CN116046014A - 道线规划方法、装置、电子设备及可读存储介质 - Google Patents
道线规划方法、装置、电子设备及可读存储介质 Download PDFInfo
- Publication number
- CN116046014A CN116046014A CN202310342240.9A CN202310342240A CN116046014A CN 116046014 A CN116046014 A CN 116046014A CN 202310342240 A CN202310342240 A CN 202310342240A CN 116046014 A CN116046014 A CN 116046014A
- Authority
- CN
- China
- Prior art keywords
- scene
- scenes
- target scene
- similar
- traffic
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3407—Route searching; Route guidance specially adapted for specific applications
- G01C21/3415—Dynamic re-routing, e.g. recalculating the route when the user deviates from calculated route or after detecting real-time traffic data or accidents
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
- G01C21/3492—Special cost functions, i.e. other than distance or default speed limit of road segments employing speed data or traffic data, e.g. real-time or historical
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本公开涉及一种车道线规划方法、装置、电子设备及可读存储介质,该方法包括:根据多个车辆的历史轨迹信息确定目标场景,目标场景包括拥堵场景和事故场景,获取与目标场景的路口类型相同且交通效率更高的相似场景,提取相似场景的车道线信息,根据相似场景的车道线信息调整目标场景中的车道线的布局;获取与拥堵场景或事故场景的路口类型相同但交通效率更高的相似场景,根据相似场景的车道线信息优化调整拥堵场景或事故场景的车道线,能够在一定程度上减缓拥堵场景或事故场景的交通拥堵情况,也能在一定程度上降低交通事故率;另外在新修道路车道线设计的时候也可以参考相似场景的车道线规划。
Description
技术领域
本公开涉及自动驾驶技术领域,尤其涉及一种车道线规划方法、装置、电子设备及可读存储介质。
背景技术
随着经济的发展,人民生活水平逐渐提高,汽车已经进入千家万户的家挺,而且随着互联网车企在制车领域的崛起,汽车将成为像手机一样会加速迭代的消费品,不断的进入到更多的家庭,向更多的地方渗透。那么在车辆逐渐增多的时代,车辆拥堵也成为城市一大隐患。如何解决城市交通拥堵,道路设计、交通灯时长、按时段分流出行都是现在实行的一些措施,但是交通拥堵这个问题依旧很突出,尤其是雨雪天、下班高峰期。除了上面的导致交通拥堵的因素,车道线的位置也是影响交通拥堵的重要因素,较好的车道线标识能够在一定程度上减缓交通的拥堵情况,也能在一定程度上降低交通事故率,如道路中间设置停车位,近距离并道导致的交通事故;另外在新修道路车道线设计的时候也可以有更好的选择。
发明内容
为克服相关技术中存在的问题,本公开提供一种车道线规划方法、装置、电子设备及可读存储介质。
根据本公开实施例的第一方面,提供一种车道线规划方法,包括:根据多个车辆的历史轨迹信息确定目标场景;所述目标场景包括拥堵场景和事故场景;获取与所述目标场景的路口类型相同且交通效率更高的相似场景;提取所述相似场景的车道线信息;根据所述相似场景的车道线信息调整所述目标场景中的车道线的布局。
可选的,所述根据多个车辆的历史轨迹信息确定目标场景,包括:根据所述多个车辆的所述历史轨迹信息确定各个候选场景中单位时间内的交通参与者密度,所述候选场景为各种类型的路口的交通场景,将所述交通参与者密度大于指定阈值的候选场景确定为所述目标场景;和/或将事故发生率高于指定频率的候选场景确定为所述目标场景。
可选的,所述获取与所述目标场景的路口类型相同且交通效率更高的相似场景,包括:提取所述目标场景的车道数量和所述路口类型;从高精地图中提取与所述目标场景的路口类型相同,单位时间内车辆流量的差值小于第一阈值,且车辆平均拥堵时间小于指定时间阈值的场景作为所述相似场景,和/或从所述高精地图中提取与所述目标场景的路口类型相同,单位时间内车辆流量的差值小于所述第一阈值,且交通事故率低于第二阈值的场景作为所述相似场景。
可选的,所述根据所述相似场景的车道线信息调整所述目标场景中的车道线的布局,包括:将所述目标场景中的车道线调整为所述相似场景的车道线,和/或将所述目标场景中的车道数量调整为所述相似场景的车道数量。
可选的,所述路口类型包括以下中的至少一个:环形路口、Y形路口、T形路口或十字路口。
根据本公开实施例的第二方面,提供一种车道线规划装置,包括:处理模块,被配置为根据多个车辆的历史轨迹信息确定目标场景;所述目标场景包括拥堵场景和事故场景;获取模块,被配置为获取与所述目标场景的路口类型相同且交通效率更高的相似场景;提取模块,被配置为提取所述相似场景的车道线信息;调整模块,被配置为根据所述相似场景的车道线信息调整所述目标场景中的车道线的布局。
根据本公开实施例的第三方面,提供一种电子设备,包括:处理器;用于存储处理器可执行指令的存储器;其中,所述处理器被配置为执行所述可执行指令实现前述的车道线规划方法的步骤。
根据本公开实施例的第四方面,提供一种计算机可读存储介质,其上存储有计算机程序指令,该计算机程序指令被处理器执行时实现本公开第一方面所提供的车道线规划方法的步骤。
本公开的实施例提供的技术方案可以包括以下有益效果:根据多个车辆的历史轨迹信息确定目标场景,目标场景包括拥堵场景和事故场景,获取与目标场景的路口类型相同且交通效率更高的相似场景,提取相似场景的车道线信息,根据相似场景的车道线信息调整目标场景中的车道线的布局;获取与拥堵场景或事故场景的路口类型相同但交通效率更高的相似场景,根据相似场景的车道线信息优化调整拥堵场景或事故场景的车道线,能够在一定程度上减缓拥堵场景或事故场景的交通拥堵情况,也能在一定程度上降低交通事故率,如道路中间设置停车位,近距离并道导致的交通事故;另外在新修道路车道线设计的时候也可以参考相似场景的车道线规划。
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,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。
图1为本公开示例性实施例示出的一种车道线规划方法的流程图。
图2为根据一示例性实施例示出的一种车道线规划装置的框图。
图3为根据一示例性实施例示出的一种装置的框图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
可以理解的是,本公开中“多个”是指两个或两个以上,其它量词与之类似。 “和/或”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。字符“/”一般表示前后关联对象是一种“或”的关系。单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。
进一步可以理解的是,术语“第一”、“第二”等用于描述各种信息,但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开,并不表示特定的顺序或者重要程度。实际上,“第一”、“第二”等表述完全可以互换使用。例如,在不脱离本公开范围的情况下,第一阈值也可以被称为第二阈值,类似地,第二阈值也可以被称为第一阈值。
进一步可以理解的是,本公开实施例中尽管在附图中以特定的顺序描述操作,但是不应将其理解为要求按照所示的特定顺序或是串行顺序来执行这些操作,或是要求执行全部所示的操作以得到期望的结果。在特定环境中,多任务和并行处理可能是有利的。
需要说明的是,本公开中所有获取信号、信息或数据的动作都是在遵照所在地国家相应的数据保护法规政策的前提下,并获得由相应装置所有者给予授权的情况下进行的。
相关技术中,城市道路每个车道宽度为3.5米,交叉路口分流车道每个车道宽度为2.3-2.5米,干线公路,包括高速公路,每个车道宽度为3.75米,路肩,即高速公路紧急停车带,每个车道宽度为1.5-2.5米。高速公路收费站每个车道宽度为2.5米,必要时必须设立3.5米以上的超宽收费车道,宽度保持通畅公路。那么车道线究竟多宽最合适,曲率如何设计,是完全依照路沿的走势,还是根据其他方法来确定,是一个待解决的问题。基于此,本文提出一种基于车辆的历史轨迹信息进行车道线优化的方法,对车道线的规划提出一种新的解决思路,来帮助提升交通的通行效率,缓解交通压力。
图1为本公开示例性实施例示出的一种车道线规划方法的流程图,如图1所示,该车道线规划方法用于终端中,终端可以是智能手机、笔记本电脑、台式电脑、平板电脑、智能音箱、智能机器人中的至少一种,车道线规划包括以下步骤。
在步骤S11中,根据多个车辆的历史轨迹信息确定目标场景。
示例性的,可以从高精地图中获取各个城市的各种类型的路口的多个车辆的历史轨迹信息,路口类型包括环形路口、Y形路口、T形路口或十字路口中的至少一个。
目标场景包括拥堵场景和事故场景;拥堵场景是指在车流量较高的路口,即交通参与者密度较高,车辆可能发生拥堵的交通场景;事故场景是指事故高频发生场景,例如,某个城市的各个路口发生交通事故的平均频率为P,若某个路口发生交通事故的平均频率为2P,那么可以将该路口确定为事故高频发生场景,即事故场景。
一种实施方式中,根据多个车辆的历史轨迹信息确定目标场景包括:根据多个车辆的历史轨迹信息确定各个候选场景中单位时间内的交通参与者密度,其中,候选场景为各种类型的路口的交通场景;然后将交通参与者密度大于指定阈值的候选场景确定为目标场景,和/或将事故发生率高于指定频率的候选场景确定为目标场景。其中,指定阈值和指定频率是根据经验数据确定的,或是其他可行的方式确定,本公开对此不做限制。交通参与者密度大于指定阈值,表明这个候选场景的路口的交通参与者较多,有可能发生拥堵或者已经发生拥堵,因此将这个候选场景确定为拥堵场景;事故发生率高于指定频率,表明这个候选场景的路口的交通事故频繁发生,因此将这个候选场景确定为事故场景。
在步骤S12中,获取与目标场景的路口类型相同且交通效率更高的相似场景。
其中,相似场景是指路口类型与目标场景的路口类型相同,且交通效率比目标场景更高交通场景,路口类型包括环形路口、Y形路口、T形路口或十字路口,交通效率更高是指车辆在路口的平均拥堵时间更少,或者是在单位时间内通过该路口的车辆更多。
首先提取目标场景的车道数量和路口类型,车道数量包括单车道、双车道、三车道和四车道,路口类型如前文所述,在此不再赘述。
一种实施方式中,获取与目标场景的路口类型相同且交通效率更高的相似场景包括:从高精地图中提取与目标场景的路口类型相同,单位时间内车辆流量的差值小于第一阈值,且车辆平均拥堵时间小于指定时间阈值的场景作为相似场景;其中,单位时间内车辆流量与目标场景单位时间内车辆流量的差值小于第一阈值,表明这个场景的车流量与目标场景的车流量比较接近;车辆平均拥堵时间小于指定时间阈值,表明这个场景的车辆拥堵时间较短,交通效率比较高。也即是将路口类型与目标场景相同,车辆流量与目标场景接近,但交通效率更高的场景作为相似场景。需要说明的是,第一阈值和指定时间阈值是根据经验数据确定的,或是其他可行的方式确定,本公开对此不做限制。
一种实施方式中,获取与目标场景的路口类型相同且交通效率更高的相似场景包括:从高精地图中提取与目标场景的路口类型相同,单位时间内车辆流量的差值小于第一阈值,且在单位时间内通过该路口的车辆数量大于指定数量阈值的场景作为相似场景;在单位时间内通过该路口的车辆数量大于指定数量阈值,表明车辆通过该路口所需要的时间更短,拥堵时间更短,或者根本不会发生拥堵。也即是将路口类型与目标场景相同,车辆流量与目标场景接近,但交通效率更高的场景作为相似场景。需要说明的是,第一阈值和指定数量阈值是根据经验数据确定的,或是其他可行的方式确定,本公开对此不做限制。
一种实施方式中,获取与目标场景的路口类型相同且交通效率更高的相似场景包括:从高精地图中提取与目标场景的路口类型相同,单位时间内车辆流量的差值小于第一阈值,且交通事故率低于第二阈值的场景作为相似场景。也即是将路口类型与目标场景相同,车辆流量与目标场景接近,但交通事故率更低的场景作为相似场景。需要说明的是,第二阈值和指定数量阈值是根据经验数据确定的,或是其他可行的方式确定,本公开对此不做限制。
一种实施方式中,获取与目标场景的路口类型相同且交通效率更高的相似场景包括:从高精地图中提取与目标场景的路口类型相同,单位时间内车辆流量的差值小于第一阈值,且车辆平均拥堵时间小于指定时间阈值的场景作为相似场景;和/或从高精地图中提取与目标场景的路口类型相同,单位时间内车辆流量的差值小于第一阈值,且交通事故率低于第二阈值的场景作为相似场景。
在步骤S13中,提取相似场景的车道线信息。
在前述步骤确定了相似场景,在本步骤中提取相似场景的车道线信息,车道线信息包括车道数量和车道线的位置,其中,车道数量用于划分道路的车道数量,车道线的位置用于划分每条车道的宽度。
在步骤S14中,根据相似场景的车道线信息调整目标场景中的车道线的布局。
在前述步骤确定了相似场景及相似场景的车道线信息。因为相似场景与目标场景路口类型相同,车流量接近,但交通效率却更高,因此可以基于根据相似场景的车道线信息调整目标场景中的车道线的布局。
一种实施方式中,根据相似场景的车道线信息调整目标场景中的车道线的布局包括:将目标场景中的车道线调整为相似场景的车道线。例如,在目标场景与相似场景车流量接近的情况下,目标场景中的道路为Y形路口且为三车道,三个车道为中间车道较宽,两边的车道较窄,在单位时间内通过该路口的车辆数量较少,而相似场景中的道路同为Y形路口且为三车道,在单位时间内通过该路口的车辆数量更多,因为相似场景中的道路的三车道为中间车道较窄,两边的车道较宽;表明Y形路口、三车道类型的路口更适合划分为中间车道较窄,两边的车道较宽的三车道,因此,可以将目标车道调整为中间车道较窄,两边的车道较宽的三车道,从而使目标场景中道路在单位时间内能通过更多的车辆,提高交通效率。
一种实施方式中,根据相似场景的车道线信息调整目标场景中的车道线的布局包括:将目标场景中的车道数量调整为相似场景的车道数量。例如,在目标场景与相似场景车流量接近的情况下,目标场景中的道路为十字路口且为双车道,交通事故率较高,相似场景中的道路同为十字路口,但车道为三车道,且交通事故率较低,表明十字路口、双车道类型的路口更适合划分为三车道,因此,可以将目标车道调整为三车道,从而降低目标场景中道路的交通事故率,保证交通安全性。
综上所述,本公开提供的车道线规划方法,包括:根据多个车辆的历史轨迹信息确定目标场景,目标场景包括拥堵场景和事故场景,获取与目标场景的路口类型相同且交通效率更高的相似场景,提取相似场景的车道线信息,根据相似场景的车道线信息调整目标场景中的车道线的布局;获取与拥堵场景或事故场景的路口类型相同但交通效率更高的相似场景,根据相似场景的车道线信息优化调整拥堵场景或事故场景的车道线,能够在一定程度上减缓拥堵场景或事故场景的交通拥堵情况,也能在一定程度上降低交通事故率,如道路中间设置停车位,近距离并道导致的交通事故;另外在新修道路车道线设计的时候也可以参考相似场景的车道线规划。
图2为本公开示例性实施例示出的一种车道线规划装置框图。参照图2,该车道线规划装置20包括处理模块201,获取模块202,提取模块203和调整模块204。
该处理模块201,被配置为根据多个车辆的历史轨迹信息确定目标场景;所述目标场景包括拥堵场景和事故场景;
该获取模块202,被配置为获取与所述目标场景的路口类型相同且交通效率更高的相似场景;
该提取模块203,被配置为提取所述相似场景的车道线信息;
该调整模块204,被配置为根据所述相似场景的车道线信息调整所述目标场景中的车道线的布局。
可选的,该处理模块201,还被配置为根据所述多个车辆的所述历史轨迹信息确定各个候选场景中单位时间内的交通参与者密度,所述候选场景为各种类型的路口的交通场景,
将所述交通参与者密度大于指定阈值的候选场景确定为所述目标场景;
和/或将事故发生率高于指定频率的候选场景确定为所述目标场景。
可选的,该获取模块202,还被配置为提取所述目标场景的车道数量和所述路口类型;
从高精地图中提取与所述目标场景的路口类型相同,单位时间内车辆流量的差值小于第一阈值,且车辆平均拥堵时间小于指定时间阈值的场景作为所述相似场景,
和/或从所述高精地图中提取与所述目标场景的路口类型相同,单位时间内车辆流量的差值小于所述第一阈值,且交通事故率低于第二阈值的场景作为所述相似场景。
可选的,该调整模块204,还被配置为将所述目标场景中的车道线调整为所述相似场景的车道线,
和/或将所述目标场景中的车道数量调整为所述相似场景的车道数量。
可选的,所述路口类型包括以下中的至少一个:环形路口、Y形路口、T形路口或十字路口。
关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
本公开还提供一种计算机可读存储介质,其上存储有计算机程序指令,该程序指令被处理器执行时实现本公开提供的车道线规划方法的步骤。
图3是根据一示例性实施例示出的一种用于车道线规划的装置的框图。例如,装置800可以是移智能手机、笔记本电脑、台式电脑、平板电脑、智能音箱、智能机器人等。
参照图3,装置800可以包括以下一个或多个组件:处理组件802,存储器804,电源组件806,多媒体组件808,音频组件810,输入/输出接口812,传感器组件814,以及通信组件816。
处理组件802通常控制装置800的整体操作,诸如与显示,电话呼叫,数据通信,相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令,以完成上述的车道线规划方法的全部或部分步骤。此外,处理组件802可以包括一个或多个模块,便于处理组件802和其他组件之间的交互。例如,处理组件802可以包括多媒体模块,以方便多媒体组件808和处理组件802之间的交互。
存储器804被配置为存储各种类型的数据以支持在装置800的操作。这些数据的示例包括用于在装置800上操作的任何应用程序或方法的指令,联系人数据,电话簿数据,消息,图片,视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。
电源组件806为装置800的各种组件提供电力。电源组件806可以包括电源管理系统,一个或多个电源,及其他与为装置800生成、管理和分配电力相关联的组件。
多媒体组件808包括在所述装置800和用户之间的提供一个输出接口的屏幕。在一些实施例中,屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板,屏幕可以被实现为触摸屏,以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界,而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中,多媒体组件808包括一个前置摄像头和/或后置摄像头。当装置800处于操作模式,如拍摄模式或视频模式时,前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件810被配置为输出和/或输入音频信号。例如,音频组件810包括一个麦克风(MIC),当装置800处于操作模式,如呼叫模式、记录模式和语音识别模式时,麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中,音频组件810还包括一个扬声器,用于输出音频信号。
输入/输出接口812为处理组件802和外围接口模块之间提供接口,上述外围接口模块可以是键盘,点击轮,按钮等。这些按钮可包括但不限于:主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件814包括一个或多个传感器,用于为装置800提供各个方面的状态评估。例如,传感器组件814可以检测到装置800的打开/关闭状态,组件的相对定位,例如所述组件为装置800的显示器和小键盘,传感器组件814还可以检测装置800或装置800一个组件的位置改变,用户与装置800接触的存在或不存在,装置800方位或加速/减速和装置800的温度变化。传感器组件814可以包括接近传感器,被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器,如CMOS或CCD图像传感器,用于在成像应用中使用。在一些实施例中,该传感器组件814还可以包括加速度传感器,陀螺仪传感器,磁传感器,压力传感器或温度传感器。
通信组件816被配置为便于装置800和其他设备之间有线或无线方式的通信。装置800可以接入基于通信标准的无线网络,如WiFi,2G或3G,或它们的组合。在一个示例性实施例中,通信组件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中,所述通信组件816还包括近场通信(NFC)模块,以促进短程通信。例如,在NFC模块可基于射频识别(RFID)技术,红外数据协会(IrDA)技术,超宽带(UWB)技术,蓝牙(BT)技术和其他技术来实现。
在示例性实施例中,装置800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述的车道线规划方法。
在示例性实施例中,还提供了一种包括指令的非临时性计算机可读存储介质,例如包括指令的存储器804,上述指令可由装置800的处理器820执行以完成上述的车道线规划方法。例如,所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
在另一示例性实施例中,还提供一种计算机程序产品,该计算机程序产品包含能够由可编程的装置执行的计算机程序,该计算机程序具有当由该可编程的装置执行时用于执行上述的车道线规划方法的代码部分。
本领域技术人员在考虑说明书及实践本公开后,将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由下面的权利要求指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
Claims (9)
1.一种车道线规划方法,其特征在于,包括:
根据多个车辆的历史轨迹信息确定目标场景;所述目标场景包括拥堵场景和事故场景;
获取与所述目标场景的路口类型相同且交通效率更高的相似场景;
提取所述相似场景的车道线信息;
根据所述相似场景的车道线信息调整所述目标场景中的车道线的布局。
2.根据权利要求1所述的方法,其特征在于,所述根据多个车辆的历史轨迹信息确定目标场景,包括:
根据所述多个车辆的所述历史轨迹信息确定各个候选场景中单位时间内的交通参与者密度,所述候选场景为各种类型的路口的交通场景,将所述交通参与者密度大于指定阈值的候选场景确定为所述目标场景;
和/或将事故发生率高于指定频率的候选场景确定为所述目标场景。
3.根据权利要求1所述的方法,其特征在于,所述获取与所述目标场景的路口类型相同且交通效率更高的相似场景,包括:
提取所述目标场景的车道数量和所述路口类型;
从高精地图中提取与所述目标场景的路口类型相同,单位时间内车辆流量的差值小于第一阈值,且车辆平均拥堵时间小于指定时间阈值的场景作为所述相似场景,和/或从所述高精地图中提取与所述目标场景的路口类型相同,单位时间内车辆流量的差值小于所述第一阈值,且交通事故率低于第二阈值的场景作为所述相似场景。
4.根据权利要求3所述的方法,其特征在于,所述根据所述相似场景的车道线信息调整所述目标场景中的车道线的布局,包括:
将所述目标场景中的车道线调整为所述相似场景的车道线;
和/或将所述目标场景中的车道数量调整为所述相似场景的车道数量。
5.根据权利要求1-4任意一项所述的方法,其特征在于,所述路口类型包括以下中的至少一个:环形路口、Y形路口、T形路口或十字路口。
6.一种车道线规划装置,其特征在于,包括:
处理模块,被配置为根据多个车辆的历史轨迹信息确定目标场景;所述目标场景包括拥堵场景和事故场景;
获取模块,被配置为获取与所述目标场景的路口类型相同且交通效率更高的相似场景;
提取模块,被配置为提取所述相似场景的车道线信息;
调整模块,被配置为根据所述相似场景的车道线信息调整所述目标场景中的车道线的布局。
7.根据权利要求6所述的装置,其特征在于,所述处理模块,还被配置为:
根据所述多个车辆的所述历史轨迹信息确定各个候选场景中单位时间内的交通参与者密度,所述候选场景为各种类型的路口的交通场景,将所述交通参与者密度大于指定阈值的候选场景确定为所述目标场景;
和/或将事故发生率高于指定频率的候选场景确定为所述目标场景。
8.一种电子设备,其特征在于,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为执行所述可执行指令实现权利要求1~5中任一项所述方法的步骤。
9.一种计算机可读存储介质,其上存储有计算机程序指令,其特征在于,所述程序指令被处理器执行时实现权利要求1~5中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310342240.9A CN116046014B (zh) | 2023-03-31 | 2023-03-31 | 道线规划方法、装置、电子设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310342240.9A CN116046014B (zh) | 2023-03-31 | 2023-03-31 | 道线规划方法、装置、电子设备及可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116046014A true CN116046014A (zh) | 2023-05-02 |
CN116046014B CN116046014B (zh) | 2023-06-30 |
Family
ID=86127687
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310342240.9A Active CN116046014B (zh) | 2023-03-31 | 2023-03-31 | 道线规划方法、装置、电子设备及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116046014B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109186616A (zh) * | 2018-09-20 | 2019-01-11 | 禾多科技(北京)有限公司 | 基于高精度地图和场景检索的车道线辅助定位方法 |
CN110221328A (zh) * | 2019-07-23 | 2019-09-10 | 广州小鹏汽车科技有限公司 | 一种组合导航方法和装置 |
WO2020052344A1 (zh) * | 2018-09-12 | 2020-03-19 | 华为技术有限公司 | 一种智能驾驶方法及智能驾驶系统 |
CN111339851A (zh) * | 2020-02-14 | 2020-06-26 | 青岛智能产业技术研究院 | 一种基于场景熟悉度的无人车远程接管方法 |
WO2022012094A1 (zh) * | 2020-07-16 | 2022-01-20 | 华人运通(上海)自动驾驶科技有限公司 | 驾驶场景重构方法、装置、系统、车辆、设备及存储介质 |
WO2022077266A1 (zh) * | 2020-10-14 | 2022-04-21 | 驭势(上海)汽车科技有限公司 | 一种交通拥堵感知方法、装置、电子设备及存储介质 |
CN114754780A (zh) * | 2021-01-08 | 2022-07-15 | 华为技术有限公司 | 车道线规划方法及相关装置 |
CN114754761A (zh) * | 2022-04-13 | 2022-07-15 | 智道网联科技(北京)有限公司 | 高精地图车道线的优化方法、装置及电子设备、存储介质 |
CN115675528A (zh) * | 2022-11-15 | 2023-02-03 | 北京百度网讯科技有限公司 | 基于相似场景挖掘的自动驾驶方法和车辆 |
US20230071836A1 (en) * | 2021-08-31 | 2023-03-09 | Beijing Tusen Weilai Technology Co., Ltd. | Scene security level determination method, device and storage medium |
-
2023
- 2023-03-31 CN CN202310342240.9A patent/CN116046014B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020052344A1 (zh) * | 2018-09-12 | 2020-03-19 | 华为技术有限公司 | 一种智能驾驶方法及智能驾驶系统 |
CN109186616A (zh) * | 2018-09-20 | 2019-01-11 | 禾多科技(北京)有限公司 | 基于高精度地图和场景检索的车道线辅助定位方法 |
CN110221328A (zh) * | 2019-07-23 | 2019-09-10 | 广州小鹏汽车科技有限公司 | 一种组合导航方法和装置 |
CN111339851A (zh) * | 2020-02-14 | 2020-06-26 | 青岛智能产业技术研究院 | 一种基于场景熟悉度的无人车远程接管方法 |
WO2022012094A1 (zh) * | 2020-07-16 | 2022-01-20 | 华人运通(上海)自动驾驶科技有限公司 | 驾驶场景重构方法、装置、系统、车辆、设备及存储介质 |
WO2022077266A1 (zh) * | 2020-10-14 | 2022-04-21 | 驭势(上海)汽车科技有限公司 | 一种交通拥堵感知方法、装置、电子设备及存储介质 |
CN114754780A (zh) * | 2021-01-08 | 2022-07-15 | 华为技术有限公司 | 车道线规划方法及相关装置 |
US20230071836A1 (en) * | 2021-08-31 | 2023-03-09 | Beijing Tusen Weilai Technology Co., Ltd. | Scene security level determination method, device and storage medium |
CN114754761A (zh) * | 2022-04-13 | 2022-07-15 | 智道网联科技(北京)有限公司 | 高精地图车道线的优化方法、装置及电子设备、存储介质 |
CN115675528A (zh) * | 2022-11-15 | 2023-02-03 | 北京百度网讯科技有限公司 | 基于相似场景挖掘的自动驾驶方法和车辆 |
Also Published As
Publication number | Publication date |
---|---|
CN116046014B (zh) | 2023-06-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20210209392A1 (en) | Image Processing Method and Device, and Storage Medium | |
CN114620072B (zh) | 车辆控制方法、装置、存储介质、电子设备及车辆 | |
CN113442929A (zh) | 一种车辆控制方法、装置、设备和计算机可读存储介质 | |
CN104537837A (zh) | 交通标志的获取、确定交通路线的方法、装置及系统 | |
CN113313115B (zh) | 车牌属性识别方法及装置、电子设备和存储介质 | |
CN113486957B (zh) | 神经网络训练和图像处理方法及装置 | |
CN106323296B (zh) | 识别出行模式的方法及装置 | |
CN110084393B (zh) | 一种路径信息的处理方法、装置及电子设备 | |
CN111523599B (zh) | 目标检测方法及装置、电子设备和存储介质 | |
CN110533948B (zh) | 一种路径推荐方法及装置 | |
CN116046014B (zh) | 道线规划方法、装置、电子设备及可读存储介质 | |
CN110414705B (zh) | 一种路径推荐方法及装置 | |
CN111582265A (zh) | 一种文本检测方法及装置、电子设备和存储介质 | |
Adhikari et al. | Bilateral bus information system in smart city | |
CN109961646B (zh) | 一种路况信息的纠错方法及装置 | |
CN111785044B (zh) | 交通灯控制方法及装置 | |
CN116834767A (zh) | 运动轨迹生成方法、装置、设备及存储介质 | |
CN114245915A (zh) | 交通信息处理方法、装置、电子设备、服务器和存储介质 | |
CN105930160A (zh) | 信息显示方法和装置 | |
CN114550115A (zh) | 目标跟踪方法、装置、终端及存储介质 | |
CN110823234B (zh) | 一种数据处理方法、装置和电子设备 | |
CN112950964B (zh) | 交通灯智能控制方法及装置、电子设备和存储介质 | |
CN110674424A (zh) | 一种出行信息推送方法、装置及介质 | |
CN112581749A (zh) | 获得车辆资源占用信息的方法、系统、装置及电子设备 | |
CN115035716B (zh) | 控制信号相位差确定方法及装置、电子设备和存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |