CN113033030A - 一种基于真实道路场景的拥堵模拟方法及*** - Google Patents
一种基于真实道路场景的拥堵模拟方法及*** Download PDFInfo
- Publication number
- CN113033030A CN113033030A CN202110569716.3A CN202110569716A CN113033030A CN 113033030 A CN113033030 A CN 113033030A CN 202110569716 A CN202110569716 A CN 202110569716A CN 113033030 A CN113033030 A CN 113033030A
- Authority
- CN
- China
- Prior art keywords
- lane
- vehicle
- road
- roadblock
- simulated
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
- G08G1/065—Traffic control systems for road vehicles by counting the vehicles in a section of the road or in a parking area, i.e. comparing incoming count with outgoing count
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及路障模拟技术领域,具体涉及一种基于真实道路场景的拥堵模拟方法及***,包括:将所述三维场景道路划分为多个车道,并存储每个车道的位置信息;将交通监控视频中的交通流映射在三维场景道路中,生成若干车辆;在三维场景道路中随机点击生成路障,计算路障的位置信息,并根据位置信息确定路障所在车道,将所述路障所在车道标记为不可通行车道;当检测到车辆周围有障碍物时,切断所述车辆与交通监控视频之间的映射关系,并将所述车辆标记为模拟车辆;根据所述可通行车道中车辆的行驶路径,确定所述模拟车辆的行驶路径。本发明用于解决现有的仿真场景中的车辆生成是完全模拟的状态和车辆如何进行快速合理的路径规划的技术问题。
Description
技术领域
本发明涉及路障模拟技术领域,具体而言,涉及一种基于真实道路场景的拥堵模拟方法及***。
背景技术
城市交通规划设计过程中,随着汽车的数量不断增加,由于车辆驾驶行为的随意性和不可预测性,使得交通管理部门难以建立精确的数学模型对车辆拥堵进行预测,因此如何解决车辆拥堵给道路交通带来的巨大压力成为了交通管理部门的重大难题。
随着自动驾驶的出现,在自动驾驶领域中搭建虚拟仿真测试常用于对自动驾驶车辆进行仿真测试,仿真测试中可直观的演示拥堵模拟和发生拥堵后的车辆行驶路径,代替数学模型对车辆拥堵进行预测,以解决上述问题。
将仿真测试应用到车辆拥堵预测上,将会面临一些技术壁垒:1、现有技术中为了保证仿真场景的真实性,搭建与真实道路一致的仿真场景,但仿真场景中的车辆生成是完全模拟的状态,所以车辆生成的合理性亟待考证;2、当发生拥堵后,车辆如何进行快速合理的路径规划才更加贴近真实情景。
发明内容
本发明的目的在于提供一种基于真实道路场景的拥堵模拟方法及***,以改善上述问题。
为了实现上述目的,本申请实施例提供了如下技术方案:
一种基于真实道路场景的拥堵模拟方法,包括:
S1.将三维场景道路划分为多个车道,并存储每个车道的位置信息;
S2.将交通监控视频中的交通流映射在三维场景道路中,生成若干车辆;
S3.在三维场景道路中随机点击生成路障,计算路障的位置信息,并根据位置信息确定路障所在车道,将所述路障所在车道标记为不可通行车道,其他车道标记为可通行车道;
S4.在所述不可通行车道中,当检测到车辆前方有障碍物时,切断所述车辆与交通监控视频之间的映射关系,并将所述车辆标记为模拟车辆,所述障碍物包括路障和车辆;
S5.确定所述模拟车辆变道驶入的目标车道,并规划所述模拟车辆的行驶路径。
进一步的,所述S1具体包括以下步骤:
S11.接入所述交通监控视频中的道路的openmapstreet数据,所述openmapstreet数据包括道路中每个车道的路径和宽度;
S12.根据所述openmapstreet数据构建三维场景道路,并划分得到多个车道。
进一步的,所述S2具体包括以下步骤:
S21.按帧数切割所述交通监控视频得到若干帧图像;
S22.记录每帧图像中车辆的位置信息,
S23.按时间顺序读取将每帧图像中车辆的位置信息,在所述三维场景道路中对应的位置生成对应的车辆;
S24.生成连续的三维场景视频流。
进一步的,所述S3具体包括以下步骤:
S31.在三维场景道路中的不同的点连续点击三次,生成一条曲线路径;
S32.利用射线检测三次点击的位置信息,利用贝塞尔曲线公式计算出所述曲线路径,在所述曲线路径上生成路障;
S33.根据路径和车道的位置信息确定路障所在车道,并将所述路障所在车道标记为不可通行车道,其他车道标记为可通行车道;
S34.将所述不可通行车道和可通行车道的位置信息发送至车辆。
进一步的,所述S4包括以下步骤:
S41.将所述不可通行车道中车辆的前方添加障碍物探测框;
S42.当车辆的障碍物探测框内出现有障碍物时,则判断为所述车辆前方有障碍物;
S43.切断所述车辆与交通监控视频之间的映射关系,将所述车辆标记为模拟车辆,所述模拟车辆进入避障模式。
进一步的,所述S5具体包括以下步骤:
S51.当所述模拟车辆的前方的障碍物为路障时,将与模拟车辆所在车道最近的可通行车道作为目标车道;
S52.确定所述目标车道中的目标车辆,并获取所述目标车辆的行驶路径;
S53.确定模拟车辆的变道起点;
S54.确定所述模拟车辆变道后到达所述目标车道上的变道终点;
S55.根据预设的杜宾斯参数拟合得到杜宾斯曲线,将所述杜宾斯曲线作为模拟车辆的第二预设路径;
S56.当所述第二预设路径与目标车辆的行驶路径保持安全距离的情况下,所述模拟车辆沿所述第二预设路径行驶至变道终点。
进一步的,所述S51之前还包括以下步骤:
S50.当所述目标车道与所述模拟车辆所在车道之间有中间车道时,所述目标车辆先变道至所述中间车道,再从所述中间车道变道至所述目标车道。
进一步的,所述S56具体包括以下步骤:
S561.令所述模拟车辆为匀速行驶,速度等于变道起点的速度;
S562.根据速度-位移公式,计算模拟车辆未来通行所述第二预设路径所需要的总时间,计算未来总时间内遍历的帧数;
S563.计算模拟车辆在未来每一帧图像中所到达的坐标位置;
S564.获取目标车辆在未来遍历的每一帧图像中所到达的坐标位置;
S565.计算模拟车辆和目标车辆在未来遍历的每一帧图像中的相对距离;
S566.当所述相对距离小于预设的安全距离时,所述模拟车辆沿所述第二预设路径行驶。
进一步的,所述S5还包括:
当所述模拟车辆的前方的障碍物为车辆时,所述模拟车辆沿当前道路减速行驶。
一种基于真实道路场景的拥堵模拟***,包括:
车道划分模块:将三维场景道路划分为多个车道,并存储每个车道的位置信息;
映射模块:将交通监控视频中的交通流映射在三维场景道路中,生成若干车辆;
路障生成模块:在三维场景道路中随机点击生成路障,计算路障的位置信息,并根据位置信息确定路障所在车道,将所述路障所在车道标记为不可通行车道,其他车道标记为可通行车道;
障碍物检测模块:在所述不可通行车道中,当检测到车辆前方有障碍物时,切断所述车辆与交通监控视频之间的映射关系,并将所述车辆标记为模拟车辆;
路径规划模块:确定所述模拟车辆变道驶入的目标车道,并规划所述模拟车辆的行驶路径。
本发明的有益效果为:
1、本发明根据真实交通监控视频中的道路信息搭建三维场景道路,并获取所述监控视频中的车辆行驶路径,根据真实的车辆行驶路径在三维场景道路中生成若干车辆,保证车辆数量和行驶路径的真实性,为后续的拥堵模拟提供测试数据,使模拟结果更加真实有参考价值。
2、本发明利用真实的车辆数据作为测试数据,首先在数据表中存储每个车辆的行驶路径,在没有障碍物出现的时候,按照既定的行驶路径在道路中行驶,在后续避障模式中,便于模拟车辆快速获取其他相关车辆的行驶路径,基于所述行驶路径确定模拟车辆是否变道,不仅减少了对其他相关车辆的未来行驶路径的预测过程,且得到的行驶路径为真实的数据。
3、本发明在三维场景道路中随机点击生成路障,路障的位置和宽度均可自由设定;而路障生成后,后方来车检测到路障后,开启避障模式,通过预设的杜宾斯参数拟合得到的杜宾斯曲线,即变道的预设路径,本发明基于直行车道的优先权原则,仅在预设路径不影响变道后的道路中的车辆正常行驶的情况下,模拟车辆方可变道,否则在原来的道路减速行驶,在停止时与路障保持安全距离;此时停止的车辆会被后方的来车作为障碍物,后方来车也开启避障模式,重复上述过程。记录上述拥堵过程和拥堵程度,为后续的交通规划提供参考和指导。
本发明的其他特征和优点将在随后的说明书阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明实施例了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本发明实施例的技术方案,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发明的某些实施例,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是本发明实施例中一种基于真实道路场景的拥堵模拟方法流程示意图;
图2是本发明实施例中所述S4和S5的步骤流程示意图;
图3是本发明实施例中三维场景道路示意图一;
图4是本发明实施例中三维场景道路示意图二;
图5是本发明实施例中一种基于真实道路场景的拥堵模拟***结构图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明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发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
应注意到:相似的标号或字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。同时,在本发明的描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
实施例1
如图1所示,本实施例提供了一种基于真实道路场景的拥堵模拟方法,该方法包括:
S1.将三维场景道路划分为多个车道,并存储每个车道的位置信息;
基于以上实施例,所述S1具体包括以下步骤:
S11.接入交通监控视频中的道路的openmapstreet数据,所述openmapstreet数据包括道路中每个车道的路径和宽度;
S12.根据所述openmapstreet数据构建三维场景道路,并划分得到多个车道,依次对所述多个车道进行编号。
具体的,本实施例在开发平台中搭建出三维场景道路,所述开发平台包括UE4、Unity、Unigine、OSG,优选的,本实施例中采用UE4开发平台。
所述三维场景道路包括两个方向的车道,在所述UE4平台中创建一个道路对象,用于存储每个车道的编号以及车道的边界线和中线路径信息。
S2.将交通监控视频中的交通流映射在三维场景道路中,生成若干车辆;
具体的,所述S2具体包括以下步骤:
S21.按帧数切割所述交通监控视频得到若干帧图像;
具体的,利用AI识别算法将所述监控视频分割成若干帧图像,具体的,将所述监控视频输入AI识别算法中,AI识别算法自动将所述监控视频分割为单帧图像,按照时间顺序存储起来,具体的,在得到的单帧图像中,可以连续获取每一帧图像,也可以间隔多张获取一帧图像,再将获取到的若干帧图像存储起来,进行下一步的识别操作;
S22.记录每帧图像中车辆的位置信息;
利用AI识别每帧图像中的车辆,以及车辆在图像中的坐标位置,并计算车辆的速度,需要说明的是,所述车辆的位置信息获取方法为已公开的现有技术,此处不再赘述;
将获取到的每个车辆的位置信息存储至一个数据表中;
S23.按时间顺序读取将每帧图像中车辆的位置信息,在所述三维场景道路中对应的位置生成对应的车辆;
具体的,创建一个车辆识别控制对象,用于读取数据表中关联的车辆信息;利用UE4中的SetTimerbyEvent节点循环遍历数据表,当遍历至一帧图像时,车辆识别控制对象在三维场景道路中对应的坐标位置生成车辆,并显示车辆的当前速度,由于所述三维场景道路根据交通监控视频中的真实道路搭建,因此所述三维场景道路与所述真实道路中的位置关系相对应。
S24.生成连续的三维场景视频流;
本实施例中,连续读取数据表中的数据,在所述三维场景道路中不断的更新所述车辆的坐标位置,形成连续的三维场景视频流。
S3.在三维场景道路中随机点击生成路障,计算路障的位置信息,并根据位置信息确定路障所在车道,将所述路障所在车道标记为不可通行道路,其他车道标记为可通行车道;
具体的,在UE4中创建一个路障生成对象和一个路障存储对象,所述路障生成对象用于生成路障和传递路障信息;所述路障存储对象用于存储路障所处于的车道信息。
本实施例中,所述S3具体包括以下步骤:
S31.在三维场景道路中的不同的点连续点击三次,生成一条曲线路径;
具体的,在路障生成对象中添加鼠标点击事件,利用UE4中的MultiGate节点控制点击三次作为一个循环。
S32.利用射线检测三次点击的位置信息,利用贝塞尔曲线公式计算出所述曲线路径,在所述曲线路径上生成路障;
所述贝塞尔曲线公式为:
其中,所述P0、P1、P2分别为三个控制点,t为参数;
具体的,以三点构成一条曲线的方式,利用贝塞尔曲线公式计算出一条曲线路径,根据路径的长度计算得出最多可生成的路障的个数,在所述曲线路径上生成多个路障,所述路障的样式包括但不限于路桩、栅栏、路锥、隔离护栏等。
第四次点击时,销毁之前生成的路障,并将所述点击标记为第一次点击,重新开始构造曲线路径。
S33.根据路径和车道的位置信息确定路障所在车道,并将所述路障所在车道标记为不可通行车道,其他车道标记为可通行车道;
具体的,所述S33包括:
S331.获取路障起点位置信息和终点位置信息、以及每个车道的位置信息;
S332.确定所述起点位置和终点位置所处的车道,并将所述起点位置和终点位置所处的车道、以及所述两个车道的中间车道均标记为不可通行车道,其余车道标记为可通行车道,请参阅图3,不可通行车道为3、4车道,请参阅图4,不可通行车道为2、3、4车道;
请参阅图3、图4,图中的三维场景道路为双向八车道,包括8个主道(一个方向4个车道)和2个辅道,主道和辅道之间设置有分隔带或绿化带;
S34.将所述不可通行车道和可通行车道的位置信息发送至车辆;
具体的,利用一个事件分发器将路障和车道的信息发送给车辆识别控制对象。
请参阅图2,S4.在所述不可通行车道中,当检测到车辆前方有障碍物时,切断所述车辆与交通监控视频之间的映射关系,并将所述车辆标记为模拟车辆,所述障碍物包括路障和车辆;
本实施例中,可通行车道中的车辆由交通监控视频中的车辆映射所得,车辆的行驶路径和速度与交通监控视频中保持一致,因此可通行车道中的车辆无需利用障碍物探测框探测周围的障碍物,按照既定的速度行驶即可。
具体的,所述S4包括以下步骤:
S41.在不可通行车道中车辆的前方添加障碍物探测框,所述障碍物探测框的探测距离d与车辆的行驶参数和车型相关,具体的计算公式如下:
其中,所述V为速度参数,T为车型参数,10为系数;
其中,所述v为行驶速度(m/s);
S42.当车辆的障碍物探测框内出现有障碍物时,则判断为所述车辆前方有障碍物;
S43.切断所述车辆与交通监控视频之间的映射关系,将所述车辆标记为模拟车辆,所述模拟车辆进入避障模式;
本实施例中,模拟车辆出现在后方来车的障碍物探测框内时,则说明后方来车也检测到了障碍物,将后方来车也标记为模拟车辆,其他车辆在没有标记为模拟车辆之前,按照数据表中的路径和速度行驶。
S5.确定所述模拟车辆变道驶入的目标车道,并规划所述模拟车辆的行驶路径;
具体的,在车辆识别控制对象中添加目标车道的判断,优先寻找与模拟车辆所在车道距离最近的可通行车道,将其作为目标车道,所述距离最近的可通行车道存在两种情况:一、最近的可通行车道与模拟车辆所在车道为相邻车道;二、距离最近的可通行车道与模拟车辆所在车道之间存在不可通行车道,即中间车道。
基于以上实施例,所述S5具体包括以下步骤:
S50.当所述目标车道与所述模拟车辆所在车道之间有中间车道时,所述目标车辆先变道至所述中间车道,再从所述中间车道变道至所述目标车道。
具体的,所述S50具体包括以下步骤:
S501.划分所述所述模拟车辆变道后到达所述中间车道上的安全框,请参阅图4;
具体的,获取模拟车辆车头的纵坐标值Y1,在中间车道上以所述纵坐标值Y1为基准,沿模拟车辆的行驶方向划分Am的区域作为安全框,所述A值根据车辆的类型确定通常为车辆身长的1.5-2倍,例如,小车的安全框为[6.5,9]m;
S502.令所述安全框的中心点为目标点O;
S503.根据预设的杜宾斯参数拟合得到杜宾斯曲线,将所述杜宾斯曲线作为模拟车辆的第一预设路径,具体的,所述杜宾斯参数包括预设的转弯半径、起点和终点,所述终点为目标点,转弯半径根据车型和行驶速度进行预设;
S504.根据第一预设路径计算所述模拟车辆到达所述目标点所需要的时间段;
S505.在所述时间段内没有其他车辆进入安全框的情况下,所述模拟车辆沿所述第一预设路径行驶变道至中间车道;
需要说明的是,在所述时间段内有其他车辆进入安全框的情况下,所述模拟车辆沿原车道减速行驶,在行驶的过程中不断的更新安全框的位置,直到所述安全框内没有其他车辆时,所述模拟车辆实行变道。
S51.当所述模拟车辆的前方的障碍物为路障时,将与模拟车辆所在车道最近的可通行车道作为目标车道;
S52.确定所述目标车道中的目标车辆,从数据表中获取所述目标车辆的行驶路径;
具体的,将目标车道中与所述模拟车辆距离最近的车辆标记为目标车辆,需要说明的是,此处无需考虑最近目标车道中行驶在模拟车辆前方的车辆,仅需考虑行驶在模拟车辆后方距离最近的车辆;
S53.将距离路障B(m)的点作为模拟车辆的变道起点,所述B为安全的变道距离,所述B∈[1,3],优选的,本实施例中B=1.3m,请参阅图3;
需要说明的是,从探测到障碍物的位置到变道起点的这段道路,所述模拟车辆根据数据表中既定的行驶路径降速行驶,使到达变道起点时车速v≤5m/s;
S54.确定所述模拟车辆变道后到达所述目标车道上的变道终点;
基于以上实施例,获取靠近目标车道的路障端点的纵坐标值Y2,将所述目标车道的中线上与纵坐标值Y2的点确定为变道终点。
S55.根据预设的杜宾斯参数拟合得到杜宾斯曲线,将所述杜宾斯曲线作为模拟车辆的第二预设路径;
具体的,所述杜宾斯参数包括车辆的转弯半径、变道起点、变道终点,其中,所述转弯半径根据路障的半径进行设置,使模拟车辆沿所述路障的曲线行驶变道;
S56.当所述第二预设路径与目标车道中的车辆的行驶路径保持安全距离的情况下,所述模拟车辆沿所述第二预设路径行驶至变道终点,所述S56具体包括以下步骤:
S561.令所述模拟车辆为匀速行驶,速度等于变道起点的速度v;
S562.根据速度-位移公式,计算模拟车辆未来通行所述第二预设路径所需要的总时间t,计算未来总时间t内遍历的帧数;
S563.计算模拟车辆在未来每一帧图像中所到达的坐标位置;
S564.获取最近目标车道中目标车辆在未来遍历的每一帧图像中所到达的坐标位置;
S565.计算模拟车辆和目标车辆在未来遍历的每一帧图像中的相对距离;
S566.比较相对距离与预设的安全距离之间的大小,具体的,所述预设的安全距离根据车辆的形状大小设置,优选的,所述安全距离为两个车辆车身之间的距离,优选的,本实施例将安全距离设置为0.7m。
具体的,当所述相对距离大于所述安全距离时,则说明所述模拟车辆按照所述第二预设路径行驶不会与目标车辆发生碰撞,即令所述模拟车辆按照速度v沿所述第二预设路径行驶。
本实施例中,由于可通行车道中的车辆行驶路径存储在数据表中,车辆识别控制对象可直接获取到每个车辆的路径信息。
基于以上实施例,S56还包括以下步骤:
当所述第二预设路径与可通行车道中的车辆的行驶路径不能保持安全距离的情况下,将所述变道起点的位置作为停车位置,所述模拟车辆沿当前道路减速行驶,到达停车位置的速度为0。
基于以上实施例,所述S5还包括以下步骤:
当所述模拟车辆的前方的障碍物为车辆时,所述模拟车辆沿当前道路减速行驶至停车位置。
具体的,获取前方车辆的停车点坐标(若前方车辆在行驶过程中,则获取前方车辆将要停车点坐标),在所述车辆的停车点坐标加上变道距离B(m),即为模拟车辆的停车位置,根据所述停车点坐标和模拟车辆的当前速度,计算模拟车辆的加速度和速度,使模拟车辆到达停车位置的速度为0。
本实施例根据交通路权中的直行优先权原则制定判断规则,需要变道的模拟车辆在变道之前计算是否会打乱可通行车道中的直行车辆的行驶路径,在不会打乱的情况下执行变道策略。
实施例2
相应于上面的方法实施例,本公开实施例还提供了一种基于真实道路场景的拥堵模拟***,下文描述的基于真实道路场景的拥堵模拟***与上文描述的基于真实道路场景的拥堵模拟方法可相互对应参照。
请参阅图5,该***包括如下模块:
车道划分模块:将三维场景道路划分为多个车道,并存储每个车道的位置信息;
映射模块:将交通监控视频中的交通流映射在三维场景道路中,生成若干车辆;
路障生成模块:在三维场景道路中随机点击生成路障,计算路障的位置信息,并根据位置信息确定路障所在车道,将所述路障所在车道标记为不可通行车道,其他车道标记为可通行车道;
障碍物检测模块:在所述不可通行车道中,当检测到车辆前方有障碍物时,切断所述车辆与交通监控视频之间的映射关系,并将所述车辆标记为模拟车辆;
路径规划模块:确定所述模拟车辆变道驶入的目标车道,并规划所述模拟车辆的行驶路径。
需要说明的是,关于上述实施例中的***,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
实施例3
相应于上面的方法实施例,本公开实施例还提供了一种基于真实道路场景的拥堵模拟设备,下文描述的一种基于实时交通数据的拥堵模拟设备与上文描述的一种基于真实道路场景的拥堵模拟方法可相互对应参照。
该电子设备可以包括:处理器,存储器。该电子设备还可以包括多媒体组件,输入/输出(I/O)接口,以及通信组件中的一者或多者。
其中,处理器用于控制该电子设备的整体操作,以完成上述的基于真实道路场景的拥堵模拟方法中的全部或部分步骤。存储器用于存储各种类型的数据以支持在该电子设备的操作,这些数据例如可以包括用于在该电子设备上操作的任何应用程序或方法的指令,以及应用程序相关的数据,例如联系人数据、收发的消息、图片、音频、视频等等。该存储器可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,例如静态随机存取存储器(StaticRandomAccessMemory,简称SRAM),电可擦除可编程只读存储器(ElectricallyErasableProgrammableRead-OnlyMemory,简称EEPROM),可擦除可编程只读存储器(ErasableProgrammableRead-OnlyMemory,简称EPROM),可编程只读存储器(ProgrammableRead-OnlyMemory,简称PROM),只读存储器(Read-OnlyMemory,简称ROM),磁存储器,快闪存储器,磁盘或光盘。多媒体组件可以包括屏幕和音频组件。其中屏幕例如可以是触摸屏,音频组件用于输出和/或输入音频信号。例如,音频组件可以包括一个麦克风,麦克风用于接收外部音频信号。所接收的音频信号可以被进一步存储在存储器或通过通信组件发送。音频组件还包括至少一个扬声器,用于输出音频信号。I/O接口为处理器和其他接口模块之间提供接口,上述其他接口模块可以是键盘,鼠标,按钮等。这些按钮可以是虚拟按钮或者实体按钮。通信组件用于该电子设备与其他设备之间进行有线或无线通信。无线通信,例如Wi-Fi,蓝牙,近场通信(NearFieldCommunication,简称NFC),2G、3G或4G,或它们中的一种或几种的组合,因此相应的该通信组件可以包括:Wi-Fi模块,蓝牙模块,NFC模块。
在一示例性实施例中,电子设备可以被一个或多个应用专用集成电路(ApplicationSpecificIntegratedCircuit,简称ASIC)、数字信号处理器(DigitalSignalProcessor,简称DSP)、数字信号处理设备(DigitalSignalProcessingDevice,简称DSPD)、可编程逻辑器件(ProgrammableLogicDevice,简称PLD)、现场可编程门阵列(FieldProgrammableGateArray,简称FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述的基于真实道路场景的拥堵模拟方法。
在另一示例性实施例中,还提供了一种包括程序指令的计算机可读存储介质,该程序指令被处理器执行时实现上述的基于真实道路场景的拥堵模拟方法的步骤。例如,该计算机可读存储介质可以为上述包括程序指令的存储器,上述程序指令可由电子设备的处理器执行以完成上述的基于真实道路场景的拥堵模拟方法。
实施例4
相应于上面的方法实施例,本公开实施例还提供了一种可读存储介质,下文描述的一种可读存储介质与上文描述的一种基于真实道路场景的拥堵模拟方法可相互对应参照。
一种可读存储介质,可读存储介质上存储有计算机程序,计算机程序被处理器执行时实现上述方法实施例的基于真实道路场景的拥堵模拟方法的步骤。
该可读存储介质具体可以为U盘、移动硬盘、只读存储器(Read-OnlyMemory,ROM)、随机存取存储器(RandomAccessMemory,RAM)、磁碟或者光盘等各种可存储程序代码的可读存储介质。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于真实道路场景的拥堵模拟方法,其特征在于,包括:
S1.将三维场景道路划分为多个车道,并存储每个车道的位置信息;
S2.将交通监控视频中的交通流映射在三维场景道路中,生成若干车辆;
S3.在三维场景道路中随机点击生成路障,计算路障的位置信息,并根据位置信息确定路障所在车道,将所述路障所在车道标记为不可通行车道,其他车道标记为可通行车道;
S4.在所述不可通行车道中,当检测到车辆前方有障碍物时,切断所述车辆与交通监控视频之间的映射关系,并将所述车辆标记为模拟车辆,所述障碍物包括路障和车辆;
S5.确定所述模拟车辆变道驶入的目标车道,并规划所述模拟车辆的行驶路径。
2.根据权利要求1所述的基于真实道路场景的拥堵模拟方法,其特征在于,所述S1具体包括以下步骤:
S11.接入所述交通监控视频中的道路的openmapstreet数据,所述openmapstreet数据包括道路中每个车道的路径和宽度;
S12.根据所述openmapstreet数据构建三维场景道路,并划分得到多个车道。
3.根据权利要求1所述的基于真实道路场景的拥堵模拟方法,其特征在于,所述S2具体包括以下步骤:
S21.按帧数切割所述交通监控视频得到若干帧图像;
S22.记录每帧图像中车辆的位置信息,
S23.按时间顺序读取将每帧图像中车辆的位置信息,在所述三维场景道路中对应的位置生成对应的车辆;
S24.生成连续的三维场景视频流。
4.根据权利要求1所述的基于真实道路场景的拥堵模拟方法,其特征在于,所述S3具体包括以下步骤:
S31.在三维场景道路中的不同的点连续点击三次,生成一条曲线路径;
S32.利用射线检测三次点击的位置信息,利用贝塞尔曲线公式计算出所述曲线路径,在所述曲线路径上生成路障;
S33.根据路径和车道的位置信息确定路障所在车道,并将所述路障所在车道标记为不可通行车道,其他车道标记为可通行车道;
S34.将所述不可通行车道和可通行车道的位置信息发送至车辆。
5.根据权利要求1所述的基于真实道路场景的拥堵模拟方法,其特征在于,所述S4包括以下步骤:
S41.将所述不可通行车道中车辆的前方添加障碍物探测框;
S42.当车辆的障碍物探测框内出现有障碍物时,则判断为所述车辆前方有障碍物;
S43.切断所述车辆与交通监控视频之间的映射关系,将所述车辆标记为模拟车辆,所述模拟车辆进入避障模式。
6.根据权利要求1所述的基于真实道路场景的拥堵模拟方法,其特征在于,所述S5具体包括以下步骤:
S51.当所述模拟车辆的前方的障碍物为路障时,将与模拟车辆所在车道最近的可通行车道作为目标车道;
S52.确定所述目标车道中的目标车辆,并获取所述目标车辆的行驶路径;
S53.确定模拟车辆的变道起点;
S54.获取靠近目标车道的路障端点的纵坐标值Y2,将所述目标车道的中线上与纵坐标值Y2的点作为变道终点;
S55.根据预设的杜宾斯参数拟合得到杜宾斯曲线,将所述杜宾斯曲线作为模拟车辆的第二预设路径;
S56.当所述第二预设路径与目标车辆的行驶路径保持安全距离的情况下,所述模拟车辆沿所述第二预设路径行驶至变道终点。
7.根据权利要求6所述的基于真实道路场景的拥堵模拟方法,其特征在于,所述S51之前还包括以下步骤:
S50.当所述目标车道与所述模拟车辆所在车道之间有中间车道时,所述目标车辆先变道至所述中间车道,再从所述中间车道变道至所述目标车道。
8.根据权利要求6所述的基于真实道路场景的拥堵模拟方法,其特征在于,所述S56具体包括以下步骤:
S561.令所述模拟车辆为匀速行驶,速度等于变道起点的速度;
S562.根据速度-位移公式,计算模拟车辆未来通行所述第二预设路径所需要的总时间,计算未来总时间内遍历的帧数;
S563.计算模拟车辆在未来每一帧图像中所到达的坐标位置;
S564.获取目标车辆在未来遍历的每一帧图像中所到达的坐标位置;
S565.计算模拟车辆和目标车辆在未来遍历的每一帧图像中的相对距离;
S566.当所述相对距离小于预设的安全距离时,所述模拟车辆沿所述第二预设路径行驶。
9.根据权利要求1所述的基于真实道路场景的拥堵模拟方法,其特征在于,所述S5还包括:
当所述模拟车辆的前方的障碍物为车辆时,将模拟车辆当前所在车道作为模拟车道,所述模拟车辆沿当前道路减速行驶。
10.一种基于真实道路场景的拥堵模拟***,其特征在于,包括:
车道划分模块:将三维场景道路划分为多个车道,并存储每个车道的位置信息;
映射模块:将交通监控视频中的交通流映射在三维场景道路中,生成若干车辆;
路障生成模块:在三维场景道路中随机点击生成路障,计算路障的位置信息,并根据位置信息确定路障所在车道,将所述路障所在车道标记为不可通行车道,其他车道标记为可通行车道;
障碍物检测模块:在所述不可通行车道中,当检测到车辆前方有障碍物时,切断所述车辆与交通监控视频之间的映射关系,并将所述车辆标记为模拟车辆;
路径规划模块:确定所述模拟车辆变道驶入的目标车道,并规划所述模拟车辆的行驶路径。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110569716.3A CN113033030B (zh) | 2021-05-25 | 2021-05-25 | 一种基于真实道路场景的拥堵模拟方法及*** |
CN202110822308.4A CN113486531B (zh) | 2021-05-25 | 2021-05-25 | 一种车辆行驶路径规划方法、设备及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110569716.3A CN113033030B (zh) | 2021-05-25 | 2021-05-25 | 一种基于真实道路场景的拥堵模拟方法及*** |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110822308.4A Division CN113486531B (zh) | 2021-05-25 | 2021-05-25 | 一种车辆行驶路径规划方法、设备及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113033030A true CN113033030A (zh) | 2021-06-25 |
CN113033030B CN113033030B (zh) | 2021-08-03 |
Family
ID=76455671
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110822308.4A Active CN113486531B (zh) | 2021-05-25 | 2021-05-25 | 一种车辆行驶路径规划方法、设备及*** |
CN202110569716.3A Active CN113033030B (zh) | 2021-05-25 | 2021-05-25 | 一种基于真实道路场景的拥堵模拟方法及*** |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110822308.4A Active CN113486531B (zh) | 2021-05-25 | 2021-05-25 | 一种车辆行驶路径规划方法、设备及*** |
Country Status (1)
Country | Link |
---|---|
CN (2) | CN113486531B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113391368A (zh) * | 2021-06-30 | 2021-09-14 | 山东国瑞新能源有限公司 | 一种基于虚拟成像技术的道路勘探方法及设备 |
CN113569759A (zh) * | 2021-07-29 | 2021-10-29 | 沭阳新辰公路仪器有限公司 | 一种基于人工智能的道路掉落物识别方法及*** |
CN113781786A (zh) * | 2021-11-11 | 2021-12-10 | 中移(上海)信息通信科技有限公司 | 一种不可通行区域确认方法、装置、设备及可读存储介质 |
CN113885771A (zh) * | 2021-12-09 | 2022-01-04 | 北京车网科技发展有限公司 | 一种轨迹信息的可视化处理方法 |
CN113990106A (zh) * | 2021-11-10 | 2022-01-28 | 河海大学 | 一种高速公路车道分配*** |
CN115116231A (zh) * | 2022-08-26 | 2022-09-27 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种车路协同微观仿真***、方法、电子设备及存储介质 |
CN115206090A (zh) * | 2022-06-07 | 2022-10-18 | 安徽超清科技股份有限公司 | 一种基于交通大数据的交通态势预估*** |
CN117131581A (zh) * | 2023-10-26 | 2023-11-28 | 乘木科技(珠海)有限公司 | 一种数字孪生城市道路的构建***及方法 |
CN117912288A (zh) * | 2024-01-31 | 2024-04-19 | 常熟市交通运输局 | 一种公路交通预警车智能控制方法及控制装置 |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114379576B (zh) * | 2021-12-15 | 2022-11-11 | 禾多科技(北京)有限公司 | 变道信息提示方法、装置、电子设备和计算机可读介质 |
CN114103957B (zh) * | 2021-12-22 | 2024-02-06 | 阿波罗智联(北京)科技有限公司 | 变道控制方法、装置、电子设备和存储介质 |
CN114543828A (zh) * | 2022-02-21 | 2022-05-27 | 中国第一汽车股份有限公司 | 车辆切入场景生成方法、装置、电子设备及存储介质 |
CN114580797B (zh) * | 2022-05-09 | 2022-07-29 | 湖南省交通科学研究院有限公司 | 一种基于bim模拟的小半径预制梁架设路径规划方法 |
CN114879705B (zh) * | 2022-07-13 | 2022-10-28 | 智道网联科技(北京)有限公司 | 无人车变道的路径优化方法、设备和计算机可读存储介质 |
CN115158363B (zh) * | 2022-08-16 | 2024-03-08 | 广州小鹏自动驾驶科技有限公司 | 车辆变道处理方法及车辆 |
CN116476840B (zh) * | 2023-06-21 | 2023-09-01 | 北京斯年智驾科技有限公司 | 变道行驶方法、装置、设备及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140278052A1 (en) * | 2013-03-15 | 2014-09-18 | Caliper Corporation | Lane-level vehicle navigation for vehicle routing and traffic management |
US10012991B1 (en) * | 2012-03-16 | 2018-07-03 | Waymo Llc | Approach for consolidating observed vehicle trajectories into a single representative trajectory |
CN110406535A (zh) * | 2018-04-27 | 2019-11-05 | 本田技研工业株式会社 | 用于预期车道变换的***和方法 |
CN111796587A (zh) * | 2019-03-21 | 2020-10-20 | 北京京东尚科信息技术有限公司 | 自动驾驶方法及存储介质、电子设备 |
CN112347829A (zh) * | 2019-08-08 | 2021-02-09 | 辉达公司 | 利用障碍物和车道检测来确定环境中对象的车道分配 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107393074B (zh) * | 2017-07-21 | 2019-01-18 | 北京图森未来科技有限公司 | 实现车辆自动过卡的方法和***、相关设备 |
CN110356401B (zh) * | 2018-04-05 | 2020-06-16 | 北京图森未来科技有限公司 | 一种自动驾驶车辆及其变道控制方法和*** |
CN112362074B (zh) * | 2020-10-30 | 2024-03-19 | 重庆邮电大学 | 一种结构化环境下的智能车辆局部路径规划方法 |
-
2021
- 2021-05-25 CN CN202110822308.4A patent/CN113486531B/zh active Active
- 2021-05-25 CN CN202110569716.3A patent/CN113033030B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10012991B1 (en) * | 2012-03-16 | 2018-07-03 | Waymo Llc | Approach for consolidating observed vehicle trajectories into a single representative trajectory |
US20140278052A1 (en) * | 2013-03-15 | 2014-09-18 | Caliper Corporation | Lane-level vehicle navigation for vehicle routing and traffic management |
CN110406535A (zh) * | 2018-04-27 | 2019-11-05 | 本田技研工业株式会社 | 用于预期车道变换的***和方法 |
CN111796587A (zh) * | 2019-03-21 | 2020-10-20 | 北京京东尚科信息技术有限公司 | 自动驾驶方法及存储介质、电子设备 |
CN112347829A (zh) * | 2019-08-08 | 2021-02-09 | 辉达公司 | 利用障碍物和车道检测来确定环境中对象的车道分配 |
Non-Patent Citations (2)
Title |
---|
ROY, D等: "Defining Traffic States using Spatio-temporal Traffic Graphs", 《ARXIV》 * |
张玉新等: "自动驾驶汽车安全技术专利分析综述", 《中国科学:信息科学》 * |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113391368A (zh) * | 2021-06-30 | 2021-09-14 | 山东国瑞新能源有限公司 | 一种基于虚拟成像技术的道路勘探方法及设备 |
CN113569759B (zh) * | 2021-07-29 | 2022-06-10 | 沭阳新辰公路仪器有限公司 | 一种基于人工智能的道路掉落物识别方法及*** |
CN113569759A (zh) * | 2021-07-29 | 2021-10-29 | 沭阳新辰公路仪器有限公司 | 一种基于人工智能的道路掉落物识别方法及*** |
CN113990106B (zh) * | 2021-11-10 | 2023-08-29 | 河海大学 | 一种高速公路车道分配*** |
CN113990106A (zh) * | 2021-11-10 | 2022-01-28 | 河海大学 | 一种高速公路车道分配*** |
CN113781786A (zh) * | 2021-11-11 | 2021-12-10 | 中移(上海)信息通信科技有限公司 | 一种不可通行区域确认方法、装置、设备及可读存储介质 |
CN113781786B (zh) * | 2021-11-11 | 2022-02-22 | 中移(上海)信息通信科技有限公司 | 一种不可通行区域确认方法、装置、设备及可读存储介质 |
CN113885771B (zh) * | 2021-12-09 | 2022-03-18 | 北京车网科技发展有限公司 | 一种轨迹信息的可视化处理方法 |
CN113885771A (zh) * | 2021-12-09 | 2022-01-04 | 北京车网科技发展有限公司 | 一种轨迹信息的可视化处理方法 |
CN115206090A (zh) * | 2022-06-07 | 2022-10-18 | 安徽超清科技股份有限公司 | 一种基于交通大数据的交通态势预估*** |
CN115116231A (zh) * | 2022-08-26 | 2022-09-27 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种车路协同微观仿真***、方法、电子设备及存储介质 |
CN117131581A (zh) * | 2023-10-26 | 2023-11-28 | 乘木科技(珠海)有限公司 | 一种数字孪生城市道路的构建***及方法 |
CN117131581B (zh) * | 2023-10-26 | 2024-02-13 | 乘木科技(珠海)有限公司 | 一种数字孪生城市道路的构建***及方法 |
CN117912288A (zh) * | 2024-01-31 | 2024-04-19 | 常熟市交通运输局 | 一种公路交通预警车智能控制方法及控制装置 |
Also Published As
Publication number | Publication date |
---|---|
CN113486531B (zh) | 2023-08-25 |
CN113033030B (zh) | 2021-08-03 |
CN113486531A (zh) | 2021-10-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113033030B (zh) | 一种基于真实道路场景的拥堵模拟方法及*** | |
US11714413B2 (en) | Planning autonomous motion | |
CN110364008B (zh) | 路况确定方法、装置、计算机设备和存储介质 | |
Li et al. | Grip: Graph-based interaction-aware trajectory prediction | |
US11138349B2 (en) | System and method for simulating traffic flow distributions with approximated vehicle behavior near intersections | |
CN110287276A (zh) | 高精地图更新方法、装置及存储介质 | |
JP2019194071A5 (zh) | ||
CN112991742B (zh) | 一种实时交通数据的可视化仿真方法及*** | |
CN113272838A (zh) | 虚拟场景生成方法、装置、计算机设备和存储介质 | |
US20210191394A1 (en) | Systems and methods for presenting curated autonomy-system information of a vehicle | |
JP7220169B2 (ja) | 情報処理方法、装置、記憶媒体、及びプログラム | |
KR102580095B1 (ko) | 시나리오 기반 거동 명세 및 검증 | |
CN104884899A (zh) | 确定穿过交通运输网络的一或多个交叉口的轨迹的方法 | |
EP4089659A1 (en) | Map updating method, apparatus and device | |
WO2021227586A1 (zh) | 交通事故分析方法、装置及设备 | |
CN114929543A (zh) | 预测周围因素的加塞概率 | |
CN115221722B (zh) | 自动驾驶车辆的仿真测试方法、模型训练方法和设备 | |
CN113665570A (zh) | 自动地感知行驶信号的方法、装置及运载工具 | |
US20230159052A1 (en) | Method for processing behavior data, method for controlling autonomous vehicle, and autonomous vehicle | |
CN113867367B (zh) | 测试场景的处理方法、装置及计算机程序产品 | |
CN113538909A (zh) | 一种自动驾驶车辆交通事件预测方法及装置 | |
CN116563801A (zh) | 交通事故检测方法、装置、电子设备和介质 | |
US20220340167A1 (en) | Predicted Moving Trajectory Processing Method And Apparatus, And Constraint Barrier Display Method And Apparatus | |
EP3454269A1 (en) | Planning autonomous motion | |
Rajan et al. | Deep Learning Based Pothole Detection |
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 |