CN116817950A - 路径规划方法、装置、设备、***、存储介质和程序产品 - Google Patents
路径规划方法、装置、设备、***、存储介质和程序产品 Download PDFInfo
- Publication number
- CN116817950A CN116817950A CN202310709377.3A CN202310709377A CN116817950A CN 116817950 A CN116817950 A CN 116817950A CN 202310709377 A CN202310709377 A CN 202310709377A CN 116817950 A CN116817950 A CN 116817950A
- Authority
- CN
- China
- Prior art keywords
- traffic flow
- vehicle
- target
- flow model
- path
- 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
- 238000000034 method Methods 0.000 title claims abstract description 75
- 230000033001 locomotion Effects 0.000 claims description 42
- 238000004590 computer program Methods 0.000 claims description 36
- 238000004891 communication Methods 0.000 claims description 11
- 206010039203 Road traffic accident Diseases 0.000 claims description 10
- 230000001133 acceleration Effects 0.000 claims description 8
- 238000012545 processing Methods 0.000 abstract description 18
- 238000010586 diagram Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 3
- 238000013500 data storage Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Landscapes
- Traffic Control Systems (AREA)
Abstract
本申请涉及一种路径规划方法、装置、设备、***、存储介质和程序产品。所述方法包括:接收云服务器发送的针对目标地理区域的目标交通流模型,所述目标交通流模型是所述云服务器根据各个车载设备上报的子交通流模型构建的,所述目标交通流模型用于表征所述目标地理区域中的车辆行驶情况,然后,获取所述车载设备对应的目标车辆的路径需求信息,所述路径需求信息至少包括路径起始位置和路径结束位置,其次,根据所述路径需求信息和所述目标交通流模型进行路径规划,得到路径规划结果,所述路径规划结果用于根据所述路径规划结果对所述目标车辆进行路径导航。采用本方法能够提高路径规划的数据处理效率。
Description
技术领域
本申请涉及物联网技术领域,特别是涉及一种路径规划方法、装置、设备、***、存储介质和程序产品。
背景技术
随着物联网技术的发展,出现了智能交通***。智能交通***加强了车辆、道路与用户之间的联系,极大地缓解了交通拥堵,有效减少了交通事故的发生,提高了交通***的安全性。
智能交通***能够对车辆将要行驶的路径进行路径规划,通过收集车辆、道路基础设施所采集的交通数据,然后,对交通数据进行处理,得到车辆的路径规划结果。
但是,上述路径规划方法存在数据处理效率低的问题。
发明内容
基于此,有必要针对上述技术问题,提供一种能够提高数据处理效率的路径规划方法、装置、设备、***、存储介质和程序产品。
第一方面,本申请提供了一种用于车载设备的路径规划方法。方法包括:
接收云服务器发送的针对目标地理区域的目标交通流模型,目标交通流模型是云服务器根据各个车载设备上报的子交通流模型构建的,目标交通流模型用于表征目标地理区域中的车辆行驶情况;
获取车载设备对应的目标车辆的路径需求信息,路径需求信息至少包括路径起始位置和路径结束位置;
根据路径需求信息和目标交通流模型进行路径规划,得到路径规划结果,路径规划结果用于根据路径规划结果对目标车辆进行路径导航。
在其中一个实施例中,方法还包括:
采集目标车辆的车辆运动数据以及目标车辆周围的道路环境数据;
利用车辆运动数据和道路环境数据进行交通流建模,得到目标车辆对应的子交通流模型;
将子交通流模型发送至云服务器。
在其中一个实施例中,车辆运动数据包括目标车辆的位置信息、加速度信息、速度信息以及行驶方向信息中的至少一种;
道路环境数据包括交通流量信息、目标车辆周围的其他车辆的速度信息、道路密度信息、道路状态信息和交通事故信息中的至少一种。
在其中一个实施例中,目标交通流模型中包括拥堵路段的拥堵路段标识,根据路径需求信息和目标交通流模型进行路径规划,得到路径规划结果,包括:
根据拥堵路段标识,确定拥堵路段标识对应的拥堵路段;
在根据路径需求信息和目标交通流模型进行路径规划的过程中,禁止将拥堵路段作为规划路径,以得到路径规划结果。
第二方面,本申请提供了一种用于云服务器的路径规划方法。方法包括:
接收各个车载设备上报的子交通流模型,子交通流模型是车载设备利用车辆的车辆运动数据和车辆周围的道路环境数据进行交通流建模得到的;
根据各子交通流模型进行交通流建模,得到目标交通流模型;
将目标交通流模型发送至各车载设备,目标交通流模型用于供车载设备根据车辆的路径需求信息和目标交通流模型进行路径规划。
在其中一个实施例中,根据各子交通流模型进行交通流建模,得到目标交通流模型,包括:
根据各子交通流模型进行交通流建模,得到初始交通流模型;
根据初始交通流模型,识别拥堵路段;
在初始交通流模型中对拥堵路段添加拥堵路段标识,得到目标交通流模型。
第三方面,本申请还提供了一种路径规划装置,设置于车载设备,装置包括:
接收模块,用于接收云服务器发送的针对目标地理区域的目标交通流模型,目标交通流模型是云服务器根据各个车载设备上报的子交通流模型构建的,目标交通流模型用于表征目标地理区域中的车辆行驶情况;
获取模块,用于获取车载设备对应的目标车辆的路径需求信息,路径需求信息至少包括路径起始位置和路径结束位置;
路径规划模块,用于根据路径需求信息和目标交通流模型进行路径规划,得到路径规划结果,路径规划结果用于根据路径规划结果对目标车辆进行路径导航。
第四方面,本申请还提供了一种路径规划装置,设置于云服务器,装置包括:
接收模块,用于接收各个车载设备上报的子交通流模型,子交通流模型是车载设备利用车辆的车辆运动数据和车辆周围的道路环境数据进行交通流建模得到的;
建模模块,用于根据各子交通流模型进行交通流建模,得到目标交通流模型;
发送模块,用于将目标交通流模型发送至各车载设备,目标交通流模型用于供车载设备根据车辆的路径需求信息和目标交通流模型进行路径规划。
第五方面,本申请还提供了一种计算机设备。包括存储器和处理器,存储器存储有计算机程序,处理器执行计算机程序时实现如上述第一方面的方法的步骤。
第六方面,本申请还提供了一种路径规划***,包括通信连接的车载设备和云服务器,其中:
车载设备,用于执行第一方面的方法的步骤;
云服务器,用于执行第二方面的方法的步骤。
第七方面,本申请还提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现第一方面所述的方法的步骤或者第二方面所述的方法的步骤。
第八方面,本申请还提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现第一方面所述的方法的步骤或者第二方面所述的方法的步骤。
上述路径规划方法、装置、设备、***、存储介质和程序产品,通过接收云服务器发送的针对目标地理区域的目标交通流模型,目标交通流模型是云服务器根据各个车载设备上报的子交通流模型构建的,目标交通流模型用于表征目标地理区域中的车辆行驶情况,然后,获取车载设备对应的目标车辆的路径需求信息,路径需求信息至少包括路径起始位置和路径结束位置,再根据路径需求信息和目标交通流模型进行路径规划,得到路径规划结果,路径规划结果用于根据路径规划结果对目标车辆进行路径导航。这样,本申请实施例中,云服务器根据各个车载设备上报的子交通流模型构建目标交通流模型,然后,目标车辆根据自身的路径需求信息和目标交通流模型进行路径规划,得到路径规划结果,由各个车载设备自行构建其子交通流模型,云服务器只需根据各个车载设备上报的子交通流模型构建整体的目标交通流模型即可,避免了云服务器集中处理各个车载设备上传的规模巨大的交通数据所导致的数据处理效率低的问题,本申请实施例子交通流模型以及路径规划结果由车载设备自行完成,提升了数据处理效率。
附图说明
图1为一个实施例中路径规划方法的应用环境图;
图2为一个实施例中路径规划方法的流程示意图;
图3为另一个实施例中路径规划方法的流程示意图;
图4为另一个实施例中步骤203的流程示意图;
图5为一个实施例中路径规划方法的流程示意图;
图6为另一个实施例中步骤502的流程示意图;
图7为一个实施例中路径规划装置的结构框图;
图8为一个实施例中路径规划装置的结构框图;
图9为一个实施例中计算机设备的内部结构图;
图10为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
随着物联网技术的发展,出现了智能交通***。智能交通***加强了车辆、道路与用户之间的联系,极大地缓解了交通拥堵,有效减少了交通事故的发生,提高了交通***的安全性。
智能交通***能够对车辆将要行驶的路径进行路径规划,通过收集车辆、道路基础设施所采集的交通数据,然后,对交通数据进行处理,得到车辆的路径规划结果。
但是,上述路径规划方法存在数据处理效率低的问题。
鉴于此,本申请实施例提供一种路径规划方法、装置、设备、***、存储介质和程序产品,通过接收云服务器发送的针对目标地理区域的目标交通流模型,目标交通流模型是云服务器根据各个车载设备上报的子交通流模型构建的,目标交通流模型用于表征目标地理区域中的车辆行驶情况,然后,获取车载设备对应的目标车辆的路径需求信息,路径需求信息至少包括路径起始位置和路径结束位置,其次,根据路径需求信息和目标交通流模型进行路径规划,得到路径规划结果,路径规划结果用于根据路径规划结果对目标车辆进行路径导航。这样,本申请实施例中,云服务器根据各个车载设备上报的子交通流模型构建目标交通流模型,然后,目标车辆根据自身的路径需求信息和目标交通流模型进行路径规划,得到路径规划结果,由各个车载设备自行构建其子交通流模型,云服务器只需根据各个车载设备上报的子交通流模型构建整体的目标交通流模型即可,避免了云服务器集中处理各个车载设备上传的规模巨大的交通数据所导致的数据处理效率低的问题,本申请实施例子交通流模型以及路径规划结果由车载设备自行完成,提升了数据处理效率。
本申请实施例提供的路径规划方法,可以应用于如图1所示的应用环境中。其中,车载设备102通过网络与云服务器104进行通信。数据存储***可以存储云服务器104需要处理的数据。数据存储***可以集成在云服务器104上,也可以放在云上或其他网络服务器上。
在一个实施例中,如图2所示,提供了一种路径规划方法,以该方法应用于图1中的车载设备102为例进行说明,包括以下步骤:
步骤201,接收云服务器发送的针对目标地理区域的目标交通流模型。
目标地理区域是车载设备所属车辆所处的地理区域,交通流模型是根据某一区域内所有道路上车辆行驶情况建立的模型,用于表征该区域内所有车辆的行驶情况。
目标交通流模型即是对目标地理区域内所有道路上车辆行驶情况建立的模型。
其中,目标交通流模型是云服务器根据各个车载设备上报的子交通流模型构建的,目标交通流模型用于表征目标地理区域中的车辆行驶情况。
在一种可能的实施方式中,子交通流模型是车辆周围区域内的交通流模型,由车辆所安装的车载设备自行建模得到并上传至云服务器中,然后云服务器在对目标地理区域构建目标交通流模型时,对该目标地理区域内的所有车辆的车载设备上传的子交通流模型进行处理,以构建出目标交通流模型,最终,车载设备通过无线网络接收来自云服务器发送的目标交通流模型。
步骤202,获取车载设备对应的目标车辆的路径需求信息。
目标车辆安装有车载设备,是需要进行路径规划的车辆。
路径需求信息为对目标车辆即将行驶的路径进行路径规划时所需要的数据信息,其中,路径需求信息至少包括路径起始位置和路径结束位置。
路径起始位置为目标车辆初始所在的位置,路径结束位置为目标车辆的目的地。
车载设备对于路径需求信息的获取,可选地,车载设备获取用户输入的路径需求信息;可选地,路径起始位置由车载设备向定位***发送请求得到路径起始位置。
步骤203,根据路径需求信息和目标交通流模型进行路径规划,得到路径规划结果。
其中,路径规划结果用于根据路径规划结果对目标车辆进行路径导航。
根据路径需求信息,可确定目标车辆的路径起始位置以及路径结束位置,根据目标交通流模型即可确定目标车辆自路径起始位置至路径结束位置可能经过的所有道路以及各道路上正在行驶的车辆数量。在一种可能的实施方式中,设定车辆数量阈值,当某一道路上的车辆数量达到车辆数量阈值,代表当前道路拥堵,在进行路径规划时,禁止将该条道路纳入最终的规划路径中;在一种可能的实施方式中,对拥堵道路进行标注,在进行路径规划时,将标注了的拥堵道路禁止纳入最终的规划路径中。
上述路径规划方法,通过接收云服务器发送的针对目标地理区域的目标交通流模型,目标交通流模型是云服务器根据各个车载设备上报的子交通流模型构建的,目标交通流模型用于表征目标地理区域中的车辆行驶情况,然后,获取车载设备对应的目标车辆的路径需求信息,路径需求信息至少包括路径起始位置和路径结束位置,其次,根据路径需求信息和目标交通流模型进行路径规划,得到路径规划结果,路径规划结果用于根据路径规划结果对目标车辆进行路径导航。这样,本申请实施例中,云服务器根据各个车载设备上报的子交通流模型构建目标交通流模型,然后,目标车辆根据自身的路径需求信息和目标交通流模型进行路径规划,得到路径规划结果,由各个车载设备自行构建其子交通流模型,云服务器只需根据各个车载设备上报的子交通流模型构建整体的目标交通流模型即可,避免了云服务器集中处理各个车载设备上传的规模巨大的交通数据所导致的数据处理效率低的问题,本申请实施例子交通流模型以及路径规划结果由车载设备自行完成,提升了数据处理效率。
在一个实施例中,基于图2所示的实施例,参见图3,本申请实施例涉及车载设备上报子交通流模型,包括以下步骤。
步骤301,采集目标车辆的车辆运动数据以及目标车辆周围的道路环境数据。
车辆运动数据为目标车辆的运动情况,道路环境数据为目标车辆周围的道路上的交通情况。
在一种可能的实施方式中,车辆运动数据包括目标车辆的位置信息、加速度信息、速度信息以及行驶方向信息中的至少一种车辆运动数据;道路环境数据包括通流量信息、目标车辆周围的其他车辆的速度信息、道路密度信息、道路状态信息和交通事故信息中的至少一种。
关于车辆运动数据的采集,在一种可能的实施方式中,由车载设备根据目标车辆装载的传感器、雷达等自行获取。
关于道路环境数据的采集,在一种可能的实施方式中,由车载设备根据目标车辆装载的传感器、雷达等自行获取;在一种可能的实施方式中,目标车辆向其他车辆、道路基础设施发出请求,从而获取道路环境数据。
步骤302,利用车辆运动数据和道路环境数据进行交通流建模,得到目标车辆对应的子交通流模型。
在一种可能的实施方式中,车载设备根据车辆运动数据实时确定目标车辆的位置,根据目标车辆的位置采集道路数据环境,以确定目标车辆周围的车辆行驶情况,最终建立目标车辆对应的子交通流模型。
步骤303,将子交通流模型发送至云服务器。
在一种可能的实施方式中,车载设备将子交通流模型发送至云服务器,以供云服务器根据子交通流模型构建目标交通流模型。
这样,通过车载设备对采集到的车辆运动数据以及道路环境数据进行处理得到子交通流模型,然后将子交通流模型上传至云服务器,以便云服务器根据目标地理区域内所有车辆的子交通流模型构建目标交通流模型,避免了云服务器集中处理目标地理区域内所有车载设备上传的车辆运动数据以及道路环境数据以得到目标交通流模型,提高了路径规划的数据处理效率。
在一个实施例中,基于图2所示的实施例,参见图4,本申请实施例中,目标交通流模型中包括拥堵路段的拥堵路段标识,而本申请实施例涉及的根据路径需求信息和目标交通流模型进行路径规划,得到路径规划结果的过程。如图4所示,步骤203可以包括以下步骤。
步骤401,根据拥堵路段标识,确定拥堵路段标识对应的拥堵路段。
在一种可能的实施方式中,每段拥堵的路径被云服务器标注了拥堵路段表示,因此,可以根据拥堵路段表示确定目标地理区域内所有拥堵的路段。
步骤402,在根据路径需求信息和目标交通流模型进行路径规划的过程中,禁止将拥堵路段作为规划路径,以得到路径规划结果。
在一种可能的实施方式中,车载设备根据路径需求信息确定了标车辆从路径起始位置到达路径结束位置所有可能经过的道路,根据目标交通流模型确定目标地理区域内的所有拥堵路段,在进行路径规划时,对所有目标车辆可能经过的道路进行筛选,对于被标注了拥堵路段标识的拥堵路段,禁止其作为规划路径中。
这样,得到的路径规划结果中所包含的规划路径都是不拥堵的路段。
在一个实施例中,提供一种路径规划方法,用于车载设备,方法包括以下的步骤。
步骤a,采集目标车辆的车辆运动数据以及目标车辆周围的道路环境数据。
其中b,车辆运动数据包括目标车辆的位置信息、加速度信息、速度信息以及行驶方向信息中的至少一种;
道路环境数据包括交通流量信息、目标车辆周围的其他车辆的速度信息、道路密度信息、道路状态信息和交通事故信息中的至少一种。
步骤c,利用车辆运动数据和道路环境数据进行交通流建模,得到目标车辆对应的子交通流模型。
步骤d,将子交通流模型发送至云服务器。
步骤e,接收云服务器发送的针对目标地理区域的目标交通流模型。
其中,目标交通流模型是云服务器根据各个车载设备上报的子交通流模型构建的,目标交通流模型用于表征目标地理区域中的车辆行驶情况。
其中,目标交通流模型中包括拥堵路段的拥堵路段标识。
步骤f,获取车载设备对应的目标车辆的路径需求信息。
其中,路径需求信息至少包括路径起始位置和路径结束位置。
步骤g,根据拥堵路段标识,确定拥堵路段标识对应的拥堵路段。
步骤h,在根据路径需求信息和目标交通流模型进行路径规划的过程中,禁止将拥堵路段作为规划路径,以得到路径规划结果。
其中,路径规划结果用于根据路径规划结果对目标车辆进行路径导航。
应该理解的是,虽然如上的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,如上的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思,本申请实施例还提供了一种应用于图1中的云服务器104的路径规划方法,如图5所示,包括以下步骤。
步骤501,接收各个车载设备上报的子交通流模型。
在一种可能的实施方式中,云服务器通过通信网络接收各个车载设备上报的子交通流模型,各个车载设备均处于目标地理区域内,且均能与云服务器进行数据传输。
其中,子交通流模型是车载设备利用车辆的车辆运动数据和车辆周围的道路环境数据进行交通流建模得到的。
步骤502,根据各子交通流模型进行交通流建模,得到目标交通流模型。
在一种可能的实施方式中,云服务器接收到所有车载设备上报的子交通流模型后,根据各个子交通流模型确定了目标地理区域内每个条道路上的交通情况,然后,根据子交通流建模进行交通流建模,即可得到目标交通流模型。
步骤503,将目标交通流模型发送至各车载设备。
其中,目标交通流模型用于供车载设备根据车辆的路径需求信息和目标交通流模型进行路径规划。
这样,云服务器根据目标地理区域内所有车载设备上报的子交通流模型进行交通流建模得到目标交通流模型,子交通流模型是各个车载设备利用车辆的车辆运动数据和车辆周围的道路环境数据进行交通流建模得到的,避免了云服务器将目标地理区域内所有车辆的车辆运动数据和车辆周围的道路环境数据集中处理,提高了数据处理的效率,从而提高了路径规划的数据处理效率。
在一个实施例中,基于图5所示的实施例,参见图6,本申请实施例涉及的是根据各子交通流模型进行交通流建模,得到目标交通流模型的过程。参见图6,步骤502包括以下步骤。
步骤601,根据各子交通流模型进行交通流建模,得到初始交通流模型。
在一种可能的实施方式中,云服务器在获得目标地理区域内所有车辆的子交通流模型后,进行交通流建模,得到初始交通流模型,初始交通流模型可以反映目标地理区域内每条交通道路上各个车辆的运输情况。
步骤602,根据初始交通流模型,识别拥堵路段。
云服务器根据初始交通流模型确定了目标地理区域内每条交通道路上各个车辆的运输情况后,便可以确定目标地理区域内拥堵的路段。
对于拥堵路段的识别,在一种可能的实施方式中,云服务器遍历目标地理区域内的每一条路段,确定每条路段上行驶的车辆数量,预设拥堵阈值,当一条路段上的车辆数量等于或者超过该拥堵阈值,则判断该路段为拥堵路段。
步骤603,在初始交通流模型中对拥堵路段添加拥堵路段标识,得到目标交通流模型。
在一种可能的实施方式中,为了方便车载设备自行进行路径规划时将拥堵路段不作为规划路径,云服务器对识别出的拥堵路段添加拥堵路段标识,得到最终的目标交通流模型,这样,车载设备在根据目标交通流模型进行路径规划时,不需要再对拥堵路段进行识别,只需要筛选出添加了拥堵路段标识的路段,并将添加了拥堵路段表示的路段不作为规划路径,即可引导车辆避开拥堵路段,提高了路径规划的数据处理的效率。
在一个实施例中,提供一种路径规划方法,用于云服务器,方法包括以下的步骤。
步骤a,接收各个车载设备上报的子交通流模型。
其中b,子交通流模型是车载设备利用车辆的车辆运动数据和车辆周围的道路环境数据进行交通流建模得到的。
步骤c,根据各子交通流模型进行交通流建模,得到初始交通流模型。
步骤d,根据初始交通流模型,识别拥堵路段。
步骤e,在初始交通流模型中对拥堵路段添加拥堵路段标识,得到目标交通流模型。
步骤f,将目标交通流模型发送至各车载设备。
其中,目标交通流模型用于供车载设备根据车辆的路径需求信息和目标交通流模型进行路径规划。
应该理解的是,虽然如上的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,如上的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思,本申请实施例还提供了一种用于实现上述所涉及的应用于车载设备的路径规划方法的路径规划装置。该装置设置于车载设备,所提供的解决问题的实现方案与上述方法中所记载的实现方案相似,故下面所提供的一个或多个路径规划装置实施例中的具体限定可以参见上文中对于路径规划方法的限定,在此不再赘述。
在一个实施例中,如图7所示,提供了一种路径规划装置,包括:
接收模块701,用于接收云服务器发送的针对目标地理区域的目标交通流模型,目标交通流模型是云服务器根据各个车载设备上报的子交通流模型构建的,目标交通流模型用于表征目标地理区域中的车辆行驶情况。
获取模块702,用于获取车载设备对应的目标车辆的路径需求信息,路径需求信息至少包括路径起始位置和路径结束位置。
路径规划模块703,用于根据路径需求信息和目标交通流模型进行路径规划,得到路径规划结果,路径规划结果用于根据路径规划结果对目标车辆进行路径导航。
在其中一个实施例中,路径规划装置还包括:
采集模块,用于采集目标车辆的车辆运动数据以及目标车辆周围的道路环境数据。
建模模块,用于利用车辆运动数据和道路环境数据进行交通流建模,得到目标车辆对应的子交通流模型。
发送模块,用于将子交通流模型发送至云服务器。
在其中一个实施例中,车辆运动数据包括目标车辆的位置信息、加速度信息、速度信息以及行驶方向信息中的至少一种;道路环境数据包括交通流量信息、目标车辆周围的其他车辆的速度信息、道路密度信息、道路状态信息和交通事故信息中的至少一种。
在其中一个实施例中,目标交通流模型中包括拥堵路段的拥堵路段标识,路径规划模块703包括:
确定单元,根据拥堵路段标识,确定拥堵路段标识对应的拥堵路段。
规划单元,在根据路径需求信息和目标交通流模型进行路径规划的过程中,禁止将拥堵路段作为规划路径,以得到路径规划结果。
上述路径规划装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
基于同样的发明构思,本申请实施例还提供了一种用于实现上述所涉及的应用于云服务器的路径规划方法的路径规划装置。该装置设置于云服务器,所提供的解决问题的实现方案与上述方法中所记载的实现方案相似,故下面所提供的一个或多个路径规划装置实施例中的具体限定可以参见上文中对于路径规划方法的限定,在此不再赘述。
在一个实施例中,如图8所示,提供了一种路径规划装置,包括:
接收模块801,用于接收各个车载设备上报的子交通流模型,子交通流模型是车载设备利用车辆的车辆运动数据和车辆周围的道路环境数据进行交通流建模得到的。
建模模块802,用于根据各子交通流模型进行交通流建模,得到目标交通流模型。
发送模块803,用于将目标交通流模型发送至各车载设备,目标交通流模型用于供车载设备根据车辆的路径需求信息和目标交通流模型进行路径规划。
在其中一个实施例中,建模模块802,包括:
交通流建模单元,用于根据各子交通流模型进行交通流建模,得到初始交通流模型。
识别单元,用于根据初始交通流模型,识别拥堵路段;
标识单元,用于在初始交通流模型中对拥堵路段添加拥堵路段标识,得到目标交通流模型。
上述路径规划装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
上述路径规划装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是云服务器,其内部结构图可以如图9所示。该计算机设备包括处理器、存储器、输入/输出接口(Input/Output,简称I/O)和通信接口。其中,处理器、存储器和输入/输出接口通过***总线连接,通信接口通过输入/输出接口连接到***总线。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作***、计算机程序和数据库。该内存储器为非易失性存储介质中的操作***和计算机程序的运行提供环境。该计算机设备的数据库用于存储路径规划数据。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种路径规划方法。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是车载设备,其内部结构图可以如图10所示。该计算机设备包括处理器、存储器、输入/输出接口、通信接口、显示单元和输入装置。其中,处理器、存储器和输入/输出接口通过***总线连接,通信接口、显示单元和输入装置通过输入/输出接口连接到***总线。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作***和计算机程序。该内存储器为非易失性存储介质中的操作***和计算机程序的运行提供环境。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信,无线方式可通过WIFI、移动蜂窝网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种路径规划方法。该计算机设备的显示单元用于形成视觉可见的画面,可以是显示屏、投影装置或虚拟现实成像装置。显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图9和图10中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤。
接收云服务器发送的针对目标地理区域的目标交通流模型,目标交通流模型是云服务器根据各个车载设备上报的子交通流模型构建的,目标交通流模型用于表征目标地理区域中的车辆行驶情况。
获取车载设备对应的目标车辆的路径需求信息,路径需求信息至少包括路径起始位置和路径结束位置。
根据路径需求信息和目标交通流模型进行路径规划,得到路径规划结果,路径规划结果用于根据路径规划结果对目标车辆进行路径导航。
在一个实施例中,处理器执行计算机程序时还实现以下步骤。
采集目标车辆的车辆运动数据以及目标车辆周围的道路环境数据。
利用车辆运动数据和道路环境数据进行交通流建模,得到目标车辆对应的子交通流模型。
将子交通流模型发送至云服务器。
在一个实施例中,车辆运动数据包括目标车辆的位置信息、加速度信息、速度信息以及行驶方向信息中的至少一种;道路环境数据包括交通流量信息、目标车辆周围的其他车辆的速度信息、道路密度信息、道路状态信息和交通事故信息中的至少一种。
在一个实施例中,目标交通流模型中包括拥堵路段的拥堵路段标识,处理器执行计算机程序时还实现以下步骤。
根据拥堵路段标识,确定拥堵路段标识对应的拥堵路段;
在根据路径需求信息和目标交通流模型进行路径规划的过程中,禁止将拥堵路段作为规划路径,以得到路径规划结果。
在一个实施例中,处理器执行计算机程序时还实现以下步骤。
接收各个车载设备上报的子交通流模型,子交通流模型是车载设备利用车辆的车辆运动数据和车辆周围的道路环境数据进行交通流建模得到的。
根据各子交通流模型进行交通流建模,得到目标交通流模型。
将目标交通流模型发送至各车载设备,目标交通流模型用于供车载设备根据车辆的路径需求信息和目标交通流模型进行路径规划。
在一个实施例中,处理器执行计算机程序时还实现以下步骤。
根据各子交通流模型进行交通流建模,得到初始交通流模型。
根据初始交通流模型,识别拥堵路段。
在初始交通流模型中对拥堵路段添加拥堵路段标识,得到目标交通流模型。
在一个实施例中,提供了一种路径规划***,包括通信连接的车载设备和云服务器,其中:
车载设备,用于执行上述应用于车载设备的任一实施例中路径规划方法的步骤。
云服务器,用于执行上述应用于云服务器的任一实施例中路径规划方法的步骤。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤。
接收云服务器发送的针对目标地理区域的目标交通流模型,目标交通流模型是云服务器根据各个车载设备上报的子交通流模型构建的,目标交通流模型用于表征目标地理区域中的车辆行驶情况。
获取车载设备对应的目标车辆的路径需求信息,路径需求信息至少包括路径起始位置和路径结束位置。
根据路径需求信息和目标交通流模型进行路径规划,得到路径规划结果,路径规划结果用于根据路径规划结果对目标车辆进行路径导航。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤。
采集目标车辆的车辆运动数据以及目标车辆周围的道路环境数据。
利用车辆运动数据和道路环境数据进行交通流建模,得到目标车辆对应的子交通流模型;。
将子交通流模型发送至云服务器。
在一个实施例中,车辆运动数据包括目标车辆的位置信息、加速度信息、速度信息以及行驶方向信息中的至少一种;道路环境数据包括交通流量信息、目标车辆周围的其他车辆的速度信息、道路密度信息、道路状态信息和交通事故信息中的至少一种。
在一个实施例中,目标交通流模型中包括拥堵路段的拥堵路段标识,计算机程序被处理器执行时还实现以下步骤。
根据拥堵路段标识,确定拥堵路段标识对应的拥堵路段;
在根据路径需求信息和目标交通流模型进行路径规划的过程中,禁止将拥堵路段作为规划路径,以得到路径规划结果。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤。
接收各个车载设备上报的子交通流模型,子交通流模型是车载设备利用车辆的车辆运动数据和车辆周围的道路环境数据进行交通流建模得到的。
根据各子交通流模型进行交通流建模,得到目标交通流模型。
将目标交通流模型发送至各车载设备,目标交通流模型用于供车载设备根据车辆的路径需求信息和目标交通流模型进行路径规划。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤。
根据各子交通流模型进行交通流建模,得到初始交通流模型。
根据初始交通流模型,识别拥堵路段。
在初始交通流模型中对拥堵路段添加拥堵路段标识,得到目标交通流模型。
在一个实施例中,提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现以下步骤。
接收云服务器发送的针对目标地理区域的目标交通流模型,目标交通流模型是云服务器根据各个车载设备上报的子交通流模型构建的,目标交通流模型用于表征目标地理区域中的车辆行驶情况。
获取车载设备对应的目标车辆的路径需求信息,路径需求信息至少包括路径起始位置和路径结束位置。
根据路径需求信息和目标交通流模型进行路径规划,得到路径规划结果,路径规划结果用于根据路径规划结果对目标车辆进行路径导航。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤。
采集目标车辆的车辆运动数据以及目标车辆周围的道路环境数据。
利用车辆运动数据和道路环境数据进行交通流建模,得到目标车辆对应的子交通流模型;。
将子交通流模型发送至云服务器。
在一个实施例中,车辆运动数据包括目标车辆的位置信息、加速度信息、速度信息以及行驶方向信息中的至少一种;道路环境数据包括交通流量信息、目标车辆周围的其他车辆的速度信息、道路密度信息、道路状态信息和交通事故信息中的至少一种。
在一个实施例中,目标交通流模型中包括拥堵路段的拥堵路段标识,计算机程序被处理器执行时还实现以下步骤。
根据拥堵路段标识,确定拥堵路段标识对应的拥堵路段;
在根据路径需求信息和目标交通流模型进行路径规划的过程中,禁止将拥堵路段作为规划路径,以得到路径规划结果。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤。
接收各个车载设备上报的子交通流模型,子交通流模型是车载设备利用车辆的车辆运动数据和车辆周围的道路环境数据进行交通流建模得到的。
根据各子交通流模型进行交通流建模,得到目标交通流模型。
将目标交通流模型发送至各车载设备,目标交通流模型用于供车载设备根据车辆的路径需求信息和目标交通流模型进行路径规划。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤。
根据各子交通流模型进行交通流建模,得到初始交通流模型。
根据初始交通流模型,识别拥堵路段。
在初始交通流模型中对拥堵路段添加拥堵路段标识,得到目标交通流模型。
需要说明的是,本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等),均为经用户授权或者经过各方充分授权的信息和数据,且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是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非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory,MRAM)、铁电存储器(Ferroelectric Random Access Memory,FRAM)、相变存储器(Phase Change Memory,PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器等。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory,DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等,不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等,不限于此。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。
Claims (12)
1.一种路径规划方法,其特征在于,用于车载设备,所述方法包括:
接收云服务器发送的针对目标地理区域的目标交通流模型,所述目标交通流模型是所述云服务器根据各个车载设备上报的子交通流模型构建的,所述目标交通流模型用于表征所述目标地理区域中的车辆行驶情况;
获取所述车载设备对应的目标车辆的路径需求信息,所述路径需求信息至少包括路径起始位置和路径结束位置;
根据所述路径需求信息和所述目标交通流模型进行路径规划,得到路径规划结果,所述路径规划结果用于根据所述路径规划结果对所述目标车辆进行路径导航。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
采集所述目标车辆的车辆运动数据以及所述目标车辆周围的道路环境数据;
利用所述车辆运动数据和所述道路环境数据进行交通流建模,得到所述目标车辆对应的子交通流模型;
将所述子交通流模型发送至所述云服务器。
3.根据权利要求2所述的方法,其特征在于,所述车辆运动数据包括所述目标车辆的位置信息、加速度信息、速度信息以及行驶方向信息中的至少一种;
所述道路环境数据包括交通流量信息、所述目标车辆周围的其他车辆的速度信息、道路密度信息、道路状态信息和交通事故信息中的至少一种。
4.根据权利要求1所述的方法,其特征在于,所述目标交通流模型中包括拥堵路段的拥堵路段标识,所述根据所述路径需求信息和所述目标交通流模型进行路径规划,得到路径规划结果,包括:
根据所述拥堵路段标识,确定所述拥堵路段标识对应的拥堵路段;
在根据所述路径需求信息和所述目标交通流模型进行路径规划的过程中,禁止将所述拥堵路段作为规划路径,以得到所述路径规划结果。
5.一种路径规划方法,其特征在于,用于云服务器,所述方法包括:
接收各个车载设备上报的子交通流模型,所述子交通流模型是所述车载设备利用车辆的车辆运动数据和所述车辆周围的道路环境数据进行交通流建模得到的;
根据各所述子交通流模型进行交通流建模,得到目标交通流模型;
将所述目标交通流模型发送至各所述车载设备,所述目标交通流模型用于供所述车载设备根据车辆的路径需求信息和所述目标交通流模型进行路径规划。
6.根据权利要求5所述的方法,其特征在于,所述根据各所述子交通流模型进行交通流建模,得到所述目标交通流模型,包括:
根据各所述子交通流模型进行交通流建模,得到初始交通流模型;
根据所述初始交通流模型,识别拥堵路段;
在所述初始交通流模型中对所述拥堵路段添加拥堵路段标识,得到所述目标交通流模型。
7.一种路径规划装置,其特征在于,设置于车载设备,所述装置包括:
接收模块,用于接收云服务器发送的针对目标地理区域的目标交通流模型,所述目标交通流模型是所述云服务器根据各个车载设备上报的子交通流模型构建的,所述目标交通流模型用于表征所述目标地理区域中的车辆行驶情况;
获取模块,用于获取所述车载设备对应的目标车辆的路径需求信息,所述路径需求信息至少包括路径起始位置和路径结束位置;
路径规划模块,用于根据所述路径需求信息和所述目标交通流模型进行路径规划,得到路径规划结果,所述路径规划结果用于根据所述路径规划结果对所述目标车辆进行路径导航。
8.一种路径规划装置,其特征在于,设置于云服务器,所述装置包括:
接收模块,用于接收各个车载设备上报的子交通流模型,所述子交通流模型是所述车载设备利用车辆的车辆运动数据和所述车辆周围的道路环境数据进行交通流建模得到的;
建模模块,用于根据各所述子交通流模型进行交通流建模,得到目标交通流模型;
发送模块,用于将所述目标交通流模型发送至各所述车载设备,所述目标交通流模型用于供所述车载设备根据车辆的路径需求信息和所述目标交通流模型进行路径规划。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。
10.一种路径规划***,其特征在于,包括通信连接的车载设备和云服务器,其中:
所述车载设备,用于执行权利要求1至4任一项所述的方法的步骤;
所述云服务器,用于执行权利要求5或6所述的方法的步骤。
11.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
12.一种计算机程序产品,包括计算机程序,其特征在于,该计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310709377.3A CN116817950A (zh) | 2023-06-14 | 2023-06-14 | 路径规划方法、装置、设备、***、存储介质和程序产品 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310709377.3A CN116817950A (zh) | 2023-06-14 | 2023-06-14 | 路径规划方法、装置、设备、***、存储介质和程序产品 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116817950A true CN116817950A (zh) | 2023-09-29 |
Family
ID=88123459
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310709377.3A Pending CN116817950A (zh) | 2023-06-14 | 2023-06-14 | 路径规划方法、装置、设备、***、存储介质和程序产品 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116817950A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118013464A (zh) * | 2024-04-07 | 2024-05-10 | 浙江口碑网络技术有限公司 | 一种地理交通数据处理方法、装置和电子设备 |
-
2023
- 2023-06-14 CN CN202310709377.3A patent/CN116817950A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118013464A (zh) * | 2024-04-07 | 2024-05-10 | 浙江口碑网络技术有限公司 | 一种地理交通数据处理方法、装置和电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10908614B2 (en) | Method and apparatus for providing unknown moving object detection | |
JP5013211B2 (ja) | 運転評価システム及び運転評価プログラム | |
US10929696B2 (en) | Method, apparatus, and system for determining a negative observation of a road feature | |
CN111179589B (zh) | 车辆od预测的方法、装置、设备及存储介质 | |
US11270578B2 (en) | Method, apparatus, and system for detecting road closures based on probe activity | |
US11847385B2 (en) | Variable system for simulating operation of autonomous vehicles | |
DE102020115356A1 (de) | Systeme und verfahren zur netzknotenkommunikation unter verwendung dynamisch konfigurierbarer interaktionsmodi | |
US20210404818A1 (en) | Method, apparatus, and system for providing hybrid traffic incident identification for autonomous driving | |
US12013251B2 (en) | Dynamic map generation with focus on construction and localization field of technology | |
CN114662376A (zh) | 用于学习特定于情境的驾驶模式的分布式学习 | |
CN113670325B (zh) | 路径偏离检测方法、***以及电子设备 | |
Ali et al. | Future connected vehicles: challenges and opportunities for spatio-temporal computing | |
CN109945880B (zh) | 路径规划方法、相关设备及可读存储介质 | |
WO2023103459A1 (zh) | 车辆控制方法、决策服务器及存储介质 | |
CN116817950A (zh) | 路径规划方法、装置、设备、***、存储介质和程序产品 | |
CN116977953A (zh) | 车道的通行性判定方法、装置、计算机设备和存储介质 | |
US20220207993A1 (en) | Method, apparatus, and system for verifying a lane closure using probe data | |
US20220332324A1 (en) | Identifying an origin of abnormal driving behavior for improved vehicle operation | |
CN114489714A (zh) | 一种车载数据处理方法、装置、电子设备及存储介质 | |
CN112639764A (zh) | 汽车出行规律的分析方法、服务器及*** | |
US20230055974A1 (en) | Method of Selecting a Route for Recording Vehicle | |
CN117854272A (zh) | 路况显示方法、装置、计算机设备和存储介质 | |
CN114004077B (zh) | 交通仿真转换方法、装置、计算机设备及存储介质 | |
US20230339517A1 (en) | Autonomous driving evaluation system | |
CN114863397A (zh) | 路障检测方法、装置、计算机设备和存储介质 |
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 |