CN116403415A - 一种车道级路况获取方法、装置、电子设备及存储介质 - Google Patents
一种车道级路况获取方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN116403415A CN116403415A CN202310240702.6A CN202310240702A CN116403415A CN 116403415 A CN116403415 A CN 116403415A CN 202310240702 A CN202310240702 A CN 202310240702A CN 116403415 A CN116403415 A CN 116403415A
- Authority
- CN
- China
- Prior art keywords
- lane
- track
- vehicle
- road
- determining
- 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
- 238000000034 method Methods 0.000 title claims abstract description 56
- 238000005070 sampling Methods 0.000 claims abstract description 18
- 238000013507 mapping Methods 0.000 claims description 5
- 238000012163 sequencing technique Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 description 12
- 238000010586 diagram Methods 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/065—Traffic control systems for road vehicles by counting the vehicles in a section of the road or in a parking area, i.e. comparing incoming count with outgoing count
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
- G08G1/0112—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from the vehicle, e.g. floating car data [FCD]
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
- G08G1/0133—Traffic data processing for classifying traffic situation
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Traffic Control Systems (AREA)
Abstract
本说明书实施例提供一种车道级路况获取方法,包括:获取车辆搭载的高精度定位传感器采集的定位数据,并按照定位数据包含的各个轨迹点对应的采样时刻和平面坐标,对轨迹点进行排序,生成车辆的轨迹序列;基于预设的高精度地图数据中各个车道的中心线,与轨迹序列中各个轨迹点的位置关系,对轨迹序列进行分割,确定出与各个车道相匹配的轨迹子序列;针对任一车道,基于与车道相匹配的轨迹子序列计算车道内的平均车速,并通过比较平均车速与车道的预设车速,确定出车道的路况。通过高精度定位数据与高精度地图数据的结合,得到精确的轨迹点,提高车道和轨迹匹配的精度,将路况信息的获取级别从道路级提升至车道级,提升用户体验,方便用户出行。
Description
技术领域
本说明书涉及交通技术领域,尤其涉及一种车道级路况获取方法、装置、电子设备及存储介质。
背景技术
目前,车载地图或手机地图等地图应用,可以为用户提供路况信息,用于展示交通道路上的道路行驶情况,比如路况为拥堵、缓行和流畅,以便用户及时变更路线,绕开拥堵路段,从而更快到达目的地。
上述应用在提供路况信息时,通常是基于获取用户终端所在设备上传的卫星定位信号所确定的,比如,可以根据车辆的GPS数据,判断出某个路段聚集了多个车辆时,确定该路段为拥堵路段。
然而,由于卫星定位信号提供的数据具备的精度有限,路况信息的判断只能针对整条道路,无法精确到车道级别,比如GPS卫星定位信号的精度为10~30米,远大于单条车道的横向宽度,显然无法确定道路中横向上的各个车道内的路况。
因此,为了进一步方便用户的出行,提高用户的体验,需要将路况信息的精度从道路级别提升至车道级别。
发明内容
有鉴于此,本说明书一个或多个实施例提供一种车道级路况获取方法、装置、电子设备及存储介质,以解决相关技术中存在的问题。
为实现上述目的,本说明书一个或多个实施例提供技术方案如下:
根据本说明书实施例的第一方面,提供一种车道级路况获取方法,包括:
获取车辆搭载的高精度定位传感器采集的定位数据,并按照所述定位数据包含的各个轨迹点对应的采样时刻和平面坐标,对所述轨迹点进行排序,生成所述车辆的轨迹序列;
基于预设的高精度地图数据中各个车道的中心线,与所述轨迹序列中各个轨迹点的位置关系,对所述轨迹序列进行分割,确定出与所述各个车道相匹配的轨迹子序列;
针对任一车道,基于与所述车道相匹配的轨迹子序列计算所述车道内的平均车速,并通过比较所述平均车速与所述车道的预设车速,确定出所述车道的路况。
根据本说明书实施例的第二方面,提供一种车道级路况获取装置,包括:
生成模块,获取车辆搭载的高精度定位传感器采集的定位数据,并按照所述定位数据包含的各个轨迹点对应的采样时刻和平面坐标,对所述轨迹点进行排序,生成所述车辆的轨迹序列;
匹配模块,基于预设的高精度地图数据中各个车道的中心线,与所述轨迹序列中各个轨迹点的位置关系,对所述轨迹序列进行分割,确定出与所述各个车道相匹配的轨迹子序列;
比较模块,针对任一车道,基于与所述车道相匹配的轨迹子序列计算所述车道内的平均车速,并通过比较所述平均车速与所述车道的预设车速,确定出所述车道的路况。
根据本说明书实施例的第三方面,提供一种电子设备,包括通信接口、处理器、存储器和总线,所述通信接口、所述处理器和所述存储器之间通过总线相互连接;
所述存储器中存储机器可读指令,所述处理器通过调用所述机器可读指令,执行上述方法。
根据本说明书实施例的第四方面,提供一种机器可读存储介质,所述机器可读存储介质存储有机器可读指令,所述机器可读指令在被处理器调用和执行时,实现上述方法。
本说明书的实施例提供的技术方案可以包括以下有益效果:
通过以上技术方案,通过高精度定位传感器采集的定位数据生成车辆的轨迹序列,并通过高精度地图数据确定与各个车道相匹配的轨迹子序列,进而通过计算出的车道内的平均车速与车道的预设车速相比较,来确定出车道的路况。在上述过程中,可以通过高精度的定位数据与高精度的地图数据的结合,不仅可以得到精确的轨迹点,还可以提高车道和轨迹匹配的精度,从而将路况信息的获取级别从道路级提升至车道级,大大提升了用户的体验,方便了用户的出行。
附图说明
图1为本说明书一示例性实施例提供的一种车道级路况获取方法的应用场景图;
图2为本说明书一示例性实施例提供的一种车道级路况获取方法的流程图;
图3为本说明书一示例性实施例提供的一种车道级路况获取方法的示意图;
图4为本说明书一示例性实施例提供的一种车道级路况获取装置所在电子设备的结构示意图;
图5为本说明书一示例性实施例提供的一种车道级路况获取装置的框图。
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说明书一个或多个实施例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、本说明书一个或多个实施例的一些方面相一致的装置和方法的例子。
需要说明的是:在其他实施例中并不一定按照本说明书示出和描述的顺序来执行相应方法的步骤。在一些其他实施例中,其方法所包括的步骤可以比本说明书所描述的更多或更少。此外,本说明书中所描述的单个步骤,在其他实施例中可能被分解为多个步骤进行描述;而本说明书中所描述的多个步骤,在其他实施例中也可能被合并为单个步骤进行描述。
目前,由于获取路况信息时所依赖的定位数据精度低,仅能将路况信息确定在道路级别,并不能为用户提供车道级别的交通路况,确定出车道当前路况是拥堵、畅通还是缓行。
有鉴于此,本说明书提供一种通过高精度的定位数据与高精度的地图数据的结合来确定出精确的车道路况的技术方案。
在实现时,可以获取车辆搭载的高精度定位传感器采集的定位数据,并按照所述定位数据包含的各个轨迹点对应的采样时刻和平面坐标,对所述轨迹点进行排序,生成所述车辆的轨迹序列。
以图1为例,图1为本说明书一示例性实施例提供的一种车道级路况获取方法的应用场景图。
如图1所示,上述车道级路况获取方法可以应用于图1中的服务端110,服务端110可以通过与车辆终端120建立网络连接,来获取车辆搭载的高精度定位传感器采集高精度的定位数据,得到车辆的各个轨迹点。
然后,按照定位数据包含的各个轨迹点对应的采样时刻和平面坐标进行排序,生成车辆的轨迹序列。
其中,上述终端120具体可以是车载终端或车辆上的移动终端,移动终端具体可以手机、平板电脑、笔记本电脑等中的至少一种。车辆上安装有定位设备、显示屏以及客户端。服务端110可以是独立的服务器或者由多个服务器组成的服务器集群来实现。
然后,可以基于预设的高精度地图数据中各个车道的中心线,与所述轨迹序列中各个轨迹点的位置关系,对所述轨迹序列进行分割,确定出与所述各个车道相匹配的轨迹子序列。
继续举例,服务端可以基于服务端中预设的高精度地图数据中各个车道的中心线,与生成的轨迹序列中各个轨迹点的位置关系,对轨迹序列进行分割,确定出与各个车道相匹配的轨迹子序列。
之后,针对任一车道,基于与所述车道相匹配的轨迹子序列计算所述车道内的平均车速,并通过比较所述平均车速与所述车道的预设车速,确定出所述车道的路况。
在图1中,服务端可以针对任一车道,基于与车道相匹配的轨迹子序列计算车道内的平均车速,并通过比较平均车速与服务端中预设的该车道的常规车速,确定出该车道的路况。进一步的,将该车道的路况通过网络下发给车辆终端,以由车辆终端通过显示屏反馈给用户。
通过以上技术方案,通过高精度定位传感器采集的定位数据生成车辆的轨迹序列,并通过高精度地图数据确定与各个车道相匹配的轨迹子序列,进而通过计算出的车道内的平均车速与车道的预设车速相比较,来确定出车道的路况。在上述过程中,可以通过高精度的定位数据与高精度的地图数据的结合,不仅可以得到精确的轨迹点,还可以提高车道和轨迹匹配的精度,从而将路况信息的获取级别从道路级提升至车道级,大大提升了用户的体验,方便了用户的出行。
下面结合附图对本说明书的车道级路况获取方法进行详细说明。
请参见图2,图2为本说明书一示例性实施例提供的一种车道级路况获取方法的流程图,包括以下步骤:
步骤201,获取车辆搭载的高精度定位传感器采集的定位数据,并按照所述定位数据包含的各个轨迹点对应的采样时刻和平面坐标,对所述轨迹点进行排序,生成所述车辆的轨迹序列;
步骤202,基于预设的高精度地图数据中各个车道的中心线,与所述轨迹序列中各个轨迹点的位置关系,对所述轨迹序列进行分割,确定出与所述各个车道相匹配的轨迹子序列;
步骤203,针对任一车道,基于与所述车道相匹配的轨迹子序列计算所述车道内的平均车速,并通过比较所述平均车速与所述车道的预设车速,确定出所述车道的路况。
值得说明的是,由于上述车道级路况在确定时需要耗费较大的算力资源,因此,可以通过增加车道级路况存在性的判断方法,从而仅在判断出道路上存在车道级路况时,才执行上述车道级路况获取方法,以便大幅降低车道级路况获取的时机,节约算力资源。
在示出的一种实施方式中,可以针对任一道路区间,获取经过所述道路区间的任一车辆的卫星定位数据,并基于所述卫星定位数据计算所述车辆经过所述道路区间时的平均车速;其中,所述卫星定位数据的精度低于所述高精度定位传感器采集的定位数据的精度;
统计经过所述道路区间的各个车辆分别对应的平均车速,并判断所述统计结果是否符合标准正态分布;
如果符合,则确定所述道路区间的各个车道之间路况相同,所述道路区间不存在车道级路况;如果不符合,则确定所述道路区间的各个车道之间路况存在差异,所述道路区间存在车道级路况。
举例来说,可以针对任意一段道路区间,获取经过这个道路区间的任一车辆的卫星定位数据,并基于卫星定位数据来计算该车辆经过这个道路区间时的平均车速。
然后,通过统计经过该道路区间的各个车辆分别对应的平均车速来判断统计结果是否符合标准正态分布。
如果符合标准正态分布,说明该道路区间的各个车辆,大多数车辆的平均车速相差不多,可以确定道路区间的各个车道之间路况相同,该道路区间不存在车道级路况。
而如果不符合标准正态分布,说明该道路区间的各个车辆平均车速相差较大,可以确定道路区间的各个车道之间路况存在较大差异,该道路区间存在车道级路况。
需要说明的是,由于卫星定位数据的精度低于高精度定位传感器采集的定位数据的精度,并且卫星定位数据的精度无法满足车道级路况的获取条件,因此,在本说明书中,可以利用卫星定位数据来进行辅助判断,确定是否存在车道级路况。
在本实施例中,可以获取车辆搭载的高精度定位传感器采集的定位数据,并按照所述定位数据包含的各个轨迹点对应的采样时刻和平面坐标,对所述轨迹点进行排序,生成所述车辆的轨迹序列。
其中,车辆搭载的高精度定位传感器可以周期性的进行采样,可以在车辆行驶过程中得到一系列的采样点,也可以称为轨迹点,这些轨迹点包含在定位传感器采集的定位数据中。
举例来说,通过获取车辆搭载的高精度定位传感器采集的定位数据,可以根据定位数据包含的在车辆行驶过程中采集的各个轨迹点对应的采样时刻和平面坐标,对这些轨迹点按照时间顺序和行驶方向进行排序,生成车辆的轨迹序列。
以图3为例,图3为本说明书一示例性实施例提供的一种车道级路况获取方法的示意图,如图3所示,轨迹点P1~P12是车辆行驶过程中由高精度定位传感器采集的各个轨迹点,通过对这些轨迹点进行排序,可以生成车辆在该道路区间内行驶所形成的轨迹序列。
在示出的一种实施方式中,可以响应于任一道路区间存在车道级路况,获取指定时段内经过所述道路区间的车辆搭载的高精度定位传感器采集的定位数据。
例如,当确定出任一道路区间存在车道级路况时,可以根据确定的时刻,获取过去1小时内经过该道路区间的车辆搭载的高精度定位传感器采集的历史定位数据。具体指定过去还是未来的多久的时间段,本说明书中对此不做限定,本领域技术人员可以根据需要的数据量,以及算力的上限来自行确定。
在本实施例中,可以基于预设的高精度地图数据中各个车道的中心线,与所述轨迹序列中各个轨迹点的位置关系,对所述轨迹序列进行分割,确定出与所述各个车道相匹配的轨迹子序列。
其中,高精度地图,也称为高分辨率地图,不同于传统的基础地图数据,高精度地图数据具有更高的精度,可以精确到厘米级。并且,高精度地图数据具有更广的数据维度,不仅具有道路细节信息,比如车道线、车道中心线、车道属性变化等,还具有与交通相关的道路周边设施信息,比如护栏、信号灯、障碍物等辅助信息。
举例来说,可以基于预设的高精度地图数据中精确到厘米级别的各个车道的中心线所在位置,与高精度定位传感器采集的同样具有高精度的轨迹序列中各个轨迹点的位置进行比较,根据点和线的位置关系,对轨迹序列进行分割,确定出与各个车道相匹配的轨迹子序列。
值得说明的是,在面对复杂路况时,比如在面对高架路或立交桥等在同一交通区域内具有高低差的道路时,由于高精度地图数据中不具备高度数据,可能会导致匹配出现误差。
因此,为了提高匹配的准确度,可以基于定位数据中包含的海拔高度,通过与传统的普通地图数据中包含的高程数据(即海拔高度数据)进行匹配,从而在具有层级关系的多个道路中确定出车辆所在的目标道路。
在示出的一种实施方式中,所述高精度定位传感器采集的定位数据还包括各个轨迹点对应的海拔高度;
进一步的,可以基于所述车辆的轨迹序列和所述海拔高度,匹配预设的基础地图数据,确定上述车辆所在的目标道路;其中,所述基础地图数据包含了不同道路之间在高度上的层级关系;根据所述高精度地图数据中各个车道的中心线与道路的中心线的映射关系,确定出与所述目标道路的中心线匹配的所述目标道路包含的各个车道的中心线。
例如,在某个交通区域内,可能同时存在隧道、地面道路和高架道路,为了确定出正确的道路,可以先基于车辆的轨迹序列和海拔高度,匹配预设的基础地图数据,根据基础地图数据中的高程数据确定多条道路中与车辆的轨迹序列相匹配的目标道路。
在确定出车辆所在的目标道路后,需要将车辆的轨迹序列和目标道路对应的高精度地图数据进行匹配,在匹配时,可以根据高精度地图数据中各个车道的中心线与基础地图数据中道路的中心线的映射关系,确定出与目标道路的中心线匹配的目标道路包含的各个车道的中心线。
在确定出与各个车道相匹配的轨迹子序列之后,可以根据轨迹点和中心线线的位置关系,对轨迹序列进行分割。
在示出的一种实施方式中,可以针对所述轨迹序列中的任一轨迹点,将所述轨迹点向所述高精度地图数据中各个车道的中心线分别进行垂直投影,计算所述轨迹点对应的平面坐标到所述各个车道的中心线的垂直投影距离;
遍历所述轨迹序列中的轨迹点,将与所述轨迹点距离最小的中心线对应的车道确定为与所述轨迹点相匹配的车道;
基于所述轨迹点和所述车道的匹配结果,对所述轨迹序列进行分割,确定出与所述各个车道相匹配的轨迹子序列。
举例来说,如图3所示,针对轨迹序列中的任一轨迹点,以轨迹点P1为例,可以将轨迹点P1向高精度地图数据中各个车道的中心线L1、L2和L3分别进行垂直投影,计算轨迹点P1对应的平面坐标到各个车道的中心线的垂直投影距离D1、D2和D3。
其中,假设D1、D2和D3中的数值最小的为D1,那么可知轨迹点P1到中心线L1的垂直投影距离最短,因此,可以将中心线为L1的车道,确定为轨迹点P1所在的车道。
然后,通过遍历图3轨迹序列中的所有轨迹点,确定与每个轨迹点垂直投影距离最小的中心线,进而确定与各个轨迹点相匹配的车道。
再然后,可以基于轨迹点和车道的匹配结果,对轨迹序列进行分割,在分割时,可以根据轨迹点是否连续匹配相同的车道来进行分割,比如在图3中,轨迹点P1~P5和P7都与第一车道相匹配,但由于轨迹点P6与第二车道相匹配,导致轨迹点P7不连续,因此,可以基于轨迹点P6进行划分,得到由轨迹点P1~P5构成与第一车道相匹配的轨迹子序列。
在上述进行轨迹序列的分割时,还可以基于指定的轨迹点的数量进行分割。
在示出的一种实施方式中,可以基于轨迹点的指定数量,对所述轨迹序列进行分割,得到包含指定数量的轨迹点的轨迹子序列;
基于所述轨迹子序列中各个轨迹点和所述车道的匹配结果,判断与同一车道相匹配的轨迹点的数量是否达到阈值;如果是,将所述轨迹子序列确定为与所述车道相匹配的轨迹子序列;
遍历所述轨迹子序列,得到与所述各个车道相匹配的轨迹子序列。
举例来说,如图3所示,假设轨迹点的指定数量为6个,也就是说每间隔6个轨迹点划分一个轨迹子序列,那么图3中的轨迹序列可以划分为由轨迹点P1~P6构成的第一轨迹子序列,以及由轨迹点P7~P12构成的第二轨迹子序列。
然后,对于第一轨迹子序列,通过基于轨迹子序列中各个轨迹点和车道的匹配结果,可知轨迹点P1~P5和第一车道相匹配,轨迹点P6和第二车道相匹配,进而判断与同一车道相匹配的轨迹点的数量是否达到阈值。
其中,假设相匹配的轨迹点数量的阈值为4,那么由于第一轨迹子序列中与第一车道相匹配的轨迹点的数量为5,大于4,可以确定第一轨迹子序列为与第一车道相匹配的轨迹子序列。
可以想象,当轨迹序列包含的轨迹点数量很多时,同一车道可能包含了多个轨迹子序列,因此,可以通过遍历划分出的轨迹子序列,确定出与各个车道相匹配的轨迹子序列的集合。
由前述可知,由于高精度地图中还包含了更广的数据维度,具备了与交通相关的道路周边设施信息,比如护栏、信号灯、障碍物等辅助信息,因此,可以对停车场景中的轨迹点进行剔除,比如在铁道路口、收费通道、停止线等停车场景的轨迹点进行剔除,从而提高车道级路况的准确度。
在示出的一种实施方式中,可以响应于所述轨迹序列中存在多个位于同一区域的轨迹点,基于所述高精度地图数据判断所述区域是否为停车场景对应的区域;如果是,则将所述停车场景对应的区域中的轨迹点,从所述轨迹序列中删除。
举例来说,当轨迹序列中存在多个位于同一区域的轨迹点时,比如15个轨迹点中有13个轨迹点的坐标位于同一区域,这些轨迹点之间距离相差不大,可以认为车辆并非是由于路况而停止了行驶,需要借助高精度地图数据来判断该区域是否为停车场景对应的区域;如果是,则需要将停车场景对应的区域中的这些轨迹点,从轨迹序列中进行删除,从而排除干扰项,提高车道级路况的准确性。
在上述确定出各个车道相匹配的轨迹子序列之后,接下来就可以对各个车道的路况进行判断。
在本实施例中,可以针对任一车道,基于与所述车道相匹配的轨迹子序列计算所述车道内的平均车速,并通过比较所述平均车速与所述车道的预设车速,确定出所述车道的路况。
举例来说,假设图3中的第一车道相匹配的轨迹子序列所包含的轨迹点为P1~P5,可以基于这段轨迹子序列的起始点P1和终止点P5对应的坐标和采样时间,计算这段轨迹子序列对应的车辆在车道内的平均车速。
进一步的,通过将计算出的平均车速,和该车道预设的常规车速进行比较,比如,如果平均车速处于常规车速的30%~80%范围内,认为该车道的路况为缓行,而如果平均车速低于常规车速的30%,则认为该车道的路况为拥堵。
在示出的一种实施方式中,可以针对与所述车道相匹配的任一轨迹子序列,根据所述轨迹子序列的起始轨迹点和终止轨迹点分别对应的采样时刻和平面坐标,计算所述轨迹子序列所属的车辆在所述车道内行驶的平均速度;
根据与所述车道相匹配的所有轨迹子序列分别对应的平均速度,计算所述车道内的平均车速。
例如,当与某个车道相匹配的轨迹子序列存在多个时,可以先分别计算每条轨迹子序列所属的车辆在车道内行驶的平均速度,在计算时,可以根据轨迹子序列的起始轨迹点和终止轨迹点分别对应的采样时刻和平面坐标来计算。
在得到与该车道相匹配的所有轨迹子序列分别对应的平均车速后,再进行一次均值计算,可以得到该车道内的平均车速。
值得说明的是,为了提高车道路况的准确性,可以将车道划分为多个车道区间,针对每个车道区间确定路况,再将这些车道区间的路况汇总为整条车道的路况。
举例来说,假设车道长度为1km,如果该车道在这1km的长度上,有500m的畅通路段,以及500m的缓行路段。那么在1km的跨度上,计算平均车速时,计算出的平均车速将小于500m的缓行路段的平均车速,进而导致路况的判断不够准确。
因此,为了从更细的粒度上获取车道级的车况,可以将车道划分为多个细粒度的车道区间,比如车道区间的跨度可以为50m。
在示出的一种实施方式中,可以针对任一车道,基于指定的长度对所述车道进行划分,得到多个车道区间;
针对划分出的任一车道区间,根据与所述车道匹配的轨迹子序列,确定所述车辆经过所述车道区间的时间差,根据所述时间差和指定的长度,计算所述车辆在所述车道区间的平均车速;
根据指定时间段内经过所述车道区间的车辆的平均车速,计算所述车道区间的平均车速;
进一步的,可以通过比较所述平均车速与所述车道区间的预设车速,确定出所述车道区间的路况;
通过对所述车道区间的路况的组合,确定所述车道的路况。
举例来说,可以针对任一车道,基于指定的长度对车道进行划分,得到多个车道区间,比如对上述1km的车道,基于50m的单位区间长度进行划分,可以将1km的车道划分出20个车道区间。
然后,针对这20个车道区间的任一车道区间,可以根据与该车道匹配的轨迹子序列,确定出车辆在经过该车道区间的时间差,那么基于该时间差和区间长度50m,可以得到该车道区间内车辆的平均车速。
之后,可以根据指定时间段内经过该车道区间的车辆的平均车速,比如过去1小时内经过该车道区间的所有车辆的平均车速,来进一步做均值计算,得到该车道区间的平均车速。
再然后,可以通过比较该车道区间的平均车速,与该车道区间的预设车速,来确定出该车道区间的路况。
最后,可以通过对车道区间的路况的组合,确定车道的路况。
比如,在组合时,可以按照车道区间的位置,依次将各个车道区间的路况通过分段显示的方式,输出到显示屏。
在示出的一种实施方式中,可以将所述平均车速,与基于所述车道的预设车速的不同比例划分出的多个速度区间进行比较,确定出与所述平均车速对应的目标速度区间;其中,不同的速度区间分别对应了不同的路况;
根据确定出的目标速度区间,确定所述车道的路况。
举例来说,假设车道预设的常规车速为60km/h,那么可以以该常规车速为基础,根据不同的比例进行车速区间划分,比如低于20km/h为拥堵,20km/h~40km/h为缓行,高于40km/h为畅通。
那么当平均车速为30km/h,通过将平均车速与上述多个速度区间进行比较,可以确定车道对应的目标速度区间为20km/h~40km/h,该车道的路况为缓行。
通过以上技术方案,通过高精度定位传感器采集的定位数据生成车辆的轨迹序列,并通过高精度地图数据确定与各个车道相匹配的轨迹子序列,进而通过计算出的车道内的平均车速与车道的预设车速相比较,来确定出车道的路况。在上述过程中,可以通过高精度的定位数据与高精度的地图数据的结合,不仅可以得到精确的轨迹点,还可以提高车道和轨迹匹配的精度,从而将路况信息的获取级别从道路级提升至车道级,大大提升了用户的体验,方便了用户的出行。
在本说明书的示例性实施例中,还提供了一种能够实现上述方法的设备。
图4是一示例性实施例提供的一种设备的示意结构图。请参考图4,在硬件层面,该设备包括处理器402、内部总线404、网络接口406、内存408以及非易失性存储器410,当然还可能包括其他业务所需要的硬件。本说明书一个或多个实施例可以基于软件方式来实现,比如由处理器402从非易失性存储器410中读取对应的计算机程序到内存408中然后运行。当然,除了软件实现方式之外,本说明书一个或多个实施例并不排除其他实现方式,比如逻辑器件抑或软硬件结合的方式等等,也就是说以下处理流程的执行主体并不限定于各个逻辑单元,也可以是硬件或逻辑器件。
请参考图5,在一软件实施方式中,提供了一种车道级路况获取装置500,如图5所示,所述装置500包括:
生成模块501,获取车辆搭载的高精度定位传感器采集的定位数据,并按照所述定位数据包含的各个轨迹点对应的采样时刻和平面坐标,对所述轨迹点进行排序,生成所述车辆的轨迹序列;
匹配模块502,基于预设的高精度地图数据中各个车道的中心线,与所述轨迹序列中各个轨迹点的位置关系,对所述轨迹序列进行分割,确定出与所述各个车道相匹配的轨迹子序列;
比较模块503,针对任一车道,基于与所述车道相匹配的轨迹子序列计算所述车道内的平均车速,并通过比较所述平均车速与所述车道的预设车速,确定出所述车道的路况。
可选的,所述装置500,还包括:
判断模块504(图中未示出),针对任一道路区间,获取经过所述道路区间的任一车辆的卫星定位数据,并基于所述卫星定位数据计算所述车辆经过所述道路区间时的平均车速;其中,所述卫星定位数据的精度低于所述高精度定位传感器采集的定位数据的精度;
统计经过所述道路区间的各个车辆分别对应的平均车速,并判断所述统计结果是否符合标准正态分布;
如果符合,则确定所述道路区间的各个车道之间路况相同,所述道路区间不存在车道级路况;如果不符合,则确定所述道路区间的各个车道之间路况存在差异,所述道路区间存在车道级路况。
可选的,所述生成模块501,进一步:
响应于任一道路区间存在车道级路况,获取指定时段内经过所述道路区间的车辆搭载的高精度定位传感器采集的定位数据。
可选的,所述高精度定位传感器采集的定位数据还包括各个轨迹点对应的海拔高度;
进一步的,所述装置500,还包括:
第二匹配模块505(图中未示出),基于所述车辆的轨迹序列和所述海拔高度,匹配预设的基础地图数据,确定上述车辆所在的目标道路;其中,所述基础地图数据包含了不同道路之间在高度上的层级关系;
映射模块506(图中未示出),根据所述高精度地图数据中各个车道的中心线与道路的中心线的映射关系,确定出与所述目标道路的中心线匹配的所述目标道路包含的各个车道的中心线。
可选的,所述匹配模块502,进一步:
针对所述轨迹序列中的任一轨迹点,将所述轨迹点向所述高精度地图数据中各个车道的中心线分别进行垂直投影,计算所述轨迹点对应的平面坐标到所述各个车道的中心线的垂直投影距离;
遍历所述轨迹序列中的轨迹点,将与所述轨迹点距离最小的中心线对应的车道确定为与所述轨迹点相匹配的车道;
基于所述轨迹点和所述车道的匹配结果,对所述轨迹序列进行分割,确定出与所述各个车道相匹配的轨迹子序列。
可选的,所述匹配模块502,进一步:
基于轨迹点的指定数量,对所述轨迹序列进行分割,得到包含指定数量的轨迹点的轨迹子序列;
基于所述轨迹子序列中各个轨迹点和所述车道的匹配结果,判断与同一车道相匹配的轨迹点的数量是否达到阈值;如果是,将所述轨迹子序列确定为与所述车道相匹配的轨迹子序列;
遍历所述轨迹子序列,得到与所述各个车道相匹配的轨迹子序列。
可选的,所述装置500,还包括:
删除模块507(图中未示出),响应于所述轨迹序列中存在多个位于同一区域的轨迹点,基于所述高精度地图数据判断所述区域是否为停车场景对应的区域;如果是,则将所述停车场景对应的区域中的轨迹点,从所述轨迹序列中删除。
可选的,所述比较模块503,进一步:
针对与所述车道相匹配的任一轨迹子序列,根据所述轨迹子序列的起始轨迹点和终止轨迹点分别对应的采样时刻和平面坐标,计算所述轨迹子序列所属的车辆在所述车道内行驶的平均速度;
根据与所述车道相匹配的所有轨迹子序列分别对应的平均速度,计算所述车道内的平均车速。
可选的,所述比较模块503,进一步:
针对任一车道,基于指定的长度对所述车道进行划分,得到多个车道区间;
针对划分出的任一车道区间,根据与所述车道匹配的轨迹子序列,确定所述车辆经过所述车道区间的时间差,根据所述时间差和指定的长度,计算所述车辆在所述车道区间的平均车速;
根据指定时间段内经过所述车道区间的车辆的平均车速,计算所述车道区间的平均车速;
通过比较所述平均车速与所述车道区间的预设车速,确定出所述车道区间的路况;
通过对所述车道区间的路况的组合,确定所述车道的路况。
可选的,所述比较模块503,进一步:
将所述平均车速,与基于所述车道的预设车速的不同比例划分出的多个速度区间进行比较,确定出与所述平均车速对应的目标速度区间;其中,不同的速度区间分别对应了不同的路况;
根据确定出的目标速度区间,确定所述车道的路况。
上述装置500中各个模块的功能和作用的实现过程具体详见上述车道级路况获取方法中对应步骤的实现过程,相关之处参见方法实施方式的部分说明即可,在此不再赘述。
以上所描述的装置实施方式仅仅是示意性的,其中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模块,即可以位于一个地方,或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部单元或模块来实现本说明书方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
上述实施例阐明的系统、装置、模块或单元,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。一种典型的实现设备为计算机,计算机的具体形式可以是个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件收发设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任意几种设备的组合。
在一个典型的配置中,计算机包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带、磁盘存储、量子存储器、基于石墨烯的存储介质或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
在本说明书一个或多个实施例使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本说明书一个或多个实施例。在本说明书一个或多个实施例和所附权利要求书中所使用的单数形式的“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。还应当理解,本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解,尽管在本说明书一个或多个实施例可能采用术语第一、第二、第三等来描述各种信息,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。例如,在不脱离本说明书一个或多个实施例范围的情况下,第一信息也可以被称为第二信息,类似地,第二信息也可以被称为第一信息。取决于语境,如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
以上所述仅为本说明书一个或多个实施例的较佳实施例而已,并不用以限制本说明书一个或多个实施例,凡在本说明书一个或多个实施例的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本说明书一个或多个实施例保护的范围之内。
Claims (13)
1.一种车道级路况获取方法,包括:
获取车辆搭载的高精度定位传感器采集的定位数据,并按照所述定位数据包含的各个轨迹点对应的采样时刻和平面坐标,对所述轨迹点进行排序,生成所述车辆的轨迹序列;
基于预设的高精度地图数据中各个车道的中心线,与所述轨迹序列中各个轨迹点的位置关系,对所述轨迹序列进行分割,确定出与所述各个车道相匹配的轨迹子序列;
针对任一车道,基于与所述车道相匹配的轨迹子序列计算所述车道内的平均车速,并通过比较所述平均车速与所述车道的预设车速,确定出所述车道的路况。
2.根据权利要求1所述的方法,在所述获取车辆搭载的高精度定位传感器采集的定位数据之前,所述方法还包括:
针对任一道路区间,获取经过所述道路区间的任一车辆的卫星定位数据,并基于所述卫星定位数据计算所述车辆经过所述道路区间时的平均车速;其中,所述卫星定位数据的精度低于所述高精度定位传感器采集的定位数据的精度;
统计经过所述道路区间的各个车辆分别对应的平均车速,并判断所述统计结果是否符合标准正态分布;
如果符合,则确定所述道路区间的各个车道之间路况相同,所述道路区间不存在车道级路况;如果不符合,则确定所述道路区间的各个车道之间路况存在差异,所述道路区间存在车道级路况。
3.根据权利要求1所述的方法,所述获取车辆搭载的高精度定位传感器采集的定位数据,包括:
响应于任一道路区间存在车道级路况,获取指定时段内经过所述道路区间的车辆搭载的高精度定位传感器采集的定位数据。
4.根据权利要求1所述的方法,所述高精度定位传感器采集的定位数据还包括各个轨迹点对应的海拔高度;
所述方法还包括:
基于所述车辆的轨迹序列和所述海拔高度,匹配预设的基础地图数据,确定上述车辆所在的目标道路;其中,所述基础地图数据包含了不同道路之间在高度上的层级关系;
根据所述高精度地图数据中各个车道的中心线与道路的中心线的映射关系,确定出与所述目标道路的中心线匹配的所述目标道路包含的各个车道的中心线。
5.根据权利要求1所述的方法,所述基于预设的高精度地图数据中各个车道的中心线,与所述轨迹序列中各个轨迹点的位置关系,对所述轨迹序列进行分割,确定出与所述各个车道相匹配的轨迹子序列,包括:
针对所述轨迹序列中的任一轨迹点,将所述轨迹点向所述高精度地图数据中各个车道的中心线分别进行垂直投影,计算所述轨迹点对应的平面坐标到所述各个车道的中心线的垂直投影距离;
遍历所述轨迹序列中的轨迹点,将与所述轨迹点距离最小的中心线对应的车道确定为与所述轨迹点相匹配的车道;
基于所述轨迹点和所述车道的匹配结果,对所述轨迹序列进行分割,确定出与所述各个车道相匹配的轨迹子序列。
6.根据权利要求5所述的方法,所述基于所述轨迹点和所述车道的匹配结果,对所述轨迹序列进行分割,确定出与所述各个车道相匹配的轨迹子序列,包括:
基于轨迹点的指定数量,对所述轨迹序列进行分割,得到包含指定数量的轨迹点的轨迹子序列;
基于所述轨迹子序列中各个轨迹点和所述车道的匹配结果,判断与同一车道相匹配的轨迹点的数量是否达到阈值;如果是,将所述轨迹子序列确定为与所述车道相匹配的轨迹子序列;
遍历所述轨迹子序列,得到与所述各个车道相匹配的轨迹子序列。
7.根据权利要求1所述的方法,所述方法还包括:
响应于所述轨迹序列中存在多个位于同一区域的轨迹点,基于所述高精度地图数据判断所述区域是否为停车场景对应的区域;
如果是,则将所述停车场景对应的区域中的轨迹点,从所述轨迹序列中删除。
8.根据权利要求1所述的方法,所述基于与所述车道相匹配的轨迹子序列计算所述车道内的平均车速,包括:
针对与所述车道相匹配的任一轨迹子序列,根据所述轨迹子序列的起始轨迹点和终止轨迹点分别对应的采样时刻和平面坐标,计算所述轨迹子序列所属的车辆在所述车道内行驶的平均速度;
根据与所述车道相匹配的所有轨迹子序列分别对应的平均速度,计算所述车道内的平均车速。
9.根据权利要求1所述的方法,所述针对任一车道,基于与所述车道相匹配的轨迹子序列计算所述车道内的平均车速,包括:
针对任一车道,基于指定的长度对所述车道进行划分,得到多个车道区间;
针对划分出的任一车道区间,根据与所述车道匹配的轨迹子序列,确定所述车辆经过所述车道区间的时间差,根据所述时间差和指定的长度,计算所述车辆在所述车道区间的平均车速;
根据指定时间段内经过所述车道区间的车辆的平均车速,计算所述车道区间的平均车速;
所述通过比较所述平均车速与所述车道的预设车速,确定出所述车道的路况,包括:
通过比较所述平均车速与所述车道区间的预设车速,确定出所述车道区间的路况;
通过对所述车道区间的路况的组合,确定所述车道的路况。
10.根据权利要求1所述的方法,所述通过比较所述平均车速与所述车道的预设车速,确定出所述车道的路况,包括:
将所述平均车速,与基于所述车道的预设车速的不同比例划分出的多个速度区间进行比较,确定出与所述平均车速对应的目标速度区间;其中,不同的速度区间分别对应了不同的路况;
根据确定出的目标速度区间,确定所述车道的路况。
11.一种车道级路况获取装置,包括:
生成模块,获取车辆搭载的高精度定位传感器采集的定位数据,并按照所述定位数据包含的各个轨迹点对应的采样时刻和平面坐标,对所述轨迹点进行排序,生成所述车辆的轨迹序列;
匹配模块,基于预设的高精度地图数据中各个车道的中心线,与所述轨迹序列中各个轨迹点的位置关系,对所述轨迹序列进行分割,确定出与所述各个车道相匹配的轨迹子序列;
比较模块,针对任一车道,基于与所述车道相匹配的轨迹子序列计算所述车道内的平均车速,并通过比较所述平均车速与所述车道的预设车速,确定出所述车道的路况。
12.一种电子设备,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器通过运行所述可执行指令以实现如权利要求1-10中任一项所述的方法。
13.一种机器可读存储介质,其上存储有机器可读指令,该指令被处理器执行时实现如权利要求1-10中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310240702.6A CN116403415A (zh) | 2023-03-08 | 2023-03-08 | 一种车道级路况获取方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310240702.6A CN116403415A (zh) | 2023-03-08 | 2023-03-08 | 一种车道级路况获取方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116403415A true CN116403415A (zh) | 2023-07-07 |
Family
ID=87015054
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310240702.6A Pending CN116403415A (zh) | 2023-03-08 | 2023-03-08 | 一种车道级路况获取方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116403415A (zh) |
-
2023
- 2023-03-08 CN CN202310240702.6A patent/CN116403415A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108253975B (zh) | 一种建立地图信息及车辆定位的方法与设备 | |
WO2017193556A1 (zh) | 一种速度预测方法及装置 | |
US8024110B2 (en) | Method of estimation of traffic information, device of estimation of traffic information and car navigation device | |
CN111712862B (zh) | 用于生成交通量或交通密度数据的方法和系统 | |
CN112017447B (zh) | 一种基于gps位置信息判定车辆逆行违规的方法及系统 | |
US10677598B2 (en) | Map-centric map matching method and apparatus | |
CN111856521B (zh) | 数据处理方法、装置、电子设备和存储介质 | |
WO2014143058A1 (en) | Map matching | |
CN113191550B (zh) | 地图匹配方法及装置 | |
CN110837092A (zh) | 车辆定位、车道级路径规划的方法及装置 | |
CN107917716B (zh) | 固定线路导航方法、装置、终端及计算机可读存储介质 | |
CN110108297B (zh) | 车辆行驶数据处理方法及装置 | |
CN112633812B (zh) | 货运车辆的轨迹分段方法、装置、设备及存储介质 | |
Elshrif et al. | Network-less trajectory imputation | |
US11428534B2 (en) | Method, apparatus, and computer program product for map matching location data to a map | |
CN114004077B (zh) | 交通仿真转换方法、装置、计算机设备及存储介质 | |
CN113665576B (zh) | 车辆行驶工况预测方法、装置、设备及介质 | |
CN110094498B (zh) | 一种轮速比的获取方法及装置 | |
CN111369810A (zh) | 车辆出行特征获取方法、装置、电子设备及存储介质 | |
CN112748736B (zh) | 车辆驾驶的辅助方法及装置 | |
CN116793378A (zh) | 隧道检测方法、装置、电子设备及存储介质 | |
CN114705180B (zh) | 高精地图的数据修正方法、装置、设备及存储介质 | |
CN116403415A (zh) | 一种车道级路况获取方法、装置、电子设备及存储介质 | |
CN107270919B (zh) | 公交路线分级方法、装置以及公交路线导航方法、装置 | |
CN113720341B (zh) | 车辆行驶路线生成方法、系统、计算机设备及存储介质 |
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 |