一种基于标签化交通道路场景分类方法技术

本发明专利技术公开了一种基于标签化交通道路场景分类方法，涉及技术领域，路段设备采集语义化数据包并上传到服务器，对语义化数据包进行数据解析和格式转换，统计每个路段每个时段交通参与者类型的数量和比例，根据衡量标准对每个路段的不同时段进行场景分类，更新地图数据中每个路段的不同时段的场景标签，自动驾驶车辆应用场景数据进行辅助实时路径规划，路测选取相应场景路段进行自动驾驶功能测试和验证。可以实现自动化路端数据采集和解析，基于大数据平台分析道路交通参与者的特征，最终输出道路标签并用于指导自动驾驶实时决策以及测试验证。验证。验证。

【技术实现步骤摘要】
一种基于标签化交通道路场景分类方法


[0001]本专利技术涉及道路交通
，特别是涉及一种基于标签化交通道路场景分类方法。

技术介绍

[0002] 路端设备采集点云和图像数据，通过感知模块可以得到语义化数据，现阶段的语义化数据只是用于辅助实现自动驾驶的模型训练，并没有用于道路标签化和场景分类。如，申请号CN201711448184.8 一种生成全国道路画像的方法及系统，利用海量货车轨迹点数据，对每条道路的限速、限高、限长、限宽、限重进行标签化，是一种关于车辆进入每条道路的准入限制的标签。

技术实现思路

[0003]本专利技术针对上述技术问题，克服现有技术的缺点，提供一种基于标签化交通道路场景分类方法，包括以下步骤：S1、路段设备采集语义化数据包并上传到服务器；S2、对语义化数据包进行数据解析和格式转换；S3、统计每个路段每个时段交通参与者类型的数量和比例；S4、根据衡量标准对每个路段的不同时段进行场景分类；S5、更新地图数据中每个路段的不同时段的场景标签；S6、自动驾驶车辆应用场景数据进行辅助实时路径规划；S7、路测选取相应场景路段进行自动驾驶功能测试和验证。
[0004]本专利技术进一步限定的技术方案是：前所述的一种基于标签化交通道路场景分类方法，步骤S1，路端设备采集不同维度的数据，通过感知模块处理后的语义化数据，识别出大多数的交通参与者的行为特征，用于场景数据的统计和分析；路端语义化数据包含交通参与者对象的所属类型以及当前时刻的速度、位置、朝向信息，还包括路端设备所在的位置、路段编号；定时采集连续时间段内的语义化数据，将数据包上传到服务器，及时删除本地数据包，为后续采集数据腾出空间。
[0005]前所述的一种基于标签化交通道路场景分类方法，步骤S2，对原始语义化数据进行解压和反序列化处理，并将结果数据按照嵌套型数据结构的列式存储格式进行转换。
[0006]前所述的一种基于标签化交通道路场景分类方法，步骤S3，将每天划分为 24 个时段，根据对象在交通道路中的通行时刻，屏蔽日期信息，将对象数据划分到一天24小时的24个时段中；统计每个路段每个时段各类交通参与者的数量，包括大车、小车、行人、自行车的数量；
采用拉普拉斯平滑算法计算各类交通参与者的通行比例。
[0007]前所述的一种基于标签化交通道路场景分类方法，步骤S4，根据交通参与者的所属类别，对交通道路进行场景分类，场景类别包括大车密集型、小车密集型、行人密集型、自行车密集型；道路的标签通过多种衡量标准进行评估，标签化分为单一标签或复合标签两种方式，如果在单一标签的评估中出现相同比例，则按照大车、自行车、行人、小车的优先级进行排序；如果在复合标签的评估中出现相同比例，则同时给出多个标签。
[0008]前所述的一种基于标签化交通道路场景分类方法，多种衡量标准包括：第一种标准，直接按照当前时段的通行比例进行排序，选择比例最高的场景类型进行打标。
[0009]第二种标准，统计所有路端所有时段内交通参与者的通行比例，以此作为基础衡量标准，高于相应比例的场景类型作为候选场景类型，如果有多个候选场景，则计算高出基础衡量标准的比例，选择最高比例的场景类型进行打标。
[0010]第三种标准，结合先验知识和大数据统计的通行比例，给出一个相对合理的基础衡量标准，然后按照第二种标准的计算方式进行打标。
[0011]前所述的一种基于标签化交通道路场景分类方法，步骤S5，定时将统计分析得到的场景标签更新到地图场景数据中，供后续的自动驾驶使用。
[0012]前所述的一种基于标签化交通道路场景分类方法，步骤S6，当自动驾驶车辆即将行驶到标签化的交通路段时，地图场景数据指导自动驾驶车辆切换到相应标签的驾驶模式，或者将相应场景标签作为高优备选提供给自动驾驶车辆的路径规划模块进行辅助决策。
[0013]前所述的一种基于标签化交通道路场景分类方法，步骤S7，根据不同类型交通参与者的密集程度进行场景分类，并以此为基础进行特定场景下的针对性路测。
[0014]本专利技术的有益效果是：（1）本专利技术充分利用路端设备感知模块处理后的语义化数据，可以实现自动化路端数据采集和解析，基于大数据平台分析道路交通参与者的特征，对不同时段的道路场景进行标签化，最终输出道路标签并用于指导自动驾驶实时决策以及测试验证；（2）本专利技术中运用自动驾驶感知算法得到的语义化数据能够保留大多数的信息，解决路端设备能够全天候地进行原始数据的采集，这些数据的数据量非常庞大，完全存储并不现实的问题，本专利技术数据量小而且价值高；（3）本专利技术中通过大数据平台的统计分析方法，对各类交通参与者的通行比例进行处理，得到不同路段不同时段的场景分类，能够更有效地利用路端采集到的数据，更好地指导自动驾驶车辆的规划决策。
附图说明
[0015]图1为本专利技术流程图。
具体实施方式
[0016]本实施例提供的一种基于标签化交通道路场景分类方法，包括以下步骤：
（1）路段设备采集语义化数据包并上传到服务器路端设备采集不同维度的数据，但是点云和图像的数据量非常庞大，不适合大量长期存储，通过感知模块处理后的语义化数据，识别出大多数的交通参与者的行为特征，用于场景数据的统计和分析；目前的语义化数据主要用于算法模型训练和仿真场景抽取，主要运用的是交通参与者的轨迹信息，路端语义化数据包含交通参与者对象的所属类型以及当前时刻的速度、位置、朝向信息，还包括路端设备所在的位置、路段编号；定时采集连续时间段内的语义化数据，将数据包上传到服务器，及时删除本地数据包，为后续采集数据腾出空间。
[0017]（2）对语义化数据包进行数据解析和格式转换原始的语义化数据为了提高存储和传输效率，做了序列化和压缩处理，不能直接用于统计分析，对原始语义化数据进行解压和反序列化处理，并将结果数据按照嵌套型数据结构的列式存储格式进行转换。
[0018]（3）统计每个路段每个时段交通参与者类型的数量和比例将每天划分为 24 个时段，根据对象在交通道路中的通行时刻，屏蔽日期信息，将对象数据划分到一天24小时的24个时段中；统计每个路段每个时段各类交通参与者的数量，包括大车、小车、行人、自行车的数量，分别记为 Nl、Ns、Np、Nb；采用拉普拉斯平滑算法计算各类交通参与者的通行比例。
[0019]（4）根据衡量标准对每个路段的不同时段进行场景分类根据交通参与者的所属类别，对交通道路进行场景分类，场景类别包括大车密集型、小车密集型、行人密集型、自行车密集型；道路的标签通过多种衡量标准进行评估，标签化分为单一标签或复合标签两种方式，如果在单一标签的评估中出现相同比例，则按照大车、自行车、行人、小车的优先级进行排序；如果在复合标签的评估中出现相同比例，则同时给出多个标签。
[0020]多种衡量标准包括：第一种标准，直接按照当前时段的通行比例进行排序，选择比例最高的场景类型进行打标。
[0021]第二种标准，统计所有路端所有时段内交通参与者的通行比例，以此作为基础衡量标准，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于标签化交通道路场景分类方法，其特征在于：包括以下步骤：S1、路段设备采集语义化数据包并上传到服务器；S2、对语义化数据包进行数据解析和格式转换；S3、统计每个路段每个时段交通参与者类型的数量和比例；S4、根据衡量标准对每个路段的不同时段进行场景分类；S5、更新地图数据中每个路段的不同时段的场景标签；S6、自动驾驶车辆应用场景数据进行辅助实时路径规划；S7、路测选取相应场景路段进行自动驾驶功能测试和验证。2.根据权利要求1所述的一种基于标签化交通道路场景分类方法，其特征在于：所述步骤S1，路端设备采集不同维度的数据，通过感知模块处理后的语义化数据，识别出大多数的交通参与者的行为特征，用于场景数据的统计和分析；路端语义化数据包含交通参与者对象的所属类型以及当前时刻的速度、位置、朝向信息，还包括路端设备所在的位置、路段编号；定时采集连续时间段内的语义化数据，将数据包上传到服务器，及时删除本地数据包，为后续采集数据腾出空间。3.根据权利要求1所述的一种基于标签化交通道路场景分类方法，其特征在于：所述步骤S2，对原始语义化数据进行解压和反序列化处理，并将结果数据按照嵌套型数据结构的列式存储格式进行转换。4.根据权利要求1所述的一种基于标签化交通道路场景分类方法，其特征在于：所述步骤S3，将每天划分为 24 个时段，根据对象在交通道路中的通行时刻，屏蔽日期信息，将对象数据划分到一天24小时的24个时段中；统计每个路段每个时段各类交通参与者的数量，包括大车、小车、行人、自行车的数量；采用拉普拉斯平滑算法计算各类交通参与者的通行比例。5.根据权利要求1所述的一种基于标签化交通道路场景分类方法，其特征在于：所述步骤S4...

【专利技术属性】
技术研发人员：靳志敏，
申请(专利权)人：中智行苏州科技有限公司，
类型：发明
国别省市：