[go: up one dir, main page]

CN106843219A - 无人驾驶车辆选择接泊点的方法、装置、设备及存储介质 - Google Patents

无人驾驶车辆选择接泊点的方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN106843219A
CN106843219A CN201710089263.8A CN201710089263A CN106843219A CN 106843219 A CN106843219 A CN 106843219A CN 201710089263 A CN201710089263 A CN 201710089263A CN 106843219 A CN106843219 A CN 106843219A
Authority
CN
China
Prior art keywords
poi
reference coordinate
coordinate points
grid cell
weight
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201710089263.8A
Other languages
English (en)
Other versions
CN106843219B (zh
Inventor
刘涛
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN201710089263.8A priority Critical patent/CN106843219B/zh
Publication of CN106843219A publication Critical patent/CN106843219A/zh
Application granted granted Critical
Publication of CN106843219B publication Critical patent/CN106843219B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
    • G05D1/0242—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using non-visible light signals, e.g. IR or UV signals
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0259—Control of position or course in two dimensions specially adapted to land vehicles using magnetic or electromagnetic means
    • G05D1/0263—Control of position or course in two dimensions specially adapted to land vehicles using magnetic or electromagnetic means using magnetic strips
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
    • G05D1/028—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle using a RF signal

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Electromagnetism (AREA)
  • Navigation (AREA)

Abstract

本发明公开了无人驾驶车辆选择接泊点的方法、装置、设备及存储介质，其中方法包括：确定出无人驾驶车辆运营区域内符合停车规则的POI；根据获取到的历史上下车信息分别确定出各POI的权重；当无人驾驶车辆需要停靠时，根据各POI的权重信息，从各POI中选出一个作为停靠地点。应用本发明所述方案，为无人驾驶车辆如何选择接泊点提供了一种行之有效的方法，而且，所选出的接泊点符合停车规则，确保了无人驾驶车辆停靠的合理性及安全性等。

Description

无人驾驶车辆选择接泊点的方法、装置、设备及存储介质
【技术领域】
本发明涉及无人驾驶车辆技术，特别涉及无人驾驶车辆选择接泊点的方法、装置、设备及存储介质。
【背景技术】
无人驾驶车辆，是指通过车载传感系统来感知车辆周围环境，并根据感知所获得的道路、车辆位置和障碍物信息等，控制车辆的转向和速度，从而使车辆能够安全、可靠地在道路上行驶。
图1为现有无人驾驶车辆的工作原理示意图，如图1所示，其中的高精地图是指具有厘米级精度的地图，可精细到行车线，并能分辨桥上、桥下、摄像头、路牌、斑马线等，智能感知指基于多传感器融合，深度理解车辆周围环境信息，智能控制指自动规划以及车辆控制等。
目前，无人驾驶车辆主要还处于研发和测试阶段，但可以预见，随着无人驾驶车辆技术的发展，未来会有越来越多的无人驾驶车辆真正的投入使用。
在有人驾驶的车辆中，驾驶员可以通过观察和判断等，选择合适的停车地点即接泊点进行车辆停靠，但是该方式对于无人驾驶车辆并不适用，而针对无人驾驶车辆如何选择接泊点的问题，现有技术中还没有一种有效的解决方式。
【发明内容】
有鉴于此，本发明提供了无人驾驶车辆选择接泊点的方法、装置、设备及存储介质，能够为无人驾驶车辆选出适合的停车地点。
具体技术方案如下：
一种无人驾驶车辆选择接泊点的方法，包括：
确定出无人驾驶车辆运营区域内符合停车规则的兴趣点POI；
根据获取到的历史上下车信息分别确定出各POI的权重；
当无人驾驶车辆需要停靠时，根据各POI的权重信息，从各POI中选出一个作为停靠地点。
一种无人驾驶车辆选择接泊点的装置，包括：第一预处理单元、第二预处理单元以及选择单元；
所述第一预处理单元，用于确定出无人驾驶车辆运营区域内符合停车规则的兴趣点POI，并通知给所述第二预处理单元以及所述选择单元；
所述第二预处理单元，用于根据获取到的历史上下车信息分别确定出各POI的权重，并通知给所述选择单元；
所述选择单元，用于当无人驾驶车辆需要停靠时，根据各POI的权重信息，从各POI中选出一个作为停靠地点。
一种计算机设备，包括存储器、处理器及存储在所述存储器上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程序时实现如以上所述的方法。
一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现如以上所述的方法。
基于上述介绍可以看出，采用本发明所述方案，可首先确定出无人驾驶车辆运营区域内符合停车规则的POI，之后可根据获取到的历史上下车信息分别确定出各POI的权重，这样，当无人驾驶车辆需要停靠时，可根据各POI的权重信息，从中选出一个POI作为停靠地点，从而为无人驾驶车辆如何选择接泊点提供了一种行之有效的方法，而且，所选出的接泊点符合停车规则，从而确保了无人驾驶车辆停靠的合理性及安全性等。
【附图说明】
图1为现有无人驾驶车辆的工作原理示意图。
图2为本发明所述无人驾驶车辆选择接泊点的方法实施例的流程图。
图3为本发明所述根据各历史参考坐标点确定出各POI的权重的方法实施例的流程图。
图4为本发明所述无人驾驶车辆选择接泊点的装置实施例的组成结构示意图。
图5示出了适于用来实现本发明实施方式的示例性计算机系统/服务器12的框图。
【具体实施方式】
为了使本发明的技术方案更加清楚、明白，以下参照附图并举实施例，对本发明所述方案作进一步地详细说明。
图2为本发明所述无人驾驶车辆选择接泊点的方法实施例的流程图，如图2所示，包括以下具体实现方式。
在201中，确定出无人驾驶车辆运营区域内符合停车规则的兴趣点(POI，Point ofInterest)。
无人驾驶车辆运营区域可为整个城市区域或整个城市区域的一部分等，可根据实际需要而定。
另外，可根据高精地图等，将无人驾驶车辆运营区域划分为至少两个网格单元。
具体划分为多少个网格单元同样可根据实际需要而定，比如，可按照每个网格单元的大小为一平方公里(长宽均为1000米)的方式进行划分。
针对每个网格单元，可进一步确定出位于该网格单元内的符合停车规则的POI。
具体地，针对每个网格单元，可分别通过机器识别以及人工审核等方式，确定出位于该网格单元内的符合停车规则的POI，符合停车规则，即指需要满足我国《道路交通安全法》以及《道路交通安全法实施条例》中关于“停车、临时停车、停放”的要求，符合停车规则的POI即指符合停车规则的可用于进行车辆停放/停靠的地点。
并且，针对每个网格单元，可分别建立倒排索引表和正排索引表。
每个网格单元对应的倒排索引表中记录有位于该网格单元内的POI的标识信息。
每个POI分别对应一个正排索引表，正排索引表中记录有该POI的标识信息、对应的区域范围信息以及权重信息，另外还可进一步包括其它信息，如名称信息等。
倒排索引表及正排索引表的具体形式可分别如表一和表二所示。
表一倒排索引表
表二正排索引表
其中，表一中的“boxid”表示网格单元的标识；
表一中的“poi_id”表示位于网格单元内的一个POI的标识；
表二中的“经纬度A”、“经纬度B”、“经纬度C”和“经纬度D”分别表示poi_id1所标识的POI的四个顶点的经纬度信息，通过四个顶点的经纬度信息可限定出poi_id1所标识的POI的区域范围；
表二中的“名称”表示POI的实际名称，如**小区北门；
表二中的“权重”的初始取值为0，后续将根据历史上下车信息对其进行更新。
在202中，根据获取到的历史上下车信息分别确定出各POI的权重。
为确定出各POI的权重，可首先获取最近预定时长内的出租车历史上下车坐标点。
如何获取不作限制，比如，可通过与出租车公司进行合作，获取最近预定时长内的出租车历史上下车坐标点。
最近预定时长的具体取值可根据实际需要而定，比如，最近一年。
之后，可按照现有技术，对获取到的出租车历史上下车坐标点进行密度聚类，并分别获取各聚类结果的中心坐标点(经纬度)。
进一步地，可针对每个网格单元，分别从位于该网格单元内的中心坐标点中选出符合要求的中心坐标点，并将选出的中心坐标点作为历史参考坐标点。
比如，针对一个网格单元，可以从位于该网格单元内的中心坐标点中选出历史上下车次数最多的几个中心坐标点，即选出用户比较常用的一些上下车位置，作为历史参考坐标点，具体数量不限，通常为4～20个。
另外，还可以分别确定出各历史参考坐标点的评分，历史上下车次数越多，评分越高。
比如，可以对各历史参考坐标点对应的历史上下车次数进行归一化处理，将归一化值(0～1)作为各历史参考坐标点的评分。
之后，可根据各历史参考坐标点确定出各POI的权重。
图3为本发明所述根据各历史参考坐标点确定出各POI的权重的方法实施例的流程图，如图3所示，包括以下具体实现方式。
在301中，针对每个历史参考坐标点，分别按照302～307所示方式进行处理。
在302中，确定出该历史参考坐标点所在的网格单元。
按照现有技术，可分别得到各历史参考坐标点的经纬度信息，同样，可分别获取到每个网格单元的区域范围信息，这样，针对每个历史参考坐标点，可分别确定出其所在的网格单元。
在303中，确定出位于该历史参考坐标点所在的网格单元内的POI。
在确定出该历史参考坐标点所在的网格单元之后，可根据该网格单元对应的如表一所示的倒排索引表，进一步确定出位于该网格单元内的POI。
在304中，确定该历史参考坐标点是否位于所在网格单元中的一个POI内，如果是，则执行305，否则，执行306。
在确定出位于该历史参考坐标点所在的网格单元中的POI之后，可根据每个POI对应的如表二所示的正排索引表，分别确定出该历史参考坐标点是否位于该POI内。
由于正排索引表中记录有POI的区域范围信息，因此针对一个POI，可根据该POI的区域范围信息确定出该历史参考坐标点是否位于该POI内。
这样，将会得到两种判定结果，一种判定结果是该历史参考坐标点位于所在网格单元中的某一POI内，另外一种判定结果是该历史参考坐标点没有位于所在网格单元中的任一POI内。根据判定结果的不同，后续将会执行不同的操作。
在305中，利用该历史参考坐标点的评分对所在POI的权重进行更新，之后结束流程。
如前所述，各POI的权重的初始取值为0，所述更新可包括：增大权重，该历史参考坐标点的评分越高，增大幅度越大。
比如，所述更新可以是指：用该历史参考坐标点所在的POI的权重加上该历史参考坐标点的评分，将相加之和作为该历史参考坐标点所在的POI的更新后的权重。
可将该历史参考坐标点所在的POI的更新后的权重更新到该POI对应的正排索引表中。
在306中，确定出与该历史参考坐标点距离最近的POI。
该历史参考坐标点与POI之间的距离，可以是指该历史参考坐标点与POI的中心点之间的距离。
在307中，利用该历史参考坐标点的评分对与其距离最近的POI的权重进行更新，之后结束流程。
如何进行更新可参照305中所述。
针对每个历史参考坐标点，分别按照图3所示方式进行处理之后，即可最终得到各POI的权重。
在203中，当无人驾驶车辆需要停靠时，根据各POI的权重信息，从各POI中选出一个作为停靠地点。
当无人驾驶车辆需要停靠时，可根据各POI的权重信息，从各POI中选出一个POI作为无人驾驶车辆的停靠地点，进而进行停靠。
比如，无人驾驶车辆作为网约出租车，可根据各POI的权重信息为用户推荐上车位置，如推荐位于用户要求的上车地点附近且权重最大的POI。
再比如，无人驾驶车辆上没有乘客，在行驶过程中出于某种原因需要进行停靠，那么可选取当前位置附近且权重最大的POI作为停靠地点。
基于上述介绍可以看出，采用本发明所述方案，为无人驾驶车辆如何选择接泊点提供了一种行之有效的方法，而且，所选出的接泊点符合停车规则，确保了无人驾驶车辆停靠的合理性及安全性等。
另外，由于实际情况是在不断变化的，比如，某一网格单元内新修了一条道路，相应地增加了新的符合停车规则的POI，或者，随着时间的发展，出现了新的出租车历史上下车坐标点等，因此，可定期地对各POI和/或各POI的权重进行更新。
以上是关于方法实施例的介绍，以下通过装置实施例，对本发明所述方案进行进一步说明。
图4为本发明所述无人驾驶车辆选择接泊点的装置实施例的组成结构示意图，如图4所示，包括：第一预处理单元401、第二预处理单元402以及选择单元403。
第一预处理单元401，用于确定出无人驾驶车辆运营区域内符合停车规则的POI，并通知给第二预处理单元402以及选择单元403。
第二预处理单元402，用于根据获取到的历史上下车信息分别确定出各POI的权重，并通知给选择单元403。
选择单元403，用于当无人驾驶车辆需要停靠时，根据各POI的权重信息，从各POI中选出一个作为停靠地点。
第一预处理单元401可将无人驾驶车辆运营区域划分为至少两个网格单元，针对每个网格单元，分别确定出位于该网格单元内的符合停车规则的POI。
符合停车规则，即指需要满足我国《道路交通安全法》以及《道路交通安全法实施条例》中关于“停车、临时停车、停放”的要求，符合停车规则的POI即指符合停车规则的可用于进行车辆停放/停靠的地点。
并且，第一预处理单元401可针对每个网格单元，分别建立倒排索引表以及正排索引表。
每个网格单元对应的倒排索引表中记录有位于该网格单元内的POI的标识信息。
每个POI分别对应一个正排索引表，正排索引表中记录有该POI的标识信息、对应的区域范围信息以及权重信息，另外还可进一步包括其它信息，如名称信息等。
倒排索引表及正排索引表的具体形式可分别如表一和表二所示。
如图4所示，第二预处理单元402中可具体包括：获取子单元4021以及处理子单元4022。
获取子单元4021，用于获取最近预定时长内的出租车历史上下车坐标点，并发送给处理子单元4022。
处理子单元4022，用于对获取到的出租车历史上下车坐标点进行密度聚类，分别获取各聚类结果的中心坐标点；针对每个网格单元，分别从位于该网格单元内的中心坐标点中选出符合要求的中心坐标点，并将选出的中心坐标点作为历史参考坐标点；根据选出的历史参考坐标点确定出各POI的权重。
另外，处理子单元4022还可分别确定出各历史参考坐标点的评分，历史上下车次数越多，评分越高。
相应地，针对每个历史参考坐标点，处理子单元4022可分别进行以下处理：
确定出该历史参考坐标点所在的网格单元以及位于该网格单元内的POI；
确定该历史参考坐标点是否位于所在网格单元中的一个POI内，如果是，则利用该历史参考坐标点的评分对所在POI的权重进行更新；
各POI的权重的初始取值为0，更新包括：增大权重，该历史参考坐标点的评分越高，增大幅度越大。
如果该历史参考坐标点没有位于所在网格单元中的任一POI内，则处理子单元4022可确定出与该历史参考坐标点距离最近的POI，并利用该历史参考坐标点的评分对距离最近的POI的权重进行更新。
具体地，在确定出该历史参考坐标点所在的网格单元之后，可根据该网格单元对应的如表一所示的倒排索引表，确定出位于该网格单元内的POI。
在确定出位于该历史参考坐标点所在的网格单元中的POI之后，可根据每个POI对应的如表二所示的正排索引表，分别确定出该历史参考坐标点是否位于该POI内。
上述更新可以是指：用该历史参考坐标点所在的POI的权重加上该历史参考坐标点的评分，将相加之和作为该历史参考坐标点所在的POI的更新后的权重。可将该历史参考坐标点所在的POI的更新后的权重更新到该POI对应的正排索引表中。
图5示出了适于用来实现本发明实施方式的示例性计算机系统/服务器12的框图。图5显示的计算机系统/服务器12仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图5所示，计算机系统/服务器12以通用计算设备的形式表现。计算机系统/服务器12的组件可以包括但不限于：一个或者多个处理器(处理单元)16，存储器28，连接不同系统组件(包括存储器28和处理器16)的总线18。
总线18表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(ISA)总线，微通道体系结构(MAC)总线，增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
计算机系统/服务器12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算机系统/服务器12访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
存储器28可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(RAM)30和/或高速缓存存储器32。计算机系统/服务器12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统34可以用于读写不可移动的、非易失性磁介质(图5未显示，通常称为“硬盘驱动器”)。尽管图5中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40，可以存储在例如存储器28中，这样的程序模块42包括——但不限于——操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。
计算机系统/服务器12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信，还可与一个或者多个使得用户能与该计算机系统/服务器12交互的设备通信，和/或与使得该计算机系统/服务器12能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且，计算机系统/服务器12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图5所示，网络适配器20通过总线18与计算机系统/服务器12的其它模块通信。应当明白，尽管图中未示出，可以结合计算机系统/服务器12使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理器16通过运行存储在存储器28中的程序，从而执行各种功能应用以及数据处理，例如实现图2所示实施例中的方法，即确定出无人驾驶车辆运营区域内符合停车规则的POI，根据获取到的历史上下车信息分别确定出各POI的权重，当无人驾驶车辆需要停靠时，根据各POI的权重信息，从各POI中选出一个作为停靠地点。
其中，将无人驾驶车辆运营区域划分为至少两个网格单元，针对每个网格单元，分别确定出位于该网格单元内的符合停车规则的POI。
可获取最近预定时长内的出租车历史上下车坐标点，并对获取到的出租车历史上下车坐标点进行密度聚类，分别获取各聚类结果的中心坐标点，之后针对每个网格单元，分别从位于该网格单元内的中心坐标点中选出符合要求的中心坐标点，并将选出的中心坐标点作为历史参考坐标点，进而根据选出的历史参考坐标点确定出各POI的权重。
进一步地，可分别确定出各历史参考坐标点的评分，历史上下车次数越多，评分越高。
这样，针对每个历史参考坐标点，可分别进行以下处理：
确定出该历史参考坐标点所在的网格单元以及位于该网格单元内的POI；
确定该历史参考坐标点是否位于所在网格单元中的一个POI内，如果是，则利用该历史参考坐标点的评分对所在POI的权重进行更新；
各POI的权重的初始取值为0，所述更新包括：增大权重，该历史参考坐标点的评分越高，增大幅度越大；
如果该历史参考坐标点没有位于所在网格单元中的任一POI内，则确定出与该历史参考坐标点距离最近的POI，并利用该历史参考坐标点的评分对距离最近的POI的权重进行更新。
本发明同时公开了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时将实现如图2所示实施例中的方法。
可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括——但不限于——电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于——无线、电线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如”C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
在本发明所提供的几个实施例中，应该理解到，所揭露的装置和方法等，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，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。
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。
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，也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(processor)执行本发明各个实施例所述方法的部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM)、随机存取存储器(RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明保护的范围之内。

Claims (14)

1.一种无人驾驶车辆选择接泊点的方法，其特征在于，包括：
确定出无人驾驶车辆运营区域内符合停车规则的兴趣点POI；
根据获取到的历史上下车信息分别确定出各POI的权重；
当无人驾驶车辆需要停靠时，根据各POI的权重信息，从各POI中选出一个作为停靠地点。
2.根据权利要求1所述的方法，其特征在于，
所述确定出无人驾驶车辆运营区域内符合停车规则的POI包括：
将无人驾驶车辆运营区域划分为至少两个网格单元；
针对每个网格单元，分别确定出位于所述网格单元内的符合停车规则的POI。
3.根据权利要求2所述的方法，其特征在于，
所述根据获取到的历史上下车信息分别确定出各POI的权重包括：
获取最近预定时长内的出租车历史上下车坐标点；
对获取到的出租车历史上下车坐标点进行密度聚类，分别获取各聚类结果的中心坐标点；
针对每个网格单元，分别从位于所述网格单元内的中心坐标点中选出符合要求的中心坐标点，并将选出的中心坐标点作为历史参考坐标点；
根据选出的历史参考坐标点确定出各POI的权重。
4.根据权利要求3所述的方法，其特征在于，
该方法进一步包括：
分别确定出各历史参考坐标点的评分，历史上下车次数越多，评分越高；
所述根据选出的历史参考坐标点确定出各POI的权重包括：
针对每个历史参考坐标点，分别进行以下处理：
确定出所述历史参考坐标点所在的网格单元以及位于所述网格单元内的POI；
确定所述历史参考坐标点是否位于所在网格单元中的一个POI内，如果是，则利用所述历史参考坐标点的评分对所在POI的权重进行更新；
各POI的权重的初始取值为0，所述更新包括：增大权重，所述历史参考坐标点的评分越高，增大幅度越大。
5.根据权利要求4所述的方法，其特征在于，
该方法进一步包括：
如果所述历史参考坐标点没有位于所在网格单元中的任一POI内，则确定出与所述历史参考坐标点距离最近的POI，并利用所述历史参考坐标点的评分对所述距离最近的POI的权重进行更新。
6.根据权利要求4所述的方法，其特征在于，
该方法进一步包括：
针对每个网格单元，分别建立倒排索引表和正排索引表；
所述倒排索引表中记录有位于所述网格单元内的POI的标识信息；
每个POI分别对应一个正排索引表，所述正排索引表中记录有所述POI的标识信息、对应的区域范围信息以及权重信息；
所述确定出位于所述网格单元内的POI包括：
根据所述网格单元对应的倒排索引表确定出位于所述网格单元内的POI；
所述确定所述历史参考坐标点是否位于所在网格单元中的一个POI内包括：
根据每个POI对应的正排索引表，分别确定出所述历史参考坐标点是否位于所述POI内。
7.一种无人驾驶车辆选择接泊点的装置，其特征在于，包括：第一预处理单元、第二预处理单元以及选择单元；
所述第一预处理单元，用于确定出无人驾驶车辆运营区域内符合停车规则的兴趣点POI，并通知给所述第二预处理单元以及所述选择单元；
所述第二预处理单元，用于根据获取到的历史上下车信息分别确定出各POI的权重，并通知给所述选择单元；
所述选择单元，用于当无人驾驶车辆需要停靠时，根据各POI的权重信息，从各POI中选出一个作为停靠地点。
8.根据权利要求7所述的装置，其特征在于，
所述第一预处理单元将无人驾驶车辆运营区域划分为至少两个网格单元，针对每个网格单元，分别确定出位于所述网格单元内的符合停车规则的POI。
9.根据权利要求8所述的装置，其特征在于，
所述第二预处理单元中包括：获取子单元以及处理子单元；
所述获取子单元，用于获取最近预定时长内的出租车历史上下车坐标点，并发送给所述处理子单元；
所述处理子单元，用于对获取到的出租车历史上下车坐标点进行密度聚类，分别获取各聚类结果的中心坐标点；针对每个网格单元，分别从位于所述网格单元内的中心坐标点中选出符合要求的中心坐标点，并将选出的中心坐标点作为历史参考坐标点；根据选出的历史参考坐标点确定出各POI的权重。
10.根据权利要求9所述的装置，其特征在于，
所述处理子单元进一步用于，分别确定出各历史参考坐标点的评分，历史上下车次数越多，评分越高；
所述处理子单元针对每个历史参考坐标点，分别进行以下处理：
确定出所述历史参考坐标点所在的网格单元以及位于所述网格单元内的POI；
确定所述历史参考坐标点是否位于所在网格单元中的一个POI内，如果是，则利用所述历史参考坐标点的评分对所在POI的权重进行更新；
各POI的权重的初始取值为0，所述更新包括：增大权重，所述历史参考坐标点的评分越高，增大幅度越大。
11.根据权利要求10所述的装置，其特征在于，
所述处理子单元进一步用于，
如果所述历史参考坐标点没有位于所在网格单元中的任一POI内，则确定出与所述历史参考坐标点距离最近的POI，并利用所述历史参考坐标点的评分对所述距离最近的POI的权重进行更新。
12.根据权利要求10所述的装置，其特征在于，
所述第一预处理单元进一步用于，
针对每个网格单元，分别建立倒排索引表和正排索引表；所述倒排索引表中记录有位于所述网格单元内的POI的标识信息；每个POI分别对应一个正排索引表，所述正排索引表中记录有所述POI的标识信息、对应的区域范围信息以及权重信息；
所述处理子单元根据所述网格单元对应的倒排索引表确定出位于所述网格单元内的POI；
所述处理子单元根据每个POI对应的正排索引表，分别确定出所述历史参考坐标点是否位于所述POI内。
13.一种计算机设备，包括存储器、处理器及存储在所述存储器上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程序时实现如权利要求1～6中任一项所述的方法。
14.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1～6中任一项所述的方法。
CN201710089263.8A 2017-02-20 2017-02-20 无人驾驶车辆选择接泊点的方法、装置、设备及存储介质 Active CN106843219B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710089263.8A CN106843219B (zh) 2017-02-20 2017-02-20 无人驾驶车辆选择接泊点的方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710089263.8A CN106843219B (zh) 2017-02-20 2017-02-20 无人驾驶车辆选择接泊点的方法、装置、设备及存储介质

Publications (2)

Publication Number Publication Date
CN106843219A true CN106843219A (zh) 2017-06-13
CN106843219B CN106843219B (zh) 2020-07-10

Family

ID=59127935

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710089263.8A Active CN106843219B (zh) 2017-02-20 2017-02-20 无人驾驶车辆选择接泊点的方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN106843219B (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109725635A (zh) * 2017-10-27 2019-05-07 丰田自动车株式会社 自动驾驶车辆
CN109808689A (zh) * 2019-01-15 2019-05-28 北京百度网讯科技有限公司 无人车控制方法、装置及设备
CN109827584A (zh) * 2019-01-15 2019-05-31 北京百度网讯科技有限公司 路径规划方法、装置、电子设备与存储介质
CN110880234A (zh) * 2019-11-14 2020-03-13 广东科学技术职业学院 一种无人车泊车的方法、装置及无人车
CN111666359A (zh) * 2019-03-07 2020-09-15 阿里巴巴集团控股有限公司 Poi候选到达点挖掘方法、装置与设备
CN112070247A (zh) * 2020-09-01 2020-12-11 上海钧正网络科技有限公司 一种运维网格的管理方法、装置、介质及电子设备
CN112419779A (zh) * 2020-11-09 2021-02-26 北京京东乾石科技有限公司 无人车停靠点的选取方法及装置、存储介质及电子设备
CN113127800A (zh) * 2021-03-17 2021-07-16 北京易控智驾科技有限公司 用于矿山无人驾驶的待装车辆装载位生成方法和装置
CN113276888A (zh) * 2021-06-09 2021-08-20 北京百度网讯科技有限公司 基于自动驾驶的乘车方法、装置、设备和存储介质

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103578265A (zh) * 2012-07-18 2014-02-12 北京掌城科技有限公司 基于出租车gps数据的打车热点获取方法
CN103632532A (zh) * 2012-08-22 2014-03-12 北京掌城科技有限公司 一种出租车的打车诱导方法
CN104112370A (zh) * 2014-07-30 2014-10-22 哈尔滨工业大学深圳研究生院 基于监控图像的停车场智能车位识别方法及系统
CN104167092A (zh) * 2014-07-30 2014-11-26 北京市交通信息中心 一种确定出租车上下客热点区域中心的方法以及装置
CN105139638A (zh) * 2015-07-27 2015-12-09 福建工程学院 一种出租车载客点选取的方法及系统
CN105303817A (zh) * 2015-09-16 2016-02-03 北京嘀嘀无限科技发展有限公司 一种出行方式的规划方法及装置
CN105825310A (zh) * 2016-04-11 2016-08-03 湖南科技大学 基于信息熵的出租车寻客路线推荐方法
US20160225255A1 (en) * 2015-01-30 2016-08-04 Nissan North America, Inc. Spatial clustering of vehicle probe data
WO2016174670A1 (en) * 2015-04-26 2016-11-03 Parkam (Israel) Ltd A method and system for automatically detecting and mapping points-of-interest and real-time navigation using the same

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103578265A (zh) * 2012-07-18 2014-02-12 北京掌城科技有限公司 基于出租车gps数据的打车热点获取方法
CN103632532A (zh) * 2012-08-22 2014-03-12 北京掌城科技有限公司 一种出租车的打车诱导方法
CN104112370A (zh) * 2014-07-30 2014-10-22 哈尔滨工业大学深圳研究生院 基于监控图像的停车场智能车位识别方法及系统
CN104167092A (zh) * 2014-07-30 2014-11-26 北京市交通信息中心 一种确定出租车上下客热点区域中心的方法以及装置
US20160225255A1 (en) * 2015-01-30 2016-08-04 Nissan North America, Inc. Spatial clustering of vehicle probe data
WO2016174670A1 (en) * 2015-04-26 2016-11-03 Parkam (Israel) Ltd A method and system for automatically detecting and mapping points-of-interest and real-time navigation using the same
CN105139638A (zh) * 2015-07-27 2015-12-09 福建工程学院 一种出租车载客点选取的方法及系统
CN105303817A (zh) * 2015-09-16 2016-02-03 北京嘀嘀无限科技发展有限公司 一种出行方式的规划方法及装置
CN105825310A (zh) * 2016-04-11 2016-08-03 湖南科技大学 基于信息熵的出租车寻客路线推荐方法

Cited By (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11822338B2 (en) 2017-10-27 2023-11-21 Toyota Jidosha Kabushiki Kaisha Automatic drive vehicle
CN109725635A (zh) * 2017-10-27 2019-05-07 丰田自动车株式会社 自动驾驶车辆
CN109827584B (zh) * 2019-01-15 2021-07-09 北京百度网讯科技有限公司 路径规划方法、装置、电子设备与存储介质
CN109808689A (zh) * 2019-01-15 2019-05-28 北京百度网讯科技有限公司 无人车控制方法、装置及设备
CN109827584A (zh) * 2019-01-15 2019-05-31 北京百度网讯科技有限公司 路径规划方法、装置、电子设备与存储介质
CN111666359A (zh) * 2019-03-07 2020-09-15 阿里巴巴集团控股有限公司 Poi候选到达点挖掘方法、装置与设备
CN111666359B (zh) * 2019-03-07 2023-06-20 阿里巴巴集团控股有限公司 Poi候选到达点挖掘方法、装置与设备
CN110880234B (zh) * 2019-11-14 2020-10-23 广东科学技术职业学院 一种无人车泊车的方法、装置及无人车
CN110880234A (zh) * 2019-11-14 2020-03-13 广东科学技术职业学院 一种无人车泊车的方法、装置及无人车
CN112070247A (zh) * 2020-09-01 2020-12-11 上海钧正网络科技有限公司 一种运维网格的管理方法、装置、介质及电子设备
CN112419779A (zh) * 2020-11-09 2021-02-26 北京京东乾石科技有限公司 无人车停靠点的选取方法及装置、存储介质及电子设备
CN112419779B (zh) * 2020-11-09 2022-04-12 北京京东乾石科技有限公司 无人车停靠点的选取方法及装置、存储介质及电子设备
CN113127800A (zh) * 2021-03-17 2021-07-16 北京易控智驾科技有限公司 用于矿山无人驾驶的待装车辆装载位生成方法和装置
CN113127800B (zh) * 2021-03-17 2023-09-12 北京易控智驾科技有限公司 用于矿山无人驾驶的待装车辆装载位生成方法和装置
CN113276888A (zh) * 2021-06-09 2021-08-20 北京百度网讯科技有限公司 基于自动驾驶的乘车方法、装置、设备和存储介质
US12233914B2 (en) 2021-06-09 2025-02-25 Beijing Baidu Netcom Science And Technology Co., Ltd. Automatic driving-based riding method, apparatus and device, and storage medium

Also Published As

Publication number Publication date
CN106843219B (zh) 2020-07-10

Similar Documents

Publication Publication Date Title
CN106843219B (zh) 无人驾驶车辆选择接泊点的方法、装置、设备及存储介质
JP6614464B6 (ja) 車両スケジューリング方法、装置、設備及び記憶媒体
CN109857002B (zh) 数据采集方法、装置、设备及计算机可读存储介质
CN106920038A (zh) 无人驾驶车辆的调度方法、装置、设备及存储介质
JP6738932B2 (ja) シミュレーションプラットフォームに配置された、機械学習モデルを訓練するためのシステム及び方法
US9840252B2 (en) System and method for vehicle assisted response to road conditions
US9513134B1 (en) Management of evacuation with mobile objects
CN106080590B (zh) 车辆控制方法和装置以及决策模型的获取方法和装置
US9576482B2 (en) Management of moving objects
US20170178500A1 (en) Management of mobile objects and service platform for mobile objects
CN109387208B (zh) 一种地图数据的处理方法、装置、设备和介质
CN113692373B (zh) 自动驾驶车辆服务的滞留和范围分析
US11749116B1 (en) Apparatus and methods for providing adaptive vehicle parking assistance based on a driver's familiarity with a vehicle
EP4202886A1 (en) Using maps at multiple resolutions and scale for trajectory prediction
CN106934026A (zh) 出行服务挖掘方法、装置、设备及存储介质
US10745010B2 (en) Detecting anomalous vehicle behavior through automatic voting
CN109774720A (zh) 高精度地图可视化方法、装置及存储介质
CN112102648B (zh) 一种空余车位推送方法、装置、设备及存储介质
CN106934107A (zh) 交通出行场景构建方法、装置、设备及存储介质
CN109658721A (zh) 交通标志显示装置、识别方法、装置、设备和介质
CN109885392B (zh) 分配车载计算资源的方法以及装置
EP3674178A1 (en) Parking control method and apparatus, electronic device and storage medium
CN109572687A (zh) 泊车控制方法、装置、电子设备及存储介质
CN110542426B (zh) 小路识别方法、设备及可读介质
US20240304092A1 (en) Automated and enhanced remote assistance and fleet response

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant