交通信号灯切换点预测方法、装置、设备、介质及车辆与流程

1.本公开涉及数据处理技术领域，具体涉及大数据、智能交通和云计算等技术，可应用于导航、车联网、智能座舱以及自动驾驶技术领域。


背景技术：

2.交通信号灯是交通管理部门管控车辆通行秩序及调整道路交通流量的重要基础设施，同时交通信号灯是出行导航最复杂、也是用户感知最强的交通场景。利用大数据和云计算等技术挖掘交通信号灯的切换点信息有助于智能交通建设，可以精准计算通行路口代价，以作为辅助特征预测道路拥堵、拥堵消散等动态交通路况，在导航、车联网、智能座舱以及自动驾驶技术领域等各种相关领域都具有极高的应用价值。同时，对用户展示交通信号灯的切换点信息可以缓解用户在等红灯时，因未知红灯时长而产生的焦虑。因此，如何精准地挖掘出交通信号灯的切换点是非常重要的。


技术实现要素：

3.本公开实施例提供了一种交通信号灯切换点预测方法、装置、设备、介质及车辆，能够降低交通信号灯切换点预测的时间、价值成本以及服务端的算力消耗，提高交通信号灯切换点预测的准确率和效率。
4.第一方面，本公开实施例提供了一种交通信号灯切换点预测方法，应用于车载终端，包括：
5.获取目标路口的目标路口图像数据；
6.对所述目标路口图像数据进行图像识别，得到所述目标路口中目标交通信号灯的目标信号灯识别结果；
7.将所述目标信号灯识别结果发送至服务端；
8.其中，所述服务端用于根据所述目标信号灯识别结果和所述目标交通信号灯的信号灯切换规律信息计算所述目标交通信号灯的切换点信息。
9.第二方面，本公开实施例提供了一种交通信号灯切换点预测方法，应用于服务端，包括：
10.获取车载终端发送的目标路口中目标交通信号灯的目标信号灯识别结果；
11.根据所述目标信号灯识别结果和所述目标交通信号灯的信号灯切换规律信息计算所述目标交通信号灯的切换点信息。
12.第三方面，本公开实施例提供了一种交通信号灯切换点预测装置，配置于车载终端，包括：
13.目标路口图像数据获取模块，用于获取目标路口的目标路口图像数据；
14.目标路口图像数据识别模块，用于对所述目标路口图像数据进行图像识别，得到所述目标路口中目标交通信号灯的目标信号灯识别结果；
15.目标信号灯识别结果发送模块，用于将所述目标信号灯识别结果发送至服务端；
16.其中，所述服务端用于根据所述目标信号灯识别结果和所述目标交通信号灯的信号灯切换规律信息计算所述目标交通信号灯的切换点信息
17.第四方面，本公开实施例提供了一种交通信号灯切换点预测装置，配置于服务端，包括：
18.获取车载终端发送的目标路口中目标交通信号灯的目标信号灯识别结果；
19.根据所述目标信号灯识别结果和所述目标交通信号灯的信号灯切换规律信息计算所述目标交通信号灯的切换点信息。
20.第五方面，本公开实施例提供了一种电子设备，包括：
21.至少一个处理器；以及
22.与所述至少一个处理器通信连接的存储器；其中，
23.所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行第一方面实施例所提供的交通信号灯切换点预测方法。
24.第六方面，本公开实施例提供了一种电子设备，包括：
25.至少一个处理器；以及
26.与所述至少一个处理器通信连接的存储器；其中，
27.所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行第二方面实施例所提供的交通信号灯切换点预测方法。
28.第七方面，本公开实施例还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，所述计算机指令用于使所述计算机执行第一方面或第二方面实施例所提供的交通信号灯切换点预测方法。
29.第八方面，本公开实施例还提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现第一方面或第二方面实施例所提供的交通信号灯切换点预测方法。
30.第九方面，本公开实施例提供了一种车辆，包括车体，还包括电子设备、设置在车体上的至少一个图像采集装置；
31.其中，所述电子设备包括：
32.至少一个处理器；以及
33.与所述至少一个处理器通信连接的存储器；其中，
34.所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行第一方面所述的交通信号灯切换点预测方法。
35.本公开实施例通过车载终端获取目标路口的目标路口图像数据后，对目标路口图像数据进行图像识别，得到目标路口中目标交通信号灯的目标信号灯识别结果，并将目标信号灯识别结果发送至服务端。服务端接收到目标信号灯识别结果后，根据目标信号灯识别结果和目标交通信号灯的信号灯切换规律信息计算目标交通信号灯的切换点信息，解决现有交通信号灯切换点预测存在的时间、价值成本以及服务端的算力消耗较高以致影响预测的准确率和效率等问题，能够降低交通信号灯切换点预测的时间、价值成本以及服务端
的算力消耗，提高交通信号灯切换点预测的准确率和效率。
36.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
37.附图用于更好地理解本方案，不构成对本公开的限定。其中：
38.图1是本公开实施例提供的一种交通信号灯切换点预测方法的流程图；
39.图2是本公开实施例提供的一种交通信号灯切换点预测方法的流程图；
40.图3是本公开实施例提供的一种交通信号灯切换点预测方法的流程示意图；
41.图4是本公开实施例提供的一种交通信号灯切换点预测方法的流程图；
42.图5是本公开实施例提供的一种交通信号灯切换点预测方法的流程图；
43.图6是本公开实施例提供的一种交通信号灯切换点预测装置的结构图；
44.图7是本公开实施例提供的一种交通信号灯切换点预测装置的结构图；
45.图8是用来实现本公开实施例的交通信号灯切换点预测方法的电子设备的结构示意图。
具体实施方式
46.以下结合附图对本公开的示范性实施例做出说明，其中包括本公开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，而不会背离本公开的范围和精神。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。
47.在驾车导航过程中，用户在交通信号灯前等灯情况下往往有90％以上的概率无法看见路口的红绿灯倒计时信息，同时用户在接近路口前大部分情况下也无法得知当前交通信号灯的剩余时间。在路口时无法知晓交通信号灯倒计时信息会造成用户心理上的不确定性以及焦虑的心态，在接近路口时无法得知当前交通信号灯的剩余时间会影响用户加速通过还是缓慢通过的心理预期。
48.通过对交通信号灯倒计时信息进行预测，并将预测信息下发至用户端，用户掌握交通信号灯前的灯倒计时全知信息的状态有助于提升道路整体的通行效率和减少交通事故的发生。此外，交通信号灯的预测信息还可以用于精准计算通行路口代价，以作为辅助特征预测道路拥堵、拥堵消散等动态交通路况。同时，交通信号灯的预测信息对于用户的驾驶体验、驾驶安全以及周遭环境都具有积极的影响作用。例如：用户在等灯时得知红灯剩余时间防止自己分心而导致晚启动；用户在灯前绿灯通行时知道绿灯即将结束而避免急刹车甚至追尾情况；用户在红灯等灯时刻知悉红灯还剩余很久从而关闭发动机等待以减少空气污染和城市噪音。
49.目前，对交通信号灯切换点的预测方法主要以下几种类型：
50.(1)平台和交通信号灯的管理部门合作，获取对方通过的某些路口或者区域的交通信号灯切换时刻以及配时规律，从而根据官方提供的交通信号灯切换时刻以及配时规律预测对应路口的交通信号灯的切换时刻。
51.(2)获取用户行驶中产生的轨迹并对其进行特征提取，分析轨迹中的加速减速及
停车启动等时刻信息，并结合道路属性，挖掘交通信号灯切换时刻。
52.(3)根据用户手机或者车载设备回传的传感器信息，以及定位密度和流量信息，对交通信号灯切换点进行识别。
53.(4)利用用户车载摄像头等设备实时回传的图像信息，在服务器侧进行图像识别和切换点计算，来挖掘推理交通信号灯的切换信息。
54.然而，以上四种方式在应用中均存在不同的问题：
55.针对方案(1)，平台和相关部门进行合作时，能够覆盖的路口和灯的数量有限，存在大量的沟通成本和信息成本，且对于错误信息识别能力较弱。通过方案(1)预测交通信号灯的切换信息大量取决于双方之间的互助和协作，合作周期长，依赖方较多，容易产生很多不稳定性和不确定性，受限于政策影响也颇为严重。
56.针对方案(2)，用户在很多情况下停止和启动时间等驾驶行为受限于主观因素较多，可能和交通信号灯切换时刻存在较大误差。同时，用户轨迹中存在大量脏轨迹，轨迹打点密度严重限制了预测的精度。对于轨迹稀少的路口无法做到精准预测，对于轨迹特别稠密的路口存在缓行和拥堵场景的高难度建模问题，该方案的自身局限性也较多。
57.针对方案(3)，用户车载手机的姿态不确定性会对传感器数据产生的大量噪声，动静检测方法在客户端的准确和召回无法得到秒级的精度，用户的定位流量也存在大量的网络定位等精度不高的数据，导致交通信号灯预测准确率并不高。同时交通信号灯切换也仅仅是路口前影响人群密度迁移的因素之一，因此，该方案也存在严重的局限性。
58.针对方案(4)，用户车载摄像头等设备回传的图像信息数据较大，会对采集设备造成大量的网络传输负载与流量成本，同时由于数据量的原因，网络传输和服务端计算也会有较大时延，影响计算的实时性，且上述弊端均可能引起交通信号灯预测的准确性，因此，该方案也存在较大的局限性。
59.在一个示例中，图1是本公开实施例提供的一种交通信号灯切换点预测方法的流程图，本实施例可适用于通过车载终端采集识别路口图像，并将识别结果发送至服务端，以使服务端直接利用识别结果预测交通信号灯切换点的情况，该方法可以由交通信号灯切换点预测装置来执行，该装置可以由软件和/或硬件的方式来实现，并一般可集成在车载终端中，与服务端配合使用。相应的，如图1所示，该方法包括如下操作：
60.s110、获取目标路口的目标路口图像数据。
61.其中，目标路口可以是当前车辆即将行驶抵达的路口。目标路口的类型可以是十字形及丁字形等，只要匹配有交通信号灯即可，本公开实施例并不对目标路口的类型进行限定。目标路口图像数据可以是当前车辆对目标路口进行拍照，得到的图像数据。
62.目标路口图像数据的获取，可以基于车载图像采集设备实现，比如车载摄像头、车载手机或行车记录仪等，只要能够获取目标路口图像数据即可，本公开实施例并不对车辆获取目标路口图像数据的方式进行限定。
63.可以理解的是，具有拍照功能的不同车辆经过目标路口时，都可以启动自身的车载图像采集设备采集目标路口的图像作为目标路口图像数据。
64.s120、对所述目标路口图像数据进行图像识别，得到所述目标路口中目标交通信号灯的目标信号灯识别结果。
65.其中，目标交通信号灯可以是目标路口涉及的所有信号灯，也可以是目标路口包
括的部分信号灯，如车辆所在车道适配的信号灯等，本公开实施例并不对目标交通信号灯的类型进行限定。目标信号灯识别结果也即车体通过图像识别功能获取的目标交通信号灯的当前状态信息等数据，例如可以包括但不限于目标交通信号灯的灯态、当前计时时长以及灯所在位置等。目标信号灯识别结果可以以数组的形式发送，而非图像数据的形式发送，以降低网络传输负载与流量成本，以及服务端的计算时延等。
66.相应的，当车辆通过车载图像采集设备采集到目标路口的目标路口图像数据之后，可以调用车辆自身的图像识别功能，例如，调用车辆的图像识别端模型，在车辆侧对目标路口图像数据进行实时的图像识别，得到目标路口中目标交通信号灯的目标信号灯识别结果。
67.可以理解的是，车载终端侧对目标路口图像数据进行识别的模型或算法需预先通过样本训练完成，以保证较高的识别准确率和效率。
68.s130、将所述目标信号灯识别结果发送至服务端，其中，所述服务端用于根据所述目标信号灯识别结果和所述目标交通信号灯的信号灯切换规律信息计算所述目标交通信号灯的切换点信息。
69.其中，信号灯切换规律信息例如可以是信号灯的切换周期等信息。切换点信息可以是交通信号灯之间的切换时刻，例如绿切红的时刻、红切黄的时刻以及黄切绿的时刻等。为了保证驾驶安全，可选的，可以将切换信息总结归纳为红切绿和绿切红两种类型。其中，绿切红的时长可以包括绿切黄和黄切红的时长。相应的，切换点信息则可以包括红切绿的切换时刻和绿切红的切换时刻。
70.可以理解的是，由于车辆可以仅对目标路口少量的目标路口图像数据进行识别，因此可以实现目标路口图像数据图像识别的实时性和准确性。同时，具有拍照功能的不同车辆经过目标路口时，都可以启动自身的车载图像采集设备采集目标路口的图像并对其识别，得到实时性和准确性较高的目标信号灯识别结果。因此，服务端侧可以接收不同车辆发送的实时性和准确性较高的目标信号灯识别结果，进而结合目标交通信号灯的信号灯切换规律信息计算目标交通信号灯的切换点信息。
71.示例性的，假设车辆a发送的目标信号灯识别结果为：路口a中灯a的当前灯态为绿灯，当前倒计时信息为10s。服务端根据灯a的信号灯切换规律信息：绿灯时长为50s，红灯时长为60s(包括黄灯时长)，则服务端可以确定10s后灯a切换为红灯，70s后灯a切换为绿灯，以此类推，可以计算未来一段时间内灯a的切换点信息。
72.由此可见，通过利用车载终端获取目标路口图像数据进行图像识别，得到目标路口中目标交通信号灯的目标信号灯识别结果，并将目标信号灯识别结果发送至服务端，由服务端根据目标信号灯识别结果预测交通信号灯的切换点信息，不仅可以避免车载终端回传大量的图像数据造成网络传输负载与流量成本的飙升，而且数据传输的实时性也会降低服务端的计算时延。同时，服务端接收的为实时性和准确性较高的目标信号灯识别结果，可以直接利用该结果计算交通信号灯的切换点信息，而不需要再对图像进行识别处理后计算交通信号灯的切换点信息，因此服务端计算交通信号灯的切换点信息的准确率和效率均有大幅提升。另外，相对于轨迹数据处理来说，交通信号灯的图像数据可以直观反应交通信号灯的特征，由于图像特征更易提取，因此其反应的交通信号灯的信息也更准确。而上述处理过程也不需要额外第三方的介入，降低了交通信号灯的信息获取的依赖性，信息处理效率
更高。
73.本公开实施例通过车载终端获取目标路口的目标路口图像数据后，对目标路口图像数据进行图像识别，得到目标路口中目标交通信号灯的目标信号灯识别结果，并将目标信号灯识别结果发送至服务端。服务端接收到目标信号灯识别结果后，根据目标信号灯识别结果和目标交通信号灯的信号灯切换规律信息计算目标交通信号灯的切换点信息，解决现有交通信号灯切换点预测存在的时间、价值成本以及服务端的算力消耗较高以致影响预测的准确率和效率等问题，能够降低交通信号灯切换点预测的时间、价值成本以及服务端的算力消耗，提高交通信号灯切换点预测的准确率和效率。
74.在一个示例中，图2是本公开实施例提供的一种交通信号灯切换点预测方法的流程图，图3是本公开实施例提供的一种交通信号灯切换点预测方法的流程示意图，本公开实施例在上述各实施例的技术方案的基础上，进行了优化改进，给出了获取目标路口的目标路口图像数据、对目标路口图像数据进行图像识别以及将目标信号灯识别结果发送至服务端的多种具体可选的实现方式。
75.如图2所示的一种交通信号灯切换点预测方法，包括：
76.s210、获取当前车辆的当前实时地理位置。
77.其中，当前车辆也即即将获取的目标路口的目标路口图像数据。
78.s220、判断当前实时地理位置与目标路口的目标地理位置之间的距离是否小于或等于预设距离阈值，若是，执行s230，否则，返回执行s210。
79.其中，所述预设距离阈值根据所述目标路口的路口画像特征生成。
80.其中，目标地理位置可以是判断当前车辆进入目标路口范围区域之内的参考位置。示例性的，目标地理位置可以以目标路口的中心点为基准确定的地理位置。预设距离阈值可以根据实际需求，例如可以是50米等，本公开实施例并不对预设距离阈值的具体数值进行限定。
81.可以理解的是，预设距离阈值设置的合理性，会影响图像数据获取的清晰度以及可用性。例如，预设距离阈值数值过大时，会导致车辆与目标路口距离较远导致无法拍摄目标交通信号灯清晰可用的图像。预设距离阈值数值过小时，可能会出现前方车辆遮挡而无法获取包括目标交通信号灯的图像。
82.为此，可以对每个目标路口的路口画像进行分析，提取不同目标路口的画像特征，以进一步根据目标路口的画像特征，对各目标路口配置预设距离阈值。也即，不同目标路口配置的预设距离阈值可以不同，以保证车辆达到目标路口之前，都能获取到清晰可用的目标路口图像数据。
83.s230、获取所述目标路口的路口队列形状点数据。
84.其中，路口队列形状点数据可以包括但不限于目标路口红绿灯的位置部署以及目标路口与当前车辆的可视距离信息等。
85.s240、基于所述目标路口的路口队列形状点数据对所述目标路口进行拍摄，以获取所述目标路口图像数据。
86.示例性的，当前车辆可以通过gps(global positioning system，全球定位系统)芯片等硬件设备获取实时的gps信号，然后利用定位软件对信号进行处理得到定位数据，以确定当前实时地理位置。同时，服务端也可以依据当前实时地理位置确定当前车辆进入目
标路口的预设范围区域后，将目标路口的路口队列形状点数据下发至当前车辆进行显示。当前车辆可以在获取到路口队列形状点数据之后即开启拍照功能对目标路口拍照。
87.上述技术方案，通过利用不同路口个性化配置的预设距离阈值，设定车辆和目标路口的最佳拍照距离，可以提高车辆获取的目标路口图像数据的清晰度和可用性。同时，车辆基于目标路口的路口队列形状点数据对目标路口进行拍摄，可以提高目标路口图像数据获取的成功率。
88.在本公开的一个可选实施例中，所述基于所述目标路口的路口队列形状点数据对所述目标路口进行拍摄，可以包括：基于所述目标路口的路口队列形状点数据确定所述目标路口包括的交通信号灯类型；在确定所述目标路口包括的交通信号灯类型为目标热度交通信号灯的情况下，对所述目标路口进行拍摄。
89.其中，目标热度交通信号灯可以是服务端预先筛选的，需要预测切换点信息的交通信号灯。
90.可以理解的是，部分交通信号灯由于车流量少或其他客观因素等问题，不需要实时显示切换点信息，以进一步降低服务端的计算负荷。因此，当车辆目标路口的路口队列形状点数据后，可以依据路口队列形状点数据确定目标路口包括的交通信号灯类型。如果确定目标路口包括的交通信号灯类型为目标热度交通信号灯，则可以对目标路口进行拍摄。如果确定目标路口包括的交通信号灯类型不为目标热度交通信号灯，则禁止对目标路口进行拍摄。或者，服务端也还可以直接对目标路口进行标识。相应的，当车辆目标路口的路口队列形状点数据后，可以依据路口队列形状点数据确定目标路口类型。如果确定目标路口类型为需要预测交通信号灯切换点信息的目标热度路口，则可以对目标路口进行拍摄。如果确定目标路口类型不为需要预测交通信号灯切换点信息的非目标热度路口，则禁止对目标路口进行拍摄。
91.上述技术方案，通过对关键交通信号灯进行筛选得到目标热度交通信号灯，并指示车辆获取目标热度交通信号灯的图像数据，可以实现对有价值的交通信号灯预测切换点信息，以用更少的灯的产品覆盖到尽可能多的用户，以及具有某种特定规律的灯集合以保证预测的切换点的稳定性和准确性。
92.s250、获取当前车辆的当前车道级定位信息。
93.其中，当前车道级定位信息可以表征当前车辆所在的车道信息。
94.s260、根据所述当前车道级定位信息对所述目标路口图像数据进行定位识别，得到与所述当前车辆所在当前车道匹配的车道级交通信号灯的识别结果作为所述目标信号灯识别结果。
95.其中，车道级交通信号灯可以是与当前车道匹配的信号灯，也即可以引导当前车道上车辆行驶的信号灯。
96.在本公开实施例中，车辆可以根据其所在的当前车道级定位信息对目标路口图像数据进行定位识别。所谓定位识别，可以理解为在每个车道对应一个信号灯的场景下，仅获取该车道对应的信号灯图像数据。如果车辆获取的是视频类型的目标路口图像数据，车辆在进行图像识别之前，还可以对视频进行视角纠正和抽帧后再对抽帧的图像进行定位识别，从而获取当前车辆所在当前车道匹配的车道级交通信号灯的识别结果作为目标信号灯识别结果。
97.如此，当一个目标路口包括多个不同的信号灯引导的不同车道上的车辆时，具备图像采集和端识别的车辆在都可以对目标路口图像数据进行定位识别，以获取其所在车道的目标信号灯识别结果。也即，当前车辆可以以所在车道为单位，仅上传车道对应的信号灯的识别结果反馈给服务端。这样设置的好处是：车辆能够准确向服务端反馈车道级的信号灯的实时识别结果，以使服务端可以快速计算车道对应的信号灯具体的切换点的预测信息，同时便于服务端根据车道级的信号灯的实时识别结果定位车道级的轨迹数据，以对实时识别结果的准确性进行校验等。
98.可以理解是，如果多个车道存在共用信号灯的情况，则可以无需对目标路口图像数据进行定位识别，直接对完整的目标路口图像数据进行识别，并将目标路口图像数据完整的识别结果发送至服务端即可。
99.在本公开的一个可选实施例中，所述根据所述当前车道级定位信息对所述目标路口图像数据进行定位识别，可以包括：对所述目标路口图像数据进行特征提取，得到所述目标交通信号灯的信号灯提取特征；其中，所述信号灯提取特征包括目标交通信号灯的位置、目标交通信号灯的类型、目标交通信号灯的灯态以及目标交通信号灯的计时信息；根据所述目标交通信号灯的信号灯提取特征对所述目标交通信号灯进行分类识别，得到目标交通信号灯分类识别结果；在根据所述目标交通信号灯分类识别结果确定所述目标交通信号灯的数量为多个的情况下，根据所述当前车道级定位信息从各所述目标交通信号灯确定与所述当前车辆所在当前车道匹配的所述车道级交通信号灯；从所述目标交通信号灯分类识别结果中筛选所述车道级交通信号灯匹配的识别结果，得到所述目标信号灯识别结果。
100.其中，信号灯提取特征可以为对目标路口图像数据进行特征提取得到的特征。目标交通信号灯分类识别结果也即对目标交通信号灯具体识别到的类型，例如为直行红灯等。当前车道级定位信息可以是对当前车道进行定位的信息，例如可以是车道的标识，或车道在道路中的相对位置等。
101.具体的，车载终端可以利用端识别模型对目标路口图像数据进行特征提取，得到包括包括目标交通信号灯的位置、目标交通信号灯的类型、目标交通信号灯的灯态以及目标交通信号灯的计时信息等特征维度的目标交通信号灯的信号灯提取特征。进一步的，端识别模型目标交通信号灯的信号灯提取特征对目标交通信号灯进行分类识别，得到目标交通信号灯分类识别结果。同时，车载终端可以根据目标交通信号灯分类识别结果检测目标路口是否存在多个目标交通信号灯。如果确定目标路口存在多个目标交通信号灯，为了进一步提高交通信号灯切换点信息预测的实时性，可以根据当前车道级定位信息从各目标交通信号灯确定与当前车辆所在当前车道匹配的车道级交通信号灯，并从目标交通信号灯分类识别结果中筛选车道级交通信号灯匹配的识别结果，作为目标信号灯识别结果。
102.示例性的，端识别模型可以由一个主体目标检测模型和一个分类模型组成，其中，主体目标检测模型可以用于定位主体(也即信号灯)所在位置，例如可以是yolov5(you only look once version 5，一种目标检测模型)。分类模型可以用于对交通信号灯的类型进行判别，例如可以是mobilenetv3(一款轻量级的移动终端神经网络)等。如果目标路口图像数据是一段连续的视频数据，还可以利用metric learning(度量学习)对拍摄的视频进行抽帧处理，进一步对各帧图像进行特征提取。例如，端识别模型最终识别出的交通灯信号的类型和灯态可以包括但不限于以下几种情况：圆盘灯红、黄、绿三种状态；人体行走灯红、
黄、绿三种状态；直行箭头灯红、黄、绿三种状态；左转弯灯红、黄、绿三种状态，右转弯灯红、黄、绿三种状态以及调头灯红、黄、绿三种状态等。
103.可以理解的是，端识别模型应用于车载终端前需要预先训练完成，在训练过程中，可以选用关键路口图片集合的数据对模型参数进行微调，以提升端上轻量级图像识别模型的主要路段场景准确率，保障识别效果。
104.s270、判断目标信号灯识别结果是否为空，若是，执行s280，否则，执行s290。
105.s280、删除所述目标信号灯识别结果。
106.可以理解的是，车辆在靠近目标路口的行驶过程中，可能存在从始至终无法获取包括目标交通信号灯的目标路口图像数据。例如，车辆别其他车辆遮挡时，无法顺利获取包括目标交通信号灯的目标路口图像数据。因此，车载终端可以对目标信号灯识别结果进行判决。如果确定目标信号灯识别结果为空，则可以删除该目标信号灯识别结果，避免将无效数据发送至服务端，造成资源浪费。
107.s290、根据所述目标信号灯识别结果生成目标信号灯多维向量数据，将所述目标信号灯多维向量数据发送至所述服务端。
108.其中，目标信号灯多维向量数据例如可以是包括目标信号灯的位置、类型、灯态以及当前计时时长等各种可以反应目标交通信号灯关联属性的数据类型。
109.相应的，如果车载终端确定目标信号灯识别结果不为空，则可以对目标信号灯识别结果进行处理或筛选等，生成最终所需的目标信号灯多维向量数据并反馈至服务端。
110.上述技术方案，通过车载终端的端识别模型利用用户的gps轨迹信息及离线挖掘的路口形状点集合信息进行匹配，实时对当前用户经过的红绿灯进行计算调度，对经过目标路口获取的图像数据进行图像视角纠正、视频图片抽帧、单图片道路要素识别(包括红绿灯类型和状态等)等处理。进而将图片识别出的道路要素信息实时回传到服务端，服务端接收此次车辆通过目标路口时的红绿灯变化信息，以利用接收的信息对目标路口的目标交通信号灯的切换点信息进行预测，能够降低交通信号灯切换点预测的时间、价值成本以及服务端的算力消耗，提高交通信号灯切换点预测的准确率和效率。
111.在一个示例中，图4是本公开实施例提供的一种交通信号灯切换点预测方法的流程图，本实施例可适用于服务端直接利用车载终端对路口的识别结果预测交通信号灯切换点的情况，该方法可以由交通信号灯切换点预测装置来执行，该装置可以由软件和/或硬件的方式来实现，并一般可集成在服务端中，与车载终端配合使用。相应的，如图1所示，该方法包括如下操作：
112.s410、获取车载终端发送的目标路口中目标交通信号灯的目标信号灯识别结果。
113.s420、根据所述目标信号灯识别结果和所述目标交通信号灯的信号灯切换规律信息计算所述目标交通信号灯的切换点信息。
114.可选的，服务端计算目标交通信号灯的切换点信息之前，可以利用全部的目标信号灯识别结果进行预测，也还可以对目标信号灯识别结果进行筛选，例如筛选红切绿关联的目标信号灯识别结果，并以筛选的部分目标信号灯识别结果结合目标交通信号灯的信号灯切换规律信息计算目标交通信号灯的切换点信息，从而进一步提高目标交通信号灯的切换点信息预测的准确率和效率。
115.本公开实施例通过车载终端获取目标路口的目标路口图像数据后，对目标路口图
像数据进行图像识别，得到目标路口中目标交通信号灯的目标信号灯识别结果，并将目标信号灯识别结果发送至服务端。服务端接收到目标信号灯识别结果后，根据目标信号灯识别结果和目标交通信号灯的信号灯切换规律信息计算目标交通信号灯的切换点信息，解决现有交通信号灯切换点预测存在的时间、价值成本以及服务端的算力消耗较高以致影响预测的准确率和效率等问题，能够降低交通信号灯切换点预测的时间、价值成本以及服务端的算力消耗，提高交通信号灯切换点预测的准确率和效率。
116.在一个示例中，图5是本公开实施例提供的一种交通信号灯切换点预测方法的流程图，本公开实施例在上述各实施例的技术方案的基础上，进行了优化改进，给出了服务端对目标信号灯识别结果进行校验、生成信号灯切换规律信息和目标热度路口集合以及下发切换点信息的多种具体可选的实现方式。
117.如图5所示的一种交通信号灯切换点预测方法，包括：
118.s510、获取车载终端发送的目标路口中目标交通信号灯的目标信号灯识别结果。
119.在本公开的一个可选实施例中，在获取车载终端发送的目标路口中目标交通信号灯的目标信号灯识别结果之前，还可以包括：获取全量车辆轨迹数据和交通信号灯图像数据；根据所述全量车辆轨迹数据和所述交通信号灯图像数据生成的目标热度交通信号灯集合；根据所述目标热度交通信号灯集合生成目标热度路口集合；其中，所述目标热度路口集合包括所述目标路口。
120.其中，全量车辆轨迹数据可以是服务端所能统计和收集的所有车辆轨迹数据。交通信号灯图像数据可以离线获取的对交通信号灯拍摄的图像数据。目标热度交通信号灯集合也即包括目标热度交通信号灯的集合。目标热度路口集合也即包括目标热度路口的结合。目标热度路口也即包括目标热度路口的集合。
121.在本公开实施例中，服务端可以离线确定目标热度交通信号灯集合和目标热度路口集合。具体的，服务端可以利用海量的车辆轨迹数据和离线调度的交通信号灯图像数据，挖掘出有价值的交通信号灯作为目标热度交通信号灯，并整理成目标热度交通信号灯集合。同时，根据目标热度交通信号灯所在的路口确定目标热度路口，并整理成目标热度路口集合。
122.通过整理确定目标热度交通信号灯集合和目标热度路口集合，可以指示车辆到底目标热度路口之前，及时触发图像采集设备和端识别功能采集目标热度路口中目标热度交通信号灯的图像数据并对其识别，从而提高车载终端图像数据采集和识别的实时性。
123.s520、获取所述目标信号灯识别结果匹配的数据回传时间。
124.其中，数据回传时间可以是车载终端向服务端反馈目标信号灯识别结果的时间。
125.可选的，车载终端可以对生成的目标信号灯识别结果标记时间戳，为保证预测的准确率，该时间戳可以表征目标路口图像数据的获取时刻。
126.s530、根据所述数据回传时间获取所述目标路口的车辆轨迹数据。
127.s540、根据所述目标路口的车辆轨迹数据对所述数据回传时间进行校验。
128.考虑到目标信号灯识别结果的回传如果延时较大可能影响切换点信息预测的准确率，因此服务端需要对接收的目标信号灯识别结果的有效性进行校验。在校验过程中，服务端首先获取目标信号灯识别结果匹配的数据回传时间，以根据数据回传时间获取该时间点下目标路口的车辆轨迹数据，并依据获取的数据回传时间点下目标路口的车辆轨迹数据
对数据回传时间进行校验，从而保证目标信号灯识别结果的可用性和可靠性。
129.需要说明的是，如果车载终端回传的识别结果包括识别结果生成的时间信息，考虑到车载终端输出识别结果有一定的延时，车载终端可以记录拍摄图像的时间点，并将拍摄图像的时间点同时发送至服务端。服务端可以根据拍摄图像的时间点对识别结果中的计时信息进行校准，以精确确定当前红绿灯实际的计时时间，进而根据校准后的时间和红绿灯切换规律信息，预测未来交通信号灯的切换点。
130.在本公开的一个可选实施例中，所述根据所述目标路口的车辆轨迹数据对所述数据回传时间进行校验，可以包括：对所述目标路口的车辆轨迹数据进行筛选，得到所述目标信号灯识别结果匹配的目标车辆轨迹数据；根据所述目标车辆轨迹数据确定参考车辆的车辆行车状态；根据所述参考车辆的车辆行车状态对所述数据回传时间进行校验。
131.其中，参考车辆可以是能够对数据回传时间进行校验的车辆轨迹对应的车辆。
132.可选的，对目标路口的车辆轨迹数据进行筛选，可以是筛选目标交通信号灯在数据回传时间点能够引导车辆行车的对应车道的车辆轨迹数据。也即，目标车辆轨迹数据可以能够反应目标交通信号灯在数据回传时刻具体行车状态。相应的，服务端可以根据目标车辆轨迹数据确定参考车辆的车辆行车状态。例如目标车辆轨迹在数据回传时刻实时变化时，可以确定其对应的参考车辆的车辆行车状态为通行。目标车辆轨迹在数据回传时刻对应的一段时间区域未发生变化时，可以确定其对应的参考车辆的车辆行车状态为驻车。进一步的，服务端可以根据参考车辆的车辆行车状态对所述数据回传时间进行校验。
133.示例性的，假设路口a灯a的识别结果为红灯(倒计时显示为20秒)，其匹配的数据回传时间为2022.10.10日上午10:00，表明车载终端于2022.10.10日上午10:00拍摄的路口a的图像数据。相应的，服务端可以获取2022.10.10日上午10:00时路口a的车辆轨迹数据，并分析该时刻下参考车辆的轨迹走向和启停等车辆行车状态，以判断该时刻下参考车辆的车辆行车状态是否与2022.10.10日上午10:00的信号灯状态相匹配。如果根据参考车辆在2022.10.10日上午10:00时刻的车辆行车状态为直行通过路口a，则表明目标信号灯识别结果匹配未通过校验，则该目标信号灯识别结果匹配不可用。
134.由此可见，通过参考车辆的车辆行车状态对数据回传时间进行校验，可以提高数据回传时间校验的准确性和合理性。
135.s550、获取所述目标路口的关联历史车辆轨迹数据。
136.其中，关联历史车辆轨迹数据可以是离线的历史车辆轨迹数据中，与目标路口相匹配的轨迹数据。
137.s560、根据所述关联历史车辆轨迹数据确定所述目标路口的车辆历史轨迹运动规律。
138.其中，车辆历史轨迹运动规律可以是在历史时刻中，各车辆路口目标路口时的运动规律。
139.示例性的，根据关联历史车辆轨迹数据确定的目标路口的车辆历史轨迹运动规律例如可以是：2020年1月1日上午10:00-10:01时段，路口a左转方向和直行方向有车辆通过，2020年1月1日上午10:01-10:02时段，路口a左转方向和直行方向没有车辆通过。2020年1月1日上午10:02-10:03时段，路口a左转方向和直行方向有车辆通过，2020年1月1日上午10:03-10:04时段，路口a左转方向和直行方向没有车辆通过。以此类推，可以得到目标路口的
车辆历史轨迹运动规律。
140.s570、根据所述目标路口的车辆历史轨迹运动规律生成所述信号灯切换规律信息。
141.相应的，目标路口的车辆历史轨迹运动规律可以较好地体现目标路口中信号灯切换规律信息。因此，可以根据目标路口的车辆历史轨迹运动规律生成目标路口匹配的信号灯切换规律信息。
142.以上述示例为例继续说明，根据上述目标路口的车辆历史轨迹运动规律，可以初步生成的信号灯切换规律信息为：2020年1月1日上午10:00-10:01时段，路口a左转方向和直行方向对应的交通信号灯的灯态为绿灯，2020年1月1日上午10:01-10:02时段，路口a左转方向和直行方向对应的交通信号灯的灯态为红灯。2020年1月1日上午10:02-10:03时段，路口a左转方向和直行方向对应的交通信号灯的灯态为绿灯，2020年1月1日上午10:03-10:04时段，路口a左转方向和直行方向对应的交通信号灯的灯态为绿灯。以此类推，可以得到目标路口在未来一段时间内的信号灯切换规律信息。
143.利用目标路口的关联历史车辆轨迹数据推演计算目标路口的信号灯切换规律信息，可以包括信号灯切换规律信息的准确性，进而保证服务端预测交通信号灯切换点信息的准确性。
144.需要说明的是，图5仅是一种实现方式的示意图，步骤s510-s540与步骤s550-s570之间并没有先后顺序。也即，可以先执行步骤s510-s540，再执行步骤s550-s570。或者，可以先执行步骤s550-s570，再执行步骤s510-s540。或者，两者还可以并行执行。
145.s580、根据所述目标信号灯识别结果和所述目标交通信号灯的信号灯切换规律信息计算所述目标交通信号灯的切换点信息。
146.可以理解的是，服务端根据不同车辆发送的目标信号灯识别结果结合目标交通信号灯的信号灯切换规律信息，计算目标交通信号灯的切换点信息时，由于目标信号灯识别结果的差异问题，会导致对同一目标交通信号灯计算出不同的切换点信息。为了解决该问题，服务端可以对各目标信号灯识别结果的置信度进行判决，并采用一定的算法对同一目标交通信号灯计算出不同的切换点信息进行综合计算，从而根据同一目标交通信号灯计算出不同的切换点信息计算出准确性和置信度较高的目标切换点信息，作为该目标交通信号灯的切换点信息。
147.s590、确定请求获取所述目标交通信号灯的切换点信息的目标车辆。
148.s5a0、将所述目标交通信号灯的切换点信息发送至所述目标车辆进行显示。
149.在本公开实施例中，当服务端预测到目标路口中目标交通信号灯的切换点信息后，可以实时地将目标交通信号灯的切换点信息下发至请求获取目标交通信号灯的切换点信息的目标车辆。例如，当目标车辆的导航路线中涉及到目标交通信号灯时，即可在导航侧显示目标交通信号灯的切换点信息，以使用户掌握路线中各目标交通信号灯的实时灯态，为用户行车驾驶作参考。
150.上述技术方案，利用车载终端获取路口的图像信息，经过端图像处理和识别，将识别结果回传到服务端，服务端通过路口历史信息及实时交通信号灯的识别信息来推测路口未来交通信号灯的切换点，可以大幅度降低网络传输的时间和价值成本，同时保证未来交通信号灯切换点的准确性。另外，将交通信号灯切换点预测信息下发至用户时，也会给用户
带来更加舒适的用户体验，提升用户对于地图的整体评价。
151.本公开的技术方案中，所涉及用户个人信息(如用户的车辆轨迹数据等)的收集、存储、使用、加工、传输、提供和公开等处理，均符合相关法律法规的规定，且不违背公序良俗。
152.需要说明的是，以上各实施例中各技术特征之间的任意排列组合也属于本公开的保护范围。
153.在一个示例中，图6是本公开实施例提供的一种交通信号灯切换点预测装置的结构图，本公开实施例可适用于通过车载终端采集识别路口图像，并将识别结果发送至服务端，以使服务端直接利用识别结果预测交通信号灯切换点的情况，该装置通过软件和/或硬件实现，并具体配置于车载终端中，与服务端配合使用。
154.如图6所示的一种交通信号灯切换点预测装置600，包括：目标路口图像数据获取模块610、目标路口图像数据识别模块620和目标信号灯识别结果发送模块630。其中，
155.目标路口图像数据获取模块610，用于获取目标路口的目标路口图像数据；
156.目标路口图像数据识别模块620，用于对所述目标路口图像数据进行图像识别，得到所述目标路口中目标交通信号灯的目标信号灯识别结果；
157.目标信号灯识别结果发送模块630，用于将所述目标信号灯识别结果发送至服务端；
158.其中，所述服务端用于根据所述目标信号灯识别结果和所述目标交通信号灯的信号灯切换规律信息计算所述目标交通信号灯的切换点信息。
159.本公开实施例通过车载终端获取目标路口的目标路口图像数据后，对目标路口图像数据进行图像识别，得到目标路口中目标交通信号灯的目标信号灯识别结果，并将目标信号灯识别结果发送至服务端。服务端接收到目标信号灯识别结果后，根据目标信号灯识别结果和目标交通信号灯的信号灯切换规律信息计算目标交通信号灯的切换点信息，解决现有交通信号灯切换点预测存在的时间、价值成本以及服务端的算力消耗较高以致影响预测的准确率和效率等问题，能够降低交通信号灯切换点预测的时间、价值成本以及服务端的算力消耗，提高交通信号灯切换点预测的准确率和效率。
160.可选的，目标路口图像数据获取模块610还用于：获取当前车辆的当前实时地理位置；在确定所述当前实时地理位置与所述目标路口的目标地理位置之间的距离小于或等于预设距离阈值的情况下，获取所述目标路口的路口队列形状点数据；基于所述目标路口的路口队列形状点数据对所述目标路口进行拍摄，以获取所述目标路口图像数据；其中，所述预设距离阈值根据所述目标路口的路口画像特征生成。
161.可选的，目标路口图像数据获取模块610还用于：基于所述目标路口的路口队列形状点数据确定所述目标路口包括的交通信号灯类型；在确定所述目标路口包括的交通信号灯类型为目标热度交通信号灯的情况下，对所述目标路口进行拍摄。
162.可选的，目标路口图像数据识别模块620还用于：获取当前车辆的当前车道级定位信息；根据所述当前车道级定位信息对所述目标路口图像数据进行定位识别，得到与所述当前车辆所在当前车道匹配的车道级交通信号灯的识别结果作为所述目标信号灯识别结果。
163.可选的，目标路口图像数据识别模块620还用于：对所述目标路口图像数据进行特
征提取，得到所述目标交通信号灯的信号灯提取特征；其中，所述信号灯提取特征包括目标交通信号灯的位置、目标交通信号灯的类型、目标交通信号灯的灯态以及目标交通信号灯的计时信息；根据所述目标交通信号灯的信号灯提取特征对所述目标交通信号灯进行分类识别，得到目标交通信号灯分类识别结果；在根据所述目标交通信号灯分类识别结果确定所述目标交通信号灯的数量为多个的情况下，根据所述当前车道级定位信息从各所述目标交通信号灯确定与所述当前车辆所在当前车道匹配的所述车道级交通信号灯；从所述目标交通信号灯分类识别结果中筛选所述车道级交通信号灯匹配的识别结果，得到所述目标信号灯识别结果。
164.可选的，目标信号灯识别结果发送模块630还用于：在确定所述目标信号灯识别结果不为空的情况下，根据所述目标信号灯识别结果生成目标信号灯多维向量数据；将所述目标信号灯多维向量数据发送至所述服务端；所述装置还包括目标信号灯识别结果删除模块，用于：在确定所述目标信号灯识别结果为空的情况下，删除所述目标信号灯识别结果。
165.上述交通信号灯切换点预测装置可执行本公开任意实施例所提供的车载终端执行的交通信号灯切换点预测方法，具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，可参见本公开任意实施例提供的车载终端执行的交通信号灯切换点预测方法。
166.在一个示例中，图7是本公开实施例提供的一种交通信号灯切换点预测装置的结构图，本公开实施例可适用于服务端直接利用车载终端对路口的识别结果预测交通信号灯切换点的情况，该装置通过软件和/或硬件实现，并具体配置于服务端端中，与车载终端配合使用。
167.如图7所示的一种交通信号灯切换点预测装置700，包括：目标信号灯识别结果获取模块710和切换点信息计算模块720。其中，
168.目标信号灯识别结果获取模块，用于获取车载终端发送的目标路口中目标交通信号灯的目标信号灯识别结果；
169.切换点信息计算模块，用于根据所述目标信号灯识别结果和所述目标交通信号灯的信号灯切换规律信息计算所述目标交通信号灯的切换点信息。
170.本公开实施例通过车载终端获取目标路口的目标路口图像数据后，对目标路口图像数据进行图像识别，得到目标路口中目标交通信号灯的目标信号灯识别结果，并将目标信号灯识别结果发送至服务端。服务端接收到目标信号灯识别结果后，根据目标信号灯识别结果和目标交通信号灯的信号灯切换规律信息计算目标交通信号灯的切换点信息，解决现有交通信号灯切换点预测存在的时间、价值成本以及服务端的算力消耗较高以致影响预测的准确率和效率等问题，能够降低交通信号灯切换点预测的时间、价值成本以及服务端的算力消耗，提高交通信号灯切换点预测的准确率和效率。
171.可选的，上述装置还包括数据回传时间校验模块，用于：获取所述目标信号灯识别结果匹配的数据回传时间；根据所述数据回传时间获取所述目标路口的车辆轨迹数据；根据所述目标路口的车辆轨迹数据对所述数据回传时间进行校验。
172.可选的，所述数据回传时间校验模块还用于：对所述目标路口的车辆轨迹数据进行筛选，得到所述目标信号灯识别结果匹配的目标车辆轨迹数据；根据所述目标车辆轨迹数据确定参考车辆的车辆行车状态；根据所述参考车辆的车辆行车状态对所述数据回传时
间进行校验。
173.可选的，上述装置还包括信号灯切换规律信息生成模块，用于：获取所述目标路口的关联历史车辆轨迹数据；根据所述关联历史车辆轨迹数据确定所述目标路口的车辆历史轨迹运动规律；根据所述目标路口的车辆历史轨迹运动规律生成所述信号灯切换规律信息。
174.可选的，上述装置还包括热度集合生成模块，用于：获取全量车辆轨迹数据和交通信号灯图像数据；根据所述全量车辆轨迹数据和所述交通信号灯图像数据生成的目标热度交通信号灯集合；根据所述目标热度交通信号灯集合生成目标热度路口集合；其中，所述目标热度路口集合包括所述目标路口。
175.可选的，上述装置还包括切换点信息发送模块，用于：确定请求获取所述目标交通信号灯的切换点信息的目标车辆；将所述目标交通信号灯的切换点信息发送至所述目标车辆进行显示。
176.上述交通信号灯切换点预测装置可执行本公开任意实施例所提供的服务端执行的交通信号灯切换点预测方法，具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，可参见本公开任意实施例提供的服务端执行的交通信号灯切换点预测方法。
177.在一个示例中，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
178.图8示出了可以用来实施本公开的实施例的示例电子设备800的示意性框图。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/或者要求的本公开的实现。
179.如图8所示，设备800包括计算单元801，其可以根据存储在只读存储器(rom)802中的计算机程序或者从存储单元808加载到随机访问存储器(ram)803中的计算机程序，来执行各种适当的动作和处理。在ram 803中，还可存储设备800操作所需的各种程序和数据。计算单元801、rom 802以及ram 803通过总线804彼此相连。输入/输出(i/o)接口805也连接至总线804。
180.设备800中的多个部件连接至i/o接口805，包括：输入单元806，例如键盘、鼠标等；输出单元807，例如各种类型的显示器、扬声器等；存储单元808，例如磁盘、光盘等；以及通信单元809，例如网卡、调制解调器、无线通信收发机等。通信单元809允许设备800通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
181.计算单元801可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元801的一些示例包括但不限于中央处理单元(cpu)、图形处理单元(gpu)、各种专用的人工智能(ai)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(dsp)、以及任何适当的处理器、控制器、微控制器等。计算单元801执行上文所描述的各个方法和处理，例如交通信号灯切换点预测方法。例如，在一些实施例中，交通信号灯切换点预测方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元808。在一些实施
例中，计算机程序的部分或者全部可以经由rom 802和/或通信单元809而被载入和/或安装到设备800上。当计算机程序加载到ram 803并由计算单元801执行时，可以执行上文描述的交通信号灯切换点预测方法的一个或多个步骤。备选地，在其他实施例中，计算单元801可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行交通信号灯切换点预测方法。
182.本文中以上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、现场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、芯片上系统的系统(soc)、复杂可编程逻辑设备(cpld)、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。
183.用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
184.在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦除可编程只读存储器(eprom或快闪存储器)、光纤、便捷式紧凑盘只读存储器(cd-rom)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
185.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。
186.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)、区块链网络和互联网。
187.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。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与vps服务中，存在的管理难度大，业务扩展性弱的缺陷。服务器还可以分布式系统的服务器，或者是结合了区块链的服务器。
188.本公开实施例通过车载终端获取目标路口的目标路口图像数据后，对目标路口图像数据进行图像识别，得到目标路口中目标交通信号灯的目标信号灯识别结果，并将目标信号灯识别结果发送至服务端。服务端接收到目标信号灯识别结果后，根据目标信号灯识别结果和目标交通信号灯的信号灯切换规律信息计算目标交通信号灯的切换点信息，解决现有交通信号灯切换点预测存在的时间、价值成本以及服务端的算力消耗较高以致影响预测的准确率和效率等问题，能够降低交通信号灯切换点预测的时间、价值成本以及服务端的算力消耗，提高交通信号灯切换点预测的准确率和效率。
189.在一个示例中，在上述实施例的基础上，本公开实施例还提供了一种车辆，包括车体，还包括上述实施例所述的电子设备、设置在车体上的至少一个图像采集装置；
190.其中，所述电子设备包括：
191.至少一个处理器；以及
192.与所述至少一个处理器通信连接的存储器；其中，
193.所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行所述车载终端执行的交通信号灯切换点预测方法。
194.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，本发公开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，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。
195.上述具体实施方式，并不构成对本公开保护范围的限制。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。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。

技术特征：
1.一种交通信号灯切换点预测方法，应用于车载终端，包括：获取目标路口的目标路口图像数据；对所述目标路口图像数据进行图像识别，得到所述目标路口中目标交通信号灯的目标信号灯识别结果；将所述目标信号灯识别结果发送至服务端；其中，所述服务端用于根据所述目标信号灯识别结果和所述目标交通信号灯的信号灯切换规律信息计算所述目标交通信号灯的切换点信息。2.根据权利要求1所述的方法，其中，所述获取目标路口的目标路口图像数据，包括：获取当前车辆的当前实时地理位置；在确定所述当前实时地理位置与所述目标路口的目标地理位置之间的距离小于或等于预设距离阈值的情况下，获取所述目标路口的路口队列形状点数据；基于所述目标路口的路口队列形状点数据对所述目标路口进行拍摄，以获取所述目标路口图像数据；其中，所述预设距离阈值根据所述目标路口的路口画像特征生成。3.根据权利要求2所述的方法，其中，所述基于所述目标路口的路口队列形状点数据对所述目标路口进行拍摄，包括：基于所述目标路口的路口队列形状点数据确定所述目标路口包括的交通信号灯类型；在确定所述目标路口包括的交通信号灯类型为目标热度交通信号灯的情况下，对所述目标路口进行拍摄。4.根据权利要求1所述的方法，其中，所述对所述目标路口图像数据进行图像识别，得到所述目标路口中目标交通信号灯的目标信号灯识别结果，包括：获取当前车辆的当前车道级定位信息；根据所述当前车道级定位信息对所述目标路口图像数据进行定位识别，得到与所述当前车辆所在当前车道匹配的车道级交通信号灯的识别结果作为所述目标信号灯识别结果。5.根据权利要求4所述的方法，其中，所述根据所述当前车道级定位信息对所述目标路口图像数据进行定位识别，包括：对所述目标路口图像数据进行特征提取，得到所述目标交通信号灯的信号灯提取特征；其中，所述信号灯提取特征包括目标交通信号灯的位置、目标交通信号灯的类型、目标交通信号灯的灯态以及目标交通信号灯的计时信息；根据所述目标交通信号灯的信号灯提取特征对所述目标交通信号灯进行分类识别，得到目标交通信号灯分类识别结果；在根据所述目标交通信号灯分类识别结果确定所述目标交通信号灯的数量为多个的情况下，根据所述当前车道级定位信息从各所述目标交通信号灯确定与所述当前车辆所在当前车道匹配的所述车道级交通信号灯；从所述目标交通信号灯分类识别结果中筛选所述车道级交通信号灯匹配的识别结果，得到所述目标信号灯识别结果。6.根据权利要求1-5任一所述的方法，其中，所述将所述目标信号灯识别结果发送至服务端，包括：在确定所述目标信号灯识别结果不为空的情况下，根据所述目标信号灯识别结果生成
目标信号灯多维向量数据；将所述目标信号灯多维向量数据发送至所述服务端；所述方法还包括：在确定所述目标信号灯识别结果为空的情况下，删除所述目标信号灯识别结果。7.一种交通信号灯切换点预测方法，应用于服务端，包括：获取车载终端发送的目标路口中目标交通信号灯的目标信号灯识别结果；根据所述目标信号灯识别结果和所述目标交通信号灯的信号灯切换规律信息计算所述目标交通信号灯的切换点信息。8.根据权利要求7所述的方法，还包括：获取所述目标信号灯识别结果匹配的数据回传时间；根据所述数据回传时间获取所述目标路口的车辆轨迹数据；根据所述目标路口的车辆轨迹数据对所述数据回传时间进行校验。9.根据权利要求8所述的方法，其中，所述根据所述目标路口的车辆轨迹数据对所述数据回传时间进行校验，包括：对所述目标路口的车辆轨迹数据进行筛选，得到所述目标信号灯识别结果匹配的目标车辆轨迹数据；根据所述目标车辆轨迹数据确定参考车辆的车辆行车状态；根据所述参考车辆的车辆行车状态对所述数据回传时间进行校验。10.根据权利要求7所述的方法，还包括：获取所述目标路口的关联历史车辆轨迹数据；根据所述关联历史车辆轨迹数据确定所述目标路口的车辆历史轨迹运动规律；根据所述目标路口的车辆历史轨迹运动规律生成所述信号灯切换规律信息。11.根据权利要求7所述的方法，还包括：获取全量车辆轨迹数据和交通信号灯图像数据；根据所述全量车辆轨迹数据和所述交通信号灯图像数据生成的目标热度交通信号灯集合；根据所述目标热度交通信号灯集合生成目标热度路口集合；其中，所述目标热度路口集合包括所述目标路口。12.根据权利要求7-11任一所述的方法，还包括：确定请求获取所述目标交通信号灯的切换点信息的目标车辆；将所述目标交通信号灯的切换点信息发送至所述目标车辆进行显示。13.一种交通信号灯切换点预测装置，配置于车载终端，包括：目标路口图像数据获取模块，用于获取目标路口的目标路口图像数据；目标路口图像数据识别模块，用于对所述目标路口图像数据进行图像识别，得到所述目标路口中目标交通信号灯的目标信号灯识别结果；目标信号灯识别结果发送模块，用于将所述目标信号灯识别结果发送至服务端；其中，所述服务端用于根据所述目标信号灯识别结果和所述目标交通信号灯的信号灯切换规律信息计算所述目标交通信号灯的切换点信息。14.根据权利要求13所述的装置，其中，所述目标路口图像数据获取模块还用于：
获取当前车辆的当前实时地理位置；在确定所述当前实时地理位置与所述目标路口的目标地理位置之间的距离小于或等于预设距离阈值的情况下，获取所述目标路口的路口队列形状点数据；基于所述目标路口的路口队列形状点数据对所述目标路口进行拍摄，以获取所述目标路口图像数据；其中，所述预设距离阈值根据所述目标路口的路口画像特征生成。15.根据权利要求14所述的装置，其中，所述目标路口图像数据获取模块还用于：基于所述目标路口的路口队列形状点数据确定所述目标路口包括的交通信号灯类型；在确定所述目标路口包括的交通信号灯类型为目标热度交通信号灯的情况下，对所述目标路口进行拍摄。16.根据权利要求13所述的装置，其中，所述目标路口图像数据识别模块还用于：获取当前车辆的当前车道级定位信息；根据所述当前车道级定位信息对所述目标路口图像数据进行定位识别，得到与所述当前车辆所在当前车道匹配的车道级交通信号灯的识别结果作为所述目标信号灯识别结果。17.根据权利要求16所述的装置，其中，所述目标路口图像数据识别模块还用于：对所述目标路口图像数据进行特征提取，得到所述目标交通信号灯的信号灯提取特征；其中，所述信号灯提取特征包括目标交通信号灯的位置、目标交通信号灯的类型、目标交通信号灯的灯态以及目标交通信号灯的计时信息；根据所述目标交通信号灯的信号灯提取特征对所述目标交通信号灯进行分类识别，得到目标交通信号灯分类识别结果；在根据所述目标交通信号灯分类识别结果确定所述目标交通信号灯的数量为多个的情况下，根据所述当前车道级定位信息从各所述目标交通信号灯确定与所述当前车辆所在当前车道匹配的所述车道级交通信号灯；从所述目标交通信号灯分类识别结果中筛选所述车道级交通信号灯匹配的识别结果，得到所述目标信号灯识别结果。18.根据权利要求13-17任一所述的装置，其中，所述目标信号灯识别结果发送模块还用于：在确定所述目标信号灯识别结果不为空的情况下，根据所述目标信号灯识别结果生成目标信号灯多维向量数据；将所述目标信号灯多维向量数据发送至所述服务端；所述装置还包括目标信号灯识别结果删除模块，用于：在确定所述目标信号灯识别结果为空的情况下，删除所述目标信号灯识别结果。19.一种交通信号灯切换点预测装置，配置于服务端，包括：目标信号灯识别结果获取模块，用于获取车载终端发送的目标路口中目标交通信号灯的目标信号灯识别结果；切换点信息计算模块，用于根据所述目标信号灯识别结果和所述目标交通信号灯的信号灯切换规律信息计算所述目标交通信号灯的切换点信息。20.根据权利要求19所述的装置，还包括数据回传时间校验模块，用于：获取所述目标信号灯识别结果匹配的数据回传时间；
根据所述数据回传时间获取所述目标路口的车辆轨迹数据；根据所述目标路口的车辆轨迹数据对所述数据回传时间进行校验。21.根据权利要求20所述的装置，其中，所述数据回传时间校验模块还用于：对所述目标路口的车辆轨迹数据进行筛选，得到所述目标信号灯识别结果匹配的目标车辆轨迹数据；根据所述目标车辆轨迹数据确定参考车辆的车辆行车状态；根据所述参考车辆的车辆行车状态对所述数据回传时间进行校验。22.根据权利要求19所述的装置，还包括信号灯切换规律信息生成模块，用于：获取所述目标路口的关联历史车辆轨迹数据；根据所述关联历史车辆轨迹数据确定所述目标路口的车辆历史轨迹运动规律；根据所述目标路口的车辆历史轨迹运动规律生成所述信号灯切换规律信息。23.根据权利要求19所述的装置，还包括热度集合生成模块，用于：获取全量车辆轨迹数据和交通信号灯图像数据；根据所述全量车辆轨迹数据和所述交通信号灯图像数据生成的目标热度交通信号灯集合；根据所述目标热度交通信号灯集合生成目标热度路口集合；其中，所述目标热度路口集合包括所述目标路口。24.根据权利要求19-23任一所述的装置，还包括切换点信息发送模块，用于：确定请求获取所述目标交通信号灯的切换点信息的目标车辆；将所述目标交通信号灯的切换点信息发送至所述目标车辆进行显示。25.一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-6中任一项所述的交通信号灯切换点预测方法，或执行权利要求7-12中任一项所述的交通信号灯切换点预测方法。26.一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使计算机执行权利要求1-6中任一项所述的交通信号灯切换点预测方法，或执行权利要求7-12中任一项所述的交通信号灯切换点预测方法。27.一种计算机程序产品，包括计算机程序/指令，其特征在于，该计算机程序/指令被处理器执行时实现权利要求1-6中任一项所述的交通信号灯切换点预测方法，或执行权利要求7-12中任一项所述的交通信号灯切换点预测方法。28.一种车辆，包括车体，还包括电子设备、设置在车体上的至少一个图像采集装置；其中，所述电子设备包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-6中任一项所述的交通信号灯切换点预测方法。

技术总结
本公开提供了一种交通信号灯切换点预测方法、装置、设备、介质及车辆，涉及涉及数据处理技术领域，具体涉及大数据、智能交通和云计算等技术，可应用于导航、车联网、智能座舱以及自动驾驶技术领域，包括：获取目标路口的目标路口图像数据；对所述目标路口图像数据进行图像识别，得到所述目标路口中目标交通信号灯的目标信号灯识别结果；将所述目标信号灯识别结果发送至服务端；其中，所述服务端用于根据所述目标信号灯识别结果和所述目标交通信号灯的信号灯切换规律信息计算所述目标交通信号灯的切换点信息。本公开实施例能够降低交通信号灯切换点预测的时间、价值成本以及服务端的算力消耗，提高交通信号灯切换点预测的准确率和效率。和效率。和效率。


技术研发人员：宋雨坤 刘子昊 孙明芳 张岩 白红霞
受保护的技术使用者：北京百度网讯科技有限公司
技术研发日：2023.03.29
技术公布日：2023/6/28