道路信息重构方法、终端及存储介质与流程

1.本发明涉及智能驾驶技术领域，尤其涉及一种道路信息重构方法、终端及存储介质。


背景技术：

2.道路信息的预先获取，对于各种驾驶场景都有非常重要的意义，例如，pacc（predictive adaptive cruise control system，预见性自适应巡航控制系统）是基于adas（advanced driver assistance system，高级驾驶辅助系统）地图和acc（adaptive cruise control，自适应巡航）自适应巡航，通过获取前方道路的道路信息，并进行地形匹配，按照最优算法控制发动机和变速箱，主动实现对车辆车速、挡位等的最优控制。
3.pacc需要依赖adas地图返回前方道路信息，但是，很多道路尤其是国道、省道等非高速公路的道路，没有对应的道路信息。对于没有adas地图的道路，通常通过道路信息重构的方法，获取目标道路的信息，但是，由于多数道路形态较为复杂，导致相关技术对道路信息重构的精度较低。


技术实现要素：

4.有鉴于此，本发明提供了一种道路信息重构方法、终端及存储介质，能够解决相关技术对道路信息重构精度低的问题。
5.第一方面，本发明实施例提供了一种道路信息重构方法，包括：基于第一预设长度，将目标道路划分为多个子路段并确定每个子路段的聚合轨迹数据，对于每个子路段，所述聚合轨迹数据用于表示多个车辆在该子路段上行驶时对地理位置信息进行采集的采样点集合；对于每个子路段，基于该子路段的聚合轨迹数据进行道路走向分析，确定该子路段的目标坐标系；在该子路段的目标坐标系中，对该子路段的聚合轨迹数据进行拟合，根据拟合结果确定该子路段的多个标准采样点，每个子路段的多个标准采样点共同构成所述目标道路的标准采样点。
6.在一种可能的实现方式中，所述对于每个子路段，基于该子路段的聚合轨迹数据进行道路走向分析，确定该子路段的目标坐标系包括：对于每个子路段，对该子路段的聚合轨迹数据进行主成分分析，将主成分最大的方向作为自变量坐标轴的方向；基于所述自变量坐标轴的方向和预设坐标原点，构建该子路段的目标坐标系。
7.在一种可能的实现方式中，对于所述聚合轨迹数据中的每个采样点，该采样点包括经度值和纬度值，所述在该子路段的目标坐标系中，对该子路段的聚合轨迹数据进行拟合，根据拟合结果确定该子路段的多个标准采样点包括：根据该子路段的聚合轨迹数据中的每个采样点在该子路段的目标坐标系中的坐
标值，基于第一预设拟合函数进行拟合，获取该子路段的第一拟合曲线；对所述第一拟合曲线进行采样，确定该子路段的多个标准采样点，并确定每个标准采样点的经度值和纬度值。
8.在一种可能的实现方式中，对于所述聚合轨迹数据中的每个采样点，该采样点还包括高度值，在所述对所述第一拟合曲线进行采样，确定该子路段的多个标准采样点之后，该方法还包括：根据该子路段的聚合轨迹数据中的每个采样点在该子路段的目标坐标系中的坐标值以及每个采样点的高度值，基于第二预设拟合函数进行拟合，获取该子路段的第二拟合曲线；基于该子路段的多个标准采样点和所述第二拟合曲线，确定该子路段每个标准采样点的高度值；根据所述目标道路上每个标准采样点的经度值、纬度值和高度值，确定每个标准采样点的坡度值和曲率半径值。
9.在一种可能的实现方式中，确定第一目标车辆是否在所述目标道路上行驶；若所述第一目标车辆在所述目标道路上行驶，根据所述第一目标车辆在多个时刻的地理位置信息与所述目标道路标准采样点中预设的第一个标准采样点的位置关系，确定所述第一目标车辆在所述目标道路上的行驶方向；根据所述第一目标车辆在所述目标道路上的行驶方向、所述第一目标车辆在当前时刻的地理位置以及所述目标道路的标准采样点，确定所述第一目标车辆前方预设距离内的标准采样点；基于所述第一目标车辆前方预设距离内的标准采样点的经度值、纬度值、坡度值和曲率半径值，对所述第一目标车辆进行智能驾驶控制。
10.在一种可能的实现方式中，预设区域被划分为多个区块，每个区块唯一对应一个编码块，所述确定第一目标车辆是否在所述目标道路上行驶包括：根据所述第一目标车辆在当前时刻的地理位置，确定所述第一目标车辆所属的编码块作为目标编码块；根据所述目标编码块，确定所述目标编码块对应的至少一条目标道路；获取所述至少一条目标道路中每条目标道路的标准采样点；基于所述第一目标车辆与所述至少一条目标道路中每条目标道路的标准采样点的位置关系，确定所述车辆是否在其中的一条目标道路上行驶。
11.在一种可能的实现方式中，所述基于第一预设长度，将目标道路划分为多个子路段并确定每个子路段的聚合轨迹数据包括：将第二目标车辆在所述目标道路上行驶一次对地理位置信息进行采集的采样点作为基准轨迹数据，在所述基准轨迹数据中采样点按照采集时间排序；根据所述基准轨迹数据，确定所述目标道路的起点，并依次计算每个采样点与所述起点的距离；根据每个采样点与所述起点的距离，基于所述第一预设长度，将所述目标道路划分为多个子路段，对于每个子路段，确定所述基准轨迹数据中属于该子路段的采样点，根据所述基准轨迹数据中属于该子路段的采样点，确定该子路段的经纬度范围；
对于每个子路段，基于该子路段的经纬度范围，确定其他车辆在该子路段上行驶时的采样点，得到该子路段的聚合轨迹数据。
12.在一种可能的实现方式中，每个子路段的聚合轨迹数据共同构成所述目标道路的聚合轨迹数据，在所述对于每个子路段，基于该子路段的聚合轨迹数据进行道路走向分析之前，该方法还包括：根据所述目标道路的聚合轨迹数据，确定长度值与拟合优度值的映射关系，在所述映射关系中，对于任一长度值，该长度值唯一对应的拟合优度值用于表示当每个子路段的长度为该长度值时，每个子路段对应的所述第一预设拟合函数的拟合优度值的平均值，所述拟合优度值为所述第一预设拟合函数的评价值；根据所述映射关系，确定拟合优度值的最大值所对应的长度值作为第二预设长度；基于所述第二预设长度和所述目标道路的聚合轨迹数据，对所述目标道路重新划分为多个子路段，并确定每个子路段的聚合轨迹数据。
13.第二方面，本发明实施例提供了一种终端，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上第一方面或第一方面的任一种可能的实现方式所述方法的步骤。
14.第三方面，本发明实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上第一方面或第一方面的任一种可能的实现方式所述方法的步骤。
15.本发明实施例与现有技术相比存在的有益效果是：本发明在对目标道路进行道路信息重构时，将目标道路划分为多个子路段，并确定每个子路段的聚合轨迹数据。基于每个子路段的聚合轨迹数据，对该子路段的道路走向进行分析，建立该子路段所对应的目标坐标系，在该子路段的目标坐标系下对该子路段的聚合轨迹进行拟合，能够保证拟合函数成立，提高了拟合精度，基于每个子路段的拟合结果，对该子路段进行重采样，得到目标路段的标准采样点。通过本发明实施例提供的方法，能够提高道路信息重构精度。
附图说明
16.为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
17.图1是本发明实施例提供的一种道路信息重构方法的实现流程图；图2是本发明实施例提供的一种道路走向与坐标系关系的示意图；图3是本发明实施例提供的一种对一个子路段的聚合函数进行拟合得到的第一拟合曲线和第二拟合曲线的示意图；图4是本发明实施例提供的一种计算标准采样点坡度值的示意图；图5是本发明实施例提供的一种基于三次多项式对子路段聚合轨迹数据进行拟合的拟合结果示意图；
图6是本发明实施例提供的一种长度值与拟合优度值的映射关系示意图；图7是本发明实施例提供的道路信息重构装置的结构示意图；图8是本发明实施例提供的终端的示意图。
具体实施方式
18.以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。
19.为使本发明的目的、技术方案和优点更加清楚，下面将结合附图通过具体实施例来进行说明。
20.本发明实施例所提供的方法，既可以应用于乘用车，也可以应用于商用车。参见图1，其示出了本发明实施例提供的道路信息重构方法的实现流程图，详述如下：在步骤101中、基于第一预设长度，将目标道路划分为多个子路段并确定每个子路段的聚合轨迹数据，对于每个子路段，聚合轨迹数据用于表示多个车辆在该子路段上行驶时对地理位置信息进行采集的采样点集合。
21.在本发明实施例中，在对目标道路信息重构的过程中，由于需要基于车辆在目标道路上的历史行驶轨迹进行重构，通常道路长度较长，道路形态不断发生变化，为提高重构精度，在本发明实施例中，可选的，基于第一预设长度，将目标道路划分为多个子路段。
22.第一预设长度可以基于待重构的目标道路确定，例如，目标道路复杂度较高，存在多处转弯和多处上下坡路段，则第一预设长度较小，如1km，如果目标道路复杂度较低，如为一段较为平直的国道或省道，则第一预设长度较大，如2km。本发明实施例不对第一预设长度的具体值进行限定。
23.在本发明实施例中，搭载了智能设备的车辆在道路上行驶时，会实时采集车辆位置坐标和海拔数据，位置坐标包括每个采样点的经纬度信息。多辆车在同一道路上行驶多次，就可以积累大量的采样点，基于这些采样点，作为目标道路的聚合轨迹数据。基于步骤101的分段，可以获取每个子路段的聚合轨迹数据。
24.可选的，在本发明实施例中，基准坐标系采用地理坐标系，地理坐标系是使用三维球面来定义地球表面位置，以实现通过经纬度对地球表面点位引用的坐标系。还可以采用其他坐标系作为基准坐标系，本发明实施例对此不作限定，基准坐标系设定完成后，其与目标道路的相对位置固定。
25.在一种可能的实现方式中，将第二目标车辆在目标道路上行驶一次对地理位置信息进行采集的采样点作为基准轨迹数据，在基准轨迹数据中采样点按照采集时间排序；根据基准轨迹数据，确定目标道路的起点，并依次计算每个采样点与起点的距离；根据每个采样点与起点的距离，基于第一预设长度，将目标道路划分为多个子路段，对于每个子路段，确定基准轨迹数据中属于该子路段的采样点，根据基准轨迹数据中属于该子路段的采样点，确定该子路段的经纬度范围；对于每个子路段，基于该子路段的经纬度范围，确定其他车辆在该子路段上行驶时的采样点，得到该子路段的聚合轨迹数据。
26.与多辆车多次行驶形成的聚合轨迹数据相比，一辆车一次行驶的轨迹数据具有严
格的时间顺序。因此，在本发明实施例中，选取一个车辆作为第二目标车辆，将该车辆在该目标道路上行驶一次采集到的按照时间顺序排序的采样点数据作为目标道路的基准轨迹数据。可选的，基准轨迹数据的表现形式如下表1所示。第二目标车辆是从行驶轨迹数据关联车辆中，任意选取的一个车辆。
27.表1
a采样点序号b车辆c设备idd时间e经度值f纬度值g海拔h相邻点距离i累计距离1第二目标车辆915*****0102022/11/621:20:40117.96990824.3974588002第二目标车辆915*****0102022/11/621:20:41117.96985924.397597816.17861916.1786193第二目标车辆915*****0102022/11/621:20:42117.96981424.397736816.05860732.2372274第二目标车辆915*****0102022/11/621:20:43117.9697724.397876816.13648248.3737085第二目标车辆915*****0102022/11/621:20:44117.96972524.398017816.27111764.6448256第二目标车辆915*****0102022/11/621:20:45117.96967924.398158816.29986380.9446897第二目标车辆915*****0102022/11/621:20:46117.9696324.398296916.07324197.017938第二目标车辆915*****0102022/11/621:20:47117.9695824.39843915.685005112.7029349
…………………………………………
在表1中，每一行代表一个采样点，并按照时间先后信息进行排序，如上表1的d列，可选的，按照时间排序后，再按照顺序对每个采样点编号，如上表1的a列。
28.将基准轨迹数据中第一个采样点，即上表1中采样点序号为1的采样点标记为目标道路的起点。为便于描述，将起点所对应的采样点标记为采样点1。
29.根据基准轨迹数据中每个采样点的经纬度，如上表1的e列和f列，依次计算每个采样点与相邻的上一个采样点的距离，得到如上表1中h列的数据。基于相邻两点的距离，可以计算每个采样点与起点，即采样点1之间的距离，得到如上表1中i列的数据。
30.根据i列的最后一个数据，可以得到基准轨迹数据中采样点的累计距离。据此对目标道路进行分段，假设第一预设长度为2000米，则标准的分段区间就是：第1段[0,2000]，第2段(2000,4000]，第3段(4000,6000]，
……
，以此类推。各区间的上下限代表的是采样点和起点之间的距离范围，即上表1中i列的取值范围。基于此，每个分段对应一个子路段，对于每个子路段，结合表1，可以确定基准轨迹数据中属于该子路段的采样点。根据这些基准采样点，可以确定一个子路段的经纬度范围。
[0031]
在获取到其他车辆在目标道路上行驶获取的采样点后，基于每个子路段的经纬度范围，可以确定其他车辆采样点在每个子路段的分布，进而获取每个子路段的聚合轨迹数据。与基准轨迹数据相比，聚合轨迹数据包含的采样点更多，基于聚合轨迹数据进行道路拟合的结果更加符合真实道路形态。
[0032]
在步骤102中、对于每个子路段，基于该子路段的聚合轨迹数据进行道路走向分析，确定该子路段的目标坐标系。
[0033]
在本发明实施例中，基于每个子路段的聚合轨迹数据，用相关拟合算法对该子路段进行道路拟合。可选的，采用三次多项式进行拟合。采用三次多项式进行拟合的过程是用一个形如的三次多项式，基于每个采样点的经纬度坐标对聚合轨迹数据中的每个采样点进行拟合，从而使道路的形态可以用一个平滑、连续的函数来表示。但是，实际目标道路的每一个子路段都有可能具有不同的走向。如果采用基准坐标系，如地理坐标系，通过相关的拟合算法，可能无法拟合成功，即采用基准坐标系的话，可能导致函数关系不成立。图2示出了本发明实施例提供的一种道路走向与坐标系关系的示意图，
在图2中，用xoy表示基准坐标系，若采用形如的三次多项式对该子路段进行拟合，由该函数可知，一个x值只能对应一个y值。如果在基准坐标系中，固定东西方向为x轴，南北方向为y轴，那么对于如图2所示的道路，该函数关系不成立，直接拟合无法成功。
[0034]
基于此，在本发明实施例中，基于该子路段的聚合轨迹数据分析该子路段的道路走向，确定该子路段对应的一个目标坐标系的x轴的方向，如图2所示，确定目标坐标系的x轴为图2中的轴，目标坐标系的x轴确定后，可基于目标坐标系的x轴确定与之垂直的y轴，从而建立该子路段对应的目标坐标系。
[0035]
采用本发明实施例所提供的方法，对于每个子路段，根据该子路段的道路走向，单独确定该子路段对应的一个目标坐标系，该子路段对应的目标坐标系的设置依据为，该子路段的目标坐标系使得该子路段的聚合轨迹数据的分布状态与拟合函数相符，即在该子路段的目标坐标系下，通过预设的拟合函数对该子路段的聚合轨迹数据进行拟合，能够保证预设的拟合函数的函数关系成立。例如依据相关的拟合函数，如拟合函数为一个形如的三次多项式，该子路段的聚合轨迹数据在该子路段目标坐标系的分布关系满足一个x值唯一对应一个y值。
[0036]
在一种可选的实现方式中，对于每个子路段，对该子路段的聚合轨迹数据进行主成分分析，将主成分最大的方向作为自变量坐标轴的方向；基于自变量坐标轴的方向和预设坐标原点，构建该子路段的目标坐标系。
[0037]
主成分分析（principal component analysis，pca）是一种统计方法。在本发明实施例中，对于每个子路段的聚合轨迹数据，通过主成分分析方法，确定聚合轨迹数据中第一主成分的方向，即方差最大的方向，将该方向作为该子路段的目标坐标系的x轴，通过这样的方法，可以保证通过预设的拟合函数，如三次多项式函数对一个子路段的聚合轨迹数据拟合时函数关系成立。
[0038]
如图2所示，对于一个子路段，该子路段的聚合轨迹数据在道路中的走向如图2中的道路所示，通过主成分分析方法，确定该子路段所对应目标坐标系的轴，即图2中的轴，确定轴，基于预设的原点，建立与轴相垂直的轴，即得到该子路段的目标坐标系。
[0039]
在步骤103中、在该子路段的目标坐标系中，对该子路段的聚合轨迹数据进行拟合，根据拟合结果确定该子路段的多个标准采样点，每个子路段的多个标准采样点共同构成目标道路的标准采样点。
[0040]
在本发明实施例中，对于每个子路段，基于该子路段的目标坐标系，对该子路段的聚合轨迹数据进行拟合，得到一个拟合结果，拟合结果为一段平滑连续的曲线，可以用一个具体的函数表示。在该子路段的目标坐标系下，对拟合结果进行重采样，得到多个目标坐标系中重采样的点，基于该子路段目标坐标系与基准坐标系的映射关系，将重采样的点还原到基准坐标系中，即得到该子路段在基准坐标系中的多个标准采样点。
[0041]
结合图2，假设图2中道路对应的是目标道路中的子路段3，通过对子路段3的聚合轨迹数据进行主成分分析，确定子路段3对应的目标坐标系的x轴为图2中的轴，基于预设
的原点，建立与轴相垂直的轴，即得到子路段3的目标坐标系，在子路段3的目标坐标系中，对子路段3的聚合轨迹数据进行拟合，得到一个可以用函数表示的连续、平滑的曲线。通过重采样，在该曲线得到多个重采样的点，基于目标坐标系与基准坐标系的映射关系，将重采样得到的点映射到基准坐标系中，得到多个标准采样点，以及每个标准采样点在基准坐标系中的坐标值。
[0042]
在本发明实施例中，通过步骤101将目标道路划分为n个子路段，n为大于等于2的正整数。通过步骤102可获取每个子路段唯一对应的一个目标坐标系，在该子路段对应的目标坐标系中对该子路段的聚合轨迹数据进行拟合，拟合精度更高。n个子路段对应n个拟合函数，可选的，拟合函数为三次多项式函数。拟合到的每段曲线为连续、平滑的，因此，可以采用任意的预设间隔进行重采样，且降低了原始采样点，也就是聚合轨迹数据中采样点中的噪声影响。
[0043]
每个子路段的多个标准采样点，共同构成该目标道路的标准采样点。目标道路的标准采样点在基准坐标系中，通过经度和纬度表征该采样点的坐标信息。
[0044]
在一种可能的实现方式中，对于聚合轨迹数据中的每个采样点，该采样点包括经度值和纬度值，根据该子路段的聚合轨迹数据中的每个采样点在该子路段的目标坐标系中的坐标值，基于第一预设拟合函数进行拟合，获取该子路段的第一拟合曲线；对所述第一拟合曲线进行采样，确定该子路段的多个标准采样点，并确定每个标准采样点的经度值和纬度值。
[0045]
第一预设拟合函数是指基于采样点的经度值和纬度值确定采样点在目标坐标系中的坐标值，基于每个采样点在目标坐标系的坐标值对路段所属曲线进行拟合的函数，也即对路段所属曲线的二维拟合。可选的，第一预设拟合函数的函数形式为：式中，、分别表示聚合轨迹数据中采样点在目标坐标系中轴、轴的值，即，是关于的三次多项式。、、、的值通过拟合算法学习得到。
[0046]
第一拟合曲线是指基于聚合轨迹数据中每个采样点在目标坐标系中的坐标值对路段所属曲线的表示，也即对路线所属曲线的二维表示。
[0047]
在获取第一拟合曲线后，通过重采样在第一拟合曲线确定该子路段的多个标准采样点，根据每个标准采样点在该子路段目标坐标系中的坐标值以及目标坐标系与基准坐标系的映射关系，可以确定每个标准采样点在基准坐标系，即地理坐标系中的经度值和纬度值。
[0048]
在一种可能的实现方式中，对于聚合轨迹数据中的每个采样点，该采样点还包括高度值，根据该子路段的聚合轨迹数据中的每个采样点在该子路段的目标坐标系中的坐标值以及每个采样点的高度值，基于第二预设拟合函数进行拟合，获取该子路段的第二拟合曲线；基于该子路段的多个标准采样点和第二拟合曲线，确定该子路段每个标准采样点的高度值；根据目标道路上每个标准采样点的经度值、纬度值和高度值，确定每个采样点的坡度值和曲率半径值。
[0049]
第二预设拟合函数是指基于采样点在目标坐标系中的坐标值和高度值，对路段所属曲线进行拟合的函数，也即对路段所属曲线的三维拟合。
[0050]
第二拟合曲线是指基于聚合轨迹数据中每个采样点的坐标值和高度值对路段所属曲线的表示，也即对路线所属曲线的三维表示。
[0051]
在本发明实施例中，基于相同的分段标准，即基于步骤101的分段标准，对于每个一子路段，该子路段的目标坐标系为三维坐标系，包括与平面垂直的轴，可选的，平面用于表示海平面，对于采样点的值为该采样点的高度值，可选的，为该采样点的海拔高度值。
[0052]
在坐标系中，对该子路段的聚合轨迹数据进行拟合。
[0053]
可选的，第二预设拟合函数为坡度拟合函数，函数形式为：式中，、、分别表示聚合轨迹数据中采样点在目标坐标系中轴、轴、轴的值。即，是关于（）的三次多项式函数，式中，至为预设权重，可以通过拟合算法学习得到的。图3为本发明实施例提供的一种对一个子路段的聚合函数进行拟合得到的第一拟合曲线和第二拟合曲线的示意图。如图3所示，上面的曲线为第二拟合曲线，下面的曲线为第一拟合曲线。
[0054]
基于第二拟合曲线，将每个标准采样点代入第二拟合曲线对应的第二拟合函数，可以得到每个标准采样点的高度值，可选的，即得到每个标准采样点的海拔值。此时，每个标准采样点的经度值、纬度值和海拔值就确定了。得到由经度、纬度和高度组成的完整的标准采样点，如下表2所示：表2
a标准采样点序号b经度值c纬度值d海拔e曲率f坡度值g累计距离1117.96990824.3974588c1s102117.96985924.3975978c2s216.1786193117.96981424.3977368c3s332.2372274117.9697724.3978768c4s448.3737085117.96972524.3980178c5s564.6448256117.96967924.3981588c6s680.9446897117.9696324.3982969c7s797.017938117.9695824.398439c8s8112.7029349
………………………………
根据目标道路上每个标准采样点的经度值、纬度值和高度值，即可确定每个采样点的坡度值和曲率半径值。表2仅为标准采样点的一种数据结构形式的示例，本发明实施例不对标准采样点的数据结构进行限定。
[0055]
在一种可选的实现方式中，目标道路上任意三个标准采样点可以唯一确定一个圆，该圆的半径即为标准采样点的曲率半径r，曲率半径的倒数即为该标准采样点对应的曲率。
[0056]
在一种可能的实现方式中，在获取目标道路的标准采样点后，如表2所示，可以获取每个标准采样点与第一个标准采样点的累积距离，对于一个标准采样点a，可以获取位于该标准采样点之前预设距离的一个标准采样点b和位于该标准采样点之后预设距离的一个
标准采样点c，基于标准采样点a、b、c可以唯一确定一个圆，根据该圆的半径即可计算标准采样点a的曲率。另一种可选的，还可以通过与标准采样点a相邻的两个采样点唯一确定一个圆，通过该圆的半径确定标准采样点a的曲率。还可以通过其他方式确定每个标准采样点对应的曲率，本发明实施例对此不作限制。
[0057]
在一种可选的实现方式中，目标道路上当前标准采样点和下一个采样点的高程差/高度差除以水平距离，得到的结果代入反正切函数，得到的角度值即为当前位置的坡度值。图4示出了本发明实施例提供的一种计算标准采样点坡度值的示意图，结合图4，属性点n为当前标准采样点，属性点n+1为位于当前标准采样点的后一个标准采样点，计算得到的角度α的值，即为当前标准采样点的坡度值。
[0058]
通过上述方法，可以计算每个标准采样点的曲率和坡度，得到如上表2中所示的e列和f列。
[0059]
在本发明实施例中，基于拟合函数的重采样得到标准采样点，基于标准采样点的高度值、经纬度值等计算每个标准采样点的曲率和坡度，比直接用原始采样点，也就是聚合轨迹中采样点计算，更能过滤数据中的噪声。并且，由于函数的拟合过程使用了多辆车多次的采样数据，因此通过上述方法得到的标准差采样点更能反映道路的真实情况。
[0060]
本发明在对目标道路进行道路信息重构时，将目标道路划分为多个子路段，并确定每个子路段的聚合轨迹数据。基于每个子路段的聚合轨迹数据，对该子路段的道路走向进行分析，建立该子路段所对应的目标坐标系，在该子路段的目标坐标系下对该子路段的聚合轨迹进行拟合，能够保证拟合函数成立，提高了拟合精度，基于每个子路段的拟合结果，对该子路段进行重采样，得到目标路段的标准采样点。通过本发明实施例提供的方法，能够提高道路信息重构精度。
[0061]
在一种可能的实现方式中，图5是本发明实施例提供的一种基于三次多项式对子路段聚合轨迹数据进行拟合的拟合结果示意图。其中，点代表聚合轨迹数据中的采样点，曲线代表拟合结果。拟合的目的是使拟合曲线尽可能靠近所有的采样点，“靠近的程度”可以用一个评价指标表示，该评价指标为“拟合优度”。拟合优度的取值范围为0至1，拟合优度的值越接近于1，说明得到的拟合曲线对采样点的拟合程度越好。
[0062]
在一种可选的实现方式中，每个子路段的聚合轨迹数据共同构成目标道路的聚合轨迹数据，在对于每个子路段，基于该子路段的聚合轨迹数据进行道路走向分析之前，该方法还包括：根据目标道路的聚合轨迹数据，确定长度值与拟合优度值的映射关系，在映射关系中，对于任一长度值，该长度值唯一对应的拟合优度值用于表示当每个子路段的长度为该长度值时，每个子路段对应的第一预设拟合函数的拟合优度值的平均值，拟合优度值为第一预设拟合函数的评价值；根据映射关系，确定拟合优度值的最大值所对应的长度值作为第二预设长度；基于第二预设长度和目标道路的聚合轨迹数据，对目标道路重新划分为多个子路段，并确定每个子路段的聚合轨迹数据。
[0063]
可选的，第一预设拟合函数是指基于采样点的经度值和纬度值确定采样点在目标坐标系中的坐标值，基于每个采样点在目标坐标系的坐标值对路段所属曲线进行拟合的函数，也即对路段所属曲线的二维拟合。可选的，第一预设拟合函数的函数形式为：式中，、分别表示聚合轨迹数据中采样点在目标坐标系中轴、轴的值，即，是
关于的三次多项式。、、、的值通过拟合算法学习得到。
[0064]
第一拟合曲线是指基于聚合轨迹数据中每个采样点在目标坐标系中的坐标值对路段所属曲线的表示，也即对路线所属曲线的二维表示。
[0065]
如果每个子路段的长度太短，每一个子路段都近似于一条直线，难以通过道路拟合的方式获取道路局部的形态特征。如果每个子路段的长度过长，则该子路段复杂度可能会超过拟合函数本身的复杂度，导致拟合程度不高，或者拟合失败。在本发明实施例中，建立长度值与拟合优度值的映射关系，可选的，由小到大按照预设步长设置一系列长度值，如200米、400米、600米
……
2000米，2200米等，对于每个长度，分别以该长度值作为分段依据，即每个子路段的长度为该长度值。通过上述步骤102至103的方法，通过第一拟合函数对每个子路段的聚合轨迹数据进行拟合，得到每个子路段的拟合优度值，计算平均拟合优度值，作为该长度值所对应的拟合优度值，依次分别以每种长度值作为分段依据，确定该长度值对应的拟合优度值，确定长度值与拟合优度值的映射关系。
[0066]
图6为本发明实施例提供的一种长度值与拟合优度值的映射关系示意图。结合图6，横坐标为拟合窗口长度，即长度值，纵坐标为拟合优度，图6为对某一条目标道路进行分析建立的长度值与拟合优度值的映射关系，对于该目标道路，结合图6，对于该目标道路，当拟合窗口长度，即每个子路段的长度为2000左右时，拟合优度值最大。因此，可设置第二预设长度值=2000米，基于第二预设长度和目标道路的聚合轨迹数据，对目标道路重新划分为多个子路段，并确定每个子路段的聚合轨迹数据。再基于每个子路段的聚合轨迹数据，执行步骤102和103，以进一步提高拟合精度。
[0067]
在一种可能的实现方式中，在确定目标道路的标准采样点，以及每个标准采样点的经度、纬度、高度、坡度、曲率等数据后，对目标道路信息重构完成。基于完成重构的目标道路，在一种可能的实现方式中，本发明实施例所提供的方法还包括：确定第一目标车辆是否在目标道路上行驶；若第一目标车辆在目标道路上行驶，根据第一目标车辆在多个时刻的地理位置信息与目标道路标准采样点中预设的第一个标准采样点的位置关系，确定第一目标车辆在目标道路上的行驶方向；根据第一目标车辆在目标道路上的行驶方向、第一目标车辆在当前时刻的地理位置以及目标道路的标准采样点，确定第一目标车辆前方预设距离内的标准采样点；基于第一目标车辆前方预设距离内的标准采样点的经度值、纬度值、坡度值和曲率半径值，对第一目标车辆进行智能驾驶控制。
[0068]
可选的，第一目标车辆可以与上述第二目标车辆相同，也可以为除第二目标车辆以外的其他车辆，本发明实施例对此不作限定。
[0069]
在获取目标道路的信息后，可以将目标道路的信息作为adas地图使用，以实现车辆的pacc功能。
[0070]
在一种可选的实现方式中，根据第一目标车辆在当前时刻的地理位置，确定第一目标车辆所属的编码块作为目标编码块；根据目标编码块，确定目标编码块对应的至少一条目标道路；获取至少一条目标道路中每条目标道路的标准采样点；基于第一目标车辆与至少一条目标道路中每条目标道路的标准采样点的位置关系，确定车辆是否在其中的一条目标道路上行驶。通过这样的方法，能够提高车辆与目标道路的匹配效率，降低计算量。
[0071]
举例来说，根据地图，将目标区域划分为多个互不重叠的区块，每个区块唯一对应一个编码块，对于目标道路，该目标道路对应至少一个编码块。在获取多条目标道路的道路
信息后，建立数据库，数据库中包括每条目标道路的标准采样点信息，以及目标道路对应的至少一个编码块的信息。
[0072]
当车辆行驶过程中，为了确定车辆正在行驶的道路，可选的，根据车辆当前时刻的地理位置信息，确定车辆在地图上所属的区块，以及确定该区块对应的编码块，根据该编码块，在数据库中进行索引，得到该编码块对应的至少一条目标道路，以及每条目标道路的标准采样点。
[0073]
可选的，依次计算车辆的当前位置与至少一条目标道路上每个标准采样点的位置关系，若车辆当前位置与其中至少一个标准采样点的距离小于预设距离，则确定该车辆位于该标准采样点所属的目标道路上。
[0074]
为便于理解，下面结合一个具体的实例进行说明：第一步，判断车辆是否在目标道路上。
[0075]
通过上述步骤，确定车辆所属的编码块为目标编码块，目标编码块对应一条目标道路，该目标道路标记为目标道路1。判断车辆是否在目标道路1上。目标道路1的标准采样点如上表2所示。
[0076]
车辆行驶时，其车载设备会实时采集车辆当前位置信息，如经纬度坐标，同时可以计算当前车辆坐标与上表2中目标道路每个标准采样点的距离。并做如下规定：（1）车辆当前坐标与任意一个标准采样点之间的距离小于x米时视为车辆在目标道路上行驶；（2）当前坐标与所有标准采样点之间的距离均大于x米时，视为车辆不在目标道路上行驶；可选的，x为预设距离值，可根据实际应用进行设定，如x=10米。
[0077]
通过计算，当判断车辆在目标道路上行驶时，将距离车辆最近的标准采样点视为车辆在目标道路上的位置，简称“车辆位置”。
[0078]
第二步，判断车辆在目标道路上的行进方向上表2所示的标准采样点是按照顺序排列的。为便于下文叙述方便，在此将1号采样点视为起点的方向定义为“正方向”，将1号采样点视为终点的方向定义为“反方向”。
[0079]
当车辆在目标道路上行驶时，可实时得到车辆所在位置和1号采样点之间的累计距离，可做如下判断：车辆所在位置和1号采样点之间的累计距离逐渐递增，则车辆按“正方向”行进；车辆所在位置和1号采样点之间的累计距离逐渐递减，则车辆按“反方向”行进；第三步，向车辆返回预见性信息在确认车辆在目标道路上行驶的方向后，以车辆按“正方向”行进为例，则向车辆实时输出以下信息：当前车辆所在位置，以车辆位置与1号采样点的累计距离来计量；当前车辆前方100-200米范围内道路的曲率和坡度；一个典型的例子如下：当前车辆按“正方向”行进，位置是100米；在200米的位置，曲率为0，坡度为0；在210米的位置，曲率为0.003，坡度为0.3；
……
在300米的位置，曲率为0.002，坡度为0.2；根据以上信息，车端设备可以得知：车辆按照以1号采样点为起点的方向行进，当前位置距离起点100米；在距离起点200米的位置，即车辆前方200-100=100米的位置，曲率为0，坡度为0；在距离起点210米的位置，即车辆前方210-100=110米的位置，曲率为0.003，坡度为0.3；
……
在距离起点300米的位置，即车辆前方300-100=200米的位置，曲率为0.002，坡度为0.2；后续的pacc模块以该信息作为输入，若前方出现坡度较大的上坡，则会预先提升车辆发动机转速使车提速，避免上坡过程中产生过多的油耗；若前方出现坡度较大的下坡或曲率较大的弯道，则会预先降低车辆发动机转速使车减速，避免下坡和转弯速度过快来保证行驶安全，同时避免车辆在进入下坡或弯道后才减速、产生不必要的油耗。
[0080]
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
[0081]
以下为本发明的装置实施例，对于其中未详尽描述的细节，可以参考上述对应的方法实施例。
[0082]
图7示出了本发明实施例提供的道路信息重构装置的结构示意图，为了便于说明，仅示出了与本发明实施例相关的部分，详述如下：如图7所示，道路信息重构装置7包括：划分模块71、第一确定模块72和第二确定模块73；划分模块71，用于基于第一预设长度，将目标道路划分为多个子路段并确定每个子路段的聚合轨迹数据，对于每个子路段，聚合轨迹数据用于表示多个车辆在该子路段上行驶时对地理位置信息进行采集的采样点集合；第一确定模块72，用于对于每个子路段，基于该子路段的聚合轨迹数据进行道路走向分析，确定该子路段的目标坐标系；第二确定模块73，用于在该子路段的目标坐标系中，对该子路段的聚合轨迹数据进行拟合，根据拟合结果确定该子路段的多个标准采样点，每个子路段的多个标准采样点共同构成目标道路的标准采样点。
[0083]
本发明在对目标道路进行道路信息重构时，将目标道路划分为多个子路段，并确定每个子路段的聚合轨迹数据。基于每个子路段的聚合轨迹数据，对该子路段的道路走向进行分析，建立该子路段所对应的目标坐标系，在该子路段的目标坐标系下对该子路段的聚合轨迹进行拟合，能够保证拟合函数成立，提高了拟合精度，基于每个子路段的拟合结果，对该子路段进行重采样，得到目标路段的标准采样点。通过本发明实施例提供的方法，能够提高道路信息重构精度。
[0084]
在一种可能的实现方式中，第一确定模块72还用于：对于每个子路段，对该子路段的聚合轨迹数据进行主成分分析，将主成分最大的
方向作为自变量坐标轴的方向；基于自变量坐标轴的方向和预设坐标原点，构建该子路段的目标坐标系。
[0085]
在一种可能的实现方式中，第二确定模块73用于：根据该子路段的聚合轨迹数据中的每个采样点在该子路段的目标坐标系中的坐标值，基于第一预设拟合函数进行拟合，获取该子路段的第一拟合曲线；对第一拟合曲线进行采样，确定该子路段的多个标准采样点，并确定每个标准采样点的经度值和纬度值。
[0086]
在一种可能的实现方式中，第二确定模块73还用于：根据该子路段的聚合轨迹数据中的每个采样点在该子路段的目标坐标系中的坐标值以及每个采样点的高度值，基于第二预设拟合函数进行拟合，获取该子路段的第二拟合曲线；基于该子路段的多个标准采样点和第二拟合曲线，确定该子路段每个标准采样点的高度值；根据目标道路上每个标准采样点的经度值、纬度值和高度值，确定每个采样点的坡度值和曲率半径值。
[0087]
在一种可能的实现方式中，第二确定模块73还用于：确定第一目标车辆是否在目标道路上行驶；若第一目标车辆在目标道路上行驶，根据第一目标车辆在多个时刻的地理位置信息与目标道路标准采样点中预设的第一个标准采样点的位置关系，确定第一目标车辆在目标道路上的行驶方向；根据第一目标车辆在目标道路上的行驶方向、第一目标车辆在当前时刻的地理位置以及目标道路的标准采样点，确定第一目标车辆前方预设距离内的标准采样点；基于第一目标车辆前方预设距离内的标准采样点的经度值、纬度值、坡度值和曲率半径值，对第一目标车辆进行智能驾驶控制。
[0088]
在一种可能的实现方式中，第二确定模块73还用于：根据第一目标车辆在当前时刻的地理位置，确定第一目标车辆所属的编码块作为目标编码块；根据目标编码块，确定目标编码块对应的至少一条目标道路；获取至少一条目标道路中每条目标道路的标准采样点；基于第一目标车辆与至少一条目标道路中每条目标道路的标准采样点的位置关系，确定车辆是否在其中的一条目标道路上行驶。
[0089]
在一种可能的实现方式中，划分模块71用于：将第二目标车辆在目标道路上行驶一次对地理位置信息进行采集的采样点作为基准轨迹数据，在基准轨迹数据中采样点按照采集时间排序；根据基准轨迹数据，确定目标道路的起点，并依次计算每个采样点与起点的距离；根据每个采样点与起点的距离，基于第一预设长度，将目标道路划分为多个子路段，对于每个子路段，确定基准轨迹数据中属于该子路段的采样点，根据基准轨迹数据中属于该子路段的采样点，确定该子路段的经纬度范围；对于每个子路段，基于该子路段的经纬度范围，确定其他车辆在该子路段上行驶
时的采样点，得到该子路段的聚合轨迹数据。
[0090]
在一种可能的实现方式中，划分模块71还用于：根据目标道路的聚合轨迹数据，确定长度值与拟合优度值的映射关系，在映射关系中，对于任一长度值，该长度值唯一对应的拟合优度值用于表示当每个子路段的长度为该长度值时，每个子路段对应的第一预设拟合函数的拟合优度值的平均值，拟合优度值为第一预设拟合函数的评价值；根据映射关系，确定拟合优度值的最大值所对应的长度值作为第二预设长度；基于第二预设长度和目标道路的聚合轨迹数据，对目标道路重新划分为多个子路段，并确定每个子路段的聚合轨迹数据。
[0091]
本实施例提供的道路信息重构装置，可用于执行上述道路信息重构方法实施例，其实现原理和技术效果类似，本实施例此处不再赘述。
[0092]
图8是本发明一实施例提供的终端的示意图。如图8所示，该实施例的终端8包括：处理器80、存储器81以及存储在所述存储器81中并可在所述处理器80上运行的计算机程序82。所述处理器80执行所述计算机程序82时实现上述各个道路信息重构方法实施例中的步骤，例如图1所示的步骤101至步骤103。或者，所述处理器80执行所述计算机程序82时实现上述各装置实施例中各模块/单元的功能，例如图7所示模块71至73的功能。
[0093]
示例性的，所述计算机程序82可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器81中，并由所述处理器80执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序82在所述终端8中的执行过程。
[0094]
所述终端8可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端8可包括，但不仅限于，处理器80、存储器81。本领域技术人员可以理解，图8仅仅是终端8的示例，并不构成对终端8的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述终端还可以包括输入输出设备、网络接入设备、总线等。
[0095]
所述处理器80可以是中央处理单元(central processing unit，cpu)，还可以是其他通用处理器、数字信号处理器 (digital signal processor，dsp)、专用集成电路 (application specific integrated circuit，asic)、现场可编程门阵列 (field-programmable gate array，fpga) 或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
[0096]
所述存储器81可以是所述终端8的内部存储单元，例如终端8的硬盘或内存。所述存储器81也可以是所述终端8的外部存储设备，例如所述终端8上配备的插接式硬盘，智能存储卡（smart media card，smc），安全数字（secure digital，sd）卡，闪存卡（flash card）等。进一步地，所述存储器81还可以既包括所述终端8的内部存储单元也包括外部存储设备。所述存储器81用于存储所述计算机程序以及所述终端所需的其他程序和数据。所述存储器81还可以用于暂时地存储已经输出或者将要输出的数据。
[0097]
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上
描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本技术的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
[0098]
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
[0099]
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
[0100]
在本发明所提供的实施例中，应该理解到，所揭露的装置/终端和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
[0101]
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
[0102]
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
[0103]
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个道路信息重构方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器（rom，read-only memory）、随机存取存储器（ram，random access memory）、电载波信号、电信信号以及软件分发介质等。
[0104]
以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。

技术特征：
1.一种道路信息重构方法，其特征在于，包括：基于第一预设长度，将目标道路划分为多个子路段并确定每个子路段的聚合轨迹数据，对于每个子路段，所述聚合轨迹数据用于表示多个车辆在该子路段上行驶时对地理位置信息进行采集的采样点集合；对于每个子路段，基于该子路段的聚合轨迹数据进行道路走向分析，确定该子路段的目标坐标系；在该子路段的目标坐标系中，对该子路段的聚合轨迹数据进行拟合，根据拟合结果确定该子路段的多个标准采样点，每个子路段的多个标准采样点共同构成所述目标道路的标准采样点。2.根据权利要求1所述的方法，其特征在于，所述对于每个子路段，基于该子路段的聚合轨迹数据进行道路走向分析，确定该子路段的目标坐标系包括：对于每个子路段，对该子路段的聚合轨迹数据进行主成分分析，将主成分最大的方向作为自变量坐标轴的方向；基于所述自变量坐标轴的方向和预设坐标原点，构建该子路段的目标坐标系。3.根据权利要求1所述的方法，其特征在于，对于所述聚合轨迹数据中的每个采样点，该采样点包括经度值和纬度值，所述在该子路段的目标坐标系中，对该子路段的聚合轨迹数据进行拟合，根据拟合结果确定该子路段的多个标准采样点包括：根据该子路段的聚合轨迹数据中的每个采样点在该子路段的目标坐标系中的坐标值，基于第一预设拟合函数进行拟合，获取该子路段的第一拟合曲线；对所述第一拟合曲线进行采样，确定该子路段的多个标准采样点，并确定每个标准采样点的经度值和纬度值。4.根据权利要求3所述的方法，其特征在于，对于所述聚合轨迹数据中的每个采样点，该采样点还包括高度值，在所述对所述第一拟合曲线进行采样，确定该子路段的多个标准采样点之后，该方法还包括：根据该子路段的聚合轨迹数据中的每个采样点在该子路段的目标坐标系中的坐标值以及每个采样点的高度值，基于第二预设拟合函数进行拟合，获取该子路段的第二拟合曲线；基于该子路段的多个标准采样点和所述第二拟合曲线，确定该子路段每个标准采样点的高度值；根据所述目标道路上每个标准采样点的经度值、纬度值和高度值，确定每个标准采样点的坡度值和曲率半径值。5.根据权利要求4所述的方法，其特征在于，所述根据所述目标道路上每个标准采样点的经度值、纬度值和高度值，确定每个标准采样点的坡度值和曲率半径值之后，该方法还包括：确定第一目标车辆是否在所述目标道路上行驶；若所述第一目标车辆在所述目标道路上行驶，根据所述第一目标车辆在多个时刻的地理位置信息与所述目标道路标准采样点中预设的第一个标准采样点的位置关系，确定所述第一目标车辆在所述目标道路上的行驶方向；根据所述第一目标车辆在所述目标道路上的行驶方向、所述第一目标车辆在当前时刻
的地理位置以及所述目标道路的标准采样点，确定所述第一目标车辆前方预设距离内的标准采样点；基于所述第一目标车辆前方预设距离内的标准采样点的经度值、纬度值、坡度值和曲率半径值，对所述第一目标车辆进行智能驾驶控制。6.根据权利要求5所述的方法，其特征在于，预设区域被划分为多个区块，每个区块唯一对应一个编码块，所述确定第一目标车辆是否在所述目标道路上行驶包括：根据所述第一目标车辆在当前时刻的地理位置，确定所述第一目标车辆所属的编码块作为目标编码块；根据所述目标编码块，确定所述目标编码块对应的至少一条目标道路；获取所述至少一条目标道路中每条目标道路的标准采样点；基于所述第一目标车辆与所述至少一条目标道路中每条目标道路的标准采样点的位置关系，确定所述车辆是否在其中的一条目标道路上行驶。7.根据权利要求1至6任一项所述的方法，其特征在于，所述基于第一预设长度，将目标道路划分为多个子路段并确定每个子路段的聚合轨迹数据包括：将第二目标车辆的采样点作为基准轨迹数据，在所述基准轨迹数据中采样点按照采集时间排序；其中，所述采样点为所述第二目标车辆任意一次行驶在所述目标道路上对地理位置信息进行采集得到的采样点；根据所述基准轨迹数据，确定所述目标道路的起点，并依次计算每个采样点与所述起点的距离；根据每个采样点与所述起点的距离，基于所述第一预设长度，将所述目标道路划分为多个子路段，对于每个子路段，确定所述基准轨迹数据中属于该子路段的采样点，根据所述基准轨迹数据中属于该子路段的采样点，确定该子路段的经纬度范围；对于每个子路段，基于该子路段的经纬度范围，确定其他车辆在该子路段上行驶时的采样点，得到该子路段的聚合轨迹数据。8.根据权利要求1所述的方法，其特征在于，每个子路段的聚合轨迹数据共同构成所述目标道路的聚合轨迹数据，在所述对于每个子路段，基于该子路段的聚合轨迹数据进行道路走向分析之前，该方法还包括：根据所述目标道路的聚合轨迹数据，确定长度值与拟合优度值的映射关系，在所述映射关系中，对于任一长度值，该长度值唯一对应的拟合优度值用于表示当每个子路段的长度为该长度值时，每个子路段对应的第一预设拟合函数的拟合优度值的平均值，所述拟合优度值为所述第一预设拟合函数的评价值；根据所述映射关系，确定拟合优度值的最大值所对应的长度值作为第二预设长度；基于所述第二预设长度和所述目标道路的聚合轨迹数据，对所述目标道路重新划分为多个子路段，并确定每个子路段的聚合轨迹数据。9.一种终端，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如上的权利要求1至8中任一项所述方法的步骤。10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如上的权利要求1至8中任一项所述方法的步骤。

技术总结
本发明提供了一种道路信息重构方法、终端及存储介质，该方法包括：基于第一预设长度，将目标道路划分为多个子路段并确定每个子路段的聚合轨迹数据，对于每个子路段，聚合轨迹数据用于表示多个车辆在该子路段上行驶时对地理位置信息进行采集的采样点集合；对于每个子路段，基于该子路段的聚合轨迹数据进行道路走向分析，确定该子路段的目标坐标系；在该子路段的目标坐标系中，对该子路段的聚合轨迹数据进行拟合，根据拟合结果确定该子路段的多个标准采样点，每个子路段的多个标准采样点共同构成目标道路的标准采样点。本发明能够提高道路信息重构精度。信息重构精度。信息重构精度。


技术研发人员：徐显杰 赵伟亭 刘东
受保护的技术使用者：所托（杭州）汽车智能设备有限公司
技术研发日：2023.07.14
技术公布日：2023/8/14