WO2022077266A1 - 一种交通拥堵感知方法、装置、电子设备及存储介质 - Google Patents

一种交通拥堵感知方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
WO2022077266A1
WO2022077266A1 PCT/CN2020/120896 CN2020120896W WO2022077266A1 WO 2022077266 A1 WO2022077266 A1 WO 2022077266A1 CN 2020120896 W CN2020120896 W CN 2020120896W WO 2022077266 A1 WO2022077266 A1 WO 2022077266A1
Authority
WO
WIPO (PCT)
Prior art keywords
vehicle
congestion
valid
congestion state
switching
Prior art date
Application number
PCT/CN2020/120896
Other languages
English (en)
French (fr)
Inventor
韩佐悦
王子涵
Original Assignee
驭势（上海）汽车科技有限公司
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 驭势（上海）汽车科技有限公司 filed Critical 驭势（上海）汽车科技有限公司
Priority to KR1020237015910A priority Critical patent/KR20230093275A/ko
Priority to JP2023522834A priority patent/JP7418892B2/ja
Priority to EP20957047.2A priority patent/EP4227924A4/en
Priority to PCT/CN2020/120896 priority patent/WO2022077266A1/zh
Priority to CN202080002318.7A priority patent/CN112639907B/zh
Publication of WO2022077266A1 publication Critical patent/WO2022077266A1/zh

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/167—Driving aids for lane monitoring, lane changing, e.g. blind spot detection
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
    • B60W40/04—Traffic conditions
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—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
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
    • G08G1/096708—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0968—Systems involving transmission of navigation instructions to the vehicle
    • G08G1/096833—Systems involving transmission of navigation instructions to the vehicle where different aspects are considered when computing the route
    • G08G1/096844—Systems involving transmission of navigation instructions to the vehicle where different aspects are considered when computing the route where the complete route is dynamically recomputed based on new data
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2552/00—Input parameters relating to infrastructure
    • B60W2552/15—Road slope
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2552/00—Input parameters relating to infrastructure
    • B60W2552/30—Road curve radius
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2552/00—Input parameters relating to infrastructure
    • B60W2552/53—Road markings, e.g. lane marker or crosswalk
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/40—Dynamic objects, e.g. animals, windblown objects
    • B60W2554/404—Characteristics
    • B60W2554/4041—Position
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/40—Dynamic objects, e.g. animals, windblown objects
    • B60W2554/404—Characteristics
    • B60W2554/4042—Longitudinal speed
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/40—Dynamic objects, e.g. animals, windblown objects
    • B60W2554/404—Characteristics
    • B60W2554/4043—Lateral speed
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/40—Dynamic objects, e.g. animals, windblown objects
    • B60W2554/406—Traffic density
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2556/00—Input parameters relating to data
    • B60W2556/20—Data confidence level

Definitions

  • the present disclosure relates to the field of traffic technologies, and in particular, to a traffic congestion sensing method, device, electronic device, and storage medium.
  • autonomous vehicles have gradually evolved from the realization of short-term specific driving functions in simple scenarios to the realization of long-distance point-to-point transportation capabilities.
  • long-distance transportation it is inevitable to change lanes autonomously according to the destination orientation. Therefore, when there are many vehicles on the road, or even congestion occurs, the ability of the automatic driving system to imitate the driving habits of human drivers is essential to change lanes.
  • the congestion detection method relies on a large amount of road infrastructure and other vehicle data, requires a powerful central system, has poor real-time performance, and the generated congestion information is highly correlated with the road, but not closely related to the driving needs of a single vehicle (such as driving sections). , resulting in failure to perform congestion detection on some road sections.
  • the technical problem to be solved by the present disclosure is to solve the problem that the existing congestion detection is poorly targeted.
  • a first aspect of the embodiments of the present disclosure provides a traffic congestion sensing method, including:
  • the congestion state determination unit is configured to determine the current congestion state of the corresponding lane based on the vehicle information of the valid vehicles on at least one side of the vehicle and the historical congestion state of the corresponding lane.
  • FIG. 2 is a schematic schematic diagram of functional modules of a traffic congestion sensing device according to an embodiment of the present disclosure
  • FIG. 8 shows a schematic structural diagram of an electronic device suitable for implementing an embodiment of the present disclosure.
  • the technical solution of the present disclosure is mainly used for the vehicle to perceive or detect the congestion state of the adjacent lanes on both sides of the vehicle, so as to provide an effective and reliable basis for the vehicle to change lanes.
  • the vehicles include conventional vehicles (vehicles that only support human driving) and unmanned vehicles.
  • an unmanned vehicle is used as an example for description.
  • the environment information obtaining unit 110 is configured to obtain the driving environment information, wherein the driving environment information includes the lane line information of the lane where the vehicle is located, the driving information of the vehicle and the vehicle information of the surrounding vehicles;
  • a valid vehicle determination unit 130 configured to determine at least one valid vehicle of the own vehicle from the surrounding vehicles based on the driving path of the own vehicle and vehicle information of surrounding vehicles;
  • the basic characteristics of the lane line include the length of the lane line, the distance between two adjacent lane lines (that is, the width of the lane), the slope of the lane line, and the curvature of the lane line. Therefore, the present disclosure can determine whether a lane line is valid (ie, whether it is a valid lane line) based on the basic characteristics of the lane line.
  • the travel path curvature determination subunit 122 may specifically include a vehicle model and a Kalman filter.
  • the vehicle model includes a vehicle yaw dynamics model and a tire hysteresis model.
  • the vehicle model obtains the steering wheel angle and vehicle speed of the vehicle in the vehicle driving information, and calculates the ideal yaw angle of the vehicle according to the steering wheel angle and vehicle speed of the vehicle. Swing angular velocity.
  • the Kalman filter obtains a relatively stable and low-latency yaw rate of the vehicle according to the ideal yaw rate of the vehicle and the vehicle's yaw rate and vehicle speed in the vehicle's driving information, and further calculates the vehicle's driving speed. path curvature.
  • the vehicle path parameter determination sub-unit 123 further includes a weight distribution module, a weighted average module and a tracking filter module.
  • the weight allocation module determines the effective lane line according to the effective identifier of the lane line, obtains the driving path curvature of the vehicle and the lane line slope and lane line curvature of the effective lane line, so as to calculate the lane line curvature change rate of the effective lane line, The rate of change of the curvature of the driving path of the vehicle, and the rate of change of the slope of the lane line of the effective lane line, among which, the curvature with a lower proportion of the rate of change has a higher weight coefficient, the weight coefficient of the lane line curvature of the effective lane line and the driving The weight coefficient of the path curvature can be calculated by the following formula:
  • W c_ln is the weight coefficient of the curvature of the lane line of the effective lane line
  • W c_v is the weight coefficient of the curvature of the driving path of the vehicle
  • dC ln is the change rate of the curvature of the lane line of the effective lane line
  • dC v is the change of the curvature of the driving path of the vehicle.
  • the slope with a lower proportion of change rate has a higher weight coefficient
  • the weight coefficient of the lane line slope of the effective lane line can be obtained by the following formula:
  • the valid lane line of the lane where the vehicle is located fails to be determined based on the lane line information, that is, the lane line of the lane where the vehicle is located is unreliable, including the left lane line and/or the right lane line.
  • the weighting factor of the lane line curvature of the line and the weighting factor of the lane line slope are 0.
  • the driving path of the own vehicle can still be determined based on the curvature of the driving path of the own vehicle.
  • the valid vehicles of the present disclosure are surrounding vehicles that can be used for the technical solution of the present disclosure to effectively detect the current congestion state of the left lane and/or the right lane, and do not specifically refer to all surrounding vehicles collected and identified by the perception system. vehicle.
  • the vehicle longitudinal position of the vehicle on the left side and/or the right side is determined to be 0, and the first preset range includes 0, if the front of the left vehicle is flush with a part of the vehicle, the vehicle longitudinal position of the left vehicle is determined to be 0, which is within the first preset range; in addition, the vehicle longitudinal position of the preceding vehicle can be The longitudinal position of the rear of the vehicle relative to the front of the vehicle, and the longitudinal position of the rear vehicle may be the longitudinal position of the front of the rear vehicle relative to the rear of the vehicle.
  • the lateral position of the vehicle is in the lateral direction (that is, the left and right direction), the position of the surrounding vehicles relative to the vehicle, such as the lateral position of the right side of the left vehicle relative to the left side of the vehicle, or the left side of the right vehicle relative to the vehicle. Lateral position on the right side of the car.
  • the above-mentioned longitudinal position of the vehicle and the lateral position of the vehicle may also be based on the plane center point of the vehicle.
  • the longitudinal speed of the vehicle is the driving speed of the surrounding vehicles.
  • the vehicle confidence level is used to represent the reliability or probability that the target vehicle in the image is a vehicle. The higher the vehicle confidence level, the higher the probability that the target vehicle in the image is a vehicle.
  • the technical solution can predict the lateral position of the valid vehicle at each moment in the preview time, so that the driving path of the vehicle in the preview time is used as a reference, based on The lateral position of the vehicle at the current moment and the lateral position of the vehicle in the preview time are judged whether the valid vehicle is always located in the adjacent lane of the vehicle, and the vehicle is divided under the condition that the valid vehicle is always located in the adjacent lane of the vehicle.
  • the first distance threshold and the second distance threshold are system configuration parameters, which are related to the lane width, for example, both the first distance threshold and the second distance threshold are less than one lane width.
  • the valid vehicle on the left side of the vehicle is the valid vehicle on the left side of the lane
  • the valid vehicle on the right side of the vehicle is on the right side of the lane.
  • the valid vehicle on the left side of the vehicle and the valid vehicle on the right side of the vehicle can be accurately divided according to the driving path of the vehicle.
  • dividing the valid vehicles on the left side of the vehicle and the valid vehicles on the right side of the vehicle according to the driving path of the vehicle will cause the loss of valid vehicles: 1.
  • the valid vehicles on the left side of the vehicle and the valid vehicles on the right side of the vehicle are still divided based on the driving path of the vehicle; and
  • the valid vehicle on the left side of the vehicle and the valid vehicle on the right side of the vehicle are divided based on the lane line.
  • the congestion state determination unit determines the current congestion state of the left adjacent lane based on the vehicle information of the valid vehicles on the left side of the vehicle and the historical congestion state of the left adjacent lane.
  • the vehicle longitudinal position of one or more vehicles among the vehicles corresponding to the vehicle information of the surrounding vehicles is within a first preset range
  • the lateral position of the vehicle is within a second preset range
  • the vehicle longitudinal speed is greater than
  • One or more vehicles are determined to be valid vehicles when the first speed threshold and the vehicle confidence level are higher than the first confidence level threshold.
  • determining the current congestion state of the corresponding lane may specifically include the following steps 2041 to 2043:
  • Step 2041 based on the vehicle information of the valid vehicles on at least one side of the vehicle, determine the number, average speed and average distance of valid vehicles in the corresponding lane.
  • the result of switching the congestion state is determined to be about to be congested to not congested;
  • the number of valid vehicles is less than n3, and the average vehicle distance is greater than L1, or the average vehicle speed is higher than v2, it is determined that the switching result of the congestion state is switching from slight congestion to no congestion;
  • the number of valid vehicles is greater than n5, the average vehicle distance is less than L4, and the relative longitudinal distance of the most recent valid vehicle is less than L5, it is determined that the switching result of the congestion state is switching from non-congested to slightly congested;
  • the number of valid vehicles is greater than n7, the average vehicle distance is less than L8, and the average vehicle speed is lower than v5, it is determined that the switching result of the congestion state is switching from slight congestion to moderate congestion;
  • the congestion state switching result is severe congestion switching to severe congestion
  • Step 2043 Determine the current congestion state of the corresponding lane based on the congestion state switching result.
  • the first counting module adds one, and the counting result of continuous counting in the first counting module is greater than the first counting threshold.
  • the second counting module After judging that the switching result of the congestion state is no congestion switching to about to congestion or slightly congestion to switching to about to congestion, the second counting module adds one, and when the counting result of continuous counting by the second counting module is greater than the second counting threshold, determine that the current congestion state is about to be congested;
  • the third counting module After judging that the switching result of the congestion state is switching from no congestion to slight congestion, about switching from congestion to slight congestion, or switching from moderate congestion to slight congestion, the third counting module adds one, and the count result of continuous counting in the third counting module is greater than the third count. When the threshold is reached, it is determined that the current congestion state is slight congestion;
  • the fifth counting module After determining that the switching result of the congestion state is switching from moderate congestion to severe congestion or switching from severe congestion to severe congestion, the fifth counting module adds one, and when the counting result of continuous counting by the fifth counting module is greater than the fifth counting threshold, the current congestion state is determined for severe congestion;
  • the sixth counting module After determining that the switching result of the congestion state is switching from no congestion to severe congestion or switching from severe congestion to severe congestion, the sixth counting module adds one, and when the counting result of continuous counting by the sixth counting module is greater than the sixth counting threshold, determine that the current congestion state is heavy congestion;
  • Step 204 may be performed by the congestion state determination unit in the embodiment of the present disclosure. Specifically, step 2041 may be performed by the target information extraction subunit, step 2042 may be performed by the congestion state switching determination subunit, and step 2043 may be performed by the congestion state determination subunit.
  • step 2041 may be performed by the target information extraction subunit
  • step 2042 may be performed by the congestion state switching determination subunit
  • step 2043 may be performed by the congestion state determination subunit.
  • the method further includes: storing the current congestion state; and using the current congestion state as the historical congestion state of the next determination period. In this way, real-time update of the historical congestion state is realized, so as to ensure the accuracy of the judgment of the congestion state switching result, and then accurately obtain the current congestion state.
  • the traffic congestion sensing method provided by the embodiment of the present disclosure is executed by the traffic congestion sensing device provided by the embodiment of the present disclosure, and has the same functions and beneficial effects.
  • Embodiment of congestion sensing device Embodiment of congestion sensing device.
  • the electronic device 300 includes a central processing unit (CPU) 301 which can be loaded into a random access memory (RAM) 303 according to a program stored in a read only memory (ROM) 302 or a program from a storage section 308 Instead, various processes in the aforementioned embodiments are performed.
  • RAM 303 various programs and data necessary for the operation of the electronic device 300 are also stored.
  • the CPU 301 , the ROM 302 , and the RAM 303 are connected to each other through a bus 304 .
  • An input/output (I/O) interface 305 is also connected to bus 304 .
  • embodiments of the present disclosure include a computer program product including a computer program tangibly embodied on a readable medium thereof, the computer program including program code for performing the aforementioned obstacle avoidance method.
  • the computer program may be downloaded and installed from the network via the communication portion 309 and/or installed from the removable medium 311 .
  • each block of the block diagrams and/or flowchart illustrations, and combinations of blocks in the block diagrams and/or flowchart illustrations can be implemented in dedicated hardware-based systems that perform the specified functions or operations , or can be implemented in a combination of dedicated hardware and computer instructions.
  • the present disclosure also provides a computer-readable storage medium.
  • the computer-readable storage medium may be a computer-readable storage medium included in the apparatus described in the above-mentioned embodiments; it may also exist independently and not be assembled into the device.
  • computer-readable storage medium stores one or more programs used by one or more processors to perform the methods described in the present disclosure.
  • the present disclosure proposes a traffic congestion perception method, device, electronic device and storage medium, which can determine at least one valid vehicle on one side of the vehicle based on the driving environment information, and then based on the vehicle information of the valid vehicle on at least one side of the vehicle and the historical congestion status of the corresponding lane, to determine the current congestion status of the corresponding lane, so as to realize the perception of the real-time congestion status of the adjacent lanes on the left and/or right of the vehicle.
  • driving especially autonomous driving
  • the driving environment data can be collected through the perception system of the vehicle, and the driving environment information can be obtained by this processing, so that it does not depend on the road infrastructure and the central system, reducing the cost of driving.

Abstract

一种交通拥堵感知方法、装置、电子设备及存储介质。其中，交通拥堵感知方法包括：获取行驶环境信息，其中，所述行驶环境信息包括本车所在车道的车道线信息、本车行驶信息以及周围车辆的车辆信息（201）；基于所述车道线信息和所述本车行驶信息，确定本车行驶路径（202）；基于所述本车行驶路径和所述周围车辆的车辆信息，从所述周围车辆中确定本车至少一侧有效车辆（203）；基于所述本车至少一侧有效车辆的车辆信息及其对应车道的历史拥堵状态，确定对应车道的当前拥堵状态（204）。该方法成本低、实时性好且通用性强。

Description

一种交通拥堵感知方法、装置、电子设备及存储介质 技术领域
本公开涉及交通技术领域，尤其涉及一种交通拥堵感知方法、装置、电子设备及存储介质。
背景技术
随着自动驾驶技术的发展，自动驾驶车辆从实现简单场景下短时间的特定驾驶功能，逐渐向实现远距离点到点运输能力演进。在远距离运输过程中，根据目的地方位进行自主变道是不可避免的。因此，当行驶道路存在多车，甚至出现拥堵时，自动驾驶系统模仿人类驾驶员的驾驶习惯择机进行变道的能力必不可少。
目前，拥堵检测方法依赖大量道路基础设施与其他车辆数据，需要强大的中央系统，实时性差，且生成的拥堵信息与道路高度相关，而与单一车辆的驾驶需求(如驾驶路段)相关性不够强，导致在一些路段上无法进行拥堵检测。
发明内容
(一)要解决的技术问题
本公开要解决的技术问题是解决现有的拥堵检测针对性差的问题。
(二)技术方案
为了解决上述技术问题，本公开实施例提供了一种交通拥堵感知方法、装置、电子设备及存储介质。
本公开实施例的第一方面提供了一种交通拥堵感知方法，包括：
获取行驶环境信息，其中，所述行驶环境信息包括本车所在车道的车道线信息、本车行驶信息以及周围车辆的车辆信息；
基于所述车道线信息和所述本车行驶信息，确定本车行驶路径；
基于所述本车行驶路径和所述周围车辆的车辆信息，从所述周围车辆中确定本车至少一侧有效车辆；
基于所述本车至少一侧有效车辆的车辆信息及其对应车道的历史拥堵状态，确定对应车道的当前拥堵状态。
本公开实施例的第二方面提供了一种交通拥堵感知装置，包括：
环境信息获取单元，用于获取行驶环境信息，其中，所述行驶环境信息包括本车所在车道的车道线信息、本车行驶信息以及周围车辆的车辆信息；
行驶路径确定单元，用于基于所述车道线信息和所述本车行驶信息，确定本车行驶路径；
有效车辆确定单元，用于基于所述本车行驶路径和所述周围车辆的车辆信息，从所述周围车辆中确定本车至少一侧有效车辆；
拥堵状态确定单元，用于基于所述本车至少一侧有效车辆的车辆信息及其对应车道的历史拥堵状态，确定对应车道的当前拥堵状态。
本公开实施例的第三方面提供了一种电子设备，包括：
存储器以及一个或多个处理器；
其中，所述存储器与所述一个或多个处理器通信连接，所述存储器中存储有可被所述一个或多个处理器执行的指令，所述指令被所述一个或多个处理器执行时，所述电子设备用于实现如本公开各实施例提供的交通拥堵感知方法。
本公开实施例的第四方面提供了一种计算机可读存储介质，其上存储有计算机可执行指令，当所述计算机可执行指令被计算装置执行时，可用来实现如本公开各实施例提供的交通拥堵感知方法。
(三)有益效果
本公开实施例提供的上述技术方案与现有技术相比具有如下优点：
本公开技术方案可基于行驶环境信息确定本车至少一侧有效车辆，进而基于本车至少一侧有效车辆的车辆信息及其对应车道的历史拥堵状态，确定对应车道的当前拥堵状态，从而实现了对本车左侧和/或右侧相邻车道的实时拥堵状态的感知，感知结果的针对性强，能够为本车的驾驶(尤其是自动驾驶)提供更好的服务。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
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，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。
为了更清楚地说明本公开实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本公开实施例提供的交通拥堵感知装置的功能模块框图；
图2为本公开实施例提供的交通拥堵感知装置的功能模块原理示意图；
图3为本公开实施例提供的行驶路径确定单元的功能模块原理示意图；
图4为本公开实施例提供的有效车辆确定单元的功能模块原理示意图；
图5为本公开实施例提供的拥堵状态确定单元的功能模块原理示意图；
图6为本公开实施例提供的拥堵状态确定单元的功能模块具体原理示意图；
图7为本公开实施例提供的交通拥堵感知方法的流程图；
图8示出了一种适于用来实现根据本公开实施方式的电子设备的结构示意图。
具体实施方式
为了能够更清楚地理解本公开的上述目的、特征和优点，下面将对本公开的方案进行进一步描述。需要说明的是，在不冲突的情况下，本公开的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本公开，但本公开还可以采用其他不同于在此描述的方式来实施；显然，说明书中的实施例只是本公开的一部分实施例，而不是全部的实施例。
在下面的详细描述中，通过示例阐述了本公开的许多具体细节，以便提供对相关披露的透彻理解。然而，对于本领域的普通技术人员来讲，本公开显而易见的可以在没有这些细节的情况下实施。应当理解的是，本公开中使用“系统”、“装置”、“单元”和/或“模块”术语，是用于区分在顺序排列中不同级别的不同部件、元件、部分或组件的一种方法。然而，如果其他表达式可以实现相同的目的，这些术语可以被其他表达式替换。
本公开所使用的术语“和/或”包括一个或多个相关所列条目的任何一个和所有组合。
本公开所用术语仅为了描述特定实施例，而非限制本公开范围。如本公开说明书和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的特征、整体、步骤、操作、元素和/或组件，而该类表述并不构成一个排它性的罗列，其他特征、整体、步骤、操作、元素和/或组件也可以包含在内。
参看下面的说明以及附图，本公开的这些或其他特征和特点、操作方法、结构的相关元素的功能、部分的结合以及制造的经济性可以被更好地理解，其中说明和附图形成了说明书的一部分。然而，可以清楚地理解，附图仅用作说明和描述的目的，并不意在限定本公开的保护范围。可以理解的是，附图并非按比例绘制。
本公开的技术方案，主要用于车辆对其相邻两侧车道的拥堵状态进行感知或检测，以为车辆变道提供有效、可靠的依据。在一些实施例中，该车辆包括传统车辆(仅支持人工驾驶的车辆)和无人驾驶车辆。在本公开以下实施例中，以无人驾驶车辆为例进行说明。
图1示出了交通拥堵感知装置的功能模块框图；图2示出了交通拥堵感知装置的功能模块原理示意图。如图1和图2所示，交通拥堵感知装置100包括环境信息获取单元110、行驶路径确定单元120、有效车辆确定单元130和拥堵状态确定单元140。
其中，环境信息获取单元110，用于获取行驶环境信息，其中，行驶环境信息包括本车所在车道的车道线信息、本车行驶信息以及周围车辆的车辆信息；
行驶路径确定单元120，用于基于车道线信息和本车行驶信息，确定本车行驶路径；
有效车辆确定单元130，用于基于本车行驶路径和周围车辆的车辆信息，从上述周围车辆中确定本车至少一侧有效车辆；
拥堵状态确定单元140，用于基于所述本车至少一侧有效车辆的车辆信息及其对应车道的历史拥堵状态，确定对应车道的当前拥堵状态。
在一些实施例中，上述行驶环境信息为本车的感知系统采集的数据经处理后得到。在一些实施例中，行驶环境信息中的车道线信息包括车道线侧向位置、车道线斜率、车道线曲率、车道线有效长度和车道线置信度；本车行驶信息包括本车方向盘转角、本车横摆角速度和本车车速；周围车辆的车辆信息包括车辆纵向位置、车辆侧向位置、车辆纵向速度、车辆侧向速度和车辆置信度。相应的，在一些实施例中，感知系统可包括摄像头、方向盘转角传感器、横摆角速度传感器和车速传感器。在一些实施例中，利用摄像头采集车辆两侧车道线 的图像数据和周围车辆的图像数据，本车的智能驾驶系统可对车道线的图像数据和周围车辆的图像数据进行处理，得到车道线侧向位置、车道线斜率、车道线曲率、车道线有效长度和车道线置信度等车道线信息，以及车辆置信度等周围车辆的车辆信息；利用激光雷达得到对周围车辆的探测数据，智能驾驶系统可结合周围车辆的图像数据与激光雷达的探测数据，处理得到车辆纵向位置、车辆侧向位置、车辆纵向速度和车辆侧向速度等周围车辆的车辆信息；利用方向盘转角传感器、横摆角速度传感器和车速传感器可分别采集本车方向盘转角、本车横摆角速度和本车车速等本车行驶信息；将上述车道线信息、周围车辆的车辆信息和本车行驶信息融合处理后得到行驶环境信息。其中，车道线置信度表示图像目标为车道线的概率，车辆置信度表示图像目标为车辆的概率。如此，本公开技术方案可不依赖于道路基础设施和中央系统，降低了成本；且无需大量其他车辆信息的汇总与计算，提高了本车拥堵感知的实时性，促使本车及时变道，避免错过变道的时机；同时，确定的当前拥堵状态与本车的驾驶需求相关性强，即在任意驾驶路段都可进行拥堵感知，确定出当前拥堵状态，解决了现有方案中由于道路基础设施的设置受到路段的限制，而导致仅在特定路段才能进行拥堵检测的问题，通用性强。另外，在一些实施例中，上述摄像头可以为智能摄像头，由于智能摄像头本身具有人工智能算法的能力，因此，上述车道线置信度和车辆置信度可均由智能摄像头根据自身采集的图像数据运算得到。
在一些实施例中，参见图3，行驶路径确定单元进一步包括有效车道线确定子单元121、行驶路径曲率确定子单元122、本车路径参数确定子单元123和本车行驶路径确定子单元124；其中，有效车道线确定子单元121用于基于车道线信息确定本车所在车道的有效车道线；行驶路径曲率确定子单元122用于基于本车行驶信息并结合卡尔曼滤波，确定本车行驶路径曲率；本车路径参数确定子单元123用于基于有效车道线的车道线斜率、车道线曲率和本车行驶路径曲率，确定本车目标路径曲率和本车目标路径斜率；本车行驶路径确定子单元124用于基于本车目标路径曲率和本车目标路径斜率，确定本车行驶路径。需要说明的是，本车行驶路径是指车辆行驶过程中在地面的垂直投影，包括驶过的路径和规划出的未来预设时间内的路径。
车道线的基本特征包括车道线长度、相邻两条车道线之间的距离(即车道宽度)、车道线斜率和车道线曲率等。因此，本公开可基于车道线的基本特征来确定车道线是否有效(即是否为有效车道线)。在一些实施例中，有效车道线确定子单元121具体用于当车道线有效长度大于车道线长度门限值、车道线置信度高于车道线置信度门限值、两帧间的车道线曲率变化率低于曲率变化率门限值、车道线侧向位置到本车的距离小于本车所在车道宽度(说明该车道线为本车所在车道的车道线，且车道线侧向位置是指在横向上，车道线相对于本车的位置)以及车道线斜率满足沿车道行驶(或本车行驶方向的设定误差范围)时，认定该车道线有效，即确定该车道线为有效车道线。该技术方案中，有效车道线确定子单元121基于车道线信息与对应设定门限值的比较，并结合车道线置信度，确定有效车道线，提高了车道线有效性检测的准确性。另外，两帧间的车道线曲率变化率为从连续两帧车道线图像中获取的车道线曲率的差值，与两帧间隔时间的比值，两帧间的车道线曲率变化率过高，即大于或等于曲率变化率门限值时，说明两帧的车道线图像数据发生突变，或者两帧的车道线图 像中的目标车道线不是一条直线，由此说明车道线图像中的车道线不可信。可以理解的是，上述车道线长度门限值、车道线置信度门限值、曲率变化率门限值和设定误差范围为系统配置参数，可根据工程经验进行设置及调整。另外，在一些实施例中，在确定有效车道线后，将该车道线的有效标识符置为有效，如将有效标识符置为1，以便于区分出有效车道线。
在一些实施例中，行驶路径曲率确定子单元122具体可包括车辆模型和卡尔曼滤波器。其中，车辆模型包括车辆横摆动力学模型及轮胎滞回模型，该车辆模型获取本车行驶信息中的本车方向盘转角和本车速度，根据本车方向盘转角和本车速度计算得到本车理想横摆角速度。卡尔曼滤波器根据本车理想横摆角速度以及本车行驶信息中的本车横摆角速度和本车车速，得到较稳定的、低延时的本车横摆角速度，并进一步计算出本车行驶路径曲率。
在一些实施例中，本车路径参数确定子单元123进一步包括权重分配模块、加权平均模块和追踪滤波模块。具体的，权重分配模块根据车道线的有效标识符确定有效车道线，获取本车行驶路径曲率以及有效车道线的车道线斜率和车道线曲率，从而计算出有效车道线的车道线曲率变化率，本车行驶路径曲率变化率，以及有效车道线的车道线斜率变化率，其中，变化率占比越低的曲率具有更高的权重系数，有效车道线的车道线曲率的权重系数和本车行驶路径曲率的权重系数可由以下公式计算得到：
Figure PCTCN2020120896-appb-000001
(针对单侧有效车道线)
Figure PCTCN2020120896-appb-000002
(针对双侧有效车道线)
其中，W c_ln为有效车道线的车道线曲率的权重系数，W c_v为本车行驶路径曲率的权重系数，dC ln为有效车道线的车道线曲率变化率，dC v为本车行驶路径曲率变化率，W c_lnl为左侧有效车道线的车道线曲率的权重系数，W c_lnr为右侧有效车道线的车道线曲率的权重系数，dC lnl为左侧有效车道线的车道线曲率变化率，dC lnr右侧有效车道线的车道线曲率变化率。
另外，变化率占比较低的斜率具有更高的权重系数，有效车道线的车道线斜率的权重系数可由以下公式得到：
Figure PCTCN2020120896-appb-000003
其中，W kpl为左侧有效车道线的车道线斜率的权重系数，W kpr为右侧有效车道线的车道线斜率的权重系数，dk pl为左侧有效车道线的车道线斜率变化率，dk pr为右侧有效车道线的车道线斜率变化率。
然后，加权平均模块基于有效车道线的车道线斜率、车道线曲率、本车行驶路径曲率、车道线曲率的权重系数、本车行驶路径曲率的权重系数及车道线斜率的权重系数进行加权平均计算，得到本车加权路径曲率及本车加权路径斜率。最后，追踪滤波模块对本车加权路径曲率及本车加权路径斜率进行均值滤波，得到较稳定的本车目标路径曲率及本车目标路径斜率。该技术方案中，加权平均计算和均值滤波为常规算法，因此在此不再赘述。另外，本车行驶路径确定子单元124基于本车目标路径曲率和本车目标路径斜率计算得到本车行驶路径，也为现有常规技术，在此不再赘述。
需要说明的是，当基于车道线信息确定本车所在车道的有效车道线失败时，即本车所在车道的车道线不可信，包括左侧车道线和/或右侧车道线不可信，对应车道线的车道线曲率的权重系数和车道线斜率的权重系数为0。此时，基于本车行驶路径曲率仍可确定本车行驶路径。
在一些实施例中，可依据本车行驶路径来划分本车左侧有效车辆和本车右侧有效车辆，进而确定左侧有效车辆和/或本车右侧有效车辆对应车道的当前拥堵状态。在一些实施例中，参见图4，有效车辆确定单元进一步包括有效车辆确定子单元131和有效车辆划分子单元132；其中，有效车辆确定子单元131用于基于周围车辆的车辆信息确定有效车辆，有效车辆划分子单元132用于基于本车行驶路径和有效车辆的车辆信息，确定本车至少一侧有效车辆。需要说明的是，本公开的有效车辆为可用于本公开技术方案对左侧车道和/或右侧车道的当前拥堵状态进行有效检测的周围车辆，并非特指感知系统采集并识别出的所有周围车辆。
在一些实施例中，有效车辆确定子单元131具体用于当周围车辆的车辆信息对应的车辆中的一个或多个车辆的车辆纵向位置位于第一预设范围内、车辆侧向位置位于第二预设范围内、车辆纵向速度大于第一速度阈值且车辆置信度高于第一置信度阈值时，确定一个或多个车辆为有效车辆。其中，车辆纵向位置为在纵向(即前后方向)上，周围车辆相对于本车的位置。此时，需要注意的是，如果左侧和/或右侧车辆与本车在横向上有交叠，则认定左侧和/或右侧车辆的车辆纵向位置为0，第一预设范围包括0，如左侧车辆的车头与本车的一部分齐平，则认定该左侧车辆的车辆纵向位置为0，位于第一预设范围内；另外，前车的车辆纵向位置可以为前车的车尾相对于本车车头的纵向位置，后车的车辆纵向位置可以为后车的车头相对于本车车尾的纵向位置。车辆侧向位置为在横向(即左右方向)上，周围车辆相对于本车的位置，如左侧车辆的右侧相对于本车左侧的横向位置，或者右侧车辆的左侧相对于本车右侧的横向位置。另外，上述车辆纵向位置和车辆侧向位置也可以以车辆的平面中心点为参考。车辆纵向速度为周围车辆的行驶速度。车辆置信度用于表征图像中的目标车辆为车辆的可信度或概率，车辆置信度越高，图像中的目标车辆为车辆的概率越大。本公开实施例中，第一预设范围、第二预设范围、第一速度阈值和第一置信度阈值为系统配置参数，其中，第一预设范围可由感知系统的感知能力(如感知距离)确定，第二预设范围可由车道宽度确定，例如第二预设范围的最大值应小于一个车道宽度，以确保周围车辆为本车相邻车道上的车辆，第一 速度阈值和第一置信度阈值可根据工程经验进行设置和调整。
在一些实施例中，有效车辆划分子单元132具体用于当本车沿所在直线车道直线行驶或者本车变向且确定有效车道线失败时，基于有效车辆的车辆信息中的车辆侧向速度，确定对应车辆在预瞄时间内的车辆侧向位置；确定当前时刻的车辆侧向位置以及预瞄时间内的车辆侧向位置均位于本车行驶路径左侧第一距离阈值内的车辆，为本车左侧有效车辆；确定当前时刻的车辆侧向位置以及预瞄时间内的车辆侧向位置均位于本车行驶路径右侧第二距离阈值内的车辆，为本车右侧有效车辆。其中，本车变向可包括本车转弯或本车变道；确定有效车道线失败是指本车变向时获取的本车所在车道的车道线不可信，即指本车变向时无法获取到本车所在车道的车道线，包括左侧车道线和右侧车道线。无人驾驶车辆在进行路径规划时，会规划出未来预设时间内的行驶路径，本公开实施例中的预瞄时间应小于或等于该未来预设时间。该技术方案基于有效车辆的车辆信息中的车辆侧向速度，可预测出该有效车辆在预瞄时间内各时刻的车辆侧向位置，从而以预瞄时间内的本车行驶路径为参考，基于当前时刻的车辆侧向位置以及预瞄时间内的车辆侧向位置，判断有效车辆是否始终位于本车相邻车道上，在保证有效车辆始终位于本车相邻车道上的情况下划分出本车左侧有效车辆和本车右侧有效车辆。其中，第一距离阈值和第二距离阈值为系统配置参数，与车道宽度相关，例如第一距离阈值和第二距离阈值均小于一个车道宽度。
进一步的，考虑到车辆在直线车道上直线行驶时，车辆的行驶方向沿着车道延伸方向，车辆左侧的有效车辆即为车道左侧的有效车辆，车辆右侧的有效车辆即为车道右侧的有效车辆，此时，依据本车行驶路径可以准确划分出本车左侧有效车辆和本车右侧有效车辆。但是，当存在以下任一情况时，依据本车行驶路径划分本车左侧有效车辆和本车右侧有效车辆会造成有效车辆的丢失：一、当车辆转弯时，存在行驶航向角(行驶航向角是指行驶方向与本车所在点圆周切线的夹角)，此时，依据本车行驶路径划分的本车左侧有效车辆和本车右侧有效车辆会出现错误，例如本车右转弯时，本车左侧车道的前方有效车辆可能位于本车行驶方向所在直线的右侧，即该时刻的该有效车辆的车辆侧向位置位于本车行驶路径的右侧，导致在预瞄时间内该有效车辆没有始终位于本车行驶路径的左侧，从而舍弃该有效车辆，出现部分有效车辆被遗漏的问题。二、当车辆变道时，重新规划的本车行驶路径会偏离所在车道，即重新规划的本车行驶路径与所在车道存在一夹角，在车辆变道过程中，基于车辆变道前的本车行驶路径划分出的部分有效车辆可能会位于重新规划的本车行驶路径上，导致该部分有效车辆的丢失。因此，无论是在车辆转弯还是在车辆变道时，有效车辆的划分结果会出现跳变，从而导致拥堵状态的判断错误。特别是在车辆变道过程中，由于对有效车辆的划分结果出现变化，从而导致对目标车道(将要变换的车道)的当前拥堵状态的判断结果发生改变，例如车辆变道前判定目标车道为不拥堵或轻微拥堵，可变道，但在车辆变道过程中，可能判定目标车道为中度拥堵，不可变道，从而导致车辆变道失败。因此，本公开实施例可进一步基于本车所在车道的车道线对上述实施例中划分的本车左侧有效车辆和本车右侧有效车辆进行修正。
在一些实施例中，有效车辆划分子单元132还可用于当本车变向且确定出有效车道线时，基于有效车辆的车辆信息中的车辆侧向速度，确定对应车辆在 预瞄时间内的车辆侧向位置；确定当前时刻的车辆侧向位置以及预瞄时间内的车辆侧向位置均位于本车左侧有效车道线左侧第三距离阈值内的车辆，为本车左侧有效车辆；确定当前时刻的车辆侧向位置以及预瞄时间内的车辆侧向位置均位于本车右侧有效车道线右侧第四距离阈值内的车辆，为本车右侧有效车辆。其中，本车变向可包括本车转弯或本车变道；确定出有效车道线是指本车变向时获取的本车所在车道的车道线可信，即指本车变向时能够获取到本车所在车道的车道线，包括左侧车道线和右侧车道线。由此，结合上述实施例可知，本车在直线车道上直线行驶时，基于本车行驶路径划分出本车左侧有效车辆和本车右侧有效车辆；在一些情况(如道路拥堵)下，当本车变向时，由于周围车辆的遮挡而无法获取到本车所在车道的车道线，此时，仍基于本车行驶路径划分出本车左侧有效车辆和本车右侧有效车辆；而当本车变向且能够获取到本车所在车道的车道线时，基于车道线划分出本车左侧有效车辆和本车右侧有效车辆，如此，从本车开始变向到变向完成之前，使得基于车道线划分出的本车左侧有效车辆和本车右侧有效车辆，与在本车开始变向前一刻基于本车行驶路径划分出的本车左侧有效车辆和本车右侧有效车辆相同，从而避免了在本车变向时对有效车辆的划分结果发生跳变，保证本车变向过程中确定的目标车道的拥堵状态保持不变，起到了拥堵状态判断的缓冲作用，使得本车顺利变向。其中，第三距离阈值和第四距离阈值为系统配置参数，与车道宽度相关，例如第三距离阈值和第四距离阈值均小于一个车道宽度。
在一些实施例中，结合图5和图6，拥堵状态确定单元进一步包括目标信息提取子单元141、拥堵状态切换判定子单元142和拥堵状态确定子单元143；其中，目标信息提取子单元141用于基于本车至少一侧有效车辆的车辆信息，确定对应车道上的有效车辆的数量、平均车速和平均车距；拥堵状态切换判定子单元142用于基于有效车辆的数量、平均车速和平均车距以及历史拥堵状态，确定拥堵状态切换结果，其中，拥堵状态切换结果表征拥堵状态的变化情况；拥堵状态确定子单元143用于基于拥堵状态切换结果确定对应车道的当前拥堵状态。另外，图6中，“0”表示无法判断，“1”表示不拥堵，“2”表示即将拥堵，“3”表示轻微拥堵，“4”表示中度拥堵，“5”表示重度拥堵，“6”表示严重拥堵，“T”表示切换，其中，从“1”至“6”所表示的拥堵程度逐渐增大。
在一些实施例中，目标信息提取子单元141基于上述实施例对有效车辆的划分结果，可以确定本车左侧有效车辆和/或本车右侧有效车辆，从而确定左侧车道和/或右侧车道上的有效车辆的数量；然后目标信息提取子单元141基于左侧车道和/或右侧车道上各有效车辆的车辆纵向速度，计算出左侧车道和/或右侧车道上有效车辆的平均车速；最后目标信息提取子单元141基于左侧车道和/或右侧车道上各有效车辆的车辆纵向位置，计算出左侧车道和/或右侧车道上有效车辆的平均车距。
可以理解的是，为了实现车辆的有效灵活变道，只要车辆的任一侧存在车道，便会获取车道上车辆的车辆信息。在一些实施例中，当车辆行驶在内侧车道时，实时获取两侧相邻车道上车辆的车辆信息，从而确定本车左侧有效车辆和本车右侧有效车辆。此时，拥堵状态确定单元基于本车左侧有效车辆的车辆信息和左侧相邻车道的历史拥堵状态，确定左侧相邻车道的当前拥堵状态，同时基于本车右侧有效车辆的车辆信息和右侧相邻车道的历史拥堵状态，确定右 侧相邻车道的当前拥堵状态。在一些实施例中，当车辆行驶在最外侧车道时，实时获取内侧相邻车道上车辆的车辆信息；例如，车辆行驶在最右侧车道，此时仅获取左侧相邻车道上车辆的车辆信息，从而确定本车左侧有效车辆，拥堵状态确定单元基于本车左侧有效车辆的车辆信息和左侧相邻车道的历史拥堵状态，确定左侧相邻车道的当前拥堵状态。
在一些实施例中，拥堵状态包括无法判断、不拥堵、即将拥堵、轻微拥堵、中度拥堵、重度拥堵和严重拥堵；在每个判定周期内，拥堵状态切换结果包括状态保持、无法判断、无法判断切换至不拥堵、即将拥堵切换至不拥堵、轻微拥堵切换至不拥堵、不拥堵切换至即将拥堵、轻微拥堵切换至即将拥堵、不拥堵切换至轻微拥堵、即将拥堵切换至轻微拥堵、中度拥堵切换至轻微拥堵、轻微拥堵切换至中度拥堵、重度拥堵切换至中度拥堵、中度拥堵切换至重度拥堵、严重拥堵切换至重度拥堵、不拥堵切换至严重拥堵和重度拥堵切换至严重拥堵中的一种。
在本公开实施例中，上述判定周期即为拥堵状态切换结果的判断周期，该判定周期可根据工程经验进行设置及调整。在每个判定周期中，只能存在一种拥堵状态切换结果。在一些实施例中，每个判定周期内可按预设顺序依次对各拥堵状态切换结果进行判定，当判定出一种拥堵状态切换结果后，不再对其他拥堵状态切换结果进行判定。
具体的，拥堵状态切换判定子单元142用于：
判定有效车辆的数量小于1后，确定拥堵状态切换结果为无法判断；
判定历史拥堵状态为无法判断，且有效车辆的数量大于n1后，确定拥堵状态切换结果为无法判断切换至不拥堵；
判定历史拥堵状态为即将拥堵，有效车辆的数量小于n2，且平均车速较本车高v1以上后，确定拥堵状态切换结果为即将拥堵切换至不拥堵；
判定历史拥堵状态为轻微拥堵，有效车辆的数量小于n3，且平均车距大于L1，或平均车速高于v2后，确定拥堵状态切换结果为轻微拥堵切换至不拥堵；
判定历史拥堵状态为不拥堵，有效车辆的数量大于n4，最近有效车辆相对纵向距离大于L2，且平均车速较本车高v3以上后，确定拥堵状态切换结果为不拥堵切换至即将拥堵；
判定历史拥堵状态为轻微拥堵，且最近有效车辆相对纵向距离大于L3后，确定拥堵状态切换结果为轻微拥堵切换至即将拥堵；
判定历史拥堵状态为不拥堵，有效车辆的数量大于n5，平均车距小于L4，且最近有效车辆相对纵向距离小于L5后，确定拥堵状态切换结果为不拥堵切换至轻微拥堵；
判定历史拥堵状态为即将拥堵，且最近有效车辆相对纵向距离小于L6后，确定拥堵状态切换结果为即将拥堵切换至轻微拥堵；
判定历史拥堵状态为中度拥堵，且有效车辆的数量小于n6，或平均车距大于L7，或平均车速较本车高v4以上后，确定拥堵状态切换结果为中度拥堵切换至轻微拥堵；
判定历史拥堵状态为轻微拥堵，有效车辆的数量大于n7，平均车距小于L8，且平均车速低于v5后，确定拥堵状态切换结果为轻微拥堵切换至中度拥堵；
判定历史拥堵状态为重度拥堵，平均车距大于L9，且有效车辆的数量小于n8，或平均车速较本车高v6以上后，确定拥堵状态切换结果为重度拥堵切换至中度拥堵；
判定历史拥堵状态为中度拥堵，有效车辆的数量大于n9，平均车距小于L10，且平均车速低于v7后，确定拥堵状态切换结果为中度拥堵切换至重度拥堵；
判定历史拥堵状态为严重拥堵，且有效车辆的数量小于n10，或平均车速大于v8，或平均车速较本车高v9以上后，确定拥堵状态切换结果为严重拥堵切换至重度拥堵；
判定历史拥堵状态为不拥堵，有效车辆的数量大于n11，且平均车速小于v10后，确定拥堵状态切换结果为不拥堵切换至严重拥堵；
判定历史拥堵状态为重度拥堵，且平均车速小于v11后，确定拥堵状态切换结果为重度拥堵切换至严重拥堵；
以上条件均不满足时判定为状态保持(拥堵状态切换结果保持不变)；
其中，n1～n11，L1～L10，v1～v11为系统配置参数，可根据实际的拥堵状态进行标定。
在一些实施例中，拥堵状态确定子单元143具体用于：
判定拥堵状态切换结果为无法判断后，确定当前拥堵状态为无法判断；
判定拥堵状态切换结果为无法判断切换至不拥堵、即将拥堵切换至不拥堵或者轻微拥堵切换至不拥堵后，第一计数模块加一，在第一计数模块连续计数的计数结果大于第一计数阈值时，确定当前拥堵状态为不拥堵；
判定拥堵状态切换结果为不拥堵切换至即将拥堵或者轻微拥堵切换至即将拥堵后，第二计数模块加一，在第二计数模块连续计数的计数结果大于第二计数阈值时，确定当前拥堵状态为即将拥堵；
判定拥堵状态切换结果为不拥堵切换至轻微拥堵、即将拥堵切换至轻微拥堵或者中度拥堵切换至轻微拥堵后，第三计数模块加一，在第三计数模块连续计数的计数结果大于第三计数阈值时，确定当前拥堵状态为轻微拥堵；
判定拥堵状态切换结果为轻微拥堵切换至中度拥堵或者重度拥堵切换至中度拥堵后，第四计数模块加一，在第四计数模块连续计数的计数结果大于第四计数阈值时，确定当前拥堵状态为中度拥堵；
判定拥堵状态切换结果为中度拥堵切换至重度拥堵或者严重拥堵切换至重度拥堵后，第五计数模块加一，在第五计数模块连续计数的计数结果大于第五计数阈值时，确定当前拥堵状态为严重拥堵；
判定拥堵状态切换结果为不拥堵切换至严重拥堵或者重度拥堵切换至严重拥堵后，第六计数模块加一，在第六计数模块连续计数的计数结果大于第六计数阈值时，确定当前拥堵状态为重度拥堵；
以上条件均不满足时判定为状态保持(当前拥堵状态保持不变)；
其中，在非状态保持的情况下，每个判定周期内仅有一个计数模块工作，当第一计数模块、第二计数模块、第三计数模块、第四计数模块、第五计数模块和第六计数模块中的一个计数模块开始计数时，其他计数模块的计数清零。
在本公开实施例中，第一计数阈值、第二计数阈值、第三计数阈值、第四计数阈值、第五计数阈值和第六计数阈值可以各不相同，可以部分相同，也可以全部相同，具体可以根据仿真测试进行调试，只要保证计算得到的当前拥堵 状态与实际当前拥堵状态相符即可。需要说明的是，在任一计数模块连续计数的过程中(除连续计数的计数结果大于对应计数阈值之外)，历史拥堵状态保持不变，对应确定的当前拥堵状态为状态保持，即当前拥堵状态与历史拥堵状态相同。另外，“以上条件均不满足时判定为状态保持”可以包括：判定拥堵状态切换结果为状态保持后，确定当前拥堵状态为状态保持；或者，在预设时间内，没有满足上述任一的当前拥堵状态的判定条件后，确定当前拥堵状态为状态保持。考虑到由于拥堵状态切换结果发生变化，导致某一计数模块连续计数的计数结果没有大于对应的计数阈值时便被清零，而由其他计数模块开始重新计数。因此，为避免上述当前拥堵状态的判定过程长时间地执行，设定一预设时间，在预设时间内，以上条件均不满足时判定为状态保持。
在一些实施例中，n1<n2＝n4≤n3＝n5<n6＝n7≤n8<n9＝n10≤n11，v1≤v10≤v11<v9≤v8<v3≤v4<v7<v6≤v5<v2，L1≥L4>L7>L2≥L3>L9>L10>L6>L8>L5。由此，在满足上述各配置参数的大小关系的情况下，对各配置参数进行标定，可提高上述拥堵状态切换判定的适用性，保证拥堵状态判定的准确性。示例性的，假设历史拥堵状态为即将拥堵，当前实际拥堵状态为轻微拥堵，基于获取的行驶环境信息可确定满足上述拥堵状态切换判定条件“判定历史拥堵状态为即将拥堵，且最近有效车辆相对纵向距离小于L6”，确定拥堵状态切换结果为即将拥堵切换至轻微拥堵，从而确定当前拥堵状态为轻微拥堵；之后，更新历史拥堵状态为轻微拥堵，由于L1>L6且L3>L6，而实际有效车辆相对纵向距离小于L6，因此不满足拥堵状态切换判定条件“判定历史拥堵状态为轻微拥堵，有效车辆的数量小于n3，且平均车距大于L1，或平均车速高于v2”以及“判定历史拥堵状态为轻微拥堵，且最近有效车辆相对纵向距离大于L3”，另外，根据拥堵状态切换判定条件“判定历史拥堵状态为中度拥堵，且有效车辆的数量小于n6，或平均车距大于L7，或平均车速较本车高v4以上后，确定拥堵状态切换结果为中度拥堵切换至轻微拥堵”可知，实际拥堵状态为轻微拥堵时，有效车辆的数量小于n6，而n6＝n7，因此，不满足拥堵状态切换判定条件“判定历史拥堵状态为轻微拥堵，有效车辆的数量大于n7，平均车距小于L8，且平均车速低于v5”。因此，在判定当前拥堵状态为轻微拥堵后，各拥堵状态切换判定条件均不满足，状态保持，即确定当前拥堵状态为轻微拥堵，符合当前实际拥堵状态。
在一些实施例中，可继续参考图2，交通拥堵感知装置还可包括缓存单元150，该缓存单元150用于存储上述确定的当前拥堵状态，并将该当前拥堵状态作为下一判定周期的历史拥堵状态。由此，实现对历史拥堵状态的实时更新，以确保拥堵状态切换结果判定的准确性，进而准确地得到当前拥堵状态。
在一些实施例中，初始历史拥堵状态为无法判断。此时，在启动交通拥堵感知功能时，默认的历史拥堵状态为无法判断。结合上述方案中的拥堵状态切换结果的确定方法，在第一个判定周期内，历史拥堵状态为无法判断，而通常来说，无人驾驶车辆在启动时便会开启交通拥堵感知功能，此时，车道一般不会存在拥堵状态，相邻车道上的车较少，满足“拥堵状态切换结果为无法判断切换至不拥堵”的判定条件，即“判定历史拥堵状态为无法判断，且有效车辆的数量大于n1”，此时，根据上述当前拥堵状态的判定方法，在经过连续多个判定周期后，将满足“判定所述拥堵状态切换结果为无法判断切换至不拥堵、即将拥堵切换至不拥堵或者轻微拥堵切换至不拥堵后，第一计数模块加一，在 所述第一计数模块连续计数的计数结果大于第一计数阈值”的条件，从而确定当前拥堵状态为不拥堵，即可将初始历史拥堵状态更新掉，使之后的拥堵状态切换结果可靠有效。需要说明的是，初始历史拥堵状态为无法判断仅为本公开的一种可选实施例，在其他实施例中，初始历史拥堵状态也可以为不拥堵、即将拥堵和轻微拥堵等本公开设置的任一种拥堵状态。
本公开实施例的另一方面提供了一种交通拥堵感知方法。图7示出了一种交通拥堵感知方法的流程图。在一些实施例中，该方法可由上述交通拥堵感知装置执行。如图7所示，该方法包括：
步骤201、获取行驶环境信息，其中，行驶环境信息包括本车所在车道的车道线信息、本车行驶信息以及周围车辆的车辆信息。
在一些实施例中，上述行驶环境信息为本车的感知系统采集的数据经处理后得到。在一些实施例中，行驶环境信息中的车道线信息包括车道线侧向位置、车道线斜率、车道线曲率、车道线有效长度和车道线置信度；本车行驶信息包括本车方向盘转角、本车横摆角速度和本车车速；周围车辆的车辆信息包括车辆纵向位置、车辆侧向位置、车辆纵向速度、车辆侧向速度和车辆置信度。相应的，在一些实施例中，感知系统可包括摄像头、方向盘转角传感器、横摆角速度传感器和车速传感器。步骤201可由本公开实施例中的环境信息获取单元执行，本公开方法实施例中不再详尽描述。
步骤202、基于车道线信息和本车行驶信息，确定本车行驶路径。
在一些实施例中，基于车道线信息和本车行驶信息，确定本车行驶路径具体可包括以下步骤2011至步骤2014：
步骤2011、基于车道线信息确定本车所在车道的有效车道线。
步骤2012、基于本车行驶信息并结合卡尔曼滤波，确定本车行驶路径曲率。
步骤2013、基于有效车道线的车道线斜率、车道线曲率和本车行驶路径曲率，确定本车目标路径曲率和本车目标路径斜率。
步骤2014、基于本车目标路径曲率和本车目标路径斜率，确定本车行驶路径。
步骤202可由本公开实施例中的行驶路径确定单元执行，具体的，步骤2011可由有效车道线确定子单元执行，步骤2012可由行驶路径曲率确定子单元执行，步骤2013可由本车路径参数确定子单元执行，步骤2014可由本车行驶路径确定子单元执行，未在步骤202中详尽描述的内容可参考上述实施例中行驶路径确定单元及其各子单元的相关描述，此处不再赘述。
步骤203、基于本车行驶路径和周围车辆的车辆信息，从周围车辆中确定本车至少一侧有效车辆。
在一些实施例中，可依据本车行驶路径来划分本车左侧有效车辆和本车右侧有效车辆，进而确定左侧有效车辆和/或本车右侧有效车辆对应车道的当前拥堵状态。
在一些实施例中，基于本车行驶路径和周围车辆的车辆信息，从周围车辆中确定本车至少一侧有效车辆具体可包括以下步骤2031至步骤2032：
步骤2031、基于周围车辆的车辆信息，从周围车辆中确定有效车辆。
在一些实施例中，当周围车辆的车辆信息对应的车辆中的一个或多个车辆的车辆纵向位置位于第一预设范围内、车辆侧向位置位于第二预设范围内、车 辆纵向速度大于第一速度阈值且车辆置信度高于第一置信度阈值时，确定一个或多个车辆为有效车辆。
步骤2032、基于本车行驶路径和有效车辆的车辆信息，确定本车至少一侧有效车辆。
在一些实施例中，当本车沿所在直线车道直线行驶或者本车变向且确定有效车道线失败时，基于本车行驶路径和有效车辆的车辆信息，确定本车至少一侧有效车辆。其中，本车变向可包括本车转弯或本车变道；确定有效车道线失败是指本车变向时获取的本车所在车道的车道线不可信，即指本车变向时无法获取到本车所在车道的车道线，包括左侧车道线和右侧车道线。具体的，基于有效车辆的车辆信息中的车辆侧向速度，确定对应车辆在预瞄时间内的车辆侧向位置；确定当前时刻的车辆侧向位置以及预瞄时间内的车辆侧向位置均位于本车行驶路径左侧第一距离阈值内的车辆，为本车左侧有效车辆；确定当前时刻的车辆侧向位置以及预瞄时间内的车辆侧向位置均位于本车行驶路径右侧第二距离阈值内的车辆，为本车右侧有效车辆。
另外，本公开实施例可进一步基于本车所在车道的车道线对上述实施例中划分的本车左侧有效车辆和本车右侧有效车辆进行修正。
在一些实施例中，当本车变向且确定出有效车道线时，基于有效车辆的车辆信息中的车辆侧向速度，确定对应车辆在预瞄时间内的车辆侧向位置；确定当前时刻的车辆侧向位置以及预瞄时间内的车辆侧向位置均位于本车左侧有效车道线左侧第三距离阈值内的车辆，为本车左侧有效车辆；确定当前时刻的车辆侧向位置以及预瞄时间内的车辆侧向位置均位于本车右侧有效车道线右侧第四距离阈值内的车辆，为本车右侧有效车辆。其中，本车变向可包括本车转弯或本车变道；确定出有效车道线是指本车变向时获取的本车所在车道的车道线可信，即指本车变向时能够获取到本车所在车道的车道线，包括左侧车道线和右侧车道线。由此，避免了在本车变向时对有效车辆的划分结果发生跳变，保证本车变向过程中确定的目标车道的拥堵状态保持不变，起到了拥堵状态判断的缓冲作用，使得本车顺利变向。
步骤203可由本公开实施例中的有效车辆确定单元执行，具体的，步骤2031可由有效车辆确定子单元执行，步骤2032可由有效车辆划分子单元执行，未在步骤203中详尽描述的内容可参考上述实施例中有效车辆确定单元及其各子单元的相关描述，此处不再赘述。
步骤204、基于本车至少一侧有效车辆的车辆信息及其对应车道的历史拥堵状态，确定对应车道的当前拥堵状态。
在一些实施例中，基于本车至少一侧有效车辆的车辆信息及其对应车道的历史拥堵状态，确定对应车道的当前拥堵状态具体可包括以下步骤2041至步骤2043：
步骤2041、基于本车至少一侧有效车辆的车辆信息，确定对应车道上的有效车辆的数量、平均车速和平均车距。
在一些实施例中，基于上述实施例对有效车辆的划分结果，可以确定本车左侧有效车辆和/或本车右侧有效车辆，从而确定左侧车道和/或右侧车道上的有效车辆的数量；然后基于左侧车道和/或右侧车道上各有效车辆的车辆纵向速度，计算出左侧车道和/或右侧车道上有效车辆的平均车速；最后基于左侧车道和/或右侧车道上各有效车辆的车辆纵向位置，计算出左侧车道和/或右侧 车道上有效车辆的平均车距。
步骤2042、基于有效车辆的数量、平均车速和平均车距以及历史拥堵状态，确定拥堵状态切换结果，其中，拥堵状态切换结果表征拥堵状态的变化情况。
在一些实施例中，拥堵状态包括无法判断、不拥堵、即将拥堵、轻微拥堵、中度拥堵、重度拥堵和严重拥堵；在每个判定周期内，拥堵状态切换结果包括状态保持、无法判断、无法判断切换至不拥堵、即将拥堵切换至不拥堵、轻微拥堵切换至不拥堵、不拥堵切换至即将拥堵、轻微拥堵切换至即将拥堵、不拥堵切换至轻微拥堵、即将拥堵切换至轻微拥堵、中度拥堵切换至轻微拥堵、轻微拥堵切换至中度拥堵、重度拥堵切换至中度拥堵、中度拥堵切换至重度拥堵、严重拥堵切换至重度拥堵、不拥堵切换至严重拥堵和重度拥堵切换至严重拥堵中的一种。
在本公开实施例中，上述判定周期即为拥堵状态切换结果的判断周期，该判定周期可根据工程经验进行设置及调整。在每个判定周期中，只能存在一种拥堵状态切换结果。在一些实施例中，每个判定周期内可按预设顺序依次对各拥堵状态切换结果进行判定，当判定出一种拥堵状态切换结果后，不再对其他拥堵状态切换结果进行判定。
具体的，判定有效车辆的数量小于1后，确定拥堵状态切换结果为无法判断；
判定历史拥堵状态为无法判断，且有效车辆的数量大于n1后，确定拥堵状态切换结果为无法判断切换至不拥堵；
判定历史拥堵状态为即将拥堵，有效车辆的数量小于n2，且平均车速较本车高v1以上后，确定拥堵状态切换结果为即将拥堵切换至不拥堵；
判定历史拥堵状态为轻微拥堵，有效车辆的数量小于n3，且平均车距大于L1，或平均车速高于v2后，确定拥堵状态切换结果为轻微拥堵切换至不拥堵；
判定历史拥堵状态为不拥堵，有效车辆的数量大于n4，最近有效车辆相对纵向距离大于L2，且平均车速较本车高v3以上后，确定拥堵状态切换结果为不拥堵切换至即将拥堵；
判定历史拥堵状态为轻微拥堵，且最近有效车辆相对纵向距离大于L3后，确定拥堵状态切换结果为轻微拥堵切换至即将拥堵；
判定历史拥堵状态为不拥堵，有效车辆的数量大于n5，平均车距小于L4，且最近有效车辆相对纵向距离小于L5后，确定拥堵状态切换结果为不拥堵切换至轻微拥堵；
判定历史拥堵状态为即将拥堵，且最近有效车辆相对纵向距离小于L6后，确定拥堵状态切换结果为即将拥堵切换至轻微拥堵；
判定历史拥堵状态为中度拥堵，且有效车辆的数量小于n6，或平均车距大于L7，或平均车速较本车高v4以上后，确定拥堵状态切换结果为中度拥堵切换至轻微拥堵；
判定历史拥堵状态为轻微拥堵，有效车辆的数量大于n7，平均车距小于L8，且平均车速低于v5后，确定拥堵状态切换结果为轻微拥堵切换至中度拥堵；
判定历史拥堵状态为重度拥堵，平均车距大于L9，且有效车辆的数量小 于n8，或平均车速较本车高v6以上后，确定拥堵状态切换结果为重度拥堵切换至中度拥堵；
判定历史拥堵状态为中度拥堵，有效车辆的数量大于n9，平均车距小于L10，且平均车速低于v7后，确定拥堵状态切换结果为中度拥堵切换至重度拥堵；
判定历史拥堵状态为严重拥堵，且有效车辆的数量小于n10，或平均车速大于v8，或平均车速较本车高v9以上后，确定拥堵状态切换结果为严重拥堵切换至重度拥堵；
判定历史拥堵状态为不拥堵，有效车辆的数量大于n11，且平均车速小于v10后，确定拥堵状态切换结果为不拥堵切换至严重拥堵；
判定历史拥堵状态为重度拥堵，且平均车速小于v11后，确定拥堵状态切换结果为重度拥堵切换至严重拥堵；
以上条件均不满足时判定为状态保持(拥堵状态切换结果保持不变)；
其中，n1～n11，L1～L10，v1～v11为系统配置参数。
步骤2043、基于拥堵状态切换结果确定对应车道的当前拥堵状态。
具体的，判定拥堵状态切换结果为无法判断后，确定当前拥堵状态为无法判断；
判定拥堵状态切换结果为无法判断切换至不拥堵、即将拥堵切换至不拥堵或者轻微拥堵切换至不拥堵后，第一计数模块加一，在第一计数模块连续计数的计数结果大于第一计数阈值时，确定当前拥堵状态为不拥堵；
判定拥堵状态切换结果为不拥堵切换至即将拥堵或者轻微拥堵切换至即将拥堵后，第二计数模块加一，在第二计数模块连续计数的计数结果大于第二计数阈值时，确定当前拥堵状态为即将拥堵；
判定拥堵状态切换结果为不拥堵切换至轻微拥堵、即将拥堵切换至轻微拥堵或者中度拥堵切换至轻微拥堵后，第三计数模块加一，在第三计数模块连续计数的计数结果大于第三计数阈值时，确定当前拥堵状态为轻微拥堵；
判定拥堵状态切换结果为轻微拥堵切换至中度拥堵或者重度拥堵切换至中度拥堵后，第四计数模块加一，在第四计数模块连续计数的计数结果大于第四计数阈值时，确定当前拥堵状态为中度拥堵；
判定拥堵状态切换结果为中度拥堵切换至重度拥堵或者严重拥堵切换至重度拥堵后，第五计数模块加一，在第五计数模块连续计数的计数结果大于第五计数阈值时，确定当前拥堵状态为严重拥堵；
判定拥堵状态切换结果为不拥堵切换至严重拥堵或者重度拥堵切换至严重拥堵后，第六计数模块加一，在第六计数模块连续计数的计数结果大于第六计数阈值时，确定当前拥堵状态为重度拥堵；
以上条件均不满足时判定为状态保持(当前拥堵状态保持不变)；
其中，在非状态保持的情况下，每个判定周期内仅有一个计数模块工作，当第一计数模块、第二计数模块、第三计数模块、第四计数模块、第五计数模块和第六计数模块中的一个计数模块开始计数时，其他计数模块的计数清零。
步骤204可由本公开实施例中的拥堵状态确定单元执行，具体的，步骤2041可由目标信息提取子单元执行，步骤2042可由拥堵状态切换判定子单元执行，步骤2043可由拥堵状态确定子单元执行，未在步骤203中详尽描述的内容可参考上述实施例中拥堵状态确定单元及其各子单元的相关描述，此处不 再赘述。
在一些实施例中，在基于行驶环境信息和历史拥堵状态，确定当前拥堵状态之后，还包括：存储当前拥堵状态；将当前拥堵状态作为下一判定周期的历史拥堵状态。由此，实现对历史拥堵状态的实时更新，以确保拥堵状态切换结果判定的准确性，进而准确地得到当前拥堵状态。
在一些实施例中，初始历史拥堵状态为无法判断。此时，在启动交通拥堵感知功能时，默认的历史拥堵状态为无法判断。结合上述方案中的拥堵状态切换结果的确定方法，在第一个判定周期内，历史拥堵状态为无法判断，而通常来说，无人驾驶车辆在启动时便会开启交通拥堵感知功能，此时，车道一般不会存在拥堵状态，相邻车道上的车较少，满足“拥堵状态切换结果为无法判断切换至不拥堵”的判定条件，即“判定历史拥堵状态为无法判断，且有效车辆的数量大于n1”，此时，根据上述当前拥堵状态的判定方法，在经过连续多个判定周期后，将满足“判定所述拥堵状态切换结果为无法判断切换至不拥堵、即将拥堵切换至不拥堵或者轻微拥堵切换至不拥堵后，第一计数模块加一，在所述第一计数模块连续计数的计数结果大于第一计数阈值”的条件，从而确定当前拥堵状态为不拥堵，即可将初始历史拥堵状态更新掉，使之后的拥堵状态切换结果可靠有效。需要说明的是，初始历史拥堵状态为无法判断仅为本公开的一种可选实施例，在其他实施例中，初始历史拥堵状态也可以为不拥堵、即将拥堵和轻微拥堵等本公开设置的任一种拥堵状态。
综上，本公开实施例提供的交通拥堵感知方法由本公开实施例提供的交通拥堵感知装置执行，具有相同的功能和有益效果，未在交通拥堵感知方法实施例中详尽描述的内容，可参考交通拥堵感知装置实施例。
图8是适于用来实现根据本公开实施方式的电子设备的结构示意图。如图8所示，电子设备300包括中央处理单元(CPU)301，其可以根据存储在只读存储器(ROM)302中的程序或者从存储部分308加载到随机访问存储器(RAM)303中的程序而执行前述的实施方式中的各种处理。在RAM303中，还存储有电子设备300操作所需的各种程序和数据。CPU301、ROM302以及RAM303通过总线304彼此相连。输入/输出(I/O)接口305也连接至总线304。
以下部件连接至I/O接口305：包括键盘、鼠标等的输入部分306；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分307；包括硬盘等的存储部分308；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分309。通信部分309经由诸如因特网的网络执行通信处理。驱动器310也根据需要连接至I/O接口305。可拆卸介质311，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器310上，以便于从其上读出的计算机程序根据需要被安装入存储部分308。
特别地，根据本公开的实施方式，上文描述的方法可以被实现为计算机软件程序。例如，本公开的实施方式包括一种计算机程序产品，其包括有形地包含在及其可读介质上的计算机程序，计算机程序包含用于执行前述障碍物避让方法的程序代码。在这样的实施方式中，该计算机程序可以通过通信部分309从网络上被下载和安装，和/或从可拆卸介质311被安装。
附图中的流程图和框图，图示了按照本公开各种实施方式的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，路程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，模块、程序段或 代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施方式中所涉及到的单元或模块可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元或模块也可以设置在处理器中，这些单元或模块的名称在某种情况下并不构成对该单元或模块本身的限定。
另外，本公开还提供了一种计算机可读存储介质，该计算机可读存储介质可以是上述实施方式中所述装置中所包含的计算机可读存储介质；也可以是单独存在，未装配入设备中的计算机可读存储介质。计算机可读存储介质存储有一个或者一个以上程序，所述程序被一个或者一个以上的处理器用来执行描述于本公开的方法。
综上所述，本公开提出了一种交通拥堵感知方法、装置、电子设备及存储介质，可基于行驶环境信息确定本车至少一侧有效车辆，进而基于本车至少一侧有效车辆的车辆信息及其对应车道的历史拥堵状态，确定对应车道的当前拥堵状态，从而实现了对本车左侧和/或右侧相邻车道的实时拥堵状态的感知，感知结果的针对性强，能够为本车的驾驶(尤其是自动驾驶)提供更好的服务。在感知本车至少一侧车道的拥堵状态的过程中，可经由本车的感知系统采集行驶环境数据，并由本次处理得到行驶环境信息，从而不依赖于道路基础设施和中央系统，降低了成本；且无需大量其他车辆信息的汇总与计算，提高了本车拥堵感知的实时性，促使本车及时变道，避免错过变道的时机；同时，确定的当前拥堵状态与本车的驾驶需求相关性强，即在任意驾驶路段都可进行拥堵感知，确定出当前拥堵状态，解决了现有方案中由于道路基础设施的设置受到路段的限制，而导致仅在特定路段才能进行拥堵检测的问题，通用性强。
以上所述仅是本公开的具体实施方式，使本领域技术人员能够理解或实现本公开。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本公开的精神或范围的情况下，在其它实施例中实现。因此，本公开将不会被限制于本文所述的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
工业实用性
本公开提供一种交通拥堵感知方法，使得在自动驾驶车辆的自主变道方面，能够针对性地对本车左侧和/或右侧相邻车道的实时拥堵状态进行感知，拥堵状态检测结果准确，具有很强的工业实用性。

Claims (16)

  1. 一种交通拥堵感知方法，其特征在于，包括：
    获取行驶环境信息，其中，所述行驶环境信息包括本车所在车道的车道线信息、本车行驶信息以及周围车辆的车辆信息；
    基于所述车道线信息和所述本车行驶信息，确定本车行驶路径；
    基于所述本车行驶路径和所述周围车辆的车辆信息，从所述周围车辆中确定本车至少一侧有效车辆；
    基于所述本车至少一侧有效车辆的车辆信息及其对应车道的历史拥堵状态，确定对应车道的当前拥堵状态。
  2. 根据权利要求1所述的交通拥堵感知方法，其特征在于，所述车道线信息包括车道线侧向位置、车道线斜率、车道线曲率、车道线有效长度和车道线置信度；所述本车行驶信息包括本车方向盘转角、本车横摆角速度和本车车速；所述周围车辆的车辆信息包括车辆纵向位置、车辆侧向位置、车辆纵向速度、车辆侧向速度和车辆置信度。
  3. 根据权利要求2所述的交通拥堵感知方法，其特征在于，基于所述车道线信息和所述本车行驶信息，确定本车行驶路径，包括：
    基于所述车道线信息确定本车所在车道的有效车道线；
    基于所述本车行驶信息并结合卡尔曼滤波，确定本车行驶路径曲率；
    基于所述有效车道线的车道线斜率、车道线曲率和所述本车行驶路径曲率，确定本车目标路径曲率和本车目标路径斜率；
    基于所述本车目标路径曲率和所述本车目标路径斜率，确定所述本车行驶路径。
  4. 根据权利要求3所述的交通拥堵感知方法，其特征在于，所述基于所述本车行驶路径和所述周围车辆的车辆信息，从所述周围车辆中确定本车至少一侧有效车辆，包括：
    基于所述周围车辆的车辆信息，从所述周围车辆中确定有效车辆；
    基于本车行驶路径和所述有效车辆的车辆信息，确定本车至少一侧有效车辆。
  5. 根据权利要求4所述的交通拥堵感知方法，其特征在于，基于所述周围车辆的车辆信息，从所述周围车辆中确定有效车辆，包括：
    当所述周围车辆的车辆信息对应的车辆中的一个或多个车辆的车辆纵向位置位于第一预设范围内、车辆侧向位置位于第二预设范围内、车辆纵向速度大于第一速度阈值且车辆置信度高于第一置信度阈值时，确定所述一个或多个车辆为有效车辆。
  6. 根据权利要求4所述的交通拥堵感知方法，其特征在于，当本车沿所在直线车道直线行驶或者本车变向且确定所述有效车道线失败时，基于所述本车行驶路径和所述有效车辆的车辆信息，确定本车至少一侧有效车辆，包括：
    基于所述有效车辆的车辆信息中的车辆侧向速度，确定对应车辆在预瞄时间内的车辆侧向位置；
    确定当前时刻的车辆侧向位置以及预瞄时间内的车辆侧向位置均位于所述本车行驶路径左侧第一距离阈值内的车辆，为本车左侧有效车辆；
    确定当前时刻的车辆侧向位置以及预瞄时间内的车辆侧向位置均位于所 述本车行驶路径右侧第二距离阈值内的车辆，为本车右侧有效车辆。
  7. 根据权利要求4所述的交通拥堵感知方法，其特征在于，当本车变向且确定出所述有效车道线时，还包括：
    基于所述有效车辆的车辆信息中的车辆侧向速度，确定对应车辆在预瞄时间内的车辆侧向位置；
    确定当前时刻的车辆侧向位置以及预瞄时间内的车辆侧向位置均位于本车左侧有效车道线左侧第三距离阈值内的车辆，为本车左侧有效车辆；
    确定当前时刻的车辆侧向位置以及预瞄时间内的车辆侧向位置均位于本车右侧有效车道线右侧第四距离阈值内的车辆，为本车右侧有效车辆。
  8. 根据权利要求2所述的交通拥堵感知方法，其特征在于，基于所述本车至少一侧有效车辆的车辆信息及其对应车道的历史拥堵状态，确定对应车道的当前拥堵状态，包括：
    基于所述本车至少一侧有效车辆的车辆信息，确定对应车道上的有效车辆的数量、平均车速和平均车距；
    基于所述有效车辆的数量、平均车速和平均车距以及所述历史拥堵状态，确定拥堵状态切换结果，其中，所述拥堵状态切换结果表征拥堵状态的变化情况；
    基于所述拥堵状态切换结果确定对应车道的当前拥堵状态。
  9. 根据权利要求8所述的交通拥堵感知方法，其特征在于，拥堵状态包括无法判断、不拥堵、即将拥堵、轻微拥堵、中度拥堵、重度拥堵和严重拥堵；
    在每个判定周期内，所述拥堵状态切换结果包括状态保持、无法判断、无法判断切换至不拥堵、即将拥堵切换至不拥堵、轻微拥堵切换至不拥堵、不拥堵切换至即将拥堵、轻微拥堵切换至即将拥堵、不拥堵切换至轻微拥堵、即将拥堵切换至轻微拥堵、中度拥堵切换至轻微拥堵、轻微拥堵切换至中度拥堵、重度拥堵切换至中度拥堵、中度拥堵切换至重度拥堵、严重拥堵切换至重度拥堵、不拥堵切换至严重拥堵和重度拥堵切换至严重拥堵中的一种。
  10. 根据权利要求9所述的交通拥堵感知方法，其特征在于，所述基于所述有效车辆的数量、平均车速和平均车距以及所述历史拥堵状态，确定拥堵状态切换结果，包括：
    判定所述有效车辆的数量小于1后，确定拥堵状态切换结果为无法判断；
    判定所述历史拥堵状态为无法判断，且所述有效车辆的数量大于n1后，确定拥堵状态切换结果为无法判断切换至不拥堵；
    判定所述历史拥堵状态为即将拥堵，所述有效车辆的数量小于n2，且所述平均车速较本车高v1以上后，确定拥堵状态切换结果为即将拥堵切换至不拥堵；
    判定所述历史拥堵状态9为轻微拥堵，所述有效车辆的数量小于n3，且所述平均车距大于L1，或所述平均车速高于v2后，确定拥堵状态切换结果为轻微拥堵切换至不拥堵；
    判定所述历史拥堵状态为不拥堵，所述有效车辆的数量大于n4，最近有效车辆相对纵向距离大于L2，且所述平均车速较本车高v3以上后，确定拥堵状态切换结果为不拥堵切换至即将拥堵；
    判定所述历史拥堵状态为轻微拥堵，且最近有效车辆相对纵向距离大于L3后，确定拥堵状态切换结果为轻微拥堵切换至即将拥堵；
    判定所述历史拥堵状态为不拥堵，所述有效车辆的数量大于n5，所述平均车距小于L4，且最近有效车辆相对纵向距离小于L5后，确定拥堵状态切换结果为不拥堵切换至轻微拥堵；
    判定所述历史拥堵状态为即将拥堵，且最近有效车辆相对纵向距离小于L6后，确定拥堵状态切换结果为即将拥堵切换至轻微拥堵；
    判定所述历史拥堵状态为中度拥堵，且所述有效车辆的数量小于n6，或所述平均车距大于L7，或所述平均车速较本车高v4以上后，确定拥堵状态切换结果为中度拥堵切换至轻微拥堵；
    判定所述历史拥堵状态为轻微拥堵，所述有效车辆的数量大于n7，所述平均车距小于L8，且所述平均车速低于v5后，确定拥堵状态切换结果为轻微拥堵切换至中度拥堵；
    判定所述历史拥堵状态为重度拥堵，平均车距大于L9，且所述有效车辆的数量小于n8，或所述平均车速较本车高v6以上后，确定拥堵状态切换结果为重度拥堵切换至中度拥堵；
    判定所述历史拥堵状态为中度拥堵，所述有效车辆的数量大于n9，所述平均车距小于L10，且所述平均车速低于v7后，确定拥堵状态切换结果为中度拥堵切换至重度拥堵；
    判定所述历史拥堵状态为严重拥堵，且所述有效车辆的数量小于n10，或所述平均车速大于v8，或所述平均车速较本车高v9以上后，确定拥堵状态切换结果为严重拥堵切换至重度拥堵；
    判定所述历史拥堵状态为不拥堵，所述有效车辆的数量大于n11，且所述平均车速小于v10后，确定拥堵状态切换结果为不拥堵切换至严重拥堵；
    判定所述历史拥堵状态为重度拥堵，且所述平均车速小于v11后，确定拥堵状态切换结果为重度拥堵切换至严重拥堵；
    以上条件均不满足时判定为状态保持；
    其中，n1～n11，L1～L10，v1～v11为系统配置参数。
  11. 根据权利要求10所述的交通拥堵感知方法，其特征在于，基于所述拥堵状态切换结果确定对应车道的当前拥堵状态，包括：
    判定所述拥堵状态切换结果为无法判断后，确定所述当前拥堵状态为无法判断；
    判定所述拥堵状态切换结果为无法判断切换至不拥堵、即将拥堵切换至不拥堵或者轻微拥堵切换至不拥堵后，第一计数模块加一，在所述第一计数模块连续计数的计数结果大于第一计数阈值时，确定所述当前拥堵状态为不拥堵；
    判定所述拥堵状态切换结果为不拥堵切换至即将拥堵或者轻微拥堵切换至即将拥堵后，第二计数模块加一，在所述第二计数模块连续计数的计数结果大于第二计数阈值时，确定所述当前拥堵状态为即将拥堵；
    判定所述拥堵状态切换结果为不拥堵切换至轻微拥堵、即将拥堵切换至轻微拥堵或者中度拥堵切换至轻微拥堵后，第三计数模块加一，在所述第三计数模块连续计数的计数结果大于第三计数阈值时，确定所述当前拥堵状态为轻微拥堵；
    判定所述拥堵状态切换结果为轻微拥堵切换至中度拥堵或者重度拥堵切换至中度拥堵后，第四计数模块加一，在所述第四计数模块连续计数的计数结果大于第四计数阈值时，确定所述当前拥堵状态为中度拥堵；
    判定所述拥堵状态切换结果为中度拥堵切换至重度拥堵或者严重拥堵切换至重度拥堵后，第五计数模块加一，在所述第五计数模块连续计数的计数结果大于第五计数阈值时，确定所述当前拥堵状态为严重拥堵；
    判定所述拥堵状态切换结果为不拥堵切换至严重拥堵或者重度拥堵切换至严重拥堵后，第六计数模块加一，在所述第六计数模块连续计数的计数结果大于第六计数阈值时，确定所述当前拥堵状态为重度拥堵；
    以上条件均不满足时判定为状态保持；
    其中，在非状态保持的情况下，每个判定周期内仅有一个计数模块工作，当所述第一计数模块、所述第二计数模块、所述第三计数模块、所述第四计数模块、所述第五计数模块和所述第六计数模块中的一个计数模块开始计数时，其他计数模块的计数清零。
  12. 根据权利要求1所述的交通拥堵感知方法，其特征在于，在基于所述行驶环境信息和历史拥堵状态，确定当前拥堵状态之后，还包括：
    存储所述当前拥堵状态；
    将所述当前拥堵状态作为下一判定周期的历史拥堵状态。
  13. 根据权利要求1所述的交通拥堵感知方法，其特征在于，所述行驶环境信息为本车的感知系统采集的数据经处理后得到，所述感知系统包括摄像头、方向盘转角传感器、横摆角速度传感器和车速传感器。
  14. 一种交通拥堵感知装置，其特征在于，包括：
    环境信息获取单元，用于获取行驶环境信息，其中，所述行驶环境信息包括本车所在车道的车道线信息、本车行驶信息以及周围车辆的车辆信息；
    行驶路径确定单元，用于基于所述车道线信息和所述本车行驶信息，确定本车行驶路径；
    有效车辆确定单元，用于基于所述本车行驶路径和所述周围车辆的车辆信息，从所述周围车辆中确定本车至少一侧有效车辆；
    拥堵状态确定单元，用于基于所述本车至少一侧有效车辆的车辆信息及其对应车道的历史拥堵状态，确定对应车道的当前拥堵状态。
  15. 一种电子设备，其特征在于，包括：
    存储器以及一个或多个处理器；
    其中，所述存储器与所述一个或多个处理器通信连接，所述存储器中存储有可被所述一个或多个处理器执行的指令，所述指令被所述一个或多个处理器执行时，所述电子设备用于实现如权利要求1-13中任一项所述的交通拥堵感知方法。
  16. 一种计算机可读存储介质，其上存储有计算机可执行指令，其特征在于，当所述计算机可执行指令被计算装置执行时，可用来实现如权利要求1-13中任一项所述的交通拥堵感知方法。
PCT/CN2020/120896 2020-10-14 2020-10-14 一种交通拥堵感知方法、装置、电子设备及存储介质 WO2022077266A1 (zh)

Priority Applications (5)

Application Number Priority Date Filing Date Title
KR1020237015910A KR20230093275A (ko) 2020-10-14 2020-10-14 교통 혼잡 감지 방법, 장치, 전자 기기 및 저장 매체
JP2023522834A JP7418892B2 (ja) 2020-10-14 2020-10-14 交通渋滞感知方法、装置、電子機器及び記憶媒体
EP20957047.2A EP4227924A4 (en) 2020-10-14 2020-10-14 METHOD AND APPARATUS FOR DETECTING TRAFFIC CONGESTION, ELECTRONIC DEVICE AND STORAGE MEDIUM
PCT/CN2020/120896 WO2022077266A1 (zh) 2020-10-14 2020-10-14 一种交通拥堵感知方法、装置、电子设备及存储介质
CN202080002318.7A CN112639907B (zh) 2020-10-14 2020-10-14 一种交通拥堵感知方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/CN2020/120896 WO2022077266A1 (zh) 2020-10-14 2020-10-14 一种交通拥堵感知方法、装置、电子设备及存储介质

Publications (1)

Publication Number Publication Date
WO2022077266A1 true WO2022077266A1 (zh) 2022-04-21

Family

ID=75291091

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2020/120896 WO2022077266A1 (zh) 2020-10-14 2020-10-14 一种交通拥堵感知方法、装置、电子设备及存储介质

Country Status (5)

Country Link
EP (1) EP4227924A4 (zh)
JP (1) JP7418892B2 (zh)
KR (1) KR20230093275A (zh)
CN (1) CN112639907B (zh)
WO (1) WO2022077266A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116046014A (zh) * 2023-03-31 2023-05-02 小米汽车科技有限公司 道线规划方法、装置、电子设备及可读存储介质

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113345225B (zh) * 2021-05-24 2023-04-11 郑州航空工业管理学院 基于v2v通信的物流车辆前方道路实时路况的预测方法及系统
CN113232658B (zh) * 2021-06-28 2022-06-28 驭势（上海）汽车科技有限公司 一种车辆定位方法、装置、电子设备和存储介质
CN114547403B (zh) * 2021-12-30 2023-05-23 广州文远知行科技有限公司 变道场景采集方法、装置、设备及存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105788256A (zh) * 2016-03-30 2016-07-20 北京交通大学 基于车联网的路况信息感知方法
CN109466551A (zh) * 2018-11-22 2019-03-15 深圳市元征科技股份有限公司 一种车辆控制方法、系统及电子设备和存储介质
CN110816540A (zh) * 2019-08-01 2020-02-21 中国第一汽车股份有限公司 交通拥堵的确定方法、装置、系统及车辆
US20200180636A1 (en) * 2018-12-07 2020-06-11 Hyundai Motor Company Apparatus and method for controlling running of vehicle
CN111583668A (zh) * 2020-05-27 2020-08-25 北京百度网讯科技有限公司 交通拥堵检测方法、装置、电子设备和存储介质

Family Cites Families (25)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH11238194A (ja) * 1998-02-20 1999-08-31 Fujitsu Ten Ltd 交通渋滞予測方法および装置ならびに交通状況提供装置
JP3513428B2 (ja) * 1999-06-02 2004-03-31 三菱電機株式会社 車両の車線変更時警報装置
JP3951293B2 (ja) * 2002-05-14 2007-08-01 マツダ株式会社 車両の制御装置
JP4591073B2 (ja) * 2004-12-22 2010-12-01 アイシン・エィ・ダブリュ株式会社 経路案内システム
JP4946542B2 (ja) * 2007-03-14 2012-06-06 アイシン・エィ・ダブリュ株式会社 渋滞防止装置および渋滞防止方法
JP5185663B2 (ja) * 2008-03-12 2013-04-17 富士重工業株式会社 車両用運転支援装置
JP2009286274A (ja) * 2008-05-29 2009-12-10 Toyota Motor Corp 車両用運転支援装置
DE102010051244A1 (de) * 2010-11-12 2011-06-16 Daimler Ag Verfahren zur Prognose von Staufronten und zur Staufrontenwarnung in einem Fahrzeug
JP6182987B2 (ja) 2012-07-06 2017-08-23 株式会社Ｓｏｋｅｎ 並走車検出装置
US9117098B2 (en) * 2013-06-03 2015-08-25 Ford Global Technologies, Llc On-board traffic density estimator
JP2015076078A (ja) * 2013-10-11 2015-04-20 パイオニア株式会社 渋滞予測システム、端末装置、渋滞予測方法および渋滞予測プログラム
JP6160509B2 (ja) * 2014-02-25 2017-07-12 アイシン・エィ・ダブリュ株式会社 運転支援装置、運転支援方法及びプログラム
US10692370B2 (en) * 2014-03-03 2020-06-23 Inrix, Inc. Traffic obstruction detection
US20180113450A1 (en) * 2016-10-20 2018-04-26 Toyota Motor Engineering & Manufacturing North America, Inc. Autonomous-mode traffic lane selection based on traffic lane congestion levels
KR20180052811A (ko) * 2016-11-10 2018-05-21 한국전자통신연구원 자율주행 시스템 제작 방법 및 자율주행 시스템
JP6952517B2 (ja) * 2017-07-05 2021-10-20 国立大学法人 東京大学 渋滞予測装置及びその渋滞予測方法
CN109920244A (zh) * 2017-12-12 2019-06-21 上海宝康电子控制工程有限公司 可变车道实时控制系统及方法
CN110163039B (zh) * 2018-03-15 2020-11-24 北京航空航天大学 判定车辆行驶状态的方法、设备、存储介质以及处理器
CN109191830B (zh) * 2018-08-09 2021-01-05 昆明理工大学 一种基于视频图像处理的道路拥堵检测方法
CN110969837B (zh) * 2018-09-30 2022-03-25 毫末智行科技有限公司 自动驾驶车辆的道路信息融合系统及方法
JP7112347B2 (ja) * 2019-02-08 2022-08-03 本田技研工業株式会社 車両制御装置、車両制御方法、車両およびプログラム
CN111301420A (zh) * 2020-02-18 2020-06-19 北京汽车集团有限公司 车辆换道控制方法、装置、可读存储介质及车辆
CN111469847B (zh) * 2020-04-14 2022-06-14 宁波吉利汽车研究开发有限公司 一种变道路径规划的方法及系统
CN111738207B (zh) * 2020-07-13 2022-11-08 腾讯科技（深圳）有限公司 车道线检测方法、装置、电子设备及可读存储介质
JP7276282B2 (ja) 2020-08-24 2023-05-18 トヨタ自動車株式会社 物体検出装置、物体検出方法及び物体検出用コンピュータプログラム

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105788256A (zh) * 2016-03-30 2016-07-20 北京交通大学 基于车联网的路况信息感知方法
CN109466551A (zh) * 2018-11-22 2019-03-15 深圳市元征科技股份有限公司 一种车辆控制方法、系统及电子设备和存储介质
US20200180636A1 (en) * 2018-12-07 2020-06-11 Hyundai Motor Company Apparatus and method for controlling running of vehicle
CN110816540A (zh) * 2019-08-01 2020-02-21 中国第一汽车股份有限公司 交通拥堵的确定方法、装置、系统及车辆
CN111583668A (zh) * 2020-05-27 2020-08-25 北京百度网讯科技有限公司 交通拥堵检测方法、装置、电子设备和存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
See also references of EP4227924A4 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116046014A (zh) * 2023-03-31 2023-05-02 小米汽车科技有限公司 道线规划方法、装置、电子设备及可读存储介质

Also Published As

Publication number Publication date
EP4227924A1 (en) 2023-08-16
CN112639907A (zh) 2021-04-09
CN112639907B (zh) 2024-04-02
KR20230093275A (ko) 2023-06-27
JP2023543319A (ja) 2023-10-13
EP4227924A4 (en) 2023-12-06
JP7418892B2 (ja) 2024-01-22

Similar Documents

Publication Publication Date Title
WO2022077266A1 (zh) 一种交通拥堵感知方法、装置、电子设备及存储介质
US20230400567A1 (en) Extended Object Tracking Using RADAR
US10303168B2 (en) On-vehicle control device, host vehicle position and posture specifying device, and on-vehicle display device
US9428187B2 (en) Lane change path planning algorithm for autonomous driving vehicle
JP5327327B2 (ja) 車両用情報処理装置
JP7346499B2 (ja) 情報処理装置、情報処理方法、およびプログラム
KR20210142568A (ko) 교통을 제어하는 방법, 장치, 노변 장치, 클라우드 제어 플랫폼, 전자 기기, 저장 매체, 및 컴퓨터 프로그램 제품
CN110779538B (zh) 相对于自主导航而跨本地和基于云的系统来分配处理资源
WO2022095023A1 (zh) 一种交通流信息的确定方法、装置、电子设备和存储介质
WO2022022549A1 (zh) 用于控制车辆的方法、装置、电子设备和存储介质
WO2023050811A1 (zh) 行驶设备控制方法、装置、电子设备、存储介质及计算机程序产品
GB2606043A (en) Planning with dynamic state a trajectory of an autonomous vehicle
CN114475585B (zh) 路口自动驾驶方法、装置、电子设备及自动驾驶车辆
JP2009252198A (ja) 走行環境推測装置、方法及びプログラム並びに車線逸脱警報装置及び操舵アシスト装置
JP7149082B2 (ja) 走行支援装置の走行支援方法及び走行支援装置
US11292491B2 (en) Server and vehicle control system
WO2018216058A1 (ja) 位置推定装置、位置推定方法及び位置推定プログラム
JP5559650B2 (ja) 車線推定装置
CN114906145A (zh) 一种车辆弯道辅助驾驶方法、系统、电子设备及存储介质
JP2011028639A (ja) 車両制御システム
CN113752941B (zh) 无人车转向灯控制方法、装置、无人车及存储介质
JP2013152540A (ja) 走行車線認識装置
JP7123645B2 (ja) 走行支援方法及び走行支援装置
JP2022128712A (ja) 道路情報生成装置
CN114446041A (zh) 一种车辆变道管理方法及变道管理装置

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 20957047

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: 2023522834

Country of ref document: JP

ENP Entry into the national phase

Ref document number: 20237015910

Country of ref document: KR

Kind code of ref document: A

NENP Non-entry into the national phase

Ref country code: DE

ENP Entry into the national phase

Ref document number: 2020957047

Country of ref document: EP

Effective date: 20230512