交通灯状态监控和交通灯到车道的分配的方法和系统技术方案

提供一种用于解释交通信息的系统和方法。在一实施例中，一种方法包括：由处理器接收来自多个车辆的视觉数据，其中视觉数据与具有一个或多个车道的道路的交叉口相关联；由处理器接收来自多个车辆的车辆数据，其中车辆数据与所述道路的交叉口相关联；由处理器基于所述视觉数据确定与所述交叉口相关联的交通信号灯的第一状态；由处理器基于车辆数据确定与交叉口相关联的交通信号灯的第二状态；由处理器基于时间同步关联第一状态和第二状态；由处理器基于所述关联将所述交通信号灯分配给所述道路的车道；以及由处理器传送交通信号灯到车道的分配，以用于控制所述多个车辆中的车辆。以用于控制所述多个车辆中的车辆。以用于控制所述多个车辆中的车辆。

【技术实现步骤摘要】
交通灯状态监控和交通灯到车道的分配的方法和系统


[0001]本公开总体上涉及车辆，更具体地，涉及调节车辆交通流量的交通信号的检测和解释。

技术介绍

[0002]自主车辆是一种能够感知其环境并在很少或没有用户输入的情况下进行导航的车辆。自主车辆使用诸如雷达、激光雷达、图像传感器等感测设备来感测其环境。自主车辆系统进一步使用来自全球定位系统(GPS)技术、导航系统、车辆到车辆通信、车辆到基础设施技术和/或线控驱动系统的信息来导航车辆。
[0003]尽管自主车辆和半自主车辆提供了许多优于传统车辆的潜在优势，但在某些情况下，可能需要改进车辆的操作。例如，自主车辆使用一个或多个感测设备来检测交通设备。自主车辆还确定从交通设备发出的交通信号。为了规划车辆的路线，自主车辆必须知道所检测到的交通设备与哪个车道相关，并且必须知道交通设备的当前的交通信号或状态(例如，红灯、绿灯、黄灯、绿色箭头等)。在某些情况下，相关车道和/或当前交通信号的确定是不准确的。
[0004]因此，期望提供一种用于检测和解释交通设备的交通信号的改进的系统和方法。还期望提供一种用于确定与所确定的交通信号相关联的车道的改进的系统和方法。此外，结合附图以及前述
和背景，从随后的详细描述和所附权利要求中，本公开的其他期望的特征和特性将变得显而易见。

技术实现思路

[0005]提供了用于一种解释交通信息的系统和方法。在一实施例中，一种方法包括：由处理器接收来自多个车辆的视觉数据，其中视觉数据与具有一个或多个车道的道路的交叉口相关联；由所述处理器接收来自所述多个车辆的车辆数据，其中所述车辆数据与所述道路的交叉口相关联；由所述处理器基于所述视觉数据确定与所述交叉口相关联的交通信号灯的第一状态；由处理器基于所述车辆数据确定与交叉口相关联的交通信号灯的第二状态；由处理器基于时间同步来关联第一状态和第二状态；由所述处理器基于所述关联将所述交通信号灯分配给所述道路的车道；以及由处理器传送交通信号灯到车道的分配，以用于控制多个车辆中的一个车辆。
[0006]在各种实施例中，该方法包括：由处理器基于关联的第一状态和第二状态确定交通信号灯的状态变化；由处理器基于车辆数据确定与车道相关联的车辆速度；并且其中所述关联基于交通信号灯的状态变化和车辆速度。
[0007]在各种实施例中，确定第一状态基于联合隐马尔可夫模型。在各种实施例中，联合隐马尔可夫模型包括迭代期望最大化方法。在各种实施例中，确定第二状态基于经训练的机器学习模型。
[0008]在各种实施例中，该方法包括：由处理器将行为状态与来自多个车辆的每个车辆
数据相关联；由所述处理器基于关联的行为状态和与所述车辆数据相关联的时间来聚合来自所述多个车辆的车辆数据；以及用经训练的机器学习模型处理聚合的车辆数据。
[0009]在各种实施例中，行为状态是加速状态、正在停止状态、已停止状态和巡航状态中的至少一种。
[0010]在各种实施例中，所述聚合是基于聚合状态函数和聚合状态函数的逆(inverse)。
[0011]在各种实施例中，第一状态是绿色状态、黄色状态和红色状态中的至少一个，并且其中第二状态是绿色状态、黄色状态和红色状态中的至少一个。
[0012]在另一个实施例中，提供了一种用于解释交通信息的系统。该系统包括：第一数据存储设备，其存储来自多个车辆的视觉数据，其中该视觉数据与具有一个或多个车道的道路的交叉口相关联；第二数据存储设备，其存储来自多个车辆的车辆数据，其中该车辆数据与道路的交叉口相关联；以及处理器，其被配置为：接收视觉数据和车辆数据，基于视觉数据确定与交叉口相关联的交通信号灯的第一状态，基于车辆数据确定与交叉口相关联的交通信号灯的第二状态，基于时间同步关联第一状态和第二状态，基于所述关联将交通信号灯分配给道路的车道。
[0013]在各种实施例中，处理器还被配置为：基于关联的第一状态和第二状态来确定交通信号灯的状态变化；基于车辆数据确定与车道相关联的车辆速度；其中基于交通信号灯状态的变化和车辆速度进行关联。
[0014]在各种实施例中，处理器被配置成基于联合隐马尔可夫模型来确定第一状态。在各种实施例中，联合隐马尔可夫模型包括迭代期望最大化方法。在各种实施例中，处理器被配置成基于经训练的机器学习模型来确定第二状态。
[0015]在各种实施例中，处理器还被配置为：将行为状态与来自多个车辆的每个车辆数据相关联；基于关联的行为状态和与车辆数据相关联的时间，聚合来自多个车辆的车辆数据；并用经训练的机器学习模型处理聚合的车辆数据。
[0016]在各种实施例中，行为状态是加速状态、正在停止状态、已停止状态和巡航状态中的至少一种。
[0017]在各种实施例中，处理器基于聚合状态函数和聚合状态函数的逆来进行聚合。
[0018]在各种实施例中，第一状态是绿色状态、黄色状态和红色状态中的至少一个，并且其中第二状态是绿色状态、黄色状态和红色状态中的至少一个。
[0019]在各种实施例中，该系统包括远离所述多个车辆的云服务器，该云服务器包括第一数据存储设备、第二数据存储设备和处理器。
[0020]在各种实施例中，所述云服务器被配置为将交通信号灯到车道的分配传送给所述多个车辆，用于控制所述多个车辆。
附图说明
[0021]下文将结合以下附图描述示例性实施例，其中相同的附图标记表示相同的元件，并且其中：
[0022]图1是示出根据各种实施例的具有解释系统的自主车辆的功能框图；
[0023]图2是示出根据各种实施例的包括解释系统的自主驾驶系统的数据流图；
[0024]图3是示出根据各种实施例的解释系统的数据流图；
[0025]图4是根据各种实施例的解释系统所使用的模型的图示；
[0026]图5包括多个图表，示出了根据各种实施例的由解释系统使用的信号相位的不同车辆行为状态；
[0027]图6包括多个图表，示出了根据各种实施例的由解释系统使用的对于每个车辆行为的集合函数；和
[0028]图7是示出根据各种实施例的可以由解释系统执行的解释方法的流程图。
具体实施方式
[0029]下面的详细描述本质上仅仅是示例性的，并不旨在限制应用和使用。此外，不旨在受到前面的
、
技术介绍
、
技术实现思路
或下面详细描述中提出的任何明示或暗示的理论的约束。如这里所使用的，术语“模块”指的是任何硬件、软件、固件、电子控制组件、处理逻辑和/或处理器设备中的单独项或任何组合，其包括但不限于：专用集成电路(ASIC)、电子电路、处理器(共享的、专用的或成组的)和执行一个或多个软件或固件程序的存储器、组合逻辑电路和/或提供所述功能的其他合适的组件。
[0030]在此可以根据功能和/或逻辑块组件和各种处理步骤来描述本公开的实施例。应当理解，这样的块组件可以由被配置为执行指定功能的任何数量的硬件、软件和/或固件组件来实现。例如，本公开的实施例可以采用各种集成电路组件，例如存储元件本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于解释交通信息的方法，包括:由处理器接收来自多个车辆的视觉数据，其中，所述视觉数据与具有一个或多个车道的道路的交叉口相关联；由所述处理器接收来自所述多个车辆的车辆数据，其中，所述车辆数据与所述道路的交叉口相关联；由所述处理器基于所述视觉数据确定与所述交叉口相关联的交通信号灯的第一状态；由所述处理器基于所述车辆数据确定与所述交叉口相关联的交通信号灯的第二状态；由所述处理器基于时间同步来关联所述第一状态和所述第二状态；由所述处理器基于所述关联将所述交通信号灯分配给所述道路的车道；以及由所述处理器传送所述交通信号灯到车道的分配，以用于控制所述多个车辆中的车辆。2.根据权利要求1所述的方法，进一步包括：由所述处理器基于所述关联的第一状态和第二状态确定交通信号灯的状态变化；由所述处理器基于所述车辆数据确定与所述车道相关联的车辆速度；以及其中，所述关联基于交通信号灯状态的变化和所述车辆速度。3.根据权利要求1所述的方法，其中，所述确定第一状态基于联合隐马尔可夫模型。4.根据权利要求1所述的方法，其中，所述联合隐马尔可夫模型包括迭代期望最大化方法。5.根据权利要求1所述的方法，其中，所述确定第二状态基于经训练的机器学习模型。6.根据权利要求5所述的方法，进一步包括：由所...

【专利技术属性】
技术研发人员：F白，B余，DA克雷格，A延德卢里，
申请(专利权)人：通用汽车环球科技运作有限责任公司，
类型：发明
国别省市：