CN115761676A - 一种自动识别公路弯道的方法及终端设备 - Google Patents
一种自动识别公路弯道的方法及终端设备 Download PDFInfo
- Publication number
- CN115761676A CN115761676A CN202211458695.9A CN202211458695A CN115761676A CN 115761676 A CN115761676 A CN 115761676A CN 202211458695 A CN202211458695 A CN 202211458695A CN 115761676 A CN115761676 A CN 115761676A
- Authority
- CN
- China
- Prior art keywords
- target
- curve
- turning radius
- road
- sampling point
- 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
Links
Images
Landscapes
- Traffic Control Systems (AREA)
Abstract
本申请适用于道路隐患排查技术领域,提供了一种自动识别公路弯道的方法及终端设备,该方法包括:获取预设区域内的道路信息,道路信息包括采样车辆在预设区域内行车路线的定位数据、行车方向;基于道路信息计算采样车辆的行车路线上的每个采样点的转弯半径;基于每个采样点的转弯半径,确定预设区域内的第一目标弯道;其中,第一目标弯道的数量为至少一个。本申请能够使弯道识别更加简单有效。
Description
技术领域
本申请属于道路隐患排查技术领域,尤其涉及一种自动识别公路弯道的方法及终端设备。
背景技术
公路上的弯道路段是影响车辆安全行驶的重要因素,在道路交通安全隐患排查过程中,需要识别某条道路的全部的弯道并测量出弯道的技术参数,然后根据技术参数判定现有安全防护措施是否合规,从而确定道路现有的安全隐患状态。
在传统的道路交通安全隐患排查需要具备相关经验的技术人员到道路现场进行环境拍照取证、道路路型数据测量,这种方式存在诸多不便之处。
公路线路设计规范JTG D20-2017给出了道路设计关于转弯半径的上限和下限,而这些限定条件还与道路的设计速度相关联,即一个道路上的圆曲线是否构成隐患,跟道路的转弯半径以及道路的限速成强关联关系。因此道路安全排查工作中,必须要实际获得包括圆曲线在内的道路参数。而实际道路的转弯半径的相关参数在公路设计阶段就已经完成,这些参数也会作为档案进行存档,但在实际的道路安全隐患排查过程中,由于涉及到不同的管理部门,安全隐患排查人员获取指定道路的转弯半径的参数信息并非易事。
目前《公路生命安全防护工程实施技术指南》附录C中的测量方法为常用的现场对弯道进行测量的方法。上述现场测量方法中,弯道的起点和终点在现场很难精确确定,不同人员、不同时间对同一弯道的测量结果会有较大程度的差距,并且山区弯道路段往往较长,测量难度成倍增加,以及弯道路段本身就是安全隐患,对传统的现场测量过程产生严重的安全风险,尤其是山区弯道路段,路侧险要状况多、临水临崖状况多,测量现场如果不做封路处理时,测量过程的安全风险极高,进而带来道路通行效率大幅下降、测量效率低下的问题。
发明内容
为克服相关技术中存在的问题,本申请实施例提供了一种自动识别公路弯道的方法及终端设备,能够使弯道识别更加简单有效。
本申请是通过如下技术方案实现的:
第一方面,本申请实施例提供了一种自动识别公路弯道的方法,包括:
获取预设区域内的道路信息,道路信息包括采样车辆在预设区域内行车路线的定位数据、行车方向;
基于道路信息计算采样车辆的行车路线上的每个采样点的转弯半径;
基于每个采样点的转弯半径,确定预设区域内的第一目标弯道;其中,第一目标弯道的数量为至少一个。
在第一方面的一种可能的实现方式中,道路信息由安装在采样车辆上的GPS设备按照预设频率自动获取。
在第一方面的一种可能的实现方式中,基于每个采样点的转弯半径,确定预设区域内的第一目标弯道,包括:
基于每个采样点的转弯半径,在采样车辆的行车路线上查询第一目标弯道;
其中,针对每个第一目标弯道,第一目标弯道的起点的转弯半径小于设定值,第一目标弯道的起点的前一采样点的转弯半径不小于设定值,第一目标弯道的终点的转弯半径小于设定值,第一目标弯道的终点的下一采样点的转弯半径不小于设定值。
在第一方面的一种可能的实现方式中,基于道路信息,计算采样车辆的行车路线上的每个采样点的转弯半径,包括:
针对每个采样点,根据该采样点对应的第一目标采样点的定位数据和行车方向和该采样点对应的第二目标采样点的定位数据和行车方向,确定该采样点的弯道半径;其中,第一目标采样点在该采样点之前,与该采样点之间距预设数量个采样点;第二目标采样点在该采样点之后,与该采样点之间距预设数量个采样点;
其中,相邻两个采样点之间的间距为一个步长,步长的取值范围为1米到2米。
在第一方面的一种可能的实现方式中,自动识别公路弯道的方法,还包括:
基于第一目标弯道的道路信息,计算第一目标弯道的转弯半径。
在第一方面的一种可能的实现方式中,基于第一目标弯道的道路信息,计算第一目标弯道的转弯半径,包括:
基于第一目标弯道的起点和第一目标弯道的终点确定第一目标弯道中点;
基于中点的定位数据及行车方向,计算第一目标弯道中点的转弯半径;
基于中点对应的目标采样点的定位数据及行车方向,计算第一目标弯道中点对应的目标采样点的转弯半径;其中,中点与中点对应的目标采样点间距预设数量个采样点;目标采样点为多个;
基于第一目标弯道中点的转弯半径以及与中点对应的目标采样点的转弯半径,计算第一目标弯道的转弯半径。
在第一方面的一种可能的实现方式中,第一目标弯道中点的转弯半径表示为:
其中,ΔL中点为第一目标弯道中点与该中点相邻的采样点的距离;ST中点为第一目标弯道中点与该中点相邻的采样点的行车方向变化值。
在第一方面的一种可能的实现方式中,基于第一目标弯道中点的转弯半径以及与中点对应的目标采样点的转弯半径,计算第一目标弯道的转弯半径,包括:
将第一目标弯道中点的转弯半径与中点对应的目标采样点的转弯半径的均值作为第一目标弯道的转弯半径。
第二方面,本申请实施例提供了一种终端设备,包括存储器和处理器,存储器中存储有可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第一方面任一项的自动识别公路弯道的方法。
第三方面,本申请实施例提供了一种计算机可读存储介质,计算机可读存储介质存储有计算机程序,计算机程序被处理器执行时实现如第一方面任一项的自动识别公路弯道的方法。
本申请实施例与现有技术相比存在的有益效果是:
本申请实施例,只需要测量人员驾驶采样车辆行经需要测量路段即可,无需操作、无需精准控制车速,以行车路线拟合道路曲线,直接通过采样车辆在预设区域内采集道路信息,再利用获取的每个采样点的转弯半径识别出所有的弯道,能够使弯道识别更加简单有效。
可以理解的是,上述第二方面至第三方面的有益效果可以参见上述第一方面中的相关描述,在此不再赘述。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本说明书。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本申请一实施例提供的自动识别公路弯道的方法流程示意图;
图2是本申请一实施例提供的确定弯道的起点和终点的流程示意图;
图3是本申请一实施例提供的终端设备的结构示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本申请实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本申请的描述。
应当理解,当在本申请说明书和所附权利要求书中使用时,术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
如在本申请说明书和所附权利要求书中所使用的那样,术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地,短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
另外,在本申请说明书和所附权利要求书的描述中,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此,在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例,而是意味着“一个或多个但不是所有的实施例”,除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”,除非是以其他方式另外特别强调。
为了使本技术领域的人员更好地理解本发明方案,下面将结合附图和具体实施方式,对本申请实施例中的技术方案进行清楚、完整地描述。
图1是本申请一实施例提供的自动识别公路弯道的方法的示意性流程图,参照图1,对该自动识别公路弯道的方法的详述如下:
在步骤101中,获取预设区域内的道路信息,道路信息包括采样车辆在预设区域内行车路线的定位数据、行车方向。
示例性的,预设区域内的道路的公路平面线形由直线、圆曲线和缓和曲线等三种要素组成。一个圆曲线路段的圆曲线半径是一个相对固定值,也就是同一个圆曲线段内各个位置的圆曲线半径都相同。在圆曲线与直线道路相接时,一般是通过缓和曲线相连,缓和曲线一般采用回旋线。回旋线是道路路线的半径从无穷大一直变化到一定设计值。
示例性的,通过在汽车上安装相应的传感器,可以获得汽车的行驶路线,用行车路线来拟合道路路形,并将高精度、高频率输出的GPS设备安装在机动车辆顶部;机动车在自由流行进过程中,自动记录车辆行经地点的卫星定位数据及行车方向。
具体的,道路信息由安装在采样车辆上的上述GPS设备按照预设频率自动获取。
示例性的,GPS设备采样的预设频率可以为10HZ。
示例性的,道路信息还可以包括采样车辆在预设区域内行车路线的电子桩信息。
示例性的,公路上每隔1000米会设置公里桩标记道路代号以及自公路起点位置的距离,每隔100米设置百米桩标记距离公里桩的距离,物理桩包括公里桩和百米桩,物理桩号包括公里桩标记道路代号和百米桩标记道路代号。
具体的,电子桩号信息可以包括与预设区域内的物理桩号具有预设距离的电子信息,和物理桩号本身的信息。这些电子桩号信息能够将路面上的物理桩的里程信息与位置信息相关联,可以标记在下述步骤中生成的道路场景里。例如K20+245米表示当前位置在行驶方向上距离K20这一公里桩245的地方。
在进行道路排查时的数据采集过程只需要测量人员驾驶采样车辆行经需要测量路段即可,无需操作、无需精准控制车速,简化了道路排查时的数据采集过程。
在步骤102中,基于道路信息计算采样车辆的行车路线上的每个采样点的转弯半径。
示例性的,弯道段的起点是直线段与回旋线的交叉点,该点具有转弯半径不再具有无穷大的转弯半径,为简化计算过程,根据工程经验,上述设定值一般取3000米,采样车辆行驶在道路上,不断进行采样并计算转弯半径R,当采样点的转弯半径R≤3000米时,即视为进入弯道,即视该采样点为弯道的起点。
示例性的,通过在汽车上安装相应的传感器,可以获得汽车的行驶路线,用行车路线来拟合道路路形。存在的问题是由于汽车行驶过程中,无可避免存在行车方向和测量误差,典型的如在弯道行车时行车方向变化会影响转弯半径,这会给确定弯道的起点和终点带来一定的干扰。因此可以采取跨过多个步长计算步长距离和转弯角度,加大计算所用的采样点相隔的数量,增大计算点的间隔,计算点的间隔范围设定为3-5之间较为合适。
具体的,基于定位数据和行车方向,计算采样车辆的行车路线上的每个采样点的转弯半径,包括:针对每个采样点,根据该采样点对应的第一目标采样点的定位数据和行车方向和该采样点对应的第二目标采样点的定位数据和行车方向,确定该采样点的弯道半径;其中,第一目标采样点在该采样点之前,与该采样点之间距预设数量个采样点;第二目标采样点在该采样点之后,与该采样点之间距预设数量个采样点。
每个采样点的转弯半径的计算公式为:
其中,L1为第一目标采样点相对于基准点的行进距离,L2为第二目标采样点相对于基准点的行进距离,那么(2-1)为第二采样点和第一采样点之间的距离;ST2为第一目标采样点相对于基准点的行车方向,ST1为第二目标采样点相对于基准点的行车方向。上述基准点可以选择最开始行车的采样点;上述第二采样点和第一采样点的选择可以保证二者之间的距离可以近似为直线。
其中,相邻两个采样点之间的间距为一个步长,步长的取值范围为1米到2米。当弯道较短时,车速较缓,步长取值偏小;当弯道很长时,车速可以较快,步长取值偏大。
在步骤103中,基于每个采样点的转弯半径,确定预设区域内的第一目标弯道。
其中,第一目标弯道的数量为至少一个。
具体的,基于每个采样点的转弯半径,确定预设区域内的第一目标弯道,包括:基于每个采样点的转弯半径,在采样车辆的行车路线上查询第一目标弯道;其中,针对每个第一目标弯道,第一目标弯道的起点的转弯半径小于设定值,第一目标弯道的起点的前一采样点的转弯半径不小于设定值,第一目标弯道的终点的转弯半径小于设定值,第一目标弯道的终点的下一采样点的转弯半径不小于设定值。
示例性的,当R>3000米时,弯道结束,R>3000米的前一采样点即视为第一目标弯道的终点,当整条路段计算完成后,将所有R≤3000米的连续路段记为弯道,即找到了路段上所有的弯道。
示例性的,上述确定弯道的起点和终点的过程如图2所示,通过对道路数据采集,并将包括采样点的定位数据和行车方向进行封装,基于这些数据计算采样点的半径,通过设定值确定弯道的起点和终点。
示例性的,根据采样点的转弯半径连续变化的特点确定弯道的起点和终点,解决了在现场测量方法中较难确定弯道中圆曲线段的起点和终点的问题,提高了道路排查效率。
具体的,确定预设区域内的第一目标弯道后,可以生成包含第一目标弯道和第一目标弯道的道路信息的道路场景。
示例性的,将上述找到的路段上所有的弯道,即第一目标弯道转换成图像形成所有弯道的道路场景,并将与第一目标弯道对应的定位数据、行车方向和电子桩号信息关联在道路场景中。
示例性的,在道路场景,可以通过鼠标点选或者直接显示或者其它具体设置方式使得与第一目标弯道对应的定位数据、行车方向和电子桩号信息显示在道路场景中。
一实施例中,自动识别公路弯道的方法,还包括,基于第一目标弯道的道路信息,计算第一目标弯道的转弯半径。
由于弯路路段是缓和曲线和圆曲线的组合,不能用弯道路段的平均转弯半径作为圆曲线半径,为获得较为准确的圆曲线半径,根据路段设计规范要求,道路弯道的设计中间路段是圆曲线,两边路段是渐变线,且两端的渐变线长度基本相同。首先定位弯道中点,通过求取弯道中点的转弯半径获得圆曲线半径,为减少行车影响和提高测量精度,我们采用多点测量求平均值的方法,即以弯道中点为中心,前后各取3-5个,分别计算各个采集点的圆曲线半径,最后取其算术平均值作为圆曲线半径,即该弯路路段的转弯半径。
具体的,基于第一目标弯道的道路信息,计算第一目标弯道的转弯半径,包括:基于第一目标弯道的起点和第一目标弯道的终点确定第一目标弯道中点;基于中点的定位数据及行车方向,计算第一目标弯道中点的转弯半径;基于中点对应的目标采样点的定位数据及行车方向,计算第一目标弯道中点对应的目标采样点的转弯半径;其中,中点与中点对应的目标采样点间距预设数量个采样点;目标采样点为多个;基于第一目标弯道中点的转弯半径以及与中点对应的目标采样点的转弯半径,计算第一目标弯道的转弯半径。
第一目标弯道中点的转弯半径表示为:
其中,ΔL中点为第一目标弯道中点与该中点相邻的采样点的距离;ST中点为第一目标弯道中点与该中点相邻的采样点的行车方向变化值。
示例性的,基于第一目标弯道中点的转弯半径以及与中点对应的目标采样点的转弯半径,计算第一目标弯道的转弯半径,包括:
将第一目标弯道中点的转弯半径与中点对应的目标采样点的转弯半径的均值作为第一目标弯道的转弯半径R:
其中,R采样点n为第n个目标采样点的转弯半径,n为所取目标采样点的个数。
根据第一目标弯道的起点和终点确定弯道中心点,根据中心点测量数据计算出该段弯道的转弯半径。由于测量得到的转弯半径仅为判断道路是否存在安全隐患,因此以行车路线拟合道路曲线具有实际意义,且造成的测量误差也可以忽略,减少了行车影响,提高了测量精度。
示例性的,根据本发明计算出来的第一目标弯道的转弯半径,可以筛选道路场景中存在安全隐患的第二目标弯道。
其中,第一目标弯道的数量不小于第二目标弯道的数量。
具体的,基于第一目标弯道的转弯半径,筛选道路场景中存在安全隐患的第二目标弯道,包括:根据第一目标弯道的转弯半径以及道路信息获取第一目标弯道对应的安全防护措施配置信息;基于第一目标弯道对应的安全防护措施配置信息,排查道路场景中的安全防护措施配置;当缺少与第一目标弯道对应的安全防护措施配置,确认第一目标弯道为第二目标弯道;基于第一目标弯道的转弯半径与第一目标弯道的转弯半径的限定条件,排查第一目标弯道;当第一目标弯道的弯道半径不符合第一目标弯道的转弯半径的限定条件,第一目标弯道为第二目标弯道。
示例性的,根据计算出的第一目标弯道的转弯半径,可以排查是否道路上是否配置了对应的安全防护措施,若缺少应有的安全防护措施,则该弯道被识别为存在安全隐患的第二目标弯道。例如缺少防护栏等。
示例性的,测定的道路圆曲线半径为200米-400米时,应排查弯道前是否设置了“限速60公里每小时”的限速标志,如无则该弯道为存在安全隐患的第二目标弯道;或结合弯道半径判定道路限速值是否设定正确,如限速为40公里每小时,转弯半径最小值为100米,但转弯半径测定为80米,则该弯道为存在安全隐患的第二目标弯道,但如果测定值超过200米,(在没有其他隐患时)则判定为限速值不当。
示例性的,通过已经测量的数据和运算,在道路场景中排查道路中存在安全隐患的所有弯道,能够对整个区域内的道路排查问题进行整体排查,整体解决,减轻作业部门的工作量,提高作业效率。
示例性的,可以将安全隐患的信息和电子桩号信息标注在与第二目标弯道对应的道路场景中。
示例性的,可以将排查出来的安全隐患,如缺少“限速60公里每小时”的限速标志、道路限速值设定错误等,用文字或图示的方法标注出来。
示例性的,将弯道的起点和终点的电子桩号信息自动标注在具有安全隐患的道路场景中,这样维修人员能够很快确定存在安全隐患的弯道,进行维修作业。
可见本发明提出的自动识别公路弯道的方法,全程只需要测量人员驾驶测量车辆行经需要测量路段即可,无需操作、无需精准控制车速或要求必须匀速测量,排查过程简单。测量全程采用自动采集数据、自动参数计算的方式,且车辆行进速度采用自由流方式,极大提高了测量效率。测量全程无需封路,不影响道路通行效率,不威胁测量人员的人身安全。
本申请实施例还提供了一种终端设备,参见图3,该终端设备300可以包括:至少一个处理器310和存储器320,存储器320中存储有可在至少一个处理器310上运行的计算机程序321,处理器310执行计算机程序时实现上述任意各个方法实施例中的步骤,例如图1所示实施例中的步骤101至步骤103。
示例性的,计算机程序可以被分割成一个或多个模块/单元,一个或者多个模块/单元被存储在存储器320中,并由处理器310执行,以完成本申请。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序段,该程序段用于描述计算机程序在终端设备300中的执行过程。
本领域技术人员可以理解,图3仅仅是终端设备的示例,并不构成对终端设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如输入输出设备、网络接入设备、总线等。
处理器310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。
存储器320可以是终端设备的内部存储单元,也可以是终端设备的外部存储设备,例如插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。所述存储器320用于存储所述计算机程序以及终端设备所需的其他程序和数据。所述存储器320还可以用于暂时地存储已经输出或者将要输出的数据。
总线可以是工业标准体系结构(Industry Standard Architecture,ISA)总线、外部设备互连(Peripheral Component,PCI)总线或扩展工业标准体系结构(ExtendedIndustry Standard Architecture,EISA)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示,本申请附图中的总线并不限定仅有一根总线或一种类型的总线。
本申请实施例提供的自动识别公路弯道的方法可以应用于计算机、平板电脑、笔记本电脑、上网本、个人数字助理(personal digital assistant,PDA)等终端设备上,本申请实施例对终端设备的具体类型不作任何限制。
本申请实施例还提供了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,所述计算机程序被处理器执行时实现可实现上述自动识别公路弯道的方法各个实施例中的步骤。
本申请实施例提供了一种计算机程序产品,当计算机程序产品在移动终端上运行时,使得移动终端执行时实现可实现上述自动识别公路弯道的方法各个实施例中的步骤。
所述集成的单元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,本申请实现上述实施例方法中的全部或部分流程,可以通过计算机程序来指令相关的硬件来完成,所述的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,所述计算机程序包括计算机程序代码,所述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。所述计算机可读介质至少可以包括:能够将计算机程序代码携带到拍照装置/终端设备的任何实体或装置、记录介质、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。例如U盘、移动硬盘、磁碟或者光盘等。在某些司法管辖区,根据立法和专利实践,计算机可读介质不可以是电载波信号和电信信号。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
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。
在本申请所提供的实施例中,应该理解到,所揭露的装置/网络设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/网络设备实施例仅仅是示意性的,例如,所述模块或单元的划分,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讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,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。
以上所述实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (10)
1.一种自动识别公路弯道的方法,其特征在于,包括:
获取预设区域内的道路信息,所述道路信息包括采样车辆在所述预设区域内行车路线的定位数据、行车方向;
基于所述道路信息计算所述采样车辆的行车路线上的每个采样点的转弯半径;
基于所述每个采样点的转弯半径,确定所述预设区域内的第一目标弯道;其中,所述第一目标弯道的数量为至少一个。
2.如权利要求1所述的自动识别公路弯道的方法,其特征在于,所述道路信息由安装在所述采样车辆上的GPS设备按照预设频率自动获取。
3.如权利要求1所述的自动识别公路弯道的方法,其特征在于,所述基于所述每个采样点的转弯半径,确定所述预设区域内的第一目标弯道,包括:
基于所述每个采样点的转弯半径,在所述采样车辆的行车路线上查询所述第一目标弯道;
其中,针对每个第一目标弯道,所述第一目标弯道的起点的转弯半径小于设定值,所述第一目标弯道的起点的前一采样点的转弯半径不小于所述设定值,所述第一目标弯道的终点的转弯半径小于所述设定值,所述第一目标弯道的终点的下一采样点的转弯半径不小于所述设定值。
4.如权利要求1所述的自动识别公路弯道的方法,其特征在于,所述基于所述道路信息计算所述采样车辆的行车路线上的每个采样点的转弯半径,包括:
针对每个采样点,根据该采样点对应的第一目标采样点的定位数据和行车方向和该采样点对应的第二目标采样点的定位数据和行车方向,确定该采样点的弯道半径;其中,所述第一目标采样点在该采样点之前,与该采样点之间相距预设数量个采样点;所述第二目标采样点在该采样点之后,与该采样点之间相距所述预设数量个采样点;
其中,相邻两个采样点之间的间距为一个步长,所述步长的取值范围为1米到2米。
5.如权利要求1所述的自动识别公路弯道的方法,其特征在于,还包括:
基于所述第一目标弯道的道路信息,计算所述第一目标弯道的转弯半径。
6.如权利要求5所述的自动识别公路弯道的方法,其特征在于,所述基于所述第一目标弯道的道路信息,计算所述第一目标弯道的转弯半径,包括:
基于所述第一目标弯道的起点和所述第一目标弯道的终点确定所述第一目标弯道中点;
基于所述中点的定位数据及行车方向,计算所述第一目标弯道中点的转弯半径;
基于所述中点对应的目标采样点的定位数据及行车方向,计算所述第一目标弯道中点对应的目标采样点的转弯半径;其中,所述中点与所述中点对应的目标采样点间距预设数量个采样点;所述目标采样点为多个;
基于所述第一目标弯道中点的转弯半径以及与所述中点对应的目标采样点的转弯半径,计算所述第一目标弯道的转弯半径。
8.如权利要求6所述的自动识别公路弯道的方法,其特征在于,所述基于所述第一目标弯道中点的转弯半径以及与所述中点对应的目标采样点的转弯半径,计算所述第一目标弯道的转弯半径,包括:
将所述第一目标弯道中点的转弯半径与所述中点对应的目标采样点的转弯半径的均值作为所述第一目标弯道的转弯半径。
9.一种终端设备,包括存储器和处理器,所述存储器中存储有可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至8任一项所述的自动识别公路弯道的方法。
10.一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,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8任一项所述的自动识别公路弯道的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211458695.9A CN115761676A (zh) | 2022-11-17 | 2022-11-17 | 一种自动识别公路弯道的方法及终端设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211458695.9A CN115761676A (zh) | 2022-11-17 | 2022-11-17 | 一种自动识别公路弯道的方法及终端设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115761676A true CN115761676A (zh) | 2023-03-07 |
Family
ID=85333945
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211458695.9A Pending CN115761676A (zh) | 2022-11-17 | 2022-11-17 | 一种自动识别公路弯道的方法及终端设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115761676A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116481560A (zh) * | 2023-06-21 | 2023-07-25 | 天津所托瑞安汽车科技有限公司 | 车辆行驶里程的计算方法、装置、终端及存储介质 |
-
2022
- 2022-11-17 CN CN202211458695.9A patent/CN115761676A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116481560A (zh) * | 2023-06-21 | 2023-07-25 | 天津所托瑞安汽车科技有限公司 | 车辆行驶里程的计算方法、装置、终端及存储介质 |
CN116481560B (zh) * | 2023-06-21 | 2023-10-03 | 天津所托瑞安汽车科技有限公司 | 车辆行驶里程的计算方法、装置、终端及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zuriaga et al. | Modeling operating speed and deceleration on two-lane rural roads with global positioning system data | |
CN102663352B (zh) | 一种轨道识别方法 | |
CN115761676A (zh) | 一种自动识别公路弯道的方法及终端设备 | |
CN101131796A (zh) | 一种道路交通参数检测装置及检测方法 | |
CN113935158B (zh) | 一种针对高速公路事故多发点的交通检测器优化布设方法 | |
CN111554109B (zh) | 基于排队长度的信号配时方法及终端 | |
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 | |
CN114373309B (zh) | 服务区车流量的计算方法、装置、终端设备及介质 | |
CN113222331A (zh) | 识别车辆事故真实性的方法、装置、设备及存储介质 | |
Spandonidis et al. | Development of a MEMS-based IoV system for augmenting road traffic survey | |
CN113376395A (zh) | 商用车车速检测方法、装置、电子设备和商用车辆 | |
CN102855761B (zh) | 一种基于射频的车辆管理方法及系统 | |
CN111615083B (zh) | 一种伪基站检测方法、终端设备及存储介质 | |
CN115752374A (zh) | 一种基于纵坡参数进行隐患道路筛查的方法及装置 | |
CN113799715A (zh) | 车辆异常原因的确定方法、装置、通信设备及存储介质 | |
CN113626656A (zh) | 识别企业和车辆关系类型的方法、装置、设备及存储介质 | |
CN111554111B (zh) | 基于多源数据融合的信号配时优化方法、装置及终端 | |
CN114529871B (zh) | 一种酒驾识别方法、装置,电子设备及存储介质 | |
CN114638420B (zh) | 道路智能度评测方法及危化品车辆道路级导航方法 | |
CN114944058A (zh) | 拥堵区域距离确定方法、装置、预警设备和存储介质 | |
CN118055492A (zh) | 基于改进质心法的etc车道场强分布中心定位方法 | |
CN202887471U (zh) | 一种基于射频的车辆管理设备 | |
JP2008197819A (ja) | 識別装置及び識別方法 | |
CN116311942A (zh) | 一种高速公路上检测轨迹点的缺失时间的确定方法及装置 | |
CN115761673A (zh) | 一种自动筛查和定位道路安全隐患的方法及终端设备 |
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 |