CN114299719B - 端云***中基于轨迹的车道临时指向的识别方法及*** - Google Patents

Abstract

本发明提供了端云***中基于轨迹的车道临时指向的识别方法及***，所述方法包括：针对目标车辆，获取驶向设有可变车道路的路口的各前方车辆的行车轨迹；根据所述行车轨迹中包含的车辆行驶方向的变化，识别出行车轨迹中包含的每一个变道行为；获取针对变道行为的统计特征，并根据统计特征确定出前方可变车道的车道指向。应用本发明实施例，提高了道路通行效率。

Description

端云***中基于轨迹的车道临时指向的识别方法及***

技术领域

本发明涉及车联网技术领域，具体涉及端云***中基于轨迹的车道临时指向的识别方法及***。

背景技术

随着城市化进程的推进，许多城市也不同程度的受到交通堵塞问题的困扰，为了缓解交通堵塞，在主干道上越来越多的应用可变车道这一技术：例如，将与左转车道同侧的隔壁车道设为可变车道，在左转车道压力较大时，可以临时性的将可变车道改为左转车道，在左转车道压力不大，直行车道压力较大时将该车道改为直行车道；而且，交管部门可以根据早晚高峰的行车特点对可变车道进行设置，临时改变车道的走向，进而实现交通堵塞压力的缓解。在早晚高峰时段，道路上的车辆比较多，当驾驶员看清可变车道路牌后发现占错道时已经距离路口比较近了，再变道就比较困难了，而且高峰时段变道容易引发交通事故，因此，使驾驶员尽早知晓可变车道的当前状态是十分必要的。

现有技术中，文献号为CN103413437B的一种基于车辆数据采集的道路交叉口转向识别方法及***根据前方车辆在路口的转向行为进而识别出可变车道的车道属性，但是，现有技术是在前车已经进入路口之后识别出的。如果此时交警使用遥控器对可变车道临时改道，占据可变车道的前车还未前进的情况下，可视距离之外的后车是无法知晓可变车道已经发生了改道。高峰时段道路上车辆密集，无法观察到车道指示牌的后车进入可变车道可视距离后已经没有了变道的空间，而且后车占错道会延长后车对道路的占用时间。

因此，现有技术中存在，在可变车道临时改道且前车还未前进的情况下，视距外后车无法预知可变车道临时指向，进而导致道路通行效率较低的技术问题。

发明内容

本发明所要解决的技术问题在于如何提供端云***中基于轨迹的车道临时指向的识别方法及***以提高道路的通行效率。

本发明通过以下技术手段实现解决上述技术问题的：

本发明提供了端云***中基于轨迹的车道临时指向的识别方法，所述方法包括：

针对目标车辆，获取驶向设有可变车道路的路口的各前方车辆的行车轨迹；

根据所述行车轨迹中包含的车辆行驶方向的变化，识别出行车轨迹中包含的每一个变道行为；

获取针对变道行为的统计特征，并根据统计特征确定出前方可变车道的车道指向。

可选的，所述获取驶向设有可变车道路的路口的各前方车辆的行车轨迹，包括：

预先自车道指示牌开始沿道路逆车流方向上依次设置可视范围、高频采样触发范围以及预警范围，其中，所述可视范围为肉眼能够分辨车道指示牌上的导向箭头轮廓的距离；

针对每一个前方车辆，在前方车辆进入到高频采样触发范围后，向前方车辆发出提高采样频率的指令，以使前方车辆返回高采样频率下的定位采样数据；

在前方车辆进入到可视范围后，获取前方车辆的行车轨迹；

在所述识别出行车轨迹中包含的每一个变道行为步骤之后，所述方法还包括：

在目标车辆进入到预警范围后，将车道指向发送至目标车辆。

可选的，所述获取驶向设有可变车道路的路口的各前方车辆的行车轨迹，包括：

预先自车道指示牌开始沿道路逆车流方向上依次设置可视范围、高频采样触发范围以及预警范围；

在目标车辆进入到预警范围后，向前方车辆发出提高采样频率的指令，以使进入到高频采样触发范围后的前方车辆返回提高后采样频率下的定位采样数据；

在前方车辆进入到可视范围后，获取前方车辆的行车轨迹；

在所述识别出行车轨迹中包含的每一个变道行为步骤之后，所述方法还包括：

在目标车辆进入到预警范围后，将车道指向发送至目标车辆。

可选的，所述可视范围的获取方法包括：

在距离设有可变车道的路口的第一设定长度内，识别出所有车道上车辆的变道行为；

将自设有可变车道的路口到历史最大可视范围作为目标区间，按照第二设定长度为子区间长度，将目标区间沿道路延伸方向的反向划分为若干个子区间，其中，第二设定长度包括预先设定的长度范围或者车身长度范围中的一种，且第二设定长度小于第一设定长度；

以每一个子区间为分界，统计该子区间之前朝向道路指示牌的道路范围内的车辆第一变道频率，以及该路口处的历史最大可视范围至距离路口第一设定长度内的车辆第二变道频率；

在第一变道频率与第二变道频率的差值大于第一设定频率时，将该区间为可视分界线，则将该区间到道路指示牌的距离作为可视范围。

可选的，所述可视范围的获取方法包括：

在距离设有可变车道的路口的第三设定长度内，识别出当前时刻时在该范围内所有车道上车辆的变道行为以及变道行为发生的坐标；

根据坐标计算出变道行为距车道指示牌的距离，然后以到车道指示牌的距离为横轴，以变道次数为纵轴绘制变道统计曲线；

按照第四设定长度为子区间长度，将第三设定长度沿道路延伸方向划分为若干个子区间；

将每一个区间内的变道次数累加，得到更新后的变道统计曲线；

检测在纵轴上是否出现峰值；若是，则将峰值所在的子区间的中点到车道指示牌的距离作为可视范围；若未出现峰值，则根据第五设定长度将每一个子区间的长度增加得到新的第四设定长度，并返回执行将该区间内的变道次数累加，得到更新后的变道统计曲线的步骤，直至出现峰值，其中，第五设定长度小于第四设定长度，第四设定长度小于第三设定长度。

可选的，所述高频采样触发范围的计算过程为：

利用公式，计算高频采样触发范围，其中，

L为高频采样触发范围；V为可视范围；为n辆前方车辆的平均车速；△t为指令传输耗时；ρ_cur为当前时刻时可视范围内道路车辆密度；ρ_max为可视范围内道路车辆历史最大密度；h为车辆变道平均距离。

可选的，所述提高后的采样频率的计算过程为：

利用公式，计算高采样频率，其中，

f为高采样频率；v为前方车辆的车速；l为前方车辆的车身长度；k为预设的补偿采样频率。

可选的，所述获取针对变道行为的统计特征，并根据统计特征确定出前方可变车道的车道指向，包括：

针对每一个前方车辆的行车轨迹，判断产生变道行为的车辆是否存在变道后再次变回原车道的超车行为，若否，将该前方车辆加入到目标车辆集合中；

针对目标车辆集合，获取自可变车道变出至直行车道的第一车辆数量，自可变车道变出至转向车道的第二车辆数量、自直行车道变出至可变车道的第三车辆数量、自转向车道变出至可变车道的第四车辆数量，其中，所述转向车道包括：左转车道以及右转车道中的一种或组合；

获取在第一车辆数量占当前时刻可变车道中车辆总数的第一比值、第二车辆数量占当前时刻可变车道中车辆总数的第二比值、第三车辆数量占当前时刻直行车道中车辆总数的第三比值、第四车辆数量占当前时刻转向车道中车辆总数的第四比值；

在第一比值和/或第三比值大于第一预设阈值时，判定可变车道在当前时刻的车道指向为转向；

在第二比值和/或第四比值大于第二预设阈值时，判定可变车道在当前时刻的车道指向为直行。

可选的，在计算车辆数量时，其中，所述车辆数量包括：第一车辆、第二车辆数量、第三车辆数量以及第四车辆数量中的一种或组合，所述方法还包括：

针对每一个前方车辆，为该前方车辆赋予基础计数系数，且基础计数系数为一；

在该前方车辆的历史总变道频率低于第二设定频率，且于可视范围内的变道次数大于设定次数时，将变换的车道的数量作为该前方车辆的第一计数系数；

在该前方车辆的历史总变道频率大于或等于第三设定频率时，为该前方车辆赋予第二计数系数，且第二计数系数小于零，第三设定频率大于第二设定频率的两倍；

利用公式，计算该前方车辆的对应的调整后的车辆计数当量值，将该计数当量值作为该车辆对应的车辆数量，其中，

p为前方车辆的计数值；v为前方车辆车速；m₀为基础技术系数；m₁为第一计数系数；m₂为第二计数系数。

本发明还提供了端云***中基于轨迹的车道临时指向的识别***，所述***包括：

获取模块，用于针对目标车辆，获取驶向设有可变车道路的路口的各前方车辆的行车轨迹；

识别模块，用于根据所述行车轨迹中包含的车辆行驶方向的变化，识别出行车轨迹中包含的每一个变道行为；

发送模块，用于获取针对变道行为的统计特征，并根据统计特征确定出前方可变车道的车道指向。

本发明的优点在于：

应用本发明实施例，在可变车道临时改道且路口处车辆还未前进的情况下，视距外后车无法根据路口处的车辆的转向特征预知可变车道临时指向，此时前车因为突发改道导致占错道。而本发明实施例中在前车还未到达路口时，如果前车占错道，前车驾驶员会根据车道指示牌进行提前变道，根据前车的变道行为进行可变车道导向的预判，即使路口处车辆没有动作，后车也可以及时知晓可变车道在当前时刻的车道指向，进而降低了后车占错道的概率，提高了道路通行效率。

另外，本发明实施例使后车与路口之间的距离增大到前车后车间距与前车到路口间距之和，相对于现有技术中前车到达路口才会检测出可变车道的指向信息，本发明实施例可以为后车预留的更加充裕的变道空间，进一步降低了后车占错道的概率，提高了道路通行效率。

附图说明

图1为本发明实施例提供的端云***中基于轨迹的车道临时指向的识别方法的流程示意图；

图2为本发明实施例提供的端云***中基于轨迹的车道临时指向的识别方法中道路上车辆以及车道的分布示意图；

图3为本发明实施例提供的端云***中基于轨迹的车道临时指向的识别***的结构示意图。

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，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。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。

可变车道是可以更改车道指向，进而调节车道上车流前进方向的一种车道。常见的可变车道通常是根据时段设置其车道指向，例如在早7:00-9:00，以及晚17:00-19:00车道指向为直行，其他时段为左转或者右转；或者在早7:00-9:00，以及晚17:00-19:00车道指向为左转或者右转，其他时段为直行。需要强调的是，本发明实施例中所指的可变车道是指仅调节车道指向是转弯还是直行；而不是潮汐车道(在特定的时段该车道的车道指向与其他时段的车道指向相反)。但是，道路上车流变化虽然整体上符合上述时段划分，但是，有时候也会产生一些与上述时段划分不匹配的特殊车流变化情况，因此，上述可变车道在固定的时段调节车道指向较为固定不够灵活。进一步的，交管部门对可变车道的车道指向进行了优化，例如在早7:00-9:00可变车道的车道指向为直行时，交管部门可以在高峰时段根据道路上车流情况临时调节可变车道的车道指向，这样更加灵活，但是交管部门临时调节车道指向跟预先规划的车道指向存在区别的话，前车还未前进以给出信号的情况下，视距外后车无法预知可变车道临时指向，视距外的后车即目标车辆无法知晓可变车道的当前时刻时的车道指向。

现有技术中还有基于行车记录仪拍摄的图像进行可变车道指向识别，但是该技术存在三个问题：

1、需要将视频上传到服务器，由服务器进行图像处理以及识别，从视频上传到解析识别，再到识别结果返回，整个过程的耗时较长；再加上行车记录仪的视距有限，因此，行车记录仪能拍摄到可变车道指向时，该车辆已经距离路口很近了，很难为后车，尤其是无法清晰观察到可变车道指向，且与前车距离较近的车辆留出足够的变道时间；更进一步的，在早晚高峰时段，变道更加困难，在变道距离不够长的情况下容易导致后车占错道，进而降低交通效率。

2、另外，行车记录仪在运动时有效拍摄距离比较短，因此，很难清楚的拍摄到可变车道的车道指向，因此需要前车足够靠近车道指示牌才可以清楚的拍摄到可变车道的指向信息；

3、在天气恶劣如雨雪雾霾天气，或者弯道、或者天桥树木遮挡时，行车记录仪基本上没有什么用处，因此，行车记录仪的综合效果并不好。

因此，需要在高峰时段，如何可靠的为目标车辆提供临时调节后的可变车道的车道指向是一个亟待解决的技术问题，进而提高道路通行效率。

实施例1

首先说明的是，本发明实施例优选部署于云平台的调度软件或者地图软件中，例如，可以根据可变车道2013的车道指向。

图1为本发明实施例提供的端云***中基于轨迹的车道临时指向的识别方法的流程示意图，如图1所示，所述方法包括：

S1：获取设有可变车道2013的道路上各前方车辆的行车轨迹，且所述前方车辆为正在向设置有可变车道2013的路口运动的车辆。

图2为本发明实施例提供的端云***中基于轨迹的车道临时指向的识别方法中道路上车辆以及车道的分布示意图，道路被中央绿化带2015分割为左右两个半幅道路，如图2所示，本发明实施例以图2所示的右半幅道路为例进行说明。

S101：预先自车道指示牌2011开始沿道路逆车流方向上依次设置可视范围201、高频采样触发范围203以及预警范围205。图2中车流方向为自下向上的箭头所指的方向，沿道路逆车流方向是指，与车道上的车道导向箭头相反的方向，也就是图2中所示的自上向下的方向。车道指示牌2011中的指示区域2017为对应可变车道2013的车流方向的车道导向箭头的显示区域。

可视范围201小于高频采样触发范围203，高频采样触发范围203小于预警范围205，其中，所述可视范围201为肉眼能够分辨车道指示牌2011上的导向箭头轮廓的距离。可视范围201可以由调度软件或者地图软件提供方预先测量，或者，根据实时天气预报得到该地点的大气能见度，或者，可以由部署在路侧的能见度测量传感器实现。

第一方面，可以使用以下方式确定出可视范围。

其一、现代化城市越来越巨大，而且城市中建筑物的高度起伏不平，导致城市中空气流场复杂；城市中污染物来源多且分散，因此在复杂空气流场的作用下污染物以及水汽等影响大气耗散系数的物质的分布差异很大，即城市中不同局部地区颗粒物、水分含量、光散射、逆光以及光污染等影响因素所占比重均不同，进而导致不同位置的能见度存在较大区别。能见度测量设备仅能测量出设备处的大气耗散系数，测量的面积范围较小，得到的是点状的能见度测量结果；不能测量几十甚至数百米距离的整体累加的能见度；再加上大气环流会使测量光束发生畸变、抖动，直接影响测量精度，进而导致根据能见度测量设备计算出的可视范围与实际的可视范围存在较大的误差，进而导致能见度测量传感器测量出的结果的可信度不足。

为了解决上述问题，本发明实施例使用以下方法实现能见度检测，进而依据能见度确定出可视范围201：以距离可变车道路口2013的第一设定长度为300米，历史最大可视范围为自车道指示牌2011沿道路逆向长度为200米的范围为例进行说明。

识别出第一设定长度对应的范围内所有车道上车辆的变道行为；按照5米的第二设定长度为间隔将20-200米的目标区间划分为36个子区间。以每一个子区间为分界，统计该子区间之前，即朝向道路指示牌的道路范围内的车辆第一变道频率，以及该路口处的历史最大可视范围200米处至距离路口第一设定长度300米这一区间内的车辆第二变道频率，其中，第一设定长度可以为历史最大可视范围的1.1-2倍；前述20米的取值来源于车道上位于路口处的实线2019的长度。若第一变道频率与第二变道频率的差值大于第一设定频率时，说明驾驶员看到了道路指示牌，需要调节占道，进而产生了频繁变道的现象，因此该子区间为可视分界线，则将该子区间到道路指示牌的距离作为可视范围201。本发明实施例中基于车辆轨迹实现能见度检测，在驾驶员能够看到道路指示牌时，即可根据指示牌进行车道的调整，驾驶员观察的可视范围则为真实的可视范围；而且在驾驶员能够观察到车道指示牌2011时，大多需要变道的司机都会开始调整车道，或者在能够观察到车道指示牌2011之后的一段距离内一定会进行车道的调整，进而产生一个变道次数的增长，即对应变道频率的增长，因此，根据这个变化趋势可以识别出车道指示牌2011对于前方车辆的驾驶员是否可见能够提高识别精度。同时还可以减少了能见度检测设备的硬件安装维护支出，降低成本。

在实际应用中，为了降低计算量并同时提高子区间划分的灵活性，可以根据前方车辆上传的车辆型号确定各个前方车辆的车身长度，并将前方车辆的车身长度作为第二预设长度。进而可以针对不同的前方车辆得到不同的子区间划分结果，这样长车身的前方车辆的子区间数量较少，短车身车辆的子区间数量较多，相对于以最短车身作为第二设定长度进行子区间的划分，减少了子区间的数量，相对于以更长的第二设定长度进行子区间的划分，可以提高子区间划分的精细度，避免出现短车身在一个区间内完成变道导致的变道行为划分归属当前子区间之前还是之后导致的归属不恰当的问题，进一步提高划分的准确性。然后，再将不同的前方车辆得到的可视范围的平均值，或者最小值，或者最大值作为针对设有可变车道的路口的可视范围。

其二：在实际应用中发现，根据子区间计算车辆变道频率，可能会漏掉一些变道频率变化不大的场景，上述方式相对机械，导致一定程度的漏判，因此，本发明实施例采用变道频率分布曲线进行可视范围的判定。

可以在距离可变车道2013路口第三设定长度，如300米范围内，识别出当前时刻时在该范围内所有车道上车辆的变道行为以及变道行为发生的坐标，根据坐标计算出变道行为距车道指示牌2011的距离，然后以到车道指示牌2011的距离为横轴，以变道次数为纵轴绘制变道统计曲线，然后按照第四设定长度，如5米一个子区间，将该字区间内的变道次数累加，得到更新后的变道统计曲线；检测在纵轴上是否出现峰值；若是，则将峰值出现的子区间的中点到车道指示牌2011的距离作为可视范围；若未出现峰值，则根据第五设定长度作为步长，如1米，将每一个子区间的长度增加，得到新的第四设定长度；并返回执行将该子区间内的变道次数累加，得到更新后的变道统计曲线的步骤，直至出现峰值。

在驾驶员能够观察到车道指示牌2011时，大多需要变道的司机都会开始调整车道，或者在能够观察到车道指示牌2011之后的一段距离内一定会进行车道的调整，进而产生一个变道次数的增长的峰值，因此，识别出这个峰值，并获取该峰值对应的坐标，即可得到当前条件下的可视范围，相对于前述利用阈值进行简单机械的判断，本发明上述实施例不会发生漏判的情况，可以更加准确的识别出可视范围。

需要强调的是，300米这一数值范围可以设置为可变车道2013所在路口到上一个路口之间间距的70％、或者50％等，或者由平台运维人员根据各个路口的实际情况进行针对性设置的，本发明实施例在此并不对第一设定长度以及第三设定长度的具体数值进行限定。另外，前述子区间的取值可以为1米、3米、4米、5米、7米、10米等。在实际应用中，可视范围可以每隔一个小时或者两个小时计算一次，并作为该段时间内可视范围的计算依据，以降低云平台的计算量。

第二方面，可以利用公式，计算高频采样触发范围，其中，L为高频采样触发范围；V为可视范围；为n辆前方车辆的平均车速；△t为指令传输耗时；ρ_cur为当前时刻时可视范围内道路车辆密度；ρ_max为可视范围内道路车辆历史最大密度；h为车辆变道平均距离。

需要强调的是，如图2所示，高频采样触发范围203是指从设有可变车道2013的路口沿道路逆向延伸的范围，可视范围以及预警范围的定义也类似。

在实际应用中，前方车辆要进入稳定采样状态是需要根据云平台的指令进行触发的，而云平台根据每一个前方车辆的坐标、车速进行判断，再将判断结果调制发送，以及前方车辆接收并解调信号并执行是需要一定的耗时，进而存在一定的延迟，为了避免该延迟对车辆变道行为检测结果的影响，需要在前方车辆进入可视范围之前提前加大采样频率，为提高采样频率预留出一定的距离。

S102：针对每一个前方车辆，在前方车辆进入到高频采样触发范围203后，向前方车辆发出提高采样频率的指令，以使前方车辆返回高采样频率下的定位采样数据。本发明实施例以车辆207作为目标车辆，以车辆209作为其中之一前方车辆为例进行说明。在车辆行驶时，驾驶员的手机或者车载终端以1-5Hz的频率不断的采集并上传前方车辆209的定位数据，云平台接受并存储前述定位数据。云平台根据前方车辆209的实时定位数据判断前方车辆209是否进入到了高频采样触发范围203；若是，云平台向前方车辆209发出提高采样频率的指令。

通常情况下，云平台可以将包括提高后的采样频率加入到指令中发送给前方车辆209；或者云平台仅将提高采样频率的指令发送至前方车辆209，前方车辆209根据预置的计算方法计算出提高后的采样频率。

在实际应用中，可以利用公式，计算高采样频率，其中，f为高采样频率；v为前方车辆的车速；l为前方车辆的车身长度；k为预设的补偿采样频率。

使用车身长度作为采样间隔，可以得到更加连续且精确的行车轨迹；另外，每一个车辆的车速都存在区别，如果设置一个固定的采样频率，对于车速较高的车辆来说频率太低，则每两次采样间隔距离较长，可能会出现车辆在两次采样间隔之间完成了变道，进而容易导致漏掉一些变道行为的问题，进而导致车辆轨迹分析效果变差。而对于车速较慢的车辆采样频率太高，容易产生采样点间距过小导致采样点重叠的问题，进而产生了很多没有利用价值的采样点，且加大了服务器的数据压力，应用本发明实施例，针对不同车速的车辆使用不同的采样频率，可以在保证车辆轨迹分析效果的同时，尽可能降低服务器的数据压力。最后，本发明实施例中，使用车身长度作为车辆采样间隔依据的目的在于，有的驾驶员驾驶风格比较激进，或者有的驾驶员技术比较好，超车迅速且与被超车辆保持较近的前后间距，如果采样对应的空间间隔较大，容易导致漏采样，而任何一个驾驶员很难在一个车身长度的范围内完成超车，因此，以车身长度作为采样间隔是比较合理的。

进一步的，本发明实施例中加入了补偿采样频率，进一步杜绝了某些驾驶员的超短距超车行为对变道行为分析的干扰。同时，设置补偿采样频率的另一个目的在于，在车速与车身长度的计算过程产生的误差较大时进行补偿，补偿采样频率k的取值范围一般介于的0.1-0.6倍，优选0.15倍到0.35倍。

需要强调的是，目标车辆是指进入到预警范围内，但是司机尚无法看清车道指示牌上的导向箭头轮廓的后方车辆。

S103：在前方车辆进入到可视范围后，获取前方车辆的行车轨迹；

每一个位于前方车辆在接收到提高采样频率的指令后，将自身的定位坐标采样频率提高至高采样频率下进行定位数据采样，然后将采样结果、对应的采样时间戳、车辆标识等信息发送至云平台。云平台获取了每一个前方车辆的在各个时刻的定位坐标，然后针对每一个前方车辆，根据时间的先后顺序，将各个前方车辆的定位点串联起来即可得到该前方车辆的行车轨迹。

S2：根据所述行车轨迹中包含的车辆行驶方向的变化，识别出行车轨迹中包含的每一个变道行为。

在实际应用中，云平台中预先存储有道路的HD-map数据，HD-map数据中包括各个车道分界线的定位数据，根据车道分界线是否与根据S1步骤中得到的前方车辆的行车轨迹发生了交叉进而判断前方车辆是否发生了变道。

进一步的，还可以根据行车轨迹的曲率是否大于该点所在车道的曲率来判断前方车辆是否发生变道行为。

S3：获取针对变道行为的统计特征，并根据统计特征确定出前方可变车道2013的车道指向，将车道指向发送至目标车辆。

在本步骤可以包括以下子步骤：

S301：针对每一个前方车辆的行车轨迹，判断产生变道行为的车辆是否存在变道后再次变回原车道的超车行为，若否，将该前方车辆加入到目标车辆集合中；例如，可以根据轨迹离开当前车道，然后进入到相邻车道，然后再返回至当前车道这一特征，将行车轨迹中的超车轨迹识别出来；然后将不存在超车行为的行车轨迹的前方车辆加入到目标车辆集合中，以降低超车行为对变道行为数据的干扰。

进一步的，有的前方车辆可能同时存在超车行为以及变道行为，因此，本发明实施例中，针对每一个行车轨迹，识别出每一个行车轨迹中的超车行为，然后将超车行为对应的轨迹删除并使用与车道中心线一致的轨迹替换。这样所有的行车轨迹中都不存在了超车行为的轨迹，然后再统计各个变道行为，将存在变道行为的前方车辆加入到目标车辆集合中，进一步降低超车行为对变道行为数据的干扰。

S302：针对目标车辆集合，获取自可变车道2013变出至直行车道的第一车辆数量，自可变车道2013变出至转向车道的第二车辆数量、自直行车道变出至可变车道2013的第三车辆数量、自转向车道变出至可变车道2013的第四车辆数量，其中，所述转向车道包括：左转车道以及右转车道中的一种或组合。

可以理解的是，假设将左转+直行的可变车道作为可变车道1，将右转+直行的可变车道作为可变车道2。在实际中，一个路口极少同时存在上述两个可变车道同时存在的情况。因此，本发明实施例中仅仅从描述上将二者进行概括描述，在实际策略执行过程中，一般仅处理一个可变车道。即使存在极端的情况，一个路口同时存在可变车道1以及可变车道2，本发明实施例中是将两个可变车道分别进行处理的。

更进一步的，如果同一个路口中将相邻的两个车道同时设为可变车道，例如，同时将与左转车辆相邻的两个车道均设为左转+直行的可变车道，本发明实施例中可以将这两个可变车道合并为一个车道处理，这样处理起来更加简单，而且结果并不会发生明显变化。

S303：获取在第一车辆数量占当前时刻可变车道中车辆总数的第一比值、第二车辆数量占当前时刻可变车道2013中车辆总数的第二比值、第三车辆数量占当前时刻直行车道中车辆总数的第三比值、第四车辆数量占当前时刻转向车道中车辆总数的第四比值。

S304：在第一比值和/或第三比值大于第一预设阈值时，判定可变车道2013在当前时刻的车道指向为转向。

S305：在第二比值和/或第四比值大于第二预设阈值时，判定可变车道2013在当前时刻的车道指向为直行。

S306：在目标车辆进入到预警范围后，将车道指向发送至目标车辆207。目标车辆207的驾驶员在接收到云平台发送的可变车道2013的指向信息后，根据自身所处的车道情况进行车道保持操作或者提前变道操作。

实施例2

在本发明实施例2中，可以使用如下步骤替换实施例1中的S1步骤。

S501(图中未示出)：预先自车道指示牌2011开始沿道路逆车流方向上依次设置可视范围、高频采样触发范围以及预警范围。

S502(图中未示出)：在目标车辆进入到预警范围后，向前方车辆发出提高采样频率的指令，以使进入到高频采样触发范围后的前方车辆返回提高后采样频率下的定位采样数据。

在本步骤中，只有在预警范围内的存在目标车辆207时，才会提高前车的采样频率，这样可以降低服务器接收的数据量。

本发明实施例1中不管预警范围内是否的存在目标车辆207，均会要求前方车辆提高采样频率进而得到对应的行车轨迹，虽然加重的服务器的数据负担，但是得到的数据的时间范围更广，更加及时，且可变车道2013的判别更加准确。

S503(图中未示出)：在前方车辆进入到可视范围后，获取前方车辆的行车轨迹。

本发明实施例2中的其他步骤与实施例1中的S2、S3步骤均相同，本发明实施例2在此不再赘述。

实施例3

基于本发明实施例1，本发明实施例3在计算车辆数量时，增加了以下步骤：

首先需要强调的是，所计算的车辆数量包括：第一车辆、第二车辆数量、第三车辆数量以及第四车辆数量中的一种或组合。

S302A(图中未示出)：针对每一个前方车辆，为该前方车辆赋予基础计数系数，且基础计数系数为一；

S302B(图中未示出)：在该前方车辆的历史总变道频率低于第二设定频率，且于可视范围内的变道次数大于设定次数时，将变换的车道的数量作为该前方车辆的第一计数系数。

在本步骤中，前方车辆的历史总变道频率低于第二设定频率用来衡量该驾驶员的驾驶风格是否属于激进风格。一般来说驾驶风格激进的驾驶员更容易出现变道或者超车的行为，在进行第一系数计算时可以将一次超车行为分解为两次变道行为，以提高辨识度。类似的，驾驶风格稳重的驾驶员，其更不容易出现高频变道或者高频超车的行为，则驾驶风格稳重的驾驶员的变道行为更具参考价值，因此，基于第二设定频率进行简单的驾驶风格的区分，可以在计算量较低的情况下快速筛选出更具参考价值的变道行为。

S302C(图中未示出)：在该前方车辆的历史总变道频率大于或等于第三设定频率时，为该前方车辆赋予第二计数系数，且第二计数系数小于零，第三设定频率大于第二设定频率的两倍。

在本步骤中，基于S302B步骤中的相似理由，为驾驶风格激进的驾驶员对应的车辆的第二计数系数设为负值，进一步减小该种风格的驾驶员对变道行为检测的影响，进一步拉大驾驶风格激进的驾驶员与驾驶风格稳重的驾驶员之间的参考价值的区分，提高驾驶风格稳重型驾驶员的车辆的辨识度。

S302D(图中未示出)：利用公式，计算该前方车辆的对应的调整后的车辆计数当量值，将该计数当量值作为该车辆对应的车辆数量，其中，

p为前方车辆的计数值；v为前方车辆车速；m₀为基础技术系数；m₁为第一计数系数；m₂为第二计数系数。

加入车速的计算，这样可以排除速度为零的车辆；

在本发明实施例中，利用车速参加计算，而非直接利用距离计算，原因是不同的车道的排队长度存在区别，例如，左转车道与相邻的直行车道排队较短，还可以继续变道，而其他更靠右的直行车道排队较长，如果设置一个界线，会导致漏掉根据可变车道2013指向而变道车辆，影响结果的准确性，而本发明实施例中加入了车速的因子，刨除了静止的车辆，进而可以根据车道进行分别计算，因此，结果可以更加准确。

实施例4

与本发明实施例1-3任一项相对应，本发明还提供了端云***中基于轨迹的车道临时指向的识别***。

图3为本发明实施例提供的端云***中基于轨迹的车道临时指向的识别***的结构示意图，如图3所示，所述***包括：

获取模块301，用于获取设有可变车道2013的道路上各前方车辆的行车轨迹，且所述前方车辆为正在向设置有可变车道2013的路口运动的车辆；

识别模块302，用于根据所述行车轨迹中包含的车辆行驶方向的变化，识别出行车轨迹中包含的每一个变道行为；

发送模块303，用于获取针对变道行为的统计特征，并根据统计特征确定出前方可变车道2013的车道指向。

以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，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发明各实施例技术方案的精神和范围。

Claims (9)

1.端云***中基于轨迹的车道临时指向的识别方法，其特征在于，所述方法包括：

针对目标车辆，获取驶向设有可变车道路的路口的各前方车辆的行车轨迹，具体为：预先自车道指示牌开始沿道路逆车流方向上依次设置可视范围、高频采样触发范围以及预警范围，其中，所述可视范围为肉眼能够分辨车道指示牌上的导向箭头轮廓的距离；在前方车辆进入到可视范围后，获取前方车辆的行车轨迹；

根据所述行车轨迹中包含的车辆行驶方向的变化，识别出行车轨迹中包含的每一个变道行为；

获取针对变道行为的统计特征，并根据统计特征确定出前方可变车道的车道指向，具体包括：针对每一个前方车辆的行车轨迹，判断产生变道行为的车辆是否存在变道后再次变回原车道的超车行为，若否，将该前方车辆加入到目标车辆集合中；针对目标车辆集合，获取自可变车道变出至直行车道的第一车辆数量，自可变车道变出至转向车道的第二车辆数量、自直行车道变出至可变车道的第三车辆数量、自转向车道变出至可变车道的第四车辆数量，其中，所述转向车道包括：左转车道以及右转车道中的一种或组合；获取在第一车辆数量占当前时刻可变车道中车辆总数的第一比值、第二车辆数量占当前时刻可变车道中车辆总数的第二比值、第三车辆数量占当前时刻直行车道中车辆总数的第三比值、第四车辆数量占当前时刻转向车道中车辆总数的第四比值；在第一比值和/或第三比值大于第一预设阈值时，判定可变车道在当前时刻的车道指向为转向；在第二比值和/或第四比值大于第二预设阈值时，判定可变车道在当前时刻的车道指向为直行；

在目标车辆进入到预警范围后，将车道指向发送至目标车辆。

2.根据权利要求1所述的端云***中基于轨迹的车道临时指向的识别方法，其特征在于，在所述获取驶向设有可变车道路的路口的各前方车辆的行车轨迹时，所述方法还包括：

针对每一个前方车辆，在前方车辆进入到高频采样触发范围后，向前方车辆发出提高采样频率的指令，以使前方车辆返回高采样频率下的定位采样数据。

3.根据权利要求1所述的端云***中基于轨迹的车道临时指向的识别方法，其特征在于，所述获取驶向设有可变车道路的路口的各前方车辆的行车轨迹，包括：

预先自车道指示牌开始沿道路逆车流方向上依次设置可视范围、高频采样触发范围以及预警范围；

在目标车辆进入到预警范围后，向前方车辆发出提高采样频率的指令，以使进入到高频采样触发范围后的前方车辆返回提高后采样频率下的定位采样数据；

在前方车辆进入到可视范围后，获取前方车辆的行车轨迹；

在所述识别出行车轨迹中包含的每一个变道行为步骤之后，所述方法还包括：

在目标车辆进入到预警范围后，将车道指向发送至目标车辆。

4.根据权利要求2或3所述的端云***中基于轨迹的车道临时指向的识别方法，其特征在于，所述可视范围的获取方法包括：

在距离设有可变车道的路口的第一设定长度内，识别出所有车道上车辆的变道行为；

将自设有可变车道的路口到历史最大可视范围作为目标区间，按照第二设定长度为子区间长度，将目标区间沿道路延伸方向的反向划分为若干个子区间，其中，第二设定长度包括预先设定的长度范围或者车身长度范围中的一种，且第二设定长度小于第一设定长度；

以每一个子区间为分界，统计该子区间之前朝向道路指示牌的道路范围内的车辆第一变道频率，以及该路口处的历史最大可视范围至距离路口第一设定长度内的车辆第二变道频率；

在第一变道频率与第二变道频率的差值大于第一设定频率时，将该区间为可视分界线，则将该区间到道路指示牌的距离作为可视范围。

5.根据权利要求2或3所述的端云***中基于轨迹的车道临时指向的识别方法，其特征在于，所述可视范围的获取方法包括：

在距离设有可变车道的路口的第三设定长度内，识别出当前时刻时在该范围内所有车道上车辆的变道行为以及变道行为发生的坐标；

根据坐标计算出变道行为距车道指示牌的距离，然后以到车道指示牌的距离为横轴，以变道次数为纵轴绘制变道统计曲线；

按照第四设定长度为子区间长度，将第三设定长度沿道路延伸方向划分为若干个子区间；

将每一个区间内的变道次数累加，得到更新后的变道统计曲线；

检测在纵轴上是否出现峰值；若是，则将峰值所在的子区间的中点到车道指示牌的距离作为可视范围；若未出现峰值，则根据第五设定长度将每一个子区间的长度增加得到新的第四设定长度，并返回执行将该区间内的变道次数累加，得到更新后的变道统计曲线的步骤，直至出现峰值，其中，第五设定长度小于第四设定长度，第四设定长度小于第三设定长度。

6.根据权利要求2或3所述的端云***中基于轨迹的车道临时指向的识别方法，其特征在于，所述高频采样触发范围的计算过程为：

利用公式，

计算高频采样触发范围，其中，

L为高频采样触发范围；V为可视范围；

为n辆前方车辆的平均车速；△t为指令传输耗时；ρ_cur为当前时刻时可视范围内道路车辆密度；ρ_max为可视范围内道路车辆历史最大密度；h为车辆变道平均距离。

7.根据权利要求6所述的端云***中基于轨迹的车道临时指向的识别方法，其特征在于，所述提高后的采样频率的计算过程为：

利用公式，

计算高采样频率，其中，

f为高采样频率；v为前方车辆的车速；l为前方车辆的车身长度；k为预设的补偿采样频率。

8.根据权利要求1所述的端云***中基于轨迹的车道临时指向的识别方法，其特征在于，在计算车辆数量时，其中，所述车辆数量包括：第一车辆、第二车辆数量、第三车辆数量以及第四车辆数量中的一种或组合，所述方法还包括：

针对每一个前方车辆，为该前方车辆赋予基础计数系数，且基础计数系数为一；

在该前方车辆的历史总变道频率低于第二设定频率，且于可视范围内的变道次数大于设定次数时，将变换的车道的数量作为该前方车辆的第一计数系数；

在该前方车辆的历史总变道频率大于或等于第三设定频率时，为该前方车辆赋予第二计数系数，且第二计数系数小于零，第三设定频率大于第二设定频率的两倍；

利用公式，

计算该前方车辆的对应的调整后的车辆计数当量值，将该计数当量值作为该车辆对应的车辆数量，其中，

p为前方车辆的计数值；v为前方车辆车速；m₀为基础技术系数；m₁为第一计数系数；m₂为第二计数系数。

9.端云***中基于轨迹的车道临时指向的识别***，其特征在于，所述***包括：

获取模块，用于针对目标车辆，获取驶向设有可变车道路的路口的各前方车辆的行车轨迹，具体为：预先自车道指示牌开始沿道路逆车流方向上依次设置可视范围、高频采样触发范围以及预警范围，其中，所述可视范围为肉眼能够分辨车道指示牌上的导向箭头轮廓的距离；在前方车辆进入到可视范围后，获取前方车辆的行车轨迹；

识别模块，用于根据所述行车轨迹中包含的车辆行驶方向的变化，识别出行车轨迹中包含的每一个变道行为；

发送模块，用于获取针对变道行为的统计特征，并根据统计特征确定出前方可变车道的车道指向，在目标车辆进入到预警范围后，将车道指向发送至目标车辆，其中，获取针对变道行为的统计特征，并根据统计特征确定出前方可变车道的车道指向具体包括：针对每一个前方车辆的行车轨迹，判断产生变道行为的车辆是否存在变道后再次变回原车道的超车行为，若否，将该前方车辆加入到目标车辆集合中；针对目标车辆集合，获取自可变车道变出至直行车道的第一车辆数量，自可变车道变出至转向车道的第二车辆数量、自直行车道变出至可变车道的第三车辆数量、自转向车道变出至可变车道的第四车辆数量，其中，所述转向车道包括：左转车道以及右转车道中的一种或组合；获取在第一车辆数量占当前时刻可变车道中车辆总数的第一比值、第二车辆数量占当前时刻可变车道中车辆总数的第二比值、第三车辆数量占当前时刻直行车道中车辆总数的第三比值、第四车辆数量占当前时刻转向车道中车辆总数的第四比值；在第一比值和/或第三比值大于第一预设阈值时，判定可变车道在当前时刻的车道指向为转向；在第二比值和/或第四比值大于第二预设阈值时，判定可变车道在当前时刻的车道指向为直行。

Images