CN115701609A - 路况仿真设备及方法 - Google Patents
路况仿真设备及方法 Download PDFInfo
- Publication number
- CN115701609A CN115701609A CN202110880708.0A CN202110880708A CN115701609A CN 115701609 A CN115701609 A CN 115701609A CN 202110880708 A CN202110880708 A CN 202110880708A CN 115701609 A CN115701609 A CN 115701609A
- Authority
- CN
- China
- Prior art keywords
- simulated
- vehicle
- driving
- simulation
- lane
- 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
Landscapes
- Traffic Control Systems (AREA)
Abstract
本申请公开了一种路况仿真设备及方法,属于电子技术领域。所述路况仿真设备用于:获取承载有多个仿真车辆的仿真路段,该多个仿真车辆具有至少两种行驶特性;基于该多个仿真车辆中每个仿真车辆的行驶特性,控制该每个仿真车辆从仿真路段的起始区域向仿真路段的终止区域行驶;获取仿真路段中各个仿真车辆在行驶过程中的行驶信息,行驶信息用作交通事件分析算法的训练数据。本申请解决了交通事件分析设备采用交通事件分析算法,对交通事件进行分析的准确度较低的问题。本申请用于进行路况的仿真。
Description
技术领域
本申请涉及电子技术领域,特别涉及一种路况仿真设备及方法。
背景技术
目前,对于交通环境中发生的交通事件的检测精准度的要求较高,以便于交通监管部门对交通事件进行及时有效地处理。交通环境至少包括车辆通行的道路,交通事件可以包括拥堵事件以及事故事件等。
相关技术中,交通环境中设置有交通信息检测设备和交通事件分析设备。交通信息检测设备可以检测交通环境中的车辆位置、车辆速度以及车辆类型等交通信息。交通事件分析设备可以采用交通事件分析算法,对该交通信息进行分析,以确定交通环境中出现的交通事件。
但是,相关技术中交通事件分析设备采用交通事件分析算法,对交通事件进行分析的准确度较低。
发明内容
本申请提供了一种路况仿真设备及方法,可以解决交通事件分析设备采用交通事件分析算法,对交通事件进行分析的准确度较低的问题。所述技术方案如下:
一方面,提供了一种路况仿真设备,所述路况仿真设备用于:
获取承载有多个仿真车辆的仿真路段,所述多个仿真车辆具有至少两种行驶特性;
基于所述多个仿真车辆中每个仿真车辆的行驶特性,控制所述每个仿真车辆从所述仿真路段的起始区域向所述仿真路段的终止区域行驶;
获取所述仿真路段中各个仿真车辆在行驶过程中的行驶信息,所述行驶信息用作交通事件分析算法的训练数据。
另一方面,提供了一种路况仿真方法,用于路况仿真设备;所述方法包括:
获取承载有多个仿真车辆的仿真路段,所述多个仿真车辆具有至少两种行驶特性;
基于所述多个仿真车辆中每个仿真车辆的行驶特性,控制所述每个仿真车辆从所述仿真路段的起始区域向所述仿真路段的终止区域行驶;
获取所述仿真路段中各个仿真车辆在行驶过程中的行驶信息,所述行驶信息用作交通事件分析算法的训练数据。
本申请提供的技术方案带来的有益效果至少包括:
本申请中,路况仿真设备可以针对仿真路段中具有至少两种行驶特性的多个仿真车辆,在仿真路段中进行车辆的行驶过程的仿真。仿真车辆具有较多行驶特性,可以保证仿真过程的全面性,使仿真过程与真实场景贴合度更高,保证得到的行驶信息的准确性。并且,可以得到大量的车辆的行驶信息,该行驶信息用于对交通事件分析算法进行训练。如此一来,可以减少对真实环境中各类交通事件对应的交通信息的获取,降低对交通事件分析算法的训练数据的获取难度,较容易地获取到大量的训练数据,保证对交通事件分析算法进行充足的训练,可以提升交通事件分析算法的计算精准性,提高交通事件分析设备对交通事件的分析效果。
即使针对真实环境中出现频率较低的交通事件,也可以容易地获取到大量的行驶信息,进而可以提升交通事件分析算法对真实环境中稀有的交通事件的分析精准性,提高交通事件分析设备对交通事件的分析效果。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅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是本申请实施例提供的一种路况仿真方法的流程图;
图2是本申请实施例提供的另一种路况仿真方法的流程图;
图3是本申请实施例提供的一种仿真车辆的行驶状态示意图;
图4是本申请实施例提供的另一种仿真车辆的行驶状态示意图;
图5是本申请实施例提供的再一种仿真车辆的行驶状态示意图;
图6是本申请实施例提供的又一种仿真车辆的行驶状态示意图;
图7是本申请另一实施例提供的一种仿真车辆的行驶状态示意图;
图8是本申请实施例提供的一种路况仿真设备的显示界面的示意图;
图9是本申请实施例提供的一种针对目标路段创建的平面直角坐标系的示意图;
图10是本申请实施例通过的一种路况仿真设备的结构框图。
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,下面将结合附图对本申请实施方式作进一步地详细描述。
目前,对交通监管部门的交通监管效果的要求越来越高。交通环境中可以设置有交通信息检测设备和交通事件分析设备。交通信息检测设备用于检测交通环境中的交通信息,如车辆的类型、速度以及位置等交通信息。交通信息检测设备可以包括卡口及收费站处的检测设备、毫米波雷达、路侧单元(Road Side Unit,RSU)、摄像头以及车流量传感器等。交通事件分析设备可以基于交通信息检测设备检测的交通信息,采用交通事件分析算法分析交通环境中的交通事件,如拥堵事件、违章事件、碰撞事件以及事故事件等。交通监管部门可以从交通事件分析设备,获取交通环境中发生的交通事件的信息。监管人员基于该交通事件的信息对交通环境中车辆的通行状况进行干预,保证交通环境的流畅运行,也即是保证交通环境中车辆的顺畅通行。交通事件分析设备可以为多接入边缘计算(Mobile EdgeComputing,MEC)设备,MEC设备分析交通事件采用的算法可以为MEC算法。
MEC算法需基于训练数据进行训练调优,训练数据越多越全面,交通事件分析算法的计算准确度就越高,交通事件分析设备对交通事件进行分析的准确度就越高,交通监管部门对交通环境的监管效果就可以越好。相关技术中,主要采用交通环境中的交通信息检测设备实际检测的交通信息作为训练数据。如该交通信息为雷达或摄像头捕捉到的车辆行驶的位置数据,进而对该数据进行解析得到车辆的实际行驶轨迹,以对MEC算法进行训练。但是交通信息检测设备实际采集的数据大多为常规行驶数据,如车辆正常行驶或者变道等过程中的行驶信息。而算法还被要求能对各种非正常行驶的场景进行分析,故还需要大量非正常行驶场景中的数据对算法进行训练。如车辆超速导致的碰撞事故场景,避让前方车辆导致的紧急转向、刹车以及占用应急车道等场景。而交通信息检测设备实际获取的交通信息中该非正常行驶场景中的数据较少,导致对算法的训练程度不足,交通事件分析设备采用该算法对非正常行驶场景的分析效果较差。
本申请实施例提供了一种路况仿真设备及方法,可以对路段中的车辆行驶轨迹进行模拟仿真,以获取各种场景下的车辆行驶数据,可以用该数据来训练或测试交通事件分析算法,提高交通事件分析设备的事件分析效果。
本申请实施例的路况仿真设备可以为计算能力较强的设备,如服务器或电脑等设备。可选地,该路况仿真设备还可以与交通事件分析设备通信连接,以将得到的车辆的仿真行驶信息发送至交通事件分析设备,供交通事件分析设备对交通事件分析算法进行训练调优。可选地,对算法进行训练调优的设备也可以与交通事件分析设备相独立,路况仿真设备还可以将得到的仿真行驶信息发送至用于进行算法训练调优的设备,进而由该设备将算法训练调优完成后,将得到的算法发送至交通事件分析设备。可选地,路况仿真设备也可以直接用作对算法进行训练调优的设备。可选地,也可以由工作人员手动将训练调优后的算法输入交通事件分析设备,本申请实施例不做限定。可选地,路况仿真设备还可以包括显示屏,用于显示仿真过程或者得到的仿真信息,或者接收工作人员输入的仿真过程中采用的配置参数等。
图1是本申请实施例提供的一种路况仿真方法的流程图,该方法可以用于上述的路况仿真设备。如图1所示,该方法可以包括:
步骤101、获取承载有多个仿真车辆的仿真路段,该多个仿真车辆具有至少两种行驶特性。
示例地,该行驶特性也即是仿真车辆的驾驶倾向,该行驶特性可以反映仿真车辆对行驶过程中各个场景的应对意向。该行驶特性可以对应驾驶员类型,如脾气急躁的驾驶员,冷静的驾驶员以及胆小的驾驶员等。如在当前车道较为拥堵的场景下,脾气急躁的驾驶员可能会立马控制车辆变道、掉头行驶或者占用应急车道等;冷静的驾驶员可能会等待一定时长后控制车辆变道或掉头;胆小的驾驶员可能会持续停留在原车道。可选地,本申请实施例中的仿真路段可以为针对高速公路的仿真。
步骤102、基于该多个仿真车辆中每个仿真车辆的行驶特性,控制该每个仿真车辆从仿真路段的起始区域向仿真路段的终止区域行驶。
仿真路段可以具有起始区域和终止区域,该起始区域与终止区域依据为该仿真路段设定的车辆行驶方向确定。起始区域为路段中车辆进入的区域,终止区域为路段中车辆离开的区域。仿真路段中的每个车道的两端均可以分别包括一个起始区域和一个终止区域。况仿真设备可以控制每个仿真车辆从仿真路段的起始区域驶向终止区域。基于仿真路段中每个仿真车辆的行驶特性,控制该车辆在仿真路段中针对遇到的场景执行相应的应对措施,
步骤103、获取仿真路段中各个仿真车辆在行驶过程中的行驶信息,行驶信息用作交通事件分析算法的训练数据。
本申请实施例中,仿真车辆的行驶信息可以包括仿真车辆在行驶过程中的位置、速度、加速度以及仿真车辆所在的车道等信息。路况仿真设备可以针对每个仿真车辆,确定该仿真车辆在仿真路段中的整个行驶过程中的行驶轨迹,将该行驶轨迹作为交通事件分析算法的训练数据。路况仿真设备还可以确定仿真过程中每个时刻仿真路段中所有仿真车辆的当前行驶信息,将该信息作为交通事件分析算法的训练数据。
综上所述,本申请实施例中路况仿真设备可以针对仿真路段中具有至少两种行驶特性的多个仿真车辆,在仿真路段中进行车辆的行驶过程的仿真。仿真车辆具有较多行驶特性,可以保证仿真过程的全面性,使仿真过程与真实场景贴合度更高,保证得到的行驶信息的准确性。并且,可以得到大量的车辆的行驶信息,该行驶信息用于对交通事件分析算法进行训练。如此一来,可以减少对真实环境中各类交通事件对应的交通信息的获取,降低对交通事件分析算法的训练数据的获取难度,较容易地获取到大量的训练数据,保证对交通事件分析算法进行充足的训练,可以提升交通事件分析算法的计算精准性,提高交通事件分析设备对交通事件的分析效果。
即使针对真实环境中出现频率较低的交通事件,也可以容易地获取到大量的行驶信息,进而可以提升交通事件分析算法对真实环境中稀有的交通事件的分析精准性,提高交通事件分析设备对交通事件的分析效果。
图2是本申请实施例提供的另一种路况仿真方法的流程图,该方法可以用于上述的路况仿真设备。如图2所示,该方法可以包括:
步骤201、创建仿真路段。
可选地,路况仿真设备可以针对实际交通环境中的某个路段(如目标路段)创建该路段的仿真路段。示例地,路况仿真设备可以获取目标路段的信息,如路段位置、路段形状、路段长度、路段中的车道数以及各个车道的限速等信息;进而基于该目标路段的信息创建仿真路段。
交通环境中的道路可以被划分为多个路段,每个路段中可以设置一个交通事件分析设备(如MEC设备)和多个交通信息检测设备(如毫米波雷达)。该MEC设备可以获取该多个毫米波雷达检测的交通信息,进而基于该交通信息分析该路段中的交通事件。由于不同路段的信息不同,对某路段中的交通事件进行分析所采用的算法若基于该路段中的交通信息训练,则该算法的精准度更高。本申请实施例中可以针对交通环境中不同的路段分别构建对应的仿真路段,进而基于该仿真路段中车辆的仿真行驶信息来对该路段对应的MEC设备采用的算法进行训练,可以保证对各个路段中的交通事件更有针对性地进行精准分析。
可选地,路况仿真设备也可以按照工作人员自行设定的信息创建通用的仿真路段,而不针对实际交通环境中的各个路段分别创建对应的仿真路段。且可以将该仿真路段中仿真所得的信息用于多个路段中的交通事件分析设备进行交通事件分析算法的训练调优,本申请实施例不作限定。
需要说明的是,本申请实施例以路况仿真设备创建该仿真路段为例。可选地,该仿真路段也可以由其他设备创建,路况仿真设备可以从该其他设备获取该仿真路段的信息,进而基于仿真路段的信息显示该仿真路段。该仿真路段的信息包括该仿真路段的形状、长度、车道数以及各个车道的限速等信息。
步骤202、接收至少两个行驶类型模板,该至少两个行驶类型模板用于分别描述至少两种行驶特性。
示例地,路况仿真设备可以包括输入设备,如输入设备为触控显示屏或者输入设备为键盘和鼠标等。工作人员可以通过输入设备向路况仿真设备输入行驶类型模板的信息,以使路况仿真设备接收到行驶类型模板。可选地,工作人员也可以预先将行驶类型模板的信息存储在其他设备中,路况仿真设备可以从其他设备获取预先存储的行驶类型模板。或者,该行驶类型模板也可以存储于互联网中,路况仿真设备可以从互联网中获取行驶类型模板。可选地,路况仿真设备获取的行驶类型模板的数量,可以等于或少于工作人员设定的行驶类型模板的数量。路况仿真设备可以仅选择所有行驶类型模板中的部分行驶类型模板用于路况仿真。
每个行驶类型模板可以用于描述一种行驶特性,行驶特性也即是驾驶员对车辆的驾驶倾向。行驶特性可以反映在各个场景中仿真车辆的应对意向,也即是在各个场景中仿真车辆可能执行的操作。每个行驶类型模板可以包括多个行驶参数的值,每个行驶类型模板中的多个行驶参数的值共同表征该行驶类型模板对应的行驶特性。可选地,不同的行驶类型模板也可以用于描述同一种行驶特性,用于描述同一种行驶特性的不同行驶类型模板可以分别对应不同的车辆类型,如货车,客车以及卡车等类型。如不同车辆类型对应的行驶类型模板中的车辆尺寸、最大速度以及加速度等不同。
行驶类型模板中的多个行驶参数可以包括以下行驶参数中的多个:车辆尺寸、期望车速、危险场景的判断条件、危险场景的判断周期、危险场景内车辆变道的概率、安全场景内车辆变道的概率、安全场景内车速低于期望车速时车辆提速的概率、安全场景内偏离车道时车辆在车道内调整行车路线的概率,以及占用应急车道时车辆离开应急车道的概率。行驶类型模板也可以包括上述的行驶参数之外的其他行驶参数,本申请实施例不作限定。
示例地,该车辆尺寸可以包括车辆长度和车辆宽度。该期望车速可以为车辆行驶较快且保证出现突发事件时驾驶员有足够的反应时间的车速。危险场景可以为车辆发生碰撞等交通事故的概率大于第一概率阈值的场景。在危险场景中车辆可以通过变道来规避危险。安全场景可以为车辆发生碰撞等交通事故的概率小于第二概率阈值的场景,第一概率阈值大于或等于第二概率阈值。在安全场景中车辆可以尽可能按照接近期望车速的速度行驶,以保证车辆的行驶效率。在安全场景中车辆还可以尽可能在当前车道行驶,且在当前车道的中间区域行驶,以保证行车规范,避免对其他车辆的影响。车辆未处于当前车道的中间区域则即为车辆偏离车道的情况。
可选地,工作人员还可以获取限制参数,以基于该限制参数来设置行驶类型模板中各个行驶参数的值。或路况仿真设备可以获取限制参数,以获取满足该限制参数的行驶类型模板。示例地,该限制参数可以包括车辆的最大限长,最大线宽,最大限速,加速及减速时的最大加速度,以及最大的横向移动速度等。横向也即是与车道的延伸方向垂直的方向。该限制参数的值可以基于实际交通环境中的经验值确定。行驶类型模板中行驶参数的值可以基于该限制参数设定。如期望车速需小于或等于该最大限速,车辆长度需小于或等于该最大限长,车辆宽度需小于或等于该最大限宽。仿真车辆在仿真路段中行驶时的速度以及加速度等也需基于该限制参数来确定。如此可以避免路况过程中仿真车辆产生违反物理定律的运动轨迹,使得仿真过程中车辆的行驶更加符合实际驾驶场景。
示例地,下表1是本申请实施例提供的一种行驶类型模板包括的行驶参数表。下表1中的“属性”列表示行驶参数的标识,“描述”列表示行驶参数的具体含义,“单位”列表示行驶参数的值或行驶参数的值的单位。下表1中仅示出了危险场景的判断周期这一行驶参数的值,未示出其他行驶参数的值。对于不同的行驶类型模板下表1中各个行驶参数的值可以不同。
表1
可选地,路况仿真设备获取的该至少两个行驶类型模板描述的至少两种行驶特性可以包括激烈行驶特性。在用于表征激烈行驶特性的行驶参数中,期望车速可以高于速度阈值,车辆变道的概率可以高于概率阈值。如该激烈行驶特性可以为脾气急躁的驾驶员对车辆的驾驶特性。路况仿真设备获取的行驶类型模板也可以对应多个车辆类型。
需要说明的是,本申请实施例以先创建仿真路段,之后接收行驶类型模板为例进行示意。路况仿真设备也可以先接收行驶类型模板再创建仿真路段,或者也可以同步创建仿真路段以及接收行驶类型模板,本申请实施例不作限定。
步骤203、基于该至少两个行驶类型模板,向仿真路段的起始区域中添加多个仿真车辆。
每个仿真车辆可以对应一种行驶类型模板,该多个仿真车辆具有至少两种行驶特性,每个仿真车辆具有一种行驶特性。该多个仿真车辆中不同的仿真车辆可以具有相同的行驶特性或相同的行驶类型模板。
可选地,路况仿真设备可以获取该至少两个行驶类型模板对应的车辆数比例。当每个行驶特性仅通过一个行驶类型模板描述时,该至少两个行驶类型模板对应的车辆数比例也即是至少两种行驶特性对应的车辆数比例。路况仿真设备可以依据该车辆数比例,确定向仿真路段中添加的采用各个行驶类型模板的仿真车辆的数量,以及确定各个仿真车辆采用的行驶类型模板。示例地,路况仿真设备在步骤202中获取到行驶类型模板A、B和C,在步骤203中路况仿真设备确定该三种模板对应的车辆数比例为1:1:2,则路况仿真路段在向仿真路段中添加12个仿真车辆时,可以使其中3个仿真车辆采用行驶类型模板A,3个仿真车辆采用行驶类型模板B,剩余6个仿真车辆采用行驶类型模板C。
可选地,路况仿真设备还可以基于行驶类型模板中的车辆尺寸以及期望车速,设置采用该行驶类型模板的仿真车辆的尺寸及初始速度。如可以将该仿真车辆的尺寸设置为行驶类型模板中的车辆尺寸;可以将该仿真车辆的初始速度设置为该期望车速,或者也可以使该初始速度小于该期望车速。路况仿真设备还可以基于行驶类型模板中的其他行驶参数,对仿真车辆进行设置。然后,路况仿真设备将设置完毕的仿真车辆,随机添加至仿真路段的一个车道的起始区域。可选地,路况仿真设备可以在每次对一个仿真车辆设置完毕后,均将该仿真车辆添加至仿真路段中。或者,路况仿真设备也可以先设置多个仿真车辆,且确定每个仿真车辆对应的车道。接着将仿真车辆按照对应的车道进行分组排序,按照该排序间隔一定时间向该车道上依次添加仿真车辆。任意相邻两个仿真车辆的添加间隔时间可以相同,或者每相邻两个仿真车辆的添加间隔时间也可以随机确定,本申请实施例不作限定。
步骤201至步骤203也即是建立承载有多个仿真车辆的仿真路段的过程。路况仿真设备可以在显示屏中先显示未承载仿真车辆的仿真路段,之后再在仿真路段的起始区域显示仿真车辆。或者也可以直接在显示屏中显示起始区域中有多个仿真车辆的仿真路段,本申请实施例不作限定。
步骤204、基于仿真路段中每个仿真车辆的行驶类型模板,控制该仿真车辆向仿真路段的终止区域行驶。
在路况仿真过程中,各个仿真车辆均基于对应的行驶特性,从仿真路段的起始区域驶向终止区域。由于各个仿真车辆的行驶特性不同,仿真车辆在行驶过程中可能会基于所处的场景进行不同的操作,如变道,刹车,加速以及掉头等;也可能会发生交通事件,如碰撞事件,拥堵事件等。路况仿真设备可以基于仿真车辆采用的行驶类型模板中表示概率的行驶参数,按照随机命中规则确定仿真车辆是否执行该行驶参数对应的行驶动作。若行驶类型模型中的某一行驶参数为某一特定场景下车辆进行某一行驶动作的概率;则在仿真车辆处于该特定场景时,路况仿真设备直接基于行驶类型模板中该特定场景下进行某一行驶动作的概率,采用随机命中规则确定仿真车辆是否执行该行驶动作。
示例地,行驶类型模板中表示概率的行驶参数可以包括:危险场景内车辆变道的概率,安全场景内车辆变道的概率,安全场景内车速低于期望车速时车辆提速的概率,安全场景内偏离车道时车辆在车道内调整行车路线的概率,以及占用应急车道时车辆离开应急车道的概率。如在危险场景内,基于危险场景内车辆变道的概率,通过随机命中规则确定是否进行变道。又如,仿真车辆在安全场景内且车速低于期望车速,则基于安全场景内车速低于期望车速时车辆提速的概率,确定是否控制仿真车辆提速。例如,该概率为80%,路况仿真设备可以在确定仿真车辆处于危险场景时,生成一个0~100之间的随机数。若该随机数小于或等于80则控制仿真车辆变道,若该随机数大于80则不控制仿真车辆变道。在不控制仿真车辆变道时,可以控制仿真车辆以原行驶状态继续行驶,也可以控制仿真车辆执行其他行驶动作,如刹车。
可选地,路况仿真设备也可以不基于行驶类型模板中规定的场景以及行驶动作控制仿真车辆行驶,而直接控制仿真路段中的仿真车辆进行操作,如可以直接控制某一仿真车辆变道或刹车。或者,也可以直接使仿真路段中出现特定的交通事件,在仿真路段中设置障碍物以使仿真车辆进行相应地操作。示例地,路况仿真设备可以在仿真路段中任一仿真车辆的行驶过程中,接收针对该仿真车辆的速度调整指令。该速度调整指令用于指示调整该仿真车辆的纵向速度和横向速度中的至少一种。该纵向速度为在车道的延伸方向上的速度,该横向速度为在与车道的延伸方向垂直的方向上的速度。该速度调整指令可以由工作人员手动触发,或者也可以由路况仿真设备自行触发。路况仿真设备可以基于速度调整指令,调整该仿真车辆的速度。如基于该纵向速度控制车辆加速或减速,基于该横向速度控制仿真车辆向左或向右变道。如此可以使仿真车辆实现加速、逆行、占用应急车道以及碰撞中的至少一种异常行驶行为。路况仿真设备控制仿真车辆加速,该仿真车辆可能会与其前方的仿真车辆发生碰撞;控制仿真车辆减速,该仿真车辆可能会与其后方的仿真车辆发生碰撞。
路况仿真设备可以进行车辆的常规行驶场景下的仿真,也可以进行异常行驶场景的仿真。该常规行驶场景也即是上述的安全场景,该异常行驶场景也即是上述的危险场景。如此可以丰富车辆的行驶场景,获取到多种行驶场景中车辆的行驶信息,保证交通事件分析算法的训练数据的充足全面。示例地,针对每个仿真车辆,路况仿真设备可以基于行驶类型模板中危险场景的判断周期(如50毫秒),周期性地检测仿真车辆周围的车辆以及障碍物的位置与速度,以判断该仿真车辆是否处于危险场景中。如危险场景可以为仿真车辆有较大的概率与其他车辆发生碰撞的场景。在确定仿真车辆处于危险场景时,在该周期内对该危险场景进行处理。在确定仿真车辆未处于危险场景时,可以确定该仿真车辆处于安全场景。在仿真车辆处于危险场景时,仿真路段中仿真车辆的行驶过程即为危险场景中的的仿真过程;在仿真车辆处于安全场景时,仿真路段中仿真车辆的行驶过程即为安全场景中的仿真过程。
路况仿真设备可以基于行驶类型模板中危险场景的判断条件,来判断仿真车辆是否处于危险场景。示例地,如表1所示,该判断条件可以为按照仿真车辆的当前速度,该仿真车辆与同车道中该仿真车辆前方的仿真车辆或障碍物追尾所需的时长小于时长阈值。如路况仿真设备可以确定仿真车辆与其前方的仿真车辆(简称为前车)或障碍物的速度差,进而基于该速度差确定仿真车辆是否会与前车或前方的障碍物发生追尾事件。在会发生追尾事件时,确定当前时刻到预计发生追尾事件的时刻之间的时长,并确定该时长是否小于时长阈值。在该时长小于时长阈值时,确定仿真车辆当前处于危险场景中。可选地,该判断条件也可以包括:该速度差大于差值阈值,以及该仿真车辆与前车或障碍物之间的距离小于距离阈值中的至少一种。
在确定仿真车辆危险场景后,路况仿真设备可以控制仿真车辆执行避险操作。如路况仿真设备可以首先根据行驶类型模板中危险场景内车辆变道的概率,随机命中确定该仿真车辆的应对意向。该应对意向包括变道或者继续在当前车道行驶,也即判断是否通过变道的方式进行避险。路况仿真设备还可以确定该仿真车辆所在车道的相邻车道是否满足变道条件。该满足变道条件的相邻车道中无车辆干扰该仿真车辆的变道,如该变道条件可以为相邻车道中在该仿真车辆前后方指定范围内无车辆。
在确定应对意向为变道,且仿真车辆所在车道的相邻车道满足变道条件时,控制该仿真车辆在第一时长内变道至相邻车道行驶。如该第一时长可以为1秒。示例地,图3是本申请实施例提供的一种仿真车辆的行驶状态示意图。其中分别展示了仿真车辆在变道过程中的四个状态。在应对意向为继续在当前车道行驶,或者应对意向为变道且相邻车道不满足变道条件时,控制该仿真车辆采用目标加速度刹车,该目标加速度大于加速度阈值。可选地,该目标加速度为仿真车辆刹车时所能达到的最大加速度,以保证仿真车辆尽快停止,避免与前车或前方的障碍物相撞。示例地,图4是本申请实施例提供的另一种仿真车辆的行驶状态示意图。其中分别展示了仿真车辆在刹车过程中的四个状态。若仿真车辆在刹车过程中与前车或前方的障碍物发生碰撞,则路况仿真设备可以根据实际碰撞场景模拟该仿真车辆发生碰撞后的位移变化。示例地,图5是本申请实施例提供的再一种仿真车辆的行驶状态示意图。其中分别展示了仿真车辆与前车发生碰撞的场景中的四个状态。
在确定仿真仿真车辆处于安全场景后,路况仿真设备可以比较该仿真车辆的当前速度与仿真车辆的期望速度。在确定该仿真车辆的当前速度与期望速度不同时,可以调整仿真车辆的速度以使仿真车辆按照期望车速行驶,保证仿真车辆在安全场景中的行驶速度较快。在确定仿真仿真车辆处于安全场景后,路况仿真设备还可以确定仿真车辆是否处于车道的中央位置。在仿真车辆未处于车道的中央位置时,可以基于仿真车辆对应的调整行车路线的概率,随机命中确定仿真车辆是否调整行车路线。调整行车路线也即是矫正仿真车辆的位置,将仿真车辆调整至在车道的中央位置行驶。在确定不调整行车路线时,仿真车辆继续按照当前行驶轨迹行驶。示例地,图6是本申请实施例提供的又一种仿真车辆的行驶状态示意图。其中从左至右的四个小汽车分别表示仿真车辆先后的四个状态。
在确定仿真车辆处于安全场景后,路况仿真设备还可以比较该仿真设备的速度与同车道中前车的速度。在该仿真车辆的速度大于前车的速度时,路况仿真设备可以基于行驶类型模板中安全场景内的车辆变道概率,随机命中该仿真车辆的应对意向。该应对意向包括变道或者继续在当前车道行驶。路况仿真设备还可以确定该仿真车辆所在车道的相邻车道是否满足变道条件。在确定该应对意向为变道,且相邻车道满足变道条件时,路况仿真设备可以控制仿真车辆在第二时长内变道至相邻车道。该第二时长可以大于第一时长,如该第二时长的范围可以为3秒~5秒。在应对意向为继续在当前车道行驶,或者应对意向为变道且相邻车道不满足变道条件时,路况仿真设备可以控制仿真车辆减速,直至与前车速度相同。关于变道条件的相关介绍可以参考上述对危险场景的介绍中关于变道条件的相关描述,本申请实施例不再赘述。示例地,图7是本申请另一实施例提供的一种仿真车辆的行驶状态示意图。其中从左至右示出的三个小汽车分别表示仿真车辆进行变道过程中的三个状态。
在路况仿真过程中路况仿真设备可以根据仿真车辆周边车辆的状态,按危险场景处理,调整驾驶状态,以及保持驾驶状态的优先顺序对仿真车辆的行驶动作进行控制,以实现仿真车辆的行驶轨迹的模拟仿真。示例地,路况仿真设备在将仿真车辆添加至仿真路段后,可以周期性地更新仿真车辆的信息。在每个更新周期中针对每个仿真车辆,路况仿真设备可以基于仿真车辆的位置,确定该仿真车辆是否仍位于仿真路段中。若确定该仿真车辆不再位于仿真路段中,则从仿真路段中移除该仿真车辆,停止更新该仿真车辆的信息。若确定该仿真车辆仍位于仿真路段中,则更新该仿真车辆的当前信息。该当前信息可以包括仿真车辆的当前位置、速度以及加速度。该更新仿真车辆的信息也可以称为更新仿真车辆的运动属性。如可以基于该仿真车辆在前一更新周期中的信息来确定本更新周期中的信息。可选地,该更新周期可以与危险场景的判断周期相同。
可选地,路况仿真设备可以在每个更新周期中先检测仿真路段中是否发生交通事件(如碰撞事件),在发生碰撞事件后对该碰撞事件进行处理。在未发生碰撞事件时,正常更新仿真车辆的信息。由于路况仿真设备每隔一定时间更新仿真车辆的信息,在该间隔时间内可能会发生碰撞事件,导致无法基于仿真车辆在上一更新周期中的信息来更新本更新周期中的信息,故可以在更新周期中先检测碰撞事件,之后再进行信息更新。在仿真路段中任意的两个仿真车辆碰撞后,可以基于该两个仿真车辆的碰撞结果,更新该两个仿真车辆的信息。可选地,在仿真路段中发生碰撞事故后,发生碰撞的多个仿真车辆可以在第三时长内停留在原位置。在第三时长后,可以从仿真路段中删除发生碰撞的仿真车辆,或者使发生事故的仿真车辆重新开始行驶,以模拟交通事故被解决的情况。
在更新周期中,路况仿真设备可以基于仿真车辆的行驶意向,如变道刹车灯意向,向仿真车辆发送相应的命令,控制仿真车辆进行相应的操作。如可以根据该行驶意向调整车辆的纵向速度和/或横向速度。路况仿真设备还可以针对每个仿真车辆持续周期性地判断该仿真车辆是否处于危险场景,如检测仿真车辆是否发生碰撞事件。在该判断周期中若确定仿真车辆处于危险场景,则基于上述的危险场景中的控制方式对仿真车辆进行控制,停止基于原速度更新仿真车辆的信息。在仿真路段中出现拥堵事件或事故事件时,路况仿真设备可以控制仿真路段中的所有仿真车辆均减速。在确定仿真车辆处于安全场景中时,可以针对仿真车辆随机模拟舒适意向,如仿真车辆的舒适意向可以为按照最优的行驶方式行驶,该最优的行驶方式中仿真车辆的车速可以为期望车速。路况仿真设备可以随机命中是否按照最优的行驶方式行驶,以随机模拟舒适意向。可选地,路况仿真设备可以在未命中该舒适意向时,针对仿真车辆随机模拟矫正意向。该矫正意向可以为矫正仿真车辆的行驶路线,以使仿真车辆在车道的中间区域行驶的意向。路况仿真设备可以随机命中是否进行车辆行驶路线的矫正。
可选地,可以为仿真路段设置仿真时长,以便于路况仿真设备基于该仿真时长进行路况仿真,路况仿真设备针对仿真路段进行的每次仿真的时长可以为该仿真时长。如从该仿真路段中添加第一个仿真车辆的时刻开始计时,在计时达到该仿真时长后停止向该仿真路段中添加仿真车辆,且停止仿真路段中仿真车辆的继续行驶,以结束本次仿真。在下一次进行仿真时,可以重新设置仿真过程所基于的参数,如重新设置各个行驶类型模板对应的车辆数比例,进而重新进行路况仿真。
步骤205、获取仿真路段中各个仿真车辆在行驶过程中的行驶信息。
示例地,路况仿真设备在仿真路段中的各个仿真车辆的行驶过程中,可以实时地获取各个仿真车辆的信息,以获取仿真路段中当前时刻的所有信息。且可以汇总一段时间内仿真路段中所有仿真车辆的行驶信息。在仿真路段中发生交通事件时,也可以获取该交通事件的信息。如交通事件为拥堵事件时,该交通事件的信息可以包括拥堵区域的长度,拥堵车辆数,拥堵区域中的车辆密度,以及拥堵时长等。
可选地,路况仿真设备还可以显示仿真路段中的仿真过程。示例地,图8是本申请实施例提供的一种路况仿真设备的显示界面的示意图。如图8所示,路况仿真设备可以实时显示各个仿真车辆在仿真路段中的行驶状态的动态图。该显示界面还可以包括功能区,以通过该功能区对仿真过程进行人为干预。在功能区中可以进行一定的参数设置,如可以设置各类仿真车辆的比例,如网联车在全部仿真车辆中的比例。也可以对仿真过程进行特定的操作,如暂停仿真过程,重新开始仿真过程等。也可以针对仿真路段中的特定仿真车辆进行操作,如设定某车辆逆行,超速,抛锚或者刹车等,也可以设置某两个车辆相撞。该显示界面还可以包括行驶信息的显示区域,如图8中的“仿真程序消息”区。该区域中可以显示仿真过程中各个时刻仿真车辆执行的行驶动作,以及其他相关信息。可选地,路况仿真设备还可以采用MEC算法对仿真路段中的仿真车辆的信息进行分析,以进行相应地提示。如路况仿真设备的显示界面还可以包括用于显示提示信息的区域,如图8中的“MEC计算消息”区。该区域中可以显示路况仿真设备采用MEC算法对仿真路段中仿真车辆的信息进行分析,得出的提示信息。该提示信息包括车辆相撞的预警信息,前后车之间存在盲区的预警信息,占用应急车道的提示信息以及解除占用应急车道的预警信息。还可以存在其他情况的提示信息,本申请实施例不作限定。
步骤206、向交通事件分析设备发送获取的行驶信息。
可选地,由于交通事件分析设备需与交通信息检测设备进行数据传输,路况仿真设备可以按交通信息检测设备(如毫米波雷达)的数据传输协议,向交通事件分析设备发送仿真所得的行驶信息。如此可以无需再为交通事件分析设备配置更多的协议,提高数据传输便捷性。交通事件分析设备可以基于获取的行驶信息,对交通事件分析算法进行训练调优。
可选地,路况仿真设备获取的行驶信息可以为:基于经纬度坐标系确定的信息。路况仿真设备可以直接基于经纬度坐标,对仿真路段中车辆的信息进行计算,且向交通事件分析设备发送的行驶信息也可以为基于经纬度坐标系确定的信息。可选地,本申请实施例中也可以针对仿真路段重新构建坐标系,如构建平面直角坐标系,进而基于该重新构建的坐标系确定仿真路段中仿真车辆的行驶信息,该仿真车辆的信息可以包括仿真车辆在该平面直角坐标系中的二维坐标。针对路段构建坐标系也可以称为针对该路段生成二维画布。由于经纬度的数值的位数较多,如通常在小数点后还有多位,经纬度数据的数据量较大;且经纬度数据还需区分东西经,南北纬;故基于经纬度数据进行的计算较为复杂,且计算量较大。本申请实施例中,将经纬度坐标转换为平面直角坐标系中的二维坐标,如此用于计算的数据更接近整型,可以大幅降低计算量以提高计算效率,可以满***通环境中要求的交通信息的输出频率,如交通信息检测设备向交通事件分析设备发送交通信息的频率。如路况仿真设备输出仿真路段中的行驶信息的频率可以达到50赫兹(HZ)。
可选地,由于交通事件分析设备通常采用经纬度坐标进行计算,路况仿真设备将仿真车辆在平面直角坐标系中的坐标转换为经纬度坐标,也即是该二维坐标表示的行驶信息转换为经纬度坐标。之后,再将该经纬度坐标表示的行驶信息发送至交通事件分析设备。可选地,该平面直角坐标系也可以由其他设备构建,交通事件分析设备直接获取该平面直角坐标系,本申请实施例不作限定。
图9是本申请实施例提供的一种针对目标路段创建的平面直角坐标系的示意图。该目标路段可以为交通环境中的任一路段。如图9所示,该平面直角坐标系的第一轴(如y轴)可以平行于目标路段的起点D1与终点D2的连线L1(也即图中的虚线),目标路段的起点D1与终点D2分别位于目标路段的两端,如该起点D1与终点D2分别为目标路段的中线的两个端点。该起点D1与终点D2可以分别为目标路段在上行方向上的起点和终点,或者也可以分别为目标路段在下行方向上的起点和终点。该平面直角坐标系的第二轴(如x轴)经过该起点D1或终点D2,图9以x轴经过起点D1为例。可选地,目标路段可以位于该平面坐标系的第一象限,如此可以保证目标路段中的各个数据均为正值,降低计算复杂度。可选地,第二轴可以经过目标路段中在第一轴上的坐标值最小的点。
示例地,交通事件分析设备可以获取目标路段的高精度地图数据,基于该数据构建平面直角坐标系。该高精度地图数据可以为高精度经纬度数据,该高精度地图数据可以包括目标路段的边缘位置的经纬度,中线、车道线和边线的经纬度,目标路段的总宽度,车道数,以及绿化带的宽度等。交通事件分析设备可以按照目标路段的上行方向,连接目标路段的中线的起点D1和终点D2得到线段L1,以线段L1中从起点D1指向终点D2的方向作为y轴方向。可以平移该线段L1直至与目标路段的边线中最凸出的位置相切,得到y轴。接着可以以经过起点D1且垂直y轴的直线作为x轴,且使x轴与y轴构成的坐标系为右手坐标系,如此实现针对目标路段的平面直角坐标系的创建。
可选地,该平面直角坐标系中可以直接采用1米作为一个单位长度,或者也可以将单位长度设置为其他的长度。可选地,交通事件分析设备采用算法进行计算引起的最大误差为0.2米,可将0.2米作为一个单位长度,保证交通事件分析设备的计算简便性。可选地,也可以间0.1米或者其他长度作为一个单位长度,本申请实施例不做限定。本申请实施例中的平面直角坐标系相当于将经纬度坐标系进行一定角度的旋转得到。路况仿真设备可以使用转轴公式,计算平面直角坐标系中的某点在经纬度坐标系中的坐标。
本申请实施例中,通过预设的多个行驶类型模板,使仿真车辆可以根据采用的行驶类型模板作出多样化且符合道路行驶逻辑的行驶轨迹,且可以确保行驶轨迹逻辑自洽。并且路况仿真设备可以在局部路段内持续添加不同仿真车辆,并模拟车辆进入路段、在路段内行驶以及离开路段的全过程,可以实现无间断的模拟局部路段中车辆的行驶状态。路况仿真设备根据随机命中规则使车辆在特定驾驶场景下根据行驶参数做出不同行驶动作,如此可以模拟各种常规行驶场景(如安全驾驶场景)及非常规行驶场景(如违章、超速以及拥堵等场景),且能够覆盖MEC设备的算法的各个测试场景,支撑算法测试。另外,路况仿真设备可以针对路段生成二维画布,进而以该画布中的信息来确定仿真车辆的信息,可以简化仿真车辆的信息,保证仿真车辆的位置信息以较快的频率输出,实现对雷达的数据传输方式的模拟。
综上所述,本申请实施例中路况仿真设备可以针对仿真路段中具有至少两种行驶特性的多个仿真车辆,在仿真路段中进行车辆的行驶过程的仿真。仿真车辆具有较多行驶特性,可以保证仿真过程的全面性,使仿真过程与真实场景贴合度更高,保证得到的行驶信息的准确性。并且,可以得到大量的车辆的行驶信息,该行驶信息用于对交通事件分析算法进行训练。如此一来,可以减少对真实环境中各类交通事件对应的交通信息的获取,降低对交通事件分析算法的训练数据的获取难度,较容易地获取到大量的训练数据,保证对交通事件分析算法进行充足的训练,可以提升交通事件分析算法的计算精准性,提高交通事件分析设备对交通事件的分析效果。
即使针对真实环境中出现频率较低的交通事件,也可以容易地获取到大量的行驶信息,进而可以提升交通事件分析算法对真实环境中稀有的交通事件的分析精准性,提高交通事件分析设备对交通事件的分析效果。
图10是本申请实施例通过的一种路况仿真设备的结构框图,该分析设备可以为服务器或电脑等计算能力较强的设备。所述路况仿真设备900包括中央处理单元(CPU)901、包括随机存取存储器(RAM)902和只读存储器(ROM)903的***存储器904,以及连接***存储器904和中央处理单元901的***总线905。所述路况仿真设备900还包括帮助计算机内的各个器件之间传输信息的基本输入/输出***(I/O***)906,和用于存储操作***913、应用程序914和其他程序模块915的大容量存储设备907。
所述基本输入/输出***906包括有用于显示信息的显示器908和用于用户输入信息的诸如鼠标、键盘之类的输入设备909。其中所述显示器908和输入设备909都通过连接到***总线905的输入输出控制器910连接到中央处理单元901。所述基本输入/输出***906还可以包括输入输出控制器910以用于接收和处理来自键盘、鼠标、或电子触控笔等多个其他设备的输入。类似地,输入输出控制器910还提供输出到显示屏、打印机或其他类型的输出设备。
所述大容量存储设备907通过连接到***总线905的大容量存储控制器(未示出)连接到中央处理单元901。所述大容量存储设备907及其相关联的计算机可读介质为路况仿真设备900提供非易失性存储。也就是说,所述大容量存储设备907可以包括诸如硬盘或者CD-ROM驱动器之类的计算机可读介质(未示出)。
不失一般性,所述计算机可读介质可以包括计算机存储介质和通信介质。计算机存储介质包括以用于存储诸如计算机可读指令、数据结构、程序模块或其他数据等信息的任何方法或技术实现的易失性和非易失性、可移动和不可移动介质。计算机存储介质包括RAM、ROM、EPROM、EEPROM、闪存或其他固态存储其技术,CD-ROM、DVD或其他光学存储、磁带盒、磁带、磁盘存储或其他磁性存储设备。当然,本领域技术人员可知所述计算机存储介质不局限于上述几种。上述的***存储器904和大容量存储设备907可以统称为存储器。
根据本申请的各种实施例,所述路况仿真设备900还可以通过诸如因特网等网络连接到网络上的远程计算机运行。也即路况仿真设备900可以通过连接在所述***总线905上的网络接口单元911连接到网络912,或者说,也可以使用网络接口单元911来连接到其他类型的网络或远程计算机***(未示出)。
本申请实施例还提供了一种计算机可读存储介质,计算机可读存储介质中存储有指令,当该指令在计算机上运行时,使得计算机执行上述实施例提供的交通事件检测方法,例如图2或图3所示的方法。
本申请实施例还提供了一种包含指令的计算机程序产品,当计算机程序产品在计算机上运行时,使得计算机执行上述方法实施例提供的交通事件检测方法,例如图2或图3所示的方法。
需要说明的是,本申请实施例提供的方法实施例能够与相应的装置实施例相互参考,本申请实施例对此不做限定。本申请实施例提供的方法实施例步骤的先后顺序能够进行适当调整,步骤也能够根据情况进行相应增减,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化的方法,都应涵盖在本申请的保护范围之内,因此不再赘述。
本申请中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系。在涉及数学公式计算的情况下,字符“/”表示运算符“除以”。申请中术语“A和B的至少一种”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和B的至少一种,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。同理,“A、B和C的至少一种”表示可以存在七种关系,可以表示:单独存在A,单独存在B,单独存在C,同时存在A和B,同时存在A和C,同时存在C和B,同时存在A、B和C这七种情况。本申请中“多个”指“两个或两个以上”。
以上所述仅为本申请的可选实施例,并不用以限制本申请,凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (10)
1.一种路况仿真设备,其特征在于,所述路况仿真设备用于:
获取承载有多个仿真车辆的仿真路段,所述多个仿真车辆具有至少两种行驶特性;
基于所述多个仿真车辆中每个仿真车辆的行驶特性,控制所述每个仿真车辆从所述仿真路段的起始区域向所述仿真路段的终止区域行驶;
获取所述仿真路段中各个仿真车辆在行驶过程中的行驶信息,所述行驶信息用作交通事件分析算法的训练数据。
2.根据权利要求1所述的路况仿真设备,其特征在于,所述路况仿真设备还用于:
接收至少两个行驶类型模板,所述至少两个行驶类型模板用于分别描述所述至少两种行驶特性;
基于所述至少两个行驶类型模板,建立所述承载有多个仿真车辆的仿真路段。
3.根据权利要求1或2所述的路况仿真设备,其特征在于,所述行驶特性由以下行驶参数中的多个行驶参数表征:
车辆尺寸、期望车速、危险场景的判断条件、危险场景的判断周期、危险场景内车辆变道的概率、安全场景内车辆变道的概率、安全场景内车速低于所述期望车速时车辆提速的概率、安全场景内偏离车道时车辆在车道内调整行车路线的概率,以及占用应急车道时车辆离开应急车道的概率。
4.根据权利要求3所述的路况仿真设备,其特征在于,所述路况仿真设备用于:
基于所述仿真路段中的任一仿真车辆对应的所述危险场景的判断条件,确定所述任一仿真车辆处于危险场景时,基于所述行驶类型模板中所述危险场景内车辆变道的概率,确定所述任一仿真车辆的应对意向;其中,所述应对意向包括变道或者继续在当前车道行驶,所述危险场景为所述任一仿真车辆发生交通事故的概率大于概率阈值的场景;
在所述应对意向为变道,且所述任一仿真车辆所在车道的相邻车道满足变道条件时,控制所述任一仿真车辆在第一时长内变道至所述相邻车道行驶;
在所述应对意向为继续在当前车道行驶,或者所述应对意向为变道且所述相邻车道不满足所述变道条件时,控制所述任一仿真车辆采用目标加速度刹车,所述目标加速度大于加速度阈值。
5.根据权利要求3所述的路况仿真设备,其特征在于,所述路况仿真设备用于:
在所述仿真路段中的任一仿真车辆处于安全场景中,且所述任一仿真车辆的速度与所述任一仿真车辆对应的所述期望车速不同时,调整所述任一仿真车辆的速度以使所述任一仿真车辆按照所述期望车速行驶;其中,所述安全场景为所述任一仿真车辆发生交通事故的概率小于概率阈值的场景;
在所述任一仿真车辆处于所述安全场景中,且所述任一仿真车辆未处于车道的中央位置时,基于所述任一仿真车辆对应的所述调整行车路线的概率,控制所述任一仿真车辆继续按照当前行驶轨迹行驶,或者将所述任一仿真车辆调整至在车道的中央位置行驶;
在所述任一仿真车辆处于所述安全场景中,且所述任一仿真车辆的速度大于前车的速度时,基于所述任一仿真车辆对应的所述安全场景内的车辆变道概率,确定所述任一仿真车辆的应对意向,所述应对意向包括变道或者继续在当前车道行驶;
在所述应对意向为变道,且所述任一仿真车辆所在车道的相邻车道满足变道条件时,控制所述任一仿真车辆在第二时长内变道至所述相邻车道;
在所述应对意向为继续在当前车道行驶,或者所述应对意向为变道且所述相邻车道不满足所述变道条件时,控制所述任一仿真车辆减速直至与所述前车速度相同。
6.根据权利要求3至5任一所述的路况仿真设备,其特征在于,所述路况仿真设备还用于:
基于表示概率的行驶参数按照随机命中规则,确定仿真车辆是否执行所述行驶参数对应的行驶动作。
7.根据权利要求1至4任一所述的路况仿真设备,其特征在于,所述至少两种行驶特性包括激烈行驶特性,表征所述激烈行驶特性的行驶参数中,期望车速高于速度阈值,车辆变道的概率高于概率阈值;
和/或,所述路况仿真设备还用于:
在所述仿真路段中任一仿真车辆的行驶过程中,接收针对所述任一仿真车辆的速度调整指令,所述速度调整指令用于指示调整所述任一仿真车辆的纵向速度和横向速度中的至少一种;
基于所述速度调整指令,调整所述任一仿真车辆的速度,以使所述任一仿真车辆实现加速、逆行、占用应急车道以及碰撞中的至少一种异常行驶行为。
8.根据权利要求1或2所述的路况仿真设备,其特征在于,所述路况仿真设备用于:
获取所述至少两种行驶特性对应的车辆数比例;
基于所述车辆数比例,确定所述多个仿真车辆中各个仿真车辆对应的所述行驶特性;
基于表征所述行驶特性的行驶参数中的车辆尺寸以及期望车速,设置所述行驶特性对应的仿真车辆的尺寸及初始速度;
将所述多个仿真车辆中每个仿真车辆随机设置于所述仿真路段的一个车道的起始区域中。
9.根据权利要求1至4任一所述的路况仿真设备,其特征在于,所述仿真车辆的行驶信息包括所述仿真车辆在平面直角坐标系中的坐标;所述平面直角坐标系的第一轴平行于所述仿真路段的起点与终点的连线,所述平面直角坐标系的第二轴经过所述起点或所述终点,所述仿真路段位于所述平面直角坐标系的第一象限;所述路况仿真设备还用于:
将所述仿真车辆在所述平面直角坐标系中的坐标转换为经纬度坐标;
向交通事件分析设备发送所述经纬度坐标,以供所述交通事件分析设备基于所述经纬度坐标对交通事件分析算法进行训练。
10.一种路况仿真方法,其特征在于,用于路况仿真设备;所述方法包括:
获取承载有多个仿真车辆的仿真路段,所述多个仿真车辆具有至少两种行驶特性;
基于所述多个仿真车辆中每个仿真车辆的行驶特性,控制所述每个仿真车辆从所述仿真路段的起始区域向所述仿真路段的终止区域行驶;
获取所述仿真路段中各个仿真车辆在行驶过程中的行驶信息,所述行驶信息用作交通事件分析算法的训练数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110880708.0A CN115701609A (zh) | 2021-08-02 | 2021-08-02 | 路况仿真设备及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110880708.0A CN115701609A (zh) | 2021-08-02 | 2021-08-02 | 路况仿真设备及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115701609A true CN115701609A (zh) | 2023-02-10 |
Family
ID=85142422
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110880708.0A Pending CN115701609A (zh) | 2021-08-02 | 2021-08-02 | 路况仿真设备及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115701609A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117133130A (zh) * | 2023-10-26 | 2023-11-28 | 中国市政工程西南设计研究总院有限公司 | 一种机场道路拥堵预测仿真方法及*** |
-
2021
- 2021-08-02 CN CN202110880708.0A patent/CN115701609A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117133130A (zh) * | 2023-10-26 | 2023-11-28 | 中国市政工程西南设计研究总院有限公司 | 一种机场道路拥堵预测仿真方法及*** |
CN117133130B (zh) * | 2023-10-26 | 2024-03-01 | 中国市政工程西南设计研究总院有限公司 | 一种机场道路拥堵预测仿真方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11250698B2 (en) | Data processing for connected and autonomous vehicles | |
Lee et al. | Sustainability assessments of cooperative vehicle intersection control at an urban corridor | |
JP7266627B2 (ja) | 早期警報方法、装置、電子機器、記録媒体及びコンピュータプログラム製品 | |
CN112106124A (zh) | 用于使用v2x和传感器数据的***和方法 | |
CN110544380B (zh) | 一种面向道路合流区域的实时车道级安全态势评估方法 | |
Wu et al. | Comparison of proposed countermeasures for dilemma zone at signalized intersections based on cellular automata simulations | |
CN105761548A (zh) | 基于动态贝叶斯网络的交叉路口碰撞避免方法 | |
CN113192327B (zh) | 兼顾交通流和个体的道路运行风险主动防控***及方法 | |
CN112261098B (zh) | 用于车联网的车速控制方法、装置及*** | |
CN110910673A (zh) | 一种提醒行人碰撞车辆的方法及***、摄像头、移动终端 | |
US20240046787A1 (en) | Method And System For Traffic Clearance At Signalized Intersections Based On Lidar And Trajectory Prediction | |
CN111932882A (zh) | 一种基于图像识别的道路事故实时预警***、方法和设备 | |
Moore et al. | Fuzzy logic for improved dilemma zone identification: driving simulator study | |
CN114454878A (zh) | 车速控制模型训练样本的确定方法及装置 | |
Choi et al. | Framework for connected and automated bus rapid transit with sectionalized speed guidance based on deep reinforcement learning: Field test in Sejong city | |
Calvert et al. | The impact and potential of cooperative and automated driving for intelligent traffic signal corridors: A field-operational-test and simulation experiment | |
CN115701609A (zh) | 路况仿真设备及方法 | |
Li et al. | Developing dynamic speed limit strategies for mixed traffic flow to reduce collision risks at freeway bottlenecks | |
JP2007072809A (ja) | 交通シミュレーション装置、方法及びプログラム | |
CN113538909A (zh) | 一种自动驾驶车辆交通事件预测方法及装置 | |
CN116935641A (zh) | 一种路况风险预警方法、装置及控制设备 | |
CN115250284B (zh) | 一种基于物联网云服务的高速作业区安全管控*** | |
Nice et al. | Sailing cavs: Speed-adaptive infrastructure-linked connected and automated vehicles | |
Osman | Evaluation of The Impact of Automated Driven Vehicles on Traffic Performance at Four-leg Signalized Intersections | |
EP4071441A1 (en) | Predicted motion trajectory processing method and device, and restriction barrier displaying method and device |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication |