CN115440023A - 交通违规行为的判定方法和装置 - Google Patents

Abstract

本申请提供了一种交通违规行为的判定方法和装置，属于智能驾驶技术领域。该方法包括：确定影响第一车辆行驶的目标车辆；根据目标车辆的第一交通信息，确定目标车辆的行为与预设违规行为特征的匹配程度；当匹配程度指示目标车辆的行为符合预设违规行为特征时，根据预设违规行为特征获取目标交通规则；根据目标车辆的第二交通信息，判定目标车辆的行为是否违反目标交通规则。上述技术方案能够提高车辆对周围车辆交通违规行为的判定效率。进一步地，还能够提高智能汽车的通行效率、改善乘坐体验。

Description

交通违规行为的判定方法和装置

技术领域

本申请涉及智能驾驶技术领域，并且更具体地，涉及一种交通违规行为的判定方法和装置。

背景技术

自动驾驶技术依靠计算机视觉、雷达、监控装置和全球定位系统等协同合作，让机动车辆可以在不需要人类主动操作下，实现自动驾驶。

在设计自动驾驶系统(autonomous driving system，ADS)时，安全性是最重要的考虑因素，各种驾驶策略都将安全行车排在第一位，以要求自动驾驶汽车在确保安全的前提下进行控制和行驶。因此当面临公路上常见的抢行、占道等不文明驾驶行为时，遵循安全第一的自动驾驶汽车通常采取避让或让行措施，以避免交通事故的发生。但是这可能导致自动驾驶汽车自身的行车时间延长、通行效率降低，影响了自动驾驶汽车的乘坐体验，助长了不文明驾驶的行为。

目前一些智能汽车能够对自身周边的车辆进行判定，计算其是否违反了交通规则。这在一定程度上能够对人类驾驶员起到威慑作用，使之不敢轻易违规。但现有方案多存在计算量大、计算效率低、实时性不高的问题，从而导致对车辆违规行为的判定效率低。

发明内容

本申请提供一种交通违规行为的判定方法和装置，提高车辆对周围车辆交通违规行为的判定效率，进一步地，还能够提高车辆的通行效率、改善乘坐体验。

第一方面，提供了一种交通违规行为的判定方法，包括：确定影响第一车辆行驶的目标车辆；根据所述目标车辆的第一交通信息，确定所述目标车辆的行为与预设违规行为特征的匹配程度；当所述匹配程度指示所述目标车辆的行为符合所述预设违规行为特征时，根据所述预设违规行为特征获取目标交通规则；根据所述目标车辆的第二交通信息，判定所述目标车辆的行为是否违反所述目标交通规则。

本申请实施例中，第一车辆可以用于判定目标车辆的交通行为是否违反了交通规则，或者说用于判定目标车辆是否存在违规行为。

本申请实施例中，目标车辆为交通违规行为的执行主体。这里目标车辆为影响第一车辆行驶的车辆，例如为第一车辆周围的车辆，更为具体地，例如为被第一车辆的传感器所能感测、识别或追踪的车辆。目标车辆可以为人类驾驶的车辆，也可以为自动驾驶汽车。

本申请实施例中，“目标车辆影响第一车辆行驶”可以理解为目标车辆影响或妨碍第一车辆正常行驶，或者目标车辆的行为可能导致第一车辆发生交通事故。其中第一车辆正常行驶可以理解为第一车辆的交通行为为符合道路交通要求的驾驶行为，例如行驶在正确的方向、行驶在正确的车道、行驶速度在限定速度范围内、行驶过程中正确使用灯光、行驶过程中与前车保持足以采取紧急制动的安全距离等等。第一车辆正常行驶也可以理解为第一车辆的交通行为为排除道路交通违规行为的驾驶行为，例如排除车辆状况不合要求、车速超过规定、违规变道、超员、无驾驶资格等等。这里，目标车辆影响或妨碍第一车辆正常行驶的行为包括但不限于：未按规定让行；违规超车；违规会车；违规倒车；违规变道；违规占道行驶；违规停车；违规掉头；违规抢行；未保持安全车距，等等。

本申请实施例中，“预设违规行为特征”指的是预设的能够用于描述车辆交通违规行为的特征。作为示例而非限定，交通违规行为可以包括：未按规定让行；违规超车；违规会车；违规倒车；违规变道；违规占道行驶；违规停车；违规掉头；违规抢行；未保持安全车距等。

目标交通规则指的是面向人类驾驶员的自然语言交通规则经逻辑语言表达后形成的面向机器的形式化交通规则，以使机器无差错的认知交通规则。

本申请实施例中，通过多重的、分层次的判定，可以逐步筛选违规行为。具体地，先确定影响第一车辆行驶的车辆，缩小了需要判定的车辆的范围；然后通过将目标车辆的行为与预设违规行为特征进行匹配，确定目标车辆有可能违反的目标交通规则，缩小了需要判定的交通规则的范围；最后根据目标车辆的第二交通信息确定目标车辆的行为是否违反目标交通规则，确保了判定结果的准确性。前两重判定过程缩小了判定对象的范围，计算时间少，运行速度快，能够实时输出结果，可以大大减少在最后一重判定过程中的计算量，达到了计算量小、运行速度快、判定效率高、准确度高的目的。

利用多级别的违规行为筛选机制，可以保证系统运行效率的同时保证判定结果的准确性，避免出现误报的情况。

本申请实施例中，并非是每时每刻对第一车辆周边所有的车辆的行为进行判定，也并非评估全部交通规则，而是对影响第一车辆行驶的目标车辆的行为进行判定，评估的目标交通规则为全部交通规则的一个子集。本申请实施例提供的方法具有针对性，计算量小，可以快速筛选出目标车辆可能发生的违规行为。

另外，本申请实施例中，智能汽车在行驶过程中，能够对影响自身行驶的车辆进行交通违规行为的判定，其在一定程度上能够对人类驾驶员形成被监督的暗示，使得人类驾驶的车辆不敢轻易违规，实现文明驾驶。这样可以避免自动驾驶汽车成为交通网络中的弱势群体，从而提高自动驾驶汽车的通行效率、改善乘坐体验。

结合第一方面，在一种可能的实现方式中，还包括：在所述目标车辆的行为违反所述目标交通规则的情况下，向交通管理平台上报所述目标车辆的违规信息。

在判定目标车辆存在违规行为后，可以将目标车辆的违规行为进行上报，促使交通警察对目标车辆的违规行为进行处罚。这样可以对目标车辆的行为产生一定的威慑作用，使人类驾驶的车辆不敢轻易违反交通规则，可以避免自动驾驶汽车成为交通网络中的弱势群体，从而提高第一车辆的通行效率、改善乘坐体验。

另外，采用目标交通规则对目标车辆的行为进行再次确认，其判定结果严谨、正确，确保了仅上报违规行为，避免上报误判的违规结果。

结合第一方面，在一种可能的实现方式中，所述违规信息包括以下信息中至少一项：违规证据、所述目标车辆的车牌信息、所述目标车辆违反的交通规则信息或所述目标车辆的行为信息。

结合第一方面，在一种可能的实现方式中，还包括：获取预设时间段的图像信息，所述图像信息用于进行违规上报。

图像信息能够作为违规证据，用于交通警察确定目标车辆的违规事实。

结合第一方面，在一种可能的实现方式中，所述确定影响第一车辆行驶的目标车辆包括：判断是否满足预设条件；当满足所述预设条件时，确定影响第一车辆行驶的目标车辆；其中，所述预设条件包括以下至少一项：

所述第一车辆进行紧急制动；所述第一车辆的加速度小于0且所述加速度的绝对值大于预设值；所述第一车辆与所述目标车辆的距离小于预设距离；非熄火状态下，所述第一车辆停止等待的时间大于预设时长；所述目标车辆在所述第一车辆的安全距离之外进入所述第一车辆所在的车道后，所述第一车辆减速或停车；所述目标车辆的行驶轨迹偏离所述第一车辆为所述目标车辆预测的轨迹；所述第一车辆发出避让指令或采取避让措施；所述目标车辆在会车或跟车过程中开启远光灯。

一般情况下，智能汽车例如自动驾驶汽车行驶都比较平稳，只有在遇到紧急情况、突发情况或危险时才会使用紧急制动，以在最短距离内将车停住。因此可以将第一车辆是否进行紧急制动作为一个标准来判断第一车辆的行驶是否受到影响。

一般情况下，智能汽车行驶都比较平稳，减速的时候会尽可能保证车速在足够的时间内均匀地、平稳地降低，直到降低到合适的速度或停车。只有在遇到紧急情况、突发情况或危险时，第一车辆可能突然刹车(或急减速)。因此可以将第一车辆是否突然刹车(或急减速)作为一个标准来判断第一车辆的行驶是否受到影响。

一般情况下，智能汽车例如自动驾驶汽车在行驶过程中都会与周围的车辆保持一定的安全距离(包括横向安全距离和纵向安全距离)，以保证自车的安全。因此当第一车辆与周围车辆之间的距离不足安全距离时，第一车辆会采取一定措施来应对由于安全距离不足所可能引发的交通事故。因此可以将第一车辆与周围车辆的距离是否满足安全距离作为一个标准来判断第一车辆的行驶是否受到影响。

一般情况下，第一车辆在道路上行驶时需要停止等待的场景有限，在这些场景下，第一车辆停止等待的时间不会很长。但当其他车辆存在不文明驾驶行为时，可能导致第一车辆所在车道无法通行，第一车辆会一直等待直至前车行驶或第一车辆可以变道。因此可以将第一车辆在非熄火状态下停止等待的时间作为一个标准来判断第一车辆的行驶是否受到影响。

一般情况下，若第一车辆周围的车辆从安全距离之外进入第一车辆所在的车道，说明变道条件良好，二者接下来应以均匀的速度前行。只有在第一车辆周围的车辆从安全距离之外进入第一车辆所在的车道后，导致第一车辆存在安全隐患时，第一车辆才会降速或停车。因此可以将第一车辆周围的车辆在安全距离之外进入第一车辆所在的车道后，第一车辆是否减速或停车作为一个标准来判断第一车辆的行驶是否受到影响。

一般情况下，智能汽车在行驶过程中，会识别并预测其他车辆的行为，还能够基于预测的其他车辆的行为来调整自身的行为(例如加速、减速或者停止)。如果其他车辆的实际行驶轨迹偏离了预测轨迹，则该其他车辆有可能存在不文明驾驶行为，进而会影响第一车辆的行驶。因此可以将第一车辆所识别到的其他车辆的实际行驶轨迹是否偏离第一车辆为其预测的轨迹作为一个标准来判断第一车辆的行驶是否受到影响。

一般情况下，第一车辆可以对周围车辆的行为进行预判，以据此对第一车辆的行为进行实时调整和规划。在遇到紧急情况、突发情况或危险时，第一车辆会发出避让指令或采取避让措施以避免发生碰撞。因此可以将第一车辆是否发出避让指令或采取避让措施作为一个标准来判断第一车辆的行驶是否受到影响。

远光灯对车内的驾驶员或乘坐人影响较大，间接会影响第一车辆的行驶。因此可以将第一车辆周围的车辆是否在会车或跟车过程中开启远光灯作为一个标准来判断第一车辆的行驶是否受到影响。

结合第一方面，在一种可能的实现方式中，所述确定影响第一车辆行驶的目标车辆包括：检测所述第一车辆周围的第三车辆；根据所述第三车辆的行驶数据和/或所述第一车辆的行驶数据，从所述第三车辆中确定所述目标车辆。

目标车辆为第一车辆周围的、影响了第一车辆行驶的车辆。本申请实施例通过从第三车辆中确定目标车辆，可以确保判定的以及举报的是影响第一车辆行驶的违规行为。

结合第一方面，在一种可能的实现方式中，所述根据所述目标车辆的第一交通信息，确定所述目标车辆的行为与预设违规行为特征的匹配程度，包括：根据所述目标车辆的第一交通信息，采用动态时间规整算法或神经网络模型对所述目标车辆的行为和所述预设违规行为特征进行匹配，获得所述目标车辆的行为与所述预设违规行为特征的匹配程度。

结合第一方面，在一种可能的实现方式中，所述目标车辆的第一交通信息包括所述目标车辆在M个轨迹点的信息，M＞1，其中所述M个轨迹点中的第一轨迹点的信息包括所述目标车辆在所述第一轨迹点的位置信息，所述第一轨迹点为所述M个轨迹点中的任意一个轨迹点；

所述根据所述目标车辆的第一交通信息，采用动态时间规整算法对所述目标车辆的行为和所述预设违规行为特征进行匹配，包括：对所述目标车辆在所述M个轨迹点的信息进行处理，得到第一序列，其中所述第一序列包括M-1个数据点，所述M-1个数据点中相邻的第一数据点和第二数据点分别包括所述第一轨迹点与前一个轨迹点之间的相对位移信息、所述第一轨迹点与后一个轨迹点之间的相对位移信息；利用所述动态时间规整算法计算所述第一序列和第二序列之间的距离，其中所述第二序列用于表征所述预设违规行为特征，所述第二序列包括N-1个数据点，所述N-1个数据点包括所述目标车辆在N个预设轨迹点时相邻的预设轨迹点之间的相对位移信息，N＞1；根据所述第一序列和所述第二序列之间的距离确定所述目标车辆的行为与所述预设违规行为特征的匹配程度；其中，当所述第一序列和所述第二序列之间的距离小于预设阈值时，所述匹配程度指示所述目标车辆的行为符合所述预设违规行为特征。

利用相对位移信息来体现前后轨迹点之间的关系，能够更准确地表达预设违规行为特征以及目标车辆的行为，再利用动态时间规整算法计算两个序列的距离，能够提高匹配的精度。

结合第一方面，在一种可能的实现方式中，所述根据所述预设违规行为特征获取目标交通规则包括：根据所述预设违规行为特征与所述目标交通规则的对应关系，获取所述目标交通规则。

可以预先存储与预设违规行为特征相对应的交通规则，在确定了与目标车辆的行为相匹配的预设违规行为特征后，根据对应关系获取到目标交通规则，可以减少计算量，提高运行速度。

结合第一方面，在一种可能的实现方式中，所述根据所述目标车辆的第二交通信息，判定所述目标车辆的行为是否违反所述目标交通规则，包括：对所述目标交通规则进行解析，获取所述目标交通规则所对应的至少一个命题；根据所述目标车辆的第二交通信息，判定所述目标交通规则所对应的至少一个命题中的每个命题的真假；根据所述目标交通规则所对应的至少一个命题中的每个命题的真假，判定所述目标交通规则的真假；根据所述目标交通规则的真假，判定所述目标车辆的行为是否违反所述目标交通规则。

这里，“至少一个命题”中所涉及的命题，可以是原子命题，也可以是复合命题。

采用命题拆解的方式来判定目标车辆的行为是否违反目标交通规则，可以使机器能够无差错的认知交通规则。车辆所理解和遵守的形式化交通规则和人类驾驶员所理解和遵守的自然语言交通规则是同一套交规体系，可以实现人车混行和人车共驾的目的。

另外，通过判定目标车辆的行为是否违反目标交通规则，能够确保判定结果的准确性，避免上报误判的违规结果。

结合第一方面，在一种可能的实现方式中，所述第一交通信息或所述第二交通信息包括所述目标车辆的行为信息、所述目标车辆的周围环境信息或所述第一车辆的行为信息中的至少一项。

结合第一方面，在一种可能的实现方式中，所述目标车辆的行为信息包括所述目标车辆的轨迹信息、时间信息、速度信息、位置信息、灯光信息、姿态信息、声音信息、状态信息或固有属性信息中的至少一种；和/或，所述第一车辆的行为信息包括所述第一车辆的轨迹信息、时间信息、速度信息、位置信息、灯光信息、姿态信息、声音信息、状态信息或固有属性信息中的至少一种。

结合第一方面，在一种可能的实现方式中，所述目标车辆的周围环境信息包括静态环境信息和/或动态环境信息；其中，所述静态环境信息包括以下信息的至少一种：交通标线信息，交通标志信息，交通信号灯信息，道路类型信息或车道信息；和/或，所述动态环境信息包括以下信息的至少一种：天气信息，能见度信息或光照强度信息。

第二方面，提供了一种交通违规行为的判定装置，包括：第一确定模块，用于确定影响第一车辆行驶的目标车辆；第二确定模块，用于根据所述目标车辆的第一交通信息，确定所述目标车辆的行为与预设违规行为特征的匹配程度；获取模块，用于当所述匹配程度指示所述目标车辆的行为符合所述预设违规行为特征时，根据所述预设违规行为特征获取目标交通规则；判定模块，用于根据所述目标车辆的第二交通信息，判定所述目标车辆的行为是否违反所述目标交通规则。

结合第二方面，在一种可能的实现方式中，还包括：上报模块，用于在所述目标车辆的行为违反所述目标交通规则的情况下，向交通管理平台上报所述目标车辆的违规信息。

结合第二方面，在一种可能的实现方式中，所述违规信息包括以下信息中至少一项：违规证据、所述目标车辆的车牌信息、所述目标车辆违反的交通规则信息或所述目标车辆的行为信息。

结合第二方面，在一种可能的实现方式中，所述上报模块还用于获取预设时间段的图像信息，所述图像信息用于进行违规上报。

结合第二方面，在一种可能的实现方式中，所述第一确定模块具体用于：判断是否满足预设条件；当满足所述预设条件时，确定影响第一车辆行驶的目标车辆；其中，所述预设条件包括以下至少一项：

所述第一车辆进行紧急制动；所述第一车辆的加速度小于0且所述加速度的绝对值大于预设值；所述第一车辆与所述目标车辆的距离小于预设距离；非熄火状态下，所述第一车辆停止等待的时间大于预设时长；所述目标车辆在所述第一车辆的安全距离之外进入所述第一车辆所在的车道后，所述第一车辆减速或停车；所述目标车辆的行驶轨迹偏离所述第一车辆为所述目标车辆预测的轨迹；所述第一车辆发出避让指令或采取避让措施；所述目标车辆在会车或跟车过程中开启远光灯。

结合第二方面，在一种可能的实现方式中，所述第一确定模块具体用于：检测所述第一车辆周围的第三车辆；根据所述第三车辆的行驶数据和/或所述第一车辆的行驶数据，从所述第三车辆中确定所述目标车辆。

结合第二方面，在一种可能的实现方式中，所述第二确定模块具体用于：根据所述目标车辆的第一交通信息，采用动态时间规整算法或神经网络模型对所述目标车辆的行为和所述预设违规行为特征进行匹配，获得所述目标车辆的行为与所述预设违规行为特征的匹配程度。

结合第二方面，在一种可能的实现方式中，所述目标车辆的第一交通信息包括所述目标车辆在M个轨迹点的信息，M＞1，其中所述M个轨迹点中的第一轨迹点的信息包括所述目标车辆在所述第一轨迹点的位置信息，所述第一轨迹点为所述M个轨迹点中的任意一个轨迹点；

所述第二确定模块具体用于：对所述目标车辆在所述M个轨迹点的信息进行处理，得到第一序列，其中所述第一序列包括M-1个数据点，所述M-1个数据点中相邻的第一数据点和第二数据点分别包括所述第一轨迹点与前一个轨迹点之间的相对位移信息、所述第一轨迹点与后一个轨迹点之间的相对位移信息；利用所述动态时间规整算法计算所述第一序列和第二序列之间的距离，其中所述第二序列用于表征所述预设违规行为特征，所述第二序列包括N-1个数据点，所述N-1个数据点包括所述目标车辆在N个预设轨迹点时相邻的预设轨迹点之间的相对位移信息，N＞1；根据所述第一序列和所述第二序列之间的距离确定所述目标车辆的行为与所述预设违规行为特征的匹配程度；其中，当所述第一序列和所述第二序列之间的距离小于预设阈值时，所述匹配程度指示所述目标车辆的行为符合所述预设违规行为特征。

结合第二方面，在一种可能的实现方式中，所述获取模块具体用于：根据所述预设违规行为特征与所述目标交通规则的对应关系，获取所述目标交通规则。

结合第二方面，在一种可能的实现方式中，所述判定模块具体用于：对所述目标交通规则进行解析，获取所述目标交通规则所对应的至少一个命题；根据所述目标车辆的第二交通信息，判定所述目标交通规则所对应的至少一个命题中的每个命题的真假；根据所述目标交通规则所对应的至少一个命题中的每个命题的真假，判定所述目标交通规则的真假；根据所述目标交通规则的真假，判定所述目标车辆的行为是否违反所述目标交通规则。

结合第二方面，在一种可能的实现方式中，所述第一交通信息或所述第二交通信息包括所述目标车辆的行为信息、所述目标车辆的周围环境信息或所述第一车辆的行为信息中的至少一项。

结合第二方面，在一种可能的实现方式中，所述目标车辆的行为信息包括所述目标车辆的轨迹信息、时间信息、速度信息、位置信息、灯光信息、姿态信息、声音信息、状态信息或固有属性信息中的至少一种；和/或，所述第一车辆的行为信息包括所述第一车辆的轨迹信息、时间信息、速度信息、位置信息、灯光信息、姿态信息、声音信息、状态信息或固有属性信息中的至少一种。

结合第二方面，在一种可能的实现方式中，所述目标车辆的周围环境信息包括静态环境信息和/或动态环境信息；其中，所述静态环境信息包括以下信息的至少一种：交通标线信息，交通标志信息，交通信号灯信息，道路类型信息或车道信息；和/或，所述动态环境信息包括以下信息的至少一种：天气信息，能见度信息或光照强度信息。

其中第二方面所述装置的有益效果可以参考第一方面方法的有益效果，在此不再赘述。

第三方面，提供一种交通违规行为的判定装置，包括至少一个存储器和至少一个处理器，所述至少一个存储器用于存储程序，所述至少一个处理器用于运行所述程序，以实现第一方面以及第一方面中各种实现方式中的任意一种实现方式中所述的方法。

第四方面，提供一种芯片，包括至少一个处理器和接口电路，所述接口电路用于为所述至少一个处理器提供程序指令或者数据，所述至少一个处理器用于执行所述程序指令，以实现第一方面以及第一方面中各种实现方式中的任意一种实现方式中所述的方法。

第五方面，本申请提供了一种芯片系统，该芯片系统包括至少一个处理器，用于支持实现上述第一方面以及第一方面中各种实现方式中的任意一种实现方式中所涉及的功能。

在一种可能的设计中，所述芯片系统还包括收发器，所述收发器用于例如接收或处理上述方法中所涉及的数据和/或信息。

在一种可能的设计中，所述芯片系统还包括存储器，所述存储器，用于保存程序指令和数据，存储器位于处理器之内或处理器之外。该芯片系统可以由芯片构成，也可以包含芯片和其他分立器件。

第六方面，提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，当所述计算机程序被运行时，实现第一方面以及第一方面中各种实现方式中的任意一种实现方式中所述的方法。

第七方面，提供一种计算机程序产品，所述计算机程序产品包括计算机程序，当所述计算机程序被计算机执行时，所述计算机执行前述第一方面以及第一方面中各种实现方式中的任意一种实现方式中所述的方法。

第八方面，提供一种车辆，包括第二方面或第三方面所述的交通违规行为的判定装置。

进一步，该车辆可以为智能驾驶车辆、自动驾驶车辆、辅助驾驶车辆或无人驾驶车辆等。示例性的，该车辆例如可以是自动导引运输车(automated guided vehicle，AGV)或无人运输车。

第九方面，提供一种服务器，包括第二方面或第三方面所述的交通违规行为的判定装置。

示例性的，该服务器可以为云服务器或本地服务器，其中云服务器也可以称为云端。

第十方面，提供一种系统，包括第一车辆和服务器，所述第一车辆和所述服务器用于执行如第一方面以及第一方面中各种实现方式中的任意一种实现方式中所述的方法。具体地，所述第一车辆用于确定影响所述第一车辆行驶的目标车辆；所述服务器用于从所述第一车辆获取所述目标车辆的第一交通信息；所述服务器还用于根据所述目标车辆的第一交通信息，确定所述目标车辆的行为与预设违规行为特征的匹配程度；所述服务器还用于当所述匹配程度指示所述目标车辆的行为符合所述预设违规行为特征时，根据所述预设违规行为特征获取目标交通规则；所述服务器还用于根据所述目标车辆的第二交通信息，判定所述目标车辆的行为是否违反所述目标交通规则。

附图说明

图1是本申请实施例适用的一种系统的示意图。

图2是本申请实施例适用的一种自动驾驶系统的示意图。

图3是本申请实施例提供的一种交通违规行为的判定方法的示意性流程图。

图4-10是本申请实施例提供的一种交通违规行为的判定方法的应用场景图。

图11是本申请实施例提供的一种交通违规行为的判定方法的示意性流程图。

图12是本申请实施例提供的一种交通违规行为的判定装置的示意性结构图。

图13是本申请实施例提供的一种交通违规行为的判定装置的示意性结构图。

图14是本申请实施例提供的另一种交通违规行为的判定装置的示意性结构图。

具体实施方式

本申请实施例所提供的交通违规行为的判定方法和/或装置可以应用于各类驾驶装置，例如车辆，也可以应用于各类计算装置，例如云服务器或本地服务器。这些方法和/或装置既可以应用于人工驾驶，又可以应用于辅助驾驶，还可以应用于自动驾驶或无人驾驶。下面将结合附图，对本申请中的技术方案进行描述。

图1是本申请实施例适用的一种系统的示意图。如图1所示，该系统包括车辆100和服务器200。图1示出了车辆100的功能框图和服务器200的功能框图，下面进行详细说明。

如图1所示，车辆100可以是人工驾驶车辆，或者可以将车辆100配置可以为完全或部分地自动驾驶模式。

在一个示例中，车辆100可以在处于自动驾驶模式中的同时控制自身，并且可通过人为操作来确定车辆及其周边环境的当前状态，确定周边环境中的至少一个其他车辆的可能行为，并确定其他车辆执行可能行为的可能性相对应的置信水平，基于所确定的信息来控制车辆100。在车辆100处于自动驾驶模式中时，可以将车辆100置为在没有和人交互的情况下操作。

车辆100可以包括各种子系统，例如，行进系统110、传感系统120、规划与控制系统130、一个或多个外围设备140以及计算机系统150、电源160和用户接口170。

可选地，车辆100可以包括更多或更少的子系统，并且每个子系统可包括多个元件。另外，车辆100的每个子系统和元件可以通过有线或者无线互连。

示例性地，行进系统110可以包括用于向车辆100提供动力运动的组件。在一个实施例中，行进系统110可以包括引擎111、传动装置112、能量源113和车轮114(或轮胎)。其中，引擎111可以是内燃引擎、电动机、空气压缩引擎或其他类型的引擎组合，例如，汽油发动机和电动机组成的混动引擎，内燃引擎和空气压缩引擎组成的混动引擎。引擎111可以将能量源113转换成机械能量。

示例性地，能量源113可以包括汽油、柴油、其他基于石油的燃料、丙烷、其他基于压缩气体的燃料、乙醇、太阳能电池板、电池和其他电力来源。能量源113也可以为车辆100的其他系统提供能量。

示例性地，传动装置112可以包括变速箱、差速器和驱动轴；其中，传动装置112可以将来自引擎111的机械动力传送到车轮114。

在一个实施例中，传动装置112还可以包括其他器件，比如离合器。其中，驱动轴可以包括可耦合到一个或多个车轮114的一个或多个轴。

示例性地，传感系统120可以包括感测关于车辆100周边的环境的信息的若干个传感器。

例如，传感系统120可以包括定位系统121(例如，全球定位系统(globalpositioning system，GPS)、北斗系统或者其他定位系统)、惯性测量单元(inertialmeasurement unit，IMU)122、雷达123、激光测距仪124、相机125以及车速传感器126。传感系统120还可以包括被监视车辆100的内部系统的传感器(例如，车内空气质量监测器、燃油量表、机油温度表等)。来自这些传感器中的一个或多个的传感器数据可用于检测对象及其相应特性(位置、形状、方向或速度等)。这种检测和识别是自主车辆100的安全操作的关键功能。

其中，定位系统121可以用于估计车辆100的地理位置。IMU 122可以用于基于惯性加速度来感测车辆100的位置和朝向变化。在一个实施例中，IMU 122可以是加速度计和陀螺仪的组合。

示例性地，雷达123可以利用无线电信息来感测车辆100的周边环境内的物体。在一些实施例中，除了感测物体以外，雷达123还可用于感测物体的速度和/或前进方向。

示例性地，激光测距仪124可以利用激光来感测车辆100所位于的环境中的物体。在一些实施例中，激光测距仪124可以包括一个或多个激光源、激光扫描器以及一个或多个检测器，以及其他系统组件。

示例性地，相机125可以用于捕捉车辆100的周边环境的多个图像。例如，相机125可以是静态相机或视频相机。

示例性地，车速传感器126可以用于测量车辆100的速度。例如，可以对车辆进行实时测速。测得的车速可以传送给规划与控制系统130以实现对车辆的控制。

如图1所示，规划与控制系统130可以控制车辆100及其组件的操作。规划与控制系统130可以包括各种元件，比如可以包括转向系统131、油门132、制动单元133、计算机视觉系统134、路线控制系统135以及障碍规避系统136。

示例性地，转向系统131可以操作来调整车辆100的前进方向。例如，在一个实施例中可以为方向盘系统。油门132可以用于控制引擎111的操作速度并进而控制车辆100的速度。

示例性地，制动单元133可以用于控制车辆100减速；制动单元133可以使用摩擦力来减慢车轮114。在其他实施例中，制动单元133可以将车轮114的动能转换为电流。制动单元133也可以采取其他形式来减慢车轮114的转速从而控制车辆100的速度。

如图1所示，计算机视觉系统134可以操作来处理和分析由相机125捕捉的图像以便识别车辆100周边环境中的物体和/或特征。上述物体和/或特征可以包括交通信息、道路边界和障碍物。计算机视觉系统134可以使用物体识别算法、运动中恢复结构(structurefrom motion，SFM)算法、视频跟踪和其他计算机视觉技术。在一些实施例中，计算机视觉系统134可以用于为环境绘制地图、跟踪物体、估计物体的速度等等。

示例性地，路线控制系统135可以用于确定或规划车辆100的行驶路线。在一些实施例中，路线控制系统135可结合来自传感器、GPS和一个或多个预定地图的数据以为车辆100确定行驶路线。

如图1所示，障碍规避系统136可以用于识别、评估和避免或者以其他方式越过车辆100的环境中的潜在障碍物。

在一个实例中，规划与控制系统130可以增加或替换地包括除了所示出和描述的那些以外的组件，或者也可以减少一部分上述示出的组件。

如图1所示，车辆100可以通过外围设备140与外部传感器、其他车辆、其他计算机系统或用户之间进行交互。其中，外围设备140可包括无线通信系统141、车载电脑142、麦克风143和/或扬声器144。

在一些实施例中，外围设备140可以提供车辆100与用户接口170交互的手段。例如，车载电脑142可以向车辆100的用户提供信息。用户接口170还可操作车载电脑142来接收用户的输入；车载电脑142可以通过触摸屏进行操作。在其他情况中，外围设备140可以提供用于车辆100与位于车内的其它设备通信的手段。例如，麦克风143可以从车辆100的用户接收音频(例如，语音命令或其他音频输入)。类似地，扬声器144可以向车辆100的用户输出音频。

如图1所述，无线通信系统141可以直接地或者经由通信网络来与一个或多个设备无线通信。例如，无线通信系统141可以使用4G蜂窝通信，例如长期演进(long termevolution，LTE)；或者5G蜂窝通信，例如新无线(new radio，NR)系统。无线通信系统141可以利用无线上网(WiFi)与无线局域网(wireless local area network，WLAN)通信。

在一些实施例中，无线通信系统141可以利用红外链路、蓝牙或者紫蜂协议(ZigBee)与设备直接通信；或者可以利用其他无线协议，例如各种车辆通信系统进行通信。示例性的，无线通信系统141可以包括一个或多个专用短程通信(dedicated short rangecommunications，DSRC)设备，这些设备可包括车辆和/或路边台站之间的公共和/或私有数据通信。

如图1所示，电源160可以向车辆100的各种组件提供电力。在一个实施例中，电源160可以为可再充电锂离子电池或铅酸电池。这种电池的一个或多个电池组可被配置为电源为车辆100的各种组件提供电力。在一些实施例中，电源160和能量源113可一起实现，例如一些全电动车中那样。

示例性地，车辆100的部分或所有功能可以受计算机系统150控制，其中，计算机系统150可以包括至少一个处理器151，处理器151执行存储在例如存储器152中的非暂态计算机可读介质中的指令153。计算机系统150还可以是采用分布式方式控制车辆100的个体组件或子系统的多个计算设备。

例如，处理器151可以是任何常规的处理器，诸如中央处理器(centralprocessing unit，CPU)。

可选地，该处理器151可以是诸如专用集成电路(application specificintegrated circuit，ASIC)或其它基于硬件的处理器的专用设备。尽管图1功能性地图示了处理器、存储器、和在相同块中的计算机的其它元件，但是本领域的普通技术人员应该理解该处理器、计算机、或存储器实际上可以包括可存储于或可不存储于相同的物理外壳内的多个处理器、计算机或存储器。例如，存储器可以是硬盘驱动器或位于不同于计算机的外壳内的其它存储介质。因此，对处理器或计算机的引用将被理解为包括对可以并行操作或可以不并行操作的处理器或计算机或存储器的集合的引用。不同于使用单一的处理器来执行此处所描述的步骤，诸如转向组件和减速组件的一些组件每个都可以具有其自己的处理器，所述处理器只执行与特定于组件的功能相关的计算。

在此处所描述的各个方面中，处理器151可以位于远离该车辆100的其他装置上并且与该车辆100进行无线通信。在其它方面中，此处所描述的过程中的一些在布置于车辆内的处理器上执行而其它则由远程处理器执行，包括采取执行单一操作的必要步骤。

在一些实施例中，存储器152可包含指令153(例如，程序逻辑)，指令153可以被处理器151来执行车辆100的各种功能，包括以上所描述的功能。存储器152也可包括额外的指令，比如包括向行进系统110、传感系统120、规划与控制系统130和外围设备140中的一个或多个发送数据、从其接收数据、与其交互和/或对其进行控制的指令。

示例性地，除了指令153以外，存储器152还可存储数据，例如，道路地图、路线信息，车辆的位置、方向、速度以及其它的车辆数据，还有其他信息等。这种信息可在车辆100在自主、半自主和/或手动模式下处于操作期间而被车辆100和计算机系统150使用。

如图1所示，用户接口170可以用于向车辆100的用户提供信息或从其接收信息。可选地，用户接口170可以包括在外围设备140的集合内的一个或多个输入/输出设备，例如，无线通信系统141、车载电脑142、麦克风143和扬声器144。

在本申请的实施例中，计算机系统150可以基于从各种子系统(例如，行进系统110、传感系统120和规划与控制系统130)以及从用户接口170接收的输入来控制车辆100的功能。例如，计算机系统150可以利用来自规划与控制系统130的输入以便控制制动单元133来避免由传感系统120和障碍规避系统136检测到的障碍物。在一些实施例中，计算机系统150可操作来对车辆100及其子系统的许多方面提供控制。

可选地，上述这些组件中的一个或多个可与车辆100分开安装或关联。例如，存储器152可以部分或完全地与车辆100分开存在。上述组件可以按有线和/或无线方式来通信地耦合在一起。

可选地，上述组件只是一个示例，实际应用中，上述各个模块中的组件有可能根据实际需要增添或者删除，图1不应理解为对本申请实施例的限制。

可选地，车辆100可以是在道路行进的自动驾驶汽车，可以识别其周围环境内的物体以确定对当前速度的调整。物体可以是其它车辆、行人、交通控制设备、或者其它类型的物体等。在一些示例中，可以独立地考虑每个识别的物体，并且基于物体的各自的特性，诸如它的当前速度、加速度、与车辆的间距等，以用来确定自动驾驶汽车所要调整的速度。

可选地，车辆100或者与车辆100相关联的计算设备(如图1的计算机系统150、计算机视觉系统134、存储器152)可以基于所识别的物体的特性和周围环境的状态(例如，交通、雨、道路上的冰等等)来预测所述识别的物体的行为。

可选地，每一个所识别的物体都依赖于彼此的行为，因此，还可以将所识别的所有物体全部一起考虑来预测单个识别的物体的行为。车辆100能够基于预测的所述识别的物体的行为来调整它的速度。换句话说，自动驾驶汽车能够基于所预测的物体的行为来确定车辆将需要调整到(例如，加速、减速或者停止)稳定状态。在这个过程中，也可以考虑其它因素来确定车辆100的速度，诸如，车辆100在行驶的道路中的横向位置、道路的曲率、静态和动态物体的接近度等等。

除了提供调整自动驾驶汽车的速度的指令之外，计算设备还可以提供修改车辆100的转向角的指令，以使得自动驾驶汽车遵循给定的轨迹和/或维持与自动驾驶汽车附近的物体(例如，道路上的相邻车道中的车辆)的安全横向和纵向距离。

在一个示例中，图1所示的计算机系统150还可以从其它计算机系统接收信息或转移信息到其它计算机系统。或者，从车辆100的传感系统120收集的传感器数据可以被转移到另一个计算机对此数据进行处理。

示例性的，如图1所示，车辆100可以从服务器200接收信息，车辆100也可以将获取的信息转移至服务器200。来自车辆100(具体可以为计算机系统150)的信息(例如各种数据)可以经由网络被传送到服务器200，用于进一步的处理或用于存储。网络以及中间节点可以包括各种配置和协议，包括因特网、万维网、内联网、虚拟专用网络、广域网、局域网、使用一个或多个专有通信协议的专用网络、以太网、无线保真(wireless fidelity，WiFi)和超文本传输协议(hypertext transfer protocol，HTTP)以及前述的各种组合。这种通信可以由能够传送数据到其它计算机和从其它计算机传送数据的任何设备，诸如调制解调器和无线接口。

在一个示例中，服务器200可以为包括多个计算机的服务器，例如负载均衡服务器群。为了从计算机系统150接收、处理并传送数据，服务器200可以与网络的不同节点交换信息。服务器200可以具有与计算机系统150类似的配置，如图1所示，服务器200包括处理器210和存储器220，其中存储器220用于存储指令221和/或数据222。

示例性地，服务器200存储的数据222可以包括车辆自身状态的相关信息，例如车辆的位置、速度、灯光、姿态或声音等信息；可以包括车辆周围道路情况的相关信息，例如地图数据，道路类型、交通标志或交通标线等信息，车辆周围的行人、其他车辆和障碍物信息等；可以包括动态环境的相关信息，例如天气、光照强度或能见度信息等。例如，服务器200可以接收、检测、存储、更新、以及传送与车辆自身状态的相关信息、与车辆道路情况相关的信息、动态环境的相关信息等。

示例性，服务器200存储的指令221被执行时，服务器200可以实现本申请实施例提供的交通违规行为的判定方法，以判定车辆(例如车辆100周围的车辆)是否存在交通违规行为。

应理解，服务器200只是与车辆100进行信息交互的设备的一种示例，服务器200例如可以为云服务器或本地服务器。图1中所示的服务器200的结构框图也仅仅是一种示例性功能框图。车辆100还可以与其他类型的云设备例如云侧计算装置、云侧存储装置或云服务中心等进行交互，本申请实施例对此不作特别的限定。

以车辆100与云服务中心交互为例，云服务中心可以经诸如无线通信网络的网络，从其操作环境内的车辆100接收信息(诸如车辆100传感器收集到数据或者其它信息)。云服务中心根据接收到的数据，运行其存储的控制汽车自动驾驶相关的程序对车辆100(例如为自动驾驶车辆)进行控制。控制汽车自动驾驶相关的程序可以为，管理自动驾驶的汽车和路上障碍物交互的程序，控制自动驾驶汽车路线或者速度的程序，控制自动驾驶汽车和路上其他自动驾驶汽车交互的程序等。

在一些示例中，云服务中心向车辆100发送对于关于环境内可能的驾驶情况所建议的解决方案(如，告知前方障碍物，并告知如何绕开它)。例如，云服务中心可以辅助车辆100确定当面对环境内的特定障碍时如何行进。云服务中心向车辆100发送指示该车辆应当在给定场景中如何行进的响应。例如，云服务中心基于收集到的传感器数据，可以确认道路前方具有临时停车标志的存在，并基于该车道上的“车道封闭”标志和施工车辆的传感器数据，确定该车道由于施工而被封闭。相应地，云服务中心发送用于车辆100通过障碍的建议操作模式(例如：指示车辆100变道另一条道路上)。云服务中心观察其操作环境内的视频流并且已确认车辆100能安全并成功地穿过障碍时，对车辆100所使用操作步骤可以被添加到驾驶信息地图中。相应地，这一信息可以发送到该区域内可能遇到相同障碍的其它车辆，以便辅助其它车辆不仅识别出封闭的车道还知道如何通过。

在一些实施例中，云服务中心可以根据接收到的数据，运行其存储的判定车辆交通行为是否违规的指令或程序，从而对车辆100或车辆100周围的车辆的交通行为(例如变道行为、超车行为或跟车行为等)进行判定，以判定车辆在行驶过程中是否违反了交通规则。其中，当云服务中心对车辆100周围的车辆进行违规行为判定时，关于车辆100周围的车辆的信息可以是由车辆100获取后传送给云服务中心，也可以是由车辆100周围的车辆直接传送给云服务中心，对此本申请实施例不作限定。

应理解，上述车辆100可以为轿车、卡车、摩托车、公共汽车、船、飞机、直升飞机、割草机、娱乐车、游乐场车辆、施工设备、电车、高尔夫球车、火车和手推车等，本申请实施例不做特别的限定。车辆100周围的车辆可以是不具备自动驾驶模式或自动驾驶辅助功能的人工驾驶车辆，也可以是能够被配置为完全或部分的自动驾驶模式的车辆，本申请实施例对此不作限定。

在一种可能的实现方式中，上述图1所示的车辆100可以是自动驾驶车辆，下面结合图2对自动驾驶系统进行详细描述。

图2是本申请实施例适用的一种自动驾驶系统的示意图。如图2所示的自动驾驶系统(autonomous driving system，ADS)包括计算机系统301，其中，计算机系统301包括处理器303，处理器303和系统总线305耦合。处理器303可以是一个或者多个处理器，其中，每个处理器都可以包括一个或多个处理器核。显示适配器(video adapter)307可以驱动显示器309，显示器309和系统总线305耦合。系统总线305可以通过总线桥311和输入输出(I/O)总线313耦合，I/O接口315和I/O总线313耦合。I/O接口315和多种I/O设备进行通信，比如，输入设备317(如：键盘，鼠标，触摸屏等)，媒体盘(media tray)321，(例如，只读光盘(compactdisc read-only memory，CD-ROM)，多媒体接口等)，收发器323，传感器353，摄像头355等。收发器323可以发送和/或接受无线电通信信息。传感器353可以与计算机系统301关联，传感器353可以用于探测计算机系统301周围的环境。摄像头355可以捕捉静态和动态数字视频图像。其中，和I/O接口315相连接的接口可以是通用串行总线(universal serial bus，USB)端口325。

其中，处理器303可以是任何传统处理器，比如，精简指令集计算(reducedinstruction set computer，RISC)处理器、复杂指令集计算(complex instruction setcomputer，CISC)处理器或上述的组合。

可选地，处理器303可以是诸如专用集成电路(application specificintegrated circuit，ASIC)的专用装置；处理器303可以是神经网络处理器，或者是神经网络处理器和上述传统处理器的组合。

可选地，在一些实施例中，计算机系统301可位于远离自动驾驶车辆的地方，并且可与自动驾驶车辆无线通信。在其它方面，本申请所述的一些过程在设置在自动驾驶车辆内的处理器上执行，其它由远程处理器(例如图1所示的服务器200中的处理器210)执行，包括采取执行单个操作所需的动作。

计算机系统301可以通过网络接口329和软件部署服务器349通信。网络接口329可以是硬件网络接口，例如网卡。网络327可以是外部网络，例如因特网，也可以是内部网络，例如以太网或者虚拟私人网络(virtual private network，VPN)。可选地，网络327还可以是无线网络，比如WiFi网络，蜂窝网络等。

如图2所示，硬盘驱动接口331和系统总线305耦合，硬件驱动器接口331可以与硬盘驱动器333相连接，系统内存335和系统总线305耦合。运行在系统内存335的数据可以包括操作系统337和应用程序343。其中，操作系统337可以包括解析器(shell)339和内核(kernel)341。解析器339是介于使用者和操作系统内核(kernel)341之间的一个接口。解析器339可以是操作系统337最外面的一层；解析器339可以管理使用者与操作系统337之间的交互，比如，等待使用者的输入，向操作系统337解释使用者的输入，处理各种各样的操作系统337的输出结果等。内核341可以由操作系统337中用于管理存储器、文件、外设和系统资源的那些部分组成，内核341可以直接与硬件交互。操作系统内核341通常运行进程，并提供进程间的通信，提供CPU时间片管理、中断、内存管理、IO管理等等。应用程序343包括控制汽车自动驾驶相关的程序，比如，管理自动驾驶的汽车和路上障碍物交互的程序，控制自动驾驶汽车路线或者速度的程序，控制自动驾驶汽车和路上其他自动驾驶汽车交互的程序。应用程序343也存在于软件部署服务器349的系统上。在一个实施例中，在需要执行自动驾驶相关程序347时，计算机系统301可以从软件部署服务器349下载应用程序。

例如，应用程序343还可以是自动驾驶汽车和路上车道线交互的程序，也就是说可以实时跟踪车道线的程序。

例如，应用程序343还可以是控制自动驾驶车辆进行自动泊车的程序。

在执行应用程序343过程中，计算机系统301需要获取周围的环境信息。示例性地，传感器353可以用于探测计算机系统301周围的环境。

举例来说，传感器353可以探测路上的车道，比如可以探测到车道线，并能够在车辆移动(如正在行驶)过程中实时跟踪到车辆前方一定范围内的车道线变化。又例如，传感器353可以探测动物(例如行人)、汽车、障碍物和人行横道等，进一步传感器353还可以探测上述动物、汽车、障碍物和人行横道等物体周围的环境，比如动物周围的环境、动物周围出现的其他动物、天气条件、周围环境的光亮度等。

示例性地，在车道线跟踪的场景中，传感器353可以用于探测车辆前方的车道线，从而使得车辆能够感知在行进过程中车道的变化，以据此对车辆的行驶进行实时规划和调整。

示例性地，在自动泊车的场景中，传感器353可以用于探测车辆周围的库位和周边障碍物的尺寸或者位置，从而使得车辆能够感知库位和周边障碍物的距离，在泊车时进行碰撞检测，防止车辆与障碍物发生碰撞。

在一些实施例中，传感器353还可以感知车辆自身的相关信息。例如传感器353可以感知车辆自身的位置、姿态、速度或转角等信息，从而使得车辆能够准确判断自身与周围其他物体例如行人、障碍物、其他车辆之间的相位对位置或距离，以据此对车辆的行为进行实时调整和规划。

可选地，如果计算机系统301位于自动驾驶的汽车上，传感器353可以包括摄像头、红外线感应器、GPS、激光雷达、毫米波雷达、超声波传感器、化学检测器、生物电传感器或麦克风等的一个或多个。

一般地，车辆上用于感知车辆自身状态和车辆周围环境的各式各样的传感器可以统称为感知模块。感知模块在智能汽车中发挥着十分重要的作用，其可以在汽车行驶过程中随时感应周围的环境，收集数据(包括自身数据、周围环境相关数据)，进行静止、移动物体的辨识、侦测与追踪，并结合导航仪地图数据，进行系统的运算与分析等，从而预先识别并避免可能发生的危险，或者预先让驾驶者察觉到可能发生的危险以做出应对操作，有效增加汽车驾驶的安全性。

对于自动驾驶汽车来说，感知模块是自动驾驶汽车的“眼睛”，用于感知环境与障碍物。自动驾驶汽车中的预测模块可以根据感知模块所感知及跟踪到的障碍物信息，预测障碍物在后续一定时间内的轨迹。进一步地，作为自动驾驶汽车的“大脑”的决策规划模块可以实现路径规划、行为决策与运动规划等。其中路径规划指的是根据起始地与目的地，结合地图中的道路等信息，规划出一条起始地到目的地的路径。行为决策指的是根据路径规划的结果以及当前的环境及障碍物等信息，做出具体的行为决策，如超车或变道等。运动规划指的是根据行为决策的结果，规划一条满足一定约束条件的轨迹点，如超车时的轨迹点。

汽车作为一种交通工具，给人类带来便利的同时，也带来了很多安全隐患，特别是交通事故，严重威胁了人们的生命、健康和财产安全。因此在自动驾驶技术领域，安全性也是在设计自动驾驶系统ADS时最重要的考虑因素。各种驾驶策略都将安全行车排在第一位，以要求自动驾驶汽车在确保安全的前提下进行控制和行驶。

然而，当自动驾驶汽车面临公路上常见的抢行、占道等情况时，遵循安全第一的自动驾驶汽车可能因此而吃亏。因为在这种情况下，自动驾驶汽车通常会采取避让或让行措施，以避免交通事故的发生。这可能导致自动驾驶汽车的行车时间延长，例如在交通拥堵的路口让行违规加塞的车辆而迟迟无法通过路口等，从而导致通行效率降低，进而大大影响了自动驾驶汽车的乘坐体验，助长了不文明驾驶的行为。他车的不文明驾驶的行为易使自动驾驶汽车成为交通网络中的弱势群体，从而影响了自动驾驶产业的发展。

目前一些智能汽车能够对自身周边的车辆进行判定，计算其是否违反了交通规则。这在一定程度上能够对人类驾驶员起到威慑作用，使之不敢轻易违规。但现有方案多存在计算量大、计算效率低、实时性不高的问题，例如智能汽车对周边车辆的全部交通关系进行评估，或者对全部交通规则进行评估，导致智能汽车对周边车辆违规行为的判定效率较低。

因此，本申请实施例将提供一种交通违规行为的判定方法和装置，能够提高车辆对周围车辆交通违规行为的判定效率，进一步地，还能够提高车辆的通行效率、改善乘坐体验。

图3示出了本申请实施例提供的一种交通违规行为的判定方法的示意性流程图。图3所示的方法300可以由驾驶装置执行，例如由图1所示的车辆100或位于车辆100上的装置执行；也可以由车辆之外的计算装置执行，例如由图1所示的服务器200或位于服务器200上的装置执行；也可以由驾驶装置和其他计算装置组合执行，例如由图1所示的包括车辆100和服务器200的系统执行，本申请实施例对此不作限定。如图3所示，方法300包括步骤S310至步骤S340。

在步骤S310，确定影响第一车辆行驶的目标车辆。

本申请实施例中，第一车辆可以是方法300的执行主体。即第一车辆用于判定目标车辆的交通行为是否违反了交通规则，或者说用于判定目标车辆是否存在违规行为。这里第一车辆可以是图1所示的车辆100或具有如图2所示的自动驾驶系统的驾驶装置如自动驾驶汽车。

本申请实施例中，目标车辆为交通违规行为的执行主体，方法300即用于判定目标车辆的交通行为是否违反了交通规则，或者目标车辆是否存在交通违规行为。这里目标车辆为影响第一车辆行驶的车辆，例如为第一车辆周围的车辆，更为具体地，例如为被第一车辆的传感器所能感测、识别或追踪的车辆。第一车辆可以为人类驾驶的车辆，也可以为被配置成完全或部分自动驾驶模式的自动驾驶车辆。

本申请实施例中，“目标车辆影响第一车辆行驶”可以理解为目标车辆影响或妨碍第一车辆正常行驶，或者目标车辆的行为可能导致第一车辆发生交通事故。其中第一车辆正常行驶可以理解为第一车辆的交通行为为符合道路交通要求的驾驶行为，例如行驶在正确的方向、行驶在正确的车道、行驶速度在限定速度范围内、行驶过程中正确使用灯光、行驶过程中与前车保持足以采取紧急制动的安全距离等等。第一车辆正常行驶也可以理解为第一车辆的交通行为为排除道路交通违规行为的驾驶行为，例如排除车辆状况不合要求、车速超过规定、违规变道、超员、无驾驶资格等等。这里，目标车辆影响或妨碍第一车辆正常行驶的行为包括但不限于：未按规定让行；违规超车；违规会车；违规倒车；违规变道；违规占道行驶；违规停车；违规掉头；违规抢行；未保持安全车距，等等。

在一些实施例中，当满足预设条件时，才认为第一车辆的行驶受到影响，这时要确定影响第一车辆行驶的目标车辆。因此，该步骤S310具体可以包括：判断是否满足预设条件；当满足预设条件时，确定影响第一车辆行驶的目标车辆。预设条件也可以认为是对目标车辆进行交通违规行为判定的触发条件。

本申请实施例中，预设条件可以包括以下至少一项：

第一车辆进行紧急制动；

第一车辆的加速度小于0且加速度的绝对值大于预设值；

第一车辆与目标车辆的距离小于预设距离；

第一车辆的行驶速度与同向车道上行驶的第二车辆的速度之间的差值大于预设速度差；

非熄火状态下，第一车辆停止等待的时间大于预设时长；

目标车辆在第一车辆的安全距离之外进入第一车辆所在的车道后，第一车辆减速或停车；

目标车辆的行驶轨迹偏离第一车辆为目标车辆预测的轨迹；

第一车辆发出避让指令或采取避让措施；或

目标车辆在会车或跟车过程中开启远光灯。

下面结合图4至图10所示的应用场景对上述预设条件进行详细的描述。需要说明的是，图4至图10中虚线所示的车辆401表示第一车辆，实线所示的车辆402表示影响第一车辆行驶的车辆。

在一个示例中，预设条件包括：第一车辆进行紧急制动。也就是说，当第一车辆进行紧急制动时，认为第一车辆的行驶受到影响，因此执行步骤S310。

一般情况下，自动驾驶汽车行驶都比较平稳，例如平稳起步、柔缓转动方向盘、路口处提前减速、平缓刹车或平稳停车等，只有在遇到紧急情况、突发情况或危险时才会使用紧急制动，以在最短距离内将车停住。例如，在第一车辆前方的车辆突然减速或停车，或者第一车辆周围突然出现其他车辆等情况下，第一车辆可能进行紧急制动。因此可以将第一车辆是否进行紧急制动作为一个标准来判断第一车辆的行驶是否受到影响。

作为示例而非限定，如图4所示，第一车辆401正常行驶中，车辆402位于第一车辆401的前方但突然停车，或者车辆402位于第一车辆401所在车道的相邻车道但突然变道至第一车辆401的前方。这种情况下，由于第一车辆401与车辆402之间的距离突然变小，二者之间的距离已不能使第一车辆401调整速度以慢速行驶，为避免发生碰撞，第一车辆401需要进行紧急制动以停车。因此，第一车辆401的行驶已受到影响，满足预设条件，需确定影响第一车辆行驶的目标车辆。从图中可以知道的是，车辆402即为目标车辆，但具体如何确定目标车辆，本申请实施例提供了多种实现方式，下文将进行详细说明，在此暂不详述。

本申请实施例中，第一车辆是否进行紧急制动可以通过如图1所示的规划与控制系统130(具体可以为制动单元133)或者计算机系统150获取。

在一个示例中，预设条件包括：第一车辆的加速度小于0且加速度的绝对值大于预设值。也就是说，当第一车辆进行减速且加速度的绝对值大于预设值时(可以理解为第一车辆突然刹车或急减速)，认为第一车辆的行驶受到影响，因此执行步骤S310。

一般情况下，智能汽车行驶都比较平稳，减速的时候会尽可能保证车速在足够的时间内均匀地、平稳地降低，直到降低到合适的速度或停车。只有在遇到紧急情况、突发情况或危险时，例如第一车辆前方的车辆突然减速，或者第一车辆前方发生交通事故等，第一车辆可能突然刹车(或急减速)。因此可以将第一车辆是否突然刹车(或急减速)作为一个标准来判断第一车辆的行驶是否受到影响。

作为示例而非限定，如图5所示，第一车辆401正常行驶中，车辆402位于第一车辆401的前方但由于错过高速出口正在原地倒车。这种情况下，由于第一车辆401与车辆402相向行驶并且第一车辆401暂不满足变道条件，第一车辆401需要进行急减速，并选择合适的时机进行变道以避免发生碰撞。因此，第一车辆401的行驶已受到影响，满足预设条件，需确定影响第一车辆行驶的目标车辆。从图中可以知道的是，车辆402即为目标车辆。

本申请实施例中，该预设值可以根据第一车辆的车型、车况(例如新车或旧车；例如满载或超重)、路况(例如柏油路、水泥路、冰雪路或砂石路；例如干燥路面或湿滑路面)、风向(例如顺风或逆风)、制动系统状态(例如制动系统抗热衰退性能的好坏)等中的至少一个因素确定，也可以是经测试或统计得出的第一车辆在一定制动时间内从第一速度(例如120千米/小时(km/h))急减速至第二速度(例如60千米/小时)时加速度的平均值(应理解，这里指的是加速度的绝对值的平均值)。这里，该预设值可以是第一车辆在减速时使驾驶员或乘坐人产生明显身体前倾的加速度值。示例性的，该预设值可以为12.5m/s²，10m/s²，8m/s²，7m/s²，6m/s²，5m/s²，4m/s²或者位于前述数值之间的加速度值以及其他加速度值等。

在一些实施例中，当某一时刻第一车辆的加速度小于0且加速度的绝对值大于预设值时，可以认为满足上述预设条件。或者当某一时间段内第一车辆的加速度均小于0且加速度的绝对值均大于预设值时，可以认为满足上述预设条件。

本申请实施例中，第一车辆的加速度可以通过如图1所示的传感系统120(具体可以为惯性测量单元122)或者计算机系统150获取。

在一个示例中，预设条件包括：第一车辆与目标车辆的距离小于预设距离。也就是说，当第一车辆与其他车辆之间没有足够的安全距离时，认为第一车辆的行驶受到影响，因此执行步骤S310。

一般情况下，智能汽车例如自动驾驶汽车在行驶过程中都会与周围的车辆保持一定的安全距离(包括横向安全距离和纵向安全距离)，以保证自车的安全。因此当第一车辆与周围车辆之间的距离不足安全距离时，第一车辆会采取一定措施(例如减速)拉开与周围车辆之间的距离。当第一车辆与周围车辆之间的距离突然变小而第一车辆无法调整距离时，第一车辆可能会采取急减速或紧急制动来避免发生碰撞。不论哪种情形，第一车辆都可能采取一定措施来应对由于安全距离不足所可能引发的交通事故。因此可以将第一车辆与周围车辆的距离是否满足安全距离作为一个标准来判断第一车辆的行驶是否受到影响。

作为示例而非限定，如图6所示，第一车辆401正常行驶中，车辆402位于第一车辆401所在车道的相邻车道但其车头突然靠近第一车辆401。这种情况下，由于第一车辆401与车辆402之间的距离突然变小，二者之间的距离不足安全距离，第一车辆401需要进行紧急制动或急减速来避免发生碰撞。因此，第一车辆401的行驶已受到影响，满足预设条件，需确定影响第一车辆行驶的目标车辆。从图中可以知道的是，车辆402即为目标车辆。

本申请实施例中，纵向的预设距离可以根据第一车辆的车速、车况(例如新车、旧车；例如满载、超重)、路况(例如干燥路面、湿滑路面)、天气情况、光照强度等中的至少一个因素确定。第一车辆在不同的工况下行驶时，其预设距离可以不同。例如，第一车辆的车速在100km/h以上时，纵向的预设距离可以为100米；车速在50km/h左右时，纵向的预设距离可以为50米；车速在20km/h以下时，纵向的预设距离可以为10米。

本申请实施例中，横向的预设距离可以根据车速、路况、天气情况以及顺行、并行、会车、超车等安全操作中至少一个因素确定。例如第一车辆的车速为40～60km/h时，与同方向行驶车辆的横向预设距离可以保持在1.2～1.7米，与相对方向行驶车辆的横向预设距离可以保持在1～1.3米。

应理解，该预设距离可以是上述提及的安全距离(例如为交通规则所规定的安全车距)，也可以是经测试得出的能够使第一车辆进行紧急制动以实现停车时的制动距离，本申请实施例对此不作限定。一般情况下，安全距离要大于制动距离。

本申请实施例中，第一车辆与周围车辆之间的距离可以通过如图1所示的传感系统120(具体可以为激光测距仪124、雷达123或相机125)、计算机系统150或如图2所示的传感器353获取。

在一个示例中，预设条件包括：第一车辆的行驶速度与同向车道上行驶的第二车辆的速度之间的差值大于预设速度差。也就是说，当第一车辆与同向车道上的第二车辆之间的速度差值过大时，认为第一车辆的行驶受到影响，因此执行步骤S310。

一般情况下，同向车道上行驶的车辆在经过同一路段时，其通行情况(例如畅通、拥挤、堵塞等)是差不多的。例如在拥堵路段，车辆应依次排队，跟车行驶。但如果有车辆存在不文明驾驶行为，例如通过相邻车道靠前并伺机加塞进队，则可能导致采取让行措施的车辆停滞不前。因此可以将第一车辆与同向车道上的第二车辆之间的速度差值是否大于预设速度差作为一个标准来判断第一车辆的行驶是否受到影响。

作为示例而非限定，如图7所示，第一车辆401正常跟车行驶中，车辆402、403、404位于第一车辆401所在车道的相邻车道。由于第一车辆401所在车道的行驶速度较快，车辆402～404均想通过在第一车辆401之前加塞进入第一车辆401所在车道。这种情况下，第一车辆401出于安全考虑一般会采取让行措施，车辆402～404顺利向前行驶，而第一车辆401则会一直避让而迟迟无法前行。此时第一车辆401与同向相邻车道上的车辆的速度差值较大，第一车辆401的车速为0。因此，第一车辆401的行驶已受到影响，满足预设条件，需确定影响第一车辆行驶的目标车辆。从图中可以知道的是，车辆402正在加塞，为目标车辆。车辆403和404即将加塞，可以作为第二车辆。当然，车辆402也可以作为第二车辆。

本申请实施例中，该预设速度差可以根据实际需要进行设计，在此不作特殊限定。

在一些实施例中，第一车辆与同向车道上的第二车辆之间的速度差值是否大于预设速度差这一条件可以和第一车辆的车速小于预设速度这一条件结合，作为一个标准来判断第一车辆的行驶是否受到影响。换句话说，当第一车辆的车速很小，例如为0，并且第一车辆与同向车道上的第二车辆之间的速度差值较大时，认为同向车道上的车辆在第一车辆之前加塞插队，导致了第一车辆的行驶受到影响。

本申请实施例中，第一车辆与同向车道上的第二车辆之间的速度差值可以根据第一车辆的车速和第二车辆的车速得到，其中第一车辆的车速可以通过如图1所示的传感系统120(具体可以为车速传感器126)获取，第二车辆的车速可以通过如图1所示的传感系统120(具体可以为雷达123或激光测距仪124)获取。第一车辆和第二车辆之间的速度差值可以通过如图1所示的规划与控制系统130(具体可以为路线控制系统135或障碍规避系统136)或计算机系统150获取。

在一个示例中，预设条件包括：非熄火状态下，第一车辆停止等待的时间大于预设时长。也就是说，当第一车辆停止等待的时间过长时，认为第一车辆的行驶受到影响，因此执行步骤S310。

一般情况下，第一车辆在道路上行驶时需要停止等待的场景有限，例如在遇到红灯、路况拥堵、让行或前车临时停车等情况下，第一车辆需要停车等待。但在这些场景下，第一车辆停止等待的时间不会很长。当其他车辆存在不文明驾驶行为时，例如违规停车，可能导致第一车辆所在车道无法通行，第一车辆会一直等待直至前车行驶或第一车辆可以变道。因此可以将第一车辆在非熄火状态下停止等待的时间作为一个标准来判断第一车辆的行驶是否受到影响。

作为示例而非限定，如图8所示，第一车辆401正常行驶中，车辆402位于第一车辆401的前方且处于停车状态。这种情况下，若没有合适的变道时机，第一车辆401将在安全距离之外停车等待。因此，第一车辆401的行驶已受到影响，满足预设条件，需确定影响第一车辆行驶的目标车辆。从图中可以知道的是，车辆402即为目标车辆。

本申请实施例中，预设时长可以根据不同的场景进行确定。例如在路口处，由于需要等待红灯，因此该预设时长可以取略大于红灯时长的值。例如在拥堵路段，该预设时长可以根据该路段的拥堵程度(例如分堵塞、拥挤、畅通等情况)确定，堵塞情况下可以取较大的预设时长，拥挤情况下可以取中等的预设时长，畅通情况下可以取较小的预设时长。

本申请实施例中，第一车辆停车等待的时间可以通过如图1所示的行进系统110、规划与控制系统130或计算机系统150获取。

在一个示例中，预设条件包括：目标车辆在第一车辆的安全距离之外进入第一车辆所在的车道后，第一车辆减速或停车。也就是说，当目标车辆在第一车辆的安全距离之外进入第一车辆所在的车道，但仍导致第一车辆降速或停车时，认为第一车辆的行驶受到影响，因此执行步骤S310。

一般情况下，若第一车辆周围的车辆从安全距离之外进入第一车辆所在的车道，说明变道条件良好，二者接下来应以均匀的速度前行。只有在第一车辆周围的车辆从安全距离之外进入第一车辆所在的车道后，导致第一车辆存在安全隐患时，第一车辆才会降速或停车。因此可以将第一车辆周围的车辆在安全距离之外进入第一车辆所在的车道后，第一车辆是否减速或停车作为一个标准来判断第一车辆的行驶是否受到影响。这里减速可以包括第一车辆急减速或紧急制动。

作为示例而非限定，如图9所示，第一车辆401正常行驶中，车辆402位于对向车道，并占用第一车辆401所在的车道进行超车。由于第一车辆401与车辆402相向行驶，纵向距离不断减小，无安全的横向距离，为避免发生碰撞，第一车辆401需要进行急减速或紧急制动，从而降低车速或停车让行。因此，第一车辆401的行驶已受到影响，满足预设条件，需确定影响第一车辆行驶的目标车辆。从图中可以知道的是，车辆402即为目标车辆。

本申请实施例中，可以通过如图1所示的雷达123或激光测距仪124判断是否有车辆进入第一车辆所在的车道，并且在安全距离之外进入；可以通过如图1所示的车速传感器126或制动单元133判定第一车辆是否减速或停车。

在一个示例中，预设条件包括：目标车辆的行驶轨迹偏离第一车辆为目标车辆预测的轨迹。也就是说，如果第一车辆周围的车辆没有按照第一车辆预测的轨迹行驶，则该车辆可能存在违规行为，第一车辆的行驶可能或已经受到影响，因此执行步骤S310中的确定影响第一车辆行驶的目标车辆。

一般情况下，智能汽车例如自动驾驶汽车在行驶过程中，会识别并预测其他车辆的行为，还能够基于预测的其他车辆的行为来调整自身的行为(例如加速、减速或者停止)。第一车辆可以基于交通规则为识别到的其他车辆预测轨迹，但如果其他车辆的实际行驶轨迹偏离了预测轨迹，则该其他车辆有可能存在不文明驾驶行为，进而会影响第一车辆的行驶。因此可以将第一车辆所识别到的其他车辆的实际行驶轨迹是否偏离第一车辆为其预测的轨迹作为一个标准来判断第一车辆的行驶是否受到影响。

作为示例而非限定，如图10所示，第一车辆401正常行驶中，车辆402位于第一车辆401的前方，带箭头的虚线为第一车辆401为车辆402预测的轨迹，带箭头的实线为车辆402实际行驶的轨迹，车辆402的实际轨迹偏离了预测轨迹。这种情况下，车辆402一直压线行驶，为避免发生碰撞，第一车辆401无法提速。因此，第一车辆401的行驶已受到影响，满足预设条件，需确定影响第一车辆行驶的目标车辆。从图中可以知道的是，车辆402即为目标车辆。

本申请实施例中，第一车辆周围车辆的行为可以通过如图1所示的传感系统120获取，第一车辆为周围车辆所预测的轨迹可以通过如图1所示的规划与控制系统130或计算机系统150获取。

在一个示例中，预设条件包括：第一车辆发出避让指令或采取避让措施。也就是说，当第一车辆发出避让指令或采取避让措施时，认为第一车辆的行驶受到影响，因此执行步骤S310。

一般情况下，第一车辆可以对周围车辆的行为进行预判，以据此对第一车辆的行为进行实时调整和规划。在遇到紧急情况、突发情况或危险时，第一车辆会发出避让指令或采取避让措施以避免发生碰撞。因此可以将第一车辆是否发出避让指令或采取避让措施作为一个标准来判断第一车辆的行驶是否受到影响。

本申请实施例中，第一车辆发出的避让指令可以用于指示第一车辆进行紧急制动、急减速、停车或变道等行为。第一车辆采取的避让措施可以为紧急制动、急减速、停车或变道等。

本申请实施例中，避让指令可以通过如图1所示的计算机系统150获取。是否采取避让措施可以通过如图1所示的规划与控制系统130(具体可以为转向系统131、油门132、制动单元133、路线控制系统135或障碍规避系统136等)的操作确定。

在一个示例中，预设条件包括：目标车辆在会车或跟车过程中开启远光灯。也就是说，在会车过程中，对向来车开启远光灯，或在跟车过程中，后方来车开启远光灯，则认为第一车辆的行驶受到影响，因此执行步骤S310。

对于人类驾驶员来说，若在会车或跟车过程中被对向来车或后方来车的远光灯晃到，容易看不清前方路况而导致交通事故。虽然第一车辆受到远光灯的影响较小，但远光灯对车内的驾驶员或乘坐人影响较大。假如行驶途中驾驶员接管了第一车辆，远光影响了驾驶员的视线，即影响了第一车辆的行驶。因此可以将第一车辆周围的车辆是否在会车或跟车过程中开启远光灯作为一个标准来判断第一车辆的行驶是否受到影响。

本申请实施例中，可以通过如图1所示的传感系统120(具体可以为相机125)感测第一车辆周围的车辆是否开启远光灯。

至此，本申请实施例结合图4至图10的应用场景图以及一些具体的例子，对上述预设条件进行了说明。应理解，上述应用场景以及每个示例中所列举的车辆行为仅仅是示例性的，还可以有其他的驾驶行为或驾驶场景能够满足相应预设条件，在此不再一一列举。

另外，本申请实施例涉及的“预设条件”可以包括上述示例所提及的一项或多项条件。在其他一些实施例中，上述一项或多项条件还可以结合驾驶场景(例如十字路口场景、高速场景或山路场景等；或者是否位于禁停区域、是否位于禁止鸣笛路段、是否处于公交专用车道的限制时段等)，形成一项或多项对应不同驾驶场景的、更为具体的预设条件，在此不再详述。

继续参考图3，上文主要介绍了满足什么样的预设条件才认为第一车辆的行驶受到影响，下面将介绍若第一车辆的行驶受到影响，如何确定影响第一车辆行驶的目标车辆。

作为一个示例，在确定第一车辆的行驶受到影响后，可以检测第一车辆周围的第三车辆，根据第三车辆的行驶数据和/或第一车辆的行驶数据，从第三车辆中确定目标车辆。

示例性的，第三车辆的行驶数据可以包括以下数据中的至少一项：第三车辆的行驶轨迹、位置(例如绝对位置或相对位置等)、速度(例如线速度、线加速度、角速度或角加速度等)、灯光(例如近光灯、远光灯、转向灯、制动灯或危险报警灯等)、姿态(例如偏航角、俯仰角、翻滚角或四元数等)、声音(例如鸣笛声、报警声等)、状态(例如车辆是否故障、车门是否打开、机动车载物的长宽是否超出车厢等)、固有属性(例如类别、尺寸或重量等)，以及第一车辆为第三车辆预测的行驶轨迹等。这里，第三车辆的相对位置可以是第三车辆在道路坐标系下的位置坐标，或者是第三车辆相对于第一车辆的位置坐标，或者是第三车辆相对于第一车辆的距离和方位，或者是第三车辆相对于车道线的距离和方位等。

示例性的，第一车辆的行驶数据可以包括以下数据中的至少一项：第一车辆的行驶轨迹、位置(例如绝对位置或相对位置等)、速度(例如线速度、线加速度、角速度或角加速度等)、姿态(例如偏航角、俯仰角、翻滚角或四元数等)、声音(例如鸣笛声、报警声等)，以及非熄火状态下停止等待的时长等。这里，第一车辆的相对位置可以是第一车辆在道路坐标系下的位置坐标，或者是第一车辆相对于第三车辆的位置坐标，或者是第一车辆相对于第三车辆的距离和方位，或者是第一车辆相对于车道线的距离和方位等。

为方便理解，下面举例说明。

例如，第三车辆的行驶数据包括第三车辆的行驶轨迹和第一车辆为第三车辆预测的行驶轨迹，若第三车辆的行驶轨迹偏离第一车辆为第三车辆预测的行驶轨迹，则可以确定该第三车辆为目标车辆。或者，第三车辆的行驶数据包括第三车辆的速度、姿态，若据此判断第三车辆在第一车辆前方加塞，则可以确定加塞的第三车辆为目标车辆。

又如，第一车辆的行驶数据包括非熄火状态下停止等待的时长，若该时长大于预设时长，则可以将第一车辆前方的第三车辆确定为目标车辆。

再如，第三车辆的行驶数据包括第三车辆的位置，第一车辆的行驶数据包括第一车辆的位置，则根据第三车辆的位置和第一车辆的位置可以知道第三车辆与第一车辆之间的距离。若该距离小于预设距离，则可以确定该第三车辆为目标车辆。或者，第三车辆的行驶数据包括第三车辆的速度、姿态、灯光，第一车辆的行驶数据包括第一车辆的速度、姿态、灯光，若据此判断第三车辆在跟车过程中开启远光灯，则可以将第三车辆确定为目标车辆。

目标车辆为第一车辆周围的、影响了第一车辆行驶的车辆。本申请实施例通过确定目标车辆，可以确保判定的以及举报的是影响第一车辆行驶的违规行为。

应理解，若预设条件与第一车辆自身的操作或状态相关的话，例如第一车辆进行紧急制动即满足预设条件，由于不涉及其他车辆的信息，则在确定目标车辆的时候，需要先检测第一车辆周围的第三车辆，再从第三车辆中确定目标车辆。

当然，若预设条件与第一车辆以及第一车辆周围车辆的操作或状态相关的话，例如第一车辆与其他车辆的距离小于预设距离时即满足预设条件，由于涉及了其他车辆的信息，因此可以在确定第一车辆的行驶受到影响的同时确定影响第一车辆行驶的目标车辆。不过可以理解的是，这种情况下也可以采用先检测第一车辆周围的第三车辆，再从第三车辆中确定目标车辆的方式。

本申请实施例中，若在步骤S310中没有确定目标车辆，则不再继续执行下面步骤。例如第一车辆可能为躲避行人而进行紧急制动或急减速，或者第一车辆为让行非机动车而发出避让指令或采取避让措施等。这种情况下并非是机动车辆影响第一车辆的行驶，所以不再继续S310之后的步骤。

经过步骤S310之后，可以初步确定方法300中交通违规行为的主体。

在步骤320，根据目标车辆的第一交通信息，确定目标车辆的行为与预设违规行为特征的匹配程度。

目标车辆的第一交通信息可以包括目标车辆的行为信息、目标车辆的周围环境信息或第一车辆的行为信息中的至少一项。

目标车辆的行为信息指的是与目标车辆自身相关的信息。其中，目标车辆的行为信息包括目标车辆的轨迹信息、时间信息、速度信息、位置信息、灯光信息、姿态信息、声音信息、状态信息或固有属性信息中的至少一种。下面对每种信息的内容进行简要介绍，可以理解的是，其内容不限于以下实施例所列举。

目标车辆的轨迹信息可以包括目标车辆在一段时间内所经过的一系列轨迹点。目标车辆的轨迹信息可用于表示目标车辆在该一段时间内的行驶路径。

目标车辆的时间信息可以包括一系列时间点和/或包括起始时间点、终止时间点的一段时间。该一系列时间点可以与目标车辆的轨迹信息相对应，即目标车辆的时间信息可包括与目标车辆在每个轨迹点所对应的时间点。该包括起始时间点、终止时间点的一段时间与目标车辆的轨迹信息相对应，其中起始时间点和终止时间点分别对应目标车辆的行驶轨迹的起点和终点。目标车辆的时间信息的表示方式可以是格林尼治标准时间、北京时间、中欧时间或操作系统(unix)时间戳等，本申请实施例对此不作限定，只要保证目标车辆的时间信息可以转换为统一形式即可。

目标车辆的速度信息可以包括目标车辆的线速度、线加速度、角速度或角加速度等。上述各种速度可以是在世界坐标系下的取值，也可以是在目标车辆的自车坐标系下的取值，本申请实施例对此不作限定。以加速度为例，在实际应用中，可以将世界坐标系下的加速度取值与自车坐标系下的加速度取值相互转换。

目标车辆的姿态信息可以包括目标车辆偏航角、俯仰角、翻滚角或四元数等。

目标车辆的位置信息可以包括目标车辆在世界坐标系下的三维位置坐标、高程信息或经纬度信息，目标车辆在道路坐标系下的三维位置坐标、高程信息或经纬度信息等。

目标车辆的灯光信息可以包括目标车辆的近光灯、远光灯、转向灯、制动灯、危险报警灯、倒车灯或牌照灯等。

目标车辆的声音信息可以包括目标车辆的鸣笛声或警报声等。

目标车辆的状态信息可以包括目标车辆的故障信息，目标车辆的车门开闭信息，目标车辆的载物信息等。其中目标车辆的载物信息用于指示载物的长宽是否超出车厢、载物的高度是否超过预设高度等。

目标车辆的固有属性信息可以包括目标车辆的类别信息、尺寸信息或重量信息等。该类别信息用于指示目标车辆所属的类别。本申请实施例中，例如可以按照车辆用途将车辆划分为轿车、客车、载货汽车、越野汽车、自卸汽车、牵引汽车、专用汽车等，例如可以按照车辆大小将车辆划分为微型车、小型车、紧凑型车、中型车、中大型车等。目标车辆的尺寸信息例如包括目标车辆的长宽高等。

在一些实施例中，若目标车辆的轨迹信息包括一系列轨迹点，目标车辆的时间信息包括一系列时间点，且该一系列轨迹点与该一系列时间点一一对应(例如每经过预设采样间隔就获取一个轨迹点)，可以以时间信息为基准，获取每个时间点对应的第二交通信息，即获取每个时间点对应的轨迹信息、速度信息、姿态信息、位置信息、灯光信息、声音信息或状态信息等。

本申请实施例中，目标车辆的行为信息可以通过第一车辆感测获得，例如通过如图1所示的传感系统120、计算机视觉系统134或障碍规避系统136获取；也可以通过第一车辆与目标车辆的通信过程，由目标车辆传送给第一车辆而获得；还可以由目标车辆先将前述信息上传至云服务中心，再通过云服务中心获取，本申请实施例对此不作限定。

第一车辆的行为信息指的是与第一车辆自身相关的信息。第一车辆的行为信息包括第一车辆的轨迹信息、时间信息、速度信息、位置信息、灯光信息、姿态信息、声音信息、状态信息或固有属性信息中的至少一种。关于第一车辆的行为信息的描述可以参考上文有关目标车辆的行为信息的相关描述，为简洁，在此不再赘述。

本申请实施例中，第一车辆的行为信息可以通过第一车辆上的如图1所示的传感系统120、规划与控制系统130、计算机系统150或外围设备140获取。例如第一车辆的轨迹信息和位置信息可以通过如图1所示的定位系统121获取；第一车辆的速度信息可以通过如图1所示的惯性测量单元122或车速传感器126获取；第一车辆的姿态信息可以通过惯性测量单元122提供的线性加速度和旋转角速率解算获得；第一车辆的声音信息、灯光信息可以通过规划与控制系统130中用于控制第一车辆声音或灯光的模块、单元或系统获取；第一车辆的状态信息来源广泛，不同的信息内容可以通过不同的系统或设备获取，因此可以从相应的系统或设备中获取到相应的状态信息。

目标车辆的周围环境信息包括静态环境信息和/或动态环境信息。

静态环境信息包括以下信息的至少一种：交通标线信息，交通标志信息，交通信号灯信息，道路类型信息或车道信息。具体地，交通标线信息可以包括交通标线的类型，例如指示标线、禁止标线或警告标线等，还可以包括交通标线的位置等。交通标志信息可以包括交通标志的类型，例如警告标志、禁令标志或指示标志等，还可以包括交通标志的位置等。交通信号灯信息可以包括交通信号灯显示状况(例如显示红灯或显示绿灯)、交通信号灯的位置灯。道路类型信息可以包括道路等级信息(例如为快速路、主干路、次干路或支路等，或者为高速路或普通公路)、路面材质信息(例如为水泥路、沥青路、土路或砂石路等)。车道信息可以包括车道类型信息(例如为超车道、行车道、应急车道或避险车道等)。本申请实施例中，静态环境信息也可以称为交通元素信息。

本申请实施例中，静态环境信息可以通过第一车辆上的如图1所示的传感系统120获取，或者从预先存储有静态环境信息的计算机系统150获取，或者通过如图1所示的服务器200获取。示例性的，静态环境信息可以通过高精地图获取。

动态环境信息可以包括天气信息，能见度信息或光照强度信息等。具体地，天气信息例如包括目标车辆所处环境的风、云、雾、雨、闪、雪、霜、雷、雹、霾或沙尘等信息。

本申请实施例中，动态环境信息可以通过第一车辆上的如图1所示的传感系统120获取，例如通过环境感知传感器感知天气状况、能见度信息或光照强度等。在一些实施例中，动态环境信息也可以通过云服务获取，例如从天气预报提供商的服务器上获取。

本申请实施例中，目标车辆为第一车辆周围的车辆，因此可以认为目标车辆的周围环境信息相当于第一车辆的周围环境信息。

本申请实施例中，“预设违规行为特征”指的是预设的能够用于描述车辆交通违规行为的特征。作为示例而非限定，交通违规行为可以包括：未按规定让行；违规超车；违规会车；违规倒车；违规变道；违规占道行驶；违规停车；违规掉头；违规抢行；未保持安全车距等。

上述每种交通违规行为还可以细分为更具体的违规行为。

例如未按规定让行的违规行为可以包括：未避让执行紧急任务的特种车辆；在没有中心隔离设施或没有中心线的道路上会车时，有障碍的一方未让无障碍的一方先行；通过没有交通信号灯也没有交通警察指挥的交叉路口，转弯的车辆未让直行的车辆先行；等等。

例如，违规超车的行为可以包括：在可以作转弯的地点，超越前方同车道正在作转弯的车辆；在没有超车条件的交叉路口、窄桥、弯道、陡坡、隧道超车；超越前方正在超车的机动车；与对面来车有会车可能时超车；等等。

例如，违规停车的行为可以包括：在设有禁停标志、标线的路段，在机动车道与非机动车道、人行道之间设有隔离设施的路段以及人行横道、施工地段停车；在交叉路口、铁路道口、急弯路、宽度不足4米的窄路、桥梁、陡坡、隧道以及距离上述地点50米以内的路段停车；等等。

一种预设违规行为特征可以对应一种违规行为，也可以对应多种违规行为(如该多种违规行为在同一行驶过程中发生)。该预设违规行为特征可以是以轨迹点信息的方式表示，也可以是以特征模型的方式表示，本申请实施例对此不作限定。

当预设违规行为特征以轨迹点信息的方式表示时，该预设违规行为特征可以包括第一轨迹点集合，该第一轨迹点集合与车辆发生的某一交通违规行为相对应。即该第一轨迹点集合用于描述违规车辆的交通违规行为。因此根据该第一轨迹点集合可以判断车辆发生的违规行为。为方便描述，本申请实施例中将发生违规行为的车辆称为违规车辆。将可能受违规车辆行为影响的车辆或用于判断车辆是否违规的车辆称为参考车辆。

示例性的，该第一轨迹点集合中的每个轨迹点可以包括违规车辆在该轨迹点时的位置(绝对位置或相对位置)、速度、与参考车辆之间的距离、与车道线的相对位置、灯光、声音或姿态等信息中的至少一项。

在另一些实施例中，该预设违规行为特征还可以包括参考车辆的行为信息。其中参考车辆的行为可以直接通过第一轨迹点集合中的轨迹点的信息来描述，也可以通过额外的专用于参考车辆的轨迹点集合来描述。

例如，第一轨迹点集合中的每个轨迹点可以包括当违规车辆在该轨迹点时对应的参考车辆的位置(绝对位置或相对位置)、速度、与违规车辆之间的距离、与车道线的相对位置、灯光、声音或姿态等信息中的至少一项。

又如，该违规行为特征包括第二轨迹点集合，该第二轨迹点集合与违规车辆发生违规行为时参考车辆的行为相对应。即第二轨迹点集合用于描述参考车辆的行为。示例性的，该第二轨迹点集合中的每个轨迹点可以包括参考车辆在该轨迹点时的位置(绝对位置或相对位置)、速度、与违规车辆之间的距离、与车道线的相对位置、灯光、声音或姿态等信息中的至少一项。

在另一些实施例中，该预设违规行为特征还可以包括交通元素信息，其中交通元素信息可以包括交通信号灯信息、交通标志信息、交通标线信息或交通警察手势信息中的至少一项。

作为示例而非限定，交通信号灯信息可以包括交通信号灯显示状态(例如显示红灯或显示绿灯)、交通信号灯的位置等。交通标志信息可以包括交通标志的类型，例如警告标志、禁令标志、指示标志、指路标志、旅游区标志和道路施工安全标志或辅助标志等，还可以包括交通标志的位置等。交通标线信息可以包括交通标线的类型，例如指示标线、禁止标线或警告标线等，还可以包括交通标线的位置等。交通警察手势信息可以包括信号类型，例如停止信号、直行信号、左(或右)转弯信号、左转弯待转信号、变道信号、减速慢行信号或示意车辆靠边停车信号等。

当预设违规行为特征以特征模型的方式表示时，该特征模型可以是经训练数据训练而成的神经网络模型。其中训练数据可以是车辆发生违规行为时所采集的交通信息，例如包括违规车辆的轨迹数据、位置数据、速度数据、姿态数据或灯光数据等等，还可以包括参考车辆的轨迹数据、位置数据、速度数据、姿态数据或灯光数据等，还可以包括相应的交通元素信息。这里，该特征模型可以对应一种违规行为，也可以对应多种违规行为，本申请实施例对此不作限定。换句话说，该特征模型可以包括一种违规行为特征，用于描述一种违规行为；也可以包括多种违规行为特征，用于描述多种违规行为。

根据预设违规行为特征的描述方式的不同，在步骤S320中确定目标车辆的行为与预设违规行为特征的匹配程度的方式也可以不同。

作为一个示例，可以根据目标车辆的第一交通信息，采用动态时间规整(dynamictime warping，DTW)算法对目标车辆的行为和预设违规行为特征进行匹配，获得目标车辆的行为与预设违规行为特征的匹配程度。

动态时间规整DTW算法是基于动态规划的思想，来衡量两个时间长度不一致的时间序列的相似度。具体地，通过对两个原始时间序列中的点之间的类似性比较，将两个原始时间序列拉伸到相同时间长度，进而比较时间长度相同的两个时间序列(为方便描述，分别称为时间序列A和时间序列B)的类似性。在比较时间序列A和时间序列B的类似性时，动态时间规整算法需要找到一条最优的规整路径，认为时间序列A的第i个点和时间序列B的第j个点是类似的。然后将全部类似点的距离之和(或全部类似点的距离之和再平均)作为规整路径距离，并以规整路径距离来衡量时间序列A和时间序列B的类似性。其中，规整路径距离越小，类似度越高。

若根据目标车辆的第一交通信息，能够采用时间序列的方式表示目标车辆的行为时，就可以采用DTW算法衡量目标车辆的行为与预设违规行为特征的类似度。为方便理解，以下为采用DTW算法对目标车辆的行为和预设违规行为特征进行匹配的一个示例。

本申请实施例中，目标车辆的第一交通信息可以包括目标车辆在M个轨迹点的信息，M＞1，其中M个轨迹点中的第一轨迹点的信息包括目标车辆在该第一轨迹点的至少一个第一参数，该第一轨迹点为M个轨迹点中的任意一个轨迹点。该第一参数可以包括目标车辆在该第一轨迹点的位置(绝对位置和/或相对位置)、速度、灯光、声音、姿态、与参考车辆之间的距离或与车道线的相对位置等，还可以包括当目标车辆在该第一轨迹点时相对应的参考车辆的位置、速度、灯光、声音、姿态、与目标车辆之间的距离或与车道线的相对位置等。可以理解的是，该M个轨迹点包括目标车辆在行驶过程中实际经过的轨迹点和/或第一车辆为目标车辆预测的可能经过的轨迹点。该M个轨迹点的信息可以构成第一时间序列。

本申请实施例中，预设违规行为特征可以包括违规车辆在P个轨迹点的信息，P＞1，其中P个轨迹点中的第二轨迹点的信息包括违规车辆在该第二轨迹点的至少一个第二参数，该第二轨迹点为P个轨迹点中的任意一个轨迹点。该第二参数可以包括违规车辆在该第二轨迹点的位置(绝对位置和/或相对位置)、速度、灯光、声音、姿态、与参考车辆之间的距离或与车道线的相对位置等，还可以包括当违规车辆在该第二轨迹点时相对应的参考车辆的位置、速度、灯光、声音、姿态、与违规车辆之间的距离或与车道线的相对位置等。可以理解的是，该P个轨迹点是预设的违规车辆在行驶过程中经过的点。该P个轨迹点的信息可以构成第二时间序列。

采用动态时间规整算法对目标车辆的行为和预设违规行为特征进行匹配时，若第一时间序列和第二时间序列的时间长度相等，则可以直接计算第一时间序列和第二时间序列的距离。例如以欧式距离计算第一时间序列中的第一轨迹点与第二时间序列中类似的第二轨迹点之间的距离并将全部类似轨迹点的距离求和(或求和再平均)，得到规整路径距离，即第一时间序列和第二时间序列的距离。

在一些实施例中，若第一轨迹点的信息包括多个第一参数，第二轨迹点的信息包括多个第二参数，则在计算第一时间序列中的第一轨迹点与第二时间序列中类似的第二轨迹点之间的距离时，可以分别计算每个参数类型下第一轨迹点和第二轨迹点之间的距离，再将全部参数类型下第一轨迹点和第二轨迹点之间的距离求和(或求和平均)，以作为第一轨迹点和类似的第二轨迹点之间的最终距离。当然，也可以在多个第一参数和多个第二参数中选择具有代表性的某一参数类型例如位置或速度，来计算在该参数类型下第一轨迹点和第二轨迹点之间的距离，以作为第一轨迹点和类似的第二轨迹点之间的最终距离。最后将全部类似轨迹点的最终距离求和(或求和再平均)，作为第一时间序列和第二时间序列的距离。

在另一些实施例中，若第一轨迹点的信息包括多个第一参数，第二轨迹点的信息包括多个第二参数，则M个轨迹点中所包括的同一种参数类型可以构成一个时间序列，P个轨迹点中所包括的同一种参数类型可以构成一个时间序列。例如M个轨迹点的速度(或位置、或姿态)可以构成一个时间序列，P个轨迹点的速度(或位置、或姿态)可以构成一个时间序列。在采用DTW算法时，可以分别计算同类型的第一参数和第二参数所对应的两个时间序列(例如M个轨迹点的速度构成的时间序列和P个轨迹点的速度构成的时间序列)之间的距离，然后综合所有类型参数所对应的时间序列之间的距离(例如包括速度对应的时间序列的距离，位置对应的时间序列的距离，姿态对应的时间序列的距离等)，得到第一时间序列和第二时间序列的距离。示例性的，可以采用为每个类型参数所对应的时间序列之间的距离进行权重赋值，得到第一时间序列和第二时间序列的距离；或者将所有类型参数所对应的时间序列之间的距离求和(或求和再平均)，得到第一时间序列和第二时间序列的距离。

DTW算法能够用于计算不同时间长度的序列的相似性，这样对于目标车辆的第一交通信息的采集(例如采样间隔、采样长度)以及对预设违规行为特征的设计可以更为灵活。

以下为采用DTW算法对目标车辆的行为和预设违规行为特征进行匹配的另一个示例。

本申请实施例中，目标车辆的第一交通信息可以包括目标车辆在M个轨迹点的信息，M＞1，其中M个轨迹点中的第一轨迹点的信息包括目标车辆在该第一轨迹点的位置信息，该第一轨迹点为M个轨迹点中的任意一个轨迹点。可以理解的是，该M个轨迹点包括目标车辆在行驶过程中实际经过的轨迹点和/或第一车辆为目标车辆预测的可能经过的轨迹点。目标车辆在该第一轨迹点的位置信息可以包括目标车辆在该第一轨迹点的绝对位置和/或相对位置。

采用动态时间规整算法对目标车辆的行为和预设违规行为特征进行匹配时，可以先对目标车辆在M个轨迹点的信息进行处理，得到第一序列。其中第一序列包括M-1个数据点，该M-1个数据点中相邻的第一数据点和第二数据点分别包括第一轨迹点与前一个轨迹点之间的相对位移信息、第一轨迹点与后一个轨迹点之间的相对位移信息。简单来说，就是计算该M个轨迹点中前后两个轨迹点的位置(绝对位置或相对位置)之差，可以得到M-1个相对位移，也即M-1个数据点。该M-1个数据点按时间序列排列构成该第一序列。

相应地，预设违规行为特征可以包括N-1个数据点的信息，N＞1，该N-1个数据点的信息包括违规车辆在N个轨迹点时相邻的轨迹点之间的相对位移信息。简单来说，可以通过计算N个轨迹点中前后两个轨迹点的位置之差，得到N-1个相对位移，也即N-1个数据点。该N-1个数据点按时间序列排列构成该第二序列。需要说明的是，该N个轨迹点为违规车辆在行驶过程中经过的点，也可以认为是目标车辆在违规的情况下所经过的预设轨迹点(因为此时暂未确定目标车辆即违规车辆)。

若第一序列和第二序列的时间长度相等，则可以直接计算第一序列和第二序列的距离。例如以欧式距离计算第一序列中的类似数据点之间的距离并将全部类似数据点的距离求和(或求和再平均)，得到规整路径距离，即第一序列和第二序列的距离。

在一些实施例中，若第一序列中数据点的信息包括多个第一参数(例如第一参数包括目标车辆的相对位移和加速度)，第二序列中数据点的信息包括多个第二参数(例如第一参数包括违规车辆的相对位移和加速度)，则可以参考上一个示例中的相关方法，计算第一序列与第二序列中类似数据点之间的最终距离，并进一步得到第一序列和第二序列之间的距离；或者，分别就计算同类型的参数所对应的时间序列之间的距离，并进一步得到第一序列和第二序列之间的距离。为简洁，在此不再赘述。

利用相对位移来体现前后轨迹点之间的关系，能够更准确地表达预设违规行为特征以及目标车辆的行为，再利用DTW算法计算两个序列的距离，能够提高匹配的精度。

需要说明的是，本申请实施例中涉及到轨迹点时，隐含了该轨迹点包括车辆在该轨迹点的时间信息。另外，在涉及到轨迹点为多个时，隐含了该多个轨迹点是按时间顺序排序的。特别地，当将该多个轨迹点作为一个序列来看时，该一个序列中的多个轨迹点是按时间前后顺序依次排列的。

本申请实施例中，通过DTW算法获得的匹配结果可以为两个序列之间的距离，例如第一时间序列与第二时间序列之间的距离，或者第一序列与第二序列之间的距离。

在一些实施例中，可以设定一预设阈值，以将两个序列之间的距离与该预设阈值相比较，确定目标车辆的行为与预设违规行为特征的匹配程度。其中当两个序列之间的距离小于该预设阈值时，表示目标车辆的行为与预设违规行为特征的匹配程度较高，可以指示目标车辆的行为符合预设违规行为特征；当两个序列之间的距离大于该预设阈值时，表示目标车辆的行为与预设违规行为特征的匹配程度较低，可以指示目标车辆的行为不符合预设违规行为特征。匹配程度可以通过“高/低”、“符合/不符合”或“1/0”等方式表示，本申请实施例对此不作限定。

这里，可以将两个序列之间的距离与预设阈值相比较的步骤与DTW算法输出匹配结果的步骤分为两个步骤，例如由一个装置前后执行，或者由两个装置分别执行。即先通过DTW算法输出两个序列之间的距离，然后再比较两个序列之间的距离与预设阈值从而确定目标车辆的行为与预设违规行为特征的匹配程度。或者，可以将前述步骤合为一个步骤，由一个装置执行，即经过DTW算法之后直接输出目标车辆的行为与预设违规行为特征的匹配程度。对此，本申请实施例不作特殊限定。

除了采用DTW算法外，作为另一个示例，可以根据目标车辆的第一交通信息，采用神经网络模型对目标车辆的行为和预设违规行为特征进行匹配，获得目标车辆的行为与预设违规行为特征的匹配程度。

神经网络模型输出匹配程度的方式可以有很多种。

例如，将目标车辆的第一交通信息输入到神经网络模型后，神经网络模型可以执行上述通过DTW算法获得的匹配程度的示例中的过程，并输出相应的结果。详细参考上文描述，为简洁，在此不再赘述。

又如，将目标车辆的第一交通信息输入到神经网络模型后，神经网络模型可以输出目标车辆的行为和预设违规行为特征的匹配的百分比，如30％、50％、80％等；或者输出目标车辆的行为和预设违规行为特征的匹配的等级，例如“不匹配”、“比较匹配”、“非常匹配”等。

通过设定一预设阈值或预设等级类别，可以确定目标车辆的行为与预设违规行为特征的匹配程度。例如，若目标车辆的行为和预设违规行为特征的匹配的百分比大于预设阈值，可以表示目标车辆的行为与预设违规行为特征的匹配程度较高，可以指示目标车辆的行为符合预设违规行为特征；反之则相反。

再如，若该神经网络模型中包括多种违规行为特征，将目标车辆的第一交通信息输入到神经网络模型后，神经网络模型可以输出目标车辆的行为与每一种违规行为特征的匹配程度，或者输出最可能与目标车辆的行为相匹配的违规行为特征以及相应的匹配程度。

与上文关于DTW算法的示例类似，这里，神经网络模型也可以直接输出目标车辆的行为与预设违规行为特征的匹配程度，如通过“高/低”、“符合/不符合”或“1/0”等方式表示。对此，本申请实施例不作特殊限定。

由于步骤S310中对于触发交通违规行为判定的条件较为宽松，在确定目标车辆时有可能会出现误判。即，将实际上没有影响第一车辆行驶的车辆确定为目标车辆，或者目标车辆虽然影响第一车辆行驶，但是并没有违反交通规则。步骤S320可以对目标车辆的行为进行进一步的判定，通过将目标车辆的行为与预设违规行为特征进行匹配，确定目标车辆存在交通违规行为的概率。

例如在各车道的车辆均排队等红灯的情况下，第一车辆所在车道的相邻车道上，某车辆为让行救护车而将车头贴近第一车辆，如果预设条件包括：第一车辆与目标车辆的距离小于预设距离，那么步骤S310中可能会将该让行车辆确定为目标车辆。步骤320中可以将让行车辆的行为与用于表示违规加塞的预设违规行为特征进行匹配，由于让行车辆只是暂时将车头靠近了第一车辆，在救护车通过之后该让行车辆仍返回自己的车道行驶，其行为并不符合预设违规行为特征。所以在步骤S310中确定的目标车辆不属于违规车辆。

因此，如果在步骤S320中，目标车辆的行为与预设违规行为特征的匹配程度指示目标车辆的行为不符合预设违规行为特征，则无需进行接下来的步骤。

而当匹配程度指示目标车辆的行为符合预设违规行为特征时，则执行步骤S330，根据预设违规行为特征获取目标交通规则。

本申请实施例中，目标交通规则指的是面向人类驾驶员的自然语言交通规则经逻辑语言表达后形成的面向机器的形式化交通规则，以使机器无差错的认知交通规则。

在该步骤中，获取目标交通规则的方式可以有多种。

在一个示例中，可以根据预设违规行为特征与目标交通规则的对应关系，获取目标交通规则。换言之，可以预先存储与预设违规行为特征相对应的交通规则，在确定了与目标车辆的行为相匹配的预设违规行为特征后，根据对应关系获取到目标交通规则。这样可以减少计算量，提高运行速度。

在另一个示例中，可以为预设违规行为特征设定关键词或检索词，在确定了与目标车辆的行为相匹配的预设违规行为特征后，根据关键词或检索词筛选交通规则，从而获取与预设违规行为特征相对应(或相关)的交通规则。

为方便理解，下面举例说明。

例如，若目标车辆的行为与用于描述违规倒车的预设违规行为特征相符合，则可以获取与倒车相对应(或相关)的目标交通规则。其中目标交通规则可以包括：机动车倒车时，应当察明车后情况，确认安全后倒车，不得在铁路道口、交叉路口、单行路、桥梁、急弯、陡坡或者隧道中倒车；机动车在高速公路上行驶，不得倒车；等。

例如，若目标车辆的行为与用于描述违规变道的预设违规行为特征相符合，则可以获取与变道相对应(或相关)的目标交通规则。其中目标交通规则可以包括：机动车在遇有前方机动车停车排队等候或者缓慢行驶时，应当依次排队，不得从前方车辆两侧穿插或者超越行驶；向左变更车道时，应当提前开启左转向灯；在道路同方向划有2条以上机动车道的，变更车道的机动车不得影响相关车道内行驶的机动车的正常行驶；等。

在步骤S340，根据目标车辆的第二交通信息，判定目标车辆的行为是否违反目标交通规则。

目标车辆的第二交通信息可以包括目标车辆的行为信息、目标车辆的周围环境信息或第一车辆的行为信息中的至少一项。

目标车辆的行为信息指的是与目标车辆自身相关的信息。其中，目标车辆的行为信息包括目标车辆的轨迹信息、时间信息、速度信息、位置信息、灯光信息、姿态信息、声音信息、状态信息或固有属性信息中的至少一种。

第一车辆的行为信息指的是与第一车辆自身相关的信息。第一车辆的行为信息包括第一车辆的轨迹信息、时间信息、速度信息、位置信息、灯光信息、姿态信息、声音信息、状态信息或固有属性信息中的至少一种。

目标车辆的周围环境信息包括静态环境信息和/或动态环境信息。静态环境信息包括以下信息的至少一种：交通标线信息，交通标志信息，交通信号灯信息，道路类型信息或车道信息。动态环境信息可以包括天气信息，能见度信息或光照强度信息等。

本申请实施例中，步骤S320中的第一交通信息和步骤S340中的第二交通信息均用于描述或表示目标车辆的行为。这里关于第二交通信息的描述可参考上文有关第一交通信息的相关描述，为简洁，在此不再赘述。

本申请实施例中，目标车辆的第二交通信息用于判定目标车辆的行为是否违反目标交通规则，其实现方式可以有多种。

作为一个示例，可以通过对命题真假的判断来判定目标交通规则的真假，从而判定目标车辆的行为是否违反目标交通规则。

本申请实施例中的目标交通规则可以为形式化交通规则，其由命题和命题运算符组成，其中命题是指一个判断句的语义，即实际表达的概念，其中这个概念是可以被定义并观察的现象。一个命题是一个非真即假的陈述句。命题可以分为原子命题和复合命题，原子命题为不可再划分的命题，复合命题是由原子命题通过命题运算符连接而成的命题。命题运算符用于表明原子命题之间的运算关系，可以包括逻辑算子和时序算子，其中逻辑算子包括否定(not)、合取(and)、析取(or)、推导(implication)、等价(equivalence)等，时序算子包括下一时刻(next)、直到(until)、总是(always或global)、最终(eventually或future)等。为方便理解，下面举例说明。

自然语言交通规则描述：车辆在高速公路上行驶，不得倒车、逆行、穿越中央分隔带掉头。

形式化交通规则描述：onHighway→

(stReverse∨stRetrograde∨actUTurn)

该条形式化交通规则表示目标车辆在高速路上时，不能处于倒车状态、逆行状态和掉头，其中，“onHighway”表示目标车辆在高速路上，“stReverse”表示目标车辆在倒车，“stRetrograde”表示目标车辆在逆行，“actUTurn”表示目标车辆掉头。→、

∨为命题运算符，分别表示“推导”、“否定”和“析取”操作。可以理解的是，当目标车辆在高速路上处于倒车状态、逆行状态和掉头中的至少一种，表示目标车辆违反了该条交通规则。

因此，在该示例中，可以对目标交通规则进行解析，获取目标交通规则所对应的至少一个命题。根据目标车辆的交通信息，判定目标交通规则所对应的至少一个命题中的每个命题的真假。根据目标交通规则所对应的至少一个命题中的每个命题的真假，判定目标交通规则的真假。根据目标交通规则的真假，判定目标车辆的行为是否违反目标交通规则。

可以理解的是，这里“至少一个命题”中所涉及的命题，可以是原子命题，也可以是复合命题，本申请实施例对此不作限定。

需要说明的是，在步骤S330获取的目标交通规则可以包括一条或多条，当目标交通规则为多条时，在步骤S340中对目标交通规则进行解析时，是对多条目标交通规则中的每条进行解析，以获取每条目标交通规则所对应的至少一个命题。

采用命题拆解的方式来判定目标车辆的行为是否违反目标交通规则，可以使机器能够无差错的认知交通规则。车辆所理解和遵守的形式化交通规则和人类驾驶员所理解和遵守的自然语言交通规则是同一套交规体系，可以实现人车混行和人车共驾的目的。

另外，通过判定目标车辆的行为是否违反目标交通规则，能够确保判定结果的准确性，避免上报误判的违规结果。

作为另一个示例，可以将目标车辆的第二交通信息和目标交通规则输入到神经网络模型中，通过神经网络模型输出违规置信度，从而判定目标车辆的行为是否违反目标交通规则。

由于步骤S310中对于触发交通违规行为判定的条件较为宽松，在确定目标车辆时有可能会出现误判。步骤S320中可以通过将目标车辆的行为与预设违规行为特征进行匹配，进一步缩小需要进行违规判定的范围。但步骤S320只是能够确定目标车辆存在交通违规行为的概率，有可能不能规避步骤S310中的误判。因此，目标车辆是否真的违反交通规则，还需要通过步骤S340判定。

例如，在道路严重堵塞的情况下，所有车辆需要停车等待。如果预设条件包括：非熄火状态下，第一车辆停止等待的时间大于预设时长，那么步骤S310中可能会将第一车辆前方的车辆确定为目标车辆。但实际上第一车辆的行驶是受客观因素影响，而非该前方车辆的恶意为之，因为第一车辆前方的车辆也在停车等待。步骤S320可能会将目标车辆的行为与“违规停车”所对应的预设违规行为特征匹配，并在步骤S330中获取到违规停车的交通规则。因为步骤S340中考虑了目标车辆的第二交通信息，例如道路拥堵情况等，因此在步骤S340中就可以判定目标车辆的行为并非是违规停车，目标车辆的行为没有违反违规停车相关的目标交通规则。

本申请实施例提供的方法中，通过多重的、分层次的判定，可以逐步筛选违规行为。具体地，先通过宽松的预设条件确定影响第一车辆行驶的车辆，缩小了需要判定的车辆的范围；然后通过将目标车辆的行为与预设违规行为特征进行匹配，确定目标车辆有可能违反的目标交通规则，缩小了需要判定的交通规则的范围；最后根据目标车辆的交通信息确定目标车辆的行为是否违反目标交通规则，确保了判定结果的准确性。前两重判定过程缩小了判定对象的范围，运行速度快，能够实时输出结果，可以大大减少在最后一重判定过程中的计算量，达到了计算量小、运行速度快、判定效率高、准确度高的目的。

利用多级别的违规行为筛选机制，可以保证系统运行效率的同时保证判定结果的准确性，避免出现误报的情况。

本申请实施例中，并非是每时每刻对第一车辆周边所有的车辆的行为进行判定，也并非评估全部交通规则，而是对影响第一车辆行驶的车辆的行为进行判定，特别是在满足预设条件时才会启动违规判定流程，并且评估的目标交通规则为全部交通规则的一个子集，因此具有针对性，计算量小，可以快速筛选出目标车辆可能发生的违规行为。

另外，本申请实施例中，智能汽车在行驶过程中，能够对影响自身行驶的车辆进行交通违规行为的判定，其在一定程度上能够对人类驾驶员形成被监督的暗示，使得人类驾驶的车辆不敢轻易违规，实现文明驾驶。这样可以避免自动驾驶汽车成为交通网络中的弱势群体，从而提高自动驾驶汽车的通行效率、改善乘坐体验。

在一些实施例中，在步骤S340后，在目标车辆的行为违反目标交通规则的情况下，可以向交通管理平台上报目标车辆的违规信息。

也就是说，在判定目标车辆存在违规行为后，可以将目标车辆的违规行为进行上报，促使交通警察对目标车辆的违规行为进行处罚。这样可以对目标车辆的行为产生一定的威慑作用，使人类驾驶的车辆不敢轻易违反交通规则，可以避免自动驾驶汽车成为交通网络中的弱势群体，从而提高第一车辆的通行效率、改善乘坐体验。

另外，由于步骤S340中采用目标交通规则对目标车辆的行为进行再次确认，其判定结果严谨、正确，确保了仅上报违规行为，避免上报误判的违规结果。

本申请实施例中，目标车辆的违规信息可以包括以下信息中至少一项：违规证据、目标车辆的车牌信息、目标车辆违反的交通规则信息或目标车辆的行为信息。其中目标车辆的行为信息包括目标车辆的轨迹信息、速度信息、位置信息、灯光信息、姿态信息、声音信息、状态信息或固有属性信息中的至少一种。

目标车辆的违规信息用于交通警察确定目标车辆的违规事实。

违规证据可以为图片和/或视频，其中该图片和/或视频能够记录违规事实。示例性的，若违规证据为图片，图片的数量应大于或等于2张。若图片用于举报目标车辆在行驶状态下的违法行为，需确保图片能够表示目标车辆具有明显位移；若图片用于举报目标车辆的违规停车行为，需确保两张图片拍摄时间间隔大于一定间隔，例如10秒。若违规证据为视频，视频的时长应不小于最小时长要求，且不大于最大时长要求。若视频用于举报目标车辆在行驶状态下的违法行为，需确保视频能够表示目标车辆具有明显位移，视频时长不小于第一时长，例如5秒；若视频用于举报目标车辆的违规停车行为，需确保视频能够反映目标车辆静止状态的持续，视频时长不小于第二时长，例如12秒。

本申请实施例中，图片和/或视频还需清晰记录目标车辆的号牌、外观以及违法事实，并包含道路交通标志标线及周边环境等情况。在一些实施例中，图片和/或视频可以包括目标车辆违规的时间。

除了可以直接上报目标车辆的违规证据外，还可以通过上报其他信息例如目标车辆的车牌信息、目标车辆违反的交通规则信息或目标车辆的行为信息等，间接获取违规证据。

例如，可以根据目标车辆的车牌信息从监控视频或车辆的行车记录仪所记录的视频中获取该目标车辆发生违规行为时的图片和/或视频，以作为违规证据。

再如，目标车辆违反的交通规则信息可以包括目标车辆的车牌、该目标车辆发生的违规行为以及该违规行为所对应的交通规则条款，可以根据目标车辆的车牌可以从监控视频或车辆的行车记录仪所记录的视频中获取该目标车辆发生违规行为时的图片和/或视频，以作为违规证据。

又如，目标车辆的行为信息包括目标车辆的唯一标识，则根据该唯一标识可以从监控视频或车辆的行车记录仪所记录的视频中获取该目标车辆发生违规行为时的图片和/或视频，以作为违规证据。

当然，在上报违规证据的时候，还可以将如下信息一同上报至交通管理平台，例如前述目标车辆的车牌信息、目标车辆的违规地点、违规时间、目标车辆的行为信息或目标车辆违反的交通规则信息等。示例性的，还可以将目标车辆的周围环境信息、第一车辆的相关信息，例如第一车辆的车牌信息、第一车辆的行为信息等上报至交通管理平台。其中目标车辆的行为信息、第一车辆的行为信息、目标车辆的周围环境信息可以参考上文步骤S310中的相关描述，为简洁，在此不再赘述。

为了获取违规证据，方法300还包括：获取预设时间段的图像信息，该图像信息用于进行违规上报。本申请实施例中，在触发了对第一车辆周围的车辆进行违规判定的过程时，也可以触发了对预设时间段内的图像信息的获取过程。

示例性的，在满足预设条件时，可以保存预设时间段的图像信息。预设时间段可以是满足预设条件之后的一段时间，也可以是满足预设条件前后的一段时间，本申请实施例对此不作限定。

保存的图像信息能够作为违规证据上报，用于交通警察确定目标车辆的违规事实。如果在步骤S340中，判定目标车辆的行为没有违反目标交通规则，则可以舍弃获取的预设时间段的图像信息。

进一步地，为了更好地理解本申请，以下结合图11和图12列举一个具体地非限制性的例子，描述本申请实施例提供的一种交通违规行为的判定方法和装置。

图11示出了本申请实施例提供的一种交通违规行为的判定方法的示意性流程图。如图11所示，方法500是方法300的一个具体的例子，可以包括步骤S510至步骤S560。

在步骤S510，在第一车辆开始行驶后，判断是否满足预设条件。

第一车辆在行驶过程中，可以实时根据设定的预设条件，判断是否触发对其他车辆的违规行为进行判定的流程。关于预设条件的设定可以参考方法300中的相关描述，为简洁，在此不再赘述。

若判断结果为否，则重新执行步骤S510；若判断结果为是，则执行接下来的步骤。

在步骤S520，确定影响第一车辆行驶的目标车辆。

本申请实施例中，由于目标车辆影响了第一车辆的行驶，因此在第一车辆看来，目标车辆相当于恶意行为源。该步骤即用于确定恶意行为源。

确定目标车辆的方式可以参考方法300中的相关描述，为简洁，在此不再赘述。

为了便于后续对目标车辆违规行为的举报，当步骤S510中确定满足预设条件后，在步骤S520之前、之后或同时，还可以执行保存在预设时间段的图像信息的步骤。例如，可以记录满足预设条件的时间点的前后一段时间范围内的图片、视频或其他相关违规证据，用于后续进行违规上报。

在步骤S530，判断目标车辆的行为是否符合预设违规行为特征。

作为示例性而非限定，该步骤中，可以获取目标车辆的行驶轨迹，并与预设违规行为特征进行匹配，根据匹配结果判断目标车辆的行为是否符合预设违规行为特征。关于预设违规行为特征的介绍可以参考方法300中的相关描述，为简洁，在此不再赘述。

本申请实施例中，可以设置一个违规行为特征库，该违规行为特征库中包括多个预设违规行为特征。步骤S530可以遍历违规行为特征库中的多个预设违规行为特征，并与每个预设违规行为特征进行匹配。

若判断结果为否，则重新执行步骤S510；若判断结果为是，则执行接下来的步骤。

在步骤S540，获取目标交通规则。

这里目标交通规则指的是目标车辆可能违反的交通规则，是所有交通规则的子集，即包括目标车辆的恶意行为可能违反的交通规则。关于获取目标交通规则的方式可参考方法300中的相关描述，为简洁，在此不再赘述。

在步骤S550，判断目标车辆的行为是否违反目标交通规则。

作为示例而非限定，可以通过命题拆解的方式判断目标车辆的行为是否违反目标交通规则，具体可以参考方法300中的相关描述，为简洁，在此不再赘述。

若判断结果为否，则重新执行步S510；若判断结果为是，则执行接下来的步骤。

本申请实施例中，若步骤S540中获取的目标交通规则包括多条，则在该步骤中，可以遍历多条交通规则，逐条进行判定。

在步骤S560，向交通管理平台上报目标车辆的违规信息。

关于目标车辆的违规信息的介绍可以参考方法300中的相关描述，为简洁，在此不再赘述。

需要说明的是，在步骤S510、S530、S550中，若判断结果为否，也可以不重新执行步骤S510，而是结束本流程。

图12示出了本申请实施例提供的一种交通违规行为的判定装置的示意性框图。如图12所示，装置600可以包括触发模块610、检测模块620、匹配模块630、判定模块640、上报模块650。

触发模块610用于在图3所示的步骤S310之前，执行判断是否满足预设条件的步骤，并输出触发结果。更为具体地，触发模块610可用于执行图11中的步骤S510。

检测模块620用于执行图3中的步骤S310，确定影响第一车辆行驶的目标车辆，并输出检测结果。更为具体地，触发模块620可用于执行图11中的步骤S520。

匹配模块630用于执行图3中的步骤S320，确定目标车辆的行为与预设违规行为特征的匹配程度，并输出匹配结果。更为具体地，匹配模块630可用于执行图11中的步骤S530。

判定模块640用于执行图3中的步骤S340，判定目标车辆的行为是否违反目标交通规则，并输出判定结果。更为具体地，判定模块640可用于执行图11中的步骤S550。

上报模块650用于在图3中的步骤S340之后，执行向交通管理平台上报目标车辆的违规信息的步骤。更为具体地，上报模块650可用于执行图11中的步骤S560。

上文结合图1至图12详细的描述了本申请实施例的方法实施例，下面结合图13至图14，详细描述本申请实施例的装置实施例。应理解，方法实施例的描述与装置实施例的描述相互对应，因此，未详细描述的部分可以参见前面方法实施例。

图13是本申请实施例提供的一种交通违规行为的判定装置的示意图。图13所示的装置700可以是图1所示的车辆100上的装置，或者是图1所示的服务器200上的装置，或者是其他驾驶装置或云计算装置上的装置。装置700包括第一确定模块710、第二确定模块720、获取模块730、判定模块740。装置700可用于执行本申请实施例提供的交通违规行为的判定方法。

例如，第一确定模块710可以用于执行图3所示方法中的步骤S310，第二确定模块720可以用于执行图3所示方法中的步骤S320，获取模块730可以用于执行图3所示方法中的步骤S330，判定模块740可以用于执行图3所示方法中的步骤S340。

又例如，装置700还可以用于执行图11所示的交通违规行为的判定方法，其中，第一确定模块710可以用于执行确定目标车辆的步骤，例如执行图11所示方法中的步骤S520；第二确定模块720可以用于执行确定目标车辆的行为与预设违规行为特征的匹配程度的步骤，例如执行图11所示方法中的步骤S530；获取模块730可以用于执行获取目标交通规则的步骤，例如执行图11所示方法中的步骤S540；判定模块740可以用于执行判定目标车辆的行为是否违反目标交通规则的步骤，例如执行图11所示方法中的步骤S550。

可选地，装置700还可以包括上报模块，用于执行上报目标车辆的违规信息的步骤，例如执行图11所示方法中的步骤S560。

可选地，第一确定模块710还可以用于执行确定是否满足预设条件的步骤，例如执行图11所示方法中的步骤S510。

可选地，装置700可以对应于图12所示的交通违规行为的判定装置600，其中，第一确定模块710可以对应于检测模块620，在一些情况下，还可以对应于触发模块610和检测模块620。第二确定模块720可以对应于匹配模块630。获取模块730可以对应于装置600中用于获取目标交通规则的功能模块。判定模块740可以对应于判定模块640。

图14是本申请实施例提供的一种交通违规行为的判定装置的硬件结构示意图。该装置800包括存储器810、处理器820、通信接口830以及总线840。其中，存储器810、处理器820、通信接口830通过总线840实现彼此之间的通信连接。

装置800可以用于执行上文交通违规行为的判定方法的各个步骤。

可选地，存储器810可以是只读存储器(read only memory，ROM)，静态存储设备，动态存储设备或者随机存取存储器(random access memory，RAM)。存储器810可以存储程序，当存储器810中存储的程序被处理器820执行时，处理器820和通信接口830用于执行本申请实施例的交通违规行为的判定方法的各个步骤。

可选地，存储器810可以具有图1所示存储器152的功能或者具有图2所示系统内存235的功能，以实现上述存储程序的功能。可选地，处理器820可以采用通用的CPU，微处理器，ASIC或者一个或多个集成电路，用于执行相关程序，以实现本申请实施例的车辆通信装置中的单元所需执行的功能，或者执行本申请实施例的交通违规行为的判定方法的各个步骤。

可选地，处理器820可以具有图1所示处理器151的功能或者具有图2所示处理器203的功能，以实现上述执行相关程序的功能。

可选地，处理器820还可以是一种集成电路芯片，具有信息的处理能力。在实现过程中，本申请实施例的交通违规行为的判定方法的各个步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。

可选地，上述处理器820还可以是通用处理器、数字信息处理器(digital signalprocessing，DSP)、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。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成本申请实施例的车辆通信装置中包括的单元所需执行的功能，或者执行本申请实施例的交通违规行为的判定方法的各个步骤。

可选地，通信接口830可以使用例如但不限于收发器一类的收发装置，来实现装置与其他设备或通信网络之间的通信。

总线840可包括在装置各个部件(例如，存储器、处理器、通信接口)之间传送信息的通路。

本申请实施例还提供了一种芯片，该芯片包括至少一个处理器和接口电路。该接口电路用于为至少一个处理器提供程序指令或者数据，该至少一个处理器用于执行程序指令，以实现上文描述的交通违规行为的判定方法的各个步骤。

本申请实施例还提供了一种芯片系统，该芯片系统包括至少一个处理器，用于支持实现上文描述的交通违规行为的判定方法的各个步骤。

在一种可能的设计中，该芯片系统还包括收发器，用于例如接收或处理上述方法中所涉及的数据和/或信息。

在一种可能的实现方式中，该芯片系统还包括存储器。该存储器用于保存程序指令和数据，存储器位于处理器之内或处理器之外。该芯片系统可以由芯片构成，也可以包含芯片和其他分立器件。

本申请实施例还提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序，当计算机程序被运行时，可以实现上文描述的交通违规行为的判定方法的各个步骤。

本申请实施例还提供了一种计算机程序产品，该计算机程序产品包括计算机程序，当计算机程序被计算机执行时，使得计算机执行上文描述的交通违规行为的判定方法的各个步骤。

本申请实施例还提供了一种车辆，该车辆包括图12、图13或图14所描述的交通违规行为的判定装置，或者包括用于实现图3或图11所描述的交通违规行为的判定方法的装置。

示例性的，该车辆可以为智能驾驶车辆、自动驾驶车辆、辅助驾驶车辆或无人驾驶车辆等。该车辆例如可以是自动导引运输车AGV或无人运输车。

本申请实施例还提供了一种服务器，该服务器包括图12、图13或图14所描述的交通违规行为的判定装置，或者包括用于实现图3或图11所描述的交通违规行为的判定方法的装置。

示例性的，该服务器可以为云服务器或本地服务器，其中云服务器也可以称为云端。

本申请实施例还提供了一种系统，包括第一车辆和服务器，第一车辆和服务器用于执行上文描述的交通违规行为的判定方法的各个步骤。具体地，第一车辆用于确定影响第一车辆行驶的目标车辆。例如第一车辆可用于执行图3中的步骤S310，或者执行图11中的步骤S510和S520。服务器用于从第一车辆获取目标车辆的第一交通信息，并根据目标车辆的第一交通信息，确定目标车辆的行为与预设违规行为特征的匹配程度。例如服务器可用于执行图3中的步骤S320，或者执行图11中的步骤S530。服务器还用于当匹配程度指示目标车辆的行为符合预设违规行为特征时，根据预设违规行为特征获取目标交通规则。例如服务器可用于执行图3中的步骤S330，或者执行图11中的步骤S540。服务器还用于根据目标车辆的第二交通信息，判定目标车辆的行为是否违反目标交通规则。例如服务器可用于执行图3中的步骤S340，或者执行图11中的步骤S550。

在一些实施例中，第一车辆可以从服务器获取目标车辆的行为是否违反目标交通规则的结果，并向交通管理平台上报目标车辆的违规信息。或者服务器可以直接向交通管理平台上报目标车辆的违规信息。

需要说明的是，当由系统执行本申请实施例提供的判定方法时，第一车辆和服务器所执行的步骤或所能实现的功能不限于上述实施例所举的示例。在实际应用中，可以根据实际需要配置第一车辆和服务器分别实现的功能。例如第一车辆可以用于执行图3中步骤S310至S330，服务器用于执行图3中的步骤S340；或者，服务器用于执行图3中的步骤S310和S320，第一车辆用于执行图3中的步骤S330和S340，等。

在本申请实施例中，“第一”、“第二”以及各种数字编号仅为描述方便进行的区分，并不用来限制本申请实施例的范围。例如，区分不同的时间点等。

应理解，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。

应理解，在本申请的各种实施例中，上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。

在本申请中使用的术语“部件”、“模块”、“系统”等用于表示计算机相关的实体、硬件、固件、硬件和软件的组合、软件、或执行中的软件。例如，部件可以是但不限于，在处理器上运行的进程、处理器、对象、可执行文件、执行线程、程序和/或计算机。通过图示，在计算设备上运行的应用和计算设备都可以是部件。一个或多个部件可驻留在进程和/或执行线程中，部件可位于一个计算机上和/或分布在2个或更多个计算机之间。此外，这些部件可从在上面存储有各种数据结构的各种计算机可读介质执行。部件可例如根据具有一个或多个数据分组(例如来自与本地系统、分布式系统和/或网络间的另一部件交互的二个部件的数据，例如通过信号与其它系统交互的互联网)的信号通过本地和/或远程进程来通信。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。

所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(read-only memory，ROM)、随机存取存储器(random access memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。

Claims (28)

1.一种交通违规行为的判定方法，其特征在于，包括：

确定影响第一车辆行驶的目标车辆；

根据所述目标车辆的第一交通信息，确定所述目标车辆的行为与预设违规行为特征的匹配程度；

当所述匹配程度指示所述目标车辆的行为符合所述预设违规行为特征时，根据所述预设违规行为特征获取目标交通规则；

根据所述目标车辆的第二交通信息，判定所述目标车辆的行为是否违反所述目标交通规则。

2.根据权利要求1所述的方法，其特征在于，还包括：

在所述目标车辆的行为违反所述目标交通规则的情况下，向交通管理平台上报所述目标车辆的违规信息。

3.根据权利要求2所述的方法，其特征在于，所述违规信息包括以下信息中至少一项：违规证据、所述目标车辆的车牌信息、所述目标车辆违反的交通规则信息或所述目标车辆的行为信息。

4.根据权利要求1至3中任一项所述的方法，其特征在于，所述确定影响第一车辆行驶的目标车辆包括：

判断是否满足预设条件；

当满足所述预设条件时，确定影响第一车辆行驶的目标车辆；

其中，所述预设条件包括以下至少一项：

所述第一车辆进行紧急制动；

所述第一车辆的加速度小于0且所述加速度的绝对值大于预设值；

所述第一车辆与所述目标车辆的距离小于预设距离；

非熄火状态下，所述第一车辆停止等待的时间大于预设时长；

所述目标车辆在所述第一车辆的安全距离之外进入所述第一车辆所在的车道后，所述第一车辆减速或停车；

所述目标车辆的行驶轨迹偏离所述第一车辆为所述目标车辆预测的轨迹；

所述第一车辆发出避让指令或采取避让措施；

所述目标车辆在会车或跟车过程中开启远光灯。

5.根据权利要求1至4中任一项所述的方法，其特征在于，所述确定影响第一车辆行驶的目标车辆包括：

检测所述第一车辆周围的第三车辆；

根据所述第三车辆的行驶数据和/或所述第一车辆的行驶数据，从所述第三车辆中确定所述目标车辆。

6.根据权利要求1至5中任一项所述的方法，其特征在于，所述根据所述目标车辆的第一交通信息，确定所述目标车辆的行为与预设违规行为特征的匹配程度，包括：

根据所述目标车辆的第一交通信息，采用动态时间规整算法或神经网络模型对所述目标车辆的行为和所述预设违规行为特征进行匹配，获得所述目标车辆的行为与所述预设违规行为特征的匹配程度。

7.根据权利要求6所述的方法，其特征在于，所述目标车辆的第一交通信息包括所述目标车辆在M个轨迹点的信息，M＞1，其中所述M个轨迹点中的第一轨迹点的信息包括所述目标车辆在所述第一轨迹点的位置信息，所述第一轨迹点为所述M个轨迹点中的任意一个轨迹点；

所述根据所述目标车辆的第一交通信息，采用动态时间规整算法对所述目标车辆的行为和所述预设违规行为特征进行匹配，包括：

对所述目标车辆在所述M个轨迹点的信息进行处理，得到第一序列，其中所述第一序列包括M-1个数据点，所述M-1个数据点中相邻的第一数据点和第二数据点分别包括所述第一轨迹点与前一个轨迹点之间的相对位移信息、所述第一轨迹点与后一个轨迹点之间的相对位移信息；

利用所述动态时间规整算法计算所述第一序列和第二序列之间的距离，其中所述第二序列用于表征所述预设违规行为特征，所述第二序列包括N-1个数据点，所述N-1个数据点包括所述目标车辆在N个预设轨迹点时相邻的预设轨迹点之间的相对位移信息，N＞1；

根据所述第一序列和所述第二序列之间的距离确定所述目标车辆的行为与所述预设违规行为特征的匹配程度；其中，

当所述第一序列和所述第二序列之间的距离小于预设阈值时，所述匹配程度指示所述目标车辆的行为符合所述预设违规行为特征。

8.根据权利要求1至7中任一项所述的方法，其特征在于，所述根据所述预设违规行为特征获取目标交通规则包括：

根据所述预设违规行为特征与所述目标交通规则的对应关系，获取所述目标交通规则。

9.根据权利要求1至8中任一项所述的方法，其特征在于，所述根据所述目标车辆的第二交通信息，判定所述目标车辆的行为是否违反所述目标交通规则，包括：

对所述目标交通规则进行解析，获取所述目标交通规则所对应的至少一个命题；

根据所述目标车辆的第二交通信息，判定所述目标交通规则所对应的至少一个命题中的每个命题的真假；

根据所述目标交通规则所对应的至少一个命题中的每个命题的真假，判定所述目标交通规则的真假；

根据所述目标交通规则的真假，判定所述目标车辆的行为是否违反所述目标交通规则。

10.根据权利要求1至9中任一项所述的方法，其特征在于，所述第一交通信息或所述第二交通信息包括所述目标车辆的行为信息、所述目标车辆的周围环境信息或所述第一车辆的行为信息中的至少一项。

11.根据权利要求10所述的方法，其特征在于，所述目标车辆的行为信息包括所述目标车辆的轨迹信息、时间信息、速度信息、位置信息、灯光信息、姿态信息、声音信息、状态信息或固有属性信息中的至少一种；和/或，

所述第一车辆的行为信息包括所述第一车辆的轨迹信息、时间信息、速度信息、位置信息、灯光信息、姿态信息、声音信息、状态信息或固有属性信息中的至少一种。

12.根据权利要求10或11所述的方法，其特征在于，所述目标车辆的周围环境信息包括静态环境信息和/或动态环境信息；其中，

所述静态环境信息包括以下信息的至少一种：

交通标线信息，交通标志信息，交通信号灯信息，道路类型信息或车道信息；和/或，

所述动态环境信息包括以下信息的至少一种：

天气信息，能见度信息或光照强度信息。

13.一种交通违规行为的判定装置，其特征在于，包括：

第一确定模块，用于确定影响第一车辆行驶的目标车辆；

第二确定模块，用于根据所述目标车辆的第一交通信息，确定所述目标车辆的行为与预设违规行为特征的匹配程度；

获取模块，用于当所述匹配程度指示所述目标车辆的行为符合所述预设违规行为特征时，根据所述预设违规行为特征获取目标交通规则；

判定模块，用于根据所述目标车辆的第二交通信息，判定所述目标车辆的行为是否违反所述目标交通规则。

14.根据权利要求13所述的装置，其特征在于，还包括：

上报模块，用于在所述目标车辆的行为违反所述目标交通规则的情况下，向交通管理平台上报所述目标车辆的违规信息。

15.根据权利要求14所述的装置，其特征在于，所述违规信息包括以下信息中至少一项：违规证据、所述目标车辆的车牌信息、所述目标车辆违反的交通规则信息或所述目标车辆的行为信息。

16.根据权利要求13至15中任一项所述的装置，其特征在于，所述第一确定模块具体用于：

判断是否满足预设条件；

当满足所述预设条件时，确定影响第一车辆行驶的目标车辆；

其中，所述预设条件包括以下至少一项：

所述第一车辆进行紧急制动；

所述第一车辆的加速度小于0且所述加速度的绝对值大于预设值；

所述第一车辆与所述目标车辆的距离小于预设距离；

非熄火状态下，所述第一车辆停止等待的时间大于预设时长；

所述目标车辆在所述第一车辆的安全距离之外进入所述第一车辆所在的车道后，所述第一车辆减速或停车；

所述目标车辆的行驶轨迹偏离所述第一车辆为所述目标车辆预测的轨迹；

所述第一车辆发出避让指令或采取避让措施；

所述目标车辆在会车或跟车过程中开启远光灯。

17.根据权利要求13至16中任一项所述的装置，其特征在于，所述第一确定模块具体用于：

检测所述第一车辆周围的第三车辆；

根据所述第三车辆的行驶数据和/或所述第一车辆的行驶数据，从所述第三车辆中确定所述目标车辆。

18.根据权利要求13至17中任一项所述的装置，其特征在于，所述第二确定模块具体用于：

根据所述目标车辆的第一交通信息，采用动态时间规整算法或神经网络模型对所述目标车辆的行为和所述预设违规行为特征进行匹配，获得所述目标车辆的行为与所述预设违规行为特征的匹配程度。

19.根据权利要求18所述的装置，其特征在于，所述目标车辆的第一交通信息包括所述目标车辆在M个轨迹点的信息，M＞1，其中所述M个轨迹点中的第一轨迹点的信息包括所述目标车辆在所述第一轨迹点的位置信息，所述第一轨迹点为所述M个轨迹点中的任意一个轨迹点；

所述第二确定模块具体用于：

对所述目标车辆在所述M个轨迹点的信息进行处理，得到第一序列，其中所述第一序列包括M-1个数据点，所述M-1个数据点中相邻的第一数据点和第二数据点分别包括所述第一轨迹点与前一个轨迹点之间的相对位移信息、所述第一轨迹点与后一个轨迹点之间的相对位移信息；

利用所述动态时间规整算法计算所述第一序列和第二序列之间的距离，其中所述第二序列用于表征所述预设违规行为特征，所述第二序列包括N-1个数据点，所述N-1个数据点包括所述目标车辆在N个预设轨迹点时相邻的预设轨迹点之间的相对位移信息，N＞1；

根据所述第一序列和所述第二序列之间的距离确定所述目标车辆的行为与所述预设违规行为特征的匹配程度；其中，

当所述第一序列和所述第二序列之间的距离小于预设阈值时，所述匹配程度指示所述目标车辆的行为符合所述预设违规行为特征。

20.根据权利要求13至19中任一项所述的装置，其特征在于，所述获取模块具体用于：

根据所述预设违规行为特征与所述目标交通规则的对应关系，获取所述目标交通规则。

21.根据权利要求13至20中任一项所述的装置，其特征在于，所述判定模块具体用于：

对所述目标交通规则进行解析，获取所述目标交通规则所对应的至少一个命题；

根据所述目标车辆的第二交通信息，判定所述目标交通规则所对应的至少一个命题中的每个命题的真假；

根据所述目标交通规则所对应的至少一个命题中的每个命题的真假，判定所述目标交通规则的真假；

根据所述目标交通规则的真假，判定所述目标车辆的行为是否违反所述目标交通规则。

22.根据权利要求13至21中任一项所述的装置，其特征在于，所述第一交通信息或所述第二交通信息包括所述目标车辆的行为信息、所述目标车辆的周围环境信息或所述第一车辆的行为信息中的至少一项。

23.根据权利要求22所述的装置，其特征在于，所述目标车辆的行为信息包括所述目标车辆的轨迹信息、时间信息、速度信息、位置信息、灯光信息、姿态信息、声音信息、状态信息或固有属性信息中的至少一种；和/或，

所述第一车辆的行为信息包括所述第一车辆的轨迹信息、时间信息、速度信息、位置信息、灯光信息、姿态信息、声音信息、状态信息或固有属性信息中的至少一种。

24.根据权利要求22或23所述的装置，其特征在于，所述目标车辆的周围环境信息包括静态环境信息和/或动态环境信息；其中，

所述静态环境信息包括以下信息的至少一种：

交通标线信息，交通标志信息，交通信号灯信息，道路类型信息或车道信息；和/或，

所述动态环境信息包括以下信息的至少一种：

天气信息，能见度信息或光照强度信息。

25.一种交通违规行为的判定装置，其特征在于，包括：至少一个存储器和至少一个处理器，所述至少一个存储器用于存储程序，所述至少一个处理器用于运行所述程序，以实现权利要求1至12中任一项所述的方法。

26.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，当所述计算机程序被运行时，实现如权利要求1至12中任一项所述的方法。

27.一种车辆，其特征在于，包括如权利要求13至25中任一项所述的装置。

28.一种服务器，其特征在于，包括如权利要求13至25中任一项所述的装置。

Images