一种车辆行驶数据预测方法、装置、电子设备及可读介质与流程

1.本发明涉及信息处理技术领域，特别是涉及一种车辆行驶数据预测方法、一种车辆行驶数据预测装置、一种电子设备以及一种计算机可读介质。


背景技术：

2.智能交通路侧单元是一种集成了雷达和摄像头的传感器，通常将这种传感器部署在道路两侧的挂杆上，用来感知路面交通情况，以辅助驾驶或者为自动驾驶提供支撑。
3.在实际应用过程中，由于成本限制、架设点不足、障碍物互相遮挡等因素，产生永久盲区和短时盲区，导致智能交通路侧单元的观测数据产生断层。基于断层的观测数据来辅助驾驶或者为自动驾驶提供支撑会带来严重的交通问题。因此需要对盲区缺少的观测数据进行预测，以得到的完整的数据。
4.在传统的方法中，对于丢失观测数据的车辆，对其行驶方向的预测是选择进入盲区之前的最后一次观测数据所提供的行驶方向作为其在盲区中的行驶方向，对其行驶速度的预测也是选择进入盲区之前的最后一次观测数据所提供的行驶速度作为其在盲区中的行驶速度。这样的方法在遇到弯路，前车减速等情况时，会产生冲出道路，碾压车辆等现象。


技术实现要素：

5.本发明实施例是提供一种车辆行驶数据预测方法、装置、电子设备以及计算机可读介质，以解决采用进入盲区前最后一次观测数据作为盲区的行驶数据容易导致交通事故的问题。
6.本发明实施例公开了一种车辆行驶数据预测方法，包括：
7.识别并记录至少一个车辆以及车辆车身所占的区块得到全局车辆地图；
8.分析每一个车道的可行驶方向，并将所述每一个车道设置为对应一个区块，记录所述每一个区块以及区块上的可行驶方向得到行驶方向地图；
9.采集所述至少一个车辆在智能交通路侧单元的可识别区的行驶数据；
10.根据所述全局车辆地图，所述行驶方向地图以及所述至少一个车辆在可识别区的行驶数据，预测待预测车辆在盲区的行驶数据。
11.可选地，所述根据所述全局车辆地图，所述行驶方向地图以及所述至少一个车辆在可识别区的行驶数据，预测待预测车辆在盲区的行驶数据的步骤，包括：
12.根据所述全局车辆地图，所述行驶方向地图以及所述至少一个车辆在可识别区的行驶方向和行驶速度，预测所述待预测车辆在盲区的行驶方向和行驶速度。
13.可选地，所述根据所述全局车辆地图，所述行驶方向地图以及所述至少一个车辆在可识别区的行驶方向和行驶速度，预测所述待预测车辆在盲区的行驶方向和行驶速度的步骤，包括：
14.从所述全局车辆地图中查找所述待预测车辆车身所占的区块；
15.根据所述待预测车辆车身所占的区块，从所述行驶方向地图中查找所述待预测车
辆车身所占的区块上的可行驶方向；
16.根据所述待预测车辆在可识别区的行驶方向和所述待预测车辆车身所占的区块上的可行驶方向，确定所述待预测车辆在盲区的行驶方向。
17.可选地，所述根据所述全局车辆地图，所述行驶方向地图以及所述至少一个车辆在可识别区的行驶方向和行驶速度，预测所述待预测车辆在盲区的行驶方向和行驶速度的步骤，还包括：
18.根据所述全局车辆地图，所述行驶方向地图以及所述至少一个车辆在可识别区的行驶方向和行驶速度，确定所述待预测车辆的前车的行驶速度以及所述待预测车辆在盲区的最大可行驶速度；
19.基于预设的跟驰模型，采用所述待预测车辆的前车的行驶速度以及所述待预测车辆在盲区的最大可行驶速度，预测所述待预测车辆在盲区的行驶速度。
20.可选地，所述根据所述全局车辆地图，所述行驶方向地图以及所述至少一个车辆在可识别区的行驶方向和行驶速度，确定所述待预测车辆的前车的行驶速度的步骤，包括：
21.根据所述全局车辆地图，所述行驶方向地图以及所述至少一个车辆在可识别区的行驶方向和行驶速度，确定所述待预测车辆的推演方向；
22.采用所述待预测车辆的推演方向，预设的行驶速度以及预设的时间间隔推演所述待预测车辆的推演位置；
23.从全局地图信息中查找所述推演位置对应的区块中除所述待预测车辆以外的车辆并统计每个车辆出现的次数；
24.根据所述每个车辆出现的次数以及所述推演位置对应的区块的数量，确定所述待预测车辆的前车；
25.从所述至少一个车辆在可识别区的行驶速度中，查找所述待预测车辆的前车的行驶速度。
26.可选地，所述根据所述每个车辆出现的次数以及所述推演位置对应的区块的数量，确定所述待预测车辆的前车的步骤，包括：
27.根据所述每个车辆出现的次数以及所述推演位置对应的区块的数量，计算所述每个车辆成为所述待预测车辆前车的概率，将概率大于其他车辆的车辆作为所述待预测车辆的前车。
28.可选地，所述根据所述全局车辆地图，所述行驶方向地图以及所述至少一个车辆在可识别区的行驶方向和行驶速度，确定所述待预测车辆在盲区的最大可行驶速度的步骤，包括：
29.根据所述全局车辆地图，所述行驶方向地图以及所述至少一个车辆在可识别区的行驶方向和行驶速度，确定所述待预测车辆的推演方向；
30.以第一预设距离作为约束条件，采用所述待预测车辆的推演方向和预设的行驶速度推演所述待预测车辆的推演轨迹；
31.计算所述待预测车辆的推演轨迹的起始行驶方向与终点行驶方向的夹角；
32.根据所述待预测车辆的推演轨迹的起始行驶方向与终点行驶方向的夹角，确定所述待预测车辆在盲区的最大可行驶速度。
33.可选地，所述根据所述待预测车辆的推演轨迹的起始行驶方向与终点行驶方向的
夹角，确定所述待预测车辆在盲区的最大可行驶速度的步骤，包括：
34.判断所述待预测车辆的推演轨迹的起始行驶方向与终点行驶方向的夹角是否超过第一预设阈值；
35.若所述待预测车辆的推演轨迹的起始行驶方向与终点行驶方向的夹角没有超过第一预设阈值，则以当前车道的最大可行驶速度作为所述待预测车辆在盲区的最大可行驶速度；
36.若所述待预测车辆的推演轨迹的起始行驶方向与终点行驶方向的夹角超过第一预设阈值，则根据所述夹角的大小确定所述待预测车辆在盲区的最大可行驶速度；所述夹角的大小与所述最大可行驶速度具有对应关系。
37.本发明实施例还公开了一种车辆行驶数据预测装置，包括：
38.全局车辆地图生成模块，用于识别并记录至少一个车辆以及车辆车身所占的区块得到全局车辆地图；
39.行驶方向地图生成模块，用于分析每一个车道的可行驶方向，并将所述每一个车道设置为对应一个区块，记录所述每一个区块以及区块上的可行驶方向得到行驶方向地图；
40.采集模块，用于采集所述至少一个车辆在智能交通路侧单元的可识别区的行驶数据；
41.预测模块，用于根据所述全局车辆地图，所述行驶方向地图以及所述至少一个车辆在可识别区的行驶数据，预测待预测车辆在盲区的行驶数据。
42.可选地，所述预测模块，包括：
43.预测子模块，用于根据所述全局车辆地图，所述行驶方向地图以及所述至少一个车辆在可识别区的行驶方向和行驶速度，预测所述待预测车辆在盲区的行驶方向和行驶速度。
44.可选地，所述预测子模块，包括：
45.第一查找单元，用于从所述全局车辆地图中查找所述待预测车辆车身所占的区块；
46.第二查找单元，用于根据所述待预测车辆车身所占的区块，从所述行驶方向地图中查找所述待预测车辆车身所占的区块上的可行驶方向；
47.行驶方向确定单元，用于根据所述待预测车辆在可识别区的行驶方向和所述待预测车辆车身所占的区块上的可行驶方向，确定所述待预测车辆在盲区的行驶方向。
48.可选地，所述预测子模块，还包括：
49.第一确定单元，用于根据所述全局车辆地图，所述行驶方向地图以及所述至少一个车辆在可识别区的行驶方向和行驶速度，确定所述待预测车辆的前车的行驶速度以及所述待预测车辆在盲区的最大可行驶速度；
50.行驶速度确定单元，用于基于预设的跟驰模型，采用所述待预测车辆的前车的行驶速度以及所述待预测车辆在盲区的最大可行驶速度，预测所述待预测车辆在盲区的行驶速度。
51.可选地，所述第一确定单元，包括：
52.第一推演方向确定子单元，用于根据所述全局车辆地图，所述行驶方向地图以及
所述至少一个车辆在可识别区的行驶方向和行驶速度，确定所述待预测车辆的推演方向；
53.推演位置确定子单元，用于采用所述待预测车辆的推演方向，预设的行驶速度以及预设的时间间隔推演所述待预测车辆的推演位置；
54.第一查找子单元，用于从全局地图信息中查找所述推演位置对应的区块中除所述待预测车辆以外的车辆并统计每个车辆出现的次数；
55.前车确定子单元，用于根据所述每个车辆出现的次数以及所述推演位置对应的区块的数量，确定所述待预测车辆的前车；
56.第二查找子单元，用于从所述至少一个车辆在可识别区的行驶速度中，查找所述待预测车辆的前车的行驶速度。
57.可选地，所述前车确定子单元，包括：
58.前车确定组件，用于根据所述每个车辆出现的次数以及所述推演位置对应的区块的数量，计算所述每个车辆成为所述待预测车辆前车的概率，将概率大于其他车辆的车辆作为所述待预测车辆的前车。
59.可选地，所述第一确定单元，包括：
60.第二推演方向确定子单元，用于根据所述全局车辆地图，所述行驶方向地图以及所述至少一个车辆在可识别区的行驶方向和行驶速度，确定所述待预测车辆的推演方向；
61.推演轨迹确定子单元，用于以第一预设距离作为约束条件，采用所述待预测车辆的推演方向和预设的行驶速度推演所述待预测车辆的推演轨迹；
62.夹角计算子单元，用于计算所述待预测车辆的推演轨迹的起始行驶方向与终点行驶方向的夹角；
63.第一确定子单元，用于根据所述待预测车辆的推演轨迹的起始行驶方向与终点行驶方向的夹角，确定所述待预测车辆在盲区的最大可行驶速度。
64.可选地，所述第一确定子单元，包括：
65.判断组件，用于判断所述待预测车辆的推演轨迹的起始行驶方向与终点行驶方向的夹角是否超过第一预设阈值；
66.第一最大可行驶速度确定组件，用于若所述待预测车辆的推演轨迹的起始行驶方向与终点行驶方向的夹角没有超过第一预设阈值，则以当前车道的最大可行驶速度作为所述待预测车辆在盲区的最大可行驶速度；
67.第二最大可行驶速度确定组件，用于若所述待预测车辆的推演轨迹的起始行驶方向与终点行驶方向的夹角超过第一预设阈值，则根据所述夹角的大小确定所述待预测车辆在盲区的最大可行驶速度；所述夹角的大小与所述最大可行驶速度具有对应关系。
68.本发明实施例还公开了一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，所述处理器、所述通信接口以及所述存储器通过所述通信总线完成相互间的通信；
69.所述存储器，用于存放计算机程序；
70.所述处理器，用于执行存储器上所存放的程序时，实现如本发明实施例所述的车辆行驶数据预测方法。
71.本发明实施例还公开了一种计算机可读介质，其上存储有指令，当由一个或多个处理器执行时，使得所述处理器执行如本发明实施例所述的车辆行驶数据预测方法。
72.本发明实施例包括以下优点：
73.在本发明实施例中，通过识别并记录至少一个车辆以及车辆车身所占的区块得到全局车辆地图，分析每一个车道的可行驶方向，并将所述每一个车道设置为对应一个区块，记录所述每一个区块以及区块上的可行驶方向得到行驶方向地图，以及采集至少一个车辆在智能交通路侧单元的可识别区的行驶数据，使得可以根据全局车辆地图，行驶方向地图以及至少一个车辆在可识别区的行驶数据，预测待预测车辆在盲区的行驶数据，采用该方法可以预测得到待预测车辆在盲区的行驶数据，并且采用该方法预测得到的待预测车辆在盲区的行驶数据具有较高的精确度，更加贴合实际情况，从而能更好地辅助驾驶或者为自动驾驶提供支撑，避免交通事故的发生。
附图说明
74.图1是一种永久盲区示意图；
75.图2是一种短时盲区示意图；
76.图3是本发明实施例中提供的一种车辆行驶数据预测方法的步骤流程图；
77.图4是本发明实施例中提供的一种高精地图中的车道示意图；
78.图5是本发明实施例中提供的另一种车辆行驶数据预测方法的步骤流程图；
79.图6是本发明实施例中提供的一种行驶方向地图示意图；
80.图7是本发明实施例中提供的一种确定待预测车辆的前车的流程图；
81.图8是本发明实施例中提供的一种轨迹从起点至终点行驶方向角度变化示意图；
82.图9是本发明实施例中提供的一种车辆行驶数据预测装置的结构框图；
83.图10是本发明实施例中提供的一种电子设备的框图；
84.图11是本发明实施例中提供的一种计算机可读介质的示意图。
具体实施方式
85.为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
86.由于成本限制、架设点不足、障碍物互相遮挡等因素，产生永久盲区和短时盲区，导致智能交通路侧单元的观测数据产生断层。参照图1，示出了一种永久盲区示意图，图中101为智能交通路侧单元可以识别的区域，102是智能交通路侧单元不可识别的区域，即智能交通路侧单元的盲区。这段路上存在着的盲区，是由于架设点不足导致的，称为永久盲区。参照图2，示出了一种短时盲区示意图，图中201是智能交通路侧单元可以识别的区域，202是智能交通路侧单元不可识别的区域，即智能交通路侧单元的盲区。图中203是具有观测值的车辆，204是没有观测值的待预测车辆。这个路口等候区不属于智能交通路侧单元的盲区，但是仍然存在一些车辆没有观测值，这个是由于其他车辆遮挡而导致，称为短时盲区。
87.现有技术中，直接采用待预测车辆进入盲区前最后一次观测的行驶方向和行驶速度作为待预测车辆在盲区的行驶方向和行驶速度，没有考虑车道的实际可行驶方向，并且没有考虑待预测车辆周围其他车辆的行驶数据以及实际的道路情况，所以采用该方法得到的数据来指导车辆行驶，容易发生冲出车道以及与前车发生碰撞的危险。
88.针对采用进入盲区前最后一次观测数据作为盲区的行驶数据容易导致交通事故的问题，本发明提供了一种车辆行驶数据预测方法，通过识别并记录至少一个车辆以及车辆车身所占的区块得到全局车辆地图，分析每一个车道的可行驶方向，并将所述每一个车道设置为对应一个区块，记录所述每一个区块以及区块上的可行驶方向得到行驶方向地图，以及采集至少一个车辆在智能交通路侧单元的可识别区的行驶数据，使得可以根据全局车辆地图，行驶方向地图以及至少一个车辆在可识别区的行驶数据，预测待预测车辆在盲区的行驶数据，采用该方法可以预测得到待预测车辆在盲区的行驶数据，并且由于本发明采用车道的实际可行驶方向来确定待预测车辆行驶方向，以及根据待预测车辆周围其他车辆的行驶数据以及实际的道路情况来确定待预测车辆的行驶速度，使得采用该方法预测得到的待预测车辆在盲区的行驶数据具有较高的精确度，更加贴合实际情况，从而能更好地辅助驾驶或者为自动驾驶提供支撑，避免交通事故的发生。
89.参照图3，示出了本发明实施例中提供的一种车辆行驶数据预测方法的步骤流程图，具体可以包括如下步骤：
90.智能交通路侧单元(drsu，digital road side unit)是一种集成了雷达和摄像头的传感器，通常将这种传感器部署在道路两侧的挂杆上，用来感知路面交通情况。摄像头会将图像传输给路侧计算单元进行识别，识别图像中出现的各种机动车、非机动车、行人等参与道路交通的主体，并计算它们的类型、尺寸、位置、速度。雷达被用来感知这些主体的位置和速度。路侧计算单元会将视觉感知信息和雷达感知信息进行融合后输出。
91.步骤301，识别并记录至少一个车辆以及车辆车身所占的区块得到全局车辆地图；
92.通常在道路上，可以包括至少一个车辆，为了获取完整的交通情况，首先可以对道路上的车辆以及每个车辆对应的坐标信息进行采集。
93.在本发明实施例中，可以采用智能交通路侧单元来识别道路上的车辆，并对识别的车辆进行记录，记录的车辆信息可以包括车辆的身份标识信息和车辆的坐标信息。其中，车辆的身份标识信息可以为车辆id。
94.其中，可以将每一个坐标设置为对应一个区块，得到车辆车身所占的区块信息，以便在后续的预测过程中，可以查找得到至少一个车辆车身所占的区块信息。
95.具体地，在识别到至少一个车辆id后以及每个车辆的坐标信息后，可以以(车辆坐标为键，车辆id为值)将车辆信息记录到哈希表中，得到全局车辆地图，从而后续可以根据车辆id查找车辆车身所占的区块信息。
96.步骤302，分析每一个车道的可行驶方向，并将所述每一个车道设置为对应一个区块，记录所述每一个区块以及区块上的可行驶方向得到行驶方向地图；
97.在车辆行驶的过程中，车道本身提供的可行驶方向对车辆的可行驶方向存在一定的限制，所以为了提高对待预测车辆在盲区中的行驶方向预测的准确度，可以考虑车道可提供的行驶方向，所以在本发明实施例中，可以对每一个车道进行分析，得到每一个车道的可行驶方向，并将每一个车道设置为对应一个区块，记录每一个区块以及区块上的可行驶方向得到行驶方向地图，以便后续用于确定待预测车辆的可行驶方向。
98.具体地，可以使用采图车收集道路的高精地图，从中提取出所有的车道，对每一个车道的可行驶方向进行计算，并将每一个车道设置为对应一个区块，记录每一个区块以及区块上的可行驶方向得到行驶方向地图。
99.其中，每一个车道的可行驶方向的计算方法如下：
100.在高精地图中，一条道路可以由至少一个车道组成，每一个车道线可以由点集组成。参照图4，示出了本发明实施例中提供的一种高精地图中的车道示意图，图中401为道路方向，402是道路的左边线点集，403是道路的右边线点集。设从道路初始坐标为起始，将第一个车道线的下标设为0，以此类推。
101.道路的左边线和右边线中点的数量可以相同，也可以不相同。以图4作为示例，道路的左边线和右边线中点的数量不相同，左边线的数量比右边线数量多两个。黑色点和灰色点之间的线段404是两个点集下标一致的点的连线，左边线比右边线多出来的两个点均与右边线的最后一个点连线。线段之间的方块405为一个线段的中点。
102.将方块从下标0开始连接，每两个方块中间的线段都进行如下处理：
103.设第一个紫色点为mid0(x0,y0)，第二个紫色点为mid1(x1,y1)。已知两点，根据公式：
104.a＝y
1-y0(1)
105.b＝x
1-x0(2)
106.c＝x1×y0-x0×
y1(3)
107.即可得到mid0到mid1的一般直线方程：
108.a
×
x+b
×
y+c＝0(4)
109.使用mid
1-mid0，即可求得该直线的方向向量(x,y)，使用反正切函数:
110.θ＝atan2(y,x)(5)
111.即可求得mid0到mid1这段线段的方向角θ(弧度制)。
112.再分别计算mid0和mid1的x差值的绝对值
△
x和y差值的绝对值
△
y，若
△
x大于
△
y，则从x＝x0开始，步长为1，使用求出来的直线方程，求得mid0到mid1的方向角集合s。遍历方向角集合s，按照定义好的json结构记录下来。若
△
y大于
△
x，则从y＝y0开始，步长为1，使用求出来的直线方程，求得mid0到mid1的方向角集合s。遍历方向角集合s，按照定义好的json结构记录下。从而得到第一个车道的可行驶方向，每一个车道的可行驶方向均采用上述方法计算。
113.步骤303，采集所述至少一个车辆在智能交通路侧单元的可识别区的行驶数据；
114.在道路上行驶的车辆，若所有车辆均采用任意行驶方向和行驶速度进行行驶，则车辆之间具有较大的概率发生碰撞。为了保证车辆的安全，可以采用车辆周围其他车辆的行驶数据对车辆的行驶数据进行限制，使得车辆之间存在安全的行驶距离，从而避免车辆之间发生碰撞。
115.因此，在本发明实施例中，可以采用智能交通路侧单元采集至少一个车辆的行驶数据，以便后续采用至少一个车辆的行驶数据对待预测车辆的行驶数据进行限制，从而避免待预测车辆与其他车辆之间发生碰撞。
116.步骤304，根据所述全局车辆地图，所述行驶方向地图以及所述至少一个车辆在可识别区的行驶数据，预测待预测车辆在盲区的行驶数据。
117.为了获得待预测车辆在盲区的行驶数据，在得到全局车辆地图、行驶方向地图以及至少一个车辆在可识别区的行驶数据后，可以采用全局车辆地图、行驶方向地图以及至少一个车辆在可识别区的行驶数据对待预测车辆在盲区的行驶数据进行预测，得到待预测
车辆在盲区的行驶数据，进而可以将待预测车辆在盲区的行驶数据关联到待预测车辆，从而使得待预测车辆采用预测得到的行驶数据进行行驶，避免待预测车辆冲出车道或撞击其他车辆，并且可以根据待预测车辆的行驶数据指导其周围其他车辆对自身行驶方向和行驶速度进行调整，避免其他车辆对待预测车辆的撞击。
118.采用本发明实施例的车辆行驶数据预测方法，通过识别并记录至少一个车辆以及车辆车身所占的区块得到全局车辆地图，分析每一个车道的可行驶方向，并将所述每一个车道设置为对应一个区块，记录所述每一个区块以及区块上的可行驶方向得到行驶方向地图，以及采集至少一个车辆在智能交通路侧单元的可识别区的行驶数据，使得可以根据全局车辆地图，行驶方向地图以及至少一个车辆在可识别区的行驶数据，预测待预测车辆在盲区的行驶数据，采用该方法可以预测得到待预测车辆在盲区的行驶数据，并且由于本发明采用车道的实际可行驶方向来确定待预测车辆行驶方向，以及根据待预测车辆周围其他车辆的行驶数据以及实际的道路情况来确定待预测车辆的行驶速度，使得采用该方法预测得到的待预测车辆在盲区的行驶数据具有较高的精确度，更加贴合实际情况，从而能更好地辅助驾驶或者为自动驾驶提供支撑，避免交通事故的发生。
119.参照图5，示出了本发明实施例中提供的另一种车辆行驶数据预测方法的步骤流程图，具体可以包括如下步骤：
120.步骤501，识别并记录至少一个车辆以及车辆车身所占的区块得到全局车辆地图；
121.在本发明实施例中，可以采用智能交通路侧单元来识别道路上的车辆，并对识别的车辆进行记录，记录的车辆信息可以包括车辆的身份标识信息和车辆的坐标信息。其中，可以将每一个坐标设置为对应一个区块，得到车辆车身所占的区块信息，记录识别到的车辆身份标识信息和车辆车身所占的区块信息得到全局车辆地图，从而后续可以根据车辆身份标识信息查找车辆车身所占的区块信息。
122.步骤502，分析每一个车道的可行驶方向，并将所述每一个车道设置为对应一个区块，记录所述每一个区块以及区块上的可行驶方向得到行驶方向地图；
123.在本发明实施例中，可以使用采图车收集道路的高精地图，从中提取出所有的车道，对每一个车道的可行驶方向进行计算，并将每一个车道设置为对应一个区块，记录每一个区块以及区块上的可行驶方向得到行驶方向地图。
124.步骤503，采集所述至少一个车辆在智能交通路侧单元的可识别区的行驶数据；
125.在本发明实施例中，可以采用智能交通路侧单元采集至少一个车辆的行驶数据，以便后续采用至少一个车辆的行驶数据对待预测车辆的行驶数据进行限制，从而避免待预测车辆与其他车辆之间发生碰撞。
126.步骤504，根据所述全局车辆地图，所述行驶方向地图以及所述至少一个车辆在可识别区的行驶方向和行驶速度，预测所述待预测车辆在盲区的行驶方向和行驶速度。
127.为了获得待预测车辆在盲区的行驶方向和行驶速度，在得到全局车辆地图、行驶方向地图以及至少一个车辆在可识别区的行驶方向和行驶速度后，可以采用全局车辆地图、行驶方向地图以及至少一个车辆在可识别区的行驶方向和行驶速度对待预测车辆在盲区的行驶方向和行驶速度进行预测，得到待预测车辆在盲区的行驶方向和行驶速度。
128.在本发明的一种实施例中，所述根据所述全局车辆地图，所述行驶方向地图以及所述至少一个车辆在可识别区的行驶方向和行驶速度，预测所述待预测车辆在盲区的行驶
方向和行驶速度的步骤，包括：
129.s11，从所述全局车辆地图中查找所述待预测车辆车身所占的区块；
130.为了使得预测得到的待预测车辆在盲区的行驶方向更加贴合实际，避免车辆冲出车道，可以采用车道的可行驶方向对车辆的行驶方向进行限制，从而使得待预测车辆采用合适的行驶方向进行行驶。
131.在本发明实施例中，采用车道的可行驶方向对车辆的行驶方向进行限制，首先可以先确定待预测车辆所在的车道，具体地，可以根据待预测车辆的车辆id从全局车辆地图中查找待预测车辆车身所占的区块，以便进一步确定车辆的可行驶方向。
132.s12，根据所述待预测车辆车身所占的区块，从所述行驶方向地图中查找所述待预测车辆车身所占的区块上的可行驶方向；
133.在确定待预测车辆车身所占的区块后，可以从行驶方向地图中查找待预测车辆车身所占的区块上的可行驶方向，从而得到待预测车辆可以行驶的至少一个方向。
134.s13，根据所述待预测车辆在可识别区的行驶方向和所述待预测车辆车身所占的区块上的可行驶方向，确定所述待预测车辆在盲区的行驶方向。
135.待预测车辆车身所占的区块上的可行驶方向可能与待预测车辆当前的行驶方向相同，也可能与待预测车辆当前的行驶方向相差一定的角度，还可能与待预测车辆当前的行驶方向完全相反。但待预测车辆车身所占的区块上与待预测车辆当前的行驶方向完全相反的可行驶方向明显是违背运动规律的，车辆是无法从一个行驶方向直接变成向其相反方向行驶的，所以可以使用待预测车辆当前行驶方向对其下一次的行驶方向进行限制。
136.作为一种示例，参照图6，示出了本发明实施例中提供的一种行驶方向地图示意图。图中，601为待预测车辆车身所占的区域，602为待预测车辆当前的行驶方向，603为行驶方向地图上的可行驶方向，若不使用待预测车辆的当前行驶方向对待预测车辆对预测的行驶方向做限制，在图中这种情况下，车辆的下一次行驶方向就是向下的，而不是向右。因此需要使用待车辆当前的行驶方向对预测的行驶方向做限制，将一些明显违背运动规律的行驶方向排除。
137.具体地，可以遍历待预测车辆车身所占的区块上的可行驶方向，查找与待预测车辆进入盲区前最后一次被观测到的行驶方向的方向角相差小于第一预设阈值的方向角，并将查找到的方向角记录到行驶方向列表。并且为了使得预测的行驶方向更加贴近实际，可以将行驶方向列表记录的方向角中出现次数最多的方向角，作为待预测车辆在盲区的行驶方向。
138.其中，所述第一阈值可以为20
°
、30
°
、40
°
、45
°
、50
°
、60
°
、90
°
，等等。
139.作为一种优选示例，所述第一阈值可以为40
°
，设置为40
°
可以使待预测车辆在十字路口等有多种行驶方向的区块能够维持合理方向继续前进。
140.在本发明的一种实施例中，所述根据所述全局车辆地图，所述行驶方向地图以及所述至少一个车辆在可识别区的行驶方向和行驶速度，预测所述待预测车辆在盲区的行驶方向和行驶速度的步骤，还包括：
141.s21，根据所述全局车辆地图，所述行驶方向地图以及所述至少一个车辆在可识别区的行驶方向和行驶速度，确定所述待预测车辆的前车的行驶速度以及所述待预测车辆在盲区的最大可行驶速度；
142.为了使得预测得到的待预测车辆在盲区的行驶速度更加贴合实际，避免待预测车辆与其他车辆发生碰撞，可以采用其他车辆的行驶速度对待预测车辆的行驶速度进行限制，特别是待预测车辆的前车，采用其行驶速度对待预测车辆的行驶速度进行限制，可以保证两者之间具有安全的行驶距离，避免碰撞事故的发生；同时还可以根据道路的形状对待预测车辆的最大可行驶速度进行确定，以便进一步采用待预测车辆的最大可行驶速度对待预测车辆的行驶速度进行限制，从而使得待预测车辆采用合适的行驶速度进行行驶。
143.在本发明实施例中，可以采用全局车辆地图，行驶方向地图以及至少一个车辆在可识别区的行驶方向和行驶速度，来确定待预测车辆的前车的行驶速度以及待预测车辆在盲区的最大可行驶速度。
144.s22，基于预设的跟驰模型，采用所述待预测车辆的前车的行驶速度以及所述待预测车辆在盲区的最大可行驶速度，预测所述待预测车辆在盲区的行驶速度。
145.在确定待预测车辆的前车的行驶速度以及待预测车辆在盲区的最大可行驶速度后，可以将待预测车辆的前车的行驶速度以及待预测车辆在盲区的最大可行驶速度代入预设的跟驰模型中，通过计算得到待预测车辆在盲区的行驶速度。
146.具体地，预设的跟驰模型包括两种情况：
147.若可以找到待预测车辆的前车，则可以认为车辆处于交通流拥挤态，使用交通流拥挤态下的跟驰模型进行待预测车辆行驶速度的计算：
[0148][0149][0150]
其中，a(t)：车辆在t时刻的加速度；a
start
：车辆的起步加速度；v
max
：车辆的最大限速；v(t)：车辆在t时刻的速度；δ：速度灵敏指数，值越小，速度变化对加速度的影响越平缓；s
*
：与前车的期望最小间距；δv(t)：进入盲区前最后一次观测到的速度与前车速度的速度差；δx(t)：进入盲区前最后一次观测到与前车的距离差；s0：静止时的安全距离；s1：与速度相关的安全距离；t：安全车头时距离；a
max
：车辆最大加速度；b
exp
：期望减速度。
[0151]
若没有找到待预测车辆的前车，则可以认为车辆处于交通流自由态，不受其他车辆约束，使用交通流自由态下的跟驰模型进行待预测车辆行驶速度的计算：
[0152]
因为没有前车存在，即δx(t)趋于无穷，趋于0。
[0153]
则跟驰模型公式(交通流自由态)如下：
[0154][0155]
在本发明的一种实施例中，所述根据所述全局车辆地图，所述行驶方向地图以及所述至少一个车辆在可识别区的行驶方向和行驶速度，确定所述待预测车辆的前车的行驶速度的步骤，包括：
[0156]
s31，根据所述全局车辆地图，所述行驶方向地图以及所述至少一个车辆在可识别
区的行驶方向和行驶速度，确定所述待预测车辆的推演方向；
[0157]
为了使得预测得到的待预测车辆在盲区的行驶速度更加贴合实际，避免待预测车辆与其他车辆发生碰撞，采用待预测车辆的前车的行驶速度对待预测车辆的行驶速度进行限制。
[0158]
在本发明实施例中，可以先确定待预测车辆的前车，再从采集的至少一个车辆的行驶数据中查找前车的行驶速度。
[0159]
待预测车辆的前车通过推演的方式确定，具体地，可以先根据全局车辆地图，行驶方向地图以及至少一个车辆在可识别区的行驶方向和行驶速度，确定待预测车辆的推演方向。也就是，先根据待预测车辆id从全局车辆地图中查找待预测车辆车身所占的区块，再根据待预测车辆车身所占的区块，从行驶方向地图中查找待预测车辆车身所占的区块上的可行驶方向，根据待预测车辆在可识别区的行驶方向和待预测车辆车身所占的区块上的可行驶方向，确定待预测车辆的推演方向。
[0160]
s32，采用所述待预测车辆的推演方向，预设的行驶速度以及预设的时间间隔推演所述待预测车辆的推演位置；
[0161]
在确定待预测车辆的推演方向后，可以以预设的行驶速度和预设的时间间隔推演待预测车辆的推演位置，以便后续根据推演位置确定待预测车辆的前车。其中，所述预设的行驶速度可以为5m/s、10m/s、20m/s、30m/s，等等；所述时间间隔可以为0.1s、0.15s、0.2s、0.25s、0.3s、0.5s，等等。
[0162]
作为一种优选示例，所述预设的行驶速度可以为20m/s，所述预设的时间间隔可以为0.1s，以这个行驶速度行驶0.1s，基本可以走过车辆的半个车身，从而可以缩短推演次数，且不至于推演得太远，导致错过有效的前车。
[0163]
s33，从全局地图信息中查找所述推演位置对应的区块中除所述待预测车辆以外的车辆并统计每个车辆出现的次数；
[0164]
在待预测车辆的推演位置上出现的车辆则可能是待预测车辆的前车，所以在推演得到待预测车辆的推演位置后，可以从全局地图信息中查找推演位置对应的区块中除待预测车辆以外的车辆并统计每个车辆出现的次数，以便从处于待预测车辆的推演位置中的车辆里确定待预测车辆的前车。
[0165]
s34，根据所述每个车辆出现的次数以及所述推演位置对应的区块的数量，确定所述待预测车辆的前车；
[0166]
在待预测车辆的推演位置上出现的车辆可能不只一辆，这些车辆出现的次数可能也不相同，但待预测车辆的推演位置的区块数量是有限的，那么在推演位置上出现次数较多的车辆为待预测车辆的前车的几率就比较大，所以可以根据每个车辆出现的次数以及推演位置对应的区块的数量，确定待预测车辆的前车。
[0167]
s35，从所述至少一个车辆在可识别区的行驶速度中，查找所述待预测车辆的前车的行驶速度。
[0168]
在确定待预测车辆的前车后，可以从至少一个车辆在可识别区的行驶速度中，查找所述待预测车辆的前车的行驶速度，从而得到待预测车辆的前车的行驶速度，可以用于计算待预测车辆在盲区的行驶速度。
[0169]
在本发明的一种实施例中，所述根据所述每个车辆出现的次数以及所述推演位置
对应的区块的数量，确定所述待预测车辆的前车的步骤，包括：
[0170]
s41，根据所述每个车辆出现的次数以及所述推演位置对应的区块的数量，计算所述每个车辆成为所述待预测车辆前车的概率，将概率大于其他车辆的车辆作为所述待预测车辆的前车。
[0171]
待预测车辆的推演位置的区块数量是有限的，在数量有限的区块上，出现次数最多的车辆成为待预测车辆的前车的概率是最大的，所以在本发明实施例中，可以根据每个车辆出现的次数以及推演位置对应的区块的数量，计算每个车辆成为待预测车辆前车的概率，将概率大于其他车辆的车辆作为所述待预测车辆的前车。
[0172]
作为一种示例，可以将出现次数最高且出现次数大于所述推演位置对应的区块数量的预设倍数的车辆作为待预测车辆的前车，具体地，可以判断出现次数最高的车辆的出现次数是否大于推演位置对应的区块数量的预设倍数，若出现次数最高的车辆的出现次数大于推演位置对应的区块数量的预设倍数，则将出现次数最高的车辆作为待预测车辆的前车；以第二预设距离作为约束条件，若在第二预设距离内出现次数最高的车辆的出现次数小于或等于推演位置对应的区块数量的预设倍数，则确定待预测车辆没有前车。例如，推演位置对应的区块数量为n，出现次数最高的车辆的出现次数为b，若b＞1/3n，则可以将该车辆作为待预测车辆的前车；以60米为预设距离，若在60米内推演的所有推演位置上出现次数最高的车辆的出现次数是c，且c≤1/3n，则可以说明待预测车辆没有前车。
[0173]
作为一种示例，参照图7，示出了本发明实施例中提供的一种确定待预测车辆的前车的流程图。
[0174]
寻找前车的方法是一个循环推演的过程，输入的参数是当前车辆信息和当前循环次数。首先，判断当前循环次数是否大于30次，超出30次则认为是没有找到前车，退出循环。若小于30，则继续向下执行。循环30次也就意味着寻找60米范围内的前车。然后，获取推演车辆车身所占区块内的(自身id以外)车辆id，并统计这些车辆id出现的次数，得到出现次数最大的车辆b(即占有区块最多的车辆)，将其出现次数count与推演车辆车身占用的总区块数u的1/3做比较，若出现次数count大于1/3u，则认为b就是前车。若出现次数count小于1/3u，则继续向下执行。接着，本次循环未找到前车，继续推演，先获取下一次推演的前进方向θ。若无法获取到θ，则推出递归。若可以找到θ，则以车速20m/s，时间间隔0.1s，计算出推演车辆的下一位置，并将当前循环次数加1，进行下一位置寻找前车的过程。
[0175]
在本发明的一种实施例中，所述根据所述全局车辆地图，所述行驶方向地图以及所述至少一个车辆在可识别区的行驶方向和行驶速度，确定所述待预测车辆在盲区的最大可行驶速度的步骤，包括：
[0176]
s51，根据所述全局车辆地图，所述行驶方向地图以及所述至少一个车辆在可识别区的行驶方向和行驶速度，确定所述待预测车辆的推演方向；
[0177]
为了使得预测得到的待预测车辆在盲区的行驶速度更加贴合实际，避免待预测车辆超速行驶违法交通规则或发生冲出车道等交通事故，采用道路的形状对待预测车辆的最大可行驶速度进行限制，以便进一步采用待预测车辆的最大可行驶速度对待预测车辆的行驶速度进行限制。
[0178]
在本发明实施例中，可以先确定道路的形状，再根据道路不同的形状确定待预测车辆的最大可行驶速度。
[0179]
道路的形状也是通过推演的方式确定，具体地，可以先根据全局车辆地图，行驶方向地图以及至少一个车辆在可识别区的行驶方向和行驶速度，确定待预测车辆的推演方向。
[0180]
s52，以第一预设距离作为约束条件，采用所述待预测车辆的推演方向和预设的行驶速度推演所述待预测车辆的推演轨迹；
[0181]
在确定待预测车辆的推演方向后，可以以第一预设距离为约束条件，以推演方向和预设的行驶速度推演待预测车辆在第一预设距离内的推演轨迹，在推演得到待预测车辆在第一预设距离内的推演轨迹后，可以根据推演轨迹确定道路的形状。其中，所述第一预设距离可以为10米、20米、50米、60米，100米，等等；所述预设的行驶速度可以为5m/s、10m/s、20m/s、30m/s，等等。
[0182]
s53，计算所述待预测车辆的推演轨迹的起始行驶方向与终点行驶方向的夹角；
[0183]
道路的形状总体可以分为两种，一种为直道，一种为弯道；若道路为直道，那么在直道上行驶的车辆其初始行驶方向和终点行驶方向一般不会有较大的差别，即初始行驶方向和终点行驶方向的夹角较小；而在弯道上行驶的车辆，其初始行驶方向和终点行驶方向会发生较大的变化，即初始行驶方向和终点行驶方向的夹角较大。
[0184]
在本发明实施例中，在推演得到待预测车辆在第一预设距离内的推演轨迹后，可以计算待预测车辆的推演轨迹的起始行驶方向与终点行驶方向的夹角，根据待预测车辆的推演轨迹的起始行驶方向与终点行驶方向的夹角确定道路的形状。
[0185]
参照图8，示出了发明实施例中提供的一种轨迹从起点至终点行驶方向角度变化示意图，记录了从轨迹起点到轨迹终点，每一次移动后行驶方向的角度。
[0186]
s54，根据所述待预测车辆的推演轨迹的起始行驶方向与终点行驶方向的夹角，确定所述待预测车辆在盲区的最大可行驶速度。
[0187]
在直道上，车辆通常可以采用较高的行驶速度行驶，而处于弯道时，若以较高的速度行驶，则车辆很有可能因为离心力而发生侧翻，为了保证车辆安全行驶，对于直道和弯道，可以设置车辆具有不同的最大可行驶速度。
[0188]
具体地，在根据待预测车辆的推演轨迹的起始行驶方向与终点行驶方向的夹角确定道路的形状后，可以根据道路的形状确定待预测车辆在盲区的最大可行驶速度。
[0189]
在本发明的一种实施例中，所述根据所述待预测车辆的推演轨迹的起始行驶方向与终点行驶方向的夹角，确定所述待预测车辆在盲区的最大可行驶速度的步骤，包括：
[0190]
s61，判断所述待预测车辆的推演轨迹的起始行驶方向与终点行驶方向的夹角是否超过第一预设阈值；
[0191]
在直道上行驶，车辆的起始行驶方向与终点行驶方向也可以存在差值，只是相对于弯道，其差值较小，所以可以设定一阈值，将差值小于该阈值的道路作为直道，将大于该阈值的道路作为弯道。
[0192]
在计算得到待预测车辆的推演轨迹的起始行驶方向与终点行驶方向的夹角后，可以判断待预测车辆的推演轨迹的起始行驶方向与终点行驶方向的夹角是否超过第一预设阈值，以便确定道路形状是直道还是弯道。其中，所述第一预设阈值可以为10
°
、20
°
、30
°
、45
°
60
°
，等等。
[0193]
s62，若所述待预测车辆的推演轨迹的起始行驶方向与终点行驶方向的夹角没有
超过第一预设阈值，则以当前车道的最大可行驶速度作为所述待预测车辆在盲区的最大可行驶速度；
[0194]
若待预测车辆的推演轨迹的起始行驶方向与终点行驶方向的夹角没有超过第一预设阈值，则表示车辆的行驶轨迹是直行，此时可以认为道路的形状是直道，对于直道，车辆可以采用较高的速度行驶，那么可以将当前车道的最大可行驶速度作为待预测车辆在盲区的最大可行驶速度。
[0195]
s63，若所述待预测车辆的推演轨迹的起始行驶方向与终点行驶方向的夹角超过第一预设阈值，则根据所述夹角的大小确定所述待预测车辆在盲区的最大可行驶速度；所述夹角的大小与所述最大可行驶速度具有对应关系。
[0196]
若待预测车辆的推演轨迹的起始行驶方向与终点行驶方向的夹角超过第一预设阈值，则表示车辆将会进入弯道，此时可以认为道路的形状是弯道，对于弯道，弯道角度越大，则车辆可以行驶的最大可行驶速度越小。
[0197]
具体地，可以设置不同的夹角对应不同的最大可行驶速度，从而可以根据计算的夹角的大小确定待预测车辆在盲区的最大可行驶速度。
[0198]
采用本发明实施例的车辆行驶数据预测方法，通过识别并记录至少一个车辆以及车辆车身所占的区块得到全局车辆地图，分析每一个车道的可行驶方向，并将所述每一个车道设置为对应一个区块，记录所述每一个区块以及区块上的可行驶方向得到行驶方向地图，以及采集至少一个车辆在智能交通路侧单元的可识别区的行驶数据，使得可以根据全局车辆地图，行驶方向地图以及至少一个车辆在可识别区的行驶数据，预测待预测车辆在盲区的行驶数据，采用该方法可以预测得到待预测车辆在盲区的行驶数据，并且由于本发明采用车道的实际可行驶方向来确定待预测车辆行驶方向，以及根据待预测车辆周围其他车辆的行驶数据以及实际的道路情况来确定待预测车辆的行驶速度，使得采用该方法预测得到的待预测车辆在盲区的行驶数据具有较高的精确度，更加贴合实际情况，从而能更好地辅助驾驶或者为自动驾驶提供支撑，避免交通事故的发生。
[0199]
需要说明的是，对于方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明实施例并不受所描述的动作顺序的限制，因为依据本发明实施例，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作并不一定是本发明实施例所必须的。
[0200]
参照图9，示出了本发明实施例中提供的一种车辆行驶数据预测装置的结构框图，具体可以包括如下模块：
[0201]
全局车辆地图生成模块901，用于识别并记录至少一个车辆以及车辆车身所占的区块得到全局车辆地图；
[0202]
行驶方向地图生成模块902，用于分析每一个车道的可行驶方向，并将所述每一个车道设置为对应一个区块，记录所述每一个区块以及区块上的可行驶方向得到行驶方向地图；
[0203]
采集模块903，用于采集所述至少一个车辆在智能交通路侧单元的可识别区的行驶数据；
[0204]
预测模块904，用于根据所述全局车辆地图，所述行驶方向地图以及所述至少一个
车辆在可识别区的行驶数据，预测待预测车辆在盲区的行驶数据。
[0205]
在本发明的一种实施例中，所述预测模块，包括：
[0206]
预测子模块，用于根据所述全局车辆地图，所述行驶方向地图以及所述至少一个车辆在可识别区的行驶方向和行驶速度，预测所述待预测车辆在盲区的行驶方向和行驶速度。
[0207]
在本发明的一种实施例中，所述预测子模块，包括：
[0208]
第一查找单元，用于从所述全局车辆地图中查找所述待预测车辆车身所占的区块；
[0209]
第二查找单元，用于根据所述待预测车辆车身所占的区块，从所述行驶方向地图中查找所述待预测车辆车身所占的区块上的可行驶方向；
[0210]
行驶方向确定单元，用于根据所述待预测车辆在可识别区的行驶方向和所述待预测车辆车身所占的区块上的可行驶方向，确定所述待预测车辆在盲区的行驶方向。
[0211]
在本发明的一种实施例中，所述预测子模块，还包括：
[0212]
第一确定单元，用于根据所述全局车辆地图，所述行驶方向地图以及所述至少一个车辆在可识别区的行驶方向和行驶速度，确定所述待预测车辆的前车的行驶速度以及所述待预测车辆在盲区的最大可行驶速度；
[0213]
行驶速度确定单元，用于基于预设的跟驰模型，采用所述待预测车辆的前车的行驶速度以及所述待预测车辆在盲区的最大可行驶速度，预测所述待预测车辆在盲区的行驶速度。
[0214]
在本发明的一种实施例中，所述第一确定单元，包括：
[0215]
第一推演方向确定子单元，用于根据所述全局车辆地图，所述行驶方向地图以及所述至少一个车辆在可识别区的行驶方向和行驶速度，确定所述待预测车辆的推演方向；
[0216]
推演位置确定子单元，用于采用所述待预测车辆的推演方向，预设的行驶速度以及预设的时间间隔推演所述待预测车辆的推演位置；
[0217]
第一查找子单元，用于从全局地图信息中查找所述推演位置对应的区块中除所述待预测车辆以外的车辆并统计每个车辆出现的次数；
[0218]
前车确定子单元，用于根据所述每个车辆出现的次数以及所述推演位置对应的区块的数量，确定所述待预测车辆的前车；
[0219]
第二查找子单元，用于从所述至少一个车辆在可识别区的行驶速度中，查找所述待预测车辆的前车的行驶速度。
[0220]
在本发明的一种实施例中，所述前车确定子单元，包括：
[0221]
前车确定组件，用于根据所述每个车辆出现的次数以及所述推演位置对应的区块的数量，计算所述每个车辆成为所述待预测车辆前车的概率，将概率大于其他车辆的车辆作为所述待预测车辆的前车。
[0222]
在本发明的一种实施例中，所述第一确定单元，包括：
[0223]
第二推演方向确定子单元，用于根据所述全局车辆地图，所述行驶方向地图以及所述至少一个车辆在可识别区的行驶方向和行驶速度，确定所述待预测车辆的推演方向；
[0224]
推演轨迹确定子单元，用于以第一预设距离作为约束条件，采用所述待预测车辆的推演方向和预设的行驶速度推演所述待预测车辆的推演轨迹；
[0225]
夹角计算子单元，用于计算所述待预测车辆的推演轨迹的起始行驶方向与终点行驶方向的夹角；
[0226]
第一确定子单元，用于根据所述待预测车辆的推演轨迹的起始行驶方向与终点行驶方向的夹角，确定所述待预测车辆在盲区的最大可行驶速度。
[0227]
在本发明的一种实施例中，所述第一确定子单元，包括：
[0228]
判断组件，用于判断所述待预测车辆的推演轨迹的起始行驶方向与终点行驶方向的夹角是否超过第一预设阈值；
[0229]
第一最大可行驶速度确定组件，用于若所述待预测车辆的推演轨迹的起始行驶方向与终点行驶方向的夹角没有超过第一预设阈值，则以当前车道的最大可行驶速度作为所述待预测车辆在盲区的最大可行驶速度；
[0230]
第二最大可行驶速度确定组件，用于若所述待预测车辆的推演轨迹的起始行驶方向与终点行驶方向的夹角超过第一预设阈值，则根据所述夹角的大小确定所述待预测车辆在盲区的最大可行驶速度；所述夹角的大小与所述最大可行驶速度具有对应关系。
[0231]
对于装置实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
[0232]
另外，本发明实施例还提供一种电子设备，如图10所示，包括处理器1001、通信接口1002、存储器1003和通信总线1004，其中，处理器1001，通信接口1002，存储器1003通过通信总线1004完成相互间的通信，
[0233]
存储器1003，用于存放计算机程序；
[0234]
处理器1001，用于执行存储器1003上所存放的程序时，实现如下步骤：
[0235]
识别并记录至少一个车辆以及车辆车身所占的区块得到全局车辆地图；
[0236]
分析每一个车道的可行驶方向，并将所述每一个车道设置为对应一个区块，记录所述每一个区块以及区块上的可行驶方向得到行驶方向地图；
[0237]
采集所述至少一个车辆在智能交通路侧单元的可识别区的行驶数据；
[0238]
根据所述全局车辆地图，所述行驶方向地图以及所述至少一个车辆在可识别区的行驶数据，预测待预测车辆在盲区的行驶数据。
[0239]
在本发明的一种实施例中，所述根据所述全局车辆地图，所述行驶方向地图以及所述至少一个车辆在可识别区的行驶数据，预测待预测车辆在盲区的行驶数据的步骤，包括：
[0240]
根据所述全局车辆地图，所述行驶方向地图以及所述至少一个车辆在可识别区的行驶方向和行驶速度，预测所述待预测车辆在盲区的行驶方向和行驶速度。
[0241]
在本发明的一种实施例中，所述根据所述全局车辆地图，所述行驶方向地图以及所述至少一个车辆在可识别区的行驶方向和行驶速度，预测所述待预测车辆在盲区的行驶方向和行驶速度的步骤，包括：
[0242]
从所述全局车辆地图中查找所述待预测车辆车身所占的区块；
[0243]
根据所述待预测车辆车身所占的区块，从所述行驶方向地图中查找所述待预测车辆车身所占的区块上的可行驶方向；
[0244]
根据所述待预测车辆在可识别区的行驶方向和所述待预测车辆车身所占的区块上的可行驶方向，确定所述待预测车辆在盲区的行驶方向。
[0245]
在本发明的一种实施例中，所述根据所述全局车辆地图，所述行驶方向地图以及所述至少一个车辆在可识别区的行驶方向和行驶速度，预测所述待预测车辆在盲区的行驶方向和行驶速度的步骤，还包括：
[0246]
根据所述全局车辆地图，所述行驶方向地图以及所述至少一个车辆在可识别区的行驶方向和行驶速度，确定所述待预测车辆的前车的行驶速度以及所述待预测车辆在盲区的最大可行驶速度；
[0247]
基于预设的跟驰模型，采用所述待预测车辆的前车的行驶速度以及所述待预测车辆在盲区的最大可行驶速度，预测所述待预测车辆在盲区的行驶速度。
[0248]
在本发明的一种实施例中，所述根据所述全局车辆地图，所述行驶方向地图以及所述至少一个车辆在可识别区的行驶方向和行驶速度，确定所述待预测车辆的前车的行驶速度的步骤，包括：
[0249]
根据所述全局车辆地图，所述行驶方向地图以及所述至少一个车辆在可识别区的行驶方向和行驶速度，确定所述待预测车辆的推演方向；
[0250]
采用所述待预测车辆的推演方向，预设的行驶速度以及预设的时间间隔推演所述待预测车辆的推演位置；
[0251]
从全局地图信息中查找所述推演位置对应的区块中除所述待预测车辆以外的车辆并统计每个车辆出现的次数；
[0252]
根据所述每个车辆出现的次数以及所述推演位置对应的区块的数量，确定所述待预测车辆的前车；
[0253]
从所述至少一个车辆在可识别区的行驶速度中，查找所述待预测车辆的前车的行驶速度。
[0254]
在本发明的一种实施例中，所述根据所述每个车辆出现的次数以及所述推演位置对应的区块的数量，确定所述待预测车辆的前车的步骤，包括：
[0255]
根据所述每个车辆出现的次数以及所述推演位置对应的区块的数量，计算所述每个车辆成为所述待预测车辆前车的概率，将概率大于其他车辆的车辆作为所述待预测车辆的前车。
[0256]
在本发明的一种实施例中，所述根据所述全局车辆地图，所述行驶方向地图以及所述至少一个车辆在可识别区的行驶方向和行驶速度，确定所述待预测车辆在盲区的最大可行驶速度的步骤，包括：
[0257]
根据所述全局车辆地图，所述行驶方向地图以及所述至少一个车辆在可识别区的行驶方向和行驶速度，确定所述待预测车辆的推演方向；
[0258]
以第一预设距离作为约束条件，采用所述待预测车辆的推演方向和预设的行驶速度推演所述待预测车辆的推演轨迹；
[0259]
计算所述待预测车辆的推演轨迹的起始行驶方向与终点行驶方向的夹角；
[0260]
根据所述待预测车辆的推演轨迹的起始行驶方向与终点行驶方向的夹角，确定所述待预测车辆在盲区的最大可行驶速度。
[0261]
在本发明的一种实施例中，所述根据所述待预测车辆的推演轨迹的起始行驶方向与终点行驶方向的夹角，确定所述待预测车辆在盲区的最大可行驶速度的步骤，包括：
[0262]
判断所述待预测车辆的推演轨迹的起始行驶方向与终点行驶方向的夹角是否超
过第一预设阈值；
[0263]
若所述待预测车辆的推演轨迹的起始行驶方向与终点行驶方向的夹角没有超过第一预设阈值，则以当前车道的最大可行驶速度作为所述待预测车辆在盲区的最大可行驶速度；
[0264]
若所述待预测车辆的推演轨迹的起始行驶方向与终点行驶方向的夹角超过第一预设阈值，则根据所述夹角的大小确定所述待预测车辆在盲区的最大可行驶速度；所述夹角的大小与所述最大可行驶速度具有对应关系。
[0265]
上述终端提到的通信总线可以是外设部件互连标准(peripheral component interconnect，简称pci)总线或扩展工业标准结构(extended industry standard architecture，简称eisa)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
[0266]
通信接口用于上述终端与其他设备之间的通信。
[0267]
存储器可以包括随机存取存储器(random access memory，简称ram)，也可以包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。可选的，存储器还可以是至少一个位于远离前述处理器的存储装置。
[0268]
上述的处理器可以是通用处理器，包括中央处理器(central processing unit，简称cpu)、网络处理器(network processor，简称np)等；还可以是数字信号处理器(digital signal processing，简称dsp)、专用集成电路(application specific integrated circuit，简称asic)、现场可编程门阵列(field-programmable gate array，简称fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
[0269]
如图11所示，在本发明提供的又一实施例中，还提供了一种计算机可读介质1101，该计算机可读介质中存储有指令，当其在计算机上运行时，使得处理器执行上述实施例中所述的车辆行驶数据预测方法方法。
[0270]
在本发明提供的又一实施例中，还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述实施例中所述的车辆行驶数据预测方法方法。
[0271]
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读介质中，或者从一个计算机可读介质向另一个计算机可读介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(dsl))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，dvd)、或者半导体介质(例如固态硬盘solid state disk(ssd))等。
[0272]
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存
在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
[0273]
本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
[0274]
以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。

技术特征：
1.一种车辆行驶数据预测方法，其特征在于，包括：识别并记录至少一个车辆以及车辆车身所占的区块得到全局车辆地图；分析每一个车道的可行驶方向，并将所述每一个车道设置为对应一个区块，记录所述每一个区块以及区块上的可行驶方向得到行驶方向地图；采集所述至少一个车辆在智能交通路侧单元的可识别区的行驶数据；根据所述全局车辆地图，所述行驶方向地图以及所述至少一个车辆在可识别区的行驶数据，预测待预测车辆在盲区的行驶数据。2.根据权利要求1所述的方法，其特征在于，所述根据所述全局车辆地图，所述行驶方向地图以及所述至少一个车辆在可识别区的行驶数据，预测待预测车辆在盲区的行驶数据的步骤，包括：根据所述全局车辆地图，所述行驶方向地图以及所述至少一个车辆在可识别区的行驶方向和行驶速度，预测所述待预测车辆在盲区的行驶方向和行驶速度。3.根据权利要求2所述的方法，其特征在于，所述根据所述全局车辆地图，所述行驶方向地图以及所述至少一个车辆在可识别区的行驶方向和行驶速度，预测所述待预测车辆在盲区的行驶方向和行驶速度的步骤，包括：从所述全局车辆地图中查找所述待预测车辆车身所占的区块；根据所述待预测车辆车身所占的区块，从所述行驶方向地图中查找所述待预测车辆车身所占的区块上的可行驶方向；根据所述待预测车辆在可识别区的行驶方向和所述待预测车辆车身所占的区块上的可行驶方向，确定所述待预测车辆在盲区的行驶方向。4.根据权利要求2所述的方法，其特征在于，所述根据所述全局车辆地图，所述行驶方向地图以及所述至少一个车辆在可识别区的行驶方向和行驶速度，预测所述待预测车辆在盲区的行驶方向和行驶速度的步骤，还包括：根据所述全局车辆地图，所述行驶方向地图以及所述至少一个车辆在可识别区的行驶方向和行驶速度，确定所述待预测车辆的前车的行驶速度以及所述待预测车辆在盲区的最大可行驶速度；基于预设的跟驰模型，采用所述待预测车辆的前车的行驶速度以及所述待预测车辆在盲区的最大可行驶速度，预测所述待预测车辆在盲区的行驶速度。5.根据权利要求4所述的方法，其特征在于，所述根据所述全局车辆地图，所述行驶方向地图以及所述至少一个车辆在可识别区的行驶方向和行驶速度，确定所述待预测车辆的前车的行驶速度的步骤，包括：根据所述全局车辆地图，所述行驶方向地图以及所述至少一个车辆在可识别区的行驶方向和行驶速度，确定所述待预测车辆的推演方向；采用所述待预测车辆的推演方向，预设的行驶速度以及预设的时间间隔推演所述待预测车辆的推演位置；从全局地图信息中查找所述推演位置对应的区块中除所述待预测车辆以外的车辆并统计每个车辆出现的次数；根据所述每个车辆出现的次数以及所述推演位置对应的区块的数量，确定所述待预测车辆的前车；
从所述至少一个车辆在可识别区的行驶速度中，查找所述待预测车辆的前车的行驶速度。6.根据权利要求5所述的方法，其特征在于，所述根据所述每个车辆出现的次数以及所述推演位置对应的区块的数量，确定所述待预测车辆的前车的步骤，包括：根据所述每个车辆出现的次数以及所述推演位置对应的区块的数量，计算所述每个车辆成为所述待预测车辆前车的概率，将概率大于其他车辆的车辆作为所述待预测车辆的前车。7.根据权利要求4所述的方法，其特征在于，所述根据所述全局车辆地图，所述行驶方向地图以及所述至少一个车辆在可识别区的行驶方向和行驶速度，确定所述待预测车辆在盲区的最大可行驶速度的步骤，包括：根据所述全局车辆地图，所述行驶方向地图以及所述至少一个车辆在可识别区的行驶方向和行驶速度，确定所述待预测车辆的推演方向；以第一预设距离作为约束条件，采用所述待预测车辆的推演方向和预设的行驶速度推演所述待预测车辆的推演轨迹；计算所述待预测车辆的推演轨迹的起始行驶方向与终点行驶方向的夹角；根据所述待预测车辆的推演轨迹的起始行驶方向与终点行驶方向的夹角，确定所述待预测车辆在盲区的最大可行驶速度。8.根据权利要求7所述的方法，其特征在于，所述根据所述待预测车辆的推演轨迹的起始行驶方向与终点行驶方向的夹角，确定所述待预测车辆在盲区的最大可行驶速度的步骤，包括：判断所述待预测车辆的推演轨迹的起始行驶方向与终点行驶方向的夹角是否超过第一预设阈值；若所述待预测车辆的推演轨迹的起始行驶方向与终点行驶方向的夹角没有超过第一预设阈值，则以当前车道的最大可行驶速度作为所述待预测车辆在盲区的最大可行驶速度；若所述待预测车辆的推演轨迹的起始行驶方向与终点行驶方向的夹角超过第一预设阈值，则根据所述夹角的大小确定所述待预测车辆在盲区的最大可行驶速度；所述夹角的大小与所述最大可行驶速度具有对应关系。9.一种车辆行驶数据预测装置，其特征在于，包括：全局车辆地图生成模块，用于识别并记录至少一个车辆以及车辆车身所占的区块得到全局车辆地图；行驶方向地图生成模块，用于分析每一个车道的可行驶方向，并将所述每一个车道设置为对应一个区块，记录所述每一个区块以及区块上的可行驶方向得到行驶方向地图；采集模块，用于采集所述至少一个车辆在智能交通路侧单元的可识别区的行驶数据；预测模块，用于根据所述全局车辆地图，所述行驶方向地图以及所述至少一个车辆在可识别区的行驶数据，预测待预测车辆在盲区的行驶数据。10.一种电子设备，其特征在于，包括处理器、通信接口、存储器和通信总线，其中，所述处理器、所述通信接口以及所述存储器通过所述通信总线完成相互间的通信；所述存储器，用于存放计算机程序；
所述处理器，用于执行存储器上所存放的程序时，实现如权利要求1-8任一项所述的车辆行驶数据预测方法。11.一种计算机可读介质，其特征在于，其上存储有指令，当由一个或多个处理器执行时，使得所述处理器执行如权利要求1-8任一项所述的车辆行驶数据预测方法。

技术总结
本发明实施例提供了一种车辆行驶数据预测方法、装置、电子设备及可读介质，所述方法包括：识别并记录至少一个车辆以及车辆车身所占的区块得到全局车辆地图，分析每一个车道的可行驶方向，并将所述每一个车道设置为对应一个区块，记录所述每一个区块以及区块上的可行驶方向得到行驶方向地图，以及采集至少一个车辆在智能交通路侧单元的可识别区的行驶数据，使得可以根据全局车辆地图，行驶方向地图以及至少一个车辆在可识别区的行驶数据，预测待预测车辆在盲区的行驶数据，采用该方法预测得到的待预测车辆在盲区的行驶数据具有较高的精确度，更加贴合实际情况，从而能更好地辅助驾驶或者为自动驾驶提供支撑，避免交通事故的发生。生。生。


技术研发人员：方晓波 张勇 朱江
受保护的技术使用者：新奇点智能科技集团有限公司
技术研发日：2022.09.09
技术公布日：2023/5/16