CN117648368A - 轨迹数据的挖掘方法、装置、设备和介质 - Google Patents
轨迹数据的挖掘方法、装置、设备和介质 Download PDFInfo
- Publication number
- CN117648368A CN117648368A CN202311686989.1A CN202311686989A CN117648368A CN 117648368 A CN117648368 A CN 117648368A CN 202311686989 A CN202311686989 A CN 202311686989A CN 117648368 A CN117648368 A CN 117648368A
- Authority
- CN
- China
- Prior art keywords
- track
- lane
- target
- driving
- candidate
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000007418 data mining Methods 0.000 title claims abstract description 27
- 238000005065 mining Methods 0.000 claims abstract description 57
- 230000008859 change Effects 0.000 claims abstract description 21
- 230000002159 abnormal effect Effects 0.000 claims description 36
- 239000002131 composite material Substances 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 12
- 238000003860 storage Methods 0.000 claims description 12
- 238000001914 filtration Methods 0.000 claims description 11
- 238000012216 screening Methods 0.000 claims description 8
- 238000009412 basement excavation Methods 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 14
- 238000013459 approach Methods 0.000 description 13
- 230000006870 function Effects 0.000 description 11
- 238000004891 communication Methods 0.000 description 9
- 230000000694 effects Effects 0.000 description 8
- 238000012545 processing Methods 0.000 description 7
- 230000037361 pathway Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Landscapes
- Traffic Control Systems (AREA)
Abstract
本公开提供了一种轨迹数据的挖掘方法、装置、设备和介质,涉及自动驾驶、辅助驾驶等技术领域。具体实现方案为:确定样本车辆途经目标路口所产生的至少一条样本车辆行驶轨迹;根据各样本车辆行驶轨迹中样本轨迹点的样本轨迹点位置,确定各样本车辆行驶轨迹在目标路口所经过的目标行驶车道;分别确定经过各目标行驶车道的样本车辆行驶轨迹的轨迹数量,作为各目标行驶车道分别对应的车道途径次数;根据各目标行驶车道和各目标行驶车道分别对应的车道途径次数构建轨迹挖掘数据;其中,轨迹挖掘数据用于辅助自动驾驶车辆在目标路口进行自动变道。本公开使得自动驾驶车辆在途径路口时能够参考人类驾驶经验进行自动变道,提高了自动驾驶的仿人能力。
Description
技术领域
本公开涉及计算机技术领域,具体涉及自动驾驶、辅助驾驶、数据挖掘、电子地图、智能交通和云计算等技术领域,特别涉及一种轨迹数据的挖掘方法、装置、设备和介质。
背景技术
随着自动驾驶技术的迅速发展,越来越多的车辆开始配备自动驾驶功能,当车辆开启自动驾驶功能后,会代替司机执行某些驾驶操作,从而可以减轻司机的驾驶负担,改善驾乘体验。例如,具备自动驾驶功能的车辆在行驶过程中如果遇到路口,会做出决策选择哪条行驶车道以通过路口。
在现有技术中,自动驾驶车辆通常是基于预定规则来选择行驶车道通过路口。
发明内容
本公开提供了一种用于提高自动驾驶仿人能力的轨迹数据的挖掘方法、装置、设备和介质。
根据本公开的一方面,提供了一种轨迹数据的挖掘方法,包括:
确定样本车辆途经目标路口所产生的至少一条样本车辆行驶轨迹;
根据各所述样本车辆行驶轨迹中样本轨迹点的样本轨迹点位置,确定各所述样本车辆行驶轨迹在所述目标路口所经过的目标行驶车道;
分别确定经过各所述目标行驶车道的所述样本车辆行驶轨迹的轨迹数量,作为各所述目标行驶车道分别对应的车道途径次数;
根据各所述目标行驶车道和各所述目标行驶车道分别对应的所述车道途径次数构建轨迹挖掘数据;其中,所述轨迹挖掘数据用于辅助自动驾驶车辆在所述目标路口进行自动变道。
根据本公开的另一方面,提供了一种轨迹数据的挖掘装置,包括:
车辆行驶轨迹确定模块,用于确定样本车辆途经目标路口所产生的至少一条样本车辆行驶轨迹;
行驶车道确定模块,用于根据各所述样本车辆行驶轨迹中样本轨迹点的样本轨迹点位置,确定各所述样本车辆行驶轨迹在所述目标路口所经过的目标行驶车道;
车道途径次数确定模块,用于分别确定经过各所述目标行驶车道的所述样本车辆行驶轨迹的轨迹数量,作为各所述目标行驶车道分别对应的车道途径次数;
数据挖掘模块,用于根据各所述目标行驶车道和各所述目标行驶车道分别对应的所述车道途径次数构建轨迹挖掘数据;其中,所述轨迹挖掘数据用于辅助自动驾驶车辆在所述目标路口进行自动变道。
根据本公开的另一方面,提供了一种电子设备,包括:
至少一个处理器;以及
与至少一个处理器通信连接的存储器;其中,
存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够执行本公开中任一项的方法。
根据本公开的另一方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,计算机指令用于使计算机执行本公开中任一项的方法。
根据本公开的另一方面,提供了一种计算机程序产品,包括计算机程序,计算机程序在被处理器执行本公开中任一项的方法。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1是根据本公开实施例公开的一些轨迹数据的挖掘方法的流程图;
图2A是根据本公开实施例公开的另一些轨迹数据的挖掘方法的流程图;
图2B是根据本公开实施例公开的一些第一重合区域位置的示意图;
图2C是根据本公开实施例公开的一些第一辅助轨迹点的示意图;
图2D是根据本公开实施例公开的一些初始驶入轨迹点的示意图;
图2E是根据本公开实施例公开的一些目标驶入车道的示意图;
图2F是根据本公开实施例公开的一些第二重合区域位置的示意图;
图2G是根据本公开实施例公开的一些第二辅助轨迹点的示意图;
图2H是根据本公开实施例公开的一些初始驶出轨迹点的示意图;
图2I是根据本公开实施例公开的一些目标驶出车道的示意图;
图3A是根据本公开实施例公开的另一些轨迹数据的挖掘方法的流程图;
图3B是根据本公开实施例公开的一些候选轨迹线夹角的示意图;
图4是根据本公开实施例公开的一些轨迹数据的挖掘装置的结构示意图;
图5是用来实现本公开实施例公开的轨迹数据的挖掘方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
在现有技术中,自动驾驶车辆通常是基于预定规则来选择行驶车道通过路口,存在行驶车道选择死板且机械的问题,无法模仿人类司机的驾驶经验进行自动变道,导致驾乘人员对于车辆自动驾驶功能的体验较差。
图1是根据本公开实施例公开的一些轨迹数据的挖掘方法的流程图,本实施例可以适用于基于人类司机驾驶经验辅助自动驾驶车辆在路口进行自动变道的情况。本实施例方法可以由本公开实施例公开的轨迹数据的挖掘装置来执行,所述装置可采用软件和/或硬件实现,并可集成在任意的具有计算能力的电子设备上,例如高精地图对应的服务器中。
如图1所示,本实施例公开的轨迹数据的挖掘方法可以包括:
S101、确定样本车辆途经目标路口所产生的至少一条样本车辆行驶轨迹。
其中,样本车辆表示由人类司机所驾驶的样本车辆,也即样本众包车辆。样本车辆的数量可以是一辆也可以多辆,本实施例并不对样本车辆的数量进行限定,但可以理解的是,为了提高轨迹数据的丰富程度,可以设置更多数量的样本车辆。
样本车辆具备位置采集功能且周期性地将采集的位置信息上传给高精地图对应的服务器(以下简称服务器),供服务器根据位置信息制作候选车辆行驶轨迹。从服务器角度来看,可以以“天”为单位制作各样本车辆对应的候选车辆行驶轨迹。例如,在样本车辆授权的前提下,服务器周期性地获取样本车辆上传的位置信息,服务器将同一天采集的位置信息进行整合,以“天”为单位制作各样本车辆对应的候选车辆行驶轨迹。
样本车辆行驶轨迹表示在样本车辆对应的至少一条候选车辆行驶轨迹中,途径目标路口的候选车辆行驶轨迹。目标路口表示在现实世界中支持自动驾驶车辆进行自动变道的路口,可以理解的是,为了丰富自动驾驶的适用场景,可以选取现实世界中越多的路口作为目标路口。其中,目标路口的类型包括但不限于十字路口、丁字路口、T型路口、以及环形交叉路口等任意具备至少一条行驶车道的路口。
在一种实施方式中,服务器将制作的各样本车辆对应的候选车辆行驶轨迹进行本地存储。响应于轨迹数据挖掘指令确定至少一个目标路口,并根据各样本车辆对应的候选车辆行驶轨迹中候选轨迹点的候选轨迹点位置,以及各目标路口的路口区域位置,从各样本车辆对应的候选车辆行驶轨迹中确定途径各目标路口的至少一条样本车辆行驶轨迹。
通过确定样本车辆途经目标路口所产生的至少一条样本车辆行驶轨迹,实现了轨迹数据准备的效果,为后续进行轨迹数据挖掘奠定了数据基础。
S102、根据各样本车辆行驶轨迹中样本轨迹点的样本轨迹点位置,确定各样本车辆行驶轨迹在目标路口所经过的目标行驶车道。
其中,样本车辆行驶轨迹由至少一个样本轨迹点组成,各样本轨迹点都对应一个样本轨迹点位置,样本轨迹点位置则体现了对应时刻样本车辆的车辆位置。目标路口包括至少一条候选行驶车道,供车辆利用候选行驶车辆通过目标路口。可以理解的是,样本车辆必定是经过某一候选行驶车道来通过目标路口,因此样本车辆对应的样本车辆行驶轨迹必定也是经过某一候选行驶车道来通过目标路口,而该候选行驶车道则看作目标行驶车道。
通常情况下路口包括路入口以及路出口,路入口供车辆驶入目标路口,路出口供车辆驶出目标路口。因此目标行驶车道可以是样本车辆行驶轨迹在目标路口所经过的目标驶入车道,也可以是样本车辆行驶轨迹在目标路口所经过的目标驶出车道,还可以是样本车辆行驶轨迹在目标路口所经过的目标驶入车道和目标驶出车道的目标组合车道。本实施例并不对目标行驶车道的具体类型进行限定,可以理解的是,若设置目标行驶车道为目标驶入车道,则最终的轨迹挖掘数据可以辅助自动驾驶车辆在目标路口的候选驶入车道中进行自动变道;若设置目标行驶车道为目标驶出车道,则最终的轨迹挖掘数据可以辅助自动驾驶车辆在目标路口的候选驶出车道中进行自动变道;若设置目标行驶车道为目标驶入车道和目标驶出车道的目标组合车道,则最终的轨迹挖掘数据可以辅助自动驾驶车辆即在目标路口的候选驶入车道中进行自动变道,又在目标路口的候选驶出车道中进行自动变道。
在一种实施方式中,服务器确定目标路口对应的路口区域位置,以及目标路口包括的各候选行驶车道的候选车道区域位置,进而根据各样本轨迹点的样本轨迹点位置、目标路口的路口区域位置以及各候选车道区域位置,确定当样本轨迹点途径目标路口时所对应的候选行驶车道作为目标行驶车道。
示例性的,当目标路口为目标驶入车道时,确定目标路口对应的路口区域位置,以及目标路口包括的各候选驶入车道的驶入车道区域位置,进而根据各样本轨迹点的样本轨迹点位置、路口区域位置以及各驶入车道区域位置,确定当样本轨迹点驶入目标路口时所对应的候选驶入车道作为目标驶入车道。
示例性的,当目标路口为目标驶出车道时,确定目标路口对应的路口区域位置,以及目标路口包括的各候选驶出车道的驶出车道区域位置,进而根据各样本轨迹点的样本轨迹点位置、路口区域位置以及各驶出车道区域位置,确定当样本轨迹点驶出目标路口时所对应的候选驶出车道作为目标驶出车道。
由于样本车辆行驶轨迹是根据由人类司机所驾驶的样本车辆形成的,其记录了人类司机的驾驶轨迹,因此通过根据各样本车辆行驶轨迹中样本轨迹点的样本轨迹点位置,确定各样本车辆行驶轨迹在目标路口所经过的目标行驶车道,从而确定了人类司机在目标路口所选择的目标行驶车道,实现了对人类司机在目标路口的变道选择进行统计的效果。
S103、分别确定经过各目标行驶车道的样本车辆行驶轨迹的轨迹数量,作为各目标行驶车道分别对应的车道途径次数。
在一种实施方式中,服务器对经过各目标行驶车道的各样本车辆行驶轨迹进行数量统计,确定经过各目标行驶车道的各样本车辆行驶轨迹的轨迹数量,作为各目标行驶车道分别对应的车道途径次数。车道途径次数则可以理解为人类司机在目标路口时对于目标行驶车道的选择次数,如任一目标行驶车道对应的车道途径次数为“20”,则表示人类司机在目标路口时对于该目标行驶车道的选择次数为“20”。
示例性的,假设样本车辆行驶轨迹共包括样本车辆行驶轨迹1、样本车辆行驶轨迹2、样本车辆行驶轨迹3、样本车辆行驶轨迹4、样本车辆行驶轨迹5、样本车辆行驶轨迹6、样本车辆行驶轨迹7、样本车辆行驶轨迹8、样本车辆行驶轨迹9和样本车辆行驶轨迹10。目标行驶车道共包括目标行驶车道1、目标行驶车道2、目标行驶车道3和目标行驶车道4。
假设样本车辆行驶轨迹1、样本车辆行驶轨迹2和样本车辆行驶轨迹3在目标路口经过目标行驶车道1。样本车辆行驶轨迹4和样本车辆行驶轨迹5在目标路口经过目标行驶车道2。样本车辆行驶轨迹6、样本车辆行驶轨迹7、样本车辆行驶轨迹8和样本车辆行驶轨迹9在目标路口经过目标行驶车道3。样本车辆行驶轨迹10在目标路口经过目标行驶车道4。
可知,经过目标行驶车道1的样本车辆行驶轨迹的轨迹数量为“3”,也即目标行驶车道1对应的车道途径次数为“4”,也即人类司机在目标路口时对于目标行驶车道1的选择次数为“4”。
经过目标行驶车道2的样本车辆行驶轨迹的轨迹数量为“2”,也即目标行驶车道2对应的车道途径次数为“2”,也即人类司机在目标路口时对于目标行驶车道2的选择次数为“2”。
经过目标行驶车道3的样本车辆行驶轨迹的轨迹数量为“4”,也即目标行驶车道3对应的车道途径次数为“4”,也即人类司机在目标路口时对于目标行驶车道3的选择次数为“4”。
经过目标行驶车道4的样本车辆行驶轨迹的轨迹数量为“1”,也即目标行驶车道4对应的车道途径次数为“1”,也即人类司机在目标路口时对于目标行驶车道4的选择次数为“1”。
由于车道途径次数即代表人类司机对目标行驶车道的选择次数,因此通过分别确定经过各目标行驶车道的样本车辆行驶轨迹的轨迹数量,作为各目标行驶车道分别对应的车道途径次数,实现了对人类司机在目标路口对各目标行驶车道分别的选择次数进行统计的效果。
S104、根据各目标行驶车道和各目标行驶车道分别对应的车道途径次数构建轨迹挖掘数据。
其中,轨迹挖掘数据用于辅助自动驾驶车辆在目标路口进行自动变道。
在一种实施方式中,服务器将各目标行驶轨迹和各目标行驶轨迹分别对应的车道途径次数进行关联,并根据关联结果构建轨迹挖掘数据。服务器将轨迹挖掘数据存储到数据仓库中,在高精地图发布的时候,使用最新的高精地图对轨迹挖掘数据做更新,对更新后的轨迹挖掘数据做格式转换,统一转换为车端使用的数据规格,并存储到空间数据中台(又称GIS中台)等待发布上车。当接收到发布指令后,服务器基于与自动驾驶车辆之间的数据通信,将轨迹挖掘数据发送给自动驾驶车辆,使得自动驾驶车辆在目标路口时,可以基于轨迹挖掘数据并结合变道策略进行行驶车道选择,从而实现在目标路口的自动变道。
本公开通过确定样本车辆途经目标路口所产生的至少一条样本车辆行驶轨迹;根据各样本车辆行驶轨迹中样本轨迹点的样本轨迹点位置,确定各样本车辆行驶轨迹在目标路口所经过的目标行驶车道;分别确定经过各目标行驶车道的样本车辆行驶轨迹的轨迹数量,作为各目标行驶车道分别对应的车道途径次数;根据各目标行驶车道和各目标行驶车道分别对应的车道途径次数构建轨迹挖掘数据;其中,轨迹挖掘数据用于辅助自动驾驶车辆在目标路口进行自动变道,使得自动驾驶车辆在途径路口时能够参考人类驾驶经验进行自动变道,保证自动驾驶的决策更加贴近人类驾驶的决策,提高了自动驾驶的仿人能力,进一步改善了驾乘人员对于车辆自动驾驶功能的体验。
图2A是根据本公开实施例公开的另一些轨迹数据的挖掘方法的流程图,基于上述技术方案进一步优化与扩展,并可以与上述各个可选实施方式进行结合。
如图2A所示,本实施例公开的轨迹数据的挖掘方法可以包括:
S201确定样本车辆途经目标路口所产生的至少一条样本车辆行驶轨迹。
S202、根据各样本车辆行驶轨迹中样本轨迹点的样本轨迹点位置,确定各样本车辆行驶轨迹在目标路口所经过的目标驶入车道,以及在目标路口所经过的目标驶出车道。
在一种实施方式中,根据各样本车辆行驶轨迹中样本轨迹点的样本轨迹点位置以及各目标路口的路口区域位置,分别确定各样本车辆行驶轨迹在各目标路口所经过的目标驶入车道,以及在各目标路口所经过的目标驶出车道。
可选的,确定各样本车辆行驶轨迹在目标路口所经过的目标驶入车道,以及在目标路口所经过的目标驶出车道,包括以下步骤:
A、确定目标路口包括的至少一条候选驶入车道,以及至少一条候选驶出车道。
其中,候选驶入车道表示车辆能够驶入目标路口的行驶车道集合,而候选驶出车道则表示车辆能够驶出目标路口的行驶车道集合。
B、确定各候选驶入车道分别对应的驶入车道区域位置,以及各候选驶出车道分别对应的驶出车道区域位置。
其中,驶入车道区域位置表示各候选驶入车道所占据空间区域对应的区域位置,相应的,驶出车道区域位置表示各候选驶出车道所占据空间区域对应的区域位置。驶入车道区域位置和驶出车道区域位置均可以根据高精地图来直接获取。
C、根据各样本轨迹点位置、各驶入车道区域位置和各目标路口的路口区域位置,从各候选驶入车道中确定目标驶入车道,以及根据各样本轨迹点位置、各驶出车道区域位置和各目标路口的路口区域位置,从各候选驶出车道中确定目标驶出车道。
在一种实施方式中,根据各驶入车道区域位置和各路口区域位置确定第一重合区域位置,根据第一重合区域位置和各样本轨迹点的样本轨迹点位置,从各候选驶入车道中确定目标驶入车道。并且,根据各驶出车道区域位置和各路口区域位置确定第二重合区域位置,根据第二重合区域位置和各样本轨迹点的样本轨迹点位置,从各候选驶出车道中确定目标驶出车道。
通过确定目标路口包括的至少一条候选驶入车道,以及至少一条候选驶出车道;确定各候选驶入车道分别对应的驶入车道区域位置,以及各候选驶出车道分别对应的驶出车道区域位置;根据各样本轨迹点位置、各驶入车道区域位置和各目标路口的路口区域位置,从各候选驶入车道中确定目标驶入车道,以及根据各样本轨迹点位置、各驶出车道区域位置和各目标路口的路口区域位置,从各候选驶出车道中确定目标驶出车道,从而从轨迹点位置、车道区域位置和路口区域位置三个数据维度共同确定目标驶入车道以及目标驶出车道,保证了最终确定的目标驶入车道以及目标驶出车道准确性及可信度。
可选的,根据各样本轨迹点位置、各驶入车道区域位置和各目标路口的路口区域位置,从各候选驶入车道中确定目标驶入车道,包括:
C11、根据各驶入车道区域位置和各路口区域位置,确定第一重合区域位置。
其中,当样本轨迹点进入到目标路口的路口区域位置则表示样本车辆已驶入目标路口,而当样本轨迹点进入到任一候选驶入车道对应的驶入车道区域位置,则表示样本车辆经过了该候选驶入车道。由于目标路口的路口区域位置与各候选驶入车道对应的驶入车道区域位置存在重叠区域位置,因此可以理解的是,当样本轨迹点进入到任一候选驶入车道与任一目标路口的路口区域位置的重叠区域位置,则表示样本车辆经过该候选驶入车道驶入该目标路口。
在一种实施方式中,根据各候选驶入车道对应的驶入车道区域位置,以及各目标路口的路口区域位置,确定各路口区域位置与各驶入车道区域位置之间的重叠区域位置,作为第一重合区域位置。
图2B是根据本公开实施例公开的一些第一重合区域位置的示意图,如图2B所示,200表示路口区域位置,201~204分别表示四条候选驶入车道对应的驶入车道区域位置,则阴影部分205则表示路口区域位置200与驶入车道区域位置201~204之间的第一重合区域位置。
C12、将各样本轨迹点中的样本轨迹点位置属于第一重合区域位置的样本轨迹点作为第一辅助轨迹点。
图2C是根据本公开实施例公开的一些第一辅助轨迹点的示意图,如图2C所示,200表示路口区域位置,201~204分别表示四条候选驶入车道对应的驶入车道区域位置,205表示路口区域位置200与驶入车道区域位置201~204之间的第一重合区域位置。样本车辆行驶轨迹206途径第一重合区域位置205,则将属于第一重合区域位置205中的若干样本轨迹点207作为第一辅助轨迹点。
C13、根据轨迹点采集时间的先后顺序,从第一辅助轨迹点中确定初始驶入轨迹点。
其中,理论上当样本车辆驶入第一重合区域位置后就不应进行变道,但是实际场景中依然存在这种不合规变道问题,因此为了避免这种不合规变道对结果带来的影响,仅参考第一个进入第一重合区域位置的第一辅助轨迹点。
在一种实施方式中,根据轨迹点采集时间的先后顺序,确定最先采集的第一辅助轨迹点作为初始驶入轨迹点,也即第一个进入第一重合区域位置的第一辅助轨迹点。
图2D是根据本公开实施例公开的一些初始驶入轨迹点的示意图,如图2D所示,第一重合区域位置205中包括若干第一辅助轨迹点207,则根据轨迹点采集时间的先后顺序,从第一辅助轨迹点207中确定初始驶入轨迹点208,也即第一个进入第一重合区域位置205的第一辅助轨迹点207。
C14、根据初始驶入轨迹点所属的驶入车道区域位置,从各候选驶入车道中确定目标驶入车道。
图2E是根据本公开实施例公开的一些目标驶入车道的示意图,如图2E所示,假设初始驶入轨迹点208所属的驶入车道区域位置209为某一候选驶入车道对应的驶入车道区域位置,则将该候选驶入车道作为目标驶入车道。
通过根据各驶入车道区域位置和各路口区域位置,确定第一重合区域位置;将各样本轨迹点中的样本轨迹点位置属于第一重合区域位置的样本轨迹点作为第一辅助轨迹点;根据轨迹点采集时间的先后顺序,从第一辅助轨迹点中确定初始驶入轨迹点;根据初始驶入轨迹点所属的驶入车道区域位置,从各候选驶入车道中确定目标驶入车道,从而在可以确定目标驶入车道的前提下,还可以避免违规变道问题对于目标驶入车道确定的影响,保证了目标驶入车道确定的合理性及准确性。
可选的,根据各样本轨迹点位置、各驶出车道区域位置和各目标路口的路口区域位置,从各候选驶出车道中确定目标驶出车道,包括:
C21、根据各驶出车道区域位置和各目标路口的路口区域位置,确定第二重合区域位置。
其中,当样本轨迹点离开目标路口的路口区域位置则表示样本车辆已驶出目标路口,而当样本轨迹点进入到任一候选驶出车道对应的驶出车道区域位置,则表示样本车辆经过了该候选驶出车道。由于目标路口的路口区域位置与各候选驶出车道的驶出车道区域位置存在重叠区域位置,因此可以理解的是,当样本轨迹点离开任一目标路口的路口区域位置且进入到任一候选驶出车道的驶出车道区域位置,则表示样本车辆经过该候选驶出车道驶出该目标路口。
在一种实施方式中,根据各候选驶出车道对应的驶出车道区域位置,以及各目标路口的路口区域位置,确定各路口区域位置与各驶出车道区域位置之间的重叠区域位置,作为第二重合区域位置。
图2F是根据本公开实施例公开的一些第二重合区域位置的示意图,如图2F所示,200表示路口区域位置,210~213分别表示四条候选驶出车道对应的驶出车道区域位置,则阴影部分214则表示路口区域位置200与驶出车道区域位置210~213之间的第二重合区域位置。
C22、将各样本轨迹点中的样本轨迹点位置属于分别对应的驶出车道区域位置,却不属于第二重合区域位置的样本轨迹点作为第二辅助轨迹点。
图2G是根据本公开实施例公开的一些第二辅助轨迹点的示意图,如图2G所示,200表示路口区域位置,210~213分别表示四条候选驶出车道对应的驶出车道区域位置,214表示路口区域位置200与驶出车道区域位置210~213之间的第二重合区域位置。样本车辆行驶轨迹215中的若干样本轨迹点216属于对应的驶出车道区域位置却不属于第二重合区域位置214,则将若干样本轨迹点216作为第二辅助轨迹点。
C23、根据轨迹点采集时间的先后顺序,从第二辅助轨迹点中确定初始驶出轨迹点。
其中,当样本车辆驶出第二重合区域位置后可以进行变道,因此为了提高结果的合理性,仅参考第一个离开第二重合区域位置且进入驶出车道区域位置的第二辅助轨迹点。
在一种实施方式中,根据轨迹点采集时间的先后顺序,确定最先采集的第二辅助轨迹点作为初始驶出轨迹点,也即第一个离开第二重合区域位置且进入对应的驶出车道区域位置的第二辅助轨迹点。
图2H是根据本公开实施例公开的一些初始驶出轨迹点的示意图,如图2H所示,第二重合区域位置214之外包括若干第二辅助轨迹点216,则根据轨迹点采集时间的先后顺序,从第二辅助轨迹点216中确定初始驶出轨迹点217,也即第一个离开第二重合区域位置214且进入对应的驶出车道区域位置的第二辅助轨迹点。
C24、根据初始驶出轨迹点所属的驶出车道区域位置,从候选驶出车道中确定目标驶出车道。
图2I是根据本公开实施例公开的一些目标驶出车道的示意图,如图2I所示,假设初始驶出轨迹点217所属的驶出车道区域位置218为某一候选驶出车道对应的驶出车道区域位置,则将该候选驶出车道作为目标驶出车道。
通过根据各驶出车道区域位置和各目标路口的路口区域位置,确定第二重合区域位置;将各样本轨迹点中的样本轨迹点位置属于分别对应的驶出车道区域位置,却不属于第二重合区域位置的样本轨迹点作为第二辅助轨迹点;根据轨迹点采集时间的先后顺序,从第二辅助轨迹点中确定初始驶出轨迹点;根据初始驶出轨迹点所属的驶出车道区域位置,从各候选驶出车道中确定目标驶出车道,从而在可以确定目标驶出车道的前提下,还可以避免车辆变道对于目标驶出车道确定的影响,保证了目标驶出车道确定的合理性及准确性。
S203、根据各目标驶入车道和各目标驶出车道确定至少一条目标组合车道。
在一种实施方式中,将各样本车辆行驶轨迹在各目标路口所经过的各目标驶入车道,以及在各目标路口所经过的各目标驶出车道进行组合,确定至少一条目标组合车道。
示例性的,假设样本车辆行驶轨迹在目标路口所经过的目标驶入车道为车道A,在目标路口所经过的目标驶出车道为车道B,则将车道A+车道B作为目标组合车道。
S204、分别确定经过各目标组合车道的样本车辆行驶轨迹的轨迹数量,作为各目标组合车道分别对应的组合车道途径次数。
示例性的,假设样本车辆行驶轨迹共包括样本车辆行驶轨迹1、样本车辆行驶轨迹2、样本车辆行驶轨迹3和样本车辆行驶轨迹4。
样本车辆行驶轨迹1经过目标驶入车道1驶入目标路口,且经过目标驶出车道1驶出目标路口;样本车辆行驶轨迹2经过目标驶入车道1驶入目标路口,且经过目标驶出车道2驶出目标路口;样本车辆行驶轨迹3经过目标驶入车道1驶入目标路口,且经过目标驶出车道1驶出目标路口;样本车辆行驶轨迹4经过目标驶入车道1驶入目标路口,且经过目标驶出车道3驶出目标路口。
假设目标组合车道A为目标驶入车道1+目标驶出车道1,目标组合车道B为目标驶入车道1+目标驶出车道2,目标组合车道C为目标驶入车道1+目标驶出车道3。则目标组合车道A对应的组合车道途径次数为2;目标组合车道B对应的组合车道途径次数为1;目标组合车道C对应的组合车道途径次数为1。
S205、根据各目标组合车道和各目标组合车道分别对应的组合车道途径次数构建轨迹挖掘数据。
其中,轨迹挖掘数据用于辅助自动驾驶车辆在目标路口进行自动变道。
可选的,根据各目标组合车道和各目标组合车道分别对应的组合车道途径次数构建轨迹挖掘数据,包括:
将各目标组合车道作为关键字,且将各目标组合车道分别对应的组合车道途径次数作为值,构建数据键值对作为轨迹挖掘数据。
示例性的,假设目标组合车道包括目标组合车道1、目标组合车道2、目标组合车道3和目标组合车道4,分别对应的组合车道途径次数为10、15、20和25。则轨迹挖掘数据的形式可以是数据键值对(Key-Value):目标组合车道1-10、目标组合车道2-15、目标组合车道3-20和目标组合车道4-25。
通过将各目标组合车道作为关键字,且将各目标组合车道分别对应的组合车道途径次数作为值,构建数据键值对作为轨迹挖掘数据,保证了轨迹挖掘数据结构的简易性,且使得轨迹挖掘数据具备快速读取、写入以及可扩展的特性。
通过确定各样本车辆行驶轨迹在目标路口所经过的目标驶入车道,以及在目标路口所经过的目标驶出车道;根据各目标驶入车道和各目标驶出车道确定至少一条目标组合车道;分别确定经过各目标组合车道的样本车辆行驶轨迹的轨迹数量,作为各目标组合车道分别对应的组合车道途径次数;根据各目标组合车道和各目标组合车道分别对应的组合车道途径次数构建轨迹挖掘数据,从而使得自动驾驶车辆在途径路口时既可以参考人类驾驶经验选择驶入车道,还可以参考人类驾驶经验选择驶出车道,扩展了自动驾驶的适用场景,进一步改善了驾乘人员对于自动驾驶功能的体验。
图3A是根据本公开实施例公开的另一些轨迹数据的挖掘方法的流程图,基于上述技术方案进一步优化与扩展,并可以与上述各个可选实施方式进行结合。
如图3A所示,本实施例公开的轨迹数据的挖掘方法可以包括:
S301、获取样本车辆对应的至少一条候选车辆行驶轨迹,并确定各候选车辆行驶轨迹中包括的异常轨迹点。
其中,候选车辆行驶轨迹表示根据样本车辆上报的位置信息制作的所有车辆行驶轨迹的集合。可以理解的是,各候选车辆行驶轨迹中既包括途径目标路口的样本车辆行驶轨迹,也包括未途径目标路口的其他车辆行驶轨迹。异常轨迹点则表示各候选车辆行驶轨迹中存在异常状态的候选轨迹点。
在一种实施方式中,服务器获取各样本车辆对应的至少一条候选车辆行驶轨迹,并根据各候选车辆行驶轨迹中各候选轨迹点的轨迹点位置,对各候选轨迹点进行异常判定,确定各候选车辆行驶轨迹中包括的异常轨迹点。
可选的,确定各候选车辆行驶轨迹中包括的异常轨迹点,包括:
1)针对所有候选车辆行驶轨迹中的任意一条候选车辆行驶轨迹,将该候选车辆行驶轨迹中连续采集的任意三个候选轨迹点作为第一待检测轨迹点集合。
示例性的,假设某一候选车辆行驶轨迹中包括候选轨迹点1、候选轨迹点2、候选轨迹点3、候选轨迹点4和候选轨迹点5,按照轨迹点采集顺序依次为候选轨迹点1、候选轨迹点2、候选轨迹点3、候选轨迹点4和候选轨迹点5。则该候选车辆行驶轨迹包括的第一待检测轨迹点集合包括“候选轨迹点1、候选轨迹点2和候选轨迹点3”、“候选轨迹点2、候选轨迹点3和候选轨迹点4”、“候选轨迹点3、候选轨迹点4和候选轨迹点5”
2)确定第一待检测轨迹点集合中候选轨迹点所形成的候选轨迹线夹角。
图3B是根据本公开实施例公开的一些候选轨迹线夹角的示意图,如图3B所示,假设某一第一待检测轨迹点集合包括候选轨迹点300、候选轨迹点301和候选轨迹点302,候选轨迹点300和候选轨迹点301形成候选轨迹线303,候选轨迹点301和候选轨迹点302形成候选轨迹线304,候选轨迹线303和候选轨迹线304之间形成候选轨迹线夹角305。
3)在候选轨迹线夹角不属于标准夹角范围的情况下,将任意三个候选轨迹点中的中间轨迹点作为异常轨迹点。
其中,在正常状态下连续采集的三个候选轨迹点形成的候选轨迹线夹角不应过大也不应过小,也即候选轨迹线夹角应该属于标准夹角范围内,其中,标准夹角范围可以根据经验进行设置。
在一种实施方式中,将候选轨迹线夹角与标准夹角范围进行比对,若候选轨迹线夹角不属于标准夹角范围,则将连续采集的三个候选轨迹点中的中间轨迹点作为异常轨迹点。其中,中间轨迹点为任意三个候选轨迹点中采集顺序居中的候选轨迹点。
示例性的,假设连续采集的候选轨迹点300、候选轨迹点301和候选轨迹点302所形成的候选轨迹线夹角不属于标准夹角范围,则将候选轨迹点301作为异常轨迹点。
通过针对所有候选车辆行驶轨迹中的任意一条候选车辆行驶轨迹,将该候选车辆行驶轨迹中连续采集的任意三个候选轨迹点作为第一待检测轨迹点集合;确定第一待检测轨迹点集合中候选轨迹点所形成的候选轨迹线夹角;在候选轨迹线夹角不属于标准夹角范围的情况下,将任意三个候选轨迹点中的中间轨迹点作为异常轨迹点;其中,中间轨迹点为任意三个候选轨迹点中采集顺序居中的候选轨迹点,实现了对造成候选轨迹线夹角异常的异常轨迹点进行确定的效果,为后续进行异常轨迹点过滤奠定了基础,保证了行驶轨迹的精准性和可靠性。
可选的,确定各候选车辆行驶轨迹中包括的异常轨迹点,包括:
1)针对所有候选车辆行驶轨迹中的任意一条候选车辆行驶轨迹,将该候选车辆行驶轨迹中连续采集的任意两个候选轨迹点作为第二待检测轨迹点集合。
示例性的,假设某一候选车辆行驶轨迹中包括候选轨迹点1、候选轨迹点2、候选轨迹点3和候选轨迹点4,按照轨迹点采集顺序依次为候选轨迹点1、候选轨迹点2、候选轨迹点3和候选轨迹点4。则该候选车辆行驶轨迹包括的第二待检测轨迹点集合包括“候选轨迹点1和候选轨迹点2”、“候选轨迹点2和候选轨迹点3”和“候选轨迹点3和候选轨迹点4”。
2)确定第二待检测轨迹点集合中候选轨迹点之间的候选轨迹点距离。
在一种实施方式中,根据第二待检测轨迹点集合中各候选轨迹点的候选轨迹位置确定各候选轨迹点之间的候选轨迹点距离。
3)在候选轨迹点距离大于标准轨迹点距离的情况下,将任意两个候选轨迹点中采集顺序靠后的候选轨迹点作为异常轨迹点。
其中,由于样本车辆的车速是有上限的,因此在正常状态下连续采集的两个候选轨迹点之间的候选轨迹点距离也是有上限的。
在一种实施方式中,将候选轨迹点距离与标准轨迹点距离进行比对,若候选轨迹点距离大于标准轨迹点距离,则将连续采集的两个候选轨迹点中采集顺序靠后的候选轨迹点作为异常轨迹点。
通过针对所有候选车辆行驶轨迹中的任意一条候选车辆行驶轨迹,将该候选车辆行驶轨迹中连续采集的任意两个候选轨迹点作为第二待检测轨迹点集合;确定第二待检测轨迹点集合中候选轨迹点之间的候选轨迹点距离;在候选轨迹点距离大于标准轨迹点距离的情况下,将任意两个候选轨迹点中采集顺序靠后的候选轨迹点作为异常轨迹点,实现了对造成候选轨迹点距离异常的异常轨迹点进行确定的效果,为后续进行异常轨迹点过滤奠定了基础,保证了行驶轨迹的精准性和可靠性。
S302、对异常轨迹点进行过滤得到至少一条优化车辆行驶轨迹。
S303、根据每一优化车辆行驶轨迹中各优化轨迹点的优化轨迹点位置,以及目标路口的路口区域位置,从所有优化车辆行驶轨迹中确定样本车辆行驶轨迹。
在一种实施方式中,将每一优化车辆行驶轨迹中各优化轨迹点的优化轨迹点位置,与目标路口的路口区域位置进行比对,并根据比对结果从所有优化车辆行驶轨迹中确定样本车辆行驶轨迹。
通过获取样本车辆对应的至少一条候选车辆行驶轨迹,并确定各候选车辆行驶轨迹中包括的异常轨迹点;对异常轨迹点进行过滤得到至少一条优化车辆行驶轨迹;根据每一优化车辆行驶轨迹中各优化轨迹点的优化轨迹点位置,以及目标路口的路口区域位置,从所有优化车辆行驶轨迹中确定样本车辆行驶轨迹,一方面由于对异常轨迹点的过滤,保证了行驶轨迹的精准性和可靠性,另一方面实现了对未途径目标路口的其他车辆行驶轨迹进行过滤的效果,起到了轨迹数据精简的作用。
可选的,根据每一优化车辆行驶轨迹中各优化轨迹点的优化轨迹点位置,以及目标路口的路口区域位置,从所有优化车辆行驶轨迹中确定样本车辆行驶轨迹,包括:
若任一优化车辆行驶轨迹中的至少一个优化轨迹点的优化轨迹点位置属于路口区域位置之中,则将该优化车辆行驶轨迹作为样本车辆行驶轨迹。
其中,若任一优化车辆行驶轨迹中的至少一个优化轨迹点的优化轨迹点位置属于路口区域位置之中,则表示该优化车辆行驶轨迹途径了目标路口,从而将该优化车辆行驶轨迹作为样本车辆行驶轨迹。
通过若任一优化车辆行驶轨迹中的至少一个优化轨迹点的优化轨迹点位置属于路口区域位置之中,则将该优化车辆行驶轨迹作为样本车辆行驶轨迹,从而提供了一种筛选得到样本车辆行驶轨迹的可选实施方式,实现了对未途径目标路口的其他车辆行驶轨迹进行过滤的效果,避免未途径目标路口的其他车辆行驶轨迹对结果的影响,起到了轨迹数据精简以及保证数据挖掘结果精准性的作用。
S304、根据各样本车辆行驶轨迹中样本轨迹点的样本轨迹点位置,确定各样本车辆行驶轨迹在目标路口所经过的目标行驶车道。
S305、分别确定经过各目标行驶车道的样本车辆行驶轨迹的轨迹数量,作为各目标行驶车道分别对应的车道途径次数。
S306、根据各目标行驶车道和各目标行驶车道分别对应的车道途径次数构建轨迹挖掘数据。
其中,轨迹挖掘数据用于辅助自动驾驶车辆在目标路口进行自动变道。
可选的,还包括:
D、将包括相同目标驶入车道的目标组合车道作为辅助组合车道集,并对辅助组合车道集中各目标组合车道分别对应的组合车道途径次数进行求和,确定途径总次数。
示例性的,假设目标组合车道1为“目标驶入车道A+目标驶出车道B”,目标组合车道2为“目标驶入车道A+目标驶出车道C”,目标组合车道3为“目标驶入车道B+目标驶出车道B”,目标组合车道4为“目标驶入车道C+目标驶出车道A”,则将目标组合车道1和目标组合车道2作为辅助组合车道集。
又假设,“目标驶入车道A+目标驶出车道B”对应的组合车道途径次数为“10”,“目标驶入车道A+目标驶出车道C”对应的组合车道途径次数为“15”,则途径总次数为10+15=25。
E、根据辅助组合车道集中各目标组合车道分别对应的组合车道途径次数,以及途径总次数,确定辅助组合车道集中各目标组合车道分别对应的途径次数占比值。
继续以上述示例为例进行解释说明,“目标驶入车道A+目标驶出车道B”对应的途径次数占比值为10/25=0.4,“目标驶入车道A+目标驶出车道C”对应的途径次数占比值为15/25=0.6。
F、根据途径次数占比值对辅助组合车道集中各目标组合车道进行筛选。
其中,途径次数占比值体现了辅助组合车道集中各目标组合车道的置信度,也即若辅助组合车道集中任一目标组合车道的途径次数占比值较大则该目标组合车道的置信度也相应较高,而若辅助组合车道集中任一目标组合车道的途径次数占比值较小则该目标组合车道的置信度也相应较低。
在一种实施方式中,获取预设的途径次数占比阈值,将辅助组合车道集中途径次数占比值小于途径次数占比阈值的目标组合车道进行过滤,将辅助组合车道集中过滤剩余的目标组合车道参与后续的处理。
通过将包括相同目标驶入车道的目标组合车道作为辅助组合车道集,并对辅助组合车道集中各目标组合车道分别对应的组合车道途径次数进行求和,确定途径总次数;根据辅助组合车道集中各目标组合车道分别对应的组合车道途径次数,以及途径总次数,确定辅助组合车道集中各目标组合车道分别对应的途径次数占比值;根据途径次数占比值对辅助组合车道集中各目标组合车道进行筛选,从而对辅助组合车道集中途径次数占比值(置信度)较低的目标组合车道进行筛选,保证了辅助组合车道集中剩余的目标组合车道的可信度,进一步保证了最终轨迹数据挖掘结果的精准性和可靠性。
图4是根据本公开实施例公开的一些轨迹数据的挖掘装置的结构示意图,可以适用于基于人类司机驾驶经验辅助自动驾驶车辆在路口进行自动变道的情况。本实施例装置可采用软件和/或硬件实现,并可集成在任意的具有计算能力的电子设备上。
如图4所示,本实施例公开的轨迹数据的挖掘装置40可以包括车辆行驶轨迹确定模块41、行驶车道确定模块42、车道途径次数确定模块43以及数据挖掘模块44,其中:
车辆行驶轨迹确定模块41,用于确定样本车辆途经目标路口所产生的至少一条样本车辆行驶轨迹;
行驶车道确定模块42,用于根据各样本车辆行驶轨迹中样本轨迹点的样本轨迹点位置,确定各样本车辆行驶轨迹在目标路口所经过的目标行驶车道;
车道途径次数确定模块43,用于分别确定经过各目标行驶车道的样本车辆行驶轨迹的轨迹数量,作为各目标行驶车道分别对应的车道途径次数;
数据挖掘模块44,用于根据各目标行驶车道和各目标行驶车道分别对应的车道途径次数构建轨迹挖掘数据;其中,轨迹挖掘数据用于辅助自动驾驶车辆在目标路口进行自动变道。
可选的,行驶车道确定模块41,具体用于:
确定各样本车辆行驶轨迹在目标路口所经过的目标驶入车道,以及在目标路口所经过的目标驶出车道;
车道途径次数确定模块43,具体用于:
根据各目标驶入车道和各目标驶出车道确定至少一条目标组合车道;
分别确定经过各目标组合车道的样本车辆行驶轨迹的轨迹数量,作为各目标组合车道分别对应的组合车道途径次数;
数据挖掘模块44,具体用于:
根据各目标组合车道和各目标组合车道分别对应的组合车道途径次数构建轨迹挖掘数据。
行驶车道确定模块42,具体还用于:
确定目标路口包括的至少一条候选驶入车道,以及至少一条候选驶出车道;
确定各候选驶入车道分别对应的驶入车道区域位置,以及各候选驶出车道分别对应的驶出车道区域位置;
根据各样本轨迹点位置、各驶入车道区域位置和各目标路口的路口区域位置,从各候选驶入车道中确定目标驶入车道,以及根据各样本轨迹点位置、各驶出车道区域位置和各目标路口的路口区域位置,从各候选驶出车道中确定目标驶出车道。
行驶车道确定模块42,具体还用于:
根据各驶入车道区域位置和各路口区域位置,确定第一重合区域位置;
将各样本轨迹点中的样本轨迹点位置属于第一重合区域位置的样本轨迹点作为第一辅助轨迹点;
根据轨迹点采集时间的先后顺序,从第一辅助轨迹点中确定初始驶入轨迹点;
根据初始驶入轨迹点所属的驶入车道区域位置,从各候选驶入车道中确定目标驶入车道。
行驶车道确定模块42,具体还用于:
根据各驶出车道区域位置和各目标路口的路口区域位置,确定第二重合区域位置;
将各样本轨迹点中的样本轨迹点位置属于分别对应的驶出车道区域位置,却不属于第二重合区域位置的样本轨迹点作为第二辅助轨迹点;
根据轨迹点采集时间的先后顺序,从第二辅助轨迹点中确定初始驶出轨迹点;
根据初始驶出轨迹点所属的驶出车道区域位置,从各候选驶出车道中确定目标驶出车道。
行驶车道确定模块42,具体还用于:
获取样本车辆对应的至少一条候选车辆行驶轨迹,并确定各候选车辆行驶轨迹中包括的异常轨迹点;
对异常轨迹点进行过滤得到至少一条优化车辆行驶轨迹;
根据每一优化车辆行驶轨迹中各优化轨迹点的优化轨迹点位置,以及目标路口的路口区域位置,从所有优化车辆行驶轨迹中确定样本车辆行驶轨迹。
车辆行驶轨迹确定模块41,具体还用于:
针对所有候选车辆行驶轨迹中的任意一条候选车辆行驶轨迹,将该候选车辆行驶轨迹中连续采集的任意三个候选轨迹点作为第一待检测轨迹点集合;
确定第一待检测轨迹点集合中候选轨迹点所形成的候选轨迹线夹角;
在候选轨迹线夹角不属于标准夹角范围的情况下,将任意三个候选轨迹点中的中间轨迹点作为异常轨迹点;其中,中间轨迹点为任意三个候选轨迹点中采集顺序居中的候选轨迹点。
车辆行驶轨迹确定模块41,具体还用于:
针对所有候选车辆行驶轨迹中的任意一条候选车辆行驶轨迹,将该候选车辆行驶轨迹中连续采集的任意两个候选轨迹点作为第二待检测轨迹点集合;
确定第二待检测轨迹点集合中候选轨迹点之间的候选轨迹点距离;
在候选轨迹点距离大于标准轨迹点距离的情况下,将任意两个候选轨迹点中采集顺序靠后的候选轨迹点作为异常轨迹点。
车辆行驶轨迹确定模块41,具体还用于:
若任一优化车辆行驶轨迹中的至少一个优化轨迹点的优化轨迹点位置属于路口区域位置之中,则将该优化车辆行驶轨迹作为样本车辆行驶轨迹。
装置还包括组合车道筛选模块,具体用于:
将包括相同目标驶入车道的目标组合车道作为辅助组合车道集,并对辅助组合车道集中各目标组合车道分别对应的组合车道途径次数进行求和,确定途径总次数;
根据辅助组合车道集中各目标组合车道分别对应的组合车道途径次数,以及途径总次数,确定辅助组合车道集中各目标组合车道分别对应的途径次数占比值;
根据途径次数占比值对辅助组合车道集中各目标组合车道进行筛选。
数据挖掘模块44,具体用于:
将各目标组合车道作为关键字,且将各目标组合车道分别对应的组合车道途径次数作为值,构建数据键值对作为轨迹挖掘数据。
本公开实施例所公开的轨迹数据的挖掘装置40可执行本公开实施例所公开的轨迹数据的挖掘方法,具备执行方法相应的功能模块和有益效果。本实施例中未详尽描述的内容可以参考本公开方法实施例中的描述。
本公开的技术方案中,所涉及的用户个人信息的获取,存储和应用等,均符合相关法律法规的规定,且不违背公序良俗。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图5示出了可以用来实施本公开的实施例的示例电子设备500的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图5所示,设备500包括计算单元501,其可以根据存储在只读存储器(ROM)502中的计算机程序或者从存储单元508加载到随机访问存储器(RAM)503中的计算机程序,来执行各种适当的动作和处理。在RAM 503中,还可存储设备500操作所需的各种程序和数据。计算单元501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
设备500中的多个部件连接至I/O接口505,包括:输入单元506,例如键盘、鼠标等;输出单元507,例如各种类型的显示器、扬声器等;存储单元508,例如磁盘、光盘等;以及通信单元509,例如网卡、调制解调器、无线通信收发机等。通信单元509允许设备500通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元501可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元501的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元501执行上文所描述的各个方法和处理,例如轨迹数据的挖掘方法。例如,在一些实施例中,轨迹数据的挖掘方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元508。在一些实施例中,计算机程序的部分或者全部可以经由ROM 502和/或通信单元509而被载入和/或安装到设备500上。当计算机程序加载到RAM 503并由计算单元501执行时,可以执行上文描述的轨迹数据的挖掘方法的一个或多个步骤。备选地,在其他实施例中,计算单元501可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行轨迹数据的挖掘方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、复杂可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,也可以为分布式系统的服务器,或者是结合了区块链的服务器。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (25)
1.一种轨迹数据的挖掘方法,包括:
确定样本车辆途经目标路口所产生的至少一条样本车辆行驶轨迹;
根据各所述样本车辆行驶轨迹中样本轨迹点的样本轨迹点位置,确定各所述样本车辆行驶轨迹在所述目标路口所经过的目标行驶车道;
分别确定经过各所述目标行驶车道的所述样本车辆行驶轨迹的轨迹数量,作为各所述目标行驶车道分别对应的车道途径次数;
根据各所述目标行驶车道和各所述目标行驶车道分别对应的所述车道途径次数构建轨迹挖掘数据;其中,所述轨迹挖掘数据用于辅助自动驾驶车辆在所述目标路口进行自动变道。
2.根据权利要求1所述的方法,其中,所述确定各所述样本车辆行驶轨迹在所述目标路口所经过的目标行驶车道,包括:
确定各所述样本车辆行驶轨迹在所述目标路口所经过的目标驶入车道,以及在所述目标路口所经过的目标驶出车道;
所述分别确定经过各所述目标行驶车道的所述样本车辆行驶轨迹的轨迹数量,作为各所述目标行驶车道分别对应的车道途径次数,包括:
根据各所述目标驶入车道和各所述目标驶出车道确定至少一条目标组合车道;
分别确定经过各所述目标组合车道的所述样本车辆行驶轨迹的轨迹数量,作为各所述目标组合车道分别对应的组合车道途径次数;
所述根据各所述目标行驶车道和各所述目标行驶车道分别对应的所述车道途径次数构建轨迹挖掘数据,包括:
根据各所述目标组合车道和各所述目标组合车道分别对应的所述组合车道途径次数构建轨迹挖掘数据。
3.根据权利要求2所述的方法,其中,所述确定各所述样本车辆行驶轨迹在所述目标路口所经过的目标驶入车道,以及在所述目标路口所经过的目标驶出车道,包括:
确定所述目标路口包括的至少一条候选驶入车道,以及至少一条候选驶出车道;
确定各所述候选驶入车道分别对应的驶入车道区域位置,以及各所述候选驶出车道分别对应的驶出车道区域位置;
根据各所述样本轨迹点位置、各所述驶入车道区域位置和各所述目标路口的路口区域位置,从各所述候选驶入车道中确定所述目标驶入车道,以及根据各所述样本轨迹点位置、各所述驶出车道区域位置和各所述目标路口的路口区域位置,从各所述候选驶出车道中确定所述目标驶出车道。
4.根据权利要求3所述的方法,其中,所述根据各所述样本轨迹点位置、各所述驶入车道区域位置和各所述目标路口的路口区域位置,从各所述候选驶入车道中确定所述目标驶入车道,包括:
根据各所述驶入车道区域位置和各所述路口区域位置,确定第一重合区域位置;
将各所述样本轨迹点中的所述样本轨迹点位置属于所述第一重合区域位置的所述样本轨迹点作为第一辅助轨迹点;
根据轨迹点采集时间的先后顺序,从所述第一辅助轨迹点中确定初始驶入轨迹点;
根据所述初始驶入轨迹点所属的所述驶入车道区域位置,从各所述候选驶入车道中确定所述目标驶入车道。
5.根据权利要求3所述的方法,其中,所述根据各所述样本轨迹点位置、各所述驶出车道区域位置和各所述目标路口的路口区域位置,从各所述候选驶出车道中确定所述目标驶出车道,包括:
根据各所述驶出车道区域位置和各所述目标路口的路口区域位置,确定第二重合区域位置;
将各所述样本轨迹点中的所述样本轨迹点位置属于分别对应的所述驶出车道区域位置,却不属于所述第二重合区域位置的所述样本轨迹点作为第二辅助轨迹点;
根据轨迹点采集时间的先后顺序,从所述第二辅助轨迹点中确定初始驶出轨迹点;
根据所述初始驶出轨迹点所属的所述驶出车道区域位置,从各所述候选驶出车道中确定所述目标驶出车道。
6.根据权利要求1所述的方法,其中,所述确定样本车辆途经目标路口所产生的至少一条样本车辆行驶轨迹,包括:
获取所述样本车辆对应的至少一条候选车辆行驶轨迹,并确定各所述候选车辆行驶轨迹中包括的异常轨迹点;
对所述异常轨迹点进行过滤得到至少一条优化车辆行驶轨迹;
根据每一所述优化车辆行驶轨迹中各优化轨迹点的优化轨迹点位置,以及所述目标路口的路口区域位置,从所有所述优化车辆行驶轨迹中确定所述样本车辆行驶轨迹。
7.根据权利要求6所述的方法,其中,所述确定各所述候选车辆行驶轨迹中包括的异常轨迹点,包括:
针对所有所述候选车辆行驶轨迹中的任意一条候选车辆行驶轨迹,将该候选车辆行驶轨迹中连续采集的任意三个候选轨迹点作为第一待检测轨迹点集合;
确定所述第一待检测轨迹点集合中所述候选轨迹点所形成的候选轨迹线夹角;
在所述候选轨迹线夹角不属于标准夹角范围的情况下,将所述任意三个候选轨迹点中的中间轨迹点作为异常轨迹点;其中,所述中间轨迹点为所述任意三个候选轨迹点中采集顺序居中的候选轨迹点。
8.根据权利要求6所述的方法,其中,所述确定各所述候选车辆行驶轨迹中包括的异常轨迹点,包括:
针对所有所述候选车辆行驶轨迹中的任意一条候选车辆行驶轨迹,将该候选车辆行驶轨迹中连续采集的任意两个候选轨迹点作为第二待检测轨迹点集合;
确定所述第二待检测轨迹点集合中所述候选轨迹点之间的候选轨迹点距离;
在所述候选轨迹点距离大于标准轨迹点距离的情况下,将所述任意两个候选轨迹点中采集顺序靠后的候选轨迹点作为异常轨迹点。
9.根据权利要求6所述的方法,其中,所述根据每一所述优化车辆行驶轨迹中各优化轨迹点的优化轨迹点位置,以及所述目标路口的路口区域位置,从所有所述优化车辆行驶轨迹中确定所述样本车辆行驶轨迹,包括:
若任一所述优化车辆行驶轨迹中的至少一个所述优化轨迹点的优化轨迹点位置属于所述路口区域位置之中,则将该优化车辆行驶轨迹作为所述样本车辆行驶轨迹。
10.根据权利要求2所述的方法,还包括:
将包括相同目标驶入车道的所述目标组合车道作为辅助组合车道集,并对所述辅助组合车道集中各所述目标组合车道分别对应的所述组合车道途径次数进行求和,确定途径总次数;
根据所述辅助组合车道集中各所述目标组合车道分别对应的所述组合车道途径次数,以及所述途径总次数,确定所述辅助组合车道集中各所述目标组合车道分别对应的途径次数占比值;
根据所述途径次数占比值对所述辅助组合车道集中各所述目标组合车道进行筛选。
11.根据权利要求2所述的方法,其中,所述根据各所述目标组合车道和各所述目标组合车道分别对应的所述组合车道途径次数构建轨迹挖掘数据,包括:
将各所述目标组合车道作为关键字,且将各所述目标组合车道分别对应的所述组合车道途径次数作为值,构建数据键值对作为所述轨迹挖掘数据。
12.一种轨迹数据的挖掘装置,包括:
车辆行驶轨迹确定模块,用于确定样本车辆途经目标路口所产生的至少一条样本车辆行驶轨迹;
行驶车道确定模块,用于根据各所述样本车辆行驶轨迹中样本轨迹点的样本轨迹点位置,确定各所述样本车辆行驶轨迹在所述目标路口所经过的目标行驶车道;
车道途径次数确定模块,用于分别确定经过各所述目标行驶车道的所述样本车辆行驶轨迹的轨迹数量,作为各所述目标行驶车道分别对应的车道途径次数;
数据挖掘模块,用于根据各所述目标行驶车道和各所述目标行驶车道分别对应的所述车道途径次数构建轨迹挖掘数据;其中,所述轨迹挖掘数据用于辅助自动驾驶车辆在所述目标路口进行自动变道。
13.根据权利要求12所述的装置,其中,所述行驶车道确定模块,具体用于:
确定各所述样本车辆行驶轨迹在所述目标路口所经过的目标驶入车道,以及在所述目标路口所经过的目标驶出车道;
所述车道途径次数确定模块,具体用于:
根据各所述目标驶入车道和各所述目标驶出车道确定至少一条目标组合车道;
分别确定经过各所述目标组合车道的所述样本车辆行驶轨迹的轨迹数量,作为各所述目标组合车道分别对应的组合车道途径次数;
所述数据挖掘模块,具体用于:
根据各所述目标组合车道和各所述目标组合车道分别对应的所述组合车道途径次数构建轨迹挖掘数据。
14.根据权利要求13所述的装置,其中,所述行驶车道确定模块,具体还用于:
确定所述目标路口包括的至少一条候选驶入车道,以及至少一条候选驶出车道;
确定各所述候选驶入车道分别对应的驶入车道区域位置,以及各所述候选驶出车道分别对应的驶出车道区域位置;
根据各所述样本轨迹点位置、各所述驶入车道区域位置和各所述目标路口的路口区域位置,从各所述候选驶入车道中确定所述目标驶入车道,以及根据各所述样本轨迹点位置、各所述驶出车道区域位置和各所述目标路口的路口区域位置,从各所述候选驶出车道中确定所述目标驶出车道。
15.根据权利要求14所述的装置,其中,所述行驶车道确定模块,具体还用于:
根据各所述驶入车道区域位置和各所述路口区域位置,确定第一重合区域位置;
将各所述样本轨迹点中的所述样本轨迹点位置属于所述第一重合区域位置的所述样本轨迹点作为第一辅助轨迹点;
根据轨迹点采集时间的先后顺序,从所述第一辅助轨迹点中确定初始驶入轨迹点;
根据所述初始驶入轨迹点所属的所述驶入车道区域位置,从各所述候选驶入车道中确定所述目标驶入车道。
16.根据权利要求14所述的装置,其中,所述行驶车道确定模块,具体还用于:
根据各所述驶出车道区域位置和各所述目标路口的路口区域位置,确定第二重合区域位置;
将各所述样本轨迹点中的所述样本轨迹点位置属于分别对应的所述驶出车道区域位置,却不属于所述第二重合区域位置的所述样本轨迹点作为第二辅助轨迹点;
根据轨迹点采集时间的先后顺序,从所述第二辅助轨迹点中确定初始驶出轨迹点;
根据所述初始驶出轨迹点所属的所述驶出车道区域位置,从各所述候选驶出车道中确定所述目标驶出车道。
17.根据权利要求12所述的装置,其中,所述车辆行驶轨迹确定模块,具体用于:
获取所述样本车辆对应的至少一条候选车辆行驶轨迹,并确定各所述候选车辆行驶轨迹中包括的异常轨迹点;
对所述异常轨迹点进行过滤得到至少一条优化车辆行驶轨迹;
根据每一所述优化车辆行驶轨迹中各优化轨迹点的优化轨迹点位置,以及所述目标路口的路口区域位置,从所有所述优化车辆行驶轨迹中确定所述样本车辆行驶轨迹。
18.根据权利要求17所述的装置,其中,所述车辆行驶轨迹确定模块,具体还用于:
针对所有所述候选车辆行驶轨迹中的任意一条候选车辆行驶轨迹,将该候选车辆行驶轨迹中连续采集的任意三个候选轨迹点作为第一待检测轨迹点集合;
确定所述第一待检测轨迹点集合中所述候选轨迹点所形成的候选轨迹线夹角;
在所述候选轨迹线夹角不属于标准夹角范围的情况下,将所述任意三个候选轨迹点中的中间轨迹点作为异常轨迹点;其中,所述中间轨迹点为所述任意三个候选轨迹点中采集顺序居中的候选轨迹点。
19.根据权利要求17所述的装置,其中,所述车辆行驶轨迹确定模块,具体还用于:
针对所有所述候选车辆行驶轨迹中的任意一条候选车辆行驶轨迹,将该候选车辆行驶轨迹中连续采集的任意两个候选轨迹点作为第二待检测轨迹点集合;
确定所述第二待检测轨迹点集合中所述候选轨迹点之间的候选轨迹点距离;
在所述候选轨迹点距离大于标准轨迹点距离的情况下,将所述任意两个候选轨迹点中采集顺序靠后的候选轨迹点作为异常轨迹点。
20.根据权利要求17所述的装置,其中,所述车辆行驶轨迹确定模块,具体还用于:
若任一所述优化车辆行驶轨迹中的至少一个所述优化轨迹点的优化轨迹点位置属于所述路口区域位置之中,则将该优化车辆行驶轨迹作为所述样本车辆行驶轨迹。
21.根据权利要求13所述的装置,所述装置还包括组合车道筛选模块,具体用于:
将包括相同目标驶入车道的所述目标组合车道作为辅助组合车道集,并对所述辅助组合车道集中各所述目标组合车道分别对应的所述组合车道途径次数进行求和,确定途径总次数;
根据所述辅助组合车道集中各所述目标组合车道分别对应的所述组合车道途径次数,以及所述途径总次数,确定所述辅助组合车道集中各所述目标组合车道分别对应的途径次数占比值;
根据所述途径次数占比值对所述辅助组合车道集中各所述目标组合车道进行筛选。
22.根据权利要求13所述的装置,其中,所述数据挖掘模块,具体用于:
将各所述目标组合车道作为关键字,且将各所述目标组合车道分别对应的所述组合车道途径次数作为值,构建数据键值对作为所述轨迹挖掘数据。
23.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-11中任一项所述的方法。
24.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据权利要求1-11中任一项所述的方法。
25.一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据权利要求1-11中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311686989.1A CN117648368A (zh) | 2023-12-08 | 2023-12-08 | 轨迹数据的挖掘方法、装置、设备和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311686989.1A CN117648368A (zh) | 2023-12-08 | 2023-12-08 | 轨迹数据的挖掘方法、装置、设备和介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117648368A true CN117648368A (zh) | 2024-03-05 |
Family
ID=90049294
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311686989.1A Pending CN117648368A (zh) | 2023-12-08 | 2023-12-08 | 轨迹数据的挖掘方法、装置、设备和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117648368A (zh) |
-
2023
- 2023-12-08 CN CN202311686989.1A patent/CN117648368A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112461256B (zh) | 路径规划方法和装置 | |
CN111680362B (zh) | 一种自动驾驶仿真场景获取方法、装置、设备及存储介质 | |
JP2022104639A (ja) | 車両の車線変更制御方法、機器、記憶媒体及びプログラム | |
US20230103040A1 (en) | Vehicle travel control method and apparatus | |
KR20210151723A (ko) | 차량 스케줄링 방법, 장치, 전자 기기, 저장 매체 및 컴퓨터 프로그램 | |
CN111611955A (zh) | 可通行施工道路的识别方法、装置、设备及存储介质 | |
CN113635912B (zh) | 车辆控制方法、装置、设备、存储介质及自动驾驶车辆 | |
CN114758502B (zh) | 双车联合轨迹预测方法及装置、电子设备和自动驾驶车辆 | |
CN112419779B (zh) | 无人车停靠点的选取方法及装置、存储介质及电子设备 | |
CN114413920A (zh) | 车道数据处理方法、导航方法及装置 | |
CN114047760B (zh) | 路径规划方法、装置、电子设备及自动驾驶车辆 | |
KR20230008001A (ko) | 차량 주행 궤적을 확정하는 방법 및 장치, 전자장비, 차량, 저장매체 및 컴퓨터 프로그램 | |
CN115675534A (zh) | 车辆轨迹预测方法、装置、电子设备及存储介质 | |
CN114187578A (zh) | 道路连接状态的识别方法及装置、电子设备和介质 | |
CN113722342A (zh) | 高精地图要素变更检测方法、装置、设备及自动驾驶车辆 | |
CN109446437B (zh) | 信息挖掘方法、装置、服务器及存储介质 | |
CN117648368A (zh) | 轨迹数据的挖掘方法、装置、设备和介质 | |
CN114459495B (zh) | 位移信息生成方法、装置以及计算机可读存储介质 | |
CN114689074B (zh) | 信息处理方法和导航方法 | |
CN113656526B (zh) | 电子地图的实现方法、装置、电子设备和介质 | |
CN115583254A (zh) | 路径规划方法、装置、设备以及自动驾驶车辆 | |
CN114528365A (zh) | 高速公路停车区域的识别方法及装置、电子设备和介质 | |
CN114596704A (zh) | 交通事件处理方法、装置、设备及存储介质 | |
CN113799799A (zh) | 一种安全补偿方法、装置、存储介质及电子设备 | |
CN114264312A (zh) | 自动驾驶车辆的路径规划方法、装置和自动驾驶车辆 |
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 |