提升车辆通过交通路口预判准确度的方法及装置与流程

本发明涉及计算机软件领域，具体涉及一种提升车辆通过交通路口预判准确度的方法及装置。

背景技术：

随着科技的飞速发展，目前已有的红绿灯路口无人驾驶车辆的通行控制系统已经实现了智能预判通过红绿灯路口的方法。该方法的原理为在获知即将通过路口车辆的位置、车速以及交通信号灯的时序等信息的前提下，准确判断车辆能否顺利通过前方的红绿灯交叉路口并同时以语音和图像警示的方式告知车辆驾驶员。

传统的红绿灯路口无人驾驶车辆的通行控制系统大多依赖于车辆的当前车速、行驶距离以及车辆接收信号灯的亮序信息，通过这些参数以此判断车辆在当前车速下车辆是否能通过前方即将通过的路口。

然而，这种方式的评估参数固定，而未考虑如节假日、天气，以及驾驶员自身特质的差异性等外界因子对判断结果的影响，缺乏实现个性化定制预判通过红绿灯路口的方案、记忆及共享等特定功能。

此外，对于特殊驾驶人群来说(例如，新手或者女司机)，传统的预判方法尚未能充分利用城市红绿灯系统的实时数据，导致预判通过红绿灯路口的准确度不高的问题变得更为突出。

技术实现要素：

鉴于上述情况，本发明的目的是提供一种提升车辆通过交通路口预判准确度的方法及装置，通过充分利用已形成的历史预判数据，不断优化预判方案，以达到提高预判准确率的目的。

本发明的技术方案是提供一种提升车辆通过交通路口预判准确度的方法及装置，其中该方法包括：

根据车辆的行驶信息以及交通信号灯信息，计算该车辆即将通过路口的预判时间；

根据用户的个人信息，查询数据库中该用户通过该路口的历史误差数据；

如果该数据库中不存在该用户通过该路口的历史误差数据，则将该预判时间推送至该用户；在该用户通过该路口之后，记录该用户通过该路口的实际时间并计算实际误差数据；将该实际误差数据存储在该数据库中，作为该用户通过该路口的历史误差数据；

如果该数据库中存在该用户通过该路口的历史误差数据，则对该预判时间与该历史误差数据进行补偿计算，以得到补偿的预判时间，并将该补偿的预判时间推送至该用户；在该用户通过该路口之后，记录该用户通过该路口的实际时间并计算实际误差数据；将该实际误差数据和该历史误差数据进行累加并求均值，并用该均值更新该数据库中该用户的历史误差数据。

可选地，该车辆的行驶信息包括车辆的行驶速度、车辆距停车线的距离，该交通信号灯信息包括该路口的交通灯时序信息。

可选地，该历史误差数据采用KEY-VALUE型的数据模式，并且存储于NoSQL数据库中。

可选地，对该预判时间与该历史误差数据进行补偿计算，以得到补偿的预判时间包括：对该预判时间与该历史误差数据进行矢量和运算得到该补偿的预判时间。

本发明还提供一种智能预判车辆通过交通路口的装置，该装置包括：

预判时间模块，用于根据车辆的行驶信息以及交通信号灯信息，计算该车辆即将通过路口的预判时间；

预判补偿模块，用于根据用户的个人信息，查询数据库中该用户通过该路口的历史误差数据；

如果该数据库中不存在该用户通过该路口的历史误差数据，则将该预判时间推送至该用户；在该用户通过该路口之后，记录该用户通过该路口的实际时间并计算实际误差数据；将该实际误差数据存储在该数据库中，作为该用户通过该路口的历史误差数据；

如果该数据库中存在该用户通过该路口的历史误差数据，则对该预判时间与该历史误差数据进行补偿计算，以得到补偿的预判时间，并将该补偿的预判时间推送至该用户；在该用户通过该路口之后，记录该用户通过该路口的实际时间并计算实际误差数据；将该实际误差数据和该历史误差数据进行累加并求均值，并用该均值更新该数据库中该用户的历史误差数据。

可选地，该车辆的行驶信息包括车辆的行驶速度、车辆距停车线的距离，该交通信号灯信息包括该路口的交通灯时序信息。

可选地，该历史误差数据采用KEY-VALUE型的数据模式，并且存储于NoSQL数据库中。

可选地，该业务处理模块包括：补偿计算模块，其中，该补偿计算模块用于对该预判时间与该历史误差数据进行矢量和运算得到该补偿的预判时间。

通过本发明提供的提升车辆通过交通路口预判准确度的方法及装置，能够根据实时采集的车辆的行驶信息以及交通信号灯信息，利用NoSQL数据库的存储特性，结合驾驶车辆时的天气和时间等因素以及不同驾驶员的属性特征，查询驾驶员通过同一路口的历史误差数据，计算车辆即将通过路口的预判时间。此外，根据车辆通过交通路口的实际数据，实时更新数据库中的历史误差数据，有效提高了车辆通过交通路口预判时间的准确度，保证驾驶员能够安全顺利的通过交通路口。

附图说明

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的前提下，还可以根据这些附图获得其他的附图。在附图中：

图1为本发明一实施例的提升车辆通过交通路口预判准确度的方法的流程示意图；

图2为本发明实施方式的提升车辆通过交通路口预判准确度的装置的示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚明白，下面结合附图对本发明实施例做进一步详细说明。在此，本发明的示意性实施例及其说明用于解释本发明，但并不作为对本发明的限定。

本领域技术技术人员知道，本发明的实施方式可以实现为一种系统、装置、设备、方法或计算机程序产品。因此，本公开可以具体实现为以下形式，即：完全的硬件、完全的软件(包括固件、驻留软件、微代码等)，或者硬件和软件结合的形式。

示例性方法

下面参考图1对本发明示例性实施方式的提升车辆通过交通路口预判准确度的方法进行介绍。

如图1所示，为本发明一实施方式的提升车辆通过交通路口预判准确度的方法的流程图。

步骤S101:根据车辆的行驶信息以及交通信号灯信息，计算该车辆即将通过路口的预判时间；

步骤S102:根据用户的个人信息，查询数据库中该用户通过该路口的历史误差数据；

步骤S103:如果该数据库中不存在该用户通过该路口的历史误差数据，则将该预判时间推送至该用户；在该用户通过该路口之后，记录该用户通过该路口的实际时间并计算实际误差数据；将该实际误差数据存储在该数据库中，作为该用户通过该路口的历史误差数据；

步骤S104:如果该数据库中存在该用户通过该路口的历史误差数据，则对该预判时间与该历史误差数据进行补偿计算，以得到补偿的预判时间，并将该补偿的预判时间推送至该用户；在该用户通过该路口之后，记录该用户通过该路口的实际时间并计算实际误差数据；将该实际误差数据和该历史误差数据进行累加并求均值，并用该均值更新该数据库中该用户的历史误差数据。

可选地，该车辆的行驶信息包括车辆的行驶速度、车辆距停车线的距离，该交通信号灯信息包括该路口的交通灯时序信息。

可选地，该历史误差数据采用KEY-VALUE型的数据模式，并且存储于NoSQL数据库中。

可选地，对该预判时间与该历史误差数据进行补偿计算，以得到补偿的预判时间包括：对该预判时间与该历史误差数据进行矢量和运算得到该补偿的预判时间。

实施例

下面结合一个具体实施例对本发明进行具体描述，然而值得注意的是该具体实施例仅是为了更好地描述本发明，并不构成对本发明的不当限定。

首先，当正在行驶的车辆即将通过前方的路口的时候，根据车辆的行驶信息以及交通信号灯信息，计算该车辆即将通过路口的预判时间。其中，该行驶信息包括车辆的行驶速度、车辆距停车线的距离；该交通信号灯信息包括即将通过的路口的交通灯时序信息。

然后，根据用户的个人信息，查询数据库中该用户的历史误差数据。

其中，该数据库可以通过网络获取当前的时间信息和天气信息等。具体来说，根据驾驶员输入的个人信息，可以获得与该驾驶员相关的信息，例如，驾驶员当前所在的城市、驾驶员的性别、年龄以及驾驶员即将通过的路口等。此外，还可以包括与驾驶有关的外界因子，比如，对于日期区间可以包括：春节、春节前五天、春节后五天等；对于时间区间可以包括：早高峰、晚高峰、加班时间段、普通等；对于天气信息可以包括：雨雪、暴晒、极寒、普通等。

其次，根据上面各参数的并集，生成NoSQL数据库的KEY-VALUE存储模式的属性KEY，VALUE表示通过路口的误差时间。该数据库如表1所示：

表1

如果该数据库中不存在该用户通过该路口的历史误差数据，则将该预判时间推送至该用户，然后，记录该用户通过该路口的实际时间并计算实际误差数据；最后，利用该实际误差数据，更新该数据库中该用户的历史误差数据。

如果该数据库中存在该用户通过该路口的历史误差数据，则根据该用户的信息查询该用户通过该路口的历史数据；

将该预判时间与该历史数据进行补偿计算得到补偿预判时间，并将该补偿预判时间推送至该用户。

在本发明的一实施例中，是将该预判时间与该历史误差数据进行矢量和运算得到该补偿预判时间。

然后，记录该用户通过该路口的实际时间并计算实际误差数据；

最后，利用该实际误差数据，更新该数据库中该用户的历史误差数据。

举例：

驾驶员的个人信息为：在北京的28岁女性，即将通过的路口为科创十一街红绿灯1；外界因子为：普通早高峰舒适。

通过该表可知，在数据库中对应的是第二条匹配信息，通过该路口的历史误差数据是1000ms，而该驾驶员本次通过该路口的实际误差为800ms，因此将该驾驶员通过该路口的历史误差进行累加并求均值，即将原来的1000ms变更为900ms。更新后的该数据库如表2所示，

表2

图2为本发明实施方式的提升车辆通过交通路口预判准确度的装置的示意图，该装置2包括：

时间预判模块21，用于根据车辆的行驶信息以及交通信号灯信息，计算该车辆即将通过路口的预判时间；

预判补偿模块22，用于根据用户的个人信息，查询数据库中该用户通过该路口的历史误差数据；

如果该数据库中不存在该用户通过该路口的历史误差数据，则将该预判时间推送至该用户；在该用户通过该路口之后，记录该用户通过该路口的实际时间并计算实际误差数据；将该实际误差数据存储在该数据库中，作为该用户通过该路口的历史误差数据；

如果该数据库中存在该用户通过该路口的历史误差数据，则对该预判时间与该历史误差数据进行补偿计算，以得到补偿的预判时间，并将该补偿的预判时间推送至该用户；在该用户通过该路口之后，记录该用户通过该路口的实际时间并计算实际误差数据；将该实际误差数据和该历史误差数据进行累加并求均值，并用该均值更新该数据库中该用户的历史误差数据。

可选地，该车辆的行驶信息包括车辆的行驶速度、车辆距停车线的距离，该交通信号灯信息包括该路口的交通灯时序信息。

可选地，该历史误差数据采用KEY-VALUE型的数据模式，并且存储于NoSQL数据库中。

可选地，该预判补偿模块22包括：补偿计算模块23，其中，该补偿计算模块用于对该预判时间与该历史误差数据进行矢量和运算得到该补偿的预判时间。

由于本实施例提供的提升车辆通过交通路口预判准确度的装置是上述提升车辆通过交通路口预判准确度的方法的对应的装置，故在此不赘述。

通过本发明提供的提升车辆通过交通路口预判准确度的方法及装置，能够根据实时采集的车辆的行驶信息以及交通信号灯信息，利用NoSQL数据库的存储特性，结合驾驶车辆时的天气和时间等因素以及不同驾驶员的属性特征，查询驾驶员通过同一路口的历史误差数据，计算车辆即将通过路口的预判时间。此外，根据车辆通过交通路口的实际数据，实时更新数据库中的历史误差数据，有效提高了车辆通过交通路口预判时间的准确度，保证驾驶员能够安全顺利的通过交通路口。

此外，尽管在附图中以特定顺序描述了本发明方法的操作，但是，这并非要求或者暗示必须执行全部所示的操作才能实现期望的结果。附加地或备选地，可以省略某些步骤，将多个步骤合并为一个步骤执行，和/或将一个步骤分解为多个步骤执行。

以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不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，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。