CN116539023A - 地图数据处理方法、车辆以及云服务器 - Google Patents
地图数据处理方法、车辆以及云服务器 Download PDFInfo
- Publication number
- CN116539023A CN116539023A CN202310521941.9A CN202310521941A CN116539023A CN 116539023 A CN116539023 A CN 116539023A CN 202310521941 A CN202310521941 A CN 202310521941A CN 116539023 A CN116539023 A CN 116539023A
- Authority
- CN
- China
- Prior art keywords
- data
- network segment
- map data
- road network
- vehicle
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 49
- 239000011159 matrix material Substances 0.000 claims description 24
- 238000003780 insertion Methods 0.000 claims description 20
- 230000037431 insertion Effects 0.000 claims description 20
- 238000000034 method Methods 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 14
- 230000015654 memory Effects 0.000 claims description 14
- 230000006870 function Effects 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000011217 control strategy Methods 0.000 description 2
- 238000004146 energy storage Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 235000019800 disodium phosphate Nutrition 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
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
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3804—Creation or updating of map data
- G01C21/3859—Differential updating map data
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
- B60W40/06—Road conditions
- B60W40/076—Slope angle of the road
-
- 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
- G01C21/20—Instruments for performing navigational calculations
-
- 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
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3804—Creation or updating of map data
- G01C21/3807—Creation or updating of map data characterised by the type of data
- G01C21/3815—Road data
- G01C21/3822—Road feature data, e.g. slope data
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2556/00—Input parameters relating to data
- B60W2556/40—High definition maps
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Navigation (AREA)
Abstract
本发明提供了一种地图数据处理方法、车辆以及云服务器,本发明的地图数据处理方法可应用于车辆侧,包括:接收云服务器下发的地图数据;若地图数据中不包含当前道路网段的坡度数据且当前道路网段属于非高速道路,则从车辆的预设传感器中获取当前道路网段的坡度数据,并将当前道路网段的坡度数据上传至云服务器进行存储,以使云服务器在下发地图数据之前,将当前道路网段的坡度数据添加至地图数据;当前道路网段为车辆当前所处的道路网段,云服务器的地图数据接收自第三方数据端。本发明解决了第三方数据端发送的坡度信息受限的问题,能够更好地支持后续的车辆智能化控制。
Description
技术领域
本发明属于车辆技术领域,更具体地说,是涉及一种地图数据处理方法、车辆以及云服务器。
背景技术
目前,车辆通常通过接收第三方数据端发送的地图数据来实现车辆的智能化控制,从而优化车辆性能,提升用户体验。比如,根据第三方数据端发送的地图数据可提前了解道路上的坡度信息,从而实现车辆的能耗优化、智能化提示等。但是,对于前述坡度信息的发送而言,由于相关法规的限制,第三方数据端只被允许发送高速道路上的坡度信息,不被允许发送普通城市和山区道路的坡度信息,这就给车辆的智能化控制带来不便。
发明内容
本发明的目的在于提供一种地图数据处理方法、车辆以及云服务器,以解决现有技术中第三方数据端发送的坡度信息受限导致影响车辆智能化控制的问题。
本发明实施例的第一方面,提供了一种地图数据处理方法,所述地图数据处理方法应用于车辆侧,所述地图数据处理方法包括:
接收云服务器下发的地图数据;
若所述地图数据中不包含当前道路网段的坡度数据且所述当前道路网段属于非高速道路,则从车辆的预设传感器中获取当前道路网段的坡度数据,并将当前道路网段的坡度数据上传至所述云服务器进行存储,以使所述云服务器在下发所述地图数据之前,将当前道路网段的坡度数据添加至所述地图数据;
其中,所述当前道路网段为车辆当前所处的道路网段,所述云服务器的地图数据接收自第三方数据端。
在一种可能的实现方式中,判断所述地图数据中是否包含当前道路网段的坡度数据的方法为:
接收云服务器下发的当前道路网段的第一标志;其中,当前道路网段的第一标志用于描述所述云服务器是否已将当前道路网段的坡度数据添加至所述地图数据;
根据当前道路网段的第一标志判断所述地图数据中是否包含当前道路网段的坡度数据。
在一种可能的实现方式中,从车辆的预设传感器中获取当前道路网段的坡度数据时,所述地图数据处理方法还包括:
根据所述地图数据确定车辆的当前位置信息;
将所述当前位置信息上传至所述云服务器,以使所述云服务器根据所述当前位置信息对当前道路网段的坡度数据进行存储。
在一种可能的实现方式中,所述地图数据处理方法还包括:
对所述地图数据进行重构;
所述对所述地图数据进行重构,包括:
从所述地图数据中提取道路属性数据;其中,所述道路属性数据包含道路的道路编号和道路上属性点的偏移量及属性值;
在所述道路属性数据满足预设条件时,根据所述道路属性数据中的道路编号以及偏移量确定所述道路属性数据的插入索引,根据所述道路属性数据的插入索引将所述道路属性数据中的偏移量和属性值分别添加至偏移量矩阵和属性值矩阵;
其中,所述属性值矩阵和所述偏移量矩阵均为重构后的地图数据。
本发明实施例的第二方面,提供了一种地图数据处理方法,所述地图数据处理方法应用于云服务器侧,所述地图数据处理方法包括:
接收第三方数据端发送的地图数据;
在检测到所述地图数据中包含目标道路网段的数据时,若已存储车辆上传的目标道路网段的坡度数据,则将目标道路网段的坡度数据添加至所述地图数据;
下发所述地图数据至目标车辆;
所述目标车辆指的是正在经过目标道路网段的车辆。
在一种可能的实现方式中,在将目标道路网段的坡度数据添加至所述地图数据之后,所述地图数据处理方法还包括:
更新目标道路网段的第一标志,并向所述目标车辆下发更新后的第一标志;
其中,目标道路网段的第一标志用于描述是否已将目标道路网段的坡度数据添加至所述地图数据。
在一种可能的实现方式中,所述地图数据处理方法还包括:
接收车辆上传的目标位置信息;其中,所述目标位置信息为车辆从预设传感器中获取目标道路网段的坡度数据时车辆所处位置的信息;
根据目标位置信息对目标道路网段的坡度数据进行存储。
在一种可能的实现方式中,所述将目标道路网段的坡度数据添加至所述地图数据,包括:
按照目标道路属性数据的数据结构将目标道路网段的坡度数据转换为第一属性数据;
将所述目标道路属性数据替换为所述第一属性数据;
其中,所述目标道路属性数据为所述地图数据中用于描述目标道路网段坡度属性的道路属性数据。
本发明实施例的第三方面,提供了一种车辆,所述车辆包括终端设备,所述终端设备包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述第一方面的地图数据处理方法的步骤。
本发明实施例的第四方面,提供了一种云服务器,所述云服务器用于实现上述第二方面的地图数据处理方法的步骤。
本发明实施例提供的地图数据处理方法、车辆以及云服务器的有益效果在于:
第一,本发明实施例通过云服务器接收第三方数据端发送的地图数据,通过云服务器存储非高速道路的坡度数据,通过云服务器对地图数据进行处理后下发至车辆。因而,本发明实施例可依靠云服务器的高算力和丰富的存储能力来解决车辆存储能力不足、运算受限的问题。
第二,本发明实施例考虑到了第三方数据端发送的坡度信息受限的情形,因而会判断当前道路网段是否为高速道路,在当前道路网段不为高速道路时,会检测云服务器下发的地图数据中是否包含当前道路网段的坡度信息。如果检测到前述地图数据中不包含当前道路网段的坡度信息,则依靠车辆上已有的传感器采集当前道路网段的坡度数据上传至云服务器进行存储以使云服务器在下发地图数据之前,将当前道路网段的坡度数据添加至地图数据。基于本发明实施例的方案,可以在第三方数据端发送的坡度信息受限时,利用经过当前道路网段的车辆的数据采集功能在云服务器中补全当前道路网段的坡度信息,从而保证后续车辆可以从云服务器下发的地图数据中获取到各种道路上的坡度信息,更便于后续的车辆智能化控制。
第三,区别于现有技术中直接基于预设传感器采集的坡度数据进行车辆控制的方式,本发明实施例通过将坡度数据整合至第三方数据端下发的地图数据中,可以更好地统筹控制策略,避免控制冲突,从而更好地进行车辆的智能化控制,提升用户体验。
综合上述,本发明实施例有效解决了现有技术中的问题。
附图说明
为了更清楚地说明本发明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发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明一实施例提供的地图数据处理方法的流程示意图;
图2为本发明一实施例提供的道路场景示意图;
图3为本发明一实施例提供的道路网段示意图;
图4为本发明另一实施例提供的地图数据处理方法的流程示意图;
图5为本发明一实施例提供的终端设备的示意框图。
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,以便透彻理解本发明实施例。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发明。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发明的描述。
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图通过具体实施例来进行说明。
第一方面,本发明实施例提供了应用于车辆侧的地图数据处理方法,应用于车辆侧的地图数据处理方法可由车辆上的车辆控制终端实现。
在此基础上,请参考图1,图1为本发明一实施例提供的地图数据处理方法的流程示意图,本发明实施例提供的地图数据处理方法包括:
S101:接收云服务器下发的地图数据。
在本实施例中,可直接接收云服务器下发的地图数据,也可通过车辆上支持数据转换的设备接收云服务器下发的地图数据。比如,可通过车机HUT来接收云服务器下发的地图数据,云服务器下发的地图数据经过HUT进行语言转换,在此基础上,可直接从HUT中获取经过语言转换后的地图数据。
在本实施例中,云服务器下发的地图数据为车辆前方预设距离范围内的地图数据。比如,其可为车辆前方2km内的地图数据。其中,本发明实施例所描述的“前方”是基于车辆当前的行驶方向而言的。
在本实施例中,地图数据中可包含车辆前方预设距离范围内的道路属性数据,该道路属性数据用于描述车辆前方预设距离范围内各条道路的道路属性,前述道路属性包括但不限于道路的坡度、道路的曲率、以及道路上的特殊区域。其中,道路上的特殊区域包括但不限于道路上的限速区域、道路上的学校区域、道路上的交通灯区域、道路上的环岛区域等。
具体的,该道路属性数据可包含道路上属性点的属性值以及属性点的偏移量。其中,属性点指的即是前述道路属性涉及的位置点,比如其可以包含坡度点、曲率点以及特殊区域点。其中特殊区域点包括但不限于限速点、学校位置点、交通灯位置点、环岛位置点等。对于坡度点而言,属性点的属性值用于表征该坡度点的坡度值。对于曲率点而言,属性点的属性值用于表征该曲率点的曲率值。对于特殊区域点而言,属性点的属性值用于表征该属性点是哪一种属性点,也即用于描述属性点的道路属性类型。比如,属性点的属性值为4时,该属性点为环岛点。其中,若某一特殊区域点涉及了多个特殊区域,该属性点的属性值可以为序列的形式。比如,某个特殊区域点既是限速点、又是学校点,则该特殊区域点的属性值可以为ab。其中,a为限速点对应的属性值,b为学校点对应的属性值。其中,属性点的偏移量指的是属性点与车辆初始位置的距离,也即用于描述属性点的位置。
其中,前述车辆初始位置指的是当前道路上车辆的出发位置,车辆的初始位置是随着车辆所处道路的变化而变化的(之所以如此设置,是因为第三方数据端发送数据时所参考的车辆初始位置是根据车辆所处道路的变化而变化的)。对于此,可参考图2,图2中,path1、path2、path4、path3、path5均为道路编号。在此基础上,若车辆从道路path2的某一位置(该位置记为P0)出发,且车辆未驶出道路path2,则当前时刻下车辆初始位置即为P0位置。若车辆一直行驶,经过前方第一个岔路口时,拐入了道路path4,并且未驶出道路path4,则当前时刻下车辆初始位置为道路path4的起点位置(因为车辆在当前道路path4的出发点是道路path4的起点)。
基于以上描述可知,根据地图数据中的道路属性数据,后续可进行车辆的智能化控制,以优化车辆的性能。根据地图数据中的道路属性数据,后续也可进行车辆的智能化导航提示,以提升用户体验。
S102:若地图数据中不包含当前道路网段的坡度数据且当前道路网段属于非高速道路,则从车辆的预设传感器中获取当前道路网段的坡度数据,并将当前道路网段的坡度数据上传至云服务器进行存储,以使云服务器在下发地图数据之前,将当前道路网段的坡度数据添加至地图数据。
其中,当前道路网段为车辆当前所处的道路网段,云服务器的地图数据接收自第三方数据端。
在本实施例中,预设传感器可以为加速度传感器,也可以为车速传感器。本实施例可通过加速度传感器采集的数据进行稳态工况的坡度计算,得到坡度数据。本实施例也可结合车速传感器采集的车速以及车辆的轮端扭矩,运用卡尔曼状态估计模型来计算动态坡度,得到坡度数据。
在本实施例中,如果检测到云服务器下发的地图数据中不包含当前道路网段的坡度数据并且前述地图数据显示当前道路网段属于非高速公路,则可利用车辆上预设传感器的数据采集功能来获取并上传当前道路网段的坡度数据。基于此方案,后续本车辆或者其他车辆经过当前道路网段时,云服务器在下发地图数据之前,会将当前道路网段的坡度数据添加至即将下发的地图数据中,在此基础上,经过当前道路网段的车辆可直接获取包含坡度数据的地图数据,从而更好地利用该地图数据进行车辆的智能化控制。
在本实施例中,关于道路网段的解释如下:如图2所示,每条道路都有道路编号,在此基础上,可参考图3,每条道路还可被划分为多个道路网段,每个道路网段也有识别号,例如,图3中,path1被划分为道路网段link1和道路网段link2。在此基础上,当前道路网段即指的是车辆当前所处的道路网段。
从以上描述可知,本发明实施例的有益效果在于:
第一,本发明实施例通过云服务器接收第三方数据端发送的地图数据,通过云服务器存储非高速道路的坡度数据,通过云服务器对地图数据进行处理后下发至车辆。因而,本发明实施例可依靠云服务器的高算力和丰富的存储能力来解决车辆存储能力不足、运算受限的问题。
第二,本发明实施例考虑到了第三方数据端发送的坡度信息受限的情形,因而会判断当前道路网段是否为高速道路,在当前道路网段不为高速道路时,会检测云服务器下发的地图数据中是否包含当前道路网段的坡度信息。如果检测到前述地图数据中不包含当前道路网段的坡度信息,则依靠车辆上已有的传感器采集当前道路网段的坡度数据上传至云服务器进行存储以使云服务器在下发地图数据之前,将当前道路网段的坡度数据添加至地图数据。基于本发明实施例的方案,可以在第三方数据端发送的坡度信息受限时,利用经过当前道路网段的车辆的数据采集功能在云服务器中补全当前道路网段的坡度信息,从而保证后续车辆可以从云服务器下发的地图数据中获取到各种道路上的坡度信息,更便于后续的车辆智能化控制。
第三,区别于现有技术中直接基于预设传感器采集的坡度数据进行车辆控制的方式,本发明实施例通过将坡度数据整合至第三方数据端下发的地图数据中,可以更好地统筹控制策略,避免控制冲突,从而更好地进行车辆的智能化控制,提升用户体验。
综合上述,本发明实施例有效解决了现有技术中的问题。
在一种可能的实现方式中,判断地图数据中是否包含当前道路网段的坡度数据的方法为:
接收云服务器下发的当前道路网段的第一标志。其中,当前道路网段的第一标志用于描述云服务器是否已将当前道路网段的坡度数据添加至地图数据。
根据当前道路网段的第一标志判断地图数据中是否包含当前道路网段的坡度数据。
在本实施例中,云服务器下发地图数据的同时还可下发当前道路网段对应的第一标志,该第一标志用于供车辆判断云服务器是否已将当前道路网段的坡度数据添加至地图数据。
在本实施例中,判断地图数据中是否包含当前道路网段的坡度数据的方法也可以为:
对当前道路属性数据进行校验,其中,当前道路属性数据为云服务器下发的地图数据中用于描述当前道路网段坡度属性的道路属性数据。
若当前道路属性数据中的值不为默认的初始化值,则确定地图数据中包含当前道路网段的坡度数据。若当前道路属性数据中的值为默认的初始化值,则确定地图数据中不包含当前道路网段的坡度数据。
在一种可能的实现方式中,若地图数据中不包含当前道路网段的坡度数据且当前道路网段为非高速道路,地图数据处理方法还包括:
根据地图数据确定车辆的当前位置信息。
将车辆的当前位置信息上传至云服务器,以使云服务器根据车辆的当前位置信息对当前道路网段的坡度数据进行存储。
在本实施例中,车辆的当前位置信息可用当前道路网段的识别号以及车辆与当前道路网段起始点之间的距离来表示。
在本实施例中,确定当前道路网段的识别号的方法为:识别地图数据中当前道路网段的记录字段的值,并根据前述记录字段的值以及预设的记录字段与国家代码信号之间的映射关系,确定当前道路网段的国家代码信号,其中当前道路网段的国家代码信号即为当前道路网段的识别号。
在本实施例中,确定车辆与当前道路网段起始点之间的距离的方法可以为:
从地图数据中获取车辆对应的车辆偏移量和车辆已行驶过的道路网段的偏移量。在此基础上,可将前述车辆偏移量与车辆已行驶过的道路网段的偏移量之差确定为车辆与当前道路网段起始点之间的距离。其中,车辆偏移量为车辆的当前位置与车辆初始位置之间的距离。车辆已行驶过的道路网段的偏移量为车辆已行驶完毕的道路网段的距离,也即车辆行驶的上一个道路网段的终点与车辆初始位置之间的距离。
在本实施例中,车辆的当前位置信息用于描述当前道路网段的坡度位置,在此基础上,可将当前道路网段的坡度数据以及当前道路网段的坡度位置打包上传至云服务器,以使云服务器根据当前道路网段的坡度位置对当前道路网段的坡度数据进行存储。比如,在向云服务器上传数据时,可打包上传三个字段的值,其中三个字段分别为link、offset、value。link的值为当前道路网段的识别号,offset的值为车辆与当前道路网段起始点之间的距离,value即为当前道路网段的坡度数据中所描述的具体坡度。
在一种可能的实现方式中,地图数据处理方法还包括:对地图数据进行重构。其中,对地图数据进行重构,包括:
从地图数据中提取道路属性数据。其中,道路属性数据包含道路的道路编号和道路上属性点的偏移量及属性值。
在道路属性数据满足预设条件时,根据道路属性数据中的道路编号以及偏移量确定道路属性数据的插入索引,根据道路属性数据的插入索引将道路属性数据中的偏移量和属性值分别添加至偏移量矩阵和属性值矩阵。
其中,属性值矩阵和偏移量矩阵均为重构后的地图数据,属性点的属性值用于描述属性点的道路属性类型,属性点的偏移量用于描述属性点的位置。
在本实施例中,关于属性点的属性值和属性点的偏移量上述实施例已有描述,本实施例不再赘述。
在本实施例中,属性值矩阵用于存储属性点的属性值,偏移量矩阵用于存储属性点的偏移量。
在本实施例中,预设条件可以包括:属性数据中的道路编号属于预设的编号范围、属性数据中的偏移量小于预设偏移量、属性数据中的属性值不等于预设值且属性数据不同于上一时刻的属性数据。
其中,根据行业规定,道路编号是有一定的编号范围的,若属性数据中的道路编号不属于预设的编号范围,则说明第三方数据端发送数据出错或者车辆进入了某些不在官方地图上的无效道路,此时不进行属性数据的存储。
其中,为了避免过多的数据存储,车辆通常只存储一定距离范围内的数据,因此,会设定一定的偏移量阈值,也即预设偏移量,当属性数据中的偏移量不小于预设偏移量时,则说明属性数据对应的属性点的距离与车辆距离较远,此时也不进行属性数据的存储。
其中,属性值也是在某个预设范围内的,如果属性数据中的属性值等于预设值,则说明第三方数据端发送数据出错,此时也不进行属性数据的存储。
其中,如果车辆已经存储过某属性数据,那么如果再次接收到该属性数据,那么车辆不会进行再次存储。也就是说,车辆只会在属性数据不同于上一时刻的属性数据时才可能对属性数据进行存储。
在本实施例中,偏移量矩阵的每行对应存储一条道路上属性点的偏移量,属性值矩阵的每行对应存储一条道路上属性点的属性值,偏移量矩阵和属性值矩阵的每一行对应同一条道路。在此基础上,则可基于确定的插入索引将道路属性数据中的偏移量和属性值分别添加至偏移量矩阵和属性值矩阵。
其中,根据道路属性数据中的道路编号以及偏移量确定道路属性数据的插入索引,可以详述为:
根据属性数据中的道路编号从偏移量矩阵中提取属性数据对应的偏移量行。
基于属性数据中的偏移量与偏移量行中存储的偏移量的大小关系确定属性数据的插入索引。
在本实施例中,偏移量矩阵的每行对应存储一条道路上属性点的偏移量,也即偏移量矩阵中每行的道路编号都是唯一的,在此基础上,可以根据属性数据中的道路编号从偏移量矩阵中提取出对应的偏移量行。
在本实施例中,可按照偏移量从小到大排列的原则基于属性数据中的偏移量与偏移量行中已存储的偏移量的大小关系确定属性数据对应的插入索引。
在一种可能的实现方式中,基于属性数据中的偏移量与偏移量行中存储的偏移量的大小关系确定属性数据的插入索引,包括:
确定满足的i的值。其中,L'为属性数据中的偏移量。Li为偏移量行中存储的某一偏移量,i为该偏移量对应的索引号。
将i+1作为属性数据的插入索引。
在本实施例中,举例说明本方案:假设偏移量行中存在四个偏移量,该四个偏移量对应的索引号分别为34、35、36、37,该四个偏移量分别为233、457、679、790。在属性数据中,偏移量为700,则根据上述方案,i为36,相应的,目标定位数据的插入索引为37,此方案即实现了相同道路编号下,属性点偏移量从小到大的排列。
从以上描述可知,基于本实施例的方案,可实现属性点的顺序排列,从而降低第三方数据端出错对车辆数据的影响。并且,属性点的顺序排列还有利于车辆智能控制时数据的获取,更便于车辆智能控制的实现。
第二方面,请参考图4,图4为本发明一实施例提供的地图数据处理方法的流程示意图,该地图数据处理方法应用于云服务器侧,该地图数据处理方法包括:
S201:接收第三方数据端发送的地图数据。
S202:在检测到前述地图数据中包含目标道路网段的数据时,若已存储车辆上传的目标道路网段的坡度数据,则将目标道路网段的坡度数据添加至前述地图数据。
S203:下发地图数据至目标车辆。其中,目标车辆指的是正在经过目标道路网段的车辆。
在本实施例中,云服务器会不断接收第三方数据端发送的地图数据,在此基础上,其可通过识别地图数据中携带的道路网段的识别号去判断前述地图数据中是否包含目标道路网段的数据。
在此基础上,如果检测到前述地图数据中包含目标道路网段的数据,并且在此之前,已经接收并存储过车辆上传的目标道路网段的坡度数据,则其会在下发地图数据给目标车辆之前,将目标道路网段的坡度数据添加至地图数据中,以为目标车辆补全道路的坡度信息,以便于目标车辆的智能化控制。
在此基础上,如果检测到前述地图数据中不包含目标道路网段的数据,则直接下发前述地图数据给目标车辆。
在一种可能的实现方式中,在将目标道路网段的坡度数据添加至地图数据之后,地图数据处理方法还包括:
更新目标道路网段的第一标志,并向目标车辆下发更新后的第一标志。
其中,目标道路网段的第一标志用于描述是否已将目标道路网段的坡度数据添加至地图数据。
在本实施例中,如果已将目标道路网段的坡度数据添加至地图数据中,则可更新目标道路网段的第一标志,并将更新后的第一标志下发给目标车辆,以使目标车辆根据第一标志判断其所接收到的地图数据中是否包含目标道路网段的坡度数据。
在一种可能的实现方式中,地图数据处理方法还包括:
接收车辆上传的目标位置信息。其中,目标位置信息为车辆从预设传感器中获取目标道路网段的坡度数据时车辆所处位置的信息。
根据目标位置信息对目标道路网段的坡度数据进行存储。
在本实施例中,目标位置信息中可包含目标道路网段的识别号以及车辆的预设传感器采集到目标道路网段的坡度数据时,车辆与目标道路网段起始点之间的距离。分析目标位置信息可知,目标位置信息用于描述目标道路网段上的坡度位置,在此基础上,可基于目标位置信息对目标道路网段的坡度数据进行顺序存储,以便于后续获取目标道路网段的坡度数据。
在本实施例中,根据目标位置信息对目标道路网段的坡度数据进行存储,可以详述为:
根据目标位置信息确定目标道路网段的坡度数据在预设属性数据包中的插入索引,根据目标道路网段的坡度数据在预设属性数据包中的插入索引将目标道路网段的坡度数据插入至前述预设属性数据包中。
其中,预设属性数据包为云服务器中预设的各个道路网段的道路属性数据包。
其中,目标位置信息中包含目标道路网段的识别号以及前述的车辆与目标道路网段起始点之间的距离。在此基础上,根据目标位置信息确定目标道路网段的坡度数据在预设属性数据包中的插入索引,包括:
检测预设属性数据包中是否包含目标道路网段对应的属性数据帧。若预设属性数据包中包含目标道路网段对应的属性数据帧,则根据目标道路网段的识别号提取出预设属性数据包中目标道路网段对应的属性数据帧。若预设属性数据包中不包含目标道路网段对应的属性数据帧,则按照目标道路属性数据的数据结构新建目标道路网段对应的属性数据帧。其中,目标道路属性数据为第三方数据端下发的地图数据中用于描述目标道路网段坡度属性的道路属性数据。
在此基础上,根据前述的车辆与目标道路网段起始点之间的距离确定目标道路网段的坡度数据在目标道路网段对应的属性数据帧中的插入索引。
相应的,根据目标道路网段的坡度数据在预设属性数据包中的插入索引将目标道路网段的坡度数据插入至前述预设属性数据包中,也即根据目标道路网段的坡度数据在目标道路网段对应的属性数据帧中的插入索引将目标道路网段的坡度数据插入至前述目标道路网段对应的属性数据帧中。
在本实施例的基础上,将目标道路网段的坡度数据添加至地图数据,可以详述为:将目标道路属性数据替换为目标道路网段对应的属性数据帧中的数据。
在本实施例的基础上,检测是否已存储车辆上传的目标道路网段的坡度数据,可以详述为:
从预设数据包中查找是否存在目标道路网段对应的属性数据帧。
若预设数据包中存在目标道路网段对应的属性数据帧,则确定已存储车辆上传的目标道路网段的坡度数据。若预设数据包中不存在目标道路网段对应的属性数据帧,则确定未存储车辆上传的目标道路网段的坡度数据。
在一种可能的实现方式中,若(云服务器)在进行目标道路网段的坡度数据的存储时所使用的数据结构与目标道路属性数据的数据结构不同,则将目标道路网段的坡度数据添加至地图数据,可以详述为:
按照目标道路属性数据的数据结构将目标道路网段的坡度数据转换为第一属性数据。将目标道路属性数据替换为第一属性数据。
其中,目标道路属性数据为地图数据中用于描述目标道路网段坡度属性的道路属性数据。
第三方面,本发明实施例还提供一种车辆,该车辆包括终端设备,参见图5,图5为本发明一实施例提供的终端设备的示意框图。如图5所示的本实施例中的终端500可以包括:一个或多个处理器501、一个或多个输入设备502、一个或多个输出设备503及一个或多个存储器504。上述处理器501、输入设备502、输出设备503及存储器504通过通信总线505完成相互间的通信。存储器504用于存储计算机程序,计算机程序包括程序指令。处理器501用于执行存储器504存储的程序指令。其中,处理器501被配置用于调用程序指令执行上述第一方面中各实施例提供的地图数据处理方法。
应当理解,在本发明实施例中,所称处理器501可以是中央处理单元(CentralProcessing Unit,CPU),该处理器还可以是其他通用处理器、数字信号处理器(DigitalSignal 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。
输入设备502可以包括触控板、指纹采传感器(用于采集用户的指纹信息和指纹的方向信息)、麦克风等,输出设备503可以包括显示器(LCD等)、扬声器等。
该存储器504可以包括只读存储器和随机存取存储器,并向处理器501提供指令和数据。存储器504的一部分还可以包括非易失性随机存取存储器。例如,存储器504还可以存储设备类型的信息。
具体实现中,本发明实施例中所描述的处理器501、输入设备502、输出设备503可执行本发明实施例提供的地图数据处理方法的第一实施例和第二实施例中所描述的实现方式,也可执行本发明实施例所描述的终端的实现方式,在此不再赘述。
在本发明的另一实施例中还可提供一种计算机可读存储介质,计算机可读存储介质已存储计算机程序,计算机程序包括程序指令,程序指令被处理器执行时实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,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,计算机程序包括计算机程序代码,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。计算机可读介质可以包括:能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括是电载波信号和电信信号。
计算机可读存储介质可以是前述任一实施例的终端的内部存储单元,例如终端的硬盘或内存。计算机可读存储介质也可以是终端的外部存储设备,例如终端上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,计算机可读存储介质还可以既包括终端的内部存储单元也包括外部存储设备。计算机可读存储介质用于存储计算机程序及终端所需的其他程序和数据。计算机可读存储介质还可以用于暂时地存储已经输出或者将要输出的数据。
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、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。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发明的范围。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,上述描述的终端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,所揭露的终端和方法,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,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。另外,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或单元的间接耦合或通信连接,也可以是电的,机械的或其它的形式连接。
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发明实施例方案的目的。
另外,在本发明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,也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
第四方面,本发明实施例还提供了一种云服务器,该云服务器用于实现上述第二方面中各实施例提供的地图数据处理方法。
以上,仅为本发明的具体实施方式,但本发明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发明揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种地图数据处理方法,其特征在于,所述地图数据处理方法应用于车辆侧,所述地图数据处理方法包括:
接收云服务器下发的地图数据;
若所述地图数据中不包含当前道路网段的坡度数据且所述当前道路网段属于非高速道路,则从车辆的预设传感器中获取当前道路网段的坡度数据,并将当前道路网段的坡度数据上传至所述云服务器进行存储,以使所述云服务器在下发所述地图数据之前,将当前道路网段的坡度数据添加至所述地图数据;
其中,所述当前道路网段为车辆当前所处的道路网段,所述云服务器的地图数据接收自第三方数据端。
2.如权利要求1所述的地图数据处理方法,其特征在于,判断所述地图数据中是否包含当前道路网段的坡度数据的方法为:
接收云服务器下发的当前道路网段的第一标志;其中,当前道路网段的第一标志用于描述所述云服务器是否已将当前道路网段的坡度数据添加至所述地图数据;
根据当前道路网段的第一标志判断所述地图数据中是否包含当前道路网段的坡度数据。
3.如权利要求1所述的地图数据处理方法,其特征在于,在从车辆的预设传感器中获取当前道路网段的坡度数据时,所述地图数据处理方法还包括:
根据所述地图数据确定车辆的当前位置信息;
将所述当前位置信息上传至所述云服务器,以使所述云服务器根据所述当前位置信息对当前道路网段的坡度数据进行存储。
4.如权利要求1至3任一项所述的地图数据处理方法,其特征在于,所述地图数据处理方法还包括:对所述地图数据进行重构;
所述对所述地图数据进行重构,包括:
从所述地图数据中提取道路属性数据;其中,所述道路属性数据包含道路的道路编号和道路上属性点的偏移量及属性值;
在所述道路属性数据满足预设条件时,根据所述道路属性数据中的道路编号以及偏移量确定所述道路属性数据的插入索引,根据所述道路属性数据的插入索引将所述道路属性数据中的偏移量和属性值分别添加至偏移量矩阵和属性值矩阵;
其中,所述属性值矩阵和所述偏移量矩阵均为重构后的地图数据。
5.一种地图数据处理方法,其特征在于,所述地图数据处理方法应用于云服务器侧,所述地图数据处理方法包括:
接收第三方数据端发送的地图数据;
在检测到所述地图数据中包含目标道路网段的数据时,若已存储车辆上传的目标道路网段的坡度数据,则将目标道路网段的坡度数据添加至所述地图数据;
下发所述地图数据至目标车辆;
其中,所述目标车辆指的是正在经过目标道路网段的车辆。
6.如权利要求5所述的地图数据处理方法,其特征在于,在将目标道路网段的坡度数据添加至所述地图数据之后,所述地图数据处理方法还包括:
更新目标道路网段的第一标志,并向所述目标车辆下发更新后的第一标志;
其中,目标道路网段的第一标志用于描述是否已将目标道路网段的坡度数据添加至所述地图数据。
7.如权利要求5所述的地图数据处理方法,其特征在于,所述地图数据处理方法还包括:
接收车辆上传的目标位置信息;其中,所述目标位置信息为车辆从预设传感器中获取目标道路网段的坡度数据时车辆所处位置的信息;
根据目标位置信息对目标道路网段的坡度数据进行存储。
8.如权利要求5所述的地图数据处理方法,其特征在于,所述将目标道路网段的坡度数据添加至所述地图数据,包括:
按照目标道路属性数据的数据结构将目标道路网段的坡度数据转换为第一属性数据;
将所述目标道路属性数据替换为所述第一属性数据;
其中,所述目标道路属性数据为所述地图数据中用于描述目标道路网段坡度属性的道路属性数据。
9.一种车辆,其特征在于,包括:终端设备;
所述终端设备包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如权利要求1至4任一项所述方法的步骤。
10.一种云服务器,其特征在于,所述云服务器用于实现如权利要求5至8任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310521941.9A CN116539023A (zh) | 2023-05-10 | 2023-05-10 | 地图数据处理方法、车辆以及云服务器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310521941.9A CN116539023A (zh) | 2023-05-10 | 2023-05-10 | 地图数据处理方法、车辆以及云服务器 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116539023A true CN116539023A (zh) | 2023-08-04 |
Family
ID=87455571
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310521941.9A Pending CN116539023A (zh) | 2023-05-10 | 2023-05-10 | 地图数据处理方法、车辆以及云服务器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116539023A (zh) |
-
2023
- 2023-05-10 CN CN202310521941.9A patent/CN116539023A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111046709B (zh) | 车辆车道级定位方法、系统、车辆及存储介质 | |
CN109191831B (zh) | 车辆通行的控制方法、装置和服务器 | |
CN114926540A (zh) | 一种车道线标定的方法、装置、终端设备及可读存储介质 | |
CN112885112A (zh) | 车辆行驶检测的方法、车辆行驶预警的方法和装置 | |
CN116481560B (zh) | 车辆行驶里程的计算方法、装置、终端及存储介质 | |
CN116539023A (zh) | 地图数据处理方法、车辆以及云服务器 | |
CN116691356A (zh) | 车辆的能量回收方法及装置、车辆、可读存储介质 | |
CN112558036B (zh) | 用于输出信息的方法和装置 | |
CN117851398A (zh) | 车辆数据存储方法及装置、车辆、可读性存储介质 | |
CN117851419A (zh) | 车辆数据更新方法及装置、车辆、可读性存储介质 | |
CN117851416A (zh) | 车辆数据更新方法及装置、车辆、可读性存储介质 | |
CN117851420A (zh) | 车辆数据更新方法及装置、车辆、可读性存储介质 | |
CN113447031A (zh) | 坡度点筛选方法、终端设备及介质和坡度计算方法及系统 | |
CN116860762A (zh) | 地图数据的处理方法、装置、车辆及可读存储介质 | |
CN117851415A (zh) | 车辆数据更新方法及装置、车辆、可读性存储介质 | |
CN111354207A (zh) | 前方路况的显示方法、显示系统、存储介质及车载终端 | |
CN117848358A (zh) | 车辆导航方法及装置、车辆、可读性存储介质 | |
CN117864088A (zh) | 车辆扭矩的分配方法、装置、车辆及存储介质 | |
CN110930714B (zh) | 位置匹配方法及装置 | |
CN117851417A (zh) | 车辆数据更新方法及装置、车辆、可读性存储介质 | |
CN116576880B (zh) | 一种车道级道路规划方法、装置、终端设备及存储介质 | |
CN111311903B (zh) | 一种车辆行驶状态监控方法、终端设备及存储介质 | |
CN111554111A (zh) | 基于多源数据融合的信号配时优化方法、装置及终端 | |
CN117288216A (zh) | 行驶路线生成方法、装置、车载终端及存储介质 | |
CN117508191A (zh) | 一种车道状态的确定方法、装置、终端设备和存储介质 |
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 |