CN117292548B - 交通仿真方法、装置、设备及存储介质 - Google Patents
交通仿真方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN117292548B CN117292548B CN202311496625.7A CN202311496625A CN117292548B CN 117292548 B CN117292548 B CN 117292548B CN 202311496625 A CN202311496625 A CN 202311496625A CN 117292548 B CN117292548 B CN 117292548B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- time
- upstream
- perceived
- sub
- 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.)
- Active
Links
- 238000004088 simulation Methods 0.000 title claims abstract description 116
- 238000000034 method Methods 0.000 title claims abstract description 69
- 238000011144 upstream manufacturing Methods 0.000 claims abstract description 239
- 230000008447 perception Effects 0.000 claims abstract description 109
- 238000004590 computer program Methods 0.000 claims description 20
- 230000001953 sensory effect Effects 0.000 abstract description 45
- 238000010586 diagram Methods 0.000 description 16
- 230000008569 process Effects 0.000 description 14
- 238000013507 mapping Methods 0.000 description 10
- 238000007726 management method Methods 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 7
- 238000004422 calculation algorithm Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 230000006399 behavior Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 230000000007 visual effect Effects 0.000 description 4
- 230000001133 acceleration Effects 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
- 238000011160 research Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 210000001503 joint Anatomy 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 208000013021 vision distortion Diseases 0.000 description 1
- 238000012800 visualization Methods 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
- G08G1/0125—Traffic data processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
-
- 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
- G08G1/04—Detecting movement of traffic to be counted or controlled using optical or ultrasonic detectors
-
- 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
- G08G1/052—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/38—Services specially adapted for particular environments, situations or purposes for collecting sensor information
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Analytical Chemistry (AREA)
- Computer Networks & Wireless Communication (AREA)
- Chemical & Material Sciences (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请实施例提供了一种交通仿真方法、装置、设备及存储介质,可以涉及智慧交通领域、自动驾驶领域等,该方法包括:获取目标道路的感知盲区的上游感知覆盖区在T‑Td到T的时间段内的集计交通数据,Td>0;基于上游感知覆盖区在T‑Td到T的时间段内的集计交通数据,确定在T到T+Td的时间段从上游感知覆盖区进入感知盲区的车辆信息;基于在T到T+Td的时间段从上游感知覆盖区进入感知盲区的车辆信息,对感知盲区在T到T+Td的时间段内进行中观交通仿真,从而保证上游感知覆盖区与感知盲区之间交通状态的连续性。
Description
技术领域
本申请实施例涉及智慧交通领域,尤其涉及一种交通仿真方法、装置、设备及存储介质。
背景技术
数字孪生在智慧交通领域的应用,主要是通过建立交通系统的数字孪生体,实现交通状态的实时感知、交通过程的精细管理、交通决策的智能支持等。其中,交通仿真是数字孪生系统的一项重要任务。
在交通仿真过程中往往通过设置在道路上的传感器采集车辆的位置、速度、加速度、方向等等信息,将作为这些信息作为交通仿真模型的输入,以实现交通仿真。然而,由于道路上的传感器数量有限,使得道路上可能存在感知盲区,目前针对感知盲区,主要通过随机设置车辆状态来进行交通仿真,然而这种方式常常导致感知盲区与其上游感知覆盖区存在交通状态脱节的问题。
发明内容
本申请实施例提供一种交通仿真方法、装置、设备及存储介质,从而保证上游感知覆盖区与感知盲区之间交通状态的连续性。
第一方面,本申请实施例提供一种交通仿真方法,包括:获取目标道路的感知盲区的上游感知覆盖区在T-Td到T的时间段内的集计交通数据,Td>0;基于上游感知覆盖区在T-Td到T的时间段内的集计交通数据,确定在T到 T +Td的时间段从上游感知覆盖区进入感知盲区的车辆信息;基于在T到 T +Td的时间段从上游感知覆盖区进入感知盲区的车辆信息,对感知盲区在T到 T +Td的时间段内进行中观交通仿真。
第二方面,本申请实施例提供一种交通仿真装置,包括:获取模块、确定模块和仿真模块。其中,获取模块用于获取目标道路的感知盲区的上游感知覆盖区在T-Td到T的时间段内的集计交通数据,Td>0;确定模块用于基于上游感知覆盖区在T-Td到T的时间段内的集计交通数据,确定在T到 T +Td的时间段从上游感知覆盖区进入感知盲区的车辆信息;仿真模块用于基于在T到 T +Td的时间段从上游感知覆盖区进入感知盲区的车辆信息,对感知盲区在T到 T +Td的时间段内进行中观交通仿真。
第三方面,本申请实施例提供一种电子设备,包括:处理器和存储器,该存储器用于存储计算机程序,该处理器用于调用并运行该存储器中存储的计算机程序,执行如第一方面或其各实现方式中的方法。
第四方面,本申请实施例提供一种计算机可读存储介质,用于存储计算机程序,计算机程序使得计算机执行如第一方面或其各实现方式中的方法。
第五方面,本申请实施例提供一种计算机程序产品,包括计算机程序指令,该计算机程序指令使得计算机执行如第一方面或其各实现方式中的方法。
第六方面,本申请实施例提供一种计算机程序,计算机程序使得计算机执行如第一方面或其各实现方式中的方法。
通过本申请提供的技术方案,使得上游感知覆盖区的交通状态可以传递至感知盲区,从而保证上游感知覆盖区与感知盲区之间交通状态的连续性,从仿真可视化角度来讲,由于上游感知覆盖区与感知盲区之间的交通状态具有连续性,从而可以提高可视化效果。
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为本申请实施例涉及的一种应用场景示意图;
图2为本申请实施例提供的一种交通仿真方法的流程图;
图3为不带匝道的高速公路主干线的示意图;
图4为交通流理论中宏观基本图的示意图;
图5为本申请实施例提供的车辆子池示意图;
图6为本申请实施例提供的感知盲区在T+5时刻的仿真示意图;
图7为本申请实施例提供的一个子时间段内的中观交通仿真过程流程图;
图8为本申请实施例提供的一种交通仿真装置800的示意图;
图9是本申请实施例提供的电子设备的示意性框图。
具体实施方式
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做出创造性劳动的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。
需要说明的是,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”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,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、系统、产品或服务器不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
本申请实施例可以涉及智慧交通领域中的数字孪生技术,具体可以涉及数据孪生技术中的交通仿真技术,但不限于此。
智慧交通领域是指采用先进的技术手段,对城市交通管理、交通运输、公众出行等方面进行智能化服务和管理,以提高交通运行效率和管理水平,保障交通安全,改善交通环境,提升公众出行体验。
智慧交通领域的主要技术包括互联网、物联网、大数据、云计算、人工智能等,可以实现对车辆、道路、交通信号灯等交通设施的实时监测和数据采集,提供实时交通路况、交通预测、停车信息等服务,方便公众出行和交通管理。
数字孪生是以数字化方式创建物理实体的虚拟实体,借助历史数据、实时数据、以及算法模型等,模拟、验证、预测、控制物理实体全生命周期过程的技术手段。
数字孪生可通过将高速公路进行虚拟平行世界的建立,将高速公路物理世界的环境、车辆、事件等要素进行实时的、完全的映射,通过高速道路中分布的传感器数据进行充分感知、动态监测,形成虚拟道路在信息维度上对实体道路的精准信息表达和映射,使管理人员不在高速公路现场即可掌握高速公路全域状况,解决全路段管理难、事件发现滞后、事件复盘难等问题。它不仅仅具有仿真能力,还应具备预测和控制能力。
在传感器可以覆盖的路段区域,视频、雷达等多维交通设施采集信息自行承载融合,通过目标融合算法,使各类传感器获取的原始不连贯目标信息相互印证、互为补充,形成基本完整的目标属性信息,实现对高速主干线上车辆行驶轨迹的精准刻画。例如通过地图的关联关系,将雷达检测的目标和视频识别的目标建立联系。同时,将实时检测目标叠加在高精地图上,实现物理空间与虚拟空间的对接,完成数字映射的全息感知。进而可以在仿真系统中对其进行实时复现仿真,并在此基础上进行仿真推演,对交通隐患、交通事件、交通拥堵等核心业务进行描述、诊断、预测、决策,达成实时高效的智能分析和主动管控,最终实现闭环的控制,从而实现高速公路治理的精细化、智能化、标准化、专业化,为交通治理打下坚实的基础。
交通仿真是利用仿真技术来研究交通行为,它是一门对交通运动随时间和空间的变化进行管理描述的技术。交通仿真可以含有随机特性,可以是微观的,也可以是宏观的,并且涉及描述交通运输系统在一定期间实时运动的数学模型。
目前交通仿真包括:宏观交通仿真、微观交通仿真和中观交通仿真。
宏观交通仿真以车辆整体流动作为研究对象,能够分析和重现交通流的宏观特性,但宏观交通仿真的灵活性和描述能力较为有限。
微观交通仿真以个体车辆作为研究对象,能够非常细致的描述交通系统中每一时刻、每一辆车的加速行为及其相互作用关系,但其运算速度及内存需求会随着车辆数的增加而增加。
中观交通仿真以车辆群体行为为研究对象,可用来拟定、评价在较大范围内进行交通控制和干预的措施和方法,从而对交通流进行有效的控制。其对交通流的描述常以若干车辆构成的队列为单元,描述队列在路段和节点的流入流出行为,与宏观交通仿真相比,中观交通仿真分析精度大大提高,可以得到车速、交叉口延误、饱和度等较为具体的分析指标,而与微观交通仿真相比,中观交通仿真拥有建模工作量小和运行速度快的特点。因此在进行较大范围的区域交通分析时,中观交通仿真较为合适。
在介绍本申请技术方案之前,下面先对本申请技术方案的相关知识进行说明:
一、集计交通数据,是指对交通数据进行统计和计算后得到的数据,包括在一段时间内的车流量、平均车速等,但不限于此。
二、感知盲区,指的是道路上无法被传感器感知的区域。
三、感知覆盖区,指的是道路上可以被传感器感知的区域。
四、车流量,是一个交通工程学术语,它表示单位时间内通过某路段的车辆数量。车流量是交通规划和交通仿真的重要参数之一。
五、车流密度,指在单位长度,例如1公里路段上,一个车道或一个方向上某一瞬时的车辆数,它表示在一条道路上车辆的密集程度,是交通工程学中的一个重要概念。
下面将对本申请实施例所适用的系统框架、所要解决的技术问题和发明构思进行阐述:
在一些可实现方式中,本申请实施例的应用场景如图1所示。
图1为本申请实施例涉及的一种应用场景示意图,如图1所示,该应用场景涉及传感器110和电子设备120。
其中,传感器110和电子设备120之间可以通过有线或无线通信方式进行直接或间接地连接。
在一些可实现方式中,传感器110可以采集位于感知盲区的上游感知覆盖区的各个车辆的位置、速度、加速度、方向等,并将这些数据以及对应采集时间发送给电子设备120,该电子设备120可以基于这些数据,确定上游感知覆盖区在T-Td到T的时间段内的集计交通数据,其中,Td>0;进一步地,电子设备120可以基于上游感知覆盖区在T-Td到T的时间段内的集计交通数据,确定在T到 T +Td的时间段从上游感知覆盖区进入所述感知盲区的车辆信息;并基于在T到 T +Td的时间段从上游感知覆盖区进入所述感知盲区的车辆信息,对感知盲区在T到 T +Td的时间段内进行中观交通仿真。
在一些可实现方式中,T-Td到T的时间段可以是以下任一项,但不限于此:[T-Td,T)、[T-Td,T]、(T-Td,T)、(T-Td,T]。
在一些可实现方式中,T到 T +Td的时间段可以是以下任一项,但不限于此:[T, T+Td)、[T, T +Td]、(T, T +Td)、(T, T +Td]。
在一些可实现方式中,传感器110可以是摄像头、激光测速传感器、微波测速传感器和超声波测速传感器等,本申请实施例对此不做限制。
在一些可实现方式中,电子设备120上可以安装数字孪生中观交通仿真软件,其中,本申请涉及的交通仿真算法可以嵌入在该仿真软件中。
在一些可实现方式中,电子设备120可以是平板电脑、笔记本电脑、桌上型电脑、车载终端、智能手机、平板电脑、笔记本电脑、桌上型电脑、智能音箱、有屏音箱、智能手表等等,只要具有一定的计算处理能力即可,本申请对电子设备120的形式不做限制。
应理解的是,图1仅是本申请实施例的一种示例性应用场景,该应用场景涉及一个传感器110,实际上可以涉及其他数量的传感器110。另外,在该应用场景中还可以涉及其他设备,例如其他设备可以用于获取传感器110采集的数据,并基于这些数据,确定上游感知覆盖区在T-Td到T的时间段内的集计交通数据;并基于上游感知覆盖区在T-Td到T的时间段内的集计交通数据,确定在T到 T +Td的时间段从上游感知覆盖区进入所述感知盲区的车辆信息;进一步地,该设备可以在T到 T +Td的时间段从上游感知覆盖区进入所述感知盲区的车辆信息发送给电子设备120,使得电子设备120可以基于在T到 T +Td的时间段从上游感知覆盖区进入所述感知盲区的车辆信息,对感知盲区在T到 T +Td的时间段内进行中观交通仿真。总之,本申请实施例的应用场景不局限于图1所示的应用场景。
如上所述,由于道路上的传感器数量有限,使得道路上可能存在感知盲区,目前针对感知盲区,主要通过随机设置车辆状态来进行交通仿真,然而这种方式常常导致感知盲区与其上游感知覆盖区存在交通状态脱节的问题。
为了解决上述技术问题,本申请实施例提出可以基于上游感知覆盖区在一段时间内的集计交通数据对感知盲区进行中观交通仿真,使得上游感知覆盖区的交通状态可以传递至感知盲区,从而保证上游感知覆盖区与感知盲区之间交通状态的连续性。
下面将对本申请技术方案进行详细阐述:
图2为本申请实施例提供的一种交通仿真方法的流程图,该方法可以由电子设备执行,该电子设备可以是平板电脑、笔记本电脑、桌上型电脑、车载终端、智能手机、平板电脑、笔记本电脑、桌上型电脑、智能音箱、有屏音箱、智能手表等等,本申请对此不做限制,如图2所示,该方法包括:
S210:获取目标道路的感知盲区的上游感知覆盖区在T-Td到T的时间段内的集计交通数据,Td>0;
S220:基于上游感知覆盖区在T-Td到T的时间段内的集计交通数据,确定在T到 T+Td的时间段从上游感知覆盖区进入感知盲区的车辆信息;
S230:基于在T到 T +Td的时间段从上游感知覆盖区进入感知盲区的车辆信息,对感知盲区在T到 T +Td的时间段内进行中观交通仿真。
下面将对S210进行详细阐述:
在一些可实现方式中,上述目标道路可以是不带匝道的道路,例如可以是不带匝道的高速公路主干线。
图3为不带匝道的高速公路主干线的示意图,如图3所示,该主干线包括:上游感知覆盖区、感知盲区和下游感知覆盖区,其中,可以将上游感知覆盖区和感知盲区的边界称为感知上边界,将下游感知覆盖区和感知盲区的边界称为感知下边界。在感知下边界上游可以设置收车线,使得在感知盲区的仿真车辆无法进入下游感知覆盖区,即随着仿真时钟推进,感知盲区的仿真车辆行进到收车线处被移除出仿真系统,以防这些车辆进入下游感知覆盖区后与下游感知覆盖区的车辆发生视觉上的重叠。
在一些可实现方式中,上游感知覆盖区在T-Td到T的时间段内的集计交通数据包括:上游感知覆盖区在T-Td到T的时间段内的车流量、平均车速。
在一些可实现方式中,位于上游感知覆盖区的传感器可以采集各个车辆的位置、速度、行驶方向,并且获取这些数据的采集时间,并将这些数据和对应的采集时间发送给电子设备,电子设备基于这些数据和对应的采集时间计算上游感知覆盖区在T-Td到T的时间段内的车流量和平均车速。
在一些可实现方式中,电子设备可以基于各个车辆的位置、行驶方向以及这些数据的采集时间,确定在T-Td到T的时间段内通过上游感知覆盖区的车辆数量,基于在T-Td到T的时间段内通过上游感知覆盖区的车辆数量确定在单位时间内通过上游感知覆盖区的车辆数量,即上游感知覆盖区在T-Td到T的时间段内的车流量。
例如,电子设备可以基于各个车辆的位置、行驶方向以及这些数据的采集时间确定在[T-15s,T)时间段内通过上游感知覆盖区的车辆数量是5辆,基于此,确定上游感知覆盖区在[T-15s,T)时间段内的车流量是(5*3600)/15s=1200辆/小时。
在一些可实现方式中,电子设备可以基于各个车辆的速度以及每个速度对应的采集时间,确定上游感知覆盖区在T-Td到T的时间段内的平均车速。
在一些可实现方式中,该平均车速可以是算术平均值、几何平均值、均方根值或调和平均值等,本申请实施例对此不做限制。
例如,电子设备可以基于各个车辆的位置、行驶方向以及这些数据的采集时间确定在[T-15s,T)时间段内通过上游感知覆盖区的车辆数量是5辆,并且可以获取传感器采集到的5辆车辆的速度,分别是:60公里/小时、40公里/小时、30公里/小时、80公里/小时、70公里/小时,基于此,确定上游感知覆盖区在[T-15s,T)时间段内的平均车速是(60+40+30+80+70)/5=56公里/小时。
在一些可实现方式中,位于上游感知覆盖区的传感器可以采集各个车辆的位置、速度、行驶方向,并且获取这些数据的采集时间,并将这些数据和对应的采集时间发送给其他设备,其他设备基于这些数据和对应的采集时间计算上游感知覆盖区在T-Td到T的时间段内的车流量和平均车速,并将上游感知覆盖区在T-Td到T的时间段内的车流量和平均车速发送给电子设备。
应理解的是,其他设备针对上游感知覆盖区在T-Td到T的时间段内的车流量的计算方法与上述电子设备针对上游感知覆盖区在T-Td到T的时间段内的车流量的计算方法相同,其他设备针对上游感知覆盖区在T-Td到T的时间段内的平均车速的计算方法与上述电子设备针对上游感知覆盖区在T-Td到T的时间段内的平均车速的计算方法相同,基于此,本申请实施例对其他设备针对上游感知覆盖区在T-Td到T的时间段内的车流量以及平均车速的计算方法不再赘述。
在一些可实现方式中,上游感知覆盖区在T-Td到T的时间段内的集计交通数据包括:上游感知覆盖区在T-Td到T的时间段内的车流密度、平均车速。
在一些可实现方式中,位于上游感知覆盖区的传感器可以采集各个车辆的位置、速度、行驶方向,并且获取这些数据的采集时间,并将这些数据和对应的采集时间发送给电子设备,电子设备基于这些数据和对应的采集时间计算上游感知覆盖区在T-Td到T的时间段内的车流密度、平均车速。
在一些可实现方式中,电子设备可以基于各个车辆的位置、行驶方向以及这些数据的采集时间,确定在T-Td到T的时间段内通过上游感知覆盖区的车辆数量,基于在T-Td到T的时间段内通过上游感知覆盖区的车辆数量确定在每公里内通过上游感知覆盖区的车辆数量,即上游感知覆盖区在T-Td到T的时间段内的车流密度。
例如,电子设备可以基于各个车辆的位置、行驶方向以及这些数据的采集时间确定在[T-15s,T)时间段内通过上游感知覆盖区的车辆数量是5辆,上游感知覆盖区长度是0.5公里,基于此,确定上游感知覆盖区在[T-15s,T)时间段内的车流密度是5/0.5公里=10辆/公里。
应理解的是,关于上游感知覆盖区在T-Td到T的时间段内的平均车速的计算方法可以参考上文,本申请实施例对此不再赘述。
在一些可实现方式中,位于上游感知覆盖区的传感器可以采集各个车辆的位置、速度、行驶方向,并且获取这些数据的采集时间,并将这些数据和对应的采集时间发送给其他设备,其他设备基于这些数据和对应的采集时间计算上游感知覆盖区在T-Td到T的时间段内的车流密度和平均车速,并将上游感知覆盖区在T-Td到T的时间段内的车流密度和平均车速发送给电子设备。
应理解的是,其他设备针对上游感知覆盖区在T-Td到T的时间段内的车流密度的计算方法与上述电子设备针对上游感知覆盖区在T-Td到T的时间段内的车流密度的计算方法相同,基于此,本申请实施例对其他设备针对上游感知覆盖区在T-Td到T的时间段内的车流密度的计算方法不再赘述。
应理解的是,每个车流密度对应一个车流量,因此,当上游感知覆盖区在T-Td到T的时间段内的集计交通数据包括上游感知覆盖区在T-Td到T的时间段内的车流密度时,可以将该车流密度转换为上游感知覆盖区在T-Td到T的时间段内的车流量。后续在基于上游感知覆盖区在T-Td到T的时间段内的集计交通数据,确定在T到 T +Td的时间段从上游感知覆盖区进入感知盲区的车辆信息时,可以基于上游感知覆盖区在T-Td到T的时间段内的车流量和平均速度,确定在T到 T +Td的时间段从上游感知覆盖区进入感知盲区的车辆信息。
下面将对车流密度、车流量和速度之间的关系进行阐述:
图4为交通流理论中宏观基本图的示意图,如图4所示,在交通流理论中,宏观基本图可以描述交通网络中通行能力、车流密度和速度之间的关系,该通行能力可以通过车流量衡量。如图4所示,直线段上的每一个点代表一种交通状态,其中按照从左向右的顺序,第一段直线段描述的是车辆的自由行驶状态,其斜率是自由流车速,在图4所示的宏观基本图中该自由流车速是80公里/小时,在车辆密度从0增加到临界密度,即25辆/公里过程中,自由流车速不变,通行能力逐渐增大,并在临界密度时达到最大通行能力,在图4所示的宏观基本图中该最大通行能力是2000辆/小时,在车辆持续增多引起车流密度继续增大时,车速逐渐减慢进入拥堵状态,通行能力也随之下降,如第二段直线段所示,当车流密度增大到阻塞密度,在图4所示的宏观基本图中是140辆/公里时,车流进入完全拥堵的停止状态,速度和通行能力都降为0。
基于此,如图4所示,当给定车流密度时,可以唯一确定车流量,例如,如果车流密度是25辆/公里,那么车流量是2000辆/小时。
在一些可实现方式中,Td的取值可以是15s(seconds,s)、5分钟、10分钟或者15分钟等等。
应理解的是,无论上游感知覆盖区在T-Td到T的时间段内的集计交通数据包括:上游感知覆盖区在T-Td到T的时间段内的车流量、平均车速,或者,包括:上游感知覆盖区在T-Td到T的时间段内的车流密度、平均车速,在该时间段内集计交通数据不变,当进入其他时间段时,集计交通数据才可能发生变化,例如,以Td=5分钟为例,电子设备在8:00获取到7:55-8:00内的车流量、平均车速,再到8:05获取到8:00-8:05内的车流量、平均车速。
下面将对S220进行详细阐述:
如上所述,基于上游感知覆盖区在T-Td到T的时间段内的车流密度可以唯一确定上游感知覆盖区在T-Td到T的时间段内的车流量,因此,当上游感知覆盖区在T-Td到T的时间段内的集计交通数据包括上游感知覆盖区在T-Td到T的时间段内的车流密度时,可以将该车流密度转换为上游感知覆盖区在T-Td到T的时间段内的车流量。基于此,下面以上游感知覆盖区在T-Td到T的时间段内的集计交通数据包括:上游感知覆盖区在T-Td到T的时间段内的车流量和平均车速为例,对S220进行阐述:
在一些可实现方式中,在T-Td到T的时间段从上游感知覆盖区进入感知盲区的车辆信息包括,但不限于:在T到 T +Td的时间段从上游感知覆盖区进入感知盲区的车辆数量、每辆车辆的进入时间和每辆车辆的速度。
在一些可实现方式中,S220可以包括:
S220-1:基于上游感知覆盖区在T-Td到T的时间段内的车流量和Td,确定在T到 T +Td的时间段从上游感知覆盖区进入感知盲区的车辆数量;
S220-2:基于上游感知覆盖区在T-Td到T的时间段内的车流量,确定在T到 T +Td的时间段从上游感知覆盖区进入感知盲区的车辆中任意两辆车辆之间的时间间隔;并基于在T到 T +Td的时间段从上游感知覆盖区进入感知盲区的车辆中任意两辆车辆之间的时间间隔,确定在T到 T +Td的时间段从上游感知覆盖区进入感知盲区的每辆车辆的进入时间;
S220-3:基于上游感知覆盖区在T-Td到T的时间段内的平均车速,确定在T到 T +Td的时间段从上游感知覆盖区进入感知盲区的每辆车辆的速度。
下面将对S220-1进行详细阐述:
在本申请实施例中,电子设备可以通过以下任一种可实现方式确定在T到 T +Td的时间段从上游感知覆盖区进入感知盲区的车辆数量,但不限于此:
在一些可实现方式中,电子设备可以计算上游感知覆盖区在T-Td到T的时间段内的车流量和Td的乘积,得到在T到 T +Td的时间段从上游感知覆盖区进入感知盲区的车辆数量。
例如,假设上游感知覆盖区在[T-15s,T)时间段内的车流量是1200辆/小时,那么在[T,T+15s)时间段从上游感知覆盖区进入感知盲区的车辆数量是1200辆/小时*15s=(1200*15)/3600=5辆。
在一些可实现方式中,电子设备可以计算上游感知覆盖区在T-Td到T的时间段内的车流量和Td的乘积,再计算该乘积结果与预设值之和,得到在T到 T +Td的时间段从上游感知覆盖区进入感知盲区的车辆数量。
应理解的是,该预设值可以被理解为车辆数量的计算误差,通过该计算误差来校正上述乘积结果。
在一些可实现方式中,该预设值的取值可以是1、2等等,本申请实施例对此不做限制。
例如,假设上游感知覆盖区在[T-15s,T)时间段内的车流量是1200辆/小时,预设值取值为1,那么在[T,T+15s)时间段从上游感知覆盖区进入感知盲区的车辆数量是1200辆/小时*15s+1=(1200*15)/3600+1=6辆。
在一些可实现方式中,确定在T到 T +Td的时间段从上游感知覆盖区进入感知盲区的车辆数量之前,电子设备可以建立车流量、Td二者联合与该车辆数量之间的映射关系。相应的,电子设备可以基于该映射关系,确定在T到 T +Td的时间段从上游感知覆盖区进入感知盲区的车辆数量。
例如,假设当车流量是1200辆/小时、Td是15s时,其对应的车辆数量是5,那么电子设备可以确定在[T,T+15s)时间段从上游感知覆盖区进入感知盲区的车辆数量是5辆。
下面将对S220-2进行详细阐述:
在本申请实施例中,电子设备可以通过以下任一种可实现方式确定在T到 T +Td的时间段从上游感知覆盖区进入感知盲区的车辆中任意两辆车辆之间的时间间隔,但不限于此:
在一些可实现方式中,电子设备可以计算上游感知覆盖区在T-Td到T的时间段内的车流量的倒数,得到在T到 T +Td的时间段从上游感知覆盖区进入感知盲区的车辆中任意两辆车辆之间的平均时间间隔;基于在T到 T +Td的时间段从上游感知覆盖区进入感知盲区的车辆中任意两辆车辆之间的平均时间间隔,确定在T到 T +Td的时间段从上游感知覆盖区进入感知盲区的车辆中任意两辆车辆之间的时间间隔。
其中,电子设备可以采用以下任一种可实现方式基于在T到 T +Td的时间段从上游感知覆盖区进入感知盲区的车辆中任意两辆车辆之间的平均时间间隔,确定在T到 T +Td的时间段从上游感知覆盖区进入感知盲区的车辆中任意两辆车辆之间的时间间隔,但不限于此:
可实现方式一,电子设备可以基于在T到 T +Td的时间段从上游感知覆盖区进入感知盲区的车辆中任意两辆车辆之间的平均时间间隔,生成时间间隔对应的第一概率分布;针对在T到 T +Td的时间段从上游感知覆盖区进入感知盲区的车辆中任意两辆车辆之间的时间间隔,随机选择符合第一概率分布的时间间隔。
在一些可实现方式中,该第一概率分布可以是正态分布或者其他分布,只要第一概率分布的均值围绕在在T到 T +Td的时间段从上游感知覆盖区进入感知盲区的车辆中任意两辆车辆之间的平均时间间隔即可。
例如,第一概率分布是正态分布,其中,/>表示在T到 T +Td的时间段从上游感知覆盖区进入感知盲区的车辆中任意两辆车辆之间的平均时间间隔,/>表示方差。
应理解的是,如果第一概率分布是正态分布,那么该正态分布的方差不宜取值太大,否则,任意两辆车辆之间的时间间隔将无法围绕在上述平均时间间隔附近。其中,方差的取值可以是0.5或者1等,本申请实施例对此不做限制。
应理解的是,电子设备可以选择合适的随机种子,以生成符合第一概率分布的随机数,即时间间隔。只要第一概率分布和随机种子确定,在T到 T +Td的时间段从上游感知覆盖区进入感知盲区的车辆中任意两辆车辆之间的时间间隔便可以被复现。
应理解的是,通过生成第一概率分布,并随机选择符合第一概率分布的时间间隔,可以提高时间间隔的多样性,一方面更加符合现实场景中进入感知盲区的交通状态;另一方面可以降低不同车辆之间的时间间隔的相同概率,而由于车辆之间的时间间隔决定了车辆进入感知盲区的进入时间,而对于任意一辆车辆,该车辆的初始位置与该车辆进入感知盲区的进入时间有关,因此,通过提高时间间隔的多样性也可以降低不同车辆的初始位置存在重叠的可能性。
下面对该可实现方式一进行示例性说明:
例如,假设第一概率分布是正态分布,其中,2s表示在[T, T +15s)时间段从上游感知覆盖区进入感知盲区的车辆中任意两辆车辆之间的平均时间间隔,0.5表示方差,假设在[T, T +15s)时间段从上游感知覆盖区进入感知盲区的车辆数量是5,基于此,可以针对5个车辆任意两辆车辆之间的时间间隔,随机选择符合第一概率分布的时间间隔,例如,假设随机选择的车辆1与车辆2之间的时间间隔是2s,车辆2与车辆3之间的时间间隔是1s,车辆3与车辆4之间的时间间隔是2s,车辆4与车辆5之间的时间间隔是3s。
可实现方式二,电子设备可以将在T到 T +Td的时间段从上游感知覆盖区进入感知盲区的车辆中任意两辆车辆之间的平均时间间隔作为在T-Td到T的时间段从上游感知覆盖区进入感知盲区的车辆中任意相邻两辆车辆之间的时间间隔。
例如,假设在[T,T+15s)时间段从上游感知覆盖区进入感知盲区的车辆数量是5,它们之间的平均时间间隔是2s,基于此,可以将车辆1与车辆2之间的时间间隔、车辆2与车辆3之间的时间间隔、车辆3与车辆4之间的时间间隔、车辆4与车辆5之间的时间间隔均设置为2s。
在一些可实现方式中,在确定在T到 T +Td的时间段从上游感知覆盖区进入感知盲区的车辆中任意两辆车辆之间的时间间隔之前,电子设备可以建立上游感知覆盖区在T到 T +Td的时间段内的车流量与在T到 T +Td的时间段从上游感知覆盖区进入感知盲区的车辆中任意两辆车辆之间的时间间隔之间的映射关系,相应的,电子设备可以基于该映射关系,确定在T到 T +Td的时间段从上游感知覆盖区进入感知盲区的车辆中任意两辆车辆之间的时间间隔。
例如,假设在[T-15s,T)时间段内的车流量是1200辆/小时,其对应的在[T, T +15s)时间段从上游感知覆盖区进入感知盲区的车辆中任意相邻两辆车辆之间的时间间隔5s,那么电子设备可以确定在[T,T+15s)时间段从上游感知覆盖区进入感知盲区的车辆中任意相邻两辆车辆之间的时间间隔是5s。
应理解的是,当电子设备获取到在T到 T +Td的时间段从上游感知覆盖区进入感知盲区的车辆中任意两辆车辆之间的时间间隔之后,其可以基于任意两两车辆之间的时间间隔确定每辆车辆的进入时间。
例如,假设在[T, T +15s)时间段内从上游感知覆盖区进入感知盲区的车辆数量是5,车辆1与车辆2之间的时间间隔是2s,车辆2与车辆3之间的时间间隔是1s,车辆3与车辆4之间的时间间隔是2s,车辆4与车辆5之间的时间间隔是3s,而车辆1的进入时间是T,基于此,车辆2的进入时间是T+2,车辆3的进入时间是T+2+1=T+3,车辆4的进入时间是T+3+2=T+5,车辆5的进入时间是T+5+3=T+8。
下面将对S220-3进行详细阐述:
其中,电子设备可以采用以下任一种可实现方式实现S220-3,但不限于此:
可实现方式一,电子设备可以基于上游感知覆盖区在T-Td到T的时间段内的平均车速,生成速度对应的第二概率分布;针对在T到 T +Td的时间段从上游感知覆盖区进入感知盲区的每辆车辆的速度,随机选择符合第二概率分布的速度。
在一些可实现方式中,该第二概率分布可以是正态分布或者其他分布,只要第二概率分布的均值围绕在上游感知覆盖区在T到 T +Td的时间段内的平均车速即可。
例如,第二概率分布是正态分布,其中,/>表示上游感知覆盖区在T到T +Td的时间段内的平均车速,/>表示方差。
应理解的是,如果第二概率分布是正态分布,那么该正态分布的方差不宜取值太大,否则,任意一辆车辆的车速将无法围绕在上述平均车速的附近。其中,方差的取值可以是0.5或者1等,本申请实施例对此不做限制。
应理解的是,电子设备可以选择合适的随机种子,以生成符合第二概率分布的随机数,即车速。只要第二概率分布和随机种子确定,在T到 T +Td的时间段从上游感知覆盖区进入感知盲区的每辆车辆的速度便可以被复现。
应理解的是,通过生成第二概率分布,并随机选择符合第二概率分布的车速,可以提高车速的多样性,一方面更加符合现实场景中进入感知盲区的交通状态;另一方面可以降低不同车辆的车速相同概率,而对于任意一辆车辆,该车辆的初始位置与该车辆的速度有关,因此,通过提高车速的多样性也可以降低不同车辆的初始位置存在重叠的可能性。
下面对该可实现方式一进行示例性说明:
例如,假设第二概率分布是正态分布,其中,56km/h表示上游感知覆盖区在[T-15s,T)时间段内的平均车速,1表示方差,假设在[T, T +15s)时间段从上游感知覆盖区进入感知盲区的车辆数量是5,基于此,可以针对在[T, T +15s)时间段从上游感知覆盖区进入感知盲区的每辆车辆的速度,随机选择符合第二概率分布的时间间隔,例如,假设随机选择车辆1的速度是56km/h、车辆2的速度是60km/h、车辆3的速度是66km/h、车辆4的速度是70km/h、车辆5的速度是55km/h。
可实现方式二,电子设备可以将基于上游感知覆盖区在T-Td到T的时间段内的平均车速作为在T到 T +Td的时间段从上游感知覆盖区进入感知盲区的每辆车辆的速度。换句话讲,在T到 T +Td的时间段从上游感知覆盖区进入感知盲区的每辆车辆的速度相同,均为上述平均车速。
例如,假设在[T, T +15s)时间段从上游感知覆盖区进入感知盲区的车辆数量是5,上游感知覆盖区在[T-15s,T)时间段内的平均车速是56km/h,基于此,可以将车辆1、车辆2、车辆3、车辆4和车辆5的速度均设置为56km/h。
下面将对S230进行阐述:
在一些可实现方式中,S230包括,但不限于:
S230-1:基于在T到 T +Td的时间段从上游感知覆盖区进入感知盲区的车辆数量,生成车辆池;
S230-2:基于车辆池中每辆车辆的进入时间和中观交通仿真步长,将车辆池划分为T到 T +Td的时间段中每个子时间段对应的车辆子池;
S230-3:确定T到 T +Td的时间段中每个子时间段对应的车辆子池中每辆车辆对应的车道;
S230-4:从T时刻开始进行中观交通仿真,在仿真时间进入到第i个子时间段时,若存在初始进入到感知盲区的目标车辆,则基于目标车辆的进入时间和速度确定目标车辆在感知盲区中的初始位置;其中,i=1,3……n,n表示T到 T +Td的时间段包括的子时间段数量;
S230-5:基于目标车辆在感知盲区中的初始位置和目标车辆对应的车道对目标车辆的初始车辆状态进行仿真。
下面针对S230-1进行详细阐述:
应理解的是,车辆池是由在T到 T +Td的时间段从上游感知覆盖区进入感知盲区的车辆构成的,其中,每辆车辆具有相应的进入感知盲区的进入时间以及速度。
例如,在[T, T +15s)时间段从上游感知覆盖区进入感知盲区的车辆数量是10,并且车辆1的进入时间的是T,速度是10.3m/s,车辆2的进入时间的是T+1,速度是9.6m/s,车辆3的进入时间的是T+3,速度是9.2m/s,车辆4的进入时间的是T+4,速度是11.1m/s,车辆5的进入时间的是T+7,速度是8.9m/s,车辆6的进入时间的是T+8,速度9.9m/s,车辆7的进入时间的是T+9,速度是10.2m/s,车辆8的进入时间的是T+12,速度是9.3m/s,车辆9的进入时间的是T+13,速度是8.8m/s,车辆10的进入时间的是T+15,速度是9.5m/s。
下面针对S230-2进行详细阐述:
应理解的是,中观交通仿真步长往往小于Td,基于此,电子设备需要基于车辆池中每辆车辆的进入时间和中观交通仿真步长,将车辆池划分为T到 T +Td的时间段中每个子时间段对应的车辆子池。其中,每个子时间段的长度是中观交通仿真步长;每个子时间段对应的车辆子池是由在每个子时间段内从上游感知覆盖区进入感知盲区的车辆构成的。
例如,图5为本申请实施例提供的车辆子池示意图,如图5所示,假设中观交通仿真步长等于5s。基于此,[T,T+5)时间段对应的车辆子池由车辆1-4构成,其中,车辆1的进入时间的是T,速度是10.3m/s,车辆2的进入时间的是T+1,速度是9.6m/s,车辆3的进入时间的是T+3,速度是9.2m/s,车辆4的进入时间的是T+4,速度是11.1m/s。[T+5,T+10)时间段对应的车辆子池由车辆5-7构成,其中,车辆5的进入时间的是T+7,速度是8.9m/s,车辆6的进入时间的是T+8,速度9.9m/s,车辆7的进入时间的是T+9,速度是10.2m/s。[T+10,T+15)时间段对应的车辆子池由车辆8-10构成,其中,车辆8的进入时间的是T+12,速度是9.3m/s,车辆9的进入时间的是T+13,速度是8.8m/s,车辆10的进入时间的是T+15,速度是9.5m/s。应理解的是,图5中利用不同填充图案表示不同车辆子池。
下面针对S230-3进行详细阐述:
应理解的是,本申请实施例所谓的目标道路的车道指的是目标道路在感知上边界处的车道。当车辆对应的车道被确定之后,可以设置车辆的中心线与车道的中心线对齐。
其中,S230-3可以通过以下任一项可实现方式实现,但不限于此:
可实现方式一,S230-3可以包括:
S230-3-1A:确定第i个子时间段对应的车辆子池中车辆的数量Qi和目标道路的车道数量N;
其中,i=1,3……n,n表示T到 T +Td的时间段包括的子时间段数量。
例如,接着图5对应的示例,[T, T +15s)时间段总共包括3个子时间段,分别是:[T, T +5s)、[T+5s, T +10s)、[T+10s, T +15s),假设目标车道的车道数量是4,而第一个子时间段(即[T, T +5s))对应的车辆子池的车辆数量是4,第二个子时间段(即[T+5s, T +10s))对应的车辆子池的车辆数量是3,第三个子时间段(即[T+10s, T +15s))对应的车辆子池的车辆数量是3。
S230-3-2A:基于第i个子时间段对应的车辆子池中车辆的数量Qi和目标道路的车道数量N,确定第i个子时间段对应的车辆子池中每辆车辆对应的车道。
在一些可实现方式中,若Qi≤N,则针对第i个子时间段对应的车辆子池中的每个车辆,在N个车道中随机选择一条车道;其中,Qi个车辆对应的车道不同;若Qi>N,则针对Qi个车辆中的N个车辆中的每个车辆,在N个车道中随机选择一条车道;其中,N个车辆对应的车道不同;并针对其余Qi-N个车辆中的每个车辆,在N个车道中随机选择一条车道;其中,Qi-N个车辆对应的车道不同。若Qi=0,则跳过步骤:确定第i个子时间段对应的车辆子池中每辆车辆对应的车道。
从软件伪代码角度来讲,可以通过伪代码实现该可实现方式:
S1:构建N条车道构成的车道池;
S2:判断第i个子时间段对应的车辆子池是否为空,如果为空,则结束,如果为非空,则执行S3;
S3:针对第i个子时间段对应的车辆子池中的第j个车辆,判断车道池是否为空,如果为空,则执行S4和S5;如果为非空,则执行S5;
S4:重置车道池;
所谓重置车道池,指的是重新构建N条车道构成的车道池,这N个车道与S1中的N个车道相同。
S5:在车道池中随机选择一个车道,将该车道作为第j个车辆对应的车道,并从车道池中删除该车道,同时将第j个车辆从第i个子时间段对应的车辆子池删除,令j=j+1,继续执行S2。
例如,假设目标车道的车道数量是4,而第一个子时间段对应的车辆子池的车辆数量是4,第二个子时间段对应的车辆子池的车辆数量是5,那么针对第一个子时间段构建4个车道构成的车道池,其中,针对第一个子时间段对应的车辆子池中的第一个车辆,电子设备可以从4个车道构成的车道池中随机选择一条车道,比如将车道1分配给该第一个车辆,进一步地,电子设备可以将车道1从车道池中删除,并将该第一个车辆从第一个子时间段对应的车辆子池中删除。针对第一个子时间段对应的车辆子池中的第二个车辆,电子设备可以从当前车道池中随机选择一条车道,比如将车道2分配给该第二个车辆,进一步地,电子设备可以将车道2从当前车道池中删除,并将该第二个车辆从第一个子时间段对应的车辆子池中删除。针对第一个子时间段对应的车辆子池中的第三个车辆,电子设备可以从当前车道池中随机选择一条车道,比如将车道3分配给该第二个车辆,进一步地,电子设备可以将车道3从当前车道池中删除,并将该第三个车辆从第一个子时间段对应的车辆子池中删除。针对第一个子时间段对应的车辆子池中的第四个车辆,电子设备可以从当前车道池中随机选择一条车道,比如将车道4分配给该第四个车辆,进一步地,电子设备可以将车道4从当前车道池中删除,并将该第四个车辆从第一个子时间段对应的车辆子池中删除。针对第二个子时间段构建4个车道构成的车道池,其中,针对第二个子时间段对应的车辆子池中的第一个车辆,电子设备可以从4个车道构成的车道池中随机选择一条车道,比如将车道1分配给该第一个车辆,进一步地,电子设备可以将车道1从车道池中删除,并将该第一个车辆从第二个子时间段对应的车辆子池中删除。针对第二个子时间段对应的车辆子池中的第二个车辆,电子设备可以从当前车道池中随机选择一条车道,比如将车道2分配给该第二个车辆,进一步地,电子设备可以将车道2从当前车道池中删除,并将该第二个车辆从第二个子时间段对应的车辆子池中删除。针对第二个子时间段对应的车辆子池中的第三个车辆,电子设备可以从当前车道池中随机选择一条车道,比如将车道3分配给该第二个车辆,进一步地,电子设备可以将车道3从当前车道池中删除,并将该第三个车辆从第二个子时间段对应的车辆子池中删除。针对第二个子时间段对应的车辆子池中的第四个车辆,电子设备可以从当前车道池中随机选择一条车道,比如将车道4分配给该第四个车辆,进一步地,电子设备可以将车道4从当前车道池中删除,并将该第四个车辆从第二个子时间段对应的车辆子池中删除。针对第二个子时间段对应的车辆子池中的第五个车辆,由于车道池为空,因此电子设备可以重置车道池,电子设备可以从重置的车道池中随机选择一条车道,比如将车道1分配给该第五个车辆,进一步地,电子设备可以将车道1从重置的车道池中删除,并将该第五个车辆从第二个子时间段对应的车辆子池中删除。
在一些可实现方式中,若Qi≤N,则将Qi个车辆按照一定的顺序依次排布在Qi个车道上;若Qi>N,则将N个车辆按照一定的顺序依次排布在对N个车道上;并将其余 Qi-N个车辆按照一定的顺序依次排布在Qi-N个车道上。若Qi=0,则跳过步骤:确定第i个子时间段对应的车辆子池中每辆车辆对应的车道。
例如,假设目标车道的车道数量是4,而第一个子时间段对应的车辆子池的车辆数量是4,第二个子时间段对应的车辆子池的车辆数量是5,那么针对第一个子时间段构建4个车道构成的车道池,假设该车道池包括:车道池1-4,其中,针对第一个子时间段对应的车辆子池中的4个车辆,分别是车辆1-4,那么电子设备可以将第i个车辆分配至第i个车道,i=1,2,3,4;比如第一个车辆分配给车道1。针对第二个子时间段构建4个车道构成的车道池,假设该车道池包括:车道池1-4,其中,针对第一个子时间段对应的车辆子池中的5个车辆,分别是车辆1-5,那么电子设备可以将第i个车辆分配至第i个车道,i=1,2,3,4,比如第一个车辆分配给车道1,进一步地,电子设备可以将第5个车辆分配至第1个车道。
可实现方式二,S230-3可以包括:
S230-3-1A:针对第i个子时间段对应的车辆子池中的每辆车辆,可以在目标车道的车道中随机选择一个车道。
例如,假设目标车道的车道数量是4,而第i个子时间段对应的车辆子池的车辆数量是4,那么针对第一个车辆,可以随机选择一个车道,假设选择的是车道1,针对第二个车辆,可以随机选择一个车道,假设选择的是车道2,针对第三个车辆,可以随机选择一个车道,假设选择的是车道3,针对第四个车辆,可以随机选择一个车道,假设选择的是车道4。
应理解的是,本申请实施例对如何从车道池中选择车道不做限制,但应保证车道池中各个车道被选中的概率相同,且保证定义好车道选择算法和随机种子之后,可以复现所选择的车道。其中,该随机种子用于生成随机数,该随机数可以是车道对应的编码。
应理解的是,如果采用随机选择方式选择车道,可以增加车道的随机性,其更加符合现实场景中进入感知盲区的交通状态。
下面针对S230-4进行详细阐述:
应理解的是,针对T到 T +Td的时间段的中观交通仿真,其仿真开始时刻是T,假设中观交通仿真步长是t,那么在T时刻进行一次中观交通仿真,在T+t时刻进行一次中观交通仿真,在T+2t时刻进行一次中观交通仿真,依此类推。基于此,当进入到第i个子时间段时,第i-1个子时间段对应的车辆子池中可能存在一些车辆首次需要被仿真,假设这类车辆的车道不改变,速度不改变,需要确定这类车辆首次在感知盲区中的位置,即初始位置。例如,当仿真时钟推进到T+t时,应该要会有Q1辆车进入感知盲区,其中,这Q1辆车是[T, T +5)对应的车辆子池中的车辆,电子设备需要确定Q1辆车中首次进入感知盲区的车辆的初始位置。
应理解的是,在本申请实施例中,车辆的初始位置可以是车辆的质心、外包络线的几何中心、车辆前缘的位置,本申请实施例对此不做限制。
在本申请实施例中,可以通过以下任一种可实现方式确定目标车辆在感知盲区中的初始位置,但不限于此:
可实现方式一,在基于目标车辆的进入时间和速度,确定目标车辆在感知盲区中的初始位置之前,电子设备可以建立目标车辆的进入时间和速度二者联合与目标车辆在感知盲区中的初始位置之间的映射关系。相应的,电子设备可以基于该映射关系,确定目标车辆在感知盲区中的初始位置。
例如,假设目标车辆的进入时间是T+3,速度是9.2m/s,二者对应的初始位置是距离感知上边界10米处,那么电子设备可以确定目标车辆在感知盲区中的初始位置是距离感知上边界10米处。
可实现方式二,电子设备可以基于目标车辆的进入时间、速度、T时刻和中观交通仿真步长,确定目标车辆在感知盲区中的初始位置。
在一些可实现方式中,在基于目标车辆的进入时间、速度、T时刻和中观交通仿真步长,确定目标车辆在感知盲区中的初始位置之前,电子设备可以建立目标车辆的进入时间、速度、T时刻和中观交通仿真步长四者联合与目标车辆在感知盲区中的初始位置之间的映射关系。相应的,电子设备可以基于该映射关系,确定目标车辆在感知盲区中的初始位置。
例如,假设目标车辆的进入时间是T+3、速度是9.2m/s、中观交通仿真步长是5s,这三者以及T时刻对应的初始位置是距离感知上边界10米处,那么电子设备可以确定目标车辆在感知盲区中的初始位置是距离感知上边界10米处。
在一些可实现方式中,电子设备可以计算目标车辆的进入时间与T时刻之差,得到第一结果;对第一结果与中观交通仿真步长进行求余运算,得到第二结果;计算中观交通仿真步长与第二结果之差,得到第三结果;计算第三结果与目标车辆的速度的乘积,得到目标车辆在感知盲区中的初始位置。
例如,假设目标车辆的进入时间是Tj、速度是Vj、中观交通仿真步长是t,那么该目标车辆初次出现在感知盲区时,其在s方向上与感知上边界的距离Sj可以通过公式(1)计算:
(1)
其中,MOD表示求余运算。
例如,接着图5对应的示例,对于车辆3,其进入时间是T+3,而其首次出现在感知盲区的时间是T+5,而车辆3应该已经在T+3时就穿过了感知上边界,进入了感知盲区,在T+5时,车辆3等于已经按照速度9.2m/s向前前进了2秒,所以在T+5时,车辆3距离感知上边界的距离S3=2s*9.2m/s=18.4m,即MOD(T+3-T,5)=2,S3=(5-3)* 9.2m/s =2*9.2=18.4m。
例如,接着图5对应的示例,对于车辆7,其进入时间是T+9,而其首次出现在感知盲区的时间是T+10,而车辆7应该已经在T+9时就穿过了感知上边界,进入了感知盲区,在T+10时,车辆7等于已经按照速度10.2m/s向前前进了1秒,所以在T+10时,车辆7距离感知上边界的距离S7=1s*10.2m/s=10.2m,即MOD(T+9-T,5)=4,S7=(5-4)* 10.2m/s =2*10.2=10.2m。
例如,接着图5对应的示例,图6为本申请实施例提供的感知盲区在T+5时刻的仿真示意图,如图6所示,在T+5时,电子设备可以确定[T, T +5s)时间段对应的车辆子池中每辆车辆的位置,应理解的是,由于在T时刻车辆1已经首次出现在了感知盲区,因此,车辆1在T+5时的位置可以被称为车辆1的当前位置,其余的车辆2-4是在T+5时首次出现在感知盲区的,它们的位置可以称为各自在感知盲区的初始位置,它们各自对应的位置分别是相对于感知上边界而言的,分别是S1、S2、S3和S4。
应理解的是,针对T到 T +Td的时间段的中观交通仿真过程,本申请实施例重点关注的是车辆在感知盲区的初始位置,后续各个车辆在感知盲区的位置,其可以随着仿真时钟的仿真时间推移进行计算。
下面针对S230-5进行详细阐述:
应理解的是,目标车辆的初始车辆状态对应目标车辆在感知盲区中的初始位置、目标车辆对应的车道等,或者说目标车辆在感知盲区中的初始位置和目标车辆对应的车道决定了目标车辆的初始车辆状态。
应理解的是,在本申请实施例中,针对每个车辆,电子设备对该车辆的车道和初始位置的确定顺序不做限制,例如,在上述实施例中,电子设备先确定T到 T +Td的时间段中每个子时间段对应的车辆子池中每辆车辆对应的车道;再从T时刻开始进行中观交通仿真,在仿真时间进入到第i个子时间段时,若存在初始进入到感知盲区的目标车辆,则基于目标车辆的进入时间和速度确定目标车辆在感知盲区中的初始位置。实际上,电子设备也可以从T时刻开始进行中观交通仿真,在仿真时间进入到第i个子时间段时,若存在初始进入到感知盲区的目标车辆,则确定目标车辆对应的车道,并基于目标车辆的进入时间和速度确定目标车辆在感知盲区中的初始位置。
应理解的是,当电子设备完成T到 T +Td的时间段对应的中观交通仿真之后,其可以继续再进行[T+Td, T +2Td)时间段对应的中观交通仿真,依此类推。
下面通过一个示例对一个中观仿真步长内的中观交通仿真过程进行说明:
例如,图7为本申请实施例提供的一个子时间段内的中观交通仿真过程流程图,如图7所示,该过程包括:
S701:判断当前时间是否等于上游感知覆盖区的集计交通数据的更新时间;若是,则执行S702;若否,则执行S705;
S702:获取上游感知覆盖区的最新集计交通数据;
S703:基于最新的集计交通数据确定在接下来一个时间段从上游感知覆盖区进入感知盲区的车辆数量、每辆车辆的进入时间和速度;
S704:基于在接下来一个时间段从上游感知覆盖区进入感知盲区的车辆数量生成车辆池;并基于该车辆池中每辆车辆的进入时间和中观交通仿真步长将该车辆池划分为多个子时间段对应的车辆子池;
S705:根据当前时间选择相应的车辆子池;
S706:判断该车辆子池是否为空;若为非空,则执行S707;若为空,则执行S713;
S707:选取该车辆子池中序号最小的车辆j,并基于该车辆j的进入时间和速度确定其在感知盲区的初始位置;
S708:判断车道池是否为空,若为空,则执行S709;若为非空,则执行S710;
S709:重置车道池;
S710:在车道池中为车辆j随机选择一条车道;
S711:根据车辆j在感知盲区的初始位置和对应的车道对车辆j的初始车辆状态进行仿真;
S712:将车辆j从上述车辆子池中移除,并将车辆j对应的车道从车道子池中移除,并继续执行S706;
S713:确定在该子时间段内对车辆的中观交通仿真已完成。
应理解的是,关于图7中的各个步骤的解释说明可以参考上文,本申请实施例对此不再赘述。
在本申请实施例中,电子设备可以获取目标道路的感知盲区的上游感知覆盖区在T-Td到T的时间段内的集计交通数据;基于所述上游感知覆盖区在T-Td到T的时间段内的集计交通数据,确定在T到 T +Td的时间段从所述上游感知覆盖区进入所述感知盲区的车辆信息;基于在T到 T +Td的时间段从所述上游感知覆盖区进入所述感知盲区的车辆信息,对所述感知盲区在T到 T +Td的时间段内进行中观交通仿真。使得上游感知覆盖区的交通状态可以传递至感知盲区,从而保证上游感知覆盖区与感知盲区之间交通状态的连续性,从仿真可视化角度来讲,由于上游感知覆盖区与感知盲区之间的交通状态具有连续性,从而可以提高可视化效果。
此外,为了保证运行效率,本申请实施例采用的是中观交通仿真方法,而中观交通仿真步长往往是15s、5分钟、10分钟等等,如果在中观交通仿真步长内无法确定车辆的车速、位置等,可能会随机提供这些数据,这样可能导致车辆状态与实际情况不符,同时导致视觉失真,本申请实施例可以基于上游感知覆盖区在T-Td到T的时间段内的集计交通数据,确定每个子时间段对应的车辆子池以及车辆子池中每个车辆的车道、初始位置等,使得其更加符合实际情况,提高视觉效果。
以上结合附图详细描述了本申请的优选实施方式,但是,本申请并不限于上述实施方式中的具体细节,在本申请的技术构思范围内,可以对本申请的技术方案进行多种简单变型,这些简单变型均属于本申请的保护范围。例如,在上述具体实施方式中所描述的各个具体技术特征,在不矛盾的情况下,可以通过任何合适的方式进行组合,为了避免不必要的重复,本申请对各种可能的组合方式不再另行说明。又例如,本申请的各种不同的实施方式之间也可以进行任意组合,只要其不违背本申请的思想,其同样应当视为本申请所公开的内容。
还应理解,在本申请的各种方法实施例中,上述各过程的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
上文对本申请实施例提供的方法进行了说明,下面对本申请实施例提供的装置进行说明。
图8为本申请实施例提供的一种交通仿真装置800的示意图,如图8所示,该装置800包括:获取模块810、确定模块820和仿真模块830,其中,获取模块810用于获取目标道路的感知盲区的上游感知覆盖区在T-Td到T的时间段内的集计交通数据,Td>0;确定模块820用于基于上游感知覆盖区在T-Td到T的时间段内的集计交通数据,确定在T到 T +Td的时间段从上游感知覆盖区进入感知盲区的车辆信息;仿真模块830用于基于在T到 T +Td的时间段从上游感知覆盖区进入感知盲区的车辆信息,对感知盲区在T到 T +Td的时间段内进行中观交通仿真。
在一些可实现方式中,上游感知覆盖区在T-Td到T的时间段内的集计交通数据包括:上游感知覆盖区在T-Td到T的时间段内的车流量、平均车速;相应的,确定模块820具体用于:基于上游感知覆盖区在T-Td到T的时间段内的车流量和Td,确定在T到 T +Td的时间段从上游感知覆盖区进入感知盲区的车辆数量;基于上游感知覆盖区在T-Td到T的时间段内的车流量,确定在T到 T +Td的时间段从上游感知覆盖区进入感知盲区的车辆中任意两辆车辆之间的时间间隔;并基于在T到 T +Td的时间段从上游感知覆盖区进入感知盲区的车辆中任意两辆车辆之间的时间间隔,确定在T到 T +Td的时间段从上游感知覆盖区进入感知盲区的每辆车辆的进入时间;基于上游感知覆盖区在T-Td到T的时间段内的平均车速,确定在T到 T +Td的时间段从上游感知覆盖区进入感知盲区的每辆车辆的速度。
在一些可实现方式中,确定模块820具体用于:计算上游感知覆盖区在T-Td到T的时间段内的车流量和Td的乘积,得到在T到 T +Td的时间段从上游感知覆盖区进入感知盲区的车辆数量。
在一些可实现方式中,确定模块820具体用于:计算上游感知覆盖区在T-Td到T的时间段内的车流量的倒数,得到在T到 T +Td的时间段从上游感知覆盖区进入感知盲区的车辆中任意两辆车辆之间的平均时间间隔;基于在T到 T +Td的时间段从上游感知覆盖区进入感知盲区的车辆中任意两辆车辆之间的平均时间间隔,确定在T到 T +Td的时间段从上游感知覆盖区进入感知盲区的车辆中任意两辆车辆之间的时间间隔。
在一些可实现方式中,确定模块820具体用于:基于在T到 T +Td的时间段从上游感知覆盖区进入感知盲区的车辆中任意两辆车辆之间的平均时间间隔,生成时间间隔对应的第一概率分布;针对在T到 T +Td的时间段从上游感知覆盖区进入感知盲区的车辆中任意两辆车辆之间的时间间隔,随机选择符合第一概率分布的时间间隔。
在一些可实现方式中,确定模块820具体用于:基于上游感知覆盖区在T-Td到T的时间段内的平均车速,生成速度对应的第二概率分布;针对在T到 T +Td的时间段从上游感知覆盖区进入感知盲区的每辆车辆的速度,随机选择符合第二概率分布的速度。
在一些可实现方式中,仿真模块830具体用于:基于在T到 T +Td的时间段从上游感知覆盖区进入感知盲区的车辆数量,生成车辆池;基于车辆池中每辆车辆的进入时间和中观交通仿真步长,将车辆池划分为T到 T +Td的时间段中每个子时间段对应的车辆子池;其中,每个子时间段的长度是中观交通仿真步长;每个子时间段对应的车辆子池是由在每个子时间段内从上游感知覆盖区进入感知盲区的车辆构成的;确定T到 T +Td的时间段中每个子时间段对应的车辆子池中每辆车辆对应的车道;从T时刻开始进行中观交通仿真,在仿真时间进入到第i个子时间段时,若存在初始进入到感知盲区的目标车辆,则基于目标车辆的进入时间和速度确定目标车辆在感知盲区中的初始位置;其中,i=1,3……n,n表示T到T +Td的时间段包括的子时间段数量;基于目标车辆在感知盲区中的初始位置和目标车辆对应的车道对目标车辆的初始车辆状态进行仿真。
在一些可实现方式中,仿真模块830具体用于:基于目标车辆的进入时间、速度、T时刻和中观交通仿真步长,确定目标车辆在感知盲区中的初始位置。
在一些可实现方式中,仿真模块830具体用于:计算目标车辆的进入时间与T时刻之差,得到第一结果;对第一结果与中观交通仿真步长进行求余运算,得到第二结果;计算中观交通仿真步长与第二结果之差,得到第三结果;计算第三结果与目标车辆的速度的乘积,得到目标车辆在感知盲区中的初始位置。
在一些可实现方式中,仿真模块830具体用于:确定第i个子时间段对应的车辆子池中车辆的数量Qi和目标道路的车道数量N;其中,i=1,3……n,n表示T到 T +Td的时间段包括的子时间段数量;基于第i个子时间段对应的车辆子池中车辆的数量Qi和目标道路的车道数量N,确定第i个子时间段对应的车辆子池中每辆车辆对应的车道。
在一些可实现方式中,仿真模块830具体用于:若Qi≤N,则针对第i个子时间段对应的车辆子池中的每个车辆,在N个车道中随机选择一条车道;其中,Qi个车辆对应的车道不同;若Qi>N,则针对Qi个车辆中的N个车辆中的每个车辆,在N个车道中随机选择一条车道;其中,N个车辆对应的车道不同;并针对其余Qi-N个车辆中的每个车辆,在N个车道中随机选择一条车道;其中,Qi-N个车辆对应的车道不同。
应理解的是,装置实施例与方法实施例可以相互对应,类似的描述可以参照方法实施例。为避免重复,此处不再赘述。具体地,图8所示的装置可以执行上述方法实施例,并且装置中的各个模块的前述和其它操作和/或功能分别为了实现上述各个方法中的相应流程,为了简洁,在此不再赘述。
上文中结合附图从功能模块的角度描述了本申请实施例的装置。应理解,该功能模块可以通过硬件形式实现,也可以通过软件形式的指令实现,还可以通过硬件和软件模块组合实现。具体地,本申请实施例中的方法实施例的各步骤可以通过处理器中的硬件的集成逻辑电路和/或软件形式的指令完成,结合本申请实施例公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。可选地,软件模块可以位于随机存储器,闪存、只读存储器、可编程只读存储器、电可擦写可编程存储器、寄存器等本领域的成熟的存储介质中。该存储介质位于存储器,处理器读取存储器中的信息,结合其硬件完成上述方法实施例中的步骤。
图9是本申请实施例提供的电子设备的示意性框图。
如图9所示,该电子设备可包括:
存储器910和处理器920,该存储器910用于存储计算机程序,并将该程序代码传输给该处理器920。换言之,该处理器920可以从存储器910中调用并运行计算机程序,以实现本申请实施例中的方法。
例如,该处理器920可用于根据该计算机程序中的指令执行上述方法实施例。
在本申请的一些实施例中,该处理器920可以包括但不限于:
通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(FieldProgrammable 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、分立硬件组件等等。
在本申请的一些实施例中,该存储器910包括但不限于:
易失性存储器和/或非易失性存储器。其中,非易失性存储器可以是只读存储器(Read-Only Memory,ROM)、可编程只读存储器(Programmable ROM,PROM)、可擦除可编程只读存储器(Erasable PROM,EPROM)、电可擦除可编程只读存储器(Electrically EPROM,EEPROM)或闪存。易失性存储器可以是随机存取存储器(Random Access Memory,RAM),其用作外部高速缓存。通过示例性但不是限制性说明,许多形式的RAM可用,例如静态随机存取存储器(Static RAM,SRAM)、动态随机存取存储器(Dynamic RAM,DRAM)、同步动态随机存取存储器(Synchronous DRAM,SDRAM)、双倍数据速率同步动态随机存取存储器(Double DataRate SDRAM,DDR SDRAM)、增强型同步动态随机存取存储器(Enhanced SDRAM,ESDRAM)、同步连接动态随机存取存储器(synch link DRAM,SLDRAM)和直接内存总线随机存取存储器(Direct Rambus RAM,DR RAM)。
在本申请的一些实施例中,该计算机程序可以被分割成一个或多个模块,该一个或者多个模块被存储在该存储器910中,并由该处理器920执行,以完成本申请提供的方法。该一个或多个模块可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述该计算机程序在该电子设备中的执行过程。
如图9所示,该电子设备还可包括:
收发器930,该收发器930可连接至该处理器920或存储器910。
其中,处理器920可以控制该收发器930与其他设备进行通信,具体地,可以向其他设备发送信息或数据,或接收其他设备发送的信息或数据。收发器930可以包括发射机和接收机。收发器930还可以进一步包括天线,天线的数量可以为一个或多个。
应当理解,该电子设备中的各个组件通过总线系统相连,其中,总线系统除包括数据总线之外,还包括电源总线、控制总线和状态信号总线。
本申请还提供了一种计算机存储介质,其上存储有计算机程序,该计算机程序被计算机执行时使得该计算机能够执行上述方法实施例的方法。或者说,本申请实施例还提供一种包含指令的计算机程序产品,该指令被计算机执行时使得计算机执行上述方法实施例的方法。
当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。该计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行该计算机程序指令时,全部或部分地产生按照本申请实施例该的流程或功能。该计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。该计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,该计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(digital subscriber line,DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。该计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。该可用介质可以是磁性介质(例如,软盘、硬盘、磁带)、光介质(例如数字视频光盘(digital video disc,DVD))、或者半导体介质(例如固态硬盘(solid state disk,SSD))等。
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模块及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。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申请的范围。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,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,该模块的划分,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,例如多个模块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。另一点,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,装置或模块的间接耦合或通信连接,可以是电性,机械或其它的形式。
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单元上。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。例如,在本申请各个实施例中的各功能模块可以集成在一个处理模块中,也可以是各个模块单独物理存在,也可以两个或两个以上模块集成在一个模块中。
以上仅为本申请的具体实施方式,但本申请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申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以该权利要求的保护范围为准。
Claims (12)
1.一种交通仿真方法,其特征在于,包括:
获取目标道路的感知盲区的上游感知覆盖区在T-Td到T的时间段内的集计交通数据,Td>0;其中,所述上游感知覆盖区在T-Td到T的时间段内的集计交通数据包括:所述上游感知覆盖区在T-Td到T的时间段内的车流量、平均车速;
基于所述上游感知覆盖区在T-Td到T的时间段内的车流量和Td,确定在T到 T +Td的时间段从所述上游感知覆盖区进入所述感知盲区的车辆数量;
基于所述上游感知覆盖区在T-Td到T的时间段内的车流量,确定在T到 T +Td的时间段从所述上游感知覆盖区进入所述感知盲区的车辆中任意两辆车辆之间的时间间隔;并基于在T到 T +Td的时间段从所述上游感知覆盖区进入所述感知盲区的车辆中任意两辆车辆之间的时间间隔,确定在T到 T +Td的时间段从所述上游感知覆盖区进入所述感知盲区的每辆车辆的进入时间;
基于所述上游感知覆盖区在T-Td到T的时间段内的平均车速,确定在T到 T +Td的时间段从所述上游感知覆盖区进入所述感知盲区的每辆车辆的速度;
基于在T到 T +Td的时间段从所述上游感知覆盖区进入所述感知盲区的车辆数量,生成车辆池;
基于所述车辆池中每辆车辆的进入时间和中观交通仿真步长,将所述车辆池划分为T到 T +Td的时间段中每个子时间段对应的车辆子池;其中,所述每个子时间段的长度是所述中观交通仿真步长;所述每个子时间段对应的车辆子池是由在所述每个子时间段内从所述上游感知覆盖区进入所述感知盲区的车辆构成的;
确定T到 T +Td的时间段中每个子时间段对应的车辆子池中每辆车辆对应的车道;
从T时刻开始进行中观交通仿真,在仿真时间进入到第i个子时间段时,若存在初始进入到所述感知盲区的目标车辆,则基于所述目标车辆的进入时间和速度确定所述目标车辆在所述感知盲区中的初始位置;其中,i=1,3……n,n表示T到 T +Td的时间段包括的子时间段数量;
基于所述目标车辆在所述感知盲区中的初始位置和所述目标车辆对应的车道对所述目标车辆的初始车辆状态进行仿真。
2.根据权利要求1所述的方法,其特征在于,所述基于所述上游感知覆盖区在T-Td到T的时间段内的车流量和Td,确定在T到 T +Td的时间段从所述上游感知覆盖区进入所述感知盲区的车辆数量,包括:
计算所述上游感知覆盖区在T-Td到T的时间段内的车流量和Td的乘积,得到在T到 T +Td的时间段从所述上游感知覆盖区进入所述感知盲区的车辆数量。
3.根据权利要求1所述的方法,其特征在于,所述基于所述上游感知覆盖区在T-Td到T的时间段内的车流量,确定在T到 T +Td的时间段从所述上游感知覆盖区进入所述感知盲区的车辆中任意两辆车辆之间的时间间隔,包括:
计算所述上游感知覆盖区在T-Td到T的时间段内的车流量的倒数,得到在T到 T +Td的时间段从所述上游感知覆盖区进入所述感知盲区的车辆中任意两辆车辆之间的平均时间间隔;
基于在T到 T +Td的时间段从所述上游感知覆盖区进入所述感知盲区的车辆中任意两辆车辆之间的平均时间间隔,确定在T到 T +Td的时间段从所述上游感知覆盖区进入所述感知盲区的车辆中任意两辆车辆之间的时间间隔。
4.根据权利要求3所述的方法,其特征在于,所述基于在T到 T +Td的时间段从所述上游感知覆盖区进入所述感知盲区的车辆中任意两辆车辆之间的平均时间间隔,确定在T到 T+Td的时间段从所述上游感知覆盖区进入所述感知盲区的车辆中任意两辆车辆之间的时间间隔,包括:
基于在T到 T +Td的时间段从所述上游感知覆盖区进入所述感知盲区的车辆中任意两辆车辆之间的平均时间间隔,生成时间间隔对应的第一概率分布;
针对在T到 T +Td的时间段从所述上游感知覆盖区进入所述感知盲区的车辆中任意两辆车辆之间的时间间隔,随机选择符合所述第一概率分布的时间间隔。
5.根据权利要求3所述的方法,其特征在于,所述基于所述上游感知覆盖区在T-Td到T的时间段内的平均车速,确定在T到 T +Td的时间段从所述上游感知覆盖区进入所述感知盲区的每辆车辆的速度,包括:
基于所述上游感知覆盖区在T-Td到T的时间段内的平均车速,生成速度对应的第二概率分布;
针对在T到 T +Td的时间段从所述上游感知覆盖区进入所述感知盲区的每辆车辆的速度,随机选择符合所述第二概率分布的速度。
6.根据权利要求1-5任一项所述的方法,其特征在于,所述基于所述目标车辆的进入时间和速度,确定所述目标车辆在所述感知盲区中的初始位置,包括:
基于所述目标车辆的进入时间、速度、所述T时刻和所述中观交通仿真步长,确定所述目标车辆在所述感知盲区中的初始位置。
7.根据权利要求6所述的方法,其特征在于,所述基于所述目标车辆的进入时间、速度、所述T时刻和所述中观交通仿真步长,确定所述目标车辆在所述感知盲区中的初始位置,包括:
计算所述目标车辆的进入时间与所述T时刻之差,得到第一结果;
对所述第一结果与所述中观交通仿真步长进行求余运算,得到第二结果;
计算所述中观交通仿真步长与所述第二结果之差,得到第三结果;
计算所述第三结果与所述目标车辆的速度的乘积,得到所述目标车辆在所述感知盲区中的初始位置。
8.根据权利要求1-5任一项所述的方法,其特征在于,所述确定T到 T +Td的时间段中每个子时间段对应的车辆子池中每辆车辆对应的车道,包括:
确定第i个子时间段对应的车辆子池中车辆的数量Qi和所述目标道路的车道数量N;其中,i=1,3……n,n表示T到 T +Td的时间段包括的子时间段数量;
基于所述第i个子时间段对应的车辆子池中车辆的数量Qi和所述目标道路的车道数量N,确定所述第i个子时间段对应的车辆子池中每辆车辆对应的车道。
9.根据权利要求8所述的方法,其特征在于,所述基于所述第i个子时间段对应的车辆子池中车辆的数量Qi和所述目标道路的车道数量N,确定所述第i个子时间段对应的车辆子池中每辆车辆对应的车道,包括:
若Qi≤N,则针对所述第i个子时间段对应的车辆子池中的每个车辆,在N个车道中随机选择一条车道;其中,Qi个车辆对应的车道不同;
若Qi>N,则针对Qi个车辆中的N个车辆中的每个车辆,在N个车道中随机选择一条车道;其中,N个车辆对应的车道不同;并针对其余Qi-N个车辆中的每个车辆,在N个车道中随机选择一条车道;其中,Qi-N个车辆对应的车道不同。
10.一种交通仿真装置,其特征在于,包括:
获取模块,用于获取目标道路的感知盲区的上游感知覆盖区在T-Td到T的时间段内的集计交通数据,Td>0;其中,所述上游感知覆盖区在T-Td到T的时间段内的集计交通数据包括:所述上游感知覆盖区在T-Td到T的时间段内的车流量、平均车速;
确定模块,用于:
基于所述上游感知覆盖区在T-Td到T的时间段内的车流量和Td,确定在T到 T +Td的时间段从所述上游感知覆盖区进入所述感知盲区的车辆数量;
基于所述上游感知覆盖区在T-Td到T的时间段内的车流量,确定在T到 T +Td的时间段从所述上游感知覆盖区进入所述感知盲区的车辆中任意两辆车辆之间的时间间隔;并基于在T到 T +Td的时间段从所述上游感知覆盖区进入所述感知盲区的车辆中任意两辆车辆之间的时间间隔,确定在T到 T +Td的时间段从所述上游感知覆盖区进入所述感知盲区的每辆车辆的进入时间;
基于所述上游感知覆盖区在T-Td到T的时间段内的平均车速,确定在T到 T +Td的时间段从所述上游感知覆盖区进入所述感知盲区的每辆车辆的速度;
仿真模块,用于:
基于在T到 T +Td的时间段从所述上游感知覆盖区进入所述感知盲区的车辆数量,生成车辆池;
基于所述车辆池中每辆车辆的进入时间和中观交通仿真步长,将所述车辆池划分为T到 T +Td的时间段中每个子时间段对应的车辆子池;其中,所述每个子时间段的长度是所述中观交通仿真步长;所述每个子时间段对应的车辆子池是由在所述每个子时间段内从所述上游感知覆盖区进入所述感知盲区的车辆构成的;
确定T到 T +Td的时间段中每个子时间段对应的车辆子池中每辆车辆对应的车道;
从T时刻开始进行中观交通仿真,在仿真时间进入到第i个子时间段时,若存在初始进入到所述感知盲区的目标车辆,则基于所述目标车辆的进入时间和速度确定所述目标车辆在所述感知盲区中的初始位置;其中,i=1,3……n,n表示T到 T +Td的时间段包括的子时间段数量;
基于所述目标车辆在所述感知盲区中的初始位置和所述目标车辆对应的车道对所述目标车辆的初始车辆状态进行仿真。
11.一种电子设备,其特征在于,包括:
处理器和存储器,所述存储器用于存储计算机程序,所述处理器用于调用并运行所述存储器中存储的计算机程序,以执行权利要求1至9中任一项所述的方法。
12.一种计算机可读存储介质,其特征在于,用于存储计算机程序,所述计算机程序使得计算机执行如权利要求1至9中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311496625.7A CN117292548B (zh) | 2023-11-10 | 2023-11-10 | 交通仿真方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311496625.7A CN117292548B (zh) | 2023-11-10 | 2023-11-10 | 交通仿真方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117292548A CN117292548A (zh) | 2023-12-26 |
CN117292548B true CN117292548B (zh) | 2024-02-09 |
Family
ID=89244598
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311496625.7A Active CN117292548B (zh) | 2023-11-10 | 2023-11-10 | 交通仿真方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117292548B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106981204A (zh) * | 2017-04-01 | 2017-07-25 | 三峡大学 | 一种信息处理方法及装置 |
CN112861420A (zh) * | 2021-01-08 | 2021-05-28 | 中山大学 | 一种面向混合车流运行场景的中观交通仿真模型构建方法 |
DE102020210962A1 (de) * | 2020-08-31 | 2022-03-03 | Zf Friedrichshafen Ag | Computerimplementiertes Verfahren und Rechnersystem zum Erzeugen von Eingangsparametern für eine Simulation |
CN115497340A (zh) * | 2022-09-08 | 2022-12-20 | 中交上海航道勘察设计研究院有限公司 | 一种内河航道交通状态全息感知系统和方法 |
CN116090333A (zh) * | 2022-12-14 | 2023-05-09 | 东南大学 | 基于感知盲区估计的城市公共空间灾害建模与预防系统 |
CN116956554A (zh) * | 2023-06-21 | 2023-10-27 | 腾讯科技(深圳)有限公司 | 交通仿真处理方法、装置、电子设备及存储介质 |
CN116956561A (zh) * | 2023-06-28 | 2023-10-27 | 腾讯科技(深圳)有限公司 | 仿真环境配置方法、装置、计算机设备及存储介质 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6832421B2 (ja) * | 2018-03-08 | 2021-02-24 | バイドゥドットコム タイムズ テクノロジー (ベイジン) カンパニー リミテッドBaidu.com Times Technology (Beijing) Co., Ltd. | シミュレーションに基づく自動運転車の感知要求の評価方法 |
EP3611709A1 (de) * | 2018-08-15 | 2020-02-19 | Aurelius Bernet | Verkehrsflusssimulator |
CN112818497B (zh) * | 2021-04-19 | 2021-06-29 | 腾讯科技(深圳)有限公司 | 交通仿真方法、装置、计算机设备和存储介质 |
CN114004077A (zh) * | 2021-10-28 | 2022-02-01 | 腾讯科技(深圳)有限公司 | 交通仿真转换方法、装置、计算机设备及存储介质 |
-
2023
- 2023-11-10 CN CN202311496625.7A patent/CN117292548B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106981204A (zh) * | 2017-04-01 | 2017-07-25 | 三峡大学 | 一种信息处理方法及装置 |
DE102020210962A1 (de) * | 2020-08-31 | 2022-03-03 | Zf Friedrichshafen Ag | Computerimplementiertes Verfahren und Rechnersystem zum Erzeugen von Eingangsparametern für eine Simulation |
CN112861420A (zh) * | 2021-01-08 | 2021-05-28 | 中山大学 | 一种面向混合车流运行场景的中观交通仿真模型构建方法 |
CN115497340A (zh) * | 2022-09-08 | 2022-12-20 | 中交上海航道勘察设计研究院有限公司 | 一种内河航道交通状态全息感知系统和方法 |
CN116090333A (zh) * | 2022-12-14 | 2023-05-09 | 东南大学 | 基于感知盲区估计的城市公共空间灾害建模与预防系统 |
CN116956554A (zh) * | 2023-06-21 | 2023-10-27 | 腾讯科技(深圳)有限公司 | 交通仿真处理方法、装置、电子设备及存储介质 |
CN116956561A (zh) * | 2023-06-28 | 2023-10-27 | 腾讯科技(深圳)有限公司 | 仿真环境配置方法、装置、计算机设备及存储介质 |
Non-Patent Citations (1)
Title |
---|
交通信号控制参数的仿真优化方法研究;林勇;许兆霞;李树彬;党文修;;交通运输系统工程与信息(第03期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN117292548A (zh) | 2023-12-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110415516B (zh) | 基于图卷积神经网络的城市交通流预测方法及介质 | |
CN110969857B (zh) | 一种交通信息处理方法及装置 | |
CN111462484B (zh) | 拥堵状态的确定方法、装置、设备及计算机可读存储介质 | |
CN105976062B (zh) | 信号灯时长数据的挖掘方法、出行服务实现方法和装置 | |
US8918278B2 (en) | Method and system for modeling and processing vehicular traffic data and information and applying thereof | |
CN115952692B (zh) | 道路交通的仿真方法和装置、存储介质及电子设备 | |
CN109840660A (zh) | 一种车辆特征数据处理方法及车辆风险预测模型训练方法 | |
CN108053673A (zh) | 一种路况预报方法、存储介质和服务器 | |
US20200193822A1 (en) | Method of dynamic division of multi-layer control boundary of over-saturated road network based on mfd under telematics | |
KR20200040501A (ko) | 교통 정보 예측 방법, 장치 및 컴퓨터 프로그램 | |
CN109655107A (zh) | 空气质量监测方法、装置、车辆及计算机可读存储介质 | |
CN103914988A (zh) | 一种交通路况数据处理方法、装置和系统 | |
CN111383444B (zh) | 预测路况状态的方法、装置、服务器及存储介质 | |
CN112885112B (zh) | 车辆行驶检测的方法、车辆行驶预警的方法和装置 | |
CN116956554A (zh) | 交通仿真处理方法、装置、电子设备及存储介质 | |
CN116698075B (zh) | 路网数据处理方法、装置、电子设备及存储介质 | |
CN113867367A (zh) | 测试场景的处理方法、装置及计算机程序产品 | |
CN107588779B (zh) | 一种基于任意两节点间行程时间的车辆智能导航方法 | |
CN113781779A (zh) | 一种基于5g通信的高速公路气象预警方法、设备及介质 | |
CN117292548B (zh) | 交通仿真方法、装置、设备及存储介质 | |
US20190088116A1 (en) | Predicting vehicle travel times by modeling heterogeneous influences between arterial roads | |
CN113327422A (zh) | 一种基于区块链的智能交通调控方法及系统 | |
KR102302486B1 (ko) | 도시 도로의 운행 속도 처리 방법, 도시 도로의 운행 속도 처리 장치, 기기 및 비휘발성 컴퓨터 저장 매체 | |
CN117454519A (zh) | 交通仿真方法以及相关设备 | |
CN117172036B (zh) | 一种道路交通的仿真方法以及相关装置 |
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 |