CN116010538A - 交通热力图生成方法、装置、设备、存储介质和程序产品 - Google Patents
交通热力图生成方法、装置、设备、存储介质和程序产品 Download PDFInfo
- Publication number
- CN116010538A CN116010538A CN202211245311.5A CN202211245311A CN116010538A CN 116010538 A CN116010538 A CN 116010538A CN 202211245311 A CN202211245311 A CN 202211245311A CN 116010538 A CN116010538 A CN 116010538A
- Authority
- CN
- China
- Prior art keywords
- traffic
- data
- target
- traffic flow
- participant
- 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
本申请公开了一种交通热力图生成方法、装置、设备、存储介质和程序产品,属于自动驾驶技术领域。该方法包括:接收数据筛选指令,该数据筛选指令包含目标数据标签;根据该目标数据标签从预设数据库中筛选得到目标交通流数据,该预设数据库中存储有由不同的数据采集车辆进行采集所得到的多条交通流数据,该交通流数据用于表征交通参与者的数量,且,该交通流数据与多个数据标签相对应,该多个数据标签包括路段标签以及交通参与者标签,该路段标签用于表征交通参与者所处的路段,该交通参与者标签用于表征交通参与者的特征;根据该目标交通流数据生成交通热力图。采用本申请提供的技术方案可以提高交通热力图生成的灵活性和丰富性。
Description
技术领域
本申请涉及自动驾驶技术领域,特别是涉及一种交通热力图生成方法、装置、设备、存储介质和程序产品。
背景技术
在自动驾驶领域,对自动驾驶的测试表现评估以及自动驾驶测试问题归因是十分重要的环节,其中,一般可以利用交通热力图来实现对自动驾驶的测试表现评估以及自动驾驶测试问题归因。
然而,现有的生成交通热力图的方式存在着灵活性较差,生成的交通热力图比较单一的问题。
发明内容
基于此,有必要针对上述技术问题,提供一种能够提高交通热力图生成的灵活性和丰富性的交通热力图生成方法、装置、设备、存储介质和程序产品。
第一方面,本申请提供了一种交通热力图生成方法。所述方法包括:
接收数据筛选指令,该数据筛选指令包含目标数据标签;根据该目标数据标签从预设数据库中筛选得到目标交通流数据,该预设数据库中存储有由不同的数据采集车辆进行采集所得到的多条交通流数据,该交通流数据用于表征交通参与者的数量,且,该交通流数据与多个数据标签相对应,该多个数据标签包括路段标签以及交通参与者标签,该路段标签用于表征交通参与者所处的路段,该交通参与者标签用于表征交通参与者的特征;根据该目标交通流数据生成交通热力图。
在其中一个实施例中,该交通参与者标签具体用于表征交通参与者的类型以及交通参与者与数据采集车辆的相对位置关系;该相对位置关系包括交通参与者与数据采集车辆的前后相对位置关系以及车道相对位置关系。
在其中一个实施例中,该多个数据标签还包括采集特征标签,该采集特征标签用于表征交通流数据的数据采集特征。
在其中一个实施例中,该预设数据库的构建过程包括:
获取目标数据采集车辆在目标路线上行驶时采集到的各路段的初始交通流数据,该初始交通流数据包括交通参与者的类型、交通参与者的位置信息和该目标数据采集车辆的位置信息;对于各路段,根据在该路段上采集的交通参与者的位置信息和该目标数据采集车辆的位置信息,确定该路段上的交通参与者与该目标数据采集车辆的相对位置关系;根据该初始交通流数据包含的各交通参与者生成多条交通流数据,并根据各交通参与者所处的路段、各交通参与者的类型以及各交通参与者与该目标数据采集车辆的相对位置关系生成各交通流数据所对应的数据标签;根据各交通流数据以及各交通流数据对应的数据标签构建该预设数据库。
在其中一个实施例中,根据各交通参与者所处的路段、各交通参与者的类型以及各交通参与者与该目标数据采集车辆的相对位置关系生成各交通流数据所对应的数据标签,包括:
根据该目标数据采集车辆以及该目标数据采集车辆在该目标路线上的行驶特征确定数据采集特征;根据该数据采集特征、各交通参与者所处的路段、各交通参与者的类型以及各交通参与者与该目标数据采集车辆的相对位置关系生成各交通流数据所对应的数据标签。
在其中一个实施例中,该数据采集特征包括该目标数据采集车辆的标识、该目标数据采集车辆中安装的自动驾驶系统的版本、该目标数据采集车辆在该目标路线上行驶的时间信息以及该目标路线的标识中的至少一种。
在其中一个实施例中,根据在该路段上采集的交通参与者的位置信息和该目标数据采集车辆的位置信息,确定该路段上的交通参与者与该目标数据采集车辆的相对位置关系,包括:
根据在该路段上采集的交通参与者的位置信息和该目标数据采集车辆的位置信息,分别确定该路段上各交通参与者所处的车道、该目标数据采集车辆所处的车道以及各交通参与者的前后位置信息,该前后位置信息用于指示交通参与者位于该目标数据采集车辆的前方或者后方;根据该路段上各交通参与者所处的车道、该目标数据采集车辆所处的车道以及各交通参与者的前后位置信息,确定该路段上的交通参与者与该目标数据采集车辆的相对位置关系。
在其中一个实施例中,根据该目标交通流数据生成交通热力图,包括:根据该目标交通流数据确定与该目标交通流数据相关的各路段中交通参与者的数量;根据与该目标交通流数据相关的各路段中交通参与者的数量,生成该交通热力图。
第二方面,本申请还提供了一种交通热力图生成装置。所述装置包括:
接收模块,用于接收数据筛选指令,该数据筛选指令包含目标数据标签;
筛选模块,用于根据该目标数据标签从预设数据库中筛选得到目标交通流数据,预设数据库中存储有由不同的数据采集车辆进行采集所得到的多条交通流数据,交通流数据用于表征交通参与者的数量,且,交通流数据与多个数据标签相对应,多个数据标签包括路段标签以及交通参与者标签,路段标签用于表征交通参与者所处的路段,交通参与者标签用于表征交通参与者的特征;
生成模块,用于根据该目标交通流数据生成交通热力图。
在其中一个实施例中,该交通参与者标签具体用于表征交通参与者的类型以及交通参与者与数据采集车辆的相对位置关系;该相对位置关系包括交通参与者与数据采集车辆的前后相对位置关系以及车道相对位置关系。
在其中一个实施例中,该多个数据标签还包括采集特征标签,该采集特征标签用于表征交通流数据的数据采集特征。
在其中一个实施例中,该装置还包括构建模块,该构建模块,用于:获取目标数据采集车辆在目标路线上行驶时采集到的各路段的初始交通流数据,该初始交通流数据包括交通参与者的类型、交通参与者的位置信息和该目标数据采集车辆的位置信息;对于各路段,根据在该路段上采集的交通参与者的位置信息和该目标数据采集车辆的位置信息,确定该路段上的交通参与者与该目标数据采集车辆的相对位置关系;根据该初始交通流数据包含的各交通参与者生成多条交通流数据,并根据各交通参与者所处的路段、各交通参与者的类型以及各交通参与者与该目标数据采集车辆的相对位置关系生成各交通流数据所对应的数据标签;根据各交通流数据以及各交通流数据对应的数据标签构建该预设数据库。
在其中一个实施例中,该构建模块,具体用于:根据该目标数据采集车辆以及该目标数据采集车辆在该目标路线上的行驶特征确定数据采集特征;根据该数据采集特征、各交通参与者所处的路段、各交通参与者的类型以及各交通参与者与该目标数据采集车辆的相对位置关系生成各交通流数据所对应的数据标签。
在其中一个实施例中,该数据采集特征包括该目标数据采集车辆的标识、该目标数据采集车辆中安装的自动驾驶系统的版本、该目标数据采集车辆在该目标路线上行驶的时间信息以及该目标路线的标识中的至少一种。
在其中一个实施例中,该构建模块,具体用于:根据在该路段上采集的交通参与者的位置信息和该目标数据采集车辆的位置信息,分别确定该路段上各交通参与者所处的车道、该目标数据采集车辆所处的车道以及各交通参与者的前后位置信息,该前后位置信息用于指示交通参与者位于该目标数据采集车辆的前方或者后方;根据该路段上各交通参与者所处的车道、该目标数据采集车辆所处的车道以及各交通参与者的前后位置信息,确定该路段上的交通参与者与该目标数据采集车辆的相对位置关系。
在其中一个实施例中,该生成模块,具体用于:根据该目标交通流数据确定与该目标交通流数据相关的各路段中交通参与者的数量;根据与该目标交通流数据相关的各路段中交通参与者的数量,生成该交通热力图。
第三方面,本申请还提供了一种计算机设备。该计算机设备包括存储器和处理器,该存储器存储有计算机程序,该处理器执行该计算机程序时实现上述第一方面任一所述的步骤。
第四方面,本申请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,其上存储有计算机程序,该计算机程序被处理器执行时实现上述第一方面任一所述的步骤。
第五方面,本申请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,该计算机程序被处理器执行时实现上述第一方面任一所述的步骤。
本申请实施例提供的技术方案带来的有益效果至少包括:
通过当接收到数据筛选指令时,用目标数据标签在预设数据库内存储的多条交通流数据中筛选得到目标交通流数据,根据得到的目标交通流数据生成交通热力图,进而就能够利用交通热力图来实现对自动驾驶的测试表现评估以及自动驾驶测试问题归因。相较于现有的生成交通热力图的方式存在着灵活性较差,生成的交通热力图比较单一的问题,本申请实施例在筛选过程中,可根据实际需要的目标数据标签来从预设数据库中筛选符合实际需求的目标交通流数据,能够提高交通热力图生成的灵活性和丰富性。
附图说明
图1为一个实施例中交通热力图生成方法的应用环境图;
图2为一个实施例中交通热力图生成方法的流程示意图;
图3为一个实施例中示例性的交通热力图;
图4为一个实施例中示例性的交通热力图;
图5为一个实施例中构建预设数据库的方法步骤的流程示意图;
图6为一个实施例中交通参与者与目标数据采集车辆位于不同车道的示意图;
图7为一个实施例中交通参与者与目标数据采集车辆的不同相对位置关系的示意图;
图8为一个实施例中按照路段为数量融合维度对同一类型的交通参与者的数量进行统计的示意图;
图9为一个实施例中生成交通热力图的方法步骤的流程示意图;
图10为一个实施例中交通热力图生成方法的流程示意图;
图11为一个实施例中交通热力图生成方法的流程示意图;
图12为一个实施例中交通热力图生成装置的结构框图;
图13为一个实施例中交通热力图生成装置的结构框图;
图14为一个实施例中计算机设备的框图;
图15为一个实施例中计算机设备的框图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
L4级自动驾驶是一门集汽车系统、传感器、建图与定位、感知、规划、控制、场景理解与评估、模拟仿真等于一体的复杂工程。在L4级自动驾驶系统迭代更新的过程中,需要经历算法开发、模拟仿真测试、真实路段测试、测试问题分析、算法迭代整个过程。在真实路段测试中,天气状态、自动驾驶车辆、自动驾驶车辆所处路段的路段特征与社会车辆共同组成了自动驾驶测试环境。其中,自动驾驶车辆所处路段的交通流情况作为一种重要的路段特征成为了一个影响自动驾驶车辆决策和表现的重要因素。除此以外,在测试问题分析中,自动驾驶车辆所处路段的交通流情况也成为了一个问题归因的重要手段。换言之,对于自动驾驶车辆所处路段的交通流情况的评估是对自动驾驶测试表现评估和自动驾驶测试问题归因分析的重要环节。其中,交通流情况的评估是一门融合数学、物理和计算机科学的技术,可以帮助我们更好的理解交通现象和本质、预测交通的变化趋势、优化城市路段设计和出行策略。一般来讲,可以利用交通热力图来反映路段的交通流情况。然而,现有的生成交通热力图的方式存在着灵活性较差,生成的交通热力图比较单一的问题。
本申请实施例提供的一种交通热力图生成方法,当接收到数据筛选指令时,用目标数据标签在预设数据库内存储的多条交通流数据中筛选得到目标交通流数据,根据得到的目标交通流数据生成交通热力图,进而就能够利用交通热力图来实现对自动驾驶的测试表现评估以及自动驾驶测试问题归因。相较于现有的生成交通热力图的方式存在着灵活性较差,生成的交通热力图比较单一的问题,本申请实施例在筛选过程中,可根据实际需要的目标数据标签来从预设数据库中筛选符合实际需求的目标交通流数据,能够提高交通热力图生成的灵活性和丰富性。
本申请实施例提供的交通热力图生成方法,可以应用于如图1所示的应用环境中。
请参考图1,该应用环境可以包括服务器101以及终端102。可选的,该应用环境可以仅包括服务器101,或者,该应用环境可以仅包括终端102。在应用环境包含服务器101以及终端102的情况下,服务器101可以部署有该预设数据库,并可以由服务器101作为执行主体,通过和终端102的交互实现本申请实施例提供的一种交通热力图生成方法。在应用环境仅包括服务器101的情况下,服务器101可以部署有该预设数据库,并可以由服务器101作为执行主体实现本申请实施例提供的一种交通热力图生成方法。在应用环境仅包括终端102的情况下,终端102可以部署有该预设数据库,并可以由终端102作为执行主体实现本申请实施例提供的一种交通热力图生成方法。
其中,终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑、物联网设备和便携式可穿戴设备,物联网设备可为智能车载设备等,便携式可穿戴设备可为智能手表、智能手环、头戴设备等。服务器101可以是一台服务器,也可以是由多台服务器组成的服务器集群。本申请实施例不对终端和服务器的具体类型进行限定,只要能进行相应的处理,最终实现生成交通热力图的目标即可。
在一个实施例中,如图2所示,提供了一种交通热力图生成方法,如上文所述,该交通热力图生成方法的执行主体可以为服务器或者终端,为了方便说明,下文仅将执行主体称为计算机设备,如图2所示,该交通热力图生成方法包括以下步骤:
步骤201、计算机设备接收数据筛选指令。
其中,该数据筛选指令包含目标数据标签。
如上文所述,该执行主体可以为服务器,在该执行主体为服务器的情况下,服务器可以接收终端发送的该数据筛选指令,其中,终端可以提供数据筛选界面,在该数据筛选界面中可以包含多个数据标签的输入项,以供用户根据自身需求在该多个数据标签的输入项中进行相应的输入,从而根据用户的输入得到目标数据标签。在得到目标数据标签之后,终端可以向服务器发送携带有该目标数据标签的数据筛选指令。
如上文所述,该执行主体可以为终端,在该执行主体为终端的情况下,与上文所述类似的,该终端可以提供数据筛选界面,在该数据筛选界面中可以包含多个数据标签的输入项,以供用户根据自身需求在该多个数据标签的输入项中进行相应的输入,从而根据用户的输入得到目标数据标签,在得到目标数据标签之后,终端即可获得该数据筛选指令。
步骤202、计算机设备根据该目标数据标签从预设数据库中筛选得到目标交通流数据。
其中,该预设数据库中存储有由不同的数据采集车辆进行采集所得到的多条交通流数据,交通流数据用于表征交通参与者的数量,且,每条交通流数据均与多个数据标签相对应。
在本申请的可选实施例中,该数据采集车辆可以为自动驾驶车辆,不同的数据采集车辆在行驶的过程中均可以对与行驶相关的数据(本申请实施例称为初始交通流数据)进行采集,从而根据该初始交通流数据得到多条交通流数据以及各条交通流数据对应的数据标签。
可选的,数据采集车辆可以设置有感测设备,数据采集车辆可以基于该感测设备采集初始交通流数据,其中,该感测设备可以为雷达(例如,激光雷达、毫米波雷达等)、相机(例如,彩色相机、深度相机等)、定位组件(例如,GPS等)等,除此以外,在本申请的可选实施例中,数据采集车辆中还可以设置有通信设备,数据采集车辆可以通过通信设备与服务器、其他车辆或者路侧设备等进行数据交互,从而通过数据交互得到初始交通流数据。
可选的,该初始交通流数据例如可以包括交通参与者的位置信息、交通参与者的类型、数据采集车辆的位置信息等,本申请实施例对此不作具体限定。其中,在本申请的可选实施例中,交通参与者指的是路段中的运动对象和非运动对象,例如,该交通参与者可以为轿车、大卡车、自行车、电动车、行人、路障、锥标等等,本申请实施例对此不作具体限定,对应的,交通参与者的类型可以包括小轿车类型、大卡车类型、自行车类型、电动车类型、行人类型、路障类型、锥标类型等等,或者,该交通参与者的类型可以包括机动车类型、非机动车类型等等,本申请实施例对此也不做具体限定。
需要指出的是,在本申请的可选实施例中,该多条交通流数据以及各条交通流数据对应的数据标签除了可以根据数据采集车辆所采集到的初始交通流数据得到之外,还可以根据其他的数据得到,其中,该其他的数据例如可以是用于表征数据采集特征的数据,例如,该用于表征数据采集特征的数据可以为数据采集车辆的标识、数据采集车辆中安装的自动驾驶系统的版本、数据采集车辆所行驶的路线的标识以及数据采集车辆在该路线上行驶的时间信息等等,本申请实施例对此不作具体限定,其中,可选的,该时间信息可以包括以某两个具体时刻作为两个端点的一段时间,该时间信息还可以包括用于反映该一段时间的特征的信息,例如,该时间信息可以反映该一段时间是否为交通繁忙时段等,本申请实施例对此不作具体限定。
在本申请的可选实施例中,与交通流数据对应的多个数据标签至少可以包括路段标签以及交通参与者标签,其中,该路段标签用于表征交通参与者所处的路段,该交通参与者标签用于表征交通参与者的特征。其中,本申请实施例中所提及的路段指的是包含至少一个车道的可供交通参与者行驶或言可供承载交通参与者的一段道路。
在本申请的可选实施例中,交通参与者标签具体用于表征交通参与者的类型以及交通参与者与数据采集车辆的相对位置关系,其中,交通参与者的类型已在上文中进行了说明,此处不再赘述,交通参与者与数据采集车辆的相对位置关系可以包括交通参与者与数据采集车辆的前后相对位置关系以及车道相对位置关系。
举例来讲,交通参与者与数据采集车辆的相对位置关系可以包括:位于数据采集车辆正前方、位于数据采集车辆正后方、位于数据采集车辆的左侧车道后方、位于数据采集车辆的左侧车道前方、位于数据采集车辆的右侧车道后方、位于数据采集车辆的右侧车道前方,其中,位于数据采集车辆正前方、位于数据采集车辆正后方说明交通参与者与数据采集车辆位于同一车道。根据与上说明可知,交通参与者标签表征的相对位置关系是一种车道级别的相对位置关系。
在本申请的可选实施例中,与交通流数据对应的多个数据标签还可以包括采集特征标签,该采集特征标签用于表征交通流数据的数据采集特征,根据上文所述,该数据采集特征可以包括数据采集车辆的标识、数据采集车辆中安装的自动驾驶系统的版本、数据采集车辆所行驶的路线的标识以及数据采集车辆在该路线上行驶的时间信息等等。
为了使读者易于理解本申请实施例提供的预设数据库,请参考表1,其示出了一种示例性的预设数据库中存储的交通流数据的示意。
表1
其中,该a特征例如可以包括数据采集车辆的标识为#1、数据采集车辆中安装的自动驾驶系统的版本为#1、数据采集车辆所行驶的路线的标识为#1、数据采集车辆在该路线上行驶的时间信息为平常时段,该b特征例如可以包括数据采集车辆的标识为#2、数据采集车辆中安装的自动驾驶系统的版本为#2、数据采集车辆所行驶的路线的标识为#2、数据采集车辆在该路线上行驶的时间信息为早间时段,该c特征例如可以包括数据采集车辆的标识为#3、数据采集车辆中安装的自动驾驶系统的版本为#3、数据采集车辆所行驶的路线的标识为#3、数据采集车辆在该路线上行驶的时间信息为晚间时段。
在本申请的可选实施例中,计算机设备接收到数据筛选指令之后,可以提取出该数据筛选指令包含的目标数据标签,而后,计算机设备可以将该目标数据标签与预设数据库中每条交通流数据对应的数据标签进行匹配,并将匹配成功的交通流数据获取为目标交通流数据。
需要指出的是,在本申请的可选实施例中,所谓匹配成功指的是,目标数据标签与某一交通流数据对应的多个数据标签中的部分数据标签完全一致,或者,目标数据标签与某一交通流数据对应的多个数据标签中的全部数据标签完全一致。
举例来说,假设目标数据标签为C路段、行人、位于数据采集车辆的左侧车道前方、数据采集车辆的标识为#3、数据采集车辆中安装的自动驾驶系统的版本为#3、数据采集车辆所行驶的路线的标识为#3、数据采集车辆在该路线上行驶的时间信息为晚间时段,则其与表1中第3行的交通流数据所对应的全部数据标签完全一致,则第3行的交通流数据“30”即为匹配得到的目标交通流数据。
再举例来说,假设目标数据标签为目标数据标签为C路段、行人、位于数据采集车辆的左侧车道前方、数据采集车辆的标识为#3、数据采集车辆中安装的自动驾驶系统的版本为#3、数据采集车辆所行驶的路线的标识为#3,则可以看出该目标数据标签缺失时间信息的标签,在这种情况下,由于该目标数据标签与表1中第3行的交通流数据所对应的部分数据标签(不包含时间信息的标签)完全一致,则第3行的交通流数据“30”即为匹配得到的目标交通流数据。
步骤203、计算机设备根据该目标交通流数据生成交通热力图。
在本申请的可选实施例中,交通热力图可以为线条与静态交通地图的融合图示,其中,该线条与该静态交通地图中的路段重叠,用于反映对应路段中交通参与者的数量。
请参考图3,其示出了一种示例性的交通热力图,如图3所示,生成该交通热力图的目标交通流数据是基于包含以下内容的目标数据标签从预设数据库中筛选得到的:1、日期:YYY-MM-DD;2、数据采集车辆的标识:#n;3、数据采集车辆中安装的自动驾驶系统的版本:#n;4、时间信息:早间时段、午间时段、晚间时段和平常时段;5、数据采集车辆所行驶的路线的标识:固定路线#n;6、交通参与者的类型:四轮车类型、行人类型、自行车类型、锥标类型和路障类型。如图3所示,该交通热力图中包括一线条,该线条与静态交通地图中的多个路段重叠,且,该线条的颜色用于反映对应的路段中交通参与者的数量。
在本申请的可选实施例中,在得到交通热力图之后,可以基于该交通热力图进行自动驾驶测试表现评估和自动驾驶测试问题归因分析。
其中,对于自动驾驶测试问题归因分析而言,可以通过综合考察自动驾驶车辆(也即是数据采集车辆)在某一路段行驶时周围交通参与者的数量与自动驾驶系统在该路段中产生的问题,从而快速梳理交通流与自动驾驶问题的关联关系,进而实现自动驾驶测试问题归因的目的。
对于自动驾驶测试表现评估而言,请参考图4,其示出了某地某固定路线在不同时段(午间时段和平常时段)的交通热力图,从图中可以看出相同路段里午间时段的车辆类型的交通参与者数量比平常时段的多,根据该信息可以预估自动驾驶车辆午间时段在该路段行驶时可能会出现更多的问题,而在平常时段产生的问题较少,因此可以选取午间时段在该路段进行更多的自动驾驶系统测试来收集更多的测试问题。
本实施例提供的交通热力图生成方法,当接收到数据筛选指令时,用目标数据标签在预设数据库内存储的多条交通流数据中筛选得到目标交通流数据,根据得到的目标交通流数据生成交通热力图,进而就能够利用交通热力图来实现对自动驾驶的测试表现评估以及自动驾驶测试问题归因。相较于现有的生成交通热力图的方式存在着灵活性较差,生成的交通热力图比较单一的问题,本申请实施例在筛选过程中,可根据实际需要的目标数据标签来从预设数据库中筛选符合实际需求的目标交通流数据,能够提高交通热力图生成的灵活性和丰富性。
在一个实施例中,如图5所示,提供了一种可选的预设数据库的构建过程,其中,该构建过程包括以下步骤:
步骤501、计算机设备获取目标数据采集车辆在目标路线上行驶时采集到的各路段的初始交通流数据。
在本申请的可选实施例中,目标路线可以包括多个路段,例如,目标路线#n可以包括A路段、B路段和C路段,目标数据采集车辆可以在目标路线上行驶时采集各个路段所分别对应的初始交通流数据,可选的,目标数据采集车辆可以周期性地进行数据采集。
需要指出的是,本申请实施例不对目标数据采集车辆的数量进行限定,换言之,在本申请实施例中,目标数据采集车辆的数量可以为多个,在此情况下,不同的目标数据采集车辆所行驶的目标路线可以不同,每一个目标数据采集车辆在其对应的目标路线上行驶时都可以采集各个路段所分别对应的初始交通流数据,计算机设备可以对每一个目标数据采集车辆所采集到的初始交通流数据进行获取。
与上文所述同理地,步骤501中的初始交通流数据可以包括交通参与者的类型、交通参与者的位置信息和目标数据采集车辆的位置信息。其中,与上文所述同理地,目标数据采集车辆可以为自动驾驶车辆,该目标数据采集车辆可以设置有感测设备和/或通信设备,该目标数据采集车辆可以基于该感测设备和/或通信设备采集各路段所分别对应的初始交通流数据。
需要指出的是,目标数据采集车辆所采集到的交通参与者的位置信息和目标数据采集车辆的位置信息的精度可以为厘米级别。
步骤502、对于各路段,计算机设备根据在该路段上采集的交通参与者的位置信息和该目标数据采集车辆的位置信息,确定该路段上的交通参与者与该目标数据采集车辆的相对位置关系。
与上文所述同理地,步骤502中的相对位置关系可以包括交通参与者与目标数据采集车辆的前后相对位置关系以及车道相对位置关系,例如,步骤502中的相对位置关系可以包括:位于目标数据采集车辆正前方、位于目标数据采集车辆正后方、位于目标数据采集车辆的左侧车道后方、位于目标数据采集车辆的左侧车道前方、位于目标数据采集车辆的右侧车道后方、位于目标数据采集车辆的右侧车道前方,其中,位于目标数据采集车辆正前方、位于目标数据采集车辆正后方说明交通参与者与目标数据采集车辆位于同一车道。
在本申请的可选实施例中,计算机设备可以根据交通参与者的位置信息和目标数据采集车辆的位置信息,分别确定交通参与者所处的车道、目标数据采集车辆所处的车道以及交通参与者的前后位置信息,其中,该前后位置信息用于表征交通参与者与目标数据采集车辆的前后相对位置关系,也即是,该前后位置信息用于指示交通参与者位于目标数据采集车辆的前方或者后方。
而后,计算机设备可以根据交通参与者所处的车道、目标数据采集车辆所处的车道以及交通参与者的前后位置信息,确定交通参与者与目标数据采集车辆的相对位置关系,具体来说,计算机设备可以根据交通参与者所处的车道以及目标数据采集车辆所处的车道确定交通参与者与目标数据采集车辆的车道相对位置关系,而后,计算机设备可以根据该车道相对位置关系以及前后相对位置信息所指示的前后相对位置关系确定交通参与者与目标数据采集车辆的相对位置关系。
可选的,计算机设备可以根据交通参与者的位置信息和目标数据采集车辆的位置信息,将交通参与者和目标数据采集车辆映射至静态交通地图上,可选的,该静态交通地图可以为厘米级别的高精度地图。
在将交通参与者和目标数据采集车辆映射至静态交通地图上之后,计算机设备可以根据静态交通地图中各个车道的坐标范围、交通参与者映射至该静态交通地图后的坐标以及目标数据采集车辆映射至该静态交通地图后的坐标分别确定交通参与者和目标数据采集车辆所处的车道。基于此,就可以将交通参与者划分为与目标数据采集车辆位于同一车道的交通参与者以及与目标数据采集车辆不位于同一车道的交通参与者。
其中,与目标数据采集车辆不位于同一车道的交通参与者可以包括位于目标数据采集车辆左侧车道的交通参与者和位于目标数据采集车辆右侧车道的交通参与者,可选的,如果目标数据采集车辆左侧不止一个车道,则位于目标数据采集车辆左侧车道的交通参与者又可以包括位于目标数据采集车辆左侧第1个车道的交通参与者、位于目标数据采集车辆左侧第2个车道的交通参与者、……,同理地,如果目标数据采集车辆右侧不止一个车道,则位于目标数据采集车辆右侧车道的交通参与者又可以包括位于目标数据采集车辆右侧第1个车道的交通参与者、位于目标数据采集车辆右侧第2个车道的交通参与者、……。
根据与上过程即可确定交通参与者与目标数据采集车辆的相对位置关系中的车道相对位置关系。在此基础上,计算机设备还可以根据交通参与者映射至该静态交通地图后的坐标以及目标数据采集车辆映射至该静态交通地图后的坐标确定交通参与者的前后位置信息,其中,该前后位置信息用于指示交通参与者位于目标数据采集车辆的前后相对位置关系。综合车道相对位置关系以及前后相对位置关系,计算机设备即可得到交通参与者与目标数据采集车辆的相对位置关系。
请参考图6,其示出了交通参与者与目标数据采集车辆位于不同车道的示意图,如图6所示,交通参与者A与目标数据采集车辆S位于同一车道,交通参与者B位于目标数据采集车辆S的左侧车道,交通参与者C位于目标数据采集车辆S的右侧车道。
请参考图7,其示出了交通参与者与目标数据采集车辆的不同相对位置关系,如图7所示,交通参与者A位于目标数据采集车辆S的正前方,交通参与者B位于目标数据采集车辆S的正后方,交通参与者C位于目标数据采集车辆S的左侧车道前方,交通参与者D位于目标数据采集车辆S的左侧车道后方,交通参与者E位于目标数据采集车辆S的右侧车道前方,交通参与者F位于目标数据采集车辆S的右侧车道后方。
步骤503、计算机设备根据该初始交通流数据包含的各交通参与者生成多条交通流数据,并根据各交通参与者所处的路段、各交通参与者的类型以及各交通参与者与该目标数据采集车辆的相对位置关系生成各交通流数据所对应的数据标签。
在本申请的可选实施例中,对于每一个交通参与者,计算机设备都可以根据该交通参与者所处的路段、该交通参与者的类型以及该交通参与者与该目标数据采集车辆的相对位置关系生成该交通参与者的数据标签。
当然,与上文所述同理地,除了可以根据交通参与者所处的路段、交通参与者的类型以及交通参与者与该目标数据采集车辆的相对位置关系生成交通参与者的数据标签以外,还可以根据目标数据采集车辆以及目标数据采集车辆在目标路线上的行驶特征确定数据采集特征,而后,结合该数据采集特征、交通参与者所处的路段、交通参与者的类型以及交通参与者与目标数据采集车辆的相对位置关系生成交通参与者所对应的数据标签,以实现在后续的步骤中,结合数据采集特征、交通参与者所处的路段、交通参与者的类型以及交通参与者与目标数据采集车辆的相对位置关系生成交通流数据所对应的数据标签。
其中,与上文所述类似的,这里的数据采集特征可以包括目标数据采集车辆的标识、目标数据采集车辆中安装的自动驾驶系统的版本、目标数据采集车辆在目标路线上行驶的时间信息以及目标路线的标识中的至少一种。
在得到每一个交通参与者的数据标签之后,计算机设备可以将具有相同数据标签的交通参与者进行数量融合,换言之,计算机设备可以统计具有相同数据标签的交通参与者的数量,该交通参与者的数量即为一条交通流数据,该条交通流数据所对应的数据标签即为融合成该交通流数据的交通参与者的数据标签。
例如,交通参与者A、B、C和D对应的数据标签包括:所处的路段L1、类型机动车类型、与目标数据采集车辆的相对位置关系为位于目标数据采集车辆的正前方,则可以将交通参与者A、B、C和D的数量4作为一条交通流数据,该条交通流数据对应的数据标签包括:所处的路段L1、类型机动车类型、与目标数据采集车辆的相对位置关系为位于目标数据采集车辆的正前方。
为了使读者易于理解步骤503的技术过程,请参考图8,如图8所示,作为一种可选的实现方式,计算机设备可以按照路段为数量融合维度对同一类型的交通参与者的数量进行统计,从而得到交通流数据。
步骤504、计算机设备根据各交通流数据以及各交通流数据对应的数据标签构建该预设数据库。
本申请实施例已经在上文中对预设数据库进行了详细的解释说明,在此将不在进行赘述。
在一个实施例中,如图9所示,提供了一种可选的生成交通热力图的方法,该方法包括以下步骤:
步骤901、计算机设备根据目标交通流数据确定与该目标交通流数据相关的各路段中交通参与者的数量。
如上文所述,交通流数据对应的数据标签中包含路段标签,其中,该路段标签用于表征交通参与者所处的路段,则计算机设备根据目标数据标签从预设数据库中筛选得到的目标交通流数据的数据标签中应当包含路段标签,基于该路段标签,即可得到与目标交通流数据相关的路段,此外,交通流数据本身用于表征交通参与者的数量,则根据目标交通流数据即可得到交通参与者的数量,这样,就可以基于目标交通流数据确定与目标交通流数据相关的各路段中交通参与者的数量。
例如,假设目标交通流数据的数量为5条,其中,第1条目标交通流数据为15,其对应的路段标签所指示的路段为A路段,第2条目标交通流数据为20,其对应的路段标签所指示的路段为B路段,第3条目标交通流数据为30,其对应的路段标签所指示的路段为C路段,第4条目标交通流数据为25,其对应的路段标签所指示的路段为D路段,第5条目标交通流数据为19,其对应的路段标签所指示的路段为E路段,则在步骤901中,可以确定A路段的交通参与者的数量为15,B路段的交通参与者的数量为20,C路段的交通参与者的数量为30,D路段的交通参与者的数量为25,E路段的交通参与者的数量为19。
步骤902、计算机设备根据与该目标交通流数据相关的各路段中交通参与者的数量,生成该交通热力图。
如上文所述,交通热力图可以为线条与静态交通地图的融合图示,其中,该线条与该静态交通地图中的路段重叠,用于反映对应路段中交通参与者的数量,则在获取与目标交通流数据相关的各路段中交通参与者的数量之后,计算机设备即可根据该与目标交通流数据相关的各路段中交通参与者的数量生成线条,并将该线条与静态交通地图进行融合,从而得到交通热力图。
在一个实施例中,如图10所示,提供了一种交通热力图生成方法,该方法包括以下步骤:
步骤1001、计算机设备获取目标数据采集车辆在目标路线上行驶时采集到的各路段的初始交通流数据。
步骤1002、对于各路段,计算机设备确定该路段上的交通参与者与该目标数据采集车辆的相对位置关系。
步骤1003、计算机设备根据该目标数据采集车辆以及该目标数据采集车辆在该目标路线上的行驶特征确定数据采集特征。
步骤1004、计算机设备根据该数据采集特征、各交通参与者所处的路段、各交通参与者的类型以及各交通参与者与该目标数据采集车辆的相对位置关系生成多条交通流数据以及各条交通流数据所对应的数据标签。
步骤1005、计算机设备根据各交通流数据以及各交通流数据对应的数据标签构建预设数据库。
步骤1006、计算机设备接收数据筛选指令,该数据筛选指令包含目标数据标签。
步骤1007、计算机设备根据该目标数据标签从预设数据库中筛选得到目标交通流数据。
步骤1008、计算机设备根据该目标交通流数据生成交通热力图。
为了使读者易于理解本申请实施例提供的技术方案,请参考图11,其示出了本申请实施例提供的交通热力图生成方法的流程示意图,如图11所示,可以获取自动驾驶测试数据,其中,该自动驾驶测试数据即为本申请实施例中的初始交通流数据,该初始交通流数据可以周期性地进行处理,其中,处理间隔可以为秒,也可以为其他自动以的时间间隔,在获取该自动驾驶测试数据之后,可以从该自动驾驶测试数据中获取自动驾驶车辆的位置,也即是,本申请实施例所述的数据采集车辆的位置信息,同时还可以获取周围交通参与者的位置,也即是,本申请实施例所述的交通参与者的位置信息,而后,可以获取高精地图车道信息,也即是,本申请实施例所述的静态交通地图,接着,可以结合自动驾驶车辆的位置、周围交通参与者的位置以及高精地图车道信息确定自动驾驶车辆所在车道以及周围交通参与者所在车道,而后,即可根据自动驾驶车辆所在车道以及周围交通参与者所在车道确定自动驾驶车辆和周围交通参与者的相对位置关系,最后,根据该相对位置关系构建预设数据库,以基于该预设数据库实现交通热力图的生成。
应该理解的是,虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思,本申请实施例还提供了一种用于实现上述所涉及的交通热力图生成方法的交通热力图生成装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似,故下面所提供的一个或多个交通热力图生成装置实施例中的具体限定可以参见上文中对于交通热力图生成方法的限定,在此不再赘述。
在一个实施例中,如图12所示,提供了一种交通热力图生成装置1200,包括:接收模块1201、筛选模块1202和生成模块1203,其中:
该接收模块1201,用于接收数据筛选指令,该数据筛选指令包含目标数据标签。
该筛选模块1202,用于根据该目标数据标签从预设数据库中筛选得到目标交通流数据,预设数据库中存储有由不同的数据采集车辆进行采集所得到的多条交通流数据,交通流数据用于表征交通参与者的数量,且,交通流数据与多个数据标签相对应,多个数据标签包括路段标签以及交通参与者标签,路段标签用于表征交通参与者所处的路段,交通参与者标签用于表征交通参与者的特征。
该生成模块1203,用于根据该目标交通流数据生成交通热力图。
在其中一个实施例中,该交通参与者标签具体用于表征交通参与者的类型以及交通参与者与数据采集车辆的相对位置关系;该相对位置关系包括交通参与者与数据采集车辆的前后相对位置关系以及车道相对位置关系。
在其中一个实施例中,该多个数据标签还包括采集特征标签,该采集特征标签用于表征交通流数据的数据采集特征。
在本申请的可选实施例中,该生成模块1203,具体用于:根据该目标交通流数据确定与该目标交通流数据相关的各路段中交通参与者的数量;根据与该目标交通流数据相关的各路段中交通参与者的数量,生成该交通热力图。
本申请实施例还提供了另一种交通热力图生成装置1300,该交通热力图生成装置1300除了包括交通热力图生成装置1200包括的各个模块外,还包括构建模块1204。
其中,该构建模块1204,用于:获取目标数据采集车辆在目标路线上行驶时采集到的各路段的初始交通流数据,该初始交通流数据包括交通参与者的类型、交通参与者的位置信息和该目标数据采集车辆的位置信息;对于各路段,根据在该路段上采集的交通参与者的位置信息和该目标数据采集车辆的位置信息,确定该路段上的交通参与者与该目标数据采集车辆的相对位置关系;根据该初始交通流数据包含的各交通参与者生成多条交通流数据,并根据各交通参与者所处的路段、各交通参与者的类型以及各交通参与者与该目标数据采集车辆的相对位置关系生成各交通流数据所对应的数据标签;根据各交通流数据以及各交通流数据对应的数据标签构建该预设数据库。
在本申请的可选实施例中,该构建模块1204,具体用于:根据该目标数据采集车辆以及该目标数据采集车辆在该目标路线上的行驶特征确定数据采集特征;根据该数据采集特征、各交通参与者所处的路段、各交通参与者的类型以及各交通参与者与该目标数据采集车辆的相对位置关系生成各交通流数据所对应的数据标签。
在本申请的可选实施例中,该数据采集特征包括该目标数据采集车辆的标识、该目标数据采集车辆中安装的自动驾驶系统的版本、该目标数据采集车辆在该目标路线上行驶的时间信息以及该目标路线的标识中的至少一种。
在本申请的可选实施例中,该构建模块1204,具体用于:根据在该路段上采集的交通参与者的位置信息和该目标数据采集车辆的位置信息,分别确定该路段上各交通参与者所处的车道、该目标数据采集车辆所处的车道以及各交通参与者的前后位置信息,该前后位置信息用于指示交通参与者位于该目标数据采集车辆的前方或者后方;根据该路段上各交通参与者所处的车道、该目标数据采集车辆所处的车道以及各交通参与者的前后位置信息,确定该路段上的交通参与者与该目标数据采集车辆的相对位置关系。
上述交通热力图生成装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图14所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储目标交通流数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种交通热力图生成方法。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图15所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信,无线方式可通过WIFI、移动蜂窝网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种交通热力图生成方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图14或图15中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
接收数据筛选指令,该数据筛选指令包含目标数据标签;根据该目标数据标签从预设数据库中筛选得到目标交通流数据,该预设数据库中存储有由不同的数据采集车辆进行采集所得到的多条交通流数据,该交通流数据用于表征交通参与者的数量,且,该交通流数据与多个数据标签相对应,该多个数据标签包括路段标签以及交通参与者标签,该路段标签用于表征交通参与者所处的路段,该交通参与者标签用于表征交通参与者的特征;根据该目标交通流数据生成交通热力图。
在一个实施例中,该交通参与者标签具体用于表征交通参与者的类型以及交通参与者与数据采集车辆的相对位置关系;该相对位置关系包括交通参与者与数据采集车辆的前后相对位置关系以及车道相对位置关系。
在一个实施例中,该多个数据标签还包括采集特征标签,该采集特征标签用于表征交通流数据的数据采集特征。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:获取目标数据采集车辆在目标路线上行驶时采集到的各路段的初始交通流数据,该初始交通流数据包括交通参与者的类型、交通参与者的位置信息和该目标数据采集车辆的位置信息;对于各该路段,根据在该路段上采集的交通参与者的位置信息和该目标数据采集车辆的位置信息,确定该路段上的交通参与者与该目标数据采集车辆的相对位置关系;根据该初始交通流数据包含的各交通参与者生成多条交通流数据,并根据各交通参与者所处的路段、各交通参与者的类型以及各交通参与者与该目标数据采集车辆的相对位置关系生成各该交通流数据所对应的数据标签;根据各该交通流数据以及各该交通流数据对应的数据标签构建该预设数据库。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:根据该目标数据采集车辆以及该目标数据采集车辆在该目标路线上的行驶特征确定数据采集特征;根据该数据采集特征、各交通参与者所处的路段、各交通参与者的类型以及各交通参与者与该目标数据采集车辆的相对位置关系生成各该交通流数据所对应的数据标签。
在一个实施例中,该数据采集特征包括该目标数据采集车辆的标识、该目标数据采集车辆中安装的自动驾驶系统的版本、该目标数据采集车辆在该目标路线上行驶的时间信息以及该目标路线的标识中的至少一种。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:根据在该路段上采集的交通参与者的位置信息和该目标数据采集车辆的位置信息,分别确定该路段上各交通参与者所处的车道、该目标数据采集车辆所处的车道以及各交通参与者的前后位置信息,该前后位置信息用于指示交通参与者位于该目标数据采集车辆的前方或者后方;根据该路段上各交通参与者所处的车道、该目标数据采集车辆所处的车道以及各交通参与者的前后位置信息,确定该路段上的交通参与者与该目标数据采集车辆的相对位置关系。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:根据该目标交通流数据确定与该目标交通流数据相关的各路段中交通参与者的数量;根据与该目标交通流数据相关的各路段中交通参与者的数量,生成该交通热力图。
在一个实施例中,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以下步骤:
接收数据筛选指令,该数据筛选指令包含目标数据标签;根据该目标数据标签从预设数据库中筛选得到目标交通流数据,该预设数据库中存储有由不同的数据采集车辆进行采集所得到的多条交通流数据,该交通流数据用于表征交通参与者的数量,且,该交通流数据与多个数据标签相对应,该多个数据标签包括路段标签以及交通参与者标签,该路段标签用于表征交通参与者所处的路段,该交通参与者标签用于表征交通参与者的特征;根据该目标交通流数据生成交通热力图。
在一个实施例中,该交通参与者标签具体用于表征交通参与者的类型以及交通参与者与数据采集车辆的相对位置关系;该相对位置关系包括交通参与者与数据采集车辆的前后相对位置关系以及车道相对位置关系。
在一个实施例中,该多个数据标签还包括采集特征标签,该采集特征标签用于表征交通流数据的数据采集特征。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:获取目标数据采集车辆在目标路线上行驶时采集到的各路段的初始交通流数据,该初始交通流数据包括交通参与者的类型、交通参与者的位置信息和该目标数据采集车辆的位置信息;对于各该路段,根据在该路段上采集的交通参与者的位置信息和该目标数据采集车辆的位置信息,确定该路段上的交通参与者与该目标数据采集车辆的相对位置关系;根据该初始交通流数据包含的各交通参与者生成多条交通流数据,并根据各交通参与者所处的路段、各交通参与者的类型以及各交通参与者与该目标数据采集车辆的相对位置关系生成各该交通流数据所对应的数据标签;根据各该交通流数据以及各该交通流数据对应的数据标签构建该预设数据库。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:根据该目标数据采集车辆以及该目标数据采集车辆在该目标路线上的行驶特征确定数据采集特征;根据该数据采集特征、各交通参与者所处的路段、各交通参与者的类型以及各交通参与者与该目标数据采集车辆的相对位置关系生成各该交通流数据所对应的数据标签。
在一个实施例中,该数据采集特征包括该目标数据采集车辆的标识、该目标数据采集车辆中安装的自动驾驶系统的版本、该目标数据采集车辆在该目标路线上行驶的时间信息以及该目标路线的标识中的至少一种。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:根据在该路段上采集的交通参与者的位置信息和该目标数据采集车辆的位置信息,分别确定该路段上各交通参与者所处的车道、该目标数据采集车辆所处的车道以及各交通参与者的前后位置信息,该前后位置信息用于指示交通参与者位于该目标数据采集车辆的前方或者后方;根据该路段上各交通参与者所处的车道、该目标数据采集车辆所处的车道以及各交通参与者的前后位置信息,确定该路段上的交通参与者与该目标数据采集车辆的相对位置关系。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:根据该目标交通流数据确定与该目标交通流数据相关的各路段中交通参与者的数量;根据与该目标交通流数据相关的各路段中交通参与者的数量,生成该交通热力图。
在一个实施例中,提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现以下步骤:
接收数据筛选指令,该数据筛选指令包含目标数据标签;根据该目标数据标签从预设数据库中筛选得到目标交通流数据,该预设数据库中存储有由不同的数据采集车辆进行采集所得到的多条交通流数据,该交通流数据用于表征交通参与者的数量,且,该交通流数据与多个数据标签相对应,该多个数据标签包括路段标签以及交通参与者标签,该路段标签用于表征交通参与者所处的路段,该交通参与者标签用于表征交通参与者的特征;根据该目标交通流数据生成交通热力图。
在一个实施例中,该交通参与者标签具体用于表征交通参与者的类型以及交通参与者与数据采集车辆的相对位置关系;该相对位置关系包括交通参与者与数据采集车辆的前后相对位置关系以及车道相对位置关系。
在一个实施例中,该多个数据标签还包括采集特征标签,该采集特征标签用于表征交通流数据的数据采集特征。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:获取目标数据采集车辆在目标路线上行驶时采集到的各路段的初始交通流数据,该初始交通流数据包括交通参与者的类型、交通参与者的位置信息和该目标数据采集车辆的位置信息;对于各该路段,根据在该路段上采集的交通参与者的位置信息和该目标数据采集车辆的位置信息,确定该路段上的交通参与者与该目标数据采集车辆的相对位置关系;根据该初始交通流数据包含的各交通参与者生成多条交通流数据,并根据各交通参与者所处的路段、各交通参与者的类型以及各交通参与者与该目标数据采集车辆的相对位置关系生成各该交通流数据所对应的数据标签;根据各该交通流数据以及各该交通流数据对应的数据标签构建该预设数据库。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:根据该目标数据采集车辆以及该目标数据采集车辆在该目标路线上的行驶特征确定数据采集特征;根据该数据采集特征、各交通参与者所处的路段、各交通参与者的类型以及各交通参与者与该目标数据采集车辆的相对位置关系生成各该交通流数据所对应的数据标签。
在一个实施例中,该数据采集特征包括该目标数据采集车辆的标识、该目标数据采集车辆中安装的自动驾驶系统的版本、该目标数据采集车辆在该目标路线上行驶的时间信息以及该目标路线的标识中的至少一种。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:根据在该路段上采集的交通参与者的位置信息和该目标数据采集车辆的位置信息,分别确定该路段上各交通参与者所处的车道、该目标数据采集车辆所处的车道以及各交通参与者的前后位置信息,该前后位置信息用于指示交通参与者位于该目标数据采集车辆的前方或者后方;根据该路段上各交通参与者所处的车道、以及该目标数据采集车辆所处的车道各交通参与者的前后位置信息,确定该路段上的交通参与者与该目标数据采集车辆的相对位置关系。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:根据该目标交通流数据确定与该目标交通流数据相关的各路段中交通参与者的数量;根据与该目标交通流数据相关的各路段中交通参与者的数量,生成该交通热力图。
需要说明的是,本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等),均为经用户授权或者经过各方充分授权的信息和数据。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是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非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory,MRAM)、铁电存储器(Ferroelectric Random Access Memory,FRAM)、相变存储器(Phase Change Memory,PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器等。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory,DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等,不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等,不限于此。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。
Claims (12)
1.一种交通热力图生成方法,其特征在于,所述方法包括:
接收数据筛选指令,所述数据筛选指令包含目标数据标签;
根据所述目标数据标签从预设数据库中筛选得到目标交通流数据,所述预设数据库中存储有由不同的数据采集车辆进行采集所得到的多条交通流数据,所述交通流数据用于表征交通参与者的数量,且,所述交通流数据与多个数据标签相对应,所述多个数据标签包括路段标签以及交通参与者标签,所述路段标签用于表征交通参与者所处的路段,所述交通参与者标签用于表征交通参与者的特征;
根据所述目标交通流数据生成交通热力图。
2.根据权利要求1所述的方法,其特征在于,所述交通参与者标签具体用于表征交通参与者的类型以及交通参与者与数据采集车辆的相对位置关系;
所述相对位置关系包括交通参与者与数据采集车辆的前后相对位置关系以及车道相对位置关系。
3.根据权利要求2所述的方法,其特征在于,所述多个数据标签还包括采集特征标签,所述采集特征标签用于表征交通流数据的数据采集特征。
4.根据权利要求3所述的方法,其特征在于,所述预设数据库的构建过程包括:
获取目标数据采集车辆在目标路线上行驶时采集到的各路段的初始交通流数据,所述初始交通流数据包括交通参与者的类型、交通参与者的位置信息和所述目标数据采集车辆的位置信息;
对于各所述路段,根据在所述路段上采集的交通参与者的位置信息和所述目标数据采集车辆的位置信息,确定所述路段上的交通参与者与所述目标数据采集车辆的相对位置关系;
根据所述初始交通流数据包含的各交通参与者生成多条交通流数据,并根据各交通参与者所处的路段、各交通参与者的类型以及各交通参与者与所述目标数据采集车辆的相对位置关系生成各所述交通流数据所对应的数据标签;
根据各所述交通流数据以及各所述交通流数据对应的数据标签构建所述预设数据库。
5.根据权利要求4所述的方法,其特征在于,所述根据各交通参与者所处的路段、各交通参与者的类型以及各交通参与者与所述目标数据采集车辆的相对位置关系生成各交通流数据所对应的数据标签,包括:
根据所述目标数据采集车辆以及所述目标数据采集车辆在所述目标路线上的行驶特征确定数据采集特征;
根据所述数据采集特征、各交通参与者所处的路段、各交通参与者的类型以及各交通参与者与所述目标数据采集车辆的相对位置关系生成各所述交通流数据所对应的数据标签。
6.根据权利要求5所述的方法,其特征在于,所述数据采集特征包括所述目标数据采集车辆的标识、所述目标数据采集车辆中安装的自动驾驶系统的版本、所述目标数据采集车辆在所述目标路线上行驶的时间信息以及所述目标路线的标识中的至少一种。
7.根据权利要求4所述的方法,其特征在于,所述根据在所述路段上采集的交通参与者的位置信息和所述目标数据采集车辆的位置信息,确定所述路段上的交通参与者与所述目标数据采集车辆的相对位置关系,包括:
根据在所述路段上采集的交通参与者的位置信息和所述目标数据采集车辆的位置信息,分别确定所述路段上各交通参与者所处的车道、所述目标数据采集车辆所处的车道以及各交通参与者的前后位置信息,所述前后位置信息用于指示交通参与者位于所述目标数据采集车辆的前方或者后方;
根据所述路段上各交通参与者所处的车道、所述目标数据采集车辆所处的车道以及各交通参与者的前后位置信息,确定所述路段上的交通参与者与所述目标数据采集车辆的相对位置关系。
8.根据权利要求1至7任一所述的方法,其特征在于,所述根据所述目标交通流数据生成交通热力图,包括:
根据所述目标交通流数据确定与所述目标交通流数据相关的各路段中交通参与者的数量;
根据与所述目标交通流数据相关的各路段中交通参与者的数量,生成所述交通热力图。
9.一种交通热力图生成装置,其特征在于,所述装置包括:
接收模块,用于接收数据筛选指令,所述数据筛选指令包含目标数据标签;
筛选模块,用于根据所述目标数据标签从预设数据库中筛选得到目标交通流数据,所述预设数据库中存储有由不同的数据采集车辆进行采集所得到的多条交通流数据,所述交通流数据用于表征交通参与者的数量,且,所述交通流数据与多个数据标签相对应,所述多个数据标签包括路段标签以及交通参与者标签,所述路段标签用于表征交通参与者所处的路段,所述交通参与者标签用于表征交通参与者的特征;
生成模块,用于根据所述目标交通流数据生成交通热力图。
10.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至8中任一项所述的方法的步骤。
11.一种计算机可读存储介质,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权利要求1至8中任一项所述的方法的步骤。
12.一种计算机程序产品,包括计算机程序,其特征在于,该计算机程序被处理器执行时实现权利要求1至8中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211245311.5A CN116010538A (zh) | 2022-10-12 | 2022-10-12 | 交通热力图生成方法、装置、设备、存储介质和程序产品 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211245311.5A CN116010538A (zh) | 2022-10-12 | 2022-10-12 | 交通热力图生成方法、装置、设备、存储介质和程序产品 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116010538A true CN116010538A (zh) | 2023-04-25 |
Family
ID=86019851
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211245311.5A Pending CN116010538A (zh) | 2022-10-12 | 2022-10-12 | 交通热力图生成方法、装置、设备、存储介质和程序产品 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116010538A (zh) |
-
2022
- 2022-10-12 CN CN202211245311.5A patent/CN116010538A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wilson et al. | Argoverse 2: Next generation datasets for self-driving perception and forecasting | |
US10545247B2 (en) | Computerized traffic speed measurement using sparse data | |
TWI670677B (zh) | 用於推薦預估到達時間的系統和方法 | |
US10839262B2 (en) | Machine learning a feature detector using synthetic training data | |
US20190066328A1 (en) | Method, apparatus, and system for a vertex-based evaluation of polygon similarity | |
CN103927374B (zh) | 一种基于SharpMap的Web GIS地图图层创建方法 | |
CN112868036A (zh) | 位置推荐的系统和方法 | |
CN109685898B (zh) | 点云数据的分层方法、装置、计算机设备和存储介质 | |
CN104679864A (zh) | 一种基于gis的嫌疑目标智能跟踪方法和装置 | |
CN111295569A (zh) | 用于生成道路地图的系统和方法 | |
CN111279386B (zh) | 用于新道路确定的系统和方法 | |
CN110689719B (zh) | 用于识别封闭路段的系统和方法 | |
US20220252422A1 (en) | Method, apparatus, and system for constructing a high-resolution map for geospatial big data processing | |
CN114782926B (zh) | 驾驶场景识别方法、装置、设备、存储介质和程序产品 | |
CN116010538A (zh) | 交通热力图生成方法、装置、设备、存储介质和程序产品 | |
Qi et al. | Spatial-temporal congestion identification based on time series similarity considering missing data | |
Lv et al. | Urban Traffic Congestion Index Estimation With Open Ubiquitous Data. | |
CN113008246A (zh) | 地图匹配方法和装置 | |
CN117290741B (zh) | 车辆聚类方法、装置、计算机设备和存储介质 | |
CN116665157B (zh) | 道路图像处理方法、装置、计算机设备和存储介质 | |
CN117911974B (zh) | 一种数据处理方法、装置、设备以及存储介质 | |
CN113924460B (zh) | 确定服务请求的推荐信息的系统和方法 | |
CN117036050A (zh) | 车险理赔处理方法、系统、计算机设备和存储介质 | |
CN108509635B (zh) | 用于生成信息的方法和装置 | |
CN115392391A (zh) | 道路类型识别模型的训练方法以及道路类型识别方法 |
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 |