CN109387210A - 车辆导航方法及其装置 - Google Patents
车辆导航方法及其装置 Download PDFInfo
- Publication number
- CN109387210A CN109387210A CN201710652413.1A CN201710652413A CN109387210A CN 109387210 A CN109387210 A CN 109387210A CN 201710652413 A CN201710652413 A CN 201710652413A CN 109387210 A CN109387210 A CN 109387210A
- Authority
- CN
- China
- Prior art keywords
- road conditions
- lane
- target
- current lane
- current
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3446—Details of route searching algorithms, e.g. Dijkstra, A*, arc-flags, using precalculated routes
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/36—Input/output arrangements for on-board computers
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Navigation (AREA)
Abstract
本发明提出一种车辆导航方法及装置,其中,方法包括:根据目标车辆的行驶轨迹确定目标车辆所处的当前车道;根据当前车道和导航的路径,获取从当前车道到达目的地过程中目标车辆的待行驶车道;获取当前车道的目标路况和每个待行驶车道的目标路况;在导航的路径上标记出当前车道以及每个待行驶车道的目标路况。该方法实现了基于车道标记路况,使车辆在行驶过程中可以获知当前车道和待行驶车道的路况,提高了路况判断的准确度和导航精度,解决了现有技术中基于道路显示路况的导航方法,存在路况判断准确度低的问题。
Description
技术领域
本发明涉及车辆导航技术领域,尤其涉及一种车辆导航方法及其装置。
背景技术
随着导航技术的发展,车辆导航给人们的生活带来了极大的便利。通常在导航软件中输入出发地和目的地,就会规划出一条导航路径。并且,在车辆行驶的过程中,可以对道路的限速、道路的拥堵情况进行播报提醒。
随着道路路面的加宽,车道数增加,往往存在去往某一方向的车道排队等车,去往另一方向的车道畅通通行的情况。但是,目前的导航方法,对于同一条道路只能指示一个路况,路况的判断准确度不高。
发明内容
本发明旨在至少在一定程度上解决相关技术中的技术问题之一。
为此,本发明的第一个目的在于提出一种车辆导航方法,以实现基于车道标记路况,使车辆在行驶过程中可以获知当前车道和待行驶车道的路况,提高了路况判断的准确度和导航精度,以解决现有技术中基于道路显示路况的导航方法,存在路况判断准确度低的问题。
本发明的第二个目的在于提出一种车辆导航装置。
本发明的第三个目的在于提出一种计算机设备。
本发明的第四个目的在于提出一种计算机程序产品。
本发明的第五个目的在于提出一种非临时性计算机可读存储介质。
为达上述目的,本发明第一方面实施例提出了一种车辆导航方法,包括:
根据目标车辆的行驶轨迹确定所述目标车辆所处的当前车道;
根据所述当前车道和导航的路径,获取从所述当前车道到达目的地过程中所述目标车辆的待行驶车道;
获取所述当前车道的目标路况和每个待行驶车道的目标路况;
在导航的所述路径上标记出所述当前车道以及每个待行驶车道的所述目标路况。
作为第一方面实施例一种可选的实现方式,所述获取当前车道的目标路况,包括:
获取历史行车数据作为样本数据;
基于所述样本数据和预设的贝叶斯分类算法,获取所述当前车道各路况下的第一概率;
将最大的所述第一概率所对应的路况作为所述当前车道的目标路况。
作为第一方面实施例一种可选的实现方式,所述基于所述样本数据和预设的贝叶斯分类算法,获取所述当前车道各路况下的第一概率,包括:
根据所述样本数据,获取当前通行时刻下所述当前车道第i路况下的第二概率;其中,所述历史行车数据中包括所述当前车道和所述当前车道的下一车道的行车数据;
在所述当前车道处于第i路况下,获取所述当前车道可能识别为第j路况下的第三概率;
在所述当前车道处于第i路况下,获取所述下一车道可能识别为第k路况下的第四概率;
根据所述第i路况下的所述第三概率和所述第四概率,得到所述第i路况下所述当前车道可能识别为第j路况和所述下一车道可能识别为所述第k路况的联合概率;
基于所述第i路况下的第二概率和所述第i路况下的所述联合概率,得到所述当前车道第i路况下的第一概率;
其中,1≤i≤N;1≤j≤N,1≤k≤N。
作为第一方面实施例一种可选的实现方式,所述获取每个待行驶车道的目标路况,包括:
针对每个待行驶车辆,接收行驶在所述待行驶车道上的各车辆的行车数据;
从所述行车数据中获取各车辆的行驶速度;
根据所述行驶速度确定所述待行驶车道的目标路况。
作为第一方面实施例一种可选的实现方式,所述根据所述行驶速度确定所述待行驶车道的目标路况,包括:
对所有车辆的行驶速度进行加权平均,得到所述待行驶车道的加权行驶速度;
将所述加权行驶速度与预设的各路况的行驶速度范围进行比较,确定所述加权行驶速度所落入的目标行驶速度范围;
将所述目标行驶速度范围对应的路况作为所述待行驶车道的目标路况。
作为第一方面实施例一种可选的实现方式,所述根据目标车辆的行驶轨迹确定所述目标车辆所处的当前车道之前,还包括:
获取用户的出发点和目的地,根据所述出发点和所述目的地,为所述目标车辆导航所述路径。
作为第一方面实施例一种可选的实现方式,所述在导航的所述路径上标记出所述当前车道以及每个待行驶车道的目标路况,包括:
在导航的所述路径上对所述当前车道的目标路况,按照与所述当前车道的目标路况对应的标记格式进行标记,并通过显示屏进行显示;
在导航的所述路径上对所述待行驶车道的目标路况,按照与所述待行驶车道的目标路况对应的标记格式进行标记,并通过显示屏进行显示。
本发明实施例的车辆导航方法,根据目标车辆的行驶轨迹确定目标车辆所处的当前车道,以及根据当前车道和导航的路径,获取从当前车道到达目的地过程中目标车辆的待行驶车道,获取当前车道的目标路况和每个待行驶车道的目标路况,在导航的路径上标记出当前车道以及每个待行驶车道的目标路况。本实施例中,先确定目标车辆所处的当前车道和从当前车道到达目的地过程中的待行驶车道,再获取当前车道的目标路况和每个待行驶车道的目标路况,并在导航路径上进行标记,实现了基于车道标记路况,使车辆在行驶过程中可以获知当前车道和待行驶车道的路况,提高了路况判断的准确度和导航精度,解决了现有技术中基于道路显示路况的导航方法,存在路况判断准确度低的问题。
为达上述目的,本发明第二方面实施例提出一种车辆导航装置,包括:
确定模块,用于根据目标车辆的行驶轨迹确定所述目标车辆所处的当前车道;
第一获取模块,用于根据所述当前车道和导航的路径,获取从所述当前车道到达目的地过程中所述目标车辆的待行驶车道;
第二获取模块,用于获取所述当前车道的目标路况和每个待行驶车道的目标路况;
标记模块,用于在导航的所述路径上标记出所述当前车道以及每个待行驶车道的所述目标路况。
作为第二方面实施例一种可选的实现方式,所述第二获取模块,包括:
第一获取单元,用于获取历史行车数据作为样本数据;
第二获取单元,用于基于所述样本数据和预设的贝叶斯分类算法,获取所述当前车道各路况下的第一概率;
确定单元,用于将最大的所述第一概率所对应的路况作为所述当前车道的目标路况。
作为第二方面实施例一种可选的实现方式,所述第二获取单元,用于:
根据所述样本数据,获取当前通行时刻下所述当前车道第i路况下的第二概率;其中,所述历史行车数据中包括所述当前车道和所述当前车道的下一车道的行车数据;
在所述当前车道处于第i路况下,获取所述当前车道可能识别为第j路况下的第三概率;
在所述当前车道处于第i路况下,获取所述下一车道可能识别为第k路况下的第四概率;
根据所述第i路况下的所述第三概率和所述第四概率,得到所述第i路况下所述当前车道可能识别为第j路况和所述下一车道可能识别为所述第k路况的联合概率;
基于所述第i路况下的第二概率和所述第i路况下的所述联合概率,得到所述当前车道第i路况下的第一概率;
其中,1≤i≤N;1≤j≤N,1≤k≤N。
作为第二方面实施例一种可选的实现方式,所述第二获取模块,还用于:
针对每个待行驶车辆,接收行驶在所述待行驶车道上的各车辆的行车数据;
从所述行车数据中获取各车辆的行驶速度;
根据所述行驶速度确定所述待行驶车道的目标路况。
作为第二方面实施例一种可选的实现方式,所述第二获取模块,还用于:
对所有车辆的行驶速度进行加权平均,得到所述待行驶车道的加权行驶速度;
将所述加权行驶速度与预设的各路况的行驶速度范围进行比较,确定所述加权行驶速度所落入的目标行驶速度范围;
将所述目标行驶速度范围对应的路况作为所述待行驶车道的目标路况。
作为第二方面实施例一种可选的实现方式,所述车辆导航装置还包括:导航模块,用于获取用户的出发点和目的地,根据所述出发点和所述目的地,为所述目标车辆导航所述路径。
作为第二方面实施例一种可选的实现方式,所述标记模块,还用于:
在导航的所述路径上对所述当前车道的目标路况,按照与所述当前车道的目标路况对应的标记格式进行标记,并通过显示屏进行显示;
在导航的所述路径上对所述待行驶车道的目标路况,按照与所述待行驶车道的目标路况对应的标记格式进行标记,并通过显示屏进行显示。
本发明实施例的车辆导航装置,根据目标车辆的行驶轨迹确定目标车辆所处的当前车道,以及根据当前车道和导航的路径,获取从当前车道到达目的地过程中目标车辆的待行驶车道,获取当前车道的目标路况和每个待行驶车道的目标路况,在导航的路径上标记出当前车道以及每个待行驶车道的目标路况。本实施例中,先确定目标车辆所处的当前车道和从当前车道到达目的地过程中的待行驶车道,再获取当前车道的目标路况和每个待行驶车道的目标路况,并在导航路径上进行标记,实现了基于车道标记路况,使车辆在行驶过程中可以获知当前车道和待行驶车道的路况,提高了路况判断的准确度和导航精度,解决了现有技术中基于道路显示路况的导航方法,存在路况判断准确度低的问题。
为达上述目的,本发明第三方面实施例提出一种计算机设备,包括处理器和存储器;其中,所述处理器通过读取所述存储器中存储的可执行程序代码来运行与所述可执行程序代码对应的程序,以用于实现如第一方面实施例所述的车辆导航方法。
为达上述目的,本发明第四方面实施例提出一种计算机程序产品,所述计算机程序产品中的指令由处理器执行时,执行如第一方面实施例所述的车辆导航方法。
为达上述目的,本发明第五方面实施例提出一种非临时性计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如第一方面实施例所述的车辆导航方法。
本发明附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解,其中:
图1为本发明实施例提供的一种车辆导航方法的流程示意图;
图2为本发明实施例提供的一条道路中车道方向的分配情况的示意图;
图3为本发明实施例提供的一种导航路径上显示当前车道标记的示意图;
图4为本发明实施例提供的另一种车辆导航方法的流程示意图;
图5为本发明实施例提供的一种车辆行驶轨迹示意图;
图6为本发明实施例提供的一种车辆导航装置的结构示意图;
图7为本发明实施例提供的另一种车辆导航装置的结构示意图;
图8为本发明实施例提供的又一种车辆导航装置的结构示意图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本发明,而不能理解为对本发明的限制。
下面结合附图解释本发明实施例的车辆导航方法及其装置。
随着导航技术的发展,车辆导航给人们的生活带来了极大的便利。通常在导航软件中输入出发地和目的地,就会规划出一条导航路径。并且,在车辆行驶的过程中,可以对道路的限速、道路的拥堵情况进行播报提醒。
目前常用的导航软件,如百度地图、高德地图等,都是基于道路显示路况。但是,随着道路路面的加宽,车道数增加,往往存在去往某一方向的车道排队等车,去往另一方向的车道畅通通行的情况,而目前的导航方法,对于同一条道路只能指示一个路况,路况的判断准确度不高。
针对这一问题,本发明实施例提出一种车辆导航方法,以实现基于车道标记路况,使车辆在行驶过程中可以获知当前车道和待行驶车道的路况,提高了路况判断的准确度和导航精度,以解决现有技术中基于道路显示路况的导航方法,存在路况判断准确度低的问题。
本发明实施例提出的车辆导航方法的执行主体为终端设备,其中,终端设备可以是手机、iPad等移动终端,也可以是车载设备。
图1为本发明实施例提供的一种车辆导航方法的流程示意图。
如图1所示,该车辆导航方法包括以下步骤:
S101,根据目标车辆的行驶轨迹确定目标车辆所处的当前车道。
本实施例中,可在车辆的两侧安装摄像头,通过摄像头拍摄周围的景物获得目标车辆的行驶轨迹,以确定车辆所处的车道位置。然后,根据车道位置、导航方向或者预先存储的每条道路中每个车道方向的分配情况,进而确定目标车辆所处的车道方向。
举例而言,假设预先存储的目标车辆当前行驶道路中每个车道方向的分配情况,如图2所示,最左侧车道为直行车道,左边第二个车道为直行车道,左边第三个车道为左拐车道,左边第四个车道为右拐车道。
目标车辆在当前道路上行驶过程中,如果左侧摄像头拍摄的图像中有栏杆且距离目标车辆很近,右侧摄像头拍摄的图像中有其他车辆,可以确定目标车辆当前行驶的车道为最左侧的车道,结合车道方向分配情况可以确定当前车辆所处的车道为直行车道。如果两侧摄像头拍摄下的图像中均是车辆的图像,根据导航方向确定目标车辆需要直行,结合两侧摄像头拍摄的图像和预先存储的目标车辆当前行驶道路中每个车道方向的分配情况,可以确定目标车辆当前行驶的车道为左边第二个直行车道。
S102,根据当前车道和导航的路径,获取从当前车道到达目的地过程中目标车辆的待行驶车道。
本实施例中,可预先存储每条道路中车道方向的分配情况。在目标车辆行驶过程中,根据当前车道和预先存储的每条道路中车道方向的分配情况,可以获取从当前车道到达目的地过程中目标车辆的待行驶车道。
例如,目标车辆所处的当前车道为左转车道,结合导航的路径,确定到目的地的过程中待行驶车道为直行车道、右转车道。也就是说,目标车辆从当前车道左拐后进入直行车道,直行通过红绿灯后进入右转车道,进行右转后可到达目的地。
S103,获取当前车道的目标路况和每个待行驶车道的目标路况。
本实施例中,车道的路况可分为四类:极其拥堵、拥堵、缓行、畅通等。根据当前车道上所有车辆上报的车辆行驶数据,如行驶速度,来计算车辆的平均行驶速度。根据平均行驶速度对应的路况,确定目标车辆所处当前车道的目标路况。
同样地,对于每个待行驶车道,可利用上述方法来计算每个待行驶车道的目标路况。
S104,在导航的路径上标记出当前车道以及每个待行驶车道的目标路况。
在获取当前车道的目标路况和待行驶车道的目标路况后,可在导航路径上标记出当前车道以及每个待行驶车道的目标路况。
作为一个示例,可在导航的路径上对当前车道的目标路况,按照与当前车道的目标路况对应的标记格式进行标记,并通过显示屏进行显示。例如,如图3所示,目标车辆所处的当前车道为左转车道,目标路况为畅通,可在导航路径上将左转车道符号标记为绿色,并在显示屏上显示当前车道和直行车道符号。
同样地,在导航的路径上对每个待行驶车道的目标路况,按照与待行驶车道的目标路况对应的标记格式进行标记,并通过显示屏进行显示。
下面通过另一个实施例,来说明本发明实施例的车辆导航方法。
如图4所示,该车辆导航方法包括:
S201,获取用户的出发点和目的地,根据出发点和目的地,为目标车辆导航路径。
用户打开终端设备上的导航软件,输入出发点和目的地。这时,导航软件获取出发点和目的地,并根据出发点和目的地,为目标车辆提供一条导航路径。
S202,根据目标车辆的行驶轨迹确定目标车辆所处的当前车道。
本实施例中,可以预先设置一个时长,采集该时长内目标车辆的行驶数据,基于该行驶数据形成目标车辆的行驶轨迹。例如行车数据中包括车辆起步之后直行,然后经过一段距离进行了左转,可以形成一个轨迹为如图5所示的行驶轨迹,基于该行驶轨迹可以确定出目标车辆左转后进入左车道,即可以确定出目标车辆当前处于左车道。
S203,根据当前车道和导航的路径,获取当前车道到达目的地过程中目标车辆的待行驶车道。
步骤S203与上述实施例中的步骤S102类似,在此不再赘述。
S204,基于历史行车数据和预设的贝叶斯分类算法获取当前车道的目标路况。
由于根据目标车辆行驶轨迹判断目标车辆所在的车道时,需要等待目标车辆轨迹的形成,即其下一车道,所以对于当前道路就存在不能及时取得上报车辆数据问题。对于数据延迟问题,考虑下一条将要行驶的车道的路况对当前车道路况的影响,且基于延迟数据可以计算出当前车道的路况,可以利用概率统计的方法预测当前车道此刻的路况。
本实施例中,基于历史行车数据和预设的贝叶斯分类算法获取当前车道各路况下的第一概率,将最大的第一概率所对应的路况作为当前车道的目标路况。其中,历史行车数据包括当前车道和当前车道的下一车道的行车数据。
贝叶斯分类算法解决的是分类问题。从数学角度,分类问题可做如下定义:已经集合C=y1,y2,…yn和I=x1,x2,…xm,确定映射规则y=f(xi),使得任意xi∈I,有且仅有一个yi∈C,使得yi∈f(xi)成立。其中,C为类别集合,C中的每一个元素是一个类别,I叫做特征集合,I中的每一个元素是一个待分类项,f为分类器。由此可知,分类器的输入为特征,输出是对应的类别,也就是说,给定特征,通过贝叶斯分类可得到特征的类别。
本实施例中,特征集合为同一时刻当前车道的下一车道的路况和基于延迟数据计算出的当前车道的路况,类别集合为当前车道的路况类别。
本实施例中,基于历史行车数据和预设的贝叶斯分类算法获取当前车道第i路况下的第一概率的具体过程如下:
首先,将历史形成数据作为样本数据,通过样本数据,可以计算出当前通行时刻下当前车道第i路况下的第二概率P(Ci)。
然后,根据样本数据,计算出在当前车道处于第i路况下,当前车道可能识别为第j路况下的第三概率P(Xj|Ci),以及在当前车道处于第k路况下,下一车道可能识别为第k路况下的第四概率P(Yk|Ci)。其中,1≤i≤N;1≤j≤N,1≤k≤N,N表示路况类别数目。
本实施例中,假设当前车道为第j路况和下一车道为第k路况之间是相互独立的,因此根据第i路况下的第三概率P(Xj|Ci)和第四概率P(Yk|Ci),可计算得到第i路况下当前车道可能识别为第j路况和下一车道可能识别为第k路况的联合概率P(Xj,Yk|Ci)=P(Xj|Ci)*P(Yk|Ci)。
最后,根据贝叶斯公式可计算得到当前车道第i路况下的第一概率P(Ci|Xj,Yk),如公式(1)所示。
其中,P(Xj)为当前车道为第j路况的概率,P(Yk)为下一车道为第j路况的概率,P(Xj)和P(Yk)可根据样本数据计算获得。
通过上述方法计算出当前车道各路况下的第一概率后,比较当前车道各路况下的第一概率的大小,将最大的第一概率所对应的路况作为当前车道的目标路况。
举例来说,将车道路况分为极其拥堵、拥堵、缓行、畅通四种类别。假设基于延迟数据计算出当前车道此刻的路况为畅通,而此刻下一车道的路况为拥堵,基于当前车道此刻的路况为畅通和此刻下一车道的路况为拥堵,计算当前车道的目标路况。
以计算当前车道路况为极其拥堵的第一概率为例。首先,根据样本数据,可计算得到当前车道路况为极其拥堵的第二概率为P(C1),以及样本数据中当前车道路况为畅通的概率P(X4),样本数据中下一车道路况为拥堵的概率P(Y2)。然后,根据样本数据计算出,当前路况为极其拥堵的情况下,基于延迟数据计算得到当前路况为畅通的概率P(X4|C1),和当前路况为极其拥堵的情况下,下一车道的路况为拥堵的概率P(Y2|C1)。之后,根据贝叶斯公式,可计算得到当前车道路况为极其拥堵的第一概率P(C1|X4,Y2),如公式(2)所示。
同样地,可计算得到当前车道路况为拥堵、缓行、畅通的第一概率,分别为P(C2|X4,Y2)、P(C3|X4,Y2)、P(C4|X4,Y2)。
比较当前车道路况为极其拥堵、拥堵、缓行、畅通的第一概率,即比较P(C1|X4,Y2)、P(C2|X4,Y2)、P(C3|X4,Y2)、P(C4|X4,Y2)的大小,将最大的第一概率对应的路况作为目标路况,从而计算出在基于延迟数据得到当前车道此刻的路况为畅通和此刻下一车道的路况为拥堵的情况下,当前车道的目标路况。
S205,基于待行驶车道上的各车辆的行车数据获取每个待行驶车道的目标路况。
在目标车辆行驶的过程中,每个待行驶车道上的各个车辆可将行车数据进行上传,从而终端设备可接收行驶在待行驶车道上的各个车辆的行车数据。其中,行车数据可包括车辆的行驶速度。
针对每个待行驶车道,从行车数据中获取待行驶车道上各个车辆的行驶速度。然后,根据行驶速度确定待行驶车道的目标路况。
具体地,对每个待行驶车道上所有车辆的行驶速度进行加权平均,得到待行驶车道的加权行驶速度,计算过程中可将权重设为1。本实施例中,可预先建立行驶速度范围与车道路况的对应关系,在获得加权行驶速度后,将加权行驶速度与预设的各路况的行驶速度范围进行比较,确定加权行驶速度所落入的目标行驶速度范围,进而将目标行驶速度范围对应的路况作为待行驶车道的目标路况。
例如,行驶速度小于10km/h对应的车道路况为极其拥堵,[10km/h,15km/h)对应的车道路况为拥堵,[15km/h,30km/h]对应的车道路况为缓行,30km/h以上对应的车道路况为畅通。经过计算某条待行驶车道的加权行驶速度为35km/h,则对应的行驶速度范围为超过30km/h,该行驶速度范围对应的车道路况为畅通,从而可以确定该待行驶车道的目标路况为畅通。
S206,在导航的路径上标记出当前车道以及每个待行驶车道的目标路况。
本实施例中,可预先建立车道路况与导航路径上车道方向符号的颜色的对应关系。例如,车道路况极其拥堵、拥堵、缓行、畅通,对应的车道方向符号的颜色分别为红色、橙色、黄色、绿色。
本实施例中,根据目标车辆所处的当前车道以及当前车道的目标路况,可在导航的路径上对当前车道的目标路况,按照与当前车道的目标路况对应的标记格式进行标记,并通过显示屏进行显示。
例如,目标车辆所处的当前车道为左转车道,且当前车道的目标路况为畅通,可在显示屏上将当前车道的左转符号显示为绿色。
同样地,可在导航的路径上对待行驶车道的路况,按照预设的格式进行标记,并在显示屏上显示。
需要说明的是,本实施例提出的车辆导航方法,也可运用在服务器上。服务器可以执行上述步骤,然后将标记结果反馈给终端设备,由终端设备进行显示。
本发明实施例的车辆导航方法,根据目标车辆的行驶轨迹确定目标车辆所处的当前车道,以及根据当前车道和导航的路径,获取从当前车道到达目的地过程中目标车辆的待行驶车道,获取当前车道的目标路况和每个待行驶车道的目标路况,在导航的路径上标记出当前车道以及每个待行驶车道的目标路况。本实施例中,先确定目标车辆所处的当前车道和从当前车道到达目的地过程中的待行驶车道,再获取当前车道的目标路况和每个待行驶车道的目标路况,并在导航路径上进行标记,实现了基于车道标记路况,使车辆在行驶过程中可以获知当前车道和待行驶车道的路况,提高了路况判断的准确度和导航精度,解决了现有技术中基于道路显示路况的导航方法,存在路况判断准确度低的问题。
为了实现上述实施例,本发明还提出一种车辆导航装置。
如图6所示,该车辆导航装置包括:确定模块610、第一获取模块620、第二获取模块630、标记模块640。
其中,确定模块610用于根据目标车辆的行驶轨迹确定目标车辆所处的当前车道。
第一获取模块620用于根据当前车道和导航的路径,获取从当前车道到达目的地过程中目标车辆的待行驶车道。
第二获取模块630用于获取当前车道的目标路况和每个待行驶车道的目标路况。
标记模块640用于在导航的路径上标记出当前车道以及每个待行驶车道的目标路况。
在本实施例一种可能的实现方式中,如图7所示,第二获取模块630包括:第一获取单元631、第二获取单元632、确定单元633。
其中,第一获取单元631用于获取历史行车数据作为样本数据。
第二获取单元632用于基于样本数据和预设的贝叶斯分类算法,获取当前车道各路况下的第一概率。
确定单元633用于将最大的第一概率所对应的路况作为当前车道的目标路况。
在本实施例一种可能的实现方式中,第二获取单元632用于:
根据样本数据,获取当前通行时刻下当前车道第i路况下的第二概率;其中,历史行车数据中包括当前车道和所述当前车道的下一车道的行车数据;
在当前车道处于第i路况下,获取当前车道可能识别为第j路况下的第三概率;
在当前车道处于第i路况下,获取下一车道可能识别为第k路况下的第四概率;
根据第i路况下的第三概率和所述第四概率,得到第i路况下当前车道可能识别为第j路况和下一车道可能识别为第k路况的联合概率;
基于第i路况下的第二概率和第i路况下的所述联合概率,得到当前车道第i路况下的第一概率;
其中,1≤i≤N;1≤j≤N,1≤k≤N。
在本实施例一种可能的实现方式中,第二获取模块630还用于:
针对每个待行驶车辆,接收行驶在待行驶车道上的各车辆的行车数据;
从行车数据中获取各车辆的行驶速度;
根据行驶速度确定待行驶车道的目标路况。
在本实施例一种可能的实现方式中,第二获取模块630还用于:
对所有车辆的行驶速度进行加权平均,得到待行驶车道的加权行驶速度;
将加权行驶速度与预设的各路况的行驶速度范围进行比较,确定加权行驶速度所落入的目标行驶速度范围;
将目标行驶速度范围对应的路况作为待行驶车道的目标路况。
在本实施例一种可能的实现方式中,如图8所示,该车辆导航装置还包括:导航模块650。
其中,导航模块650用于获取用户的出发点和目的地,根据出发点和目的地,为目标车辆导航所述路径。
在本实施例一种可能的实现方式中,标记模块640还用于:
在导航的路径上对当前车道的目标路况,按照与当前车道的目标路况对应的标记格式进行标记,并通过显示屏进行显示;
在导航的路径上对待行驶车道的目标路况,按照与待行驶车道的目标路况对应的标记格式进行标记,并通过显示屏进行显示。
需要说明的是,前述对车辆导航方法实施例的解释说明,也适用于本实施例的车辆导航装置,在此不再赘述。
本发明实施例的车辆导航装置,根据目标车辆的行驶轨迹确定目标车辆所处的当前车道,以及根据当前车道和导航的路径,获取从当前车道到达目的地过程中目标车辆的待行驶车道,获取当前车道的目标路况和每个待行驶车道的目标路况,在导航的路径上标记出当前车道以及每个待行驶车道的目标路况。本实施例中,先确定目标车辆所处的当前车道和从当前车道到达目的地过程中的待行驶车道,再获取当前车道的目标路况和每个待行驶车道的目标路况,并在导航路径上进行标记,实现了基于车道标记路况,使车辆在行驶过程中可以获知当前车道和待行驶车道的路况,提高了路况判断的准确度和导航精度,解决了现有技术中基于道路显示路况的导航方法,存在路况判断准确度低的问题。
为了实现上述实施例,本发明提出一种计算机设备,包括处理器和存储器;其中,处理器通过读取存储器中存储的可执行程序代码来运行与可执行程序代码对应的程序,以用于实现如前述实施例所述的车辆导航方法。
为了实现上述实施例,本发明还提出一种计算机程序产品,计算机程序产品中的指令由处理器执行时,执行如前述实施例所述的车辆导航方法。
为了实现上述实施例,本发明还提出一种非临时性计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如前述实施例所述的车辆导航方法。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本发明的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本发明的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行***、装置或设备(如基于计算机的***、包括处理器的***或其他可以从指令执行***、装置或设备取指令并执行指令的***)使用,或结合这些指令执行***、装置或设备而使用。就本说明书而言,"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行***、装置或设备或结合这些指令执行***、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序,然后将其存储在计算机存储器中。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行***执行的软件或固件来实现。如,如果用硬件来实现和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
此外,在本发明各个实施例中的各功能单元可以集成在一个处理模块中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器,磁盘或光盘等。尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (15)
1.一种车辆导航方法,其特征在于,包括:
根据目标车辆的行驶轨迹确定所述目标车辆所处的当前车道;
根据所述当前车道和导航的路径,获取从所述当前车道到达目的地过程中所述目标车辆的待行驶车道;
获取所述当前车道的目标路况和每个待行驶车道的目标路况;
在导航的所述路径上标记出所述当前车道以及每个待行驶车道的所述目标路况。
2.根据权利要求1所述的方法,其特征在于,所述获取当前车道的目标路况,包括:
获取历史行车数据作为样本数据;
基于所述样本数据和预设的贝叶斯分类算法,获取所述当前车道各路况下的第一概率;
将最大的所述第一概率所对应的路况作为所述当前车道的目标路况。
3.根据权利要求2所述的方法,其特征在于,所述基于所述样本数据和预设的贝叶斯分类算法,获取所述当前车道各路况下的第一概率,包括:
根据所述样本数据,获取当前通行时刻下所述当前车道第i路况下的第二概率;其中,所述历史行车数据中包括所述当前车道和所述当前车道的下一车道的行车数据;
在所述当前车道处于第i路况下,获取所述当前车道可能识别为第j路况下的第三概率;
在所述当前车道处于第i路况下,获取所述下一车道可能识别为第k路况下的第四概率;
根据所述第i路况下的所述第三概率和所述第四概率,得到所述第i路况下所述当前车道可能识别为第j路况和所述下一车道可能识别为所述第k路况的联合概率;
基于所述第i路况下的第二概率和所述第i路况下的所述联合概率,得到所述当前车道第i路况下的第一概率;
其中,1≤i≤N;1≤j≤N,1≤k≤N。
4.根据权利要求1所述的方法,其特征在于,所述获取每个待行驶车道的目标路况,包括:
针对每个待行驶车辆,接收行驶在所述待行驶车道上的各车辆的行车数据;
从所述行车数据中获取各车辆的行驶速度;
根据所述行驶速度确定所述待行驶车道的目标路况。
5.根据权利要求4所述的方法,其特征在于,所述根据所述行驶速度确定所述待行驶车道的目标路况,包括:
对所有车辆的行驶速度进行加权平均,得到所述待行驶车道的加权行驶速度;
将所述加权行驶速度与预设的各路况的行驶速度范围进行比较,确定所述加权行驶速度所落入的目标行驶速度范围;
将所述目标行驶速度范围对应的路况作为所述待行驶车道的目标路况。
6.根据权利要求1-5任一项所述的方法,其特征在于,所述根据目标车辆的行驶轨迹确定所述目标车辆所处的当前车道之前,还包括:
获取用户的出发点和目的地,根据所述出发点和所述目的地,为所述目标车辆导航所述路径。
7.根据权利1-5任一项所述的方法,其特征在于,所述在导航的所述路径上标记出所述当前车道以及每个待行驶车道的目标路况,包括:
在导航的所述路径上对所述当前车道的目标路况,按照与所述当前车道的目标路况对应的标记格式进行标记,并通过显示屏进行显示;
在导航的所述路径上对所述待行驶车道的目标路况,按照与所述待行驶车道的目标路况对应的标记格式进行标记,并通过显示屏进行显示。
8.一种车辆导航装置,其特征在于,包括:
确定模块,用于根据目标车辆的行驶轨迹确定所述目标车辆所处的当前车道;
第一获取模块,用于根据所述当前车道和导航的路径,获取从所述当前车道到达目的地过程中所述目标车辆的待行驶车道;
第二获取模块,用于获取所述当前车道的目标路况和每个待行驶车道的目标路况;
标记模块,用于在导航的所述路径上标记出所述当前车道以及每个待行驶车道的所述目标路况。
9.根据权利要求8所述的车辆导航装置,其特征在于,所述第二获取模块,包括:
第一获取单元,用于获取历史行车数据作为样本数据;
第二获取单元,用于基于所述样本数据和预设的贝叶斯分类算法,获取所述当前车道各路况下的第一概率;
确定单元,用于将最大的所述第一概率所对应的路况作为所述当前车道的目标路况。
10.根据权利要求9所述的车辆导航装置,其特征在于,所述第二获取单元,用于:
根据所述样本数据,获取当前通行时刻下所述当前车道第i路况下的第二概率;其中,所述历史行车数据中包括所述当前车道和所述当前车道的下一车道的行车数据;
在所述当前车道处于第i路况下,获取所述当前车道可能识别为第j路况下的第三概率;
在所述当前车道处于第i路况下,获取所述下一车道可能识别为第k路况下的第四概率;
根据所述第i路况下的所述第三概率和所述第四概率,得到所述第i路况下所述当前车道可能识别为第j路况和所述下一车道可能识别为所述第k路况的联合概率;
基于所述第i路况下的第二概率和所述第i路况下的所述联合概率,得到所述当前车道第i路况下的第一概率;
其中,1≤i≤N;1≤j≤N,1≤k≤N。
11.根据权利要求8所述的车辆导航装置,其特征在于,所述第二获取模块,还用于:
针对每个待行驶车辆,接收行驶在所述待行驶车道上的各车辆的行车数据;
从所述行车数据中获取各车辆的行驶速度;
根据所述行驶速度确定所述待行驶车道的目标路况。
12.根据权利要求11所述的车辆导航装置,其特征在于,所述第二获取模块,还用于:
对所有车辆的行驶速度进行加权平均,得到所述待行驶车道的加权行驶速度;
将所述加权行驶速度与预设的各路况的行驶速度范围进行比较,确定所述加权行驶速度所落入的目标行驶速度范围;
将所述目标行驶速度范围对应的路况作为所述待行驶车道的目标路况。
13.一种计算机设备,其特征在于,包括处理器和存储器;其中,所述处理器通过读取所述存储器中存储的可执行程序代码来运行与所述可执行程序代码对应的程序,以用于实现如权利要求1-7中任一所述的车辆导航方法。
14.一种计算机程序产品,其特征在于,当所述计算机程序产品中的指令由处理器执行时,执行如权利要求1-7中任一所述的车辆导航方法。
15.一种非临时性计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如权利要求1-7中任一所述的车辆导航方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710652413.1A CN109387210B (zh) | 2017-08-02 | 2017-08-02 | 车辆导航方法及其装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710652413.1A CN109387210B (zh) | 2017-08-02 | 2017-08-02 | 车辆导航方法及其装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109387210A true CN109387210A (zh) | 2019-02-26 |
CN109387210B CN109387210B (zh) | 2022-03-29 |
Family
ID=65412821
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710652413.1A Active CN109387210B (zh) | 2017-08-02 | 2017-08-02 | 车辆导航方法及其装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109387210B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109782776A (zh) * | 2019-03-28 | 2019-05-21 | 北京百度网讯科技有限公司 | 无人车的车道选择方法、装置及存储介质 |
CN111582030A (zh) * | 2020-04-02 | 2020-08-25 | 北京百度网讯科技有限公司 | 红绿灯的识别方法、装置、电子设备和计算机存储介质 |
CN111798658A (zh) * | 2019-11-08 | 2020-10-20 | 方勤 | 行驶车道通行效率检测平台 |
CN112262419A (zh) * | 2019-03-22 | 2021-01-22 | 京东方科技集团股份有限公司 | 目标车辆的快速通行方法及装置 |
CN114092911A (zh) * | 2021-11-23 | 2022-02-25 | 北京百度网讯科技有限公司 | 一种道路识别方法、装置、电子设备以及存储介质 |
WO2022088722A1 (zh) * | 2020-10-30 | 2022-05-05 | 上海商汤临港智能科技有限公司 | 导航方法、装置、智能驾驶设备及存储介质 |
CN114537450A (zh) * | 2022-04-25 | 2022-05-27 | 小米汽车科技有限公司 | 车辆控制方法、装置、介质、芯片、电子设备及车辆 |
CN114863285A (zh) * | 2022-05-27 | 2022-08-05 | 北京百度网讯科技有限公司 | 识别目标道路的方法、装置、设备以及存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050125153A1 (en) * | 2003-12-03 | 2005-06-09 | Nissan Motor Co., Ltd. | Automotive lane deviation prevention apparatus |
CN101866143A (zh) * | 2009-04-14 | 2010-10-20 | 北京宏德信智源信息技术有限公司 | 基于时空特征聚合的道路交通服务水平预测预报方法 |
CN103927891A (zh) * | 2014-04-29 | 2014-07-16 | 北京建筑大学 | 一种基于双贝叶斯的路口动态转向比例两步预测方法 |
US20150262480A1 (en) * | 2014-03-13 | 2015-09-17 | Here Global B.V. | Lane Level Congestion Splitting |
CN104933856A (zh) * | 2014-03-17 | 2015-09-23 | 径卫视觉科技(上海)有限公司 | 道路路况实时评估***及方法 |
CN105074793A (zh) * | 2013-03-15 | 2015-11-18 | 凯利普公司 | 用于车辆路径规划和交通管理的车道级车辆导航 |
CN106611497A (zh) * | 2015-10-27 | 2017-05-03 | 现代自动车株式会社 | 交通量预测***及预测方法、车辆用显示装置以及车辆 |
US9672734B1 (en) * | 2016-04-08 | 2017-06-06 | Sivalogeswaran Ratnasingam | Traffic aware lane determination for human driver and autonomous vehicle driving system |
-
2017
- 2017-08-02 CN CN201710652413.1A patent/CN109387210B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050125153A1 (en) * | 2003-12-03 | 2005-06-09 | Nissan Motor Co., Ltd. | Automotive lane deviation prevention apparatus |
CN101866143A (zh) * | 2009-04-14 | 2010-10-20 | 北京宏德信智源信息技术有限公司 | 基于时空特征聚合的道路交通服务水平预测预报方法 |
CN105074793A (zh) * | 2013-03-15 | 2015-11-18 | 凯利普公司 | 用于车辆路径规划和交通管理的车道级车辆导航 |
US20150262480A1 (en) * | 2014-03-13 | 2015-09-17 | Here Global B.V. | Lane Level Congestion Splitting |
CN104933856A (zh) * | 2014-03-17 | 2015-09-23 | 径卫视觉科技(上海)有限公司 | 道路路况实时评估***及方法 |
CN103927891A (zh) * | 2014-04-29 | 2014-07-16 | 北京建筑大学 | 一种基于双贝叶斯的路口动态转向比例两步预测方法 |
CN106611497A (zh) * | 2015-10-27 | 2017-05-03 | 现代自动车株式会社 | 交通量预测***及预测方法、车辆用显示装置以及车辆 |
US9672734B1 (en) * | 2016-04-08 | 2017-06-06 | Sivalogeswaran Ratnasingam | Traffic aware lane determination for human driver and autonomous vehicle driving system |
Non-Patent Citations (2)
Title |
---|
DEAN, ADAM J 等: "Terrain-Based Road Vehicle Localization on Multi-Lane Highways", 《2009 AMERICAN CONTROL CONFERENCE》 * |
王晓原等: "驾驶员多源信息融合协同仿真算法研究", 《计算机工程与应用》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112262419A (zh) * | 2019-03-22 | 2021-01-22 | 京东方科技集团股份有限公司 | 目标车辆的快速通行方法及装置 |
CN109782776A (zh) * | 2019-03-28 | 2019-05-21 | 北京百度网讯科技有限公司 | 无人车的车道选择方法、装置及存储介质 |
CN111798658A (zh) * | 2019-11-08 | 2020-10-20 | 方勤 | 行驶车道通行效率检测平台 |
CN111582030A (zh) * | 2020-04-02 | 2020-08-25 | 北京百度网讯科技有限公司 | 红绿灯的识别方法、装置、电子设备和计算机存储介质 |
CN111582030B (zh) * | 2020-04-02 | 2023-08-29 | 北京百度网讯科技有限公司 | 红绿灯的识别方法、装置、电子设备和计算机存储介质 |
WO2022088722A1 (zh) * | 2020-10-30 | 2022-05-05 | 上海商汤临港智能科技有限公司 | 导航方法、装置、智能驾驶设备及存储介质 |
CN114092911A (zh) * | 2021-11-23 | 2022-02-25 | 北京百度网讯科技有限公司 | 一种道路识别方法、装置、电子设备以及存储介质 |
CN114537450A (zh) * | 2022-04-25 | 2022-05-27 | 小米汽车科技有限公司 | 车辆控制方法、装置、介质、芯片、电子设备及车辆 |
CN114863285A (zh) * | 2022-05-27 | 2022-08-05 | 北京百度网讯科技有限公司 | 识别目标道路的方法、装置、设备以及存储介质 |
CN114863285B (zh) * | 2022-05-27 | 2023-09-05 | 北京百度网讯科技有限公司 | 识别目标道路的方法、装置、设备以及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN109387210B (zh) | 2022-03-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109387210A (zh) | 车辆导航方法及其装置 | |
CN107063287B (zh) | 信息处理装置及方法、以及车辆的信息处理装置及方法 | |
CN109583151A (zh) | 车辆的行驶轨迹预测方法及装置 | |
CN104299441B (zh) | 计算机程序产品和车辆的驾驶员辅助*** | |
JP6069650B2 (ja) | 交通標識認識方法 | |
US9672739B2 (en) | Map data update device | |
US20080275635A1 (en) | Method for recognizing traveling lane and making lane change | |
CN107944375A (zh) | 基于场景分割的自动驾驶处理方法及装置、计算设备 | |
US11681296B2 (en) | Scenario-based behavior specification and validation | |
US11915115B2 (en) | Lane selection using machine learning | |
CN106092121A (zh) | 车辆导航方法和装置 | |
CN104870289B (zh) | 用于为机动车提供运行策略的方法 | |
CN104615897B (zh) | 基于低频gps数据的路段行程时间估算方法 | |
CN105034807B (zh) | 驾驶辅助装置及方法 | |
CN105612569A (zh) | 驻车车辆检测装置、车辆管理***以及控制方法 | |
US10147315B2 (en) | Method and apparatus for determining split lane traffic conditions utilizing both multimedia data and probe data | |
SE1250443A1 (sv) | Stödsystem och metod för att formera fordonståg | |
CN104613974B (zh) | 导航时间获取方法、***、导航方法和装置 | |
CN107850456A (zh) | 路径引导装置以及路径引导方法 | |
CN109070889A (zh) | 自动驾驶车辆的基于减速路缘的方向检测和车道保持*** | |
CN108133610A (zh) | 交叉路口车辆行驶控制方法、装置及车载终端 | |
CN108291814A (zh) | 用于在环境中点精确地定位机动车的方法、设备、地图管理装置和*** | |
CN108171967A (zh) | 一种交通控制方法及装置 | |
CN108133484A (zh) | 基于场景分割的自动驾驶处理方法及装置、计算设备 | |
CN102201174B (zh) | 行驶道路推测*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |