CN115346397B - 车流定位通行方法、系统、存储介质及设备 - Google Patents

车流定位通行方法、系统、存储介质及设备 Download PDF

Info

Publication number
CN115346397B
CN115346397B CN202210845970.6A CN202210845970A CN115346397B CN 115346397 B CN115346397 B CN 115346397B CN 202210845970 A CN202210845970 A CN 202210845970A CN 115346397 B CN115346397 B CN 115346397B
Authority
CN
China
Prior art keywords
vehicle
traffic flow
traffic
information
cloud server
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
CN202210845970.6A
Other languages
English (en)
Other versions
CN115346397A (zh
Inventor
凃圣偲
刘继峰
程名
周火星
余龙
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.)
Lantu Automobile Technology Co Ltd
Original Assignee
Lantu Automobile 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 Lantu Automobile Technology Co Ltd filed Critical Lantu Automobile Technology Co Ltd
Priority to CN202210845970.6A priority Critical patent/CN115346397B/zh
Publication of CN115346397A publication Critical patent/CN115346397A/zh
Application granted granted Critical
Publication of CN115346397B publication Critical patent/CN115346397B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/167—Driving aids for lane monitoring, lane changing, e.g. blind spot detection
    • 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
    • G08G1/0125—Traffic data processing
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
    • G08G1/0141—Measuring and analyzing of parameters relative to traffic conditions for specific applications for traffic information dissemination
    • 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
    • G08G1/052—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/065—Traffic control systems for road vehicles by counting the vehicles in a section of the road or in a parking area, i.e. comparing incoming count with outgoing count
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
    • G08G1/096766—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission
    • G08G1/096775—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission where the origin of the information is a central station
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/166—Anti-collision systems for active traffic, e.g. moving vehicles, pedestrians, bikes
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Analytical Chemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Signal Processing (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Atmospheric Sciences (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Medical Informatics (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种车流定位通行方法、系统、存储介质及设备，其方法包括以下步骤：每辆车获取自车信息及自车邻域内的其它车辆信息，并发送至云端服务器；云端服务器根据获得的每辆车的自车信息及自车邻域内的其它车辆信息，将每辆车定位到预设路段中的局部道路区域、及局部道路区域对应的局部车流区域；在同一局部车流区域中，云端服务器根据获得每辆车的所述自车信息及自车邻域内的其它车辆信息，获取车流数量、每条车流的通行速度及判断每条车流的相对位置关系，并发送至同一局部车流区域中的每辆车；因此可在局部车流区域内得到通行效率更高的车道以供驾驶员参考，以此来减少驾驶员的盲目变道行为，从而提高交通通行效率。

Description

车流定位通行方法、系统、存储介质及设备
技术领域
本发明涉及智能驾驶安全领域，特别涉及一种车流定位通行方法、系统、存储介质及设备。
背景技术
随着智能汽车技术的迅速发展，智能驾驶系统可实现包含自动变道超车、自动上下匝道等功能，能够在高速公路上自动从A点行驶到B点；但在实际使用中，可能会出现很多无效的变道，单辆车的感知范围有限，对哪一车道或车流的通行效率更高判断不准。
与此同时，人工驾驶时，由于驾驶员的视线范围有限，也无法准确判断哪一车道或车流的通行效率更高。特别是高速路、快速路拥堵场景，经常会误以为相邻车道更快，结果变道过去之后发现自己原来的车道更快。
因此，如何在道路局部区域内得到通行效率更高的车道以供驾驶员参考，以此来减少驾驶员的盲目变道行为，从而提高交通通行效率。
发明内容
本发明提供一种车流定位通行方法、系统、存储介质及设备，可在局部车流区域内得到通行效率更高的车道以供驾驶员参考，以此来减少驾驶员的盲目变道行为，从而提高交通通行效率。
第一方面，提供一种车流定位通行方法，包括以下步骤：
每辆车获取自车信息及自车邻域内的其它车辆信息，并发送至云端服务器；
云端服务器根据获得的每辆车的所述自车信息及自车邻域内的其它车辆信息，将每辆车定位到预设路段中的局部道路区域、及局部道路区域对应的局部车流区域；
在同一局部车流区域中，云端服务器根据获得每辆车的所述自车信息及自车邻域内的其它车辆信息，获取车流数量、每条车流的通行速度及判断每条车流的相对位置关系，并发送至同一局部车流区域中的每辆车；
每辆车从云端服务器中获取车流数量、每条车流的通行速度及每条车流的相对位置关系。
根据第一方面，在第一方面的第一种可能的实现方式中，所述“每辆车获取自车信息及自车邻域内的其它车辆信息”步骤，具体包括以下步骤：
自车信息包括：自车车牌号、自车车速及自车道路定位信息；
自车领域内的其它车辆信息包括：自车车道的正前方车辆车牌号，自车左侧邻车道的车辆车牌号，自车右侧邻车道的车辆车牌号。
根据第一方面的第一种可能的实现方式，在第一方面的第二种可能的实现方式中，所述“每辆车的智能驾驶传感器获取自车信息及自车邻域内的其它车辆信息，并发送至云端服务器；在同一局部车流区域中，云端服务器根据获得每辆车的所述自车信息及自车邻域内的其它车辆信息，获取车流数量”步骤，具体包括以下步骤：
在同一局部车流区域中，当第一车辆检测到第二车辆为第一车辆所在车道中的正前方车辆，当第二车辆检测到第三车辆为第二车辆所在车道中的正前方车辆，则云端服务器判断第一车辆、第二车辆及第三车辆组成为同一条车流，获取第一条车流；
当第三车辆在第三车辆所在车道正前方未检测到其它车辆，则云端服务器判断未处于第三车辆所在车道正前方的其它车辆不属于第一条车流；
当第三车辆检测到第四车辆为第三车辆所在车道的偏斜方向车辆，且第四车辆阻挡了第三车辆在第三车辆所在车道对其它车辆的识别，则云端服务器判断第四车辆不属于第一条车流。
根据第一方面的第二种可能的实现方式，在第一方面的第三种可能的实现方式中，所述“每辆车的智能驾驶传感器获取自车信息及自车邻域内的其它车辆信息，并发送至云端服务器；在同一局部车流区域中，云端服务器根据获得每辆车的所述自车信息及自车邻域内的其它车辆信息，获取每条车流的通行速度”步骤，具体包括以下步骤：
在同一条车流中，第二车辆检测到第二车辆与局部车流区域起点位置之间的距离，第一车辆检测到第一车辆车速，云端服务器获取第一路段的行驶时间；
第(n-1)车辆检测到第(n-1)车辆与第n车辆之间的距离，第(n-1)车辆检测到第(n-1)车辆车速，云端服务器获取第(n-1)路段的行驶时间；
第n车辆检测到第n车辆与局部车流区域终点位置之间的距离，第n车辆检测到第n车辆车速，云端服务器获取第n路段的行驶时间；
云端服务器根据第一路段的行驶时间至第n路段的行驶时间，获取一条车流所在同一局部车流区域中的车流通行时间；
云端服务器根据车流通行时间及局部车流区域的里程，获取一条车流所在同一局部车流区域中的车流通行速度；
其中，在同一条车流中，车辆从局部车流区域起点位置至终点位置依次定义为第一辆车、第二辆车……第n辆车。
根据第一方面的第三种可能的实现方式，在第一方面的第四种可能的实现方式中，所述“每辆车的智能驾驶传感器获取自车信息及自车邻域内的其它车辆信息，并发送至云端服务器；在同一局部车流区域中，云端服务器根据获得每辆车的所述自车信息及自车邻域内的其它车辆信息，判断每条车流的相对位置关系”步骤，具体包括以下步骤：
在每一条车流中，所有车辆检测到自车左侧邻车道的车辆车牌号、及自车右侧邻车道的车辆车牌号；
云端服务器根据获得的所有车辆的自车左侧邻车道的车辆车牌号、及自车右侧邻车道的车辆车牌号，通过投票方法判断每条车流的相对位置关系。
根据第一方面的第五种可能的实现方式，在第一方面的第六种可能的实现方式中，所述“在每一条车流中，所有车辆检测到自车左侧邻车道的车辆车牌号、及自车右侧邻车道的车辆车牌号；云端服务器根据获得的所有车辆的自车左侧邻车道的车辆车牌号、及自车右侧邻车道的车辆车牌号，通过投票方法判断每条车流的相对位置关系”步骤，具体包括以下步骤：
当第一车流中的第一车辆检测到第二车流中的第五车辆为左侧邻车道车辆，则云端服务器判断第五车辆所在车流在第一车辆所在车流左侧的得票数增加一票；
在每一条车流中，所有车辆检测到自车左侧邻车道的车辆车牌号、及自车右侧邻车道的车辆车牌号，云端服务器统计第一车流在第二车流左侧的得票数，及第二车流在第一车流左侧的得票数，当第一车流在第二车流左侧的得票数大于第二车流在第一车流左侧的得票数，则第一车流在第二车流的左侧；
通过上述投票方法直至判断出每条车流的相对位置关系。
根据第一方面的第六种可能的实现方式，在第一方面的第七种可能的实现方式中，所述“每辆车的智能驾驶传感器获取自车信息及自车邻域内的其它车辆信息，并发送至云端服务器；在同一局部车流区域中，云端服务器根据获得每辆车的所述自车信息及自车邻域内的其它车辆信息，判断每条车流的相对位置关系”步骤，具体包括以下步骤：
当其中一条车流中其中一车辆检测到其它车流中一车辆位于相邻一侧车道，且其中一条车流中其它车辆检测到其它车流中一车辆位于相邻另一侧车道，则云端服务器判断所述其中一条车流中其中一车辆为故障车辆
第二方面，提供一种车流定位通行系统，包括：
车辆模块，用于获取自车信息及自车邻域内的其它车辆信息，并发送至云端服务器；
云端服务器模块，与所述车辆模块通信连接，用于根据获得的每辆车的所述自车信息及自车邻域内的其它车辆信息，将每辆车定位到预设路段中的局部道路区域、及局部道路区域对应的局部车流区域；在同一局部车流区域中，用于根据获得每辆车的所述自车信息及自车邻域内的其它车辆信息，获取车流数量、每条车流的通行速度及判断每条车流的相对位置关系，并发送至同一局部车流区域中的每辆车的车辆模块；
车辆模块，用于从云端服务器中获取车流数量、每条车流的通行速度及每条车流的相对位置关系。
第三方面，提供一种存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上述所述的车流定位通行方法。
第四方面，提供一种电子设备，包括存储器和处理器，存储器上储存有在处理器上运行的计算机程序，处理器执行计算机程序时实现如上述所述的车流定位通行方法。
与现有技术相比，本发明的优点如下：当车辆在道路上行驶时，由于单辆车的感知范围有限，对哪一车道或车流的通行效率更高判断不准，同时由于驾驶员的视线范围有限，也无法准确判断哪一车道或车流的通行效率更高；因此，每辆车获取自车信息及自车邻域内的其它车辆信息，并发送至云端服务器；再云端服务器根据获得的每辆车的所述自车信息及自车邻域内的其它车辆信息，将每辆车定位到预设路段中的局部道路区域、及局部道路区域对应的局部车流区域；再在同一局部车流区域中，云端服务器根据获得每辆车的所述自车信息及自车邻域内的其它车辆信息，获取车流数量、每条车流的通行速度及判断每条车流的相对位置关系，并发送至同一局部车流区域中的每辆车；在每辆车从云端服务器中获取车流数量、每条车流的通行速度及每条车流的相对位置关系。因此当驾乘人员需要进行变道时，可通过车辆的智能驾驶系统自动获取车流通行信息及车流位置关系，能了解自车在所在车流的位置，同时再根据车流通行信息来选择通行效率更高的车流进行变道，因此可在道路局部区域内得到通行效率更高的车道以供驾驶员参考，以此来减少驾驶员的盲目变道行为，从而提高交通通行效率。
附图说明
图1是本发明一种车流定位通行方法的一实施例的流程示意图；
图2是本发明一种车流定位通行方法的又一实施例的流程示意图；
图3是本发明的局部车流区域及车辆的示意图；
图4是本发明一种车流定位通行系统的结构示意图。
附图说明：
100、车流定位通行系统；110、车辆模块；120、云端服务器模块。
具体实施方式
现在将详细参照本发明的具体实施例，在附图中例示了本发明的例子。尽管将结合具体实施例描述本发明，但将理解，不是想要将本发明限于所述的实施例。相反，想要覆盖由所附权利要求限定的在本发明的精神和范围内包括的变更、修改和等价物。应注意，这里描述的方法步骤都可以由任何功能块或功能布置来实现，且任何功能块或功能布置可被实现为物理实体或逻辑实体、或者两者的组合。
为了使本领域技术人员更好地理解本发明，下面结合附图和具体实施方式对本发明作进一步详细说明。
注意：接下来要介绍的示例仅是一个具体的例子，而不作为限制本发明的实施例必须为如下具体的步骤、数值、条件、数据、顺序等等。本领域技术人员可以通过阅读本说明书来运用本发明的构思来构造本说明书中未提到的更多实施例。
参见图1所示，本发明实施例提供一种车流定位通行方法，包括以下步骤：
S100，每辆车获取自车信息及自车邻域内的其它车辆信息，并发送至云端服务器；
S200，云端服务器根据获得的每辆车的所述自车信息及自车邻域内的其它车辆信息，将每辆车定位到预设路段中的局部道路区域、及局部道路区域对应的局部车流区域；
S300，在同一局部车流区域中，云端服务器根据获得每辆车的所述自车信息及自车邻域内的其它车辆信息，获取车流数量、每条车流的通行速度及判断每条车流的相对位置关系，并发送至同一局部车流区域中的每辆车；
S400，每辆车从云端服务器中获取车流数量、每条车流的通行速度及每条车流的相对位置关系。
具体地，本实施例中，当车辆在道路上行驶时，由于单辆车的感知范围有限，对哪一车道或车流的通行效率更高判断不准，同时由于驾驶员的视线范围有限，也无法准确判断哪一车道或车流的通行效率更高；因此，每辆车获取自车信息及自车邻域内的其它车辆信息，并发送至云端服务器；再云端服务器根据获得的每辆车的所述自车信息及自车邻域内的其它车辆信息，将每辆车定位到预设路段中的局部道路区域、及局部道路区域对应的局部车流区域；再在同一局部车流区域中，云端服务器根据获得每辆车的所述自车信息及自车邻域内的其它车辆信息，获取车流数量、每条车流的通行速度及判断每条车流的相对位置关系，并发送至同一局部车流区域中的每辆车；再每辆车从云端服务器中获取车流数量、每条车流的通行速度及每条车流的相对位置关系。因此当驾乘人员需要进行变道时，可通过车辆的智能驾驶系统自动获取车流通行信息及车流位置关系，能了解自车在所在车流的位置，同时再根据车流通行信息来选择通行效率更高的车流进行变道，因此可在道路局部区域内得到通行效率更高的车道以供驾驶员参考，以此来减少驾驶员的盲目变道行为，从而提高交通通行效率。
需要说明的是，每辆车基于智能驾驶传感器识别自车信息及自车邻域内的其它车辆信息，包括但不限于智能摄像头、毫米波雷达、激光雷达、超声波雷达等。
同时，参见图2所示，S200，
a)车辆A位于局部道路区域。计算车流速度时，会选取局部道路区域通行方向更远的一段距离，对应的局部车流区域。局部道路区域的车辆需要获取车流速度信息时，通过局部车流区域计算得出。
b)局部道路区域是预先设定好的，可根据道路结构、环境条件等设定。
c)局部车流区域是在局部道路区域的基础上延长一定的距离得到，具体延长的距离可以通过标定参数调整。
优选地，在本申请另外的实施例中，所述“S100，每辆车获取自车信息及自车邻域内的其它车辆信息”步骤，具体包括以下步骤：
自车信息包括：自车车牌号、自车车速及自车道路定位信息；
自车领域内的其它车辆信息包括：自车车道的正前方车辆车牌号，自车左侧邻车道的车辆车牌号，自车右侧邻车道的车辆车牌号。
优选地，在本申请另外的实施例中，同时参见图3所示，所述“S100，每辆车的智能驾驶传感器获取自车信息及自车邻域内的其它车辆信息，并发送至云端服务器；S300，在同一局部车流区域中，云端服务器根据获得每辆车的所述自车信息及自车邻域内的其它车辆信息，获取车流数量”步骤，具体包括以下步骤：
S310，在同一局部车流区域中，当第一车辆检测到第二车辆为第一车辆所在车道中的正前方车辆，当第二车辆检测到第三车辆为第二车辆所在车道中的正前方车辆，则云端服务器判断第一车辆、第二车辆及第三车辆组成为同一条车流，获取第一条车流；
S320，当第三车辆在第三车辆所在车道正前方未检测到其它车辆，则云端服务器判断未处于第三车辆所在车道正前方的其它车辆不属于第一条车流；
S330，当第三车辆检测到第四车辆为第三车辆所在车道的偏斜方向车辆，且第四车辆阻挡了第三车辆在第三车辆所在车道对其它车辆的识别，则云端服务器判断第四车辆不属于第一条车流。
具体地，本实施例中，车辆A检测到车辆B为本车道内正前方车辆，车辆B检测到车辆C为本车到道正前方车辆，则认为车辆A、车辆B和车辆C属于同一条车流，以此类推。车流应具有连续性，并按行驶方向从局部道路区域向局部车流区域延伸。若根据车辆G、H、I上传的数据判断为同一车流，但由于车辆I与车辆J距离较远，车辆I未检测到车辆J，那么此时车流仅限于G-H-I。同理，对于车流，由于车辆P影响了车辆O对前方目标的识别，那么车流仅限于K-L-M-N-O。
因此，第一车流：A-B-C；第二车流：A-B-C-D-E-F；第三车流：K-L-M-N-O。
需要说明的是，为避免将实际两条车流误以为是同一条车流，每辆车需要保证上传的本车道内前方车辆信息的准确性。只有在自车行驶在本车道内且未发生变道行为时，才上传信息。如无法确认目标车辆是否为本车车流正前方车辆，则不上传该信息。
优选地，在本申请另外的实施例中，所述“S100，每辆车的智能驾驶传感器获取自车信息及自车邻域内的其它车辆信息，并发送至云端服务器；S300，在同一局部车流区域中，云端服务器根据获得每辆车的所述自车信息及自车邻域内的其它车辆信息，获取每条车流的通行速度”步骤，具体包括以下步骤：
在同一条车流中，第二车辆检测到第二车辆与局部车流区域起点位置之间的距离S1，第一车辆检测到第一车辆车速V1，云端服务器获取第一路段的行驶时间T1＝S1/V1；
第(n-1)车辆检测到第(n-1)车辆与第n车辆之间的距离S(n-1)，第(n-1)车辆检测到第(n-1)车辆车速V(n-1)，云端服务器获取第(n-1)路段的行驶时间T(n-1)＝S(n-1)/V(n-1)；
第n车辆检测到第n车辆与局部车流区域终点位置之间的距离Sn，第n车辆检测到第n车辆车速Vn，云端服务器获取第n路段的行驶时间Tn＝Sn/Vn；
云端服务器根据第一路段的行驶时间至第n路段的行驶时间，获取一条车流所在同一局部车流区域中的车流通行时间T＝T1+……+T(n-1)+Tn；
云端服务器根据车流通行时间T及局部车流区域的里程S，获取一条车流所在同一局部车流区域中的车流通行速度V＝S/T。
其中，在同一条车流中，车辆从局部车流区域起点位置至终点位置依次定义为第一辆车、第二辆车……第n辆车。
优选地，在本申请另外的实施例中，所述“S100，每辆车的智能驾驶传感器获取自车信息及自车邻域内的其它车辆信息，并发送至云端服务器；S300，在同一局部车流区域中，云端服务器根据获得每辆车的所述自车信息及自车邻域内的其它车辆信息，判断每条车流的相对位置关系”步骤，具体包括以下步骤：
在每一条车流中，所有车辆检测到自车左侧邻车道的车辆车牌号、及自车右侧邻车道的车辆车牌号；
云端服务器根据获得的所有车辆的自车左侧邻车道的车辆车牌号、及自车右侧邻车道的车辆车牌号，通过投票方法判断每条车流的相对位置关系。
优选地，在本申请另外的实施例中，所述“在每一条车流中，所有车辆检测到自车左侧邻车道的车辆车牌号、及自车右侧邻车道的车辆车牌号；云端服务器根据获得的所有车辆的自车左侧邻车道的车辆车牌号、及自车右侧邻车道的车辆车牌号，通过投票方法判断每条车流的相对位置关系”步骤，具体包括以下步骤：
当第一车流中的第一车辆检测到第二车流中的第五车辆为左侧邻车道车辆，则云端服务器判断第五车辆所在车流在第一车辆所在车流左侧的得票数增加一票；
在每一条车流中，所有车辆检测到自车左侧邻车道的车辆车牌号、及自车右侧邻车道的车辆车牌号，云端服务器统计第一车流在第二车流左侧的得票数，及第二车流在第一车流左侧的得票数，当第一车流在第二车流左侧的得票数大于第二车流在第一车流左侧的得票数，则第一车流在第二车流的左侧；
通过上述投票方法直至判断出每条车流的相对位置关系。
优选地，在本申请另外的实施例中，所述“每辆车的智能驾驶传感器获取自车信息及自车邻域内的其它车辆信息，并发送至云端服务器；在同一局部车流区域中，云端服务器根据获得每辆车的所述自车信息及自车邻域内的其它车辆信息，判断每条车流的相对位置关系”步骤，具体包括以下步骤：
当其中一条车流中其中一车辆检测到其它车流中一车辆位于相邻一侧车道，且其中一条车流中其它车辆检测到其它车流中一车辆位于相邻另一侧车道，则云端服务器判断所述其中一条车流中其中一车辆为故障车辆。
具体地，本实施例中，同时参见图2所示，在局部车流区域中，第一车流：A-B-C；第二车流：A-B-C-D-E-F；第三车流：K-L-M-N-O。
通过投票方法确定两条车流的左右相对位置关系，以第一车流和第二车流为例。
如果车辆A识别到车辆G为左侧邻车道车辆，那么车辆G所属车流在车辆A所属车流的左侧的得票+1；以此类推。
综合车辆A、B、C、D、E、F、G、H、I对相邻车道车辆的识别情况，统计第一车流在第二车流左侧的得票数，以及第二车流在第一车流左侧的得票数；当第一车流在第二车流左侧的得票数大于第二车流在第一车流左侧的得票数，则第一车流在第二车流的左侧。
进一步的，若存在少数个别不一致，例如车流的车辆B识别到车流的车辆H在右侧相邻车道。与其他车辆上传的信息不符，则认为车辆B发生故障。
重复上述方法，分别得到第一车流车流与第二车流车流的左右位置关系、第二车流与第三车流的左右位置关系。
由于实际上第一车流与第三车流相隔了一个车流，但是第一车流与第二车流的左右位置关系、第二车流车流在第三车流的左右位置关系是明确的；那么可以得到三条车流从左到右依次为第一车流、第二车流、第三车流。
同时参见图4所示，本发明实施例还提供了一种车流定位通行系统100，包括：
车辆模块110，用于获取自车信息及自车邻域内的其它车辆信息，并发送至云端服务器；
云端服务器模块120，与所述车辆模块110通信连接，用于根据获得的每辆车的所述自车信息及自车邻域内的其它车辆信息，将每辆车定位到预设路段中的局部道路区域、及局部道路区域对应的局部车流区域；在同一局部车流区域中，用于根据获得每辆车的所述自车信息及自车邻域内的其它车辆信息，获取车流数量、每条车流的通行速度及判断每条车流的相对位置关系，并发送至同一局部车流区域中的每辆车的车辆模块；
车辆模块110，用于从云端服务器中获取车流数量、每条车流的通行速度及每条车流的相对位置关系。
本发明在当车辆在道路上行驶时，由于单辆车的感知范围有限，对哪一车道或车流的通行效率更高判断不准，同时由于驾驶员的视线范围有限，也无法准确判断哪一车道或车流的通行效率更高；因此，每辆车获取自车信息及自车邻域内的其它车辆信息，并发送至云端服务器；再云端服务器根据获得的每辆车的所述自车信息及自车邻域内的其它车辆信息，将每辆车定位到预设路段中的局部道路区域、及局部道路区域对应的局部车流区域；再在同一局部车流区域中，云端服务器根据获得每辆车的所述自车信息及自车邻域内的其它车辆信息，获取车流数量、每条车流的通行速度及判断每条车流的相对位置关系，并发送至同一局部车流区域中的每辆车；再每辆车从云端服务器中获取车流数量、每条车流的通行速度及每条车流的相对位置关系。因此当驾乘人员需要进行变道时，可通过车辆的智能驾驶系统自动获取车流通行信息及车流位置关系，能了解自车在所在车流的位置，同时再根据车流通行信息来选择通行效率更高的车流进行变道，因此可在局部车流区域内得到通行效率更高的车道以供驾驶员参考，以此来减少驾驶员的盲目变道行为，从而提高交通通行效率。
具体的，本实施例与上述方法实施例一一对应，各个模块的功能在相应的方法实施例中已经进行详细说明，因此不再一一赘述。
基于同一发明构思，本申请实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述方法的所有方法步骤或部分方法步骤。
本发明实现上述方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，计算机程序包括计算机程序代码，计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括：能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，RandomAccess Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
基于同一发明构思，本申请实施例还提供一种电子设备，包括存储器和处理器，存储器上储存有在处理器上运行的计算机程序，处理器执行计算机程序时实现上述方法中的所有方法步骤或部分方法步骤。
所称处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，处理器是计算机装置的控制中心，利用各种接口和线路连接整个计算机装置的各个部分。
存储器可用于存储计算机程序和/或模块，处理器通过运行或执行存储在存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现计算机装置的各种功能。存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(例如声音播放功能、图像播放功能等)；存储数据区可存储根据手机的使用所创建的数据(例如音频数据、视频数据等)。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(SmartMedia Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、服务器或计算机程序产品。因此，本发明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，本发明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和光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、服务器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。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (8)

1.一种车流定位通行方法，其特征在于，包括以下步骤：
每辆车获取自车信息及自车邻域内的其它车辆信息，并发送至云端服务器；
云端服务器根据获得的每辆车的所述自车信息及自车邻域内的其它车辆信息，将每辆车定位到预设路段中的局部道路区域、及局部道路区域对应的局部车流区域；
在同一局部车流区域中，云端服务器根据获得每辆车的所述自车信息及自车邻域内的其它车辆信息，获取车流数量、每条车流的通行速度及判断每条车流的相对位置关系，并发送至同一局部车流区域中的每辆车；
每辆车从云端服务器中获取车流数量、每条车流的通行速度及每条车流的相对位置关系；
所述“每辆车的智能驾驶传感器获取自车信息及自车邻域内的其它车辆信息，并发送至云端服务器；在同一局部车流区域中，云端服务器根据获得每辆车的所述自车信息及自车邻域内的其它车辆信息，获取每条车流的通行速度”步骤，具体包括以下步骤：
在同一条车流中，第二车辆检测到第二车辆与局部车流区域起点位置之间的距离，第一车辆检测到第一车辆车速，云端服务器获取第一路段的行驶时间；
第(n-1)车辆检测到第(n-1)车辆与第n车辆之间的距离，第(n-1)车辆检测到第(n-1)车辆车速，云端服务器获取第(n-1)路段的行驶时间；
第n车辆检测到第n车辆与局部车流区域终点位置之间的距离，第n车辆检测到第n车辆车速，云端服务器获取第n路段的行驶时间；
云端服务器根据第一路段的行驶时间至第n路段的行驶时间，获取一条车流所在同一局部车流区域中的车流通行时间；
云端服务器根据车流通行时间及局部车流区域的里程，获取一条车流所在同一局部车流区域中的车流通行速度；
其中，在同一条车流中，车辆从局部车流区域起点位置至终点位置依次定义为第一辆车、第二辆车……第n辆车。
2.如权利要求1所述的车流定位通行方法，其特征在于，所述“每辆车获取自车信息及自车邻域内的其它车辆信息”步骤，具体包括以下步骤：
自车信息包括：自车车牌号、自车车速及自车道路定位信息；
自车领域内的其它车辆信息包括：自车车道的正前方车辆车牌号，自车左侧邻车道的车辆车牌号，自车右侧邻车道的车辆车牌号。
3.如权利要求1所述的车流定位通行方法，其特征在于，所述“每辆车的智能驾驶传感器获取自车信息及自车邻域内的其它车辆信息，并发送至云端服务器；在同一局部车流区域中，云端服务器根据获得每辆车的所述自车信息及自车邻域内的其它车辆信息，获取车流数量”步骤，具体包括以下步骤：
在同一局部车流区域中，当第一车辆检测到第二车辆为第一车辆所在车道中的正前方车辆，当第二车辆检测到第三车辆为第二车辆所在车道中的正前方车辆，则云端服务器判断第一车辆、第二车辆及第三车辆组成为同一条车流，获取第一条车流；
当第三车辆在第三车辆所在车道正前方未检测到其它车辆，则云端服务器判断未处于第三车辆所在车道正前方的其它车辆不属于第一条车流；
当第三车辆检测到第四车辆为第三车辆所在车道的偏斜方向车辆，且第四车辆阻挡了第三车辆在第三车辆所在车道对其它车辆的识别，则云端服务器判断第四车辆不属于第一条车流。
4.如权利要求2所述的车流定位通行方法，其特征在于，所述“每辆车的智能驾驶传感器获取自车信息及自车邻域内的其它车辆信息，并发送至云端服务器；在同一局部车流区域中，云端服务器根据获得每辆车的所述自车信息及自车邻域内的其它车辆信息，判断每条车流的相对位置关系”步骤，具体包括以下步骤：
在每一条车流中，所有车辆检测到自车左侧邻车道的车辆车牌号、及自车右侧邻车道的车辆车牌号；
云端服务器根据获得的所有车辆的自车左侧邻车道的车辆车牌号、及自车右侧邻车道的车辆车牌号，通过投票方法判断每条车流的相对位置关系。
5.如权利要求4所述的车流定位通行方法，其特征在于，所述“在每一条车流中，所有车辆检测到自车左侧邻车道的车辆车牌号、及自车右侧邻车道的车辆车牌号；云端服务器根据获得的所有车辆的自车左侧邻车道的车辆车牌号、及自车右侧邻车道的车辆车牌号，通过投票方法判断每条车流的相对位置关系”步骤，具体包括以下步骤：
当第一车流中的第一车辆检测到第二车流中的第五车辆为左侧邻车道车辆，则云端服务器判断第五车辆所在车流在第一车辆所在车流左侧的得票数增加一票；
在每一条车流中，所有车辆检测到自车左侧邻车道的车辆车牌号、及自车右侧邻车道的车辆车牌号，云端服务器统计第一车流在第二车流左侧的得票数，及第二车流在第一车流左侧的得票数，当第一车流在第二车流左侧的得票数大于第二车流在第一车流左侧的得票数，则第一车流在第二车流的左侧；
通过上述投票方法直至判断出每条车流的相对位置关系。
6.如权利要求1所述的车流定位通行方法，其特征在于，所述“每辆车的智能驾驶传感器获取自车信息及自车邻域内的其它车辆信息，并发送至云端服务器；在同一局部车流区域中，云端服务器根据获得每辆车的所述自车信息及自车邻域内的其它车辆信息，判断每条车流的相对位置关系”步骤，具体包括以下步骤：
当其中一条车流中其中一车辆检测到其它车流中一车辆位于相邻一侧车道，且其中一条车流中其它车辆检测到其它车流中一车辆位于相邻另一侧车道，则云端服务器判断所述其中一条车流中其中一车辆为故障车辆。
7.一种存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6中任一项所述的车流定位通行方法。
8.一种电子设备，包括存储器和处理器，存储器上储存有在处理器上运行的计算机程序，处理器执行计算机程序时实现如权利要求1至6中任一项所述的车流定位通行方法。
CN202210845970.6A 2022-07-18 2022-07-18 车流定位通行方法、系统、存储介质及设备 Active CN115346397B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210845970.6A CN115346397B (zh) 2022-07-18 2022-07-18 车流定位通行方法、系统、存储介质及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210845970.6A CN115346397B (zh) 2022-07-18 2022-07-18 车流定位通行方法、系统、存储介质及设备

Publications (2)

Publication Number Publication Date
CN115346397A CN115346397A (zh) 2022-11-15
CN115346397B true CN115346397B (zh) 2023-06-23

Family

ID=83949500

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210845970.6A Active CN115346397B (zh) 2022-07-18 2022-07-18 车流定位通行方法、系统、存储介质及设备

Country Status (1)

Country Link
CN (1) CN115346397B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107010054A (zh) * 2016-01-11 2017-08-04 Trw汽车股份有限公司 控制系统和确定车辆进行的安全车道变换的方法
CN110171404A (zh) * 2019-06-24 2019-08-27 爱驰汽车有限公司 行车安全距离控制方法、系统、设备及存储介质
CN114429710A (zh) * 2021-12-17 2022-05-03 华人运通(上海)自动驾驶科技有限公司 一种基于v2x车路云协同的交通流分析方法及系统

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104680820B (zh) * 2015-02-12 2017-02-01 浙江大学 一种基于梯度场的交通流车联网系统及交通流控制方法
JP2017016460A (ja) * 2015-07-02 2017-01-19 沖電気工業株式会社 交通流計測装置および交通流計測方法
JP6758160B2 (ja) * 2016-11-10 2020-09-23 株式会社デンソーアイティーラボラトリ 車両位置検出装置、車両位置検出方法及び車両位置検出用コンピュータプログラム
CN109658709A (zh) * 2019-01-07 2019-04-19 青海交通职业技术学院 一种交通车流信息采集系统
CN110457415A (zh) * 2019-07-30 2019-11-15 武汉光庭信息技术股份有限公司 一种在电子地图上显示车流量和通行速度的方法及系统
CN112991713B (zh) * 2019-12-13 2022-11-22 百度在线网络技术（北京）有限公司 数据处理方法、装置、设备及存储介质
CN111063214A (zh) * 2019-12-16 2020-04-24 驭势科技（北京）有限公司 一种车辆的定位方法、车载设备及存储介质
CN113763700B (zh) * 2021-04-26 2022-09-20 腾讯云计算（北京）有限责任公司 信息处理方法、装置、计算机设备及存储介质
CN114516327A (zh) * 2022-02-24 2022-05-20 重庆长安汽车股份有限公司 基于驾驶员行为学习和周边环境的自学习跟车系统及方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107010054A (zh) * 2016-01-11 2017-08-04 Trw汽车股份有限公司 控制系统和确定车辆进行的安全车道变换的方法
CN110171404A (zh) * 2019-06-24 2019-08-27 爱驰汽车有限公司 行车安全距离控制方法、系统、设备及存储介质
CN114429710A (zh) * 2021-12-17 2022-05-03 华人运通(上海)自动驾驶科技有限公司 一种基于v2x车路云协同的交通流分析方法及系统

Also Published As

Publication number Publication date
CN115346397A (zh) 2022-11-15

Similar Documents

Publication Publication Date Title
CN108022450B (zh) 一种基于蜂窝网络的辅助驾驶方法及交通控制单元
EP3709281B1 (en) Vehicle track prediction method and device, storage medium and terminal device
CN111046709B (zh) 车辆车道级定位方法、系统、车辆及存储介质
CN112874519B (zh) 自适应巡航的控制方法、系统、存储介质及电子设备
US20190080610A1 (en) Vehicle control apparatus, vehicle, processing method of vehicle control apparatus, and storage medium
CN105719509A (zh) 汽车碰撞预警雷达信息系统
CN111144179A (zh) 场景检测装置及方法
CN111260915B (zh) 一种高速公路交通异常区域行人逗留的预警提醒方法
CN113888860A (zh) 车辆异常行驶的检测方法、装置、服务器及可读存储介质
CN115346397B (zh) 车流定位通行方法、系统、存储介质及设备
CN113850237A (zh) 基于视频和轨迹数据的网联车目标检测评价方法及系统
CN112896160B (zh) 交通标志信息获取方法及相关设备
CN116259033A (zh) 车辆信息丢失的目标跟踪方法、系统、介质及设备
CN115497323A (zh) 基于v2x的车辆协同变道方法及设备
CN113393702B (zh) 辅助驾驶系统、相应的车辆、方法、计算机设备和介质
CN113799715A (zh) 车辆异常原因的确定方法、装置、通信设备及存储介质
CN112829757A (zh) 自动驾驶控制系统、服务器装置以及存储程序的存储介质
CN115306253B (zh) 车门开启避让方法、系统及存储介质
CN111289979B (zh) 车载雷达的控制方法及装置、运载工具
Narasimhan Ramakrishnan Design and evaluation of perception system algorithms for semi-autonomous vehicles
US20220266834A1 (en) Overtaking of vehicles travelling on the same road
CN110930714B (zh) 位置匹配方法及装置
US20230213352A1 (en) Method and apparatus for recognizing parking space
CN116878528A (zh) 车辆定位中选取高精地图信息方法、系统、介质及设备
CN117079456A (zh) 车辆诱导方法、装置及电子设备、计算机可读存储介质

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