置的各路侧感知设备，获取位于各车辆感知区域内的m个车辆的第一行驶信息，并通过位于各车辆感知区域内的各智能网联车辆的车载感知设备，获取各智能网联车辆的第二行驶状态信息、第二行驶意图信息，以及基于各智能网联车辆，即可准确地确定m个车辆中各非智能网联车辆的第一行驶状态信息、第一行驶意图信息，从而能够更为全面地获取位于无信控道路交叉口处的各车辆感知区域内的各车辆的行驶状态信息、行驶意图信息。再基于各非智能网联车辆的第一行驶状态信息、第一行驶意图信息以及各智能网联车辆的第二行驶状态信息、第二行驶意图信息，即可生成针对位于各车辆感知区域内的各智能网联车辆的通行调度信息，如此所生成的针对位于各车辆感知区域内的各智能网联车辆的通行调度信息能够更加贴合无信控道路交叉口的实际交通状况，也能更加符合无信控道路交叉口的高效安全通行要求。然后，通过通行调度信息，即可对位于各车辆感知区域内的各智能网联车辆进行更为精准地引导调度，如此可以有效地提高无信控道路交叉口的车辆通行效率，并可以有效地确保无信控道路交叉口的通行安全性。
在一些示例性的实施方式中，基于所述m个车辆的第一行驶信息，确定所述m个车辆的第一行驶状态信息和第一行驶意图信息，包括：
针对任一车辆感知区域，通过在所述无信控道路交叉口设置的针对所述车辆感知区域的视频图像采集设备，获取针对所述车辆感知区域的车辆感知区域图像，并对所述车辆感知区域图像进行识别，确定所述车辆感知区域图像中包括的至少一个车辆的第一行驶意图信息，从而确定位于各车辆感知区域内的m个车辆的第一行驶意图信息；
通过在所述无信控道路交叉口设置的针对所述车辆感知区域的雷达检测设备获取位于所述车辆感知区域内的至少一个车辆的行驶状态数据，并根据位于所述车辆感知区域内的至少一个车辆的行驶状态数据确定所述至少一个车辆的第一行驶状态信息，从而确定位于各车辆感知区域内的m个车辆的第一行驶状态信息。
上述技术方案中，针对位于无信控道路交叉口处的每个车辆感知区域，通过针对该车辆感知区域设置的视频图像采集设备，即可针对位于该车辆感知区域内所包含的全部目标进行拍摄，从而获得车辆感知区域图像，并针对车辆感知区域图像进行识别，即可准确地识别出车辆感知区域图像中所包含的至少一个车辆的行驶意图。同时，通过针对该车辆感知区域设置的雷达检测设备，即可针对位于该车辆感知区域内所包含的至少一个车辆进行检测，以此可获取位于该车辆感知区域内所包含的至少一个车辆的行驶状态数据，并针对位于该车辆感知区域内所包含的至少一个车辆的行驶状态数据进行处理，即可准确地确定位于该车辆感知区域内所包含的至少一个车辆的行驶状态信息(比如车辆速度、车辆加速度、车辆行驶方向、车辆航向角、车辆经纬度坐标等)。如此，该方案可以为后续识别非智能网联车辆的行驶状态信息、行驶意图信息提供有效地数据支持。
在一些示例性的实施方式中，对所述车辆感知区域图像进行识别，确定所述车辆感知区域图像中包括的至少一个车辆的第一行驶意图信息，包括：
对所述车辆感知区域图像进行目标检测，确定所述车辆感知区域图像中包括的至少一个车辆的图像中心位置坐标和图像区域大小；
针对所述至少一个车辆中的每个车辆，以所述车辆的图像中心位置坐标为截取基准点，根据所述车辆在所述车辆感知区域图像中的图像区域大小，从所述车辆感知区域图像中截取出所述车辆所在的图像区域；
对所述车辆所在的图像区域进行意图检测，确定所述车辆的第一行驶意图信息，从而确定所述至少一个车辆的第一行驶意图信息。
上述技术方案中，针对每个车辆感知区域所拍摄采集的车辆感知区域图像，通过针对车辆感知区域图像进行目标检测，即可检测出车辆感知区域图像所包括的至少一个车辆的车辆类型以及在车辆感知区域图像中的图像中心位置坐标、图像区域大小(即车辆在车辆感知区域图像中的像素长宽构成的区域大小)。再者，针对每个车辆，以车辆的图像中心位置坐标为截取基准点，即可根据该车辆在所在车辆感知区域图像中的图像区域大小，准确地从车辆感知区域图像中截取出该车辆所在的图像区域。然后，对该车辆所在的图像区域进行意图检测，即可准确地识别出该车辆的行驶意图，如此即可将车辆感知区域图像所包括的至少一个车辆的行驶意图都检测出来，以便为后续识别非智能网联车辆的行驶意图提供有效地数据支持。
在一些示例性的实施方式中，对所述车辆感知区域图像进行识别，确定所述车辆感知区域图像中包括的至少一个车辆的第一行驶意图信息，包括：
对所述车辆感知区域图像进行意图检测，确定所述车辆感知区域图像中包括的至少一个车辆的行驶意图信息和图像中心位置坐标，从而确定所述至少一个车辆的第一行驶意图信息。
上述技术方案中，针对每个车辆感知区域所拍摄采集的车辆感知区域图像，可以通过针对车辆感知区域图像进行意图检测，即可准确地识别出车辆感知区域图像中包括的至少一个车辆的行驶意图信息和图像中心位置坐标，以便为后续识别非智能网联车辆的行驶意图提供有效地数据支持。
在一些示例性的实施方式中，基于所述各智能网联车辆的第二行驶信息，确定所述各智能网联车辆的第二行驶状态信息和第二行驶意图信息，包括：
针对任一车辆感知区域，通过位于所述车辆感知区域内的每个智能网联车辆的车载感知设备，获取位于所述车辆感知区域内的该智能网联车辆的行驶状态数据和行驶意图数据；
根据位于所述车辆感知区域内的该智能网联车辆的行驶状态数据，确定该智能网联车辆的第二行驶状态信息，并根据位于所述车辆感知区域内的该智能网联车辆的行驶意图数据，确定该智能网联车辆的第二行驶意图信息，从而确定所述各智能网联车辆的第二行驶状态信息和第二行驶意图信息。
上述技术方案中，针对某一车辆感知区域，可以通过位于该车辆感知区域内的每个智能网联车辆的车载感知设备，即可及时准确地获取该智能网联车辆的行驶意图数据和行驶状态数据。然后，通过针对该智能网联车辆的行驶意图数据进行分析处理，即可得到该智能网联车辆的行驶意图，并通过针对该智能网联车辆的行驶状态数据进行处理，即可得到该智能网联车辆的行驶状态，如此可以为后续能够准确地确定针对各智能网联车辆的通行调度顺序提供有效地支持，从而可以为有效地确保无信控道路交叉口的通行安全性提供数据支持。
在一些示例性的实施方式中，确定所述m个车辆中各非智能网联车辆的第一行驶意图信息，包括：
针对任一车辆感知区域，通过位于所述车辆感知区域内的至少一个智能网联车辆的车载设备获取所述至少一个智能网联车辆的车牌号码，并通过对所述车辆感知区域的车辆感知区域图像进行车辆属性识别，确定所述车辆感知区域图像中包括的至少一个车辆的车牌号码；
针对所述至少一个车辆中任一车辆的车牌号码，若所述至少一个智能网联车辆的车牌号码中不存在有所述车辆的车牌号码，则确定所述车辆为非智能网联车辆；
根据所述非智能网联车辆在所述车辆感知区域图像中的图像中心位置坐标，从所述车辆感知区域图像中包括的至少一个车辆的第一行驶意图信息中确定所述非智能网联车辆的第一行驶意图信息，从而确定所述各非智能网联车辆的第一行驶意图信息；
确定所述m个车辆中各非智能网联车辆的第一行驶状态信息，包括：
针对位于所述车辆感知区域内的任一非智能网联车辆，按照雷达坐标体系与视频图像坐标体系的坐标转换规则，并基于所述非智能网联车辆在所述车辆感知区域图像中的图像中心位置坐标，确定所述非智能网联车辆在雷达坐标体系中的经纬度坐标；
根据所述非智能网联车辆在雷达坐标体系中的经纬度坐标，从位于所述车辆感知区域内的至少一个车辆的第一行驶状态信息中确定所述非智能网联车辆的第一行驶状态信息，从而确定所述各非智能网联车辆的第一行驶状态信息。
上述技术方案中，针对某一车辆感知区域，可以通过位于该车辆感知区域内的至少一个智能网联车辆的车载设备，即可及时准确地获取至少一个智能网联车辆的车牌号码、经纬度坐标、车辆类型、车辆颜色等信息，并通过针对该车辆感知区域的车辆感知区域图像进行车辆属性识别，即可识别出车辆感知区域图像中包括的至少一个车辆的车牌号码、车辆类型、车辆颜色等信息。针对至少一个车辆中任一车辆，若该车辆的车牌号码不存在于至少一个智能网联车辆的车牌号码中，即可确定该车辆为非智能网联车辆，如此通过该非智能网联车辆在车辆感知区域图像中的图像中心位置坐标，即可准确地从位于该车辆感知区域内的至少一个车辆的第一行驶意图信息中确定该非智能网联车辆的第一行驶意图信息。同时，针对该车辆感知区域内的任一非智能网联车辆，按照雷达坐标体系与视频图像坐标体系的坐标转换规则，基于该非智能网联车辆在车辆感知区域图像中的中心位置坐标，即可确定该非智能网联车辆在雷达坐标体系中的经纬度坐标，并根据该非智能网联车辆的经纬度坐标，即可准确地从位于该车辆感知区域内的至少一个车辆的第一行驶状态信息中确定该非智能网联车辆的第一行驶状态信息。如此，该方案可以准确地得到各非智能网联车辆的第一行驶状态信息、第一行驶意图信息，从而可以为后续更为准确地确定针对各智能网联车辆的通行调度信息提供有效地数据支持。
在一些示例性的实施方式中，确定所述m个车辆中各非智能网联车辆的第一行驶状态信息，包括：
针对任一车辆感知区域，通过位于所述车辆感知区域内的至少一个智能网联车辆的车载感知设备获取所述至少一个智能网联车辆的经纬度坐标；
确定在所述无信控道路交叉口设置的针对所述车辆感知区域的雷达检测设备的经纬度坐标，并通过所述雷达检测设备获取位于所述车辆感知区域内的至少一个车辆分别与所述雷达检测设备的相对距离；
根据所述雷达检测设备的经纬度坐标以及所述至少一个车辆分别与所述雷达检测设备的相对距离，确定所述至少一个车辆的经纬度坐标；
针对所述至少一个车辆中每个车辆的经纬度坐标，若所述车辆的经纬度坐标与所述至少一个智能网联车辆的经纬度坐标的差值均不满足设定阈值，则确定所述车辆为非智能网联车辆，并根据所述非智能网联车辆的经纬度坐标，从所述至少一个车辆的第一行驶状态信息中确定所述非智能网联车辆的第一行驶状态信息，从而确定所述各非智能网联车辆的第一行驶状态信息；
确定所述m个车辆中各非智能网联车辆的第一行驶意图信息，包括：
针对位于所述车辆感知区域内的任一非智能网联车辆，按照雷达坐标体系与视频图像坐标体系的坐标转换规则，并基于所述非智能网联车辆在雷达坐标体系中的经纬度坐标，确定所述非智能网联车辆在视频图像坐标体系的图像中心位置坐标；
根据所述非智能网联车辆在视频图像坐标体系的图像中心位置坐标，从位于所述车辆感知区域内的至少一个车辆的第一行驶意图信息中确定所述非智能网联车辆的第一行驶意图信息，从而确定位于所述各车辆感知区域内的各非智能网联车辆的第一行驶意图信息。
上述技术方案中，针对某一车辆感知区域，可以通过位于该车辆感知区域内的至少一个智能网联车辆的车载感知设备，即可及时准确地获取至少一个智能网联车辆的车牌号码、经纬度坐标、车辆类型、车辆颜色等信息，并确定针对该车辆感知区域设置的雷达检测设备的经纬度坐标，通过该雷达检测设备即可获取位于该车辆感知区域内的至少一个车辆分别与该雷达检测设备之间的相对距离，从而可以计算出该至少一个车辆的经纬度坐标。再者，针对该至少一个车辆中每个车辆，计算该车辆的经纬度坐标分别与至少一个智能网联车辆的经纬度坐标之间的差值，若各差值均不满足设定阈值，则确定该车辆为非智能网联车辆，若存在一个智能网联车辆的经纬度坐标与该车辆的经纬度坐标之间的差值满足设定阈值，即可确定该车辆为智能网联车辆，如此，针对位于该车辆感知区域内的任一非智能网联车辆，可以根据该非智能网联车辆的经纬度坐标，即可准确地从位于该车辆感知区域内的至少一个车辆的第一行驶状态信息中确定该非智能网联车辆的第一行驶状态信息。同时，针对该车辆感知区域内的任一非智能网联车辆，按照雷达坐标体系与视频图像坐标体系的坐标转换规则，基于该非智能网联车辆在雷达坐标体系的经纬度坐标，即可确定该非智能网联车辆在车辆感知区域图像中的中心位置坐标，并根据该非智能网联车辆在车辆感知区域图像中的中心位置坐标，即可准确地从位于该车辆感知区域内的至少一个车辆的第一行驶意图信息中确定该非智能网联车辆的第一行驶意图信息。如此，该方案可以准确地得到各非智能网联车辆的第一行驶状态信息、第一行驶意图信息，从而可以为后续更为准确地确定针对各智能网联车辆的通行调度信息提供有效地数据支持。
在一些示例性的实施方式中，基于所述各非智能网联车辆的第一行驶状态信息、第一行驶意图信息以及所述各智能网联车辆的第二行驶状态信息、第二行驶意图信息，生成针对位于所述各车辆感知区域内的各智能网联车辆的通行调度信息，包括：
按照预设的车辆通行规则，基于所述各非智能网联车辆的第一行驶状态信息、第一行驶意图信息以及所述各智能网联车辆的第二行驶状态信息、第二行驶意图信息，生成针对位于所述各车辆感知区域内的各智能网联车辆和各非智能网联车辆在所述无信控道路交叉口的通行优先级；
根据所述各智能网联车辆和所述各非智能网联车辆在所述无信控道路交叉口的通行优先级，生成针对所述各智能网联车辆的通行调度指令；所述通行调度指令用于指示所述各智能网联车辆按照通行先后顺序依次通过所述无信控道路交叉口。
上述技术方案中，按照预设的车辆通行规则，即可通过基于各非智能网联车辆的第一行驶状态信息、第一行驶意图信息以及各智能网联车辆的第二行驶状态信息、第二行驶意图信息，准确地生成针对各非智能网联车辆以及各智能网联车辆的通行优先级。然后，通过各非智能网联车辆以及各智能网联车辆的通行优先级，即可更为准确地生成针对各智能网联车辆的通行调度指令，如此可以便于更为精准地引导各智能网联车辆按照通行先后顺序依次通过无信控道路交叉口，从而可以有效地提高无信控道路交叉口的车辆通行效率。
在一些示例性的实施方式中，在生成针对所述各智能网联车辆的通行调度指令之后，还包括：
若检测到至少一个非智能网联车辆分别在行驶通过各自所在车道的停止等待线，则向在所述无信控道路交叉口中通行的至少一个智能网联车辆发送提示信息，并向未在所述无信控道路交叉口中通行的其它智能网联车辆发送等待通行信息；所述提示信息中包括所述至少一个非智能网联车辆的第一行驶状态信息和第一行驶意图信息；所述提示信息用于提示所述至少一个智能网联车辆根据所述至少一个非智能网联车辆的第一行驶状态信息和第一行驶意图信息对所述至少一个非智能网联车辆注意减速避让；所述等待通行信息用于指示未在所述无信控道路交叉口中通行的其它智能网联车辆停留在所在车道以等待通行。
上述技术方案中，在引导各智能网联车辆按照通行先后顺序依次通过无信控道路交叉口的过程中，也会实时检测各非智能网联车辆的运动状态，如果检测到至少一个非智能网联车辆在行驶通过各自所在车道的停止等待线，则会向在无信控道路交叉口中通行的至少一个智能网联车辆发送提示信息，该提示信息中包括至少一个非智能网联车辆的行驶状态信息和行驶意图信息，以便提示在无信控道路交叉口中通行的至少一个智能网联车辆根据该至少一个非智能网联车辆的行驶状态信息和行驶意图信息进行注意减速避让该至少一个非智能网联车辆。同时，会向未在该无信控道路交叉口中通行的其它智能网联车辆发送等待通行信息，以便指示其它智能网联车辆在各自所在车道停留以等待通行。如此，该方案通过根据各非智能网联车辆的第一行驶状态信息、第一行驶意图信息以及各智能网联车辆的第二行驶状态信息、第二行驶意图信息，针对各智能网联车辆进行精准地引导，可以有效地提高无信控道路交叉口的车辆通行效率，并可以有效地确保无信控道路交叉口的通行安全性。
第二方面，本申请示例性的实施方式中提供了一种协作式道路交叉口通行装置，包括：
获取单元，用于针对任一无信控道路交叉口，通过在所述无信控道路交叉口设置的各路侧感知设备，获取位于各车辆感知区域内的m个车辆的第一行驶信息；并通过位于所述各车辆感知区域内的各智能网联车辆的车载感知设备，获取所述各智能网联车辆的第二行驶信息；
处理单元，用于基于所述m个车辆的第一行驶信息，确定所述m个车辆的第一行驶状态信息和第一行驶意图信息，并基于所述各智能网联车辆的第二行驶信息，确定所述各智能网联车辆的第二行驶状态信息和第二行驶意图信息；确定所述m个车辆中各非智能网联车辆的第一行驶状态信息和第一行驶意图信息；基于所述各非智能网联车辆的第一行驶状态信息、第一行驶意图信息以及所述各智能网联车辆的第二行驶状态信息、第二行驶意图信息，生成针对位于所述各车辆感知区域内的各智能网联车辆的通行调度信息；通过所述通行调度信息，对所述各智能网联车辆进行调度。
第三方面，本申请实施例提供一种计算设备，包括至少一个处理器以及至少一个存储器，其中，所述存储器存储有计算机程序，当所述程序被所述处理器执行时，使得所述处理器执行上述第一方面任意所述的协作式道路交叉口通行方法。
第四方面，本申请实施例提供一种计算机可读存储介质，其存储有可由计算设备执行的计算机程序，当所述程序在所述计算设备上运行时，使得所述计算设备执行上述第一方面任意所述的协作式道路交叉口通行方法。
附图说明
为了更清楚地说明本申请的技术方案，下面将对实施例描述中所需要使用的附图作简要介绍，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，对于本领域的普通技术人员来讲，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为本申请一些实施例提供的一种可能的系统架构示意图；
图2为本申请一些实施例提供的一种协作式道路交叉口通行方法的应用场景示意图；
图3为本申请一些实施例提供的一种路侧感知设备检测所在车辆感知区域的示意图；
图4为本申请一些实施例提供的一种协作式道路交叉口通行方法的流程示意图；
图5为本申请一些实施例提供的一种通过路侧感知设备采集车辆的运动属性数据、车辆感知区域图像的示意图；
图6为本申请一些实施例提供的一种智能网联车辆通过车载设备上报行驶状态数据、行驶意图数据的示意图；
图7为本申请一些实施例提供的一种识别车辆感知区域图像中包括的车辆的行驶意图的流程示意图；
图8为本申请一些实施例提供的一种检测车辆感知区域图像的示意图；
图9为本申请一些实施例提供的一种车辆感知区域内智能网联车辆的示意图；
图10为本申请一些实施例提供的一种判断智能网联车辆行驶意图的示意图；
图11为本申请一些实施例提供的一种判断非智能网联车辆行驶意图的示意图；
图12为本申请一些实施例提供的一种识别非智能网联车辆的流程示意图；
图13为本申请一些实施例提供的一种检测车辆感知区域的示意图；
图14为本申请一些实施例提供的另一种识别非智能网联车辆的流程示意图；
图15为本申请一些实施例提供的一种识别非智能网联车辆的场景示意图；
图16为本申请一些实施例提供的一种在无信控道路交叉口中行驶的智能网联车辆有右转行驶意图的示意图；
图17为本申请一些实施例提供的一种在无信控道路交叉口中行驶的智能网联车辆有直行行驶意图的示意图；
图18为本申请一些实施例提供的一种在无信控道路交叉口中行驶的智能网联车辆有左转行驶意图的示意图；
图19为本申请一些实施例提供的一种在无信控道路交叉口中行驶的特种车辆有右转行驶意图的示意图；
图20为本申请一些实施例提供的一种协作式道路交叉口通行装置的结构示意图；
图21为本申请一些实施例提供的一种计算设备的结构示意图。
具体实施方式
为了使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请作进一步地详细描述，显然，所描述的实施例仅仅是本申请的一部分实施例，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做出创造性劳动前提下所获得的所有其它实施例，都属于本申请保护的范围。
为了便于理解本申请实施例，首先以图1中示出的一种可能的系统架构为例说明适用于本申请实施例的协作式道路交叉口通行系统架构。该协作式道路交叉口通行系统架构可以应用于无信控道路交叉口(即没有信号灯的道路交叉口)等道路口。如图1所示，该系统架构可以包括车载设备100和路侧设备200。
其中，车载设备100可以包括车载感知设备101、车载单元(on board unit，OBU)和人机交互单元105等。其中，车载单元可以包括以太网通讯单元102、V2X(vehicle-to-everything，车到一切)通讯单元103和处理控制单元104。其中，车载感知设备101可以用于采集智能网联车辆的状态数据(包括智能网联车辆的行驶状态数据和行驶意图数据等)，比如至少包含车辆位置数据(比如GPS(Global Positioning System，全球定位系统)定位装置采集)、车辆速度数据(比如陀螺仪传感器采集)、车辆加速度数据(比如陀螺仪传感器采集)、航向角、转向灯开启状态等；可选地，也可以包括前方路况感知数据(比如可以通过车端的摄像头、毫米波雷达等感知设备进行采集)；以太网通讯单元102可以用于与车载感知设备101进行数据交互；V2X通讯单元103用于向路侧单元发送车辆行驶状态数据、车辆行驶意图数据，并接收路侧设备200针对位于交叉路口处的各智能网联车辆的通行调度信息；处理控制单元104用于处理车辆原始状态数据以及控制其他单元的工作；人机交互单元105用于与驾驶员进行交互，提示驾驶员在所处交叉路口针对驾驶员所在智能网联车辆的协作式通行调度信息。
路侧设备200可以包括路侧感知设备203、路侧单元(road side unit，RSU)和信息发布单元206(可选)等。其中，路侧单元可以包括V2X通讯单元201、处理控制单元202、以太网通讯单元204和数据计算单元205。其中，路侧感知设备203可以包括摄像头、毫米波雷达等路侧传感器，用于针对位于交叉路口处的各车辆的行驶状态数据感知和行驶意图数据感知，并主要用于确定位于交叉路口处的各非智能网联车辆的行驶状态信息和行驶意图信息；以太网通讯单元204用于与路侧感知设备203进行数据交互；V2X通讯单元201用于通过V2X接收位于交叉路口处的各智能网联车辆的行驶状态数据和行驶意图数据，并向车载设备100发送针对位于交叉路口处的各智能网联车辆的通行调度信息；处理控制单元202用于将路侧感知设备203感知的位于交叉路口处的各车辆的行驶状态数据和行驶意图数据以及位于交叉路口处的各智能网联车辆的行驶状态数据和行驶意图数据转发给数据计算单元205，并用于控制其他单元的工作；数据计算单元205用于确定各非智能网联车辆的行驶状态信息、行驶意图信息以及各智能网联车辆的行驶状态信息、行驶意图信息，并基于各非智能网联车辆的行驶状态信息、行驶意图信息以及各智能网联车辆的行驶状态信息、行驶意图信息生成针对位于交叉路口处的各智能网联车辆的通行调度信息；信息发布单元206用以便于路侧单元通过信息发布单元通知位于交叉路口处的过往车辆对特种车辆(比如紧急救援车辆、紧急任务执行车辆等)进行让行。
需要说明的是，上述图1所示的系统架构仅是一种示例，本申请实施例对此并不做限定。
参考图2，图2示例性地示出了一种协作式道路交叉口通行方法的应用场景示意图。其中，该协作式道路交叉口通行方法的应用场景是基于图1所示的协作式道路交叉口通行系统架构进行实施。如图2所示，针对某一无信控道路交叉口，在该无信控道路交叉口的某一路侧部署了路侧单元，并从北向南方向部署了摄像头1、雷达1(比如毫米波雷达或激光雷达等)；从东向西方向部署了摄像头2、毫米波雷达2；从南向北方向部署了摄像头3、雷达3；从西向东方向部署了摄像头4、雷达4。摄像头1至摄像头4、雷达1至雷达4用于实现不同方向上车辆行驶状态信息感知和行驶意图信息感知。其中，路侧单元用于确定在该无信控道路交叉口所在位置区域的各智能网联车辆的行驶状态信息、行驶意图信息以及各非智能网联车辆的行驶状态信息、行驶意图信息，并基于在该无信控道路交叉口所在位置区域的各智能网联车辆的行驶状态信息、行驶意图信息以及各非智能网联车辆的行驶状态信息、行驶意图信息生成针对各智能网联车辆的通行调度信息，然后将针对各智能网联车辆的通行调度信息进行发布。
其中，以图2中的某一方向(比如西向东方向)部署的路侧感知设备(比如摄像头、雷达设备)检测所在车辆感知区域为例，比如，如图3所示，为本申请实施例提供的一种路侧感知设备检测所在车辆感知区域的示意图。其中，可以通过摄像头(比如视频摄像头)针对车辆感知线到道路交叉口停止等待线之间的区域进行拍摄采集道路区域图像(即车辆感知区域图像)，并在采集好车辆感知区域图像后通过以太网通讯单元传输给数据计算单元，可以通过雷达设备针对车辆感知线到道路交叉口停止等待线之间的区域内的各车辆目标进行检测，以此获取各车辆目标的运动属性数据(比如车辆目标与雷达设备的相对距离、相对速度和相对方向等)，并在采集好车辆运动属性数据后通过以太网通讯单元传输给数据计算单元。其中，以雷达设备为毫米波雷达为例，毫米波雷达是工作频段在毫米波频段的雷达。毫米波雷达可以主动发射电磁波信号，并接收回波，根据发射接收电磁波信号的时间差，获得车辆目标的相对距离、相对速度和相对方向。示例性地，通常可以将毫米波雷达和摄像头布设在同一水平面如图3所示，或者可以按照一定的角度进行布设毫米波雷达和摄像头，当然也可以是其他位置，本申请实施例对此并不作具体限定。
基于上述描述，图4示例性的示出了本申请实施例提供的一种协作式道路交叉口通行方法的流程，该流程可以由协作式道路交叉口通行装置执行。其中，协作式道路交叉口通行方法可以应用于图1所示的系统架构中，可以由图1中的路侧设备执行协作式道路交叉口通行方法。其中，协作式道路交叉口通行装置可以是路侧设备或者也可以是能够支持路侧设备实现该方法所需的功能的部件(比如芯片或集成电路)等，当然也可以是其它具有实现该方法所需的功能的电子设备，比如交通控制设备。
如图4所示，该流程具体包括：
步骤401，针对任一无信控道路交叉口，通过在所述无信控道路交叉口设置的各路侧感知设备，获取位于各车辆感知区域内的m个车辆的第一行驶信息；并通过位于所述各车辆感知区域内的各智能网联车辆的车载感知设备，获取所述各智能网联车辆的第二行驶信息。
本申请实施例中，针对某一无信控道路交叉口，可以通过布设在该无信控道路交叉口的各路侧感知设备，获取属于该无信控道路交叉口所在区域的各车辆感知区域内的m个车辆的第一行驶信息(比如车辆感知区域图像、行驶状态数据)，其中，m为大于等于1的整数。比如，针对该无信控道路交叉口的各车辆感知区域都会布设一组路侧感知设备(视频图像采集设备和雷达检测设备)，比如，如图5所示，以该无信控道路交叉口的某一车辆感知区域为例，通过针对车辆感知区域布设的视频图像采集设备和雷达检测设备进行采集位于该车辆感知区域内的至少一个车辆的第一行驶信息。其中，可以将视频图像采集设备(比如视频摄像头)和雷达检测设备(比如毫米波雷达)布设在同一水平面如图5所示，或者可以按照一定的角度进行布设毫米波雷达和摄像头，当然也可以是其他位置，本申请实施例对此并不作具体限定。基于图5，可以通过视频摄像头采集车辆感知线到道路交叉口停止等待线之间的区域的车辆感知区域图像(比如包括车a、车b、车c、车d的车辆感知区域图像)，可以通过毫米波雷达采集车辆感知线到道路交叉口停止等待线之间的区域内的各车辆目标(比如车a、车b、车c、车d)的运动属性数据。
此外，可以通过属于该无信控道路交叉口所在区域的各车辆感知区域内的各智能网联车辆的车载感知设备获取各智能网联车辆的第二行驶信息(比如车辆行驶状态数据、车辆行驶意图数据)。比如，如图6所示，以某一车辆感知区域为例，该车辆感知区域内包括车1、车2、车3、车4和车5，假设车1、车3和车5为智能网联车辆，车2和车4为非智能网联车辆，如此，车1、车3和车5可以通过各自的车载感知设备获取各自的行驶状态数据和行驶意图数据等，比如可以通过GPS定位装置采集车辆位置数据，可以通过陀螺仪传感器采集车辆速度数据、车辆加速度数据等，可以通过航向角传感器采集车辆航向角等，可以通过驾驶员针对转向灯的操作指令获取车辆转向灯开启状态(比如车辆左转向灯开启、车辆右转向灯开启或车辆转向灯均未开启)等。当然，车1、车3和车5也可以将车辆类型、车身颜色、车标、车牌号码等智能网联车辆的属性信息通过V2X通讯单元上传给路侧设备。而对于车2和车4，则是主要通过针对该车辆感知区域布设的毫米波雷达获取车2和车4的运动属性数据，通过针对该车辆感知区域布设的视频摄像头获取车辆感知区域图像，然后通过针对车辆感知区域图像识别确定车2和车4的行驶意图。
步骤402，基于所述m个车辆的第一行驶信息，确定所述m个车辆的第一行驶状态信息和第一行驶意图信息，并基于所述各智能网联车辆的第二行驶信息，确定所述各智能网联车辆的第二行驶状态信息和第二行驶意图信息。
本申请实施例中，针对任一车辆感知区域，通过在该无信控道路交叉口设置的针对该车辆感知区域的视频图像采集设备，即可获取针对该车辆感知区域的车辆感知区域图像，并对该车辆感知区域图像进行识别，即可确定该车辆感知区域图像中包括的至少一个车辆的第一行驶意图信息，从而可以确定位于各车辆感知区域内的m个车辆的第一行驶意图信息。同时，可以通过在该无信控道路交叉口设置的针对该车辆感知区域的雷达检测设备获取位于该车辆感知区域内的至少一个车辆的行驶状态数据，并可以根据位于该车辆感知区域内的至少一个车辆的行驶状态数据进行确定至少一个车辆的第一行驶状态信息，从而可以确定位于各车辆感知区域内的m个车辆的第一行驶状态信息。如此，该方案可以为后续识别非智能网联车辆的行驶状态信息、行驶意图信息提供有效地数据支持。
其中，针对某一车辆感知区域图像中包括的车辆的行驶意图的识别，参见图7，为本申请实施例提供的一种识别车辆感知区域图像中包括的车辆的行驶意图的流程示意图。如图7所示，该流程可以包括：
步骤701，对所述车辆感知区域图像进行目标检测，确定所述车辆感知区域图像中包括的至少一个车辆的图像中心位置坐标和图像区域大小。
其中，针对每个车辆感知区域所拍摄采集的车辆感知区域图像，通过针对车辆感知区域图像进行目标检测，即可检测出车辆感知区域图像所包括的至少一个车辆的车辆类型以及车辆在车辆感知区域图像中的图像中心位置坐标、图像区域大小(即车辆在车辆感知区域图像中的像素长宽构成的区域大小)。
步骤702，针对所述至少一个车辆中的每个车辆，以所述车辆的图像中心位置坐标为截取基准点，根据所述车辆在所述车辆感知区域图像中的图像区域大小，从所述车辆感知区域图像中截取出所述车辆所在的图像区域。
其中，针对车辆感知区域图像包括的某一车辆，基于该车辆的图像中心位置坐标找出车辆的图像所在位置，并以该车辆的图像中心位置坐标为中心点，同时以该车辆的像素长宽作为截取边长进行截取，从而从车辆感知区域图像中截取出该车辆所在图像区域。比如，假设车辆在像素坐标系中的x坐标(x0)和y坐标(y0)，以(x0，y0)为中心点，以车辆长度length在像素坐标系中对应的像素长度、像素宽度为边长，截取该车辆所在的图像区域。
步骤703，对所述车辆所在的图像区域进行意图检测，确定所述车辆的第一行驶意图信息，从而确定所述至少一个车辆的第一行驶意图信息。
其中，通过针对该车辆所在的图像区域进行意图检测，即可准确地识别出该车辆的行驶意图，如此即可将车辆感知区域图像所包括的至少一个车辆的行驶意图都检测出来。
或者，也可以针对每个车辆感知区域所拍摄采集的车辆感知区域图像，直接针对车辆感知区域图像进行意图检测，即可准确地识别出车辆感知区域图像中包括的至少一个车辆的行驶意图信息和图像中心位置坐标，从而可以确定至少一个车辆的第一行驶意图信息。
示例性地，以某一车辆感知区域的车辆感知区域图像为例，参见图8，为本申请实施例提供的一种检测车辆感知区域图像的示意图。如图8所示，车载设备在通过摄像头获取该车辆感知区域的车辆感知区域图像并传输给路侧设备后，路侧设备在获取该车辆感知区域图像后，即可通过数据计算单元基于深度学习目标检测算法(比如YOLOV5(You onlylook once version 5，YOLO系列目标检测)目标检测算法、SSD(Single shot multiboxdetector，单阶段多框检测)等单阶段目标检测算法、Faster R-CNN(faster regionconvolutional neural networks，更快速区域卷积神经网络)等两阶段目标检测算法等)针对该车辆感知区域图像进行多目标检测，以此可识别出车辆在车辆感知区域图像中的图像中心位置坐标、图像区域大小(即车辆在车辆感知区域图像中的像素长宽构成的区域大小)。以YOLOV5目标检测算法为例，本申请实施例通过采用YOLOV5目标检测算法完成车辆感知区域图像中的车辆目标检测，YOLOV5目标检测算法可返回车辆感知区域图像中检测到的车辆类型及车辆目标在车辆感知区域图像中的位置坐标及车辆目标的像素长宽。其中，通过基于道路交叉口上的视频图像采集设备所采集的监控视频图像，对机动车、非机动车等进行属性标注，构建车辆检测训练数据集，基于该车辆检测训练数据集完成针对YOLOV5算法的迭代训练。在YOLOV5算法推理过程中，将待检测的视频图像(即车辆感知区域作为一个视频图像)输入到YOLOV5算法中，可以直接返回车辆感知区域图像中检测到的车辆类型及车辆目标在车辆感知区域图像中的位置坐标及车辆目标的像素长宽。
针对车辆感知区域图像包括的任一车辆，在检测出该车辆在车辆感知区域图像中的位置坐标及像素长宽后，基于以该车辆的位置坐标为中心点，同时以该车辆的像素长宽作为截取边长进行截取，从而从车辆感知区域图像中截取出该车辆所在图像区域。然后，可以通过车辆行驶意图检测算法(比如ResNet50)针对该车辆所在图像区域进行意图检测，即可识别出该车辆的行驶意图。其中，ResNet50网络模型可以预先通过包含不同转向灯开启状态(例如，左转向灯开启、右转向灯开启、左右转向灯均未开启)的车辆图片样本集进行训练，也即是，针对采集的每个车辆图片，对该车辆图片中的各车辆的转向灯开启进行标注，比如某一车辆开启的是左转向灯，则基于该车辆开启的左转向灯的属性对该车辆进行左转类型标注，或者，某一车辆开启的是右转向灯，则基于该车辆开启的右转向灯的属性对该车辆进行右转类型标注，或者，某一车辆未开启转向灯，则基于该车辆未开启转向灯的属性对该车辆进行直行类型标注。在训练完成后，将某一截取出的车辆图像输入到训练完成的ResNet50网络模型中，ResNet50网络模型对车辆图像进行特征提取，输出该车辆的行驶意图分别属于左转、右转、直行的概率，当该车辆的行驶意图为左转的概率最高时，则确定该车辆的行驶意图为左转。
此外，雷达检测设备包括射频模块和阵列天线模块，射频模块对外发射电磁波束，阵列天线模块接收返回的电磁波束，通过返回的电磁波束可以计算得到雷达检测设备检测到的车辆运动属性数据，也即是，以图8中的雷达检测设备为毫米波雷达为例，通过该毫米波雷达可以检测出车1的运动属性数据、车2的运动属性数据以及车3的运动属性数据。需要说明的是，由于深度学习目标检测算法的精度受光照、天气等环境因素的影响较大，且视频算法的检测效果往往与神经网络的结构设计密切相关，视频算法的车辆目标检测结果经常会存在较大的误检和漏检情况，所以本申请实施例以雷达检测设备(比如毫米波雷达)检测出的雷达目标作为车辆目标的基准目标。
再者，任一车辆感知区域，通过位于该车辆感知区域内的每个智能网联车辆的车载感知设备，可以及时准确地获取位于该车辆感知区域内的该智能网联车辆的行驶状态数据和行驶意图数据。然后，可以根据位于该车辆感知区域内的该智能网联车辆的行驶状态数据，即可确定该智能网联车辆的第二行驶状态信息，并可以根据位于该车辆感知区域内的该智能网联车辆的行驶意图数据，即可确定该智能网联车辆的第二行驶意图信息，从而可以确定各智能网联车辆的第二行驶状态信息和第二行驶意图信息。示例性地，参见图9，为本申请实施例提供的一种车辆感知区域内智能网联车辆的示意图，如图9所示，位于该车辆感知区域内的车辆有车1、车2、车3和车4。其中，假设车1、车2为智能网联车辆，车3、车4为非智能网联车辆。车1、车2可以将通过各自的车载感知设备实时获取的车辆速度、车辆加速度、经纬度坐标、航向角、转向灯开启状态等运动状态信息，以及车辆类型、车身颜色、车标、车牌号码等属性信息，通过V2X通讯单元传输给路侧设备。路侧设备在接收到车1、车2各自传输的运动状态信息以及属性信息后，以车1为例，通过针对车1的转向灯开启状态进行分析处理，即可得到车1的行驶意图(比如左转、右转或直行)，并通过针对车1的车辆速度、车辆加速度、经纬度坐标、航向角等运动状态信息进行处理，即可得到车1的行驶状态(比如车辆速度、车辆加速度、经纬度坐标等)，同时也可以得到车1的车牌号码、车辆类型、车身颜色等。
其中，需要说明的是，针对每个智能网联车辆的行驶意图信息，可以通过智能网联车辆传输给路侧设备的路径规划信息中获取，比如，智能网联车辆将本车的路径规划信息(比如智能网联车辆依次经过道路交叉口1、道路交叉口2、道路交叉口3、……、道路交叉口n的计划行驶线路)通过V2X通讯单元进行广播给路侧设备。例如，以道路交叉口0(假设道路交叉口0为无信控道路交叉口)为例，参见图10，为本申请实施例提供的一种判断智能网联车辆行驶意图的示意图，并假设北向路口为道路交叉口1，东向路口为道路交叉口2，南向路口为道路交叉口3，西向路口为道路交叉口4，假设车6为智能网联车辆，车6通过V2X通讯单元将自己的路径规划信息进行广播给路侧设备，比如车6的路径规划信息为道路交叉口3→道路交叉口0→道路交叉口2，则可以判定车6在道路交叉口0的行驶意图为右转。
需要说明的是，在车辆驶入道路交叉口过程中，车道线逐渐从虚线变成实线，且在道路交叉口车辆通行过程中，总是提前变更到左右转向车道或直行车道，并且开启左转灯、右转灯或不开启转向灯。车辆在车道虚线区域开启的左转灯或者右转灯并不能代表车辆在交叉路口的行驶意图，此时转向灯的开启状态可能是为了完成超车或者变道行为。如此，通过车辆在实线区域内的开启左转灯、右转灯或不开启转向灯等行为判断该车辆的行驶意图是左转、右转或直行。比如，以智能网联车辆(比如车3)为例，车3会将自己的开启转向灯状态通过V2X通讯单元进行广播给路侧设备，比如车3开启的是右转向灯，那么路侧设备可以车3上报的转向灯开启状态判断车3的行驶意图是右转。或者，以非智能网联车辆(比如车1)为例，假设车1开启的是右转向灯。此时针对非智能网联车辆，可以通过车辆行驶意图检测算法(比如ResNet50)针对该车1所在图像区域进行意图检测，即可识别出该车1的行驶意图为右转。或者，比如当某些路段存在左转与直行、右转与直行、或者左转与直行与右转合用车道的情况，此时基于视频摄像头对车1转向灯的开启状态进行检测。为了达到更好的检测效果，在本申请实施例中利用ResNet50作为车辆转向灯开启状态检测的骨干网络，分类网络直接输出车辆开启左转灯、开启右转灯和未开转向灯的概率，因此可以获得车1的行驶意图。
此外，继续以上述车3为例，假设车3未通过V2X通讯单元发送车辆路径规划信息给路侧设备，则可以从车3通过V2X通讯单元发送的车辆状态信息中获取，比如车3左右转向灯的开启状态。左右转向灯的开启状态由车3通过V2X通讯单元对外广播。假设车3目前所处的位置在车道线实线区域，且车3的右转灯处于开启状态，则可以判断此时车3的行驶意图为右转。
再者，参见图11，为本申请实施例提供的一种判断非智能网联车辆行驶意图的示意图。如图11所示，假设车5为非智能网联车辆，则可以通过车5在车道实线区域时所在的车道进行判断，车辆所在的左转车道、直行车道、右转车道分别表示车辆的行驶意图。假设毫米波雷达检测到车5目前处于南向北方向右侧第一车道，且车5处于车道实线区域，则可以判断此时车5的行驶意图为右转。或者，假设车9为非智能网联车辆，则可以通过车9在车道实线区域时所在的车道进行判断，车辆所在的左转车道、直行车道、右转车道分别表示车辆的行驶意图。假设毫米波雷达检测到车9目前处于西向东方向中间第二车道，且车9处于车道实线区域，则可以判断此时车9的行驶意图为直行。
步骤403，确定所述m个车辆中各非智能网联车辆的第一行驶状态信息和第一行驶意图信息。
本申请实施例中，基于各智能网联车辆，可以从m个车辆中确定出各非智能网联车辆，并可以确定出各非智能网联车辆的第一行驶状态信息和第一行驶意图信息。
其中，针对非智能网联车辆的识别可以有两种识别方式，第一种识别方式参见图12所示的识别流程，如图12所示，该识别流程具体为：
步骤1201，针对任一车辆感知区域，通过位于所述车辆感知区域内的至少一个智能网联车辆的车载设备获取所述至少一个智能网联车辆的车牌号码，并通过对所述车辆感知区域的车辆感知区域图像进行车辆属性识别，确定所述车辆感知区域图像中包括的至少一个车辆的车牌号码。
其中，针对任一车辆感知区域，该车辆感知区域内的每个智能网联车辆都可以通过车载设备将自己的车牌号码、车辆类型、车身颜色等传输给路侧设备。同时，路侧设备可以针对该车辆感知区域的车辆感知区域图像进行车辆属性识别，以此识别出车辆感知区域图像中所包括的各车辆的车辆类型、车辆颜色、车标、车牌号码等属性信息。
示例性地，以某一车辆感知区域为例，参见图13，为本申请实施例提供的一种检测车辆感知区域的示意图。如图13所示，位于该车辆感知区域内的车辆有车1、车2、车3、车4和车5。其中，假设车2、车3为智能网联车辆，车1、车4、车5为非智能网联车辆。车2、车3可以将通过各自的车载感知设备实时获取的车辆速度、车辆加速度、经纬度坐标、航向角、转向灯开启状态等运动状态信息，以及车辆类型、车身颜色、车标、车牌号码等属性信息，通过V2X通讯单元传输给路侧设备。其中，针对该车辆感知区域的车辆感知区域图像进行车辆属性识别，可以基于深度学习车辆属性识别网络，识别车辆感知区域图像中各车辆目标的车辆类型、车辆颜色、车标、车牌号码等车辆属性信息。比如，本申请实施例中的车辆属性识别网络可以是MobileNet、ShuffleNet等轻量级神经网络，也可以是ResNet等大中型网络。为了达到更好的检测效果，在本申请实施例中利用ResNet50作为车辆属性识别网络的骨干网络，可以获取车辆目标的车辆类型、车辆颜色、车标等属性信息。当然也可以采用光学字符识别(optical character recognition，OCR)技术针对车辆感知区域图像进行识别，以此识别出车辆感知区域图像中所包括的各车辆目标的车牌号码，本申请对此并不作具体限定。如此，车辆感知区域图像中所包括的车1、车2、车3、车4和车5的车牌号码都可以识别出来。
步骤1202，针对所述至少一个车辆中任一车辆的车牌号码，若所述至少一个智能网联车辆的车牌号码中不存在有所述车辆的车牌号码，则确定所述车辆为非智能网联车辆。
针对某一车辆感知区域，在针对该车辆感知区域的车辆感知区域图像进行识别，识别出车辆感知区域图像中所包括的各车辆目标的车牌号码后，即可针对任一车辆目标的车牌号码，通过将该车辆目标的车牌号码与至少一个智能网联车辆的车牌号码进行比对，以此确定该车辆目标是否为智能网联车辆，从而可以确定位于该车辆感知区域内的各非智能网联车辆。示例性地，以车1为例，将车1的车牌号码分别与车2的车牌号码、车3的车牌号码进行比对，发现比对均不一致，则可以确定车1为非智能网联车辆，以车2为例，将车2的车牌号码分别与车2的车牌号码、车3的车牌号码进行比对，发现车2的车牌号码与车2的车牌号码比对一致，则可以确定车2为智能网联车辆。
步骤1203，根据所述非智能网联车辆在所述车辆感知区域图像中的图像中心位置坐标，从所述车辆感知区域图像中包括的至少一个车辆的第一行驶意图信息中确定所述非智能网联车辆的第一行驶意图信息，从而确定所述各非智能网联车辆的第一行驶意图信息。
针对某一车辆感知区域，在确定位于该车辆感知区域内的各非智能网联车辆后，由于车辆感知区域图像中所包括的各车辆在车辆感知区域图像中的图像中心位置坐标与各车辆的行驶意图信息存在映射关系，因此，针对某一非智能网联车辆，在获知该非智能网联车辆在车辆感知区域图像中的图像中心位置坐标后，即可获知该非智能网联车辆的行驶意图信息。
步骤1204，针对位于所述车辆感知区域内的任一非智能网联车辆，按照雷达坐标体系与视频图像坐标体系的坐标转换规则，并基于所述非智能网联车辆在所述车辆感知区域图像中的图像中心位置坐标，确定所述非智能网联车辆在雷达坐标体系中的经纬度坐标。
其中，由于雷达坐标体系与视频图像坐标体系分别属于不同的坐标系，且雷达检测设备检测的是各车辆目标的行驶状态信息，视频图像采集设备检测的是各车辆目标的车辆属性信息(比如车辆类型、车辆颜色、车牌号码等)以及车辆行驶意图信息，在关联同一车辆目标的行驶意图信息与行驶状态信息时，需要将同一车辆目标在某一坐标体系中的位置坐标转换到另一坐标体系中，得到该同一车辆目标在另一坐标体系中的位置坐标，以此实现将同一车辆目标的行驶意图信息与行驶状态信息进行关联，从而可以得到各车辆的行驶状态信息、行驶意图信息、车辆属性信息。如此，针对某一车辆感知区域内的某一非智能网联车辆，可以按照雷达坐标体系与视频图像坐标体系的坐标转换规则，对该非智能网联车辆在该车辆感知区域对应的车辆感知区域图像中的图像中心位置坐标进行转换，以此得到该非智能网联车辆在雷达坐标体系中的经纬度坐标。
步骤1205，根据所述非智能网联车辆在雷达坐标体系中的经纬度坐标，从位于所述车辆感知区域内的至少一个车辆的第一行驶状态信息中确定所述非智能网联车辆的第一行驶状态信息，从而确定所述各非智能网联车辆的第一行驶状态信息。
其中，针对某一车辆感知区域，在确定位于该车辆感知区域内的各非智能网联车辆在雷达坐标体系中的经纬度坐标后，由于位于该车辆感知区域内的各车辆在雷达坐标体系中的经纬度坐标与各车辆的行驶状态信息存在映射关系，因此，针对某一非智能网联车辆，在获知该非智能网联车辆在雷达坐标体系中的经纬度坐标后，即可获知该非智能网联车辆的行驶状态信息。
此外，第二种识别方式参见图14所示的识别流程，如图14所示，该识别流程具体为：
步骤1401，针对任一车辆感知区域，通过位于所述车辆感知区域内的至少一个智能网联车辆的车载感知设备获取所述至少一个智能网联车辆的经纬度坐标。
其中，针对某一车辆感知区域，可以通过位于该车辆感知区域内的至少一个智能网联车辆的车载感知设备，即可及时准确地获取至少一个智能网联车辆的车牌号码、经纬度坐标、车辆类型、车辆颜色等信息。
步骤1402，确定在所述无信控道路交叉口设置的针对所述车辆感知区域的雷达检测设备的经纬度坐标，并通过所述雷达检测设备获取位于所述车辆感知区域内的至少一个车辆分别与所述雷达检测设备的相对距离。
步骤1403，根据所述雷达检测设备的经纬度坐标以及所述至少一个车辆分别与所述雷达检测设备的相对距离，确定所述至少一个车辆的经纬度坐标。
其中，在确定针对该车辆感知区域设置的雷达检测设备的经纬度坐标后，可以通过该雷达检测设备即可获取位于该车辆感知区域内的至少一个车辆分别与该雷达检测设备之间的相对距离，从而可以计算出该至少一个车辆的经纬度坐标。
步骤1404，针对所述至少一个车辆中每个车辆的经纬度坐标，若所述车辆的经纬度坐标与所述至少一个智能网联车辆的经纬度坐标的差值均不满足设定阈值，则确定所述车辆为非智能网联车辆，并根据所述非智能网联车辆的经纬度坐标，从所述至少一个车辆的第一行驶状态信息中确定所述非智能网联车辆的第一行驶状态信息，从而确定所述各非智能网联车辆的第一行驶状态信息。
其中，在计算出位于车辆感知区域内的至少一个车辆的经纬度坐标后，即可针对每个车辆，计算该车辆的经纬度坐标分别与位于车辆感知区域内的至少一个智能网联车辆的经纬度坐标的差值，如果各差值均不满足设定阈值，则可以确定该车辆为非智能网联车辆，如果存在一个差值满足设定阈值，则可以确定该车辆为智能网联车辆。如此，由于位于该车辆感知区域内的各车辆在雷达坐标体系中的经纬度坐标与各车辆的行驶状态信息存在映射关系，因此，针对位于该车辆感知区域内的每个非智能网联车辆，可以根据该非智能网联车辆的经纬度坐标，即可得到该非智能网联车辆的行驶状态信息。其中，设定阈值可以根据本领域技术人员的经验或可以根据多次实验所得结果或可以根据实际应用场景进行设置，本申请实施例对此并不作限定。
示例性地，参见15，为本申请实施例提供的一种识别非智能网联车辆的场景示意图。如图15所示，假设车6为智能网联车辆，车7、车8为非智能网联车辆。路侧设备通过V2X通讯单元接收的车6发送的车辆状态信息，可以获得车6实时的经纬度坐标。毫米波雷达主动发射电磁波信号，实时感知车6所在车辆感知区域内各车辆的车辆状态信息，分别获得车6、车7、车8相对于雷达的速度、相对距离、加速度和航向角，并通过雷达的经纬度坐标以及雷达与各车辆之间的相对距离，即可计算出车6的经纬度坐标、车7的经纬度坐标以及车8的经纬度坐标，其中，雷达的经纬度坐标(lat0,long0)，车6的经纬度坐标(lat1,long1)，车7的经纬度坐标(lat2,long2)，车8的经纬度坐标(lat3,long3)。如此，可以分别计算出车6的经纬度坐标与车6的经纬度坐标之间的差值、车7的经纬度坐标与车6的经纬度坐标之间的差值、车8的经纬度坐标与车6的经纬度坐标之间的差值，可以发现，只有车6的经纬度坐标与车6的经纬度坐标之间的差值满足设定阈值，比如差值小于等于某一设定数值，其它的差值均不满足设定阈值，此时可以判断车6为智能网联车辆，车7、车8为非智能网联车辆。其中，车6的行驶状态信息、行驶意图信息和车辆属性信息以车6通过V2X通讯单元传输给路侧设备的为准，无需通过路侧感知设备进行进一步感知。
步骤1405，针对位于所述车辆感知区域内的任一非智能网联车辆，按照雷达坐标体系与视频图像坐标体系的坐标转换规则，并基于所述非智能网联车辆在雷达坐标体系中的经纬度坐标，确定所述非智能网联车辆在视频图像坐标体系的图像中心位置坐标。
其中，针对某一车辆感知区域内的某一非智能网联车辆，可以按照雷达坐标体系与视频图像坐标体系的坐标转换规则，对该非智能网联车辆在雷达坐标体系中的经纬度坐标进行转换，以此得到该非智能网联车辆在视频图像坐标体系的图像中心位置坐标。
步骤1406，根据所述非智能网联车辆在视频图像坐标体系的图像中心位置坐标，从位于所述车辆感知区域内的至少一个车辆的第一行驶意图信息中确定所述非智能网联车辆的第一行驶意图信息，从而确定位于所述各车辆感知区域内的各非智能网联车辆的第一行驶意图信息。
其中，针对某一车辆感知区域，在确定位于该车辆感知区域内的各非智能网联车辆在视频图像坐标体系的图像中心位置坐标后，由于位于该车辆感知区域内的各车辆在视频图像坐标体系的图像中心位置坐标与各车辆的行驶意图信息存在映射关系，因此，针对某一非智能网联车辆，在获知该非智能网联车辆在视频图像坐标体系的图像中心位置坐标后，即可获知该非智能网联车辆的行驶意图信息。
步骤404，基于所述各非智能网联车辆的第一行驶状态信息、第一行驶意图信息以及所述各智能网联车辆的第二行驶状态信息、第二行驶意图信息，生成针对位于所述各车辆感知区域内的各智能网联车辆的通行调度信息。
步骤405，通过所述通行调度信息，对所述各智能网联车辆进行调度。
本申请实施例中，可以按照预设的车辆通行规则，并基于各非智能网联车辆的第一行驶状态信息、第一行驶意图信息以及各智能网联车辆的第二行驶状态信息、第二行驶意图信息，即可生成针对位于各车辆感知区域内的各智能网联车辆和各非智能网联车辆在无信控道路交叉口的通行优先级。然后，可以根据各智能网联车辆和各非智能网联车辆在该无信控道路交叉口的通行优先级，即可生成针对各智能网联车辆的通行调度指令(即通行调度信息)，如此可以便于更为精准地引导各智能网联车辆按照通行先后顺序依次通过该无信控道路交叉口，从而可以有效地提高无信控道路交叉口的车辆通行效率。
此外，在引导各智能网联车辆按照通行先后顺序依次通过无信控道路交叉口的过程中，也会实时检测各非智能网联车辆的运动状态，如果检测到至少一个非智能网联车辆在行驶通过各自所在车道的停止等待线，则会向在无信控道路交叉口中通行的至少一个智能网联车辆发送提示信息，该提示信息中包括至少一个非智能网联车辆的行驶状态信息和行驶意图信息，以便提示在无信控道路交叉口中通行的至少一个智能网联车辆根据该至少一个非智能网联车辆的行驶状态信息和行驶意图信息进行注意减速避让该至少一个非智能网联车辆。同时，会向未在该无信控道路交叉口中通行的其它智能网联车辆发送等待通行信息，以便指示其它智能网联车辆在各自所在车道停留以等待通行。
示例性地，参见图16，为本申请实施例提供的一种在无信控道路交叉口中行驶的智能网联车辆有右转行驶意图的示意图。如图16所示，以图16中从南向北驶入路口的车7为例进行说明。其中，车7处于右转车道中，车7的转向过程曲线如图16中的黑色虚线箭头所示。在车7由南向东右转的过程中，可能受到由北向东左转的车3-1和车3-2的影响，也可能会受到从西向东直线行驶的车11的影响。按照转弯让直行的原则，车11的通行优先级prio11大于车3-1、车3-2、车7的通行优先级。按照右转让左转的原则，车3-1、车3-2的通行优先级prio3-1、prio3-2大于车7的通行优先级prio7。因此，图16中车11的通行优先级最高、车3-1、车3-2的通行优先级次之，车7的通行优先级最低。此时的车辆通行优先级排列顺序为prio11>prio3-1>prio3-2>prio7，因此，此时路侧设备先给车11发送优先通行引导指令，其余车辆在交叉就路口等待通行；等待路侧设备感知到车11通过交叉路口时，路侧设备给车3-1、车辆3-2的发送优先通行引导指令，等待路侧设备检测到车3-1、车3-2通过交叉路口时，此时路侧设备给车7发送优先通行引导指令，引导车7顺利通过交叉路口。其中，车7、车11、车3-1、车3-2均为智能网联车辆。
示例性地，参见图17，为本申请实施例提供的一种在无信控道路交叉口中行驶的智能网联车辆有直行行驶意图的示意图。如图17所示，以图17中从南向北驶入路口的车8为例进行说明。其中，车8处于直行车道中，车8的行驶过程曲线如图17中的黑色虚线箭头所示。在车8直行的过程中，可能受到由北向东左转的车3的影响，也可能会受到从东向北右转行驶的车4的影响。同时，车8也可能会受到从东向西直线行驶的车5的影响，可能会受到从东向南左转的车6的影响，可能受到从西向东直线行驶的车11的影响，以及，也可能会受到从西向北左转行驶的车12的影响。按照转弯让直行的原则，图17中车5、车8、车11的通行优先级相对转弯车辆的通行优先级较高，车3、车4、车6、车12的通行优先级相对较低。并按照右侧车辆优先通行的原则，在无交通信号控制的十字交叉路口，前进方向的右侧车辆拥有通行优先路权，需要让右侧车辆优先行驶，则车辆5的通行优先级prio5大于车8的通行优先级prio8，车8的通行优先级prio8大于车11的通行优先级prio11。此时的车辆通行优先级排列顺序为prio5>prio8>prio11，同时prio8>prio12>prio4，以及prio11>prio6，车辆12、车辆3、车辆6均为左转车辆，上述三辆车的通行优先级以车辆到达道路交叉口停止线的时间决定，最先到达道路交叉口停止线的车辆通行优先级最高。若车辆12、车辆3、车辆6依次到达道路交叉口停止线，则车辆通行优先级排列顺序为prio12>prio3>prio6。因此，此时路侧设备给车5发送优先通行引导指令，其余车辆原地等待，等待路侧设备检测到车5通过道路交叉口时，路侧设备给车8发送优先通行引导指令，其余车辆原地等待，等待路侧设备检测到车8通过道路交叉口时，此时路侧设备再根据剩余车辆通过道路交叉口的通行优先级依次发送通行引导指令，引导车辆通过道路交叉口。其中，车5、车8、车11、车3、车4、车6、车12均为智能网联车辆。
再者，示例性地，参见图18，为本申请实施例提供的一种在无信控道路交叉口中行驶的智能网联车辆有左转行驶意图的示意图。如图18所示，以图18中从南向北驶入路口的车9为例进行说明。其中，车9处于左转车道中，车9的行驶过程曲线如图18中的黑色虚线箭头所示。在车9左转的过程中，可能受到由北向西右转的车1的影响，可能受到从北向南直行的车2的影响，可能受到从东向西直线行驶的车5的影响，可能受到从东向南左转的车6的影响，可能受到从西向东直线行驶的车11的影响，以及，可能受到从西向北左转的车12的影响。按照转弯让直行的原则，图18中车2、车5、车11的优先级相对转弯车辆的优先级较高，车1、车6、车9、车12的优先级相对较低。按照右侧车辆优先的原则，在无交通信号控制的十字交叉路口，前进方向的右侧车辆拥有优先路权，需要让右侧车辆优先行驶，则车2的通行优先级prio2大于车5的通行优先级prio5，车11的通行优先级prio11大于车2的通行优先级prio2。因此，此时路侧设备给车11发送优先通行引导指令，其余车辆原地等待，等待路侧设备检测到车11通过交叉路口时，路侧设备给车2的发送优先通行引导指令，其余车辆原地等待，等待路侧设备检测到车2通过交叉路口时，路侧设备给车5的发送优先通行引导指令，其余车辆原地等待，等待路侧设备检测到车5通过交叉路口。其中，车6、车9、车12均为左转方向，左转车辆遇到有垂直车道左转车辆时，让行原则根据两车经过交叉路口的优先顺序而定。本申请实施例根据路侧设备获取到的各车辆到达交叉路口停止线的时间确定车辆的优先顺序，先到达路口的车辆通行优先级更高。假设车9最先到达交叉路口，则车9的通行优先级在剩余车辆中的通行优先级最高，路侧设备给车9发送优先通行引导指令，其余车辆原地等待，等待路侧设备检测到车9通过交叉路口时，此时剩余的车1、车6、车12通过交叉路口时互不影响，则此时车1、车6、车12的优先级相等，则路侧设备同时给车1、车6、车12发送优先通行引导指令，引导车辆通过交叉路口。这种情况下车辆通行优先级排列顺序为prio11>prio2>prio5>prio9>prio 1＝prio 6＝prio12。或者，假设车6最先到达交叉路口，则车6的通行优先级在剩余车辆中的通行优先级最高。路侧设备先给车6发送优先通行引导指令，剩余车辆原地等待，等待路侧设备检测到车6通过交叉路口后，按照右转车辆优先的原则，车9的优先级比车1的优先级更高；车12与车1通行互不影响，根据车9和车12到达交叉路口的顺序不同，车1、车9、车12的通行优先级顺序可能为prio12>prio9>prio1或者prio9>prio12＝prio1，路侧设备根据上述可能的通行优先级引导车1、车9、车12有序通过交叉路口。这种情况下车辆通行优先级排列顺序为prio11>prio2>prio5>prio6>prio12>prio9>prio1，或者，prio11>prio2>prio5>prio6>prio9>prio12＝prio1。或者，假设车12最先到达交叉路口，则车12的通行优先级在剩余车辆中的通行优先级最高。路侧设备给车12发送优先通行引导指令，剩余车辆原地等待，等待路侧设备检测到车12通过交叉路口后，按照右转车辆优先的原则，车9的通行优先级比车1的通行优先级更高；车6与车1通行互不影响，根据车9和车6到达交叉路口的顺序不同，车1、车9、车6的通行优先级顺序可能为prio6>prio9>prio1或者prio9>prio6＝prio1，路侧设备根据上述可能的优先级引导车1、车9、车12有序通过交叉路口。这种情况下车辆通行优先级排列顺序为prio11>prio2>prio5>prio12>prio6>prio9>prio1，或者prio11>prio2>prio5>prio12 prio9>prio6＝prio1。其中，车2、车5、车11、车1、车6、车9、车12均为智能网联车辆。
此外，示例性地，参见图19，为本申请实施例提供的一种在无信控道路交叉口中行驶的特种车辆有右转行驶意图的示意图。其中，车辆是否为特种车辆可能是通过V2X获取的车辆属性信息或者通过摄像头视频分析得到的结果。以图19中从南向北驶入路口的车7(特种车辆)进行说明。车7处于右转车道中，车7的转向过程曲线如图19中的黑色虚线箭头所示。在车7由南向东右转的过程中，可能受到由北向东左转的车3的影响，也可能受到从西向东直线行驶的车11的影响。按照转弯让直行的原则，车11的通行优先级prio11大于车3、车7的通行优先级，按照右转让左转的原则，车3的通行优先级prio3大于车7的通行优先级prio7，即prio11>prio3>prio7。但是，由于车7为特种车辆，本申请实施例为车7赋予最高的优先级，即prio7>prio11>prio3，路侧设备按照车7、车11、车3的优先级依次引导车辆通过交叉路口。其中，车7、车11、车3均为智能网联车辆。
另外，假设当前无信控道路交叉口是智能网联车辆和非智能网联车辆混行的交叉路口。继续以上述图18为例，以图18中智能网联车9左转场景为例，假设左转意图车6、车12、车9依次到达交叉路口，则当前场景的通行优先级为prio11>prio2>prio5>prio6>prio12>prio9>prio1。假设路侧设备感知到车2、车12为非智能网联车辆。则路侧设备按照prio11>prio5>prio6>prio9>prio1的优先级顺序为智能网联车辆发送通行引导信息，同时，路侧设备实时检测非智能网联车辆的运动状态，当路侧设备检测到非智能网联车辆停靠在无信控道路交叉口停止线时，路侧设备的通行引导信息保持不变。当路侧设备检测到非智能网联车辆驶过无信控道路交叉口停止线时，则当前的非智能网联车辆通行优先级高于剩余智能网联车辆的通行优先级。假设此时智能网联车辆11和非智能网联车辆2已经通过了交叉路口，此时路侧设备正在引导智能网联车辆5通过无信控道路交叉口，当路侧设备检测到非智能网联车12驶过了无信控道路交叉口停止线，路侧设备将非智能网联车辆12的车辆状态信息和行驶意图信息发送给智能网联车辆5，提醒车5注意减速避让，同时对智能网联车辆6、智能网联车辆9、智能网联车辆1发送等待通行信息。当路侧设备检测到非智能网联车辆12通过无信控道路交叉口时，再依次引导智能网联车辆6、智能网联车辆9、智能网联车辆1通过无信控道路交叉口。
上述实施例表明，为了给位于无信控道路交叉口处的各车辆感知区域内的各智能网联车辆提供更为精准的通行调度信息，以此实现引导位于无信控道路交叉口处的各车辆感知区域内的各智能网联车辆能够高效安全地通过无信控道路交叉口，需要对各车辆感知区域内的各智能网联车辆的行驶状态信息以及行驶意图信息进行及时准确地感知，同时需要对位于各车辆感知区域内的各非智能网联车辆的行驶状态信息以及行驶意图信息进行及时准确地感知，以便通过融合各智能网联车辆的行驶状态信息、行驶意图信息以及各非智能网联车辆的行驶状态信息、行驶意图信息，能够为更为精准地引导调度位于各车辆感知区域内的各智能网联车辆高效安全地通过无信控道路交叉口提供有效地支持。具体来说，针对任一无信控道路交叉口，通过在该无信控道路交叉口设置的各路侧感知设备，获取位于各车辆感知区域内的m个车辆的第一行驶信息，并通过位于各车辆感知区域内的各智能网联车辆的车载感知设备，获取各智能网联车辆的第二行驶状态信息、第二行驶意图信息，以及基于各智能网联车辆，即可准确地确定m个车辆中各非智能网联车辆的第一行驶状态信息、第一行驶意图信息，从而能够更为全面地获取位于无信控道路交叉口处的各车辆感知区域内的各车辆的行驶状态信息、行驶意图信息。再基于各非智能网联车辆的第一行驶状态信息、第一行驶意图信息以及各智能网联车辆的第二行驶状态信息、第二行驶意图信息，即可生成针对位于各车辆感知区域内的各智能网联车辆的通行调度信息，如此所生成的针对位于各车辆感知区域内的各智能网联车辆的通行调度信息能够更加贴合无信控道路交叉口的实际交通状况，也能更加符合无信控道路交叉口的高效安全通行要求。然后，通过通行调度信息，即可对位于各车辆感知区域内的各智能网联车辆进行更为精准地引导调度，如此可以有效地提高无信控道路交叉口的车辆通行效率，并可以有效地确保无信控道路交叉口的通行安全性。
基于相同的技术构思，图20示例性的示出了本申请实施例提供的一种协作式道路交叉口通行装置，该装置可以执行协作式道路交叉口通行方法的流程。其中，协作式道路交叉口通行装置可以是路侧设备或者也可以是能够支持路侧设备实现该方法所需的功能的部件(比如芯片或集成电路)等，当然也可以是其它具有实现该方法所需的功能的电子设备，比如交通控制设备。
如图20所示，该装置包括：
获取单元2001，用于针对任一无信控道路交叉口，通过在所述无信控道路交叉口设置的各路侧感知设备，获取位于各车辆感知区域内的m个车辆的第一行驶信息；并通过位于所述各车辆感知区域内的各智能网联车辆的车载感知设备，获取所述各智能网联车辆的第二行驶信息；
处理单元2002，用于基于所述m个车辆的第一行驶信息，确定所述m个车辆的第一行驶状态信息和第一行驶意图信息，并基于所述各智能网联车辆的第二行驶信息，确定所述各智能网联车辆的第二行驶状态信息和第二行驶意图信息；确定所述m个车辆中各非智能网联车辆的第一行驶状态信息和第一行驶意图信息；基于所述各非智能网联车辆的第一行驶状态信息、第一行驶意图信息以及所述各智能网联车辆的第二行驶状态信息、第二行驶意图信息，生成针对位于所述各车辆感知区域内的各智能网联车辆的通行调度信息；通过所述通行调度信息，对所述各智能网联车辆进行调度。
在一些示例性的实施方式中，所述处理单元2002具体用于：
针对任一车辆感知区域，通过在所述无信控道路交叉口设置的针对所述车辆感知区域的视频图像采集设备，获取针对所述车辆感知区域的车辆感知区域图像，并对所述车辆感知区域图像进行识别，确定所述车辆感知区域图像中包括的至少一个车辆的第一行驶意图信息，从而确定位于各车辆感知区域内的m个车辆的第一行驶意图信息；
通过在所述无信控道路交叉口设置的针对所述车辆感知区域的雷达检测设备获取位于所述车辆感知区域内的至少一个车辆的行驶状态数据，并根据位于所述车辆感知区域内的至少一个车辆的行驶状态数据确定所述至少一个车辆的第一行驶状态信息，从而确定位于各车辆感知区域内的m个车辆的第一行驶状态信息。
在一些示例性的实施方式中，所述处理单元2002具体用于：
对所述车辆感知区域图像进行目标检测，确定所述车辆感知区域图像中包括的至少一个车辆的图像中心位置坐标和图像区域大小；
针对所述至少一个车辆中的每个车辆，以所述车辆的图像中心位置坐标为截取基准点，根据所述车辆在所述车辆感知区域图像中的图像区域大小，从所述车辆感知区域图像中截取出所述车辆所在的图像区域；
对所述车辆所在的图像区域进行意图检测，确定所述车辆的第一行驶意图信息，从而确定所述至少一个车辆的第一行驶意图信息。
在一些示例性的实施方式中，所述处理单元2002具体用于：
针对任一车辆感知区域，通过位于所述车辆感知区域内的每个智能网联车辆的车载感知设备，获取位于所述车辆感知区域内的该智能网联车辆的行驶状态数据和行驶意图数据；
根据位于所述车辆感知区域内的该智能网联车辆的行驶状态数据，确定该智能网联车辆的第二行驶状态信息，并根据位于所述车辆感知区域内的该智能网联车辆的行驶意图数据，确定该智能网联车辆的第二行驶意图信息，从而确定所述各智能网联车辆的第二行驶状态信息和第二行驶意图信息。
在一些示例性的实施方式中，所述处理单元2002具体用于：
针对任一车辆感知区域，通过位于所述车辆感知区域内的至少一个智能网联车辆的车载设备获取所述至少一个智能网联车辆的车牌号码，并通过对所述车辆感知区域的车辆感知区域图像进行车辆属性识别，确定所述车辆感知区域图像中包括的至少一个车辆的车牌号码；
针对所述至少一个车辆中任一车辆的车牌号码，若所述至少一个智能网联车辆的车牌号码中不存在有所述车辆的车牌号码，则确定所述车辆为非智能网联车辆；
根据所述非智能网联车辆在所述车辆感知区域图像中的图像中心位置坐标，从所述车辆感知区域图像中包括的至少一个车辆的第一行驶意图信息中确定所述非智能网联车辆的第一行驶意图信息，从而确定所述各非智能网联车辆的第一行驶意图信息；
所述处理单元2002具体用于：
针对位于所述车辆感知区域内的任一非智能网联车辆，按照雷达坐标体系与视频图像坐标体系的坐标转换规则，并基于所述非智能网联车辆在所述车辆感知区域图像中的图像中心位置坐标，确定所述非智能网联车辆在雷达坐标体系中的经纬度坐标；
根据所述非智能网联车辆在雷达坐标体系中的经纬度坐标，从位于所述车辆感知区域内的至少一个车辆的第一行驶状态信息中确定所述非智能网联车辆的第一行驶状态信息，从而确定所述各非智能网联车辆的第一行驶状态信息。
在一些示例性的实施方式中，所述处理单元2002具体用于：
针对任一车辆感知区域，通过位于所述车辆感知区域内的至少一个智能网联车辆的车载感知设备获取所述至少一个智能网联车辆的经纬度坐标；
确定在所述无信控道路交叉口设置的针对所述车辆感知区域的雷达检测设备的经纬度坐标，并通过所述雷达检测设备获取位于所述车辆感知区域内的至少一个车辆分别与所述雷达检测设备的相对距离；
根据所述雷达检测设备的经纬度坐标以及所述至少一个车辆分别与所述雷达检测设备的相对距离，确定所述至少一个车辆的经纬度坐标；
针对所述至少一个车辆中每个车辆的经纬度坐标，若所述车辆的经纬度坐标与所述至少一个智能网联车辆的经纬度坐标的差值均不满足设定阈值，则确定所述车辆为非智能网联车辆，并根据所述非智能网联车辆的经纬度坐标，从所述至少一个车辆的第一行驶状态信息中确定所述非智能网联车辆的第一行驶状态信息，从而确定所述各非智能网联车辆的第一行驶状态信息；
所述处理单元2002具体用于：
针对位于所述车辆感知区域内的任一非智能网联车辆，按照雷达坐标体系与视频图像坐标体系的坐标转换规则，并基于所述非智能网联车辆在雷达坐标体系中的经纬度坐标，确定所述非智能网联车辆在视频图像坐标体系的图像中心位置坐标；
根据所述非智能网联车辆在视频图像坐标体系的图像中心位置坐标，从位于所述车辆感知区域内的至少一个车辆的第一行驶意图信息中确定所述非智能网联车辆的第一行驶意图信息，从而确定位于所述各车辆感知区域内的各非智能网联车辆的第一行驶意图信息。
在一些示例性的实施方式中，所述处理单元2002具体用于：
按照预设的车辆通行规则，基于所述各非智能网联车辆的第一行驶状态信息、第一行驶意图信息以及所述各智能网联车辆的第二行驶状态信息、第二行驶意图信息，生成针对位于所述各车辆感知区域内的各智能网联车辆和各非智能网联车辆在所述无信控道路交叉口的通行优先级；
根据所述各智能网联车辆和所述各非智能网联车辆在所述无信控道路交叉口的通行优先级，生成针对所述各智能网联车辆的通行调度指令；所述通行调度指令用于指示所述各智能网联车辆按照通行先后顺序依次通过所述无信控道路交叉口。
在一些示例性的实施方式中，所述处理单元2002还用于：
在生成针对所述各智能网联车辆的通行调度指令之后，若检测到至少一个非智能网联车辆分别在行驶通过各自所在车道的停止等待线，则向在所述无信控道路交叉口中通行的至少一个智能网联车辆发送提示信息，并向未在所述无信控道路交叉口中通行的其它智能网联车辆发送等待通行信息；所述提示信息中包括所述至少一个非智能网联车辆的第一行驶状态信息和第一行驶意图信息；所述提示信息用于提示所述至少一个智能网联车辆根据所述至少一个非智能网联车辆的第一行驶状态信息和第一行驶意图信息对所述至少一个非智能网联车辆注意减速避让；所述等待通行信息用于指示未在所述无信控道路交叉口中通行的其它智能网联车辆停留在所在车道以等待通行。
基于相同的技术构思，本申请实施例还提供了一种计算设备，如图21所示，包括至少一个处理器2101，以及与至少一个处理器连接的存储器2102，本申请实施例中不限定处理器2101与存储器2102之间的具体连接介质，图21中处理器2101和存储器2102之间通过总线连接为例。总线可以分为地址总线、数据总线、控制总线等。
在本申请实施例中，存储器2102存储有可被至少一个处理器2101执行的指令，至少一个处理器2101通过执行存储器2102存储的指令，可以执行前述的协作式道路交叉口通行方法中所包括的步骤。
其中，处理器2101是计算设备的控制中心，可以利用各种接口和线路连接计算设备的各个部分，通过运行或执行存储在存储器2102内的指令以及调用存储在存储器2102内的数据，从而实现数据处理。可选的，处理器2101可包括一个或多个处理单元，处理器2101可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理下发指令。可以理解的是，上述调制解调处理器也可以不集成到处理器2101中。在一些实施例中，处理器2101和存储器2102可以在同一芯片上实现，在一些实施例中，它们也可以在独立的芯片上分别实现。
处理器2101可以是通用处理器，例如中央处理器(CPU)、数字信号处理器、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件，可以实现或者执行本申请实施例中公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者任何常规的处理器等。结合协作式道路交叉口通行方法实施例所公开的方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。
存储器2102作为一种非易失性计算机可读存储介质，可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块。存储器2102可以包括至少一种类型的存储介质，例如可以包括闪存、硬盘、多媒体卡、卡型存储器、随机访问存储器(Random AccessMemory，RAM)、静态随机访问存储器(Static Random Access Memory，SRAM)、可编程只读存储器(Programmable Read Only Memory，PROM)、只读存储器(Read Only Memory，ROM)、带电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory，EEPROM)、磁性存储器、磁盘、光盘等等。存储器2102是能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。本申请实施例中的存储器2102还可以是电路或者其它任意能够实现存储功能的装置，用于存储程序指令和/或数据。
基于相同的技术构思，本申请实施例还提供了一种计算机可读存储介质，其存储有可由计算设备执行的计算机程序，当所述程序在所述计算设备上运行时，使得所述计算设备执行上述协作式道路交叉口通行方法的步骤。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本申请的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作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申请范围的所有变更和修改。
显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。
Claims (10)
1.一种协作式道路交叉口通行方法，其特征在于，包括：
针对任一无信控道路交叉口，通过在所述无信控道路交叉口设置的各路侧感知设备，获取位于各车辆感知区域内的m个车辆的第一行驶信息；并通过位于所述各车辆感知区域内的各智能网联车辆的车载感知设备，获取所述各智能网联车辆的第二行驶信息；
基于所述m个车辆的第一行驶信息，确定所述m个车辆的第一行驶状态信息和第一行驶意图信息，并基于所述各智能网联车辆的第二行驶信息，确定所述各智能网联车辆的第二行驶状态信息和第二行驶意图信息；
确定所述m个车辆中各非智能网联车辆的第一行驶状态信息和第一行驶意图信息；
基于所述各非智能网联车辆的第一行驶状态信息、第一行驶意图信息以及所述各智能网联车辆的第二行驶状态信息、第二行驶意图信息，生成针对位于所述各车辆感知区域内的各智能网联车辆的通行调度信息；
通过所述通行调度信息，对所述各智能网联车辆进行调度。
2.如权利要求1所述的方法，其特征在于，基于所述m个车辆的第一行驶信息，确定所述m个车辆的第一行驶状态信息和第一行驶意图信息，包括：
针对任一车辆感知区域，通过在所述无信控道路交叉口设置的针对所述车辆感知区域的视频图像采集设备，获取针对所述车辆感知区域的车辆感知区域图像，并对所述车辆感知区域图像进行识别，确定所述车辆感知区域图像中包括的至少一个车辆的第一行驶意图信息，从而确定位于各车辆感知区域内的m个车辆的第一行驶意图信息；
通过在所述无信控道路交叉口设置的针对所述车辆感知区域的雷达检测设备获取位于所述车辆感知区域内的至少一个车辆的行驶状态数据，并根据位于所述车辆感知区域内的至少一个车辆的行驶状态数据确定所述至少一个车辆的第一行驶状态信息，从而确定位于各车辆感知区域内的m个车辆的第一行驶状态信息。
3.如权利要求2所述的方法，其特征在于，对所述车辆感知区域图像进行识别，确定所述车辆感知区域图像中包括的至少一个车辆的第一行驶意图信息，包括：
对所述车辆感知区域图像进行目标检测，确定所述车辆感知区域图像中包括的至少一个车辆的图像中心位置坐标和图像区域大小；
针对所述至少一个车辆中的每个车辆，以所述车辆的图像中心位置坐标为截取基准点，根据所述车辆在所述车辆感知区域图像中的图像区域大小，从所述车辆感知区域图像中截取出所述车辆所在的图像区域；
对所述车辆所在的图像区域进行意图检测，确定所述车辆的第一行驶意图信息，从而确定所述至少一个车辆的第一行驶意图信息。
4.如权利要求1所述的方法，其特征在于，基于所述各智能网联车辆的第二行驶信息，确定所述各智能网联车辆的第二行驶状态信息和第二行驶意图信息，包括：
针对任一车辆感知区域，通过位于所述车辆感知区域内的每个智能网联车辆的车载感知设备，获取位于所述车辆感知区域内的该智能网联车辆的行驶状态数据和行驶意图数据；
根据位于所述车辆感知区域内的该智能网联车辆的行驶状态数据，确定该智能网联车辆的第二行驶状态信息，并根据位于所述车辆感知区域内的该智能网联车辆的行驶意图数据，确定该智能网联车辆的第二行驶意图信息，从而确定所述各智能网联车辆的第二行驶状态信息和第二行驶意图信息。
5.如权利要求3所述的方法，其特征在于，确定所述m个车辆中各非智能网联车辆的第一行驶意图信息，包括：
针对任一车辆感知区域，通过位于所述车辆感知区域内的至少一个智能网联车辆的车载设备获取所述至少一个智能网联车辆的车牌号码，并通过对所述车辆感知区域的车辆感知区域图像进行车辆属性识别，确定所述车辆感知区域图像中包括的至少一个车辆的车牌号码；
针对所述至少一个车辆中任一车辆的车牌号码，若所述至少一个智能网联车辆的车牌号码中不存在有所述车辆的车牌号码，则确定所述车辆为非智能网联车辆；
根据所述非智能网联车辆在所述车辆感知区域图像中的图像中心位置坐标，从所述车辆感知区域图像中包括的至少一个车辆的第一行驶意图信息中确定所述非智能网联车辆的第一行驶意图信息，从而确定所述各非智能网联车辆的第一行驶意图信息；
确定所述m个车辆中各非智能网联车辆的第一行驶状态信息，包括：
针对位于所述车辆感知区域内的任一非智能网联车辆，按照雷达坐标体系与视频图像坐标体系的坐标转换规则，并基于所述非智能网联车辆在所述车辆感知区域图像中的图像中心位置坐标，确定所述非智能网联车辆在雷达坐标体系中的经纬度坐标；
根据所述非智能网联车辆在雷达坐标体系中的经纬度坐标，从位于所述车辆感知区域内的至少一个车辆的第一行驶状态信息中确定所述非智能网联车辆的第一行驶状态信息，从而确定所述各非智能网联车辆的第一行驶状态信息。
6.如权利要求3所述的方法，其特征在于，确定所述m个车辆中各非智能网联车辆的第一行驶状态信息，包括：
针对任一车辆感知区域，通过位于所述车辆感知区域内的至少一个智能网联车辆的车载感知设备获取所述至少一个智能网联车辆的经纬度坐标；
确定在所述无信控道路交叉口设置的针对所述车辆感知区域的雷达检测设备的经纬度坐标，并通过所述雷达检测设备获取位于所述车辆感知区域内的至少一个车辆分别与所述雷达检测设备的相对距离；
根据所述雷达检测设备的经纬度坐标以及所述至少一个车辆分别与所述雷达检测设备的相对距离，确定所述至少一个车辆的经纬度坐标；
针对所述至少一个车辆中每个车辆的经纬度坐标，若所述车辆的经纬度坐标与所述至少一个智能网联车辆的经纬度坐标的差值均不满足设定阈值，则确定所述车辆为非智能网联车辆，并根据所述非智能网联车辆的经纬度坐标，从所述至少一个车辆的第一行驶状态信息中确定所述非智能网联车辆的第一行驶状态信息，从而确定所述各非智能网联车辆的第一行驶状态信息；
确定所述m个车辆中各非智能网联车辆的第一行驶意图信息，包括：
针对位于所述车辆感知区域内的任一非智能网联车辆，按照雷达坐标体系与视频图像坐标体系的坐标转换规则，并基于所述非智能网联车辆在雷达坐标体系中的经纬度坐标，确定所述非智能网联车辆在视频图像坐标体系的图像中心位置坐标；
根据所述非智能网联车辆在视频图像坐标体系的图像中心位置坐标，从位于所述车辆感知区域内的至少一个车辆的第一行驶意图信息中确定所述非智能网联车辆的第一行驶意图信息，从而确定位于所述各车辆感知区域内的各非智能网联车辆的第一行驶意图信息。
7.如权利要求1至6任一项所述的方法，其特征在于，基于所述各非智能网联车辆的第一行驶状态信息、第一行驶意图信息以及所述各智能网联车辆的第二行驶状态信息、第二行驶意图信息，生成针对位于所述各车辆感知区域内的各智能网联车辆的通行调度信息，包括：
按照预设的车辆通行规则，基于所述各非智能网联车辆的第一行驶状态信息、第一行驶意图信息以及所述各智能网联车辆的第二行驶状态信息、第二行驶意图信息，生成针对位于所述各车辆感知区域内的各智能网联车辆和各非智能网联车辆在所述无信控道路交叉口的通行优先级；
根据所述各智能网联车辆和所述各非智能网联车辆在所述无信控道路交叉口的通行优先级，生成针对所述各智能网联车辆的通行调度指令；所述通行调度指令用于指示所述各智能网联车辆按照通行先后顺序依次通过所述无信控道路交叉口。
8.如权利要求7所述的方法，其特征在于，在生成针对所述各智能网联车辆的通行调度指令之后，还包括：
若检测到至少一个非智能网联车辆分别在行驶通过各自所在车道的停止等待线，则向在所述无信控道路交叉口中通行的至少一个智能网联车辆发送提示信息，并向未在所述无信控道路交叉口中通行的其它智能网联车辆发送等待通行信息；所述提示信息中包括所述至少一个非智能网联车辆的第一行驶状态信息和第一行驶意图信息；所述提示信息用于提示所述至少一个智能网联车辆根据所述至少一个非智能网联车辆的第一行驶状态信息和第一行驶意图信息对所述至少一个非智能网联车辆注意减速避让；所述等待通行信息用于指示未在所述无信控道路交叉口中通行的其它智能网联车辆停留在所在车道以等待通行。
9.一种协作式道路交叉口通行装置，其特征在于，包括：
获取单元，用于针对任一无信控道路交叉口，通过在所述无信控道路交叉口设置的各路侧感知设备，获取位于各车辆感知区域内的m个车辆的第一行驶信息；并通过位于所述各车辆感知区域内的各智能网联车辆的车载感知设备，获取所述各智能网联车辆的第二行驶信息；
处理单元，用于基于所述m个车辆的第一行驶信息，确定所述m个车辆的第一行驶状态信息和第一行驶意图信息，并基于所述各智能网联车辆的第二行驶信息，确定所述各智能网联车辆的第二行驶状态信息和第二行驶意图信息；确定所述m个车辆中各非智能网联车辆的第一行驶状态信息和第一行驶意图信息；基于所述各非智能网联车辆的第一行驶状态信息、第一行驶意图信息以及所述各智能网联车辆的第二行驶状态信息、第二行驶意图信息，生成针对位于所述各车辆感知区域内的各智能网联车辆的通行调度信息；通过所述通行调度信息，对所述各智能网联车辆进行调度。
10.一种计算设备，其特征在于，包括至少一个处理器以及至少一个存储器，其中，所述存储器存储有计算机程序，当所述程序被所述处理器执行时，使得所述处理器执行权利要求1至8任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210684180.4A CN115171371B (zh) | 2022-06-16 | 2022-06-16 | 一种协作式道路交叉口通行方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210684180.4A CN115171371B (zh) | 2022-06-16 | 2022-06-16 | 一种协作式道路交叉口通行方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115171371A true CN115171371A (zh) | 2022-10-11 |
| CN115171371B CN115171371B (zh) | 2024-03-19 |
Family
ID=83484950
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210684180.4A Active CN115171371B (zh) | 2022-06-16 | 2022-06-16 | 一种协作式道路交叉口通行方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115171371B (zh) |
Citations (30)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102750837A (zh) * | 2012-06-26 | 2012-10-24 | 北京航空航天大学 | 无信号交叉口车车协同避撞系统 |
| CN104616541A (zh) * | 2015-02-03 | 2015-05-13 | 吉林大学 | 基于鱼群效应的无信号交叉口车车协同控制系统 |
| CN104916152A (zh) * | 2015-05-19 | 2015-09-16 | 苏州大学 | 基于车路协同的交叉口车辆右转引导系统及其引导方法 |
| CN105321362A (zh) * | 2015-10-30 | 2016-02-10 | 湖南大学 | 一种交叉口车辆智能协同通行方法 |
| US9672734B1 (en) * | 2016-04-08 | 2017-06-06 | Sivalogeswaran Ratnasingam | Traffic aware lane determination for human driver and autonomous vehicle driving system |
| CN107730883A (zh) * | 2017-09-11 | 2018-02-23 | 北方工业大学 | 一种车联网环境下交叉口区域车辆调度方法 |
| US20180275678A1 (en) * | 2017-03-23 | 2018-09-27 | Edward Andert | Systems, methods, and apparatuses for implementing time sensitive autonomous intersection management |
| CN109035767A (zh) * | 2018-07-13 | 2018-12-18 | 北京工业大学 | 一种考虑交通控制与诱导协同的潮汐车道优化方法 |
| CN109448385A (zh) * | 2019-01-04 | 2019-03-08 | 北京钛星科技有限公司 | 基于车路协同的自动驾驶车辆交叉路口调度系统及方法 |
| CN109461320A (zh) * | 2018-12-20 | 2019-03-12 | 清华大学苏州汽车研究院（吴江） | 基于车联网的交叉路口车速规划方法 |
| US20190088148A1 (en) * | 2018-07-20 | 2019-03-21 | Cybernet Systems Corp. | Autonomous transportation system and methods |
| CN109859474A (zh) * | 2019-03-12 | 2019-06-07 | 沈阳建筑大学 | 基于智能车载设备的无信号交叉口通行权分配系统及方法 |
| US20200193813A1 (en) * | 2018-08-02 | 2020-06-18 | Beijing Tusen Weilai Technology Co., Ltd. | Navigation method, device and system for cross intersection |
| CN111445692A (zh) * | 2019-12-24 | 2020-07-24 | 清华大学 | 一种无信号灯路口智能网联汽车的速度协同优化方法 |
| CN111599215A (zh) * | 2020-05-08 | 2020-08-28 | 北京交通大学 | 基于车联网的无信号交叉口移动闭塞车辆引导系统和方法 |
| CN111785062A (zh) * | 2020-04-01 | 2020-10-16 | 北京京东乾石科技有限公司 | 在无信号灯路口实现车路协同的方法和装置 |
| US10807610B1 (en) * | 2019-07-23 | 2020-10-20 | Alps Alpine Co., Ltd. | In-vehicle systems and methods for intersection guidance |
| CN212750105U (zh) * | 2020-05-15 | 2021-03-19 | 青岛海信网络科技股份有限公司 | 一种测试车路协同的装置 |
| CN112820125A (zh) * | 2021-03-24 | 2021-05-18 | 苏州大学 | 车辆混行情况的智能网联车辆的通行引导方法及引导系统 |
| CN113112797A (zh) * | 2021-04-09 | 2021-07-13 | 交通运输部公路科学研究所 | 基于车路协同技术的信号灯路口调度方法及系统 |
| CN113129623A (zh) * | 2017-12-28 | 2021-07-16 | 北京百度网讯科技有限公司 | 合作式交叉路口通行控制方法、装置及设备 |
| KR102317430B1 (ko) * | 2021-05-27 | 2021-10-26 | 주식회사 라이드플럭스 | 자율주행 차량의 주행 계획을 위한 로드 네트워크 맵 생성방법, 서버 및 컴퓨터프로그램 |
| CN113744564A (zh) * | 2021-08-23 | 2021-12-03 | 上海智能新能源汽车科创功能平台有限公司 | 一种基于边缘计算的智能网联公交车路协同控制系统 |
| CN215265095U (zh) * | 2021-07-16 | 2021-12-21 | 青岛理工大学 | 一种基于车路协同的智能交叉口控制系统 |
| CN113971883A (zh) * | 2021-10-29 | 2022-01-25 | 四川省公路规划勘察设计研究院有限公司 | 车路协同自动驾驶方法及高效运输系统 |
| US20220058945A1 (en) * | 2020-08-19 | 2022-02-24 | Toyota Motor Engineering & Manufacturing North America, Inc. | Systems and methods for collaborative intersection management |
| CN114093169A (zh) * | 2021-11-22 | 2022-02-25 | 安徽达尔智能控制系统股份有限公司 | 一种基于v2x的路侧感知设备的车路协同方法、系统 |
| CN114399914A (zh) * | 2022-01-20 | 2022-04-26 | 交通运输部公路科学研究所 | 一种车路协同的车道、信号灯和车辆联合调度方法及系统 |
| CN114512007A (zh) * | 2020-11-17 | 2022-05-17 | 长沙智能驾驶研究院有限公司 | 交叉路口通行协调方法和装置 |
| CN114537398A (zh) * | 2022-04-13 | 2022-05-27 | 梅赛德斯-奔驰集团股份公司 | 用于在交叉路口处辅助车辆行驶的方法和设备 |
-
2022
- 2022-06-16 CN CN202210684180.4A patent/CN115171371B/zh active Active
Patent Citations (31)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102750837A (zh) * | 2012-06-26 | 2012-10-24 | 北京航空航天大学 | 无信号交叉口车车协同避撞系统 |
| CN104616541A (zh) * | 2015-02-03 | 2015-05-13 | 吉林大学 | 基于鱼群效应的无信号交叉口车车协同控制系统 |
| CN104916152A (zh) * | 2015-05-19 | 2015-09-16 | 苏州大学 | 基于车路协同的交叉口车辆右转引导系统及其引导方法 |
| CN105321362A (zh) * | 2015-10-30 | 2016-02-10 | 湖南大学 | 一种交叉口车辆智能协同通行方法 |
| US9672734B1 (en) * | 2016-04-08 | 2017-06-06 | Sivalogeswaran Ratnasingam | Traffic aware lane determination for human driver and autonomous vehicle driving system |
| US20180275678A1 (en) * | 2017-03-23 | 2018-09-27 | Edward Andert | Systems, methods, and apparatuses for implementing time sensitive autonomous intersection management |
| CN107730883A (zh) * | 2017-09-11 | 2018-02-23 | 北方工业大学 | 一种车联网环境下交叉口区域车辆调度方法 |
| CN113129623A (zh) * | 2017-12-28 | 2021-07-16 | 北京百度网讯科技有限公司 | 合作式交叉路口通行控制方法、装置及设备 |
| CN109035767A (zh) * | 2018-07-13 | 2018-12-18 | 北京工业大学 | 一种考虑交通控制与诱导协同的潮汐车道优化方法 |
| US20190088148A1 (en) * | 2018-07-20 | 2019-03-21 | Cybernet Systems Corp. | Autonomous transportation system and methods |
| US20200193813A1 (en) * | 2018-08-02 | 2020-06-18 | Beijing Tusen Weilai Technology Co., Ltd. | Navigation method, device and system for cross intersection |
| CN109461320A (zh) * | 2018-12-20 | 2019-03-12 | 清华大学苏州汽车研究院（吴江） | 基于车联网的交叉路口车速规划方法 |
| CN109448385A (zh) * | 2019-01-04 | 2019-03-08 | 北京钛星科技有限公司 | 基于车路协同的自动驾驶车辆交叉路口调度系统及方法 |
| CN109859474A (zh) * | 2019-03-12 | 2019-06-07 | 沈阳建筑大学 | 基于智能车载设备的无信号交叉口通行权分配系统及方法 |
| US10807610B1 (en) * | 2019-07-23 | 2020-10-20 | Alps Alpine Co., Ltd. | In-vehicle systems and methods for intersection guidance |
| CN111445692A (zh) * | 2019-12-24 | 2020-07-24 | 清华大学 | 一种无信号灯路口智能网联汽车的速度协同优化方法 |
| CN111785062A (zh) * | 2020-04-01 | 2020-10-16 | 北京京东乾石科技有限公司 | 在无信号灯路口实现车路协同的方法和装置 |
| CN111599215A (zh) * | 2020-05-08 | 2020-08-28 | 北京交通大学 | 基于车联网的无信号交叉口移动闭塞车辆引导系统和方法 |
| CN212750105U (zh) * | 2020-05-15 | 2021-03-19 | 青岛海信网络科技股份有限公司 | 一种测试车路协同的装置 |
| US20220058945A1 (en) * | 2020-08-19 | 2022-02-24 | Toyota Motor Engineering & Manufacturing North America, Inc. | Systems and methods for collaborative intersection management |
| CN114512007A (zh) * | 2020-11-17 | 2022-05-17 | 长沙智能驾驶研究院有限公司 | 交叉路口通行协调方法和装置 |
| WO2022105797A1 (zh) * | 2020-11-17 | 2022-05-27 | 长沙智能驾驶研究院有限公司 | 交叉路口通行协调方法和装置 |
| CN112820125A (zh) * | 2021-03-24 | 2021-05-18 | 苏州大学 | 车辆混行情况的智能网联车辆的通行引导方法及引导系统 |
| CN113112797A (zh) * | 2021-04-09 | 2021-07-13 | 交通运输部公路科学研究所 | 基于车路协同技术的信号灯路口调度方法及系统 |
| KR102317430B1 (ko) * | 2021-05-27 | 2021-10-26 | 주식회사 라이드플럭스 | 자율주행 차량의 주행 계획을 위한 로드 네트워크 맵 생성방법, 서버 및 컴퓨터프로그램 |
| CN215265095U (zh) * | 2021-07-16 | 2021-12-21 | 青岛理工大学 | 一种基于车路协同的智能交叉口控制系统 |
| CN113744564A (zh) * | 2021-08-23 | 2021-12-03 | 上海智能新能源汽车科创功能平台有限公司 | 一种基于边缘计算的智能网联公交车路协同控制系统 |
| CN113971883A (zh) * | 2021-10-29 | 2022-01-25 | 四川省公路规划勘察设计研究院有限公司 | 车路协同自动驾驶方法及高效运输系统 |
| CN114093169A (zh) * | 2021-11-22 | 2022-02-25 | 安徽达尔智能控制系统股份有限公司 | 一种基于v2x的路侧感知设备的车路协同方法、系统 |
| CN114399914A (zh) * | 2022-01-20 | 2022-04-26 | 交通运输部公路科学研究所 | 一种车路协同的车道、信号灯和车辆联合调度方法及系统 |
| CN114537398A (zh) * | 2022-04-13 | 2022-05-27 | 梅赛德斯-奔驰集团股份公司 | 用于在交叉路口处辅助车辆行驶的方法和设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115171371B (zh) | 2024-03-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6572847B2 (ja) | 自動運転システム | |
| CN107826104B (zh) | 用于提供关于运输工具的预计行驶意图的信息的方法 | |
| CN110099831B (zh) | 车辆控制系统、车辆控制方法及存储介质 | |
| US11130492B2 (en) | Vehicle control device, vehicle control method, and storage medium | |
| US11592570B2 (en) | Automated labeling system for autonomous driving vehicle lidar data | |
| US10935976B2 (en) | Blinker judgment device and autonomous driving system | |
| CN106064626A (zh) | 车辆行驶控制装置 | |
| US20220032955A1 (en) | Vehicle control device and vehicle control method | |
| US8050460B2 (en) | Method for recognition of an object | |
| CN111292351A (zh) | 车辆检测方法及执行其的电子设备 | |
| CN111731296A (zh) | 行驶控制装置、行驶控制方法以及存储程序的存储介质 | |
| WO2020116264A1 (ja) | 車両の走行支援方法、車両走行支援装置及び自動運転システム | |
| US20200096360A1 (en) | Method for planning trajectory of vehicle | |
| JP2019049812A (ja) | 走行位置評価システム | |
| CN111731294A (zh) | 行驶控制装置、行驶控制方法以及存储程序的存储介质 | |
| US20230120095A1 (en) | Obstacle information management device, obstacle information management method, and device for vehicle | |
| CN111319631A (zh) | 车辆控制装置以及车辆控制方法 | |
| CN113435237A (zh) | 物体状态识别装置、识别方法和识别用程序以及控制装置 | |
| CN113228131A (zh) | 用于提供周围环境数据的方法和系统 | |
| JP2021006448A (ja) | 単一車両走行用に設計された自動運転システムでの車両隊列実施 | |
| US11710408B2 (en) | Communication apparatus, vehicle, computer-readable storage medium, and communication method | |
| CN113454555A (zh) | 用于驾驶策略的轨迹预测 | |
| CN116745195A (zh) | 车道外安全驾驶的方法和系统 | |
| US20230349719A1 (en) | Map generation apparatus, map generation program and on-vehicle equipment | |
| CN114973644B (zh) | 道路信息生成装置 |
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 |