CN115410379B - 应用于车路协同的匹配关系确定方法、装置及处理设备 - Google Patents
应用于车路协同的匹配关系确定方法、装置及处理设备 Download PDFInfo
- Publication number
- CN115410379B CN115410379B CN202111630891.5A CN202111630891A CN115410379B CN 115410379 B CN115410379 B CN 115410379B CN 202111630891 A CN202111630891 A CN 202111630891A CN 115410379 B CN115410379 B CN 115410379B
- Authority
- CN
- China
- Prior art keywords
- target vehicle
- track
- matching
- vehicle
- matching relationship
- 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 66
- 238000012545 processing Methods 0.000 title claims abstract description 47
- 238000010586 diagram Methods 0.000 claims description 23
- 238000004590 computer program Methods 0.000 claims description 21
- 238000003860 storage Methods 0.000 claims description 10
- 238000005457 optimization Methods 0.000 claims description 7
- 206010028896 Needle track marks Diseases 0.000 claims description 5
- 239000011159 matrix material Substances 0.000 description 36
- 230000008569 process Effects 0.000 description 16
- 238000004891 communication Methods 0.000 description 6
- 238000010276 construction Methods 0.000 description 6
- 238000001514 detection method Methods 0.000 description 6
- 238000011161 development Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000010354 integration Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010130 dispersion processing Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- 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
- G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
-
- 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
- G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
- G08G1/012—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from other sources than vehicle or roadside beacons, e.g. mobile networks
-
- 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
- G08G1/0125—Traffic data processing
- G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
-
- 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
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
-
- 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)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请适用于车辆识别技术领域,提供了应用于车路协同的匹配关系确定方法、装置及处理设备,包括:确定第一节点的第一匹配关系;确定第二节点的第二匹配关系;根据所述第二匹配关系以及所述第一匹配关系对所述第二匹配关系进行优化处理,得到优化后的所述第二匹配关系。通过上述方法,能够提高得到的匹配关系的准确性。
Description
技术领域
本申请属于车辆识别技术领域,尤其涉及应用于车路协同的匹配关系确定方法、装置、处理设备、处理***及计算机可读存储介质。
背景技术
随着“新基建”的推进,智慧高速作为传统高速公路与互联网、大数据、人工智能等新技术深度融合的重要基础设施之一,是未来高速公路发展趋势所在。
围绕高速公路的建设、运营、管理环节,高速公路与“新基建”深度融合的发展方向包括智慧高速公路的基础设施、智慧高速公路大脑中枢、智慧高速公路管理应用***、智慧高速公路公众服务***这四个方面,其中:
(1)基础设施的建设要求是:通过感知基础设施与多网融合通信设施,实现高速公路海量数据超低时延、超高可靠、超大带宽的实时采集和传输。
(2)智慧高速公路大脑中枢的建设要求是:实现高速公路全事件的实时、智能反馈,减少人工操作和误判。
(3)智慧高速公路管理应用体系的要求是:针对高速公路的路网监测、应急管理、养护管理、收费管理等主要管理功能需求,实现数据、信息的整合与共享,形成面向不同对象的统一智慧云控管理应用***。如建设路网运行智能监测***、自由流收费***、应急安全指挥***等,以实现交警、路政、运营机构等多维协同、可视指挥和高效决策管理。
(4)智慧高速公路公众服务***包括建设车路一体化信息服务***、品质化智慧服务区、智能救援服务等。
根据上述四个发展方向可知,基础设施的建设以及智慧高速公路大脑中枢的建设,是实现智慧高速公路管理应用***和智慧高速公路公众服务***的基础。而为了实现高速公路全事件的实时、智能反馈,则需要对高速公路上的车辆进行精确识别与定位。
现有方法中,当车辆经过一个门架或侧杆时,该门架或侧杆上的雷达将对车辆进行跟踪,得到跟踪轨迹。该门架或侧杆上的路侧单元(Road Side Unit,RSU)将与进入设定区域的车辆的车载单元(On board Unit,OBU)交互,以读取该车辆的身份信息(如车牌),再将读取的身份信息与车辆轨迹绑定,从而实现对车辆的跟踪与识别。
上述方法中,是通过在门架或侧杆附近预先设定一个区域,即通过限定RSU与的通信距离来推测该OBU所在的车辆与该RSU的距离,再结合雷达测量到的目标的距离来判断将车辆与哪个轨迹进行绑定。但由于当前车辆上安装的OBU一致性差,因此,难以保证RSU能在车辆进入设定区域时收到OBU的信息,进而导致车辆轨迹与身份信息绑定错误。
发明内容
本申请实施例提供了一种应用于车路协同的匹配关系确定方法,可以解决车辆轨迹与身份信息绑定的准确率低的问题。
第一方面,本申请实施例提供了一种应用于车路协同的匹配关系确定方法,包括:
确定第一节点的第一匹配关系,所述第一匹配关系的数值用于指示第一目标车辆的轨迹与第二目标车辆的身份信息的匹配程度,所述第一目标车辆为第一雷达检测到的车辆,所述第二目标车辆为第一路侧单元RSU检测到的车辆;
确定第二节点的第二匹配关系,其中,在预存的拓扑结构图中,所述第一节点为所述第二节点的父节点,所述第二匹配关系的数值用于指示第三目标车辆的轨迹与第四目标车辆的身份信息的匹配程度,所述第三目标车辆为第二雷达检测到的车辆,所述第四目标车辆为第二RSU检测到的车辆;
根据所述第二匹配关系以及所述第一匹配关系对所述第二匹配关系进行优化处理,得到优化后的所述第二匹配关系。
第二方面,本申请实施例提供了一种应用于车路协同的匹配关系确定装置,包括:
第一匹配关系确定模块,用于确定第一节点的第一匹配关系,所述第一匹配关系的数值用于指示第一目标车辆的轨迹与第二目标车辆的身份信息的匹配程度,所述第一目标车辆为第一雷达检测到的车辆,所述第二目标车辆为第一RSU检测到的车辆;
第二匹配关系确定模块,用于确定第二节点的第二匹配关系,其中,在预存的拓扑结构图中,所述第一节点为所述第二节点的父节点,所述第二匹配关系的数值用于指示第三目标车辆的轨迹与第四目标车辆的身份信息的匹配程度,所述第三目标车辆为第二雷达检测到的车辆,所述第四目标车辆为第二RSU检测到的车辆;
第二匹配关系优化模块,用于根据所述第二匹配关系以及所述第一匹配关系对所述第二匹配关系进行优化处理,得到优化后的所述第二匹配关系。
第三方面,本申请实施例提供了一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如第一方面所述的方法。
第四方面,本申请实施例提供了一种处理***,包括如权利要求12所述的处理设备,以及,包括多个雷达和RSU。
第五方面,本申请实施例提供了一种处理***,包括父节点路侧处理器、子节点路侧处理器、中心处理器以及第一雷达、第二雷达、第一RSU和第二RSU;
所述父节点路侧处理器用于确定第一节点的第一匹配关系,所述第一匹配关系的数值用于指示第一目标车辆的轨迹与第二目标车辆的身份信息的匹配程度,所述第一目标车辆为第一雷达检测到的车辆,所述第二目标车辆为第一路侧单元RSU检测到的车辆;
所述子节点路侧处理器用于确定第二节点的第二匹配关系,其中,在预存的拓扑结构图中,所述第一节点为所述第二节点的父节点,所述第二匹配关系的数值用于指示第三目标车辆的轨迹与第四目标车辆的身份信息的匹配程度,所述第三目标车辆为第二雷达检测到的车辆,所述第四目标车辆为第二RSU检测到的车辆;
所述中心处理器用于将所述第二匹配关系向所述子节点路侧处理器转发;
所述子节点路侧处理器还用于根据所述第二匹配关系以及所述第一匹配关系对所述第二匹配关系进行优化处理,得到优化后的所述第二匹配关系。
第六方面,本申请实施例提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如第一方面所述的方法。
第七方面,本申请实施例提供了一种计算机程序产品,当计算机程序产品在终端设备上运行时,使得终端设备执行上述第一方面所述的方法。
本申请实施例与现有技术相比存在的有益效果是:
本申请实施例中,确定第一节点的第一匹配关系以及第二节点的第二匹配关系后,根据第二匹配关系以及第一匹配关系对第二匹配关系进行优化处理,得到优化后的所述第二匹配关系。由于第一节点为第二节点的父节点,且由于道路本身的特点,当车辆经过子节点所对应的路段时,表明该车辆必然经过该子节点的某一个父节点所对应的路段,因此,根据第二匹配关系和第一匹配关系对该第二匹配关系进行优化,能够提高优化后的第二匹配关系的准确性,而第二匹配关系用于指示第三目标车辆的轨迹与第四目标车辆的身份信息的匹配程度,也即,本申请实施例能够提高车辆的轨迹与身份信息的匹配的准确率。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍。
图1是本申请一实施例提供的一种应用于车路协同的匹配关系确定方法的流程图;
图2是本申请一实施例提供的另一种应用于车路协同的匹配关系确定方法的流程图;
图3是本申请一实施例提供的一种父节点和子节点的结构示意图;
图4是本申请一实施例提供的对匹配关系进行优化的流程示意图;
图5是本申请另一实施例提供的一种应用于车路协同的匹配关系确定装置的结构框图;
图6是本申请一实施例提供的一种处理设备的结构示意图;
图7是本申请另一实施例提供的一种处理***的结构示意图;
图8是本申请实施例提供的另一种处理***的结构示意图;
图9是本申请实施例提供的一种处理***的部署示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定***结构、技术之类的具体细节,以便透彻理解本申请实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中,省略对众所周知的***、装置、电路以及方法的详细说明,以免不必要的细节妨碍本申请的描述。
应当理解,当在本申请说明书和所附权利要求书中使用时,术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
另外,在本申请说明书和所附权利要求书的描述中,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此,在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例,而是意味着“一个或多个但不是所有的实施例”,除非是以其他方式另外特别强调。
实施例一:
车路协同***(车路协同),是智能交通***的最新发展方向,在车路协同***中,通常需要识别出车辆的轨迹所对应的身份信息。为了能够识别出道路上行驶的车辆的身份信息(该身份信息如车牌),则在某个路段上同时设置雷达和RSU,通过限定RSU与的通信距离来推测该OBU所在的车辆与该RSU的距离,再结合雷达测量到的目标的距离来判断将车辆与哪个轨迹进行绑定,得到车辆的匹配关系,即得到该车辆的轨迹与身份信息的匹配关系。但由于车辆上安装的OBU的一致性差,因此,现有方法存在确定的匹配关系的准确率较低的问题。
为了解决上述技术问题,本申请实施例提供了一种应用于车路协同的匹配关系确定方法,在该方法中,预先根据道路之间的关系定义一个拓扑结构图,该拓扑结构图的每个节点对应道路上的一个路段,比如,当车辆经过路段A,则其后面可能经过路段B,则与路段A对应的节点A为与路段B对应的节点B的父节点,节点B为节点A的子节点。在本申请实施例提供的车辆匹配关系中,获得父节点和子节点的匹配关系,再根据父节点和子节点对应的匹配关系对该子节点的匹配关系进行优化。由于在根据某个路段得到一个匹配关系之后,还根据该路段的节点所对应的父节点的匹配关系对其自身的匹配关系进行优化,即增加了确定最终的匹配关系的判断条件,因此,能够有效提高优化后的匹配关系的准确率。
下面结合附图对本申请实施例提供的一种应用于车路协同的匹配关系确定方法进行描述。
图1示出了本申请实施例提供的一种应用于车路协同的匹配关系确定方法的流程图,该应用于车路协同的匹配关系确定方法可应用在处理设备中,详述如下:
步骤S11,确定第一节点的第一匹配关系,第一匹配关系的数值用于指示第一目标车辆的轨迹与第二目标车辆的身份信息的匹配程度,第一目标车辆为第一雷达检测到的车辆,第二目标车辆为第一RSU检测到的车辆。
本实施例中,为了更清楚地描述第一匹配关系,下面以一具体例子进行说明:若第一目标车辆对应的轨迹为:轨迹A和轨迹B,第二目标车辆的身份信息为:身份信息a和身份信息b。假设第一匹配关系如表1所示。
表1:
第一匹配关系 | 身份信息a | 身份信息b |
轨迹A | 0.8 | 0.2 |
轨迹B | 0.05 | 0.95 |
上述表1中,每一行的数值的和等于1,数值越大,表示匹配程度越高,如表1中的“0.8”用于指示轨迹A与身份信息a的匹配程度较高。需要指出的是,本实施例的第一目标车辆可以为与第二目标车辆完全相同的车辆,也可以为与第二目标车辆部分相同的车辆。
本实施例中,为提高匹配的概率,则在第一节点所对应的路段中同时设置雷达和RSU,即,通过保证雷达和RSU具有重叠的检测区域来提高匹配的概率。在本实施例中,设置的雷达的个数大于或等于1,设置的RSU的个数大于或等于1。为了提高采集数据的便利性,则在路段上的同一个门架和/或同一个侧杆上设置雷达和RSU。
在一些实施例中,考虑到门架较宽(横跨公路),而侧杆较窄,则在门架设置的雷达(或RSU)的数量少于在侧杆上设置的雷达(或RSU)的数量。
在一些实施例中,若希望对道路进行全覆盖,则可在整条道路上均安装门架和/或侧杆,且在门架和/或侧杆上均安装雷达和RSU。需要指出的是,门架和/或侧杆的安装距离需考虑到雷达的最大检测范围。例如,假设雷达的最大检测范围是1千米(km),若在一个门架(或侧杆)安装的雷达为正向雷达(不安装反向雷达),则每隔1km就需要安装一个门架(或侧杆),但若在一个门架(或侧杆)同时安装正向雷达和反向雷达,则可以每隔2km安装一个门架(或侧杆)。其中,正向雷达是指检测方向与车辆的行驶方向相同的雷达,反向雷达是指检测方向与车辆的行驶方向相反的雷达。
在一些实施例中,考虑到门架的成本高于侧杆,但门架较宽,即在门架上可安装的雷达和RSU较多(例如针对每一条车道均安装对应的RSU),因此,可在整条道路上既部署门架,又部署侧杆。以雷达的最大检测范围是1km为例,在道路(如高速公路)上每间隔一定间距(如6km)部署一个门架,在门架之间每隔一定距离(如2km)部署一个侧杆。当然,若需要在道路上实现全覆盖,则在侧杆之间的距离为2km时,每个侧杆(或门架)上至少安装一个正向雷达和一个反向雷达。
步骤S12,确定第二节点的第二匹配关系,其中,在预存的拓扑结构图中,第二节点为第一节点的子节点,第二匹配关系的数值用于指示第三目标车辆的轨迹与第四目标车辆的身份信息的匹配程度,第三目标车辆为第二雷达检测到的车辆,第四目标车辆为第二RSU检测到的车辆。
本实施例中,预存的拓扑结构图中的各个节点与道路中的具体路段对应。根据道路的实际情况,一个父节点可能对应多个子节点,一个子节点也可能对应一个父节点。当车辆到达子节点所对应的路段,则表明该车辆经过了该子节点的某一个父节点所对应的路段。
在本实施例中,第二匹配关系是根据第二节点所对应的路段安装的第二雷达和第二RSU所获得的数据进行匹配后得到。也即,在确定该第二匹配关系时并没有考虑到第一匹配关系。
步骤S13,根据第二匹配关系以及第一匹配关系对第二匹配关系进行优化处理,得到优化后的第二匹配关系。
具体地,在优化第二节点的第二匹配关系时结合该第二节点的父节点所对应的匹配关系(即第一匹配关系)。
本申请实施例中,确定第一节点的第一匹配关系以及第二节点的第二匹配关系后,根据第二匹配关系以及第一匹配关系对第二匹配关系进行优化处理,得到优化后的第二匹配关系。由于第一节点为第二节点的父节点,且由于道路本身的特点,当车辆经过子节点所对应的路段时,表明该车辆必然经过该子节点的某一个父节点所对应的路段,因此,根据第二匹配关系和第一匹配关系对该第二匹配关系进行优化,能够提高优化后的第二匹配关系的准确性,而第二匹配关系用于指示第三目标车辆的轨迹与第四目标车辆的身份信息的匹配程度,也即,本申请实施例能够提高车辆的轨迹与身份信息的匹配的准确率。
在一些实施例中,可结合轨迹的来源对匹配关系进行优化,此时,上述步骤S13包括:
A1、根据第二匹配关系以及第一匹配关系,在第三目标车辆的轨迹和第四目标车辆的身份信息中,确定出来源于相同父节点的第三目标车辆的轨迹和来源于相同父节点的第四目标车辆的身份信息。
为了更清楚地描述来源于父节点的第三目标车辆的轨迹,下面以一具体应用例进行描述。假设第二匹配关系如表2所示。
表2:
第二匹配关系 | 身份信息a | 身份信息b |
轨迹A | 0.8 | 0.2 |
轨迹C | 0.05 | 0.95 |
结合表1和表2可知,轨迹C并不是来源于其父节点的轨迹,而轨迹A是来源于其父节点的轨迹。
A2、根据来源于相同父节点的第三目标车辆的轨迹和来源于相同父节点的第四目标车辆的身份信息对第二匹配关系进行优化处理,得到优化后的第二匹配关系。
上述A1和A2中,考虑到经过子节点所对应的路段的车辆必然先从该子节点的某一个父节点所对应的路段经过,因此,只关注具有来源的第三目标车辆的轨迹和具有来源的第四目标车辆的身份信息(即针对任一子节点的轨迹和身份信息,只关注来源于父节点的轨迹和身份信息),能够提高优化的速度以及准确度。
在一些实施例中,考虑到对第二匹配关系进行优化的过程中,可能存在没有任何匹配关系的轨迹,即存在一个轨迹,该轨迹与检测到的任一个身份信息均不存在对应关系,则还需要确定该轨迹对应的身份信息,以实现对该第二匹配关系的优化。参考图2,图2示出了本申请实施例提供的另一种应用于车路协同的匹配关系确定方法的流程图,在本实施例中,步骤S24和步骤S25为对上述步骤A2进行细化的步骤。而步骤S21和步骤S22与上述步骤S11和步骤S12相同,步骤S23与上述步骤A1相同,此处不再赘述。
步骤S21,确定第一节点的第一匹配关系,第一匹配关系的数值用于指示第一目标车辆的轨迹与第二目标车辆的身份信息的匹配程度,第一目标车辆为第一雷达检测到的车辆,第二目标车辆为第一RSU检测到的车辆。
步骤S22,确定第二节点的第二匹配关系,其中,在预存的拓扑结构图中,第二节点为第一节点的子节点,第二匹配关系的数值用于指示第三目标车辆的轨迹与第四目标车辆的身份信息的匹配程度,第三目标车辆为第二雷达检测到的车辆,第四目标车辆为第二RSU检测到的车辆。
步骤S23,根据第二匹配关系以及第一匹配关系,在第三目标车辆的轨迹和第四目标车辆的身份信息中,确定出来源于相同父节点的第三目标车辆的轨迹和来源于相同父节点的第四目标车辆的身份信息。
步骤S24,根据第二匹配关系以及第一匹配关系,确定出不存在任何匹配关系的第一目标车辆的轨迹和第二目标车辆的身份信息。
参考表2,如果表2的轨迹C与身份信息a和身份信息b的匹配程度均变为“0”,即表示轨迹C与身份信息a不存在匹配关系,轨迹C与身份信息b也不存在匹配关系。也即该轨迹C为不存在任何匹配关系的轨迹。不存在任何匹配关系的第二目标车辆的身份信息与不存在匹配关系的第一目标车辆的轨迹类似,此处不再举例描述。
步骤S25,根据不存在任何匹配关系的第一目标车辆的轨迹和第二目标车辆的身份信息,以及,根据来源于相同父节点的第三目标车辆的轨迹和来源于相同父节点的第四目标车辆的身份信息,对第二匹配关系进行优化处理,得到优化后的第二匹配关系。
本实施例中,由于任一条轨迹必然与某个身份信息匹配,因此,若查找出不存在任何匹配关系的第一目标车辆的轨迹和不存在任何匹配关系的第二目标车辆的身份信息,并据此对第二匹配关系优化,能够使得优化后的第二匹配关系更准确。
在一些实施例中,为了提高父节点对应的第一匹配关系的准确率,则还需要对该第一匹配关系进行优化。即,在得到优化后的第二匹配关系之后,包括:
根据优化后的第二匹配关系对第一匹配关系进行优化处理,得到优化后的第一匹配关系。
本实施例中,考虑到从子节点中出现的车辆必然经过了其任一个父节点,故可采用优化后的第二匹配关系对第一匹配关系进行优化,从而提高优化后的第一匹配关系的准确率。
下面以一具体例子描述如何对第一匹配关系和第二匹配关系进行优化。
参考图3,在图3中,节点d为节点e和节点c的子节点,也即,节点e和节点c是节点d的父节点。且第一匹配关系和第二匹配关系均矩阵表示,矩阵中的元素的值为用于指示轨迹与身份信息的匹配程度的概率值。
如图4所示,假设节点e、节点c、节点d对应的矩阵分别为E、C、D,即父节点对应的矩阵有2个。
以矩阵C为例说明各矩阵含义:有三条轨迹经过了节点c,轨迹ID分别为1、2、3,同时节点c检测到三个车辆的身份信息:A01、A02、A03,矩阵C第一行表示轨迹1与A01匹配的概率为0.9,与A02匹配的概率为0.03,与A03匹配的概率为0.07。
下面图4描述对第一匹配关系和第二匹配关系进行优化的处理流程:
(1)将各个父节点(即矩阵C和矩阵E)所对应的矩阵进行拼接,得到拼接矩阵Joint,该Joint的行数等于各个父节点所对应的矩阵的行数的和,该Joint的列数等于各个父节点所对应矩阵的列数的和。
(2)将第二匹配矩阵(即矩阵D)进行扩展,得到扩展矩阵,记为Ext,Ext的行数与拼接矩阵的行数相同,列数与拼接矩阵的列数相同,且Ext中各轨迹与身份信息(如车牌)的概率(即轨迹与身份信息的匹配概率)与矩阵D中保持一致。即:对于Ext的每一行,如果该行所代表的轨迹在矩阵D中也出现了,该行各列对应的概率与矩阵D中保持一致,矩阵D中未出现的身份信息所对应的列中的元素赋值为0;如果该行所代表的轨迹在矩阵D中未出现,则将该行所有元素值赋为0。
(3)将拼接矩阵与扩展矩阵中对应位置的元素相乘,得到整合矩阵,记为Mer,即Mer=Joint.×Ext。其中“.×”表示两个大小相同的矩阵的对应位置上的元素相乘。需要指出的是,当执行上述(1)~(3)后,能够确定出来源于不同父节点的第三目标车辆的轨迹和第四目标车辆的身份信息。参考图4中的Mer矩阵,轨迹1、轨迹2、身份信息A01和身份信息A02来源于父节点对应的矩阵C,轨迹4和身份信息A04来源于父节点对应的矩阵E。通过点乘处理之后,能够唯一确定出轨迹4对应的身份信息是A04。
(4)将矩阵Mer中不为0的元素所在的行列删除,得到一个全为0的矩阵Temp,将Joint中对应的元素值赋给Temp,得到矩阵Del。其中,矩阵Temp用于指示不存在任何对应关系的轨迹和身份信息。
(5)将矩阵Del中的值赋给矩阵Mer中对应的元素,赋值后的矩阵Mer为包含优化后的第一匹配关系和优化后的第二匹配关系的矩阵。进一步地,为了更直观地体现出轨迹与身份信息的匹配程度,则对赋值后的矩阵Mer进行归一化,得到最终矩阵Res。归一化过程如下:对于矩阵Mer中的各元素Meri,j按照下式进行归一化:
其中,MR为赋值后的矩阵Mer的列数,而赋值后的矩阵Mer的列数与Joint的列数相同,即上述的i,t分别小于或等于矩阵Joint的行数、列数。
在一些实施例中,当得到优化后的第一匹配关系和优化后的第二匹配关系后,则采用优化后的第一匹配关系替换优化前的第一匹配关系,采用优化后的第二匹配关系替换优化前的第二匹配关系,以实现第一匹配关系和第二匹配关系的更新。
在一些实施例中,步骤S22(或步骤S12),包括:
C1、接收第二雷达上传的第二车辆动态信息,第二车辆动态信息包括第三目标车辆的位置信息。
具体地,当雷达检测到目标后,将该目标的位置信息向处理设备上传。当然,该雷达还可以上传该目标的速度、角度、目标与雷达的距离等信息,即第二车辆动态信息还可以包括速度、角度、目标与雷达的距离等信息。需要指出的是,雷达获取的第二车辆动态信息是以回波信号的形式上传,处理设备通过对该回波信号进行采样,得到数字信号后,再对该数字信号进行处理,得到对应的第二车辆动态信息。
C2、接收第二RSU上传的第二车辆结构化信息,第二车辆结构化信息包括第四目标车辆的身份信息。
具体地,RSU通过短程高频(如5.8G)通信方式在覆盖的有效OBU数据读取区域内,对车辆上安装的OBU电子标签进行数据读写,获取该OBU的身份信息,如获取车辆的车牌。在一些实施例中,该第二车辆结构化信息还可以包括:车型信息、车辆颜色信息、生产年代信息、车辆所属人或单位信息等。
C3、根据第三目标车辆的位置信息生成第三目标车辆的轨迹。
具体地,处理设备根据各个位置信息的关系确定对应的轨迹。在一些实施例中,可结合目标(如第三目标车辆)的位置信息、速度、角度等信息预估下一时刻的位置信息,进而生成各个第三目标车辆的轨迹。
C4、从第三目标车辆的轨迹与第一目标车辆的轨迹中确定出属于同一车辆的轨迹,并为属于同一车辆的各个轨迹均设置相同的轨迹标识,轨迹标识与轨迹一一对应。
具体地,可根据各个轨迹所对应的位置信息、速度、角度等来判断第三目标车辆的轨迹和第一目标车辆的轨迹是否存在相同车辆的轨迹,若是,则对相同车辆对应的第一目标车辆的轨迹和第三目标车辆的轨迹均采用相同的轨迹标识进行标记,即采用不同的轨迹标识对不同车辆的轨迹进行唯一性标记。
C5、将第三目标车辆的轨迹和第四目标车辆的身份信息匹配,确定第二节点的第二匹配关系,第二匹配关系中采用第三目标车辆的轨迹对应的轨迹标识表示第三目标车辆的轨迹。
本实施例中,由于在确定第二匹配关系之前,预先统一同一车辆在不同节点得到轨迹的轨迹标识,即保证后续结合第一匹配关系对第二匹配关系优化时,第一匹配关系和第二匹配关系所对应的轨迹的关系是正确的,因此能够提高优化后的第二匹配关系的准确率。
在一些实施例中,若在确定第二匹配关系之后再对不同节点下的轨迹进行唯一标记,即第二匹配关系和第一匹配关系均采用自定义标识表示对应的目标车辆的轨迹,则在步骤S13之前,包括:
D1、从第三目标车辆的轨迹与第一目标车辆的轨迹中确定出属于同一车辆的轨迹,并为属于同一车辆的各个轨迹均设置相同的轨迹标识,轨迹标识与轨迹一一对应。
D2、根据轨迹标识修改第二匹配关系和/或第一匹配关系中的自定义标识,得到新的第二匹配关系和新的第一匹配关系。
上述步骤S13包括:
根据新的第二匹配关系以及新的第一匹配关系对新的第二匹配关系进行优化处理。
本实施例中,由于在确定第二匹配关系之前没有对不同节点下的轨迹进行唯一标记,比如,车辆A经过节点A和节点B,分别得到轨迹a和轨迹b,且采用自定义标识“1”和自定义标识“2”分别表示这两条轨迹,则在对第二匹配关系进行优化之前,需要先修改这两条轨迹的自定义标识,以保证同一车辆在不同节点下的轨迹均采用相同的轨迹标识标记,从而提高得到的优化处理后的第二匹配关系的准确性。需要指出的是,对自定义标识的修改可只修改某一个匹配关系的自定义标识,也可以同时修改所有匹配关系的自定义标识,只需保证执行修改动作后的各个匹配关系所对应的同一车辆下的各个轨迹均采用相同的轨迹标识进行标记即可。
在一些实施例中,上述步骤C4(或步骤D1),包括:
E1、将第三目标车辆的轨迹和第一目标车辆的轨迹统一到同一坐标系下。
这里的同一坐标系可为世界坐标系,即第三目标车辆的轨迹和第一目标车辆的轨迹均统一到世界坐标系下。或者,将第三目标车辆的轨迹转换到第一目标车辆的轨迹所对应的坐标系,以使第三目标车辆的轨迹和第一目标车辆的轨迹统一到同一坐标系下。
E2、从统一到同一坐标系下的第三目标车辆的轨迹和第一目标车辆的轨迹中确定出属于同一车辆的轨迹,并为属于同一车辆的各个轨迹均设置相同的轨迹标识。
上述E1和E2中,由于先将各个轨迹统一到同一坐标系下,再根据坐标***一后的各条轨迹的位置信息、速度、角度等判断是否属于同一车辆的轨迹,因此,提高了确定两条轨迹是否属于同一车辆的轨迹的准确性。
在一些实施例中,考虑到用户可能希望查看某一个车辆在各个节点所对应的轨迹,则在确定出属于同一车辆的轨迹之后,包括:
若接收到轨迹输出指令,则从该轨迹输出指令提取出车辆的身份信息,根据该身份信息将属于身份信息对应的车辆的各个轨迹进行拼接,得到身份信息对应的完整轨迹,并输出完整轨迹。
具体地可先将各个节点获得的各个轨迹进行拼接,得到各个车辆在所有节点下的完整轨迹之后,再对该完整轨迹设置轨迹标识。例如,假设车辆A经过了节点A、节点B和节点C,且在节点A的轨迹为轨迹a,在节点B的轨迹为轨迹b,在节点C的轨迹为轨迹c,则将轨迹a、轨迹b以及轨迹c进行拼接,得到该车辆A的完整轨迹,再对该车辆A的完整轨迹进行轨迹标识。本实施例中,由于将各个节点的轨迹进行拼接,因此,有利于用户直观查看其希望查看的车辆的完整轨迹,提高用户的良好体验。
在一些实施例中,上述步骤S11(或步骤S21),包括:
F1、接收第一雷达上传的第一车辆动态信息,第一车辆动态信息包括第一目标车辆的位置信息。
F2、接收第一RSU上传的第一车辆结构化信息,第一车辆结构化信息包括第二目标车辆的身份信息。
F3、根据第一目标车辆的位置信息生成第一目标车辆的轨迹。
F4、将第一目标车辆的轨迹和第二目标车辆的身份信息匹配,确定第一匹配关系。
其中,上述F1~F3的实现过程与上述C1~C3的实现过程类似,F4的实现过程与上述的C4的实现过程类似,此处不再赘述。
在一些实施例中,第一雷达的数量大于1,上述步骤F3,包括:
F31、将各个第一雷达上传的第一目标车辆的位置信息进行空间校准。
F32、根据校准后的各个第一目标车辆的位置信息生成第一目标车辆的轨迹。
上述F31和F32中,当同一门架(或侧杆)安装了多个雷达之后,则需要对该雷达上传的位置信息进行空间校准。具体地,根据各个雷达的安装位置,将各个雷达上传的位置信息转换到同一坐标系下,从而实现位置信息的空间校准。
在一些实施例中,若同一门架(或侧杆)既安装了正向雷达,也安装了反向雷达,则上述步骤F32包括:
分别根据校准后的各个正向雷达所上传的第一目标车辆的位置信息生成正向轨迹,以及,分别根据校准后的各个反向雷达所上传的第一目标车辆的位置信息生成反向轨迹。其中,正向轨迹和反向轨迹属于上述的第一目标车辆的轨迹。进一步地,当得到正向轨迹和反向轨迹之后,再对该正向轨迹和反向轨迹进行拼接。
由于将正向轨迹和反向轨迹的生成过程分开,因此,有利于提高轨迹的生成速度。
在一些实施例中,在步骤S13和步骤S23之后,包括:根据优化后的第二匹配关系对第三目标车辆进行身份识别。
本实施例中,由于优化后的第二匹配关系更准确,因此,根据该优化后的第二匹配关系进行的身份识别也更准确。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
实施例二:
对应于上文实施例的应用于车路协同的匹配关系确定方法,图5示出了本申请实施例提供的一种应用于车路协同的匹配关系确定装置的结构框图,为了便于说明,仅示出了与本申请实施例相关的部分。
参照图5,该应用于车路协同的匹配关系确定装置5可应用在处理设备中,包括:第一匹配关系确定模块51、第二匹配关系确定模块52、第二匹配关系优化模块53。其中:
第一匹配关系确定模块51,用于确定第一节点的第一匹配关系,第一匹配关系的数值用于指示第一目标车辆的轨迹与第二目标车辆的身份信息的匹配程度,第一目标车辆为第一雷达检测到的车辆,第二目标车辆为第一RSU检测到的车辆。
第二匹配关系确定模块52,用于确定第二节点的第二匹配关系,其中,在预存的拓扑结构图中,第一节点为第二节点的父节点,第二匹配关系的数值用于指示第三目标车辆的轨迹与第四目标车辆的身份信息的匹配程度,第三目标车辆为第二雷达检测到的车辆,第四目标车辆为第二RSU检测到的车辆。
第二匹配关系优化模块53,用于根据第二匹配关系以及第一匹配关系对第二匹配关系进行优化处理,得到优化后的第二匹配关系。
其中,雷达与RSU的安装详见实施例一的描述,此处不再赘述。
本申请实施例中,确定第一节点的第一匹配关系以及第二节点的第二匹配关系后,根据第二匹配关系以及第一匹配关系对第二匹配关系进行优化处理,得到优化后的第二匹配关系。由于第一节点为第二节点的父节点,且由于道路本身的特点,当车辆经过子节点所对应的路段时,表明该车辆必然经过该子节点的某一个父节点所对应的路段,因此,根据第二匹配关系和第一匹配关系对该第二匹配关系进行优化,能够提高优化后的第二匹配关系的准确性,而第二匹配关系用于指示第三目标车辆的轨迹与第四目标车辆的身份信息的匹配程度,也即,本申请实施例能够提高车辆的轨迹与身份信息的匹配的准确率。
在一些实施例中,第二匹配关系优化模块53包括:
轨迹来源确定单元,用于根据第二匹配关系以及第一匹配关系,在第三目标车辆的轨迹和第四目标车辆的身份信息中,确定出来源于相同父节点的第三目标车辆的轨迹和来源于相同父节点的第四目标车辆的身份信息。
第二匹配关系优化单元,用于根据来源于相同父节点的第三目标车辆的轨迹和来源于相同父节点的第四目标车辆的身份信息对第二匹配关系进行优化处理,得到优化后的第二匹配关系。
在一些实施例中,第二匹配关系优化单元具体用于:
根据所述第二匹配关系以及所述第一匹配关系,确定出不存在任何匹配关系的第一目标车辆的轨迹和第二目标车辆的身份信息;根据不存在任何匹配关系的第一目标车辆的轨迹和第二目标车辆的身份信息,以及,根据所述来源于相同父节点的第三目标车辆的轨迹和所述来源于相同父节点的第四目标车辆的身份信息,对所述第二匹配关系进行优化处理,得到优化后的所述第二匹配关系。
在一些实施例中,在所述得到优化后的所述第二匹配关系之后,包括:
根据所述优化后的所述第二匹配关系对所述第一匹配关系进行优化处理,得到优化后的所述第一匹配关系。
在一些实施例中,第二匹配关系确定模块52包括:
第二车辆动态信息接收单元,用于接收第二雷达上传的第二车辆动态信息,第二车辆动态信息包括第三目标车辆的位置信息。
第二车辆结构化信息接收单元,用于接收第二RSU上传的第二车辆结构化信息,第二车辆结构化信息包括第四目标车辆的身份信息。
第三目标车辆的轨迹生成单元,用于根据第三目标车辆的位置信息生成第三目标车辆的轨迹。
同一车辆的轨迹确定单元,用于从第三目标车辆的轨迹与第一目标车辆的轨迹中确定出属于同一车辆的轨迹,并为属于同一车辆的各个轨迹均设置相同的轨迹标识,轨迹标识与轨迹一一对应。
第二匹配关系确定单元,用于将第三目标车辆的轨迹和第四目标车辆的身份信息匹配,确定第二节点的第二匹配关系,第二匹配关系中采用第三目标车辆的轨迹对应的轨迹标识表示第三目标车辆的轨迹。
在一些实施例中,第二匹配关系和第一匹配关系均采用自定义标识表示对应的目标车辆的轨迹,该应用于车路协同的匹配关系确定装置5包括:
同一车辆的轨迹确定单元,用于从第三目标车辆的轨迹与第一目标车辆的轨迹中确定出属于同一车辆的轨迹,并为属于同一车辆的各个轨迹均设置相同的轨迹标识,轨迹标识与轨迹一一对应。
新的匹配关系确定模块,用于根据轨迹标识修改第二匹配关系和/或第一匹配关系中的自定义标识;得到新的第二匹配关系和新的第一匹配关系。
对应地,第二匹配关系优化模块53具体用于:
根据新的第二匹配关系以及新的第一匹配关系对新的第二匹配关系进行优化处理。
在一些实施例中,同一车辆的轨迹确定单元,具体用于:
将第三目标车辆的轨迹和第一目标车辆的轨迹统一到同一坐标系下;从统一到同一坐标系下的第三目标车辆的轨迹和第一目标车辆的轨迹中确定出属于同一车辆的轨迹,并为属于同一车辆的各个轨迹均设置相同的轨迹标识。
在一些实施例中,该应用于车路协同的匹配关系确定装置5还包括:
完整轨迹输出模块,用于若接收到轨迹输出指令,则从该轨迹输出指令提取出车辆的身份信息,根据该身份信息将属于身份信息对应的车辆的各个轨迹进行拼接,得到身份信息对应的完整轨迹,并输出完整轨迹。
在一些实施例中,第一匹配关系确定模块51包括:
第一车辆动态信息接收单元,用于接收第一雷达上传的第一车辆动态信息,第一车辆动态信息包括第一目标车辆的位置信息。
第一车辆结构化信息接收单元,用于接收第一RSU上传的第一车辆结构化信息,第一车辆结构化信息包括第二目标车辆的身份信息。
第一目标车辆的轨迹生成单元,用于根据第一目标车辆的位置信息生成第一目标车辆的轨迹。
第一匹配关系确定单元,用于将第一目标车辆的轨迹和第二目标车辆的身份信息匹配,确定第一匹配关系。
在一些实施例中,第一雷达的数量大于1,第一目标车辆的轨迹生成单元具体用于:
将各个第一雷达上传的第一目标车辆的位置信息进行空间校准;根据校准后的各个第一目标车辆的位置信息生成第一目标车辆的轨迹。
需要说明的是,上述装置/单元之间的信息交互、执行过程等内容,由于与本申请方法实施例基于同一构思,其具体功能及带来的技术效果,具体可参见方法实施例部分,此处不再赘述。
实施例三:
图6为本申请一实施例提供的处理设备的结构示意图。如图6所示,该实施例的处理设备6包括:至少一个处理器60(图6中仅示出一个处理器)、存储器61以及存储在存储器61中并可在至少一个处理器60上运行的计算机程序62,处理器60执行计算机程序62时实现上述任意各个方法实施例中的步骤:
确定第一节点的第一匹配关系,第一匹配关系的数值用于指示第一目标车辆的轨迹与第二目标车辆的身份信息的匹配程度,第一目标车辆为第一雷达检测到的车辆,第二目标车辆为第一路侧单元RSU检测到的车辆;
确定第二节点的第二匹配关系,其中,在预存的拓扑结构图中,第一节点为第二节点的父节点,第二匹配关系的数值用于指示第三目标车辆的轨迹与第四目标车辆的身份信息的匹配程度,第三目标车辆为第二雷达检测到的车辆,第四目标车辆为第二RSU检测到的车辆;
根据第二匹配关系以及第一匹配关系对第二匹配关系进行优化处理,得到优化后的第二匹配关系。
可选地,根据第二匹配关系以及第一匹配关系对第二匹配关系进行优化处理,得到优化后的第二匹配关系,包括:
根据第二匹配关系以及第一匹配关系,在第三目标车辆的轨迹和第四目标车辆的身份信息中,确定出来源于父节点的第三目标车辆的轨迹和来源于父节点的第四目标车辆的身份信息;
根据来源于父节点的第三目标车辆的轨迹和来源于父节点的第四目标车辆的身份信息对第二匹配关系进行优化处理,得到优化后的第二匹配关系。
可选地,根据第二匹配关系以及第一匹配关系对第二匹配关系进行优化处理,得到优化后的第二匹配关系,包括:
根据第二匹配关系以及第一匹配关系,对第二匹配关系和第一匹配关系进行优化处理,得到优化后的第二匹配关系和优化后的第一匹配关系。
可选地,根据第二匹配关系以及第一匹配关系,对第二匹配关系和第一匹配关系进行优化处理,得到优化后的第二匹配关系和优化后的第一匹配关系,包括:
根据第二匹配关系以及第一匹配关系,在第三目标车辆的轨迹和第四目标车辆的身份信息中,确定出来源于父节点的第三目标车辆的轨迹和来源于父节点的第四目标车辆的身份信息;
根据来源于父节点的第三目标车辆的轨迹和来源于父节点的第四目标车辆的身份信息对第二匹配关系进行优化处理,得到优化后的第二匹配关系;
根据第二匹配关系以及第一匹配关系,确定出不存在任何匹配关系的第一目标车辆的轨迹和第二目标车辆的身份信息;
根据不存在任何匹配关系的第一目标车辆的轨迹和第二目标车辆的身份信息,对第一匹配关系进行优化处理,得到优化后的第一匹配关系。
可选地,确定第二节点的第二匹配关系,包括:
接收第二雷达上传的第二车辆动态信息,第二车辆动态信息包括第三目标车辆的位置信息;
接收第二RSU上传的第二车辆结构化信息,第二车辆结构化信息包括第四目标车辆的身份信息;
根据第三目标车辆的位置信息生成第三目标车辆的轨迹;
从第三目标车辆的轨迹与第一目标车辆的轨迹中确定出属于同一车辆的轨迹,并为属于同一车辆的各个轨迹均设置相同的轨迹标识,轨迹标识与轨迹一一对应;
将第三目标车辆的轨迹和第四目标车辆的身份信息匹配,确定第二节点的第二匹配关系,第二匹配关系中采用第三目标车辆的轨迹对应的轨迹标识表示第三目标车辆的轨迹。
可选地,第二匹配关系和第一匹配关系均采用自定义标识表示对应的目标车辆的轨迹,在根据第二匹配关系以及第一匹配关系对第二匹配关系进行优化处理之前,包括:
从第三目标车辆的轨迹与第一目标车辆的轨迹中确定出属于同一车辆的轨迹,并为属于同一车辆的各个轨迹均设置相同的轨迹标识,轨迹标识与轨迹一一对应;
根据轨迹标识修改第二匹配关系和/或第一匹配关系中的自定义标识;得到新的第二匹配关系和新的第一匹配关系;
根据第二匹配关系以及第一匹配关系对第二匹配关系进行优化处理,包括:
根据新的第二匹配关系以及新的第一匹配关系对新的第二匹配关系进行优化处理。
可选地,从第三目标车辆的轨迹与第一目标车辆的轨迹中确定出属于同一车辆的轨迹,包括:
将第三目标车辆的轨迹和第一目标车辆的轨迹统一到世界坐标系下;
从统一到世界坐标系下的第三目标车辆的轨迹和第一目标车辆的轨迹中确定出属于同一车辆的轨迹。
可选地,为属于同一车辆的各个轨迹均设置相同的轨迹标识,包括:
分别将属于同一车辆的各个轨迹进行拼接,得到各个属于同一车辆的完整轨迹,并为各个完整轨迹进行唯一性标识,得到各个完整轨迹的轨迹标识。
可选地,确定第一节点的第一匹配关系,包括:
接收第一雷达上传的第一车辆动态信息,第一车辆动态信息包括第一目标车辆的位置信息;
接收第一RSU上传的第一车辆结构化信息,第一车辆结构化信息包括第二目标车辆的身份信息;
根据第一目标车辆的位置信息生成第一目标车辆的轨迹;
将第一目标车辆的轨迹和第二目标车辆的身份信息匹配,确定第一匹配关系。
可选地,第一雷达的数量大于1,根据第一目标车辆的位置信息生成第一目标车辆的轨迹,包括:
将各个第一雷达上传的第一目标车辆的位置信息进行空间校准;
根据校准后的各个第一目标车辆的位置信息生成第一目标车辆的轨迹。
处理设备6可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。该处理设备可包括,但不仅限于,处理器60、存储器61。本领域技术人员可以理解,图6仅仅是处理设备6的举例,并不构成对处理设备6的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如还可以包括输入输出设备、网络接入设备等。
所称处理器60可以是中央处理单元(Central Processing Unit,CPU),该处理器60还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)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。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。
存储器61在一些实施例中可以是处理设备6的内部存储单元,例如处理设备6的硬盘或内存。存储器61在另一些实施例中也可以是处理设备6的外部存储设备,例如处理设备6上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,存储器61还可以既包括处理设备6的内部存储单元也包括外部存储设备。存储器61用于存储操作***、应用程序、引导装载程序(BootLoader)、数据以及其他程序等,例如计算机程序的程序代码等。存储器61还可以用于暂时地存储已经输出或者将要输出的数据。
实施例四:
图7为本申请一实施例提供的一种处理***的结构示意图。如图7所示,该实施例的一种处理***7包括:处理设备71,多个雷达72(图中仅示出了1个)和多个RSU73(图中仅示出了1个),该处理设备的处理过程与实施例三的处理设备的处理过程相同,此处不再赘述。
实施例五:
图8为本申请一实施例提供的另一种处理***的结构示意图。如图8所示,该实施例的一种处理***8包括:父节点路侧处理器81、子节点路侧处理器82、中心处理器83以及第一雷达84、第二雷达85、第一RSU86和第二RSU87。
父节点路侧处理器81用于确定第一节点的第一匹配关系,第一匹配关系的数值用于指示第一目标车辆的轨迹与第二目标车辆的身份信息的匹配程度,第一目标车辆为第一雷达84检测到的车辆,第二目标车辆为第一路侧单元RSU85检测到的车辆;
子节点路侧处理器82用于确定第二节点的第二匹配关系,其中,在预存的拓扑结构图中,第一节点为第二节点的父节点,第二匹配关系的数值用于指示第三目标车辆的轨迹与第四目标车辆的身份信息的匹配程度,第三目标车辆为第二雷达86检测到的车辆,第四目标车辆为第二RSU87检测到的车辆;
中心处理器83用于将第二匹配关系向子节点路侧处理器82转发;
子节点路侧处理器82还用于根据第二匹配关系以及第一匹配关系对第二匹配关系进行优化处理,得到优化后的所述第二匹配关系。
如图9所示,在本申请实施例中,设置一个路侧处理器(父节点路侧处理器81或子节点路侧处理器82)与一个节点对应,用于处理该节点下的雷达和RSU上次的各个信息,再通过中心处理器83实现各个路侧处理器的数据的接收和转发等。由于将数据处理过程分配给不同的处理器(路侧处理器或中心处理器),因此,分散了所需处理的事件,从而减少了数据延时,且数据分散处理也有利于在有限的带宽内快速传输。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述***中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
本申请实施例还提供了一种网络设备,该网络设备包括:至少一个处理器、存储器以及存储在所述存储器中并可在所述至少一个处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述任意各个方法实施例中的步骤。
本申请实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现可实现上述各个方法实施例中的步骤。
本申请实施例提供了一种计算机程序产品,当计算机程序产品在移动终端上运行时,使得移动终端执行时实现可实现上述各个方法实施例中的步骤。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请实现上述实施例方法中的全部或部分流程,可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质至少可以包括:能够将计算机程序代码携带到拍照装置/终端设备的任何实体或装置、记录介质、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,RandomAccess Memory)、电载波信号、电信信号以及软件分发介质。例如U盘、移动硬盘、磁碟或者光盘等。在某些司法管辖区,根据立法和专利实践,计算机可读介质不可以是电载波信号和电信信号。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中,应该理解到,所揭露的装置/网络设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/网络设备实施例仅仅是示意性的,例如,所述模块或单元的划分,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,例如多个单元或组件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讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
以上所述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精神和范围,均应包含在本申请的保护范围之内。
Claims (13)
1.一种应用于车路协同的匹配关系确定方法,其特征在于,包括:
确定第一节点的第一匹配关系,所述第一匹配关系的数值用于指示第一目标车辆的轨迹与第二目标车辆的身份信息的匹配程度,所述第一目标车辆为第一雷达检测到的车辆,所述第二目标车辆为第一路侧单元RSU检测到的车辆;
确定第二节点的第二匹配关系,其中,在预存的拓扑结构图中,所述第一节点为所述第二节点的父节点,所述第二匹配关系的数值用于指示第三目标车辆的轨迹与第四目标车辆的身份信息的匹配程度,所述第三目标车辆为第二雷达检测到的车辆,所述第四目标车辆为第二RSU检测到的车辆;
根据所述第二匹配关系以及所述第一匹配关系对所述第二匹配关系进行优化处理,得到优化后的所述第二匹配关系;
所述根据所述第二匹配关系以及所述第一匹配关系对所述第二匹配关系进行优化处理,得到优化后的所述第二匹配关系,包括:
根据所述第二匹配关系以及所述第一匹配关系,在所述第三目标车辆的轨迹和所述第四目标车辆的身份信息中,确定出来源于相同父节点的第三目标车辆的轨迹和来源于相同父节点的第四目标车辆的身份信息;
根据所述来源于相同父节点的第三目标车辆的轨迹和所述来源于相同父节点的第四目标车辆的身份信息对所述第二匹配关系进行优化处理,得到优化后的所述第二匹配关系。
2.如权利要求1所述的匹配关系确定方法,其特征在于,所述根据所述来源于相同父节点的第三目标车辆的轨迹和所述来源于相同父节点的第四目标车辆的身份信息对所述第二匹配关系进行优化处理,得到优化后的所述第二匹配关系,包括:
根据所述第二匹配关系以及所述第一匹配关系,确定出不存在任何匹配关系的第一目标车辆的轨迹和第二目标车辆的身份信息;
根据不存在任何匹配关系的第一目标车辆的轨迹和第二目标车辆的身份信息,以及,根据所述来源于相同父节点的第三目标车辆的轨迹和所述来源于相同父节点的第四目标车辆的身份信息,对所述第二匹配关系进行优化处理,得到优化后的所述第二匹配关系。
3.如权利要求1或2任一项所述的匹配关系确定方法,其特征在于,在所述得到优化后的所述第二匹配关系之后,包括:
根据所述优化后的所述第二匹配关系对所述第一匹配关系进行优化处理,得到优化后的所述第一匹配关系。
4.如权利要求1或2任一项所述的匹配关系确定方法,其特征在于,所述确定第二节点的第二匹配关系,包括:
接收所述第二雷达上传的第二车辆动态信息,所述第二车辆动态信息包括所述第三目标车辆的位置信息;
接收所述第二RSU上传的第二车辆结构化信息,所述第二车辆结构化信息包括所述第四目标车辆的身份信息;
根据所述第三目标车辆的位置信息生成所述第三目标车辆的轨迹;
从所述第三目标车辆的轨迹与所述第一目标车辆的轨迹中确定出属于同一车辆的轨迹,并为属于同一车辆的各个轨迹均设置相同的轨迹标识,所述轨迹标识与轨迹一一对应;
将所述第三目标车辆的轨迹和所述第四目标车辆的身份信息匹配,确定第二节点的第二匹配关系,所述第二匹配关系中采用所述第三目标车辆的轨迹对应的轨迹标识表示所述第三目标车辆的轨迹。
5.如权利要求1或2任一项所述的匹配关系确定方法,其特征在于,所述第二匹配关系和所述第一匹配关系均采用自定义标识表示对应的目标车辆的轨迹,在所述根据所述第二匹配关系以及所述第一匹配关系对所述第二匹配关系进行优化处理之前,包括:
从所述第三目标车辆的轨迹与所述第一目标车辆的轨迹中确定出属于同一车辆的轨迹,并为属于同一车辆的各个轨迹均设置相同的轨迹标识,所述轨迹标识与轨迹一一对应;
根据所述轨迹标识修改所述第二匹配关系和/或所述第一匹配关系中的自定义标识;得到新的第二匹配关系和新的第一匹配关系;
所述根据所述第二匹配关系以及所述第一匹配关系对所述第二匹配关系进行优化处理,包括:
根据所述新的第二匹配关系以及所述新的第一匹配关系对所述新的第二匹配关系进行优化处理。
6.如权利要求5所述的匹配关系确定方法,其特征在于,所述从所述第三目标车辆的轨迹与所述第一目标车辆的轨迹中确定出属于同一车辆的轨迹,并为属于同一车辆的各个轨迹均设置相同的轨迹标识,包括:
将所述第三目标车辆的轨迹和所述第一目标车辆的轨迹统一到同一坐标系下;
从统一到同一坐标系下的所述第三目标车辆的轨迹和所述第一目标车辆的轨迹中确定出属于同一车辆的轨迹,并为属于同一车辆的各个轨迹均设置相同的轨迹标识。
7.如权利要求1或2任一项所述的匹配关系确定方法,其特征在于,所述确定第一节点的第一匹配关系,包括:
接收所述第一雷达上传的第一车辆动态信息,所述第一车辆动态信息包括所述第一目标车辆的位置信息;
接收第一RSU上传的第一车辆结构化信息,所述第一车辆结构化信息包括所述第二目标车辆的身份信息;
根据所述第一目标车辆的位置信息生成所述第一目标车辆的轨迹;
将所述第一目标车辆的轨迹和所述第二目标车辆的身份信息匹配,确定第一匹配关系。
8.如权利要求7所述的匹配关系确定方法,其特征在于,所述第一雷达的数量大于1,所述根据所述第一目标车辆的位置信息生成所述第一目标车辆的轨迹,包括:
将各个所述第一雷达上传的所述第一目标车辆的位置信息进行空间校准;
根据校准后的各个所述第一目标车辆的位置信息生成所述第一目标车辆的轨迹。
9.一种应用于车路协同的匹配关系确定装置,其特征在于,包括:
第一匹配关系确定模块,用于确定第一节点的第一匹配关系,所述第一匹配关系的数值用于指示第一目标车辆的轨迹与第二目标车辆的身份信息的匹配程度,所述第一目标车辆为第一雷达检测到的车辆,所述第二目标车辆为第一RSU检测到的车辆;
第二匹配关系确定模块,用于确定第二节点的第二匹配关系,其中,在预存的拓扑结构图中,所述第一节点为所述第二节点的父节点,所述第二匹配关系的数值用于指示第三目标车辆的轨迹与第四目标车辆的身份信息的匹配程度,所述第三目标车辆为第二雷达检测到的车辆,所述第四目标车辆为第二RSU检测到的车辆;
第二匹配关系优化模块,用于根据所述第二匹配关系以及所述第一匹配关系对所述第二匹配关系进行优化处理,得到优化后的所述第二匹配关系;
所述第二匹配关系优化模块包括:
轨迹来源确定单元,用于根据第二匹配关系以及第一匹配关系,在第三目标车辆的轨迹和第四目标车辆的身份信息中,确定出来源于相同父节点的第三目标车辆的轨迹和来源于相同父节点的第四目标车辆的身份信息;
第二匹配关系优化单元,用于根据来源于相同父节点的第三目标车辆的轨迹和来源于相同父节点的第四目标车辆的身份信息对第二匹配关系进行优化处理,得到优化后的第二匹配关系。
10.一种处理设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至8任一项所述的方法。
11.一种处理***,其特征在于,包括如权利要求10所述的处理设备,以及,包括多个雷达和多个RSU。
12.一种处理***,其特征在于,包括父节点路侧处理器、子节点路侧处理器、中心处理器以及第一雷达、第二雷达、第一RSU和第二RSU;
所述父节点路侧处理器用于确定第一节点的第一匹配关系,所述第一匹配关系的数值用于指示第一目标车辆的轨迹与第二目标车辆的身份信息的匹配程度,所述第一目标车辆为第一雷达检测到的车辆,所述第二目标车辆为第一路侧单元RSU检测到的车辆;
所述子节点路侧处理器用于确定第二节点的第二匹配关系,其中,在预存的拓扑结构图中,所述第一节点为所述第二节点的父节点,所述第二匹配关系的数值用于指示第三目标车辆的轨迹与第四目标车辆的身份信息的匹配程度,所述第三目标车辆为第二雷达检测到的车辆,所述第四目标车辆为第二RSU检测到的车辆;
所述中心处理器用于将所述第二匹配关系向所述子节点路侧处理器转发;
所述子节点路侧处理器还用于根据所述第二匹配关系以及所述第一匹配关系对所述第二匹配关系进行优化处理,得到优化后的所述第二匹配关系;其中,所述根据所述第二匹配关系以及所述第一匹配关系对所述第二匹配关系进行优化处理,得到优化后的所述第二匹配关系,包括:
根据所述第二匹配关系以及所述第一匹配关系,在所述第三目标车辆的轨迹和所述第四目标车辆的身份信息中,确定出来源于相同父节点的第三目标车辆的轨迹和来源于相同父节点的第四目标车辆的身份信息;
根据所述来源于相同父节点的第三目标车辆的轨迹和所述来源于相同父节点的第四目标车辆的身份信息对所述第二匹配关系进行优化处理,得到优化后的所述第二匹配关系。
13.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至8任一项所述的方法。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110595277 | 2021-05-28 | ||
CN2021105952773 | 2021-05-28 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115410379A CN115410379A (zh) | 2022-11-29 |
CN115410379B true CN115410379B (zh) | 2024-02-13 |
Family
ID=84155707
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111630891.5A Active CN115410379B (zh) | 2021-05-28 | 2021-12-28 | 应用于车路协同的匹配关系确定方法、装置及处理设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115410379B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101967610B1 (ko) * | 2018-07-27 | 2019-08-13 | 주식회사 위드텍 | 다차로 차량속도 및 차량번호 인식이 가능한 다차로 모니터링 시스템 |
CN110189425A (zh) * | 2019-05-27 | 2019-08-30 | 武汉万集信息技术有限公司 | 基于双目视觉的多车道自由流车辆检测方法及*** |
CN110211388A (zh) * | 2019-05-27 | 2019-09-06 | 武汉万集信息技术有限公司 | 基于3d激光雷达的多车道自由流车辆匹配方法及*** |
CN110515073A (zh) * | 2019-08-19 | 2019-11-29 | 南京慧尔视智能科技有限公司 | 多雷达跨区域组网多目标跟踪识别方法及装置 |
CN110910651A (zh) * | 2019-11-08 | 2020-03-24 | 北京万集科技股份有限公司 | 车牌信息的匹配方法及***、存储介质、电子装置 |
CN110930692A (zh) * | 2019-10-24 | 2020-03-27 | 河北德冠隆电子科技有限公司 | 一种主动式车辆连续跟踪装置、***及方法 |
CN111008323A (zh) * | 2019-11-29 | 2020-04-14 | 北京明略软件***有限公司 | 一种身份标识的伴随关系确定方法及装置 |
CN111243277A (zh) * | 2020-03-09 | 2020-06-05 | 山东大学 | 基于车牌识别数据的通勤车辆时空轨迹重构方法及*** |
CN111257864A (zh) * | 2020-01-17 | 2020-06-09 | 河北德冠隆电子科技有限公司 | 一种主动式探测车辆持续跟踪断点补偿装置、***及方法 |
CN111787481A (zh) * | 2020-06-17 | 2020-10-16 | 北京航空航天大学 | 一种基于5g的路车协调高精度感知方法 |
CN112767475A (zh) * | 2020-12-30 | 2021-05-07 | 重庆邮电大学 | 一种基于c-v2x、雷达与视觉的智能路侧感知*** |
-
2021
- 2021-12-28 CN CN202111630891.5A patent/CN115410379B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101967610B1 (ko) * | 2018-07-27 | 2019-08-13 | 주식회사 위드텍 | 다차로 차량속도 및 차량번호 인식이 가능한 다차로 모니터링 시스템 |
CN110189425A (zh) * | 2019-05-27 | 2019-08-30 | 武汉万集信息技术有限公司 | 基于双目视觉的多车道自由流车辆检测方法及*** |
CN110211388A (zh) * | 2019-05-27 | 2019-09-06 | 武汉万集信息技术有限公司 | 基于3d激光雷达的多车道自由流车辆匹配方法及*** |
CN110515073A (zh) * | 2019-08-19 | 2019-11-29 | 南京慧尔视智能科技有限公司 | 多雷达跨区域组网多目标跟踪识别方法及装置 |
CN110930692A (zh) * | 2019-10-24 | 2020-03-27 | 河北德冠隆电子科技有限公司 | 一种主动式车辆连续跟踪装置、***及方法 |
CN110910651A (zh) * | 2019-11-08 | 2020-03-24 | 北京万集科技股份有限公司 | 车牌信息的匹配方法及***、存储介质、电子装置 |
CN111008323A (zh) * | 2019-11-29 | 2020-04-14 | 北京明略软件***有限公司 | 一种身份标识的伴随关系确定方法及装置 |
CN111257864A (zh) * | 2020-01-17 | 2020-06-09 | 河北德冠隆电子科技有限公司 | 一种主动式探测车辆持续跟踪断点补偿装置、***及方法 |
CN111243277A (zh) * | 2020-03-09 | 2020-06-05 | 山东大学 | 基于车牌识别数据的通勤车辆时空轨迹重构方法及*** |
CN111787481A (zh) * | 2020-06-17 | 2020-10-16 | 北京航空航天大学 | 一种基于5g的路车协调高精度感知方法 |
CN112767475A (zh) * | 2020-12-30 | 2021-05-07 | 重庆邮电大学 | 一种基于c-v2x、雷达与视觉的智能路侧感知*** |
Also Published As
Publication number | Publication date |
---|---|
CN115410379A (zh) | 2022-11-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE102019131118A1 (de) | System und verfahren zur bewertung des betriebs von umgebungserfassungssystemen von fahrzeugen | |
JP2016095831A (ja) | 運転支援システム及びセンタ | |
CN107273771B (zh) | 车辆行驶方向的识别方法、***、标识站、存储器及后台服务器 | |
CN104502934A (zh) | 车辆定位方法和*** | |
CN110765224A (zh) | 电子地图的处理方法、车辆视觉重定位的方法和车载设备 | |
CN115410379B (zh) | 应用于车路协同的匹配关系确定方法、装置及处理设备 | |
CN113888860A (zh) | 车辆异常行驶的检测方法、装置、服务器及可读存储介质 | |
CN112017428B (zh) | 路侧车联网装置、高架桥路段识别方法及车载车联网装置 | |
CN110442589B (zh) | 一种电子地图更新方法、装置及设备 | |
CN118200353A (zh) | 用于车联网的数据传输方法、装置、存储介质和*** | |
CN105488127A (zh) | 桩号关联方法及*** | |
CN115273436B (zh) | 积水预警处理方法、***、终端设备及存储介质 | |
CN115884131A (zh) | 分布式路侧基站***、路侧信息处理方法及存储介质 | |
WO2019037707A1 (zh) | 一种测量方法和装置 | |
CN103942956A (zh) | 一种应用于高速公路的车辆通行卡*** | |
CN115331480A (zh) | 一种车辆预警方法、装置及计算设备 | |
CN115905247A (zh) | 高精地图的更新方法、***、介质、终端及服务器端 | |
CN115063980B (zh) | 一种自适应车辆异常行驶检测方法、装置及终端设备 | |
CN117854284B (zh) | 一种复杂道路环境的车路协同监控方法及车检器装置 | |
CN115171373B (zh) | 用于智慧公路***的网关设备优化部署方法 | |
CN118280123A (zh) | 一种车辆身份匹配方法、装置、雷达基站和存储介质 | |
CN114363308B (zh) | 一种地图数据的传输方法及装置 | |
CN117956430A (zh) | 误差分析方法、装置、设备及存储介质 | |
CN114940181A (zh) | 车辆变道预测方法、装置及电子设备 | |
CN114781803A (zh) | 针对智慧交通的街区流量分析方法及电子设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |