CN117275232A - 基于车路协同的动态感知方法及装置 - Google Patents
基于车路协同的动态感知方法及装置 Download PDFInfo
- Publication number
- CN117275232A CN117275232A CN202311281571.2A CN202311281571A CN117275232A CN 117275232 A CN117275232 A CN 117275232A CN 202311281571 A CN202311281571 A CN 202311281571A CN 117275232 A CN117275232 A CN 117275232A
- Authority
- CN
- China
- Prior art keywords
- target area
- perception
- data
- vehicle
- road
- 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
- 238000000034 method Methods 0.000 title claims abstract description 47
- 230000008447 perception Effects 0.000 claims abstract description 244
- 238000004458 analytical method Methods 0.000 claims abstract description 11
- 230000004927 fusion Effects 0.000 claims description 67
- 238000004422 calculation algorithm Methods 0.000 claims description 20
- 238000013528 artificial neural network Methods 0.000 claims description 10
- 238000011217 control strategy Methods 0.000 claims description 10
- 238000007405 data analysis Methods 0.000 claims description 9
- 238000012549 training Methods 0.000 claims description 8
- 230000007613 environmental effect Effects 0.000 claims description 6
- 238000012806 monitoring device Methods 0.000 claims description 5
- 238000001556 precipitation Methods 0.000 claims description 5
- 230000009286 beneficial effect Effects 0.000 abstract description 10
- 238000010586 diagram Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 3
- 239000002131 composite material Substances 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 241000283070 Equus zebra Species 0.000 description 1
- 238000012896 Statistical algorithm Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- 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
-
- 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
- G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
-
- 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
- G08G1/048—Detecting movement of traffic to be counted or controlled with provision for compensation of environmental or other condition, e.g. snow, vehicle stopped at detector
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/07—Controlling traffic signals
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于车路协同的动态感知方法及装置，该方法包括：通过感知前端设备实时采集目标区域内的感知数据，其中，感知数据包括行人数据、车辆数据、道路数据、气象数据、控制信号数据中的至少一种，根据感知数据分析得到目标区域内对应目标对象的感知模型，并根据目标区域的地图图层与目标区域内对应目标对象的感知模型融合，生成至少一个感知结果，感知结果用于对目标区域的交通状况进行调度管控。可见，实施本发明能够智能地获取并分析道路交通的感知数据，从而得到对应目标对象的感知结果，有利于降低道路交通信息的采集难度，同时提高道路交通信息分析效率以及准确率。
Description
技术领域
本发明涉及数据处理技术领域，尤其涉及一种基于车路协同的动态感知方法及装置。
背景技术
随着现时的互联网信息技术与大数据技术的飞速发展，传统的道路交通管理模式已经逐渐落后于现时的大数据时代的发展模式，且在传统的道路交通管理模式中对实时道路交通信息的采集难度大，在数据分析的过程中效率与准确率不高，从而导致不能精确地识别路面信息以及快速地排除交通安全存在的隐患。因此，数字化、智能化的信息管理模式显得尤其重要。现时提供一种基于车路协同的动态感知方法及装置，对道路交通信息的获取与分析智能化，以解决现时道路交通信息的采集难度大、分析效率以及准确率不高的技术问题。
发明内容
本发明所要解决的技术问题在于，提供一种基于车路协同的动态感知方法，能够有利于降低道路交通信息的采集难度，同时提高信息分析效率以及准确率。
为了解决上述技术问题，本发明第一方面公开了一种基于车路协同的动态感知方法，所述方法包括：
通过感知前端设备实时采集目标区域内的感知数据，其中，所述感知数据包括行人数据、车辆数据、道路数据、气象数据、控制信号数据中的至少一种；
根据所述感知数据分析得到所述目标区域内对应目标对象的感知模型，并根据所述目标区域的地图图层与所述目标区域内对应目标对象的感知模型融合，生成至少一个感知结果，所述感知结果用于对所述目标区域的交通状况进行调度管控。
作为一种可选的实施方式，在本发明第一方面中，所述感知前端设备包括：车路协同前端设备、交通指示前端设备、公安交管前端设备中的至少一种；
其中，所述车路协同前端设备包括：RSU设备、雷达设备、摄像设备、气象监测设备中的至少一种，所述交通指示前端设备包括：交通照明设备、交通标识设备、交通信号控制设备、传感设备中的至少一种，所述公安交管前端设备包括警示信号控制装置、电警卡口装置中的至少一种；
所述行人数据包括：历史时段内所述目标区域的行人的总数量、行人的分布密度、行人的身份标识、行人的地理位置、行人的移动轨迹中的至少一种，所述车辆数据包括：历史时段内所述目标区域的车辆的总数量、车辆的行驶速度、车辆的行驶轨迹、车辆的分布密度，车辆的车辆标识、车辆的车辆类型中的至少一种，所述道路数据包括：历史时段内所述目标区域的道路的地理位置、道路的标识参数、道路的环境参数中的至少一种，所述控制信号数据包括：历史时段内所述目标区域的道路交通信号数据、道路警示信号数据中的至少一种，所述气象数据包括：历史时段内所述目标区域的气温数据、湿度数据、气压数据、降水数据、气象灾害数据中的至少一种。
作为一种可选的实施方式，在本发明第一方面中，所述根据所述感知数据分析得到所述目标区域内对应目标对象的感知模型，包括：
根据类聚算法对对所述感知数据进行分类计算，得到至少一个与所述目标区域内目标对象对应的信息簇群，每一个信息簇群包括多个与对应的目标对象相匹配的感知信息；
根据深度神经网络算法对所述信息簇群中的感知信息进行训练计算，得到至少一个所述目标对象对应的感知模型。
作为一种可选的实施方式，在本发明第一方面中，所述目标区域的地图包括多个地图图层；
所述根据所述目标区域的地图与所述目标区域内对应目标对象的感知模型融合，生成至少一个感知结果，包括：
根据所述目标区域的地图中每一个地图图层以及与所述地图图层相匹配的所述目标区域内对应目标对象的感知模型融合，生成至少一个所述目标对象对应状态参数的感知结果。
作为一种可选的实施方式，在本发明第一方面中，所述根据所述目标区域的地图中每一个地图图层以及与所述地图图层相匹配的目标区域内对应目标对象的感知模型融合，生成至少一个感知结果，包括：
根据所述目标区域的地图中的行人图层以及与所述行人图层相匹配的所述目标区域内行人的感知模型融合，生成至少一个所述行人对应状态参数的感知结果；和/或，
根据所述目标区域的地图中的车辆图层以及与所述车辆图层相匹配的所述目标区域内车辆的感知模型融合，生成至少一个所述车辆对应状态参数的感知结果；和/或，
根据所述目标区域的地图中的道路图层以及与所述道路图层相匹配的所述目标区域内道路的感知模型融合，生成至少一个所述道路对应状态参数的感知结果；和/或，
根据所述目标区域的地图中的气象图层以及与所述气象图层相匹配的所述目标区域内气象的感知模型融合，生成至少一个所述气象对应状态参数的感知结果；和/或，
根据所述目标区域的地图中的控制信号图层以及与所述控制信号图层相匹配的所述目标区域内控制信号的感知模型融合，生成至少一个所述控制信号对应状态参数的感知结果。
作为一种可选的实施方式，在本发明第一方面中，所述方法还包括：
根据所述行人对应状态参数的感知结果判断所述目标区域内的行人是否均满足人身安全条件；
当判断到存在至少一个不满足人身安全条件的行人时，获取所述行人的感知信息，计算所述行人的感知信息与所述行人对应状态参数的感知结果之间的误差数值，并判断所述误差数值是否大于等于预设的误差阈值；
当判断到所述误差数值大于等于预设的误差阈值时，向管控人员发送告示信息，以使所述管控人员执行对所述行人的管控操作；和/或，
根据所述车辆对应状态参数的感知结果判断所述目标区域内的车辆是否均满足行驶安全条件；
当判断到存在至少一辆不满足行驶安全条件的车辆时，获取所述车辆的感知信息，计算所述车辆的感知信息与所述车辆对应状态参数的感知结果之间的误差数值，并判断所述误差数值是否大于等于预设的误差阈值；
当判断到所述误差数值大于等于预设的误差阈值时，向管控人员发送告示信息，以使所述管控人员执行对所述车辆的管控操作；和/或，
根据所述控制信号对应状态参数的感知结果判断所述目标区域内的控制信号是否均满足交通安全条件；
当判断到存在至少一个不满足交通安全条件的控制信号时，获取所述控制信号的感知信息，计算所述控制信号的感知信息与所述控制信号对应状态参数的感知结果之间的误差数值，并判断所述误差数值是否大于等于预设的误差阈值；
当判断到所述误差数值大于等于预设的误差阈值时，向管控人员发送告示信息，以使所述管控人员执行对所述控制信号的管控操作。
作为一种可选的实施方式，在本发明第一方面中，所述方法还包括：
根据所述目标区域内每一个目标对象对应的感知信息与所述目标对象对应的感知模型生成与所述目标对象相匹配的管控策略，所述管控策略。
本发明第二方面公开了一种基于车路协同的动态感知装置，所述装置包括：
采集模块，用于通过感知前端设备实时采集目标区域内的感知数据，其中，所述感知数据包括行人数据、车辆数据、道路数据、气象数据、控制信号数据中的至少一种；
分析模块，用于根据所述感知数据分析得到所述目标区域内对应目标对象的感知模型；
融合模块，用于根据所述目标区域的地图与所述目标区域内对应目标对象的感知模型融合，生成至少一个感知结果，所述感知结果用于对所述目标区域的交通状况进行调度管控。
作为一种可选的实施方式，在本发明第二方面中，所述感知前端设备包括：车路协同前端设备、交通指示前端设备、公安交管前端设备中的至少一种；
其中，所述车路协同前端设备包括：RSU设备、雷达设备、摄像设备、气象监测设备中的至少一种，所述交通指示前端设备包括：交通照明设备、交通标识设备、交通信号控制设备、传感设备中的至少一种，所述公安交管前端设备包括警示信号控制装置、电警卡口装置中的至少一种；
所述行人数据包括：历史时段内所述目标区域的行人的总数量、行人的分布密度、行人的身份标识、行人的地理位置、行人的移动轨迹中的至少一种，所述车辆数据包括：历史时段内所述目标区域的车辆的总数量、车辆的行驶速度、车辆的行驶轨迹、车辆的分布密度，车辆的车辆标识、车辆的车辆类型中的至少一种，所述道路数据包括：历史时段内所述目标区域的道路的地理位置、道路的标识参数、道路的环境参数中的至少一种，所述控制信号数据包括：历史时段内所述目标区域的道路交通信号数据、道路警示信号数据中的至少一种，所述气象数据包括：历史时段内所述目标区域的气温数据、湿度数据、气压数据、降水数据、气象灾害数据中的至少一种。
作为一种可选的实施方式，在本发明第二方面中，所述分析模块根据所述感知数据分析得到所述目标区域内对应目标对象的感知模型的具体方式为：
根据类聚算法对对所述感知数据进行分类计算，得到至少一个与所述目标区域内目标对象对应的信息簇群，每一个信息簇群包括多个与对应的目标对象相匹配的感知信息；
根据深度神经网络算法对所述信息簇群中的感知信息进行训练计算，得到至少一个所述目标对象对应的感知模型。
作为一种可选的实施方式，在本发明第二方面中，所述目标区域的地图包括多个地图图层；
所述融合模块根据所述目标区域的地图与所述目标区域内对应目标对象的感知模型融合，生成至少一个感知结果的具体方式为：
根据所述目标区域的地图中每一个地图图层以及与所述地图图层相匹配的所述目标区域内对应目标对象的感知模型融合，生成至少一个与所述目标对象对应的感知结果。
作为一种可选的实施方式，在本发明第二方面中，所述融合模块根据所述目标区域的地图中每一个地图图层以及与所述地图图层相匹配的目标区域内对应目标对象的感知模型融合，生成至少一个与所述目标对象对应的感知结果的具体方式为：
根据所述目标区域的地图中的行人图层以及与所述行人图层相匹配的所述目标区域内行人的感知模型融合，生成至少一个所述行人对应状态参数的感知结果；和/或，
根据所述目标区域的地图中的车辆图层以及与所述车辆图层相匹配的所述目标区域内车辆的感知模型融合，生成至少一个所述车辆对应状态参数的感知结果；和/或，
根据所述目标区域的地图中的道路图层以及与所述道路图层相匹配的所述目标区域内道路的感知模型融合，生成至少一个所述道路对应状态参数的感知结果；和/或，
根据所述目标区域的地图中的气象图层以及与所述气象图层相匹配的所述目标区域内气象的感知模型融合，生成至少一个所述气象对应状态参数的感知结果；和/或，
根据所述目标区域的地图中的控制信号图层以及与所述控制信号图层相匹配的所述目标区域内控制信号的感知模型融合，生成至少一个所述控制信号对应状态参数的感知结果。
作为一种可选的实施方式，在本发明第二方面中，所述装置还包括：
判断模块，用于根据所述融合模块融合得到的所述行人对应状态参数的感知结果判断所述目标区域内的行人是否均满足人身安全条件；
获取模块，用于当所述判断模块判断到存在至少一个不满足人身安全条件的行人时，获取所述行人的感知信息；
计算模块，用于计算所述获取模块获取的所述行人的感知信息与所述行人对应状态参数的感知结果之间的误差数值；
所述判断模块，还用于判断所述计算模块计算出的所述误差数值是否大于等于预设的误差阈值；
发送模块，用于当所述判断模块判断到所述误差数值大于等于预设的误差阈值时，向管控人员发送告示信息，以使所述管控人员执行对所述行人的管控操作；和/或，
所述判断模块，还用于根据所述融合模块融合得到的所述车辆对应状态参数的感知结果判断所述目标区域内的车辆是否均满足行驶安全条件；
所述获取模块，还用于当所述判断模块判断到存在至少一辆不满足行驶安全条件的车辆时，获取所述车辆的感知信息；
所述计算模块，还用于计算所述获取模块获取的所述车辆的感知信息与所述车辆对应状态参数的感知结果之间的误差数值；
所述判断模块，还用于判断所述计算模块计算出的所述误差数值是否大于等于预设的误差阈值；
所述发送模块，还用于当所述判断模块判断到所述误差数值大于等于预设的误差阈值时，向管控人员发送告示信息，以使所述管控人员执行对所述车辆的管控操作；和/或，
所述判断模块，还用于根据所述融合模块融合得到所述控制信号对应状态参数的感知结果判断所述目标区域内的控制信号是否均满足交通安全条件；
所述获取模块，还用于当所述判断模块判断到存在至少一个不满足交通安全条件的控制信号时，获取所述控制信号的感知信息；
所述计算模块，还用于计算所述获取模块获取的所述控制信号的感知信息与所述控制信号对应状态参数的感知结果之间的误差数值；
所述判断模块，还用于判断所述计算模块计算出的所述误差数值是否大于等于预设的误差阈值；
所述发送模块，还用于当所述判断模块判断到所述误差数值大于等于预设的误差阈值时，向管控人员发送告示信息，以使所述管控人员执行对所述控制信号的管控操作。
作为一种可选的实施方式，在本发明第二方面中，所述装置还包括：
生成模块，用于根据所述获取模块获取的目标区域内每一个目标对象对应的感知信息与所述融合模块融合得到的所述目标对象对应的感知模型生成与所述目标对象相匹配的管控策略，所述管控策略用于当所述目标对象不满足对应的安全条件时对所述目标对象进行管控操作。
本发明第三方面公开了另一种基于车路协同的动态感知装置，所述装置包括：
存储有可执行程序代码的存储器；
与所述存储器耦合的处理器；
所述处理器调用所述存储器中存储的所述可执行程序代码，执行本发明第一方面公开的基于车路协同的动态感知方法。
本发明第四方面公开了一种计算机存储介质，所述计算机存储介质存储有计算机指令，所述计算机指令被调用时，用于执行本发明第一方面公开的基于车路协同的动态感知方法。
与现有技术相比，本发明实施例具有以下有益效果：
本发明实施例中，提供了一种基于车路协同的动态感知方法及装置，该方法包括：通过感知前端设备实时采集目标区域内的感知数据，其中，感知数据包括行人数据、车辆数据、道路数据、气象数据、控制信号数据中的至少一种，根据感知数据分析得到目标区域内对应目标对象的感知模型，并根据目标区域的地图图层与目标区域内对应目标对象的感知模型融合，生成至少一个感知结果，感知结果用于对目标区域的交通状况进行调度管控。可见，实施本发明能够通过多种感知前端设备实时采集目标区域内的感知数据，其中，感知数据包括行人数据、车辆数据、道路数据、气象数据、控制信号数据中的至少一种，降低道路交通信息的采集难度的同时，有利于提高了道路交通的感知数据获取的效率；根据感知数据分析得到目标区域内对应目标对象的感知模型，并根据目标区域的地图图层与目标区域内对应目标对象的感知模型融合，生成至少一个感知结果，通过融合可视化的地图图层与量化的感知模型生成数字化的感知结果，提高了道对路交通的感知数据分析的准确率，以及生成的感知结果有利于提高对目标区域的交通状况进行调度管控的效率与可靠性。
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是本发明实施例公开的一种基于车路协同的动态感知方法的流程示意图；
图2是本发明实施例公开的另一种基于车路协同的动态感知方法的流程示意图；
图3是本发明实施例公开的一种基于车路协同的动态感知装置的结构示意图；
图4是本发明实施例公开的另一种基于车路协同的动态感知装置的结构示意图；
图5是本发明实施例公开的又一种基于车路协同的动态感知装置的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、装置、产品或端没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或端固有的其他步骤或单元。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
本发明公开了一种基于车路协同的动态感知方法及装置，能够通过多种感知前端设备实时采集目标区域内的感知数据，其中，感知数据包括行人数据、车辆数据、道路数据、气象数据、控制信号数据中的至少一种，降低道路交通信息的采集难度的同时，有利于提高了道路交通的感知数据获取的效率；根据感知数据分析得到目标区域内对应目标对象的感知模型，并根据目标区域的地图图层与目标区域内对应目标对象的感知模型融合，生成至少一个感知结果，通过融合可视化的地图图层与量化的感知模型生成数字化的感知结果，提高了道对路交通的感知数据分析的准确率，以及生成的感知结果有利于提高对目标区域的交通状况进行调度管控的效率与可靠性。以下分别进行详细说明。
实施例一
请参阅图1，图1是本发明实施例公开的一种基于车路协同的动态感知方法的流程示意图。其中，图1所描述的基于车路协同的动态感知方法可以应用于车路协同的动态感知装置中，且该装置可以应用于道路交通管控系统中，本发明实施例不做限定。可选的，该系统可以应用于本地终端设备(例如：PC终端、本地服务器等)或移动终端设备(例如：智能手机、平板电脑、掌上电脑、移动互联网设备等)，本发明实施例不做限定。如图1所示，该基于车路协同的动态感知方法可以包括以下操作：
101、通过感知前端设备实时采集目标区域内的感知数据。
在本发明实施例中，可选的，目标区域可以为地图上某一个指定的地理位置，(例如：感知数据可以包括行人数据、车辆数据、道路数据、气象数据、控制信号数据等中的至少一种。
在本发明实施例中，可选的，感知前端设备可以包括：车路协同前端设备、交通指示前端设备、公安交管前端设备中的至少一种。其中，车路协同前端设备可以包括：RSU设备、雷达设备、摄像设备、气象监测设备等中的至少一种，交通指示前端设备可以包括：交通照明设备、交通标识设备、交通信号控制设备、传感设备等中的至少一种，公安交管前端设备可以包括警示信号控制装置、电警卡口装置等中的至少一种，本发明实施例不做限定。
行人数据可以包括：历史时段内目标区域的行人的总数量、行人的分布密度、行人的身份标识、行人的地理位置、行人的移动轨迹等中的至少一种，车辆数据可以包括：历史时段的目标区域内车辆的总数量、车辆的行驶速度、车辆的行驶轨迹、车辆的分布密度(例如：在目标区域内单位面积内所有车辆的数量)，车辆的车辆标识(例如：车辆的车牌号码、车辆的ETC标识信息、车辆的发动机编号)、车辆的车辆类型(例如：小型轿车、中型客车、大型客车、货运车、挂车)等中的至少一种，道路数据可以包括：历史时段内目标区域的道路的地理位置、道路的标识参数、道路的类型、道路的环境参数等中的至少一种，控制信号数据可以包括：历史时段内目标区域的道路交通信号数据、道路警示信号数据等中的至少一种，气象数据可以包括：历史时段内目标区域的气温数据、湿度数据、气压数据、降水数据、气象灾害数据等中的至少一种。进一步地，道路的环境参数可以包括：历史时段内目标区域的夜间光照强度、日间光照强度、道路积水量、积雪量、道路的地形参数等中的至少一种。
这样通过多种基于车路协同的感知设备采集的路面交通的实时感知数据越丰富，越有利于提高对目标区域的交通状况进行调度管控的效率与准确率。
102、根据感知数据分析得到目标区域内对应目标对象的感知模型。
在本发明实施例中，根据感知数据分析得到目标区域内对应目标对象的感知模型，可以包括：
根据类聚算法对对感知数据进行分类计算，得到至少一个与目标区域内目标对象对应的信息簇群，每一个信息簇群包括多个与对应的目标对象相匹配的感知信息。
根据深度神经网络算法对信息簇群中的感知信息进行训练计算，得到至少一个目标对象对应的感知模型。
在本发明实施例中，进一步可选的，可以根据类聚算法以及预设的安全因素条件对对感知数据进行分类计算，得到至少一个与目标区域内目标对象对应且与该预设的安全因素条件匹配度最高的目标信息簇群，该目标信息簇群包括多个与对应的预设的安全因素条件相匹配的目标感知信息。
其中，安全因素条件可以表示为感知信息对应的预设阈值范围，当感知信息超出对应的预设阈值范围时，标记为非安全感知信息。
根据深度神经网络算法对信息簇群中的感知信息进行训练计算，得到至少一个目标对象对应的感知模型。
在本发明实施例中，进一步可选的，根据深度神经网络算法对信息簇群中的感知信息进行训练计算，得到至少一个目标对象对应的感知模型，可以包括：
根据深度神经网络算法对目标信息簇群中的感知信息进行训练计算，得到至少一个目标对象对应的安全感知模型。
这样通过类聚算法与深度神经网络算法对实时感知数据进行分类以及构建交通安全关联的感知模型，有利于准确地预测路面交通存在的安全隐患，从而有利于提高对目标区域的交通状况进行调度管控的效率与可靠性。
103、根据目标区域的地图图层与目标区域内对应目标对象的感知模型融合，生成至少一个感知结果。
在本发明实施例中，目标区域的地图可以包括多个地图图层。
根据目标区域的地图与目标区域内对应目标对象的感知模型融合，生成至少一个感知结果，包括：
根据目标区域的地图中每一个地图图层以及与地图图层相匹配的目标区域内对应目标对象的感知模型融合，生成至少一个与目标对象对应的感知结果。
其中，根据目标区域的地图中每一个地图图层以及与地图图层相匹配的目标区域内对应目标对象的感知模型融合，生成至少一个与目标对象对应的感知结果，可以包括：
根据目标区域的地图中的行人图层以及与行人图层相匹配的目标区域内行人的感知模型融合，生成至少一个该行人对应状态参数的感知结果。
根据目标区域的地图中的车辆图层以及与车辆图层相匹配的目标区域内车辆的感知模型融合，生成至少一个该车辆对应状态参数的感知结果。
根据目标区域的地图中的道路图层以及与道路图层相匹配的目标区域内道路的感知模型融合，生成至少一个该道路对应状态参数的感知结果。
根据目标区域的地图中的气象图层以及与气象图层相匹配的目标区域内气象的感知模型融合生成感知结果，生成至少一个气象对应状态参数的感知结果。
根据目标区域的地图中的控制信号图层以及与控制信号图层相匹配的目标区域内控制信号的感知模型融合，生成至少一个该控制信号对应状态参数的感知结果。
其中，行人图层可以包括：地图各个区域的行人的分布密度图像、地图各个区域的行人的轨迹图像等，车辆图层可以包括：地图各个区域的车辆的分布密度图像、地图各个区域的车辆的轨迹图像，地图各个区域的车辆类型的分布图像等，道路图层可以包括：地图各个区域的路面障碍(例如：泥土、沙石、积水、树木、火焰、凹坑等)的位置图像、地图各个区域的路面交通事故的位置图像、历史时段内地图各个区域的路面施工的位置图像等，控制信号图层可以包括：地图各个区域的行人的分布密度图像、地图各个区域的行人的轨迹图像等。
这样根据目标区域中的多种地图图层以及与该地图图层相匹配的目标区域内对应目标对象的感知模型融合，生成多个对应目标对象对应的感知结果，能够使地图的虚拟信息与实时采集感知信息结合，有利于提高对目标区域的交通状况进行调度管控的效率与准确率。
在本发明实施例中，可选的，感知结果用于对目标区域的交通状况进行调度管控。
在一个可选的实施例中，在执行步骤103之后，该方法还可以包括以下操作：
根据行人对应状态参数的感知结果判断目标区域内的行人是否均满足人身安全条件。
当判断到存在至少一个不满足人身安全条件的行人时，获取行人的感知信息，计算行人的感知信息与行人对应状态参数的感知结果之间的误差数值，并判断误差数值是否大于等于预设的误差阈值。
当判断到误差数值大于等于预设的误差阈值时，向管控人员发送告示信息，以使管控人员执行对行人的管控操作。
其中，人身安全条件可以包括：人员位于行人指定行走区域内、指定区域内人员密度少于预设的阈值、人员在机动车行驶区域内按照斑马线区域通过、人员在机动车行驶区域内按照信号灯指示通过等中的至少一种。
和/或，根据车辆对应状态参数的感知结果判断目标区域内的车辆是否均满足行驶安全条件。
当判断到存在至少一辆不满足行驶安全条件的车辆时，获取车辆的感知信息，计算车辆的感知信息与车辆对应状态参数的感知结果之间的误差数值，并判断误差数值是否大于等于预设的误差阈值。
当判断到误差数值大于等于预设的误差阈值时，向管控人员发送告示信息，以使管控人员执行对车辆的管控操作。
其中，车辆安全条件可以包括：车辆运载量在额定载量范围内、车辆行驶速度在限定速度范围以内、车辆的运载物品合法、车辆位于机动车行驶区域内行驶、目标区域内车辆密度少于预设的密度阈值、车辆按照信号灯指示在机动车行驶区域内行驶等中的至少一种。
和/或，根据控制信号对应状态参数的感知结果判断目标区域内的控制信号是否均满足交通安全条件。
当判断到存在至少一个不满足交通安全条件的控制信号时，获取控制信号的感知信息，计算控制信号的感知信息与控制信号对应状态参数的感知结果之间的误差数值，并判断误差数值是否大于等于预设的误差阈值。
当判断到误差数值大于等于预设的误差阈值时，向管控人员发送告示信息，，以使管控人员执行对控制信号的管控操作。
其中，交通安全条件可以包括：车辆控制信号在预设的控制顺序内、行人控制信号在预设的控制顺序内等中的至少一种。
在该可选的实施例中，优选地，行人、车辆、控制信号对应的感知信息可以表示为与其对应安全感知模型中的感知信息。
可见，该可选的实施例能够通过判断行人、车辆、控制信号以及气象对应的状态参数的感知结果是否符合安全条件，从而确定目标区域是否存在交通安全隐患，当存在安全隐患时，对道路的实时感知信息与对应状态参数的感知结果进行对比，实现对目标区域的交通秩序进行有效地实时监测，从而有利于提高对目标区域的交通状况进行调度管控的效率与可靠性。
在另一个可选的实施例中，在执行步骤103之后，该方法还包括以下操作：
根据目标区域内每一个目标对象对应的感知信息与目标对象对应的感知模型生成与目标对象相匹配的管控策略，管控策略用于当目标对象不满足对应的安全条件时对目标对象进行管控操作。
可见，该可选的实施例能够根据目标区域内每一个目标对象对应的感知信息与目标对象对应的感知模型生成与目标对象相匹配的管控策略，当目标对象不满足对应的安全条件时对目标对象及时地进行管控操作，有利于提高对目标区域的交通状况进行调度管控的效率与准确率。
实施例二
请参阅图2，图2是本发明实施例公开的一种基于车路协同的动态感知方法的流程示意图。其中，图2所描述的基于车路协同的动态感知方法可以应用于车路协同的动态感知装置中，且该装置可以应用于道路交通管控系统中，本发明实施例不做限定。可选的，该系统可以应用于本地终端设备(例如：PC终端、本地服务器等)或移动终端设备(例如：智能手机、平板电脑、掌上电脑、移动互联网设备等)，本发明实施例不做限定。如图2所示，该基于车路协同的动态感知方法可以包括以下操作：
201、通过感知前端设备实时采集目标区域内的感知数据。
202、根据感知数据分析得到目标区域内对应目标对象的感知模型，并根据目标区域的地图图层与目标区域内对应目标对象的感知模型融合，生成至少一个感知结果。
203、根据预设的算法对目标区域内的行人、车辆、控制信号以及气象对应状态参数的感知结果进行计算，得到行人、车辆、控制信号以及气象对应的综合安全评分。
在本发明实施例中，预设的算法表示为根据行人、车辆、控制信号以及气象对应状态参数的感知结果的权重值对状态参数的感知结果进行加权平均值计算。
204、判断综合安全评分是否处于预设的道路安全评分范围之内，当判断到综合安全评分未处于预设的道路安全评分范围之内时，可以执行步骤205。
当判断到综合安全评分处于预设的道路安全评分范围之内时，可以重新执行步骤201。
205、获取目标区域内每一条道路的实时感知数据并根据预设的统计算法计算道路的实时感知数据的安全评分。
206、判断目标区域内每一条道路的实时感知数据的安全评分是否低于综合安全评分，当判断到存在至少一条道路的实时感知数据的安全评分低于综合安全评分时，可以执行步骤207。
本发明实施例中，可选的，当判断到未有道路的实时感知数据的安全评分低于综合安全评分时，向管控人员发送目标区域存在安全风险的告示信息。
207、向管控人员发送告示信息，以使管控人员执行对该道路的安全管控操作。
在本发明实施例中，针对步骤201-步骤202的其它描述，请参照实施例一中针对步骤101-步骤102的详细描述，本发明实施例不再赘述。
可见，该可选的实施例能够通过行人、车辆、控制信号以及气象生成的综合安全评分与预设的交通安全评分标准进行对比确定目标区域是否存在交通安全隐患，当存在安全隐患时，对综合安全评分与道路的实时感知信息生成的安全评分进行安全评定，更准确地利用感知信息实时对目标区域的交通秩序进行有效管控，从而有利于提高对目标区域的交通状况进行调度管控的效率与可靠性。
可见，实施图2所描述的基于车路协同的动态感知方法能够通过多种感知前端设备实时采集目标区域内的多种感知数据，降低道路交通信息的采集难度的同时，有利于提高了道路交通的感知数据获取的效率；根据感知数据分析得到目标区域内对应目标对象的感知模型，并根据目标区域的地图图层与目标区域内对应目标对象的感知模型融合，生成至少一个感知结果，通过融合可视化的地图图层与量化的感知模型生成数字化的感知结果，提高了道对路交通的感知数据分析的准确率；以及能够通过行人、车辆、控制信号以及气象生成的综合安全评分与预设的交通安全评分标准，道路的实时感知信息生成的安全评分进行安全评定，更准确地利用感知信息实时对目标区域的交通秩序进行有效管控，从而有利于提高对目标区域的交通状况进行调度管控的效率与可靠性。
实施例三
请参阅图3，图3是本发明实施例公开的一种基于车路协同的动态感知装置的结构示意图。其中，图2所描述的基于车路协同的动态感知装置可以执行基于车路协同的动态感知方法，且该装置可以应用于道路交通管控系统中，本发明实施例不做限定。可选的，该系统可以应用于本地终端设备(例如：PC终端、本地服务器等)或移动终端设备(例如：智能手机、平板电脑、掌上电脑、移动互联网设备等)，本发明实施例不做限定。如图3所示，该基于车路协同的动态感知装置可以包括采集模块301、分析模块302、融合模块303，其中：
采集模块301，用于通过感知前端设备实时采集目标区域内的感知数据，其中，感知数据包括行人数据、车辆数据、道路数据、气象数据、控制信号数据中的至少一种。
分析模块302，用于根据采集模块301采集到的感知数据分析得到目标区域内对应目标对象的感知模型。
融合模块303，用于根据目标区域的地图与分析模块302分析得到的目标区域内对应目标对象的感知模型融合，生成至少一个感知结果，感知结果用于对目标区域的交通状况进行调度管控。
可见，实施图3所描述的基于车路协同的动态感知装置能够通过多种感知前端设备实时采集目标区域内的感知数据，其中，感知数据包括行人数据、车辆数据、道路数据、气象数据、控制信号数据中的至少一种，降低道路交通信息的采集难度的同时，有利于提高了道路交通的感知数据获取的效率；根据感知数据分析得到目标区域内对应目标对象的感知模型，并根据目标区域的地图图层与目标区域内对应目标对象的感知模型融合，生成至少一个感知结果，通过融合可视化的地图图层与量化的感知模型生成数字化的感知结果，提高了道对路交通的感知数据分析的准确率，以及生成的感知结果有利于提高对目标区域的交通状况进行调度管控的效率与可靠性。
在一个可选的实施例中，感知前端设备包括：车路协同前端设备、交通指示前端设备、公安交管前端设备中的至少一种；
其中，车路协同前端设备包括：RSU设备、雷达设备、摄像设备、气象监测设备中的至少一种，交通指示前端设备包括：交通照明设备、交通标识设备、交通信号控制设备、传感设备中的至少一种，公安交管前端设备包括警示信号控制装置、电警卡口装置中的至少一种；
行人数据包括：历史时段内目标区域的行人的总数量、行人的分布密度、行人的身份标识、行人的地理位置、行人的移动轨迹中的至少一种，车辆数据包括：历史时段内目标区域的车辆的总数量、车辆的行驶速度、车辆的行驶轨迹、车辆的分布密度，车辆的车辆标识、车辆的车辆类型中的至少一种，道路数据包括：历史时段内目标区域的道路的地理位置、道路的标识参数、道路的环境参数中的至少一种，控制信号数据包括：历史时段内目标区域的道路交通信号数据、道路警示信号数据中的至少一种，气象数据包括：历史时段内目标区域的气温数据、湿度数据、气压数据、降水数据、气象灾害数据中的至少一种。
可见，实施图4所描述的基于车路协同的动态感知装置能够通过多种基于车路协同的感知设备采集的路面交通的实时感知数据越丰富，越有利于提高对目标区域的交通状况进行调度管控的效率与准确率。
在另一个可选的实施例中，如图4所示，分析模块302根据感知数据分析得到目标区域内对应目标对象的感知模型的具体方式为：
根据类聚算法对对感知数据进行分类计算，得到至少一个与目标区域内目标对象对应的信息簇群，每一个信息簇群包括多个与对应的目标对象相匹配的感知信息；
根据深度神经网络算法对信息簇群中的感知信息进行训练计算，得到至少一个目标对象对应的感知模型。
可见，实施图4所描述的基于车路协同的动态感知装置能够通过类聚算法与深度神经网络算法对实时感知数据进行分类以及构建交通安全关联的感知模型，有利于准确地预测路面交通存在的安全隐患，从而有利于提高对目标区域的交通状况进行调度管控的效率与可靠性。
在又一个可选的实施例中，如图4所示，目标区域的地图包括多个地图图层；
融合模块303根据目标区域的地图与目标区域内对应目标对象的感知模型融合，生成至少一个感知结果的具体方式为：
根据目标区域的地图中每一个地图图层以及与地图图层相匹配的目标区域内对应目标对象的感知模型融合，生成至少一个与目标对象对应的感知结果。
在该可选的实施例中，如图4所示，融合模块303根据目标区域的地图中每一个地图图层以及与地图图层相匹配的目标区域内对应目标对象的感知模型融合，生成至少一个与目标对象对应的感知结果的具体方式为：
根据目标区域的地图中的行人图层以及与行人图层相匹配的目标区域内行人的感知模型融合，生成至少一个行人对应状态参数的感知结果。
和/或，根据目标区域的地图中的车辆图层以及与车辆图层相匹配的目标区域内车辆的感知模型融合，生成至少一个车辆对应状态参数的感知结果。
和/或，根据目标区域的地图中的道路图层以及与道路图层相匹配的目标区域内道路的感知模型融合，生成至少一个道路对应状态参数的感知结果。
和/或，根据目标区域的地图中的气象图层以及与气象图层相匹配的目标区域内气象的感知模型融合，生成至少一个气象对应状态参数的感知结果。
和/或，根据目标区域的地图中的控制信号图层以及与控制信号图层相匹配的目标区域内控制信号的感知模型融合，生成至少一个控制信号对应状态参数的感知结果。
可见，实施图4所描述的基于车路协同的动态感知装置能够根据目标区域中的多种地图图层以及与该地图图层相匹配的目标区域内对应目标对象的感知模型融合，生成多个对应目标对象对应的感知结果，能够使地图的虚拟信息与实时采集感知信息结合，有利于提高对目标区域的交通状况进行调度管控的效率与准确率。
在又一个可选的实施例中，如图4所示，该装置还包括：判断模块304、获取模块305、计算模块306、发送模块307。
作为一种可选的实施方式，判断模块304，用于根据融合模块303融合得到的行人对应状态参数的感知结果判断目标区域内的行人是否均满足人身安全条件。
获取模块305，用于当判断模块304判断到存在至少一个不满足人身安全条件的行人时，获取行人的感知信息。
计算模块306，用于计算获取模块305获取的行人的感知信息与行人对应状态参数的感知结果之间的误差数值。
判断模块304，还用于判断计算模块306计算出的误差数值是否大于等于预设的误差阈值。
发送模块307，用于当判断模块304判断到误差数值大于等于预设的误差阈值时，向管控人员发送告示信息，以使管控人员执行对行人的管控操作。
作为另一种可选的实施方式，判断模块304，用于根据融合模块303融合得到的车辆对应状态参数的感知结果判断目标区域内的车辆是否均满足行驶安全条件。
获取模块305，用于当判断模块304判断到存在至少一辆不满足行驶安全条件的车辆时，获取车辆的感知信息。
计算模块306，用于计算获取模块305获取的车辆的感知信息与车辆对应状态参数的感知结果之间的误差数值。
判断模块304，还用于判断计算模块306计算出的误差数值是否大于等于预设的误差阈值。
发送模块307，用于当判断模块304判断到误差数值大于等于预设的误差阈值时，向管控人员发送告示信息，以使管控人员执行对车辆的管控操作。
作为又一种可选的实施方式，判断模块304，用于根据融合模块303融合得到控制信号对应状态参数的感知结果判断目标区域内的控制信号是否均满足交通安全条件。
获取模块305，用于当判断模块304判断到存在至少一个不满足交通安全条件的控制信号时，获取控制信号的感知信息。
计算模块306，用于计算获取模块305获取的控制信号的感知信息与控制信号对应状态参数的感知结果之间的误差数值。
判断模块304，还用于判断计算模块306计算出的误差数值是否大于等于预设的误差阈值。
发送模块307，用于当判断模块304判断到误差数值大于等于预设的误差阈值时，向管控人员发送告示信息，以使管控人员执行对控制信号的管控操作。
可见，实施图4所描述的基于车路协同的动态感知装置能够通过行人、车辆、控制信号以及气象生成的综合安全评分与预设的交通安全评分标准进行对比确定目标区域是否存在交通安全隐患，当存在安全隐患时，对综合安全评分与道路的实时感知信息生成的安全评分进行安全评定，更准确地利用感知信息实时对目标区域的交通秩序进行有效管控，从而有利于提高对目标区域的交通状况进行调度管控的效率与可靠性。
在又一个可选的实施例中，如图4所示，该装置还包括：
生成模块308，用于根据获取模块305获取的目标区域内每一个目标对象对应的感知信息与融合模块303融合得到的目标对象对应的感知模型生成与目标对象相匹配的管控策略，管控策略用于当目标对象不满足对应的安全条件时对目标对象进行管控操作。
可见，实施图4所描述的基于车路协同的动态感知装置能够根据目标区域内每一个目标对象对应的感知信息与目标对象对应的感知模型生成与目标对象相匹配的管控策略，当目标对象不满足对应的安全条件时对目标对象及时地进行管控操作，有利于提高对目标区域的交通状况进行调度管控的效率与准确率。
实施例四
请参阅图5，图5是本发明实施例公开的又一种基于车路协同的动态感知装置的结构示意图。如图5所示，该基于车路协同的动态感知装置可以包括：
存储有可执行程序代码的存储器401；
与存储器401耦合的处理器402；
处理器402调用存储器401中存储的可执行程序代码，执行本发明实施例一或本发明实施例二所描述的基于车路协同的动态感知方法中的步骤。
实施例五
本发明实施例公开了一种计算机存储介质，该计算机存储介质存储有计算机指令，该计算机指令被调用时，用于执行本发明实施例一或本发明实施例二所描述的基于车路协同的动态感知方法中的步骤。
实施例六
本发明实施例公开了一种计算机程序产品，该计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，且该计算机程序可操作来使计算机执行实施例一或实施例二中所描述的基于车路协同的动态感知方法中的步骤。
以上所描述的装置实施例仅是示意性的，其中所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块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模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施例的具体描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中,存储介质包括只读存储器(Read-Only Memory，ROM)、随机存储器(Random Access Memory，RAM)、可编程只读存储器(Programmable Read-only Memory，PROM)、可擦除可编程只读存储器(ErasableProgrammable Read Only Memory，EPROM)、一次可编程只读存储器(One-timeProgrammable Read-Only Memory，OTPROM)、电子抹除式可复写只读存储器(Electrically-Erasable Programmable Read-Only Memory，EEPROM)、只读光盘(CompactDisc Read-Only Memory，CD-ROM)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。
最后应说明的是：本发明实施例公开的一种基于车路协同的动态感知方法及装置所揭露的仅为本发明较佳实施例而已，仅用于说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解；其依然可以对前述各项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；而这些修改或替换，并不使相应的技术方案的本质脱离本发明各项实施例技术方案的精神和范围。
Claims (10)
1.基于车路协同的动态感知方法，其特征在于，所述方法包括：
通过感知前端设备实时采集目标区域内的感知数据，其中，所述感知数据包括行人数据、车辆数据、道路数据、气象数据、控制信号数据中的至少一种；
根据所述感知数据分析得到所述目标区域内对应目标对象的感知模型，并根据所述目标区域的地图图层与所述目标区域内对应目标对象的感知模型融合，生成至少一个感知结果，所述感知结果用于对所述目标区域的交通状况进行调度管控。
2.根据权利要求1所述的基于车路协同的动态感知方法，其特征在于，所述感知前端设备包括：车路协同前端设备、交通指示前端设备、公安交管前端设备中的至少一种；
其中，所述车路协同前端设备包括：RSU设备、雷达设备、摄像设备、气象监测设备中的至少一种，所述交通指示前端设备包括：交通照明设备、交通标识设备、交通信号控制设备、传感设备中的至少一种，所述公安交管前端设备包括警示信号控制装置、电警卡口装置中的至少一种；
所述行人数据包括：历史时段内所述目标区域的行人的总数量、行人的分布密度、行人的身份标识、行人的地理位置、行人的移动轨迹中的至少一种，所述车辆数据包括：历史时段内所述目标区域的车辆的总数量、车辆的行驶速度、车辆的行驶轨迹、车辆的分布密度，车辆的车辆标识、车辆的车辆类型中的至少一种，所述道路数据包括：历史时段内所述目标区域的道路的地理位置、道路的标识参数、道路的环境参数中的至少一种，所述控制信号数据包括：历史时段内所述目标区域的道路交通信号数据、道路警示信号数据中的至少一种，所述气象数据包括：历史时段内所述目标区域的气温数据、湿度数据、气压数据、降水数据、气象灾害数据中的至少一种。
3.根据权利要求2所述的基于车路协同的动态感知方法，其特征在于，所述根据所述感知数据分析得到所述目标区域内对应目标对象的感知模型，包括：
根据类聚算法对对所述感知数据进行分类计算，得到至少一个与所述目标区域内目标对象对应的信息簇群，每一个信息簇群包括多个与对应的目标对象相匹配的感知信息；
根据深度神经网络算法对每一个信息簇群中的感知信息进行训练计算，得到至少一个所述目标对象对应的感知模型。
4.根据权利要求3所述的基于车路协同的动态感知方法，其特征在于，所述目标区域的地图包括多个地图图层；
所述根据所述目标区域的地图与所述目标区域内对应目标对象的感知模型融合，生成至少一个感知结果，包括：
根据所述目标区域的地图中每一个地图图层以及与所述地图图层相匹配的所述目标区域内对应目标对象的感知模型融合，生成至少一个与所述目标对象对应的感知结果。
5.根据权利要求4所述的基于车路协同的动态感知方法，其特征在于，所述根据所述目标区域的地图中每一个地图图层以及与所述地图图层相匹配的目标区域内对应目标对象的感知模型融合，生成至少一个与所述目标对象对应的感知结果，包括：
根据所述目标区域的地图中的行人图层以及与所述行人图层相匹配的所述目标区域内行人的感知模型融合，生成至少一个所述行人对应状态参数的感知结果；和/或,
根据所述目标区域的地图中的车辆图层以及与所述车辆图层相匹配的所述目标区域内车辆的感知模型融合，生成至少一个所述车辆对应状态参数的感知结果；和/或,
根据所述目标区域的地图中的道路图层以及与所述道路图层相匹配的所述目标区域内道路的感知模型融合，生成至少一个所述道路对应状态参数的感知结果；和/或,
根据所述目标区域的地图中的气象图层以及与所述气象图层相匹配的所述目标区域内气象的感知模型融合，生成至少一个所述气象对应状态参数的感知结果；和/或,
根据所述目标区域的地图中的控制信号图层以及与所述控制信号图层相匹配的所述目标区域内控制信号的感知模型融合，生成至少一个所述控制信号对应状态参数的感知结果。
6.根据权利要求5所述的基于车路协同的动态感知方法，其特征在于，所述方法还包括：
根据所述行人对应状态参数的感知结果判断所述目标区域内的行人是否均满足人身安全条件；
当判断到存在至少一个不满足人身安全条件的行人时，获取所述行人的感知信息，计算所述行人对应的感知信息与所述行人对应状态参数的感知结果之间的误差数值，并判断所述误差数值是否大于等于预设的误差阈值；
当判断到所述误差数值大于等于预设的误差阈值时，向管控人员发送告示信息，以使所述管控人员执行对所述行人的管控操作；和/或，
根据所述车辆对应状态参数的感知结果判断所述目标区域内的车辆是否均满足行驶安全条件；
当判断到存在至少一辆不满足行驶安全条件的车辆时，获取所述车辆的感知信息，计算所述车辆对应的感知信息与所述车辆对应状态参数的感知结果之间的误差数值，并判断所述误差数值是否大于等于预设的误差阈值；
当判断到所述误差数值大于等于预设的误差阈值时，向管控人员发送告示信息，以使所述管控人员执行对所述车辆的管控操作；和/或，
根据所述控制信号对应状态参数的感知结果判断所述目标区域内的控制信号是否均满足交通安全条件；
当判断到存在至少一个不满足交通安全条件的控制信号时，获取所述控制信号的感知信息，计算所述控制信号对应的感知信息与所述控制信号对应状态参数的感知结果之间的误差数值，并判断所述误差数值是否大于等于预设的误差阈值；
当判断到所述误差数值大于等于预设的误差阈值时，向管控人员发送告示信息，以使所述管控人员执行对所述控制信号的管控操作。
7.根据权利要求1-6任一项所述的基于车路协同的动态感知方法，其特征在于，所述方法还包括：
根据所述目标区域内每一个目标对象对应的感知信息与所述目标对象对应状态参数的感知结果生成与所述目标对象相匹配的管控策略，所述管控策略用于当所述目标对象不满足对应的安全条件时对所述目标对象进行管控操作。
8.一种基于车路协同的动态感知装置，其特征在于，所述装置包括：
采集模块，用于通过感知前端设备实时采集目标区域内的感知数据，其中，所述感知数据包括行人数据、车辆数据、道路数据、气象数据、控制信号数据中的至少一种；
分析模块，用于根据所述感知数据分析得到所述目标区域内对应目标对象的感知模型；
融合模块，用于根据所述目标区域的地图与所述目标区域内对应目标对象的感知模型融合，生成至少一个感知结果，所述感知结果用于对所述目标区域的交通状况进行调度管控。
9.一种基于车路协同的动态感知装置，其特征在于，所述装置包括：
存储有可执行程序代码的存储器；
与所述存储器耦合的处理器；
所述处理器调用所述存储器中存储的所述可执行程序代码，执行如权利要求1-7任一项所述的基于车路协同的动态感知方法。
10.一种计算机存储介质，其特征在于，所述计算机存储介质存储有计算机指令，所述计算机指令被调用时，用于执行如权利要求1-7任一项所述的基于车路协同的动态感知方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311281571.2A CN117275232B (zh) | 2023-09-28 | 2023-09-28 | 基于车路协同的动态感知方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311281571.2A CN117275232B (zh) | 2023-09-28 | 2023-09-28 | 基于车路协同的动态感知方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117275232A true CN117275232A (zh) | 2023-12-22 |
| CN117275232B CN117275232B (zh) | 2024-05-31 |
Family
ID=89200594
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311281571.2A Active CN117275232B (zh) | 2023-09-28 | 2023-09-28 | 基于车路协同的动态感知方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117275232B (zh) |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101954963B1 (ko) * | 2018-01-15 | 2019-03-07 | 주식회사 스트리스 | 수치지도 및 도로정밀지도 구축 자동화를 위한 장치 및 방법 |
| WO2020258277A1 (zh) * | 2019-06-28 | 2020-12-30 | 驭势科技（北京）有限公司 | 一种智能驾驶车辆让行方法、装置及车载设备 |
| CN112837535A (zh) * | 2021-03-22 | 2021-05-25 | 北京百度网讯科技有限公司 | 交通信息处理方法、装置、系统、设备及存储介质 |
| CN113327421A (zh) * | 2021-06-04 | 2021-08-31 | 河北省交通规划设计院 | 一种基于v2x路网控制方法及系统 |
| CN114049767A (zh) * | 2021-11-10 | 2022-02-15 | 刘鹏 | 一种边缘计算方法、装置及可读存储介质 |
| CN114333312A (zh) * | 2021-12-28 | 2022-04-12 | 阿波罗智联(北京)科技有限公司 | 一种道路交通环境信息的展示方法、装置以及电子设备 |
| CN114862901A (zh) * | 2022-04-26 | 2022-08-05 | 青岛慧拓智能机器有限公司 | 一种露天矿山的路端多源传感器融合目标感知方法和系统 |
| CN115116216A (zh) * | 2022-05-24 | 2022-09-27 | 清华大学 | 基于车路云接口实现的全域协同感知与决策方法、装置 |
| DE102022211987A1 (de) * | 2021-11-12 | 2023-05-17 | Zf Friedrichshafen Ag | Verfahren, Computerprogramm, maschinenlesbares Speichermedium und System zur Klassifizierung von Geisterobiekten in einer Umgebung eines Straßenfahrzeugs, eines Beförderungssystems und/oder einer Komponente einer Verkehrsinfrastruktur |
| WO2023087181A1 (zh) * | 2021-11-17 | 2023-05-25 | 浙江吉利控股集团有限公司 | 车路协同多车路径规划和路权决策方法、系统和路基单元 |
-
2023
- 2023-09-28 CN CN202311281571.2A patent/CN117275232B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101954963B1 (ko) * | 2018-01-15 | 2019-03-07 | 주식회사 스트리스 | 수치지도 및 도로정밀지도 구축 자동화를 위한 장치 및 방법 |
| WO2020258277A1 (zh) * | 2019-06-28 | 2020-12-30 | 驭势科技（北京）有限公司 | 一种智能驾驶车辆让行方法、装置及车载设备 |
| CN112837535A (zh) * | 2021-03-22 | 2021-05-25 | 北京百度网讯科技有限公司 | 交通信息处理方法、装置、系统、设备及存储介质 |
| CN113327421A (zh) * | 2021-06-04 | 2021-08-31 | 河北省交通规划设计院 | 一种基于v2x路网控制方法及系统 |
| CN114049767A (zh) * | 2021-11-10 | 2022-02-15 | 刘鹏 | 一种边缘计算方法、装置及可读存储介质 |
| DE102022211987A1 (de) * | 2021-11-12 | 2023-05-17 | Zf Friedrichshafen Ag | Verfahren, Computerprogramm, maschinenlesbares Speichermedium und System zur Klassifizierung von Geisterobiekten in einer Umgebung eines Straßenfahrzeugs, eines Beförderungssystems und/oder einer Komponente einer Verkehrsinfrastruktur |
| WO2023087181A1 (zh) * | 2021-11-17 | 2023-05-25 | 浙江吉利控股集团有限公司 | 车路协同多车路径规划和路权决策方法、系统和路基单元 |
| CN114333312A (zh) * | 2021-12-28 | 2022-04-12 | 阿波罗智联(北京)科技有限公司 | 一种道路交通环境信息的展示方法、装置以及电子设备 |
| CN114862901A (zh) * | 2022-04-26 | 2022-08-05 | 青岛慧拓智能机器有限公司 | 一种露天矿山的路端多源传感器融合目标感知方法和系统 |
| CN115116216A (zh) * | 2022-05-24 | 2022-09-27 | 清华大学 | 基于车路云接口实现的全域协同感知与决策方法、装置 |
Non-Patent Citations (1)
| Title |
|---|
| 蔡志理;孙丰瑞;韦凌翔;王楠;: "基于车联网技术的车路协同系统设计", 山东交通学院学报, no. 04, 31 December 2011 (2011-12-31) * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117275232B (zh) | 2024-05-31 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112927512B (zh) | 一种高速公路匝道合流控制系统及方法 | |
| CN110895662A (zh) | 车辆超载报警方法、装置、电子设备及存储介质 | |
| CN109326124A (zh) | 一种基于机器视觉的城市环境停放车辆行为识别系统 | |
| CN110599791A (zh) | 信息监控方法、装置和设备 | |
| WO2022213542A1 (zh) | 基于激光雷达和轨迹预测的信控交叉口清空方法和系统 | |
| CN112606831A (zh) | 一种用于客车的防碰撞警示信息对外交互方法及系统 | |
| CN113155173A (zh) | 感知性能评测方法、装置、电子装置和存储介质 | |
| CN114387785A (zh) | 一种基于智慧公路的安全管控方法、系统及可存储介质 | |
| CN111523397A (zh) | 一种智慧灯杆视觉识别装置、方法及其系统和电子设备 | |
| CN111754767A (zh) | 基于智慧灯杆的高速公路交通预警方法、装置和系统 | |
| CN111541751B (zh) | 一种轨迹监测的方法及装置 | |
| CN112669598A (zh) | 一种基于车流量的智慧交通管理系统 | |
| CN109360417A (zh) | 一种基于区块链的危险驾驶行为辨识与推送方法及系统 | |
| CN116312045A (zh) | 一种车辆危险预警方法及装置 | |
| CN117275232B (zh) | 基于车路协同的动态感知方法及装置 | |
| CN113919571A (zh) | 基于边缘计算的危化品运输保费预估方法 | |
| CN115512511A (zh) | 一种预警方法、装置、移动终端及可读存储介质 | |
| CN113192340B (zh) | 高速公路施工车辆的识别方法、装置、设备及存储介质 | |
| CN115273468A (zh) | 一种交通拥堵控制策略生成方法及装置 | |
| CN116416756A (zh) | 疲劳驾驶预警方法、装置、设备及计算机可读存储介质 | |
| CN107085074B (zh) | 一种分类监测机动车尾气的方法 | |
| CN112489397A (zh) | 实现针对高速公路行人非法横穿行为进行预判及轨迹标定处理的雷达预警系统及其方法 | |
| CN112927514B (zh) | 基于3d激光雷达的机动车闯黄灯行为预测方法和系统 | |
| CN118366329B (zh) | 一种基于etc数据的车速提醒方法及系统 | |
| CN114999134B (zh) | 一种驾驶行为预警方法、装置及系统 |
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 |