识别车道变化的方法和装置、电子设备和存储介质制造方法及图纸

本申请公开了一种识别车道变化的方法，涉及深度学习技术、可用于云计算和智能交通等领域。具体实现方案为：获取与目标道路匹配的实时轨迹数据；基于获取的实时轨迹数据，提取对应的实时轨迹特征；以及至少基于提取的实时轨迹特征和经预先训练得到的车道变化识别模型，识别目标道路的车道是否发生了变化。

【技术实现步骤摘要】
识别车道变化的方法和装置、电子设备和存储介质
本申请涉及一种识别车道变化的方法和装置、电子设备和存储介质。
技术介绍
随着城市化进程不断加剧，城市路网结构也越来越复杂，用户出行使用电子地图导航已经成为一种习惯。但当导航车道信息与实际车道信息不一致时，很可能会将用户导入错误的车道。一旦出现这种情况，用户发现时通常已经来不及变道，强行变道则极易带来安全风险，尤其是在高架上行驶时因导航错误而产生的绕路成本很高，用户体验也差。
技术实现思路
本申请提供了一种识别车道变化的方法和装置、电子设备以及存储介质。根据第一方面，提供了一种识别车道变化的方法，包括：获取与目标道路匹配的实时轨迹数据；基于获取的实时轨迹数据，提取对应的实时轨迹特征；以及至少基于提取的实时轨迹特征和经预先训练得到的车道变化识别模型，识别上述目标道路的车道是否发生了变化。根据第二方面，提供了一种识别车道变化的装置，包括：获取模块，用于获取与目标道路匹配的实时轨迹数据；提取模块，用于基于获取的实时轨迹数据，提取对应的实时轨迹特征；以及识别模块，用于至少基于提取的实时轨迹特征和经预先训练得到的车道变化识别模型，识别上述目标道路的车道是否发生了变化。根据第三方面，提供了一种电子设备，包括：至少一个处理器；以及与上述至少一个处理器通信连接的存储器；其中，上述存储器存储有可被上述至少一个处理器执行的指令，上述指令被上述至少一个处理器执行，以使上述至少一个处理器能够执行本申请实施例的方法。根据第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，包括：上述计算机指令用于使上述计算机执行本申请实施例的方法。根据本申请实施例提供的技术方案，可以实时获取与各现实道路匹配的行人/车辆的轨迹数据，并从中提取实时的轨迹特征，进而将这些特征输入预先训练好的车道变化识别模型进行识别，以便确定各现实道路上的车道是否发生了变化，由此能够及时获取车道变化信息，并基于获取的车道变化信息及时更新当前正在使用的电子地图，从而使导航车道信息与实际车道信息尽量保持一致，因此可以提高导航的准确性，同时提高用户的体验。应当理解，本部分所描述的内容并非旨在标识本申请的实施例的关键或重要特征，也不用于限制本申请的范围。本申请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示意性示出了可以应用本申请实施例的识别车道变化的方法和装置的示例性系统架构；图2示意性示出了根据本申请实施例的识别车道变化的方法的流程图；图3示意性示出了根据本申请实施例的沿着道路通行方向顺序做多个垂直于通行方向的轨迹横截面的示意图；图4示意性示出了根据本申请实施例的轨迹横截面上的交点的分布及拟合结果的示意图；图5示意性示出了根据本申请实施例的确定路口通行方向的示意图；图6示意性示出了根据本申请实施例的训练BiLSTM-Attention网络模型的示意图；图7示意性示出了根据本申请实施例的识别车道变化的装置的框图；图8示意性示出了可以实现本申请实施例的识别车道变化的电子设备的框图。具体实施方式以下结合附图对本申请的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。图1示意性示出了可以应用本申请实施例的识别车道变化的方法和装置的示例性系统架构。需要注意的是，图1所示仅为可以应用本申请实施例的系统架构的示例，以帮助本领域技术人员理解本申请的
技术实现思路
，但并不意味着本申请实施例不可以用于其他设备、系统、环境或场景。如图1所示，根据本申请实施例的系统架构100可以包括终端设备101、102、103，服务器104和服务器105。终端设备101、102、103上可以安装有各种导航客户端应用，用户出行时可以使用终端设备101、102、103导航。并且终端设备101、102、103在导航过程中既可以接收来自服务器104的导航信息，又可以将用户的轨迹数据发送给服务器105。终端设备101、102、103可以是具有显示屏并支持导航功能的各种电子设备，包括但不限于智能手机、车载导航设备等等。服务器104可以是提供各种服务的服务器，例如对用户利用终端设备101、102、103进行导航时提供电子地图支持和导航信息支持的后台管理服务器(仅为示例)；再例如对现实车道信息发生变化时，根据服务器105提供的车道变化信息提供电子地图更新支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的用户导航请求等进行分析等处理，并将处理结果(例如根据用户的导航请求获取或生成的电子地图、导航路线、车道信息等)反馈给终端设备。后台管理服务器还可以对接收到的车道变化信息等进行分析等处理，并根据处理结果(例如存在车道增减、存在通行方向增减等)更新当前最新版本的电子地图。服务器105也可以是提供各种服务的服务器，例如对用户利用终端设备101、102、103进行导航时提供采集用户轨迹数据支持的后台管理服务器(仅为示例)。后台管理服务器可以对采集到的用户轨迹数据等进行分析等处理，并将处理结果(例如根据用户的轨迹数据获取或生成的车道变化信息等)反馈给服务器104。需要说明的是，本申请实施例所提供的识别车道变化的方法一般可以由服务器105执行。相应地，本申请实施例所提供的识别车道变化的装置一般可以设置于服务器105中。本申请实施例所提供的识别车道变化的方法也可以由不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的其他服务器或服务器集群执行。相应地，本申请实施例所提供的识别车道变化的装置也可以设置于不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的其他服务器或服务器集群中。此外，在本申请实施例中，服务器105和/或服务器104可以是云服务器。应该理解，图1中的终端设备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和服务器。根据本申请的实施例，本申请提供了一种识别车道变化的方法。图2是根据本申请实施例的识别车道变化的方法的流程图。如图2所示，该方法200可以包括操作S210-S230。在操作S210，获取与目标道路匹配的实时轨迹数据。在操作S220，基于获取的实时轨迹数据，提取对应的实时轨迹特征。在操作S230，至少基于提取的实时轨迹特征和经预先训练得到的车道变化识别模型，识别目标道路的车道是否发生了变化。需要说明的是，在本申请实施例中，上述实时轨迹数据可以通过多种方式获取，本申请在此不做限定。示例性的，在一个实施例中，当出行者使用电子地图导航时，后台管理服务器本文档来自技高网...

【技术保护点】
1.一种识别车道变化的方法，其特征在于，包括：/n获取与目标道路匹配的实时轨迹数据；/n基于获取的实时轨迹数据，提取对应的实时轨迹特征；以及/n至少基于提取的实时轨迹特征和经预先训练得到的车道变化识别模型，识别所述目标道路的车道是否发生了变化。/n

【技术特征摘要】
1.一种识别车道变化的方法，其特征在于，包括：
获取与目标道路匹配的实时轨迹数据；
基于获取的实时轨迹数据，提取对应的实时轨迹特征；以及
至少基于提取的实时轨迹特征和经预先训练得到的车道变化识别模型，识别所述目标道路的车道是否发生了变化。


2.根据权利要求1所述的方法，其特征在于，通过以下操作训练得到所述车道变化识别模型：
确定至少一条道路，其中所述至少一条道路中的每条道路都曾经发生过车道变化；
获取与所述每条道路匹配的历史轨迹数据，其中所述历史轨迹数据包括车道变化前N天的轨迹数据和车道变化后M天的轨迹数据；
基于获取的与各道路匹配的车道变化前N天的轨迹数据，提取与各道路匹配的车道变化前N天的历史轨迹特征；
基于获取的与各道路匹配的车道变化后M天的轨迹数据，提取与各道路匹配的车道变化后M天的历史轨迹特征；以及
至少基于提取的与各道路匹配的车道变化前N天的历史轨迹特征和车道变化后M天的历史轨迹特征，训练得到所述车道变化识别模型。


3.根据权利要求2所述的方法，其特征在于，N大于1且M大于1。


4.根据权利要求3所述的方法，其特征在于，所述基于获取的与各道路匹配的车道变化前N天的轨迹数据，提取与各道路匹配的车道变化前N天的历史轨迹特征，包括：基于获取的与各道路匹配的车道变化前N天的轨迹数据，
提取各道路在车道变化前N天中每一天的历史轨迹的空间分布特征；和/或
提取各道路在车道变化前N天中每一天的历史轨迹的路口通行特征。


5.根据权利要求4所述的方法，其特征在于，所述提取各道路在车道变化前N天中每一天的历史轨迹的空间分布特征，包括针对所述各道路中的每条道路执行以下操作：
沿着当前道路的通行方向，顺序做多个垂直于所述通行方向的轨迹横截面，并针对车道变化前N天中的每一天，对每个轨迹横截面执行以下操作：
求取与所述当前道路匹配的历史轨迹在当前横截面上的交点；
将所述当前横截面上的所有交点的空间分布拟合成一个K维高斯分布，其中K表示所述当前道路上的车道数，K≥1且K为整数；以及
基于所述K维高斯分布，提取与所述当前道路上的每条车道匹配的历史轨迹的高斯分布特征和对应的权重，其中，所述高斯分布特征包括期望和/或标准差。


6.根据权利要求5所述的方法，其特征在于，还包括：在将所述当前横截面上的所有交点的空间分布拟合成一个K维高斯分布之前，
对所述当前横截面上的交点进行过滤，以滤除边缘噪声轨迹在所述当前横截面上的交点。


7.根据权利要求4～6中任一项所述的方法，其特征在于，所述提取各道路在车道变化前N天中每一天的历史轨迹的路口通行特征，包括针对所述各道路中的每条道路执行以下操作：
确定所述每一天的轨迹点在路口的通行方向；和/或
提取所述每一天的轨迹点在路口的时间粒度特征，其中所述时间粒度特征包括以下至少之一：轨迹点通过路口消耗的时间、轨迹点通过路口的速度、路口在单位时间内的通行流量。


8.根据权利要求7所述的方法，其特征在于，所述确定所述每一天的轨迹点在路口的通行方向，包括：
确定所述每一天的轨迹点中进入路口的轨迹点和至少一组离开路口的轨迹点；
基于所...

【专利技术属性】
技术研发人员：夏德国，谷艳蕾，卢振，蒋冰，白红霞，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：北京;11