CN113295181B - 车辆的路径规划方法、装置和*** - Google Patents
车辆的路径规划方法、装置和*** Download PDFInfo
- Publication number
- CN113295181B CN113295181B CN202110853525.XA CN202110853525A CN113295181B CN 113295181 B CN113295181 B CN 113295181B CN 202110853525 A CN202110853525 A CN 202110853525A CN 113295181 B CN113295181 B CN 113295181B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- preset
- road section
- preset road
- traffic flow
- 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
- 238000000034 method Methods 0.000 title claims abstract description 80
- 239000013598 vector Substances 0.000 claims description 58
- 238000013507 mapping Methods 0.000 claims description 30
- 238000004422 calculation algorithm Methods 0.000 claims description 29
- 239000011159 matrix material Substances 0.000 claims description 29
- 238000004590 computer program Methods 0.000 claims description 20
- 238000012163 sequencing technique Methods 0.000 claims description 5
- 230000008569 process Effects 0.000 description 10
- 238000004891 communication Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 239000003550 marker Substances 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 230000000052 comparative effect Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
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
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请提供一种车辆的路径规划方法、装置和***。该方法包括:云端设备可以根据预设周期,通过路侧设备获取预设路段的车流信息。云端设备可以在第一路径规划模型中匹配该车流信息,确定其对应的目标规划路径。云端设备根据每一车辆的预设行驶轨迹,生成行驶指令。云端设备可以根据车辆编号确定每一车辆的车辆终端。云端设备可以将每一车辆对应的行驶指令发送到车辆终端。本申请的方法,提高了行驶轨迹的规划效率,提高了该预设路段的交通效率。
Description
技术领域
本申请涉及自动驾驶领域,尤其涉及一种车辆的路径规划方法、装置和***。
背景技术
随着物联网的发展,自动驾驶技术被越来越多的应用于车辆中。在一套完整的自动驾驶***中,除了车辆外通常还包括云端和大量的路侧设备。其中,路侧设备用于获取车辆周围的道路信息。
目前,在自动驾驶过程中,云端可以从路侧设备中获取车辆周围的道路信息,从而根据该道路信息实现该车辆的行驶轨迹的规划。此外,云端还可以获取该车辆周围的其他车辆的车辆信息,以优化该车辆的行驶轨迹。
然而,随着云端接入的车辆数量的增长,以及每一车辆周围的其他车辆的数量增长,云端对车辆的路径规划的效率受到了云端的算力的限制,存在车辆行驶轨迹的规划效率低的问题。
发明内容
本申请提供一种车辆的路径规划方法、装置和***,用以解决如何提高车辆行驶轨迹的规划效率的问题。
第一方面,本申请提供一种车辆的路径规划方法,包括:
根据预设周期,获取预设路段的车流信息,所述车流信息包括所述预设路段的车辆总数、所述预设路段中每一车道的车辆数量、所述预设路段中每一车辆的位置信息、所述预设路段中每一车辆的车辆编号、所述预设路段中每一车辆在所述预设路段的行驶方向中的至少一项;
根据所述车流信息和第一路径规划模型,确定所述预设路段的目标规划路径,所述目标规划路径中包括每一所述车辆的预设行驶轨迹;
根据每一所述车辆的所述预设行驶轨迹,生成行驶指令,所述行驶指令用于指示所述车辆在所述预设周期内以第一行驶方式行驶第一距离;
根据所述车辆的车辆编号,发送所述行驶指令到对应的车辆的车辆终端。
可选地,所述获取预设路段的车流信息,包括:
通过路侧设备,获取所述预设路段的车流图片;
根据所述预设路段的所述车流图片,确定所述预设路段的车辆总数和所述预设路段中每一车道的车辆数量;
根据所述预设路段的所述车流图片,获取每一车辆的位置信息和车辆编号,所述位置信息用于指示所述车辆所在车道和排序,所述车辆编号用于唯一标识一车辆;
根据所述预设路段的每一所述车辆的车辆编号,确定每一所述车辆的在所述预设路段的行驶方向。
可选地,所述根据所述车流信息和第一路径规划模型,确定所述预设路段的目标规划路径,包括:
根据所述预设路段的每一所述车辆的位置信息和所述行驶方向,生成所述预设路段的特征矩阵;
根据所述预设路段的所述特征矩阵和所述第一路径规划模型中每一规划路径的特征矩阵,确定目标规划路径。
可选地,所述根据所述预设路段的每一所述车辆的位置信息和所述行驶方向,生成所述预设路段的特征矩阵,包括:
根据每一所述车辆的行驶方向和第一映射关系,确定所述车辆的数字编号,所述第一映射关系用于指示所述行驶方向和所述数字编号的关系;
根据每一所述车道中所述车辆的所述位置信息和所述数字编号,生成每一所述车道的目标特征向量;
根据所述预设路段中每一所述车道的所述目标特征向量,生成所述特征矩阵。
可选地,所述根据每一所述车道中所述车辆的所述位置信息和所述数字编号,生成每一所述车道的目标特征向量,包括:
根据所述预设路段的所述车道的长度和第二映射关系,确定所述目标特征向量的维度;
根据每一所述车辆所述车道中的排序,顺序排列所述车辆的所述数字编号,得到第一特征向量;
当所述第一特征向量的维度小于目标特征向量的维度时,补全所述第一特征向量,得到所述目标特征向量。
可选地,所述根据所述车流信息和第一路径规划模型,确定所述预设路段的目标规划路径,包括:
根据所述预设路段的所述车辆总数,确定所述第一路径规划模型的第一索引;
根据所述预设路段中每一所述车道的所述车辆数量,确定所述第一路径规划模型的第二索引;
统计所述预设路段的所述车辆的所述行驶方向,并根据所述统计结果,确定所述第一路径规划模型的第三索引;
统计每一所述车道的所述车辆的所述行驶方向,并根据所述统计结果,确定所述第一路径规划模型的第四索引;
根据每一所述车道的每一所述车辆的所述位置信息和所述行驶方向,确定目标路径规划方案。
可选地,所述方法,还包括:
根据当前预设周期的车流信息和上一预设周期的车流信息,确定当前预设周期内的新增车辆集合;
当所述新增车辆集合中包括至少一新增车辆时,向所述新增车辆发送一系列行驶指令,所述一系列行驶指令用于指示所述车辆驶出所述预设路段。
可选地,所述根据上一预设周期的车流信息和当前预设周期的所述车流信息,确定新增车辆集合,当所述新增车辆集合中包括至少一新增车辆时,所述方法,包括:
获取每一新增车辆的位置信息;
根据所述位置信息,确定每一所述新增车辆是否为所述预设路段的新增车辆;
当所述新增车辆不是所述预设路段的新增车辆时,将所述新增车辆从所述新增车辆集合中删除。
可选地,所述根据所述位置信息,确定每一所述新增车辆是否为所述预设路段的新增车辆,包括以下至少一种:
当所述位置信息指示所述车辆位于所述预设路段的第一预设范围时,确定所述车辆为新增新车辆;
当根据所述位置信息确定所述车辆的前车为新增车辆时,确定所述车辆为新增车辆。
可选地,所述方法,包括:
根据所述车流信息,确定所述预设路段的复杂度;
当所述预设路段的所述复杂度小于复杂度阈值时,根据第二路径规划模型和所述车流信息,确定所述预设路段中每一所述车辆的预设行驶轨迹。
可选地,所述根据所述车流信息,确定所述预设路段的复杂度,包括:
根据所述车流信息中的车辆总数和第三映射关系,确定所述预设路段的复杂度,所述第三映射关系用于指示所述车辆总数与所述预设路段的所述复杂度之间的关系。
可选地,所述根据第二路径规划模型和所述车流信息,确定所述预设路段中每一所述车辆的预设行驶轨迹,包括:
根据所述车流信息中每一车辆的行驶方向和所述第二路径规划模型,确定每一所述车辆的预设行驶轨迹。
可选地,所述方法,还包括:
获取所述预设路段的最大车流量和最小车流量;
根据所述最大车流量和所述最小车流量,枚举所述预设路段的车流信息;
根据每一所述车流信息和预设规划算法,生成每一所述车流信息对应的规划路径,所述规划路径为所述车流信息对应的最优路径规划方案。
可选地,当所述预设路段为十字路口时,所述车辆的在所述预设路段的行驶方向包括左转、右转和直行中的任意一项。
第二方面,本申请提供一种车辆的路径规划装置,包括:
第一获取模块,用于根据预设周期,获取预设路段的车流信息,所述车流信息包括所述预设路段的车辆总数、所述预设路段中每一车道的车辆数量、所述预设路段中每一车辆的位置信息、所述预设路段中每一车辆的车辆编号、所述预设路段中每一车辆在所述预设路段的行驶方向中的至少一项;
第一确定模块,用于根据所述车流信息和第一路径规划模型,确定所述预设路段的目标规划路径,所述目标规划路径中包括每一所述车辆的预设行驶轨迹;
生成模块,用于根据每一所述车辆的所述预设行驶轨迹,生成行驶指令,所述行驶指令用于指示所述车辆在所述预设周期内以第一行驶方式行驶第一距离;
发送模块,用于根据所述车辆的车辆编号,发送所述行驶指令到对应的车辆的车辆终端。
可选地,所述第一获取模块,具体用于通过路侧设备,获取所述预设路段的车流图片;根据所述预设路段的所述车流图片,确定所述预设路段的车辆总数和所述预设路段中每一车道的车辆数量;根据所述预设路段的所述车流图片,获取每一车辆的位置信息和车辆编号,所述位置信息用于指示所述车辆所在车道和排序,所述车辆编号用于唯一标识一车辆;根据所述预设路段的每一所述车辆的车辆编号,确定每一所述车辆的在所述预设路段的行驶方向。
可选地,所述第一确定模块,包括:
生成子模块,用于根据所述预设路段的每一所述车辆的位置信息和所述行驶方向,生成所述预设路段的特征矩阵;
第一确定子模块,用于根据所述预设路段的所述特征矩阵和所述第一路径规划模型中每一规划路径的特征矩阵,确定目标规划路径。
可选地,所述生成子模块,具体包括根据每一所述车辆的行驶方向和第一映射关系,确定所述车辆的数字编号,所述第一映射关系用于指示所述行驶方向和所述数字编号的关系;根据每一所述车道中所述车辆的所述位置信息和所述数字编号,生成每一所述车道的目标特征向量;根据所述预设路段中每一所述车道的所述目标特征向量,生成所述特征矩阵。
可选地,所述生成子模块,还包括根据所述预设路段的所述车道的长度和第二映射关系,确定所述目标特征向量的维度;根据每一所述车辆所述车道中的排序,顺序排列所述车辆的所述数字编号,得到第一特征向量;当所述第一特征向量的维度小于目标特征向量的维度时,补全所述第一特征向量,得到所述目标特征向量。
可选地,所述第一确定模块,还包括:
第二确定子模块,用于根据所述预设路段的所述车辆总数,确定所述第一路径规划模型的第一索引;
第三确定子模块,用于根据所述预设路段中每一所述车道的所述车辆数量,确定所述第一路径规划模型的第二索引;
第四确定子模块,用于统计所述预设路段的所述车辆的所述行驶方向,并根据所述统计结果,确定所述第一路径规划模型的第三索引;
第五确定子模块,用于统计每一所述车道的所述车辆的所述行驶方向,并根据所述统计结果,确定所述第一路径规划模型的第四索引;
第六确定子模块,用于根据每一所述车道的每一所述车辆的所述位置信息和所述行驶方向,确定目标路径规划方案。
可选地,所述装置,还包括:
第二获取模块,用于根据当前预设周期的车流信息和上一预设周期的车流信息,确定当前预设周期内的新增车辆集合;
第二确定模块,用于当所述新增车辆集合中包括至少一新增车辆时,向所述新增车辆发送一系列行驶指令,所述一系列行驶指令用于指示所述车辆驶出所述预设路段。
可选地,所述第二获取模块,具体用于获取每一新增车辆的位置信息;根据所述位置信息,确定每一所述新增车辆是否为所述预设路段的新增车辆;当所述新增车辆不是所述预设路段的新增车辆时,将所述新增车辆从所述新增车辆集合中删除。
可选地,所第二获取模块,还用于当所述位置信息指示所述车辆位于所述预设路段的第一预设范围时,确定所述车辆为新增新车辆;当根据所述位置信息确定所述车辆的前车为新增车辆时,确定所述车辆为新增车辆。
可选地,所述装置,还包括:
第三确定模块,用于根据所述车流信息,确定所述预设路段的复杂度;
第四确定模块,用于当所述预设路段的所述复杂度小于复杂度阈值时,根据第二路径规划模型和所述车流信息,确定所述预设路段中每一所述车辆的预设行驶轨迹。
可选地,所述第三确定模块,具体用于根据所述车流信息中的车辆总数和第三映射关系,确定所述预设路段的复杂度,所述第三映射关系用于指示所述车辆总数与所述预设路段的所述复杂度之间的关系。
可选地,所述第四确定模块,具体用于根据所述车流信息中每一车辆的行驶方向和所述第二路径规划模型,确定每一所述车辆的预设行驶轨迹。
可选地,所述装置,还包括:
更新模块,用于获取所述预设路段的最大车流量和最小车流量;根据所述最大车流量和所述最小车流量,枚举所述预设路段的车流信息;根据每一所述车流信息和预设规划算法,生成每一所述车流信息对应的规划路径,所述规划路径为所述车流信息对应的最优路径规划方案。
可选地,当所述预设路段为十字路口时,所述车辆的在所述预设路段的行驶方向包括左转、右转和直行中的任意一项。
第三方面,本申请提供一种云端设备,包括:存储器和处理器;
存储器用于存储程序指令;处理器用于调用存储器中的程序指令执行第一方面及第一方面任一种可能的设计中的车辆的路径规划方法。
第四方面,本申请提供一种可读存储介质,可读存储介质中存储有计算机程序,当云端设备的至少一个处理器执行该计算机程序时,云端设备执行第一方面及第一方面任一种可能的设计中的车辆的路径规划方法。
第五方面,本申请提供一种计算机程序产品,所述计算机程序产品包括计算机程序,当云端设备的至少一个处理器执行该计算机程序时,云端设备执行第一方面及第一方面任一种可能的设计中的车辆的路径规划方法。
本申请提供的车辆的路径规划方法,通过根据预设周期,通过路侧设备获取预设路段的车流信息;在第一路径规划模型中匹配该车流信息,确定其对应的目标规划路径;根据每一车辆的预设行驶轨迹,生成行驶指令;根据车辆编号确定每一车辆的车辆终端;将每一车辆对应的行驶指令发送到车辆终端的手段,实现提高了行驶轨迹的规划效率,提高了该预设路段的交通效率的效果。
附图说明
为了更清楚地说明本申请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一简单地介绍,显而易见地,下面描述中的附图是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本申请一实施例提供的一种车辆的路径规划方法的场景示意图;
图2为本申请一实施例提供的一种车辆的路径规划方法的流程图;
图3为本申请一实施例提供的一种预设路段的示意图;
图4为本申请一实施例提供的一种预设路段的示意图;
图5为本申请一实施例提供的一种车辆的路径规划方法的流程图;
图6为本申请一实施例提供的一种车辆的路径规划方法的流程图;
图7为本申请一实施例提供的一种车辆的路径规划方法的流程图;
图8为本申请一实施例提供的一种车辆的路径规划装置的结构示意图;
图9为本申请一实施例提供的一种云端设备的硬件结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合本申请中的附图,对本申请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申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动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。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”“第四”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换。例如,在不脱离本文范围的情况下,第一信息也可以被称为第二信息,类似地,第二信息也可以被称为第一信息。
取决于语境,如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
再者,如同在本文中所使用的,单数形式“一”、“一个”和“该”旨在也包括复数形式,除非上下文中有相反的指示。
应当进一步理解,术语“包含”、“包括”表明存在的特征、步骤、操作、元件、组件、项目、种类、和/或组,但不排除一个或多个其他特征、步骤、操作、元件、组件、项目、种类、和/或组的存在、出现或添加。
此处使用的术语“或”和“和/或”被解释为包括性的,或意味着任一个或任何组合。因此,“A、B或C”或者“A、B和/或C”意味着“以下任一个:A;B;C;A和B;A和C;B和C;A、B和C”。仅当元件、功能、步骤或操作的组合在某些方式下内在地互相排斥时,才会出现该定义的例外。
随着物联网(Internet of Things,IoT)的发展,自动驾驶技术被越来越多的应用于车辆中。目前,一套完整的自动驾驶***可以包括车辆和传感器。该传感器可以为安装在车辆上的传感器,和/或,该传感器还可以为安装在路侧设备的传感器。其中,对于一车辆的自动驾驶***而言,安装在车辆上的传感器可以更加准确的获取该车辆周围的道路信息。但是,该安装在车辆上的传感器无法全局性的道路信息。其中,对于安装在路侧设备中的传感器则正好与安装在车辆上的传感器相反。该路侧设备上的传感器通常安装于路侧的路灯、电线杆等设施上,可以从俯瞰的角度获取全局的道路信息。但是,对于一车辆的而言,在获取该全局的道路信息后,还需要在该全局的道路信息中定位该车辆的位置,从而实现该全局的道路信息的使用。车辆的自动驾驶***可以通过上述道路信息,确定该车辆在该路段的行驶轨迹。该行驶轨迹将被转化为行驶指令,从而控制车辆在该道路上行驶。
每一车辆的通常对应于一套自动驾驶***。该自动驾驶***可以为安装在每一车辆的车辆终端中的***。或者该自动驾驶***可以为安装在云端的***。或者该自动驾驶***还可以为车辆终端与云端联动的***。当该自动驾驶***仅运行于车辆终端时,车辆终端的算力将限制该车辆自动驾驶***的算法质量。在该情况下,将该自动驾驶***中比较消耗算力的运算过程转移到云端,是一种有效的解决办法。例如,针对一个十字路口,当车辆处于该十字路口时,车辆将通过一个云端进行运算。每当有一车辆接入该云端时,云端可以对应于该车辆创建一个线程。在该云端中,可以通过多线程的方式,实现该十字路口的每一车辆的实时运算。但是随着接入车辆数量的增加,云端的运算能力也不是可以无限扩展的。此时,算法的实时性和算法质量,二者难以兼得。
上述问题中,云端设备可以针对于每一进入十字路口范围内的车辆进行行驶轨迹的规划。那么,当全部车辆均需要根据云端设备提供的行驶轨迹行驶时,云端设备是否可以使用一种通用的方式,规划这些车辆的行驶轨迹,从而使这些车辆快速通过这个十字路口。对此,本申请提出了一种车辆的路径规划方法。本申请中,云端设备可以预先估计并枚举该十字路口车流信息。该车流信息中包括每一车道中可能出现的车辆数量、每一车辆的车辆位置、每一车辆的车辆行驶方向等信息。云端设备可以根据每一种十字路口可能出现的车流信息,通过预设规划算法,确定每种车流信息对应的规划路径。每一规划路径中包括该车流信息对应的每一车辆的最优行驶轨迹。云端设备可以存储每一种车流信息对应的每一辆车的最优行驶轨迹。当云端设备从路侧设备获取车流信息后,云端设备可以根据该车流信息,从预先存储的规划路径中选择目标规划路径。云端设备可以根据该目标规划路径,确定每一车辆的行驶轨迹。
下面以具体地实施例对本申请的技术方案进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例不再赘述。
图1示出了本申请一实施例提供的一种车辆的路径规划方法的场景示意图。如图所示,一个预设路段可以包括一套路侧设备。该路侧设备中可以包括多个摄像头。例如,当预设路段为十字路口时,该路侧设备可以包括4个摄像头。每一摄像头可以安装于该十字路口的一个红路灯上。每一摄像头可以用于拍摄一个路口的车辆。该十字路口中可以包括至少一车辆。当云端设备确定目标规划路径后,该云端设备可以向每一车辆发送其对应的行驶轨迹。
本申请中,以云端设备为执行主体,执行如下实施例的车辆的路径规划方法。具体地,该执行主体可以为云端设备的硬件装置,或者为云端设备中实现下述实施例的软件应用,或者为安装有实现下述实施例的软件应用的计算机可读存储介质,或者为实现下述实施例的软件应用的代码。
图2示出了本申请一实施例提供的一种车辆的路径规划方法的流程图。在图1所示实施例的基础上,如图2所示,以云端设备为执行主体,本实施例的方法可以包括如下步骤:
S101、根据预设周期,获取预设路段的车流信息,车流信息包括预设路段的车辆总数、预设路段中每一车道的车辆数量、预设路段中每一车辆的位置信息、预设路段中每一车辆的车辆编号、预设路段中每一车辆在预设路段的行驶方向中的至少一项。
本实施例中,云端设备可以根据预设周期,通过路侧设备获取预设路段的车流信息。例如,该预设周期可以为1秒。云端设备可以每秒从路侧设备中获取该车流信息。该预设路段可以为以某一点为中心,第二预设范围内的区域路侧设备中的摄像头可以获取该第二预设范围内的车流图片。
例如,该预设路段可以如图3所示,为十字路为中心,半径200米以内的一个路段。该十字路口的四个路口中,每一路口可以包括驶向该十字路口的车道和驶出该十字路口的车道。其中,四个路口中,驶向十字路口的车道被标记为灰色。在车流图片的获取中,路侧设备实际需要获取该四个灰色区域的车流图片。当车辆驶出该灰色区域后,云端设备认为该车辆已经驶出该十字路口。当车辆驶出该十字路口后,对应于该十字路口的云端设备不再向该车辆发送行驶轨迹或者行驶指令。在该十字路口中,路侧设备中可以包括4个摄像头。每一摄像头可以安装于一个红绿灯上。其中,红绿灯可以如图中黑色圆圈所示。每一摄像头用于获取该十字路口的一个路口的车流图片。或者,该路侧设备中可以包括更多的摄像头,该摄像头可以每隔50米安装于一个路灯上。
又如,该预设路段可以如图4所示,为以一路灯为中心,前后200米以内的直行路段。该直行路段包括往返两个方向。其中,灰色区域为驶向该路灯的200米距离的路段。在车流图片的获取中,路侧设备实际需要获取的为该两个灰色区域的车流图片。当车辆驶出该灰色区域后,云端设备认为该车辆已经驶出该预设路段。当车辆驶出该预设路段后,对应于该预设路段的云端设备不再向该车辆发送行驶轨迹或者行驶指令。该预设路段中,路侧设备中可以包括2个摄像头。两个摄像头可以安装或者,该路侧设备中可以包括更多的摄像头,于对称的两个路灯上。每一摄像头用于获取一个方向的车流图片。该摄像头可以每隔50米安装于一个路灯上。
一种示例中,路侧设备中,每一摄像头中可以安装有网络单元。摄像头可以直接将拍摄的车流图片发送到云端设备。云端设备解析该车流图片,从而确定车流信息。
另一种示例中,路侧设备中还可以包括一个服务器。该服务器可以与摄像头通过数据线连接。该服务器可以接受每一摄像头拍摄的车流图片。该服务器可以直接识别并解析该车流图片,得到车流信息。该服务器中可以安装有网络单元。该服务器可以将该车流信息上传到云端。
一种示例中,云端设备或者服务器解析车流信息的过程可以包括如下步骤。在下述步骤中以云端设备作为执行主体的示例,对下述步骤进行描述。
步骤1、云端设备通过路侧设备,获取预设路段的车流图片。
步骤2、云端设备根据预设路段的车流图片,确定预设路段的车辆总数和预设路段中每一车道的车辆数量。
本步骤中,云端设备中预先存储有每一车流图片的有效范围。例如,如2所示十字路口中,路侧设备包括4个摄像头时,每一摄像头采集的车流图片对应有效范围为200米。又如,当该预设路段中,每50米安装有一个摄像头时,该车流图片的有效范围为50米。
一种实现方式中,该预设路段中可以预设有标记物。云端设备可以根据该车流图片中的标记物,确定每一该车流图片中有效范围。例如,该标记物可以为该车流图片中的第一个路灯。又如,该标记物可以为设置在路边的固定参照物。例如,车流图片的长宽为1080*720。以该图片的左上角为原点,横轴长度为1080,纵轴长度为720。其中,标记物所在位置为横轴的960。此时,云端设备确定该车流图片的有效范围为横轴的0至960,和纵轴的0至720围成的区域。
另一种实现方式中,云端设备还可以根据该车流图片中的像素点,直接确定该车流图片中的有效范围。由于拍摄该车流图片的摄像头为固定于某一位置的摄像头。因此,云端设备可以直接确定该车流图片中的有效范围。例如,车流图片的长宽为1080*720。以该图片的左上角为原点,横轴长度为1080,纵轴长度为720。其中的有效范围可以为横轴的10至960,纵轴0至720围成的区域。
当云端设备获取了车流图片中的有效范围后,云端设备可以将该有效范围内的车流图片输入车辆识别算法。该车辆识别算法可以识别该车流图片中的车辆。该车辆识别算法可以识别每一车辆的坐标位置或者轮廓。例如,该车辆识别算法可以yolo。该yolo算法中包括已经训练好的车辆识别模型。该yolo算法可以通过标记框的方式,在该车流图片中标记每一车辆。云端设备可以根据该标记框,确定该车流图片中每一车辆的坐标位置。或者,该车辆识别算法还可以为其他现有算法或者改进后算法,本申请对此不作限制。其中,本步骤中所说的车辆的坐标位置为一车辆在该车流图片中的坐标。该坐标位置可以为该车辆的标记框的中心点。
云端设备可以在确定该车流图片的有效范围中,每一车辆的坐标位置信息后,统计该车流图片的有效范围内,车辆的总数,从而确定该预设路段的车辆总数。云端设备还可以根据车道范围,确定该有效范围内每一车道的范围。云端设备可以统计每一车道内的车辆数量。其中,该有效范围内可以包括1个车道、两个车道、三个车道等。该车道数量可以根据实际路况确定。该每一车道的车道范围也可以根据车流图片中的实际路况确定。
步骤3、云端设备根据预设路段的车流图片,获取每一车辆的位置信息和车辆编号,位置信息用于指示车辆所在车道和排序,车辆编号用于唯一标识一车辆。
本步骤中,云端设备可以根据步骤2中确定的每一车辆在车流图片中的坐标位置后,可以根据该坐标位置,确定该车辆在该预设路段中的位置信息。该位置信息可以包括该车辆所在的车道、该车辆在该车道中的排序、该车辆距离红绿灯的距离、该车辆与前车的距离、该车辆与后车的距离等。其中,该车辆在该车道中的排序用于说明该车辆是该车道中的第几辆车。
云端设备还可以根据每一车辆的标记框,从该有效范围中裁剪得到每一车辆的图片。云端设备中可以将该车辆的图片逐一输入到车牌识别算法内。该车牌识别算法用于识别每一车辆的车牌号。该车牌号即为车辆编号,用于唯一标识一车辆。该车牌识别算法中可以包括车牌位置识别和车牌数字识别两个步骤。当云端设备完成该车牌号的识别后,云端设备可以根据每一车辆的车辆编号与该车辆的位置进行关联。
步骤4、云端设备根据预设路段的每一车辆的车辆编号,确定每一车辆的在预设路段的行驶方向。
本步骤中,车辆终端可以在每一车辆出发时,根据该车辆预设的目的地,确定每一车辆的导航路径。由于本申请中的车辆为自动驾驶车辆,因此,每一车辆均需要在出发前预设目的地。当云端设备确定一车辆的车辆编号后,云端设备可以确定该车辆对应的车辆终端。云端设备可以向该车辆终端请求获取该车辆的导航路径。云端设备可以根据该导航路径,确定该车辆在当前预设路段的行驶方向。
一种实现方式中,当预设路段为如图3所示的十字路口时,车辆的在预设路段的行驶方向包括第一方向、第二方向和第三方向。其中,第一方向可以为左转,第二方向可以为右转,第三方向可以为直行。或者,当预设路段为如图4所示的直行路段时,该预设路段的行驶方向可以包括第一方向。其中,第一方向为直行。
S102、根据车流信息和第一路径规划模型,确定预设路段的目标规划路径,目标规划路径中包括每一车辆的预设行驶轨迹。
本实施例中,第一路径规划模型中包括多个规划路径。每一规划路径对应于该预设路段可能出现的车流信息。每一规划路径为该车流信息对应的最优方案。每一路径规划中包括该车流信息中对应的每一车辆的行驶轨迹。当该车流信息中包括的每一车辆根据该行驶轨迹生成行驶指令行驶时,该预设路段的交通效率为最优的交通效率。云端设备在根据S101确定当前时刻的车流信息后,可以在第一路径规划模型中匹配该车流信息。确定其对应的目标规划路径。
一种示例中,在第一路径规划模型中车流信息可以通过特征矩阵进行匹配。该匹配的具体过程可以包括如下步骤:
步骤1、云端设备根据预设路段的每一车辆的位置信息和行驶方向,生成预设路段的特征矩阵。
本步骤中,云端设备可以根据每一车辆的行驶方向,将该行驶方向替换为一个数值。云端设备可以根据每一车辆的行驶方向和第一映射关系,确定车辆的数字编号。例如,当预设路段为如图3所示的十字路口时,第一方向、第二方向和第三方向可以分别替换为数值1、2和3。或者,当预设路段为如图4所示的直行路段时,第一方向和第二方向可以分别替换为数值1和2。
云端设备还可以根据预设路段的车道的长度和第二映射关系,确定目标特征向量的维度。每一目标特征向量对应于一个车道。该预设路段全部车道的组合为特征矩阵。例如,当预设路段为如图3所示的十字路口,且每一路口包括一个车道时,该预设路段可以包括四个目标特征向量。该目标特征向量的可以组成一个特征矩阵。其中,车道的长度即为该预设路段的长度。例如,如图3所示,该长度可以为200米。其中,第二映射关系可以为根据经验总结得到的车道长度与向量维度之间的映射关系。
一种实现方式中,云端设备可以获取每一车道上的车辆。云端设备根据该车道中车辆的顺序,逐一将车辆对应的数值填入一个向量中,得到第一特征向量。当该车道中的车辆较少时,该第一特征向量的长度将小于目标特征向量的维度。此时,云端设备可以通过补全的方式,补全该第一特征向量,得到该车道的目标特征向量。其中,补全方式可以为加0补全、加-1补全等。该补全时使用的数字应当不与第一映射表中的数字重复。例如,当一车道上包括三辆车,且该三辆车的行驶方向分别为左转、右转、直行时,该目标特征向量可以为[1,2,3,0,0]。该目标特征向量的维度为5。其中,根据该车道的车辆获取的第一特征向量为[1,2,3]。云端设备使用0补全了该第一特征向量,得到了目标特征向量。
另一种实现方式中,云端设备除了获取每一车道上的车辆以及车辆对应的数值外,还可以获取每一车辆与前车的距离。云端设备可以根据车辆在该车道中的顺序,将每一车辆对应的数值和该车辆与前车的距离添加到第一特征向量中。当该车辆为该车道中的第一辆车时,该与前车的距离可以为该车辆与红绿灯的距离。例如,一车道上行驶有三辆车。该三辆车的行驶方向分别为左转、右转、直行。其中,第一辆车与红绿灯的距离为5米,第二辆车与第一辆车的距离为50米,第二辆车与第三辆车的距离为80米。此时,第一特征向量可以为[1,5,2,50,3,80]。补全后,目标特征向量可以为[1,5,2,50,3,80,0,0,0,0,0,0]。
另一种示例中,在第一路径规划模型中车流信息可以通过索引进行匹配。该匹配的具体过程可以包括如下步骤:
本示例中,云端设备可以以索引的方式存储第一路径规划模型中包括的多个规划路径。该索引可以包括车辆总数、每一车道的车辆数量、全部车辆的行驶方向的统计结果、每一车道的车辆的行驶方向的统计结果、每一车道的每一车辆的行驶方向、每一车道的每一车辆与前车的距离等参数中的一个或者多个。
下述示例中包括5级索引,云端设备可以根据每一级的索引缩小路径规划的查找范围,最终实现快速查找得到目标路径规划的效果。
步骤1、云端设备根据预设路段的车辆总数,确定第一路径规划模型的第一索引。
本步骤中,云端设备在识别得到该预设路段中的车辆总数后,可以根据该车辆总数,确定第一级索引目录。例如,当车辆总数为40时,该索引对应的每一路径规划中均包括40辆车的行驶轨迹。
步骤2、云端设备根据预设路段中每一车道的车辆数量,确定第一路径规划模型的第二索引。
本步骤中,云端设备在确定每一车道的车辆数量后,可以根据该每一车道的车辆数量,确定第二级索引目录。由于该预设路段中通常包括多个车道,因此,该级索引对应的数值可以为一个元组。例如,当预设路段为如图3所示的十字路口,且每一路口的每一方向包括一个车道时,该索引可以为一个二元组。例如,当四个车道的车辆数量分别为10、15、8、7时,该元组可以表示为(10、15、8、7)。其中,这四个车道的顺序为固定顺序。例如,当该十字路口的四个方向分别对应东南西北时,该四个车道的在该元组中的排序可以为东南西北。
步骤3、云端设备统计预设路段的车辆的行驶方向,并根据统计结果,确定第一路径规划模型的第三索引。
本步骤中,云端设备可以在确定全部车辆的行驶方向后,对这些车辆的行驶方向进行统计。云端设备可以将该统计结果组成一个元组。该元组即为该第三级索引。例如,当预设路段为如图3所示的十字路口时,可以统计这些车辆中左转、右转和直行的数量。云端设备可以根据这三种行驶方向的车辆总数,确定一个三元组。例如,左转、右转和直行的数量可以为10、11、19,则三元组为(10,11,19)。又如,当预设路段为如图4所示的直行路段时,该行驶方向仅包括直行一种,因此,该元组可以为(40)。
步骤4、云端设备统计每一车道的车辆的行驶方向,并根据统计结果,确定第一路径规划模型的第四索引。
本步骤中,云端设备可以在确定每一车道的车辆的行驶方向,对这些车辆的行驶方向进行统计。云端设备可以将每一车道的统计结果组成一个元组。该第四级索引可以为各个车道的元组的集合。例如,当预设路段为如图3所示的十字路口时,可以统计每一车道中车辆的行驶方向,得到每一车道的一个三元组。例如,当东南西北四个单车道的车辆数量为10、15、8、7时,可以得到每一车道中,三种行驶方向的车辆总数。例如,东面的车道车辆数量为10,三个行驶方向分别为3、3、4。南面的车道车辆数量为15,三个行驶方向分别为5、5、5。西面的车道车辆数量为8,三个行驶方向分别为3、3、2。北面的车道车辆数量为7,三个行驶方向分别为2、2、3。云端设备可以根据该统计结果得到四个三元组(3,3,4)、(5,5,5)、(3,3,2)、(2,2,3)。云端设备可以根据该四个元组组成的第四级索引。
步骤5、云端设备根据每一车道的每一车辆的位置信息和行驶方向,确定目标路径规划方案。
本步骤中,云端设备可以根据每一车道中车辆的行驶方向,生成该车道的第一特征向量。例如,当一车道上包括三辆车,且该三辆车的行驶方向分别为左转、右转、直行时,该第一特征向量可以为[1,2,3]。云端设备可以根据该第一特征向量,生成第五级索引。云端设备还可以根据每一车道中车辆与前车的距离,生成该车道的第二特征向量,例如,当一车道上包括三辆车。其中,第一辆车与红绿灯的距离为5米,第二辆车与第一辆车的距离为50米,第二辆车与第三辆车的距离为80米。该第二特征向量可以为[5,50,80]。云端设备可以根据该第一特征向量,生成第六级索引。当该索引目录下仅包括一个规划路径时,云端设备可以确定该索引的结果为目标规划路径。
S103、根据每一车辆的预设行驶轨迹,生成行驶指令,行驶指令用于指示车辆在预设周期内以第一行驶方式行驶第一距离。
本实施例中,当云端设备确定目标规划路径后,可以根据该目标规划路径,确定该
预设路段中每一车辆的预设行驶轨迹。该预设行驶轨迹为该车辆通过该预设路段的最优行
驶轨迹。当该预设路段的全部车辆均按照该预设行驶轨迹行驶时,该预设路段的交通效率
将达到最优状态。该预设行驶轨迹中可以包括在每一时刻每一车辆需要达到的目标位置。
例如,预设行驶轨迹中,第0秒时,车辆可以在刚进入该预设路段的位置。第1秒时,车辆可以
在进入该预设路段后10米的位置。第2秒时,车辆可以在进入该预设路段后20米的位置。云
端设备可以根据该预设行驶轨迹,确定车辆的一条行驶指令,该行驶指令用于指示车辆在
一个预设周期内,该车辆的行驶方式和行驶距离。例如,当预设周期为1秒时,该行驶指令可
以为车辆以36km/h(10m/s)的时速行驶10米。此外,车辆的行驶指令还可以为将按照
的减速,将36km/h(10m/s)的时速减速为14.4km/h(4m/s),并行驶7m。或者,车辆的行驶指令
中还可以包括向右打转方向盘30度、向左打转方向盘45度、开启左转向灯等。
需要注意的是,每一车辆获取的行驶指令仅用于指示车辆在一个预设周期内的行驶。当到达下一个行驶周期时,云端设备可以根据新的车流数据,生成新的行驶指令,从而实现该车辆在下一个行驶周期内的行驶指令。
S104、根据车辆的车辆编号,发送行驶指令到对应的车辆的车辆终端。
本实施例中,云端设备可以根据车辆编号确定每一车辆的车辆终端。云端设备可以将每一车辆对应的行驶指令发送到车辆终端。该车辆终端根据该行驶指令以第一行驶方式行驶第一距离。实现了该车辆在该预设周期内的行驶。
本申请提供的车辆的路径规划方法,云端设备可以根据预设周期,通过路侧设备获取预设路段的车流信息。云端设备可以在第一路径规划模型中匹配该车流信息,确定其对应的目标规划路径。第一路径规划模型中包括多个规划路径。每一路径规划中包括该车流信息中对应的每一车辆的行驶轨迹。云端设备根据每一车辆的预设行驶轨迹,生成行驶指令。每一车辆获取的行驶指令仅用于指示车辆在一个预设周期内的行驶。云端设备可以根据车辆编号确定每一车辆的车辆终端。云端设备可以将每一车辆对应的行驶指令发送到车辆终端。本申请中,通过获取当前预设周期,预设路段的车流信息,确定了每一车辆在当前预设周期内的行驶指令,实现了车辆在该预设路段行驶时,每一预设周期内,其最优的行驶轨迹的规划。并且,在该过程中,云端设备实现了该预设路段中全部车辆的行驶轨迹的统一规划,相较于每一车辆单独计算其行驶轨迹,该统一规划的方式极大的提高了行驶轨迹的规划效率。同时,本申请通过匹配的方式,根据车流信息直接获取该车流信息对应的最优规划路径,避免了在路径规划过程中算法精度与算法迭代次数的矛盾,进一步提高了车辆的行驶轨迹的规划效率。同时,运算设备根据每一预设周期内的车流情况,即实时路况信息,确定当前路况信息对应的最优行驶方案,极大提高了该预设路段的交通效率。
图5示出了本申请一实施例提供的一种车辆的路径规划方法的流程图。在图1至图4所示实施例的基础上,如图5所示,以云端设备为执行主体,本实施例的方法可以包括如下步骤:
S201、根据预设周期,获取预设路段的车流信息,车流信息包括预设路段的车辆总数、预设路段中每一车道的车辆数量、预设路段中每一车辆的位置信息、预设路段中每一车辆的车辆编号、预设路段中每一车辆在预设路段的行驶方向中的至少一项。
S202、根据车流信息和第一路径规划模型,确定预设路段的目标规划路径,目标规划路径中包括每一车辆的预设行驶轨迹。
其中,步骤S201和S202与图2实施例中的步骤S101和S102实现方式类似,本实施例此处不再赘述。
S203、根据当前预设周期的车流信息和上一预设周期的车流信息,确定当前预设周期内的新增车辆集合。
本实施例中,当云端设备获取当前预设周期的车流信息后,云端设备可以根据当前预设周期的车流信息和上一预设周期的车流信息,确定其中的新增车辆。具体的,云端设备可以比较当前预设周期的车流信息中的车辆编号,以及上一预设周期中车流信息中的车辆编号。当一车辆编号出现在当前预设周期,且没有在上一预设周期内出现时,云端设备可以确定该车辆编号对应的车辆为新增车辆。云端设备可将当前预设周期内的新增车辆组成新增车辆集合。
一种示例中,该新增车辆可以为上一周期存在于预设路段,但是没有被拍摄到的车辆。针对这些车辆,云端设备需要将该车辆从该新增车辆集合中删除。云端设备判断并删除这些新增车辆的步骤可以包括:
步骤1、云端设备获取每一新增车辆的位置信息。
步骤2、云端设备根据位置信息,确定每一新增车辆是否为预设路段的新增车辆。
本步骤中,云端设备可以根据每一车辆的位置,确定该车辆是否为该预设路段的新增车辆。
一种实现方式中,当位置信息指示车辆位于预设路段的第一预设范围时,确定车辆为新增新车辆。其中,第一预设范围可以为刚进入该预设路段50米的范围。
另一种实现方式中,当根据位置信息确定车辆的前车为新增车辆时,确定车辆为新增车辆。
步骤3、云端设备当新增车辆不是预设路段的新增车辆时,将新增车辆从新增车辆集合中删除。
本步骤中,云端设备已经确定每一车辆是否为新增车辆。当一车辆不是新增车辆时,云端设备可以将该车辆从新增车辆的集合中删除。当一车辆时新增车辆时,云端设备可以在该新增车辆集合中保留该车辆。该新增车辆集合中可以包括每一车辆的车辆编号。
S204、当新增车辆集合中包括至少一新增车辆时,向新增车辆发送一系列行驶指令,一系列行驶指令用于指示车辆驶出预设路段。
本实施例中,由于该目标规划路径中包括每一车辆在该预设路段的全部预设行驶轨迹,因此,该云端设备可以根据该预设行驶轨迹,确定该车辆的一系列行驶指令。当该车辆按照该一系列行驶指令行驶时,该车辆可以驶出该预设路段。
当云端设备可以根据车辆编号确定一车辆的车辆终端后,云端设备可以将该车辆的一系列行驶指令发送到该车辆的车辆终端。或者,云端设备可以直接将该车辆的预设行驶轨迹发送到车辆的车辆终端。车辆终端可以根据该车辆的该预设行驶轨迹,确定该车辆的一系列行驶指令。
由于车辆每一次获取到的行驶指令为一系列的行驶指令,该行驶指令足够指示该车辆驶出该预设路段。因此,如果在车辆驶出该预设路段前,该车辆再次接收到新的行驶指令,该新的行驶指令可能与原来的行驶指令发生冲突。因此,当一车辆已经接受到一系列行驶指令后,该车辆将不再接收其他的行驶指令,直至该车辆驶出该预设路段。因此,云端设备向新增车辆发送该一系列行驶指令。
本申请提供的车辆的路径规划方法,云端设备可以根据预设周期,通过路侧设备获取预设路段的车流信息。云端设备可以在第一路径规划模型中匹配该车流信息,确定其对应的目标规划路径。第一路径规划模型中包括多个规划路径。每一路径规划中包括该车流信息中对应的每一车辆的行驶轨迹。云端设备根据当前预设周期的车流信息和上一预设周期的车流信息,确定当前预设周期内的新增车辆集合。一系列行驶指令用于指示车辆驶出预设路段。当新增车辆集合中包括至少一新增车辆时,云端设备向新增车辆发送一系列行驶指令。本申请中,通过向新增车辆发送一系列行驶指令的方式,避免每一车辆接收的行驶指令发生冲突,从而提高该预设路段的交通效率。
图6示出了本申请一实施例提供的一种车辆的路径规划方法的流程图。在图1至图5所示实施例的基础上,如图6所示,以云端设备为执行主体,本实施例的方法可以包括如下步骤:
S301、根据预设周期,获取预设路段的车流信息,车流信息包括预设路段的车辆总数、预设路段中每一车道的车辆数量、预设路段中每一车辆的位置信息、预设路段中每一车辆的车辆编号、预设路段中每一车辆在预设路段的行驶方向中的至少一项。
其中,步骤S301与图2实施例中的步骤S101实现方式类似,本实施例此处不再赘述。
S302、根据车流信息,确定预设路段的复杂度。
本实施例中,云端设备还可以根据当前预设周期内的车流信息,计算得到当前预设周期内,该预设路段的复杂度。该复杂度可以根据车流信息中的车辆总数和第三映射关系确定。其中,不同的预设路段可以对应于不同的第三映射关系。例如,当预设路段为如图3所示的十字路口,且每一路口包括一车道时,根据该第三映射关系可以确定当车辆总数为40时,其复杂度为10。又如,当预设路段为如图3所示的十字路口,且每一路口包括单向双车道时,根据该第三映射关系可以确定当车辆总数为40时,其复杂度为5。又如,当预设路段为如图4所示的直行路段,且每一路口包括一车道时,根据第三映射关系,可以确定当车辆总数为40时,其复杂度为20。
S303、当预设路段的复杂度小于复杂度阈值时,根据第二路径规划模型和车流信息,确定预设路段中每一车辆的预设行驶轨迹。
本实施例中,云端设备中可以预设有复杂度阈值。该复杂度阈值可以为经验值。当当前预设周期内,该预设路段的复杂度小于复杂度阈值时,云端设备可以确定使用第二路径规划模型规划每一车辆的预设行驶轨迹。
其中,第二路径规划模型可以根据行驶方向确定该车辆的预设车速。云端设备可以根据该预设车速和行驶方向规划该预设行驶轨迹。例如,当预设路段为如图3所示的十字路口时,该车辆的行驶方向可以为直行。云端设备可以根据预设车速和红绿灯,确定该车辆经过该红绿灯时是否需要等待。当确定该车辆可以直接通过该红绿灯时,云端设备可以根据该预设车速确定该预设行驶轨迹中每一时刻所在的位置。或者,当确定该车辆需要等待红绿灯时,云端设备可以根据预设车速,确定该车辆的减速度,从而确定该预设行驶轨迹中每一时刻所在的位置。
S304、当预设路段的复杂度大于等于复杂度阈值时,根据车流信息和第一路径规划模型,确定预设路段的目标规划路径,目标规划路径中包括每一车辆的预设行驶轨迹。
S305、根据每一车辆的预设行驶轨迹,生成一系列行驶指令,一系列行驶指令用于指示车辆驶出预设路段,每一行驶指令用于指示车辆以第一行驶方式行驶第一距离。
S306、根据车辆的车辆编号,发送行驶指令到对应的车辆的车辆终端。
其中,步骤S304至S306与图2实施例中的步骤S102和S104实现方式类似,本实施例此处不再赘述。
本申请提供的车辆的路径规划方法,云端设备可以根据预设周期,通过路侧设备获取预设路段的车流信息。云端设备还可以根据当前预设周期内的车流信息,计算得到当前预设周期内,该预设路段的复杂度。当预设路段的复杂度小于复杂度阈值时,云端设备可以确定使用第二路径规划模型规划每一车辆的预设行驶轨迹。当预设路段的复杂度大于等于复杂度阈值时,云端设备可以在第一路径规划模型中匹配该车流信息,确定其对应的目标规划路径。云端设备根据每一车辆的预设行驶轨迹,生成行驶指令。云端设备可以将每一车辆对应的行驶指令发送到车辆终端。本申请中,通过计算预设路段的复杂度,使当预设路段的复杂度较低时,可以直接根据第二路径规划模型直接确定每一车辆的预设行驶轨迹,从而提高每一车辆的预设行驶轨迹的计算效率。
图7示出了本申请一实施例提供的一种车辆的路径规划方法的流程图。在图1至图6所示实施例的基础上,如图7所示,以云端设备为执行主体,本实施例的方法可以包括如下步骤:
S401、获取预设路段的最大车流量和最小车流量。
本实施例中,云端设备可以根据各个预设周期的车流信息,统计该预设路段的最大车流量和最小车流量。其中,最小车流量可以为当该预设路段的复杂度大于等于复杂度阈值时的最小车流量。其中,最大车流量可以为统计得到的该预设路段出现过的最大车流量。
S402、根据最大车流量和最小车流量,确定预设路段可能出现的车流信息。
本实施例中,云端设备可以根据该最大车流量和最小车流量,枚举该预设路段可能出现的车流信息。例如,当最小车流量为10辆车,最大车流量为50辆车时,可以枚举当车流信息中车辆总数为10到50的每一种情况。针对一种车辆总数,还可以枚举每一车道可能出现的车辆数量的组合。针对每一车辆的车辆数量,还可以枚举每一车道中,车辆行驶方向的组合,以及辆车之间距离的组合。
S403、根据每一车流信息和预设规划算法,生成每一车流信息对应的规划路径,规划路径为车流信息对应的最优路径规划方案。
本实施例中,云端设备可以根据每一种车流信息,将该车流信息输入到预设规划算法中,计算得到该车流信息对应的规划路径。该规划路径为该车流信息对应的最优路径规划方案。当该车流信息中对应的车辆可以按照该规划路径中指示的预设行驶轨迹行驶时,该预设路段的交通效率将达到最优。其中,该预设规划算法可以为一个复杂度较高且运算准确率高的算法。图7所示的规划路径的计算过程为独立于图2至图6所示的车辆的路径规划过程。因此,可以不考虑算法复杂度,选择迭代次数多、运算准确率高的算法。
本申请提供的车辆的路径规划方法,云端设备可以根据各个预设周期的车流信息,统计该预设路段的最大车流量和最小车流量。云端设备可以根据该最大车流量和最小车流量,枚举该预设路段可能出现的车流信息。云端设备可以根据每一种车流信息,将该车流信息输入到预设规划算法中,计算得到该车流信息对应的规划路径。本申请中,通过预先计算每一车流信息对应的规划路径,实现每一车流信息最优规划路径的计算,使云端设备可以在实际使用中,通锅匹配的方式快速确定当前预设周期的车流信息对应的规划路径,从而提高每一车辆预设行驶轨迹的规划效率。
图8示出了本申请一实施例提供的一种车辆的路径规划装置的结构示意图,如图8所示,本实施例的车辆的路径规划装置10用于实现上述任一方法实施例中对应于云端设备的操作,本实施例的车辆的路径规划装置10包括:
第一获取模块11,用于根据预设周期,获取预设路段的车流信息,车流信息包括预设路段的车辆总数、预设路段中每一车道的车辆数量、预设路段中每一车辆的位置信息、预设路段中每一车辆的车辆编号、预设路段中每一车辆在预设路段的行驶方向中的至少一项。
第一确定模块12,用于根据车流信息和第一路径规划模型,确定预设路段的目标规划路径,目标规划路径中包括每一车辆的预设行驶轨迹。
生成模块13,用于根据每一车辆的预设行驶轨迹,生成行驶指令,行驶指令用于指示车辆在预设周期内以第一行驶方式行驶第一距离。
发送模块14,用于根据车辆的车辆编号,发送行驶指令到对应的车辆的车辆终端。
一种示例中,第一获取模块11,具体用于通过路侧设备,获取预设路段的车流图片。根据预设路段的车流图片,确定预设路段的车辆总数和预设路段中每一车道的车辆数量。根据预设路段的车流图片,获取每一车辆的位置信息和车辆编号,位置信息用于指示车辆所在车道和排序,车辆编号用于唯一标识一车辆。根据预设路段的每一车辆的车辆编号,确定每一车辆的在预设路段的行驶方向。
一种示例中,第一确定模块12,包括:
生成子模块,用于根据预设路段的每一车辆的位置信息和行驶方向,生成预设路段的特征矩阵。
第一确定子模块,用于根据预设路段的特征矩阵和第一路径规划模型中每一规划路径的特征矩阵,确定目标规划路径。
一种示例中,生成子模块,具体包括根据每一车辆的行驶方向和第一映射关系,确定车辆的数字编号,第一映射关系用于指示行驶方向和数字编号的关系。根据每一车道中车辆的位置信息和数字编号,生成每一车道的目标特征向量。根据预设路段中每一车道的目标特征向量,生成特征矩阵。
一种示例中,生成子模块,还包括根据预设路段的车道的长度和第二映射关系,确定目标特征向量的维度。根据每一车辆车道中的排序,顺序排列车辆的数字编号,得到第一特征向量。当第一特征向量的维度小于目标特征向量的维度时,补全第一特征向量,得到目标特征向量。
一种示例中,第一确定模块12,还包括:
第二确定子模块,用于根据预设路段的车辆总数,确定第一路径规划模型的第一索引。
第三确定子模块,用于根据预设路段中每一车道的车辆数量,确定第一路径规划模型的第二索引。
第四确定子模块,用于统计预设路段的车辆的行驶方向,并根据统计结果,确定第一路径规划模型的第三索引。
第五确定子模块,用于统计每一车道的车辆的行驶方向,并根据统计结果,确定第一路径规划模型的第四索引。
第六确定子模块,用于根据每一车道的每一车辆的位置信息和行驶方向,确定目标路径规划方案。
一种示例中,车辆的路径规划装置10,还包括:
第二获取模块,用于根据当前预设周期的车流信息和上一预设周期的车流信息,确定当前预设周期内的新增车辆集合;
第二确定模块,用于当新增车辆集合中包括至少一新增车辆时,向新增车辆发送一系列行驶指令,一系列行驶指令用于指示车辆驶出预设路段。
一种示例中,第二获取模块,具体用于获取每一新增车辆的位置信息;根据位置信息,确定每一新增车辆是否为预设路段的新增车辆;当新增车辆不是预设路段的新增车辆时,将新增车辆从新增车辆集合中删除。
一种示例中,所第二获取模块,还用于当位置信息指示车辆位于预设路段的第一预设范围时,确定车辆为新增新车辆;当根据位置信息确定车辆的前车为新增车辆时,确定车辆为新增车辆。
一种示例中,车辆的路径规划装置10,还包括:
第三确定模块,用于根据车流信息,确定预设路段的复杂度;
第四确定模块,用于当预设路段的复杂度小于复杂度阈值时,根据第二路径规划模型和车流信息,确定预设路段中每一车辆的预设行驶轨迹。
一种示例中,第三确定模块,具体用于根据车流信息中的车辆总数和第三映射关系,确定预设路段的复杂度,第三映射关系用于指示车辆总数与预设路段的复杂度之间的关系。
一种示例中,第四确定模块,具体用于根据车流信息中每一车辆的行驶方向和第二路径规划模型,确定每一车辆的预设行驶轨迹。
一种示例中,车辆的路径规划装置10,还包括:
更新模块,用于获取预设路段的最大车流量和最小车流量;根据最大车流量和最小车流量,枚举预设路段的车流信息;根据每一车流信息和预设规划算法,生成每一车流信息对应的规划路径,规划路径为车流信息对应的最优路径规划方案。
一种示例中,当预设路段为十字路口时,车辆的在预设路段的行驶方向包括左转、右转和直行中的任意一项。
本申请实施例提供的车辆的路径规划装置10,可执行上述方法实施例,其具体实现原理和技术效果,可参见上述方法实施例,本实施例此处不再赘述。
图9示出了本申请实施例提供的一种云端设备的硬件结构示意图。如图9所示,该云端设备20,用于实现上述任一方法实施例中对应于云端设备的操作,本实施例的云端设备20可以包括:存储器21,处理器22和通信接口24。
存储器21,用于存储计算机程序。该存储器21可能包含高速随机存取存储器(Random Access Memory,RAM),也可能还包括非易失性存储(Non-Volatile Memory,NVM),例如至少一个磁盘存储器,还可以为U盘、移动硬盘、只读存储器、磁盘或光盘等。
处理器22,用于执行存储器存储的计算机程序,以实现上述实施例中的车辆的路径规划方法。具体可以参见前述方法实施例中的相关描述。该处理器22可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合发明所公开的方法的步骤可以直接体现为硬件处理器执行完成,或者用处理器中的硬件及软件模块组合执行完成。
可选地,存储器21既可以是独立的,也可以跟处理器22集成在一起。
当存储器21是独立于处理器22之外的器件时,云端设备20还可以包括总线23。该总线23用于连接存储器21和处理器22。该总线23可以是工业标准体系结构(IndustryStandard Architecture,ISA)总线、外部设备互连(Peripheral ComponentInterconnect,PCI)总线或扩展工业标准体系结构(Extended Industry StandardArchitecture,EISA)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示,本申请附图中的总线并不限定仅有一根总线或一种类型的总线。
通信接口24,用于与路测设备和车辆终端进行交互。
本实施例提供的云端设备可用于执行上述的车辆的路径规划方法,其实现方式和技术效果类似,本实施例此处不再赘述。
本申请还提供一种计算机可读存储介质,计算机可读存储介质中存储有计算机程序,计算机程序被处理器执行时用于实现上述的各种实施方式提供的方法。
其中,计算机可读存储介质可以是计算机存储介质,也可以是通信介质。通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。计算机存储介质可以是通用或专用计算机能够存取的任何可用介质。例如,计算机可读存储介质耦合至处理器,从而使处理器能够从该计算机可读存储介质读取信息,且可向该计算机可读存储介质写入信息。当然,计算机可读存储介质也可以是处理器的组成部分。处理器和计算机可读存储介质可以位于专用集成电路(Application Specific Integrated Circuits, ASIC)中。另外,该ASIC可以位于用户设备中。当然,处理器和计算机可读存储介质也可以作为分立组件存在于通信设备中。
具体地,该计算机可读存储介质可以是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,如静态随机存取存储器(Static Random-Access Memory,SRAM),电可擦除可编程只读存储器(Electrically-Erasable Programmable Read-Only Memory,EEPROM),可擦除可编程只读存储器(Erasable Programmable Read Only Memory,EPROM),可编程只读存储器(Programmable read-only memory,PROM),只读存储器(Read-OnlyMemory,ROM),磁存储器,快闪存储器,磁盘或光盘。存储介质可以是通用或专用计算机能够存取的任何可用介质。
本申请还提供一种计算机程序产品,该计算机程序产品包括计算机程序,该计算机程序存储在计算机可读存储介质中。设备的至少一个处理器可以从计算机可读存储介质中读取该计算机程序,至少一个处理器执行该计算机程序使得设备实施上述的各种实施方式提供的方法。
本申请实施例还提供一种芯片,该芯片包括存储器和处理器,存储器用于存储计算机程序,处理器用于从存储器中调用并运行计算机程序,使得安装有芯片的设备执行如上各种可能的实施方式中的方法。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅是示意性的,例如,模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个模块可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或模块的间接耦合或通信连接,可以是电性,机械或其它的形式。
其中,各个模块可以是物理上分开的,例如安装于一个的设备的不同位置,或者安装于不同的设备上,或者分布到多个网络单元上,或者分布到多个处理器上。各个模块也可以是集成在一起的,例如,安装于同一个设备中,或者,集成在一套代码中。各个模块可以以硬件的形式存在,或者也可以以软件的形式存在,或者也可以采用软件加硬件的形式实现。本申请可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
当各个模块以软件功能模块的形式实现的集成的模块,可以存储在一个计算机可读取存储介质中。上述软件功能模块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)或处理器执行本申请各个实施例方法的部分步骤。
应该理解的是,虽然上述实施例中的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,其可以以其他的顺序执行。而且,图中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,其执行顺序也不必然是依次进行,而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
最后应说明的是:以上各实施例仅用以说明本申请的技术方案,而非对其限制。尽管参照前述各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:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换。而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的范围。
Claims (16)
1.一种车辆的路径规划方法,其特征在于,所述方法,包括:
根据预设周期,获取预设路段的车流信息,所述车流信息包括所述预设路段的车辆总数、所述预设路段中每一车道的车辆数量、所述预设路段中全部车辆的位置信息、所述预设路段中全部车辆的车辆编号、所述预设路段中全部车辆在所述预设路段的行驶方向中的至少一项;
根据所述车流信息和第一路径规划模型,确定所述预设路段的目标规划路径,所述目标规划路径中包括全部所述车辆的预设行驶轨迹;
根据全部所述车辆的所述预设行驶轨迹,生成每一所述车辆的行驶指令,所述行驶指令用于指示所述车辆在所述预设周期内以第一行驶方式行驶第一距离;
根据所述车辆的车辆编号,发送所述行驶指令到对应的车辆的车辆终端;
所述根据所述车流信息和第一路径规划模型,确定所述预设路段的目标规划路径,包括:
根据所述预设路段的全部所述车辆的位置信息和所述行驶方向,生成所述预设路段的特征矩阵;
将所述预设路段的所述特征矩阵与所述第一路径规划模型中的各个规划路径的特征矩阵进行匹配,确定与所述预设路段的所述特征矩阵匹配的所述规划路径的特征矩阵对应的所述规划路径为所述目标规划路径;
所述方法,还包括:
获取所述预设路段的最大车流量和最小车流量;
根据所述最大车流量和所述最小车流量,枚举所述预设路段的车流信息;
根据每一所述车流信息和预设规划算法,生成每一所述车流信息对应的规划路径,所述规划路径为所述车流信息对应的最优路径规划方案。
2.根据权利要求1所述的方法,其特征在于,所述获取预设路段的车流信息,包括:
通过路侧设备,获取所述预设路段的车流图片;
根据所述预设路段的所述车流图片,确定所述预设路段的车辆总数和所述预设路段中每一车道的车辆数量;
根据所述预设路段的所述车流图片,获取每一车辆的位置信息和车辆编号,所述位置信息用于指示所述车辆所在车道和排序,所述车辆编号用于唯一标识一车辆;
根据所述预设路段的每一所述车辆的车辆编号,确定每一所述车辆的在所述预设路段的行驶方向。
3.根据权利要求1所述的方法,其特征在于,所述根据所述预设路段的每一所述车辆的位置信息和所述行驶方向,生成所述预设路段的特征矩阵,包括:
根据每一所述车辆的行驶方向和第一映射关系,确定所述车辆的数字编号,所述第一映射关系用于指示所述行驶方向和所述数字编号的关系;
根据每一所述车道中所述车辆的所述位置信息和所述数字编号,生成每一所述车道的目标特征向量;
根据所述预设路段中每一所述车道的所述目标特征向量,生成所述特征矩阵。
4.根据权利要求3所述的方法,其特征在于,所述根据每一所述车道中所述车辆的所述位置信息和所述数字编号,生成每一所述车道的目标特征向量,包括:
根据所述预设路段的所述车道的长度和第二映射关系,确定所述目标特征向量的维度;
根据每一所述车辆所述车道中的排序,顺序排列所述车辆的所述数字编号,得到第一特征向量;
当所述第一特征向量的维度小于目标特征向量的维度时,补全所述第一特征向量,得到所述目标特征向量。
5.根据权利要求1所述的方法,其特征在于,所述根据所述车流信息和第一路径规划模型,确定所述预设路段的目标规划路径,包括:
根据所述预设路段的所述车辆总数,确定所述第一路径规划模型的第一索引;
根据所述预设路段中每一所述车道的所述车辆数量,确定所述第一路径规划模型的第二索引;
统计所述预设路段的所述车辆的所述行驶方向,并根据所述统计的 结果,确定所述第一路径规划模型的第三索引;
统计每一所述车道的所述车辆的所述行驶方向,并根据所述统计的 结果,确定所述第一路径规划模型的第四索引;
根据每一所述车道的每一所述车辆的所述位置信息和所述行驶方向,确定目标路径规划方案。
6.根据权利要求1-5中任意一项所述的方法,其特征在于,所述方法,还包括:
根据当前预设周期的车流信息和上一预设周期的车流信息,确定当前预设周期内的新增车辆集合;
当所述新增车辆集合中包括至少一新增车辆时,向所述新增车辆发送一系列行驶指令,所述一系列行驶指令用于指示所述车辆驶出所述预设路段。
7.根据权利要求6所述的方法,其特征在于,所述根据上一预设周期的车流信息和当前预设周期的所述车流信息,确定新增车辆集合,当所述新增车辆集合中包括至少一新增车辆时,所述方法,包括:
获取每一新增车辆的位置信息;
根据所述位置信息,确定每一所述新增车辆是否为所述预设路段的新增车辆;
当所述新增车辆不是所述预设路段的新增车辆时,将所述新增车辆从所述新增车辆集合中删除。
8.根据权利要求7所述的方法,其特征在于,所述根据所述位置信息,确定每一所述新增车辆是否为所述预设路段的新增车辆,包括以下至少一种:
当所述位置信息指示所述车辆位于所述预设路段的第一预设范围时,确定所述车辆为新增新车辆;
当根据所述位置信息确定所述车辆的前车为新增车辆时,确定所述车辆为新增车辆。
9.根据权利要求1-5中任意一项所述的方法,其特征在于,所述方法,包括:
根据所述车流信息,确定所述预设路段的复杂度;
当所述预设路段的所述复杂度小于复杂度阈值时,根据第二路径规划模型和所述车流信息,确定所述预设路段中每一所述车辆的预设行驶轨迹。
10.根据权利要求9所述的方法,其特征在于,所述根据所述车流信息,确定所述预设路段的复杂度,包括:
根据所述车流信息中的车辆总数和第三映射关系,确定所述预设路段的复杂度,所述第三映射关系用于指示所述车辆总数与所述预设路段的所述复杂度之间的关系。
11.根据权利要求9所述的方法,其特征在于,所述根据第二路径规划模型和所述车流信息,确定所述预设路段中每一所述车辆的预设行驶轨迹,包括:
根据所述车流信息中每一车辆的行驶方向和所述第二路径规划模型,确定每一所述车辆的预设行驶轨迹。
12.根据权利要求1-5中任意一项所述的方法,其特征在于,当所述预设路段为十字路口时,所述车辆的在所述预设路段的行驶方向包括左转、右转和直行中的任意一项。
13.一种车辆的路径规划装置,其特征在于,所述装置,包括:
获取模块,用于获取预设路段的车流信息,所述车流信息包括所述预设路段的车辆总数、所述预设路段中每一车道的车辆数量、所述预设路段中全部车辆的位置信息、所述预设路段中全部车辆的车辆编号、所述预设路段中全部车辆在所述预设路段的行驶方向中的至少一项;
第一确定模块,用于根据所述车流信息和第一路径规划模型,确定所述预设路段的目标规划路径,所述目标规划路径中包括全部所述车辆的预设行驶轨迹;
生成模块,用于根据全部所述车辆的所述预设行驶轨迹,生成每一所述车辆的一系列行驶指令,所述一系列行驶指令用于指示所述车辆驶出所述预设路段,每一所述行驶指令用于指示所述车辆以第一行驶方式行驶第一距离;
发送模块,用于根据所述车辆的车辆编号,发送所述行驶指令到对应的车辆的车辆终端;
所述第一确定模块,具体用于:
根据所述预设路段的全部所述车辆的位置信息和所述行驶方向,生成所述预设路段的特征矩阵;
将所述预设路段的所述特征矩阵与所述第一路径规划模型中的各个规划路径的特征矩阵进行匹配,确定与所述预设路段的所述特征矩阵匹配的所述规划路径的特征矩阵对应的所述规划路径为所述目标规划路径;
所述装置,还包括:
更新模块,用于获取所述预设路段的最大车流量和最小车流量;根据所述最大车流量和所述最小车流量,枚举所述预设路段的车流信息;根据每一所述车流信息和预设规划算法,生成每一所述车流信息对应的规划路径,所述规划路径为所述车流信息对应的最优路径规划方案。
14.一种云端设备,其特征在于,所述设备,包括:存储器,处理器;
所述存储器用于存储计算机程序;所述处理器用于根据所述存储器存储的计算机程序,实现如权利要求1-12中任意一项所述的车辆的路径规划方法。
15.一种车辆的路径规划***,其特征在于,所述***,包括:路侧设备、至少一车辆终端和如权利要求14所述的云端设备,所述云端设备与所述路侧设备和所述车辆终端连接。
16.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有计算机程序,所述计算机程序被处理器执行时用于实现如权利要求1-12中任意一项所述的车辆的路径规划方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110853525.XA CN113295181B (zh) | 2021-07-28 | 2021-07-28 | 车辆的路径规划方法、装置和*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110853525.XA CN113295181B (zh) | 2021-07-28 | 2021-07-28 | 车辆的路径规划方法、装置和*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113295181A CN113295181A (zh) | 2021-08-24 |
CN113295181B true CN113295181B (zh) | 2022-04-15 |
Family
ID=77331158
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110853525.XA Active CN113295181B (zh) | 2021-07-28 | 2021-07-28 | 车辆的路径规划方法、装置和*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113295181B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109859474A (zh) * | 2019-03-12 | 2019-06-07 | 沈阳建筑大学 | 基于智能车载设备的无信号交叉口通行权分配***及方法 |
CN110428647A (zh) * | 2019-07-26 | 2019-11-08 | 百度在线网络技术(北京)有限公司 | 路口的车辆协同通行的方法、装置、设备及存储介质 |
CN111243307A (zh) * | 2018-11-28 | 2020-06-05 | 驭势科技(北京)有限公司 | 一种用于在路口调度具有自动驾驶功能的车辆的***与方法 |
CN111311959A (zh) * | 2020-02-12 | 2020-06-19 | 北京邮电大学 | 多路口协同控制方法、装置、电子设备及存储介质 |
CN112068545A (zh) * | 2020-07-23 | 2020-12-11 | 哈尔滨工业大学(深圳) | 一种无人驾驶车辆在十字路口的行驶轨迹规划方法、***及存储介质 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101664582B1 (ko) * | 2014-11-12 | 2016-10-10 | 현대자동차주식회사 | 자율주행차량의 주행경로 생성장치 및 방법 |
CN108351219B (zh) * | 2016-02-26 | 2020-09-11 | 华为技术有限公司 | 交通控制方法及装置 |
CN109389838A (zh) * | 2018-11-26 | 2019-02-26 | 爱驰汽车有限公司 | 无人驾驶路口路径规划方法、***、设备及存储介质 |
CN111735466B (zh) * | 2020-01-02 | 2021-11-12 | 北京京东乾石科技有限公司 | 一种多车协同轨迹规划方法、装置、设备及存储介质 |
CN112258881B (zh) * | 2020-10-21 | 2021-07-16 | 贵州汇联通电子商务服务有限公司 | 基于智慧交通的车辆管理方法 |
-
2021
- 2021-07-28 CN CN202110853525.XA patent/CN113295181B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111243307A (zh) * | 2018-11-28 | 2020-06-05 | 驭势科技(北京)有限公司 | 一种用于在路口调度具有自动驾驶功能的车辆的***与方法 |
CN109859474A (zh) * | 2019-03-12 | 2019-06-07 | 沈阳建筑大学 | 基于智能车载设备的无信号交叉口通行权分配***及方法 |
CN110428647A (zh) * | 2019-07-26 | 2019-11-08 | 百度在线网络技术(北京)有限公司 | 路口的车辆协同通行的方法、装置、设备及存储介质 |
CN111311959A (zh) * | 2020-02-12 | 2020-06-19 | 北京邮电大学 | 多路口协同控制方法、装置、电子设备及存储介质 |
CN112068545A (zh) * | 2020-07-23 | 2020-12-11 | 哈尔滨工业大学(深圳) | 一种无人驾驶车辆在十字路口的行驶轨迹规划方法、***及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113295181A (zh) | 2021-08-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10215571B2 (en) | System and method for precision localization and mapping | |
CN111797187B (zh) | 地图数据的更新方法、装置、电子设备和存储介质 | |
CN111582189B (zh) | 交通信号灯识别方法、装置、车载控制终端及机动车 | |
CN111750878B (zh) | 一种车辆位姿的修正方法和装置 | |
CN112991791B (zh) | 交通信息识别和智能行驶方法、装置、设备及存储介质 | |
CN111142525A (zh) | 高精度地图车道拓扑构建方法及***、服务器及介质 | |
CN111063205A (zh) | 信号灯的控制方法、装置、设备及存储介质 | |
CN110335484B (zh) | 控制车辆行驶的方法及装置 | |
CN114550571B (zh) | 一种车道线标注方法、装置、存储介质及计算机程序产品 | |
CN114913386A (zh) | 一种多目标跟踪模型的训练方法以及多目标跟踪方法 | |
WO2024060609A1 (zh) | 信息交互方法及装置、电子设备和计算机可读存储介质 | |
US20230278587A1 (en) | Method and apparatus for detecting drivable area, mobile device and storage medium | |
CN114694123B (zh) | 交通信号灯感知方法、装置、设备及存储介质 | |
US20230358547A1 (en) | Map matching method and apparatus, electronic device and storage medium | |
CN114627409A (zh) | 一种车辆异常变道的检测方法及装置 | |
CN112735163B (zh) | 确定目标物体静止状态的方法、路侧设备、云控平台 | |
CN113450390A (zh) | 一种基于路侧摄像头的目标跟踪方法、装置及电子设备 | |
CN113295181B (zh) | 车辆的路径规划方法、装置和*** | |
CN117111052A (zh) | 目标车辆跟踪方法、***、目标车辆跟踪设备及存储介质 | |
CN115892076A (zh) | 车道障碍物筛选方法、装置和域控制器 | |
WO2022247299A1 (zh) | 指示灯状态识别 | |
CN111833621A (zh) | 车道导向线生成方法、装置、存储介质及计算机设备 | |
CN115359665A (zh) | 基于射频视频一体机的多通道违章车辆记录方法及装置 | |
CN112258881A (zh) | 基于智慧交通的车辆管理方法 | |
CN115909286B (zh) | 数据处理方法及装置 |
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 |