CN118230581A - 车道级路况的获取方法、装置、设备及车端导航系统 - Google Patents
车道级路况的获取方法、装置、设备及车端导航系统 Download PDFInfo
- Publication number
- CN118230581A CN118230581A CN202410323330.8A CN202410323330A CN118230581A CN 118230581 A CN118230581 A CN 118230581A CN 202410323330 A CN202410323330 A CN 202410323330A CN 118230581 A CN118230581 A CN 118230581A
- Authority
- CN
- China
- Prior art keywords
- lane
- road
- target
- information
- precision
- 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 70
- 238000004422 calculation algorithm Methods 0.000 claims description 29
- 238000009499 grossing Methods 0.000 claims description 29
- 238000012545 processing Methods 0.000 claims description 28
- 238000009826 distribution Methods 0.000 claims description 21
- 230000007704 transition Effects 0.000 claims description 15
- 238000003860 storage Methods 0.000 claims description 12
- 238000006243 chemical reaction Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 8
- 238000012216 screening Methods 0.000 claims description 6
- 238000012163 sequencing technique Methods 0.000 claims description 4
- 230000004927 fusion Effects 0.000 description 13
- 238000004364 calculation method Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 10
- 230000002159 abnormal effect Effects 0.000 description 8
- 230000003068 static effect Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000013500 data storage Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 238000005096 rolling process Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000004140 cleaning Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 208000033748 Device issues Diseases 0.000 description 1
- 206010034701 Peroneal nerve palsy Diseases 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000011664 signaling 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
本申请提供一种车道级路况的获取方法、装置、设备及车端导航系统,包括:针对车辆行驶轨迹中的每个高精轨迹点,获取在预设范围内至少一个道路的道路信息,基于道路信息确定与高精轨迹点匹配的第一目标车道;获取相邻高精轨迹点,预测高精轨迹点与相邻高精轨迹点之间的多条可选路径,从多条可选路径中确定目标路径;针对预设时间段内的多个高精轨迹点的多个目标路径,确定目标行驶轨迹,获取其对应的车道匹配信息,以确定第二目标车道;根据第二目标车道的路况信息获取车道级路况信息;这样,本申请可以保证车辆路径的准确性和完整性,路况也更接近实际状态,进而提高了路况获取的准确性。
Description
技术领域
本申请涉及交通技术领域,尤其涉及一种车道级路况的获取方法、装置、设备及车端导航系统。
背景技术
为了方便出行,用户会在终端设备中安装各种导航应用,用于为用户提供路况信息,如拥堵、缓行和流畅等路况,以便用户预先了解每个车道的路况信息,当车道间路况不一致时,可以及时变更路线,提高通行效率。
现有技术中,可以根据路口节点预先编译的分车道即分方向的静态路网及缓冲区,判断车辆的行驶轨迹是否与该静态路网中的分车道匹配,若匹配成功,则认为该车辆位于该分车道,进而根据车辆的行驶速度计算该分车道路段的路况。
但是,上述方法通过车辆的行驶轨迹与分车道的匹配来区分车辆的行驶路段和行驶方向,进而确定路况信息,由于轨迹精度较低,导致路况信息缺乏准确性。
发明内容
本申请提供一种车道级路况的获取方法、装置、设备及车端导航系统,用于解决现有通过车辆的行驶轨迹与分车道的匹配来区分车辆的行驶路段和行驶方向,进而确定路况信息,由于轨迹精度较低,导致路况信息缺乏准确性的问题。
第一方面,本申请提供一种车道级路况的获取方法,所述方法包括:
针对车辆行驶轨迹中的每个高精轨迹点,获取所述高精轨迹点在预设范围内至少一个道路的道路信息,并基于所述至少一个道路的道路信息确定与所述高精轨迹点匹配的第一目标车道;
获取所述高精轨迹点在所述第一目标车道的相邻高精轨迹点,预测所述高精轨迹点与所述相邻高精轨迹点之间的多条可选路径,并从所述多条可选路径中确定目标路径;
针对预设时间段内的多个高精轨迹点对应的多个目标路径,确定所述车辆在预设时间段内目标行驶轨迹,获取所述目标行驶轨迹在高精度地图中对应的车道匹配信息,基于所述车道匹配信息确定第二目标车道;
根据所述第二目标车道的路况信息获取所述第二目标车道的车道级路况信息。
可选的,所述方法还包括:
从消息队列中获取车辆的轨迹信息;
根据所述轨迹信息获取多个高精轨迹点以及所述多个高精轨迹点的轨迹数据;所述轨迹数据包括经纬度信息和角度信息。
可选的,所述道路信息包括道路方向和车道信息;所述车道信息包括车道边界线信息、车道中心线信息及车道方向角信息;所述基于所述至少一个道路的道路信息确定与所述高精轨迹点匹配的第一目标车道,包括:
基于所述道路方向和所述角度信息,对所述至少一个道路进行筛选,得到备选道路;
基于所述经纬度信息确定所述备选道路对应的至少一个车道标识信息,基于所述至少一个车道标识信息确定所述备选道路对应的至少一个车道;
基于所述轨迹数据和所述车道中心线信息计算车道中心线的投影信息,并基于所述投影信息、所述车道边界线信息、所述车道方向角信息,从所述至少一个车道中确定与所述高精轨迹点匹配的第一目标车道。
可选的,所述从所述多条可选路径中确定目标路径,包括:
计算所述高精轨迹点所在可选路径与所述相邻高精轨迹点所在可选路径的距离,并确定所述距离中的最短距离对应的可选路径为目标路径。
可选的,所述确定所述车辆在预设时间段内目标行驶轨迹,包括:
针对预设时间段内任意一个高精轨迹点,基于所述经纬度信息计算所述高精轨迹点与每个目标路径的垂足距离;
基于所述垂足距离和第一正态分布公式,计算所述目标路径对应的第一概率,对所述第一概率进行对数转换,得到观察概率;
基于第二正态分布公式计算所述高精轨迹点与所述多个高精轨迹点中除所述高精轨迹点外的任意一个高精轨迹点之间的点对路径的第二概率,并对所述第二概率进行对数转换,得到转移概率;
基于所述观察概率和所述转移概率,计算得到每一目标路径的对数概率,选取多个目标路径的对数概率中的最大值对应的目标路径为目标行驶轨迹。
可选的,所述根据所述第二目标车道的路况信息获取所述第二目标车道的车道级路况信息,包括:
对所述第二目标车道对应的预定义路段的路况信息进行空间平滑和/或填补处理,得到车道级路况信息,并将所述车道级路况信息进行发布。
可选的,所述对所述第二目标车道对应的预定义路段的路况信息进行空间平滑和/或填补处理,包括:
将所述第二目标车道基于车道的位置进行拆分,以及基于所述第二目标车道的边界信息和高精轨迹点的垂足位置再次进行拆分,得到多个分段车道;
计算所述车辆在每个分段车道上的车辆数据,并获取每个分段车道上的分段数据,基于所述分段车道的标识信息对所述多个分段车道的分段数据进行分组,以及基于高精轨迹点的顺序将分组后的分段数据进行排序和拼接,得到分段数据集合;
将所述分段数据集合按照预设长度进行拆分,得到至少一个预定义路段,基于速度平均算法计算所述至少一个预定义路段对应的第一速度;
针对每个预定义路段,基于所述预定义路段上车辆的车辆数据计算目标速度,并基于所述目标速度确定预定义路段的路况信息,以对所述第二目标车道对应的预定义路段的路况信息进行空间平滑和/或填补处理。
可选的,所述对所述第二目标车道对应的预定义路段的路况信息进行空间平滑和/或填补处理,包括:
当所述第二目标车道存在预定义路段,且所述预定义路段与相邻的预定义路段对应的路况信息不同时,则对所述第二目标车道的预定义路段的路况信息进行空间平滑处理;
当所述第二目标车道不存在预定义路段,但所述第二目标车道与相邻的车道对应的路况信息不同时,则对所述第二目标车道和所述相邻的车道的路况信息进行空间平滑处理;
和/或,当所述第二目标车道存在缺失路段时,则根据所述缺失路段的相邻的路段的路况信息进行填补处理。
第二方面,本申请提供一种车道级路况的获取装置,所述装置包括:
第一确定模块,用于针对车辆行驶轨迹中的每个高精轨迹点,获取所述高精轨迹点在预设范围内至少一个道路的道路信息,并基于所述至少一个道路的道路信息确定与所述高精轨迹点匹配的第一目标车道;
第一获取模块,用于获取所述高精轨迹点在所述第一目标车道的相邻高精轨迹点,预测所述高精轨迹点与所述相邻高精轨迹点之间的多条可选路径,并从所述多条可选路径中确定目标路径;
第二确定模块,用于针对预设时间段内的多个高精轨迹点对应的多个目标路径,确定所述车辆在预设时间段内目标行驶轨迹,获取所述目标行驶轨迹在高精度地图中对应的车道匹配信息,基于所述车道匹配信息确定第二目标车道;
第二获取模块,用于根据所述第二目标车道的路况信息获取所述第二目标车道的车道级路况信息。
第三方面,本申请提供一种电子设备,包括:处理器,以及与所述处理器通信连接的存储器;
所述存储器存储计算机执行指令;
所述处理器执行所述存储器存储的计算机执行指令,以实现如第一方面中任一项所述的方法。
第四方面,本申请提供一种车端导航系统,包括:车载终端设备和如第三方面所述的电子设备,所述车载终端设备用于接收车道级路况信息,并基于所述车道级路况信息进行导航。
第五方面,本申请提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机执行指令,所述计算机执行指令被处理器执行时用于实现如第一方面中任一项所述的方法。
第六方面,本申请提供一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现如第一方面中任一项所述的方法。
综上所述,本申请提供一种车道级路况的获取方法、装置、设备及车端导航系统,通过提取到车辆的高精轨迹点的数据,进行车道级路网匹配及路径推测,确定目标路径,并获取车辆在一段时间内的行驶路径信息,即多个高精轨迹点对应的多个目标路径,使用增量路径推测、车道间的路径推测算法确定目标行驶轨迹,保证车辆路径的准确性和完整性,进而查找目标行驶轨迹的车道匹配信息,确定目标车道,进一步的,基于目标车道的路况信息获取目标车道的车道级路况信息,提高了路况信息获取的准确性。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理。
图1为本申请实施例提供的一种应用场景示意图;
图2为本申请实施例提供的一种车道级路况的获取方法的流程示意图;
图3为本申请实施例提供的一种确定目标行驶轨迹的流程示意图;
图4为本申请实施例提供的一种车道级路况发布系统的结构示意图;
图5为本申请实施例提供的一种车道级路况的获取装置的结构示意图;
图6为本申请实施例提供的一种电子设备的结构示意图。
通过上述附图,已示出本申请明确的实施例,后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本申请构思的范围,而是通过参考特定实施例为本领域技术人员说明本申请的概念。
具体实施方式
为了便于清楚描述本申请实施例的技术方案,在本申请的实施例中,采用了“第一”、“第二”等字样对功能和作用基本相同的相同项或相似项进行区分。例如,第一设备和第二设备仅仅是为了区分不同的设备,并不对其先后顺序进行限定。本领域技术人员可以理解“第一”、“第二”等字样并不对数量和执行次序进行限定,并且“第一”、“第二”等字样也并不限定一定不同。
需要说明的是,本申请中,“示例性的”或者“例如”等词用于表示作例子、例证或说明。本申请中被描述为“示例性的”或者“例如”的任何实施例或设计方案不应被解释为比其他实施例或设计方案更优选或更具优势。确切而言,使用“示例性的”或者“例如”等词旨在以具体方式呈现相关概念。
本申请中,“至少一个”是指一个或者多个,“多个”是指两个或两个以上。“和/或”,描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B的情况,其中A,B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达,是指的这些项中的任意组合,包括单项(个)或复数项(个)的任意组合。例如,a,b,或c中的至少一项(个),可以表示:a,b,c,a-b,a-c,b-c,或a-b-c,其中a,b,c可以是单个,也可以是多个。
为了方便出行,用户会在终端设备中安装各种导航应用,而路况作为导航中不可缺少的因素,存在有道路级和分方向级的路况。
由于传统路况无法精准到具体车道,使得用户无法更精准的确认每个车道的情况来进行提速或决策变道,然而,高精车道级路况相比较于传统路况,可以提供每个具体车道的路况,对于驾驶者以及导航端,可以预先了解每个车道的路况信息,当路况信息与实际车道间路况不一致时,可以提前变道,进而提高路径规划精准度以及选择最优车道,提高通行效率和驾驶体验;尤其针对自动驾驶,可以为车辆的行驶路线及变道提供合理化建议,提高行车安全。
一种可能的实现方式中,可以根据路口节点预先编译的分车道即分方向的静态路网及缓冲区,判断车辆的行驶轨迹是否与该静态路网中的分车道匹配,若匹配成功,则认为该车辆位于该分车道,进而根据车辆的行驶速度计算该分车道路段的路况。
但是,通过基于车辆轨迹点、预先编译分车道静态路段信息,通过车辆轨迹点与分车道路况的匹配来区分车辆的行驶路段和行驶方向,无法进行车道级匹配,且车辆轨迹点的轨迹精度在10m左右,精度较低,导致车道的路况(路况信息)缺乏准确性。
需要说明的是,上述方法中涉及到的地图仅为道路级,所以计算的为方向级路况,导致计算结果的准确性较差。
另一种可能的实现方式中,可以获取高精轨迹点数据,并将高精轨迹点数据与车道中心线进行匹配,若匹配成功,则计算匹配成功后车辆的平均车速,并通过比较平均车速与车道的预设车速,确定出车道的路况。
虽然上述方法进行了车道级匹配,但是,路况匹配的准确性较低,进而导致车道的路况的准确性和及时性降低。
针对上述问题,本申请提供一种车道级路况的获取方法,通过提取到车辆的高精轨迹点的数据,进行车道级路网匹配及路径推测,确定目标路径,并获取车辆在一段时间内的行驶路径信息,即多个高精轨迹点对应的多个目标路径,使用增量路径推测、车道间的路径推测算法确定目标行驶轨迹,保证车辆路径的准确性和完整性,进而查找目标行驶轨迹的车道匹配信息,确定目标车道,进一步的,基于目标车道的路况信息获取目标车道的车道级路况信息,提高了路况信息获取的准确性。
示例性的,图1为本申请实施例提供的一种应用场景示意图,如图1所示,该应用场景可以应用到车道级路况的获取及发布、车道级导航、导航路径中预计到达时间(Estimated Time of Arrival,ETA)计算等场景中,以车道级路况获取的应用场景为例,该应用场景包括:云端设备101、车端102、车载终端设备103和高精度地图104。
示例性的,云端设备101可以获取车端102的行驶轨迹以及该行驶轨迹对应的多个高精轨迹点,进一步的,基于该多个高精轨迹点,确定车端102行驶的目标路径,进一步的,获取车端102在一段时间内的行驶路径信息,即一段时间内多个目标路径,进而确定车端102在一段时间内的目标行驶轨迹,并查找与该目标行驶轨迹在高精度地图104中对应的车道匹配信息,基于车道匹配信息确定车端102行驶的目标车道,进一步的,确定该目标车道的路况结果,并基于该路况结果确定所需发布的车道级路况信息。
可选的,将车道级路况信息发布在车载终端设备103上,相应的,该车道级路况信息可以可视化显示在高精度地图104中。
应理解,图1仅是本申请实施例提供的一种应用场景的示意图,本申请实施例不对图1中包括的设备种类及设备个数进行限定,例如,在图1所示的应用场景中,还可以包括数据存储设备,该数据存储设备用于存储本申请进行车道级路况的获取方法中各个流程产生的数据,该数据存储设备可以是外部存储器,也可以是集成在云端设备的内部存储器中。
可选的,该云端设备可以是云端的K8S(Kubernetes),对于路况信息的发布,该K8S可以提供数据接口,车端102基于该数据接口进行请求数据,从K8S得到具体的路况信息,进而通过可视化的画面在车载终端设备103进行表达。
在一些实施例中,可以通过将车辆前方道路沿着道路方向分成K段,每段道路长度为L,且均有I个车道;在车辆处在第1路段的入口处时,建立时空交通模型,将车辆的车道级路径规划问题建立为一个滚动优化问题,并求解滚动优化问题,得到车道级路径,进而根据车道级路径控制车辆行驶至第1路段的最优车道,这样,在考虑了车辆前方较长距离的道路上各路段的各车道的交通状态的同时,将车道级路径规划问题建立成一个滚动优化问题,通过求解道路上各路段的最优车道,以减小车辆的总旅行时间,提高车辆的行驶效率。
虽然上述方法也涉及路径规划的方法,但是本申请是一种车道级路况的获取方法,基于高精度地图和高精轨迹点的车道级路况处理方法,用于路况信息的获取,因此,本申请采用的技术手段,达到的技术效果与上述方法不同,详情可参照下述实施例的描述。
另一些实施例中,可以通过建立一个无线通信网络构架,包括信息中心、有限个车载移动节点组成的车载无线传感器网络子系统和一个基于广播网络的信息发布子系统;信息中心为该无线通信网络的中心,各车载移动节点根据信息中心的命令通过车载无线传感器网络子系统进行实时路况信息采集与数据融合,进而将各路段采集与数据融合的实时路况信息通过车载无线传感器网络子系统上报给信息中心,以使信息中心通过信息发布子系统将处理后的交通路况信息及网络控制信令对各车载移动节点进行发布;用于供驾驶员选择行驶道路。
虽然上述方法进行了交通路况信息的发布,但是,其是建立无线通信网络架构实现的,而本申请是基于互联网实现路况信息发布的;上述方法通过车辆之间进行通信,在融合车载移动节点上进行融合,然后再通过多跳的方式传入信息中心进行发布,而本申请是通过车辆上传高精度全球定位系统(Global Positioning System,GPS)信息,即高精轨迹点的数据到云端,直接在云端进行匹配/推测/融合/发布等处理的;上述方法是基于路段进行路况信息的发布,而本申请是基于车道级别进行路况发布的;因此,本申请采用的技术手段,达到的技术效果与上述方法不同,详情可参照下述实施例的描述。
下面以具体地实施例对本申请的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图,对本申请的实施例进行描述。
图2为本申请实施例提供的一种车道级路况的获取方法的流程示意图,如图2所示,所述车道级路况的获取方法的执行主体为上述云端设备,所述车道级路况的获取方法包括如下步骤:
S201、针对车辆行驶轨迹中的每个高精轨迹点,获取所述高精轨迹点在预设范围内至少一个道路的道路信息,并基于所述至少一个道路的道路信息确定与所述高精轨迹点匹配的第一目标车道。
本申请实施例中,预设范围可以指的是提前预设的包括高精轨迹点周边的所有道路信息的周围区域,本申请实施例对预设范围不作具体限定,其可以基于实际应用场景确定。
在本步骤中,可以获取单个或多个高精轨迹点的轨迹数据,针对每个高精轨迹点,通过每个高精轨迹点的经纬度信息,并结合高精度地图对应的预先编译的道路和车道的空间索引树,匹配出高精轨迹点周边的所有道路信息。
其中,高精轨迹点可以指的是具有高精度的车辆行驶轨迹对应的轨迹点,因为车辆行驶轨迹对应的轨迹点可以由不同的服务商提供,每个服务商提供数据的精度不同,因此,本申请所需的数据为具有高精度的轨迹点对应的轨迹数据。
预先编译的道路可以指的是高精度地图中提前编译好的各个道路以及道路的连接关系;车道的空间索引树可以指的是各个道路中具有关联关系如根节点和叶子节点关系的各个车道构成的索引树,轨迹数据可以包括经纬度信息和角度信息;该道路信息可以包括道路方向和车道信息,车道信息用于指示车道的构成、属性与角度信息,本申请实施例对道路信息包括的内容不作具体限定。
进一步的,通过道路方向、高精轨迹点的角度信息,对高精轨迹点周边的所有道路信息进行精细化筛选,得到方向一致的至少一个备选道路,进而基于获取每个备选道路所包含的车道信息,将高精轨迹点与备选道路所包含的车道进行匹配,选出匹配的最优车道,即第一目标车道。
S202、获取所述高精轨迹点在所述第一目标车道的相邻高精轨迹点,预测所述高精轨迹点与所述相邻高精轨迹点之间的多条可选路径,并从所述多条可选路径中确定目标路径。
本申请实施例中,一个车道可以对应多条路径,如高精轨迹点1位于车道1,对应有3条路径,分别是路径1-3;相邻高精轨迹点位于车道2,对应有2条路径,分别是路径4和路径6,则高精轨迹点与相邻高精轨迹点之间的多条可选路径有可选路径1—4,可选路径1—6,可选路径2—4,可选路径2—6,可选路径3—4,可选路径3—6。
在本步骤中,将高精轨迹点依次进行两点间车道推测,即预测高精轨迹点与相邻高精轨迹点之间的多条可选路径,进而获取得到多条可选路径,当点对跨多条可选道路或车道时,通过预定义算法从多条可选路径中确定目标路径。
可选的,该目标路径为多条可选路径中的距离最短的路径。
其中,预定义算法可以指的是提前确定的用于确定符合实际场景的路径,如预定义算法为最短路径算法、Dijkstra(迪杰斯特拉)算法、弗洛伊德(Floyd)算法等,本申请实施例对预定义算法不作具体限定,且可以参照现有算法,也可以重新定义新的算法。
S203、针对预设时间段内的多个高精轨迹点对应的多个目标路径,确定所述车辆在预设时间段内目标行驶轨迹,获取所述目标行驶轨迹在高精度地图中对应的车道匹配信息,基于所述车道匹配信息确定第二目标车道。
本申请实施例中,预设时间段可以指的是包括可用于确定目标行驶轨迹所需的历史路径信息的最近一段时间,本申请实施例对预设时间段对应的具体大小不作限定,其可以基于实际应用场景确定。
在本步骤中,结合车辆在最近一段时间内的历史路径信息,该历史路径信息包括多个高精轨迹点对应的多个目标路径,进一步的,利用信度值计算方法进行增量计算,得到多个目标路径的置信度值,进而选取置信度值最高的目标路径作为该车辆在这段时间内的最优车道路径,即目标行驶轨迹。
进一步的,获取该车辆的最优车道路径,根据最优车道路径中车辆基于高精度地图的车道匹配信息,确定点对中包含的多个车道,即第二目标车道,该点对由两个高精轨迹点组成。
其中,信度值计算方法为提前定义的从多条轨迹信息中选取最优路径的方法,如包括正态分布公式和对数转换公式计算概率值,选取概率值最大的算法,本申请实施例对信度值计算方法对应的具体算法不作限定,其可以参照现有方法,也可以重新定义新的算法。
示例性的,图3为本申请实施例提供的一种确定目标行驶轨迹的流程示意图,如图3所示,计算高精轨迹点与目标路径间的观察概率,即根据第一正态分布公式得出,每个目标路径的概率密度,然后通过对数公式转换成对数概率,作为观察概率;进一步的,计算计算高精轨迹点与其他高精轨迹点之间路径间的转移概率,即根据第二正态公式计算出车辆从原始点的一条目标路径行驶到目标点的一条目标路径的概率,得出每条点对路径的概率密度,然后基于对数公式转换成对数概率,作为转移概率。
进一步的,计算目标路径的对数概率,即对于每条目标路径中,经过的每个点的观察概率和经过的每个点对路径的转移概率进行求和,得出最终的目标路径的对数概率,进而对多条目标路径的对数概率排序,选取对数概率最高的目标路径为置信度值最高的目标行驶轨迹。
其中,本申请实施例对第一正态公式、第二正态公式和对数公式不作具体限定,第一正态公式、第二正态公式和对数公式中的参数值可以基于实际应用场景或大量试验提前进行设定。
需要说明的是,缓存中存储的每辆车的数据都是经过上述方法的处理,得到每辆车对应的目标行驶轨迹。
S204、根据所述第二目标车道的路况信息获取所述第二目标车道的车道级路况信息。
在本步骤中,路况信息可以指的是车辆所处的路况状态,如拥堵、缓慢、畅通等路况状态,可以基于车辆的行驶速度进行反映。
示例性的,可以基于第二目标车道上车辆的行驶速度计算该车辆的路况状态,进而得到车道级的路况信息。
可选的,云端设备在得到车道级路况信息后,可以基于互联网将车道级路况信息发布到车载终端设备。
因此,本申请实施例通过使用高精轨迹点,可以精准的匹配到高精度地图的车道上,使得路况更精细,通过增量推测的方式参考预设时间段内的历史路径信息推算,提高路径的计算精度,以及通过车道间的路径推测,确定目标行驶轨迹,保证了路径的完整性,进而提高了车道级路况信息获取的准确性。
可选的,所述方法还包括:
从消息队列中获取车辆的轨迹信息;
根据所述轨迹信息获取多个高精轨迹点以及所述多个高精轨迹点的轨迹数据;所述轨迹数据包括经纬度信息和角度信息。
本申请实施例中,不同服务商的服务器提供的车辆的轨迹信息可以提前存储于消息队列中,由于不同服务商提供的车辆的轨迹信息的精度值不同,因此,需要对轨迹信息进行筛选,筛选出高精度对应的高精轨迹点的数据。
在本步骤中,从消息队列中实时读取轨迹信息后,对从筛选轨迹信息中筛选出实时动态(Real-Time Kinematic,RTK)的高精轨迹点,对高精轨迹点进行异常数据清洗,即过滤掉时间异常的高精轨迹点,进而得到多个高精轨迹点以及多个高精轨迹点的轨迹数据。
其中,时间异常的高精轨迹点可以指的是与当前时间差距过大的高精轨迹点。
因此,本申请实施例可以筛选出高精轨迹点进行车道级路况计算,使得计算的精度更高,提高了获取数据的准确性。
可选的,所述道路信息包括道路方向和车道信息;所述车道信息包括车道边界线信息、车道中心线信息及车道方向角信息;所述基于所述至少一个道路的道路信息确定与所述高精轨迹点匹配的第一目标车道,包括:
基于所述道路方向和所述角度信息,对所述至少一个道路进行筛选,得到备选道路;
基于所述经纬度信息确定所述备选道路对应的至少一个车道标识信息,基于所述至少一个车道标识信息确定所述备选道路对应的至少一个车道;
基于所述轨迹数据和所述车道中心线信息计算车道中心线的投影信息,并基于所述投影信息、所述车道边界线信息、所述车道方向角信息,从所述至少一个车道中确定与所述高精轨迹点匹配的第一目标车道。
其中,车道标识信息用于指示不同的车道,如车道标识信息可以为车道编号等,本申请实施例对车道的标识信息的表现形式不作具体限定,如可以为数字、文字、字母中的至少一种表示。
本申请实施例中,经纬度信息可以指的是高精轨迹点在高精度地图上的经纬度坐标,基于该经纬度坐标边可以确定高精轨迹点所处的道路,进而确定该道路上在高精度地图上对应的至少一个车道标识信息,使得可以基于车道标识信息与备选道路对应车道的标识信息去匹配,以确定备选道路对应的至少一个车道。
本步骤中,通过道路方向、高精轨迹点的角度信息,进行精细化筛选,得到置信度较高的道路作为备选道路,即方向匹配度高的道路;进一步的,获取每个备选道路所包含的车道信息,将高精轨迹点与备选道路所包含的车道进行匹配,即计算高精轨迹点的轨迹数据与车道边界线信息、车道中心线的投影信息及车道方向角信息的匹配度,选出最优车道,即匹配高的第一目标车道。
其中,该车道中心线的投影信息基于轨迹数据和车道中心线信息计算得到,本申请实施例对计算得到投影信息的方法不作具体限定,其可以参照现有的方法,也可以重新定义新的方法。
因此,本申请实施例可以进行车道级路网的匹配,使得高精轨迹点可以精准的匹配到高精地图的车道上,使得路况更精细。
可选的,所述从所述多条可选路径中确定目标路径,包括:
计算所述高精轨迹点所在可选路径与所述相邻高精轨迹点所在可选路径的距离,并确定所述距离中的最短距离对应的可选路径为目标路径。
示例性的,可以将高精轨迹点依次进行两点间车道推测,获取多条可选路径,当点对跨多条道路或车道时,通过计算道路拓扑的最短路径,即计算多个可选路径的距离的最小值,进行道路和车道间的路径推测,保证路径间的完整性。
因此,本申请实施例可以通过车道间的拓扑和最短路径的路径推测算法,进行车道间的路径推测,来保证路径的完整,提高了确定路径的准确性。
可选的,所述确定所述车辆在预设时间段内目标行驶轨迹,包括:
针对预设时间段内任意一个高精轨迹点,基于所述经纬度信息计算所述高精轨迹点与每个目标路径的垂足距离;
基于所述垂足距离和第一正态分布公式,计算所述目标路径对应的第一概率,对所述第一概率进行对数转换,得到观察概率;
基于第二正态分布公式计算所述高精轨迹点与所述多个高精轨迹点中除所述高精轨迹点外的任意一个高精轨迹点之间的点对路径的第二概率,并对所述第二概率进行对数转换,得到转移概率;
基于所述观察概率和所述转移概率,计算得到每一目标路径的对数概率,选取多个目标路径的对数概率中的最大值对应的目标路径为目标行驶轨迹。
本申请实施例中,第一正态分布公式对应的公式为:
其中,f(x)表示第一概率,σ表示分布的标准差,σ=20,μ表示分布的均值(期望值),μ=0,x表示垂足距离。
转换观察概率的对数公式对应的公式为:P(x)=logf(x),其中,P(x)表示观察概率。
第二正态分布公式对应的公式为:
其中,f′(x)表示第二概率,σ′表示分布的标准差,σ′=Math.max(Math.abs(两高精轨迹点的连线距离-实际距离),5),μ′表示分布的均值(期望值),μ′=0,x表示目标路径的距离。
转移概率的对数公式对应的公式为:P′(x)=log f′(x),其中,P′(x)表示观察概率。
在本步骤中,计算出每个高精轨迹点的经纬度信息距离每个目标路径(道路link)的垂足距离,将垂足距离代入第一正态分布公式,可以得出每个目标路径的概率密度,即第一概率,然后通过对数公式将第一概率转换成观察概率,进一步的,基于第二正态分布公式计算出车辆从原始点的一条道路link行驶到目标点的一条道路link的概率,即每条点对路径的概率密度(第二概率),然后通过对数公式将第二概率转换成转移概率,进一步的,对于每个目标路径,将经过的每个高精轨迹点的观察概率和经过的每个点对路径的转移概率进行求和,得出对数概率,即:
对数概率=Math.sum(P(i),P(j)),其中,P(i)是P(x)计算出来的值,P(j)是P′(x)计算出来的值。
进一步的,将每一目标路径的对数概率进行排序,求得对数概率最高的目标路径作为置信度值最高的目标行驶轨迹。
其中,每个高精轨迹点的偏移距离是符合正态分布的,原始点指的是当前的高精轨迹点,目标点为下一个高精轨迹点;原始点和目标点的欧式距离和原始点的一条道路link行驶到目标点的一条道路link的实际路径距离的差值是符合正态分布的。
需要说明的是,σ,μ,σ′,μ′均是基于大量试验估计得到的优选值,本申请实施例对σ,μ,σ′,μ′对应的数值不作具体限定,其还可以设定为其他数值。
可以理解的,上述方法为对预设时间段内的多个目标路径进行增量计算,推测出车辆在预设时间段内目标行驶轨迹的一种可能实现方式。
因此,本申请实施例可以通过增量推测的方式,参考历史路径信息进行推算,解决路径计算错误问题,提高了车辆路径推测的精准度,防止因异常点或者轨迹点漂移导致的路径推测错误,同时保证了路径的完整性和连续性,防止因轨迹点丢失或低频点导致的路径不连续。
可选的,所述根据所述第二目标车道的路况信息获取所述第二目标车道的车道级路况信息,包括:
对所述第二目标车道对应的预定义路段的路况信息进行空间平滑和/或填补处理,得到车道级路况信息,并将所述车道级路况信息进行发布。
本申请实施例中,预定义路段可以指的是将车道按照预设长度进行拆分,得到的精细化路段,如将车道按照100米长度进行精细化打断,得到预定义路段;本申请实施例对预设长度不作具体限定,其可以基于实际应用场景或人为提前设定。
示例性的,将第二目标车道按照100米长度进行精细化拆分,使用速度平均算法分别计算该第二目标车道上每100米精细化路段的速度后,按照车道的精细化路段进行分组,即进行车辆分组,确定该车辆位于哪一精细化路段,并根据该精细化路段上车辆的行驶速度计算该车辆的路况状态,得到精细化路段的路况信息,进一步的,遍历该二目标车道中每个车道和精细化路段,进行空间平滑和/或填补处理,得到第二目标车道的车道级路况信息,进而进行发布。
因此,本申请实施例可以通过增加车道间的路况状态的平滑和填补,使路况的表达更连续、更接近实际状态,提高了路况发布的准确性。
可选的,所述对所述第二目标车道对应的预定义路段的路况信息进行空间平滑和/或填补处理,包括:
将所述第二目标车道基于车道的位置进行拆分,以及基于所述第二目标车道的边界信息和高精轨迹点的垂足位置再次进行拆分,得到多个分段车道;
计算所述车辆在每个分段车道上的车辆数据,并获取每个分段车道上的分段数据,基于所述分段车道的标识信息对所述多个分段车道的分段数据进行分组,以及基于高精轨迹点的顺序将分组后的分段数据进行排序和拼接,得到分段数据集合;
将所述分段数据集合按照预设长度进行拆分,得到至少一个预定义路段,基于速度平均算法计算所述至少一个预定义路段对应的第一速度;
针对每个预定义路段,基于所述预定义路段上车辆的车辆数据计算目标速度,并基于所述目标速度确定预定义路段的路况信息,以对所述第二目标车道对应的预定义路段的路况信息进行空间平滑和/或填补处理。
其中,分段车道的标识信息用于指示不同的分段车道,如分段车道的标识信息可以为车道编号等,本申请实施例对分段车道的标识信息的表现形式不作具体限定,如可以为数字、文字、字母中的至少一种表示。
可选的,车辆数据可以包括行驶时间、行驶长度和行驶速度。
本申请实施例中,第一速度就可以指的是车辆在预定义路段行驶的平均速度,本申请实施例第对此不作具体限定;车辆数据可以指的是在预定义路段上行驶的所有车辆的第一速度。
在本步骤中,可以将点对中包含的多个车道的数据按照车道的位置进行拆分,并根据车道的边界信息和高精轨迹点的垂足位置进行打断,以生成多个分段车道;进一步的,获取每个分段车道的分段数据,并计算每个分段车道上车辆的行驶时间、行驶长度和行驶速度,将分段数据按照车道编号进行分组,以及按照高精轨迹点的顺序进行排序和拼接,得到每个车道的分段数据集合,进一步的,将车道按照100米长度进行精细化拆分,得到至少一个预定义路段,并使用速度平均算法,基于车辆数据,分别计算该车道上每100米对应的预定义路段的目标速度。
进一步的,基于目标速度确定预定义路段的路况信息,即获取每辆车所处的预定义路段,按照预定义路段对车辆进行分组,并根据目标速度计算车辆在预定义路段上的路况状态,进而针对第二目标车道对应的预定义路段的路况状态,基于车辆的目标速度进行空间平滑和/或填补处理。
需要说明的是,针对缓存中的每辆车对应的数据,均需要进行上述处理,以得到每辆车的第一速度。
因此,本申请实施例可以针对每辆车进行道路、道路段、车道级的单车路况的拆分以及融合计算,然后再通过在第二目标车道上各个预定义路段的车辆选取及融合,分别获得每个道路、道路段、车道级的路况结果,基于车道间的路况平滑和填补算法对第二目标车道进行处理,保证路况的时空完整性,进而提高了确定车道级的路况的准确性。
可选的,所述基于所述车辆数据计算目标速度,包括:
利用离群算法对所述预定义路段上行驶的车辆数据进行过滤,得到目标车辆数据;
当确定所述目标车辆数据满足第一预设条件时,计算所述目标车辆数据的均值,得到目标速度;所述第一预设条件为路况状态相同的目标车辆的数量大于第一阈值;所述路况状态基于车辆的形式速度确定;
当确定所述目标车辆数据不满足第一预设条件时,获取历史时长内满足第二预设条件的目标车辆数据,计算历史时长内所述目标车辆数据的均值,得到目标速度;所述第二预设条件为路况状态相同的目标车辆的数量大于第二阈值。
本申请实施例中,离群算法可以指的是确定车辆的目标速度偏离其他车辆的目标速度的算法,如车辆1的目标速度为10km/h,车辆2的目标速度为10km/h,车辆3的目标速度为11km/h,车辆4的目标速度为9km/h,车辆5的目标速度为100km/h,则基于离群算法确定车辆5的目标速度异常,则需过滤掉车辆5的车辆数据。
可选的,也可以基于箱线图法对预定义路段上行驶的车辆数据进行过滤,得到目标车辆数据,本申请实施例对预定义路段上行驶的车辆数据进行异常数据过滤,得到目标车辆数据的方法不作具体限定。
在本步骤中,可以将每个预定义路段上的车辆按照车辆进入时间进行排序,首先使用离群算法,剔除掉速度异常车辆,然后基于最近时间的车辆开始计算目标速度,可以分为如下三种情况:
情况1:当路况状态相同的目标车辆的数量大于第一阈值,如3辆,则将该3辆车的速度进行平均融合,计算出该预定义路段上的目标速度;
情况2:当路况状态相同的目标车辆的数量小于或等于第一阈值,则获取历史时长内路况状态相同的目标车辆,如将目标车辆继续增加到7辆,在该7个目标车辆中,当某种路况状态相同的目标车辆占比大于第二阈值,如75%时,则使用该状态相同的目标车辆的行驶速度,计算出该预定义路段上对应的车辆的目标速度;
情况3:若上述情况均不满足,则可以使用该预定义路段上的所有车辆的行驶速度,计算出该预定义路段上对应的车辆的目标速度。
其中,使用情况1和情况2计算得到的目标速度可以较好的反映预定义路段的路况信息,在本申请中,第一阈值和第二阈值为提前定义的数值,其可以实际应用场景或人为进行设定,本申请实施例对此不作具体限定。
可选的,可以参照表1对应的目标速度反映该预定义路段的路况状态,如表1所示:
表1
道路等级 | 畅通 | 缓慢 | 拥堵 |
A | 速度>=a | 速度<a且速度>b | 速度<=b |
B | 速度>=b | 速度<b且速度>c | 速度<=c |
C | 速度>=d | 速度<d且速度>e | 速度<=e |
D | 速度>=c | 速度<c且速度>f | 速度<=f |
其中,不同的道路等级对应的确定路况状态的速度不同,该道路等级为标注道路级别的等级,不同的道路等级对应有不同的车道,如城市主干道Ⅰ级为双向八车道;本申请实施例对此不作具体限定,其可以参照现有道路等级的定义。
可以理解的是,速度a大于速度b,速度b大于速度c,速度d大于速度e,速度c大于速度f,本申请实施例对速度a、b、c、d、e、f以及道路等级A、B、C、D对应的具体数值不作限定,其可以基于实际应用场景进行确定。
因此,本申请实施例可以通过离群算法剔除掉异常车辆,同时从最近时间车辆开始进行多车融合,计算目标速度,进而可以更快速精准的计算出路况状态并发布,保证了路况的及时性,通过增加历史时长内满足第二预设条件的目标车辆数据,计算车道间的速度,使路况的表达更连续、更接近实际状态。
可选的,所述对所述第二目标车道对应的预定义路段的路况信息进行空间平滑和/或填补处理,包括:
当所述第二目标车道存在预定义路段,且所述预定义路段与相邻的预定义路段对应的路况信息不同时,则对所述第二目标车道的预定义路段的路况信息进行空间平滑处理;
当所述第二目标车道不存在预定义路段,但所述第二目标车道与相邻的车道对应的路况信息不同时,则对所述第二目标车道和所述相邻的车道的路况信息进行空间平滑处理;
和/或,当所述第二目标车道存在缺失路段时,则根据所述缺失路段的相邻的路段的路况信息进行填补处理。
示例性的,以预定义路段为长度100米的车道精细化路段为例,通过预先编译的静态路网,获取每个道路对应的车道信息,并根据道路和车道进行分组,遍历该道路中每个车道和车道的精细化路段,进行空间平滑及填补,包括如下三种场景:
场景1:当该车道中存在车道精细化路段长度小于100米,且存在与前后链接车道精细化路段均不一致的路况状态时,则进行空间平滑处理,即将该路段与前后相连路段的目标速度做平均算法,计算出新的速度,进而参考表1得到路况状态,赋值给这3条路段,即该车道精细化路,以及与该车道精细化路前后链接的车道精细化路段;
场景2:当该车道长度小于100米,且存在与前后链接车道均不一致的路况状态时,则进行空间平滑处理,即将该车道与前后相连车道的目标速度做平均算法,计算出新的速度,并参考表1得到路况状态,赋值给这3条车道,即该车道,以及与该车道前后链接的车道;
场景3:若该道路中存在空间缺失的车道级路况,则根据该道路的拓扑关系,参考缺失位置的相邻的车道级路况对应的目标速度和路况状态进行填补,生成该车道的车道级路况信息,以保证路况的连通性。
因此,本申请实施例可以通过增加车道间的速度和状态的平滑以及填补处理,使路况的表达更连续、更接近实际状态,进而保证了路况信息发布的准确性和时空连续性。
结合上述实施例,图4为本申请实施例提供的一种车道级路况发布系统的结构示意图,如图4所示,该车道级路况发布系统包括高精数据接收模块、车道级算路模块、车道级单车融合模块、车道级多车融合模块和车道级路况发布模块,该车道级路况发布系统可以对高精度地图和高精轨迹的城市高速及快速路的车道级路况进行处理和发布。
具体的,可以使用高精度地图进行编译,提取道路、车道级路网及拓扑关系,然后通过数据接收模块实时提取车载终端设备对应的高精轨迹点对应的轨迹数据,并进行数据清洗,进而将经过数据清洗的轨迹数据发送到车道级算路模块进行车道级路网匹配路径推测,得到目标路径。
进一步的,获取车辆在一段时间内的行驶路径信息,即多个高精轨迹点对应的多个目标路径,将行驶路径信息发送到车道级单车融合模块进行处理,具体的,车道级单车融合模块针对每辆车进行道路、道路段、车道级的单车路况融合计算,然后将单车融合计算结果发送到车道级多车融合模块进行处理,具体的,车道级多车融合模块通过车辆的选取及融合,分别获得每个道路、道路段、车道级的路况结果,并结合自由流等信息确定路况状态,发送到车道级路况发布模块进行车道级路况平滑、填补及状态定义,以发布出兼容道路级、方向级和车道级的真正车道级的路况信息。
可选的,云端设备在发布路况信息时,可以基于云端设备提供数据接口,在接收车端发送的请求数据后,基于该数据接口将路况信息推送到车载终端设备进行表达。
这样,本申请实施例通过使用增量路径推测、车道间的路径推测算法,并结合最优路径选取算法,保证了车辆路径的准确性和完整性,同时也可以适配回传周期较低的数据源,本申请还针对车道级的路况融合,采用更精细的多车融合算法,保证路况的准确性和及时性,同时增加了车道间的路况平滑和填补算法,保证路况的时空完整性,提升整体路况发布的准确性,进而提升了用户体验。
在前述实施例中,对本申请实施例提供的车道级路况的获取方法进行了介绍,而为了实现上述本申请实施例提供的方法中的各功能,作为执行主体的电子设备可以包括硬件结构和/或软件模块,以硬件结构、软件模块、或硬件结构加软件模块的形式来实现上述各功能。上述各功能中的某个功能以硬件结构、软件模块、还是硬件结构加软件模块的方式来执行,取决于技术方案的特定应用和设计约束条件。
例如,图5为本申请实施例提供的一种车道级路况的获取装置的结构示意图,如图5所示,所述装置500包括:第一确定模块501,用于针对车辆行驶轨迹中的每个高精轨迹点,获取所述高精轨迹点在预设范围内至少一个道路的道路信息,并基于所述至少一个道路的道路信息确定与所述高精轨迹点匹配的第一目标车道;
第一获取模块502,用于获取所述高精轨迹点在所述第一目标车道的相邻高精轨迹点,预测所述高精轨迹点与所述相邻高精轨迹点之间的多条可选路径,并从所述多条可选路径中确定目标路径;
第二确定模块503,用于针对预设时间段内的多个高精轨迹点对应的多个目标路径,确定所述车辆在预设时间段内目标行驶轨迹,获取所述目标行驶轨迹在高精度地图中对应的车道匹配信息,基于所述车道匹配信息确定第二目标车道;
第二获取模块504,用于根据所述第二目标车道的路况信息获取所述第二目标车道的车道级路况信息。
可选的,所述装置500还包括第三获取模块,所述第三获取模块,用于:
从消息队列中获取车辆的轨迹信息;
根据所述轨迹信息获取多个高精轨迹点以及所述多个高精轨迹点的轨迹数据;所述轨迹数据包括经纬度信息和角度信息。
可选的,所述道路信息包括道路方向和车道信息;所述车道信息包括车道边界线信息、车道中心线信息及车道方向角信息;所述第一确定模块501,具体用于:
基于所述道路方向和所述角度信息,对所述至少一个道路进行筛选,得到备选道路;
基于所述经纬度信息确定所述备选道路对应的至少一个车道标识信息,基于所述至少一个车道标识信息确定所述备选道路对应的至少一个车道;
基于所述轨迹数据和所述车道中心线信息计算车道中心线的投影信息,并基于所述投影信息、所述车道边界线信息、所述车道方向角信息,从所述至少一个车道中确定与所述高精轨迹点匹配的第一目标车道。
可选的,所述第一获取模块502,具体用于:
计算所述高精轨迹点所在可选路径与所述相邻高精轨迹点所在可选路径的距离,并确定所述距离中的最短距离对应的可选路径为目标路径。
可选的,所述第二确定模块503,具体用于:
针对预设时间段内任意一个高精轨迹点,基于所述经纬度信息计算所述高精轨迹点与每个目标路径的垂足距离;
基于所述垂足距离和第一正态分布公式,计算所述目标路径对应的第一概率,对所述第一概率进行对数转换,得到观察概率;
基于第二正态分布公式计算所述高精轨迹点与所述多个高精轨迹点中除所述高精轨迹点外的任意一个高精轨迹点之间的点对路径的第二概率,并对所述第二概率进行对数转换,得到转移概率;
基于所述观察概率和所述转移概率,计算得到每一目标路径的对数概率,选取多个目标路径的对数概率中的最大值对应的目标路径为目标行驶轨迹。
可选的,所述第二获取模块504,具体用于:
对所述第二目标车道对应的预定义路段的路况信息进行空间平滑和/或填补处理,得到车道级路况信息,并将所述车道级路况信息进行发布。
可选的,所述第二获取模块504包括拆分单元、分组单元、计算单元和处理单元;
所述拆分单元,用于将所述第二目标车道基于车道的位置进行拆分,以及基于所述第二目标车道的边界信息和高精轨迹点的垂足位置再次进行拆分,得到多个分段车道;
所述分组单元,用于计算所述车辆在每个分段车道上的车辆数据,并获取每个分段车道上的分段数据,基于所述分段车道的标识信息对所述多个分段车道的分段数据进行分组,以及基于高精轨迹点的顺序将分组后的分段数据进行排序和拼接,得到分段数据集合;
所述计算单元,用于将所述分段数据集合按照预设长度进行拆分,得到至少一个预定义路段,基于速度平均算法计算所述至少一个预定义路段对应的第一速度;
所述处理单元,用于针对每个预定义路段,基于所述预定义路段上车辆的车辆数据计算目标速度,并基于所述目标速度确定预定义路段的路况信息,以对所述第二目标车道对应的预定义路段的路况信息进行空间平滑和/或填补处理。
可选的,所述处理单元,具体用于:
当所述第二目标车道存在预定义路段,且所述预定义路段与相邻的预定义路段对应的路况信息不同时,则对所述第二目标车道的预定义路段的路况信息进行空间平滑处理;
当所述第二目标车道不存在预定义路段,但所述第二目标车道与相邻的车道对应的路况信息不同时,则对所述第二目标车道和所述相邻的车道的路况信息进行空间平滑处理;
和/或,当所述第二目标车道存在缺失路段时,则根据所述缺失路段的相邻的路段的路况信息进行填补处理。
需要说明的是,上述车道级路况的获取装置的具体实现原理和效果可以参见上述实施例对应的相关描述和效果,此处不做过多赘述。
本申请实施例还提供了一种电子设备的结构示意图,图6为本申请实施例提供的一种电子设备的结构示意图,如图6所示,该电子设备可以包括:处理器601以及与所述处理器通信连接的存储器602;该存储器602存储计算机程序;该处理器601执行该存储器602存储的计算机程序,使得该处理器601执行上述任一实施例所述的方法。
其中,存储器602和处理器601可以通过总线603连接。
该电子设备可以为服务器,也可以为包含图5所示的装置的任意电子设备等。
可选的,本申请是提供一种车端导航系统,包括:车载终端设备和如图6所示的电子设备,所述车载终端设备用于接收车道级路况信息,并基于该车道级路况信息进行导航。
这样,基于车端导航系统的应用,可以处理存在道路级和分方向级的路况,并精准到具体车道,进而更精准的确认每个车道的路况来进行导航,以提速决策变道,提升用户的使用满意度。
需要说明的是,图6所示的电子设备可以是云端设备,也可以是云端服务器、区块链节点、云端服务器集群等,本申请实施例不对图6中所示的电子设备进行限定。
本申请实施例还提供了一种计算机可读存储介质,计算机可读存储介质存储有计算机程序执行指令,计算机执行指令被处理器执行时用于实现如本申请前述任一实施例中的所述的方法。
本申请实施例还提供了一种运行指令的芯片,该芯片用于执行如本申请前述任一实施例中由电子设备所执行的前述任一实施例中所述的方法。
本申请实施例还提供了一种计算机程序产品,该程序产品包括计算机程序,该计算机程序被处理器执行时可实现如本申请前述任一实施例中由电子设备所执行的前述任一实施例中所述的方法。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,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,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单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案。
另外,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单元中,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单元中。上述模块成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
上述以软件功能模块的形式实现的集成的模块,可以存储在一个计算机可读取存储介质中。上述软件功能模块存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)或处理器执行本申请各个实施例所述方法的部分步骤。
应理解,上述处理器可以是中央处理单元(Central Processing Unit,简称CPU),还可以是其它通用处理器、数字信号处理器(Digital Signal Processor,简称DSP)、专用集成电路(Application Specific Integrated Circuit,简称ASIC)等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合申请所公开的方法的步骤可以直接体现为硬件处理器执行完成,或者用处理器中的硬件及软件模块组合执行完成。
存储器可能包含高速随机存取存储器(Random Access memory,简称RAM),也可能还包括非不稳定的存储器(Non-volatile Memory,简称NVM),例如至少一个磁盘存储器,还可以为U盘、移动硬盘、只读存储器、磁盘或光盘等。
总线可以是工业标准体系结构(Industry Standard Architecture,简称ISA)总线、外部设备互连(Peripheral Component Interconnect,简称PCI)总线或扩展工业标准体系结构(Extended Industry Standard Architecture,简称EISA)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示,本申请附图中的总线并不限定仅有一根总线或一种类型的总线。
上述存储介质可以是由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(Static Random-Access Memory,简称SRAM),电可擦除可编程只读存储器(Electrically Erasable Programmable Read Only Memory,简称EEPROM),可擦除可编程只读存储器(Erasable Programmable Read-Only Memory,简称EPROM),可编程只读存储器(Programmable Read-Only Memory,简称PROM),只读存储器(Read-OnlyMemory,简称ROM),磁存储器,快闪存储器,磁盘或光盘。存储介质可以是通用或专用计算机能够存取的任何可用介质。
一种示例性的存储介质耦合至处理器,从而使处理器能够从该存储介质读取信息,且可向该存储介质写入信息。当然,存储介质也可以是处理器的组成部分。处理器和存储介质可以位于专用集成电路(Application Specific Integrated Circuits,简称ASIC)中。当然,处理器和存储介质也可以作为分立组件存在于电子设备或主控设备中。
需要说明的是,对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本申请并不受所描述的动作顺序的限制,因为依据本申请,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于可选实施例,所涉及的动作和模块并不一定是本申请所必须的。
进一步需要说明的是,虽然流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。上述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本申请的真正范围和精神由权利要求书指出。
以上所述,仅为本申请实施例的具体实施方式,但本申请实施例的保护范围并不局限于此,任何在本申请实施例揭露的技术范围内的变化或替换,都应涵盖在本申请实施例的保护范围之内。因此,本申请实施例的保护范围应以所述权利要求的保护范围为准。
Claims (13)
1.一种车道级路况的获取方法,其特征在于,所述方法包括:
针对车辆行驶轨迹中的每个高精轨迹点,获取所述高精轨迹点在预设范围内至少一个道路的道路信息,并基于所述至少一个道路的道路信息确定与所述高精轨迹点匹配的第一目标车道;
获取所述高精轨迹点在所述第一目标车道的相邻高精轨迹点,预测所述高精轨迹点与所述相邻高精轨迹点之间的多条可选路径,并从所述多条可选路径中确定目标路径;
针对预设时间段内的多个高精轨迹点对应的多个目标路径,确定所述车辆在预设时间段内目标行驶轨迹,获取所述目标行驶轨迹在高精度地图中对应的车道匹配信息,基于所述车道匹配信息确定第二目标车道;
根据所述第二目标车道的路况信息获取所述第二目标车道的车道级路况信息。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
从消息队列中获取车辆的轨迹信息;
根据所述轨迹信息获取多个高精轨迹点以及所述多个高精轨迹点的轨迹数据;所述轨迹数据包括经纬度信息和角度信息。
3.根据权利要求2所述的方法,其特征在于,所述道路信息包括道路方向和车道信息;所述车道信息包括车道边界线信息、车道中心线信息及车道方向角信息;所述基于所述至少一个道路的道路信息确定与所述高精轨迹点匹配的第一目标车道,包括:
基于所述道路方向和所述角度信息,对所述至少一个道路进行筛选,得到备选道路;
基于所述经纬度信息确定所述备选道路对应的至少一个车道标识信息,基于所述至少一个车道标识信息确定所述备选道路对应的至少一个车道;
基于所述轨迹数据和所述车道中心线信息计算车道中心线的投影信息,并基于所述投影信息、所述车道边界线信息、所述车道方向角信息,从所述至少一个车道中确定与所述高精轨迹点匹配的第一目标车道。
4.根据权利要求1或2所述的方法,其特征在于,所述从所述多条可选路径中确定目标路径,包括:
计算所述高精轨迹点所在可选路径与所述相邻高精轨迹点所在可选路径的距离,并确定所述距离中的最短距离对应的可选路径为目标路径。
5.根据权利要求2所述的方法,其特征在于,所述确定所述车辆在预设时间段内目标行驶轨迹,包括:
针对预设时间段内任意一个高精轨迹点,基于所述经纬度信息计算所述高精轨迹点与每个目标路径的垂足距离;
基于所述垂足距离和第一正态分布公式,计算所述目标路径对应的第一概率,对所述第一概率进行对数转换,得到观察概率;
基于第二正态分布公式计算所述高精轨迹点与所述多个高精轨迹点中除所述高精轨迹点外的任意一个高精轨迹点之间的点对路径的第二概率,并对所述第二概率进行对数转换,得到转移概率;
基于所述观察概率和所述转移概率,计算得到每一目标路径的对数概率,选取多个目标路径的对数概率中的最大值对应的目标路径为目标行驶轨迹。
6.根据权利要求1-5任一项所述的方法,其特征在于,所述根据所述第二目标车道的路况信息获取所述第二目标车道的车道级路况信息,包括:
对所述第二目标车道对应的预定义路段的路况信息进行空间平滑和/或填补处理,得到车道级路况信息,并将所述车道级路况信息进行发布。
7.根据权利要求6所述的方法,其特征在于,所述对所述第二目标车道对应的预定义路段的路况信息进行空间平滑和/或填补处理,包括:
将所述第二目标车道基于车道的位置进行拆分,以及基于所述第二目标车道的边界信息和高精轨迹点的垂足位置再次进行拆分,得到多个分段车道;
计算所述车辆在每个分段车道上的车辆数据,并获取每个分段车道上的分段数据,基于所述分段车道的标识信息对所述多个分段车道的分段数据进行分组,以及基于高精轨迹点的顺序将分组后的分段数据进行排序和拼接,得到分段数据集合;
将所述分段数据集合按照预设长度进行拆分,得到至少一个预定义路段,基于速度平均算法计算所述至少一个预定义路段对应的第一速度;
针对每个预定义路段,基于所述预定义路段上车辆的车辆数据计算目标速度,并基于所述目标速度确定预定义路段的路况信息,以对所述第二目标车道对应的预定义路段的路况信息进行空间平滑和/或填补处理。
8.根据权利要求6所述的方法,其特征在于,所述对所述第二目标车道对应的预定义路段的路况信息进行空间平滑和/或填补处理,包括:
当所述第二目标车道存在预定义路段,且所述预定义路段与相邻的预定义路段对应的路况信息不同时,则对所述第二目标车道的预定义路段的路况信息进行空间平滑处理;
当所述第二目标车道不存在预定义路段,但所述第二目标车道与相邻的车道对应的路况信息不同时,则对所述第二目标车道和所述相邻的车道的路况信息进行空间平滑处理;
和/或,当所述第二目标车道存在缺失路段时,则根据所述缺失路段的相邻的路段的路况信息进行填补处理。
9.一种车道级路况的获取装置,其特征在于,所述装置包括:
第一确定模块,用于针对车辆行驶轨迹中的每个高精轨迹点,获取所述高精轨迹点在预设范围内至少一个道路的道路信息,并基于所述至少一个道路的道路信息确定与所述高精轨迹点匹配的第一目标车道;
第一获取模块,用于获取所述高精轨迹点在所述第一目标车道的相邻高精轨迹点,预测所述高精轨迹点与所述相邻高精轨迹点之间的多条可选路径,并从所述多条可选路径中确定目标路径;
第二确定模块,用于针对预设时间段内的多个高精轨迹点对应的多个目标路径,确定所述车辆在预设时间段内目标行驶轨迹,获取所述目标行驶轨迹在高精度地图中对应的车道匹配信息,基于所述车道匹配信息确定第二目标车道;
第二获取模块,用于根据所述第二目标车道的路况信息获取所述第二目标车道的车道级路况信息。
10.一种电子设备,其特征在于,包括:处理器,以及与所述处理器通信连接的存储器;
所述存储器存储计算机执行指令;
所述处理器执行所述存储器存储的计算机执行指令,以实现如权利要求1-8中任一项所述的方法。
11.一种车端导航系统,其特征在于,包括:车载终端设备和如权利要求10所述的电子设备,所述车载终端设备用于接收车道级路况信息,并基于所述车道级路况信息进行导航。
12.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机执行指令,所述计算机执行指令被处理器执行时用于实现如权利要求1-8中任一项所述的方法。
13.一种计算机程序产品,其特征在于,包括计算机程序,该计算机程序被处理器执行时实现如权利要求1-8中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410323330.8A CN118230581A (zh) | 2024-03-20 | 2024-03-20 | 车道级路况的获取方法、装置、设备及车端导航系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410323330.8A CN118230581A (zh) | 2024-03-20 | 2024-03-20 | 车道级路况的获取方法、装置、设备及车端导航系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN118230581A true CN118230581A (zh) | 2024-06-21 |
Family
ID=91511343
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410323330.8A Pending CN118230581A (zh) | 2024-03-20 | 2024-03-20 | 车道级路况的获取方法、装置、设备及车端导航系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118230581A (zh) |
-
2024
- 2024-03-20 CN CN202410323330.8A patent/CN118230581A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109902899B (zh) | 信息生成方法和装置 | |
CN111238497B (zh) | 一种高精度地图的构建方法及装置 | |
US11231294B2 (en) | Enabling alert messages in a vehicle | |
US9646493B2 (en) | Management of moving objects | |
KR101994496B1 (ko) | 정보 수집 및 검색을 통한 루트의 제공 기법 | |
US10883850B2 (en) | Additional security information for navigation systems | |
CN112444263B (zh) | 全局路径规划方法及装置 | |
US20180149488A1 (en) | Guide route setting apparatus and guide route setting method | |
JP2011503639A (ja) | 地図の更新において使用される、実世界の変化を検出するために複数の車両からのプローブ・データを使用する方法及びシステム | |
CN111044058A (zh) | 路线规划方法及路线规划装置、计算机设备和存储介质 | |
CN105074793A (zh) | 用于车辆路径规划和交通管理的车道级车辆导航 | |
CN107917716B (zh) | 固定线路导航方法、装置、终端及计算机可读存储介质 | |
CN111102988A (zh) | 基于地图的路径规划方法、服务器、车载终端、存储介质 | |
CN110793536A (zh) | 一种车辆导航方法、装置及计算机存储介质 | |
CN114379569B (zh) | 一种生成驾驶参考线的方法及装置 | |
US10697787B2 (en) | Detour recommended area estimation system, detour recommended area estimation program, and navigation device | |
CN114413923B (zh) | 一种行驶路线推荐方法、装置、存储介质及系统 | |
CN113778102B (zh) | Avp全局路径规划系统、方法、车辆及存储介质 | |
CN118230581A (zh) | 车道级路况的获取方法、装置、设备及车端导航系统 | |
CN115905449A (zh) | 语义地图构建方法及具有熟路模式的自动驾驶系统 | |
CN112699202B (zh) | 禁行道路的识别方法、装置、电子设备及存储介质 | |
CN112182129A (zh) | 高精度地图更新方法及装置 | |
JP6835404B2 (ja) | プローブ情報作成プログラム、プローブ情報作成方法およびプローブ情報作成システム | |
CN111486857A (zh) | 一种路网预测树构建方法、装置、电子设备及存储介质 | |
JP7148092B2 (ja) | 駐停車位置判定装置及び駐停車位置判定プログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination |