CN114492022A - 路况传感数据处理方法、装置、设备、程序以及存储介质 - Google Patents
路况传感数据处理方法、装置、设备、程序以及存储介质 Download PDFInfo
- Publication number
- CN114492022A CN114492022A CN202210081361.8A CN202210081361A CN114492022A CN 114492022 A CN114492022 A CN 114492022A CN 202210081361 A CN202210081361 A CN 202210081361A CN 114492022 A CN114492022 A CN 114492022A
- Authority
- CN
- China
- Prior art keywords
- road condition
- target
- sensing data
- data
- condition sensing
- 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.)
- Pending
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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/60—Positioning; Navigation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Geometry (AREA)
- Evolutionary Computation (AREA)
- Computer Hardware Design (AREA)
- Data Mining & Analysis (AREA)
- Radar, Positioning & Navigation (AREA)
- Computing Systems (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供了一种路况传感数据处理方法、装置、电子设备及存储介质,方法包括:通过所述云服务器对所述原始路况传感数据进行数据清洗处理,得到目标路况传感数据;通过所述云服务器将所述目标路况传感数据向路测通信单元发送;所述路测通信单元将所述目标路况传感数据向车端通信单元发送;所述车端通信单元将所述目标路况传感数据转换为目标路况孪生数据,并将所述目标路况孪生数据发送至自动驾驶仿真引擎,由此可以实现通过自动驾驶仿真引擎通过目标路况孪生数据对不同的自动驾驶算法进行检测,使得交通仿真场景与实际道路场景更加一致,同时通过路况孪生数据可以有效改善仿真效果,使得交通仿真场景的实时性更强。
Description
技术领域
本发明涉及数据仿真,尤其涉及路况传感数据处理方法、装置、电子设备、计算机程序产品以及存储介质。
背景技术
随着计算机技术和交通技术的发展,交通仿真逐渐成为交通工程和其他相关领域的重要工具。交通仿真指用仿真技术来研究交通行为,是一门对交通运动随时间和空间的变化进行监测描述的技术。
相关技术中,可以利用仿真软件来模拟出车辆的设定路径下的行驶过程,但是在实际出行中很可能会出现各种各样的影响因素,导致车辆无法按照设定路径完成正常行程,例如设定路径上发生了交通事故、设定路径上部分路段被封闭等,导在进行交通仿真时的准确率较低,不利于自动驾驶算法在交通仿真状态下进行检测。
发明内容
有鉴于此,本发明实施例提供一种路况传感数据处理方法、装置、电子设备、计算机程序产品以及存储介质,能够将目标路况传感数据转换为目标路况孪生数据,并将目标路况孪生数据发送至自动驾驶仿真引擎,由此可以实现通过自动驾驶仿真引擎通过目标路况孪生数据对不同的自动驾驶算法进行检测,丰富仿真场景内容的构建来源,使得交通仿真场景与实际道路场景更加一致,同时通过路况孪生数据可以有效改善仿真效果,使得交通仿真场景的实时性更强。
本发明实施例的技术方案是这样实现的:
本发明实施例提供了一种路况传感数据处理方法,所述路况传感数据处理方法包括:
获取原始路况传感数据,并且将所述原始路况传感数据向云服务器发送;
通过所述云服务器对所述原始路况传感数据进行数据清洗处理,得到目标路况传感数据;
通过所述云服务器将所述目标路况传感数据向路测通信单元发送;
当车端通信单元进入所述路测通信单元的通信范围时,所述路测通信单元将所述目标路况传感数据向车端通信单元发送;
所述车端通信单元将所述目标路况传感数据转换为目标路况孪生数据,并将所述目标路况孪生数据发送至自动驾驶仿真引擎,以实现通过所述自动驾驶仿真引擎通过所述目标路况孪生数据对不同的自动驾驶算法进行检测。
本发明实施例还提供了一种路况传感数据处理装置,所述路况传感数据处理装置包括:
上述方案中,所述信息处理模块,用于获取目标道路的划分标准,并且基于所述目标道路的划分标准确定与路测传感器相匹配的路段信息;
所述信息处理模块,用于所述路测传感器根据所述路段信息,对相应路段中的状况进行监测,得到所述原始路况传感数据;
所述信息处理模块,用于所述路测传感器根据所述路段信息,将所述原始路况传感数据向所述云服务器的消息队列的不同主题中发送。
上述方案中,所述信息处理模块,用于对所述原始路况传感数据进行数据去重处理,删除所述原始路况传感数据中的重复路况传感数据和非法路况传感数据;
所述信息处理模块,用于确定与所述原始路况传感数据相匹配的噪声阈值;
基于所述噪声阈值,对所述原始路况传感数据进行噪声清理处理,得到所述目标路况传感数据。
上述方案中,所述信息处理模块,用于通过路况事件识别算法对所述目标路况传感数据进行处理,得到与目标路况事件相匹配的第一目标路况传感数据;
所述信息处理模块,用于将所述第一目标路况传感数据向仿真场景数据库发送,以实现保存所述与目标路况事件相匹配的第一目标路况传感数据;
所述信息处理模块,用于当触发自动驾驶算法对所述目标路况事件进行检测时,通过所述仿真场景数据库调用所述第一目标路况传感数据。
上述方案中,所述信息处理模块,用于从所述目标路况传感数据中提取路段中的车辆流向;
所述信息处理模块,用于触发车辆行驶方向检测算法,检测所述车辆流向与目标车辆在所述路段中的行驶方向;
所述信息处理模块,用于当检测到所述车辆流向与所述目标车辆在所述路段中的行驶方向不一致时,确定所述目标路况事件为逆向行驶事件;
所述信息处理模块,用于记录与逆向行驶事件相匹配的第一目标路况传感数据。
上述方案中,所述信息处理模块,用于获取目标对象上传的路况事件识别算法;
所述信息处理模块,用于确定与所述目标路况孪生数据相匹配的交通参与对象,其中,所述交通参与对象包括至少以下之一:机动车、非机动车以及行人;
所述信息处理模块,用于确定与所述目标路况孪生数据相匹配的道路信息以及路侧标识牌信息;
所述信息处理模块,用于通过所述路况事件识别算法,利用所述道路信息以及路侧标识牌信息以及所述交通参与对象,对所述目标路况传感数据进行处理,确定所述目标路况事件为违反交通规则事件;
所述信息处理模块,用于记录与所述违反交通规则事件相匹配的第二目标路况传感数据。
上述方案中,所述信息处理模块,用于确定所述自动驾驶仿真引擎对应的数据格式;
所述信息处理模块,用于所述车端通信单元基于所述数据格式,将所述目标路况传感数据转换为目标路况孪生数据;
所述信息处理模块,用于将所述目标路况孪生数据发送至目标自动驾驶仿真引擎;
所述信息处理模块,用于将所述目标自动驾驶仿真引擎的标识信息保存在云服务器中。
上述方案中,所述信息处理模块,用于根据所述目标路况孪生数据和测试场景信息创建虚拟行驶环境,在所述虚拟行驶环境中获取目标仿真车辆;
所述信息处理模块,用于在仿真行驶轨迹上的仿真车辆位置,通过所述自动驾驶模型对处于所述仿真车辆位置上的所述目标仿真车辆进行行驶预测,得到预测行驶数据,其中,所述预测行驶数据具备针对所述目标仿真车辆的行驶控制权限,以改变所述目标仿真车辆的行驶轨迹。
上述方案中,所述信息处理模块,用于触发与所述目标对象标识相匹配的位置服务进程;
所述信息处理模块,用于通过所述位置服务进程,通过对所述目标路况孪生数据进行位置侦测处理,确定所述目标对象的位置侦测信息;
所述信息处理模块,用于对所述位置侦测信息进行记录,并将所述位置侦测信息转换成与所述位置服务进程相匹配的数据格式,形成所述位置服务信息;
所述信息处理模块,用于获取与所述位置服务信息相对应的时间戳信息,并且利用所述位置服务信息和所述时间戳信息构建所述虚拟行驶环境中的地理位置实时数据库。
上述方案中,所述信息处理模块,用于在所述虚拟行驶环境中,通过地理位置实时数据库,获取与目标仿真车辆定位信息相匹配的地图数据;
所述信息处理模块,用于对所述地图数据进行数据解析处理,得到所述车辆对应的道路参数;
其中,所述车辆对应的道路参数至少以下之一:
所述目标仿真车辆所处位置的车道数量、所述目标仿真车辆所处位置的道路属性信息,以及所述目标仿真车辆所处位置的道路监测信息;
所述信息处理模块,用于在地图客户端中呈现的导航信息中展示所述道路参数,并通过即时通讯客户端在所述虚拟行驶环境中向不同的目标对象进行呈现。
上述方案中,所述信息处理模块,用于在所述地图客户端中呈现对应的导航信息时,获取所述目标仿真车辆的实时位置信息;
所述信息处理模块,用于将所述目标仿真车辆的实时位置信息发送至云服务器网络中,通过所述云服务器网络记录所述目标仿真车辆相匹配的行进路线;
所述信息处理模块,用于通过所述云服务器网络向不同目标仿真车辆所携带的即时通讯客户端进行实时位置推送,以实现不同目标仿真车辆通过即时通讯客户端获得相应目标仿真车辆实时位置信息。
本发明实施例还提供了一种电子设备,所述电子设备包括:
存储器,用于存储可执行指令;
处理器,用于运行所述存储器存储的可执行指令时,实现前序的路况传感数据处理方法。
本发明实施例还提供了一种计算机可读存储介质,存储有可执行指令,其特征在于,所述可执行指令被处理器执行时实现前序的路况传感数据处理方法。
本发明实施例具有以下有益效果:
本发明所提供的技术方案通过获取原始路况传感数据,并且将所述原始路况传感数据向云服务器发送;通过所述云服务器对所述原始路况传感数据进行数据清洗处理,得到目标路况传感数据;通过所述云服务器将所述目标路况传感数据向路测通信单元发送;当车端通信单元进入所述路测通信单元的通信范围时,所述路测通信单元将所述目标路况传感数据向车端通信单元发送;所述车端通信单元将所述目标路况传感数据转换为目标路况孪生数据,并将所述目标路况孪生数据发送至自动驾驶仿真引擎,由此可以实现通过自动驾驶仿真引擎通过目标路况孪生数据对不同的自动驾驶算法进行检测,丰富仿真场景内容的构建来源,使得交通仿真场景与实际道路场景更加一致,同时通过路况孪生数据可以有效改善仿真效果,使得交通仿真场景的实时性更强。
附图说明
图1是本发明实施例提供的路况传感数据处理的使用环境示意图;
图2为本发明实施例提供的电子设备的组成结构示意图;
图3为本发明实施例提供的路况传感数据处理方法一个可选的流程示意图;
图4为本发明实施例提供的路况传感数据处理方法一个可选的流程示意图;
图5为本发明实施例提供的路况传感数据处理方法一个可选的流程示意图;
图6为本发明实施例提供的路况传感数据处理方法一个可选的流程示意图;
图7为本发明实施例中目标路况孪生数据配置过程示意图;
图8为本发明实施例中目标路况孪生数据配置过程示意图;
图9为本发明实施例中目标路况孪生数据仿真效果示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作进一步地详细描述,所描述的实施例不应视为对本发明的限制,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它实施例,都属于本发明保护的范围。
在以下的描述中,涉及到“一些实施例”,其描述了所有可能实施例的子集,但是可以理解,“一些实施例”可以是所有可能实施例的相同子集或不同子集,并且可以在不冲突的情况下相互结合。
对本发明实施例进行进一步详细说明之前,对本发明实施例中涉及的名词和术语进行说明,本发明实施例中涉及的名词和术语适用于如下的解释。
1)响应于,用于表示所执行的操作所依赖的条件或者状态,当满足所依赖的条件或状态时,所执行的一个或多个操作可以是实时的,也可以具有设定的延迟;在没有特别说明的情况下,所执行的多个操作不存在执行先后顺序的限制。
2)位置共享,进入位置共享功能的各个会话成员可以在地图上实时观察到各自的位置信息。
3)数字孪生:将现实世界中的物理状态通过传感器等设备映射到虚拟世界中,并通过对虚拟世界中的一些互动操作重新反馈并影响到现实世界中相应实体的一种技术统称。
4)开环仿真:仿真场景中的主车被测算法的输出不会影响到场景中主车的行为,只能看到测试算法发出的输出状态(如不同的规划轨迹等),一般用于回放路测数据,障碍物车和主车的行为均和回放数据中的保持一致。
5)闭环仿真:仿真场景中被测算法的输出(规划轨迹等)可以实时影响场景中被测主车的定位,并且周围的障碍物可以基于被测主车的行为发生交互动作,比如躲避、超车等。
6)智能交通***,又称智能运输***(Intelligent Transportation System),是将先进的科学技术(信息技术、计算机技术、数据通信技术、传感器技术、电子控制技术、自动控制理论、运筹学、人工智能等)有效地综合运用于交通运输、服务控制和车辆制造,加强车辆、道路、使用者三者之间的联系,从而形成一种保障安全、提高效率、改善环境、节约能源的综合运输***。
7)智能车路协同***,简称车路协同***,是智能交通***(ITS)的一个发展方向。车路协同***是采用先进的无线通信和新一代互联网等技术,全方位实施车车、车路动态实时信息交互,并在全时空动态交通信息采集与融合的基础上开展车辆主动安全控制和道路协同管理,充分实现人车路的有效协同,保证交通安全,提高通行效率,从而形成的安全、高效和环保的道路交通***。
8)交通仿真(Traffic Simulation):交通仿真指用仿真技术来研究交通行为,是一门对交通运动随时间和空间的变化进行监测描述的技术。其含有随机特性,可以是微观的,也可以是宏观的,并且涉及描述交通运输***在一定期间实时运动的数学模型。根据交通仿真模型对研究对象描述程度的不同,可以分为微观仿真、中观仿真和宏观仿真,其中,微观仿真对交通***的要素及行为的细节描述程度最高,例如,交通仿真模型对交通流的描述是以单个车辆为基本单元的,车辆在道路上的跟车、超车及车道变换等微观行为都能得到较真实的反映;中观仿真对交通***的要素及行为的细节描述程度较高,例如,中观交通仿真模型对交通流的描述往往是以若干辆车构成的队列为单元的,能够描述队列在路段和节点的流入流出行为,对车辆的车道变换之类的行为也可以用简单的方式近似描述;宏观仿真对交通***的要素及行为的细节描述处于一个较低的程度,例如,交通流可以通过流量、速度、密度关系等一些集聚性的宏观模型来描述,但对于车辆行驶中的路况事件的细节行为不描述。
9)小程序(Mini Program),是一种基于面向前端的语言(例如JavaScript)开发的、在超文本标记语言(HTML,Hyper Text Markup Language)页面中实现服务的程序,由客户端(例如浏览器或内嵌浏览器核心的任意客户端)经由网络(如互联网)下载、并在客户端的浏览器环境中解释和执行的软件,节省在客户端中安装的步骤。例如,通过语音指令唤醒终端中的小程序实现在社交网络客户端中可以下载、运行用于实现机票购买、任务处理与制作、数据展示等各种服务的小程序。通过车载终端的小程序,可以在虚拟行驶环境中展示目标仿真车辆的行驶状态信息,也可以呈现目标仿真车辆的导航信息,以获得与真实驾驶环境完全相同的使用体验。
在介绍本申请提供的路况传感数据处理方法之前,首先对相关技术中,利用道路数据生成仿真信息的过程进行介绍,传统的自动驾驶仿真软件可以为自动驾驶汽车上运行的算法提供一个虚拟的测试场景,通过在和实际路上相似的测试环境中运行算法并生成详细的各项指标评测来评定算法运行的各项指标性能,仿真引擎在虚拟的环境中提供了高精地图、人为设置或AI智能的交通流车辆、基于物理的车辆动力学、照片级画质的3D渲染画面以及相似于实车上的算法调度和通信***等,为自动驾驶算法提供了一个尽可能真实的虚拟测试环境。
然而上述的仿真场景的来源一般只有2种,1)、是人为的在场景编辑器中设置场景中出现的各个障碍物(车、人等),其中基于AI的交通流车的行为一般是通过对来源于特定区域、特定时间段采集的路侧交通状况通过离线的机器学习等算法得到的一种基于参数的车辆行为算法所控制,这种方式的缺点是使用交通流算法只能是尽可能的去还原真实车辆的行为,场景库的丰富依赖场景编辑工具的功能以及编辑场景人员的技能熟练度,构建场景的效率低;2)还可以基于路测时录制的数据导入仿真场景进行回放,这种方式的缺点是录制数据无法实时和场景中的被测算法产生互动,导致被测算法的行为一旦和当时路测时的主车出现不一致,场景有可能就失效了,一般都是用于开环仿真,同时路测数据的采集严重的依赖自动驾驶测试车的数量,效率低,不利于大规模数据的采集。
为了解决上述问题,本申请提供了一种路况传感数据处理方法能够将目标路况传感数据转换为目标路况孪生数据,并将目标路况孪生数据发送至自动驾驶仿真引擎,由此可以实现通过自动驾驶仿真引擎通过目标路况孪生数据对不同的自动驾驶算法进行检测,丰富仿真场景内容的构建来源,使得交通仿真场景与实际道路场景更加一致,同时通过路况孪生数据可以有效改善仿真效果,使得交通仿真场景的实时性更强。
图1为本发明实施例提供的路况传感数据处理方法的使用场景示意图,参见图1,路测传感器10-1进行数据采集,车载终端10-2上设置有能够执行路况传感数据处理功能相应客户端,客户端可以安装在车端通信单元(可选为其他终端,例如手机或者车载导航设备)中,其中终端即可以手机等智能设备,也可以是车载的智能***。本发明所提供的路况传感数据处理方法可以作为云服务的形式服务可类型的客户(封装于车载终端或者封装于不同的移动电子设备中),具体使用场景本申请不做具体限制,其中,作为云服务提供给企业客户,帮助其对不同的自动驾驶仿真引擎的算法进行测试。
在本发明的一些实施例中,路测单元RSU是可以进行数据广播;路侧传感器主要由高清摄像头、激光雷达、毫米波雷达组成。其中,高清摄像头能实时检测视角范围内的车辆与行人的位置和速度,统计路面实时交通流量等;毫米波雷达可以获取车辆的种类与位置、速度,行人的位置和速度等信息;激光雷达可用于车辆拥堵排队状态、车辆位置与种类、错误行驶方向、能见度(雾)、人和动物等的检测。这些传感器获得的原始数据会交给边缘计算单元进行数据融合。在获取原始路况传感数据后,将所述原始路况传感数据向云服务器发送;通过所述云服务器对所述原始路况传感数据进行数据清洗处理,得到目标路况传感数据;通过所述云服务器将所述目标路况传感数据向路测通信单元发送;当车端通信单元进入所述路测通信单元的通信范围时,所述路测通信单元将所述目标路况传感数据向车端通信单元发送;所述车端通信单元将所述目标路况传感数据转换为目标路况孪生数据,并将所述目标路况孪生数据发送至自动驾驶仿真引擎,以实现通过所述自动驾驶仿真引擎通过所述目标路况孪生数据对不同的自动驾驶算法进行检测,使得交通仿真场景与实际道路场景更加一致,同时通过路况孪生数据可以有效改善仿真效果,使得交通仿真场景的实时性更强。
下面对本发明实施例的路况传感数据处理装置的结构做详细说明,路况传感数据处理装置可以各种形式来实施,如带有图像处理与数据计算功能的专用终端,也可以为带有图像处理功能与数据处理功能的车联网装置,例如前述图1中的路况传感数据处理装置。图2为本发明实施例提供的路况传感数据处理装置的组成结构示意图,可以理解,图2仅仅示出了路况传感数据处理装置的示例性结构而非全部结构,根据需要可以实施图2示出的部分结构或全部结构。
本发明实施例提供的路况传感数据处理装置包括:至少一个处理器201、存储器202、用户接口203和至少一个网络接口204。路况传感数据处理装置中的各个组件通过总线***205耦合在一起。可以理解,总线***205用于实现这些组件之间的连接通信。总线***205除包括数据总线之外,还包括电源总线、控制总线和状态信号总线。但是为了清楚说明起见,在图2中将各种总线都标为总线***205。
其中,用户接口203可以包括显示器、键盘、鼠标、轨迹球、点击轮、按键、按钮、触感板或者触摸屏等。
可以理解,存储器202可以是易失性存储器或非易失性存储器,也可包括易失性和非易失性存储器两者。本发明实施例中的存储器202能够存储数据以支持终端(如10-1)的操作。这些数据的示例包括:用于在终端(如10-1)上操作的任何计算机程序,如操作***和应用程序。其中,操作***包含各种***程序,例如框架层、核心库层、驱动层等,用于实现各种基础业务以及处理基于硬件的任务。应用程序可以包含各种应用程序。
在一些实施例中,本发明实施例提供的路况传感数据处理装置可以采用软硬件结合的方式实现,作为示例,本发明实施例提供的路况传感数据处理装置可以是采用硬件译码处理器形式的处理器,其被编程以执行本发明实施例提供的路况传感数据处理方法。例如,硬件译码处理器形式的处理器可以采用一个或多个应用专用集成电路(ASIC,Application Specific Integrated Circuit)、DSP、可编程逻辑器件(PLD,ProgrammableLogic Device)、复杂可编程逻辑器件(CPLD,Complex Programmable Logic Device)、现场可编程门阵列(FPGA,Field-Programmable Gate Array)或其他电子元件。
作为本发明实施例提供的路况传感数据处理装置采用软硬件结合实施的示例,本发明实施例所提供的路况传感数据处理装置可以直接体现为由处理器201执行的软件模块组合,软件模块可以位于存储介质中,存储介质位于存储器202,处理器201读取存储器202中软件模块包括的可执行指令,结合必要的硬件(例如,包括处理器201以及连接到总线205的其他组件)完成本发明实施例提供的路况传感数据处理方法。
作为示例,处理器201可以是一种集成电路芯片,具有信号的处理能力,例如通用处理器、数字信号处理器(DSP,Digital Signal Processor),或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等,其中,通用处理器可以是微处理器或者任何常规的处理器等。
作为本发明实施例提供的路况传感数据处理装置采用硬件实施的示例,本发明实施例所提供的装置可以直接采用硬件译码处理器形式的处理器201来执行完成,例如,被一个或多个应用专用集成电路(ASIC,Application Specific Integrated Circuit)、DSP、可编程逻辑器件(PLD,Programmable Logic Device)、复杂可编程逻辑器件(CPLD,ComplexProgrammable Logic Device)、现场可编程门阵列(FPGA,Field-Programmable GateArray)或其他电子元件执行实现本发明实施例提供的路况传感数据处理方法。
本发明实施例中的存储器202用于存储各种类型的数据以支持路况传感数据处理装置的操作。这些数据的示例包括:用于在路况传感数据处理装置上操作的任何可执行指令,如可执行指令,实现本发明实施例的从路况传感数据处理方法的程序可以包含在可执行指令中。
在另一些实施例中,本发明实施例提供的路况传感数据处理装置可以采用软件方式实现,图2示出了存储在存储器202中的路况传感数据处理装置2020,其可以是程序和插件等形式的软件,并包括一系列的模块,作为存储器202中存储的程序的示例,可以包括路况传感数据处理装置2020,路况传感数据处理装置2020中包括以下的软件模块:信息传输模块2081,信息处理模块2082。当路况传感数据处理装置2020中的软件模块被处理器201读取到RAM中并执行时,将实现本发明实施例提供的路况传感数据处理方法,下面对路况传感数据处理装置2020中各个软件模块的功能进行介绍:
信息传输模块2081,用于获取原始路况传感数据,并且将所述原始路况传感数据向云服务器发送。
信息处理模块2082,用于通过所述云服务器对所述原始路况传感数据进行数据清洗处理,得到目标路况传感数据。
所述信息处理模块2082,用于通过所述云服务器将所述目标路况传感数据向路测通信单元发送。
所述信息处理模块2082,用于当车端通信单元进入所述路测通信单元的通信范围时,所述路测通信单元将所述目标路况传感数据向车端通信单元发送。
所述信息处理模块2082,用于所述车端通信单元将所述目标路况传感数据转换为目标路况孪生数据,并将所述目标路况孪生数据发送至自动驾驶仿真引擎,以实现通过所述自动驾驶仿真引擎通过所述目标路况孪生数据对不同的自动驾驶算法进行检测。
根据图2所示的电子设备,在本申请的一个方面中,本申请还提供了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行上述路况传感数据处理方法的各种可选实现方式中所提供的不同实施例及实施例的组合。
继续结合图2示出的路况传感数据处理装置说明本发明实施例提供的路况传感数据处理方法,图3为本发明实施例提供的路况传感数据处理方法一个可选的流程示意图,可以理解地,图3所示的路况传感数据处理方法可以应用于交通仿真***中,用于通过目标路况孪生数据对不同自动驾驶仿真引擎或者不同的自动驾驶算法进行检测,其中,图3所示的步骤可以由路况传感数据处理***执行,路况传感数据处理***包括:云服务器、车端通信单元、路测通信单元组成。下面针对图3示出的步骤进行说明。
步骤301:路况传感数据处理装置获取原始路况传感数据,并且将所述原始路况传感数据向云服务器发送。
在本发明的一些实施例中,获取原始路况传感数据,并且将所述原始路况传感数据向云服务器发送,可以通过以下方式实现:
获取目标道路的划分标准,并且基于所述目标道路的划分标准确定与路测传感器相匹配的路段信息;所述路测传感器根据所述路段信息,对相应路段中的状况进行监测,得到所述原始路况传感数据;所述路测传感器根据所述路段信息,将所述原始路况传感数据向所述云服务器的消息队列的不同主题中发送。其中,路测传感器可以检测到的各种交通参与者信息(如交叉路口行人状态、非机动车状态、道路状态、过往车辆状态、交通流量等),也可以获取其它路侧单元以及管理中心云平台数据。当使用的云服务器为边缘云服务器(或者服务器集群)时,路测传感器根据路段信息,对相应路段中的状况进行监测,得到原始路况传感数据后,可以向边缘云服务器进行传输,通过边缘云服务器可以算法处理与融合处理后,得到当前交叉路口的实时状态。这些状态包括行人碰撞风险、车辆碰撞风险、交通拥堵状况、道路危险(积水、结冰、坑洼路面)、交通信号灯状态等,有此实现实时对相应路段中路况传感数据的监测。
步骤302:路况传感数据处理装置通过所述云服务器对所述原始路况传感数据进行数据清洗处理,得到目标路况传感数据。
参考图4,图4为本发明实施例提供的路况传感数据处理方法一个可选的流程示意图,具体包括以下步骤:
步骤401:路况传感数据处理装置对所述原始路况传感数据进行数据去重处理,删除所述原始路况传感数据中的重复路况传感数据和非法路况传感数据。
由于每一个RSU信息都是一个实时动态更新的数据表,实现对路段中传感数据的监测,因此,可能会收集到重复和非法的路况传感数据,通过删除原始路况传感数据中的重复路况传感数据和非法路况传感数据,可以减少云服务器的数据处理压力,使得路况传感数据的处理速度更快。
步骤402:路况传感数据处理装置确定与所述原始路况传感数据相匹配的噪声阈值。
步骤403:路况传感数据处理装置基于所述噪声阈值,对所述原始路况传感数据进行噪声清理处理,得到所述目标路况传感数据。
其中,由于路测传感器所采集的原始路况传感数据在云服务器中经过数据清洗处理,得到目标路况传感数据,因此,路测单元在与车端通信单元进行通信时,可以仅传输目标路况传感数据,避免传统技术中通过路测单元对路况传感数据所造成的数据处理慢的缺陷,同时,由于无需路测单元进行数据处理,因此,可以有效降低路测单元的制造成本,便于路测单元的大面积布设,降低路测单元的使用成本。
步骤303:路况传感数据处理装置通过所述云服务器将所述目标路况传感数据向路测通信单元发送。
步骤304:路况传感数据处理装置当车端通信单元进入所述路测通信单元的通信范围时,所述路测通信单元将所述目标路况传感数据向车端通信单元发送。
步骤305:路况传感数据处理装置所述车端通信单元将所述目标路况传感数据转换为目标路况孪生数据,并将所述目标路况孪生数据发送至自动驾驶仿真引擎,以实现通过所述自动驾驶仿真引擎通过所述目标路况孪生数据对不同的自动驾驶算法进行检测。
在本发明的一些实施例中,所述车端通信单元将所述目标路况传感数据转换为目标路况孪生数据,并将所述目标路况孪生数据发送至自动驾驶仿真引擎,可以通过以下方式实现:
确定所述自动驾驶仿真引擎对应的数据格式;所述车端通信单元基于所述数据格式,将所述目标路况传感数据转换为目标路况孪生数据;将所述目标路况孪生数据发送至目标自动驾驶仿真引擎;将所述目标自动驾驶仿真引擎的标识信息保存在云服务器中。由此,云服务器可以记录自动驾驶仿真引擎所获取的目标路况孪生数据的基本信息,并根据所发送的目标路况孪生数据的数据量以及数据时长向自动驾驶仿真引擎的运营商收取费用,同时所提供的目标路况孪生数据可以适应不同类型的自动驾驶仿真引擎,以实现扩大目标路况孪生数据适配范围的效果。
在本发明的一些实施例中,参考图5,图5为本发明实施例提供的路况传感数据处理方法一个可选的流程示意图,具体包括以下步骤:
步骤501:路况传感数据处理装置通过路况事件识别算法对所述目标路况传感数据进行处理,得到与目标路况事件相匹配的第一目标路况传感数据。
在本发明的一些实施例中,通过路况事件识别算法对所述目标路况传感数据进行处理,得到与目标路况事件相匹配的第一目标路况传感数据,可以通过以下方式实现:
从所述目标路况传感数据中提取路段中的车辆流向;触发车辆行驶方向检测算法,检测所述车辆流向与目标车辆在所述路段中的行驶方向;当检测到所述车辆流向与所述目标车辆在所述路段中的行驶方向不一致时,确定所述目标路况事件为逆向行驶事件;记录与逆向行驶事件相匹配的第一目标路况传感数据。其中,检测车辆流向以及车道通行情况时,目标车道的车辆流向为西向东,目标车道对应的相邻车道的车辆流向为东向西,那么,这两条车道的车辆流向为相反流向的车道,通过检测所述车辆流向与目标车辆在所述路段中的行驶方向的一致性,可以对是否发生逆行进行检测。
步骤502:路况传感数据处理装置将所述第一目标路况传感数据向仿真场景数据库发送,以实现保存所述与目标路况事件相匹配的第一目标路况传感数据。
步骤503:路况传感数据处理装置当触发自动驾驶算法对所述目标路况事件进行检测时,通过所述仿真场景数据库调用所述第一目标路况传感数据。
在本发明的一些实施例中,通过本申请所提供的路况传感数据处理方法,还可以对用户上传的路况事件识别算法进行测试,具体来说,本申请所提供的目标路况孪生数据可以对任一类型的路况事件识别算法进行测试,获取目标对象上传的路况事件识别算法;确定与所述目标路况孪生数据相匹配的交通参与对象,其中,所述交通参与对象包括至少以下之一:机动车、非机动车以及行人;确定与所述目标路况孪生数据相匹配的道路信息以及路侧标识牌信息;通过所述路况事件识别算法,利用所述道路信息以及路侧标识牌信息以及所述交通参与对象,对所述目标路况孪生数据进行处理,确定所述目标路况事件为违反交通规则事件;记录与所述违反交通规则事件相匹配的第二目标路况传感数据。由此,通过对目标路况孪生数据进行处理,确定目标路况事件为违反交通规则事件后,记录与违反交通规则事件相匹配的第二目标路况传感数据,可以将第二目标路况传感数据发送至云服务器中存储,以在更多场景中再次调用并生成虚拟驾驶环境进行测试。
在本发明的一些实施例中,目标对象上传的特定的算法来判断当前路况是否发送了具有仿真价值的路况事件,特定识别算法支持加载适用于不同区域的判定规则指标配置,比如压线、超速、低速等不同的评判标准,最后当发生了特定的路况事件后,可以打上对应标签并异步触发场景转化服务,将当前事件发生时间点之前一段时间的数据转化为仿真***可以识别运行的场景格式,并存入仿真场景数据库中,其中,本实施例中的特定识别算法是一个独立的模块,支持不同的使用者上传自己的识别算法,只要通过规定的编程接口API接入即可。举例来说,一个可能的实现流程如下:
1、识别算法在启动时根据配置加载对应的规则配置文件并初始化;2.、加载相关区域的高精地图数据;3、通过接口不断接收已经过预处理的实时交通路况数据,包括识别出的车辆、行人、自行车等交通参与者,路口红绿灯信号等,并结合存储于高精地图数据中的道路信息(车道线,路面标志)、路侧标识牌信息等,计算每一辆车是否有违反规则配置文件中配置的规则,比如压线、超速等;4.、如果发现有违反配置规则的交通参与者的事件,可以通过接口异步调用场景转化服务,并传入时间戳、涉及车辆ID、事件标签等参数,生成对应仿真场景数据。
在本发明的一些实施例中,还可以根据所述目标路况孪生数据和测试场景信息创建虚拟行驶环境,在所述虚拟行驶环境中获取目标仿真车辆;在仿真行驶轨迹上的仿真车辆位置,通过所述自动驾驶模型对处于所述仿真车辆位置上的所述目标仿真车辆进行行驶预测,得到预测行驶数据,其中,所述预测行驶数据具备针对所述目标仿真车辆的行驶控制权限,以改变所述目标仿真车辆的行驶轨迹。进一步地,在根据所述目标路况孪生数据和测试场景信息创建虚拟行驶环境时,可以利用目标路况孪生数据创建各种类型的虚拟道路,例如:虚拟道路类型即为十字路口类型,可创建属于十字路口类型的十字路口道路。在创建完成目标虚拟道路后,可在该目标虚拟道路中创建虚拟车辆(包括被测的目标仿真车辆、与非被测的障碍车辆)、创建行人,可为非被测的障碍车辆创建车辆行为参数(如,通过某一自动驾驶模型对障碍车辆的车辆行为参数进行预测规划,控制障碍车辆在虚拟行驶环境中进行自主行驶;也可以为障碍车辆设置一个车辆行为参数(如,行驶方向、行驶速度等),使得该障碍车辆可以在该虚拟行驶环境中使用该预设的不变的车辆行为参数进行自主行驶);同时,也可为行人设置行人行为参数(如,通过为障碍目标对象设置一个目标对象行为参数(如,行走方向、行走速度等),使得该障碍目标对象可以在该虚拟行驶环境中使用该预设的不变的目标对象行为参数进行自主行走)。
在本发明的一些实施例中,由于真实的驾驶环境中,车载终端可以通过即时通讯客户端的小程序进行导航,以及提供位置服务进程满足不同使用者的使用需求,因此,在通过目标路况孪生数据进行交通仿真时,可以需要提供相同的服务,具体来说,可以触发与所述目标对象标识相匹配的位置服务进程;通过所述位置服务进程,通过对所述目标路况孪生数据进行位置侦测处理,确定所述目标对象的位置侦测信息;对所述位置侦测信息进行记录,并将所述位置侦测信息转换成与所述位置服务进程相匹配的数据格式,形成所述位置服务信息;获取与所述位置服务信息相对应的时间戳信息,并且利用所述位置服务信息和所述时间戳信息构建所述虚拟行驶环境中的地理位置实时数据库。由此,在通过目标路况孪生数据进行交通仿真时,目标对象可以获得与实际驾驶中完全相同的使用体验。
为了更好的说明本申请提供的路况传感数据处理方法的处理过程,下面以使用目标路况孪生数据为例,对本申请所提供的路况传感数据处理方法的使用环境进行说明,参考图1的使用场景示意图,本发明所提供的路况传感数据处理方法可以作为云服务的形式服务可类型的客户(封装于车载终端或者封装于不同的移动电子设备中),具体使用场景本申请不做具体限制,其中,作为云服务提供给企业客户,帮助企业客户对不同的自动驾驶算法进行检测。
在本发明的一些实施例中,参考图6,图6为本发明实施例提供的路况传感数据处理方法一个可选的流程示意图,具体包括以下步骤:
步骤601:获取原始路况传感数据,并且将原始路况传感数据向云服务器发送。
步骤602:通过所述云服务器对所述原始路况传感数据进行数据清洗处理,得到目标路况传感数据。
步骤603:通过所述云服务器将所述目标路况传感数据向路测通信单元发送。
步骤604:路测通信单元将所述目标路况传感数据向车端通信单元发送;
步骤605:车端通信单元将所述目标路况传感数据转换为目标路况孪生数据,并将所述目标路况孪生数据发送至自动驾驶仿真引擎。
参考图7,图7为本发明实施例中目标路况孪生数据配置过程示意图,其中,交通仿真***中可以根据仿真要求的不同情况配置相应的孪生数据接入模块,另外可能需要在特定的路侧条件下、使用相应的通信硬件作为基础,例如对行人碰撞风险、车辆碰撞风险、交通拥堵状况、道路危险(积水、结冰、坑洼路面)、交通信号灯状态进行检测时,需要配置相应的检测单元。
参考图8,图8为本发明实施例中目标路况孪生数据配置过程示意图,其中,ditw_data_port这个模块可以用来将实时的目标路况孪生数据转化为仿真***中可以识别的障碍物消息格式,以供自动驾驶主车算法Planning来进行规划计算,ditw_data_port模块取代了相关技术中仿真场景中基于AI的交通流算法模块,实时的反映了当前路侧真实的交通状况。
步骤606:自动驾驶仿真引擎基于目标路况孪生数据构建交通仿真环境,并对自动驾驶算法进行测试。
参考图9,图9为本发明实施例中目标路况孪生数据仿真效果示意图,其中,可以基于目标路况孪生数据对仿真路网中的行驶车辆进行交通仿真,将目标车辆按照目标路况孪生数据在仿真路网中行驶,基于目标车辆和历史车辆之间的动态行驶影响,使得仿真路网中的行驶车辆稳步行驶到对应的目的地,基于仿真路网中各个行驶车辆的行驶过程得到目标路况孪生数据。可以利用目标路况孪生数据进行渲染展示,从而通过可视化的方式展示实时的仿真交通路况。城市交通管理者基于可视化的仿真交通路况可以进行交通决策、管制和规划。例如,当发现出现道路拥堵的情况时,则在拥堵路段设置交通诱导屏、增加。交通管控措施来缓解道路拥堵,驾驶者也可以通过目标路况孪生数据的仿真交通路况对不同类型的自动驾驶算法进行测试。
本发明具有以下有益技术效果:
本发明通过获取原始路况传感数据,并且将所述原始路况传感数据向云服务器发送;通过所述云服务器对所述原始路况传感数据进行数据清洗处理,得到目标路况传感数据;通过所述云服务器将所述目标路况传感数据向路测通信单元发送;当车端通信单元进入所述路测通信单元的通信范围时,所述路测通信单元将所述目标路况传感数据向车端通信单元发送;所述车端通信单元将所述目标路况传感数据转换为目标路况孪生数据,并将所述目标路况孪生数据发送至自动驾驶仿真引擎,由此可以实现通过自动驾驶仿真引擎通过目标路况孪生数据对不同的自动驾驶算法进行检测,丰富仿真场景内容的构建来源,使得交通仿真场景与实际道路场景更加一致,同时通过路况孪生数据可以有效改善仿真效果,使得交通仿真场景的实时性更强。
以上所述,仅为本发明的实施例而已,并非用于限定本发明的保护范围,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (15)
1.一种路况传感数据处理方法,其特征在于,所述方法包括:
获取原始路况传感数据,并且将所述原始路况传感数据向云服务器发送;
通过所述云服务器对所述原始路况传感数据进行数据清洗处理,得到目标路况传感数据;
通过所述云服务器将所述目标路况传感数据向路测通信单元发送;
当车端通信单元进入所述路测通信单元的通信范围时,所述路测通信单元将所述目标路况传感数据向车端通信单元发送;
所述车端通信单元将所述目标路况传感数据转换为目标路况孪生数据,并将所述目标路况孪生数据发送至自动驾驶仿真引擎,以实现通过所述自动驾驶仿真引擎通过所述目标路况孪生数据对不同的自动驾驶算法进行检测。
2.根据权利要求1所述的方法,其特征在于,所述获取原始路况传感数据,并且将所述原始路况传感数据向云服务器发送,包括:
获取目标道路的划分标准,并且基于所述目标道路的划分标准确定与路测传感器相匹配的路段信息;
所述路测传感器根据所述路段信息,对相应路段中的状况进行监测,得到所述原始路况传感数据;
所述路测传感器根据所述路段信息,将所述原始路况传感数据向所述云服务器的消息队列的不同主题中发送。
3.根据权利要求1所述的方法,其特征在于,所述通过所述云服务器对所述原始路况传感数据进行数据清洗处理,得到目标路况传感数据,包括:
对所述原始路况传感数据进行数据去重处理,删除所述原始路况传感数据中的重复路况传感数据和非法路况传感数据;
确定与所述原始路况传感数据相匹配的噪声阈值;
基于所述噪声阈值,对所述原始路况传感数据进行噪声清理处理,得到所述目标路况传感数据。
4.根据权利要求1所述的方法,其特征在于,所述方法还包括:
通过路况事件识别算法对所述目标路况传感数据进行处理,得到与目标路况事件相匹配的第一目标路况传感数据;
将所述第一目标路况传感数据向仿真场景数据库发送,以实现保存所述与目标路况事件相匹配的第一目标路况传感数据;
当触发自动驾驶算法对所述目标路况事件进行检测时,通过所述仿真场景数据库调用所述第一目标路况传感数据。
5.根据权利要求4所述的方法,其特征在于,所述通过路况事件识别算法对所述目标路况传感数据进行处理,得到与目标路况事件相匹配的第一目标路况传感数据,包括:
从所述目标路况传感数据中提取路段中的车辆流向;
触发车辆行驶方向检测算法,检测所述车辆流向与目标车辆在所述路段中的行驶方向;
当检测到所述车辆流向与所述目标车辆在所述路段中的行驶方向不一致时,确定所述目标路况事件为逆向行驶事件;
记录与逆向行驶事件相匹配的第一目标路况传感数据。
6.根据权利要求4所述的方法,其特征在于,所述方法还包括:
获取目标对象上传的路况事件识别算法;
确定与所述目标路况孪生数据相匹配的交通参与对象,其中,所述交通参与对象包括至少以下之一:机动车、非机动车以及行人;
确定与所述目标路况孪生数据相匹配的道路信息以及路侧标识牌信息;
通过所述路况事件识别算法,利用所述道路信息以及路侧标识牌信息以及所述交通参与对象,对所述目标路况孪生数据进行处理,确定所述目标路况事件为违反交通规则事件;
记录与所述违反交通规则事件相匹配的第二目标路况传感数据。
7.根据权利要求1所述的方法,其特征在于,所述车端通信单元将所述目标路况传感数据转换为目标路况孪生数据,并将所述目标路况孪生数据发送至自动驾驶仿真引擎,包括:
确定所述自动驾驶仿真引擎对应的数据格式;
所述车端通信单元基于所述数据格式,将所述目标路况传感数据转换为目标路况孪生数据;
将所述目标路况孪生数据发送至目标自动驾驶仿真引擎;
将所述目标自动驾驶仿真引擎的标识信息保存在云服务器中。
8.根据权利要求1所述的方法,其特征在于,所述方法还包括:
根据所述目标路况孪生数据和测试场景信息创建虚拟行驶环境,在所述虚拟行驶环境中获取目标仿真车辆;
在仿真行驶轨迹上的仿真车辆位置,通过所述自动驾驶模型对处于所述仿真车辆位置上的所述目标仿真车辆进行行驶预测,得到预测行驶数据,其中,所述预测行驶数据具备针对所述目标仿真车辆的行驶控制权限,以改变所述目标仿真车辆的行驶轨迹。
9.根据权利要求8所述的方法,其特征在于,所述方法包括:
触发与所述目标对象标识相匹配的位置服务进程;
通过所述位置服务进程,通过对所述目标路况孪生数据进行位置侦测处理,确定所述目标对象的位置侦测信息;
对所述位置侦测信息进行记录,并将所述位置侦测信息转换成与所述位置服务进程相匹配的数据格式,形成所述位置服务信息;
获取与所述位置服务信息相对应的时间戳信息,并且利用所述位置服务信息和所述时间戳信息构建所述虚拟行驶环境中的地理位置实时数据库。
10.根据权利要求8所述的方法,其特征在于,所述方法包括:
在所述虚拟行驶环境中,通过地理位置实时数据库,获取与目标仿真车辆定位信息相匹配的地图数据;
对所述地图数据进行数据解析处理,得到所述车辆对应的道路参数;
其中,所述车辆对应的道路参数至少以下之一:
所述目标仿真车辆所处位置的车道数量、所述目标仿真车辆所处位置的道路属性信息,以及所述目标仿真车辆所处位置的道路监测信息;
在地图客户端中呈现的导航信息中展示所述道路参数,并通过即时通讯客户端在所述虚拟行驶环境中向不同的目标对象进行呈现。
11.根据权利要求10所述的方法,其特征在于,所述方法还包括:
在所述地图客户端中呈现对应的导航信息时,获取所述目标仿真车辆的实时位置信息;
将所述目标仿真车辆的实时位置信息发送至云服务器网络中,通过所述云服务器网络记录所述目标仿真车辆相匹配的行进路线;
通过所述云服务器网络向不同目标仿真车辆所携带的即时通讯客户端进行实时位置推送,以实现不同目标仿真车辆通过即时通讯客户端获得相应目标仿真车辆实时位置信息。
12.一种路况传感数据处理装置,其特征在于,所述路况传感数据处理装置包括:
信息传输模块,用于获取原始路况传感数据,并且将所述原始路况传感数据向云服务器发送;
信息处理模块,用于通过所述云服务器对所述原始路况传感数据进行数据清洗处理,得到目标路况传感数据;
所述信息处理模块,用于通过所述云服务器将所述目标路况传感数据向路测通信单元发送;
所述信息处理模块,用于当车端通信单元进入所述路测通信单元的通信范围时,所述路测通信单元将所述目标路况传感数据向车端通信单元发送;
所述信息处理模块,用于所述车端通信单元将所述目标路况传感数据转换为目标路况孪生数据,并将所述目标路况孪生数据发送至自动驾驶仿真引擎,以实现通过所述自动驾驶仿真引擎通过所述目标路况孪生数据对不同的自动驾驶算法进行检测。
13.一种计算机程序产品,包括计算机程序或指令,其特征在于,所述计算机程序或指令被处理器执行时,实现权利要求1至11任一项所述路况传感数据处理方法。
14.一种电子设备,其特征在于,所述电子设备包括:
存储器,用于存储可执行指令;
处理器,用于运行所述存储器存储的可执行指令时,实现权利要求1至11任一项所述的路况传感数据处理方法。
15.一种计算机可读存储介质,存储有可执行指令,其特征在于,所述可执行指令被处理器执行时实现权利要求1至11任一项所述的路况传感数据处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210081361.8A CN114492022A (zh) | 2022-01-24 | 2022-01-24 | 路况传感数据处理方法、装置、设备、程序以及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210081361.8A CN114492022A (zh) | 2022-01-24 | 2022-01-24 | 路况传感数据处理方法、装置、设备、程序以及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114492022A true CN114492022A (zh) | 2022-05-13 |
Family
ID=81475030
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210081361.8A Pending CN114492022A (zh) | 2022-01-24 | 2022-01-24 | 路况传感数据处理方法、装置、设备、程序以及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114492022A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115391477A (zh) * | 2022-10-31 | 2022-11-25 | 智道网联科技(北京)有限公司 | 数据处理方法、装置及电子设备、存储介质 |
CN115862183A (zh) * | 2023-02-28 | 2023-03-28 | 禾多科技(北京)有限公司 | 传感器特征工程信息构建方法、装置、设备和计算机介质 |
WO2024051387A1 (zh) * | 2022-09-06 | 2024-03-14 | 腾讯科技(深圳)有限公司 | 数据处理方法、装置、设备以及计算机可读存储介质 |
-
2022
- 2022-01-24 CN CN202210081361.8A patent/CN114492022A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024051387A1 (zh) * | 2022-09-06 | 2024-03-14 | 腾讯科技(深圳)有限公司 | 数据处理方法、装置、设备以及计算机可读存储介质 |
CN115391477A (zh) * | 2022-10-31 | 2022-11-25 | 智道网联科技(北京)有限公司 | 数据处理方法、装置及电子设备、存储介质 |
CN115862183A (zh) * | 2023-02-28 | 2023-03-28 | 禾多科技(北京)有限公司 | 传感器特征工程信息构建方法、装置、设备和计算机介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
RU2733015C1 (ru) | Оперативное управление автономным транспортным средством | |
RU2734744C1 (ru) | Оперативное управление автономным транспортным средством, включающее в себя работу экземпляра модели частично наблюдаемого марковского процесса принятия решений | |
RU2725920C1 (ru) | Управление оперативным управлением автономным транспортным средством | |
US11693409B2 (en) | Systems and methods for a scenario tagger for autonomous vehicles | |
RU2734732C1 (ru) | Отслеживание блокировки сети движения при оперативном управлении автономным транспортным средством | |
CN109919347B (zh) | 路况生成方法、相关装置和设备 | |
CN112789619B (zh) | 一种仿真场景的构建方法、仿真方法以及设备 | |
CN110795818A (zh) | 一种确定虚拟测试场景方法、装置、电子设备和存储介质 | |
CN114492022A (zh) | 路况传感数据处理方法、装置、设备、程序以及存储介质 | |
CN109472884B (zh) | 无人车数据存储方法、装置、设备及存储介质 | |
US11919545B2 (en) | Scenario identification for validation and training of machine learning based models for autonomous vehicles | |
US11409927B2 (en) | Architecture for configurable distributed system simulation timing | |
CN113442920A (zh) | 编队行驶的控制方法、装置、计算机可读介质及电子设备 | |
CN106504542A (zh) | 车速智能监控方法和*** | |
CN111696347B (zh) | 一种自动化分析交通事件信息的方法和装置 | |
CN111816022A (zh) | 一种模拟场景的仿真方法、装置、存储介质以及电子设备 | |
US11908095B2 (en) | 2-D image reconstruction in a 3-D simulation | |
US20220172606A1 (en) | Systems and Methods for Extracting Data From Autonomous Vehicles | |
US20220092232A1 (en) | Architecture for distributed system simulation with realistic timing | |
CN114596704A (zh) | 交通事件处理方法、装置、设备及存储介质 | |
Balamurugan et al. | The future of India creeping up in building a smart city: intelligent traffic analysis platform | |
CN106781470B (zh) | 城市道路的运行速度的处理方法及装置 | |
CN112732446A (zh) | 一种任务处理方法、装置及存储介质 | |
CN111310660A (zh) | 用于adas场景的目标检测虚警抑制方法及装置 | |
CN117591847B (zh) | 基于车况数据的模型指向评测方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 40068122 Country of ref document: HK |
|
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |