输出车辆流向的方法、装置、路侧设备以及云控平台

摘要

本申请实施例公开了输出车辆流向的方法、装置、路侧设备以及云控平台，涉及智能交通、自动驾驶等人工智能技术领域。该输出车辆流向的方法包括：获取车辆的行驶轨迹；获取对应于道路的流向曲线集合，其中，流向曲线集合包含至少一个表征车辆流向的流向曲线；确定流向曲线集合中的各个流向曲线与行驶轨迹的相似度；从流向曲线集合中选择与行驶轨迹具有最高相似度的流向曲线作为行驶轨迹的流向并输出，从而可以解决以手工方式统计车流量导致的错误。

说明书

技术领域

本申请涉及计算机技术领域，具体涉及智能交通、自动驾驶等人工智能技术领域，尤其涉及输出车辆流向的方法、装置、路侧设备以及云控平台。

背景技术

智能交通系统是将先进的科学技术(信息技术、计算机技术、数据通信技术、传感器技术、电子控制技术、自动控制理论、运筹学、人工智能等)有效地综合运用于交通运输、服务控制和车辆制造，加强车辆、道路、使用者三者之间的联系，从而形成一种保障安全、提高效率、改善环境、节约能源的综合运输系统。

在智能交通中，对不同流向的车辆计数是一个很重要的问题，可以用于对交通路口进行分析，从而更好的动态调节控制信号灯。

发明内容

本申请实施例提供了输出车辆流向的方法、装置、路侧设备以及云控平台。

第一方面，本申请实施例提供了输出车辆流向的方法，包括：获取车辆的行驶轨迹；获取对应于道路的流向曲线集合，其中，流向曲线集合包含至少一个表征车辆流向的流向曲线；确定流向曲线集合中的各个流向曲线与行驶轨迹的相似度；从流向曲线集合中选择与行驶轨迹具有最高相似度的流向曲线作为行驶轨迹的流向并输出。

第二方面，本申请实施例提供了输出车辆流向的装置，包括：第一获取模块，被配置成获取车辆的行驶轨迹；第二获取模块，被配置成获取对应于道路的流向曲线集合，其中，流向曲线集合包含至少一个表征车辆流向的流向曲线；确定模块，被配置成确定流向曲线集合中的各个流向曲线与行驶轨迹的相似度；输出模块，被配置成从流向曲线集合中选择与行驶轨迹具有最高相似度的流向曲线作为行驶轨迹的流向并输出。

第三方面，本申请实施例提出了一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行如第一方面中任一实现方式描述的方法。

第四方面，本申请实施例提出了一种存储有计算机指令的非瞬时计算机可读存储介质，计算机指令用于使计算机执行如第一方面中任一实现方式描述的方法。

本申请实施例提供的输出车辆流向的方法、装置、设备路侧设备以及云控平台，首先获取车辆的行驶轨迹；之后获取对应于道路的流向曲线集合；而后确定流向曲线集合中的各个流向曲线与行驶轨迹的相似度；最后从流向曲线集合中选择与行驶轨迹具有最高相似度的流向曲线作为行驶轨迹的流向并输出，从而可以解决以手工方式统计车流量导致的错误。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显。附图用于更好地理解本方案，不构成对本申请的限定。其中：

图1是本申请可以应用于其中的示例性系统架构图；

图2是根据本申请的输出车辆流向的方法的一个实施例的流程示意图；

图3是根据本申请的输出车辆流向的方法的另一个实施例的流程示意图；

图4是根据本申请的输出车辆流向的方法的一个实施例的应用场景示意图；

图5是本申请的输出车辆流向的装置的一个实施例的结构示意图；

图6是用来实现本申请实施例的输出车辆流向的方法的电子设备的框图。

具体实施方式

下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

在对交通路口处的车流量进行统计时，现有的技术方案多采用手工方式进行统计。即，在交通路口处，标出出道口和入道口的位置，并建立出口道、入口道的对应关系表，通过对照车辆轨迹和该表来判断车辆流向。

然而，现有技术方案至少存在以下两个弊端：

(1)如果车辆在驶出或驶入路口时被遮挡，那么可能无法检测到车辆，因此也就无法检测到到达出口或入口的位置，从而使得计算车流量产生错误；

(2)如果开始统计的时候车辆处在路口中央，则无法在上述对应关系表中建立对应关系，也会导致错误的车流量统计。

鉴于现有技术方案的上述缺陷，本申请实施例提出一种输出车辆流向的方法。

图1示出了可以应用本申请的输出车辆流向的方法或输出车辆流向的装置的实施例的示例性系统架构100。

如图1所示，系统架构100可以包括终端设备101、网络102、服务器103。网络102用以在终端设备101和服务器103之间提供通信链路的介质。网络102可以包括各种连接类型，例如无线通信链路等。

终端设备101可以通过网络102与服务器103交互。终端设备101中可以提供车辆的行驶轨迹等，包括但不限于车载设备等等。

服务器103可以提供各种服务，例如服务器103可以对从终端设备101获取到的车辆的行驶轨迹等数据进行分析等处理，生成处理结果(例如车辆的流向)。

需要说明的是，服务器103可以是硬件，也可以是软件。当服务器103为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器103为软件时，可以实现成多个软件或软件模块(例如用来提供分布式服务)，也可以实现成单个软件或软件模块。在此不做具体限定。

需要说明的是，本申请实施例所提供的输出车辆流向的方法一般由服务器103执行，相应地，输出车辆流向的装置一般设置于服务器103中。

应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

继续参考图2，示出了根据本申请的输出车辆流向的方法的一个实施例的流程200。该方法包括以下步骤：

步骤201，获取车辆的行驶轨迹。

在本实施例中，输出车辆流向的方法的执行主体(例如图1所示的服务器103)可以获取车辆的行驶轨迹。

其中，可以通过GPS定位设备或惯性导航设备(Inertial Measurement Unit，IMU)对车辆进行定位获取车辆位置，进而根据各时刻车辆位置绘制车辆行驶轨迹。

步骤202，获取对应于道路的流向曲线集合。

在本实施例中，上述执行主体可以获取对应于道路的流向曲线集合。

其中，流向曲线可以用来表征车辆的流向，例如流向曲线为直行线时，该直行线可以代表车辆的流向是直行。

其中，根据道路的类型不同，其对应的所有可能的流向曲线也不同。例如，十字路口为四条道路的汇集处，每条道路所有可能的流向曲线分别是直行线、左转线、右转线，因此十字路口一共有12个流向曲线。

其中，可以将道路对应的所有流向曲线组成流向曲线集合，并将流向曲线集合中的每个流向曲线进行离散化处理，获得每个流向曲线的点集合。

步骤203，确定流向曲线集合中的各个流向曲线与行驶轨迹的相似度。

在本实施例中，上述执行主体可以确定流向曲线集合中的各个流向曲线与行驶轨迹的相似度。

其中，可以将离散化处理后的每个流行曲线设置为流向轨迹，并逐个将流向轨迹与行驶轨迹进行相似度判断，得到每个流向轨迹与行驶轨迹的相似度(例如90％)。

其中，流向轨迹和行驶轨迹相似度的判断可以采用基于点的方法，例如最长公共子序列算法(Longest-Common-Subsequence，LCSS)、动态时间规整算法(Dynamic TimeWarping，DTW)等等。

其中，最长公共子序列问题可用动态规划方法高效地求解。以两个序列X、Y为例子:设有二维数组f[i,j]表示X的i位和Y的j位之前的最长公共子序列的长度,则有:f[1][1]＝same(1,1)；f[i,j]＝max{f[i-1][j-1]+same(i,j),f[i-1,j],f[i,j-1]}；其中,same(a,b)当X的第a位与Y的第b位相同时为“1”,否则为“0”。此时，二维数组中最大的数便是X和Y的最长公共子序列的长度，依据该数组回溯，便可找出最长公共子序列。

其中，DTW是一种衡量两个长度不同的序列的相似度的方法，它是一个典型的优化问题，用满足一定条件的时间规整函数W(n)描述测试模板和参考模板的时间对应关系，求解两模板匹配时累计距离最小所对应的规整函数。当利用DTW计算相似度指标值时，是计算行驶轨迹与其中任一个流向轨迹之间的dtw数值，该dtw数值越小，则表明两组信息之间越相似。

步骤204，从流向曲线集合中选择与行驶轨迹具有最高相似度的流向曲线作为行驶轨迹的流向并输出。

在本实施例中，上述执行主体可以从流向曲线集合中选择与行驶轨迹具有最高相似度的流向曲线作为行驶轨迹的流向并输出。

其中，通过执行步骤203可以获得流向曲线集合中各个流向曲线与行驶轨迹额相似度，然后对这些相似度进行最优相似度判断。其中，可以选择相似度最高的流向曲线作为行驶轨迹的流向并输出。

本申请上述实施例提供的输出车辆流向的方法，可以解决手工方式统计车流量的弊端，即当车辆在驶出/驶入路口时被遮挡或是开始统计的时候车辆处在路口中央，均可以正确地进行车流量统计。

在本实施例的一些可选的实现方式中，上述步骤203包括：基于流向曲线与行驶轨迹的形状相似性，确定流向曲线与行驶轨迹的相似度。

其中，计算流向曲线与行驶轨迹的相似性可以基于形状的方法，例如弗雷歇距离(Frechet Distance)、豪斯多夫距离(Hausdorff Distance)。其中，弗雷歇距离可以求解轨迹间的相似度，步骤如下：选择流向曲线集中的流向曲线轨迹P和行驶轨迹Q，P轨迹长度为M，Q轨迹长度为N，将变量t约束到区间[0，1]内，α(t)和β(t)是运动位置描述函数；那么有α(0)＝0，α(1)＝N，β(0)＝0，β(0)＝M。用P(α(t))和Q(β(t))分别表示t时刻P和Q在各自轨迹上的空间位置；而弗雷歇距离是寻找一对这样的函数最小化P和Q之间的最大距离。通过弗雷歇距离可以得到P轨迹和Q轨迹点集之间的距离，距离越小，说明两条轨迹估计之间的相似度越高；距离越大，说明两条轨迹之间的相似程度越低。

其中，豪斯多夫距离是一个测量两个空间几何对象的最小距离中的最大值的方法，豪斯多夫距离越大，相似度越大，反之，豪斯多夫距离越小，相似度越小。

进一步参考图3，其示出了输出车辆流向的方法的另一个实施例的流程图，该方法包括如下步骤：

步骤301，获取车辆的行驶轨迹。

步骤301与步骤201基本相同，因此不再赘述。

步骤302，获取对应于道路的流向曲线集合。

步骤302与步骤202基本相同，因此不再赘述。

步骤303，采用最近邻算法，确定流向曲线中与行驶轨迹中的点距离最近的对照点。

其中，最近邻算法(K-NearestNeighbor，KNN)的核心思想是如果一个样本在特征空间中的k个最相邻的样本中的大多数数以一个类型别，则该样本也属于这个类别，并具有该类别上样本的特征。

其中，首先通过最近邻算法找到任选的流向曲线和行驶轨迹的公共子段A和B。对于A轨迹的第一点P1，找到B轨迹中所有点与P1的最邻近点Q1，然后对于A轨迹的第二点P2，找到B轨迹中所有点与P2最近邻点Q2，依次类推，形成A轨迹的点和B轨迹的点的对照集合。

步骤304，采用归一化互相关算法，确定行驶轨迹中的点与对照点的相关值。

其中，归一化互相关算法(Normalized Cross Correlation，NCC)是基于相似度度量的匹配算法。采用NCC算法可以计算出步骤303中的对照集合之间的相关值。相似度量(Similarity)即计算个体间的相似程度，与距离度量相反，相似度度量的值越小，说明个体间相似度越小，差异越大。归一化是一种简化计算的方式，即将有量纲的表达式，经过变换，化为无量纲的表达式，成为纯量。归一化相关算法就是要使得相关系数的值域为[-1,1]，把数据映射到这个范围之内处理。

步骤305，基于相关值，确定流向曲线与行驶轨迹的相似度。

其中，可以将步骤304中计算出的对照集合之间的相关值作为对应流向曲线与行驶轨迹的相似度。

步骤306，从流向曲线集合中选择与行驶轨迹具有最高相似度的流向曲线作为行驶轨迹的流向并输出。

步骤306与步骤204基本相同，因此不再赘述。

在本实施例的一些的可选的实现方式中，上述步骤202中的流向曲线集合包括以下至少一项：直行线、左转线、右转线、调头线。其中直行线代表车辆的流向为直行，左转线代表车辆的流向为左转，依次类推。

为了便于理解，图4示出了根据本申请的输出车辆流向的方法的一个实施例的应用场景示意图。

如图4所示，首先获取针对车辆跟踪的轨迹；然后根据道路的情况获取对应于道路的所有预设流向轨迹(流向轨迹1、流向轨迹2、…、流向轨迹N)；之后按照预设的顺序，逐个将流向轨迹与跟踪的轨迹进行相似度判断，并得到每个流向轨迹与跟踪的轨迹的相似度(相似度1、相似度2、…、相似度N)；最后对获得的所有相似度进行最优相似度判断，并将具有最高相似度的流向轨迹作为跟踪的轨迹的流向。

进一步参考图5，作为对上述各图所示方法的实现，本申请提供了一种输出车辆流向的装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图5所示，本实施例的输出车辆流向的装置500可以包括：第一获取模块501、第二获取模块502、确定模块503、输出模块504。其中，第一获取模块501，被配置成获取车辆的行驶轨迹；第二获取模块502，被配置成获取对应于道路的流向曲线集合，其中，流向曲线集合包含至少一个表征车辆流向的流向曲线；确定模块503，被配置成确定流向曲线集合中的各个流向曲线与行驶轨迹的相似度；输出模块504，被配置成从流向曲线集合中选择与行驶轨迹具有最高相似度的流向曲线作为行驶轨迹的流向并输出。

在本实施例中，输出车辆流向的装置500中：第一获取模块501、第二获取模块502、确定模块503、输出模块504的具体处理及其所带来的技术效果可分别参考图2对应实施例中的步骤201-204的相关说明，在此不再赘述。

在本实施例的一些可选的实现方式中，确定模块503进一步被配置成：采用最近邻算法，确定流向曲线中与行驶轨迹中的点距离最近的对照点；采用归一化互相关算法，确定行驶轨迹中的点与对照点的相关值；基于相关值，确定流向曲线与行驶轨迹的相似度。

在本实施例的一些可选的实现方式中，确定模块503进一步被配置成：基于流向曲线与行驶轨迹的形状相似性，确定流向曲线与行驶轨迹的相似度。

在本实施例的一些可选的实现方式中，确定模块503进一步被配置成：确定流向曲线与行驶轨迹的豪斯多夫距离，并将豪斯多夫距离作为流向曲线与行驶轨迹的相似度。

在本实施例的一些可选的实现方式中，流向包括以下至少一种：直行、左转、右转、调头。

如图6所示，是根据本申请实施例输出车辆流向的方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请的实现。

如图6所示，该电子设备包括：一个或多个处理器601、存储器602，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个电子设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图6中以一个处理器601为例。

存储器602即为本申请所提供的非瞬时计算机可读存储介质。其中，存储器存储有可由至少一个处理器执行的指令，以使至少一个处理器执行本申请所提供的输出车辆流向的方法。本申请的非瞬时计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行本申请所提供的输出车辆流向的方法。

存储器602作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块，如本申请实施例中的输出车辆流向的方法对应的程序指令/模块(例如，附图5所示的第一获取模块501、第二获取模块502、确定模块503、输出模块504)。处理器601通过运行存储在存储器602中的非瞬时软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例中的输出车辆流向的方法。

存储器602可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据输出车辆流向的方法的电子设备的使用所创建的数据等。此外，存储器602可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中，存储器602可选包括相对于处理器601远程设置的存储器，这些远程存储器可以通过网络连接至输出车辆流向的方法的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

输出车辆流向的方法的电子设备还可以包括：输入装置603和输出装置604。处理器601、存储器602、输入装置603和输出装置604可以通过总线或者其他方式连接，图6中以通过总线连接为例。

输入装置603可接收输入的数字或字符信息，以及产生与输出车辆流向的方法的电子设备的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置604可以包括显示设备、辅助照明装置(例如，LED)和触觉反馈装置(例如，振动电机)等。该显示设备可以包括但不限于，液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中，显示设备可以是触摸屏。

本申请实施例还提供了一种路侧设备，该路侧设备包括图6所示的电子设备。路侧设备除了包括电子设备，还可以包括通信部件等，电子设备可以和通信部件一体集成，也可以分体设置。电子设备可以获取感知设备(如路侧相机)的数据，例如图片和视频等，从而进行视频处理和数据计算。

本申请实施例还提供了一种云控平台，该云控平台包括图6所示的电子设备。云控平台在云端执行处理，云控平台包括的电子设备可以获取感知设备(如路侧相机)的数据，例如图片和视频等，从而进行视频处理和数据计算；云控平台也可以称为车路协同管理平台、边缘计算平台、云计算平台、中心系统、云端服务器等。

此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令，并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如，磁盘、光盘、存储器、可编程逻辑装置(PLD))，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。

为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。

计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。

根据本申请的技术方案，首先获取车辆的行驶轨迹；之后获取对应于道路的流向曲线集合；而后确定流向曲线集合中的各个流向曲线与行驶轨迹的相似度；最后从流向曲线集合中选择与行驶轨迹具有最高相似度的流向曲线作为行驶轨迹的流向并输出，从而可以解决以手工方式统计车流量导致的错误。

人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科，既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术；人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术以及机器学习/深度学习、大数据处理技术、知识图谱技术等几大方向。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请公开的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。