CN115391980A - 道路场景和动态交通流优化方法、系统及存储介质 - Google Patents

道路场景和动态交通流优化方法、系统及存储介质 Download PDF

Info

Publication number
CN115391980A
CN115391980A CN202210834754.1A CN202210834754A CN115391980A CN 115391980 A CN115391980 A CN 115391980A CN 202210834754 A CN202210834754 A CN 202210834754A CN 115391980 A CN115391980 A CN 115391980A
Authority
CN
China
Prior art keywords
vehicle
target vehicle
reference vehicle
traffic flow
dynamic traffic
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.)
Pending
Application number
CN202210834754.1A
Other languages
English (en)
Inventor
李森林
李诒雯
郝江波
邹元杰
朱光华
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.)
Wuhan Kotei Informatics Co Ltd
Original Assignee
Wuhan Kotei Informatics 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 Wuhan Kotei Informatics Co Ltd filed Critical Wuhan Kotei Informatics Co Ltd
Priority to CN202210834754.1A priority Critical patent/CN115391980A/zh
Publication of CN115391980A publication Critical patent/CN115391980A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • 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
    • G06F16/21—Design, administration or maintenance of databases
    • G06F16/211—Schema design and management
    • G06F16/212—Schema design and management with details for data modelling support
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Abstract

本发明公开了一种道路场景和动态交通流优化方法、系统及存储介质，其方法包括以下步骤：获取基准车辆所在的道路场景信息，及基准车辆与待测车辆之间的初始动态交通流信息，并判断待测车辆是否为目标车辆；根据道路场景信息、及基准车辆与目标车辆之间的有效动态交通流信息，预测调整基准车辆与目标车辆之间的位置关系，并获取调整后的优化动态交通流信息；根据道路场景信息生成道路场景OpenDrive文件，根据所述优化动态交通流信息生成动态交通流OpenScenario文件；根据所述道路场景OpenDrive文件及所述动态交通流OpenScenario文件，并通过仿真软件构建交通道路仿真模型；因此能对动态交通流信息进行优化调整，在构建交通道路仿真模型时使在道路地图上的动态交通流更逼近真实场景。

Description

道路场景和动态交通流优化方法、系统及存储介质
技术领域
本发明涉及道路交通仿真建模领域，特别涉及一种道路场景和动态交通流优化方法、系统及存储介质。
背景技术
随着自动驾驶技术的不断发展，自动驾驶仿真显得越来越重要，把大量的自动驾驶实车开发和测试成本转化为计算机仿真的开发和测试，节省了大量的时间、人工和物料成本。
智能驾驶复杂交通场景仿真工具软件可以对道路和动态交通流进行仿真，其中道路部分由OpenDrive文件构成，动态交通流部分由OpenScenario文件构成，这两个文件相互独立又相互依赖。现有技术中是单纯地由交通数据源自动生成OpenDrive和OpenScenario文件，并由智能驾驶复杂交通场景仿真工具加载这两个文件，但受道路弯曲度影响OpenScenario文件中的车辆位置不一定自动摆放在道路正确的位置，还有受车辆传感器采集数据影响，只能采集到自车与目标物相遇时的位置和速度信息，这很显然对道路和动态交通流进行仿真的数据仿真精确度有一定影响，不能准确地在道路地图上构建更为逼真的动态交通流。
因此，需要对道路信息和动态交通流信息的进行相应调整，从而更逼真合理地实现在道路地图上运行动态交通流的效果。
发明内容
本发明的提供一种道路场景和动态交通流优化方法、系统及存储介质，能对动态交通流信息进行优化调整，在构建交通道路仿真模型时使在道路地图上的动态交通流更逼近真实场景。
第一方面，提供一种道路场景和动态交通流优化方法，包括以下步骤：
获取基准车辆所在的道路场景信息，及基准车辆与待测车辆之间的初始动态交通流信息，并判断待测车辆是否为目标车辆；
根据所述道路场景信息、及基准车辆与目标车辆之间的有效动态交通流信息，预测调整基准车辆与目标车辆之间的位置关系，并获取调整后的优化动态交通流信息；
根据所述道路场景信息生成道路场景OpenDrive文件，根据所述优化动态交通流信息生成动态交通流OpenScenario文件；
根据所述道路场景OpenDrive文件及所述动态交通流OpenScenario文件，并通过仿真软件构建交通道路仿真模型。
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“获取基准车辆所在的道路场景信息、及基准车辆与待测车辆之间的初始动态交通流信息，并判断待测车辆是否为目标车辆”步骤，具体包括以下步骤：
获取基准车辆所在的道路场景信息，并根据所述道路场景信息获取基准车辆与待测车辆之间的初始动态交通流信息；所述初始动态交通流信息包括：基准车辆所在车道位置与最左侧车道距离、基准车辆所在车道位置与最右侧车道距离、及当场车辆与待测车辆的横向距离；
当所述当场车辆与待测车辆的横向距离大于所述基准车辆所在车道位置与最右侧车道距离、且小于所述基准车辆所在车道位置与最左侧车道距离时，则待测车辆是目标车辆，并设置于基准车辆所在的道路场景中；
否则，则待测车辆不是目标车辆，并不设置于基准车辆所在的道路场景中。
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“根据所述道路场景信息、及基准车辆与目标车辆之间的有效动态交通流信息，预测调整基准车辆与目标车辆之间的位置关系，并获取调整后的优化动态交通流信息”步骤，具体包括以下步骤：
根据所述道路场景信息、及基准车辆与目标车辆之间的有效动态交通流信息；
预测目标车辆相对基准车辆的朝向；
预测基准车辆与目标车辆相遇时目标车辆位置；
并根据所述基准车辆与目标车辆相遇时目标车辆位置，预测基准车辆与目标车辆在相遇前一段时间的目标车辆位置；
分别调整基准车辆的位置误差及目标车辆的位置误差。
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“根据所述道路场景信息、及基准车辆与目标车辆之间的有效动态交通流信息，预测目标车辆相对基准车辆的朝向”步骤，具体包括以下步骤：
根据基准车辆与目标车辆的横向距离，及基准车辆与车道中心线的距离；
若基准车辆与目标车辆的横向距离小于基准车辆与车道中心线的距离，则基准车辆与目标车辆朝向相同；
否则，则基准车辆与目标车辆朝向相反。
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“根据所述道路场景信息、及基准车辆与目标车辆之间的有效动态交通流信息，预测基准车辆与目标车辆相遇时目标车辆位置”步骤，具体包括以下步骤：
根据基准车辆的行驶路程，及基准车辆行驶对应于车道中心线上坐标，按时间顺序生成中心线坐标路程映射表；
根据基准车辆与目标车辆相遇时基准车辆的行驶路程，及所述中中心线坐标路程映射表，获取基准车辆与目标车辆相遇时基准车辆对应于车道中心线上的相遇车道中心线坐标；
根据基准车辆与目标车辆相遇时的基准车辆与车道中心线的距离，相遇时基准车辆所在道路的偏航角，及所述相遇车道中心线坐标，获取基准车辆与目标车辆相遇时基准车辆坐标；
根据基准车辆与目标车辆的相对横纵坐标，及所述基准车辆坐标，获取基准车辆与目标车辆相遇时目标车辆坐标。
根据第一方面的第四种可能的实现方式，在第一方面的第五种可能的实现方式中，所述“根据所述道路场景信息、及基准车辆与目标车辆之间的有效动态交通流信息，并根据所述基准车辆与目标车辆相遇时目标车辆位置，预测基准车辆与目标车辆在相遇前一段时间的目标车辆位置”步骤，具体包括以下步骤：
根据基准车辆与目标车辆相遇时目标车辆坐标，及中心线坐标路程映射表，获取基准车辆与目标车辆相遇时目标车辆的行驶路程；
根据目标车辆的相对速度，基准车辆的速度，及基准车辆与目标车辆相遇时目标车辆的行驶路程，获取基准车辆与目标车辆在相遇前一段时间的目标车辆的行驶路程；
根据基准车辆与目标车辆在相遇前一段时间的目标车辆的行驶路程，及中心线坐标路程映射表，获取基准车辆与目标车辆在相遇前一段时间的目标车辆对应于车道中心线上的相遇前车道中心线坐标；
根据基准车辆与目标车辆在相遇前一段时间的基准车辆与车道中心线的距离，相遇前一段时间基准车辆所在道路的偏航角，及所述相遇前车道中心线坐标，获取基准车辆与目标车辆在相遇前一段时间的目标车辆坐标。
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“根据所述道路场景信息、及基准车辆与目标车辆之间的有效动态交通流信息，分别调整基准车辆的位置误差及目标车辆的位置误差”步骤，具体包括以下步骤：
获取基准车辆在一段时间内每隔一秒的速度平均值；
获取目标车辆在一段时间内每隔一秒的速度平均值。
第二方面，提供一种道路场景和动态交通流优化系统，其特征在于，包括：
目标车辆判断模块，用于获取基准车辆所在的道路场景信息，及基准车辆与待测车辆之间的初始动态交通流信息，并判断待测车辆是否为目标车辆。
优化动态交通流信息模块，与所述目标车辆判断模块通信连接，用于根据所述道路场景信息、及基准车辆与目标车辆之间的有效动态交通流信息，预测调整基准车辆与目标车辆之间的位置关系，并获取调整后的优化动态交通流信息；
数据文件获取模块，与所述目标车辆判断模块及优化动态交通流信息模块通信连接，用于根据所述道路场景信息生成道路场景OpenDrive文件，根据所述优化动态交通流信息生成动态交通流OpenScenario文件；
仿真模型建立模块，与所述数据文件获取模块通信连接，用于根据所述道路场景OpenDrive文件及所述动态交通流OpenScenario文件，并通过仿真软件构建交通道路仿真模型。
根据第二方面，在第二方面的第一种可能的实现方式中，所述优化动态交通流信息模块用于根据所述道路场景信息、及基准车辆与目标车辆之间的有效动态交通流信息；预测目标车辆相对基准车辆的朝向；预测基准车辆与目标车辆相遇时目标车辆位置；并根据所述基准车辆与目标车辆相遇时目标车辆位置，预测基准车辆与目标车辆在相遇前一段时间的目标车辆位置；分别调整基准车辆的位置误差及目标车辆的位置误差。
第三方面，提供一种存储介质，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上述的道路场景和动态交通流优化方法。
与现有技术相比，本发明的优点如下：首先通过获取基准车辆所在的道路场景信息，及基准车辆与待测车辆之间的初始动态交通流信息，并判断待测车辆是否为目标车辆，从而屏蔽掉对构建交通道路仿真模型有影响的车道外无关车辆；再根据所述道路场景信息、及基准车辆与目标车辆之间的有效动态交通流信息，预测调整基准车辆与目标车辆之间的位置关系，并获取调整后的优化动态交通流信息，此时即可对动态交通流进行优化；再根据所述道路场景信息生成道路场景OpenDrive文件，根据所述优化动态交通流信息生成动态交通流OpenScenario文件；最后根据所述道路场景OpenDrive文件及所述动态交通流OpenScenario文件，并通过仿真软件构建交通道路仿真模型。
因此，通过对生成OpenDrive文件及OpenScenario文件的数据源-道路场景信息/动态交通流信息实时进行信息共享和交互，数据源参数相互优化，从而获得调整后的优化动态交通流信息，可在构建交通道路仿真模型时使在道路地图上的动态交通流更逼近真实场景，避免手动对道路上车辆位置进行重新摆放，提高了仿真工作效率和精确性。
附图说明
图1是本发明道路场景和动态交通流优化方法的一实施例的流程示意图；
图2是本发明道路场景和动态交通流优化方法的又一实施例的流程示意图；
图3是本发明基准车辆与目标车辆在道路场景中的示意图；
图4是本发明道路场景和动态交通流优化系统的结构示意图。
附图说明：
100、道路场景和动态交通流优化系统；110、目标车辆判断模块；120、优化动态交通流信息模块；130、数据文件获取模块；140、仿真模型建立模块。
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道路场景和动态交通流优化方法，包括以下步骤：
S100，获取基准车辆所在的道路场景信息，及基准车辆与待测车辆之间的初始动态交通流信息，并判断待测车辆是否为目标车辆；
S200，根据所述道路场景信息、及基准车辆与目标车辆之间的有效动态交通流信息，预测调整基准车辆与目标车辆之间的位置关系，并获取调整后的优化动态交通流信息；
S300，根据所述道路场景信息生成道路场景OpenDrive文件，根据所述优化动态交通流信息生成动态交通流OpenScenario文件；
S400，根据所述道路场景OpenDrive文件及所述动态交通流OpenScenario文件，并通过仿真软件构建交通道路仿真模型。
具体地，本实施例中，参见图1所示，相关技术中通过交通场景仿真工具软件将交通道路部分生成OpenDrive文件，将动态交通流部分生成OpenScenario文件，但这种直接根据车辆传感器获取到的交通数据生成的上述格式文件而构建的交通道路仿真模型与真实交通场景存在一定误差，精确度不够；因此，本发明实施例首先通过获取基准车辆所在的道路场景信息，及基准车辆与待测车辆之间的初始动态交通流信息，并判断待测车辆是否为目标车辆，从而屏蔽掉对构建交通道路仿真模型有影响的车道外无关车辆；再根据所述道路场景信息、及基准车辆与目标车辆之间的有效动态交通流信息，预测调整基准车辆与目标车辆之间的位置关系，并获取调整后的优化动态交通流信息，此时即可对动态交通流进行优化；再根据所述道路场景信息生成道路场景OpenDrive文件，根据所述优化动态交通流信息生成动态交通流OpenScenario文件；最后根据所述道路场景OpenDrive文件及所述动态交通流OpenScenario文件，并通过仿真软件构建交通道路仿真模型。
因此，通过对生成OpenDrive文件及OpenScenario文件的数据源-道路场景信息/动态交通流信息实时进行信息共享和交互，数据源参数相互优化，从而获得调整后的优化动态交通流信息，可在构建交通道路仿真模型时使在道路地图上的动态交通流更逼近真实场景，避免手动对道路上车辆位置进行重新摆放，提高了仿真工作效率和精确性。
同时参见图2所示，道路场景OpenDrive文件的获取流程：通过采用python脚本对采集的CSV格式的交通数据源中关键信息逐帧读取，获取基准车辆所在的道路场景信息，包括路宽、路长、车道数量、曲率、偏航角等，其中车道数、曲率及偏航角会随时间变化；然后再以字典结构保存上述这些信息，再转成xml文件，就会产生一个后缀为xodr的OpenDrive文件。
同时参见图2所示，动态交通流OpenScenario文件的获取流程：同理，读取初始动态交通流信息，如基准车辆与目标车辆的横向距离和纵向距离，相对速度等，构建出OpenScenario结构的字典，并保存上述这些信息，然后读取道路场景信息的字典结构，预测调整基准车辆与目标车辆之间的位置关系，并获取调整后的优化动态交通流信息；然后再以字典结构保存优化动态交通流信息，再转成xml文件，就产生了一个后缀为xosc的OpenScenario文件。
优选地，在本申请另外的实施例中，所述“S100，获取基准车辆所在的道路场景信息、及基准车辆与待测车辆之间的初始动态交通流信息，并判断待测车辆是否为目标车辆”步骤，具体包括以下步骤：
S110，获取基准车辆所在的道路场景信息，并根据所述道路场景信息获取基准车辆与待测车辆之间的初始动态交通流信息；所述初始动态交通流信息包括：基准车辆所在车道位置与最左侧车道距离、基准车辆所在车道位置与最右侧车道距离、及当场车辆与待测车辆的横向距离；
S120，当所述当场车辆与待测车辆的横向距离大于所述基准车辆所在车道位置与最右侧车道距离、且小于所述基准车辆所在车道位置与最左侧车道距离时，则待测车辆是目标车辆，并设置于基准车辆所在的道路场景中；
S130，否则，则待测车辆不是目标车辆，并不设置于基准车辆所在的道路场景中。
具体地，本实施例中，只有在待测车辆满足：当所述当场车辆与待测车辆的横向距离大于所述基准车辆所在车道位置与最右侧车道距离、且小于所述基准车辆所在车道位置与最左侧车道距离时，待测车辆才是目标车辆，才是构建交通道路仿真模型所需要的车辆，因为道路外面的车辆对交通道路仿真模型的构建无意义，因此若待测车辆不是目标车辆，就不设置于基准车辆所在的道路场景中，可进行舍弃。
优选地，在本申请另外的实施例中，所述“S200，根据所述道路场景信息、及基准车辆与目标车辆之间的有效动态交通流信息，预测调整基准车辆与目标车辆之间的位置关系，并获取调整后的优化动态交通流信息”步骤，具体包括以下步骤：
S210，根据所述道路场景信息、及基准车辆与目标车辆之间的有效动态交通流信息；
S220，预测目标车辆相对基准车辆的朝向；
S230，预测基准车辆与目标车辆相遇时目标车辆位置；
S240，并根据所述基准车辆与目标车辆相遇时目标车辆位置，预测基准车辆与目标车辆在相遇前一段时间的目标车辆位置；
S250，分别调整基准车辆的位置误差及目标车辆的位置误差。
具体地，本实施例中，为了在构建交通道路仿真模型时使在道路地图上的动态交通流更逼近真实场景，需要根据所述道路场景信息、及基准车辆与目标车辆之间的有效动态交通流信息，预测调整基准车辆与目标车辆之间的位置关系，包括预测目标车辆相对基准车辆的朝向、预测基准车辆与目标车辆相遇时目标车辆位置、预测基准车辆与目标车辆在相遇前一段时间的目标车辆位置及分别调整基准车辆的位置误差及目标车辆的位置误差；从而获取调整后的优化动态交通流信息。
同时参见图3所示，优选地，在本申请另外的实施例中，所述“S210根据所述道路场景信息、及基准车辆与目标车辆之间的有效动态交通流信息，S220预测目标车辆相对基准车辆的朝向”步骤，具体包括以下步骤：
根据基准车辆与目标车辆的横向距离，及基准车辆与车道中心线的距离；
若基准车辆与目标车辆的横向距离小于基准车辆与车道中心线的距离，则基准车辆与目标车辆朝向相同；
否则，则基准车辆与目标车辆朝向相反。
优选地，在本申请另外的实施例中，所述“S210根据所述道路场景信息、及基准车辆与目标车辆之间的有效动态交通流信息，S230预测基准车辆与目标车辆相遇时目标车辆位置”步骤，具体包括以下步骤：
根据基准车辆的行驶路程，及基准车辆行驶对应于车道中心线上坐标，按时间顺序生成中心线坐标路程映射表list；
根据基准车辆与目标车辆相遇时基准车辆的行驶路程S，及所述中心线坐标路程映射表list，获取基准车辆与目标车辆相遇时基准车辆对应于车道中心线上的相遇车道中心线坐标(x0,y0)；
根据基准车辆与目标车辆相遇时的基准车辆与车道中心线的距离d，相遇时基准车辆所在道路的偏航角hdg，及所述相遇车道中心线坐标(x0,y0)，获取基准车辆与目标车辆相遇时基准车辆坐标(x1,y1)；
其中，x1＝x0+d*sin(hdg) 式(一)；
y1＝y0-d*cos(hdg) 式(二)；
根据基准车辆与目标车辆的相对横纵坐标(x,y)，及所述基准车辆坐标(x1,y1)，获取基准车辆与目标车辆相遇时目标车辆坐标(x2,y2)；
其中，x2＝x1+x 式(三)；
y2＝y1+y 式(四)；
通过上述预测基准车辆与目标车辆相遇时目标车辆位置，目的在于消除交通道路弯道对基准车辆与目标车辆相对位置误差的影响。
优选地，在本申请另外的实施例中，所述“S210根据所述道路场景信息、及基准车辆与目标车辆之间的有效动态交通流信息，并S230根据所述基准车辆与目标车辆相遇时目标车辆位置，S240预测基准车辆与目标车辆在相遇前一段时间的目标车辆位置”步骤，具体包括以下步骤：
根据基准车辆与目标车辆相遇时目标车辆坐标(x2,y2)，及中心线坐标路程映射表list，获取基准车辆与目标车辆相遇时目标车辆的行驶路程S1；
根据目标车辆的相对速度v，基准车辆的速度v1，则目标车辆的绝对速度为v2＝v1+v式(五)；
再根据基准车辆与目标车辆相遇时目标车辆的行驶路程S1，获取基准车辆与目标车辆在相遇前一段时间n的目标车辆的行驶路程Sn；
若基准车辆与目标车辆对向行驶，则sn＝s1-v2*n 式(六)；
若基准车辆与目标车辆同向行驶，则sn＝s1+v2*n 式(七)；
根据基准车辆与目标车辆在相遇前一段时间n的目标车辆的行驶路程Sn，及中心线坐标路程映射表list，获取基准车辆与目标车辆在相遇前一段时间n的目标车辆对应于车道中心线上的相遇前车道中心线坐标(x01,y01)；
根据基准车辆与目标车辆在相遇前一段时间n的基准车辆与车道中心线的距离d1，相遇前一段时间基准车辆所在道路的偏航角hdg1，及所述相遇前车道中心线坐标(x01,y01)，获取基准车辆与目标车辆在相遇前一段时间n的目标车辆坐标(xn,yn)；
若基准车辆与目标车辆在同向车道，则，
xn＝x01+d1*sin(hdg1) 式(八)；
yn＝y01-d1*cos(hdg1) 式(九)；
若基准车辆与目标车辆在对向车道，则，
xn＝x01-d1*sin(hdg1) 式(十)；
yn＝y01+d1*cos(hdg1) 式(十一)；
通过上述预测基准车辆与目标车辆在相遇前一段时间的目标车辆位置，是为了使动态交通流建模更加真实，防止出现基准车辆与目标车辆相遇时目标车辆静止的问题。
优选地，在本申请另外的实施例中，所述“S210根据所述道路场景信息、及基准车辆与目标车辆之间的有效动态交通流信息，S250分别调整基准车辆的位置误差及目标车辆的位置误差”步骤，具体包括以下步骤：
获取基准车辆在一段时间内每隔一秒的速度平均值；
获取目标车辆在一段时间内每隔一秒的速度平均值.
具体地，本实施例中，真实场景的基准车辆速度、目标车辆速度经常会发生变速运动，雷达采集的数据是逐帧的，每一帧的速度都不一样，但在进行动态交通流仿真建模时，OpenScenario文件的格式规定只能按秒进行速度的触发，也即只能每隔一秒给一个速度，那么仿真出来的车辆速度和目标车辆位置与真实的位置会有偏差，因此可采用如下方法消除误差：设基准车辆从t1秒到(t1+1)秒速度由v1到v2，运行距离为s1，那么平均速度为v＝s1/1，依此每隔一秒取一个平均值，并将该值写入OpenScenario文件中，那么经过n秒后，真实场景和仿真场景基准车辆运动位置的对比误差就会很小；同理目标车辆消除误差方式类同于上述基准车辆的消除误差方式。
同时参见图4所示，本发明实施例还提供了一种道路场景和动态交通流优化系统100，包括目标车辆判断模块110、优化动态交通流信息模块120、数据文件获取模块130及仿真模型建立模块140；
目标车辆判断模块110，用于获取基准车辆所在的道路场景信息，及基准车辆与待测车辆之间的初始动态交通流信息，并判断待测车辆是否为目标车辆。
优化动态交通流信息模块120，与所述目标车辆判断模块110通信连接，用于根据所述道路场景信息、及基准车辆与目标车辆之间的有效动态交通流信息，预测调整基准车辆与目标车辆之间的位置关系，并获取调整后的优化动态交通流信息；
数据文件获取模块130，与所述目标车辆判断模块110及优化动态交通流信息模块120通信连接，用于根据所述道路场景信息生成道路场景OpenDrive文件，根据所述优化动态交通流信息生成动态交通流OpenScenario文件；
仿真模型建立模块140，与所述数据文件获取模块130通信连接，用于根据所述道路场景OpenDrive文件及所述动态交通流OpenScenario文件，并通过仿真软件构建交通道路仿真模型。
所述优化动态交通流信息模块120还用于根据所述道路场景信息、及基准车辆与目标车辆之间的有效动态交通流信息；预测目标车辆相对基准车辆的朝向；预测基准车辆与目标车辆相遇时目标车辆位置；并根据所述基准车辆与目标车辆相遇时目标车辆位置，预测基准车辆与目标车辆在相遇前一段时间的目标车辆位置；分别调整基准车辆的位置误差及目标车辆的位置误差。
通过对生成OpenDrive文件及OpenScenario文件的数据源-道路场景信息/动态交通流信息实时进行信息共享和交互，数据源参数相互优化，从而获得调整后的优化动态交通流信，可在构建交通道路仿真模型时使在道路地图上的动态交通流更逼近真实场景，避免手动对道路上车辆位置进行重新摆放，提高了仿真工作效率和精确性。
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 (10)

1.一种道路场景和动态交通流优化方法，其特征在于，包括以下步骤：
获取基准车辆所在的道路场景信息，及基准车辆与待测车辆之间的初始动态交通流信息，并判断待测车辆是否为目标车辆；
根据所述道路场景信息、及基准车辆与目标车辆之间的有效动态交通流信息，预测调整基准车辆与目标车辆之间的位置关系，并获取调整后的优化动态交通流信息；
根据所述道路场景信息生成道路场景OpenDrive文件，根据所述优化动态交通流信息生成动态交通流OpenScenario文件；
根据所述道路场景OpenDrive文件及所述动态交通流OpenScenario文件，并通过仿真软件构建交通道路仿真模型。
2.如权利要求1所述的道路场景和动态交通流优化方法，其特征在于，所述“获取基准车辆所在的道路场景信息、及基准车辆与待测车辆之间的初始动态交通流信息，并判断待测车辆是否为目标车辆”步骤，具体包括以下步骤：
获取基准车辆所在的道路场景信息，并根据所述道路场景信息获取基准车辆与待测车辆之间的初始动态交通流信息；所述初始动态交通流信息包括：基准车辆所在车道位置与最左侧车道距离、基准车辆所在车道位置与最右侧车道距离、及当场车辆与待测车辆的横向距离；
当所述当场车辆与待测车辆的横向距离大于所述基准车辆所在车道位置与最右侧车道距离、且小于所述基准车辆所在车道位置与最左侧车道距离时，则待测车辆是目标车辆，并设置于基准车辆所在的道路场景中；
否则，则待测车辆不是目标车辆，并不设置于基准车辆所在的道路场景中。
3.如权利要求1所述的道路场景和动态交通流优化方法，其特征在于，所述“根据所述道路场景信息、及基准车辆与目标车辆之间的有效动态交通流信息，预测调整基准车辆与目标车辆之间的位置关系，并获取调整后的优化动态交通流信息”步骤，具体包括以下步骤：
根据所述道路场景信息、及基准车辆与目标车辆之间的有效动态交通流信息；
预测目标车辆相对基准车辆的朝向；
预测基准车辆与目标车辆相遇时目标车辆位置；
并根据所述基准车辆与目标车辆相遇时目标车辆位置，预测基准车辆与目标车辆在相遇前一段时间的目标车辆位置；
分别调整基准车辆的位置误差及目标车辆的位置误差。
4.如权利要求3所述的道路场景和动态交通流优化方法，其特征在于，所述“根据所述道路场景信息、及基准车辆与目标车辆之间的有效动态交通流信息，预测目标车辆相对基准车辆的朝向”步骤，具体包括以下步骤：
根据基准车辆与目标车辆的横向距离，及基准车辆与车道中心线的距离；
若基准车辆与目标车辆的横向距离小于基准车辆与车道中心线的距离，则基准车辆与目标车辆朝向相同；
否则，则基准车辆与目标车辆朝向相反。
5.如权利要求3所述的道路场景和动态交通流优化方法，其特征在于，所述“根据所述道路场景信息、及基准车辆与目标车辆之间的有效动态交通流信息，预测基准车辆与目标车辆相遇时目标车辆位置”步骤，具体包括以下步骤：
根据基准车辆的行驶路程，及基准车辆行驶对应于车道中心线上坐标，按时间顺序生成中心线坐标路程映射表；
根据基准车辆与目标车辆相遇时基准车辆的行驶路程，及所述中中心线坐标路程映射表，获取基准车辆与目标车辆相遇时基准车辆对应于车道中心线上的相遇车道中心线坐标；
根据基准车辆与目标车辆相遇时的基准车辆与车道中心线的距离，相遇时基准车辆所在道路的偏航角，及所述相遇车道中心线坐标，获取基准车辆与目标车辆相遇时基准车辆坐标；
根据基准车辆与目标车辆的相对横纵坐标，及所述基准车辆坐标，获取基准车辆与目标车辆相遇时目标车辆坐标。
6.如权利要求5所述的道路场景和动态交通流优化方法，其特征在于，所述“根据所述道路场景信息、及基准车辆与目标车辆之间的有效动态交通流信息，并根据所述基准车辆与目标车辆相遇时目标车辆位置，预测基准车辆与目标车辆在相遇前一段时间的目标车辆位置”步骤，具体包括以下步骤：
根据基准车辆与目标车辆相遇时目标车辆坐标，及中心线坐标路程映射表，获取基准车辆与目标车辆相遇时目标车辆的行驶路程；
根据目标车辆的相对速度，基准车辆的速度，及基准车辆与目标车辆相遇时目标车辆的行驶路程，获取基准车辆与目标车辆在相遇前一段时间的目标车辆的行驶路程；
根据基准车辆与目标车辆在相遇前一段时间的目标车辆的行驶路程，及中心线坐标路程映射表，获取基准车辆与目标车辆在相遇前一段时间的目标车辆对应于车道中心线上的相遇前车道中心线坐标；
根据基准车辆与目标车辆在相遇前一段时间的基准车辆与车道中心线的距离，相遇前一段时间基准车辆所在道路的偏航角，及所述相遇前车道中心线坐标，获取基准车辆与目标车辆在相遇前一段时间的目标车辆坐标。
7.如权利要求3所述的道路场景和动态交通流优化方法，其特征在于，所述“根据所述道路场景信息、及基准车辆与目标车辆之间的有效动态交通流信息，分别调整基准车辆的位置误差及目标车辆的位置误差”步骤，具体包括以下步骤：
获取基准车辆在一段时间内每隔一秒的速度平均值；
获取目标车辆在一段时间内每隔一秒的速度平均值。
8.一种道路场景和动态交通流优化系统，其特征在于，包括：
目标车辆判断模块，用于获取基准车辆所在的道路场景信息，及基准车辆与待测车辆之间的初始动态交通流信息，并判断待测车辆是否为目标车辆。
优化动态交通流信息模块，与所述目标车辆判断模块通信连接，用于根据所述道路场景信息、及基准车辆与目标车辆之间的有效动态交通流信息，预测调整基准车辆与目标车辆之间的位置关系，并获取调整后的优化动态交通流信息；
数据文件获取模块，与所述目标车辆判断模块及优化动态交通流信息模块通信连接，用于根据所述道路场景信息生成道路场景OpenDrive文件，根据所述优化动态交通流信息生成动态交通流OpenScenario文件；
仿真模型建立模块，与所述数据文件获取模块通信连接，用于根据所述道路场景OpenDrive文件及所述动态交通流OpenScenario文件，并通过仿真软件构建交通道路仿真模型。
9.如权利要求7所述的河道相与物性同步模拟系统，其特征在于，所述优化动态交通流信息模块用于根据所述道路场景信息、及基准车辆与目标车辆之间的有效动态交通流信息；预测目标车辆相对基准车辆的朝向；预测基准车辆与目标车辆相遇时目标车辆位置；并根据所述基准车辆与目标车辆相遇时目标车辆位置，预测基准车辆与目标车辆在相遇前一段时间的目标车辆位置；分别调整基准车辆的位置误差及目标车辆的位置误差。
10.一种存储介质，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7中任一项所述的道路场景和动态交通流优化方法。
CN202210834754.1A 2022-07-14 2022-07-14 道路场景和动态交通流优化方法、系统及存储介质 Pending CN115391980A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210834754.1A CN115391980A (zh) 2022-07-14 2022-07-14 道路场景和动态交通流优化方法、系统及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210834754.1A CN115391980A (zh) 2022-07-14 2022-07-14 道路场景和动态交通流优化方法、系统及存储介质

Publications (1)

Publication Number Publication Date
CN115391980A true CN115391980A (zh) 2022-11-25

Family

ID=84116593

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210834754.1A Pending CN115391980A (zh) 2022-07-14 2022-07-14 道路场景和动态交通流优化方法、系统及存储介质

Country Status (1)

Country Link
CN (1) CN115391980A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117422808A (zh) * 2023-12-19 2024-01-19 中北数科(河北)科技有限公司 一种三维场景数据的加载方法及电子设备

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117422808A (zh) * 2023-12-19 2024-01-19 中北数科(河北)科技有限公司 一种三维场景数据的加载方法及电子设备
CN117422808B (zh) * 2023-12-19 2024-03-19 中北数科(河北)科技有限公司 一种三维场景数据的加载方法及电子设备

Similar Documents

Publication Publication Date Title
CN114627650B (zh) 城市公交优先仿真推演系统、方法、电子设备及存储介质
CN113484851B (zh) 车载激光雷达的仿真测试系统、方法和整车在环测试系统
CN115391980A (zh) 道路场景和动态交通流优化方法、系统及存储介质
KR102139172B1 (ko) 가상환경에서의 자율주행차량 시뮬레이션 방법
CN112671487B (zh) 一种车辆测试的方法、服务器以及测试车辆
JP7146097B2 (ja) トンネル工事車両の出勤評価方法、コンピューター装置及びコンピューター読み取り可能な記憶媒体
CN115185205A (zh) 智能驾驶仿真方法、系统、终端设备和可读存储介质
CN116990776A (zh) 激光雷达点云补偿方法、装置及电子设备、存储介质
CN113727064A (zh) 一种摄像头视场角的确定方法及装置
CN116259033A (zh) 车辆信息丢失的目标跟踪方法、系统、介质及设备
CN115391470A (zh) 道路地图构建方法、系统及岔道底图构建系统
CN115457293A (zh) 基于像素与点云特征融合的目标检测网络模型训练方法
CN115631282A (zh) 点云三维连续贝塞尔曲线的绘制方法、系统及存储介质
CN115479782A (zh) 多源数据孪生联动测试方法、装置、车辆及存储介质
CN112507857B (zh) 一种车道线更新方法、装置、设备及存储介质
CN112800351A (zh) 轨迹相似度判断方法、系统及计算机介质
Elgharbawy et al. A testing framework for predictive driving features with an electronic Horizon
JP6703960B2 (ja) 演算装置、ログ記録方法、ログ記録システム
CN113447031A (zh) 坡度点筛选方法、终端设备及介质和坡度计算方法及系统
CN116176579B (zh) 自动驾驶跟车车距测量计算装置及方法
CN116451590B (zh) 自动驾驶仿真测试平台的仿真方法及装置
CN115470616A (zh) 车辆仿真测试方法、装置、计算机设备、介质和程序产品
CN116449807B (zh) 一种物联网汽车操控系统仿真测试方法及系统
CN116821640A (zh) 一种多传感器融合算法评价方法、系统、设备及存储介质
CN116842755A (zh) 一种道路仿真场景的构建方法、构建设备及可读存储介质

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