CN118097972A - 一种车辆行驶轨迹的轨迹点优化方法及装置 - Google Patents
一种车辆行驶轨迹的轨迹点优化方法及装置 Download PDFInfo
- Publication number
- CN118097972A CN118097972A CN202410508445.4A CN202410508445A CN118097972A CN 118097972 A CN118097972 A CN 118097972A CN 202410508445 A CN202410508445 A CN 202410508445A CN 118097972 A CN118097972 A CN 118097972A
- Authority
- CN
- China
- Prior art keywords
- track
- point
- vehicle speed
- vehicle
- track point
- 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 30
- 238000005457 optimization Methods 0.000 title claims abstract description 10
- 230000008859 change Effects 0.000 claims abstract description 19
- 238000004364 calculation method Methods 0.000 claims description 19
- 230000006870 function Effects 0.000 claims description 12
- 238000007906 compression Methods 0.000 claims description 10
- 230000006835 compression Effects 0.000 claims description 10
- 230000015654 memory Effects 0.000 claims description 10
- 238000004422 calculation algorithm Methods 0.000 claims description 8
- 238000010606 normalization Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 4
- 230000000694 effects Effects 0.000 abstract description 3
- 230000008569 process Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 239000000446 fuel Substances 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000013144 data compression Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Landscapes
- Traffic Control Systems (AREA)
Abstract
本申请涉及交通控制领域,尤其涉及一种车辆行驶轨迹的轨迹点优化方法及装置,方法包括步骤:获取车辆行驶轨迹的历史数据,行驶轨迹上设置有多个轨迹点,历史数据包括:轨迹点的记录时刻、在轨迹点处的车辆速度以及行驶轨迹中的红绿灯位置,构建关于记录时刻与车辆速度的速度曲线;计算每个轨迹点的车辆速度变化度;计算每个轨迹点的状态合理性;计算每个轨迹点的路况特征度;根据所有轨迹点的路况特征程度调整每个轨迹点的车辆速度得到最优速度曲线。本申请具有对车辆行驶轨迹中的轨迹点进行优化的效果。
Description
技术领域
本申请涉及交通控制领域,尤其涉及一种车辆行驶轨迹的轨迹点优化方法及装置。
背景技术
车辆行驶轨迹中的轨迹点指的是在车辆行驶过程中,根据预设的路线或者导航***提供的路径信息,记录下来的车辆位置数据点。这些数据点可以是连续的,也可以是离散的,它们共同构成了车辆的行驶轨迹图。通过分析这些轨迹点,可以了解车辆的行驶状态、速度和方向等信息。
车辆在城市里的行驶过程中,通过保留路径细节,即长期的路况产生的变化,可以用来规划活动时间与优化路径选择。
但长期的路况中包含有突发情况,比如前方发生车祸减速绕开,或者是突然有行人穿过减速躲避等,突发情况并不能说明该路段的实际状态,如果根据所有的轨迹点的速度数据进行路径规划,突发情况对应的数据会影响路径规划的结果,增加了车辆行驶中的不必要的转向、加速或减速操作,所以需要对车辆行驶轨迹中的轨迹点进行优化。
发明内容
为了对车辆行驶轨迹中的轨迹点进行优化,以减少突发情况对应的数据对路径规划结果的影响,提高路径规划的结果的合理性,本申请提供一种车辆行驶轨迹的轨迹点优化方法及装置。
第一方面,本申请提供一种车辆行驶轨迹的轨迹点优化方法及装置,采用如下的技术方案:
一种车辆行驶轨迹的轨迹点优化方法,包括步骤:获取车辆行驶轨迹的历史数据,行驶轨迹上设置有多个轨迹点,历史数据包括:轨迹点的记录时刻、在轨迹点处的车辆速度以及行驶轨迹中的红绿灯位置,构建关于记录时刻与车辆速度的速度曲线;根据车辆经过红绿灯的时间点,划分速度曲线为多个速度段;根据红绿灯位置,划分行驶轨迹为多个路段,距离路段起始位置最近的轨迹点作为路段的起点,距离路段终止位置最近的轨迹点作为路段的终点;计算每个轨迹点的车辆速度变化度,车辆速度变化度的计算公式为:,其中,/>表示第/>个轨迹点的车辆速度变化度,/>表示第/>个轨迹点的车辆速度,/>表示第/>个轨迹点所在速度段的车辆速度均值,/>表示第/>个轨迹点的车辆速度与第/>个轨迹点的车辆速度所在坐标连线的斜率;计算每个轨迹点的状态合理性,状态合理性的计算公式为:/>,其中,/>表示第/>个轨迹点的状态合理性,/>表示第/>个轨迹点的速度变化度,/>表示第/>个轨迹点的车辆速度,/>表示第/>个轨迹点所在路段的曲折程度,/>表示第/>个轨迹点所在位置的曲折程度,/>表示第/>个轨迹点与最近的红绿灯之间的路径距离,/>表示归一化函数;计算每个轨迹点的路况特征度,路况特征度的计算公式为:/>,其中,/>表示第/>个轨迹点的路况特征度,/>表示第/>个轨迹点的状态合理性,/>表示第/>个轨迹点所在路段的所有轨迹点的状态合理性均值;根据所有轨迹点的路况特征程度调整每个轨迹点的车辆速度得到最优速度曲线。
可选的,根据所有轨迹点的路况特征程度调整每个轨迹点的车辆速度得到最优速度曲线中,调整的方式包括步骤:计算车辆速度的不符度,计算公式为:,其中,/>表示第/>个轨迹点处的车辆速度的不符度,/>表示第/>个轨迹点的路况特征度,/>表示归一化函数;计算调整距离,计算公式为,,其中,/>表示调整距离,/>表示第/>个轨迹点处的车辆速度的不符度,表示第/>个轨迹点处的车辆速度,/>表示第/>个轨迹点处的车辆速度;根据调整距离,调整轨迹点处的车辆速度,调整的公式为:/>,其中,/>表示第/>个轨迹点处调整后的车辆速度,/>表示第/>个轨迹点处的车辆速度,/>表示第/>个轨迹点处的车辆速度,/>表示调整距离,/>表示最大值函数。
可选的,状态合理性的计算公式中,轨迹点所在路段的曲折程度为:第个轨迹点所处路段的起点与第/>个轨迹点所处路段上的所有轨迹点连线与水平线的夹角角度的方差。
可选的,状态合理性的计算公式中,轨迹点所在位置的曲折程度为:设定第个轨迹点所处路段的起点与第/>个轨迹点之间的连线为第一连线、第/>个轨迹点所处路段的终点与第/>个轨迹点之间的连线为第二连线,第一连线与第二连线之间的夹角的角度为第/>个轨迹点所在位置的曲折程度。
可选的,还包括步骤:根据旋转门压缩算法,对最优速度曲线进行旋转门压缩后存储。
第二方面,本申请提供一种车辆行驶轨迹的轨迹点优化装置,采用如下的技术方案:
一种车辆行驶轨迹的轨迹点优化装置,处理器和存储器,所述存储器存储有计算机程序指令,当所述计算机程序指令被所述处理器执行时实现根据上述的一种车辆行驶轨迹的轨迹点优化方法。
本申请具有以下技术效果:
1、对轨迹点处车辆的速度曲线进行优化,即对轨迹点进行优化,消除了突发情况对应的数据会对最终规划的结果造成影响,同时保留了道路拥堵的真实路况,通过优化轨迹点可以设计车辆行驶路径,提高路径规划的结果的合理性,使其更加平滑和连续,可以减少车辆行驶中的不必要的转向、加速或减速操作,从而降低燃油消耗和排放。
2、根据交通流量、道路条件和时间等因素,选择最佳的行驶路径和行驶策略,提高了交通效率,减少拥堵现象,缓解交通压力。优化轨迹点可以为驾驶员提供更加智能和准确的导航指引,并辅助驾驶员做出最优的行驶决策。这有助于提升驾驶员的驾驶体验、行车安全和行驶效率。
附图说明
通过参考附图阅读下文的详细描述,本申请示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中,以示例性而非限制性的方式示出了本申请的若干实施方式,并且相同或对应的标号表示相同或对应的部分。
图1是本申请实施例一种车辆行驶轨迹的轨迹点优化方法的方法流程图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
应当理解,当本申请的权利要求、说明书及附图使用术语“第一”、“第二”等时,其仅是用于区别不同对象,而不是用于描述特定顺序。本申请的说明书和权利要求书中使用的术语“包括”和“包含”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。
本申请实施例公开一种车辆行驶轨迹的轨迹点优化方法,参照图1,包括步骤S1-步骤S8:
S1:获取车辆行驶轨迹的历史数据,行驶轨迹上设置有多个轨迹点,历史数据包括:轨迹点的记录时刻、在轨迹点处的车辆速度以及行驶轨迹中的红绿灯位置,构建关于记录时刻与车辆速度的速度曲线。
在一个实施例中,轨迹点为每个时刻的车辆位置的坐标,时刻之间的间隔可以根据实际实施情况设置。构建的速度曲线中,横坐标为轨迹点的记录时刻,纵坐标为轨迹点处的车辆速度。
S2:根据车辆经过红绿灯的时间点,划分速度曲线为多个速度段。
将速度曲线以车辆经过红绿灯的时间为界限分割,在一个实施例中,车辆经过红绿灯的时间为车辆驶离该红绿灯处或驶入该红绿灯处的时刻。
S3:根据红绿灯位置,划分行驶轨迹为多个路段,距离路段起始位置最近的轨迹点作为路段的起点,距离路段终止位置最近的轨迹点作为路段的终点。
S4:计算每个轨迹点的车辆速度变化度。
车辆速度变化度的计算公式为:
,其中,/>表示第/>个轨迹点的车辆速度变化度,/>的值越大,表示该轨迹点发生突发状态的可能性越大,反之,发生突发状态的可能性越小。
表示第/>个轨迹点的车辆速度,/>表示第/>个轨迹点所在速度段的车辆速度均值。/>表示了第/>个轨迹点的车辆速度与第/>个轨迹点所在速度段的车辆速度均值之间的差异性,当差异性越大时,第/>个轨迹点处发生突发状态的可能性越大,反之,发生突发状态的可能性越小。
表示第/>个轨迹点的车辆速度与第/>个轨迹点的车辆速度所在坐标连线的斜率,/>的值越大,说明速度变化的越快,第/>个轨迹点处发生突发状态的可能性越大,反之,发生突发状态的可能性越小。
S5:计算每个轨迹点的状态合理性。
状态合理性的计算公式为:
,其中,/>表示第/>个轨迹点的状态合理性,/>表示第/>个轨迹点的速度变化度,/>表示第/>个轨迹点的车辆速度,/>表示第/>个轨迹点所在路段的曲折程度,/>表示第/>个轨迹点所在位置的曲折程度,/>表示第/>个轨迹点与最近的红绿灯之间的路径距离,/>表示归一化函数。
在一个实施例中,归一化函数为最大值最小值归一化,最大最小值归一化是一种常见的数据预处理方法,主要用于将数据按比例缩放,使之落入一个较小的特定区间,通常是,这样可以使得数据在同一尺度或量纲下进行比较。
在一个实施例中,轨迹点所在路段的曲折程度为:第个轨迹点所处路段的起点与第/>个轨迹点所处路段上的所有轨迹点连线与水平线的夹角角度的方差,以此表现第/>轨迹点所在路段的曲折程度,其值越大则说明该路段的路径越曲折。以行驶轨迹的最靠近出发点的第一个轨迹点坐标为原点,构建关机轨迹点位置的直角坐标系,直角坐标系的横轴表示轨迹点的横坐标,纵轴表示轨迹点的纵坐标,直角坐标系的横轴即为水平线。
在一个实施例中,轨迹点所在位置的曲折程度为:设定第个轨迹点所处路段的起点与第/>个轨迹点之间的连线为第一连线、第/>个轨迹点所处路段的终点与第/>个轨迹点之间的连线为第二连线,第一连线与第二连线之间的夹角的角度为第/>个轨迹点所在位置的曲折程度。
表示了对每个轨迹点出车辆的速度是否合理,该值越大,说明曲折程度越高,此时车辆的速度越慢越合理,反之,车辆的速度越快越合理,的值越趋近于1越合理。
表示了每个轨迹点处的车辆速度的变化程度是否合理,该值越趋近于1,该轨迹点处的车辆速度的变化程度越合理。
在车辆行驶中碰见红绿灯会存在减速和加速的情况,所以根据轨迹点的路段特征进行分析,在靠近红绿灯的轨迹点,速度变化比较明显,且在路径拐弯处,也会进行减速之后提速恢复速度,速度变化比较明显。
S6:计算每个轨迹点的路况特征度。
路况特征度的计算公式为:
,其中,/>表示第/>个轨迹点的路况特征度,/>的值越大,表示该轨迹点越符合真实路况,/>表示第/>个轨迹点的状态合理性,/>表示第/>个轨迹点所在路段的所有轨迹点的状态合理性均值。
S7:根据所有轨迹点的路况特征程度调整每个轨迹点的车辆速度得到最优速度曲线。
计算车辆速度的不符度,计算公式为:,其中,/>表示第/>个轨迹点处的车辆速度的不符度,/>表示第/>个轨迹点的路况特征度,/>表示归一化函数。
计算调整距离,计算公式为,,其中,/>表示调整距离,/>表示第/>个轨迹点处的车辆速度的不符度,/>表示第/>个轨迹点处的车辆速度,/>表示第个轨迹点处的车辆速度。
根据调整距离,调整轨迹点处的车辆速度,调整的公式为:
,其中,/>表示第/>个轨迹点处调整后的车辆速度,/>表示第/>个轨迹点处的车辆速度,/>表示第/>个轨迹点处的车辆速度,表示调整距离。/>表示取/>和/>之间的最大值。/>是最大值函数,设置/>为了防止分母为0。
例如,当时,/>调整为/>,当/>时,/>调整为/>,当时,/>不调整。
S8:根据旋转门压缩算法,对最优速度曲线进行旋转门压缩后存储。
旋转门压缩算法是一种数据压缩算法,适用于处理具有高临近度和大量数据采集特点的数据集,其主要功能是对数据进行线性拟合,以此大幅度减少数据的存储空间。
通过最优速度曲线进行旋转门压缩,示例性的,旋转门压缩算法中的门宽定为车辆速度初始速度值的一半,使用压缩后的速度数据进行存储。旋转门压缩算法为现有技术,在此不做赘述。
对轨迹点处车辆的速度曲线进行优化,即对轨迹点进行优化,消除了突发情况对应的数据会对最终规划的结果造成影响,同时保留了道路拥堵的真实路况,通过优化轨迹点可以设计车辆行驶路径,使其更加平滑和连续,可以减少车辆行驶中的不必要的转向、加速或减速操作,从而降低燃油消耗和排放。
在一个实施例中,通过优化轨迹点可以设计车辆行驶路径可以为:获得一个车辆的最优速度曲线后,同理获得多个车辆的速度数据,对于同一个路段,获取该路段在历史时刻的至少一辆汽车的车辆速度,将历史不同时刻每个路段的所有车辆速度的均值作为该时刻该路段的速度数据,同理,可得每个时刻每个路段的速度数据,根据历史不同时刻每个路段的速度数据构建GCN-LSTM-BP路段短时交通速度预测模型。
GCN-LSTM-B模型是一种结合了图卷积网络(Graph Convolutional Network,GCN)、长短期记忆网络(Long Short-Term Memory,LSTM)和反向传播(Backpropagation,BP)算法的复合模型。
将当前连续多个时刻每个路段的速度数据输入到训练好的GCN-LSTM-BP路段短时交通速度预测模型中,得到路段速度预测信息,基于路段速度预测信息构建动态行程时间最短路径选择模型,根据最短路径选择模型得到最优的路径,以为驾驶员提供导航指引。
GCN-LSTM-BP模型的构建及训练、最短路径选择模型的构建及训练均为现有技术,在此不做赘述。
本申请实施例还公开一种车辆行驶轨迹的轨迹点优化装置,包括处理器和存储器,存储器存储有计算机程序指令,当计算机程序指令被处理器执行时实现根据本申请的一种车辆行驶轨迹的轨迹点优化方法。
上述装置还包括通信总线和通信接口等本领域技术人员熟知的其他组件,其设置和功能为本领域中已知,因此在此不再赘述。
在本申请中,前述的存储器可以是任何包含或存储程序的有形介质,该程序可以被指令执行***、装置或者器件使用或者与其结合使用。例如,计算机可读存储介质可以是任何适当的磁存储介质或者磁光存储介质,比如,阻变式存储器RRAM(Resistive RandomAccess Memory)、动态随机存取存储器DRAM(Dynamic Random Access Memory)、静态随机存取存储器SRAM(Static Random Access Memory)、增强动态随机存取存储器EDRAM(Enhanced Dynamic Random Access Memory)、高带宽内存HBM(High Bandwidth Memory)、混合存储立方HMC(Hybrid Memory Cube)等等,或者可以用于存储所需信息并且可以由应用程序、模块或两者访问的任何其他介质。任何这样的计算机存储介质可以是设备的一部分或可访问或可连接到设备。
虽然本说明书已经示出和描述了本申请的多个实施例,但对于本领域技术人员显而易见的是,这样的实施例只是以示例的方式提供的。本领域技术人员会在不偏离本申请思想和精神的情况下想到许多更改、改变和替代的方式。应当理解的是在实践本申请的过程中,可以采用对本文所描述的本申请实施例的各种替代方案。
以上均为本申请的较佳实施例,并非依此限制本申请的保护范围,故:凡依本申请的结构、形状、原理所做的等效变化,均应涵盖于本申请的保护范围之内。
Claims (6)
1.一种车辆行驶轨迹的轨迹点优化方法,其特征在于,包括步骤:
获取车辆行驶轨迹的历史数据,行驶轨迹上设置有多个轨迹点,历史数据包括:轨迹点的记录时刻、在轨迹点处的车辆速度以及行驶轨迹中的红绿灯位置,构建关于记录时刻与车辆速度的速度曲线;
根据车辆经过红绿灯的时间点,划分速度曲线为多个速度段;
根据红绿灯位置,划分行驶轨迹为多个路段,距离路段起始位置最近的轨迹点作为路段的起点,距离路段终止位置最近的轨迹点作为路段的终点;
计算每个轨迹点的车辆速度变化度,车辆速度变化度的计算公式为:
,其中,/>表示第/>个轨迹点的车辆速度变化度,/>表示第/>个轨迹点的车辆速度,/>表示第/>个轨迹点所在速度段的车辆速度均值,/>表示第/>个轨迹点的车辆速度与第/>个轨迹点的车辆速度所在坐标连线的斜率;
计算每个轨迹点的状态合理性,状态合理性的计算公式为:
,其中,/>表示第/>个轨迹点的状态合理性,/>表示第/>个轨迹点的速度变化度,/>表示第/>个轨迹点的车辆速度,/>表示第/>个轨迹点所在路段的曲折程度,/>表示第/>个轨迹点所在位置的曲折程度,/>表示第/>个轨迹点与最近的红绿灯之间的路径距离,/>表示归一化函数;
计算每个轨迹点的路况特征度,路况特征度的计算公式为:
,其中,/>表示第/>个轨迹点的路况特征度,/>表示第/>个轨迹点的状态合理性,/>表示第/>个轨迹点所在路段的所有轨迹点的状态合理性均值;
根据所有轨迹点的路况特征程度调整每个轨迹点的车辆速度得到最优速度曲线。
2.根据权利要求1所述的一种车辆行驶轨迹的轨迹点优化方法,其特征在于,根据所有轨迹点的路况特征程度调整每个轨迹点的车辆速度得到最优速度曲线中,调整的方式包括步骤:
计算车辆速度的不符度,计算公式为:,其中,/>表示第/>个轨迹点处的车辆速度的不符度,/>表示第/>个轨迹点的路况特征度,/>表示归一化函数;
计算调整距离,计算公式为,,其中,/>表示调整距离,/>表示第/>个轨迹点处的车辆速度的不符度,/>表示第/>个轨迹点处的车辆速度,/>表示第/>个轨迹点处的车辆速度;
根据调整距离,调整轨迹点处的车辆速度,调整的公式为:
,其中,/>表示第/>个轨迹点处调整后的车辆速度,/>表示第/>个轨迹点处的车辆速度,/>表示第/>个轨迹点处的车辆速度,/>表示调整距离,/>表示最大值函数。
3.根据权利要求1所述的一种车辆行驶轨迹的轨迹点优化方法,其特征在于,状态合理性的计算公式中,轨迹点所在路段的曲折程度为:第个轨迹点所处路段的起点与第/>个轨迹点所处路段上的所有轨迹点连线与水平线的夹角角度的方差。
4.根据权利要求1所述的一种车辆行驶轨迹的轨迹点优化方法,其特征在于,状态合理性的计算公式中,轨迹点所在位置的曲折程度为:设定第个轨迹点所处路段的起点与第/>个轨迹点之间的连线为第一连线、第/>个轨迹点所处路段的终点与第/>个轨迹点之间的连线为第二连线,第一连线与第二连线之间的夹角的角度为第/>个轨迹点所在位置的曲折程度。
5.根据权利要求1-4任一项所述的一种车辆行驶轨迹的轨迹点优化方法,其特征在于,还包括步骤:根据旋转门压缩算法,对最优速度曲线进行旋转门压缩后存储。
6.一种车辆行驶轨迹的轨迹点优化装置,其特征在于,包括:处理器和存储器,所述存储器存储有计算机程序指令,当所述计算机程序指令被所述处理器执行时实现根据权利要求1-5任一项所述的一种车辆行驶轨迹的轨迹点优化方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410508445.4A CN118097972A (zh) | 2024-04-26 | 2024-04-26 | 一种车辆行驶轨迹的轨迹点优化方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410508445.4A CN118097972A (zh) | 2024-04-26 | 2024-04-26 | 一种车辆行驶轨迹的轨迹点优化方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN118097972A true CN118097972A (zh) | 2024-05-28 |
Family
ID=91157584
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410508445.4A Pending CN118097972A (zh) | 2024-04-26 | 2024-04-26 | 一种车辆行驶轨迹的轨迹点优化方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118097972A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102013208521A1 (de) * | 2013-05-08 | 2014-11-13 | Bayerische Motoren Werke Aktiengesellschaft | Kollektives Erlernen eines hochgenauen Straßenmodells |
CN111591307A (zh) * | 2020-04-15 | 2020-08-28 | 毫末智行科技有限公司 | 一种避障轨迹规划方法、***及车辆 |
CN112988938A (zh) * | 2021-03-31 | 2021-06-18 | 深圳一清创新科技有限公司 | 一种地图构建方法、装置及终端设备 |
WO2023274229A1 (zh) * | 2021-06-28 | 2023-01-05 | 中移(上海)信息通信科技有限公司 | 车辆轨迹纠偏方法、装置及电子设备 |
CN116977943A (zh) * | 2022-12-29 | 2023-10-31 | 腾讯科技(深圳)有限公司 | 道路要素的识别方法、装置、电子设备和计算机存储介质 |
CN117593908A (zh) * | 2023-11-02 | 2024-02-23 | 网络通信与安全紫金山实验室 | 车辆轨迹估计方法、装置、计算机设备和存储介质 |
-
2024
- 2024-04-26 CN CN202410508445.4A patent/CN118097972A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102013208521A1 (de) * | 2013-05-08 | 2014-11-13 | Bayerische Motoren Werke Aktiengesellschaft | Kollektives Erlernen eines hochgenauen Straßenmodells |
CN111591307A (zh) * | 2020-04-15 | 2020-08-28 | 毫末智行科技有限公司 | 一种避障轨迹规划方法、***及车辆 |
CN112988938A (zh) * | 2021-03-31 | 2021-06-18 | 深圳一清创新科技有限公司 | 一种地图构建方法、装置及终端设备 |
WO2023274229A1 (zh) * | 2021-06-28 | 2023-01-05 | 中移(上海)信息通信科技有限公司 | 车辆轨迹纠偏方法、装置及电子设备 |
CN116977943A (zh) * | 2022-12-29 | 2023-10-31 | 腾讯科技(深圳)有限公司 | 道路要素的识别方法、装置、电子设备和计算机存储介质 |
CN117593908A (zh) * | 2023-11-02 | 2024-02-23 | 网络通信与安全紫金山实验室 | 车辆轨迹估计方法、装置、计算机设备和存储介质 |
Non-Patent Citations (4)
Title |
---|
康军等: "车辆轨迹中的隐形位置异常数据检测", 计算机***应用, vol. 32, no. 12, 31 December 2023 (2023-12-31) * |
王楠, 王勇峰, 刘积仁: "车行轨迹曲线的实时提取与描述", 东北大学学报(自然科学版), no. 02, 15 April 1999 (1999-04-15) * |
郭炜强: "面向轨迹大数据的轨迹分段方法研究及***实现", 中国优秀论文全文数据库信息科技辑, 15 January 2022 (2022-01-15) * |
陈晓航: "基于时序特征的轨迹数据清洗研究", 中国优秀论文全文数据库信息科技辑, 15 May 2022 (2022-05-15) * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110466516B (zh) | 一种基于非线性规划的曲线道路自动车换道轨迹规划方法 | |
CN106740846B (zh) | 一种双模式切换的电动汽车自适应巡航控制方法 | |
CN111267830B (zh) | 一种混合动力公交车能量管理方法、设备和存储介质 | |
CN112249032B (zh) | 一种自动驾驶决策方法、***、设备及计算机存储介质 | |
CN107215339A (zh) | 自动驾驶车辆的换道控制方法和装置 | |
CN111216713A (zh) | 一种自动驾驶车辆速度预瞄控制方法 | |
CN112249008B (zh) | 针对复杂动态环境的无人驾驶汽车预警方法 | |
US20220073070A1 (en) | Vehicle draft mode | |
CN111891116A (zh) | 一种提升自动驾驶横向控制稳定性的方法 | |
GB2543921A (en) | Active vehicle suspension | |
CN115257724A (zh) | 一种插电式混动汽车安全节能决策控制方法和*** | |
CN113886764A (zh) | 一种基于Frenet坐标系的智能车辆多场景轨迹规划方法 | |
CN112201033A (zh) | 一种道路交通运行主动管控策略选择方法 | |
CN108973681A (zh) | 车辆控制装置 | |
CN114407898B (zh) | 换道路径规划方法、装置、智能驾驶汽车及存储介质 | |
CN115246393A (zh) | 控制车辆跟车距离的方法和装置以及电子设备和存储介质 | |
CN114355909A (zh) | 一种路径规划的方法、装置、计算机设备和存储介质 | |
CN112758105B (zh) | 一种自动驾驶车队跟车行驶控制方法、装置及*** | |
CN118097972A (zh) | 一种车辆行驶轨迹的轨迹点优化方法及装置 | |
CN117360546A (zh) | 一种车辆控制方法、车辆、电子设备及存储介质 | |
CN115257736B (zh) | 一种基于模糊推理真值演进的车距保持速度规划方法 | |
CN116758733A (zh) | 集中式车辆协同决策匝道汇入分离方法、装置及云端 | |
CN116443046A (zh) | 具有用于并道轨迹中的自动车辆的领先者确定模块的辅助*** | |
CN115683140A (zh) | 代客泊车循迹的过弯车速规划方法、***、设备及介质 | |
CN113320544B (zh) | 车辆驾驶行为的规划方法、装置、电子设备、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 |