CN111337043B - 一种路径的规划方法、装置、存储介质和电子设备 - Google Patents
一种路径的规划方法、装置、存储介质和电子设备 Download PDFInfo
- Publication number
- CN111337043B CN111337043B CN202010186342.2A CN202010186342A CN111337043B CN 111337043 B CN111337043 B CN 111337043B CN 202010186342 A CN202010186342 A CN 202010186342A CN 111337043 B CN111337043 B CN 111337043B
- Authority
- CN
- China
- Prior art keywords
- road
- road section
- determining
- image data
- value
- 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
Links
Images
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
- G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
- G01C21/3492—Special cost functions, i.e. other than distance or default speed limit of road segments employing speed data or traffic data, e.g. real-time or historical
-
- 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
- G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
- G01C21/3461—Preferred or disfavoured areas, e.g. dangerous zones, toll or emission zones, intersections, manoeuvre types, segments such as motorways, toll roads, ferries
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本公开提供了一种路径的规划方法、装置、存储介质和电子设备，规划方法中利用车辆实时获取路段的GPS数据和图像数据，并根据GPS数据和图像数据来确定每个路段的至少一个路段特征的实时值；之后，基于每个路段的至少一个路段特征的实时值，确定当前时间点前的预设时间范围内的所有路段的路段特征的综合值；在获取到用户的起点位置和终点位置之后，基于起点位置和终点位置，根据至少一个路段特征的综合值以及基于路段的基础特征值确定当前路径，并将当前路径推荐给该用户。这里，基于GPS数据和图像数据能够更加全面的获取路段的路段特征，进而使得规划的当前路径更加精确，提高用户的出行效率。
Description
技术领域
本公开涉及数据处理技术领域，具体而言，涉及一种路径的规划方法、装置、存储介质和电子设备。
背景技术
车辆上的导航***不仅能够让用户在驾车行驶的过程中随时随地知晓自己的确切位置，还可以在行驶之前为用户规划一条合理的行驶路径，方便用户出行。
传统的技术中，导航***为用户规划行驶路径时，一种方法是：通过铺设的地感线圈来采集某路段的车辆数目和行驶速度，再利用车辆数目和行驶速度来判断该路段的交通状况，但是，地感线圈成本较高，无法在所有的路段铺设地感线圈，因此，会出现漏检的情况，导致导航***无法精确地规划出最合理的行驶路径。另一种方法是：利用浮动车采集的全球定位***(Global Positioning System，GPS)数据来判断路段的交通状况，但由于浮动车辆的数量较小，因此，采集到的GPS数据为道路上的一小部分样本，无法代表道路的真实情况，也就无法精确地规划出最合理的行驶路径。
因此，亟需一种较为精确地路径规划方法。
发明内容
有鉴于此，本公开的目的在于提供一种路径的规划方法、装置、存储介质和电子设备，能够提高当前路径的精确度。
第一方面，本公开提供了一种路径的规划方法，其中，包括：
基于每个车辆实时获取所有路段的GPS数据和图像数据；
根据所述GPS数据和所述图像数据，确定每个所述路段的至少一个路段特征的实时值；
基于每个所述路段的至少一个路段特征的实时值，确定当前时间点前的预设时间范围内的所有所述路段的所述路段特征的综合值；
基于起点位置和终点位置，根据至少一个所述路段特征的综合值以及基于所述路段的基础特征值确定当前路径。
在一种可能的实施方式中，所述根据所述GPS数据和所述图像数据，确定每个所述路段的至少一个路段特征的实时值中，所述路段特征包括所述路段上的指定车辆的行驶速度、行车道数量、天气状况、机动车密度、非机动车/行人密度、违章情况、路段占用情况、路面条件、夜间照明条件中的一个或者多个。
在一种可能的实施方式中，当所述路段特征为行驶速度的情况下，每个所述路段特征的所述实时值通过以下方式确定：
基于所述指定车辆的所述GPS数据获取第一GPS数据和第二GPS数据；其中，所述第一GPS数据包括第一时刻和第一位置信息，所述第二GPS数据包括第二时刻和第二位置信息；
基于所述第一GPS数据和所述第二GPS数据，确定所述行驶速度。
在一种可能的实施方式中，当所述路段特征为行车道数量的情况下，每个所述路段特征的所述实时值通过以下方式确定：
在所述图像数据中提取车道线特征；
基于所述车道线特征，确定同向车道线；
获取所述同向车道线的数量；
根据所述同向车道线的数量，确定同向的行车道数量。
在一种可能的实施方式中，当所述路段特征为天气状况的情况下，每个所述路段特征的所述实时值通过以下方式确定：
获取不同天气类别对应的天气状况标准；
在所述图像数据中识别天气特征；
基于所述天气状况标准和所述天气特征确定天气状况等级。
在一种可能的实施方式中，当所述路段特征为机动车密度的情况下，每个所述路段特征的所述实时值通过以下方式确定：
识别所述图像数据中的机动车；
计算第一预设范围内的机动车数量；
基于所述第一预设范围的面积和所述机动车数量，确定机动车密度。
在一种可能的实施方式中，当所述路段特征为非机动车/行人密度的情况下，每个所述路段特征的所述实时值通过以下方式确定：
识别所述图像数据中的非机动车/行人和机动车道特征；
基于所述非机动车/行人和所述机动车道特征，确定在第二预设范围内所述机动车道上的非机动车/行人数量；
基于所述第二预设范围的面积和所述非机动车/行人数量，确定非机动车/行人密度。
在一种可能的实施方式中，当所述路段特征为违章情况的情况下，每个所述路段特征的所述实时值通过以下方式确定：
获取不同违章行为对应的违章标准；
识别所述图像数据中的违章行为；
基于所述违章标准和所述违章行为确定违章等级。
在一种可能的实施方式中，当所述路段特征为路段占用情况的情况下，每个所述路段特征的所述实时值通过以下方式确定：
识别所述图像数据中的静止障碍物特征；
基于所述静止障碍物特征确定占用长度和占用宽度；
利用所述占用长度和所述占用宽度，计算得到路段占用面积。
在一种可能的实施方式中，当所述路段特征为路面条件的情况下，每个所述路段特征的所述实时值通过以下方式确定：
确定可行驶区域对应的所述图像数据；
提取所述可行驶区域对应的所述图像数据中的路面特征；
基于所述路面特征和预先获取的路面标准确定路面等级。
在一种可能的实施方式中，当所述路段特征为夜间照明条件的情况下，每个所述路段特征的所述实时值通过以下方式确定：
在所述图像数据中存在照明数据的情况下，提取所述图像数据中的属性参数；
基于所述属性参数和预先获取的照明标准确定夜间照明等级。
在一种可能的实施方式中，所述基于起点位置和终点位置，根据至少一个所述路段特征的综合值以及基于所述路段的基础特征值确定当前路径，包括：
确定每个所述路段特征的权重值；
基于起点位置和终点位置，确定至少一个备选路径，其中，所述备选路径由至少一个备选路段组成；
基于每个所述路段特征的所述综合值和所述权重值，确定每个所述备选路径中每个所述备选路段的倾向值；
基于所述倾向值和所述基础特征值，在所述备选路径中确定当前路径。
第二方面，本公开还提供了一种路径的规划装置，其中，包括：
获取模块，用于基于每个车辆实时获取所有路段的GPS数据和图像数据；
第一确定模块，用于根据所述GPS数据和所述图像数据，确定每个所述路段的至少一个路段特征的实时值；
第二确定模块，用于基于每个所述路段的至少一个路段特征的实时值，确定当前时间点前的预设时间范围内的所有所述路段的所述路段特征的综合值；
第三确定模块，用于基于起点位置和终点位置，根据至少一个所述路段特征的综合值以及基于所述路段的基础特征值确定当前路径。
第三方面，本公开还提供了一种计算机可读存储介质，其中，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如所述的路径的规划方法的步骤。
第四方面，本公开还提供了一种电子设备，其中，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行如所述的路径的规划方法的步骤。
本公开中利用车辆实时获取路段的GPS数据和图像数据，并根据GPS数据和图像数据来确定每个路段的至少一个路段特征的实时值；之后，基于每个路段的至少一个路段特征的实时值，确定当前时间点前的预设时间范围内的所有路段的路段特征的综合值；在获取到用户的起点位置和终点位置之后，基于起点位置和终点位置，根据至少一个路段特征的综合值以及基于路段的基础特征值确定当前路径，并将当前路径推荐给该用户。这里，基于GPS数据和图像数据能够更加全面的获取路段的路段特征，进而使得规划的当前路径更加精确，提高用户的出行效率。
为使本公开的上述目的、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公开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，下面描述中的附图仅仅是本公开中记载的一些实施例，对于本领域普通技术人员来讲，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示出了本公开所提供的一种路径的规划方法方法的流程图；
图2示出了本公开所提供的一种路径的规划方法中确定行驶速度的流程图；
图3示出了本公开所提供的一种路径的规划方法中确定行车道数量的流程图；
图4示出了本公开所提供的一种路径的规划方法中确定天气状况等级的流程图；
图5示出了本公开所提供的一种路径的规划方法中确定机动车密度的流程图；
图6示出了本公开所提供的一种路径的规划方法中确定非机动车/行人密度的流程图；
图7示出了本公开所提供的一种路径的规划方法中确定违章等级的流程图；
图8示出了本公开所提供的一种路径的规划方法中确定路段占用面积的流程图；
图9示出了本公开所提供的一种路径的规划方法中确定路面等级的流程图；
图10示出了本公开所提供的一种路径的规划方法中确定夜间照明等级的流程图；
图11示出了本公开所提供的一种路径的规划方法中确定当前路径的流程图；
图12示出了本公开所提供的一种行程时间指数的确定装置的结构示意图；
图13示出了本公开所提供的电子设备的结构示意图。
具体实施方式
为了使得本公开的目的、技术方案和优点更加清楚，下面将结合本公开的附图，对本公开的技术方案进行清楚、完整地描述。显然，所描述的实施例是本公开的一部分实施例，而不是全部的实施例。基于所描述的本公开的实施例，本领域普通技术人员在无需创造性劳动的前提下所获得的所有其他实施例，都属于本公开保护的范围。
除非另外定义，本公开使用的技术术语或者科学术语应当为本公开所属领域内具有一般技能的人士所理解的通常意义。本公开中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同，而不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电性的连接，不管是直接的还是间接的。“上”、“下”、“左”、“右”等仅用于表示相对位置关系，当被描述对象的绝对位置改变后，则该相对位置关系也可能相应地改变。
为了保持本公开的以下说明清楚且简明，本公开省略了已知功能和已知部件的详细说明。
为便于对本公开进行理解，首先对本公开所公开的一种路径的规划方法进行详细介绍。
本公开第一方面提供一种路径的规划方法，图1示出了本公开以服务器或处理器为执行主体时路径的规划方法的流程图，具体步骤如下：
S101，基于每个车辆实时获取所有路段的GPS数据和图像数据。
在具体实施中，车辆包括在道路上行驶的任意车辆，例如安装有特定的采集设备的公交车和出租车等。
具体的，每个车辆利用安装的定位***实时获取所有路段的GPS数据，其中，GPS数据包括车辆所处的位置信息，距预设参照物的方位信息等；每个车辆还利用行车记录仪或预先安装的图像采集设备获取所有路段的图像数据；其中，该图像数据实时记录该车辆所处的当前环境。
这里，该图像数据包括视频及视频属性、图片及图片属性、时间等，在图像采集设备为激光雷达时，图像数据还包括当前环境的三维数据等。
S102，根据GPS数据和图像数据，确定每个路段的至少一个路段特征的实时值。
在具体实施中，实时获取路段的GPS数据和图像数据的过程中，可以根据GPS数据和图像数据来确定每个路段的至少一个路段特征的实时值。也就是说，可以实时计算当前路段的每个路段特征。
其中，本公开的路段特征包括所述路段上的指定车辆的行驶速度、行车道数量、天气状况、机动车密度、非机动车/行人密度、违章情况、路段占用情况、路面条件、夜间照明条件。本领域技术人员应当知晓，与路段相关或在某个方面能够表征路段的其他路段特征，均落入本公开的保护范围。
其中，每个路段的至少一个路段特征的实时值包括任意时间点的所述路段上的指定车辆的行驶速度、同向的行车道数量、天气状况等级、机动车密度、非机动车/行人密度、违章等级、路段占用面积、路面等级、夜间照明等级等。
接下来，对确定行驶速度、行车道数量、天气状况、机动车密度、非机动车/行人密度、违章情况、路段占用情况、路面条件、夜间照明条件分别进行阐述。
具体的，当路段特征为行驶速度的情况下，每个路段特征的实时值通过图2所示的方式确定，其中，具体步骤如下：
S201，基于指定车辆的GPS数据获取第一GPS数据和第二GPS数据；其中，第一GPS数据包括第一时刻和第一位置信息，第二GPS数据包括第二时刻和第二位置信息；
S202，基于第一GPS数据和第二GPS数据，确定行驶速度。
在具体实施中，定位***获取车辆的GPS数据时，将GPS数据与当前获取时刻进行关联。
基于行驶路程等于行驶时间与行驶速度的乘积，首先，基于GPS数据获取第一GPS数据和第二GPS数据，其中，第一GPS数据和第二GPS数据属于同一路段。具体的，第一GPS数据包括第一时刻和第一位置信息，第二GPS数据包括第二时刻和第二位置信息。
然后，计算第一时刻与第二时刻之间的时间间隔，以及计算第一位置信息与第二位置信息形成的位置间距，也即在时间间隔内行驶的路程。值得说明的是，该位置间距并非直线距离，而是按照可行驶道路生成的可行驶路线来确定的。
最后，将时间间隔作为除数，将位置间距作为被除数，计算得到的商即为行驶速度。
进一步的，当路段特征为行车道数量的情况下，每个路段特征的实时值通过图3所示的方式确定，其中，具体步骤如下：
S301，在图像数据中提取车道线特征；
S302，基于车道线特征，确定同向车道线；
S303，获取同向车道线的数量；
S304，根据同向车道线的数量，确定同向的行车道数量。
在具体实施中，路段的车道数量也是用户在选择行驶路线时比较重要的一个因素。在获取到路段的图像数据之后，在图像数据中提取车道线特征，例如车道线的颜色、线型等。
之后，基于车道线特征确定同向车道线，这里，在获取到的图像数据中可能存在反向路段中的图像数据，此时，在计算行驶路径时，无需考虑反向路段的图像数据，因此，在确定车道线特征之后，仅确定同向车道线即可。
在确定同向车道线之后，统计同向车道线的数量，基于同向车道线的数量确定同向的行车道数量。
其中，还可以针对路段的图片预先建立并训练一个识别模型，用于识别图像中的物体，例如车道线、房屋、指示牌等。具体的，在获取到图像数据中包括的图片之后，直接利用识别模型识别图片中的同向车道线，并统计同向车道线的数量，计算同向的行车道数量。
进一步的，当路段特征为天气状况的情况下，每个路段特征的实时值通过图4所示的方式确定，其中，具体步骤如下：
S401，获取不同天气类别对应的天气状况标准；
S402，在图像数据中识别天气特征；
S403，基于天气状况标准和天气特征确定天气状况等级。
在具体实施中，考虑到天气这一因素也会对交通产生影响(例如下雨或者下雪的天气里，容易造成交通拥堵)，并且不同的天气状况对同样的路段产生的影响不同，例如，大雨的天气对地势较低的路段和地势较高的路段影响不同。因此，天气状况也是影响用户选择行驶路径的一个因素。
获取预先设置的不同天气类别对应的天气状况标准，其中，天气状况标准可以是天气状况等级，例如，晴朗的天气对应的天气状况等级为一级；大雨的天气对应的天气状况等级为五级等。
在获取到路段的图像数据之后，在图像数据中识别天气特征，包括风速、湿度、能见度等。之后，对比当前的天气特征所属的天气类别，进而基于天气状况标准和天气特征所属的天气类别，确定天气状况等级。
当然，也可以利用识别模型来识别天气状况等级，还可以通过移动终端的天气软件进行查询。
进一步的，当路段特征为机动车密度的情况下，每个路段特征的实时值通过图5所示的方式确定，其中，具体步骤如下：
S501，识别图像数据中的机动车；
S502，计算第一预设范围内的机动车数量；
S503，基于第一预设范围的面积和机动车数量，确定机动车密度。
在具体实施中，在规划行驶路径时，用户最看重的为是否堵车，也即规划的行驶路径上机动车密度的大小，机动车密度大则堵车的可能性大，机动车密度小则堵车的可能性小。
在获取到路段的图像数据之后，基于机动车的特征识别图像数据中的机动车；之后，计算第一预设范围内的机动车数量。其中，该第一预设范围为可以是以当前获取位置为中心，以第一预设距离为半径确定的圆形区域；还可以按照路段方向，计算当前获取位置前后第一预设距离内的路段区域等。
具体的，按照如下公式(1)、(2)、(3)计算每个机动车相对于该当前采集位置的位置，其中，公式(1)、(2)、(3)如下：
其中，h为相机(还可以为其他摄像设备，本公开以相机进行详细阐述)安装高度，θ为相机水平向下俯视角，cx为相机光轴的水平偏移量，cy为相机光轴的垂直偏移量，fx为相机的水平焦距，fy为相机的垂直焦距，机动车识别结果为矩形框，(x，y)为机动车对应的矩形框下边缘中点的像素坐标，其中，图片的左上角为(0，0)，右下角为(H，W))，pn为机动车相对于该当前采集位置的位置。
计算pn落入第一预设范围内的数量，也即第一预设范围内的机动车数量。
之后，将第一预设范围的面积作为除数，将机动车的数量作为被除数，计算得到的商即为机动车密度。
进一步的，当路段特征为非机动车/行人密度的情况下，每个路段特征的实时值通过图6所示的方式确定，其中，具体步骤如下：
S601，识别图像数据中的非机动车/行人和机动车道特征；
S602，基于非机动车/行人和机动车道特征，确定在第二预设范围内机动车道上的非机动车/行人数量；
S603，基于第二预设范围的面积和非机动车/行人数量，确定非机动车/行人密度。
在具体实施中，考虑到国道路段、省道路段、高路路段等的地域属性不同，其存在的非机动车/行人和机动车的数量也不相同。非机动车/行人和机动车的数量在一定程度上也会影响路段的通畅度。
在获取到路段的图像数据之后，识别图像数据中的非机动车/行人和机动车道特征；之后，基于非机动车/行人和机动车道特征确定基于非机动车/行人和机动车道，并识别、计算第二预设范围内的非机动车/行人数量。其中，该第二预设范围为可以是以当前获取位置为中心，以预设第二距离为半径确定的圆形区域；还可以按照路段方向，计算当前获取位置前后第二预设距离内的路段区域等。这里，计算第二预设范围内的非机动车/行人数量的方法与计算第一预设范围内的机动车数量的方法相似，具体步骤便不再进行赘述。
之后，将第二预设范围的面积作为除数，将非机动车/行人的数量作为被除数，计算得到的商即为非机动车/行人密度。
进一步的，当路段特征为违章情况的情况下，每个路段特征的实时值通过图7所示的方式确定，其中，具体步骤如下：
S701，获取不同违章行为对应的违章标准；
S702，识别图像数据中的违章行为；
S703，基于违章标准和违章行为确定违章等级。
在具体实施中，存在部分路段的违章行为较多。因此，在规划行驶路径时，需要将违章行为这一因素纳入考虑范围内。其中，违章行为包括闯红灯、行人翻越栏杆等。
具体的，首先，获取不同违章行为对应的违章标准，例如闯红灯对应违章等级四级，行人翻越栏杆对应违章等级一级。在获取到路段的图像数据之后，识别图像数据中的违章行为。实际应用中，路段数据中可能不存在违章行为，也可能存在多个违章行为。
基于违章标准和违章行为确定违章等级。其中，在路段数据中存在多个违章行为时，还可以将多个违章等级进一步计算，得到最终的一个违章等级。
进一步的，当路段特征为路段占用情况的情况下，每个路段特征的实时值通过图8所示的方式确定，其中，具体步骤如下：
S801，识别图像数据中的静止障碍物特征；
S802，基于静止障碍物特征确定占用长度和占用宽度；
S803，利用占用长度和占用宽度，计算得到路段占用面积。
在具体实施中，部分路段上会停放一些障碍物，例如不经常使用的车辆、管理人员设置的路障等，这些很大程度上会影响当前路段的通畅。
在获取到路段的图像数据之后，识别图像数据中的静止障碍物特征，该静止障碍物特征包括该静止障碍物的属性特征、位置特征等。
基于静止障碍物特征确定该静止障碍物占用路段的占用长度和占用宽度，对占用长度和占用宽度进行乘法计算，得到的乘积即为静止障碍物占用路段的占用面积。
在实际应用中，可能存在多个静止障碍物同时占用同一路段，则该路段的路段占用面积为每个静止障碍物占用的路段占用面积之和。
进一步的，当路段特征为路面条件的情况下，每个路段特征的实时值通过图9所示的方式确定，其中，具体步骤如下：
S901，确定可行驶区域对应的图像数据；
S902，提取可行驶区域对应的图像数据中的路面特征；
S903，基于路面特征和预先获取的路面标准确定路面等级。
在具体实施中，获取的图像数据为路段的所有环境数据，包括可行驶区域的数据、人行道区域的数据、绿化区域的数据等。
在获取到图像数据之后，在所有的图像数据中确定可行驶区域对应的图像数据，之后，在可行驶区域对应的图像数据中提取可行驶区域的路面特征。其中，路面特征包括路面的材料、路面的平稳度、路面的完整度等。
基于路面特征和预先获取的路面标准确定路面等级。其中，路面标准包括路面特征和路面等级之间的映射关系。
进一步的，当路段特征为夜间照明条件的情况下，每个路段特征的实时值通过图10所示的方式确定，其中，具体步骤如下：
S1001，在图像数据中存在照明数据的情况下，提取图像数据中的属性参数；
S1002，基于属性参数和预先获取的照明标准确定夜间照明等级。
考虑到夜间出行时，路段上的照明条件为用户较为在意的一个因素，并且照明条件也是一个影响行驶安全的因素，因此，在为夜间出行的用户进行路径规划时，需要考虑路段的夜间照明条件。
具体的，在获取到图像数据之后，判断该图像数据中是否存在照明数据，也即图像数据指示该路段存在照明设备，并且该照明设备处于开启状态。在图像数据中存在照明数据的情况下，提图像数据中的属性参数，其中，属性参数包括灰度、对比度等。
基于属性参数和预先获取的照明标准确定夜间照明等级。其中，照明标准包括属性参数和夜间照明等级之间的映射关系。
值得说明的是，上述采用的图片可以是直接拍摄得到的图片，也可以是从拍摄的视频中提取的帧图片。
S103，基于每个路段的至少一个路段特征的实时值，确定当前时间点前的预设时间范围内的所有路段的路段特征的综合值。
在确定每个路段的至少一个路段特征的实时值之后，根据选定的当前时间点，基于每个路段的至少一个路段特征的实时值进行计算，得到当前时间点前的预设时间范围内的所有路段的路段特征的综合值。
这里的，所述路段的每个路段特征的综合值通过所述路段特征在当前时间点前的预设时间范围内的所有实时值综合确定，以综合反映指定时间范围内的路段特征的综合情况。
在具体实施中，对行驶速度、天气状况、机动车密度、非机动车/行人密度、违章情况、路段占用情况的实时性要求较高，因此，在确定路段的路段特征的综合值时，可以选取当前时间点前较小的预设时间范围(例如一个小时)的GPS数据和图像数据来确定路段的路段特征的综合值。
另外，行车道数量、路面条件、夜间照明条件的更新频率较低，在实际应用中，对行车道数量、路面条件、夜间照明条件的实时性要求较低，因此，在确定路段的路段特征的综合值时，可以选取当前时间点前较大的预设时间范围(例如一个月)的GPS数据和图像数据来确定路段的路段特征的综合值，还可以阶段性的确定行车道数量、路面条件、夜间照明条件，避免重复计算导致的资源浪费。
基于路段的指定车辆的行驶速度、行车道数量、天气状况、机动车密度、非机动车/行人密度、违章情况、路段占用情况、路面条件、夜间照明条件的实时值，确定路段的路段特征的综合值。具体的，可以对行驶速度、行车道数量、天气状况等级、机动车密度、非机动车/行人密度、违章等级、路段占用面积、路面等级、夜间照明等级进行均方差计算，得到的值作为路段的路段特征的综合值；当然，还可以进行其他计算，本公开对此不做具体限定。
S104，基于起点位置和终点位置，根据至少一个路段特征的综合值以及基于路段的基础特征值确定当前路径。
在具体实施中，基于终端设备确定用户的起点位置和终点位置，基于起点位置和终点位置，根据至少一个路段特征的综合值以及基于路段的基础特征值确定当前路径。
其中，基于路段的基础特征值包括所述路段的等级、路段上红绿灯指示牌的数目、路段的拥挤状况等相关，这些值与路段的自身特征和性质相关，可以是预先设定值，也可以是通过实时方式获取。此外，所述路段的等级、路段上红绿灯指示牌的数目、路段的拥挤状况等信息可以是车辆实时获取到的，也可以是从其他平台获取到的等。
具体的，参照图11来根据至少一个路段特征的综合值以及基于路段的基础特征值确定当前路径，其中，具体步骤如下：
S1101，确定每个路段特征的权重值。
这里，预先基于指定车辆的行驶速度、行车道数量、天气状况、机动车密度、非机动车/行人密度、违章情况、路段占用情况、路面条件、夜间照明条件对车辆行驶的影响程度，对行驶速度、行车道数量、天气状况等级、机动车密度、非机动车/行人密度、违章等级、路段占用面积、路面等级、夜间照明等级分别设置权重值。
S1102，基于起点位置和终点位置，确定至少一个备选路径，其中，备选路径由至少一个备选路段组成。
在实际应用中，基于起点位置和终点位置，确定至少一个备选路径。在较为偏僻的地区，可能仅存在一个备选路径；在较为繁华的地区，可能会存在多个备选路径。备选路径即为能够实现从起点位置到达终点位置的路径。
其中，路段的长度越小，路段的综合值越准确。因此，在起点位置和终点位置相隔较远的时候，备选路径由至少一个备选路段组成。
S1103，基于每个路段特征的综合值和权重值，确定每个备选路径中每个备选路段的倾向值。
针对每个路段特征对道路的影响程度，预先为每个路段特征设置了对应的权重值。
在确定至少一个备选路径之后，针对每个备选路径，基于该备选路径包括的每个备选路段的路段特征的综合值和权重值进行加权计算，以确定该备选路径中每个备选路段的倾向值。其中，该倾向值表示用户倾向于在该备选路段上进行行驶的概率值。
在实际应用中，用户可以在确定起点位置和终点位置的同时，还可以基于自身的行驶喜好调整每个路段特征的权重值，例如，用户A想要行驶的路段的行车道数量较多，因此，可以将行车道数量对应的权重值调高，同时将其他路段特征的权重值调低等。
S1104，基于倾向值和基础特征值，在备选路径中确定当前路径。
这里，在确定每个备选路径中每个备选路段的倾向值之后，基于倾向值和基础特征值，计算得到每个备选路径的倾向值，基于每个备选路径的倾向值，在备选路径中确定当前路径。例如，选取倾向值最大的备选路径作为当前路径等。
本公开中利用车辆实时获取路段的GPS数据和图像数据，并根据GPS数据和图像数据来确定每个路段的至少一个路段特征的实时值；之后，确定当前时间点前的预设时间范围内的所有路段的路段特征的综合值；在获取到用户的起点位置和终点位置之后，基于起点位置和终点位置，根据至少一个路段特征的综合值以及基于路段的基础特征值确定当前路径，并将当前路径推荐给该用户。这里，基于GPS数据和图像数据能够更加全面的获取路段的路段特征，进而使得规划的当前路径更加精确，提高用户的出行效率。
基于同一发明构思，本公开的第二方面还提供了一种与路径的规划方法对应的路径的规划装置，由于本公开中的装置解决问题的原理与本公开上述路径的规划方法相似，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12所示，路径的规划装置包括：获取模块10、第一确定模块20、第二确定模块30和第三确定模块40；获取模块10与第一确定模块20耦合；第一确定模块20与第二确定模块30耦合，第二确定模块30和第三确定模块40耦合。
获取模块10，用于基于每个车辆实时获取所有路段的GPS数据和图像数据。在具体实施中，车辆包括在道路上行驶的任意车辆，例如安装有特定的采集设备的公交车和出租车等。
具体的，每个车辆利用安装的定位***实时获取所有路段的GPS数据，其中，GPS数据包括车辆所处的位置信息，距预设参照物的方位信息等；每个车辆还利用行车记录仪或预先安装的图像采集设备获取所有路段的图像数据；其中，该图像数据实时记录该车辆所处的当前环境。
这里，该图像数据包括视频及视频属性、图片及图片属性、时间等，在图像采集设备为激光雷达时，图像数据还包括当前环境的三维数据等。
第一确定模块20，用于根据GPS数据和图像数据，确定每个路段的至少一个路段特征的实时值。
在具体实施中，实时获取路段的GPS数据和图像数据的过程中，可以根据GPS数据和图像数据来确定每个路段的至少一个路段特征的实时值。也就是说，可以实时计算当前路段的每个路段特征。
其中，本公开的路段特征包括所述路段上的指定车辆的行驶速度、行车道数量、天气状况、机动车密度、非机动车/行人密度、违章情况、路段占用情况、路面条件、夜间照明条件。本领域技术人员应当知晓，与路段相关或在某个方面能够表征路段的其他路段特征，均落入本公开的保护范围。
其中，每个路段的至少一个路段特征的实时值包括任意时间点的所述路段上的指定车辆的行驶速度、同向的行车道数量、天气状况等级、机动车密度、非机动车/行人密度、违章等级、路段占用面积、路面等级、夜间照明等级等。
接下来，对确定行驶速度、行车道数量、天气状况、机动车密度、非机动车/行人密度、违章情况、路段占用情况、路面条件、夜间照明条件分别进行阐述。
第一确定模块20包括第一确定单元、第二确定单元、第三确定单元、第四确定单元、第五确定单元、第六确定单元、第七确定单元、第八确定单元和第九确定单元。
第一确定单元，用于基于所述指定车辆的所述GPS数据获取第一GPS数据和第二GPS数据；其中，第一GPS数据包括第一时刻和第一位置信息，第二GPS数据包括第二时刻和第二位置信息；基于第一GPS数据和第二GPS数据，确定行驶速度。
在具体实施中，定位***获取车辆的GPS数据时，将GPS数据与当前获取时刻进行关联。
基于行驶路程等于行驶时间与行驶速度的乘积，首先，基于GPS数据获取第一GPS数据和第二GPS数据，其中，第一GPS数据和第二GPS数据属于同一路段。具体的，第一GPS数据包括第一时刻和第一位置信息，第二GPS数据包括第二时刻和第二位置信息。
然后，计算第一时刻与第二时刻之间的时间间隔，以及计算第一位置信息与第二位置信息形成的位置间距，也即在时间间隔内行驶的路程。值得说明的是，该位置间距并非直线距离，而是按照可行驶道路生成的可行驶路线来确定的。
最后，将时间间隔作为除数，将位置间距作为被除数，计算得到的商即为行驶速度。
第二确定单元，用于在图像数据中提取车道线特征；基于车道线特征，确定同向车道线；获取同向车道线的数量；根据同向车道线的数量，确定同向的行车道数量。
在具体实施中，路段的车道数量也是用户在选择行驶路线时比较重要的一个因素。在获取到路段的图像数据之后，在图像数据中提取车道线特征，例如车道线的颜色、线型等。
之后，基于车道线特征确定同向车道线，这里，在获取到的图像数据中可能存在反向路段中的图像数据，此时，在计算行驶路径时，无需考虑反向路段的图像数据，因此，在确定车道线特征之后，仅确定同向车道线即可。
在确定同向车道线之后，统计同向车道线的数量，基于同向车道线的数量确定同向的行车道数量。
其中，还可以针对路段的图片预先建立并训练一个识别模型，用于识别图像中的物体，例如车道线、房屋、指示牌等。具体的，在获取到图像数据中包括的图片之后，直接利用识别模型识别图片中的同向车道线，并统计同向车道线的数量，计算同向的行车道数量。
第三确定单元，用于获取不同天气类别对应的天气状况标准；在图像数据中识别天气特征；基于天气状况标准和天气特征确定天气状况等级。
在具体实施中，考虑到天气这一因素也会对交通产生影响(例如下雨或者下雪的天气里，容易造成交通拥堵)，并且不同的天气状况对同样的路段产生的影响不同，例如，大雨的天气对地势较低的路段和地势较高的路段影响不同。因此，天气状况也是影响用户选择行驶路径的一个因素。
获取预先设置的不同天气类别对应的天气状况标准，其中，天气状况标准可以是天气状况等级，例如，晴朗的天气对应的天气状况等级为一级；大雨的天气对应的天气状况等级为五级等。
在获取到路段的图像数据之后，在图像数据中识别天气特征，包括风速、湿度、能见度等。之后，对比当前的天气特征所属的天气类别，进而基于天气状况标准和天气特征所属的天气类别，确定天气状况等级。
当然，也可以利用识别模型来识别天气状况等级，还可以通过移动终端的天气软件进行查询。
第四确定单元，用于识别图像数据中的机动车；计算第一预设范围内的机动车数量；基于第一预设范围的面积和机动车数量，确定机动车密度。
在具体实施中，在规划行驶路径时，用户最看重的为是否堵车，也即规划的行驶路径上机动车密度的大小，机动车密度大则堵车的可能性大，机动车密度小则堵车的可能性小。
在获取到路段的图像数据之后，基于机动车的特征识别图像数据中的机动车；之后，计算第一预设范围内的机动车数量。其中，该第一预设范围为可以是以当前获取位置为中心，以第一预设距离为半径确定的圆形区域；还可以按照路段方向，计算当前获取位置前后第一预设距离内的路段区域等。
具体的，按照如下公式(1)、(2)、(3)计算每个机动车相对于该当前采集位置的位置，其中，公式(1)、(2)、(3)如下：
其中，h为相机(还可以为其他摄像设备，本公开以相机进行详细阐述)安装高度，θ为相机水平向下俯视角，cx为相机光轴的水平偏移量，cy为相机光轴的垂直偏移量，fx为相机的水平焦距，fy为相机的垂直焦距，机动车识别结果为矩形框，(x，y)为机动车对应的矩形框下边缘中点的像素坐标，其中，图片的左上角为(0，0)，右下角为(H，W))，pn为机动车相对于该当前采集位置的位置。
计算pn落入第一预设范围内的数量，也即第一预设范围内的机动车数量。
之后，将第一预设范围的面积作为除数，将机动车的数量作为被除数，计算得到的商即为机动车密度。
第五确定单元，用于识别图像数据中的非机动车/行人和机动车道特征；，基于非机动车/行人和机动车道特征，确定在第二预设范围内机动车道上的非机动车/行人数量；基于第二预设范围的面积和非机动车/行人数量，确定非机动车/行人密度。
在具体实施中，考虑到国道路段、省道路段、高路路段等的地域属性不同，其存在的非机动车/行人和机动车的数量也不相同。非机动车/行人和机动车的数量在一定程度上也会影响路段的通畅度。
在获取到路段的图像数据之后，识别图像数据中的非机动车/行人和机动车道特征；之后，基于非机动车/行人和机动车道特征确定基于非机动车/行人和机动车道，并识别、计算第二预设范围内的非机动车/行人数量。其中，该第二预设范围为可以是以当前获取位置为中心，以预设第二距离为半径确定的圆形区域；还可以按照路段方向，计算当前获取位置前后第二预设距离内的路段区域等。这里，计算第二预设范围内的非机动车/行人数量的方法与计算第一预设范围内的机动车数量的方法相似，具体步骤便不再进行赘述。
之后，将第二预设范围的面积作为除数，将非机动车/行人的数量作为被除数，计算得到的商即为非机动车/行人密度。
第六确定单元，用于获取不同违章行为对应的违章标准；识别图像数据中的违章行为；基于违章标准和违章行为确定违章等级。
在具体实施中，存在部分路段的违章行为较多。因此，在规划行驶路径时，需要将违章行为这一因素纳入考虑范围内。其中，违章行为包括闯红灯、行人翻越栏杆等。
具体的，首先，获取不同违章行为对应的违章标准，例如闯红灯对应违章等级四级，行人翻越栏杆对应违章等级一级。在获取到路段的图像数据之后，识别图像数据中的违章行为。实际应用中，路段数据中可能不存在违章行为，也可能存在多个违章行为。
基于违章标准和违章行为确定违章等级。其中，在路段数据中存在多个违章行为时，还可以将多个违章等级进一步计算，得到最终的一个违章等级。
第七确定单元，用于识别图像数据中的静止障碍物特征；基于静止障碍物特征确定占用长度和占用宽度；利用占用长度和占用宽度，计算得到路段占用面积。
在具体实施中，部分路段上会停放一些障碍物，例如不经常使用的车辆、管理人员设置的路障等，这些很大程度上会影响当前路段的通畅。
在获取到路段的图像数据之后，识别图像数据中的静止障碍物特征，该静止障碍物特征包括该静止障碍物的属性特征、位置特征等。
基于静止障碍物特征确定该静止障碍物占用路段的占用长度和占用宽度，对占用长度和占用宽度进行乘法计算，得到的乘积即为静止障碍物占用路段的占用面积。
在实际应用中，可能存在多个静止障碍物同时占用同一路段，则该路段的路段占用面积为每个静止障碍物占用的路段占用面积之和。
第八确定单元，用于确定可行驶区域对应的图像数据；提取可行驶区域对应的图像数据中的路面特征；基于路面特征和预先获取的路面标准确定路面等级。
在具体实施中，获取的图像数据为路段的所有环境数据，包括可行驶区域的数据、人行道区域的数据、绿化区域的数据等。
在获取到图像数据之后，在所有的图像数据中确定可行驶区域对应的图像数据，之后，在可行驶区域对应的图像数据中提取可行驶区域的路面特征。其中，路面特征包括路面的材料、路面的平稳度、路面的完整度等。
基于路面特征和预先获取的路面标准确定路面等级。其中，路面标准包括路面特征和路面等级之间的映射关系。
第九确定单元，用于在图像数据中存在照明数据的情况下，提取图像数据中的属性参数；基于属性参数和预先获取的照明标准确定夜间照明等级。
考虑到夜间出行时，路段上的照明条件为用户较为在意的一个因素，并且照明条件也是一个影响行驶安全的因素，因此，在为夜间出行的用户进行路径规划时，需要考虑路段的夜间照明条件。
具体的，在获取到图像数据之后，判断该图像数据中是否存在照明数据，也即图像数据指示该路段存在照明设备，并且该照明设备处于开启状态。在图像数据中存在照明数据的情况下，提图像数据中的属性参数，其中，属性参数包括灰度、对比度等。
基于属性参数和预先获取的照明标准确定夜间照明等级。其中，照明标准包括属性参数和夜间照明等级之间的映射关系。
值得说明的是，上述采用的图片可以是直接拍摄得到的图片，也可以是从拍摄的视频中提取的帧图片。
第二确定模块30，用于基于每个路段的至少一个路段特征的实时值，确定当前时间点前的预设时间范围内的所有所述路段的所述路段特征的综合值。
这里的，所述路段的每个路段特征的综合值通过所述路段特征在当前时间点前的预设时间范围内的所有实时值综合确定，以综合反映指定时间范围内的路段特征的综合情况。
在具体实施中，对指定车辆的行驶速度、天气状况、机动车密度、非机动车/行人密度、违章情况、路段占用情况的实时性要求较高，因此，在确定路段的路段特征的综合值时，可以选取当前时间点前较小的预设时间范围(例如一个小时)的GPS数据和图像数据来确定路段的路段特征的综合值。
另外，行车道数量、路面条件、夜间照明条件的更新频率较低，在实际应用中，对行车道数量、路面条件、夜间照明条件的实时性要求较低，因此，在确定路段的路段特征的综合值时，可以选取当前时间点前较大的预设时间范围(例如一个月)的GPS数据和图像数据来确定路段的路段特征的综合值，还可以阶段性的确定行车道数量、路面条件、夜间照明条件，避免重复计算导致的资源浪费。
基于路段的指定车辆的行驶速度、行车道数量、天气状况、机动车密度、非机动车/行人密度、违章情况、路段占用情况、路面条件、夜间照明条件的实时值，确定路段的路段特征的综合值。具体的，可以对行驶速度、行车道数量、天气状况等级、机动车密度、非机动车/行人密度、违章等级、路段占用面积、路面等级、夜间照明等级的实时值进行均方差计算，得到的值作为路段的路段特征的综合值；当然，还可以进行其他计算，本公开对此不做具体限定。
第三确定模块40，用于基于起点位置和终点位置，根据至少一个所述路段特征的综合值以及基于路段的基础特征值确定当前路径。
在具体实施中，基于终端设备确定用户的起点位置和终点位置，基于起点位置和终点位置，根据至少一个路段特征的综合值以及基于路段的基础特征值确定当前路径。
其中，基于路段的基础特征值包括所述路段的等级、路段上红绿灯指示牌的数目、路段的拥挤状况等相关，这些值与路段的自身特征和性质相关，可以是预先设定值，也可以是通过实时方式获取。此外，所述路段的等级、路段上红绿灯指示牌的数目、路段的拥挤状况等信息可以是车辆实时获取到的，也可以是从其他平台获取到的等。
第三确定模块40包括第十确定单元、第十一确定单元、第十二确定单元和第十三确定单元。具体的，第十确定单元，用于确定每个路段特征的权重值。
这里，预先基于指定车辆的行驶速度、行车道数量、天气状况、机动车密度、非机动车/行人密度、违章情况、路段占用情况、路面条件、夜间照明条件对车辆行驶的影响程度，对行驶速度、行车道数量、天气状况等级、机动车密度、非机动车/行人密度、违章等级、路段占用面积、路面等级、夜间照明等级分别设置权重值。
第十一确定单元，用于基于起点位置和终点位置，确定至少一个备选路径，其中，备选路径由至少一个备选路段组成。
在实际应用中，基于起点位置和终点位置，确定至少一个备选路径。在较为偏僻的地区，可能仅存在一个备选路径；在较为繁华的地区，可能会存在多个备选路径。备选路径即为能够实现从起点位置到达终点位置的路径。
其中，路段的长度越小，路段的综合值越准确。因此，在起点位置和终点位置相隔较远的时候，备选路径由至少一个备选路段组成。
第十二确定单元，用于基于每个路段特征的综合值和权重值，确定每个备选路径中每个备选路段的倾向值。
针对每个路段特征对道路的影响程度，预先为每个路段特征设置了对应的权重值。
在确定至少一个备选路径之后，针对每个备选路径，基于该备选路径包括的每个备选路段的路段特征的综合值和权重值进行加权计算，以确定该备选路径中每个备选路段的倾向值。其中，该倾向值表示用户倾向于在该备选路段上进行行驶的概率值。
在实际应用中，用户可以在确定起点位置和终点位置的同时，还可以基于自身的行驶喜好调整每个路段特征的权重值，例如，用户A想要行驶的路段的行车道数量较多，因此，可以将行车道数量对应的权重值调高，同时将其他路段特征的权重值调低等。
第十三确定单元，用于基于倾向值和基础特征值，在备选路径中确定当前路径。
这里，在确定每个备选路径中每个备选路段的倾向值之后，基于倾向值和基础特征值，计算得到每个备选路径的倾向值，基于每个备选路径的倾向值，在备选路径中确定当前路径。例如，选取倾向值最大的备选路径作为当前路径等。
本公开中利用车辆实时获取路段的GPS数据和图像数据，并根据GPS数据和图像数据来确定每个路段的至少一个路段特征的实时值；之后，确定当前时间点前的预设时间范围内的所有路段的路段特征的综合值；在获取到用户的起点位置和终点位置之后，基于起点位置和终点位置，根据至少一个路段特征的综合值以及基于路段的基础特征值确定当前路径，并将当前路径推荐给该用户。这里，基于GPS数据和图像数据能够更加全面的获取路段的路段特征，进而使得规划的当前路径更加精确，提高用户的出行效率。
本公开的第三方面还提供了一种存储介质，该存储介质为计算机可读介质，存储有计算机程序，该计算机程序被处理器执行时实现本公开任意实施例提供的方法，包括如下步骤：
S11，基于每个车辆实时获取所有路段的GPS数据和图像数据；
S12，根据所述GPS数据和所述图像数据，确定每个所述路段的至少一个路段特征的实时值；
S13，基于每个所述路段的至少一个路段特征的实时值，确定当前时间点前的预设时间范围内的所有所述路段的所述路段特征的综合值；
S14，基于起点位置和终点位置，根据至少一个所述路段特征的综合值以及实时计算得到的基础特征值确定当前路径。
计算机程序被处理器执行根据所述GPS数据和所述图像数据，确定每个所述路段的至少一个路段特征的实时值时，所述路段特征包括所述路段上的指定车辆的行驶速度、行车道数量、天气状况、机动车密度、非机动车/行人密度、违章情况、路段占用情况、路面条件、夜间照明条件中的一个或者多个。
当所述路段特征为行驶速度的情况下，计算机程序被处理器执行根据所述GPS数据和所述图像数据，确定每个所述路段的至少一个路段特征的实时值时，具体被处理器执行如下步骤：基于所述指定车辆的所述GPS数据获取第一GPS数据和第二GPS数据；其中，所述第一GPS数据包括第一时刻和第一位置信息，所述第二GPS数据包括第二时刻和第二位置信息；基于所述第一GPS数据和所述第二GPS数据，确定所述行驶速度。
当所述路段特征为行车道数量的情况下，计算机程序被处理器执行根据所述GPS数据和所述图像数据，确定每个所述路段的至少一个路段特征的实时值时，具体被处理器执行如下步骤：在所述图像数据中提取车道线特征；基于所述车道线特征，确定同向车道线；获取所述同向车道线的数量；根据所述同向车道线的数量，确定同向的行车道数量。
当所述路段特征为天气状况的情况下，计算机程序被处理器执行根据所述GPS数据和所述图像数据，确定每个所述路段的至少一个路段特征的实时值时，具体被处理器执行如下步骤：获取不同天气类别对应的天气状况标准；在所述图像数据中识别天气特征；基于所述天气状况标准和所述天气特征确定天气状况等级。
当所述路段特征为机动车密度的情况下，计算机程序被处理器执行根据所述GPS数据和所述图像数据，确定每个所述路段的至少一个路段特征的实时值时，具体被处理器执行如下步骤：识别所述图像数据中的机动车；计算第一预设范围内的机动车数量；基于所述第一预设范围的面积和所述机动车数量，确定机动车密度。
当所述路段特征为非机动车/行人密度的情况下，计算机程序被处理器执行根据所述GPS数据和所述图像数据，确定每个所述路段的至少一个路段特征的实时值时，具体被处理器执行如下步骤：识别所述图像数据中的非机动车/行人和机动车道特征；基于所述非机动车/行人和所述机动车道特征，确定在第二预设范围内所述机动车道上的非机动车/行人数量；基于所述第二预设范围的面积和所述非机动车/行人数量，确定非机动车/行人密度。
当所述路段特征为违章情况的情况下，计算机程序被处理器执行根据所述GPS数据和所述图像数据，确定每个所述路段的至少一个路段特征的实时值时，具体被处理器执行如下步骤：获取不同违章行为对应的违章标准；识别所述图像数据中的违章行为；基于所述违章标准和所述违章行为确定违章等级。
当所述路段特征为路段占用情况的情况下，计算机程序被处理器执行根据所述GPS数据和所述图像数据，确定每个所述路段的至少一个路段特征的实时值时，具体被处理器执行如下步骤：识别所述图像数据中的静止障碍物特征；基于所述静止障碍物特征确定占用长度和占用宽度；利用所述占用长度和所述占用宽度，计算得到路段占用面积。
当所述路段特征为路面条件的情况下，计算机程序被处理器执行根据所述GPS数据和所述图像数据，确定每个所述路段的至少一个路段特征的实时值时，具体被处理器执行如下步骤：确定可行驶区域对应的所述图像数据；提取所述可行驶区域对应的所述图像数据中的路面特征；基于所述路面特征和预先获取的路面标准确定路面等级。
当所述路段特征为夜间照明条件的情况下，计算机程序被处理器执行根据所述GPS数据和所述图像数据，确定每个所述路段的至少一个路段特征的实时值时，具体被处理器执行如下步骤：在所述图像数据中存在照明数据的情况下，提取所述图像数据中的属性参数；基于所述属性参数和预先获取的照明标准确定夜间照明等级。
计算机程序被处理器执行基于起点位置和终点位置，根据至少一个所述路段特征的综合值以及基于路段的基础特征值确定当前路径时，具体被处理器执行如下步骤：确定每个所述路段特征的权重值；基于起点位置和终点位置，确定至少一个备选路径，其中，所述备选路径由至少一个备选路段组成；基于每个所述路段特征的所述综合值和所述权重值，确定每个所述备选路径中每个所述备选路段的倾向值；基于所述倾向值和所述基础特征值，在所述备选路径中确定当前路径。
本公开中利用车辆实时获取路段的GPS数据和图像数据，并根据GPS数据和图像数据来确定每个路段的至少一个路段特征的实时值；之后，确定当前时间点前的预设时间范围内的所有路段的路段特征的综合值；在获取到用户的起点位置和终点位置之后，基于起点位置和终点位置，根据至少一个路段特征的综合值以及基于路段的基础特征值确定当前路径，并将当前路径推荐给该用户。这里，基于GPS数据和图像数据能够更加全面的获取路段的路段特征，进而使得规划的当前路径更加精确，提高用户的出行效率。
本公开的第四方面还提供了一种电子设备，如图13所示，该电子设备至少包括存储器1301和处理器1302，存储器1301上存储有计算机程序，处理器1302在执行存储器1301上的计算机程序时实现本公开任意实施例提供的方法。示例性的，电子设备计算机程序执行的方法如下：
S21，基于每个车辆实时获取所有路段的GPS数据和图像数据；
S22，根据所述GPS数据和所述图像数据，确定每个所述路段的至少一个路段特征的实时值；
S23，基于每个所述路段的至少一个路段特征的实时值，确定当前时间点前的预设时间范围内的所有所述路段的所述路段特征的综合值；
S24，基于起点位置和终点位置，根据至少一个所述路段特征的综合值以及基于路段的基础特征值确定当前路径。
处理器在执行存储器上存储的根据所述GPS数据和所述图像数据，确定每个所述路段的至少一个路段特征的实时值时，所述路段特征包括所述路段上的指定车辆的行驶速度、行车道数量、天气状况、机动车密度、非机动车/行人密度、违章情况、路段占用情况、路面条件、夜间照明条件中的一个或者多个。
当所述路段特征为行驶速度的情况下，处理器在执行存储器上存储的根据所述GPS数据和所述图像数据，确定每个所述路段的至少一个路段特征的实时值时，还执行如下计算机程序：基于所述指定车辆的所述GPS数据获取第一GPS数据和第二GPS数据；其中，所述第一GPS数据包括第一时刻和第一位置信息，所述第二GPS数据包括第二时刻和第二位置信息；基于所述第一GPS数据和所述第二GPS数据，确定所述行驶速度。
当所述路段特征为行车道数量的情况下，处理器在执行存储器上存储的根据所述GPS数据和所述图像数据，确定每个所述路段的至少一个路段特征的实时值时，还执行如下计算机程序：在所述图像数据中提取车道线特征；基于所述车道线特征，确定同向车道线；获取所述同向车道线的数量；根据所述同向车道线的数量，确定同向的行车道数量。
当所述路段特征为天气状况的情况下，处理器在执行存储器上存储的根据所述GPS数据和所述图像数据，确定每个所述路段的至少一个路段特征的实时值时，还执行如下计算机程序：获取不同天气类别对应的天气状况标准；在所述图像数据中识别天气特征；基于所述天气状况标准和所述天气特征确定天气状况等级。
当所述路段特征为机动车密度的情况下，处理器在执行存储器上存储的根据所述GPS数据和所述图像数据，确定每个所述路段的至少一个路段特征的实时值时，还执行如下计算机程序：识别所述图像数据中的机动车；计算第一预设范围内的机动车数量；基于所述第一预设范围的面积和所述机动车数量，确定机动车密度。
当所述路段特征为非机动车/行人密度的情况下，处理器在执行存储器上存储的根据所述GPS数据和所述图像数据，确定每个所述路段的至少一个路段特征的实时值时，还执行如下计算机程序：识别所述图像数据中的非机动车/行人和机动车道特征；基于所述非机动车/行人和所述机动车道特征，确定在第二预设范围内所述机动车道上的非机动车/行人数量；基于所述第二预设范围的面积和所述非机动车/行人数量，确定非机动车/行人密度。
当所述路段特征为违章情况的情况下，处理器在执行存储器上存储的根据所述GPS数据和所述图像数据，确定每个所述路段的至少一个路段特征的实时值时，还执行如下计算机程序：获取不同违章行为对应的违章标准；识别所述图像数据中的违章行为；基于所述违章标准和所述违章行为确定违章等级。
当所述路段特征为路段占用情况的情况下，处理器在执行存储器上存储的根据所述GPS数据和所述图像数据，确定每个所述路段的至少一个路段特征的实时值时，还执行如下计算机程序：识别所述图像数据中的静止障碍物特征；基于所述静止障碍物特征确定占用长度和占用宽度；利用所述占用长度和所述占用宽度，计算得到路段占用面积。
当所述路段特征为路面条件的情况下，处理器在执行存储器上存储的根据所述GPS数据和所述图像数据，确定每个所述路段的至少一个路段特征的实时值时，具体被处理器执行如下步骤：确定可行驶区域对应的所述图像数据；提取所述可行驶区域对应的所述图像数据中的路面特征；基于所述路面特征和预先获取的路面标准确定路面等级。
当所述路段特征为夜间照明条件的情况下，处理器在执行存储器上存储的根据所述GPS数据和所述图像数据，确定每个所述路段的至少一个路段特征的实时值时，还执行如下计算机程序：在所述图像数据中存在照明数据的情况下，提取所述图像数据中的属性参数；基于所述属性参数和预先获取的照明标准确定夜间照明等级。
处理器在执行存储器上存储的基于起点位置和终点位置，根据至少一个所述路段特征的综合值以及基于路段的基础特征值确定当前路径时，还执行如下计算机程序：确定每个所述路段特征的权重值；基于起点位置和终点位置，确定至少一个备选路径，其中，所述备选路径由至少一个备选路段组成；基于每个所述路段特征的所述综合值和所述权重值，确定每个所述备选路径中每个所述备选路段的倾向值；基于所述倾向值和所述基础特征值，在所述备选路径中确定当前路径。
本公开中利用车辆实时获取路段的GPS数据和图像数据，并根据GPS数据和图像数据来确定每个路段的至少一个路段特征的实时值；之后，确定当前时间点前的预设时间范围内的所有路段的路段特征的综合值；在获取到用户的起点位置和终点位置之后，基于起点位置和终点位置，根据至少一个路段特征的综合值以及基于路段的基础特征值确定当前路径，并将当前路径推荐给该用户。这里，基于GPS数据和图像数据能够更加全面的获取路段的路段特征，进而使得规划的当前路径更加精确，提高用户的出行效率。
在一些实施方式中，客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(LAN)、广域网(WAN)、网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。
上述存储介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。
上述存储介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：获取至少两个网际协议地址；向节点评价设备发送包括至少两个网际协议地址的节点评价请求，其中，节点评价设备从至少两个网际协议地址中，选取网际协议地址并返回；接收节点评价设备返回的网际协议地址；其中，所获取的网际协议地址指示内容分发网络中的边缘节点。
或者，上述存储介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：接收包括至少两个网际协议地址的节点评价请求；从至少两个网际协议地址中，选取网际协议地址；返回选取出的网际协议地址；其中，接收到的网际协议地址指示内容分发网络中的边缘节点。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
需要说明的是，本公开上述的存储介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的***、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行***、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何存储介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。存储介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。
附图中的流程图和框图，图示了按照本公开各种实施例的***、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，流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，该模块、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***来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，单元的名称在某种情况下并不构成对该单元本身的限定。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上***(SOC)、复杂可编程逻辑设备(CPLD)等等。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行***、装置或设备使用或与指令执行***、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体***、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
此外，虽然采用特定次序描绘了各操作，但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地，在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。
以上对本公开多个实施例进行了详细说明，但本公开不限于这些具体的实施例，本领域技术人员在本公开构思的基础上，能够做出多种变型和修改实施例，这些变型和修改都应落入本公开所要求保护的范围之内。
Claims (14)
1.一种路径的规划方法，其特征在于，包括：
基于每个车辆实时获取所有路段的GPS数据和图像数据；
根据所述GPS数据和所述图像数据，确定每个所述路段的至少一个路段特征的实时值；
基于每个所述路段的至少一个路段特征的实时值，确定当前时间点前的预设时间范围内的所有所述路段的所述路段特征的综合值；
基于起点位置和终点位置，根据至少一个所述路段特征的综合值以及基于所述路段的基础特征值确定当前路径，所述路段的基础特征值包括路段的等级、路段上红绿灯指示牌的数目、路灯的拥挤状况；
所述路段特征包括违章情况，违章情况的实时值通过以下方式确定：
获取不同违章行为对应的违章标准；
识别所述图像数据中的违章行为；
基于所述违章标准和所述违章行为确定违章等级。
2.根据权利要求1所述的规划方法，其特征在于，所述根据所述GPS数据和所述图像数据，确定每个所述路段的至少一个路段特征的实时值中，所述路段特征还包括所述路段上的指定车辆的行驶速度、行车道数量、天气状况、机动车密度、非机动车/行人密度、路段占用情况、路面条件、夜间照明条件中的一个或者多个。
3.根据权利要求2所述的规划方法，其特征在于，所述路段特征还包括行驶速度，行驶速度的实时值通过以下方式确定：
基于所述指定车辆的所述GPS数据获取第一GPS数据和第二GPS数据；其中，所述第一GPS数据包括第一时刻和第一位置信息，所述第二GPS数据包括第二时刻和第二位置信息；
基于所述第一GPS数据和所述第二GPS数据，确定所述行驶速度。
4.根据权利要求2所述的规划方法，其特征在于，所述路段特征还包括行车道数量，车道数量的实时值通过以下方式确定：
在所述图像数据中提取车道线特征；
基于所述车道线特征，确定同向车道线；
获取所述同向车道线的数量；
根据所述同向车道线的数量，确定同向的行车道数量。
5.根据权利要求2所述的规划方法，其特征在于，所述路段特征还包括天气状况，天气状况的实时值通过以下方式确定：
获取不同天气类别对应的天气状况标准；
在所述图像数据中识别天气特征；
基于所述天气状况标准和所述天气特征确定天气状况等级。
6.根据权利要求2所述的规划方法，其特征在于，所述路段特征还包括机动车密度，机动车密度的实时值通过以下方式确定：
识别所述图像数据中的机动车；
计算第一预设范围内的机动车数量；
基于所述第一预设范围的面积和所述机动车数量，确定机动车密度。
7.根据权利要求2所述的规划方法，其特征在于，所述路段特征还包括非机动车/行人密度，非机动车/行人密度的实时值通过以下方式确定：
识别所述图像数据中的非机动车/行人和机动车道特征；
基于所述非机动车/行人和所述机动车道特征，确定在第二预设范围内所述机动车道上的非机动车/行人数量；
基于所述第二预设范围的面积和所述非机动车/行人数量，确定非机动车/行人密度。
8.根据权利要求2所述的规划方法，其特征在于，所述路段特征还包括路段占用情况，路段占用情况的实时值通过以下方式确定：
识别所述图像数据中的静止障碍物特征；
基于所述静止障碍物特征确定占用长度和占用宽度；
利用所述占用长度和所述占用宽度，计算得到路段占用面积。
9.根据权利要求2所述的规划方法，其特征在于，所述路段特征还包括路面条件，路面条件的实时值通过以下方式确定：
确定可行驶区域对应的所述图像数据；
提取所述可行驶区域对应的所述图像数据中的路面特征；
基于所述路面特征和预先获取的路面标准确定路面等级。
10.根据权利要求2所述的规划方法，其特征在于，所述路段特征还包括夜间照明条件，夜间照明条件的实时值通过以下方式确定：
在所述图像数据中存在照明数据的情况下，提取所述图像数据中的属性参数；
基于所述属性参数和预先获取的照明标准确定夜间照明等级。
11.根据权利要求1所述的规划方法，其特征在于，所述基于起点位置和终点位置，根据至少一个所述路段特征的综合值以及基于所述路段的基础特征值确定当前路径，包括：
确定每个所述路段特征的权重值；
基于起点位置和终点位置，确定至少一个备选路径，其中，所述备选路径由至少一个备选路段组成；
基于每个所述路段特征的所述综合值和所述权重值，确定每个所述备选路径中每个所述备选路段的倾向值；
基于所述倾向值和所述基础特征值，在所述备选路径中确定当前路径。
12.一种路径的规划装置，其特征在于，包括：
获取模块，用于基于每个车辆实时获取所有路段的GPS数据和图像数据；
第一确定模块，用于根据所述GPS数据和所述图像数据，确定每个所述路段的至少一个路段特征的实时值；
第二确定模块，用于基于每个所述路段的至少一个路段特征的实时值，确定当前时间点前的预设时间范围内的所有所述路段的所述路段特征的综合值，所述路段的基础特征值包括路段的等级、路段上红绿灯指示牌的数目、路灯的拥挤状况；
第三确定模块，用于基于起点位置和终点位置，根据至少一个所述路段特征的综合值以及基于所述路段的基础特征值确定当前路径；
所述路段特征包括违章情况，违章情况的实时值通过以下方式确定：
获取不同违章行为对应的违章标准；
识别所述图像数据中的违章行为；
基于所述违章标准和所述违章行为确定违章等级。
13.一种计算机可读存储介质，其特征在于，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如权利要求1至11任意一项所述的路径的规划方法的步骤。
14.一种电子设备，其特征在于，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行如权利要求1至11任意一项所述的路径的规划方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010186342.2A CN111337043B (zh) | 2020-03-17 | 2020-03-17 | 一种路径的规划方法、装置、存储介质和电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010186342.2A CN111337043B (zh) | 2020-03-17 | 2020-03-17 | 一种路径的规划方法、装置、存储介质和电子设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111337043A CN111337043A (zh) | 2020-06-26 |
| CN111337043B true CN111337043B (zh) | 2022-08-02 |
Family
ID=71186124
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010186342.2A Active CN111337043B (zh) | 2020-03-17 | 2020-03-17 | 一种路径的规划方法、装置、存储介质和电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111337043B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113240906B (zh) * | 2021-05-27 | 2022-06-14 | 山东产研信息与人工智能融合研究院有限公司 | 基于物流园区道路拥堵实时监控的车辆引导方法及*** |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101697151A (zh) * | 2009-09-23 | 2010-04-21 | 易程科技股份有限公司 | 能够立体显示的路径查询***及其查询方法 |
| CN102221367A (zh) * | 2011-04-02 | 2011-10-19 | 杭州妙影微电子有限公司 | 一种基于热点车辆的互动导航方法 |
| CN103956043A (zh) * | 2014-04-29 | 2014-07-30 | 南京理工大学 | 基于移动终端的车辆出行路径辅助*** |
| CN105206053A (zh) * | 2015-09-21 | 2015-12-30 | 河海大学常州校区 | 一种基于车联网技术的道路综合信息处理***及其方法 |
| CN106448225A (zh) * | 2016-08-25 | 2017-02-22 | 深圳市元征科技股份有限公司 | 一种路段信息共享方法及装置 |
| CN106981212A (zh) * | 2016-01-19 | 2017-07-25 | 霍尼韦尔国际公司 | 交通可视化*** |
| CN107336711A (zh) * | 2017-06-19 | 2017-11-10 | 北京汽车股份有限公司 | 车辆及其自动驾驶***和方法 |
| CN107702725A (zh) * | 2016-08-08 | 2018-02-16 | 北京嘀嘀无限科技发展有限公司 | 行车路线推荐方法及装置 |
| CN109641589A (zh) * | 2016-06-14 | 2019-04-16 | 优特诺股份有限公司 | 用于自主车辆的路线规划 |
| CN109900292A (zh) * | 2019-04-03 | 2019-06-18 | 南京林业大学 | 一种综合舒适度和出行距离的机动车导航方法 |
| CN109974710A (zh) * | 2019-04-11 | 2019-07-05 | 何世全 | 一种推送导航路线的方法及*** |
Family Cites Families (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2001050761A (ja) * | 1999-08-10 | 2001-02-23 | Sumitomo Electric Ind Ltd | 車両用ナビゲーション装置 |
| JP4971625B2 (ja) * | 2005-11-14 | 2012-07-11 | 富士通テン株式会社 | 運転支援装置および運転情報算出システム |
| CN104012123A (zh) * | 2011-12-30 | 2014-08-27 | 英特尔公司 | 用于共享道路信息的无线网络 |
| US20150106010A1 (en) * | 2013-10-15 | 2015-04-16 | Ford Global Technologies, Llc | Aerial data for vehicle navigation |
| TWI626428B (zh) * | 2016-03-29 | 2018-06-11 | 群邁通訊股份有限公司 | 路線規劃系統及方法 |
| CN106052702B (zh) * | 2016-05-23 | 2019-06-07 | 百度在线网络技术（北京）有限公司 | 车辆导航方法和装置 |
| CN107449438A (zh) * | 2016-05-31 | 2017-12-08 | 沈阳美行科技有限公司 | 一种行车信息播放***及其应用和导航设备 |
| CN107527512B (zh) * | 2016-06-21 | 2021-08-24 | 北京搜狗科技发展有限公司 | 一种违章提示方法、装置及电子设备 |
| CN106530781B (zh) * | 2016-09-29 | 2020-07-03 | 奇瑞汽车股份有限公司 | 基于车联网分享路况信息的方法及*** |
| CN106595665B (zh) * | 2016-11-30 | 2019-10-11 | 耿生玲 | 一种障碍空间中移动对象时空轨迹的预测方法 |
| CN108648489B (zh) * | 2018-05-15 | 2021-01-01 | 湖北文理学院 | 一种基于车联网的路况信息实时共享***及方法 |
| CN110793534A (zh) * | 2018-08-01 | 2020-02-14 | 奥迪股份公司 | 导航***控制方法、装置、计算机设备和存储介质 |
| CN109947113A (zh) * | 2019-04-10 | 2019-06-28 | 厦门大学嘉庚学院 | 一种有人驾驶汽车与无人驾驶汽车路面共享方法 |
| CN110413718A (zh) * | 2019-07-23 | 2019-11-05 | 上海易点时空网络有限公司 | 违章区域查询方法和装置 |
| CN110906937B (zh) * | 2019-12-17 | 2023-06-27 | 陕西瑞特测控技术有限公司 | 一种避开结冰路面的导航定位方法 |
-
2020
- 2020-03-17 CN CN202010186342.2A patent/CN111337043B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101697151A (zh) * | 2009-09-23 | 2010-04-21 | 易程科技股份有限公司 | 能够立体显示的路径查询***及其查询方法 |
| CN102221367A (zh) * | 2011-04-02 | 2011-10-19 | 杭州妙影微电子有限公司 | 一种基于热点车辆的互动导航方法 |
| CN103956043A (zh) * | 2014-04-29 | 2014-07-30 | 南京理工大学 | 基于移动终端的车辆出行路径辅助*** |
| CN105206053A (zh) * | 2015-09-21 | 2015-12-30 | 河海大学常州校区 | 一种基于车联网技术的道路综合信息处理***及其方法 |
| CN106981212A (zh) * | 2016-01-19 | 2017-07-25 | 霍尼韦尔国际公司 | 交通可视化*** |
| CN109641589A (zh) * | 2016-06-14 | 2019-04-16 | 优特诺股份有限公司 | 用于自主车辆的路线规划 |
| CN107702725A (zh) * | 2016-08-08 | 2018-02-16 | 北京嘀嘀无限科技发展有限公司 | 行车路线推荐方法及装置 |
| CN106448225A (zh) * | 2016-08-25 | 2017-02-22 | 深圳市元征科技股份有限公司 | 一种路段信息共享方法及装置 |
| CN107336711A (zh) * | 2017-06-19 | 2017-11-10 | 北京汽车股份有限公司 | 车辆及其自动驾驶***和方法 |
| CN109900292A (zh) * | 2019-04-03 | 2019-06-18 | 南京林业大学 | 一种综合舒适度和出行距离的机动车导航方法 |
| CN109974710A (zh) * | 2019-04-11 | 2019-07-05 | 何世全 | 一种推送导航路线的方法及*** |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111337043A (zh) | 2020-06-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP3486608B1 (en) | Method and apparatus for providing a tile-based digital elevation model | |
| US11874119B2 (en) | Traffic boundary mapping | |
| US9355063B2 (en) | Parking lot detection using probe data | |
| CN109644144B (zh) | 无线网络优化 | |
| EP3719449A1 (en) | Driving condition specific sensor quality index | |
| KR101994496B1 (ko) | 정보 수집 및 검색을 통한 루트의 제공 기법 | |
| US11521487B2 (en) | System and method to generate traffic congestion estimation data for calculation of traffic condition in a region | |
| US10495470B2 (en) | Map having computer executable instructions embedded therein | |
| CN110832474A (zh) | 高清地图更新 | |
| US9410812B1 (en) | User queries to model road network usage | |
| US11402220B2 (en) | Maplets for maintaining and updating a self-healing high definition map | |
| CN110118564A (zh) | 一种高精度地图的数据管理***、管理方法、终端和存储介质 | |
| EP3671126A1 (en) | Method, apparatus, and system for providing road closure graph inconsistency resolution | |
| CN111337043B (zh) | 一种路径的规划方法、装置、存储介质和电子设备 | |
| WO2024114414A1 (zh) | 一种v2x事件的推送方法及装置 | |
| US11287266B2 (en) | Maplets for maintaining and updating a self-healing high definition map | |
| US20230386335A1 (en) | Method and apparatus for placing a shared micro-mobility vechile in public spaces | |
| CN116295336A (zh) | 一种地图分层结构的构建方法、装置、设备及存储介质 | |
| EP3922947A2 (en) | Traffic analytics system for defining road networks | |
| CN114116854A (zh) | 轨迹数据处理方法、装置、设备和存储介质 | |
| KR102302486B1 (ko) | 도시 도로의 운행 속도 처리 방법, 도시 도로의 운행 속도 처리 장치, 기기 및 비휘발성 컴퓨터 저장 매체 | |
| EP4249851A1 (en) | Autonomous vehicle navigation using map fragments | |
| US11885636B2 (en) | Method, apparatus, and system for automatically coding and verifying human settlement cartographic features | |
| EP3919860A1 (en) | Intelligent telematics system for defining road networks | |
| CN116136412A (zh) | 行驶路线生成方法、行驶路线显示方法、装置以及设备 |
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 |