CN109410584B - 一种路况检测方法及装置 - Google Patents

一种路况检测方法及装置 Download PDF

Info

Publication number
CN109410584B
CN109410584B CN201811513732.5A CN201811513732A CN109410584B CN 109410584 B CN109410584 B CN 109410584B CN 201811513732 A CN201811513732 A CN 201811513732A CN 109410584 B CN109410584 B CN 109410584B
Authority
CN
China
Prior art keywords
road section
time
reference vehicle
current
determining
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201811513732.5A
Other languages
English (en)
Other versions
CN109410584A (zh
Inventor
苏程愷
彭军
楼天城
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Xiaoma Huixing Technology Co ltd
Beijing PonyAi Science And Technology Co ltd
Original Assignee
Beijing Xiaoma Huixing Technology Co ltd
Beijing PonyAi Science And Technology Co ltd
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 Beijing Xiaoma Huixing Technology Co ltd, Beijing PonyAi Science And Technology Co ltd filed Critical Beijing Xiaoma Huixing Technology Co ltd
Priority to CN201811513732.5A priority Critical patent/CN109410584B/zh
Publication of CN109410584A publication Critical patent/CN109410584A/zh
Application granted granted Critical
Publication of CN109410584B publication Critical patent/CN109410584B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G08SIGNALLING
    • G08GTRAFFIC CONTROL SYSTEMS
    • G08G1/00Traffic control systems for road vehicles
    • G08G1/01Detecting movement of traffic to be counted or controlled
    • G08G1/0104Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125Traffic data processing
    • G08G1/0133Traffic data processing for classifying traffic situation

Landscapes

  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Traffic Control Systems (AREA)

Abstract

本申请提供了一种路况检测方法及装置,该方法包括:确定在参考车辆的当前行驶路段内除参考车辆之外其他车辆的实际数量,以及确定参考车辆在当前行驶路段的整个路段或部分路段内的行驶时长;判断实际数量是否超过预设数量,以及判断行驶时长是否超过预设时长;若判断出实际数量超过预设数量,和/或,行驶时长超过预设时长,则确定当前行驶路段为拥堵路段。本申请不仅可以根据车辆数量的判断结果来确定当前行驶路段是否存在拥堵,还可以根据行驶时长的判断结果来确定是否存在拥堵,能够对实时路况进行全面检测,从而方便用户合理出行。

Description

一种路况检测方法及装置
技术领域
本申请涉及车辆技术领域,具体而言,涉及一种路况检测方法及装置。
背景技术
随着道路上车辆数量的快速增长,道路拥堵的机率也随之增加,并且拥堵通常集中在道路交叉口、道路出入口和道路事故点等容易形成拥堵点的位置。因拥堵导致车辆滞留于道路上的时间少则数分钟多则几十分钟,这样,会极度浪费人们的出行时间。
现有技术中,交通部门会在一些拥堵状况较多的路段设置监控摄像头,将摄取下来的图像信息传送回控制中心,通过控制中心的分析和处理,得到相关路段的拥堵信息,并可以将拥堵信息广而告之。
由于监控摄像头设置的位置以及姿态固定,因此监控摄像头的采集区域也较为固定,在监控摄像头的采集区域较为固定的情况下,可能存在一定的监控盲区,甚至还存在一些未能设置监控摄像头的路段,例如,国道或省道上较为偏僻的乡村路段。上述情况均导致无法全面的获悉道路的拥堵信息而直接影响了人们的出行活动。可见,如何对路况进行全面检测成为了一个亟待解决的问题。
发明内容
有鉴于此,本申请实施例的目的在于提供一种路况检测方法及装置,能够对路段的实时路况信息进行全面检测,方便用户合理出行。
第一方面,本申请实施例提供了一种路况检测方法,其中,包括:
确定在参考车辆的当前行驶路段内除参考车辆之外其他车辆的实际数量,以及确定所述参考车辆在所述当前行驶路段的整个路段或部分路段内的行驶时长;
判断所述实际数量是否超过预设数量,以及判断所述行驶时长是否超过预设时长;
若判断出所述实际数量超过所述预设数量,和/或,所述行驶时长超过所述预设时长,则确定所述当前行驶路段为拥堵路段。
结合第一方面,本申请实施例提供了第一方面的第一种可能的实施方式,其中,在确定所述当前行驶路段为拥堵路段之后,还包括:
获取所述拥堵路段对应的拥堵图像;
将所述拥堵路段对应的拥堵图像及行驶时长上传至服务器。
结合第一方面,本申请实施例提供了第一方面的第二种可能的实施方式,其中,在所述确定在参考车辆的当前行驶路段内除参考车辆之外其他车辆的实际数量之前,还包括:
基于预设行驶路段与预设地理位置之间的映射关系,确定所述参考车辆的当前位置落入的预设行驶路段;
将确定的预设行驶路段作为当前行驶路段;
所述确定在参考车辆的当前行驶路段内除参考车辆之外其他车辆的实际数量,包括:
通过所述参考车辆设置的激光雷达向外发射第一激光信号,并接收所述第一激光信号反射回来的第二激光信号;
根据发射所述第一激光信号时的第一时间、接收所述第二激光信号时的第二时间、以及发射所述第一激光信号时所述参考车辆的当前位置,确定除所述参考车辆之外其他车辆的位置;
判断除所述参考车辆之外其他车辆的位置是否落入所述当前行驶路段,若是,则统计在参考车辆的当前行驶路段内除参考车辆之外其他车辆的实际数量。
结合第一方面,本申请实施例提供了第一方面的第三种可能的实施方式,其中,确定所述参考车辆在所述当前行驶路段的整个路段内的行驶时长,包括:
确定驶入所述当前行驶路段时对应的第一行驶时间,以及驶出所述当前行驶路段时对应的第二行驶时间;
根据所述第一行驶时间与所述第二行驶时间,确定所述参考车辆在所述当前行驶路段的整个路段内的行驶时长。
结合第一方面,本申请实施例提供了第一方面的第四种可能的实施方式,其中,确定所述参考车辆在所述当前行驶路段的部分路段内的行驶时长,包括:
确定驶入所述当前行驶路段时对应的第一行驶时间,以及在所述当前行驶路段内当前行驶位置对应的第三行驶时间;
根据所述第一行驶时间与所述第三行驶时间,确定所述参考车辆在所述当前行驶路段的部分路段内的行驶时长。
结合第一方面的第四种可能的实施方式,本申请实施例提供了第一方面的第五种可能的实施方式,其中,所述根据所述第一行驶时间与所述第三行驶时间,确定所述参考车辆在所述当前行驶路段的部分路段内的行驶时长之后,包括:
基于所述第三行驶时间对应的当前行驶位置,判断所述参考车辆的实际行驶位移是否超过预设行驶位移,若是,则将所述当前行驶路段对应的行驶时长上传至服务器。
第二方面,本申请实施例还提供了一种路况检测方法,其中,包括:
服务器接收各参考车辆上传的拥堵信息;其中,所述拥堵信息包括拥堵路段对应的行驶时长;
根据所述拥堵路段对应的各行驶时长计算所述拥堵路段的拥堵时间估计值,并将所述拥堵路段的拥堵时间估计值发送给目标车辆;其中,所述目标车辆为预设时间内通过所述拥堵路段的车辆。
结合第二方面,本申请实施例提供了第二方面的第一种可能的实施方式,其中,所述拥堵信息还包括拥堵路段对应的拥堵图像;所述方法还包括:
从所述拥堵路段对应的拥堵图像中提取拥堵特征信息;
将所述拥堵特征信息输入至预先训练好的类型检测模型中,得到所述拥堵路段的拥堵类型。
第三方面,本申请实施例还提供了一种路况检测装置,其中,包括:
第一确定模块,用于确定在参考车辆的当前行驶路段内除参考车辆之外其他车辆的实际数量,以及确定所述参考车辆在所述当前行驶路段的整个路段或部分路段内的行驶时长;
判断模块,用于判断所述实际数量是否超过预设数量,以及判断所述行驶时长是否超过预设时长;
第二确定模块,用于若判断出所述实际数量超过所述预设数量,和/或,所述行驶时长超过所述预设时长,则确定所述当前行驶路段为拥堵路段。
第四方面,本申请实施例还提供了一种路况检测装置,其中,包括:
接收模块,用于服务器接收各参考车辆上传的拥堵信息;其中,所述拥堵信息包括拥堵路段对应的行驶时长;
发送模块,用于根据所述拥堵路段对应的各行驶时长计算所述拥堵路段的拥堵时间估计值,并将所述拥堵路段的拥堵时间估计值发送给目标车辆;其中,所述目标车辆为预设时间内通过所述拥堵路段的车辆。
本申请实施例提供的一种路况检测方法及装置,采用确定在参考车辆的当前行驶路段内除参考车辆之外其他车辆的实际数量,以及确定参考车辆在当前行驶路段的整个路段或部分路段内的行驶时长;判断实际数量是否超过预设数量,以及判断行驶时长是否超过预设时长;若判断出实际数量超过预设数量,和/或,行驶时长超过预设时长,则确定当前行驶路段为拥堵路段。与现有技术中在路段上设置监控摄像头来采集路况信息,监控摄像头存在监控盲区,甚至一些路段未能设置监控摄像头,导致不能全面采集路段信息相比,本申请通过不仅可以根据车辆数量的判断结果来确定当前行驶路段是否存在拥堵,还可以根据行驶时长的判断结果来确定是否存在拥堵,能够对实时路况进行全面检测,从而方便用户合理出行。
为使本申请的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1示出了本申请实施例一所提供的一种路况检测方法的流程图;
图2示出了本申请实施例一所提供的另一种路况检测方法的流程图;
图3示出了本申请实施例一所提供的另一种路况检测方法的流程图;
图4示出了本申请实施例一所提供的另一种路况检测方法的流程图;
图5示出了本申请实施例一所提供的另一种路况检测方法的流程图;
图6示出了本申请实施例二所提供的一种路况检测方法的流程图;
图7示出了本申请实施例二所提供的另一种路况检测方法的流程图;
图8示出了本申请实施例三所提供的一种路况检测装置的结构示意图;
图9示出了本申请实施例四所提供的一种路况检测装置的结构示意图;
图10示出了本申请实施例所提供的车辆的结构示意图;
图11示出了本申请实施例所提供的服务器的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
目前,交通部门会在一些拥堵状况较多的路段上设置监控摄像头来采集路况信息,但是,监控摄像头设置的位置以及姿态固定,监控摄像头存在监控盲区,甚至一些路段未能设置监控摄像头,导致无法全面的获悉道路的拥堵信息而直接影响了人们的出行活动。基于此,本申请实施例提供的一种路况检测方法及装置,可以对路段的实时路况信息进行全面检测,方便用户合理出行。
为便于对本申请实施例进行理解,首先对本申请实施例所公开的一种路况检测方法进行详细介绍。具体的,实施例一以参考车辆为执行主体进行介绍,实施例二以服务器为执行主体进行介绍。
实施例一
如图1所示,为本申请实施例以参考车辆为执行主体时路况检测方法的流程图,具体步骤如下:
S101、确定在参考车辆的当前行驶路段内除参考车辆之外其他车辆的实际数量,以及确定参考车辆在当前行驶路段的整个路段或部分路段内的行驶时长。
这里,参考车辆上设置有激光雷达,激光雷达可以确定待测物体的位置信息、速度信息等。
其中,可以根据激光雷达采集的信息,确定在参考车辆的当前行驶路段内除参考车辆之外其他车辆的实际数量。
参考车辆在行驶过程中,可以通过传统定位***采集任一行驶时间对应的行驶位置,并基于行驶位置对应的行驶时间,确定参考车辆在当前行驶路段的整个路段或部分路段内的行驶时长。
S102、判断实际数量是否超过预设数量,以及判断行驶时长是否超过预设时长。
这里,根据当前行驶路段的范围,可以预先设置该当前行驶路段内可以同时存在车辆的总数量,在上述总数量的基础上除去参考车辆本身,即得到预设数量,可以通过将实际数量与预设数量进行对比来判断当前行驶路段是否为拥堵路段。
还可以根据当前行驶路段的范围以及该当前行驶路段允许的最低车速,计算车辆通过当前行驶路段的最大时长,并将该时长作为预设时长。进一步,通过将参考车辆实际行驶该当前行驶路段的行驶时长与预设时长进行对比,来判断当前行驶路段是否为拥堵路段。
其中,实际应用中可以对上述两种条件中的至少一个进行判断,来确定拥堵路段,基于两种条件进行判断时,可以对采集到的信息进行全面的分析、判断,以确保判断结果较为准确。
S103、若判断出实际数量超过预设数量,和/或,行驶时长超过预设时长,则确定当前行驶路段为拥堵路段。
这里,基于上述判断可以分为三种情况:
第一种:判断结果为实际数量超过预设数量,而行驶时长未超过预设时长;
第二种:判断结果为实际数量未超过预设数量,而行驶时长超过预设时长;
第三种:判断结果为实际数量超过预设数量,且行驶时长超过预设时长。
上述三种情况,均可以确定当前行驶路段为拥堵路段。
另外,在判断结果为实际数量未超过预设数量,且行驶时长未超过预设时长时,则将当前行驶路段作为畅通路段。
S104、获取拥堵路段对应的拥堵图像。
这里,在确定当前行驶路段为拥堵路段之后,可以利用参考车辆设置的摄像头拍摄拥堵路段对应的拥堵图像。其中,该摄像头可以360度实时进行图像采集。
其中,该摄像头可以在确定拥堵路段之后,可以针对拥堵路段进行图像采集;也可以是根据拥堵路段,在摄像头采集的图像库中查找拥堵路段对应的拥堵图像。本申请实施例对此不做限定。
S105、将拥堵路段对应的拥堵图像及行驶时长上传至服务器。
这里,将上述确定的拥堵路段对应的拥堵图像及行驶时长上传至服务器,以便于服务器可以根据该拥堵图像及行驶时长进行后续的分析、处理工作,例如:可以根据拥堵图像判断该拥堵路段的拥堵类型;可以根据行驶时长计算拥堵时间估计值等。
综上,本申请实施例通过参考车辆设置的激光雷达实时获取当前行驶路段内除参考车辆之外其他车辆的实际数量,以及确定参考车辆在当前行驶路段的整个路段或部分路段内的行驶时长,来确定当前行驶路段是否为拥堵路段,可以全面的获取当前行驶路段内路况的所有信息,进而可以对路段的实时路况信息进行全面检测,方便用户合理出行。
接下来,分两个方面具体阐述如何确定在参考车辆的当前行驶路段内除参考车辆之外其他车辆的实际数量,以及如何确定参考车辆在当前行驶路段的整个路段或部分路段内的行驶时长。
第一方面:根据激光雷达采集的信息确定在参考车辆的当前行驶路段内除参考车辆之外其他车辆的实际数量,并且,在确定该实际数量之前,需要进行如图2所示的步骤,具体如下:
S201、基于预设行驶路段与预设地理位置之间的映射关系,确定所述参考车辆当前位置落入的预设行驶路段;
S202、将确定的预设行驶路段作为当前行驶路段。
这里,预设行驶路段可以是预先在地图上划分好的,比如:辅路上的一些车辆会从道路汇入口处进入主路,那么,可以划分道路入口前50米以及后100米的范围为一个预设行驶路段。
其中,预设行驶路段与预设地理位置之间存在一种映射关系为:每一个预设地理位置均对应有一个预设行驶路段,但每一个预设行驶路段对应有至少一个预设地理位置。
基于上述预设行驶路段与预设地理位置之间的映射关系,判断参考车辆当前位置落入哪一个预设行驶路段,并将参考车辆当前位置落入的预设行驶路段作为当前行驶路段。
其中,参考车辆行驶过程中任一行驶时刻对应的行驶位置均会进行记录,并且参考车辆行驶过程中的行驶位置可以由全球定位***(Global Positioning System,GPS)等传统定位***进行采集。
这里,根据激光雷达采集的信息确定实际数量的具体方法可以参照图3所示的流程图,具体步骤如下:
S301、通过参考车辆设置的激光雷达向外发射第一激光信号,并接收第一激光信号反射回来的第二激光信号;
S302、根据发射第一激光信号时的第一时间、接收第二激光信号时的第二时间、以及发射第一激光信号时参考车辆的当前位置,确定除参考车辆之外其他车辆的位置;
S303、判断除参考车辆之外其他车辆的位置是否落入当前行驶路段,若是,则统计在参考车辆的当前行驶路段内除参考车辆之外其他车辆的实际数量。
这里,激光雷达的发射***会发射出第一激光信号,该第一激光信号遇到障碍物(也即除参考车辆之外的任一车辆)会反射回来,反射回来的为携带有该车辆信息的第二激光信号,激光雷达的接收***接收第二激光信号。
参考车辆的处理器会记录激光雷达的发射***发射第一激光信号时对应的第一时间,以及在发射第一激光信号时参考车辆所处的当前位置,并根据上述第一时间、发射第一激光信号时参考车辆的当前位置以及接收第二激光信号时的第二时间确定第一激光信号对应的车辆的位置。
具体的,由于参考车辆上设置的激光雷达可以360度进行信息采集,因此,该激光雷达可以采集以激光雷达为中心,以200米为半径的区域内的信息。由上述方法,参考车辆的激光雷达可以确定激光雷达的采集区域内所有车辆的位置。其中,上述半径为激光雷达通常达到的采集距离,但是该半径会根据激光雷达的激光特性以及采集信息时的天气不同会有所差别。例如:下雨的天气激光雷达的采集距离会减小。
进一步的,在确定第二激光信号对应的车辆的位置之后,判断第二激光信号对应的车辆的位置是否落入当前行驶路段,若第二激光信号对应的车辆的位置落入了当前行驶路段,则第二激光信号对应的车辆为当前行驶路段内除参考车辆之外的任一其他车辆,对第二激光信号对应的车辆进行计数,统计在参考车辆的当前行驶路段内除参考车辆之外其他车辆的实际数量。若第二激光信号对应的车辆的位置没有落入当前行驶路段,则对该车辆不进行计数。
其中,在判断第二激光信号对应的车辆的位置是否落入当前行驶路段时,即使车辆的部分(车头或车尾)落入当前行驶路段,也可以对该车辆进行计数。
第二方面:在确定参考车辆在当前行驶路段的整个路段或部分路段内的行驶时长之前,参考车辆先判断参考车辆是否驶出当前行驶路段,若确定参考车辆已经驶出当前行驶路段,则根据图4所示的流程图确定参考车辆在当前行驶路段的整个路段内的行驶时长,具体步骤如下:
S401、确定驶入当前行驶路段时对应的第一行驶时间,以及驶出当前行驶路段时对应的第二行驶时间;
S402、根据第一行驶时间与第二行驶时间,确定参考车辆在当前行驶路段的整个路段内的行驶时长。
如上述所说,参考车辆行驶过程中任一行驶时刻对应的行驶位置均会进行记录,那么在确定行驶位置之后,也会得到该行驶位置对应的行驶时间。
具体的,可以在记录的数据中查找参考车辆驶入当前行驶路段时对应的第一行驶时间,并且查找参考车辆驶出当前行驶路段时对应的第二行驶时间,计算第一行驶时间与第二行驶时间的第一时间差值,该第一时间差值即为参考车辆在当前行驶路段的整个路段内的行驶时长。
进而,判断当前行驶路段的整个路段内的行驶时长是否超过预设时长,若超过,则确定当前行驶路段为拥堵路段,并且参考车辆将该拥堵路段对应的行驶时长上传至服务器。
另外,若参考车辆还未驶出当前行驶路段,则根据图5所示的流程图确定参考车辆在当前行驶路段的部分路段内的行驶时长,具体步骤如下:
S501、确定驶入当前行驶路段时对应的第一行驶时间,以及在当前行驶路段内当前行驶位置对应的第三行驶时间;
S502、根据第一行驶时间与第三行驶时间,确定参考车辆在当前行驶路段的部分路段内的行驶时长。
这里,依然是在记录的数据中查找参考车辆驶入当前行驶路段时对应的第一行驶时间,将参考车辆当前行驶位置对应的第三行驶时间与第一行驶时间进行第二时间差值的计算,第二时间差值为参考车辆在当前行驶路段的部分路段内的行驶时长。
一旦该第二时间差值超过预设时长,则确定当前行驶路段为拥堵路段,并且参考车辆将该拥堵路段的部分路段内的行驶时长(即第二时间差值)上传至服务器。其中,该预设时长可以是行驶路段的整个路段内的预设时长,也可以是行驶路段的部分路段内的预设时长。
在未驶出该当前行驶路段,并确定该当前行驶路段为拥堵路段之后,以第一次确定当前行驶路段为拥堵路段对应的当前行驶位置为参考位置,判断参考车辆相对于参考位置的实际行驶位移是否超过预设行驶位移,若超过,则将该拥堵路段的部分路段内的行驶时长上传至服务器。
例如:在参考车辆驶入当前行驶路段50米时,确定该当前行驶路段为拥堵路段,并将参考车辆行驶当前行驶路段50米对应的行驶时长上传至服务器。将距离参考车辆驶入当前行驶路段50米的位置设置为参考位置,并设置预设行驶位移为20米。在参考车辆的位置有所变化时,则计算当前行驶位置与参考位置之间的距离差值,也即实际行驶位移,一旦实际行驶位移超过20米,则在实际行驶位移超过20米对应的当前行驶位置处,再次计算拥堵路段的部分路段内的行驶时长,并上传至服务器。直至参考车辆驶出拥堵路段。
其中,可以一直以距离参考车辆驶入当前行驶路段50米的位置作为参考位置,判断实际行驶位移是否超过20米、40米等,每当确定实际行驶位移超过20米(即预设行驶位移)的倍数时,便计算拥堵路段的部分路段内的行驶时长,并上传至服务器。还可以在当前行驶路段50米的位置作为参考位置,确定参考车辆实际行驶位移超过20米后,计算拥堵路段的部分路段内的行驶时长,并上传至服务器,并将上传行驶时长时所处的位置作为下一次判断的参考位置,以此类推。本申请实施例对此不做限定。
值得说明的是,如若在参考车辆驶出当前行驶路段时对应的位置,相对于参考位置未超过预设行驶位移,在参考车辆驶出当前行驶路段时也会将拥堵路段的整个路段内的行驶时长上传至服务器。
实施例二
如图6所示,为本申请实施例以服务器为执行主体时路况检测方法的流程图,具体步骤如下:
S601、服务器接收各参考车辆上传的拥堵信息;其中,拥堵信息包括拥堵路段对应的行驶时长;
S602、根据拥堵路段对应的各行驶时长计算拥堵路段的拥堵时间估计值,并将拥堵路段的拥堵时间估计值发送给目标车辆;其中,目标车辆为预设时间内通过拥堵路段的车辆。
这里,服务器在接收各个参考车辆上传的拥堵信息时,可以同时接收在同一个拥堵路段的所有参考车辆上传的拥堵信息。拥堵信息包括拥堵路段对应的行驶时长。
服务器可以根据接收的不同参考车辆上传的同一个拥堵路段对应的各行驶时长,形成动态分布曲线图,并根据统计学计算出该拥堵路段预计的拥堵时间估计值,并将拥堵路段预计的拥堵时间估计值发送给预设时间内通过该拥堵路段的目标车辆。
例如:在1分钟内收到10辆车发送的同一个拥堵路段的行驶时长,可以根据该10辆车发送的10行驶时长形成曲线分布图,可以根据平均值计算、均方根值计算等多种算法计算该拥堵路段预计的拥堵时间估计值。
进一步的,目标车辆可以根据服务器发送的拥堵路段预计的拥堵时间估计值,调整预先设置的行驶路线,来躲避该拥堵路段,节约出行时间。
另外,服务器接收的拥堵信息还包括拥堵路段对应的拥堵图像;可以通过如图7所示的方法确定拥堵路段的拥堵类型,具体步骤如下:
S701、从拥堵路段对应的拥堵图像中提取拥堵特征信息;
S702、将拥堵特征信息输入至预先训练好的类型检测模型中,得到拥堵路段的拥堵类型。
这里,可以预先训练好一个类型检测模型,当服务器接收到拥堵路段对应的拥堵图像时,可以从拥堵图像中提取拥堵特征信息,并将该拥堵特征信息输入至上述类型检测模型中,该类型检测模型可以输出拥堵图像对应的拥堵类型,也即拥堵路段的拥堵类型。
具体的,可以通过以下训练过程训练得到类型检测模型:(1)获取训练样本集,该训练样本集包括多个拥堵路段对应的拥堵图像,并带有拥堵类型的标签;(2)从训练样本集中选取n个样本作为本轮训练样本,从n个样本中提取拥堵特征信息,并将提取的拥堵特征信息输入至待训练类型检测模型中;(3)得到本轮样本对应的分类结果,与预设结果进行对比,若误差值大于预设阈值,则将调整待训练类型检测模型的参数,并进行下一轮训练,直至误差值不大于预设阈值,训练完成。
在获取拥堵路段的拥堵类型之后,服务器可以将拥堵路段的拥堵类型发送至拥堵类型对应的部门,以便有关部门进行后续处理。例如:将拥堵路段的拥堵类型为红绿灯故障的信息发送给公路路政部门,公路路政部门可以及时对该拥堵路段对应的红绿灯进行维修。
实施例三
基于同一发明构思,本申请实施例三还提供了与路况检测方法对应的路况检测装置,由于本申请实施例中的装置解决问题的原理与本申请实施例上述路况检测方法相似,因此装置的实施可以参见方法的实施,重复之处不再赘述。
参见图8所示,本申请又一实施例所提供的路况检测装置包括:
第一确定模块801,用于确定在参考车辆的当前行驶路段内除参考车辆之外其他车辆的实际数量,以及确定参考车辆在当前行驶路段的整个路段或部分路段内的行驶时长;
第一判断模块802,用于判断实际数量是否超过预设数量,以及判断行驶时长是否超过预设时长;
第二确定模块803,用于若判断出实际数量超过预设数量,和/或,行驶时长超过预设时长,则确定当前行驶路段为拥堵路段。
在一种实施方式中,上述路况检测装置还包括:
获取模块804,用于获取拥堵路段对应的拥堵图像;
上传模块805,用于将拥堵路段对应的拥堵图像及行驶时长上传至服务器。
在另一种实施方式中,上述第一确定模块801具体用于:
基于预设行驶路段与预设地理位置之间的映射关系,确定参考车辆当前位置落入的预设行驶路段;
将确定的预设行驶路段作为当前行驶路段;
通过参考车辆设置的激光雷达向外发射第一激光信号,并接收第一激光信号反射回来的第二激光信号;
根据发射第一激光信号时的第一时间、接收第二激光信号时的第二时间、以及发射第一激光信号时参考车辆的当前位置,确定除参考车辆之外其他车辆的位置;
判断除参考车辆之外其他车辆的位置是否落入当前行驶路段,若是,则统计在参考车辆的当前行驶路段内除参考车辆之外其他车辆的实际数量。
在又一种实施方式中,第一确定模块801还具体用于:
确定驶入当前行驶路段时对应的第一行驶时间,以及驶出当前行驶路段时对应的第二行驶时间;
根据第一行驶时间与第二行驶时间,确定参考车辆在当前行驶路段的整个路段内的行驶时长。
在再一种实施方式中,第一确定模块801还具体用于:
确定驶入当前行驶路段时对应的第一行驶时间,以及在当前行驶路段内当前行驶位置对应的第三行驶时间;
根据第一行驶时间与第三行驶时间,确定参考车辆在当前行驶路段的部分路段内的行驶时长。
在再一种实施方式中,上述路况检测装置还包括:
第二判断模块806,用于基于所述第三行驶时间对应的当前行驶位置,判断参考车辆的实际行驶位移是否超过预设行驶位移,若是,则将当前行驶路段对应的行驶时长上传至服务器。
实施例四
参见图9所示,本申请又一实施例所提供的路况检测装置包括:
接收模块901,用于服务器接收各参考车辆上传的拥堵信息;其中,拥堵信息包括拥堵路段对应的行驶时长;
发送模块902,用于根据拥堵路段对应的各行驶时长计算拥堵路段的拥堵时间估计值,并将拥堵路段的拥堵时间估计值发送给目标车辆;其中,目标车辆为预设时间内通过拥堵路段的车辆。
在一种实施方式中,上述路况检测装置还包括:
检测模块903,用于从拥堵路段对应的拥堵图像中提取拥堵特征信息;将拥堵特征信息输入至预先训练好的类型检测模型中,得到拥堵路段的拥堵类型。
如图10所示,为本申请实施例提供的车辆的结构示意图,包括:处理器1001、存储器1002和总线1003,存储器1002存储执行指令,当车辆运行时,处理器1001与存储器1002之间通过总线1003通信,机器可读指令被处理器1001执行时执行如下处理:
确定在参考车辆的当前行驶路段内除参考车辆之外其他车辆的实际数量,以及确定参考车辆在当前行驶路段的整个路段或部分路段内的行驶时长;
判断实际数量是否超过预设数量,以及判断行驶时长是否超过预设时长;
若判断出实际数量超过预设数量,和/或,行驶时长超过预设时长,则确定当前行驶路段为拥堵路段。
可选地,处理器1001执行的方法中,在确定当前行驶路段为拥堵路段之后,还包括:
获取拥堵路段对应的拥堵图像;
将拥堵路段对应的拥堵图像及行驶时长上传至服务器。
可选地,处理器1001执行的方法中,在确定在参考车辆的当前行驶路段内除参考车辆之外其他车辆的实际数量之前,还包括:
基于预设行驶路段与预设地理位置之间的映射关系,确定参考车辆当前位置落入的预设行驶路段;
将确定的预设行驶路段作为当前行驶路段;
确定在参考车辆的当前行驶路段内除参考车辆之外其他车辆的实际数量,包括:
通过参考车辆设置的激光雷达向外发射第一激光信号,并接收第一激光信号反射回来的第二激光信号;
根据发射第一激光信号时的第一时间、接收第二激光信号时的第二时间、以及发射第一激光信号时参考车辆的当前位置,确定除参考车辆之外其他车辆的位置;
判断除参考车辆之外其他车辆的位置是否落入当前行驶路段,若是,则统计在参考车辆的当前行驶路段内除参考车辆之外其他车辆的实际数量。
可选地,处理器1001执行的方法中,确定参考车辆在当前行驶路段的整个路段内的行驶时长,包括:
确定驶入当前行驶路段时对应的第一行驶时间,以及驶出当前行驶路段时对应的第二行驶时间;
根据第一行驶时间与第二行驶时间,确定参考车辆在当前行驶路段的整个路段内的行驶时长。
可选地,处理器1001执行的方法中,确定参考车辆在当前行驶路段的部分路段内的行驶时长,包括:
确定驶入当前行驶路段时对应的第一行驶时间,以及在当前行驶路段内当前行驶位置对应的第三行驶时间;
根据第一行驶时间与第三行驶时间,确定参考车辆在当前行驶路段的部分路段内的行驶时长。
可选地,处理器1001执行的方法中,根据第一行驶时间与第三行驶时间,确定参考车辆在当前行驶路段的部分路段内的行驶时长之后,包括:
基于第三行驶时间对应的当前行驶位置,判断参考车辆的实际行驶位移是否超过预设行驶位移,若是,则将当前行驶路段对应的行驶时长上传至服务器。
如图11所示,为本申请实施例提供的服务器的结构示意图,包括:处理器1101、存储器1102和总线1103,存储器1102存储执行指令,当车辆运行时,处理器1101与存储器1002之间通过总线1103通信,机器可读指令被处理器1101执行时执行如下处理:
服务器接收各参考车辆上传的拥堵信息;其中,拥堵信息包括拥堵路段对应的行驶时长;
根据拥堵路段对应的各行驶时长计算拥堵路段的拥堵时间估计值,并将拥堵路段的拥堵时间估计值发送给目标车辆;其中,目标车辆为预设时间内通过拥堵路段的车辆。
可选地,处理器1101执行的方法中,拥堵信息还包括拥堵路段对应的拥堵图像,处理器1101执行的方法还包括:
从拥堵路段对应的拥堵图像中提取拥堵特征信息;
将拥堵特征信息输入至预先训练好的类型检测模型中,得到拥堵路段的拥堵类型。
本申请实施例所提供的路况检测方法及装置的计算机程序产品,包括存储了程序代码的计算机可读存储介质,程序代码包括的指令可用于执行前面方法实施例中的方法,具体实现可参见方法实施例,在此不再赘述。
具体地,该存储介质能够为通用的存储介质,如移动磁盘、硬盘等,该存储介质上的计算机程序被运行时,能够执行上述路况检测方法,从而能够对路段的实时路况信息进行全面检测,方便用户合理出行。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品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)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-OnlyMemory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上所述实施例,仅为本申请的具体实施方式,用以说明本申请的技术方案,而非对其限制,本申请的保护范围并不局限于此,尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本申请实施例技术方案的精神和范围,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应所述以权利要求的保护范围为准。

Claims (9)

1.一种路况检测方法,其特征在于,应用于设置有激光雷达的参考车辆;所述方法包括:
根据所述激光雷达采集的信息确定在所述参考车辆的当前行驶路段内除参考车辆之外其他车辆的实际数量,以及确定所述参考车辆在所述当前行驶路段的整个路段或部分路段内的行驶时长;
判断所述实际数量是否超过预设数量,以及判断所述行驶时长是否超过预设时长;
若判断出所述实际数量超过所述预设数量,和/或,所述行驶时长超过所述预设时长,则确定所述当前行驶路段为拥堵路段;
在所述根据所述激光雷达采集的信息确定在所述参考车辆的当前行驶路段内除参考车辆之外其他车辆的实际数量之前,还包括:
基于预设行驶路段与预设地理位置之间的映射关系,确定所述参考车辆的当前位置落入的预设行驶路段;
将确定的预设行驶路段作为当前行驶路段;
所述根据所述激光雷达采集的信息确定在所述参考车辆的当前行驶路段内除参考车辆之外其他车辆的实际数量,包括:
通过所述参考车辆设置的激光雷达向外发射第一激光信号,并接收所述第一激光信号反射回来的第二激光信号;
根据发射所述第一激光信号时的第一时间、接收所述第二激光信号时的第二时间、以及发射所述第一激光信号时所述参考车辆的当前位置,确定除所述参考车辆之外其他车辆的位置;
判断除所述参考车辆之外其他车辆的位置是否落入所述当前行驶路段,若是,则统计在参考车辆的当前行驶路段内除参考车辆之外其他车辆的实际数量。
2.根据权利要求1所述的方法,其特征在于,在确定所述当前行驶路段为拥堵路段之后,还包括:
获取所述拥堵路段对应的拥堵图像;
将所述拥堵路段对应的拥堵图像及行驶时长上传至服务器。
3.根据权利要求1所述的方法,其特征在于,确定所述参考车辆在所述当前行驶路段的整个路段内的行驶时长,包括:
确定驶入所述当前行驶路段时对应的第一行驶时间,以及驶出所述当前行驶路段时对应的第二行驶时间;
根据所述第一行驶时间与所述第二行驶时间,确定所述参考车辆在所述当前行驶路段的整个路段内的行驶时长。
4.根据权利要求1所述的方法,其特征在于,确定所述参考车辆在所述当前行驶路段的部分路段内的行驶时长,包括:
确定驶入所述当前行驶路段时对应的第一行驶时间,以及在所述当前行驶路段内当前行驶位置对应的第三行驶时间;
根据所述第一行驶时间与所述第三行驶时间,确定所述参考车辆在所述当前行驶路段的部分路段内的行驶时长。
5.根据权利要求4所述的方法,其特征在于,所述根据所述第一行驶时间与所述第三行驶时间,确定所述参考车辆在所述当前行驶路段的部分路段内的行驶时长之后,包括:
基于所述第三行驶时间对应的当前行驶位置,判断所述参考车辆的实际行驶位移是否超过预设行驶位移,若是,则将所述当前行驶路段对应的行驶时长上传至服务器。
6.一种路况检测方法,其特征在于,包括:
服务器接收各参考车辆上传的拥堵信息;其中,所述拥堵信息包括拥堵路段对应的行驶时长;所述拥堵路段为各所述参考车辆基于权利要求1-5中任一项所述的方法确定的;
根据所述拥堵路段对应的各行驶时长计算所述拥堵路段的拥堵时间估计值,并将所述拥堵路段的拥堵时间估计值发送给目标车辆;其中,所述目标车辆为预设时间内通过所述拥堵路段的车辆。
7.根据权利要求6所述的方法,其特征在于,所述拥堵信息还包括拥堵路段对应的拥堵图像;所述方法还包括:
从所述拥堵路段对应的拥堵图像中提取拥堵特征信息;
将所述拥堵特征信息输入至预先训练好的类型检测模型中,得到所述拥堵路段的拥堵类型。
8.一种路况检测装置,其特征在于,应用于设置有激光雷达的参考车辆;所述装置包括:
第一确定模块,用于根据所述激光雷达采集的信息确定在所述参考车辆的当前行驶路段内除参考车辆之外其他车辆的实际数量,以及确定所述参考车辆在所述当前行驶路段的整个路段或部分路段内的行驶时长;
判断模块,用于判断所述实际数量是否超过预设数量,以及判断所述行驶时长是否超过预设时长;
第二确定模块,用于若判断出所述实际数量超过所述预设数量,和/或,所述行驶时长超过所述预设时长,则确定所述当前行驶路段为拥堵路段;
所述第一确定模块具体用于:
基于预设行驶路段与预设地理位置之间的映射关系,确定所述参考车辆当前位置落入的预设行驶路段;
将确定的预设行驶路段作为当前行驶路段;
通过所述参考车辆设置的激光雷达向外发射第一激光信号,并接收所述第一激光信号反射回来的第二激光信号;
根据发射所述第一激光信号时的第一时间、接收所述第二激光信号时的第二时间、以及发射所述第一激光信号时所述参考车辆的当前位置,确定除所述参考车辆之外其他车辆的位置;
判断除所述参考车辆之外其他车辆的位置是否落入所述当前行驶路段,若是,则统计在参考车辆的当前行驶路段内除参考车辆之外其他车辆的实际数量。
9.一种路况检测装置,其特征在于,包括:
接收模块,用于服务器接收各参考车辆上传的拥堵信息;其中,所述拥堵信息包括拥堵路段对应的行驶时长;所述拥堵路段为各所述参考车辆基于权利要求1-5中任一项所述的方法确定的;
发送模块,用于根据所述拥堵路段对应的各行驶时长计算所述拥堵路段的拥堵时间估计值,并将所述拥堵路段的拥堵时间估计值发送给目标车辆;其中,所述目标车辆为预设时间内通过所述拥堵路段的车辆。
CN201811513732.5A 2018-12-11 2018-12-11 一种路况检测方法及装置 Active CN109410584B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811513732.5A CN109410584B (zh) 2018-12-11 2018-12-11 一种路况检测方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811513732.5A CN109410584B (zh) 2018-12-11 2018-12-11 一种路况检测方法及装置

Publications (2)

Publication Number Publication Date
CN109410584A CN109410584A (zh) 2019-03-01
CN109410584B true CN109410584B (zh) 2021-04-02

Family

ID=65458585

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811513732.5A Active CN109410584B (zh) 2018-12-11 2018-12-11 一种路况检测方法及装置

Country Status (1)

Country Link
CN (1) CN109410584B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210006143A (ko) * 2019-07-08 2021-01-18 현대자동차주식회사 교통 정보 제공 시스템 및 방법
CN111739283B (zh) * 2019-10-30 2022-05-20 腾讯科技(深圳)有限公司 一种基于聚类的路况计算方法、装置、设备及介质
CN114999150A (zh) * 2022-05-23 2022-09-02 雄狮汽车科技(南京)有限公司 路段拥堵判别方法、装置、车辆及存储介质

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102222408A (zh) * 2010-04-13 2011-10-19 深圳市赛格导航科技股份有限公司 一种拥塞、畅通路段、行驶状况上报方法和车载导航设备
JP6394138B2 (ja) * 2014-07-16 2018-09-26 株式会社デンソー 車載レーダ装置および報知システム
CN106157608B (zh) * 2015-03-23 2019-09-13 高德软件有限公司 信息处理方法及装置
CN104851295B (zh) * 2015-05-22 2017-08-04 北京嘀嘀无限科技发展有限公司 获取路况信息的方法和***
CN105702036B (zh) * 2016-03-23 2018-08-14 深圳市金溢科技股份有限公司 一种车辆行驶时间计算方法、装置及***
CN105741556B (zh) * 2016-04-29 2019-03-22 盯盯拍(深圳)云技术有限公司 路况信息的推送方法以及推送***
CN205881188U (zh) * 2016-05-19 2017-01-11 江苏理工学院 组网***
CN106448190B (zh) * 2016-09-26 2023-03-17 长安大学 高速公路自车周围车流量实时监测预警装置及方法
CN206058523U (zh) * 2016-09-26 2017-03-29 长安大学 高速公路自车周围车流量实时监测预警装置
KR102159965B1 (ko) * 2017-04-17 2020-09-25 주식회사 비트센싱 실시간 대규모 교통정보 수집방법 및 그 운용시스템
CN107192400A (zh) * 2017-07-15 2017-09-22 深圳市华琥技术有限公司 一种导航路径中拥堵路段的确定方法及电子设备
CN108022433A (zh) * 2017-12-14 2018-05-11 合肥寰景信息技术有限公司 基于云数据库的道路交通状况分析***
CN108091178B (zh) * 2017-12-25 2020-10-09 重庆冀繁科技发展有限公司 基于车联网的车辆防碰撞***
CN108550269B (zh) * 2018-06-01 2021-06-11 中物汽车电子扬州有限公司 基于毫米波雷达的交通流量检测***及其检测方法

Also Published As

Publication number Publication date
CN109410584A (zh) 2019-03-01

Similar Documents

Publication Publication Date Title
CN109686088B (zh) 一种交通视频告警方法、设备及***
CN109410584B (zh) 一种路况检测方法及装置
US9564048B2 (en) Origin destination estimation based on vehicle trajectory data
JP7070683B2 (ja) 劣化診断装置、劣化診断システム、劣化診断方法、プログラム
WO2017186157A1 (zh) 路况信息的推送方法、行车记录仪、云端服务器以及推送***
KR102350711B1 (ko) 궤적 분류 모델의 트레이닝 방법 및 장치, 및 전자 기기
US20140160295A1 (en) Road condition detection
CN111932901B (zh) 道路车辆跟踪检测设备、方法及存储介质
KR20210129190A (ko) 운전 데이터 분석 방법, 장치, 전자 기기 및 컴퓨터 저장 매체
SG173686A1 (en) Determining a traffic route using predicted traffic congestion
CN112712697B (zh) 面向车路协同应用的车道级交通状态判别方法
CN109598947B (zh) 一种车辆识别方法及***
CN114445803A (zh) 驾驶数据的处理方法、装置及电子设备
US20210397187A1 (en) Method and system for operating a mobile robot
US20220234588A1 (en) Data Recording for Advanced Driving Assistance System Testing and Validation
CN104875740B (zh) 用于管理跟随空间的方法、主车辆以及跟随空间管理单元
CN111275957A (zh) 一种交通事故信息采集方法、***及摄像机
CN116128360A (zh) 道路交通拥堵等级评估方法、装置、电子设备及存储介质
Kotha et al. Potsense: Pothole detection on Indian roads using smartphone sensors
KR101784635B1 (ko) LiDAR 센서를 활용한 다중차로 교통검지 방법 및 시스템
US20210048819A1 (en) Apparatus and method for determining junction
CN111949840B (zh) 一种基于物联网数据的拓扑图结构的构建方法、装置
CN116311913B (zh) 一种基于ai视频智能分析的高速路段拥堵分析方法及***
Das et al. Why slammed the brakes on? auto-annotating driving behaviors from adaptive causal modeling
Brunauer et al. Deriving driver-centric travel information by mining delay patterns from single GPS trajectories

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